CN105873113A - 无线质量问题定位方法及*** - Google Patents
无线质量问题定位方法及*** Download PDFInfo
- Publication number
- CN105873113A CN105873113A CN201510030063.6A CN201510030063A CN105873113A CN 105873113 A CN105873113 A CN 105873113A CN 201510030063 A CN201510030063 A CN 201510030063A CN 105873113 A CN105873113 A CN 105873113A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- abnormal
- achievement data
- dimension
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种无线质量问题定位方法及***;方法包括:获取用户的话单数据,对用户的话单数据经过用户维度和时间维度的汇集,输出用户级指标数据;基于用户级指标数据确定异常阈值,并基于异常阈值从用户中筛选出异常用户;对异常用户的用户级指标数据进行不同维度的评分,得到对应异常用户的用户级评分数据,并基于用户级的评分数据对异常用户进行聚类处理,得到聚类结果;基于聚类结果,确定异常用户的感知度信息,基于感知度信息,确定感知度低于感知度阈值的异常用户所归属的小区为问题小区。通过本发明,能够提升无线质量问题的定位效率。
Description
技术领域
本发明涉及通信技术,尤其涉及一种无线质量问题定位方法及***。
背景技术
对于移动通信网络而言,无线传输的不可控性是不可避免的,因此,网络的无线质量的保障优化对于移动网络而言始终是一个重点,相对于网络设备硬件故障而言,存在用户影响面大且故障单元不修复问题持续发生的特性,因此网络设备本身会设计各类告警,保障网络设备的正常运行防止故障;而网络的无线问题对于用户的影响面相对而言属于小范围,且随着用户的移动性也存在不持续性,因此网络的无线质量相对网络设备的硬件故障更加隐蔽。
从相关技术情况看,在定位网络的无线质量问题时,主要注重在各类数据的采集上,包括自动测量、存储各类大量测试数据,并将测试数据统一上传到后台控制中心,由后台控制中心对测试数据进行自动集中分析并对无线质量的异常指标进行预警。
相关技术使从纯客观的角度,通过不同接口基础信令的采集,统计用户级、网元级关键绩效指标(KPI,Key Performance Indicator),注重于信令的解析,与传统的网络性能优化的区别在于通过全网的信令采集,将KPI统计到能够进行用户级和网元级的关联,也即完全以KPI为基础,考评网络中无线质量指标差的网元,为网络性能分析提供参考,与相关技术的无线质量问题定位的区别仅在于将测试数据进行分析的粒度缩小到用户级。
相关技术对于网络的无线质量问题的定位存在效率低的问题,表现在以下方面:
1)网管分析的颗粒度过大,不能够最小化用户,对于用户感知的提升不能够贴近用户级的统计;
2)通过从用户角度出发的实测获取测试数据,需要耗费大量的人力和时间,成本较高,且测试数据仅仅是部分用户的采样结果,不能够完全覆盖所有用户,导致网络的无线质量评估结果不准确;
3)仅从已有的用户角度定位网络的无线质量问题,注重于从用户级指标如KPI角度评估无线质量,导致无线指令评估结果用于网络优化对用户感知的提升效果有限。
发明内容
本发明实施例提供一种无线质量问题定位方法及***,能够通提升无线质量的定位效率。
本发明实施例的技术方案是这样实现的:
一种无线质量问题定位***,所述***包括:
指标计算模块、用于获取用户的话单数据,对所述用户的话单数据经过用户维度、时间维度的汇集,输出用户级指标数据;
异常阈值计算模块,用于基于所述用户级指标数据确定异常阈值;
异常用户筛选模块、用于基于所述异常阈值从所述用户中筛选出异常用户;
单维度评分模块,用于对所述异常用户的用户级指标数据进行不同维度的评分,输出对应所述异常用户的用户级评分数据;
多维度聚类模块,用于基于所述用户级的评分数据对所述异常用户进行聚类处理,输出聚类结果;
低感知度用户筛选模块,用于基于所述聚类结果,确定所述异常用户的感知度信息;
问题小区收敛模块,用于基于所述感知度信息,确定感知度低于感知度阈值的异常用户所归属的问题小区,并输出所述问题小区的列表。
一种无线质量问题定位方法,所述方法包括:
获取用户的话单数据,对所述用户的话单数据经过用户维度和时间维度的汇集,得到用户级指标数据;
基于所述用户级指标数据确定异常阈值,并基于所述异常阈值从所述用户中筛选出异常用户;
从对所述异常用户的用户级指标数据进行不同维度的评分,输出对应所述异常用户的用户级评分数据,并基于所述用户级的评分数据对所述异常用户进行聚类处理,得到所述异常用户的聚类结果;
基于所述聚类结果,确定所述异常用户的感知度信息,确定感知度低于感知度阈值的异常用户所归属的问题小区,并输出所述问题小区的列表。
本发明实施例中,通过大数据平台采集的话单数据,得到用户级的测试数据(较现有技术具有更加精细的颗粒度),与相关技术仅仅从已有的用户角度分析网络的无线质量不同,本发明实施例中从用户感知的角度出发设计相应的统计指标,通过异常阀值判断将异常用户进行标识,通过聚类处理,将异常用户进行收敛到异常用户高密度集中的小区,为后续的无线质量优化做参考,较相关技术能够明显提升用户感知,且较相关技术基于用户的进行实测定位无线质量的方式处理效率更高,大大提升了无线质量的问题定位效率。
附图说明
图1为3GPP对2G和3G核心网接口的定义;
图2为本发明实施例中无线问题定位***的结构示意图一;
图3为本发明实施例中无线问题定位***的结构示意图二;
