劉天雪 郝雙洋 楊姣等

摘要：圍繞數(shù)字化運營建設要求，基于VoLTE端到端關聯(lián)分析系統(tǒng)多維度對IMS域網(wǎng)絡關鍵性能指標中的相關失敗次數(shù)做波動分析，實現(xiàn)網(wǎng)絡KPI波動告警和劣化指標異常原因定界定位，對網(wǎng)絡異常做出智能預警，在問題暴露前優(yōu)化網(wǎng)絡，以免對業(yè)務造成影響。通過數(shù)智化手段多維度分析定位移動網(wǎng)絡語音質(zhì)差根固，實現(xiàn)網(wǎng)絡隱患故障的早預警、早發(fā)現(xiàn)、早處理，提升運營效率和網(wǎng)絡質(zhì)量。

關鍵詞：數(shù)字化運營；語音質(zhì)差根因；運營效率

中圖法分類號：TN929 文獻標識碼：A

１ 引言

隨著移動通信網(wǎng)的不斷發(fā)展，基于ＩＭＳ 網(wǎng)絡的移動網(wǎng)絡語音方案已成為主流，但是ＶｏＬＴＥ 語音呼叫流程復雜，一次呼叫經(jīng)過多個域，眾多網(wǎng)元、核心網(wǎng)側(cè)信令交互達１００ 多次，在發(fā)生定位故障及處理用戶投訴時，為了對每一個異常故障及呼叫做到準確歸因，需要有經(jīng)驗的工程師花費近１ 小時或更長時間進行根因判斷定位，這不僅耗時耗力，而且效率低下。

傳統(tǒng)運維模式不僅低效，還消耗了大量的人力資源。傳統(tǒng)運維一直處于被動運維的狀態(tài)，因此若要由被動變主動，提高維護效率是關鍵。本文從提升核心網(wǎng)網(wǎng)絡質(zhì)量和人員維護效率角度，構(gòu)建移動網(wǎng)絡語音質(zhì)差根因定位模型，通過監(jiān)控移動核心網(wǎng)網(wǎng)元關鍵指標閾值準確發(fā)現(xiàn)質(zhì)差指標，利用多接口關聯(lián)的端到端平臺，自動完成質(zhì)差指標的分析和定界，并將定界結(jié)果輸出給相關專業(yè)人員進行優(yōu)化，做到準確、及時、主動發(fā)現(xiàn)網(wǎng)絡隱患故障問題，以達到提升網(wǎng)絡質(zhì)量和維護效率的目的。

２ 移動網(wǎng)絡語音質(zhì)差根因定位模型概述

２．１ 整體描述

移動網(wǎng)絡語音質(zhì)差根因定位模型分為數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析與生產(chǎn)派單系統(tǒng)互通等模塊。

數(shù)據(jù)采集，結(jié)合維護一線在數(shù)字化轉(zhuǎn)型過程的使用需求，依托ＶｏＬＴＥ 端到端關聯(lián)分析平臺數(shù)據(jù)，將三域ＸＤＲ 話單和ＭＲ 話單進行數(shù)據(jù)統(tǒng)一采集，具體采集５ＧＣ 域（８ 個） Ｎ１／ Ｎ２，Ｎ７，Ｎ８，Ｎ１０，Ｎ１１，Ｎ１２，Ｎ１４，Ｎ２６ 等接口ＸＤＲ 話單；ＥＰＣ 域（１ 個） Ｓ１?ＭＭＥ 接口ＸＤＲ 話單；ＩＭＳ 域（１１ 個） Ｇｍ，Ｍｗ，ＩＳＣ，Ｍｇ，Ｍｉ／ Ｍｊ，Ｍｘ，Ｒｘ，Ｇｘ，Ｃｘ，Ｓｈ，ＳＧｉ 媒體等接口ＸＤＲ 話單，以及４Ｇ／５Ｇ ＭＲ 話單。其實現(xiàn)了各域數(shù)據(jù)的統(tǒng)一采集，為后續(xù)的數(shù)據(jù)分析提供有效、實時、準確的數(shù)據(jù)源。

數(shù)據(jù)處理，在深入理解移動網(wǎng)語音業(yè)務及信令特征的基礎上，將一次業(yè)務所涵蓋的５ＧＣ，ＩＭＳ，ＥＰＣ 三域各單接口話單以及ＭＲ 話單，根據(jù)時間、號碼、會話ＩＤ 等信息，合成一條多接口關聯(lián)的端到端話單。數(shù)據(jù)的統(tǒng)一整合、統(tǒng)一處理，實現(xiàn)了數(shù)字化能力的一點處理。

數(shù)據(jù)分析，是監(jiān)控５ 分鐘粒度的關鍵指標。其利用策略梯度算法，學習預測動態(tài)閾值，精準發(fā)現(xiàn)質(zhì)差指標，結(jié)合多域端到端關聯(lián)數(shù)據(jù)，進一步對指標進行大數(shù)據(jù)智能分析。按照不同維度、不同時間粒度聚類分析，利用決策樹算法，根據(jù)不同原因的劣化權重和劣化偏離度，自動匹配專家知識庫，定位質(zhì)差故障節(jié)點和故障原因，輸出質(zhì)差根因，從而實現(xiàn)網(wǎng)絡隱患故障的早預警、早發(fā)現(xiàn)、早處理，提升運營效率和網(wǎng)絡質(zhì)量。

與生產(chǎn)派單系統(tǒng)互通，實現(xiàn)帶有根因定位的異常ＫＰＩ 波動告警，通過一級ＮＦＯ 派發(fā)到專業(yè)人員，并對返單內(nèi)容進行分析處理。

２．２ 主要功能描述

（１）數(shù)據(jù)采集。

采集５ＧＣ 域，ＥＰＣ 域，ＩＭＳ 域以及ＭＲ 話單，并對其進行校驗，自動修正異常數(shù)據(jù)，按照分鐘級粒度將數(shù)據(jù)匯聚到文件，并對文件內(nèi)的記錄按照時間進行排序存儲。

（２）多接口話單呈現(xiàn)。

對采集到的數(shù)據(jù)，進行全業(yè)務流程的端到端關聯(lián)，形成多接口的ＶｏＬＴＥ／ ＥＰＳ 及ＦＢ／ ＶｏＮＲ 業(yè)務話單，同時關聯(lián)跨域端到端全流程的業(yè)務結(jié)果、首拆網(wǎng)元、錯誤碼、定界原因等業(yè)務質(zhì)量字段。

（３）移動網(wǎng)語音業(yè)務關鍵指標呈現(xiàn)。

通過報表和圖形化方式，呈現(xiàn)移動網(wǎng)語音業(yè)務關鍵指標，包括ＶｏＬＴＥ 初始注冊成功、ＶｏＬＴＥ 網(wǎng)絡接通率（剔除用戶原因） 、ＶｏＬＴＥ ＴＯ ＶｏＬＴＥ 接續(xù)時延、ＥＰＳＦＢ 成功率、尋呼成功率等。

（４）質(zhì)差根因分析。

通過監(jiān)控５ 分鐘粒度的關鍵指標，利用策略梯度算法，學習預測動態(tài)閾值，精準發(fā)現(xiàn)質(zhì)差指標，結(jié)合多域端到端關聯(lián)數(shù)據(jù)，進一步對性能指標進行大數(shù)據(jù)智能分析，按照不同維度、不同時間粒度聚類分析，利用決策樹算法，根據(jù)不同原因的劣化權重和劣化偏離度，自動匹配專家知識庫，定位質(zhì)差故障節(jié)點和故障原因，數(shù)智化輸出質(zhì)差根因［１～２］ 。

質(zhì)差根因分析模型的主要功能如下。

① ＫＰＩ 指標異常檢測。通過監(jiān)控５ 分鐘粒度的ＩＭＳ 域關鍵性能指標，利用策略梯度算法，學習預測動態(tài)閾值，精準發(fā)現(xiàn)質(zhì)差指標。通過劣化指標可以及時發(fā)現(xiàn)網(wǎng)絡存在的風險、隱患等，以便運營人員及時采取相應的解決和優(yōu)化措施，降低網(wǎng)絡故障率，提高運營效率。

② 網(wǎng)元級聚類分析。按５ 分鐘、１５ 分鐘、１ 小時、１ 天等多時間粒度，以關鍵ＫＰＩ 為入口，自動實現(xiàn)網(wǎng)元維度異常原因的逐層鉆取分析，精準定位故障網(wǎng)元。

并以圖形化界面簡單清晰地呈現(xiàn)ＳＩＰ 首拆占比、定界域占比、定界結(jié)果占比。

③ 用戶級聚類分析。以用戶業(yè)務記錄為入口，實現(xiàn)用戶任意時間粒度失敗業(yè)務的ＳＩＰ 首拆消息、定界域、定界網(wǎng)元報表的高效呈現(xiàn)。

④ 小區(qū)級聚類分析。按５ 分鐘、１５ 分鐘、１ 小時、１ 天等多時間粒度，以關鍵ＫＰＩ 為入口，智能實現(xiàn)小區(qū)維度異常原因的逐層鉆取分析，精準定位質(zhì)差小區(qū)，并以圖形化界面直觀呈現(xiàn)ＳＩＰ 首拆占比、定界域占比、定界結(jié)果占比［３～６］ 。

（５）專家?guī)炷Ｐ汀?/p>

針對不同網(wǎng)絡指標，通過地市維度、網(wǎng)元維度、小區(qū)維度、終端維度進行聚類分析，得出劣化的錯誤碼、警告代碼、警告正文等信息，若能匹配上專家?guī)?，則直接輸出專家?guī)斓亩ń缃Y(jié)果、定界原因和處理建議，轉(zhuǎn)專業(yè)人員直接優(yōu)化處理；若不能匹配上專家?guī)?，則轉(zhuǎn)專家分析，對分析結(jié)果進行現(xiàn)網(wǎng)驗證，固化該質(zhì)差場景的信令特征，并將其增加到專家根因庫。

專家?guī)鞂⒃蛎鞔_或經(jīng)過回單驗證過的根因和處理方法進行逐一匯總，并通過智能算法對回單結(jié)果進行分析處理，不斷優(yōu)化、更新、完善專家?guī)臁?/p>

移動網(wǎng)絡語音質(zhì)差根因定位系統(tǒng)根據(jù)不同的語音質(zhì)差場景建立對應的專家?guī)炷Ｐ?，如ＶｏＬＴ?初始注冊異常根因庫、ＶｏＬＴＥ 網(wǎng)絡接通異常根因庫和ＥＰＳＦＢ網(wǎng)絡接通率根因庫模型等。

（６）解決方案智能匹配。

針對劣化指標，關聯(lián)根因庫對其進行定界定位，基于根因定位結(jié)果，智能生成相應的解決方案。

（７）工單系統(tǒng)對接及交互。

和工單系統(tǒng)同步工單編號、工單主題、派單日期、工單狀態(tài)、質(zhì)差根因、解決方案。系統(tǒng)根據(jù)派單規(guī)則和根因定位情況，將ＫＰＩ 指標異常的告警派發(fā)到相關單位或相關人員進行處理，攜帶信息主要包括網(wǎng)絡類型、網(wǎng)元名稱、ＫＰＩ 名稱、時間、異常情況、波動子項信息、根因定位、建議處理步驟等。接單人對ＫＰＩ 異常波動告警工單進行處理，直至告警恢復。告警恢復后，總結(jié)處理步驟，并按照固定格式回單。

（８）專家?guī)旄隆?/p>

專家?guī)旄虏扇≈悄埽粒?算法進行自動學習更新，系統(tǒng)支持根據(jù)回單結(jié)果對專家?guī)熘械母蚨ㄎ贿M行更新，包括對指標檢測閾值進行調(diào)整優(yōu)化，以不斷提升系統(tǒng)告警有效性和根因定位準確性。

系統(tǒng)根據(jù)關鍵字段對回單內(nèi)容進行機器學習建模，自動分析學習回單內(nèi)容，輸出關鍵詞匯，得到具體原因和處理步驟，并更新專家?guī)?。系統(tǒng)支持根據(jù)每次的回單內(nèi)容及分詞結(jié)果評估情況進行自我優(yōu)化。若ＫＰＩ 屬于正常波動，則回單提出算法更新和告警閾值參數(shù)設置調(diào)整建議。

（９）功能視圖呈現(xiàn)。

功能視圖界面簡單、高效、準確地呈現(xiàn)質(zhì)差指標、指標趨勢、質(zhì)差告警、派單情況、根因分析和專家?guī)斓裙δ苣K。每個功能模塊動態(tài)呈現(xiàn)，并可一鍵聯(lián)動，實現(xiàn)一點監(jiān)控、一點接入、一點處置，以便運營人員快速直觀地掌握移動網(wǎng)核心網(wǎng)質(zhì)差指標和業(yè)務指標運行情況，實時監(jiān)控質(zhì)差告警和工單處理情況，及時發(fā)現(xiàn)并解決網(wǎng)絡隱患和故障，提升網(wǎng)絡安全性、可靠性。

３ 結(jié)束語

圍繞數(shù)字化運營要求，依托ＶｏＬＴＥ 端到端關聯(lián)分析系統(tǒng)，通過關鍵指標閾值準確發(fā)現(xiàn)質(zhì)差指標，利用多接口關聯(lián)的端到端系統(tǒng)，智能完成核心網(wǎng)質(zhì)差指標的分析和定界，并將定界結(jié)果輸出給相關專業(yè)人員進行優(yōu)化，做到準確、及時、主動發(fā)現(xiàn)網(wǎng)絡隱患或故障，以達到提升網(wǎng)絡質(zhì)量和維護效率的目的，進而為數(shù)字化運營賦能，為一線維護人員減負。

本系統(tǒng)已在集約化ｖＩＭＳ 網(wǎng)絡實施，解決了運維工作中長期的痛點難點，具體如下。（１）提高了維護效率，減少了維護人員８０％的維護量、維護效率提升９０％以上；（２）降低了網(wǎng)絡故障率及客戶投訴率，較項目實施前減少了５０％的故障及投訴量；（３）通過監(jiān)測移動核心網(wǎng)關鍵性能指標，先于告警和投訴發(fā)現(xiàn)隱患和故障，快速精準定界故障網(wǎng)元和故障原因，從而在規(guī)模故障爆發(fā)前解除隱患，減小影響范圍，縮短影響時長，提升了運營效率和網(wǎng)絡質(zhì)量。

移動網(wǎng)絡語音質(zhì)差根因定位模型經(jīng)過不斷優(yōu)化已具備模塊通用性，易移植、易推廣。隨著ＶｏＮＲ 的試商用，該模型已快速移植到ＶｏＮＲ 質(zhì)差根因定位中，實現(xiàn)隱患或故障的快速發(fā)現(xiàn)、快速定位、快速解決，從而縮短故障處理時長，降低故障發(fā)生率和用戶投訴率。

移動網(wǎng)絡語音質(zhì)差根因定位模型基于ＶｏＬＴＥ 端到端關聯(lián)分析系統(tǒng)（包含ＥＰＣ，５ＧＣ 域，無線域全量數(shù)據(jù)）具備數(shù)據(jù)業(yè)務的端到端能力，可滿足４Ｇ／５Ｇ 用戶數(shù)據(jù)業(yè)務質(zhì)差根因定位的數(shù)字化運營需要，賦能５Ｇ智能化運維。

參考文獻：

［１］ 唐建榮．提升ＶｏＬＴＥ 客戶感知的優(yōu)化分析方法淺析［Ｊ］．通訊世界，２０１７（７）：８７．

［２］ 魏宗靜．ＶＯＬＴＥ 語音質(zhì)量優(yōu)化方法研究［Ｊ］．科技經(jīng)濟導刊，２０１６（５）：３３．

［３］ 劉毅，肖濤，郭寶，等．提升ＶｏＬＴＥ 用戶感知的保障策略研究［Ｊ］．移動通信．２０１７（１８）：６?１０．

［４］ 唐建榮，文志成，亓新峰．ＶｏＬＴＥ 關鍵性能指標分析［Ｊ］．信息通信技術，２０１５（４）：５６?５９．

［５］ 孫平強．ＶｏＬＴＥ 業(yè)務的性能分析及優(yōu)化研究［Ｄ］．北京：北京郵電大學，２０１５．

［６］ 聶飛翔．基于客戶感知的３Ｇ 與４Ｇ 一體化網(wǎng)絡的規(guī)劃與優(yōu)化［Ｄ］．南京：南京郵電大學，２０１６．

作者簡介：劉天雪（１９７９—），本科，高級工程師，研究方向：移動核心網(wǎng)重構(gòu)。