于洋 張進 谷俊江

中國聯(lián)合網(wǎng)絡(luò)通信集團有限公司江蘇分公司

0 引言

在當(dāng)前移動通訊網(wǎng)絡(luò)，一方面隨著用戶的增長、應(yīng)用的豐富以及運營商之間日趨激烈的競爭，用戶對網(wǎng)絡(luò)性能有了更高要求，迫使運營商對網(wǎng)絡(luò)的優(yōu)化也提出了更高要求。另一方面，終端與應(yīng)用的快速發(fā)展，用戶也提供給了運營商豐富的物理層的測量信息和信令信息，結(jié)合應(yīng)用層的用戶位置、使用行為等信息與后臺網(wǎng)管數(shù)據(jù)，從終端至網(wǎng)絡(luò)核心的每一點變化都成為了可被記錄和分析的數(shù)據(jù)。

大數(shù)據(jù)的收集存儲、分析預(yù)測技術(shù)的發(fā)展，使得這些數(shù)據(jù)所反饋的大量信息被保留后，可以用于對無線網(wǎng)絡(luò)進行分析，為網(wǎng)絡(luò)優(yōu)化提供更為有效的判斷依據(jù)。通過對這些數(shù)據(jù)的分析、預(yù)測，使得決策更為精準(zhǔn)，釋放更多數(shù)據(jù)的隱藏價值，不僅為網(wǎng)絡(luò)優(yōu)化，也為建設(shè)維護、營銷推廣提供了強有力的支撐。

在大數(shù)據(jù)時代，全面詳實的數(shù)據(jù)需求取代了傳統(tǒng)的隨機粗放樣式，而隨著數(shù)據(jù)樣式的改變，分析方式也由因果關(guān)系更多的提升為相關(guān)性分析。

江蘇聯(lián)通應(yīng)用大數(shù)據(jù)處理技術(shù)，將多個維度的數(shù)據(jù)源統(tǒng)合分析，按不同要素組合成指標(biāo)元，形成了對網(wǎng)絡(luò)全方位評價的體檢式健康評估，最后再基于評估得出的健康指數(shù)指導(dǎo)地市的規(guī)建維優(yōu)，取得了良好的效果。

1 研究背景

（1）全局?jǐn)?shù)據(jù)代替采樣數(shù)據(jù)，應(yīng)對日趨復(fù)雜與成本高漲的網(wǎng)絡(luò)

目前，移動通訊網(wǎng)絡(luò)快速發(fā)展，用戶規(guī)模爆發(fā)式增長，運營商一方面面臨著網(wǎng)絡(luò)發(fā)展滯后的壓力，另一方面也面臨著多網(wǎng)運營與規(guī)模增長帶來的成本提升的壓力。多網(wǎng)并存還導(dǎo)致互操作優(yōu)化困難，網(wǎng)絡(luò)復(fù)雜度大大提高的問題。運營商很難實現(xiàn)與網(wǎng)絡(luò)增長和復(fù)雜度提升比例相同的網(wǎng)絡(luò)優(yōu)運維費用增加。

同時，統(tǒng)計學(xué)已經(jīng)證明，采樣分析的精確性隨著采樣隨機性的增加而大幅提高，但與樣本數(shù)量增加的關(guān)系不大，即當(dāng)隨機性采樣趨近全面后，單純樣本數(shù)量的增加已經(jīng)無助于隨機性的顯著提高，采樣分析的精確性趨于穩(wěn)定。樣本數(shù)量繼續(xù)增加達(dá)到某個值后，從這個數(shù)據(jù)來源得到的信息會越來越少。

在大數(shù)據(jù)技術(shù)成熟前，隨機采樣是一條捷徑，是在不可收集和分析全部數(shù)據(jù)情況下的唯一選擇，它本身存在許多固有的缺陷，它的準(zhǔn)確性依賴于采樣的絕對隨機性，但是實現(xiàn)采樣的隨機性非常困難，一旦采樣過程中存在任何偏見，分析結(jié)果就會相差甚遠(yuǎn)。

隨著大數(shù)據(jù)技術(shù)的發(fā)展，引入數(shù)據(jù)處理支撐系統(tǒng)，自動化、全業(yè)務(wù)、全場景的進行大數(shù)據(jù)批量處理，實現(xiàn)采樣數(shù)據(jù)的全局性和處理的高效性和及時性，有效地利用現(xiàn)有網(wǎng)絡(luò)數(shù)據(jù)提升優(yōu)化工作效率和準(zhǔn)確性成為運營商的迫切需要。

（2）宏觀指標(biāo)體系滯后，缺乏指導(dǎo)性的相關(guān)分析

目前的4G網(wǎng)絡(luò)質(zhì)量評價體系從語音網(wǎng)評估體系演變而來，比較注重接入性能、保持性能等，并不能反映用戶在使用過程中的速率、接入時延、視頻卡頓等感知，已不適應(yīng)數(shù)據(jù)業(yè)務(wù)快速發(fā)展的需要，不能全面反映客戶體驗。

傳統(tǒng)網(wǎng)絡(luò)優(yōu)化分析非常注重數(shù)據(jù)之間的因果關(guān)系，大量網(wǎng)絡(luò)問題分析僅限于尋求線性關(guān)系而忽略了小區(qū)之間、用戶之間或是指標(biāo)之間的相關(guān)關(guān)系。

由于理論水平未能達(dá)到實際應(yīng)用的要求，大多數(shù)科研人員只能借助國外編寫的一些仿真軟件（如Adams、RecurDyn等軟件）來解決設(shè)計、分析中的問題，而軟件的使用需要具備一定的理論基礎(chǔ)，欲達(dá)到熟練、深入的應(yīng)用程度，則需要較高的理論水平。另外，借助仿真軟件并不能解決所有實際應(yīng)用中的問題，有時需要自行編寫程序，如將程序?qū)懭氩荒馨惭b大型軟件的微芯片，這種情況對理論的要求更高。再者，從自主知識產(chǎn)權(quán)、國家科研知識儲備以及教育系統(tǒng)學(xué)科建設(shè)等角度來看，掌握及傳授此部分理論知識是必須的。

相關(guān)關(guān)系的核心是量化2個事物之間的數(shù)理關(guān)系。相關(guān)關(guān)系強是指當(dāng)一個數(shù)據(jù)值增加時，另一個數(shù)據(jù)值很有可能也會隨之增加。

傳統(tǒng)的KPI、KQI指標(biāo)體系，從每個用戶的信令側(cè)進行數(shù)據(jù)統(tǒng)計，雖然能夠發(fā)現(xiàn)端到端的感知指標(biāo)，但是無法精確的定位網(wǎng)絡(luò)的問題、無法明確的指導(dǎo)現(xiàn)場優(yōu)化人員提出解決方案。因此需要一個指標(biāo)體系，基于各指標(biāo)關(guān)聯(lián)，設(shè)置分析矩陣，既能反映端到端的用戶感知，又能從設(shè)備的性能出發(fā)，指導(dǎo)現(xiàn)場的維護與優(yōu)化工作。

（3）微觀上缺乏精確數(shù)據(jù)支撐規(guī)建維優(yōu)

在當(dāng)下2G、3G、4G多網(wǎng)并存、4G終端制式復(fù)雜的環(huán)境下，智能終端應(yīng)用場景日益復(fù)雜，現(xiàn)有傳統(tǒng)的用戶感知評估手段都采用從網(wǎng)絡(luò)看終端的方式進行評估，采用KPI的方式描述用戶感知。但在現(xiàn)網(wǎng)中，尤其是在數(shù)據(jù)業(yè)務(wù)中，現(xiàn)有手段評估用戶感知有一定的片面性，指標(biāo)與用戶真實感知存在鈍化的情況，評估結(jié)果更多是從智能終端、應(yīng)用軟件、網(wǎng)絡(luò)管道單方面提出問題，已不能滿足智能終端的各種應(yīng)用場景。況且，現(xiàn)有的方式，還存在無法獲取用戶位置，無法獲取投訴點網(wǎng)絡(luò)環(huán)境，導(dǎo)致投訴處理困難等問題。

為真實反映用戶感知，需要突破現(xiàn)有的用戶感知評估體系，重新建立多緯度、以用戶為起點、從用戶的角度看網(wǎng)絡(luò)的全新的用戶感知評估體系，以用戶的真實感知牽引網(wǎng)絡(luò)優(yōu)化的方向。

加之4G網(wǎng)絡(luò)已商用，由于網(wǎng)絡(luò)處于快速發(fā)展時期，亟需通過高效的測試方式來及時發(fā)現(xiàn)網(wǎng)絡(luò)問題并加以完善，盡快提高4G網(wǎng)絡(luò)的運營能力。

對于以上問題，需要開發(fā)一套成熟的基于智能終端的感知數(shù)據(jù)測試分析系統(tǒng)，具備業(yè)務(wù)測試、感知診斷和數(shù)據(jù)監(jiān)測采集功能，高效處理信息數(shù)據(jù)，深入分析感知異常，追溯終端業(yè)務(wù)過程，利用定位技術(shù)全景呈現(xiàn)數(shù)據(jù)地圖，全面、真實、直觀反映終端在網(wǎng)使用感知。同時，系統(tǒng)的應(yīng)用，可大幅減少測試設(shè)備的投入，提高測試效率的同時，縮短測試周期；減少測試、網(wǎng)優(yōu)、客服人員投入，簡化處理流程，以強力有效的實用性，協(xié)助網(wǎng)優(yōu)運維人員快速解決網(wǎng)絡(luò)異常事件，進而提高運營商對終端用戶的服務(wù)質(zhì)量，保證用戶滿意度。

2 系統(tǒng)架構(gòu)原理

2.1 網(wǎng)絡(luò)健康指數(shù)構(gòu)成

網(wǎng)絡(luò)健康指數(shù)由KPI+指標(biāo)體系與話統(tǒng)、MR、眾籌等多維度數(shù)據(jù)源組成，KPI+評估從全網(wǎng)指標(biāo)情況和TOPN指標(biāo)情況、差小區(qū)占比分別評分；全網(wǎng)指標(biāo)情況評分總分為100，TOPN指標(biāo)情況總分為5分，為扣分項，差小區(qū)占比總分為5分，為扣分項；全網(wǎng)指標(biāo)情況評分采用絕對評分機制，TOPN指標(biāo)情況和差小區(qū)占比采用相對評分機制，地市內(nèi)廠家系數(shù)按話務(wù)量比值確定。性能好且較為基礎(chǔ)的指標(biāo)項分?jǐn)?shù)權(quán)值低；差距大、性能差、對感知影響較大的指標(biāo)項權(quán)值大，重點突出短板指標(biāo)；并根據(jù)需要手工指定各地市差距較小的優(yōu)門限，大于該門限的地市得分均為滿分，避免硬性機械的將各地市均較好的指標(biāo)項進行考核。

如圖1所示，考察指標(biāo)項分為6類，每類設(shè)定類系數(shù)。每類下分詳細(xì)指標(biāo)項，每個指標(biāo)項設(shè)定指標(biāo)項系數(shù)。系數(shù)的設(shè)定需要根據(jù)網(wǎng)絡(luò)的實際情況進行滾動修正。

圖1 評分權(quán)重體系圖

全網(wǎng)指標(biāo)情況評分采用絕對評分機制，即考察指標(biāo)項大于對應(yīng)門限時，可以得到相應(yīng)的分?jǐn)?shù)；全網(wǎng)指標(biāo)的門限設(shè)定分為優(yōu)、良、中、差四等，取對應(yīng)指標(biāo)項的全省平均值為良門限，全省動態(tài)平均為良門限，上浮20%為優(yōu)，下浮20%為中，下浮40%為差。

TOPN指標(biāo)情況和差小區(qū)占比評分采用相對評分機制，即每個指標(biāo)項對應(yīng)指標(biāo)按地市排名，排第一名的得0分，排最后一名得1分；中間各地市按級差計算實際得分。TOPN指標(biāo)情況和差小區(qū)占比評分的目的是為了突出和強化地市對TOPN質(zhì)差小區(qū)的處理，因此采用扣分機制。

基于公平公正的原則，評估時不考慮地市的網(wǎng)絡(luò)規(guī)模，僅對TOP差小區(qū)進行評估和分析，建議TOP差小區(qū)數(shù)量為20個，TOP差小區(qū)的選擇時需要考慮小區(qū)的實際話務(wù)量，如果話務(wù)量過低（低于全網(wǎng)指標(biāo)平均值的20%），則不納入TOPN評估。以月維度進行評估，每月滾動TOP20進行分析。為江蘇省13個地市的網(wǎng)絡(luò)整體指標(biāo)評估得分如圖2所示。