图4为本发明实施例中无线问题定位方法的实现流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例记载的无线质量问题定位***的测试数据来源为基于Gn口的数据采集***,如图1所示为3GPP对2G和3G核心网接口的定义,其中Gn接口位于服务通用分组无线服务(GPRS,General Packet Radio Service)支持节点(SGSN,Serving GPRS Support Node)SGSN和网关GPRS支持节点(GGSN,Gateway GPRS Support Node)GGSN之间。
接口的定义可以参见:<3GPP TS 29.060V4.11.0>,Figure 1:GPRS LogicalArchitecture with interface name denotations。
如图2所示,无线质量问题定位***从基于Gn口的数据采集***的获取测试数据并进行无线质量评估,其中基于数据采集***属于已有基础设施,数据采集***支持输出小时-小区-用户等字段的分组数据协议(PDP,Packet DataProtocol)信息数据和业务信息数据。
本实施例记载的无线质量问题定位***涉及对三种类型数据的处理,通过***中的七个模块完成处理:其中,
三种类型的数据包括:用户级指标数据、用户级评分数据和问题小区列表;
***包括指标计算模块10、异常阈值计算模块20、异常用户筛选模块30、单维度评分模块40、多维度聚类模块50、低感知度用户筛选模块60、问题小区收敛模块70。
下面对三种类型的数据进行说明。
1)用户级指标数据
与相关技术所采用的无线质量的指标不同,本发明实施例中所采用的指标是发明人于实践中在众多指标中甄选出来能够有效体现用户感知度的指标;
指标主要涉及用户使用数据业务时发起的信令,包括:PDP创建失败频数、PDP创建成功频数和PDP激活后无下行流量的频数;其中,用户级指标数据是在单个用户维度的指标对应的数据进行汇集得到,直接体现用户层面的情况,与用户感知最为贴近;此外,为了对分析网络的无线质量提供帮助,还可以使用产生用户级指标数据的位置信息来标识用户级指标数据,即蜂窝通信网络的小区(CELL)的小区编码CELLID(为确保唯一,可以添加其它字段)。
从数据汇集的层面上来说,用户级指标数据是以用户标识和CELLID为分组字段,汇集三个指标(包括PDP创建失败频数、PDP创建成功频数和PDP激活后无下行流量的频数)对应的数据得到的,用户级指标数据的一个示例如表1所示;
表1
2)用户级评分数据
分别对表1中的PDP创建失败频数、PDP创建成功频数和PDP激活后无下行流量的频数三个指标对应的数据也即三个指标数据进行逐个评分,得到PDP创建失败频数评分、PDP创建成功频数评分、PDP激活后无下行流量的频数评分三个评分数据,利用三个评分数据得到的用户级评分数据的示例如表2所示:
表2
3)问题小区列表的一个示例如表3所示:
小区编码(CELLID) | 感知差的用户数 |
10001 | 910 |
10002 | 813 |
10003 | 734 |
10004 | 566 |
10005 | 480 |
10006 | 386 |
10007 | 370 |
10008 | 360 |
10009 | 358 |
10010 | 357 |
10011 | 349 |
10012 | 343 |
10013 | 340 |
10014 | 338 |
表3
下面对图2所示的无线质量问题定位***的模块进行说明。
1)指标计算模块10
指标计算模块10的输入为Gn信令采集平台(对应数据采集***)输出的会话(session)级信令面和用户面的数据,也即用户的话单数据,指标计算模块10对数据经过用户和时间维度的汇集和输出用户级指标数据,例如在特定时间维度(一个月或一天)内输出每个用户的用户级指标数据,每个用户的用户级指标数据包括至少三个维度的指标数据(也即PDP创建失败频数、PDP创建成功频数和PDP激活后无下行流量的频数三个指标分别对应的数据);需要指出的是,本发明实施例中以采用上述三个维度的指标数据确定问题小区进行说明,实际应用中,还可以采用基于PDP的其他指标数据例如PDP创建失败比例、PDP创建失败/成功比例等。
上述指标的定义和计算公式如表4所示:
表4
2)异常阈值计算模块20
异常阈值计算模块20用于通过正常事件的异常频数确定异常阈值,根据异常阈值判断指标数据是否正常。
基于输入的用户级指标数据,异常阈值计算模块20采用六西格玛原则确定异常阈值:从理论和实际上讲,每个维度的指标数据均应服从正态分布,因此指标数据是否异常可以用六西格玛原则进行判断,即指标数据的取值在指标数据均值的正或负三西格玛(对应异常阈值)范围内,则指标数据是正常的,否则,指标数据为异常,指标数据对应的用户为异常用户,由于异常的指标数据的值在均值的负三个西格玛(西格玛对应指标数据的标准差统计量)之外的取值空间(即指标数据均值-3*标准差)为负值,因此,这里将异常的指标数据的取值空间确定指标数据均值的正三个西格玛(西格玛对应指标数据的标准差统计量)之外的取值空间(即大于指标数据均值+3*标准差的取值空间)。
设用户级指标数据如表5所示,
表5
对应表5的用户级数据,计算得到的均值、标准差、以及异常阈值如表6所示:
PDP创建失败频数 | PDP创建成功频数 | PDP激活后无下行流量的频数 | |
均值 | 6 | 2 | 3 |
标准差 | 5.26 | 0.74 | 1.95 |
异常阈值 | 21.64 | 3.88 | 9.28 |
表6
以PDP创建次数为例,均值为6,标准差为5.26,则对应的异常阈值为6+5.26*3=21.64。
3)异常用户筛选模块30
根据异常阈值,筛选出指标数据异常的高频用户;即当用户指标数据的取值在指标数据均值的正负三西格玛(对应异常阈值)范围内,则判定用户的指标数据正常,否则,判定用户为指标数据异常的高频用户也即为异常用户。
