施巍巍 谷俊江 趙波

1.中國(guó)聯(lián)通江蘇省分公司；2.南京郵電大學(xué)

0 引言

當(dāng)前全國(guó)高鐵網(wǎng)絡(luò)優(yōu)化工作已基本實(shí)現(xiàn)了問(wèn)題點(diǎn)的集中管理和管控，高鐵網(wǎng)絡(luò)質(zhì)量逐步提升。但是高鐵網(wǎng)絡(luò)質(zhì)量提升也逐漸呈現(xiàn)出了一定的技術(shù)瓶頸，主要體現(xiàn)在：（1）無(wú)法實(shí)現(xiàn)快速精細(xì)化分析，對(duì)高鐵網(wǎng)絡(luò)的分析仍停留在傳統(tǒng)大網(wǎng)的分析方式上；（2）無(wú)法直觀快速評(píng)價(jià)網(wǎng)絡(luò)性能，對(duì)網(wǎng)絡(luò)問(wèn)題點(diǎn)、網(wǎng)絡(luò)質(zhì)量管控手段方面目前還以表格、數(shù)據(jù)等存儲(chǔ)為主；（3）用戶問(wèn)題分析過(guò)程復(fù)雜度高，對(duì)VIP用戶跟蹤目前還主要停留在用戶投訴后才去分析的被動(dòng)階段，無(wú)法事先主動(dòng)發(fā)現(xiàn)和反饋用戶投訴；（4）無(wú)法評(píng)價(jià)車(chē)廂內(nèi)用戶的真實(shí)感知，對(duì)高鐵車(chē)廂內(nèi)高鐵用戶的網(wǎng)絡(luò)感知評(píng)價(jià)分析，還主要依據(jù)對(duì)覆蓋高鐵小區(qū)的網(wǎng)絡(luò)性能分析，以網(wǎng)絡(luò)質(zhì)量代表用戶感知；（5）高鐵網(wǎng)絡(luò)分析還停留“碎片化”階段，每個(gè)省只能分析本省路段網(wǎng)絡(luò)情況，不能實(shí)現(xiàn)跨省全線路分析能力，高鐵整條線路網(wǎng)絡(luò)質(zhì)量分析“碎片化”。

本文根據(jù)高鐵網(wǎng)絡(luò)特征，從用戶感知最敏感的高鐵車(chē)站（點(diǎn)）和高鐵線路（線）兩個(gè)方面開(kāi)展分析和研究，總結(jié)出一套高適合高鐵網(wǎng)絡(luò)全方位網(wǎng)絡(luò)智能分析與優(yōu)化方法：1.實(shí)現(xiàn)車(chē)站站臺(tái)地理信息繪制和柵格化呈現(xiàn)；2.實(shí)現(xiàn)高鐵跨?。ㄉ虾６危┓治雠c呈現(xiàn)能力；3.實(shí)現(xiàn)“車(chē)站和站臺(tái)”網(wǎng)絡(luò)性能地理化呈現(xiàn)；4.引入“影響集中度”模型探索站臺(tái)擴(kuò)容標(biāo)準(zhǔn)；5.實(shí)現(xiàn)“高鐵線路”形態(tài)的場(chǎng)景化分析與呈現(xiàn)；6.實(shí)現(xiàn)用戶隨高鐵運(yùn)動(dòng)情況的場(chǎng)景化分析與呈現(xiàn)；7.探索開(kāi)展高鐵用戶上網(wǎng)問(wèn)題智能分析；8.實(shí)現(xiàn)針對(duì)高鐵用戶感知場(chǎng)景化分析與評(píng)價(jià)。

1 高鐵車(chē)站和線路網(wǎng)絡(luò)全方位智能分析思路

根據(jù)高鐵網(wǎng)絡(luò)特征和傳統(tǒng)優(yōu)化高鐵網(wǎng)絡(luò)方法存在的問(wèn)題，從用戶感知最敏感的高鐵車(chē)站（點(diǎn)）和高鐵線路（路）兩個(gè)方面開(kāi)展研究，探索高鐵全方位智能分析的新模式。圖1為高鐵網(wǎng)絡(luò)全方位智能分析思路流程圖，分別以車(chē)站為點(diǎn)、以線路為線，從“點(diǎn)、線”兩個(gè)維度進(jìn)行分析。

1.1 高鐵車(chē)站和站臺(tái)場(chǎng)景化智能分析與呈現(xiàn)

（1）利用Python開(kāi)源工具結(jié)合訪問(wèn)網(wǎng)站運(yùn)行特征，獲取高鐵車(chē)站整體的地理邊框信息、站臺(tái)中心經(jīng)緯度信息和所有列車(chē)運(yùn)行信息?，F(xiàn)有的網(wǎng)絡(luò)地圖平臺(tái)不提供站臺(tái)的地理邊框數(shù)據(jù)，要根據(jù)站臺(tái)的中心經(jīng)緯度，運(yùn)用地球球面的區(qū)域經(jīng)緯度算法獲取站臺(tái)的邊框經(jīng)緯度信息。采用JavaScript實(shí)現(xiàn)高鐵車(chē)站和所有站臺(tái)場(chǎng)景繪制工作。

（2）利用python的自動(dòng)FTP功能自動(dòng)對(duì)接網(wǎng)管，獲取高鐵車(chē)站網(wǎng)絡(luò)承載能力、網(wǎng)絡(luò)性能、覆蓋能力數(shù)據(jù)和網(wǎng)絡(luò)穩(wěn)定性能數(shù)據(jù)，于在線地圖上精準(zhǔn)呈現(xiàn)高鐵車(chē)站和所有站臺(tái)的網(wǎng)絡(luò)運(yùn)行狀態(tài)。

（3）根據(jù)獲取的高鐵車(chē)站列車(chē)信息，運(yùn)用python的大數(shù)據(jù)分析能力分析全天分鐘級(jí)“列車(chē)聚合度”，根據(jù)對(duì)列車(chē)聚合度分析，并在列車(chē)主要運(yùn)行時(shí)段（6:00-22:00），對(duì)網(wǎng)絡(luò)分鐘級(jí)指標(biāo)跟蹤分析，實(shí)現(xiàn)“列車(chē)集中度”和“用戶感知集中度”聯(lián)合分析，探索制定高鐵車(chē)站擴(kuò)容模型標(biāo)準(zhǔn)。

1.2 高鐵線路場(chǎng)景化智能分析與呈現(xiàn)

高鐵線路網(wǎng)絡(luò)形態(tài)主要從網(wǎng)絡(luò)運(yùn)行穩(wěn)定性，網(wǎng)絡(luò)運(yùn)行資源可視化，網(wǎng)絡(luò)運(yùn)行性能可視化和全線路覆蓋情況四個(gè)方面進(jìn)行分析與呈現(xiàn)。利用python爬蟲(chóng)手段采集高鐵小區(qū)的告警、覆蓋數(shù)據(jù)、基站可用資源和用戶感知數(shù)據(jù)，運(yùn)用大數(shù)據(jù)分析呈現(xiàn)方式，實(shí)現(xiàn)高鐵線路所有網(wǎng)絡(luò)故障點(diǎn)及各類(lèi)KPI、KQI及路測(cè)指標(biāo)場(chǎng)景化呈現(xiàn)，可以更直觀、快速綜合評(píng)價(jià)高鐵整條線路的用戶感知和網(wǎng)絡(luò)質(zhì)量。

1.3 單用戶運(yùn)動(dòng)軌跡圖分析與呈現(xiàn)

通過(guò)python爬蟲(chóng)手段采集多個(gè)數(shù)據(jù)平臺(tái)單用戶的駐留小區(qū)的信息，運(yùn)用開(kāi)源軟件工具實(shí)時(shí)跟蹤分析用戶業(yè)務(wù)（語(yǔ)音、Volte、數(shù)據(jù)）在鐵路沿線小區(qū)的占用變化過(guò)程，對(duì)突發(fā)的網(wǎng)絡(luò)問(wèn)題快速形成有效的分析結(jié)果。

1.4 車(chē)廂內(nèi)用戶分離分析與呈現(xiàn)

根據(jù)高鐵用戶駐留基站小區(qū)信息和時(shí)間制定出高低速用戶分離算法，基于算法分離出高鐵車(chē)廂內(nèi)用戶，以這些用戶的實(shí)際感知分析網(wǎng)絡(luò)中存在的問(wèn)題，并根據(jù)這部分用戶分析評(píng)估全線網(wǎng)絡(luò)質(zhì)量。

1.5 高鐵用戶上網(wǎng)問(wèn)題智能化分析

當(dāng)前高鐵用戶反映的問(wèn)題80%以上發(fā)生在車(chē)站候車(chē)室和站臺(tái)，本次以南京南站站臺(tái)問(wèn)題為例，建立問(wèn)題分析流程和模型，可實(shí)現(xiàn)自動(dòng)化分析該類(lèi)問(wèn)題點(diǎn)。

分析流程：

（1）獲取到用戶使用號(hào)碼及問(wèn)題發(fā)生時(shí)間，并從相關(guān)系統(tǒng)上通過(guò)互聯(lián)網(wǎng)化的方式獲取用戶占用小區(qū)和網(wǎng)絡(luò)資源；

（2）通過(guò)開(kāi)源工具自動(dòng)獲取相應(yīng)網(wǎng)絡(luò)KPI和KQI信息，并建立數(shù)據(jù)庫(kù)；

（3）用戶占用網(wǎng)絡(luò)資源的主要KPI和覆蓋數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析；

（4）通過(guò)車(chē)站投訴智能分析工具，評(píng)價(jià)和分析影響用戶感知的關(guān)鍵因素和原因。

2 高鐵場(chǎng)景車(chē)站和線路全方位分析研究過(guò)程

2.1 高鐵車(chē)站網(wǎng)絡(luò)形態(tài)分析與呈現(xiàn)

2.1.1 高鐵車(chē)站物理形態(tài)地理化呈現(xiàn)

（1）采用互聯(lián)手段獲取高鐵車(chē)站地理信息

編寫(xiě)python代碼模擬瀏覽器爬取高鐵車(chē)站邊框的經(jīng)緯度信息，然后對(duì)響應(yīng)的數(shù)據(jù)提煉，最終獲取車(chē)站的電子邊框信息并寫(xiě)入Excel文件中。

（2）南京南站整體和各個(gè)站臺(tái)地圖生成

采用百度地圖開(kāi)放平臺(tái)上添加線和面的JavaScript源代碼編輯接口方式。用獲取的南京南站邊框經(jīng)緯度，使用百度地圖提供的JavaScript代碼接口，在網(wǎng)頁(yè)地圖上添加整體車(chē)站邊框圖層。另外地圖平臺(tái)不提供站臺(tái)邊框的經(jīng)緯度數(shù)據(jù)，只能獲取到單個(gè)站臺(tái)的一個(gè)中心經(jīng)緯度，課題組通過(guò)中心經(jīng)緯度數(shù)據(jù)，采用對(duì)地球北半球球面維度區(qū)域經(jīng)緯度算法，計(jì)算出站臺(tái)四角的經(jīng)緯度數(shù)據(jù)，從而成功實(shí)現(xiàn)南京南站所有站臺(tái)邊框生成和呈現(xiàn)。

2.1.2 高鐵車(chē)站網(wǎng)絡(luò)“多維度性能”分析與呈現(xiàn)

（1）網(wǎng)絡(luò)性能指標(biāo)的自動(dòng)提取

為了更加快速高效分析和呈現(xiàn)南京南站網(wǎng)絡(luò)性能，可通過(guò)Python代碼編程實(shí)現(xiàn)自動(dòng)化從OMC網(wǎng)管采集和FTP下載網(wǎng)絡(luò)配置和網(wǎng)絡(luò)性能數(shù)據(jù)。下面以南京南站為例進(jìn)行說(shuō)明。

（2）南京南站網(wǎng)絡(luò)地理化呈現(xiàn)

提取南京南站邊框數(shù)據(jù)和指標(biāo)數(shù)據(jù)后，在地圖上南京南站的每個(gè)站臺(tái)區(qū)域被分為以下4個(gè)維度進(jìn)行指標(biāo)呈現(xiàn)，根據(jù)指標(biāo)范圍來(lái)顯示不同的顏色，可以更加形象地了解當(dāng)前南京南站的總體網(wǎng)絡(luò)情況。

①影響用戶感知的網(wǎng)絡(luò)故障實(shí)時(shí)呈現(xiàn)：

可快速實(shí)時(shí)發(fā)現(xiàn)和跟蹤所有車(chē)站網(wǎng)絡(luò)故障告警情況，及時(shí)預(yù)警和推動(dòng)分公司快速解決。圖2為南京南站告警信息的地理化呈現(xiàn)圖，可以區(qū)分覆蓋不同站臺(tái)的RRU告警。

②用戶實(shí)時(shí)感知分析與呈現(xiàn)（平均單用戶速率Mbps，平均上網(wǎng)RTT時(shí)延）：

實(shí)現(xiàn)用戶感知最敏感的平均上網(wǎng)速率、平均上網(wǎng)時(shí)延等關(guān)鍵性能快速實(shí)時(shí)呈現(xiàn)，動(dòng)態(tài)掌握車(chē)站網(wǎng)絡(luò)性能變化情況。圖3為南京南站下載速率和RTT時(shí)延區(qū)間圖，可以區(qū)分不同站臺(tái)的指標(biāo)。

圖3 南京南站下載速率和RTT時(shí)延區(qū)間圖

③網(wǎng)絡(luò)負(fù)荷分析與呈現(xiàn)（PRB利用率，用戶數(shù)）：

常州的竹爐山房位居41處被寫(xiě)仿的江南景觀榜首，西苑北海北岸、香山靜宜園、玉泉山靜明園、盤(pán)山靜寄山莊、清漪園、避暑山莊和紫禁城建福宮等7座皇家園林對(duì)其進(jìn)行了仿建。清漪園的清可軒、玉泉山靜明園的竹爐山房、香山靜宜園的竹爐精舍和避暑山莊千尺雪的茶舍均建于乾隆十六年，盤(pán)山靜寄山莊千尺雪的茶舍建于乾隆十七年春，或于室內(nèi)置有竹茶爐，或名稱(chēng)源自竹爐山房。乾隆二十二年，乾隆帝在《汲惠泉烹竹爐歌疊舊作韻》詩(shī)中還寫(xiě)道，“玉泉山房頗仿效，以彼近恒此遠(yuǎn)灌?！?

通過(guò)典型的網(wǎng)絡(luò)負(fù)荷指標(biāo)“小區(qū)下行PRB利用率”、“單小區(qū)用戶數(shù)”，及時(shí)掌握車(chē)站網(wǎng)絡(luò)負(fù)荷情況。圖4為南京南站PRB利用率和用戶數(shù)區(qū)間圖，可以區(qū)分不同站臺(tái)指標(biāo)。

圖4 南京南站PRB利用率和用戶數(shù)區(qū)間圖

④網(wǎng)絡(luò)覆蓋的呈現(xiàn)（10米x 10米柵格化RSRP和SINR）：

根據(jù)高鐵車(chē)站局部范圍內(nèi)用戶密度大、用戶話務(wù)集中度高的特性，首次引入10米x 10米MR覆蓋柵格分析，通過(guò)RSRP精細(xì)化分析站臺(tái)覆蓋問(wèn)題，通過(guò)SINR精細(xì)化分析站臺(tái)網(wǎng)絡(luò)質(zhì)量。圖5為南京南站RSRP和SINR區(qū)間圖，可以區(qū)分不同柵格指標(biāo)。

圖5 南京南站RSRP和SINR區(qū)間圖

2.1.3 引入“影響集中度”模型，探索站臺(tái)擴(kuò)容標(biāo)準(zhǔn)

（1）車(chē)站、車(chē)次信息的獲取

（2）?？苛熊?chē)車(chē)次集中度和網(wǎng)絡(luò)指標(biāo)關(guān)聯(lián)分析

通過(guò)對(duì)南京南站每分鐘的列車(chē)?？繑?shù)量進(jìn)行聚合計(jì)算，將其一天每分鐘列車(chē)聚合度與網(wǎng)絡(luò)主要指標(biāo)小區(qū)用戶數(shù)和PRB利用率進(jìn)行關(guān)聯(lián)分析，分析發(fā)現(xiàn)車(chē)數(shù)與小區(qū)PRB利用率呈正向分布。

（3）高鐵車(chē)站網(wǎng)絡(luò)擴(kuò)容模型分析

引入用戶“感知影響集中度”分析思維，以全天影響用戶使用感知程度作為擴(kuò)容的重要判決因素。進(jìn)行1min粒度流量抑制分析，對(duì)比15min粒度，站臺(tái)流量抑制發(fā)生的更早，更能模擬站臺(tái)用戶突增情況。通過(guò)分析得出，隨著小區(qū)吞吐率的增加，下行單用戶速率明顯下降，即用戶需求受到抑制。

通過(guò)列車(chē)聚合度分析發(fā)現(xiàn)列車(chē)運(yùn)行時(shí)間主要集中在6:00-22:00，以分鐘級(jí)指標(biāo)跟蹤得出如下擴(kuò)容標(biāo)準(zhǔn)，以全天影響集中度30%為判斷依據(jù)，即一天用戶感知受影響能容忍的程度不能超過(guò)30%（“影響集中度”表示站臺(tái)高負(fù)荷可容忍程度，可根據(jù)實(shí)際情況調(diào)整）。表1為根據(jù)“感知影響集中度”分析得到的高鐵小區(qū)擴(kuò)容標(biāo)準(zhǔn)模型。

表1 高鐵小區(qū)擴(kuò)容標(biāo)準(zhǔn)

2.2 高鐵線路網(wǎng)絡(luò)形態(tài)分析與呈現(xiàn)

2.2.1 線路網(wǎng)絡(luò)穩(wěn)定性形態(tài)呈現(xiàn)

通過(guò)Python自動(dòng)化實(shí)現(xiàn)手段，實(shí)時(shí)從網(wǎng)管獲取高鐵車(chē)站點(diǎn)活動(dòng)告警信息并進(jìn)行告警信息解析，經(jīng)過(guò)與工參信息匹配后得出告警網(wǎng)元?dú)w屬地市、高鐵線路以及經(jīng)緯度等信息，利用JavaScript接口實(shí)現(xiàn)告警地圖展示。

2.2.2 線路網(wǎng)絡(luò)多維KPI質(zhì)量呈現(xiàn)

通過(guò)將高鐵線路小區(qū)的KPI指標(biāo)（PRB利用率、小區(qū)單用戶平均速率、小區(qū)最大用戶數(shù)等數(shù)據(jù)）進(jìn)行地理化呈現(xiàn)，能快速評(píng)價(jià)全線路各路段網(wǎng)絡(luò)負(fù)荷情況、用戶速率情況等。

2.2.3 線路網(wǎng)絡(luò)多維KQI指標(biāo)可視化呈現(xiàn)

通過(guò)將高鐵線路小區(qū)的KQI指標(biāo)（用戶大頁(yè)面感知速率、RTT時(shí)延等）進(jìn)行地理化呈現(xiàn)，能快速評(píng)價(jià)全線路各路段用戶實(shí)際體驗(yàn)情況。

2.3 實(shí)現(xiàn)高鐵（某省）跨省網(wǎng)絡(luò)形態(tài)的場(chǎng)景化分析

高鐵網(wǎng)絡(luò)具有網(wǎng)絡(luò)場(chǎng)景歸屬清晰、用戶對(duì)場(chǎng)景判斷明確的特征，全線路網(wǎng)絡(luò)質(zhì)量有保障才能整體提升用戶感知。本研究打破傳統(tǒng)省份只分析本省路段高鐵網(wǎng)絡(luò)、整條高鐵分段分析零散破碎的現(xiàn)狀，實(shí)現(xiàn)具備整條線路網(wǎng)絡(luò)質(zhì)量分析能力，為實(shí)現(xiàn)京滬以及其他高鐵線路全線跨省分析工作進(jìn)行探索。

跨省數(shù)據(jù)采集與分析：

（1）獲取某省段數(shù)據(jù)，在江蘇進(jìn)行關(guān)聯(lián)分析

通過(guò)分析某省提供的滬寧高鐵用戶+位置+應(yīng)用業(yè)務(wù)數(shù)據(jù)，與江蘇現(xiàn)網(wǎng)高鐵用戶業(yè)務(wù)預(yù)統(tǒng)表關(guān)聯(lián)，通過(guò)用戶號(hào)碼聚類(lèi)關(guān)聯(lián)合成滬寧高鐵用戶全線的業(yè)務(wù)軌跡數(shù)據(jù)。

（2）后續(xù)計(jì)劃采用自動(dòng)化采集某省數(shù)據(jù)方式

后續(xù)相關(guān)省可以通過(guò)FTP向中間接口機(jī)分發(fā)數(shù)據(jù)文件，江蘇本地集群通過(guò)數(shù)據(jù)解析程序?qū)崟r(shí)讀取文件，并入到集群數(shù)據(jù)庫(kù)，再通過(guò)用戶號(hào)碼關(guān)聯(lián)實(shí)現(xiàn)滬寧全線路分析。

2.4 高鐵單用戶快速分析

通過(guò)從核心網(wǎng)接口獲取用戶占用小區(qū)信息（LAI/ECI），利用綜合分析方式匹配高鐵工參數(shù)據(jù)，實(shí)時(shí)分析跟蹤用戶業(yè)務(wù)產(chǎn)生的相關(guān)小區(qū)，從而實(shí)現(xiàn)對(duì)高鐵單用戶（或VIP用戶）的跟蹤分析，在第一步實(shí)現(xiàn)高鐵網(wǎng)絡(luò)形態(tài)場(chǎng)景化呈現(xiàn)的基礎(chǔ)上，關(guān)注業(yè)務(wù)（語(yǔ)音、Volte、數(shù)據(jù)）用戶在鐵路沿線小區(qū)上的占用變化過(guò)程，主要關(guān)注用戶隨基站小區(qū)的移動(dòng)而不是用戶本身的經(jīng)緯度變化，根據(jù)高鐵內(nèi)手機(jī)依次占用不同高鐵小區(qū)，在高鐵線路圖上快速跟蹤分析用戶使用情況。

2.5 真正的高鐵用戶（車(chē)廂內(nèi)用戶）使用感知分析與網(wǎng)絡(luò)評(píng)價(jià)

2.5.1 高低速分離算法研究

首先通過(guò)四個(gè)數(shù)據(jù)源獲取用戶占用小區(qū)基本信息（基于MR+信令+話單數(shù)據(jù)的高鐵用戶用戶識(shí)別，基于S1-U接口XDR數(shù)據(jù)的高鐵用戶識(shí)別，基于S1-MME、IU-PS接口信令面數(shù)據(jù)的高鐵用戶識(shí)別，基于O側(cè)的位置更新、切換信令及用戶特征的高鐵用戶識(shí)別）；其次記錄用戶駐留的第一個(gè)高鐵小區(qū)時(shí)間為T(mén)1，用戶駐留到第二個(gè)高鐵小區(qū)時(shí)間為T(mén)2，通過(guò)兩個(gè)小區(qū)間駐留的時(shí)長(zhǎng)記錄為T(mén)，計(jì)算對(duì)應(yīng)到高鐵小區(qū)的路測(cè)經(jīng)緯度采樣點(diǎn)間距離為S，計(jì)算用戶在這兩個(gè)小區(qū)間移動(dòng)的速度V，通過(guò)時(shí)速來(lái)區(qū)分高鐵用戶與普通用戶，再通過(guò)計(jì)算一小時(shí)內(nèi)小區(qū)駐留時(shí)長(zhǎng)T的集合，來(lái)篩選出高鐵用戶。（其中V＞300KM/H，定義為“復(fù)興號(hào)”用戶，200＜V＜300KM/H，定義為“和諧號(hào)”用戶，T的集合＞1H，定位為高鐵用戶。）

2.5.2 高鐵用戶感知場(chǎng)景化分析

主要通過(guò)對(duì)分離出的高鐵車(chē)廂內(nèi)的用戶開(kāi)展高鐵主要感知指標(biāo)評(píng)價(jià)，以這些用戶的實(shí)際感知可以實(shí)現(xiàn)兩個(gè)方面的目的：一是通過(guò)高鐵用戶的感知指標(biāo)、KPI指標(biāo)，分析網(wǎng)絡(luò)存在問(wèn)題，二是基于這些車(chē)廂內(nèi)用戶的感知評(píng)價(jià)高鐵全線網(wǎng)絡(luò)質(zhì)量情況。（因此，基于網(wǎng)絡(luò)質(zhì)量分析與評(píng)價(jià)的目的，與之前分離算法評(píng)價(jià)系統(tǒng)不同，在這里不追求高鐵用戶分離100%完整性，而是追求對(duì)分離出來(lái)的那部分高鐵用戶網(wǎng)絡(luò)感知評(píng)價(jià)的準(zhǔn)確性。）

重點(diǎn)開(kāi)展高鐵車(chē)廂內(nèi)用戶業(yè)務(wù)感知分析（主要包括上行RTT時(shí)延、下行RTT時(shí)延、大頁(yè)面下載速率、視頻下載速率、頁(yè)面響應(yīng)平均時(shí)長(zhǎng)、頁(yè)面響應(yīng)成功率、0卡頓率、每GB卡頓次數(shù)）和網(wǎng)絡(luò)性能指標(biāo)分析（語(yǔ)音接通率、掉話率），按以上10個(gè)關(guān)鍵性指標(biāo)作為高鐵網(wǎng)絡(luò)評(píng)分標(biāo)準(zhǔn)，每項(xiàng)指標(biāo)計(jì)10分，共計(jì)100分。通過(guò)對(duì)高鐵各線路及地市進(jìn)行評(píng)分，挖掘網(wǎng)絡(luò)短板指標(biāo)，為網(wǎng)絡(luò)優(yōu)化重心提供決策依據(jù)。表2為高鐵車(chē)廂內(nèi)用戶評(píng)價(jià)分析模型。

表2 高鐵車(chē)廂內(nèi)用戶評(píng)價(jià)模型

2.6.1 高鐵用戶使用問(wèn)題分析的痛點(diǎn)

當(dāng)前高鐵網(wǎng)絡(luò)用戶投訴分析主要存在以下3個(gè)痛點(diǎn)：

（1）要通過(guò)登錄多平臺(tái)獲取數(shù)據(jù)（信令平臺(tái)、感知平臺(tái)、網(wǎng)管平臺(tái)）。

（2）只能采用表格化的關(guān)聯(lián)分析方式，分析效率低、響應(yīng)時(shí)間長(zhǎng)。

（3）無(wú)法有效呈現(xiàn)分析結(jié)果，用戶對(duì)分析結(jié)果滿意度低。當(dāng)前高鐵用戶投訴80%以上發(fā)生在高鐵車(chē)站，如何提高車(chē)站用戶投訴反應(yīng)效率是提高用戶滿意度的關(guān)鍵。本次通過(guò)研究“高鐵車(chē)站用戶上網(wǎng)問(wèn)題智能化分析”，建立用戶在車(chē)站發(fā)生投訴的快速反應(yīng)機(jī)制，顯著提高了用戶滿意度。

2.6.2 探索高鐵問(wèn)題分析的新方法

（1）建立問(wèn)題分析流程

①獲取到用戶使用號(hào)碼及問(wèn)題發(fā)生時(shí)間，并從相關(guān)系統(tǒng)上通過(guò)互聯(lián)網(wǎng)化的方式獲取用戶占用小區(qū)和網(wǎng)絡(luò)資源。

②通過(guò)開(kāi)源工具自動(dòng)獲取相應(yīng)網(wǎng)絡(luò)KPI和KQI信息，并建立數(shù)據(jù)庫(kù)。

③用戶占用網(wǎng)絡(luò)資源的主要KPI和覆蓋數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析。

④通過(guò)投訴智能分析工具，評(píng)價(jià)和分析影響用戶感知的關(guān)鍵因素和原因。

（2）探索問(wèn)題智能分析算法

圖6為高鐵問(wèn)題智能分析算法圖，通過(guò)對(duì)RSRP、SINR、用戶數(shù)和PRB利用率等關(guān)鍵性KPI指標(biāo)進(jìn)行判決，可得出發(fā)生投訴的問(wèn)題小區(qū)存在的主要問(wèn)題，從而快速得出投訴反饋結(jié)果。

圖 6 高鐵問(wèn)題智能分析算法圖

2.6.3 高鐵問(wèn)題分析方法的實(shí)踐應(yīng)用

端午節(jié)前一天，用戶反映南京南站上網(wǎng)速率低，通過(guò)輸入用戶投訴號(hào)碼和時(shí)間，智能分析系統(tǒng)自動(dòng)獲取問(wèn)題小區(qū)信息，并根據(jù)分析算法得出問(wèn)題小區(qū)存在的問(wèn)題，整個(gè)投訴反應(yīng)時(shí)間從接到投訴到得出結(jié)論共用時(shí)5分鐘，而正常投訴需要登錄平臺(tái)、查詢信令平臺(tái)、感知平臺(tái)、網(wǎng)管平臺(tái)等多個(gè)平臺(tái)，最少需要60分鐘，效率提升12倍左右，投訴分析效率顯著提升，節(jié)省了大量人力成本。

3 結(jié)束語(yǔ)

運(yùn)用互聯(lián)網(wǎng)開(kāi)源工具與大數(shù)據(jù)分析手段，突破高鐵場(chǎng)景傳統(tǒng)分析和管控方法的瓶頸，利用Python、JavaScript以及Spss Modeler等互聯(lián)網(wǎng)工具和大數(shù)據(jù)分析軟件，以及利用高鐵用戶分離算法，首次提出“影響集中度”概念的高鐵車(chē)站擴(kuò)容標(biāo)準(zhǔn)，總結(jié)出一套高鐵網(wǎng)絡(luò)全方位管控及優(yōu)化方法，該方法具備車(chē)站擴(kuò)容指標(biāo)評(píng)估功能、用戶投訴快速響應(yīng)功能、網(wǎng)絡(luò)性能實(shí)時(shí)地理化顯示功能、跨省網(wǎng)絡(luò)形態(tài)的場(chǎng)景化分析與呈現(xiàn)能力、單用戶運(yùn)動(dòng)軌跡實(shí)時(shí)顯示功能、車(chē)廂內(nèi)用戶感知分析評(píng)估功能，能有效實(shí)現(xiàn)高鐵網(wǎng)絡(luò)點(diǎn)線場(chǎng)景快速精準(zhǔn)化分析與管控。

截止2019年5月累計(jì)實(shí)現(xiàn)網(wǎng)絡(luò)告警通報(bào)208次，處理1096條，極大提高網(wǎng)絡(luò)故障處理效率，提高了高鐵網(wǎng)絡(luò)穩(wěn)定性；智能分析處理VIP用戶投訴46次，平均時(shí)間由40分鐘降低為7分鐘，用戶滿意度由30%提升為90%。每月對(duì)省內(nèi)高鐵分析4次，累計(jì)評(píng)估80余次，共發(fā)現(xiàn)問(wèn)題點(diǎn)398處，真實(shí)反映了高鐵車(chē)廂內(nèi)用戶感知，為高鐵優(yōu)化提供新的思路，且減少了分析和測(cè)試成本支出；共完成30余次節(jié)假日和重要活動(dòng)（春節(jié)、國(guó)慶、未來(lái)網(wǎng)絡(luò)峰會(huì)、金博會(huì)等）保障，實(shí)時(shí)分析高鐵用戶感知指標(biāo)，提前進(jìn)行預(yù)警和快速投訴分析，多次圓滿完成保障了任務(wù)；本項(xiàng)目可以推廣實(shí)現(xiàn)其他重點(diǎn)場(chǎng)景，如校園、地鐵、機(jī)場(chǎng)等場(chǎng)景的快速迭代分析，提升重點(diǎn)場(chǎng)景整體分析管控效率和能力，提升網(wǎng)絡(luò)競(jìng)爭(zhēng)力和減少維護(hù)成本。