CN101964997A

CN101964997A - 网络性能预警方法及装置

Info

Publication number: CN101964997A
Application number: CN2009101576633A
Authority: CN
Inventors: 李伟东; 姜红英; 包海涛; 周会兰; 庞勃; 郑势
Original assignee: China Mobile Group Heilongjiang Co Ltd
Current assignee: China Mobile Group Heilongjiang Co Ltd
Priority date: 2009-07-21
Filing date: 2009-07-21
Publication date: 2011-02-02
Anticipated expiration: 2029-07-21
Also published as: CN101964997B

Abstract

本发明公开了一种网络性能预警方法及装置。其中网络性能预警方法包括：实时采集当前网络性能指标数据；根据历史网络性能指标数据的样本空间计算动态预警门限的基准值；根据动态预警门限的基准值确定动态预警门限；将采集到的当前网络性能指标数据与动态预警门限进行比较，在当前网络性能指标数据不在动态预警门限范围之内时进行预警。本发明的网络性能预警方法及装置，通过采集历史网络性能指标数据设置动态预警门限，根据该动态门限对网络性能进行实时监控，使得预警门限根据网络情况实时变化，提高了预警的准确度。

Description

网络性能预警方法及装置

技术领域

本发明涉及一种无线技术，尤其涉及一种网络性能预警方法及装置。

背景技术

移动运营商通过对各设备厂商操作维护中心(Operation MaintenanceCenter，简称OMC)中的计数器进行采集、管理和分析实现网络运行指标的量化分析。OMC中的每一个计数器都和GSM装置中的移动交换中心(Mobile Switching Centre，简称MSC)、基站控制器(Base StationController，简称BSC)、归属位置寄存器(Home Location Register，简称HLR)等网元发生的某些事件相关，即某事件的发生会触发相应的计数器作累加计数。

当前对网络性能的监控方法一般会采用以下两种方式：

一、网络故障发生后通过手工提取OMC上的统计数据，依据故障现象并结合网络维护经验对故障进行分析；

二、根据考核标准进行告警门限设定，并按照一定的统计周期定时提取现网统计数据，与所设定的告警门限进行比较，超过门限时触发告警并以声光告警或电子工单的形式通知维护人员，如2008年4月30日公开的申请号为200710093088.6的中国专利申请“一种GSM网络预警分析装置及网络预警分析方法”，公开了一种网络预警分析方法，单一的采取对性能指标的变化幅度进行判断，并通过对变化的幅度取绝对值的方式屏蔽了指标变化的趋势，即对处于提升趋势下指标的变化也会产生预警信息。

现有技术中的网络性能监控技术主要有以下缺陷：

(1)预警门限由人为设定，主要依赖维护人员的经验，不能实时地随网络情况变化，使得预警的准确率较低；

(2)未对采样周期内的异常数据(即偏离日常平均水平的指标值)进行有效性核查，而直接将采样数据作平均处理，会导致隐性故障信息的遗漏或大量错误预警信息的产生，也在很大程度上制约了预警的准确性。

发明内容

本发明的第一目的在于提供一种网络性能预警方法，以实现准确地对网络性能指标进行预警。

本发明的第二目的在于，提供一种网络性能预警装置，以实现准确地对网络性能指标进行预警。

根据本发明的第一目的，提供一种网络性能预警方法，包括：实时采集当前网络性能指标数据；根据历史网络性能指标数据的样本空间计算动态预警门限的基准值；根据所述动态预警门限的基准值确定动态预警门限；将所述采集到的当前网络性能指标数据与所述动态预警门限进行比较，在所述当前网络性能指标数据不在所述动态预警门限范围之内时进行预警。

根据本发明的第二目的，提供一种网络性能预警装置，包括：采集模块，用于采集当前网络性能指标数据；基准值计算模块，用于根据历史网络性能指标数据的样本空间计算动态预警门限的基准值；门限设置模块，用于根据所述基准值确定动态预警门限；网络预警模块，用于将所述采集到的当前网络性能指标数据与所述动态预警门限进行比较，在所述当前网络性能指标数据不在所述动态预警门限范围之内时进行预警。

本发明的网络性能预警方法及装置，根据采集的历史网络性能指标数据设置动态预警门限，并根据该动态门限对实时的网络性能进行实时监控，这样，预警门限可以根据网络情况实时变化，从而提高了预警的准确度。本发明还对采集到的网络性能指标数据进行有效性的检测，避免了故障信息的遗漏或大量错误预警信息的产生，也进一步提高了网络预警的准确度。

附图说明

图1是本发明网络性能预警方法实施例的流程图；

图2是本发明网络性能预警方法另一实施例的流程图；

图3是本发明网络性能预警装置实施例的结构图；

图4是本发明网络性能预警装置另一实施例的结构图。

具体实施方式

以下结合附图对本发明进行详细说明。

方法实施例一

图1是本发明网络性能预警方法实施例一的流程图。如图1所示，网络性能预警方法实施例一包括以下步骤：

步骤102，实时采集当前网络性能指标数据；

步骤103，根据历史网络性能指标数据的样本空间计算动态预警门限的基准值；

该历史网络性能指标数据可以是从OMC上提取的，也可以是存储在网络性能预警装置当中的，例如掉话率、拥塞率、无线接通率或全网切换成功率等，将历史网络性能指标数据作为样本空间，同时采集当前网络性能指标数据；

由于历史网络性能指标数据可能包含多个网元粒度(MSC、BSC、CELL等)、不同时间粒度(月、周、日、小时等)的数据，因此，可以按照网元粒度及时间粒度将所述历史网络性能指标数据划分为不同的样本空间；

动态预警门限的基准值通过计算样本空间正态分布的数学期望值μ来获得，该基准值也可以是基准线，例如：可以将一个采样周期(24小时)内的数学期望值所组成的连线或单个值定义为动态门限的基准线或基准值。

步骤104，根据该基准值确定动态预警门限；

计算样本空间的均方差值σ，根据数学期望值μ和均方差值σ来设置动态预警门限，其中，均方差值σ表示样本数据中各样本点偏离基准值的平均程度，用于确定允许网络性能指标波动的范围，即容忍范围；

步骤106，将当前网络性能指标数据与步骤104中设置的该网络性能指标的动态预警门限比较，判断当前网络性能指标数据是否在该动态预警门限的范围之内，如果是，则表示该网络性能指标正常，返回步骤102；如果否，则表示该网络性能指标异常，执行步骤108；

步骤108，对出现异常的网络性能指标进行预警；

循环执行以上步骤。

本实施例中，通过统计网络性能指标的分布特性，采用正态分布理论的数学期望值μ计算出网络性能指标随时间变化的波动曲线，并以此作为动态基准线，并采用正态分布理论的均方差值σ计算性能指标浮动的容忍范围，得到动态的预警门限。该预警门限不是人为设定的固定值，而是实时变化着的。动态预警门限的设定使得网络性能异常情况的判断更为准确，有利于提高网络预警的准确性。同时，对网络性能指标的主动监控，使得工作人员可以及时地发现异常的网元。

方法实施例二

优选地，本实施例步骤104中，可以采用两层容忍线组成动态预警门限，取正负2σ为一般预警的容忍范围，取正负3σ为重要预警的容忍范围。对于值越小表征网络运行情况越好的性能指标(如掉话率、拥塞率等)，选取其上容忍线，μ+2σ和μ+3σ；对于值越大表征网络运行情况越好的性能指标(如无线接通率、全网切换成功率等)，选取其下容忍线μ-2σ和μ-3σ。

本实施例通过正态分布理论的“3σ”规则对动态预警门限进行设定，该预警门限不是人为设定的固定值，而是实时变化着的。动态预警门限的设定使得网络性能异常情况的判断更为准确，有利于提高网络预警的准确性。

方法实施例三

更优地，步骤104中，可以将动态预警门限划分为多个级别，分别对应不同的预警级别：

1.例如，按照“重要(黄)”、“一般(蓝)”的预警级别对动态预警门限划分级别。当网络性能指标高于上容忍线μ+2σ，但是低于μ+3σ(或低于下容忍线μ-2σ，而高于μ-3σ)时，采用“一般(蓝)”预警级别；当网络性能指标高于上容忍线μ+3σ或低于下容忍线μ-3σ时，采用“黄(重要)”预警级别。

2.进一步设置“红(紧急)”、“橙(严重)”两级静态预警门限，即将运营商对网络运行的管理要求中各项性能指标的考核值设定为产生严重预警的静态门限，即橙色预警门限；将各性能指标考核值的恶化程度(如掉话率增高至考核基准值的2倍或无线接入性下降到考核基准值的0.5陪)及各级网元设备处理能力的限制值，设定为产生紧急预警的静态门限，即红色预警门限。

