熊珊

【摘 要】為了應(yīng)對(duì)通信網(wǎng)絡(luò)每天數(shù)億級(jí)DPI數(shù)據(jù)的秒級(jí)響應(yīng)，減少依靠專家經(jīng)驗(yàn)的優(yōu)化工作量，實(shí)現(xiàn)網(wǎng)絡(luò)維度實(shí)時(shí)分析，提升互聯(lián)網(wǎng)用戶對(duì)網(wǎng)絡(luò)的滿意度。通過(guò)對(duì)移動(dòng)互聯(lián)網(wǎng)各用戶各業(yè)務(wù)的調(diào)研和信令分析，回溯用戶的歷史感知，研究多元線性回歸方法在用戶群模型定位異常網(wǎng)絡(luò)事件的應(yīng)用，同時(shí)與傳統(tǒng)專家預(yù)判式的優(yōu)化方式進(jìn)行對(duì)比，提出了基于用戶群模型采用xDR信令關(guān)聯(lián)分析方法、NAE地理柵格化和網(wǎng)絡(luò)可視化等手段創(chuàng)新網(wǎng)優(yōu)工作模式，構(gòu)建自主型網(wǎng)優(yōu)系統(tǒng)。

【關(guān)鍵詞】用戶群模型 多元線性 信令關(guān)聯(lián) 自主型 網(wǎng)優(yōu)系統(tǒng)

1 引言

目前，我國(guó)三大運(yùn)營(yíng)商積極推進(jìn)國(guó)家提速降費(fèi)政策的落實(shí)，促使4G互聯(lián)網(wǎng)用戶發(fā)展迅猛，導(dǎo)致用戶體驗(yàn)度持續(xù)下降。為了防止用戶流失，運(yùn)營(yíng)商采取了大量的創(chuàng)新性優(yōu)化手段來(lái)提升網(wǎng)絡(luò)性能，但收效甚微。本文旨在通過(guò)對(duì)用戶群體模型及體驗(yàn)的研究，分析用戶對(duì)網(wǎng)絡(luò)滿意度評(píng)判分值低的主導(dǎo)因素，運(yùn)用多元線性回歸數(shù)學(xué)算法迭代和遞推出用戶滿意度的權(quán)重因子。首先從理論研究到調(diào)研全流程式對(duì)用戶群模型進(jìn)行了擬合；然后對(duì)比傳統(tǒng)專家預(yù)判式優(yōu)化方法，提出了構(gòu)建基于用戶群模型及體驗(yàn)做優(yōu)化的新模式；再結(jié)合用戶群模型中的變量權(quán)重因子，詳細(xì)分解了系統(tǒng)采取xDR（External Data Representation）信令關(guān)聯(lián)分析方法、NAE（Network Anomaly Events，網(wǎng)絡(luò)異常事件）地理柵格化等創(chuàng)新性的優(yōu)化手段；最后通過(guò)運(yùn)營(yíng)商3期用戶滿意度的調(diào)研案例，驗(yàn)證了用戶體驗(yàn)?zāi)Ｐ偷姆€(wěn)定性及自主型網(wǎng)優(yōu)系統(tǒng)的有效性。

2 理論研究方法

2.1 分析滿意度調(diào)研用戶群及抽樣客觀性

根據(jù)尼爾森調(diào)研公司對(duì)移動(dòng)用戶的調(diào)查報(bào)告，將用戶對(duì)網(wǎng)絡(luò)的滿意度分成三類：差感用戶、客觀用戶和好感用戶。其中，差感用戶定義為無(wú)通話異常事件，通話質(zhì)量打分低；客觀用戶定義為存在通話異常事件，通話質(zhì)量打分較客觀；好感用戶定義為有通話異常事件，通話質(zhì)量打分高。調(diào)查報(bào)告中客觀用戶占比約為70%，并驗(yàn)證了客觀用戶打分與網(wǎng)絡(luò)感知基本一致，在排除抱有好感和偏見(jiàn)的用戶后，絕大部分用戶（65%～75%）的滿意度打分與其所遇到的異常事件呈現(xiàn)很強(qiáng)的相關(guān)性，這一結(jié)論經(jīng)與后端調(diào)取歷史通話錄音的結(jié)果基本一致。

篩選出三類用戶群中的客觀用戶，將調(diào)研用戶數(shù)結(jié)合網(wǎng)絡(luò)制式維度進(jìn)行細(xì)分，確定2G/3G用戶和4G用戶的分布比例。

2.2 構(gòu)建滿意度概念模型

結(jié)合上文確定的客觀用戶各網(wǎng)絡(luò)制式分布比例進(jìn)行外呼深訪，選取客觀用戶深訪的原因是由于客觀用戶能夠準(zhǔn)確評(píng)價(jià)網(wǎng)絡(luò)提供的服務(wù)。以深訪結(jié)果構(gòu)建如圖1所示的用戶滿意度概念模型，語(yǔ)音模型中影響用戶滿意度的主要因素是掉話和質(zhì)差（MOS），數(shù)據(jù)模型中網(wǎng)絡(luò)不穩(wěn)定是影響手機(jī)上網(wǎng)滿意度的最主要原因。

2.3 根據(jù)深訪后的概念模型構(gòu)建用戶滿意度數(shù)學(xué)模型

針對(duì)用戶滿意度概念模型中影響語(yǔ)音和數(shù)據(jù)的主要因素，從性能管理系統(tǒng)中提取用戶實(shí)際使用行為數(shù)據(jù)，采用多元線性逐步回歸方法，建立用戶滿意度與異常感知事件的關(guān)聯(lián)模型，找到提升網(wǎng)絡(luò)滿意度的抓手。當(dāng)由多種因素共同決定一個(gè)現(xiàn)象時(shí)，使用多元線性回歸（Multivariate Linear Regression）方法將多個(gè)自變量形成最優(yōu)組合共同來(lái)預(yù)測(cè)或估計(jì)因變量：

yi=β0+β1xi1+β2xi2+…+βpxip+εi （1）

其中，yi為因變量；β0為常數(shù)項(xiàng)；β1…p為偏回歸系數(shù)；xi1…ip為自變量；εi為隨機(jī)誤差。

在概念模型中，多個(gè)網(wǎng)絡(luò)異常事件指標(biāo)共同決定用戶滿意度，系數(shù)即該指標(biāo)的影響權(quán)重。經(jīng)數(shù)據(jù)推導(dǎo)和遞歸形成的語(yǔ)音及數(shù)據(jù)模型公式如下（下列各影響因子取值已經(jīng)過(guò)逐步非線性變換并標(biāo)準(zhǔn)化）：

語(yǔ)音模型公式：

2G/3G用戶語(yǔ)音滿意度=5.5+0.75×主叫失敗間隔+

0.69×被叫失敗間隔+0.09×超短呼間隔+1.68×掉話間隔 （2）

4G用戶語(yǔ)音滿意度=5.5+0.49×主叫失敗間隔+1.81×被叫失敗間隔+0.09×超短呼間隔+0.72×掉話間隔 （3）

數(shù)據(jù)模型公式：

數(shù)據(jù)滿意度=-0.84×TCP（無(wú)線）時(shí)延+0.08×

TCP（核心）成功率-0.15×DNS時(shí)延+0.11×EPS缺省

承載建立成功率+1.28×Http業(yè)務(wù)成功率-0.94×Http響應(yīng)時(shí)延+0.85×Http下載速率-0.18×TAU失敗次數(shù)-0.08×TAU時(shí)延-0.38×LTE流量+5.5 2.4 用戶滿意度數(shù)學(xué)模型擬合度驗(yàn)證

經(jīng)遞歸和推導(dǎo)出語(yǔ)音及數(shù)據(jù)模型公式后，選取運(yùn)營(yíng)商1140人（2G/3G用戶535人，4G用戶605人）進(jìn)行深訪，根據(jù)異常事件提取xDR及網(wǎng)絡(luò)性能數(shù)據(jù)進(jìn)行滿意度數(shù)學(xué)模型的擬合測(cè)試驗(yàn)證，驗(yàn)證結(jié)果顯示：掉話是影響2G/3G用戶通話感知的最主要因素，約占52.2%；MOS值是影響4G用戶通話感知的最主要因素，約占58.1%；Http業(yè)務(wù)成功率是影響用戶上網(wǎng)感知的最主要因素，約占26.16%。

以每月數(shù)據(jù)預(yù)測(cè)后續(xù)月份的用戶滿意度，經(jīng)驗(yàn)證模型置信度為95%，擬合優(yōu)度分別為98.8%和99.1%。基于模型擬合數(shù)據(jù)可知，用戶滿意度數(shù)學(xué)模型與實(shí)際滿意度控制在5%以內(nèi)，這說(shuō)明模型的穩(wěn)定性良好，可以應(yīng)用于影響滿意度的異常感知事件定位。

3 基于用戶群模型及體驗(yàn)創(chuàng)新網(wǎng)優(yōu)模式，構(gòu)建自優(yōu)化系統(tǒng)

3.1 傳統(tǒng)性專家預(yù)判優(yōu)化方法

針對(duì)用戶滿意度異常感知事件的定位，傳統(tǒng)性專家預(yù)判優(yōu)化采取QoE（Quality of Experience，用戶感知）映射到KQI（Key Quality Indicators，關(guān)鍵質(zhì)量指標(biāo)）及KPI（Key Performance Indicators，關(guān)鍵績(jī)效指標(biāo)），根據(jù)KPI異常波動(dòng)指標(biāo)查找異常的因子來(lái)定位影響用戶感知的網(wǎng)絡(luò)問(wèn)題，查找過(guò)程中將專家排查流程和判斷方式固化為經(jīng)驗(yàn)庫(kù)，通過(guò)匹配經(jīng)驗(yàn)庫(kù)中設(shè)置的門(mén)限和范圍值來(lái)定位用戶感知問(wèn)題，然后再采取現(xiàn)場(chǎng)DT（Drive Test，路測(cè)）/CQT（Call Quality Test，呼叫質(zhì)量測(cè)試）測(cè)試、RF優(yōu)化、后臺(tái)話統(tǒng)分析和終端定位等優(yōu)化手段解決感知問(wèn)題。傳統(tǒng)優(yōu)化方法屬于被動(dòng)式和事后補(bǔ)救性優(yōu)化，對(duì)用戶底層的數(shù)據(jù)和信令關(guān)聯(lián)不夠，分析不夠全面且用戶歷史信息回溯性不足。

3.2 基于用戶群模型及信令構(gòu)建自主型優(yōu)化系統(tǒng)

為彌補(bǔ)傳統(tǒng)專家預(yù)判式優(yōu)化的不足，提升用戶群體驗(yàn)，實(shí)現(xiàn)網(wǎng)絡(luò)自愈合和自優(yōu)化，以用戶群模型與異常感知事件關(guān)聯(lián)分析、xDR信令關(guān)聯(lián)分析和NAE地理柵格化相融合，構(gòu)建自主型網(wǎng)優(yōu)系統(tǒng)。系統(tǒng)分成橫、縱兩個(gè)層面，橫向從UE（User Equipment，用戶終端）到E-UTRAN（Evolved UMTS Terrestrial Radio Access Network，演進(jìn)的UMTS陸地?zé)o線接入網(wǎng)）、業(yè)務(wù)平臺(tái)、服務(wù)器、提供商等方面；縱向上按照業(yè)務(wù)流程進(jìn)行分段分析，實(shí)現(xiàn)業(yè)務(wù)端到端分析、質(zhì)量分析、業(yè)務(wù)可視化及感知問(wèn)題的自分析、自定位和自優(yōu)化。

（1）xDR信令關(guān)聯(lián)分析方法

在傳統(tǒng)專家式分析結(jié)果的基礎(chǔ)上，通過(guò)各網(wǎng)元的軟硬采集xDR數(shù)據(jù)，將xDR數(shù)據(jù)與MR（Measurement Report，測(cè)量報(bào)告）進(jìn)行字段關(guān)聯(lián)填充、補(bǔ)缺和賦值，結(jié)合定位算法與地圖指紋庫(kù)定位用戶使用環(huán)境及自動(dòng)輸出優(yōu)化方案；主要包含基于用戶定位指紋庫(kù)、用戶環(huán)境區(qū)分技術(shù)、3D仿真、POI自動(dòng)輸出、ACP（自動(dòng)布站）等關(guān)鍵技術(shù)，利用這些技術(shù)實(shí)現(xiàn)對(duì)異常問(wèn)題和區(qū)域的定位，再結(jié)合開(kāi)戶數(shù)據(jù)、經(jīng)濟(jì)分析數(shù)據(jù)、投訴數(shù)據(jù)分析定位價(jià)值柵格，實(shí)現(xiàn)面向用戶的自優(yōu)化與智能規(guī)劃。

xDR信令關(guān)聯(lián)分析的難點(diǎn)在于數(shù)億級(jí)的數(shù)據(jù)處理，Hadoop在這方面具有較好的擴(kuò)展性和性能，能實(shí)現(xiàn)海量數(shù)據(jù)處理、截取、關(guān)聯(lián)和儲(chǔ)存，并面向分布式進(jìn)行TB/PB級(jí)的數(shù)據(jù)處理。Hadoop在對(duì)海量數(shù)據(jù)的萃取過(guò)程中，通過(guò)map生成數(shù)據(jù)的配對(duì)值，如：MR和xDR信令數(shù)據(jù)屬關(guān)系型數(shù)據(jù)，如圖2所示，在GPS信息關(guān)聯(lián)并賦值中，MR與xDR字段匹配成功是獲取GPS的關(guān)鍵，通過(guò)xDR中S1-U/MME數(shù)據(jù)解析提取出用戶的GPS信息，并通過(guò)用戶屬性將此GPS時(shí)間點(diǎn)附近的MR數(shù)據(jù)進(jìn)行關(guān)聯(lián)，實(shí)現(xiàn)MR數(shù)據(jù)精確的用戶環(huán)境區(qū)分和定位。

運(yùn)用分布式關(guān)系型數(shù)據(jù)庫(kù)對(duì)海量xDR數(shù)據(jù)進(jìn)行map映射，主要采用大表聚合和關(guān)聯(lián)，發(fā)現(xiàn)通過(guò)合理的索引優(yōu)化技巧可以實(shí)現(xiàn)分秒級(jí)計(jì)算操作。因此，基于關(guān)系型map映射構(gòu)建MR和xDR的關(guān)聯(lián)性數(shù)據(jù)庫(kù)并應(yīng)用于用戶群體驗(yàn)的提升，是構(gòu)建自主型網(wǎng)優(yōu)系統(tǒng)的關(guān)鍵所在。

（2）NAE地理柵格化

為了在自主型優(yōu)化系統(tǒng)中直觀展示用戶群模型應(yīng)用于定位網(wǎng)絡(luò)異常事件方面的效果，便于網(wǎng)絡(luò)監(jiān)控和處理，將用戶所處區(qū)域進(jìn)行地理柵格化，以圖形渲染的方式呈現(xiàn)異常事件的惡化程度及用戶所處環(huán)境的多維網(wǎng)絡(luò)信息。以網(wǎng)絡(luò)異常事件——MOS值為例：經(jīng)過(guò)研究與實(shí)踐，采用E-mode1模型可準(zhǔn)確快速評(píng)價(jià)4G用戶語(yǔ)音質(zhì)量，輸出等效MOS值，結(jié)合x(chóng)DR、MR、話統(tǒng)等多維數(shù)據(jù)定位異常原因，并針對(duì)不同原因開(kāi)展RF、參數(shù)、信令、性能及新功能應(yīng)用等多方面的優(yōu)化工作，以達(dá)到切實(shí)提高用戶體驗(yàn)、提升用戶網(wǎng)絡(luò)滿意度的目的。

實(shí)現(xiàn)NAE地理柵格按照?qǐng)D3中的步驟將MOS數(shù)據(jù)與MR通過(guò)時(shí)間差、UEID進(jìn)行關(guān)聯(lián)，借助MR字段數(shù)據(jù)對(duì)MOS進(jìn)行定位并地理柵格化顯示，進(jìn)行用戶VIP分析、網(wǎng)絡(luò)性能分析、網(wǎng)絡(luò)覆蓋分析等特性優(yōu)化，以高效支撐4G網(wǎng)絡(luò)的優(yōu)化分析。

4 應(yīng)用推廣

2016年運(yùn)營(yíng)商委托三方公司對(duì)用戶滿意度進(jìn)行了三期的調(diào)研，深訪調(diào)研選取1140個(gè)樣本（2G/3G用戶535人，4G用戶605人），按照用戶身份屬性、終端屬性和消費(fèi)屬性的實(shí)際比例，抽取用戶群和運(yùn)用多元線性逐步回歸方法進(jìn)行異常事件跟蹤（抽樣置信區(qū)間95%），判斷異常事件變化趨勢(shì)，選取三個(gè)典型樣本進(jìn)行跟蹤，發(fā)現(xiàn)全網(wǎng)語(yǔ)音掉話表現(xiàn)變差。

