趙龍剛，劉漢生，王峰，狄爽

（1. 中國電信股份有限公司研究院，北京 102209；2. 中國電信集團有限公司，北京100032）

1 引言

隨著5G時代的到來，物聯(lián)網(wǎng)產(chǎn)業(yè)生態(tài)得到迅猛的發(fā)展，開卡終端數(shù)和客戶數(shù)也迎來了快速增長[1]。但在業(yè)務(wù)快速擴張的同時也出現(xiàn)了許多保障難題。一方面，與傳統(tǒng)業(yè)務(wù)相比，物聯(lián)網(wǎng)業(yè)務(wù)流程長、環(huán)節(jié)多，涉及終端側(cè)、無線側(cè)、核心網(wǎng)側(cè)、物聯(lián)網(wǎng)專網(wǎng)、應(yīng)用平臺等多個節(jié)點[2]（如圖1所示）。當(dāng)出現(xiàn)故障時，常常需要跨專業(yè)多部門逐級人工定段排查，不僅溝通成本較高，而且極易出現(xiàn)部門間推諉的情況，導(dǎo)致排障時間偏長。另一方面，物聯(lián)網(wǎng)在行業(yè)應(yīng)用場景繁多，包括高校、高鐵、商業(yè)區(qū)和寫字樓等情況。在各種復(fù)雜應(yīng)用場景與客戶業(yè)務(wù)行為的相互影響下，由于所處的客戶群體的使用特征不同，其表現(xiàn)的業(yè)務(wù)特征和網(wǎng)絡(luò)指標(biāo)也會有所差異，給網(wǎng)絡(luò)弱覆蓋優(yōu)化與質(zhì)差識別挖掘工作帶來了很大的難度。

在傳統(tǒng)物聯(lián)網(wǎng)優(yōu)化領(lǐng)域，質(zhì)差識別與弱覆蓋挖掘主要依靠客戶投訴和人工經(jīng)驗關(guān)聯(lián)優(yōu)化模式，或者基于整體網(wǎng)絡(luò)連接成功率與設(shè)備附著成功率等指標(biāo)進(jìn)行評估[3]。與移動通信網(wǎng)絡(luò)和寬帶網(wǎng)絡(luò)不同，物聯(lián)網(wǎng)服務(wù)對象為物而非人，終端本身并不具備感知或反饋的能力，基于客戶申訴的被動式優(yōu)化手段已經(jīng)難以滿足產(chǎn)業(yè)需求，需要保障方提供更為精準(zhǔn)的態(tài)勢感知和質(zhì)量評估能力[4]。同時，基于人工經(jīng)驗的優(yōu)化模式或基于全網(wǎng)整體指標(biāo)的評估模型，無法適配高度多樣性的終端產(chǎn)品形態(tài)[5]，實現(xiàn)覆蓋全業(yè)務(wù)的質(zhì)差優(yōu)化較為困難。

目前，業(yè)內(nèi)物聯(lián)網(wǎng)保障仍然缺乏智能化感知方法，因此本文基于物聯(lián)網(wǎng)業(yè)務(wù)行為特性，考慮引入人工智能和大數(shù)據(jù)技術(shù)，提出一個統(tǒng)一的端到端物聯(lián)網(wǎng)質(zhì)差識別及定位系統(tǒng)?；谠撓到y(tǒng)架構(gòu)設(shè)計，介紹了智能端到端業(yè)務(wù)保障流程，主要包括指標(biāo)體系搭建、客戶行為畫像質(zhì)差分析和端到端定位定段算法研究。并通過系統(tǒng)落地實踐驗證方案的有效性，為網(wǎng)絡(luò)智能運維提供借鑒和參考。

圖1 物聯(lián)網(wǎng)端到端網(wǎng)絡(luò)架構(gòu)

2 物聯(lián)網(wǎng)業(yè)務(wù)運營的需求與挑戰(zhàn)

物聯(lián)網(wǎng)業(yè)務(wù)呈現(xiàn)流程繁、規(guī)模大、環(huán)節(jié)多的特點，故障發(fā)現(xiàn)與定位困難的問題日益顯著，亟須對物聯(lián)網(wǎng)客戶端到端的業(yè)務(wù)質(zhì)量進(jìn)行更有效的質(zhì)量監(jiān)控及故障定界定段。結(jié)合物聯(lián)網(wǎng)業(yè)務(wù)保障現(xiàn)狀，經(jīng)前期與省公司運維運營人員、企業(yè)客戶溝通，總結(jié)物聯(lián)網(wǎng)業(yè)務(wù)保障以下4點需要重點解決的問題。

（1）缺乏預(yù)見性維護機制，客戶滿意度較低

目前，網(wǎng)絡(luò)質(zhì)差、終端故障、平臺連接失敗等原因會導(dǎo)致物聯(lián)網(wǎng)業(yè)務(wù)上報失敗，影響客戶正常生產(chǎn)，進(jìn)而遭到客戶投訴與質(zhì)疑。因此需要建立一種量化客戶業(yè)務(wù)體驗感知指標(biāo)體系，盡早消除潛在隱患，提升客戶滿意率。

（2）缺乏業(yè)務(wù)量化感知指標(biāo)體系，難以適配業(yè)務(wù)多樣性

由于目前維護方式重點關(guān)注網(wǎng)絡(luò)類指標(biāo)，但網(wǎng)絡(luò)指標(biāo)優(yōu)良并不一定業(yè)務(wù)穩(wěn)定，亟須對業(yè)務(wù)類指標(biāo)建立感知體系。同時物聯(lián)網(wǎng)終端設(shè)備具有場景繁、品牌多、更新快的特點，不同廠商、不同型號的業(yè)務(wù)感知指標(biāo)評價方法在存在相似性的同時也存在較大的差異性，在某一型號下的成熟感知評價模型很難適配多種廠商或多個型號。因此，需要在總結(jié)通用指標(biāo)的同時，針對各行業(yè)差異提煉專有指標(biāo)。

（3）缺乏智能化定位定段策略，人工運維費時費力

現(xiàn)階段，客戶投訴后，運維人員一般對平臺側(cè)、核心網(wǎng)側(cè)、小區(qū)無線網(wǎng)側(cè)、終端側(cè)層層進(jìn)行人工排查，涉及物聯(lián)網(wǎng)公司、網(wǎng)絡(luò)操作維護中心（network operation center，NOC）、客戶維護服務(wù)中心多個部門，處理費時費力。同時由于上層質(zhì)差可能導(dǎo)致群障質(zhì)差，需要對告警按區(qū)域或企業(yè)進(jìn)行合理歸并，降低重復(fù)性工作，提升工作效率。

（4）缺少閉環(huán)預(yù)警排障系統(tǒng)，部門間協(xié)同困難

由于物聯(lián)網(wǎng)業(yè)務(wù)涉及部門范圍廣、涵蓋終端多、流通環(huán)節(jié)長，且需人工質(zhì)差定段，需要較高的協(xié)調(diào)溝通成本?？刹捎脭?shù)字化手段，打通部門壁壘，在系統(tǒng)內(nèi)實現(xiàn)質(zhì)差識別、智能定段、工單整治全流程閉環(huán)操作[6]。為方便運維人員準(zhǔn)確定位相關(guān)終端，系統(tǒng)需要對識別的質(zhì)差終端能輸出關(guān)聯(lián)信息（如號碼、企業(yè)、位置等），能對因欠費等原因造成的質(zhì)差進(jìn)行過濾。為方便運維人員準(zhǔn)確定位相關(guān)終端，需要對與質(zhì)差相關(guān)的信息進(jìn)行輸出。同時由于少量終端處于待調(diào)測或欠費狀態(tài)，極易被誤判為質(zhì)差，需要準(zhǔn)確過濾篩選，減少誤告警。

