中國電信郴州市分公司|張瀟涓

通過挖掘基站維護(hù)大數(shù)據(jù)，建立相應(yīng)數(shù)據(jù)模型，利用數(shù)據(jù)分析手段來優(yōu)化大面積停電情況下的應(yīng)急發(fā)電調(diào)度流程，提升維護(hù)質(zhì)量水平，成為當(dāng)前大數(shù)據(jù)行業(yè)應(yīng)用的一個嶄新課題。

通信基站是一切無線運營的基礎(chǔ)。通信基站的維護(hù)內(nèi)容有通信基站巡檢、日常維護(hù)、應(yīng)急發(fā)電搶修和安全隱患排查。其中，應(yīng)急搶修發(fā)電的及時性，直接影響運營商的網(wǎng)絡(luò)指標(biāo)。通過挖掘基站維護(hù)大數(shù)據(jù)，建立相應(yīng)數(shù)據(jù)模型，利用數(shù)據(jù)分析手段來優(yōu)化大面積停電情況下的應(yīng)急發(fā)電調(diào)度流程，提升維護(hù)質(zhì)量水平，成為當(dāng)前大數(shù)據(jù)行業(yè)應(yīng)用的一個嶄新課題。

大數(shù)據(jù)的基本概念

大數(shù)據(jù)指的是所涉及的數(shù)據(jù)規(guī)模很巨大，需要用特別的數(shù)據(jù)庫軟件工具Hadoop等，對其內(nèi)容進(jìn)行采集、存儲、管理和分析的數(shù)據(jù)集合。

大數(shù)據(jù)的基本特征首先是指數(shù)據(jù)體量大，如通信基站電力電壓、電流隨時都在變化產(chǎn)生大量的浮動數(shù)據(jù)；其次是指數(shù)據(jù)類別大，基站數(shù)據(jù)來自電力系統(tǒng)、門禁系統(tǒng)、電池負(fù)載等多種數(shù)據(jù)源，數(shù)據(jù)種類既有門磁等開關(guān)量數(shù)據(jù)，也有電壓電流等模擬信號數(shù)據(jù)，更有視頻監(jiān)控等非結(jié)構(gòu)化數(shù)據(jù)；再次是大數(shù)據(jù)要求數(shù)據(jù)處理速度快，做到實時處理，供電大網(wǎng)停電和供電的數(shù)據(jù)，要求在規(guī)定時間內(nèi)能夠通過傳感器進(jìn)行準(zhǔn)確上報，代維單位根據(jù)收到的信息來進(jìn)行工作調(diào)度；另外，大數(shù)據(jù)要求數(shù)據(jù)真實性高，對于基站鐵塔平臺空間資源占用情況、電源設(shè)備端子占用情況、配套設(shè)備的數(shù)量和型號應(yīng)該能夠進(jìn)行及時更新，以便于新業(yè)務(wù)加載的時候能夠有真實準(zhǔn)確的數(shù)據(jù)參考。

大數(shù)據(jù)在通信行業(yè)的應(yīng)用情況

基站是通信行業(yè)的基礎(chǔ)和支撐，也是重要的社會公共資源。如何保障基站的穩(wěn)定運行，維護(hù)維修以及面對突發(fā)狀況的應(yīng)急處置是基站運維工作中的重點?；诖髷?shù)據(jù)技術(shù)的分布式采集，結(jié)合業(yè)務(wù)應(yīng)用場景，規(guī)范標(biāo)準(zhǔn)化的應(yīng)急事件處置策略，實現(xiàn)“動態(tài)聯(lián)動應(yīng)急事件防護(hù)體系”，是大數(shù)據(jù)在通信行業(yè)的基站運維領(lǐng)域的重要應(yīng)用。

