劉天雪 郝雙洋 楊姣等

摘要：圍繞數(shù)字化運(yùn)營建設(shè)要求，基于VoLTE端到端關(guān)聯(lián)分析系統(tǒng)多維度對(duì)IMS域網(wǎng)絡(luò)關(guān)鍵性能指標(biāo)中的相關(guān)失敗次數(shù)做波動(dòng)分析，實(shí)現(xiàn)網(wǎng)絡(luò)KPI波動(dòng)告警和劣化指標(biāo)異常原因定界定位，對(duì)網(wǎng)絡(luò)異常做出智能預(yù)警，在問題暴露前優(yōu)化網(wǎng)絡(luò)，以免對(duì)業(yè)務(wù)造成影響。通過數(shù)智化手段多維度分析定位移動(dòng)網(wǎng)絡(luò)語音質(zhì)差根固，實(shí)現(xiàn)網(wǎng)絡(luò)隱患故障的早預(yù)警、早發(fā)現(xiàn)、早處理，提升運(yùn)營效率和網(wǎng)絡(luò)質(zhì)量。

關(guān)鍵詞：數(shù)字化運(yùn)營；語音質(zhì)差根因；運(yùn)營效率

中圖法分類號(hào)：TN929 文獻(xiàn)標(biāo)識(shí)碼：A

１ 引言

隨著移動(dòng)通信網(wǎng)的不斷發(fā)展，基于ＩＭＳ 網(wǎng)絡(luò)的移動(dòng)網(wǎng)絡(luò)語音方案已成為主流，但是ＶｏＬＴＥ 語音呼叫流程復(fù)雜，一次呼叫經(jīng)過多個(gè)域，眾多網(wǎng)元、核心網(wǎng)側(cè)信令交互達(dá)１００ 多次，在發(fā)生定位故障及處理用戶投訴時(shí)，為了對(duì)每一個(gè)異常故障及呼叫做到準(zhǔn)確歸因，需要有經(jīng)驗(yàn)的工程師花費(fèi)近１ 小時(shí)或更長時(shí)間進(jìn)行根因判斷定位，這不僅耗時(shí)耗力，而且效率低下。

傳統(tǒng)運(yùn)維模式不僅低效，還消耗了大量的人力資源。傳統(tǒng)運(yùn)維一直處于被動(dòng)運(yùn)維的狀態(tài)，因此若要由被動(dòng)變主動(dòng)，提高維護(hù)效率是關(guān)鍵。本文從提升核心網(wǎng)網(wǎng)絡(luò)質(zhì)量和人員維護(hù)效率角度，構(gòu)建移動(dòng)網(wǎng)絡(luò)語音質(zhì)差根因定位模型，通過監(jiān)控移動(dòng)核心網(wǎng)網(wǎng)元關(guān)鍵指標(biāo)閾值準(zhǔn)確發(fā)現(xiàn)質(zhì)差指標(biāo)，利用多接口關(guān)聯(lián)的端到端平臺(tái)，自動(dòng)完成質(zhì)差指標(biāo)的分析和定界，并將定界結(jié)果輸出給相關(guān)專業(yè)人員進(jìn)行優(yōu)化，做到準(zhǔn)確、及時(shí)、主動(dòng)發(fā)現(xiàn)網(wǎng)絡(luò)隱患故障問題，以達(dá)到提升網(wǎng)絡(luò)質(zhì)量和維護(hù)效率的目的。

２ 移動(dòng)網(wǎng)絡(luò)語音質(zhì)差根因定位模型概述

２．１ 整體描述

移動(dòng)網(wǎng)絡(luò)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(hù)一線在數(shù)字化轉(zhuǎn)型過程的使用需求，依托ＶｏＬＴＥ 端到端關(guān)聯(lián)分析平臺(tái)數(shù)據(jù)，將三域ＸＤＲ 話單和ＭＲ 話單進(jìn)行數(shù)據(jù)統(tǒng)一采集，具體采集５ＧＣ 域（８ 個(gè)） Ｎ１／ Ｎ２，Ｎ７，Ｎ８，Ｎ１０，Ｎ１１，Ｎ１２，Ｎ１４，Ｎ２６ 等接口ＸＤＲ 話單；ＥＰＣ 域（１ 個(gè)） Ｓ１?ＭＭＥ 接口ＸＤＲ 話單；ＩＭＳ 域（１１ 個(gè)） 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(shí)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(shí)時(shí)、準(zhǔn)確的數(shù)據(jù)源。