3 物聯(lián)網(wǎng)端到端業(yè)務(wù)保障方案

針對上述物聯(lián)網(wǎng)運營過程中亟待解決的問題，構(gòu)建覆蓋全流程的物聯(lián)網(wǎng)業(yè)務(wù)保障系統(tǒng)勢在必行。其核心是打通各環(huán)節(jié)專業(yè)壁壘，建立分企業(yè)分產(chǎn)品量化感知指標(biāo)體系，實現(xiàn)故障精準(zhǔn)定位，協(xié)助運維人員快速高效地提升業(yè)務(wù)感知。物聯(lián)網(wǎng)業(yè)務(wù)包括網(wǎng)絡(luò)接入、服務(wù)接入、網(wǎng)絡(luò)切換、服務(wù)切換4個部分，橫跨客戶平臺側(cè)、物聯(lián)網(wǎng)平臺側(cè)、核心網(wǎng)/專網(wǎng)側(cè)、無線側(cè)和終端側(cè)多個環(huán)節(jié)，可以采用大數(shù)據(jù)采集技術(shù)匯聚各階段日志數(shù)據(jù)，基于業(yè)務(wù)畫像及網(wǎng)絡(luò)感知實現(xiàn)質(zhì)差精準(zhǔn)識別，通過歷史故障因果關(guān)系完成快速定位定段?；诖嗽谏蠈訕?gòu)造實時的客戶質(zhì)量監(jiān)控及質(zhì)差診治應(yīng)用，明確業(yè)務(wù)質(zhì)差的影響因素與責(zé)任劃分，并對接現(xiàn)有電子工單系統(tǒng)完成派發(fā)閉環(huán)，實現(xiàn)日常隱患的高效優(yōu)化。具體架構(gòu)如圖2所示。

3.1 全流程感知指標(biāo)體系搭建

為滿足多樣的、動態(tài)變化的行業(yè)客戶業(yè)務(wù)需求，首先需要靈活完備的指標(biāo)感知體系。物聯(lián)網(wǎng)質(zhì)差感知指標(biāo)體系如圖3所示，在已有的通用網(wǎng)絡(luò)類指標(biāo)感知指標(biāo)基礎(chǔ)之上，增添了業(yè)務(wù)類和客戶感知類指標(biāo)。指標(biāo)體系包括網(wǎng)絡(luò)層、業(yè)務(wù)層和客戶感知層3層架構(gòu)。其中，網(wǎng)絡(luò)層和業(yè)務(wù)層主要提取通用指標(biāo)（如無線連接成功率、尋呼擁塞率、終端在線率等），重點關(guān)注終端的接入及網(wǎng)絡(luò)的連通，保障客戶業(yè)務(wù)穩(wěn)定可用；客戶感知層則針對不同行業(yè)的業(yè)務(wù)特點，研究不同客戶的需求差異，篩選得到客戶最關(guān)注的業(yè)務(wù)指標(biāo)，力爭做到在客戶感知質(zhì)差前消除隱患，實現(xiàn)精準(zhǔn)防治。

三層感知指標(biāo)體系的搭建，使物聯(lián)網(wǎng)業(yè)務(wù)保障從傳統(tǒng)的網(wǎng)元類指標(biāo)保障升級至業(yè)務(wù)網(wǎng)絡(luò)雙提升模式。借助統(tǒng)一數(shù)據(jù)湖技術(shù)[7]完成網(wǎng)絡(luò)與業(yè)務(wù)感知全量數(shù)據(jù)采集，利用Spark、Hadoop等大數(shù)據(jù)處理技術(shù)實現(xiàn)各指標(biāo)的快速計算，形成實時準(zhǔn)確的感知研判體系。三層指標(biāo)至下而上，重要程度依次增強，越往上層指標(biāo)與客戶體驗相關(guān)性越強。感知層保障優(yōu)先級最高，觸發(fā)一般需要立刻派單整治；網(wǎng)絡(luò)層的重要性則相對較低，可以采取預(yù)警結(jié)合觀察研判的方法進(jìn)行防治。

圖2 物聯(lián)網(wǎng)業(yè)務(wù)保障系統(tǒng)分層架構(gòu)

圖3 物聯(lián)網(wǎng)質(zhì)差感知指標(biāo)體系

3.2 基于大數(shù)據(jù)畫像的業(yè)務(wù)質(zhì)差識別研究

3.2.1 企業(yè)指紋庫構(gòu)建

上文介紹了全流程感知指標(biāo)體系的搭建，指標(biāo)體系可以分為面向網(wǎng)絡(luò)指標(biāo)及面向業(yè)務(wù)和客戶類指標(biāo)。目前，網(wǎng)絡(luò)指標(biāo)已有成熟的感知評估體系，通過設(shè)定網(wǎng)絡(luò)連接成功率、網(wǎng)絡(luò)傳輸時延等關(guān)鍵績效指標(biāo)（key performance indicator，KPI），超過閾值觸發(fā)告警，有效保障了網(wǎng)絡(luò)質(zhì)量。但日常運維中經(jīng)常出現(xiàn)網(wǎng)絡(luò)感知優(yōu)良但客戶申訴業(yè)務(wù)異常的情況，如異常下線、無法注冊、終端失活等。與網(wǎng)絡(luò)指標(biāo)較為平穩(wěn)不同，由于物聯(lián)網(wǎng)終端的使用場景及廠商偏好設(shè)置的不同，業(yè)務(wù)行為存在相似性的同時也存在較大的差異性。如水表氣表等抄表類業(yè)務(wù)，使用物聯(lián)網(wǎng)卡重點是實現(xiàn)數(shù)據(jù)智能上傳，因此客戶對上行包是否發(fā)送成功較為關(guān)注；而路燈等尋呼類業(yè)務(wù)，重點是接收路燈開滅下控指令，較高的下控成功率是保障業(yè)務(wù)平穩(wěn)運行的關(guān)鍵。同時由于同一形態(tài)終端開發(fā)廠商不同，設(shè)定的上報周期、心跳頻率等業(yè)務(wù)指標(biāo)也有較大區(qū)別，需要分企業(yè)建立特征指紋庫。

首先，基于已有歷史終端業(yè)務(wù)數(shù)據(jù)，構(gòu)建分產(chǎn)品分企業(yè)單客戶單日特征寬表，并在此基礎(chǔ)上結(jié)合專家經(jīng)驗篩選特征提取物聯(lián)網(wǎng)終端質(zhì)差特征矩陣；然后基于滑窗聚類算法尋找指標(biāo)中心點，并基于密度分布情況粗粒度估算指標(biāo)偏移情況[8]，形成企業(yè)特征指紋庫。具體步驟如下。

步驟1針對單一指標(biāo)或多個相關(guān)性較強指標(biāo)集合（如單日業(yè)務(wù)上報次數(shù)、單日注冊次數(shù)與注冊成功率），確立滑動框半徑a，隨機選取點O為中心點，記錄滑動框中覆蓋點數(shù)。

步驟2滑動框每次迭代均向覆蓋點數(shù)會更多的方向迭代，即滑動窗口不斷向覆蓋點密度更大的區(qū)域移動；上述多個隨機點會產(chǎn)生多個滑動框，取框中值最大3個點作為初步中心點。

步驟3根據(jù)上述步驟產(chǎn)生的多個初步中心點為中心，調(diào)節(jié)涵蓋半徑r，r調(diào)節(jié)機制為，其中θ為調(diào)節(jié)因子，被用來調(diào)整范圍，X為覆蓋的點數(shù)目，若最終多個中心點及半徑有重疊，進(jìn)行歸并合并，完成初步企業(yè)質(zhì)差指紋庫構(gòu)建。

根據(jù)物聯(lián)網(wǎng)業(yè)務(wù)特點，企業(yè)指紋庫共提取時間及統(tǒng)計特性、注冊激活特性、平臺下控特性、終端上報特性、平臺響應(yīng)特性、消息隊列遙測傳輸（message queuing telemetry transport，MQTT）協(xié)議特性六大類十九維特征，基于各特征與質(zhì)差終端的相關(guān)性，篩選得到顯著特征，并結(jié)合上述企業(yè)質(zhì)差指紋庫構(gòu)建方法，形成差異化的終端質(zhì)差企業(yè)畫像，見表1。

3.2.2 單終端業(yè)務(wù)行為畫像研究

企業(yè)指紋庫搭建能在粗粒度確定各業(yè)務(wù)指標(biāo)區(qū)間，能夠滿足大部分情況下的分企業(yè)分產(chǎn)品業(yè)務(wù)感知要求。但在試點過程中發(fā)現(xiàn)，同一終端應(yīng)用在不同的業(yè)務(wù)環(huán)境中，其業(yè)務(wù)行為會發(fā)生較大差異。以抄表類水表終端為例，一般狀態(tài)下其單日業(yè)務(wù)上報集中在5次以內(nèi)，但在高校等需要頻繁計費的場景下單日業(yè)務(wù)上報可能達(dá)百次以上，單純地依靠企業(yè)畫像質(zhì)差識別，很容易將其誤判為頻繁上下線。同時，在終端安裝調(diào)測時，經(jīng)常會人工產(chǎn)生大量失敗注冊包，與質(zhì)差業(yè)務(wù)區(qū)分較為困難。此外，終端是否在平臺注冊、終端網(wǎng)絡(luò)是否覆蓋良好等特性在企業(yè)維度均很難體現(xiàn)，需要建立面向單終端行為畫像特征，進(jìn)而精確描述終端行為特性。目前，結(jié)合物聯(lián)網(wǎng)業(yè)務(wù)行為，單終端畫像主要記錄業(yè)務(wù)上報、平臺注冊、基站切換3個維度。

（1）單終端業(yè)務(wù)上報特性

終端上報次數(shù)與所屬企業(yè)相關(guān)程度較低，與所屬應(yīng)用場景表現(xiàn)強相關(guān)?；诖艘?guī)律，通過統(tǒng)計各終端歷史平均上傳頻率，針對每個終端設(shè)置不同的上傳上限閾值，進(jìn)而識別終端異常上報。

（2）終端平臺注冊特性

由于目前錄入終端管理系統(tǒng)顯示為“在用”的終端中，存在實際屬性為調(diào)測終端的情況。而調(diào)測終端一般尚未在平臺中注冊，其注冊類輸指標(biāo)全為超時或失敗，極易與質(zhì)差終端混淆。為解決上述問題，針對單個終端設(shè)計歷史上行注冊行為的統(tǒng)計指標(biāo)，只要歷史行為中有一次以上的平臺注冊成功即認(rèn)為是在用終端，否則為待調(diào)測終端。

（3）終端對應(yīng)基站切換特性

經(jīng)過質(zhì)差終端分析，發(fā)現(xiàn)部分質(zhì)差客戶接入小區(qū)頻繁切換，疑似質(zhì)差原因為網(wǎng)絡(luò)弱覆蓋。因此在建立單終端客戶行為畫像時，通過記錄其最近3日接入的小區(qū)，若該終端確為質(zhì)差，對比其歷史接入小區(qū)切換的頻繁程度，若頻繁切換，作為網(wǎng)絡(luò)弱覆蓋輔助依據(jù)。

表1 物聯(lián)網(wǎng)業(yè)務(wù)感知通用關(guān)鍵指標(biāo)

3.3 端到端定位定段算法研究

在質(zhì)差完成排檢后，需要及時定段定位，聯(lián)系維護人員快速響應(yīng)。物聯(lián)網(wǎng)手工故障定段定界過程如圖4所示，目前物聯(lián)網(wǎng)網(wǎng)絡(luò)指標(biāo)感知定段定界已形成體系化的手工維護方法。但由于涉及環(huán)節(jié)眾多，需要層層排查，費時費力，很容易發(fā)生誤判。具體而言，在當(dāng)前的物聯(lián)網(wǎng)業(yè)務(wù)中，當(dāng)收到客戶報修，例如上報投訴物聯(lián)網(wǎng)終端無傳輸數(shù)據(jù)等情況時，物聯(lián)網(wǎng)業(yè)務(wù)平臺運維人員首先會人工關(guān)聯(lián)無線網(wǎng)側(cè)的KPI，以進(jìn)行無線側(cè)排查；隨后，運維人員再人工檢測平臺側(cè)、核心網(wǎng)側(cè)連接數(shù)據(jù)是否正常；之后再派遣外勤人員等赴現(xiàn)場排查異常終端等問題。

在此，由于物聯(lián)網(wǎng)異常定位涉及終端側(cè)、平臺側(cè)、無線小區(qū)側(cè)、核心網(wǎng)側(cè)等多個環(huán)節(jié)，人工審查定位費時費力。更關(guān)鍵的是，由于物聯(lián)網(wǎng)系統(tǒng)中各個環(huán)節(jié)間耦合緊密，基于簡單的相關(guān)性指標(biāo)難以準(zhǔn)確定位異常的根本原因。如果上層環(huán)節(jié)發(fā)生異常后，通常會發(fā)生群障告警，往往容易定位至淺層，難以定位根本原因[9-10]。本文探索一種基于因果學(xué)習(xí)的物聯(lián)網(wǎng)質(zhì)差根因定位方法，主要步驟如下。

（1）根因圖構(gòu)造

采集歷史異常根因樣本，并且結(jié)合本業(yè)務(wù)領(lǐng)域?qū)＜抑R對相關(guān)根因進(jìn)行補充；如圖5（a）所示，首先構(gòu)造所有異常結(jié)果與異常原因的全連通圖，刪除條件相互獨立的相鄰節(jié)點之間的連接，并根據(jù)歷史根因關(guān)聯(lián)及本業(yè)務(wù)領(lǐng)域?qū)＜抑R確立連接方向。

圖4 物聯(lián)網(wǎng)手工故障定段定界過程[1]

（2）根節(jié)點前向溯源

如圖5（b）所示，從根節(jié)點出發(fā)計算相鄰節(jié)點異常指標(biāo)相關(guān)程度，持續(xù)前向遍歷，直至節(jié)點之間的相關(guān)程度低于閾值。

（3）因節(jié)點后向游走

如圖5（c）所示，從原因節(jié)點到根因節(jié)點進(jìn)行后向游走，基于該原因節(jié)點的后向節(jié)點與該原因節(jié)點的兄弟節(jié)點之間的異常指標(biāo)相關(guān)程度評估是否后退回該原因節(jié)點的父節(jié)點。

（4）物聯(lián)網(wǎng)異常根因判定

綜合所述根節(jié)點前向游走步驟和所述因節(jié)點后向游走步驟的檢測結(jié)果，以相關(guān)系數(shù)與歷史轉(zhuǎn)移概率加權(quán)，輸出導(dǎo)致物聯(lián)網(wǎng)異常的最終根因判別結(jié)果。

圖5 定位定段流程

3.4 物聯(lián)網(wǎng)端到端業(yè)務(wù)保障能力應(yīng)用實踐

3.4.1 案例實踐

以物聯(lián)網(wǎng)NB水表在某運營商中部A省B企業(yè)為例，介紹質(zhì)差分析及定界定段相關(guān)實踐過程。其月活躍NB終端約10.1萬個，安裝該終端NB小區(qū)約0.11萬個（只統(tǒng)計部署該類型終端30個以上小區(qū)）。

（1）企業(yè)指紋庫構(gòu)建

由于網(wǎng)絡(luò)感知指標(biāo)隨業(yè)務(wù)場景變化不大，且相關(guān)定義已較為成熟，水表及其他產(chǎn)品均采用統(tǒng)一指標(biāo)及閾值進(jìn)行質(zhì)差識別，具體見表2。網(wǎng)絡(luò)類感知指標(biāo)由無線網(wǎng)、承載網(wǎng)、平臺側(cè)3部分組成，當(dāng)網(wǎng)絡(luò)類指標(biāo)出現(xiàn)輕度質(zhì)差且業(yè)務(wù)感知良好時，前期先預(yù)警觀察；若業(yè)務(wù)及客戶感知出現(xiàn)質(zhì)差波動，則派發(fā)維護工單，并利用相關(guān)網(wǎng)絡(luò)指標(biāo)變化情況輔助定界定段。

表2 物聯(lián)網(wǎng)網(wǎng)絡(luò)感知關(guān)鍵指標(biāo)及質(zhì)差區(qū)間

水表是典型的監(jiān)測上報類業(yè)務(wù)，其以上行通信為主，下行通信為輔，因此業(yè)務(wù)感知分析時重點關(guān)注激活特性和終端上報特性類指標(biāo)。由于產(chǎn)品規(guī)格和客戶習(xí)慣的差異，不同企業(yè)的NB水表終端在數(shù)據(jù)特性上存在一定的差異性，但其又同時具備水表場景的業(yè)務(wù)特點。以注冊激活特性指標(biāo)為例，部分企業(yè)水表終端設(shè)置為常帶電狀態(tài)，只需上電后與平臺通信注冊成功一次，日常不再發(fā)送激活注冊包；部分企業(yè)設(shè)置了休眠模式，水表在每次喚醒上報前均需向平臺注冊，同時不同企業(yè)設(shè)置的業(yè)務(wù)上報的頻率及失敗重傳次數(shù)通常會有所區(qū)別。A省NB水表各企業(yè)終端平均注冊周期分布圖如圖6（a）所示，約69%的客戶下屬水表終端平臺在1～3天內(nèi)向平臺發(fā)起注冊請求，但也有約6%的客戶終端設(shè)置不休眠狀態(tài)，單終端平均發(fā)送注冊請求在10天以上；而同一企業(yè)其注冊行為較為一致（如圖6（b）所示），因此針對業(yè)務(wù)指標(biāo)需要分企業(yè)設(shè)置不同質(zhì)差標(biāo)準(zhǔn)。

圖6 NB水表注冊周期分布

按企業(yè)計算各業(yè)務(wù)指標(biāo)分布后可采用聚類或統(tǒng)計分布方法完成質(zhì)差區(qū)間選擇，圖6（b）所示的注冊周期類指標(biāo)分布較為聚集，采用各種算法得到結(jié)果均能取得良好效果。但某些指標(biāo)分布較為分散，且有多個正常中心點，采用距離聚類或統(tǒng)計分布方法就不再適用。K-means質(zhì)差聚類判定結(jié)果如圖7（a）所示，由于業(yè)務(wù)次數(shù)及業(yè)務(wù)成功率的分隔都較大，采用基于距離的聚類方法較難確定符合業(yè)務(wù)認(rèn)知的質(zhì)差區(qū)間。本文質(zhì)差區(qū)間判定結(jié)果如圖7（b）所示，本文首先基于密度確定數(shù)據(jù)點的質(zhì)心位置，然后通過調(diào)整中心點囊括范圍確定各指標(biāo)質(zhì)差區(qū)間，最終取得較好的識別結(jié)果。

圖7 A省內(nèi)B企業(yè)下屬水表終端COAP通信次數(shù)與成功率質(zhì)差聚類結(jié)果

（2）單終端行為畫像分析

上述步驟可以確定水表企業(yè)通用指標(biāo)質(zhì)差區(qū)間，但由于工作場景及環(huán)節(jié)的不同，終端歷史行為存在偏差。A省B企業(yè)各小區(qū)單日業(yè)務(wù)上報次數(shù)分布示意圖如圖8所示，B企業(yè)在A省業(yè)務(wù)上報行為分布圖，客戶總體單日業(yè)務(wù)上報雖然聚集在[0，20]，但其受使用場景因素的影響較大，在高校等頻繁計費場景下單日平均上報可能在700次左右，因此在企業(yè)指紋庫基礎(chǔ)上需要補充終端歷史業(yè)務(wù)行為作為擴充，根據(jù)單一終端歷史業(yè)務(wù)行為數(shù)據(jù)聚類確定質(zhì)差區(qū)間。

圖8 A省B企業(yè)各小區(qū)單日業(yè)務(wù)上報次數(shù)分布示意圖

此外，由于水表在安裝過程中會進(jìn)行多輪調(diào)試，調(diào)測過程中由于終端未激活等原因會產(chǎn)生大量的失敗業(yè)務(wù)請求，拉低終端及小區(qū)業(yè)務(wù)成功率，導(dǎo)致系統(tǒng)誤告警?？苫趩谓K端行為畫像記錄其歷史激活行為，進(jìn)而區(qū)分調(diào)測終端。

基于上述步驟（1）（2），系統(tǒng)對A省B企業(yè)月均自動識別質(zhì)差39.4單，派發(fā)經(jīng)運維人員驗證后準(zhǔn)確率達(dá)80%左右；月均識別待調(diào)測終端125.4個，有效降低了系統(tǒng)誤報，經(jīng)應(yīng)用方評估已能滿足業(yè)務(wù)感知監(jiān)控需求。

（3）定段定界與運維排障

結(jié)合上文圖5與實例說明系統(tǒng)定段定界方法。當(dāng)物聯(lián)網(wǎng)某小區(qū)業(yè)務(wù)成功率出現(xiàn)突降發(fā)生質(zhì)差現(xiàn)象，對應(yīng)圖5（b）中果節(jié)點。與該質(zhì)差現(xiàn)象對應(yīng)的直接根因有：小區(qū)RRC連接成功率低、單終端頻繁業(yè)務(wù)質(zhì)差、小區(qū)01覆蓋占比較低，分別對應(yīng)圖5（b）中因1、因2、因3節(jié)點。若與質(zhì)差現(xiàn)象的果節(jié)點直接關(guān)聯(lián)的因節(jié)點也存在質(zhì)差現(xiàn)象，則繼續(xù)前向溯源，即因1前向關(guān)聯(lián)到地市本地網(wǎng)質(zhì)差，對應(yīng)圖5（b）中所示因4節(jié)點。由于該地市本地網(wǎng)質(zhì)差除關(guān)聯(lián)因1小區(qū)外，還關(guān)聯(lián)多個小區(qū)（對應(yīng)圖5（c）中因8、因9節(jié)點），一般而言，本地網(wǎng)質(zhì)差其下游指標(biāo)必會出現(xiàn)屬地小區(qū)群障質(zhì)差，因此后向回溯時，若與此相關(guān)的下游指標(biāo)未出現(xiàn)質(zhì)差情況，可基本判定根因為上一級，即定位至小區(qū)級質(zhì)差。圖5（c）中從因4到因1的反向箭頭，將候選根因回溯定位到小區(qū)，最終派單定位為無線網(wǎng)小區(qū)側(cè)排查。

目前，B企業(yè)在A省月均派發(fā)的質(zhì)差工單中，定界無線網(wǎng)小區(qū)質(zhì)差月均7.1單，定界終端側(cè)或客戶側(cè)質(zhì)差月均32.3單，暫無平臺側(cè)及專網(wǎng)側(cè)質(zhì)差，在質(zhì)差識別準(zhǔn)確情況下定界定段準(zhǔn)確率達(dá)90%以上，有效明確了質(zhì)差的影響等級以及責(zé)任主體，為各專業(yè)協(xié)同保障提供技術(shù)支撐。

3.4.2 工單派發(fā)

物聯(lián)網(wǎng)業(yè)務(wù)質(zhì)差識別與定界定段方法，目前通過對接電子工單系統(tǒng)已經(jīng)在某運營商實現(xiàn)了流程化落地應(yīng)用。業(yè)務(wù)流程如圖9所示，首先基于大數(shù)據(jù)湖技術(shù)，系統(tǒng)統(tǒng)一采集匯聚各省網(wǎng)絡(luò)類、業(yè)務(wù)日志及性能數(shù)據(jù)，實現(xiàn)業(yè)務(wù)集中管控；然后結(jié)合指標(biāo)感知體系、質(zhì)差識別及定界定段模塊，實現(xiàn)質(zhì)差快速預(yù)警與定界；最后將告警消息與定段推送至數(shù)據(jù)共享平臺，實現(xiàn)業(yè)務(wù)告警與電子工單系統(tǒng)對接，完成質(zhì)差發(fā)現(xiàn)、故障定界與派單整治閉環(huán)構(gòu)建。

圖9 物聯(lián)網(wǎng)端到端業(yè)務(wù)保障能力業(yè)務(wù)流程

4 結(jié)束語

與物聯(lián)網(wǎng)業(yè)務(wù)的快速發(fā)展相比，目前對物聯(lián)網(wǎng)業(yè)務(wù)的保障手段遠(yuǎn)遠(yuǎn)滯后于產(chǎn)業(yè)增長水平。本文聚焦于客戶、業(yè)務(wù)、網(wǎng)絡(luò)3層感知結(jié)果，基于大數(shù)據(jù)畫像技術(shù)和因果關(guān)系分析方法，探索了一套自動化質(zhì)差識別與定界定段方案。通過在實踐中不斷迭代驗證，實現(xiàn)了運維模式由網(wǎng)元KPI向業(yè)務(wù)關(guān)鍵感知指標(biāo)（key quality indicator，KQI）的轉(zhuǎn)型，提升了物聯(lián)網(wǎng)運維工作的效率和準(zhǔn)確性。

然而，受制于標(biāo)簽樣本規(guī)模，本文針對物聯(lián)網(wǎng)質(zhì)差的根因分析仍是初期的定界，工單派發(fā)后仍然需要運維人員結(jié)合告警及性能數(shù)據(jù)進(jìn)行根因細(xì)化。后續(xù)工作還需要結(jié)合運維工程中產(chǎn)生的根因標(biāo)簽，基于機器學(xué)習(xí)方法補充相關(guān)因果關(guān)系，力爭做到精準(zhǔn)定位。