將用戶群模型定位后的網(wǎng)絡(luò)掉話變差——掉話間隔縮短，通過(guò)自優(yōu)化系統(tǒng)定位為CN流程沖突導(dǎo)致，并進(jìn)行了流程優(yōu)先級(jí)自優(yōu)化，掉話間隔拉長(zhǎng)，完成網(wǎng)絡(luò)自愈合，問(wèn)題得到解決。經(jīng)過(guò)系統(tǒng)反復(fù)迭代和優(yōu)化，三方公司進(jìn)行第3期的調(diào)研結(jié)果如圖4所示?？梢钥闯?，第3期用戶滿意度得分較前兩期上升明顯，達(dá)到預(yù)期效果。

5 結(jié)束語(yǔ)

隨著移動(dòng)互聯(lián)網(wǎng)用戶終端、業(yè)務(wù)和需求的不斷變化，如何保障網(wǎng)絡(luò)服務(wù)質(zhì)量、提升用戶感知、保持業(yè)務(wù)持續(xù)增長(zhǎng)，是通信運(yùn)營(yíng)商面臨的網(wǎng)絡(luò)難題。本文通過(guò)xDR信令關(guān)聯(lián)分析和NAE地理柵格化等手段對(duì)異常事件及區(qū)域進(jìn)行處理，基于用戶群模型及體驗(yàn)構(gòu)建了自主型網(wǎng)優(yōu)系統(tǒng)，該技術(shù)手段能夠有效提升用戶感知，并改善網(wǎng)絡(luò)質(zhì)量。在以后的實(shí)際應(yīng)用中，需要結(jié)合新業(yè)務(wù)、新功能和新協(xié)議逐步優(yōu)化完善，以持續(xù)提升網(wǎng)絡(luò)優(yōu)化工作的智能化水平。

參考文獻(xiàn)：

[1] 馮傳躍. LTE網(wǎng)絡(luò)MR和信令數(shù)據(jù)的聯(lián)合分析方法[A]. 天津市電視技術(shù)研究會(huì)年會(huì)論文集[C]. 2016.

[2] 趙川斌，張?bào)K，任義. 基于用戶感知的網(wǎng)絡(luò)優(yōu)化體系建設(shè)探討[J]. 移動(dòng)通信， 2011，35（6）： 19-24.

[3] 胡宇辰，郭宇. 基于沙漏模型的移動(dòng)互聯(lián)網(wǎng)用戶行為分析[J]. 管理世界， 2013（7）： 184-185.

[4] 肖傳郊. LTE網(wǎng)絡(luò)端到端優(yōu)化系統(tǒng)[J]. 電信網(wǎng)技術(shù)， 2012（11）： 5-7.

[5] 王磊，王西點(diǎn)，程楠. 基于大數(shù)據(jù)技術(shù)的智能化無(wú)線網(wǎng)絡(luò)優(yōu)化體系[J]. 電信科學(xué)， 2015（12）： 159-163.

[6] 陳磊，江俊敏，袁汶雯. 自動(dòng)?xùn)鸥窕ぞ叩膶?shí)現(xiàn)及其在網(wǎng)規(guī)網(wǎng)優(yōu)中的應(yīng)用[J]. 郵電設(shè)計(jì)技術(shù)， 2010（12）： 49-52.

[7] 鄭偉. 柵格化數(shù)據(jù)在移動(dòng)通信網(wǎng)絡(luò)優(yōu)化中的應(yīng)用研究[D]. 北京： 北京郵電大學(xué)， 2014.

[8] 梁鵬，李兵，郭文君. 移動(dòng)數(shù)據(jù)業(yè)務(wù)用戶行為模型研究[J]. 中興通訊技術(shù)， 2005（4）： 70-74.

[9] 程求江，彭艷兵. 基于用戶行為模型的客流量分析與預(yù)測(cè)[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用， 2015（3）： 275-279.

[10] 董超，杜超. 移動(dòng)通信網(wǎng)絡(luò)MOS優(yōu)化方案[J]. 才智， 2011（30）： 43.