CN102355683B - 基站信息查询方法和设备 - Google Patents
基站信息查询方法和设备 Download PDFInfo
- Publication number
- CN102355683B CN102355683B CN201110183399.8A CN201110183399A CN102355683B CN 102355683 B CN102355683 B CN 102355683B CN 201110183399 A CN201110183399 A CN 201110183399A CN 102355683 B CN102355683 B CN 102355683B
- Authority
- CN
- China
- Prior art keywords
- base station
- data
- fault
- node
- information
- 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.)
- Active
Links
Abstract
本发明实施例公开了一种基站信息查询方法和设备,涉及无线通信技术领域,用于提高查询基站数据的效率。本发明中,确定需要从多个基站查询的数据以及该多个基站的地址;根据确定结果,采用多线程技术并行从所述多个基站获取需要查询的数据。本发明能够大大提高查询基站数据的效率。
Description
技术领域
本发明涉及无线通信领域,尤其涉及一种基站信息查询方法和设备。
背景技术
在时分同步码分多址(TD-SCDMA)现网中,网络中存在的问题往往通过基站设备的一些关键指标数据的变化表现出来,如果不能及时捕捉到这些指标数据的变化,并分析处理可能出现的或者已经出现的故障问题,网络的服务质量会受到很大的影响,更甚者出现严重的网络事故,造成重大的经济损失。基于这种考虑,在实际的网络运行中,快速及时地发现问题、定位问题、解决问题是至关重要的。
目前的无线接入网络(RAN)系统架构中,主要通过单站管理软件和操作维护中心(OMC)管理软件获取基站信息及排查基站故障。单站管理软件通过简单网络协议(SNMP)与基站通信,工程师通过操控软件,获取基站信息。OMC管理软件通过O接口管理无线网络控制器(RNC),经过RNC上的IUB口桥接至基站。一个OMC管理软件通常管理多个RNC,一个RNC下管理几十台到几百台基站。工程师很难通过OMC管理软件获取全网内每个基站的细节信息。
如果借助现有工具和技术提取基站信息并做故障定位,一个典型的故障扫描流程可分为如下几个步骤:
第一步,基站定位。
将OMC管理软件和单站管理软件配合使用,人工通过软件登录每个基站进行信息搜索,分析关键指标数据,确定状态异常的基站。信息的提取浪费大量的人力和时间。
第二步,故障定位。
现场工程师根据各自的经验对基站的问题进行定位,例如查看基站日志信息,分析小区频繁退服的原因、查看远端射频单元(RRU)板卡信息,以分析RRU运行状态是否正常等。对现场工程师的维护经验要求较高。
第三步,解决故障。
针对设备问题的定位结果,现场工程师制订问题解决方案,排除设备故障,例如更换通信状态不良的光模块、复位基站等。
可见,故障扫描流程的三部分主要依靠人工。当前的现网维护中,一个5000台基站组成的网络至少需要5-6名现场工程师组成的维护团队来保障网络的正常运行。实际的问题定位解决过程,往往比理想情况更复杂,需要现网工程师与测试研发工程师进行共同定位和解决,这对维护团队的协调合作能力要求也很高。同时,在维护中存在着大量机械化重复劳动。例如使用单站管理软件,频繁登录不同基站查找同种信息;对于经常出现的同一故障,总是需要工程师根据固定的经验式流程进行排查。
在实现本发明的过程中发明人发现现有技术中存在以下技术问题:
在现网维护中,通过现有方法和软件系统进行基站信息查询需要占用大量的人力和时间。为了保证信息及时提取,检查出基站运行隐患,需要反复提取信息并加以分析。而当前查询基站信息的方式主要是单站管理软件和OMC管理软件配合进行。
单站管理软件是对基站系统信息最直接最全面的反映。但是运维人员只能在本地计算机登录某一台基站设备进行信息的提取和分析,在全网范围内大量的基站数据进行处理时,往往需要手动反复操作,不仅效率低,增加网络运维人员的工作强度,并且容易发生误操作而导致基站参数配置错误。在人力有限、时间紧急的情况下不可能实现对基站信息的反复查询,更不可能分析数据信息,定位到故障源头。
在系统设计上,OMC管理软件更注重监控和管理全网设备的性能指标数据和告警处理,海量数据和复杂多变的任务需求常常导致OMC服务器不堪重负,很难再针对现场运维的具体需要进行日常维护操作,更不能提供及时、准确的基站信息。虽然OMC管理软件可以提供基站配置文件同步和运行状态定期检查的功能,但是由操作维护中心导出的数据往往不具有时效性和准确性,无法及时指导现场定位解决问题。
利用现有技术对无线通信网络中的基站信息进行提取,如果网络中包括10000台基站设备,人为使用操作维护工具完成1台基站的数据信息提取需大约需要5分钟,完成全网的信息搜索需要50000分钟。而在信息提取过程中,人工操作难免出现纰漏,造成漏报和错报,一些问题不能及时发现,影响全网健康度。
发明内容
本发明实施例提供一种基站信息查询方法和设备,用于提高查询基站数据的效率。
一种基站信息查询方法,该方法包括:
确定需要从多个基站查询的数据以及该多个基站的地址;
根据确定结果,采用多线程技术并行从所述多个基站获取需要查询的数据。