图1实施例步骤106中，将采集到的当前网络性能指标数据，如无线接入性、掉话率、话务量等的实时值与得到的动态预警门限按照紧急到一般的顺序逐级比较，超出该级别预警门限时给出相应的预警提示。当触发预警后，将预警提示信息传送至预警呈现界面，实时显示出预警的相关指标信息，工作人员可以通过解析发生预警网元名称中的覆盖区域、网元类别、性能指标名称等标识，在OMC资源数据库中关联提取预警发生区域的网络配置信息及此类问题的通用处理流程，辅助用户进行故障处理。

本发明中的动态预警门限设置并不限于本实施例中的情形，也可以采用两层以上的容忍线组成动态预警门限。通过多层容忍线组成的动态预警门限，使得对于网络性能异常情况的判断更为精确。同时，将不同范围的预警门限对应不同的预警级别，这种动、静态预警相结合的方法，使得网络预警更为准确，且工作人员可以根据不同的预警提示判断网络异常情况的级别，以更好的对网络进行维护。

方法实施例四

图2是本发明网络性能预警方法另一实施例的流程图。由于采集到的历史网络性能指标数据中可能包含异常数据，即偏离日常水平的数据，应该将其删除，如图2所示，在步骤103之前，对历史网络性能指标数据进行有效性检测，包括以下步骤：

步骤202，将历史网络性能指标数据进行归一化处理，得到性能指标特征向量，提取各级网元粒度24小时的历史性能指标数据，记为X(x1，x2，......x24)，将性能指标数据归一化，使其分布在[0，1]区间上，以体现不同性能指标的特征；

本实施例中，以小区话务量为例说明，提取每个小区全天二十四小时话务量，将每个小时话务量与全天话务总和的比例，即

作为话务特征量，每个特征量可以视为一个24维的向量，且其和为1；经归一化后，全网所有小区都用一个24维向量表征，每个维度描述的是该小时话务情况占全天话务总量的比率，淡化了不同小区之间话务量绝对值的差异；

步骤204，计算性能指标特征向量与历史性能指标特征向量的相关度，判断两个向量是否相关时，只要判断两个向量的方向是否一致，即夹角是否接近零，本实施例中可以使用余弦定理计算向量的夹角，确定两个向量方向是否一致，以空间三维向量

和为例，其夹角余弦值为：

\cos θ = \frac{\overset{&OverBar;}{a} \cdot \overset{&OverBar;}{b}}{| \overset{&OverBar;}{a} | | \overset{&OverBar;}{b} |} = \frac{a_{1} b_{1} + a_{2} b_{2} + a_{3} b_{3}}{\sqrt{{a_{1}}^{2} + {a_{2}}^{2} + {a_{3}}^{2} \cdot \sqrt{{b_{1}}^{2} + {b_{2}}^{2} + {b_{3}}^{2}}}}

公式1

步骤206，判断步骤204计算的相关度是否小于预设的阈值，如果是，执行步骤208；否，执行步骤104；例如，当步骤204中的两向量夹角为0时，即余弦值为1，其相关度最高；夹角为180度时，即余弦值为0，其相关度最低；

步骤208，删除该历史网络性能指标数据；

步骤104～步骤108，与方法实施例一中相同，在此不再赘述。

下面以对XXX地市元旦的话务量数据进行有效性分析为例具体说明方法实施例四。

XXX地市2008年12月整月全天24小时话务量数据为：

X1(281，243，151，294，104，234，967，3100，5752，6700，6413，5772，5237，5434，5741，6262，6717，5969，5957，6134，5162，3652，2209，1283)；

2009年1月1日全天话务量数据为：

X2(2005，462，259，176，192，430，1501，3650，10086，9097，8266，7197，4877，7060，7235，7834，8563，7878，7945，8548，6071，3864，1343，833)。

按照方法实施例四上述步骤得出2009年元旦与前一个月数据相关度为：0.988906，而预先设定相关度小于0.999的网络性能指标数据为异常数据，因此2009年元旦当天的数据不可用，将其删除。

本实施例中，通过分析数据相关度来对采集到的网络性能指标数据进行有效性检验，删除相关度不满足设定的门限的异常历史数据，使得根据历史数据计算的动态预警门限更符合网络的实际情况，避免隐性故障信息的遗漏或大量错误预警信息的产生，提高了网络预警的准确性。

下面通过对网络掉话率的监控对本发明的网络性能预警方法实施例四进行说明。

对2009年1月份XXX网元早忙时(8:00-13:00)无线掉话率指标进行监控。提取XXX网元2008年12月份整月的此时间段内的掉话率的作为样本数据，通过向量相关度计算对其进行预处理，得到该网元粒度早忙时掉话率的数学期望μ和均方差σ如表1所示：

表1 XXX网元12月掉话率数据表

其中，空格表示该性能指标数据异常值，已将其删除。

掉话率增高时表示指标恶化，取μ+2σ和μ+3σ为一般告警和严重告警的预警上门限。根据以上动态预警门限对XXX网元09年1月19日掉话率指标进行监控，当前值为：

时间	网元	8时	9时	10时	11时	12时	13时
								2009-1-19	XXX	0.67	0.70	0.75	0.76	0.90	0.84

将当前网络性能指标数据与动态预警门限比较后可知，1月9日10时及12时掉话率为0.75及0.90，超出了严重动态预警门限的0.70及一般动态预警门限0.89，分别启动黄色及蓝色预警方案。

装置实施例一

图3是本发明网络性能预警装置实施例的结构图。如图3所示，网络性能预警装置实施例包括：

采集模块302，用于采集当前网络性能指标数据，例如掉话率、拥塞率、无线接通率或全网切换成功率等；

基准值计算模块306，用于根据历史网络性能指标数据的样本空间计算动态预警门限的基准值，基准值的计算在上述方法实施例一步骤103中已详细描述，在此不再赘述；

门限设置模块308，用于根据基准值确定动态预警门限，动态预警门限的设定在上述方法实施例一步骤104中已详细描述，在此不再赘述；

网络预警模块310，用于根据动态预警门限对实时采集到的当前网络性能指标数据进行监控，并在当前网络性能指标数据不在动态门限范围之内时进行预警，优选地，网络预警模块306可以将当前网络性能指标数据与得到的动态预警门限按照紧急到一般的顺序逐级比较，超出该级别预警门限时，给出相应的预警提示。

本装置实施例中，历史网络性能指标数据可以是从OMC上提取的，也可以是存储在网络性能预警装置当中的。网络性能预警装置还包括存储模块，用于存储历史网络性能指标数据，即存储每次采集到当前网络性能指标数据。

当网络预警模块308的预警触发后，网络性能预警装置将预警提示信息传送至预警呈现界面，实时显示出预警的相关指标信息，工作人员可以通过预警解析装置解析出发生预警网元名称中的覆盖区域、网元类别、性能指标名称等标识，在OMC资源数据库中关联提取预警发生区域的网络配置信息及此类问题的通用处理流程，辅助用户进行故障处理。

本实施例的网络性能预警装置，通过动态预警门限的设定，使得网络性能指标异常情况的判断更为准确，有利于提高网络性能指标预警的准确性。同时，对网络性能指标的主动监控，使得工作人员可以及时地发现出现异常的网元。

装置实施例二

图4是本发明网络性能预警装置另一实施例的结构图。如图4所示，网络性能预警装置实还包括数据检测模块304，对历史网络性能指标数据的有效性进行检测，该数据检测模块304包括：

归一化处理子模块3042，用于将采集到的历史网络性能指标数据进行归一化处理，得到性能指标特征向量；

相关度计算子模块3044，用于计算性能指标特征向量与历史性能指标特征向量的相关度；

比较子模块3046，用于比较该相关度和预设的阈值，当该相关度小于所述阈值时，删除采集到的历史网络性能指标数据。

本实施例中，通过数据检测模块304分析数据相关度来对采集到的网络性能指标数据进行有效性检验，删除相关度不满足设定的门限的异常历史数据，使得根据历史数据计算的动态预警门限更符合网络的实际情况，避免隐性故障信息的遗漏或大量错误预警信息的产生，提高了网络预警的准确性。

优选地，本实施例中，由于历史网络性能指标数据可能包含多个网元粒度(MSC、BSC、CELL等)不同时间粒度(月、周、日、小时等)的数据，因此，还可以包括数据分组模块，用于按照网元粒度及时间粒度将历史网络性能指标数据划分为不同的样本空间。

本发明各实施例的网络性能预警方法和装置，可以应用于现有的各种制式的网络中，如GSM、CDMA或TD-CDMA等。

应说明的是：以上实施例仅用以说明本发明而非限制，本发明也并不仅限于上述举例，一切不脱离本发明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围中。

Claims

1.一种网络性能预警方法，其特征在于，包括：

实时采集当前网络性能指标数据；

根据历史网络性能指标数据的样本空间计算动态预警门限的基准值；

根据所述动态预警门限的基准值确定动态预警门限；

将所述采集到的当前网络性能指标数据与所述动态预警门限进行比较，在所述当前网络性能指标数据不在所述动态预警门限范围之内时进行预警。

2.根据权利要求1所述的网络性能预警方法，其特征在于，所述计算动态预警门限的基准值的操作包括：

计算所述历史网络性能指标数据正态分布的数据期望值，所述数学期望值为所述动态门限的基准值。

3.根据权利要求1或2所述的网络性能预警方法，其特征在于，所述计算动态预警门限的基准值的操作之前还包括：检测所述历史网络性能指标数据的有效性。

4.根据权利要求3所述的网络性能预警方法，其特征在于，所述检测所述历史网络性能指标数据的有效性的操作具体包括：

将所述历史网络性能指标数据进行归一化处理，得到性能指标特征向量；

计算所述性能指标特征向量与预存的历史性能指标特征向量的相关度；

当所述相关度小于预设的阈值时，删除所述采集到的网络性能指标数据。

5.根据权利要求4所述的网络性能预警方法，其特征在于，根据余弦定理计算所述性能指标特征向量与历史性能指标特征向量的相关度。

6.根据权利要求1或2所述的网络性能预警方法，其特征在于，所述计算动态预警门限的基准值的操作之前还包括：

按照网元粒度及时间粒度将所述历史网络性能指标数据划分为不同的样本空间。

7.根据权利要求2所述的网络性能预警方法，其特征在于，根据所述动态预警门限的基准值确定动态预警门限的操作具体包括：

计算所述样本空间的均方差值；

根据所述基准值和所述均方差值设置所述动态预警门限。

8.根据权利要求7所述的网络性能预警方法，其特征在于，所述动态预警门限包括一级或多级动态预警门限。

9.根据权利要求8所述的网络性能预警方法，其特征在于，所述动态预警门限包括：

一般动态预警门限为μ+2σ或μ-2σ，

重要动态预警门限为μ+3σ或μ-3σ，其中μ为所述数学期望值，σ为均方差值。

10.根据权利要求1所述的的网络性能预警方法，其特征在于，所述设置动态预警门限的操作之后还包括：

设置多个级别的静态预警门限。

11.一种网络性能预警装置，其特征在于，包括：

采集模块，用于采集当前网络性能指标数据；

基准值计算模块，用于根据历史网络性能指标数据的样本空间计算动态预警门限的基准值；

门限设置模块，用于根据所述基准值确定动态预警门限；

网络预警模块，用于将所述采集到的当前网络性能指标数据与所述动态预警门限进行比较，在所述当前网络性能指标数据不在所述动态预警门限范围之内时进行预警。

12.根据权利要求11所述的网络性能预警装置，其特征在于，所述基准值计算模块，进一步用于计算所述历史网络性能指标数据正态分布的数学期望值，作为所述动态预警门限的基准值。

13.根据权利要求11或12所述的网络性能预警装置，其特征在于，还包括：数据检测模块，用于检测所述历史网络性能指标数据的有效性。

14.根据权利要求13所述的网络性能预警装置，其特征在于，所述数据检测模块包括：

归一化处理子模块，用于将所述采集到的历史网络性能指标数据进行归一化处理，得到性能指标特征向量；

相关度计算子模块，用于计算所述性能指标特征向量与预存的历史性能指标特征向量的相关度；

比较子模块，用于比较所述相关度和预设的阈值，当所述相关度小于所述阈值时，删除所述采集到的历史网络性能指标数据。

15.根据权利要求12所述的网络性能预警装置，其特征在于，所述门限设置模块，进一步用于计算所述样本空间的均方差值，根据所述基准值和所述均方差值设置所述动态预警门限。

16.根据权利要求15所述的网络性能预警装置，其特征在于，所述动态预警门限包括：

一般告警门限μ+2σ或μ-2σ；和/或重要动态预警门限μ+3σ或μ-3σ。

17.根据权利要求11所述的网络性能预警装置，其特征在于，还包括；数据分组模块，用于按照网元粒度及时间粒度将所述历史网络性能指标数据划分为不同的样本空间。