數(shù)據(jù)處理，在深入理解移動(dòng)網(wǎng)語音業(yè)務(wù)及信令特征的基礎(chǔ)上，將一次業(yè)務(wù)所涵蓋的５ＧＣ，ＩＭＳ，ＥＰＣ 三域各單接口話單以及ＭＲ 話單，根據(jù)時(shí)間、號(hào)碼、會(huì)話ＩＤ 等信息，合成一條多接口關(guān)聯(lián)的端到端話單。數(shù)據(jù)的統(tǒng)一整合、統(tǒng)一處理，實(shí)現(xiàn)了數(shù)字化能力的一點(diǎn)處理。

數(shù)據(jù)分析，是監(jiān)控５ 分鐘粒度的關(guān)鍵指標(biāo)。其利用策略梯度算法，學(xué)習(xí)預(yù)測(cè)動(dòng)態(tài)閾值，精準(zhǔn)發(fā)現(xiàn)質(zhì)差指標(biāo)，結(jié)合多域端到端關(guān)聯(lián)數(shù)據(jù)，進(jìn)一步對(duì)指標(biāo)進(jìn)行大數(shù)據(jù)智能分析。按照不同維度、不同時(shí)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(quán)重和劣化偏離度，自動(dòng)匹配專家知識(shí)庫，定位質(zhì)差故障節(jié)點(diǎn)和故障原因，輸出質(zhì)差根因，從而實(shí)現(xiàn)網(wǎng)絡(luò)隱患故障的早預(yù)警、早發(fā)現(xiàn)、早處理，提升運(yùn)營效率和網(wǎng)絡(luò)質(zhì)量。

與生產(chǎn)派單系統(tǒng)互通，實(shí)現(xiàn)帶有根因定位的異常ＫＰＩ 波動(dòng)告警，通過一級(jí)ＮＦＯ 派發(fā)到專業(yè)人員，并對(duì)返單內(nèi)容進(jìn)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(duì)其進(jìn)行校驗(yàn)，自動(dòng)修正異常數(shù)據(jù)，按照分鐘級(jí)粒度將數(shù)據(jù)匯聚到文件，并對(duì)文件內(nèi)的記錄按照時(shí)間進(jìn)行排序存儲(chǔ)。

（２）多接口話單呈現(xiàn)。

對(duì)采集到的數(shù)據(jù)，進(jìn)行全業(yè)務(wù)流程的端到端關(guān)聯(lián)，形成多接口的ＶｏＬＴＥ／ ＥＰＳ 及ＦＢ／ ＶｏＮＲ 業(yè)務(wù)話單，同時(shí)關(guān)聯(lián)跨域端到端全流程的業(yè)務(wù)結(jié)果、首拆網(wǎng)元、錯(cuò)誤碼、定界原因等業(yè)務(wù)質(zhì)量字段。

（３）移動(dòng)網(wǎng)語音業(yè)務(wù)關(guān)鍵指標(biāo)呈現(xiàn)。

通過報(bào)表和圖形化方式，呈現(xiàn)移動(dòng)網(wǎng)語音業(yè)務(wù)關(guān)鍵指標(biāo)，包括ＶｏＬＴＥ 初始注冊(cè)成功、ＶｏＬＴＥ 網(wǎng)絡(luò)接通率（剔除用戶原因） 、ＶｏＬＴＥ ＴＯ ＶｏＬＴＥ 接續(xù)時(shí)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(guān)鍵指標(biāo)，利用策略梯度算法，學(xué)習(xí)預(yù)測(cè)動(dòng)態(tài)閾值，精準(zhǔn)發(fā)現(xiàn)質(zhì)差指標(biāo)，結(jié)合多域端到端關(guān)聯(lián)數(shù)據(jù)，進(jìn)一步對(duì)性能指標(biāo)進(jìn)行大數(shù)據(jù)智能分析，按照不同維度、不同時(shí)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(quán)重和劣化偏離度，自動(dòng)匹配專家知識(shí)庫，定位質(zhì)差故障節(jié)點(diǎn)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(biāo)異常檢測(cè)。通過監(jiān)控５ 分鐘粒度的ＩＭＳ 域關(guān)鍵性能指標(biāo)，利用策略梯度算法，學(xué)習(xí)預(yù)測(cè)動(dòng)態(tài)閾值，精準(zhǔn)發(fā)現(xiàn)質(zhì)差指標(biāo)。通過劣化指標(biāo)可以及時(shí)發(fā)現(xiàn)網(wǎng)絡(luò)存在的風(fēng)險(xiǎn)、隱患等，以便運(yùn)營人員及時(shí)采取相應(yīng)的解決和優(yōu)化措施，降低網(wǎng)絡(luò)故障率，提高運(yùn)營效率。

② 網(wǎng)元級(jí)聚類分析。按５ 分鐘、１５ 分鐘、１ 小時(shí)、１ 天等多時(shí)間粒度，以關(guān)鍵ＫＰＩ 為入口，自動(dòng)實(shí)現(xiàn)網(wǎng)元維度異常原因的逐層鉆取分析，精準(zhǔn)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(jí)聚類分析。以用戶業(yè)務(wù)記錄為入口，實(shí)現(xiàn)用戶任意時(shí)間粒度失敗業(yè)務(wù)的ＳＩＰ 首拆消息、定界域、定界網(wǎng)元報(bào)表的高效呈現(xiàn)。

④ 小區(qū)級(jí)聚類分析。按５ 分鐘、１５ 分鐘、１ 小時(shí)、１ 天等多時(shí)間粒度，以關(guān)鍵ＫＰＩ 為入口，智能實(shí)現(xiàn)小區(qū)維度異常原因的逐層鉆取分析，精準(zhǔn)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(duì)不同網(wǎng)絡(luò)指標(biāo)，通過地市維度、網(wǎng)元維度、小區(qū)維度、終端維度進(jìn)行聚類分析，得出劣化的錯(cuò)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(duì)分析結(jié)果進(jìn)行現(xiàn)網(wǎng)驗(yàn)證，固化該質(zhì)差場(chǎng)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(yàn)證過的根因和處理方法進(jìn)行逐一匯總，并通過智能算法對(duì)回單結(jié)果進(jìn)行分析處理，不斷優(yōu)化、更新、完善專家?guī)臁?/p>

移動(dòng)網(wǎng)絡(luò)語音質(zhì)差根因定位系統(tǒng)根據(jù)不同的語音質(zhì)差場(chǎng)景建立對(duì)應(yīng)的專家?guī)炷Ｐ?，如ＶｏＬＴ?初始注冊(cè)異常根因庫、ＶｏＬＴＥ 網(wǎng)絡(luò)接通異常根因庫和ＥＰＳＦＢ網(wǎng)絡(luò)接通率根因庫模型等。

（６）解決方案智能匹配。

針對(duì)劣化指標(biāo)，關(guān)聯(lián)根因庫對(duì)其進(jìn)行定界定位，基于根因定位結(jié)果，智能生成相應(yīng)的解決方案。

（７）工單系統(tǒng)對(duì)接及交互。

和工單系統(tǒng)同步工單編號(hào)、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(biāo)異常的告警派發(fā)到相關(guān)單位或相關(guān)人員進(jìn)行處理，攜帶信息主要包括網(wǎng)絡(luò)類型、網(wǎng)元名稱、ＫＰＩ 名稱、時(shí)間、異常情況、波動(dòng)子項(xiàng)信息、根因定位、建議處理步驟等。接單人對(duì)ＫＰＩ 異常波動(dòng)告警工單進(jìn)行處理，直至告警恢復(fù)。告警恢復(fù)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(jìn)行自動(dòng)學(xué)習(xí)更新，系統(tǒng)支持根據(jù)回單結(jié)果對(duì)專家?guī)熘械母蚨ㄎ贿M(jìn)行更新，包括對(duì)指標(biāo)檢測(cè)閾值進(jìn)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(zhǔn)確性。

系統(tǒng)根據(jù)關(guān)鍵字段對(duì)回單內(nèi)容進(jìn)行機(jī)器學(xué)習(xí)建模，自動(dòng)分析學(xué)習(xí)回單內(nèi)容，輸出關(guān)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(píng)估情況進(jìn)行自我優(yōu)化。若ＫＰＩ 屬于正常波動(dòng)，則回單提出算法更新和告警閾值參數(shù)設(shè)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(zhǔn)確地呈現(xiàn)質(zhì)差指標(biāo)、指標(biāo)趨勢(shì)、質(zhì)差告警、派單情況、根因分析和專家?guī)斓裙δ苣K。每個(gè)功能模塊動(dòng)態(tài)呈現(xiàn)，并可一鍵聯(lián)動(dòng)，實(shí)現(xiàn)一點(diǎn)監(jiān)控、一點(diǎn)接入、一點(diǎn)處置，以便運(yùn)營人員快速直觀地掌握移動(dòng)網(wǎng)核心網(wǎng)質(zhì)差指標(biāo)和業(yè)務(wù)指標(biāo)運(yùn)行情況，實(shí)時(shí)監(jiān)控質(zhì)差告警和工單處理情況，及時(shí)發(fā)現(xiàn)并解決網(wǎng)絡(luò)隱患和故障，提升網(wǎng)絡(luò)安全性、可靠性。

３ 結(jié)束語

圍繞數(shù)字化運(yùn)營要求，依托ＶｏＬＴＥ 端到端關(guān)聯(lián)分析系統(tǒng)，通過關(guān)鍵指標(biāo)閾值準(zhǔn)確發(fā)現(xiàn)質(zhì)差指標(biāo)，利用多接口關(guān)聯(lián)的端到端系統(tǒng)，智能完成核心網(wǎng)質(zhì)差指標(biāo)的分析和定界，并將定界結(jié)果輸出給相關(guān)專業(yè)人員進(jìn)行優(yōu)化，做到準(zhǔn)確、及時(shí)、主動(dòng)發(fā)現(xiàn)網(wǎng)絡(luò)隱患或故障，以達(dá)到提升網(wǎng)絡(luò)質(zhì)量和維護(hù)效率的目的，進(jìn)而為數(shù)字化運(yùn)營賦能，為一線維護(hù)人員減負(fù)。

本系統(tǒng)已在集約化ｖＩＭＳ 網(wǎng)絡(luò)實(shí)施，解決了運(yùn)維工作中長期的痛點(diǎn)難點(diǎn)，具體如下。（１）提高了維護(hù)效率，減少了維護(hù)人員８０％的維護(hù)量、維護(hù)效率提升９０％以上；（２）降低了網(wǎng)絡(luò)故障率及客戶投訴率，較項(xiàng)目實(shí)施前減少了５０％的故障及投訴量；（３）通過監(jiān)測(cè)移動(dòng)核心網(wǎng)關(guān)鍵性能指標(biāo)，先于告警和投訴發(fā)現(xiàn)隱患和故障，快速精準(zhǔn)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(shí)長，提升了運(yùn)營效率和網(wǎng)絡(luò)質(zhì)量。

移動(dòng)網(wǎng)絡(luò)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(shí)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(shí)長，降低故障發(fā)生率和用戶投訴率。

移動(dòng)網(wǎng)絡(luò)語音質(zhì)差根因定位模型基于ＶｏＬＴＥ 端到端關(guān)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(wù)的端到端能力，可滿足４Ｇ／５Ｇ 用戶數(shù)據(jù)業(yè)務(wù)質(zhì)差根因定位的數(shù)字化運(yùn)營需要，賦能５Ｇ智能化運(yùn)維。

參考文獻(xiàn)：

［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(jì)導(dǎo)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(dòng)通信．２０１７（１８）：６?１０．

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

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

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

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