一种基站信息查询设备,该设备包括:
确定单元,用于确定需要从多个基站查询的数据以及该多个基站的地址;
获取单元,用于根据确定结果,采用多线程技术并行从所述多个基站获取需要查询的数据。
本方案中,确定需要从多个基站查询的数据以及该多个基站的地址后,采用多线程技术并行从所述多个基站获取需要查询的数据。由于是采用多线程技术并行从多个基站中获取需要查询的数据,因此与现有技术中一次只能从一个基站查询数据相比,本发明能够大大提高查询基站数据的效率。
附图说明
图1为本发明实施例提供的方法流程示意图;
图2为本发明实施例中的海量信息快速扫描方法示意图;
图3为本发明实施例中的故障智能定位解决流程示意图;
图4为本发明实施例中的GPS问题检测流程示意图;
图5为本发明实施例中的蚁群算法构建可行解的过程示意图;
图6为本发明实施例中的蚁群算法搜索最优故障解决方案示意图;
图7为本发明实施例提供的设备结构示意图。
具体实施方式
为了提高查询基站数据的效率,本发明实施例提供一种基站信息查询方法,本方法中,采用多线程技术并行从多个基站中获取需要查询的数据。
参见图1,本发明实施例提供一种基站信息查询方法,包括以下步骤:
步骤10:确定需要从多个基站查询的数据以及该多个基站的地址;
步骤11:根据确定结果,采用多线程技术并行从所述多个基站获取需要查询的数据。
步骤10的具体实现可以如下:
加载预先设置的脚本,从该脚本中读取多个基站的IP地址以及需要从该多个基站查询的数据的信息。
步骤11的具体实现可以如下:
当前运行的多线程中的每个线程,读取所述多个基站中的一个基站的地址信息,并向该地址信息对应的基站发送查询命令,以请求基站返回需要查询的数据;接收并保存基站返回的查询到的数据;其中,多线程中的每两个线程所读取的地址信息不同。多线程中线程的总数可以与所述多个基站的数量相同。
在不包含无线网络控制器(RNC)的网络中,所述查询命令可以通过操作维护中心(OMC)到达基站;也即,首先将查询命令发送到OMC,OMC再将该查询命令发送给基站。
在包含RNC的网络中,所述查询命令可以通过OMC和RNC到达基站。也即,首先将查询命令发送到OMC,OMC再将该查询命令发送给RNC,然后RNC将该查询命令发送给基站。
所述需要查询的数据包括小区的运行状态数据(包括小区是否有信号、是否掉线、是否失效等)、小区的操作状态数据(包括小区是否可用等)、小区的过程状态数据(包括小区建立、删除状态等)中的至少一个。
较佳的,在采用多线程技术并行从所述多个基站获取需要查询的数据之后,可以通过执行预先设定的异常数据识别流程,确定获取到的数据是否异常;例如,可以通过判断获取到的数据的取值是否在正常取值范围内,来确定获取到的数据是否异常;在确定数据异常后,按照预先设定的异常数据与异常原因的对应关系,确定导致所述数据异常的原因;并通过执行针对确定的原因设置的故障处理流程,进行故障定位和修复。
具体的,导致所述数据异常的原因可以为基站的物理单元发生故障,上述通过执行针对确定的原因设置的故障处理流程进行故障定位和修复,具体实现可以如下:
A、从返回异常数据的基站获取针对导致所述数据异常的第i个原因设置的物理单元状态数据;i的初始值为1;
B、通过分析获取到的物理单元状态数据,确定对应的物理单元正常或故障,若正常,则判断i的当前取值是否小于N,若是,则将i值加1,并返回步骤A;否则,结束本流程;N为确定的导致所述数据异常的原因总数;若故障,则根据物理单元状态数据确定导致所述物理单元故障的原因,根据故障原因确定修复故障的方法,并按照该方法进行故障修复。
进行故障修复的方式包括以下两种:
第一,向返回异常数据的基站下发故障修复命令,以通知基站更新相应物理单元的配置参数;
第二,发出需要检修对应物理单元的告警消息,以通知工程人员进行检修。
较佳的,在根据上述方法故障仍未得到修复时,可以按照蚁群算法,确定修复故障的方法,并通过执行该方法修复故障。
具体的,按照蚁群算法确定修复故障,其具体实现可以如下:
A、对预先设定的解决方案网络进行初始化,解决方案网络中包含多个结点,每个结点与一个操作方法对应,一个结点到另一个结点间存在或不存在路径;每个路径可以有启发信息这个权值;
B、启动多线程模式,每个线程执行以下操作:
C、选取进行蚁群搜索的初始结点,并将该初始结点加入到候选路径中;并按照启发信息计算公式,计算各路径上的启发信息;
D、判断通过执行候选路径中的结点对应的操作方法,是否能够解决基站故障,若是,则将当前候选路径中各结点对应的操作方法作为解决基站故障的方法;否则,根据各路径上的启发信息使用路径选择公式选择一个结点,将选择的结点增加到候选路径中,并按照启发信息计算公式更新选择的路径的启发信息,重复执行本步骤。
较佳的,在判断能够解决基站故障之后、并且将当前候选路径中各结点对应的操作方法作为解决基站故障的方法之前,可以首先使用贝叶斯网络的K2评分方法判断蚁群是否趋于归一化;在判断蚁群趋于归一化时,将当前候选路径中各结点对应的操作方法作为解决基站故障的方法;否则,迭代执行步骤B-步骤D。
下面对本发明进行具体说明:
实施例一:
对于基站内部的海量信息,为了节约信息提取时间,实现日常频繁的健康检查,可借助计算机软件采用并行机制同步扫描,并且制作成独立、可靠的功能模块。模块向上提供控制接口,由系统控制启动,向下提供信息分析接口,供软件分析模块自动化处理。扫描处理流程如图2所示:
步骤1:根据需要选择查询命令,不同的查询命令所查询的数据不同;
步骤2:根据需要载入需要查询的基站的IP地址;
多线程中的各线程执行后续流程:
步骤3:读取一个基站的IP地址,根据该IP地址通过网络通信与相应的基站建立连接;
步骤4:向基站发送查询命令;
步骤5:等待基站返回数据;
步骤6:接收基站返回的查询到的数据;
步骤7:将基站返回的数据同一保存在本地。
在上述方法中,为了实现快速有效的扫描处理,对于基站选择性发送查询命令。之所以选择性发送查询命令,是因为基站内部信息量大、命令消息种类繁多,向基站下发全部查询命令会造成数据冗余,有些信息之间存在依赖关系,当前提条件不满足时,下发的消息没有返回信息。例如检查天线状态时,如果RRU类型本身不支持多天线,则多余查询命令得不到基站的返回信息。因此,可根据需要选择必要查询命令进行下发,例如对小区的日常健康检查,只需查询小区的运行状态、小区操作状态、小区可用状态、小区过程状态、小区激活时间等相关信息作为初步诊断,当发现异常数据时,再做进一步检查,这样既提高了查询速度,又提高了对故障、异常的覆盖率。
对于所扫描网络中的多个基站,我们使用并行方式进行扫描。通过多线程技术,每个线程支持一个基站的网络通信和信息提取。具体实现可通过加载脚本的方式载入需要检查的基站IP地址和需要查询的信息,每个线程读取一个IP地址与基站进行一对一网络通信,建立连接后根据脚本信息发送相同查询命令,命令返回结果通过同一线程接收,每条返回数据经过统一存储模块进行保存。用这种方法可以在同一时间对几十甚至上百个基站同步操作,将需要的信息统一提取,实现信息提取效率成百倍的增长,大大节省了运维时间。通过这种并行技术使得RAN系统中海量数据的频繁检查变得切实可行。
通过以上并行技术和有选择性下发查询命令的方法,实现了基站信息的全面、快速扫描,可以在日常维护中及时、频繁地搜集关键信息,提前预知基站运行状态,做出调整。避免等到发生故障时再做故障定位,提高风险预知能力,降低故障发生率,减少不必要的损失。
实施例二:
由基站上传的扫描数据保存在本地PC机的硬盘上,根据需要进行解析处理,进行所扫描网络中基站的状态自动分析和故障智能定位解决。故障智能定位解决流程如图3所示:
步骤1:在分析确定实施例一中保存的数据发生异常后,确定网络中出现故障;
步骤2:按照专家系统中预先存储的异常数据与异常原因的对应关系,确定导致数据异常的原因,具体为基站的哪些物理单元发生了故障;
步骤3:选择针对导致数据异常的一个原因设置的查询命令,该查询命令用于查询基站的关键指标数据;
步骤4:向返回异常数据的基站下发查询命令;
步骤5:接收基站返回的数据;
步骤6:执行控制脚本,即执行针对当前原因设置的问题定位策略;
步骤7:判断网络故障是否已定位,即确定是否找到导致相应物理单元故障的原因,若是,到步骤8,否则,选择针对导致数据异常的其他原因,返回步骤3;
步骤8:根据控制脚本执行结果选择故障解决方案;
步骤9:根据选择的故障解决方案发出控制命令,例如,向返回异常数据的基站下发故障修复命令,以通知基站更新相应物理单元的配置参数;或者,发出需要检修对应物理单元的告警消息,以通知工程人员进行检修。
步骤10:根据控制命令解决基站故障问题。
在本方法中,为了实现对所扫描网络中设备故障的智能定位解决,首先根据工程师的运维经验和基站的标准配置,按照一定的依赖关系生成一套自动化分析的通用流程,以标准化脚本形式保存下来,然后供分析模块加载。即对基站信息的分析流程综合现场工程师、研发和测试工程师在问题定位中积累的经验,将设备问题进行分类(如GPS问题、RRU问题、板卡温度和风扇问题等),每一类按照检测手段、定位手段、解决方法进行总结,制定出统一的、科学合理的故障定位流程,并以故障定位标准化脚本形式写下此故障定位流程。再结合故障的解放方案形成一套网络故障智能定位和解决的专家系统。
在故障智能定位过程中,为了节约时间,减少网络负担,故障智能定位模块先有选择性的对一些关键信息进行提取,当故障智能定位模块发现数据异常时,根据制定好的分析流程再对关键网段和关键区域进行第二次信息提取。逐步缩小故障可能发生的区域,最终实现故障定位。在具体实现中,扫描过程由故障定位标准化脚本控制,当满足一定判断逻辑,需要更多详细信息时,由脚本引发二次信息扫描。
综上所述,网络故障智能定位就是在网络信息扫描结束后,由故障智能定位模块读取扫描数据,根据故障定位的标准化脚本进行分析,当发现异常情况时,故障智能定位模块会列举出可能造成该异常指标的原因,并进行第二次精确的基站信息扫描,细化查询内容,进一步分析,直到可以精确定位故障为止。最终根据专家系统的诊断结果做出故障修复。
实施例三:
以导致数据异常的原因为GPS为例,标准化的控制脚本流程如图4所示,当自动分析模块在定位到GPS可能存在故障时,会调用该脚本。脚本执行中首先检查基站设备状态,分别判断基站是否存在GPS、时钟过程状态是否锁定。若确定GPS存在问题则进行GPS专项检查。分别判断时钟天线是否为有源、时钟索引是否为GPS模式。经过判断和相应处理,最终确定脚本执行结果为GPS正常、GPS修复完毕和GPS需要检修三种状态之一。具体如下:
步骤1:从基站查询GPS的状态数据;
步骤2:判断基站是否没有GPS,若是,则到步骤3,否则,到步骤4;
步骤3:重启基站以修复故障,结束;
步骤4:判断基站的时钟过程状态是否为锁定,若是,则到步骤5,否则,到步骤6;
步骤5:确定GPS正常,结束;
步骤6:进行GPS专项查询:
步骤7:判断基站的时钟天线状态是否为有源,若是,则到步骤10,否则,到步骤8;
步骤8:判断基站的时钟索引是否为GPS模式,若是,则到步骤9,否则,到步骤5;
步骤9:确定GPS需要检修,发出需要检修GPS的告警消息,以通知工程人员进行检修,结束;
步骤10:向基站下发将GPS公分器设置为无源的命令;
步骤11:判断基站的时钟过程状态是否为锁定,若是,则到步骤12,否则,到步骤9;
步骤12:确定GPS修复完毕,结束。
实施例四:
在基站数据扫描执行过程中,若在专家系统中检测出之前未记录的基站故障,则自动依次尝试不同问题处理方式,而处理过程通常由一系列若干操作组成,形成解决方案网络。传统处理方法是对解决方案网络进行穷举,找到可行的处理途径。这种方法资源占用率高,并且所得途径不能实现最优化,带来自动维护方案中重复操作和无用操作过多,不能满足专家分析系统科学、合理、高效的要求。
本实施例利用蚁群算法实现在解决方案网络中查找最优处理途径的问题。蚁群算法的本质是迭代算法,利用计算机软件模拟蚁群寻找食物的过程,采用多线程并行方法模拟每只蚂蚁在网络中搜索的过程。起初每只蚂蚁都会进行盲目搜索,但在搜索过程中留下信息素,作为启发信息引导后续蚁群。任何一只蚂蚁找到食物,其它蚂蚁会根据信息素向食物靠近,并形成蚁群的最优路径。经过多次迭代和实验后,可以最终确定解决基站故障的最优方案。利用这种方法进行基站故障的最优诊断过程如图5所示,网络中G结点表示一种操作方法,边表示由一种操作方法向另一种操作方法尝试的过程,最优解决方案由一系列结点和带权值的边组成,权值由蚁群的启发信息表示。每经过一种操作方法,在路径中留下启发信息,判断故障是否解决,若未解决则进行下一步尝试,并记录已经执行过的操作。在进行下一种方案尝试前,首先查找可选路径,排除已执行的操作,再根据路径上遗留的启发信息按照一定概率选择执行方法。
具体在某一时刻,从候选边中选择路径的公式如下所示。
(公式1)
其中,ηrl(t)表示一条边arl的启发信息;β表示该启发信息ηrl(t)对整体故障诊断中的影响权重;DAk(t)为满足约束条件且启发信息大于零的当前图的所有候选边的集合;q0(0≤q0≤1)是算法设定的参数,用来调节蚁群利用和探索的比例,q(q∈[0,1])是一个随机数;用来调节选择新思路解决故障的创新度,I、J是随机变量对,表示从I结点到J结点的随机执行概率。τrl(t)表示边arl的信息素。
在一次迭代完成后,算法要进行路径上信息素矩阵的更新,更新过程包括局部更新和全局更新两个程。解决方案选取路径aij后,这条边上的信息素将根据下式进行更新:
τij(t+1)=(1-ψ)τij(t)+ψτ0
(公式2)
式中τ0是一个与初始解有关的常数,0<ψ≤1为启发信息素的挥发系数。这种更新增强了对未选路径的探索能力,可以避免早熟现象。此外,为避免陷入局部最优,本算法还通过定期引入试探机制(增加、反转、删除特定的路径)来对所得到的解进行局部优化,从而提高解的质量。根据上述公式进行搜索,可以找到基站故障的解决方法,但如同穷举方法一样,不能找到最优解决途径,因此蚁群算法需要多次迭代,直到后续蚁群选择路径趋于一致化,则达到最优解决方案的查找。网络中最优方案的判别标准可参照贝叶斯网络的K2评分方法。记录最优方案所经历的路径,可形成脚本并载入专家系统,当相同故障再次发生时,调用脚本进行解决。蚁群算法的实现流程如图6所示。
步骤1、对如图5所示的解决方案网络进行初始化,包括初始化各边(即路径)的信息素、启发信息和迭代次数;信息素和启发信息可以初始化为大于0小于1的数值;
步骤2、判断迭代是否已完成;若是,到步骤11,否则,到步骤3;
步骤3、启动多线程模式;
步骤4、初始化操作方法结点,即选取进行蚁群搜索的初始结点,并将该初始结点加入到候选路径中;
步骤5、按照启发信息计算公式计算所有路径上的启发信息;启发信息计算公式为:使用贝叶斯网络的K2评分方法得到当前网络的新的K2评分,将该新的K2评分与旧的K2评分相减,其结果即为启发信息值;
步骤6、判断通过执行候选路径中的结点对应的操作方法,是否能够解决基站故障,若是,则到步骤9,否则,到步骤7;
步骤7、使用公式1选择一个结点(即选择j对应的结点,i表示最近一次加入到候选路径中的结点),将选择的结点增加到候选路径中,并删除候选路径中的无用路径,以避免候选路径出现环路;
步骤8、根据公式更新启发信息,返回步骤6;
步骤9、使用贝叶斯网络的K2评分方法判断蚁群是否趋于归一化;若是,则到步骤10,否则,返回步骤2;
步骤10、将当前的候选路径上包含的各操作方法结点包含的全部操作方法,作为解决基站故障的方法,退出迭代;
步骤11,得到最优解,即将当前的候选路径上包含的各操作方法结点包含的全部操作方法,作为解决基站故障的方法。
由于蚁群算法具有良好的鲁棒性、正反馈、分布式及并行计算等特点,适用于NP难的搜索过程。虽然在一次搜索中算法较为复杂,但能够负在责全网维护的专家系统中智能生成一种故障解决方案。大大提高了网络维护的智能化程度,实现专家系统的自适应学习,做到基站故障定位、诊断、修复全自动化。
参见图7,本发明实施例提供一种基站信息查询设备,该设备包括:
确定单元70,用于确定需要从多个基站查询的数据以及该多个基站的地址;
获取单元71,用于根据确定结果,采用多线程技术并行从所述多个基站获取需要查询的数据。
所述确定单元70用于:
加载预先设置的脚本,从该脚本中读取多个基站的IP地址以及需要从该多个基站查询的数据的信息。
所述获取单元71用于:
当前运行的多线程中的每个线程,读取所述多个基站中的一个基站的地址信息,并向该地址信息对应的基站发送查询命令,以请求基站返回需要查询的数据;接收并保存基站返回的查询到的数据;其中,多线程中的每两个线程所读取的地址信息不同。
所述查询命令通过操作维护中心OMC到达基站;或者,
所述查询命令通过OMC和无线网络控制器RNC到达基站。
所述需要查询的数据包括小区的运行状态数据、小区的操作状态数据、小区的过程状态数据中的至少一个。
该设备还包括:
分析单元72,用于在采用多线程技术并行从所述多个基站获取需要查询的数据之后,通过执行预先设定的异常数据识别流程,确定获取到的数据是否异常;
定位单元73,用于在确定数据异常后,按照预先设定的异常数据与异常原因的对应关系,确定导致所述数据异常的原因;
修复单元74,用于通过执行针对确定的原因设置的故障处理流程,进行故障定位和修复。
所述修复单元74用于执行如下流程:
A、在导致所述数据异常的原因为基站的物理单元发生故障时,从返回异常数据的基站获取针对导致所述数据异常的第i个原因设置的物理单元状态数据;i的初始值为1;
B、通过分析获取到的物理单元状态数据,确定对应的物理单元正常或故障,若正常,则判断i的当前取值是否小于N,若是,则将i值加1,并返回步骤A;否则,结束本流程;N为确定的导致所述数据异常的原因总数;
若故障,则根据物理单元状态数据确定导致所述物理单元故障的原因,根据故障原因确定修复故障的方法,并按照该方法进行故障修复。
所述修复单元74用于:
向返回异常数据的基站下发故障修复命令,以通知基站更新相应物理单元的配置参数;或者,
发出需要检修对应物理单元的告警消息,以通知工程人员进行检修。
该设备还包括:
自适应学习单元75,用于在故障未得到修复时,按照蚁群算法,确定修复故障的方法,并通过执行该方法修复故障。
所述自适应学习单元75用于执行如下流程:
A、对预先设定的解决方案网络进行初始化,解决方案网络中包含多个结点,每个结点与一个操作方法对应,一个结点到另一个结点间存在或不存在路径;
B、启动多线程模式,每个线程执行以下操作:
C、选取进行蚁群搜索的初始结点,并将该初始结点加入到候选路径中;并按照启发信息计算公式,计算各路径上的启发信息;
D、判断通过执行候选路径中的结点对应的操作方法,是否能够解决基站故障,若是,则将当前候选路径中各结点对应的操作方法作为解决基站故障的方法;否则,根据各路径上的启发信息使用路径选择公式选择一个结点,将选择的结点增加到候选路径中,并按照启发信息计算公式更新选择的路径的启发信息,重复执行本步骤。
所述自适应学习单元75还用于:
在判断能够解决基站故障之后、并且将当前候选路径中各结点对应的操作方法作为解决基站故障的方法之前,使用贝叶斯网络的K2评分方法判断蚁群是否趋于归一化;在判断蚁群趋于归一化时,将当前候选路径中各结点对应的操作方法作为解决基站故障的方法。
所述自适应学习单元75还用于:
在判断蚁群未趋于归一化时,迭代执行步骤B-步骤D。
综上,本发明的有益效果包括:
本发明实施例提供的方案中,确定需要从多个基站查询的数据以及该多个基站的地址后,采用多线程技术并行从所述多个基站获取需要查询的数据。由于是采用多线程技术并行从多个基站中获取需要查询的数据,因此与现有技术中一次只能从一个基站获查询数据相比,本发明能够大大提高查询基站数据的效率。
进一步的,
采用本发明,能够全面快速扫描全网基站信息;
通过计算机并行技术和选择性下发查询命令的方法,我们实现了全面、快速地扫描全网内基站信息。运维工程师可以在日常维护中频繁反复搜集关键信息,尽可能地实时掌握基站运行状态。避免等到发生故障时再做故障定位,提高风险预知能力,降低故障发生率,减少不必要的损失。
采用本发明,可以实现网络故障的智能定位,打破传统人工定位的繁琐操作,全部定位流程基于专家系统,由计算机软件执行。智能化的流程减少了人工参与度,提高了故障定位的效率。
采用本发明中基于蚁群算法的专家系统自适应学习方法,可实现网络故障解决方案的自动化生产。根据蚁群算法,对未知信息进行搜索,在错综复杂的解决方案中找到最优化的故障排除手段。做到了专家系统的自适应学习,解决了故障定位和解决中知识储备不足的问题。最终形成全自动的无线网络通信RAN系统海量信息扫描、分析的完备方案。
采用本发明对全网内的基站信息做自动化检查,可以最大限度的减少信息提取过程中人力操作所浪费的时间。在保障信息提取准确、数据分析正确的前提下,可以缩短全网基站信息提取的周期,增加扫描的频率,从而提高发现隐蔽问题的能力,提升全网的基站设备健康度。
采用本发明,可以快速定位现网中基站运行故障。本方法对现网中基站问题扫描的经验进行总结,实现扫描流程的标准化合理化可控制化。有针对性的对容易出现问题的地方普遍进行强化检查,并且深入跟踪,不但可以提高提取信息的质量,还可以快速有效地缩小可能出现故障的范围,及时定位故障。
采用本发明,实施简单,占用资源少。利用本方法进行信息扫描,对运维环境要求低,仅普通PC机即可满足。同时可以有针对性的搜集信息,网络带宽资源占用量小。运维中仅消耗电力资源,快速敏捷的进行健康检查,在一定程度上也节约了开支。
采用本发明,能够节约人力,降低成本。整个信息提取和分析过程由计算机统一进行,实现全自动化,使人力完全从机械化操作中解脱出来,大大缓解现场维护中人力不足的情况。从而很大程度上降低了网络维护的成本。
本发明是参照根据本发明实施例的方法、设备(系统)、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,则可对这些实施例作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 (18)
1.一种基站信息查询方法,其特征在于,该方法包括:
确定需要从多个基站查询的数据以及该多个基站的地址;
根据确定结果,采用多线程技术并行从所述多个基站获取需要查询的数据;
通过执行预先设定的异常数据识别流程,确定获取到的数据是否异常;
在确定数据异常后,按照预先设定的异常数据与异常原因的对应关系,确定导致所述数据异常的原因;
通过执行针对确定的原因设置的故障处理流程,进行故障定位和修复;
在故障未得到修复时,按照蚁群算法,确定修复故障的方法,并通过执行该方法修复故障;
其中,所述按照蚁群算法,确定修复故障的方法包括:
A、对预先设定的解决方案网络进行初始化,解决方案网络中包含多个结点,每个结点与一个操作方法对应,一个结点到另一个结点间存在或不存在路径;该操作方法是预先设定的用于修复基站故障的方法;
B、启动多线程模式,每个线程执行以下操作:
C、选取进行蚁群搜索的初始结点,并将该初始结点加入到候选路径中;并按照启发信息计算公式,计算各路径上的启发信息;
D、判断通过执行候选路径中的结点对应的操作方法,是否能够解决基站故障,若是,则将当前候选路径中各结点对应的操作方法作为解决基站故障的方法;否则,根据各路径上的启发信息使用结点选择公式选择一个结点,将选择的结点增加到候选路径中,并按照启发信息计算公式更新选择的路径的启发信息,重复执行本步骤。
2.如权利要求1所述的方法,其特征在于,所述确定需要从多个基站查询的数据以及该多个基站的地址包括:
加载预先设置的脚本,从该脚本中读取多个基站的IP地址以及需要从该多个基站查询的数据的信息。
3.如权利要求1所述的方法,其特征在于,所述根据确定结果,采用多线程技术并行从所述多个基站获取需要查询的数据包括:
当前运行的多线程中的每个线程,读取所述多个基站中的一个基站的地址信息,并向该地址信息对应的基站发送查询命令,以请求基站返回需要查询的数据;接收并保存基站返回的查询到的数据;其中,多线程中的每两个线程所读取的地址信息不同。
4.如权利要求3所述的方法,其特征在于,所述查询命令通过操作维护中心OMC到达基站;或者,
所述查询命令通过OMC和无线网络控制器RNC到达基站。
5.如权利要求1所述的方法,其特征在于,所述需要查询的数据包括小区的运行状态数据、小区的操作状态数据、小区的过程状态数据中的至少一个。
6.如权利要求1所述的方法,其特征在于,导致所述数据异常的原因为基站的物理单元发生故障,所述通过执行针对确定的原因设置的故障处理流程,进行故障定位和修复包括:
A、从返回异常数据的基站获取针对导致所述数据异常的第i个原因设置的物理单元状态数据;i的初始值为1;
B、通过分析获取到的物理单元状态数据,确定对应的物理单元正常或故障,若正常,则判断i的当前取值是否小于N,若是,则将i值加1,并返回步骤A;否则,结束本流程;N为确定的导致所述数据异常的原因总数;
若故障,则根据物理单元状态数据确定导致所述物理单元故障的原因,根据故障原因确定修复故障的方法,并按照该方法进行故障修复。
7.如权利要求6所述的方法,其特征在于,进行故障修复具体包括:
向返回异常数据的基站下发故障修复命令,以通知基站更新相应物理单元的配置参数;或者,
发出需要检修对应物理单元的告警消息,以通知工程人员进行检修。
8.如权利要求1所述的方法,其特征在于,在判断能够解决基站故障之后、并且将当前候选路径中各结点对应的操作方法作为解决基站故障的方法之前,该方法进一步包括:
使用贝叶斯网络的K2评分方法判断蚁群是否趋于归一化;
所述将当前候选路径中各结点对应的操作方法作为解决基站故障的方法包括:
在判断蚁群趋于归一化时,将当前候选路径中各结点对应的操作方法作为解决基站故障的方法。
9.如权利要求8所述的方法,其特征在于,在判断蚁群未趋于归一化时,该方法进一步包括:
迭代执行步骤B-步骤D。
10.一种基站信息查询设备,其特征在于,该设备包括:
确定单元,用于确定需要从多个基站查询的数据以及该多个基站的地址;
获取单元,用于根据确定结果,采用多线程技术并行从所述多个基站获取需要查询的数据;
分析单元,用于在采用多线程技术并行从所述多个基站获取需要查询的数据之后,通过执行预先设定的异常数据识别流程,确定获取到的数据是否异常;
定位单元,用于在确定数据异常后,按照预先设定的异常数据与异常原因的对应关系,确定导致所述数据异常的原因;
修复单元,用于通过执行针对确定的原因设置的故障处理流程,进行故障定位和修复;
自适应学习单元,用于在故障未得到修复时,按照蚁群算法,确定修复故障的方法,并通过执行该方法修复故障;
其中,所述自适应学习单元用于执行如下流程:
A、对预先设定的解决方案网络进行初始化,解决方案网络中包含多个结点,每个结点与一个操作方法对应,一个结点到另一个结点间存在或不存在路径;
B、启动多线程模式,每个线程执行以下操作:
C、选取进行蚁群搜索的初始结点,并将该初始结点加入到候选路径中;并按照启发信息计算公式,计算各路径上的启发信息;
D、判断通过执行候选路径中的结点对应的操作方法,是否能够解决基站故障,若是,则将当前候选路径中各结点对应的操作方法作为解决基站故障的方法;否则,根据各路径上的启发信息使用路径选择公式选择一个结点,将选择的结点增加到候选路径中,并按照启发信息计算公式更新选择的路径的启发信息,重复执行本步骤。
11.如权利要求10所述的设备,其特征在于,所述确定单元用于:
加载预先设置的脚本,从该脚本中读取多个基站的IP地址以及需要从该多个基站查询的数据的信息。
12.如权利要求10所述的设备,其特征在于,所述获取单元用于:
当前运行的多线程中的每个线程,读取所述多个基站中的一个基站的地址信息,并向该地址信息对应的基站发送查询命令,以请求基站返回需要查询的数据;接收并保存基站返回的查询到的数据;其中,多线程中的每两个线程所读取的地址信息不同。
13.如权利要求12所述的设备,其特征在于,所述查询命令通过操作维护中心OMC到达基站;或者,
所述查询命令通过OMC和无线网络控制器RNC到达基站。
14.如权利要求10所述的设备,其特征在于,所述需要查询的数据包括小区的运行状态数据、小区的操作状态数据、小区的过程状态数据中的至少一个。
15.如权利要求10所述的设备,其特征在于,所述修复单元用于执行如下流程:
A、在导致所述数据异常的原因为基站的物理单元发生故障时,从返回异常数据的基站获取针对导致所述数据异常的第i个原因设置的物理单元状态数据;i的初始值为1;
B、通过分析获取到的物理单元状态数据,确定对应的物理单元正常或故障,若正常,则判断i的当前取值是否小于N,若是,则将i值加1,并返回步骤A;否则,结束本流程;N为确定的导致所述数据异常的原因总数;
若故障,则根据物理单元状态数据确定导致所述物理单元故障的原因,根据故障原因确定修复故障的方法,并按照该方法进行故障修复。
16.如权利要求15所述的设备,其特征在于,所述修复单元用于:
向返回异常数据的基站下发故障修复命令,以通知基站更新相应物理单元的配置参数;或者,
发出需要检修对应物理单元的告警消息,以通知工程人员进行检修。
17.如权利要求10所述的设备,其特征在于,所述自适应学习单元还用于:
在判断能够解决基站故障之后、并且将当前候选路径中各结点对应的操作方法作为解决基站故障的方法之前,使用贝叶斯网络的K2评分方法判断蚁群是否趋于归一化;在判断蚁群趋于归一化时,将当前候选路径中各结点对应的操作方法作为解决基站故障的方法。
18.如权利要求17所述的设备,其特征在于,所述自适应学习单元还用于:
在判断蚁群未趋于归一化时,迭代执行步骤B-步骤D。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110183399.8A CN102355683B (zh) | 2011-06-30 | 2011-06-30 | 基站信息查询方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110183399.8A CN102355683B (zh) | 2011-06-30 | 2011-06-30 | 基站信息查询方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102355683A CN102355683A (zh) | 2012-02-15 |
CN102355683B true CN102355683B (zh) | 2014-08-06 |
Family
ID=45579162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110183399.8A Active CN102355683B (zh) | 2011-06-30 | 2011-06-30 | 基站信息查询方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102355683B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102724062B (zh) * | 2012-04-16 | 2016-12-14 | 南京中兴软件有限责任公司 | 时钟同步系统的故障定位方法、装置及系统 |
CN103402218B (zh) * | 2013-07-30 | 2016-09-21 | 大唐移动通信设备有限公司 | 一种信息获取方法及装置 |
CN104392322A (zh) * | 2014-11-27 | 2015-03-04 | 国家电网公司 | 现场采集终端的监测方法、监测设备及监测系统 |
CN106937309A (zh) * | 2017-02-08 | 2017-07-07 | 京信通信技术(广州)有限公司 | 一种数据传输方法及装置 |
CN110119269B (zh) * | 2019-04-19 | 2023-07-21 | 北京大米科技有限公司 | 控制任务对象的方法、装置、服务器及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101137166A (zh) * | 2007-01-04 | 2008-03-05 | 中兴通讯股份有限公司 | 无线网络的现场维护系统 |
CN101835185A (zh) * | 2009-03-11 | 2010-09-15 | 中兴通讯股份有限公司 | 一种对基站设备进行控制或设备信息查询的方法 |
CN101895439A (zh) * | 2010-07-01 | 2010-11-24 | 中兴通讯股份有限公司 | 多网元巡检的装置及方法 |
CN101959214A (zh) * | 2009-07-17 | 2011-01-26 | 中国移动通信集团江苏有限公司 | 一种越区切换数据的核查方法和装置 |
CN102111797A (zh) * | 2011-02-15 | 2011-06-29 | 大唐移动通信设备有限公司 | 一种故障的诊断方法和设备 |
-
2011
- 2011-06-30 CN CN201110183399.8A patent/CN102355683B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101137166A (zh) * | 2007-01-04 | 2008-03-05 | 中兴通讯股份有限公司 | 无线网络的现场维护系统 |
CN101835185A (zh) * | 2009-03-11 | 2010-09-15 | 中兴通讯股份有限公司 | 一种对基站设备进行控制或设备信息查询的方法 |
CN101959214A (zh) * | 2009-07-17 | 2011-01-26 | 中国移动通信集团江苏有限公司 | 一种越区切换数据的核查方法和装置 |
CN101895439A (zh) * | 2010-07-01 | 2010-11-24 | 中兴通讯股份有限公司 | 多网元巡检的装置及方法 |
CN102111797A (zh) * | 2011-02-15 | 2011-06-29 | 大唐移动通信设备有限公司 | 一种故障的诊断方法和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102355683A (zh) | 2012-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102355683B (zh) | 基站信息查询方法和设备 | |
US20200033904A1 (en) | Deploying machine learning models at cognitive devices for resources management for enterprises | |
CN109343995A (zh) | 基于多源异构数据融合、机器学习及客服机器人的智能运维分析系统 | |
CN106888106A (zh) | 智能电网中的it资产大规模侦测系统 | |
US11704189B1 (en) | System and method for autonomous data center operation and healing | |
CN102111797A (zh) | 一种故障的诊断方法和设备 | |
EP2765466A1 (en) | A method for user management and a power plant control system thereof for a power plant system | |
CN107077132A (zh) | 使用分布式控制系统来管理加工厂的子系统的方法 | |
KR20190106369A (ko) | 공장 자동화 설비의 수명과 생산성 향상을 위한 plc 패턴 분석 시스템 및 패턴 분석 방법 | |
CN102377610B (zh) | 简单网络管理协议自动化测试系统及其方法 | |
Bierer et al. | Control and evaluation concept for smart MRO approaches | |
CN109690586B (zh) | 用于自主保养操作确认的系统和方法 | |
CN106612213A (zh) | 设备测试方法及装置 | |
Chen et al. | Research on production management and optimization of multisensor intelligent clothing in 5G era | |
Zahran et al. | Security of IT/OT Convergence: Design and Implementation Challenges | |
CN114490303A (zh) | 故障根因确定方法、装置和云设备 | |
JP2022037107A (ja) | 障害分析装置、障害分析方法および障害分析プログラム | |
Leitão et al. | A lightweight dynamic monitoring of operational indicators for a rapid strategical awareness | |
Margetis et al. | Aligning emerging technologies onto I4. 0 principles: Towards a novel architecture for zero-defect manufacturing | |
WO2024066346A1 (zh) | 一种告警处理方法、装置、存储介质及电子装置 | |
CN109412861A (zh) | 一种终端网络建立安全关联展示方法 | |
CN109583026A (zh) | 一种基于Petri网出现序列的继电保护业务建模方法及系统 | |
KR102628405B1 (ko) | Ami의 장애 관리 시스템 및 방법 | |
KR102426147B1 (ko) | Plc 프로그램을 이용한 도금라인 자동화 공정 관리 서비스 제공 시스템 | |
US20220173980A1 (en) | Ai machine learning technology based fault management system for network equpment that supports sdn open flow protocol |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |