CN111327438A - 一种告警数据处理方法、装置和可读介质 - Google Patents
一种告警数据处理方法、装置和可读介质 Download PDFInfo
- Publication number
- CN111327438A CN111327438A CN201811531988.9A CN201811531988A CN111327438A CN 111327438 A CN111327438 A CN 111327438A CN 201811531988 A CN201811531988 A CN 201811531988A CN 111327438 A CN111327438 A CN 111327438A
- Authority
- CN
- China
- Prior art keywords
- base station
- alarm
- base stations
- determining
- alarm data
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种告警数据处理方法、装置和可读介质,所述方法,包括:获取多个基站的基站告警数据和多个动环告警设备的动环告警数据;根据所述基站告警数据、所述动环告警数据和训练得到的基站与动环告警设备之间的关联关系模型,确定多个基站与多个动环告警设备之间的关联关系。由此,准确地确定出基站与动环告警设备之间的关联关系,此外,本发明中的关联关系模型为根据关联关系已知的基站的基站告警数据和动环告警设备的动环告警数据训练得到的,故进一步提高了确定出的关联关系的准确性,此外,基于上述关联关系,有效提高了动环告警设备的覆盖率。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种告警数据处理方法、装置和可读介质。
背景技术
动环监控是指针对各类机房中的动力设备及环境变量进行集中监控。而对基站进行动环监控是保障网络正常通信的必备技术。然而目前的动环覆盖率还不够高,导致有些基站没有动环监控设备,进而导致无法及时定位出故障大致位置。为了提高动环监控设备覆盖率,行之有效的方法是增加动环告警设备,但会受到成本的制约。
现有技术是基于基站告警数据和动环告警数据来确定可以共用动环的基站,但采用的方法多为基于关联规则的知识库,数据字典,统计分析等技术,挖掘程度较浅,并不能实现将动环告警与基站告警现象真正的关联,从而导致确定出的基站与动环监控设备之间的关联关系不够准确,影响动环监控设备的覆盖率。
因此,如何准确地确定出动环监控设备与基站之间的关联关系,进而提高动环监控设备的覆盖率是首要考虑的技术问题之一。
发明内容
本发明实施例提供一种告警数据处理方法、装置和可读介质,用以准确地确定出动环监控设备与基站之间的关联关系,进而提高动环监控设备的覆盖率。
第一方面,本发明实施例提供一种告警数据处理方法,包括:
获取多个基站的基站告警数据和多个动环告警设备的动环告警数据;
根据所述基站告警数据、所述动环告警数据和训练得到的基站与动环告警设备之间的关联关系模型,确定多个基站与多个动环告警设备之间的关联关系;
其中,所述关联关系模型为根据关联关系已知的基站的基站告警数据和动环告警设备的动环告警数据训练得到的。
第二方面,本发明实施例提供一种告警数据处理装置,包括:
获取单元,用于获取多个基站的基站告警数据和多个动环告警设备的动环告警数据;
第一确定单元,用于根据所述基站告警数据、所述动环告警数据和训练得到的基站与动环告警设备之间的关联关系模型,确定多个基站与多个动环告警设备之间的关联关系;
其中,所述关联关系模型为根据关联关系已知的基站的基站告警数据和动环告警设备的动环告警数据训练得到的。
第三方面,本发明实施例提供一种通信设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;所述处理器执行所述程序时实现如本申请提供的任一项所述的告警数据处理方法。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请提供的任一项所述的告警数据处理方法中的步骤。
本发明有益效果:
本发明实施例提供的告警数据处理方法、装置和可读介质,获取多个基站的基站告警数据和多个动环告警设备的动环告警数据;根据所述基站告警数据、所述动环告警数据和训练得到的基站与动环告警设备之间的关联关系模型,确定多个基站与多个动环告警设备之间的关联关系。由此,准确地确定出基站与动环告警设备之间的关联关系,此外,本发明中的关联关系模型为根据关联关系已知的基站的基站告警数据和动环告警设备的动环告警数据训练得到的,故进一步提高了确定出的关联关系的准确性,此外,基于上述关联关系,有效提高了动环告警设备的覆盖率。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例提供的KB站的效果示意图;
图2为本发明实施例提供的告警数据处理方法的流程示意图之一;
图3为本发明实施例提供的告警数据处理方法的流程示意图之二;
图4为本发明实施例提供的训练关联关系模型的方法的流程示意图;
图5为本发明实施例提供的确定基站样本的流程示意图;
图6为本发明实施例提供的筛选出告警时间相关的基站的流程示意图;
图7为本发明实施例提供的筛选出距离相关的基站的流程示意图;
图8为本发明实施例提供的确定筛选出的两个基站之间的欧式距离的流程示意图;
图9为本发明实施例提供的确定距离相关的基站中告警发生次数相关概率的流程示意图;
图10为本发明实施例提供的确定动环样本的流程示意图;
图11为本发明实施例提供的告警数据处理装置的结构示意图;
图12为本发明实施例提供的通信装置的结构示意图。
具体实施方式
本发明实施例提供的告警数据处理方法、装置和可读介质,用以准确地确定出动环监控设备与基站之间的关联关系,进而提高动环监控设备的覆盖率。
以下结合说明书附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明,并且在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
便于理解本发明,本发明涉及的技术术语中:
KB站,由同一路供电源供电的至少两个基站,参考图1所示的KB站的示意图;本发明利于已有的历史告警数据通过机器学习对基站进行梳理、关联,以点带面引入KB站的思想,把基站从物理意义上的机房归属于一条电路控制的KB站,把基站动环告警影响范围扩大化,以提升基站动环告警覆盖率。
为了更好地理解本发明,先对告警情景进行分析,如果基站同属于一个KB站,会出现以下表现形式:(1)KB站中基站因为电力原因断站,其所属所有基站会同时上报断站告警;(2)由于供电受地域原因影响较大,一个KB站中不会出现两个地域距离较大的基站,如:区域1与区域2距离较远,故区域1中的基站不会与区域2中的基站同属一个KB站。
而宏蜂窝机房内同时出现所有基站断站告警存在以下几种情况:
情况一:基站机房没有安装应急电池,当电力中断的时候,机房内所有的机器同时断站,并发出断站告警。
情况二:基站机房安装应急电池,当电力中断的时候,基站发出低压告警,当电池电量耗尽的时候基站发出断站告警。
情况三:基站机房传输中断的时候,机房内所有的机器同时断站,并上报断站告警。
情况四:基站为微蜂窝,当微蜂窝的供电中断的时候,微蜂窝直接发出断站告警。
情况五:宏蜂窝同时发生基站故障,同时发生断站告警(发生概率较低,可以忽略不计)。
如图2所示,为本发明实施例提供的告警数据处理方法的流程示意图,可以包括以下步骤:
S21、获取多个基站的基站告警数据和多个动环告警设备的动环告警数据。
本步骤中,告警平台上承载着这个告警数据,故基于告警平台可以获取多个基站的基站告警数据和多个动环告警设备的动环告警数据。本发明对基站的数量和动环告警设备的数量不进行限定,例如可以获取一个市内的所有基站的基站告警数据和所有动环告警设备的动环告警数据等。
S22、根据所述基站告警数据、所述动环告警数据和训练得到的基站与动环告警设备之间的关联关系模型,确定多个基站与多个动环告警设备之间的关联关系。
其中,本发明中的关联关系模型为根据关联关系已知的基站的基站告警数据和动环告警设备的动环告警数据训练得到的。
本步骤中,本发明通过对基站断站告警数据,动环告警数据进行深度挖掘,输出基站与基站之间的关联,基站与动环之间的关联,从而可以准确地确定出基站与动环告警设备之间的关联关系。
具体地,在实施步骤S22时,可以先对基站告警数据和动环告警数据进行数据清洗,例如,对关键值为空、乱码,和/或重复告警的数据进行清洗剔除,同时可以将基站告警数据和动环告警数据中所需字符进行规范化处理,然后再将处理后的基站告警数据和动环告警数据输入到训练得到的关联关系模型中,该关联关系模型的输出结果为基站之间是否关联的结果,以及基站与动环告警设备之间是否关联的结果。
可选地,本发明提供的告警数据处理方法还包括图3所示的流程,可以包括以下步骤:
S31、根据关联关系,确定属于同一路供电源供电的基站集合。
本步骤中,基于基站之间的关联关系的结果,若任两个基站之间的关联关系的取值大于预设阈值,则表明这两个基站相关,属于同一路供电源供电。
S32、确定所述基站集合中配置有动环告警设备的第一基站和未配置有动环告警设备的第二基站。
具体地,基站是否配置有动环告警设备的结果是事先获取到的,在现场施工过程中,为哪个基站配置动环告警设备是预先规划好的,因此,可以准确地从基站集合中确定配置有动环告警设备的第一基站和未配置动环告警设备的第二基站。
S33、确定所述第二基站与所述第一基站共用所述第一基站的动环告警设备。
由于第一基站与第二基站共用一个供电源,故第一基站的动环告警设备可以复用给第二基站,基于此,通过采用本发明提供的方法,实际应用中未配置动环告警设备的基站也会对应一个动环告警设备,从而有效提高了动环告警设备的覆盖率。
可选地,本发明中基站与动环告警设备之间的关联关系包括基站与基站之间的关联关系和基站与动环告警设备之间的关联关系,基于上述关联关系可以构建一个拓扑结构图,然后基于该拓扑结构图可以发现基站与基站之间的是否是由同一路电源所控制,如果发现基站之间是由同一路电源所控制的,那么这个基站集合中有动环告警的基站的动环告警设备可以复用给无动环告警的基站,最终实现动环告警覆盖率的提升。
接下来对基站与动环告警设备之间的关联关系模型的训练过程进行说明。
如图4所示,为本发明实施例提供的根据关联关系已知的基站的基站告警数据和动环告警设备的动环告警数据训练关联关系模型的方法的流程示意图,可以包括以下步骤:
S41、根据多个基站的基站告警数据,确定用于表征基站与基站之间告警关联关系的基站样本。
具体地,可以从告警平台获取2G、3G和4G预设时间段内基站告警数据和动环告警数据,其中,基站告警数据可以为基站断站告警数据,其中预设实际段可以为一年。为了减少计算工作量,可以从这些告警数据中提取出关键的小区ID、基站名称、机房名称、告警发生时间、告警结束时间等作为基站告警数据,动环告警数据的提取过程类似。
可选地,为了更好地训练关联关系模型,还可以对告警数据进行数据清洗等,然后基于清洗后的基站告警数据和动环告警数据训练关联关系模型。
可选地,本发明中的基站告警数据包括告警发生时间和基站的位置信息;则可以按照图5所示的方法确定用于表征基站与基站之间告警关联关系的基站样本,包括以下步骤:
S51、根据多个基站的告警发生时间,筛选出告警时间相关的基站。
本步骤中,针对基站告警数据,根据其断电会出现同时上报断站告警的特点,只筛选某个基站机房所有基站同时上报断站告警的告警数据,认为其是因为断电原因发生的基站断站告警数据。