设用户级指标数据如表7所示,
表7
三个指标对应的异常阈值如表8所示:
PDP创建失败频数 | PDP创建成功频数 | PDP激活后无下行流量的频数 | |
阈值 | 21.64 | 3.88 | 9.28 |
表8
异常用户筛选结果如表9所示:
表9
4)单维度评分模块40
单维度评分模块40基于异常用户筛选模块30筛选出的异常用户,在三个维度对异常用户的三个指标数据进行评分,从而得到用户级评分数据。
分别对每个维度的(也即每个指标)的指标数据进行离散化,例如可以将每个用户的指标数据对应的频数进行分成10组,基于分组结果,生成每个用户的每个维度的指标数据的评分;例如,对于PDP创建成功频数这一指标,不同用户的指标数据的评分如表10所示:
用户标识(IMSI码) | 小区编码(CELLID) | PDP创建成功频数 | PDP创建成功频数评分 |
460000******1 | 10001 | 3 | 10 |
460000******10 | 10010 | 1 | 8 |
460000******11 | 10011 | 1 | 5 |
460000******12 | 10012 | 1 | 8 |
460000******13 | 10013 | 2 | 5 |
460000******14 | 10014 | 1 | 5 |
460000******2 | 10002 | 2 | 8 |
460000******3 | 10003 | 1 | 10 |
460000******4 | 10004 | 2 | 8 |
460000******5 | 10005 | 1 | 5 |
460000******6 | 10006 | 1 | 5 |
460000******7 | 10007 | 2 | 5 |
460000******8 | 10008 | 3 | 8 |
460000******9 | 10009 | 2 | 5 |
表10
5)多维度聚类模块50
基于单维度评分模块40在三个维度对异常用户的评分数据,使用聚类方法将三个维度的指标数据的评分数据进行关联,对异常用户进行聚类处理,以使最终得到的聚类中的每个用户的感知度趋于一致,从而实现基于综合评定三个维度的评分数据确定用户感知度的方式,对用户基于感知度进行了聚类处理。
多维度聚类模块50具体处理步骤包括:
步骤1),从所有对象(包括所有异常用户的指标数据的评分,每个对象对应一个异常用户的用户级评分数据,包括用户的三个指标数据的评分,每个对象对应一个用户的用户级指标数据)中任意选择5个(也可以其他的大于2的值,取决于聚类的精细度,聚类的精细度要求越高,则初始聚类中心的数量越大)对象作为5个初始聚类中心(对应5个聚类);而对于其它对象,则根据待处理对象(所有对象中除聚类中心的对象)与聚类中心的欧式距离(也即其他对象中的三个维度指标数据的评分数据形成的向量,与聚类中心中用户的三个维度的指标数据的评分数据形成的向量的欧式距离),将待处理对象分配给与待处理对象的欧式距离最小的聚类中心所属的聚类得到新聚类;
步骤2),计算新聚类的均值向量(也即将聚类中每个对象的三个指标数据的评分数据构成一个三维向量,求取聚类中所有对象对应的三维向量的平均值);不断重复步骤1)和步骤2)直到聚类中心间的均方差收敛时停止处理。
步骤3),确定每个用户所属的聚类编号,此时,各聚类中对象的指标数据的评分数据的取值达到最大紧凑程度,而不同聚类的对象的指标数据的评分数据达到最大分散程度。
数据对象聚类处理后的聚类结果的示例如表11所示:
表11
6)低感知度用户筛选模块60
根据聚类结果,评估出用户的感知度信息如表12所示,输出低感知度的用户如表10中的类1、类2、类3中的用户均属低感知度(即感知度低于感知度阈值)用户。
用户标识(IMSI码) | 小区编码(CELLID) | 聚类结果 | 感知情况 |
460000******1 | 10001 | 类1 | 很差 |
460000******2 | 10002 | 类1 | 很差 |
460000******4 | 10004 | 类2 | 较差 |
460000******7 | 10007 | 类3 | 差 |
460000******8 | 10008 | 类2 | 较差 |
460000******9 | 10009 | 类3 | 差 |
460000******12 | 10012 | 类3 | 差 |
460000******3 | 10003 | 类4 | 一般 |
460000******10 | 10010 | 类4 | 一般 |
460000******11 | 10011 | 类4 | 一般 |
460000******13 | 10013 | 类3 | 差 |
460000******6 | 10006 | 类5 | 一般 |
460000******5 | 10005 | 类5 | 一般 |
460000******14 | 10014 | 类5 | 一般 |
表12
7)问题小区收敛模块70
分析低感知度用户的集中程度,将低感知度用户收敛到问题小区(也即定位低感知度用户分布程度密度超过密度阈值的小区),输出小区列表,如表13所示,小区列表中可以包括小区的总用户数、以及小区的低感知度用户比例,从而提高了无线质量问题定位和优化的效率;低感知度就是某些指标低于阈值的用户,不同情况下,感知度的指标不同,实际应用中,可以预设评分数据的取值与不同感知度之间的映射关系,基于每个聚类中的异常用户的评分数据确定该聚类中的异常用户的感知度;或者,对于不同的感知度预设对应的评分数据的取值空间(可以根据不同维度的指标数据分别设置取值空间),根据每个聚类中的异常用户的评分数据所对应的取值空间确定聚类中异常用户的感知度;比如某一个聚类中的异常用户在同一个小区发生10次(超过10次对应感知度差的取值空间)PDP激活创建失败,那这个用户的感知度就比较差;再比如在同一个小区下,某一个用户的下载速率特别低,TCP时延特别长,这个用户的感知度也比较差。
25673 | 261 | 2313 | 11.28% |
5722 | 261 | 2785 | 9.37% |
13184 | 173 | 2156 | 8.02% |
3511 | 125 | 2019 | 6.19% |
25032 | 122 | 1991 | 6.13% |
171 | 153 | 2537 | 6.03% |
3442 | 126 | 2093 | 6.02% |
2061 | 156 | 2681 | 5.82% |
3673 | 121 | 2215 | 5.46% |
17532 | 152 | 2788 | 5.45% |
501 | 111 | 2095 | 5.30% |
20583 | 170 | 4079 | 4.17% |
35001 | 179 | 4498 | 3.98% |
35003 | 201 | 5066 | 3.97% |
表13
实际应用中,无线质量问题定位***可由承载无线质量问题定位***的服务器中的微处理器(MCU)或逻辑可编程门阵列(FPGA)实现。
本发明实施例记载的无线质量问题定位方法,与上述记载的无线质量问题定位***中各模块的处理对应,结合图3、图4所示,包括以下步骤:
步骤1,从数据采集***获得用户的话单数据,并经过用户维度和时间维度的汇集,输出用户级指标数据,也即三个指标(包括:PDP创建失败频数、PDP创建成功频数和PDP激活后无下行流量的频数)对应的数据。
话单数据包含Gn接口GPRS隧道协议(GTP,GPRS Tunnel Protocol)下的会话级的PDP信令数据和用户业务数据,话单数据具有用户标识、小区标识、PDP创建请求、PDP创建回复、PDP创建后产生的业务流量等。
话单数据可以是呼叫细节记录数据库(CDR,Call Details Record Database)数据,也可以是外部数据表示(XDR,External Data Representation)数据,话单数据的一个数据结构示例如表14所示:
表14
通过session级数据进行汇集,计算一段时间内的PDP创建失败频数、PDP创建成功频数和PDP激活后无下行流量的频数三个指标对应的数据(也即指标数据),以输出用户级指标数据,每个用户的用户级指标数据包括三个维度的指标数据(包括PDP创建失败频数、PDP创建成功频数和PDP激活后无下行流量的频数三个指标分别对应的数据),用户级指标数据以用户标识、小区标识,用户级指标数据的一个示例如表15所示;
表15
步骤2,根据用户级指标数据计算异常阈值。
通过正常事件的异常频数确定异常阈值,根据异常阈值可以判断指标数据是否正常;
基于输入的用户级指标数据,采用六西格玛原则确定异常阈值:从理论和实际上讲,每个维度的指标数据均应服从正态分布,因此指标数据是否异常可以用六西格玛原则进行判断,即指标数据的取值在指标数据均值的正或负三西格玛(对应异常阈值)范围内,则指标数据是正常的,否则,指标数据为异常,指标数据对应的用户为异常用户,由于异常的指标数据的值在均值的负三个西格玛(西格玛对应指标数据的标准差统计量)之外的取值空间(即指标数据均值-3*标准差)为负值,因此,这里将异常的指标数据的取值空间确定指标数据均值的正三个西格玛(西格玛对应指标数据的标准差统计量)之外的取值空间(即大于指标数据均值+3*标准差的取值空间)。
设用户级指标数据如表16所示,
表16
根据异常阈值计算方法,得到的异常阈值如表17所示:
PDP创建失败频数 | PDP创建成功频数 | PDP激活后无下行流量的频数 | |
均值 | 6 | 2 | 3 |
标准差 | 5.26 | 0.74 | 1.95 |
频数异常阈值 | 21.64 | 3.88 | 9.28 |
表17
步骤3,根据异常阈值筛选出指标数据异常的用户也即异常用户。
从理论和实际上讲,指标数据均应服从正态分布,因此对指标数据的是否异常可以用六西格玛原则进行判断,即指标数据在指标数据均值的正或负三西格玛(对应异常阈值)范围内,则这些指标数据是正常的,否则,指标数据为异常,由于异常的指标数据的值在均值的负三个西格玛(西格玛对应指标数据的标准差统计量)之外的取值空间(即指标数据均值-3*标准差)为负值,因此,这里将异常的指标数据的取值空间为的指标数据均值的正三个西格玛(西格玛对应指标数据的标准差统计量)之外的取值空间(即大于指标数据均值+3*标准差的取值空间)。
设用户级指标数据如表18所示:
表18
通过计算三个指标数据的均值以及标准差,可以确定三个指标对应的异常阈值如表19所示:
PDP创建失败频数 | PDP创建成功频数 | PDP激活后无下行流量的频数 | |
阈值 | 21.64 | 3.88 | 9.28 |
表19
异常用户筛选结果如表20所示:
表20
步骤4,基于筛选出的指标数据异常的用户,在三个维度对异常用户进行评分,也即对异常用户的三个维度的指标数据分别进行评分,从而得到用户级评分数据。
分别对三个维度的指标数据中每个维度的指标数据进行离散化,将每个用户的指标数据对应的频数进行分成10组并生成每个用户的指标数据的评分;例如,对于PDP创建成功频数这一指标,不同用户的单项指标数据(以PDP创建成功频数指标数据为例)的评分如表21所示:
表21
步骤5,使用聚类方法把用户级评分数据的三个维度的评分数据进行关联,对异常用户进行聚类处理,以使最终得到的聚类中的每个用户的感知度趋于一致,从而实现基于综合评定三个维度的评分数据确定用户感知度的方式,对用户基于感知度进行了聚类处理。
具体处理步骤包括:
步骤1),从所有对象(包括所有异常用户的三个维度的指标数据的评分,每个对象对应一个异常用户的用户级评分数据)中任意选择5个(也可以其他大于2的数值,取决于聚类的精细度,聚类的精细度要求越高,则初始聚类中心的数量越大)对象作为5个初始聚类中心(对应5个聚类);而对于其它对象,则根据待处理对象(所有对象中除聚类中心的对象)与聚类中心的欧式距离(也即其他对象中的三个维度指标数据的评分数据形成的向量,与聚类中心中用户的三个维度的指标数据的评分数据形成的向量的欧式距离),将待处理对象分配给与待处理对象的欧式距离最小的聚类中心所属的聚类得到新的聚类;
步骤2),计算每个新聚类的均值向量(也即将聚类中每个对象的三个指标数据的评分数据构成一个三维向量,求取聚类中所有对象对应的三维向量的平均值);不断重复步骤1)和步骤2),直到聚类中心间的均方差收敛时停止处理。
步骤3),确定每个用户所属的聚类编号,此时,各聚类中对象的指标数据的评分数据的取值达到最大紧凑程度,而不同聚类的对象的指标数据的评分数据达到最大分散程度。
数据对象聚类处理后的聚类结果的示例如表22所示:
表22
步骤6,基于聚类结果筛选出低感知度的用户。
根据聚类结果,评估出用户的感知度信息如表23所示,输出低感知度的用户如表10中的类1、类2、类3中的用户均属低感知度用户。
用户标识(IMSI码) | 小区编码(CELLID) | 聚类结果 | 感知情况 |
460000******1 | 10001 | 类1 | 很差 |
460000******2 | 10002 | 类1 | 很差 |
460000******4 | 10004 | 类2 | 较差 |
460000******7 | 10007 | 类3 | 差 |
460000******8 | 10008 | 类2 | 较差 |
460000******9 | 10009 | 类3 | 差 |
460000******12 | 10012 | 类3 | 差 |
460000******3 | 10003 | 类4 | 一般 |
460000******10 | 10010 | 类4 | 一般 |
460000******11 | 10011 | 类4 | 一般 |
460000******13 | 10013 | 类3 | 差 |
460000******6 | 10006 | 类5 | 一般 |
460000******5 | 10005 | 类5 | 一般 |
460000******14 | 10014 | 类5 | 一般 |
表23
步骤7,将低感知度用户定位到问题小区,输出问题小区的列表。
基于步骤6中得到的低感知度的用户,可以得到每个小区的低感知度的用户,结合小区的总用户数,得到小区的低感知度用户比例,如表24所示,进而作为小区是否存在问题和需要优化的依据;低感知度就是某些指标低于阈值的用户,不同情况下,感知度的指标不同,比如某一个用户在同一个小区发生10次PDP激活创建失败,那这个用户的感知度就比较差;再比如在同一个小区下,某一个用户的下载速率特别低,TCP时延特别长,这个用户的感知度也比较差。
小区编码(CELLID) | 感知差的用户数 | 总用户 | 异常用户占比 |
25673 | 261 | 2313 | 11.28% |
5722 | 261 | 2785 | 9.37% |
13184 | 173 | 2156 | 8.02% |
3511 | 125 | 2019 | 6.19% |
25032 | 122 | 1991 | 6.13% |
171 | 153 | 2537 | 6.03% |
3442 | 126 | 2093 | 6.02% |
2061 | 156 | 2681 | 5.82% |
3673 | 121 | 2215 | 5.46% |
17532 | 152 | 2788 | 5.45% |
501 | 111 | 2095 | 5.30% |
20583 | 170 | 4079 | 4.17% |
35001 | 179 | 4498 | 3.98% |
35003 | 201 | 5066 | 3.97% |
表24
综上所述,本发明实施例基于Gn接口采集数据,基于三个指标:PDP创建失败频数、PDP创建成功频数和PDP激活后的无下行流量的频数指标,利用六西格玛统计方法对上述三个指标的对应的指标数据进行处理以筛选出异常用户,进而利用聚类算法对异常用户进行聚类,实现了综合评估异常用户的用户感知度;
本发明实施例中使用的上述三个指标是经过检验、筛选后,确认最有效筛选异常用户进而评估异常用户感知度的指标;
本发明实施例中基于Gn接口的数据***获取话单数据,基于Gn接口的数据***是在GPRS、TD-SCDMA和WCDMA网络中的基础设置,因此适用于不同的网络。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、随机存取存储器(RAM,Random Access Memory)、只读存储器(ROM,Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种无线质量问题定位***,其特征在于,所述***包括:
指标计算模块、用于获取用户的话单数据,对所述用户话单数据进行用户维度和时间维度的汇集,输出用户级指标数据;
异常阈值计算模块,用于基于所述用户级指标数据确定异常阈值;
异常用户筛选模块、用于基于所述异常阈值从所述用户中筛选出异常用户;
单维度评分模块,用于对所述异常用户的用户级指标数据进行不同维度的评分,输出对应所述异常用户的用户级评分数据;
多维度聚类模块,用于基于所述用户级的评分数据对所述异常用户进行聚类处理,输出所述异常用户的聚类结果;
低感知度用户筛选模块,用于基于所述聚类结果,确定所述异常用户的感知度信息;
问题小区收敛模块,用于基于所述感知度信息,确定感知度低于感知度阈值的异常用户所归属的小区为问题小区。
2.如权利要求1所述的***,其特征在于,
所述指标计算模块、还用于从基于Gn接口的数据采集***获取所述用户的话单数据,所述用户的话单数据包括会话级信令面数据和用户面的数据;
对所述用户话单数据经过用户维度和时间维度的汇集,得到以下至少三个维度的指标对应的指标数据:分组数据协议PDP创建失败频数、PDP创建成功频数和PDP激活后无下行流量的频数。
3.如权利要求2所述的***,其特征在于,
所述异常阈值计算模块,还用于确定每个所述维度的指标数据的均值和标准差;
将所确定的每个所述维度的均值与标准差的三倍的加和确定为相应维度的指标数据的异常阈值。
4.如权利要求2所述的***,其特征在于,
所述单维度评分模块,还用于对所述异常用户的用户级指标数据中对应每个所述维度的指标数据进行离散化处理,将离散化处理后的指标数据进行分组;
基于分组结果对应确定所述异常用户的每个所述维度的指标数据的评分。
5.如权利要求1至4任一项所述的***,其特征在于,
所述多维度聚类模块,还用于从所有对象中选择N个对象作为初始聚类中心,N为大于等于2的整数,基于最小欧式距离原则将待处理对象分配到与所述待处理对象欧式距离最小的聚类中心所属的聚类得到新聚类;直至,
所述聚类中心之间的均方差收敛;其中,所述对象与所述异常用户的用户级评分数据一一对应,所述待处理对象为所有对象中除所述N个对象之外的对象。
6.一种无线质量问题定位方法,其特征在于,所述方法包括:
获取用户的话单数据,对所述话单数据进行用户维度和时间维度的汇集,得到用户级指标数据;
基于所述用户级指标数据确定异常阈值,并基于所述异常阈值从所述用户中筛选出异常用户;
对所述异常用户的用户级指标数据进行不同维度的评分,得到所述异常用户的用户级评分数据,并基于所述用户级的评分数据对所述异常用户进行聚类处理,得到所述异常用户的聚类结果;
基于所述聚类结果,确定所述异常用户的感知度信息,确定感知度低于感知度阈值的异常用户所归属的小区为问题小区。
7.如权利要求6所述的方法,其特征在于,所述对所述用户的话单数据经过用户维度和时间维度的汇集,得到用户级指标数据,包括:
从基于Gn接口的数据采集***获取所述用户的话单数据,所述用户的话单数据包括会话级信令面数据和用户面的数据;
对所述用户的话单数据进行用户维度和时间维度的汇集,得到以下至少三个维度的指标对应的指标数据:分组数据协议PDP创建失败频数、PDP创建成功频数和PDP激活后无下行流量的频数。
8.如权利要求7所述的方法,其特征在于,所述基于用户级指标数据确定异常阈值,包括:
分别计算所述用户级指标数据中每个所述维度的指标数据的均值和标准差;将所确定均值与标准差的三倍的加和确定为相应维度的指标数据的异常阈值。
9.如权利要求7所述的方法,其特征在于,所述从对异常用户的用户级指标数据进行不同维度的评分,得到对应所述异常用户的用户级评分数据,包括:
对所述异常用户的用户级指标数据中的对应每个所述维度的指标数据进行离散化处理,将离散化处理后的指标数据进行分组;
基于分组结果确定所述异常用户的每个所述维度的指标数据的评分。
10.如权利要求6至9任一项所述的方法,其特征在于,所述基于所述用户级的评分数据对所述异常用户进行聚类处理,得到聚类结果,包括:
从所有对象中选择N个对象作为初始聚类中心,N为大于等于2的整数,基于最小欧式距离原则将待处理对象分配到与所述待处理对象欧式距离最小的聚类中心所属的聚类得到新聚类;直至,
所述聚类中心之间的均方差收敛;
其中,所述对象与所述异常用户的用户级评分数据一一对应,所述待处理对象为所有对象中除所述N个对象之外的对象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510030063.6A CN105873113B (zh) | 2015-01-21 | 2015-01-21 | 无线质量问题定位方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510030063.6A CN105873113B (zh) | 2015-01-21 | 2015-01-21 | 无线质量问题定位方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105873113A true CN105873113A (zh) | 2016-08-17 |
CN105873113B CN105873113B (zh) | 2019-05-28 |
Family
ID=56623017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510030063.6A Active CN105873113B (zh) | 2015-01-21 | 2015-01-21 | 无线质量问题定位方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105873113B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326461A (zh) * | 2016-08-30 | 2017-01-11 | 杭州东方通信软件技术有限公司 | 一种基于网络信令记录的实时处理保障方法及*** |
CN108108743A (zh) * | 2016-11-24 | 2018-06-01 | 百度在线网络技术(北京)有限公司 | 异常用户识别方法和用于识别异常用户的装置 |
CN108322363A (zh) * | 2018-02-12 | 2018-07-24 | 腾讯科技(深圳)有限公司 | 推送数据异常监控方法、装置、计算机设备和存储介质 |
CN109994128A (zh) * | 2017-12-30 | 2019-07-09 | ***通信集团贵州有限公司 | 语音质量问题定位方法、装置、设备及介质 |
CN110163457A (zh) * | 2018-02-14 | 2019-08-23 | 北京京东尚科信息技术有限公司 | 一种业务指标的异常定位方法和装置 |
CN110633388A (zh) * | 2019-08-15 | 2019-12-31 | 宜通世纪物联网研究院(广州)有限公司 | 基于通信xdr的实时指标生成方法、***和存储介质 |
CN110636528A (zh) * | 2019-09-30 | 2019-12-31 | 南京邮电大学 | 一种区域无线感知问题特征识别方法 |
CN110728525A (zh) * | 2018-07-16 | 2020-01-24 | ***通信集团浙江有限公司 | 一种网络批量用户投诉的定界处理方法及装置 |
CN110868732A (zh) * | 2018-08-27 | 2020-03-06 | ***通信集团广东有限公司 | VoLTE接通无线失败的问题定位方法、***和设备 |
CN111030876A (zh) * | 2019-12-25 | 2020-04-17 | 武汉绿色网络信息服务有限责任公司 | 一种基于DPI的NB-IoT终端故障定位方法和装置 |
CN111372073A (zh) * | 2018-12-26 | 2020-07-03 | ***通信集团四川有限公司 | 视频质量的评价方法、装置、设备和介质 |
CN113219504A (zh) * | 2017-02-28 | 2021-08-06 | 荣耀终端有限公司 | 定位信息确定方法及装置 |
CN114071520A (zh) * | 2020-08-06 | 2022-02-18 | ***通信集团广东有限公司 | Lte网络问题定位方法、装置及电子设备 |
CN115843046A (zh) * | 2021-10-15 | 2023-03-24 | 中国联合网络通信集团有限公司 | 高架道路数据的处理方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102014408A (zh) * | 2010-12-16 | 2011-04-13 | 北京拓明科技有限公司 | 基于数据业务流量和小区重选的移动网络分析方法 |
CN102075978A (zh) * | 2011-01-28 | 2011-05-25 | 浪潮通信信息***有限公司 | 一种基于语音业务用户负感知的网络问题分析方法 |
CN103138963A (zh) * | 2011-11-25 | 2013-06-05 | 华为技术有限公司 | 一种基于用户感知的网络问题定位方法及装置 |
JP2014123885A (ja) * | 2012-12-21 | 2014-07-03 | Kddi Corp | 電波伝搬特性推定装置、電波伝搬特性推定方法およびコンピュータプログラム |
-
2015
- 2015-01-21 CN CN201510030063.6A patent/CN105873113B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102014408A (zh) * | 2010-12-16 | 2011-04-13 | 北京拓明科技有限公司 | 基于数据业务流量和小区重选的移动网络分析方法 |
CN102075978A (zh) * | 2011-01-28 | 2011-05-25 | 浪潮通信信息***有限公司 | 一种基于语音业务用户负感知的网络问题分析方法 |
CN103138963A (zh) * | 2011-11-25 | 2013-06-05 | 华为技术有限公司 | 一种基于用户感知的网络问题定位方法及装置 |
JP2014123885A (ja) * | 2012-12-21 | 2014-07-03 | Kddi Corp | 電波伝搬特性推定装置、電波伝搬特性推定方法およびコンピュータプログラム |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326461B (zh) * | 2016-08-30 | 2019-07-30 | 杭州东方通信软件技术有限公司 | 一种基于网络信令记录的实时处理保障方法及*** |
CN106326461A (zh) * | 2016-08-30 | 2017-01-11 | 杭州东方通信软件技术有限公司 | 一种基于网络信令记录的实时处理保障方法及*** |
CN108108743A (zh) * | 2016-11-24 | 2018-06-01 | 百度在线网络技术(北京)有限公司 | 异常用户识别方法和用于识别异常用户的装置 |
CN113219504A (zh) * | 2017-02-28 | 2021-08-06 | 荣耀终端有限公司 | 定位信息确定方法及装置 |
CN109994128A (zh) * | 2017-12-30 | 2019-07-09 | ***通信集团贵州有限公司 | 语音质量问题定位方法、装置、设备及介质 |
CN109994128B (zh) * | 2017-12-30 | 2021-06-04 | ***通信集团贵州有限公司 | 语音质量问题定位方法、装置、设备及介质 |
CN108322363A (zh) * | 2018-02-12 | 2018-07-24 | 腾讯科技(深圳)有限公司 | 推送数据异常监控方法、装置、计算机设备和存储介质 |
CN108322363B (zh) * | 2018-02-12 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 推送数据异常监控方法、装置、计算机设备和存储介质 |
CN110163457A (zh) * | 2018-02-14 | 2019-08-23 | 北京京东尚科信息技术有限公司 | 一种业务指标的异常定位方法和装置 |
CN110728525B (zh) * | 2018-07-16 | 2022-04-15 | ***通信集团浙江有限公司 | 一种网络批量用户投诉的定界处理方法及装置 |
CN110728525A (zh) * | 2018-07-16 | 2020-01-24 | ***通信集团浙江有限公司 | 一种网络批量用户投诉的定界处理方法及装置 |
CN110868732A (zh) * | 2018-08-27 | 2020-03-06 | ***通信集团广东有限公司 | VoLTE接通无线失败的问题定位方法、***和设备 |
CN111372073A (zh) * | 2018-12-26 | 2020-07-03 | ***通信集团四川有限公司 | 视频质量的评价方法、装置、设备和介质 |
CN110633388B (zh) * | 2019-08-15 | 2021-12-28 | 广东宜通衡睿科技有限公司 | 基于通信xdr的实时指标生成方法、***和存储介质 |
CN110633388A (zh) * | 2019-08-15 | 2019-12-31 | 宜通世纪物联网研究院(广州)有限公司 | 基于通信xdr的实时指标生成方法、***和存储介质 |
CN110636528A (zh) * | 2019-09-30 | 2019-12-31 | 南京邮电大学 | 一种区域无线感知问题特征识别方法 |
CN111030876A (zh) * | 2019-12-25 | 2020-04-17 | 武汉绿色网络信息服务有限责任公司 | 一种基于DPI的NB-IoT终端故障定位方法和装置 |
CN111030876B (zh) * | 2019-12-25 | 2022-05-06 | 武汉绿色网络信息服务有限责任公司 | 一种基于DPI的NB-IoT终端故障定位方法和装置 |
CN114071520A (zh) * | 2020-08-06 | 2022-02-18 | ***通信集团广东有限公司 | Lte网络问题定位方法、装置及电子设备 |
CN114071520B (zh) * | 2020-08-06 | 2023-11-21 | ***通信集团广东有限公司 | Lte网络问题定位方法、装置及电子设备 |
CN115843046A (zh) * | 2021-10-15 | 2023-03-24 | 中国联合网络通信集团有限公司 | 高架道路数据的处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105873113B (zh) | 2019-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105873113A (zh) | 无线质量问题定位方法及*** | |
CN108848515B (zh) | 一种基于大数据的物联网业务质量监测平台及方法 | |
CN109803295B (zh) | 一种通信小区整改优先级的评价方法和装置 | |
CN104145500B (zh) | 用于维持或优化移动电话网络的方法和*** | |
CN107171848A (zh) | 一种流量预测方法和装置 | |
CN108243435B (zh) | 一种lte小区场景划分中的参数优化方法及装置 | |
CN108616900B (zh) | 一种室内外测量报告的区分方法及网络设备 | |
CN104396188A (zh) | 用于对移动网络性能问题进行根本原因分析的***和方法 | |
CN110430578B (zh) | 基于移动终端数据实现小区方位角预测的方法 | |
US20120203788A1 (en) | Network management system and method for identifying and accessing quality of service issues within a communications network | |
CN102726089A (zh) | Wi-Fi热点部署规划阶段的精确选点方法及模型 | |
CN106559803A (zh) | 一种基站建设评估方法及装置 | |
CN105163344A (zh) | 一种td-lte***内干扰的定位方法 | |
CN104539471A (zh) | 带宽计量方法、装置和计算机设备 | |
CN107295530A (zh) | 一种基于半监督聚类的无线小区信息侦测方法 | |
CN106657073A (zh) | 筛选异常登录用户的方法及*** | |
CN104244314A (zh) | 一种基于Mc接口信令的潜在集团客户识别方法 | |
CN103581982A (zh) | 一种业务热点的检测方法、确定方法、定位方法及装置 | |
CN116485267A (zh) | 一种基于多维数据的智能建筑健康状态评估*** | |
CN110189799A (zh) | 基于变量重要性评分和奈曼皮尔逊检验的宏基因组特征选择方法 | |
EP2621156B1 (en) | Subscriber portfolio management system | |
CN107277777A (zh) | 一种室内定位方法和装置 | |
CN109062992A (zh) | 一种经济数据分析方法及*** | |
CN106162698A (zh) | 网络异常问题分析方法和装置 | |
CN204287842U (zh) | 中央处理设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |