CN101330735B - 用于网络优化的统计数据分析方法 - Google Patents

Abstract

本发明提供了一种用于网络优化的统计数据分析方法，其中，预先设定至少一种进行统计数据分析的原则；采集操作维护中心性能数据，并从预设原则中选择相应原则用于定位问题小区；根据具体统计项目，应用所选择的相应原则；定义进行统计数据分析的查询条件，并根据定义的查询条件进行统计数据分析，将满足查询条件的小区作为问题小区，并显示查询结果。

Description

用于网络优化的统计数据分析方法

技术领域

本发明涉及通信领域中的无线网络优化，具体地，涉及一种用于网络优化的统计数据分析方法，其可以应用于GSM、CDMA、PHS、GPRS、CDMA2000、WCDMA、TD-SCDMA等各种无线网络的优化中。

背景技术

依据OMC(操作维护中心)采集的数据进行指标的统计分析是验证与评估网络规划和优化方案的重要手段。通过分析OMC采集的数据，不仅能获得各个基站小区的网络各项质量指标，还可以找到网络大致存在的问题。

虽然OMC提供了大量详细的统计数据，但只有掌握正确的分析方法，才能在大量的统计数据中发现问题和找到解决问题的方法。

对于指标的统计分析，目前业界常用的方法是TopN法(例如，Top10法)(GSM网络优化-原理与工程张威2003)。该方法针对特定指标进行查询统计，将指标最为恶劣的10个小区列出来，作为重点解决的目标。根据不同统计项目，分别列出其中最差的前10名，综合所有小区进行考虑，每周针对Top10表中前几位的小区进行优化，从而使网络质量逐步得到提高。其中，图1示出了根据相关技术的Top10方法的处理流程。

上述方法存在以下几个问题：

(1)对于指标在一段时间内统计的是一个总和值，不能查询到小时间粒度上恶劣并且存在多次的情况。比如A小区可能只在一个时间点上发生大变化，而B小区可能在多个时间点上均发生超门限变化，这是采用Top10法只能找到A小区，而不能找到B小区；

(2)对于指标在时间轴上发生突变的情况不能统计分析出来。因此不能找到一些有规律的突变，而忽略掉了需要优化的一类问题小区。

简言之，对于常规的TopN方法，其对指标在一定时间范围上进行统计后排序，不能有效地从时间轴上发现突变的小区，也不能在一个时间范围以比较小的时间粒度统计超出门限的小区，因此会存在遗漏问题小区、将次重要小区放在最重要小区前面的问题。

发明内容

考虑到上述问题而提出本发明，为此，本发明旨在提供一种用于网络优化的统计数据分析方案。

根据本发明实施例，提供了一种用于网络优化的统计数据分析方法。

在该方法中：预先设定至少一种进行统计数据分析的原则；采集操作维护中心性能数据，并从预设原则中选择相应原则用于定位问题小区；根据具体统计项目，应用所选择的相应原则；定义进行统计数据分析的查询条件，并根据定义的查询条件进行统计数据分析，将满足查询条件的小区作为问题小区，并显示查询结果。

上述的预设原则包括：原则一，筛选以下小区：在N个时段内，满足M个异常的小区；原则二，筛选以下小区：在N个时段内，某个指标在某个时刻发生突变的小区；原则三，筛选以下小区：在N个时段内，某个指标发生了M次突变的小区。

上述的统计项目包括：指派、掉话、切换、干扰、拥塞。在应用所选择的相应原则时，对于原则一，通过组织多个指标与逻辑符号组成逻辑表达式来表示异常；对于原则二，通过组织多个指标与算术符号组成算术表达式，并通过逻辑符号和数值定义门限值来表示突变；对于原则三，在原则二的基础上指定一个数值为M。

上述的查询条件包括：查询的时间范围、查询的对象范围。其中，查询的时间范围可以为一个连续的时间范围或多个不连续的时间范围。

在对查询结果进行表格显示时，分为两级显示，第一级显示符合预设原则的小区以及符合异常的次数，第二级显示具体明细，包括发生时间点、参与运算指标具体值信息。

采用本发明的上述方法，与相关技术相比，可以将相关技术遗漏或者无法发现的问题小区尽早的发现，减少了人工处理海量数据带来的繁琐，并能更有效地发现问题小区，找到在时间轴上发生突变的问题小区。

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，构成本申请的一部分，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是根据相关技术的Top10方法的流程图；

图2是根据本发明实施例的用于网络优化的统计数据分析方法的流程图；

图3是根据本发明实施例的用于网络优化的统计数据分析方法的详细处理流程图；以及

图4是根据本发明实施例的实例1的处理流程图；

图5是根据本发明实施例的实例2的结果显示示意图；以及

图6是根据本发明实施例的实例3的结果显示示意图。

具体实施方式

以下将参照附图来详细描述本发明实施例，其中，给出以下实施例以提供对本发明的全面和透彻理解，而不是对本发明进行任何限制。

在本发明实施例中，优化开始时，必须将完整可靠的原始数据作为优化的依据和参考，例如，必需的数据有配置数据和OMC性能数据(操作维护中心性能数据)，可选的数据有工程参数信息和无线参数信息。配置数据主要是具体优化的对象信息以及一些简单的对象属性；OMC性能数据主要是一段时间范围内的原始计数器数据；工程参数信息主要用于后续对查询出来的问题小区作地理化显示时需要；无线参数信息主要用于后续对问题小区作具体定位以及修改时使用。

在下文中，涉及两个概念：异常和突变。其中，异常是指：用户可以将原始计数器和系统中已有的指标自由组合定义成逻辑表达式，满足该逻辑表达式称为异常；突变是指：用户指定的一个系统中已有的指标(可以是计数器也可以是自定义指标)，某时刻的值与上一时刻的值之间的绝对差值大于某个阈值即为突变。

根据本发明实施例，提供了一种用于网络优化的统计数据分析方法。

如图2所示，该方法包括以下处理：步骤S202，预先设定至少一种进行统计数据分析的原则(预设原则)；步骤S204，采集OMC性能数据，并从预设原则中选择相应原则用于定位问题小区(采集OMC性能数据，选择原则)；步骤S206，根据具体统计项目，应用所选择的相应原则(统计项目应用)；步骤S208，定义进行统计数据分析的查询条件(查询选择)，并根据定义的查询条件进行统计数据分析，将满足查询条件的小区作为问题小区，并显示查询结果(结果显示与应用)。

其中，步骤S206之后可以或并行将该应用保存为模板，供下次无须定制，直接使用。

此外，后续可以有针对性的对问题小区进行问题分析和优化，例如，可以将多次不同指标的应用结果同时地图上显示，查看多指标间的关联关系。

以下将详细描述上述处理中的各个细节。

在本发明实施例中，预先设定了三种原则，具体为：

原则一，筛选以下小区：在N个时段内，满足M个异常的小区；例如，最近N天，按天统计某指标满足M个异常的小区；最近N天，按忙时统计某指标满足M个异常的小区；对于该原则，需要在后续步骤中定义异常和M；

原则二，筛选以下小区：在N个时段内，某个指标在某个时刻发生突变的小区；对于该原则，需要在后续步骤中定义突变参考公式以及门限；

原则三，筛选以下小区：在N个时段内，某个指标发生了M次突变的小区；对于该原则需要在后续步骤中定义突变参考公式以及门限、M。

上述的统计项目包括：指派、掉话、切换、干扰、拥塞等。在应用所选择的相应原则时，对于原则一，通过组织多个指标与逻辑符号组成逻辑表达式来表示异常；对于原则二，通过组织多个指标与算术符号组成算术表达式(突变参考公式)，并通过逻辑符号和数值定义门限值来表示突变；对于原则三，在原则二的基础上指定一个数值为M。

上述的查询条件包括：查询的时间范围、查询的对象范围。其中，查询的时间范围可以为一个连续的时间范围或多个不连续的时间范围，最小范围可以为计数器最小时间粒度，最大可以为跨年，时间粒度可以为：分钟、小时、天、周、月；查询的对象范围可以从配置中组织对象树进行钩选，也可以根据已定义的小区组定义。

对于显示可以采用表格、地理化、图形、文件等多种方式显示保存。

在对查询结果进行表格显示时，分为两级显示，第一级显示符合预设原则的小区以及符合异常的次数，第二级显示具体明细，包括发生时间点、参与运算指标具体值信息、小区简单属性，可以在单击第一级时显示第二级具体明细。

在对查询结果进行地理化显示时，可以将问题小区以颜色着色方式突显在地图上、标注具体次数在旁边，也可以通过分段颜色表示次数。

图3示出了上述处理的详细流程图。简言之，如图3所示，通过以下处理来实现本发明：数据采集；选择原则；选择统计项目应到原则中：原则A设置异常公式以及M，原则B设置突变参考公式和门限，原则C设置突变参考公式和门限以及M；设置查询对象范围的时间范围；之后，系统查询所有小区统计项目、在时间轴上计算突变、筛选突变超出门限的小区，依据以上结果统计突变次数、筛选次数大于等于M的小区，以及查询符合异常公式的小区、依据以上结果统计异常次数、筛选次数大于等于M的小区；最后，显示小区及明细。

基于以上描述的内容，以下将进一步结合实例来描述本发明。

实例1

在进行实际网络优化时，通常会针对关键指标进行全网每天、每周、每月报表，发现关键指标异常的情况时会有针对性地进行统计分析。

图4示出了该实例中的处理过程，如图4所示：

首先，第一步，采集数据，每天将OMC数据采集到系统中，再根据采集到的数据进行统计分析。在例行的全网周报表中发现某地区掉话率下降。需要进一步确定掉话存在的问题小区并确定掉话原因。

因此，第二步，确定方案选择系统中预定义的原则三，即在N个时段内，某指标发生了M次突变的小区，将这些小区筛选出来。另外，需要在后续处理中定义突变参考公式以及门限、M。

第三步，依据统计项目掉话次数应用到原则三中，定义突变参考公式为掉话次数，门限值定义为大于5次，定义出现突变次数M为10。

第四步，选择对象范围为掉话率下降地区的所有小区，时间范围为当前3天。

第五步，系统进行查询，系统会首先查询所有小区连续三天的掉话次数，然后统计所有小区的突变公式，从中选择突变大于5的小区集合。然后再统计突变次数大于10的小区。最后将最终统计结果以表格形式输入到界面，首先显示符合要求的小区、小区属性以及统计次数。点击到具体小区，系统将对应小区符合突变的明细包括时间点，具体掉话次数均显示出来。可以选择将查询结果表格保存到Excel中，方便本次优化出优化报告。结果表格如下：

第一层表格：

序号	小区名	小区类型	CI	LAC	FreqBand	突变次数
							1	Cell 1	Macro Cell	46840	34162	P-GSM900	12
2	Cell 2	Macro Cell	46840	34162	P-GSM900	10
							3	Cell 3	Macro Cell	4090	34162	P-GSM900	15
4	Cell 4	Macro Cell	4090	34162	P-GSM900	11

第二层表格：

序号	小区名	时间	掉话次数	小区类型	CI	LAC	FreqBand
								1	Cell 1	2006-11-11 09:00	19	Macro Cell	46840	34162	P-GSM900
2	Cell 1	2006-11-12 10:00	11	Macro Cell	46840	34162	P-GSM900
								3	Cell 1	2006-11-12 15:00	15	Macro Cell	46840	34162	P-GSM900
4	Cell 1	2006-11-16 10:00	20	Macro Cell	46840	34162	P-GSM900
								5	Cell 2	...	...	...	...	...	...
6	Cell 3	...	...	...	...	...	...
								7	Cell 4	...	...	...	...	...	...

通过实际查询发现某些小区突然掉话次数增多，最后定位传输闪断导致基站不能正常工作影响全网掉话率。

如果采用原有技术只能发现一些掉话率低的小区，而不能发现突发掉话次数多的情况，因此不能准确定位问题小区，而采用本发明方法则能迅速定位问题小区。

实例2

与实例1类似，第一步仍然是对OMC数据进行性能数据和配置数据采集。在常规的每日报表中发现，近期的TCH指派失败率比较高。指派失败有许多原因。在进行本次原因排除时使用了原则一进行统计分析。

第二步：确定方案，采用系统预定义的原则一进行统计。即在N个时段内，满足M个异常的小区，将这些小区筛选出来。另外，需要在后续步骤中定义异常和M。

第三步：选择统计项目，本例中是对话务拥塞造成的指派失败进行排查，所以选择的统计项目是话务拥塞。定义异常公式：TCH拥塞率(不含切换)＞95％；定义M为12。在本步骤可以选择将这个方案保存为一个模板，后续相同操作可以直接应用而无须再次进行定义。

第四步：选择查询对象范围为：全网所有小区；时间范围为最近一周的9:00-11:00；17:00-19:00点(这是多个不连续时间段，即原则中的N个时段)，时间粒度为小时。

第五步：系统进行统计查询。首先将所有小区最近一周的TCH拥塞率按时间粒度为小时进行统计，然后根据门限值过滤，将符合异常公式的小区全部查询出来，然后对这些小区进行计数统计，将满足M异常的小区全部查询出来。

对于查询出来的小区可以进行地理化显示，以不同颜色进行着色，很直观的反应问题。图5示出了该实例2中的显示实例。

通过实际查询，发现TCH指派失败率高的小区同样存在话务拥塞，可以认为是由于话务拥塞造成的指派失败。可以根据数据采集中的配置信息，为小区做出扩容或话务均衡的建议。完成本次对系统的优化。

实例3

第一步，对OMC数据进行性能数据和配置数据采集。在常规的每日报表中发现，近期的SDCCH拥塞率偏高。进行拥塞分析中，需要发现是否存在短消息异常。采用TopN方法可以发现短消息次数比较多的小区，但不能说明该小区就一定存在问题。此时采用原则二进行分析统计。

第二步：确定方案，采用系统预定义的原则二进行统计。在N个时段内，某指标在某个时刻发生突变的小区，将这些小区筛选出来。另外，需要在后续步骤中定义突变参考公式以及门限。

第三步：选择统计项目，本例中是为了发现短消息是否存在异常，所以选择的统计项目是短消息次数，定义突变参考公式为短消息次数，门限为100。

第四步：选择查询对象范围为：全网所有小区；时间范围为最近一周，时间粒度为小时。

第五步：系统进行统计查询，首先将所有小区最近一周的短消息次数按时间粒度为小时进行统计，然后根据统计结果计算相邻小时间的绝对差值，根据门限值进行过滤，将符合突变的小区全部查询出来。

如图6所示，对于查询出来的结果可以进行曲线显示，按照天进行对比查看。可以发现每天的曲线趋势是相同的。即按照时间的推移用户增多或减少，曲线基本处于平滑上升或下降，但在下午15点是发生了一次突变，表现在曲线图上出现一个很陡的变化。通过对结果进行查询，发现连续多天的某一特定时段，短消息会突然增多，并且幅度很大。由此最终认定SDCCH拥塞是由于当地大量的短消息群发造成的。

如上所述，通过本发明，能够更有效地发现问题小区，以及找到在时间轴上发生突变的问题小区。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种用于网络优化的统计数据分析方法，其特征在于，

预先设定至少一种进行统计数据分析的原则；

采集操作维护中心性能数据，并从预设原则中选择相应原则用于定位问题小区；

根据具体统计项目，应用所选择的相应原则；以及

定义进行统计数据分析的查询条件，并根据定义的查询条件进行统计数据分析，将满足查询条件的小区作为问题小区，并显示查询结果；

其中，所述预设原则包括：

原则一，筛选以下小区：在N个时段内，满足M个异常的小区；

原则二，筛选以下小区：在N个时段内，某个指标在某个时刻发生突变的小区；

原则三，筛选以下小区：在N个时段内，某个指标发生了M次突变的小区；

在应用所选择的相应原则时，对于所述原则一，通过组织多个指标与逻辑符号组成逻辑表达式来表示异常；对于所述原则二，通过组织多个指标与算术符号组成算术表达式，并通过逻辑符号和数值定义门限值来表示突变；对于所述原则三，在所述原则二的基础上指定一个数值为M。

2.根据权利要求1所述的统计数据分析方法，其特征在于，所述统计项目包括：指派、掉话、切换、干扰、拥塞。

3.根据权利要求1所述的统计数据分析方法，其特征在于，所述查询条件包括：查询的时间范围、查询的对象范围。

4.根据权利要求3所述的统计数据分析方法，其特征在于，所述查询的时间范围为一个连续的时间范围或多个不连续的时间范围。

5.根据权利要求1所述的统计数据分析方法，在对所述查询结果进行表格显示时，分为两级显示，第一级显示符合所述预设原则的小区以及符合异常的次数，第二级显示具体明细，包括发生时间点、参与运算指标具体值信息。

Images