張晶 朱偉 趙志揚(yáng) 陳康 梅明濤 宋嘯天
1.中國(guó)移動(dòng)通信集團(tuán)江蘇有限公司;2.鎮(zhèn)江市審計(jì)局
衡量用戶(hù)感知有利于測(cè)定通信運(yùn)營(yíng)商的經(jīng)營(yíng)質(zhì)量水平。在江蘇移動(dòng)日常的用戶(hù)感知投訴處理中,問(wèn)題主要來(lái)自三個(gè)方面:低速率、高時(shí)延、低響應(yīng)成功率。針對(duì)用戶(hù)感知投訴問(wèn)題,傳統(tǒng)優(yōu)化方式以無(wú)線KPI指標(biāo)提升為主,輔以現(xiàn)場(chǎng)測(cè)試,用戶(hù)感知差的因素較多。業(yè)務(wù)的復(fù)雜性要求用戶(hù)感知優(yōu)化必須從傳統(tǒng)的各專(zhuān)業(yè)各自為政向各業(yè)務(wù)綜合評(píng)估優(yōu)化轉(zhuǎn)型,目前用戶(hù)感知提升面臨四大挑戰(zhàn)。如圖1所示。
圖1 用戶(hù)感知提升面臨的四大挑戰(zhàn)
用戶(hù)感知指標(biāo)與客觀感知指標(biāo)難映射,用戶(hù)體驗(yàn)與網(wǎng)絡(luò)運(yùn)營(yíng)指標(biāo)體系難以建立傳統(tǒng)的線性關(guān)聯(lián),需要解決聚焦優(yōu)化哪些區(qū)域、哪些業(yè)務(wù)的問(wèn)題,從而提升用戶(hù)體驗(yàn)。本文基于大數(shù)據(jù)建模,結(jié)合用戶(hù)業(yè)務(wù)主觀感知與客觀網(wǎng)絡(luò)大數(shù)據(jù),建立感知畫(huà)像。基于分場(chǎng)景差異化實(shí)施優(yōu)化策略,開(kāi)展用戶(hù)級(jí)的智能化業(yè)務(wù)感知評(píng)估,利用柵格化呈現(xiàn),精細(xì)感知優(yōu)化,精準(zhǔn)識(shí)別感知質(zhì)差區(qū)域,不斷提升用戶(hù)感知,打造精品網(wǎng)絡(luò),精確指導(dǎo)優(yōu)化。
基于網(wǎng)優(yōu)SEQ大數(shù)據(jù)平臺(tái)進(jìn)行用戶(hù)行為研究,結(jié)合用戶(hù)業(yè)務(wù)主觀感知與客觀網(wǎng)絡(luò)大數(shù)據(jù),建立客戶(hù)感知與網(wǎng)絡(luò)質(zhì)量之間的關(guān)聯(lián)關(guān)系,構(gòu)建基于用戶(hù)級(jí)的網(wǎng)優(yōu)智能優(yōu)化體系,從傳統(tǒng)的小區(qū)維度性能優(yōu)化轉(zhuǎn)向用戶(hù)業(yè)務(wù)級(jí)別智能化建模優(yōu)化,并利用柵格化與地理化呈現(xiàn),精準(zhǔn)提升用戶(hù)體驗(yàn),從傳統(tǒng)的被動(dòng)解決問(wèn)題轉(zhuǎn)向主動(dòng)的用戶(hù)關(guān)懷。
根據(jù)用戶(hù)定位及行為識(shí)別進(jìn)行場(chǎng)景判別,智能實(shí)現(xiàn)場(chǎng)景、價(jià)值,以及用戶(hù)遷移特性的多維聚合,精準(zhǔn)挖潛網(wǎng)絡(luò)短板。基于分場(chǎng)景差異化實(shí)施優(yōu)化策略,開(kāi)展用戶(hù)級(jí)的智能化業(yè)務(wù)感知評(píng)估,對(duì)各業(yè)務(wù)進(jìn)行智能化建模分析,完成視頻/掃碼/咪咕視頻/手游等評(píng)估體系建立,實(shí)現(xiàn)感知差用戶(hù)柵格級(jí)、區(qū)域級(jí)匯聚并輸出質(zhì)差用戶(hù),分析原因并提供優(yōu)化建議。相比小區(qū)級(jí)能更全面發(fā)現(xiàn)問(wèn)題,精確指導(dǎo)優(yōu)化。
通過(guò)構(gòu)建智能優(yōu)化體系,聚焦具體用戶(hù)行為,準(zhǔn)確表征網(wǎng)絡(luò)質(zhì)量并定位用戶(hù)感知質(zhì)差結(jié)果,全面實(shí)現(xiàn)自動(dòng)分析,智能優(yōu)化研究,幫助一線部門(mén)精確處理網(wǎng)絡(luò)問(wèn)題,提升優(yōu)化效率和準(zhǔn)確性。
基于大數(shù)據(jù)平臺(tái),將所需業(yè)務(wù)的每一條詳單進(jìn)行打分。使用小區(qū)、時(shí)間、IMSI將業(yè)務(wù)單據(jù)與MR拼接,實(shí)現(xiàn)場(chǎng)景柵格地理化分析呈現(xiàn)。
建立Discovery融合平臺(tái),完全利用Discovery數(shù)據(jù)中間層,實(shí)現(xiàn)大數(shù)據(jù)解析、拼接、存儲(chǔ)。數(shù)據(jù)來(lái)源繼承使用discovery平臺(tái)原有數(shù)據(jù)源,新增接入MR數(shù)據(jù)源,能高效準(zhǔn)確進(jìn)行單據(jù)拼接打分、場(chǎng)景匯聚,綜合感知平臺(tái)具體實(shí)現(xiàn)流程如圖2所示。
圖2 綜合感知平臺(tái)
通過(guò)平臺(tái)架構(gòu),對(duì)MR單據(jù)和業(yè)務(wù)單據(jù)進(jìn)行拼接,在小區(qū)和場(chǎng)景維度進(jìn)行匯聚,最后生成小區(qū)報(bào)表和場(chǎng)景報(bào)表,將自動(dòng)生成的場(chǎng)景報(bào)表送網(wǎng)優(yōu)平臺(tái)實(shí)現(xiàn)劣化場(chǎng)景派單。界面添加具體劣化場(chǎng)景,可以獲得關(guān)聯(lián)小區(qū)及柵格無(wú)線側(cè)指標(biāo),精準(zhǔn)指導(dǎo)優(yōu)化閉環(huán)。
1.2.1 優(yōu)化用戶(hù)單據(jù)拼接全省MR數(shù)據(jù)按地市、站點(diǎn)、時(shí)間存儲(chǔ)在DSI服務(wù)器上,將此數(shù)據(jù)放在hadoop緩存,與得分詳單進(jìn)行拼接。全省XDR單據(jù)經(jīng)過(guò)編排處理后存放在hadoop,拼接后的單據(jù)按照地市、小時(shí)、小區(qū)、業(yè)務(wù)進(jìn)行存放。將XDR詳單的小區(qū)、時(shí)間、IMSI與MR數(shù)據(jù)進(jìn)行拼接,形成帶有經(jīng)緯度、無(wú)線側(cè)指標(biāo)的拼接單據(jù),數(shù)據(jù)存儲(chǔ)與指標(biāo)拼接流程如圖3所示。
圖3 數(shù)據(jù)存儲(chǔ)與指標(biāo)拼接流程
1.2.2 并行融合計(jì)算
DSI服務(wù)器存放全省MR數(shù)據(jù),hadoop存放各業(yè)務(wù)打分詳單(匯聚指標(biāo)數(shù)據(jù))以及拼接后的單據(jù),APP-DB存放天粒度業(yè)務(wù)指標(biāo),通過(guò)APP服務(wù)器完成數(shù)據(jù)融合計(jì)算,將計(jì)算結(jié)果呈現(xiàn)在WEB服務(wù)器,供應(yīng)多個(gè)客戶(hù)端進(jìn)行訪問(wèn)。
1.3.1 面向業(yè)務(wù)特征感知模型
IM業(yè)務(wù):RTT時(shí)延較大將影響即時(shí)通訊用戶(hù)交互信息發(fā)送的及時(shí)性,對(duì)于用戶(hù)業(yè)務(wù)體驗(yàn)影響較大。
WEB業(yè)務(wù):時(shí)延過(guò)大將導(dǎo)致用戶(hù)打開(kāi)頁(yè)面較慢,影響用戶(hù)感知和容忍度;頁(yè)面響應(yīng)成功率表征用戶(hù)正常打開(kāi)瀏覽頁(yè)面的比例,影響用戶(hù)對(duì)瀏覽業(yè)務(wù)的直觀感知。
視頻業(yè)務(wù):用戶(hù)的XKB時(shí)延和下載速率決定了用戶(hù)視頻業(yè)務(wù)能否及時(shí)打開(kāi)。用戶(hù)對(duì)于視頻清晰度的感知?jiǎng)t取決于速率碼率比的大小。
GAME業(yè)務(wù):游戲業(yè)務(wù)UDP流為非通用建模標(biāo)準(zhǔn),通常RTT時(shí)延長(zhǎng)短影響決定了用戶(hù)在管道速率上的優(yōu)劣,表征了用戶(hù)在游戲業(yè)務(wù)中能否流暢的一個(gè)條件。
以外呼滿(mǎn)意度打分?jǐn)?shù)據(jù)作為結(jié)果,將感知指標(biāo)以及相應(yīng)的無(wú)線側(cè)KPI指標(biāo)作為樣本,建立寬表模板如表1所示。
表1 指標(biāo)樣本
利用隨機(jī)森林(random forest)算法,將上述寬表作為樣本輸入數(shù)據(jù)挖掘平臺(tái)。
1.3.2 隨機(jī)森林算法
隨機(jī)森林是一種利用多個(gè)分類(lèi)樹(shù)對(duì)數(shù)據(jù)進(jìn)行判別與分類(lèi)的方法,它在對(duì)數(shù)據(jù)進(jìn)行分類(lèi)的同時(shí),還可給出各個(gè)變量(基因)的重要性評(píng)分,評(píng)估各個(gè)變量在分類(lèi)中所起的作用。大數(shù)據(jù)建模分析,通過(guò)隨機(jī)森林算法,結(jié)合各個(gè)業(yè)務(wù)的特點(diǎn),得出了這些指標(biāo)影響滿(mǎn)意度的重要程度,以及對(duì)于貶損建模預(yù)測(cè)的重要性,最后整理得到各業(yè)務(wù)指標(biāo)的權(quán)重如圖4所示,門(mén)限詳情設(shè)置如表2所示。
圖4 多業(yè)務(wù)指標(biāo)權(quán)重
表2 多指標(biāo)門(mén)限
1.4.1 小區(qū)向柵格級(jí)過(guò)渡
通過(guò)多維數(shù)據(jù)源實(shí)現(xiàn)全省每日1000億MRO采樣點(diǎn)7×24小時(shí)的分析,利用MRO、S1MME、S1-U多接口關(guān)聯(lián)進(jìn)行經(jīng)緯度互填,并基于基礎(chǔ)定位庫(kù),引入豐富的指紋數(shù)據(jù)進(jìn)行迭代矯正,進(jìn)一步提升問(wèn)題定位和解決的精準(zhǔn)度,具體精準(zhǔn)定位數(shù)據(jù)流程如圖5所示。
由spark計(jì)算的各地市/小時(shí)/分小區(qū)/柵格級(jí)業(yè)務(wù)匯聚的數(shù)據(jù)在預(yù)警小區(qū)中地理化呈現(xiàn),柵格顏色渲染不同的RSRP。由spark計(jì)算的各地市/小時(shí)/分小區(qū)/柵格級(jí)業(yè)務(wù)匯聚的數(shù)據(jù)在預(yù)警場(chǎng)景中地理化呈現(xiàn),柵格顏色渲染不同的RSRP,點(diǎn)擊不同的小區(qū)聯(lián)動(dòng)顯示對(duì)應(yīng)的柵格,點(diǎn)擊柵格時(shí)聯(lián)動(dòng)其關(guān)聯(lián)小區(qū)。APP服務(wù)器中導(dǎo)入各地市場(chǎng)景圖層,mapinfo圖層能與本專(zhuān)題GIS地圖對(duì)接,實(shí)現(xiàn)地理化匯聚。
通過(guò)地市和時(shí)間維度結(jié)合小區(qū)工參,得到該小區(qū)場(chǎng)景的PS業(yè)務(wù)得分情況,以及業(yè)務(wù)單據(jù)和無(wú)線指標(biāo)關(guān)聯(lián)情況,并以柵格小區(qū)維度進(jìn)行地理化呈現(xiàn)。其中對(duì)于預(yù)警小區(qū),可基于業(yè)務(wù)的得分區(qū)間占比、小區(qū)柵格地理化、TOP指標(biāo)、小區(qū)業(yè)務(wù)指標(biāo)、柵格電平等多維信息關(guān)聯(lián)呈現(xiàn)。
1.4.2 小區(qū)向場(chǎng)景級(jí)過(guò)渡
通過(guò)選擇地市和時(shí)間維度為基礎(chǔ),分居民區(qū)、風(fēng)景區(qū)、公司企業(yè)、商業(yè)購(gòu)物服務(wù)等多場(chǎng)景,以單場(chǎng)景柵格為例,對(duì)該場(chǎng)景下綜合指標(biāo)進(jìn)行匯聚評(píng)估,得到該場(chǎng)景的PS業(yè)務(wù)得分情況,以及場(chǎng)景下業(yè)務(wù)單據(jù)和無(wú)線指標(biāo)關(guān)聯(lián)情況,并以場(chǎng)景柵格維度進(jìn)行地理化呈現(xiàn)。對(duì)于預(yù)警場(chǎng)景,可實(shí)現(xiàn)基于業(yè)務(wù)的得分區(qū)間占比、場(chǎng)景柵格地理化、TOP小區(qū)、柵格電平等多維信息關(guān)聯(lián)呈現(xiàn)。
基于每種場(chǎng)景可實(shí)現(xiàn)區(qū)域、覆蓋柵格、覆蓋小區(qū)等多維呈現(xiàn)方式,其中以場(chǎng)景維度選擇的相關(guān)指標(biāo)包括用戶(hù)數(shù)、MR覆蓋、總流量等,其中覆蓋柵格的小區(qū)呈現(xiàn)用不同顏色渲染。平臺(tái)呈現(xiàn)場(chǎng)景多維信息界面如圖6所示。
圖6 用戶(hù)感知挖掘場(chǎng)景柵格指標(biāo)呈現(xiàn)
1.5.1 智能識(shí)別用戶(hù)業(yè)務(wù)場(chǎng)景
基于用戶(hù)定位進(jìn)行室內(nèi)穩(wěn)態(tài)、室外移動(dòng)用戶(hù)識(shí)別,周期性積累白天、夜間常駐用戶(hù)規(guī)律。根據(jù)居住、工作用戶(hù)動(dòng)態(tài)遷移規(guī)律,精準(zhǔn)定義覆蓋場(chǎng)景,組合常駐、穩(wěn)態(tài)用戶(hù)的潮汐變化,結(jié)合地圖映射實(shí)現(xiàn)醫(yī)院、美食、夜間娛樂(lè)等場(chǎng)所的小區(qū)集中覆蓋場(chǎng)景的識(shí)別。基于精細(xì)化場(chǎng)景判別,實(shí)現(xiàn)重要場(chǎng)景深度組合分析,判斷質(zhì)差指標(biāo)波動(dòng)是否與用戶(hù)流動(dòng)性、地理特性、特定時(shí)段潮汐有關(guān)。組合分析定位網(wǎng)絡(luò)癥結(jié)所在,結(jié)合用戶(hù)感知及場(chǎng)景價(jià)值評(píng)估確定解決優(yōu)先級(jí)。用戶(hù)場(chǎng)景識(shí)別與問(wèn)題定位實(shí)現(xiàn)流程如圖7所示。
圖7 用戶(hù)場(chǎng)景識(shí)別與問(wèn)題定位
1.5.2 用戶(hù)感知差異性?xún)?yōu)化
基于分場(chǎng)景差異化實(shí)施優(yōu)化策略,開(kāi)展用戶(hù)級(jí)的智能化業(yè)務(wù)感知評(píng)估,建立視頻、掃碼感知、游戲等業(yè)務(wù)網(wǎng)優(yōu)指標(biāo)監(jiān)控優(yōu)化體系,實(shí)現(xiàn)業(yè)務(wù)感知端到端管控優(yōu)化。
對(duì)IM業(yè)務(wù)、WEB業(yè)務(wù)、游戲業(yè)務(wù)和視頻業(yè)務(wù)進(jìn)行感知評(píng)分,針對(duì)網(wǎng)絡(luò)質(zhì)差小區(qū)分析KQI與KPI的關(guān)聯(lián)性并進(jìn)行相應(yīng)的排查優(yōu)化,通過(guò)現(xiàn)網(wǎng)的經(jīng)驗(yàn)總結(jié)對(duì)優(yōu)化方案進(jìn)行驗(yàn)證支撐,總結(jié)端到端視頻感知的評(píng)估、定界、優(yōu)化方法,快速提升用戶(hù)感知。
基于用戶(hù)感知挖掘平臺(tái),實(shí)現(xiàn)快速、精確識(shí)別質(zhì)差小區(qū)、質(zhì)差場(chǎng)景,通過(guò)預(yù)警小區(qū)、預(yù)警場(chǎng)景指導(dǎo)地市優(yōu)化處理,實(shí)現(xiàn)問(wèn)題快速閉環(huán),確保網(wǎng)絡(luò)精確規(guī)劃。
2.1.1 視頻業(yè)務(wù)劣化識(shí)別分析
通過(guò)視頻劣化單據(jù)比例,關(guān)聯(lián)無(wú)線問(wèn)題定位進(jìn)行視頻綜合感知評(píng)估,助力各地市及時(shí)發(fā)現(xiàn)視頻感知劣化小區(qū)和原因,從而有針對(duì)性地優(yōu)化。
2.1.2 掃碼業(yè)務(wù)劣化問(wèn)題識(shí)別分析
洞察網(wǎng)絡(luò)覆蓋、容量和質(zhì)量等問(wèn)題,多維度評(píng)估掃碼感知差小區(qū),改善網(wǎng)絡(luò)質(zhì)量,提升用戶(hù)感知。優(yōu)化區(qū)域總體掃碼成功率提升2.01%,掃碼差小區(qū)掃碼成功率提升4.62%。
2.1.3 游戲業(yè)務(wù)質(zhì)量監(jiān)控打分
實(shí)施用戶(hù)數(shù)和流量、TOP熱點(diǎn)游戲、手游關(guān)鍵指標(biāo)監(jiān)控看管與優(yōu)化。
問(wèn)題描述:根據(jù)平臺(tái)提取省內(nèi)近期指標(biāo)分析,鹽城視頻業(yè)務(wù)中下載速率與速率碼率比位于全省中游,排名第五;streaming接口上下時(shí)延均較高,全省排名靠后。
業(yè)務(wù)分析:用戶(hù)的XKB時(shí)延和下載速率決定了用戶(hù)視頻業(yè)務(wù)能否及時(shí)打開(kāi),用戶(hù)對(duì)于視頻清晰度的感知?jiǎng)t取決于速率碼率比的大小。故選取XKB啟動(dòng)時(shí)延、下載速率、速率碼率比三個(gè)指標(biāo),結(jié)合三個(gè)指標(biāo)重要程度得出權(quán)重。
算法建模:通過(guò)min-max歸一化法將原始數(shù)據(jù)進(jìn)行線性變換,將其映射到[0,1]區(qū)間之內(nèi),保證各項(xiàng)無(wú)線指標(biāo)的統(tǒng)一性,在此基礎(chǔ)上根據(jù)擬合曲線的斜率比值來(lái)反映各個(gè)關(guān)鍵指標(biāo)對(duì)時(shí)延影響的權(quán)重,后期對(duì)權(quán)重進(jìn)行調(diào)整驗(yàn)證,具體關(guān)鍵指標(biāo)權(quán)重設(shè)置如表3所示。
表3 分類(lèi)指標(biāo)驗(yàn)證
現(xiàn)網(wǎng)應(yīng)用:鹽城某小區(qū)感知下載速率較低,影響用戶(hù)體驗(yàn),小區(qū)視頻下載速率得分為63.8,根據(jù)感知打分體系定位分析該小區(qū)覆蓋率扣分值8.52,為所有指標(biāo)中最高,定位為覆蓋問(wèn)題。
解決方案:現(xiàn)場(chǎng)RF調(diào)整,復(fù)測(cè)驗(yàn)證閉環(huán)問(wèn)題。
優(yōu)化效果:?jiǎn)栴}閉環(huán)后,提取兩小區(qū)感知與無(wú)線指標(biāo)對(duì)比,MR覆蓋率由81.93%提升至92.12%,感知下載速率由5163.42KBpS提升至13272.51KBps,得分由63.80提升至86.92。
問(wèn)題描述:多種場(chǎng)景下用戶(hù)對(duì)WEB業(yè)務(wù)時(shí)延較高產(chǎn)生不滿(mǎn)意反饋,影響使用,卡頓感嚴(yán)重。
業(yè)務(wù)分析:以南京建鄴區(qū)聚類(lèi)分析,建鄴區(qū)滿(mǎn)意度劣化TOP 3場(chǎng)景為城區(qū)道路、低層居民區(qū)、高校的WEB質(zhì)差。補(bǔ)盲、DRX優(yōu)化、開(kāi)啟預(yù)調(diào)度、RS功率優(yōu)化;(3)高校:負(fù)載均衡、擴(kuò)容、DRX優(yōu)化、異頻切換參數(shù)優(yōu)化、重疊覆蓋。
解決方案:(1)城區(qū)道路:模3/異頻切換優(yōu)化、重傳優(yōu)化、重疊覆蓋優(yōu)化、DRX優(yōu)化;(2)低層居民區(qū):深度覆蓋增強(qiáng)/
優(yōu)化效果:針對(duì)TOP場(chǎng)景質(zhì)差小區(qū)的閉環(huán)提升后,可以看到質(zhì)差小區(qū)的KQI有較明顯的提升,預(yù)測(cè)的貶損用戶(hù)數(shù)據(jù)下降明顯,閉環(huán)前后城區(qū)道路網(wǎng)頁(yè)響應(yīng)時(shí)延平均提升165ms,低層居民區(qū)網(wǎng)頁(yè)響應(yīng)時(shí)延平均提升159 ms,高校網(wǎng)頁(yè)響應(yīng)時(shí)延平均提升195 ms。
圖8 分場(chǎng)景時(shí)延特性
問(wèn)題描述:用戶(hù)在進(jìn)行手游業(yè)務(wù)時(shí),頻繁出現(xiàn)高時(shí)延及畫(huà)面卡頓等嚴(yán)重現(xiàn)象。
業(yè)務(wù)分析:游戲業(yè)務(wù)UDP流為非通用建模標(biāo)準(zhǔn),通常RTT時(shí)延長(zhǎng)短決定用戶(hù)在管道速率上的優(yōu)劣,表征用戶(hù)在游
戲業(yè)務(wù)中能否流暢的一個(gè)條件。故選取AVG_UL_RTT、AVG_DW_RTT、TCP_RTT三個(gè)指標(biāo),結(jié)合其指標(biāo)重要程度得出權(quán)重。算法建模:通過(guò)隨機(jī)森林算法,依據(jù)各業(yè)務(wù)特點(diǎn)及指標(biāo)的重要程度,確定各業(yè)務(wù)指標(biāo)相互之間的重要性關(guān)聯(lián),得出指標(biāo)權(quán)重分布如表4所示。
表4 游戲業(yè)務(wù)時(shí)延權(quán)重分布
解決方案:TOP游戲卡頓區(qū)域,針對(duì)169個(gè)小區(qū)實(shí)施方案優(yōu)化,模3/異頻切換優(yōu)化、重傳優(yōu)化、RF優(yōu)化、DRX優(yōu)化、深度覆蓋增強(qiáng)/補(bǔ)盲、開(kāi)啟預(yù)調(diào)度、RS功率優(yōu)化、負(fù)載均衡、擴(kuò)容。
優(yōu)化效果:通過(guò)對(duì)梳理的169個(gè)游戲卡頓TOP小區(qū)優(yōu)化,game_接口以上時(shí)延提升7.05%,game_接口以下時(shí)延提升2.76%。
根據(jù)PS的單據(jù)特征,確定各業(yè)務(wù)感知指標(biāo)及權(quán)重,通過(guò)ln函數(shù)擬合感知得出單據(jù)打分算法,然后與MR單據(jù)進(jìn)行拼接,小區(qū)場(chǎng)景維度匯聚,柵格地理化呈現(xiàn),可以發(fā)現(xiàn)傳統(tǒng)OMC網(wǎng)絡(luò)KPI發(fā)現(xiàn)不了的問(wèn)題,指導(dǎo)地市進(jìn)行優(yōu)化閉環(huán),支撐網(wǎng)絡(luò)協(xié)同優(yōu)化,保障普通用戶(hù)的感知體驗(yàn),打造全省各地市的優(yōu)質(zhì)網(wǎng)絡(luò)質(zhì)量。本文具有很強(qiáng)的現(xiàn)實(shí)指導(dǎo)意義,可以通過(guò)大數(shù)據(jù)分析減少人工分析及現(xiàn)場(chǎng)測(cè)試工作量,且定位更為準(zhǔn)確,對(duì)于深度覆蓋及用戶(hù)滿(mǎn)意度的提高有著積極的作用,具有較大的推廣意義。