應(yīng)急事件事前實時監(jiān)控與預(yù)判

基站運維工作中涉及的數(shù)據(jù)體量大、類型多，包括實時、文本、語音、視頻、圖片等各種類型的結(jié)構(gòu)化、半結(jié)構(gòu)化以及非結(jié)構(gòu)化數(shù)據(jù)。通過監(jiān)控與數(shù)據(jù)采集設(shè)備獲取設(shè)備關(guān)鍵參數(shù)（如穩(wěn)定性指標(biāo)、溫度適應(yīng)性指標(biāo)、電量消耗與異常邊界指標(biāo)等），第一時間發(fā)現(xiàn)基站運行過程中的各類問題。并以此為基礎(chǔ)建立標(biāo)準(zhǔn)、規(guī)則、策略體系，圍繞體系構(gòu)建應(yīng)急事件的識別模型，發(fā)現(xiàn)已知和潛在的故障以及事件威脅。

應(yīng)急事件事中合規(guī)高效處置

集成GIS地圖以及地理位置經(jīng)緯度，利用大數(shù)據(jù)技術(shù)的應(yīng)用，為維護(hù)人員提供準(zhǔn)確的定點數(shù)據(jù)和故障類型數(shù)據(jù)，并運用數(shù)據(jù)分析模型對應(yīng)急事件進(jìn)行分級預(yù)警以及為指揮領(lǐng)導(dǎo)和參與緊急處理的業(yè)務(wù)人員，提供決策依據(jù)和方案應(yīng)急事件時候成因分析與總結(jié)。

應(yīng)急事件事后總結(jié)分析

基于大數(shù)據(jù)分析挖掘技術(shù)、機器學(xué)習(xí)以及語義分析，以事件、人、地、時等自動分析提取、細(xì)化標(biāo)簽，輸出應(yīng)急事件的處置報告，形成“事件發(fā)生—過程記錄—處置評估—總結(jié)展望”的大數(shù)據(jù)智能報告生成體系。

通信基站大數(shù)據(jù)分析的基礎(chǔ)步驟

大數(shù)據(jù)的技術(shù)體系涉及大數(shù)據(jù)的采集與預(yù)處理、大數(shù)據(jù)存儲與管理、大數(shù)據(jù)計算模式與系統(tǒng)、大數(shù)據(jù)分析與挖掘、大數(shù)據(jù)可視化分析及大數(shù)據(jù)隱私與安全等幾個方面。大數(shù)據(jù)遵循以下實施步驟。

第一步是從數(shù)據(jù)源采集數(shù)據(jù)并進(jìn)行預(yù)處理和集成操作，為后繼流程提供統(tǒng)一的高質(zhì)量的數(shù)據(jù)集?，F(xiàn)有數(shù)據(jù)抽取與集成方式可分為以下4種類型：基于物化或ETL引擎方法、基于聯(lián)邦數(shù)據(jù)庫引擎或中間件方法、基于數(shù)據(jù)流引擎方法和基于搜索引擎方法。常用ETL工具負(fù)責(zé)將分布的、異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)如關(guān)系數(shù)據(jù)、平面數(shù)據(jù)文件等抽取到臨時中間層后進(jìn)行清洗、轉(zhuǎn)換、集成，最后加載到數(shù)據(jù)倉庫或數(shù)據(jù)集市中，成為聯(lián)機分析處理（OLAP）、數(shù)據(jù)挖掘的基礎(chǔ)。由于大數(shù)據(jù)的來源不一，異構(gòu)數(shù)據(jù)源的集成過程中需要對數(shù)據(jù)進(jìn)行去重和糾正不一致數(shù)據(jù)。

第二步是大數(shù)據(jù)存儲，其存儲和管理軟件主要包括文件系統(tǒng)和數(shù)據(jù)庫。大數(shù)據(jù)存儲與管理，需要對上層應(yīng)用提供高效的數(shù)據(jù)訪問接口，存取PB甚至EB量級的數(shù)據(jù)，對數(shù)據(jù)處理的實時性、有效性提出更高要求。某些實時性要求較高的應(yīng)用，如基站狀態(tài)監(jiān)控數(shù)據(jù)，更適合采用流處理模式，直接在清洗和集成后的數(shù)據(jù)源上進(jìn)行分析。而大多數(shù)其他應(yīng)用需要存儲，以支持后續(xù)更深度數(shù)據(jù)分析流程。

第三步是數(shù)據(jù)建模。需要根據(jù)大數(shù)據(jù)的不同數(shù)據(jù)特征和計算特征，從多樣性的大數(shù)據(jù)計算問題和需求中提煉并建立的各種高層抽象或模型?；敬髷?shù)據(jù)處理的主要數(shù)據(jù)特征和計算特征維度有數(shù)據(jù)結(jié)構(gòu)特征、數(shù)據(jù)獲取方式、數(shù)據(jù)處理類型、實時性或響應(yīng)性能、迭代計算、數(shù)據(jù)關(guān)聯(lián)性和并行計算體系結(jié)構(gòu)特征。我們需要選用適合基站應(yīng)急搶修調(diào)度的模型，如果模型不合適，需要進(jìn)行數(shù)據(jù)訓(xùn)練并且不斷進(jìn)行模型優(yōu)化調(diào)整，直至找到可用的模型。

第四步是數(shù)據(jù)的可視化展現(xiàn)。建模完成后，就需要對數(shù)據(jù)模型進(jìn)行可視化展現(xiàn)，用形象的圖形方式向用戶展示結(jié)果。應(yīng)急搶修調(diào)度指揮系統(tǒng)，我們需要關(guān)注以下幾個數(shù)據(jù)模塊:

1.網(wǎng)絡(luò)統(tǒng)計模塊，當(dāng)前全市各區(qū)基站的電力正常數(shù)量、停電基站數(shù)量、發(fā)電基站數(shù)量；

2.搶修資源模塊，如各基站到駐點的車程時間，搶修車輛數(shù)量，可用的車輛臺數(shù)、維修中的車輛臺數(shù)，可用的發(fā)電機數(shù)量臺數(shù)，維修中的發(fā)電機臺數(shù)，以及其分布情況；

3.配套資源模塊，如蓄電池的型號容量，續(xù)航時間，開關(guān)電源模塊的可用數(shù)量等；

4.優(yōu)化調(diào)度方案的可視化推薦，以便于監(jiān)控中心值班人員進(jìn)行應(yīng)急搶修調(diào)度，常見的可視化技術(shù)有原位分析（In Situ Analysis）、標(biāo)簽云（Tag Cloud）、歷史流（history flow）、空間信息流（Spatial information flow）、不確定性分析等。

郴州通信基站大數(shù)據(jù)應(yīng)急調(diào)度系統(tǒng)解決方案

本項目應(yīng)用計劃部署在郴州的聯(lián)網(wǎng)服務(wù)區(qū)，形成與視頻監(jiān)控網(wǎng)絡(luò)、內(nèi)部業(yè)務(wù)網(wǎng)絡(luò)的無縫連接，并結(jié)合實際應(yīng)用需求進(jìn)一步延伸至互聯(lián)網(wǎng)，用以滿足跨部門、跨區(qū)域業(yè)務(wù)協(xié)作以及應(yīng)急處置的統(tǒng)一調(diào)度。

第一，建立統(tǒng)一的大數(shù)據(jù)中心：通過對接與整合原有系統(tǒng)資源，實現(xiàn)分散數(shù)據(jù)的集中管理，并建立透明跨引擎作業(yè)的數(shù)據(jù)交換平臺，提升異構(gòu)數(shù)據(jù)間復(fù)雜關(guān)聯(lián)處理性能。

圖 數(shù)據(jù)模型建立和優(yōu)化

第二，監(jiān)控中心：展現(xiàn)基站各模塊運行狀態(tài)，包括對設(shè)備層、應(yīng)用層以及數(shù)據(jù)層進(jìn)行全方面的監(jiān)控，定義數(shù)據(jù)監(jiān)控指標(biāo)和傳輸規(guī)范，輸出友好的數(shù)據(jù)可視化界面。

第三，應(yīng)急事件調(diào)度中心：利用算法自動推薦應(yīng)急處置資源（支持人工干預(yù)），包括命令實施部署和監(jiān)督方法，能及時、有效地調(diào)集各種資源，實施險情控制和現(xiàn)場處理工作，減輕突發(fā)事件對基站運營安全造成威脅，用最有效的控制手段和小的資源投入，將損失控制在最小范圍內(nèi)。

第四，數(shù)據(jù)分析與智能報告中心基站故障排除后的數(shù)據(jù)收集，情況分析并記錄入大數(shù)據(jù)庫，并進(jìn)行大數(shù)據(jù)建模，分為以下五個步驟。

1.選擇模型：基于通信基站維護(hù)應(yīng)急調(diào)度問題，來選擇一個合適的數(shù)學(xué)模型。

2.訓(xùn)練模型：基于真實的業(yè)務(wù)數(shù)據(jù)來確定最合適的模型參數(shù)。

3.評估模型：將模型放在通信基站維護(hù)場景下來評估其預(yù)測的正確率、查全率、查準(zhǔn)率等。

4.應(yīng)用模型：評估模型質(zhì)量在可接受的范圍內(nèi)，沒有出現(xiàn)過擬合，就可以開始應(yīng)用模型了，這一步，就需要將可用的模型開發(fā)出來，并部署在數(shù)據(jù)分析系統(tǒng)中，然后可以形成數(shù)據(jù)分析的模板和可視化的分析結(jié)果，以便實現(xiàn)自動化的數(shù)據(jù)分析報告。應(yīng)用模型，就是將模型應(yīng)用于真實的業(yè)務(wù)場景。構(gòu)建模型的目的，就是要用于解決工作中的業(yè)務(wù)問題的，比如預(yù)測基站故障等。當(dāng)然，應(yīng)用模型過程中，還需要收集業(yè)務(wù)預(yù)測結(jié)果與真實的業(yè)務(wù)結(jié)果，以檢驗?zāi)Ｐ驮谡鎸嵉臉I(yè)務(wù)場景中的效果，同時用于后續(xù)模型的優(yōu)化。

5.優(yōu)化模型：在評估模型時，如果發(fā)現(xiàn)模型欠擬合（即效果不佳）或者過擬合，則模型不可用，需要優(yōu)化模型。模型優(yōu)化，可以有以下幾種情況：重新選擇一個新的模型；模型中增加新的考慮因素；嘗試調(diào)整模型中的閾值到最優(yōu)；嘗試對原始數(shù)據(jù)進(jìn)行更多的預(yù)處理，比如派生新變量。

項目的應(yīng)用前景

通信技術(shù)的發(fā)展帶來了大量的通信基站的建立，當(dāng)通信基站發(fā)生故障等問題時存在著以下局限性：各部門間信息交換不夠及時和全面，代維單位的搶修能力達(dá)不到運營商的要求；對于重大的通信事故，往往需要協(xié)調(diào)通信公司內(nèi)各級的多個部門，跨運營商的配合處理很弱；除了運監(jiān)系統(tǒng)的工單派發(fā)，指揮中心只能通過打電話等傳統(tǒng)方式指揮；對故障數(shù)據(jù)沒有系統(tǒng)化的積累和分析，事故處理的標(biāo)準(zhǔn)和規(guī)范等資料常常不能及時獲取，給應(yīng)急調(diào)度中領(lǐng)導(dǎo)決策帶來不便。

圍繞這一系列行業(yè)“痛點”進(jìn)行分析，本方案的探索具有以下應(yīng)用價值。突破了大數(shù)據(jù)與傳統(tǒng)通信的合作邊界，進(jìn)一步豐富通信基站業(yè)務(wù)應(yīng)用場景，為突發(fā)網(wǎng)絡(luò)障礙事件預(yù)測、故障診斷、溫度影響、電池梯級利用、維護(hù)維修、隱患處理等提供決策支撐。幫助基站運維企業(yè)節(jié)省運維人工成本和時間成本，提高客戶使用的滿意度?；诖髷?shù)據(jù)進(jìn)行事后恢復(fù)與總結(jié)，通過事件中的信息捕獲、甄別加工信息、機器分析，最終總結(jié)反饋，從而改進(jìn)維護(hù)質(zhì)量，使得網(wǎng)絡(luò)運營更具健壯性。