圖2 江蘇省地市整體指標(biāo)評估圖

2.2 數(shù)據(jù)挖掘方法

借助先進的大數(shù)據(jù)分析系統(tǒng)，可以實現(xiàn)海量的網(wǎng)管指標(biāo)、MR和眾籌測試報告的數(shù)據(jù)挖掘，在網(wǎng)絡(luò)優(yōu)化中起到關(guān)鍵性的作用。數(shù)據(jù)挖掘在網(wǎng)絡(luò)優(yōu)化中的主要作用是分析與統(tǒng)計。網(wǎng)絡(luò)優(yōu)化需要的所有數(shù)據(jù)一般來自于終端上報的采集數(shù)據(jù)。數(shù)據(jù)挖掘技術(shù)可以根據(jù)這些數(shù)據(jù)直接找出影響網(wǎng)絡(luò)正常運行的根因。

將數(shù)據(jù)挖掘技術(shù)應(yīng)用到網(wǎng)絡(luò)優(yōu)化中去，網(wǎng)絡(luò)優(yōu)化工作人員就可以利用此前人工難以處理利用的紛繁蕪雜的大量數(shù)據(jù)。其次，可以為專業(yè)的優(yōu)化人員提供準(zhǔn)確的信息，讓他們能及時發(fā)現(xiàn)網(wǎng)絡(luò)中存在的問題，并且及時的進行優(yōu)化。另外，技術(shù)人員也可以憑以往優(yōu)化的經(jīng)驗找出表面問題之外的深層次問題。

數(shù)據(jù)挖掘基礎(chǔ)架構(gòu)主要分為數(shù)據(jù)的采集、存取、處理、統(tǒng)計分析、數(shù)據(jù)挖掘、模型預(yù)測、結(jié)果呈現(xiàn)。如圖3所示。

其中數(shù)據(jù)挖掘主要有以下四種方法：

1）關(guān)聯(lián)分析：分析用戶感知問題原因，尋找和發(fā)現(xiàn)網(wǎng)絡(luò)中某項關(guān)鍵指標(biāo)或問題的相關(guān)可能因素及其相互影響關(guān)系。如用戶感知與覆蓋，干擾，切換，容量以及時間等因素的關(guān)系；

2）趨勢預(yù)測：預(yù)測業(yè)務(wù)量及網(wǎng)絡(luò)容量，根據(jù)寶貴的歷史數(shù)據(jù)資料，采用統(tǒng)計和建模的方法得到業(yè)務(wù)量或指標(biāo)變化的趨勢。提前對未來可能發(fā)生的潛在問題進行預(yù)測與應(yīng)對；

圖3 大數(shù)據(jù)分析的技術(shù)實現(xiàn)架構(gòu)圖

3）偏差檢測：發(fā)現(xiàn)業(yè)務(wù)性能異常波動，業(yè)務(wù)的指標(biāo)有著隨機波動的特性，采用偏差檢測科學(xué)的判斷哪些是正常性的隨機浮動哪些是異常的業(yè)務(wù)問題；

4）聚類分析：定位網(wǎng)絡(luò)問題點，將龐大的網(wǎng)絡(luò)中的各種事件/網(wǎng)元根據(jù)相似性進行匯聚分類。例如，對網(wǎng)絡(luò)中的所有小區(qū)根據(jù)各類指標(biāo)進行分類，科學(xué)高效的定位壞小區(qū)。

覆蓋問題數(shù)據(jù)處理流程如圖4所示，主要有問題判定、條件集、數(shù)據(jù)集、分析集、深度分析5個步驟。

圖4 覆蓋問題數(shù)據(jù)處理流程示意圖

3 總結(jié)

江蘇聯(lián)通使用大數(shù)據(jù)處理工具，創(chuàng)新應(yīng)用眾籌測試，結(jié)合MR、信令跟蹤、話統(tǒng)數(shù)據(jù)、DT、CQT等傳統(tǒng)數(shù)據(jù)，建立了基于網(wǎng)絡(luò)健康指數(shù)的評估方法，梳理問題點26700個，通過統(tǒng)一調(diào)配優(yōu)化力量，重點問題由集中優(yōu)化團隊重點分析，指導(dǎo)地市大力推進優(yōu)化工作，截止2017年5月底閉環(huán)26212個，閉環(huán)率98.2%；異常覆蓋占比31.1%降至21.5%，KPI+各地市得分均值由83.2提升至87.8，網(wǎng)絡(luò)質(zhì)量提升明顯，通過眾籌APP與客服回訪驗證，用戶感知提升明顯，對聯(lián)通品牌認(rèn)可度也大幅增加。