可选地,针对多个基站中的每两个基站,可以按照图6所示的方法筛选出告警时间相关的基站,包括以下步骤:
S61、根据两个基站的告警发生时间,确定两个基站的告警时间差。
本步骤中,选取基站报警数据中8个内容分析特征值,构成基站告警数据集合X=(x1,x2,x3,x4,x5,x6,x7,x8),其中:参考表1所示,x1~x8分别表示为:
表1
x1:小区号 | x5:基站经度 |
x2:基站名称 | x6:基站经度 |
x3:机房名称 | x7:告警类型 |
x4:告警发生时间 | x8:基站所属维护区域 |
表1中,告警类型可以但不限于为2g告警、4g告警或工程告警。基站所属维护区域例如可以为城一公司和城二公司等等。
以基站每条告警为维度进行说明,基于基站告警数据集合,针对该集合中每一基站的基站告警数据,以该基站为nea为例进行说明,则确定该基站nea与基站告警数据集合中除该基站nea以外的每一基站之间的告警时间差,例如除该基站nea以外的每一基站为neb为例进行说明,根据基站nea和基站neb的基站告警数据中的告警发生时间,确定基站nea和基站neb之间的告警时间差,记为Tb,a=Tb-Ta。
S62、若确定出告警时间差小于预设时间差阈值,则确定两个基站为告警时间相关的基站。
本步骤中,以预设时间差阈值为δ为例进行说明,若确定出Tb,a<δ,则表明基站nea和基站neb可能针对同一个告警事件上报基站告警数据,表明基站nea和基站neb之间的相关性为真,也即基站nea和基站neb可能是KB站。若Tb,a≥δ,则表明基站nea和基站neb不相关,可能为噪声点。
具体地,本发明中的δ可以根据实际情况进行调整,以获得更准确的聚类结果,例如,本发明中的δ可以但不限于为120s等,通过实施步骤S61和S62,可以获得基站nea发生断站之后120s内发生基站断站告警的一系列基站。
基于此,可以确定出基站告警数据集合中筛选出告警时间相关的基站。为例便于后续描述,可以将告警时间相关的基站构成时间相关基站集合T。
S52、基于筛选出的基站的位置信息,筛选出距离相关的基站。
本步骤中,从时间相关的时间相关基站集合T中,筛选出距离相关的基站,旨在确定出时间相关且距离相关的基站。
具体地,针对筛选出的多个基站中的每两个基站,可以按照图7所示的流程实施步骤S52,包括以下步骤:
S71、基于筛选出的两个基站的位置信息,确定筛选出的两个基站之间的欧式距离。
可选地,步骤S71中的欧式距离可以为直线距离或实际直线距离等。
可选地,本发明中的基站的位置信息包括基站的维度和绝对经度;则可以按照图8所示的流程实施步骤S71,包括以下步骤:
S81、根据两个基站的维度和绝对经度,确定所述两个基站之间的偏转角度。
具体地,可以按照公式(1)确定两个基站之间的偏转角度,以基站nea和基站neb为例进行说明,则基站nea和基站neb之间的偏转角度Cb,a的表达式为:
Cb,a=sin(LatA)*sin(LatB)+cos(LatA)*cos(LatB)*cos(MLonA-MLonB) (1)
公式(1)中,LatA为两个基站中的基站nea的维度,LatB为两个基站中的基站neb的维度;MLonA为两个基站中的基站nea的绝对经度,MLonB为两个基站中的基站neb的绝对经度。
S82、根据所述偏转角度和地球半径,按照公式(2)确定所述两个基站之间的欧式距离。
D=R*arccos(Cb,a)*π/180 (2)
R为地球半径,取值为R=6371004米;
D为两个基站之间的欧式距离。
通过利用公式(1)和(2)即可确定出基站nea和基站neb之间的欧式距离Da,b。
S72、若确定出所述欧式距离大于预设欧式距离阈值,则确定筛选出的两个基站确定为距离相关的基站。
具体地,本发明中的预设欧式距离阈值可以用θ表示,为了获得更好地聚类结果,该阈值可以根据实际情况进行调整。以预设欧式距离阈值θ=1000米为例进行说明,若确定出Da,b<θ,则表明站nea和基站neb距离比较近,属于距离相关的基站;否则基站nea和基站neb不相关,可能为噪声点。
基于此,可以从时间相关基站集合中确定出距离相关的基站,为了后续描述方便,将从时间相关基站集合T中筛选出的距离相关的基站构成距离相关基站集合M,而该距离相关基站集合M中的基站既满足时间相关又满足距离相关。
S53、基于距离相关的基站,确定距离相关的基站中告警发生次数相关概率。
可选地,针对距离相关的每一基站,可以按照图9所示的流程实施步骤S53,包括以下步骤:
S91、基于该基站的基站告警数据,确定该基站发生告警的告警次数。
本步骤中,基于距离相关的基站构成的距离相关基站集合M中的每一基站,以基站为nea为例进行说明,可以确定该基站与基站告警数据集合X中的各个基站的告警发生次数,即该基站发生告警的告警次数,记为其中,n为基站告警数据集合X中基站的数量。
S92、确定该基站与距离相关的其他基站发生的告警中相关的告警的次数。
S93、将所述相关的告警的次数与该基站发生告警的告警次数之间的比值确定为该基站与所述其他基站之间的告警发生次数相关概率。
本步骤中,通过下述公式可以确定出该基站nea与所述其他基站neb之间的告警发生次数相关概率ρa,b:ρa,b=CNTa,b/CNTa。
S54、将发生次数相关概率大于预设概率阈值的基站确定为基站样本。
本步骤中,若确定出ρa,b大于预设概率阈值,则确定基站nea和基站neb相关,可以将其作为最终具有相关性的基站样本集合,记为R,且R=(R1,R2,R3,R4,R5,R6,R7),其中,参考表2所示,表2列举出了R1~R7的含义:
表2
从而可以确定出距离相关集合M中各个基站相关的基站的基站集合,然后将各个基站集合构成基站样本。
可选地,为了更好地输出基站与动环告警设备之间的关联关系,还可以对基站样本进行进一步筛选处理,具体地,可以将基站样本中的每一基站的基站告警数据与投诉工单进行比对,以排除传输原因导致的告警,最终确定出用于表征基站与基站之间告警关联关系的基站样本。
S42、根据多个基站的基站告警数据和多个动环告警设备的动环告警数据,确定用于表征基站与具有动环告警的基站之间告警关联关系的动环样本。
可选地,本发明中的基站告警数据包括第一告警发生时间和基站的位置信息;所述动环告警数据包括具有动环的基站的第二告警发生时间和具有动环的基站的位置信息等。
具体地,针对动环告警数据,排除其自身设备故障和其他影响因素的干扰,只选取三相电压同时为0V且低压告警小于50V的数据,认为这些时间是因为断电产生的动环告警数据。
在此基础之上,可以按照图10所示的确定动环样本,包括以下步骤:
S101、根据具有基站告警数据的基站的第一告警发生时间和所述具有动环的基站的第二告警发生时间,确定告警时间相关的基站。
具体地,选取动环告警数据中8个分析特征值,构成动环告警数据集合P,且P=(P1,P2,P3,P4,P5,P6,P7,P8),参考表3所示,表3列举出了P1~P8的含义:
表3
表3中,告警类型可以但不限于为2g告警、4g告警或工程告警。基站所属维护区域例如可以为城一公司和城二公司等等。
本步骤中,以动环每条告警为维度,设定该条动环告警所属基站为nec,该基站nec属于集合P,确定该基站nec与基站告警数据集合X中告警时间相关的基站。
具体地,确定步骤S101中的相关性基站时,执行过程可以参考图6的流程,具体过程为:
确定该基站nec与基站告警数据集合X中的基站ned构成的基站数据对之间的告警时间差,记为Tc,d且表达式为:Tc,d=Td-Tc,其中,Td为基站ned的第一告警发生时间,Tc为基站nec的第二告警发生时间。
以预设差值阈值为α为例进行说明,若确定出Tc,d<α,则表明基站nec和基站ned可能针对同一个告警事件上报基站告警数据,表明基站nec和基站ned之间的相关性为真,也即基站nec和基站ned可能是KB站。若Tc,d>α,则表明基站nec和基站ned不相关,可能为噪声点。
具体地,本发明中的α可以根据实际情况进行调整,以获得更准确的聚类结果,例如,本发明中的α可以但不限于为120s等,通过实施确定时间相关的基站的过程,可以获得基站nec发生断站之后120s内发生基站断站告警的一系列基站。
基于此,可以确定出基站告警数据集合和动环告警数据集合,可以确定出告警时间相关的基站。为例便于后续描述,可以将告警时间相关的基站构成时间相关动环-基站集合K。
S102、基于筛选出的基站的位置信息,筛选出距离相关的基站。
本步骤中,从时间相关动环-基站集合K中,筛选出距离相关的基站,旨在确定出时间相关且距离相关的基站。
具体地,可以按照图7的流程,实施步骤S102,大致过程为:
以时间相关动环-基站集合K中存在基站nec和基站ned为例进行说明,动环告警数据中包括基站nec的位置信息,基站ned的基站告警数据中包括位置信息,该位置信息可以但不限于为经纬度和绝对经纬度,则可以按照公式先确定基站nec和基站ned之间的偏转角度Cc,d,Cc,d的表达式为:Cc,d=sin(LatC)*sin(LatD)+cos(LatC)*cos(LatD)*cos(MLonC-MLonD),其中,LatC为两个基站中的基站nec的维度,LatD为两个基站中的基站ned的维度;MLonC为两个基站中的基站nec的绝对经度,MLonD为两个基站中的基站ned的绝对经度。
在此基础之上,按照公式Dc,d=R*arccos(Cc,d)*π/180确定基站nec和基站ned之间的欧式距离。
以本发明中的欧式距离阈值为β为例进行说明,为了获得更好地聚类结果,该阈值可以根据实际情况进行调整。以预设欧式距离阈值θ=1000米为例进行说明,若确定出Dc,d<β,则表明站nec和基站ned距离比较近,属于距离相关的基站;否则基站nec和基站ned不相关,可能为噪声点。
基于此,可以从时间相关动环-基站集合K中确定出距离相关的基站,为了后续描述方便,将从时间相关动环-基站集合K中筛选出的距离相关的动环-基站构成距离相关基站集合G,而该距离相关动环-基站集合G中的基站既满足时间相关又满足距离相关。
S103、基于距离相关的基站,确定距离相关的基站中告警发生次数相关概率。
具体地,可以参考图9所示的流程实施,大致过程为:
基于距离相关动环-基站集合G中的每一基站,以基站为nec为例进行说明,可以确定该基站nec与基站告警数据集合X中的各个基站的告警发生次数,即该基站发生告警的告警次数,记为其中,g为基站告警数据集合X中基站的数量。
在确定出CNTc和CNTc,d后,可以通过下述公式可以确定出该基站nec与所述其他基站ned之间的告警发生次数相关概率ρc,d:ρc,d=CNTc,d/CNTc。
S104、将发生次数相关概率大于预设概率阈值的基站确定为动环样本。
若确定出确定出ρc,d大于预设概率阈值,则确定基站nec和基站ned相关,可以将其作为最终具有相关性的基站样本集合,记为S,且S=(S1,S2,S3,S4,S5,S6,S7),其中,参考表4所示,表4列举出了S1~S7的含义:
表4
S1:具有相关性的基站ne<sub>c</sub> | S5:告警发生次数相关概率ρ<sub>c,d</sub> |
S2:具有相关性的基站ne<sub>d</sub> | S6:基站ne<sub>c</sub>维护区域 |
S3:告警时间差T<sub>c,d</sub> | S7:基站ne<sub>d</sub>维护区域 |
S4:欧式距离D<sub>c,d</sub> |
从而可以确定出距离相关动环-基站集合G中各个基站相关的基站的基站集合,然后将各个基站集合构成动环样本。
可选地,为了更好地输出基站与动环告警设备之间的关联关系,还可以对动环样本进行进一步筛选处理,具体地,可以将动环样本中的每一基站的基站告警数据与投诉工单进行比对,以排除传输原因导致的告警,最终确定出用于表征基站与具有动环告警的基站之间告警关联关系的动环样本。
S43、利用所述基站样本和所述动环样本,对随机森林学习机进行训练,得到所述关联关系模型。
具体地,将基站样本和动环样本输入到随机森林学习机中,对随机森林中的决策树进行训练,从而可以训练得到基站与动环关联关系的决策树模型,即,本发明中的关联关系模型。
可选地,可以将本发明提供的方法应用到网关中心和各公司网络部中,然后对关联关系模型的输出结果进行验证,输出验证报告和使用结果,基于验证报告和使用结果,对输入基站样本和动环样本进行调整,使得结果更加准确。
本发明提供的告警数据处理方法,获取多个基站的基站告警数据和多个动环告警设备的动环告警数据;根据所述基站告警数据、所述动环告警数据和训练得到的基站与动环告警设备之间的关联关系模型,确定多个基站与多个动环告警设备之间的关联关系。由此,准确地确定出基站与动环告警设备之间的关联关系,此外,本发明中的关联关系模型为根据关联关系已知的基站的基站告警数据和动环告警设备的动环告警数据训练得到的,故进一步提高了确定出的关联关系的准确性,此外,基于上述关联关系,有效提高了动环告警设备的覆盖率。
基于同一发明构思,本发明实施例中还提供了一种告警数据处理装置,由于上述装置解决问题的原理与告警数据处理方法相似,因此上述装置的实施可以参见方法的实施,重复之处不再赘述。
如图11所示,为本发明实施例提供的告警数据处理装置的结构示意图,包括:
获取单元111,用于获取多个基站的基站告警数据和多个动环告警设备的动环告警数据;
第一确定单元112,用于根据所述基站告警数据、所述动环告警数据和训练得到的基站与动环告警设备之间的关联关系模型,确定多个基站与多个动环告警设备之间的关联关系;
其中,所述关联关系模型为根据关联关系已知的基站的基站告警数据和动环告警设备的动环告警数据训练得到的。
可选地,所述装置,还包括:
第二确定单元113,用于根据所述关联关系,确定属于同一路供电源供电的基站集合;确定所述基站集合中配置有动环告警设备的第一基站和未配置有动环告警设备的第二基站;确定所述第二基站与所述第一基站共用所述第一基站的动环告警设备。
可选地,所述装置,还包括:
模型训练单元114,用于根据多个基站的基站告警数据,确定用于表征基站与基站之间告警关联关系的基站样本;根据多个基站的基站告警数据和多个动环告警设备的动环告警数据,确定用于表征基站与具有动环告警的基站之间告警关联关系的动环样本;利用所述基站样本和所述动环样本,对随机森林学习机进行训练,得到所述关联关系模型。
可选地,所述基站告警数据包括告警发生时间和基站的位置信息;则
所述模型训练单元114,具体用于根据多个基站的告警发生时间,筛选出告警时间相关的基站;基于筛选出的基站的位置信息,筛选出距离相关的基站;基于距离相关的基站,确定距离相关的基站中告警发生次数相关概率;将发生次数相关概率大于预设概率阈值的基站确定为基站样本。
可选地,所述模型训练单元114,具体用于针对多个基站中的每两个基站,均执行下述过程:根据两个基站的告警发生时间,确定两个基站的告警时间差;若确定出告警时间差小于预设时间差阈值,则确定两个基站为告警时间相关的基站。
可选地,所述模型训练单元114,具体用于针对筛选出的多个基站中的每两个基站,均执行下述过程:基于筛选出的两个基站的位置信息,确定筛选出的两个基站之间的欧式距离;若确定出所述欧式距离大于预设欧式距离阈值,则确定筛选出的两个基站确定为距离相关的基站。
可选地,所述基站的位置信息包括基站的维度和绝对经度;则
所述模型训练单元114,具体用于根据所述两个基站的维度和绝对经度,确定所述两个基站之间的偏转角度;根据所述偏转角度和地球半径,按照下述公式确定所述两个基站之间的欧式距离:
D=R*arccos(C)*π/180
其中,C为两个基站之间的偏转角度,C的表达式为:C=sin(LatA)*sin(LatB)+cos(LatA)*cos(LatB)*cos(MLonA-MLonB);
LatA为两个基站中的基站nea的维度,LatB为两个基站中的基站neb的维度;
MLonA为两个基站中的基站nea的绝对经度,MLonB为两个基站中的基站neb的绝对经度;
R为地球半径;
D为两个基站之间的欧式距离。
可选地,所述模型训练单元114,具体用于针对距离相关的每一基站,均执行下述过程:基于该基站的基站告警数据,确定该基站发生告警的告警次数;确定该基站与距离相关的其他基站发生的告警中相关的告警的次数;将所述相关的告警的次数与该基站发生告警的告警次数之间的比值确定为该基站与所述其他基站之间的告警发生次数相关概率。
可选地,所述基站告警数据包括第一告警发生时间和基站的位置信息;所述动环告警数据包括具有动环的基站的第二告警发生时间和具有动环的基站的位置信息;则
所述模型训练单元114,具体用于根据具有基站告警数据的基站的第一告警发生时间和所述具有动环的基站的第二告警发生时间,确定告警时间相关的基站;基于筛选出的基站的位置信息,筛选出距离相关的基站;基于距离相关的基站,确定距离相关的基站中告警发生次数相关概率;将发生次数相关概率大于预设概率阈值的基站确定为动环样本。
为了描述的方便,以上各部分按照功能划分为各模块(或单元)分别描述。当然,在实施本发明时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。
基于相同的技术构思,本申请实施例还提供了一种通信装置,该通信装置可实现前述实施例中的方法。
参见图12,为本发明实施例提供的通信装置的结构示意图,如图12所示,该通信装置可包括:处理器1201、存储器1202、收发机1203以及总线接口。
处理器1201负责管理总线架构和通常的处理,存储器1202可以存储处理器1201在执行操作时所使用的数据。收发机1203用于在处理器1201的控制下接收和发送数据。
总线架构可以包括任意数量的互联的总线和桥,具体由处理器1201代表的一个或多个处理器和存储器1202代表的存储器的各种电路链接在一起。总线架构还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。处理器1201负责管理总线架构和通常的处理,存储器1202可以存储处理器1201在执行操作时所使用的数据。
本发明实施例揭示的流程,可以应用于处理器1201中,或者由处理器1201实现。在实现过程中,信号处理流程的各步骤可以通过处理器1201中的硬件的集成逻辑电路或者软件形式的指令完成。处理器1201可以是通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的告警数据处理方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1202,处理器1201读取存储器1202中的信息,结合其硬件完成信号处理流程的步骤。
具体地,所述处理器1201,用于读取存储器中的程序,执行上述任一方法所述的任一步骤。
基于相同的技术构思,本申请实施例还提供了一种计算机存储介质。所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使所述计算机执行前述任一方法所述的任一步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (14)
1.一种告警数据处理方法,其特征在于,包括:
获取多个基站的基站告警数据和多个动环告警设备的动环告警数据;
根据所述基站告警数据、所述动环告警数据和训练得到的基站与动环告警设备之间的关联关系模型,确定多个基站与多个动环告警设备之间的关联关系;
其中,所述关联关系模型为根据关联关系已知的基站的基站告警数据和动环告警设备的动环告警数据训练得到的。
2.如权利要求1所述的方法,其特征在于,还包括:
根据所述关联关系,确定属于同一路供电源供电的基站集合;
确定所述基站集合中配置有动环告警设备的第一基站和未配置有动环告警设备的第二基站;
确定所述第二基站与所述第一基站共用所述第一基站的动环告警设备。
3.如权利要求1或2所述的方法,其特征在于,按照下述方法根据关联关系已知的基站的基站告警数据和动环告警设备的动环告警数据训练所述关联关系模型:
根据多个基站的基站告警数据,确定用于表征基站与基站之间告警关联关系的基站样本;
根据多个基站的基站告警数据和多个动环告警设备的动环告警数据,确定用于表征基站与具有动环告警的基站之间告警关联关系的动环样本;
利用所述基站样本和所述动环样本,对随机森林学习机进行训练,得到所述关联关系模型。
4.如权利要求3所述的方法,其特征在于,所述基站告警数据包括告警发生时间和基站的位置信息;则
根据多个基站的基站告警数据,确定用于表征基站与基站之间告警关联关系的基站样本,具体包括:
根据多个基站的告警发生时间,筛选出告警时间相关的基站;
基于筛选出的基站的位置信息,筛选出距离相关的基站;
基于距离相关的基站,确定距离相关的基站中告警发生次数相关概率;
将发生次数相关概率大于预设概率阈值的基站确定为基站样本。
5.如权利要求4所述的方法,其特征在于,根据多个基站的告警发生时间,筛选出告警时间相关的基站,具体包括:
针对多个基站中的每两个基站,均执行下述过程:
根据两个基站的告警发生时间,确定两个基站的告警时间差;
若确定出告警时间差小于预设时间差阈值,则确定两个基站为告警时间相关的基站。
6.如权利要求4所述的方法,其特征在于,基于筛选出的基站的位置信息,筛选出距离相关的基站,具体包括:
针对筛选出的多个基站中的每两个基站,均执行下述过程:
基于筛选出的两个基站的位置信息,确定筛选出的两个基站之间的欧式距离;
若确定出所述欧式距离大于预设欧式距离阈值,则确定筛选出的两个基站确定为距离相关的基站。
7.如权利要求6所述的方法,其特征在于,所述基站的位置信息包括基站的维度和绝对经度;则
基于筛选出的两个基站的位置信息,确定筛选出的两个基站之间的欧式距离,具体包括:
根据所述两个基站的维度和绝对经度,确定所述两个基站之间的偏转角度;
根据所述偏转角度和地球半径,按照下述公式确定所述两个基站之间的欧式距离:
D=R*arccos(C)*π/180
其中,C为两个基站之间的偏转角度,C的表达式为:C=sin(LatA)*sin(LatB)+cos(LatA)*cos(LatB)*cos(MLonA-MLonB);
LatA为两个基站中的基站nea的维度,LatB为两个基站中的基站neb的维度;
MLonA为两个基站中的基站nea的绝对经度,MLonB为两个基站中的基站neb的绝对经度;
R为地球半径;
D为两个基站之间的欧式距离。
8.如权利要求7所述的方法,其特征在于,基于距离相关的基站,确定距离相关的基站中告警发生次数相关概率,具体包括:
针对距离相关的每一基站,均执行下述过程:
基于该基站的基站告警数据,确定该基站发生告警的告警次数;
确定该基站与距离相关的其他基站发生的告警中相关的告警的次数;
将所述相关的告警的次数与该基站发生告警的告警次数之间的比值确定为该基站与所述其他基站之间的告警发生次数相关概率。
9.如权利要求3所述的方法,其特征在于,所述基站告警数据包括第一告警发生时间和基站的位置信息;所述动环告警数据包括具有动环的基站的第二告警发生时间和具有动环的基站的位置信息;则
根据多个基站的基站告警数据和多个动环告警设备的动环告警数据,确定用于表征基站与具有动环告警的基站之间告警关联关系的动环样本,具体包括:
根据具有基站告警数据的基站的第一告警发生时间和所述具有动环的基站的第二告警发生时间,确定告警时间相关的基站;
基于筛选出的基站的位置信息,筛选出距离相关的基站;
基于距离相关的基站,确定距离相关的基站中告警发生次数相关概率;
将发生次数相关概率大于预设概率阈值的基站确定为动环样本。
10.一种告警数据处理装置,其特征在于,包括:
获取单元,用于获取多个基站的基站告警数据和多个动环告警设备的动环告警数据;
第一确定单元,用于根据所述基站告警数据、所述动环告警数据和训练得到的基站与动环告警设备之间的关联关系模型,确定多个基站与多个动环告警设备之间的关联关系;
其中,所述关联关系模型为根据关联关系已知的基站的基站告警数据和动环告警设备的动环告警数据训练得到的。
11.如权利要求10所述的装置,其特征在于,还包括:
第二确定单元,用于根据所述关联关系,确定属于同一路供电源供电的基站集合;确定所述基站集合中配置有动环告警设备的第一基站和未配置有动环告警设备的第二基站;确定所述第二基站与所述第一基站共用所述第一基站的动环告警设备。
12.如权利要求10或11所述的装置,其特征在于,还包括:
模型训练单元,用于根据多个基站的基站告警数据,确定用于表征基站与基站之间告警关联关系的基站样本;根据多个基站的基站告警数据和多个动环告警设备的动环告警数据,确定用于表征基站与具有动环告警的基站之间告警关联关系的动环样本;利用所述基站样本和所述动环样本,对随机森林学习机进行训练,得到所述关联关系模型。
13.一种通信设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;其特征在于,所述处理器执行所述程序时实现如权利要求1~9任一项所述的告警数据处理方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1~9任一项所述的告警数据处理方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811531988.9A CN111327438B (zh) | 2018-12-14 | 2018-12-14 | 一种告警数据处理方法、装置和可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811531988.9A CN111327438B (zh) | 2018-12-14 | 2018-12-14 | 一种告警数据处理方法、装置和可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111327438A true CN111327438A (zh) | 2020-06-23 |
CN111327438B CN111327438B (zh) | 2022-08-23 |
Family
ID=71170264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811531988.9A Active CN111327438B (zh) | 2018-12-14 | 2018-12-14 | 一种告警数据处理方法、装置和可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111327438B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115083166A (zh) * | 2022-07-14 | 2022-09-20 | 深圳市维力谷无线技术股份有限公司 | 基于5g技术的车路通信测试***和方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101242549A (zh) * | 2007-11-22 | 2008-08-13 | ***通信集团山东有限公司 | 通信网络告警关联的神经网络构建方法 |
CN102075344A (zh) * | 2009-11-20 | 2011-05-25 | ***通信集团北京有限公司 | 通信网络中的工单派发方法及告警信息过滤装置 |
CN102082616A (zh) * | 2009-11-30 | 2011-06-01 | ***通信集团河北有限公司 | 一种定位维护的方法、装置和*** |
CN104125087A (zh) * | 2013-04-28 | 2014-10-29 | ***通信集团设计院有限公司 | 一种告警信息处理方法及装置 |
CN104254095A (zh) * | 2013-06-25 | 2014-12-31 | ***通信集团设计院有限公司 | 一种引起大面积基站退服的传输故障定位方法及装置 |
CN105049253A (zh) * | 2015-07-28 | 2015-11-11 | 浪潮通信信息***有限公司 | 一种获取移动网络故障定位和故障预警的方法 |
CN204967427U (zh) * | 2015-09-21 | 2016-01-13 | 北京宏光星宇科技发展有限公司 | 一种基于存量基站直流远程供电*** |
CN106685736A (zh) * | 2017-02-13 | 2017-05-17 | 中国联合网络通信集团有限公司 | 确定关联发生故障的故障基站的方法及装置 |
WO2018170866A1 (zh) * | 2017-03-24 | 2018-09-27 | 深圳中兴力维技术有限公司 | 数据采集方法和装置 |
-
2018
- 2018-12-14 CN CN201811531988.9A patent/CN111327438B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101242549A (zh) * | 2007-11-22 | 2008-08-13 | ***通信集团山东有限公司 | 通信网络告警关联的神经网络构建方法 |
CN102075344A (zh) * | 2009-11-20 | 2011-05-25 | ***通信集团北京有限公司 | 通信网络中的工单派发方法及告警信息过滤装置 |
CN102082616A (zh) * | 2009-11-30 | 2011-06-01 | ***通信集团河北有限公司 | 一种定位维护的方法、装置和*** |
CN104125087A (zh) * | 2013-04-28 | 2014-10-29 | ***通信集团设计院有限公司 | 一种告警信息处理方法及装置 |
CN104254095A (zh) * | 2013-06-25 | 2014-12-31 | ***通信集团设计院有限公司 | 一种引起大面积基站退服的传输故障定位方法及装置 |
CN105049253A (zh) * | 2015-07-28 | 2015-11-11 | 浪潮通信信息***有限公司 | 一种获取移动网络故障定位和故障预警的方法 |
CN204967427U (zh) * | 2015-09-21 | 2016-01-13 | 北京宏光星宇科技发展有限公司 | 一种基于存量基站直流远程供电*** |
CN106685736A (zh) * | 2017-02-13 | 2017-05-17 | 中国联合网络通信集团有限公司 | 确定关联发生故障的故障基站的方法及装置 |
WO2018170866A1 (zh) * | 2017-03-24 | 2018-09-27 | 深圳中兴力维技术有限公司 | 数据采集方法和装置 |
Non-Patent Citations (1)
Title |
---|
葛中魁等: "基于自身告警关联实现基站故障精准定位", 《电信技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115083166A (zh) * | 2022-07-14 | 2022-09-20 | 深圳市维力谷无线技术股份有限公司 | 基于5g技术的车路通信测试***和方法 |
CN115083166B (zh) * | 2022-07-14 | 2022-11-11 | 深圳市维力谷无线技术股份有限公司 | 基于5g技术的车路通信测试***和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111327438B (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | A planning-oriented resilience assessment framework for transmission systems under typhoon disasters | |
CN105894172B (zh) | 一种基于营配融合的联合停电研判方法 | |
CN107869653B (zh) | 一种管道流量敏感性矩阵漏损检测方法 | |
CN106781509A (zh) | 一种基于v2v的协作式城市道路拥堵检测方法 | |
CN102116639A (zh) | 一种对电子地图的交通限制信息自动校验的方法与装置 | |
WO2022111068A1 (zh) | Rru欠压风险预测方法、装置、***、设备及介质 | |
CN101794516A (zh) | 基于手机信息的路段速度计算方法 | |
WO2019137052A1 (zh) | 网络运维的方法及装置 | |
CN104915897A (zh) | 一种电网规划评价业务的计算机实现方法 | |
CN111327438B (zh) | 一种告警数据处理方法、装置和可读介质 | |
CN115577939A (zh) | 基于水安全的城市防汛调度指挥*** | |
CN104636859A (zh) | 巡检管理*** | |
CN105574299A (zh) | 一种轨道交通信号***的安全预评估方法 | |
CN116881670B (zh) | 一种基于gis地图的通信光缆附挂核查方法 | |
WO2019087382A1 (ja) | 稼働状況予測システム、稼働状況予測方法および稼働状況予測プログラム | |
CN117391373A (zh) | 一种基于多维数据的全渠道智慧运维管理方法及*** | |
CN112836843B (zh) | 一种基站退服告警预测方法及装置 | |
CN109449930B (zh) | 配电网可靠性评估修复时间参数建模方法、设备与介质 | |
CN107517474B (zh) | 一种网络分析优化方法及装置 | |
CN109788501B (zh) | 2g+4g移动网络语音质量联合评估方法及装置 | |
CN107580329B (zh) | 一种网络分析优化方法及装置 | |
CN105554793A (zh) | 评估无线网络运行稳定性的方法及装置 | |
CN109359800A (zh) | 一种配电自动化主站***运行状态的评价方法及*** | |
CN104821898B (zh) | 一种降低司法社区矫正管理***越界误报率的方法 | |
US11938984B2 (en) | Multi-layer coupling relationship-based train operation deviation propagation condition recognition method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |