CN102740331A - 一种基于模糊分析的复杂无线通信网络运行质量评估方法 - Google Patents

Abstract

本发明将模糊分析理论和数据挖掘技术加入到传统的网络优化系统中，提出一种基于模糊分析的复杂无线通信网络运行质量评估方法。对所要求的评估指标均采用指数表示，直观地展现了无线通信网络运行状况。评估过程中，利用分层次结构对各个分项指标进行评价，并且做出模糊综合指数评价。无线通信网络运行质量中如网络覆盖情况、通话质量、网络承载能力均为定性化，利用模糊理论在评价过程中都将其定量化，使得评价更为客观。在任一个无线网络优化系统中，对网络运行质量的评价是其核心。本方法适用于无线通信网络优化系统，特别是要求有预测能力的系统，如无线通信网络监测或预警系统。

Description

一种基于模糊分析的复杂无线通信网络运行质量评估方法

技术领域：

本发明涉及无线网络和数据挖掘领域，具体用于移动通信网络优化系统中对复杂无线通信网络运行质量的评估。 

背景技术：

移动通信网络是一个动态复杂的无线网络。由于话务密度分布不均匀、频率资源日渐紧张、网络配置复杂多样且长期处于不断变化之中等因素，使得现有网络的服务质量不能达到最好，巨额的投资并没有得到最高的收益，所有这些都要求运营商应对移动通信网络进行数据采集、分析，找出影响网络质量的原因，以便进行各项调整，优化资源配置，合理设置网络参数，使网络达到最佳的运行状态，使网络资源获得最佳的使用效益，这就是对复杂无线网络运行质量进行评估的目的。 

在国际上，早在上世纪80年代，专业的无线网络优化的软件就已经出现，并且随着网络的演进和优化技术的需求，网络优化软件也不断增加新功能，日益成熟。例如：瑞典的爱立信公司TEMS系列网优软件被全球广泛地使用，如今己经有TEMS Investigation、TEMS CellPlanner、TEMS Pocket等数个方案；而法国的SAGEM公司、英国的OBTITEL公司和德国的R&S等公司也不断地推出非常优秀的产品。总体来说，国际上的这些网优软件凭着多年的积累，己经非常专业和成熟，占据了大量的市场份额。 

在我国，网络优化理论较为滞后，优化软件的发展也相对缓慢。国内较早从事优化软件的公司为珠海万禾，从1995年开始，该公司就不断推出ANT系列产品，但功能上大多都是针对路测数据进行分析。后来，国内著名的电信设备制造商如华为、中兴等企业也相继成立相关的开发团队，推出了自己的专业优化软件，这些软件就其实用性和稳定性，都达到了较高的水平，从国内国外发展现状来看，现有的网络优化工具主要有以下几种类型：①各系统供应商提供的OMC系统（告警、配置、统计功能）；②网规软件；③无线网络及交换网络测试分析的仪器、软件，如路测软件和信令分析软件等；④无线频率规划软件；⑤话务、指标统计软件；⑥无线资源管理软件。 

基本上所有的优化软件都是以开发商视角，针对网络优化的部分功能进行定位和设计，比如针对路测的路测软件，针对话务统计的性能分析平台，针对无线网络资源管理的软件等等，这些虽然都是网络优化各领域称手的工具，但尚存在问题，主要表现在：①系统孤立， 缺乏全面的网络运行评估和分析系统。各工具都只能偏重某一方面，实现单一的功能；②数据不能共享和综合，分析效率低。对路测数据、话务统计数据、网络资源数据等没有集成，没有综合加以分析和利用；③自动化程度不高。没有网络运营的历史数据，没有经验的积累、知识管理功能，因而不能自动形成网络优化的工作建议，需要人工干预的地方太多；④网络管理人员不能及时了解网络运行性能。网络的运行性能指标种类繁多，计算方法较为复杂，并且经常变化，管理层不能及时的、正确的得到网络的实际运营指标；⑤网络优化数据库不完善，网络优化数据难以统一管理和维护，数据不够准确，缺乏历史数据，缺乏对网优数据的组织和利用。 

发明内容：

针对上述问题，本发明提出一种基于模糊分析的复杂无线通信网络运行质量评估方法，其目的是利用模糊理论、数据挖掘技术及无线通信网络知识，对整体区域和子区域的无线通信网络运行质量进行评估，为无线通信网络的优化提供决策支持。 

本发明解决问题所采用的技术方案是： 

1.确定评价因素论域，评价因素论域设置为一级：U=(u₁,u₂,...,u_p)，p是元素的个数。 

2.确定评语集，模糊综合评价对象具有模糊性，因此对被评价对象的描述不应是断然的，而只能属于各等级的程度来表示。评语集可以表示为：V＝(v₁,v₂，...,v_m)，令每一个评语级的值为：w_i，i ∈(1,m)。 

3.建立模糊关系矩阵R，对于给定的评价因素论域，建立它和评语之间的模糊关系矩阵R，即确定论域中的每个元素对应与评语集中的每个评语元素的隶属程度。即有： 

$R=\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1m}\\ r_{21}& r_{22}& ...& r_{2m}\\ ...& ...& ...& ...\\ r_{p1}& r_{p2}& ...& r_{\mathrm{pm}}\end{array}\right]$

利用等级比重法确定r_ij，评价者从若干个因素对被评价对象属于哪个等级做出判断，然后把根据第i个因素而将该被评价对象判断为第j个等级的人数与全部评价者人数的比值作为r_ij. 

4.确定评价因素的权值向量E，评价因素的权值向量是评价因素对被评价对象所起作用的隶属程度的度量，是评价因素的权重，直接影响着最终的评价结果。对权重系数的确定采用Delphi法进行，具体确定过程如下： 

（1）确定评价因素的重要性序列值，由每个专家对评价因素论域中的元素的重要性进 行排序，排序为1的最次要，为m的最重要。最后得到因素重要性序列值表。 

（2）编制优先得分表，对（1）得到的因素重要性序列值表进行如下统计：当 

时，记A_ij-k=0.设共有y位专家，有： 

(i＝1,2，...,m;j＝1,2，...,m),则A_ij组成优先得分表。 

（3）确定权值，记： 

则：B_max＝max{B_i}，(i＝1,2，...,m) 

B_min＝min{B_i},(i＝1,2，...,m). 

令b_max＝1,b_min＝0.1,则极差d: 

令 

可得向量e^*={e₁ ^* e₂ ^*...e_i ^*}，对向量e^*归一化，可得权重值e.

5.合成，由于该无线通信网络评价是分层结构，需要进行分级模糊评价： 

（1）首先对接入特征、移动特性等方面内部的KPI进行模糊评价，每一个特性内部KPI模糊评价的基本模型为F_j＝(f_j，1,f_j，2，...,f_j，m)＝E_j oR^j,"o″代表合成算子，即： 

$f_{j,i}=\min \{1,\underset{i=1}{\overset{p}{\mathrm{\Σ}}}(e_{j,i}*r_{i,l}^j)\},(i=\mathrm{1,2},...,m)---\left(1\right)$

（2）对整体网络质量的模糊评价 

F′＝(f₁,f₂，...，f_m)＝EoF,即： $f_i=\min \{1,\underset{i=1}{\overset{p}{\mathrm{\Σ}}}(e_i*f_{i,j})\},(i=\mathrm{1,2},...,m)---\left(2\right)$

其中f_i为网络整体质量隶属于第j个评语等级的程度。 

6.确定评价结果，将被评价对象隶属于评语等级的程度F和评语等级值进行综合，即可得到最终的评价结果： 

$T=\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{f}_j{w}_j---\left(3\right)$

采用以上所述技术方案，具有以下优点： 

（1）直观的指数表示，在本方法中，对无线通信网络运行质量的指标均以指数化的形式表示，简单直观。 

（2）动态及时的综合指标体系监测及评估，诸多的无线网络质量管理模型都是着重于分项指标评估，本评估模型为分层次结构，除了各个分项指标外，对小区无线通信网络综合指标给出评价。对数据进行分析过程中，所用数据为最近的通信数据，随着数据流的到来不断更新，保障动态及时性。 

（3）模糊综合评价利用模糊隶属度理论，把定性指标合理的定量化，最大化地消除评价过程中对评价者的依赖性，提高评价结果的客观性。 

（4）本评估方法利用数据挖掘技术对历史数据进行学习，可以对话务量的变化趋势进行预测，进而对信号覆盖是否满足接入和通话的要求做出判断。 

本发明将模糊分析理论和数据挖掘技术加入到传统的网络优化系统中，提出一种基于模糊分析的复杂无线通信网络运行质量评估方法。对所要求的评估指标均采用指数表示，直观地展现了无线通信网络运行状况。评估过程中，利用分层次结构对各个分项指标进行评价，并且做出模糊综合指数评价。除此之外，评估过程不仅对各个要求的指标进行量化评估，更加注重指标值变化的内在因素分析，对将来对的运行质量做出预测。无线通信网络运行质量中如网络覆盖情况、通话质量、网络承载能力均为定性化，利用模糊理论在评价过程中都将其定量化，使得评价更为客观。在任一个无线网络优化系统中，对网络运行质量的评价是其核心。因此，本方法适用于无线通信网络优化系统，特别是要求有预测能力的系统，如无线通信网络监测或预警系统。 

附图说明：

图1基于模糊分析的无线通信网络评价模型 

图1是基于模糊分析的无线通信网络评价模型： 

第①步是从数据仓库中获取最近的数据，并进行聚类、关联分析及预测。 

第②步是使用模糊综合理论，根据聚类的结果数据集对所要评估的各个小区进行指标评估，得到局部分项指数。 

第③步进行层次分析，首先对局部指标要求进行模糊评价，再对整体网络质量进行模糊评价。 

第④步确定评价结果。 

具体实施方式：

下面结合实例对本方法实施做进一步详细的说明： 

表1是从从中国移动UTRAN网上采集到的一组数据，抽取部分KPI值。 

表1UTRAN网络部分测试数据 

1.设定评语集及评语集的值 

用户对网络运行质量的直观评价是优、良、中、差。结合用户的感知确定评语集为：{优，良，中，差}，设评语集的值w={1，0.85，0.6，0.45}. 

2.Delphi法计算评价指标权值，假设有10位专家参与了KPI重要性打分。 

表2是专家给出的UTRAN网络5方面特性的重要性排序结果：计算得到的各方面特性的权值向量e为：e={0.378，0.271,0.213,0.090,0.039}^T

表2无线通信网络5方面特性重要性排序 

$\left\{\begin{array}{ccccccccccc}T1& 5& 5& 5& 5& 5& 5& 5& 5& 4& 3\\ T2& 4& 4& 1& 2& 4& 2& 4& 2& 1& 5\\ T3& 3& 3& 4& 3& 3& 4& 2& 3& 5& 4\\ T4& 2& 1& 2& 4& 2& 3& 1& 4& 3& 1\\ T5& 1& 2& 3& 1& 1& 1& 3& 1& 2& 2\end{array}\right\}$

表3是专家给出的UTRAN网络接入特性方面的KPI重要性排序结果：接入特性方面KPI的权值向量e₁为：e₁＝{0.058，0.361,0.581}^T

表3接入特性方面KPI重要性排序 

$\left\{\begin{array}{ccccccccccc}T11& 1& 1& 1& 1& 2& 1& 3& 1& 3& 1\\ T12& 3& 2& 2& 2& 1& 2& 2& 2& 2& 3\\ T13& 2& 3& 3& 3& 3& 3& 1& 3& 1& 2\end{array}\right\}$

表4是专家给出的UTRAN网络移动特性方面的重要性排序，移动特性的权值向量e₂为：e₂={0.196,0.035,0.112，.0142，.0150，0.035,0.142,0.142}^T

表4移动特性方面KPI重要性排序 

$\left\{\begin{array}{ccccccccccc}T31& 8& 5& 2& 3& 1& 6& 1& 7& 8& 2\\ T32& 2& 7& 5& 5& 3& 1& 2& 6& 2& 3\\ T33& 1& 6& 1& 4& 4& 5& 3& 8& 1& 1\\ T34& 6& 8& 4& 8& 2& 7& 5& 1& 7& 8\\ T35& 3& 2& 7& 7& 8& 8& 4& 2& 5& 4\\ T36& 5& 4& 8& 2& 6& 3& 7& 3& 6& 7\\ T37& 4& 3& 3& 1& 7& 2& 8& 4& 3& 6\\ T38& 7& 1& 6& 6& 5& 4& 6& 5& 4& 5\end{array}\right\}$

表5是专家给出的UTRAN网络传输特性方面的重要性排序结果：传输特性的权值向量e₃为：e₃={0.016，0.024,0.143,0.157,0.146,0.129,0.130,0.103,0.149}^T

表5网络传输特性方面KPI重要性排序 

$\left\{\begin{array}{ccccccccccc}T41& 7& 8& 6& 3& 9& 8& 6& 3& 9& 3\\ T42& 5& 9& 5& 8& 1& 9& 5& 4& 8& 7\\ T43& 4& 7& 7& 9& 8& 3& 9& 9& 3& 8\\ T44& 6& 4& 8& 5& 4& 7& 7& 5& 6& 4\\ T45& 8& 5& 4& 6& 5& 5& 8& 6& 5& 5\\ T46& 3& 6& 3& 4& 6& 6& 3& 7& 4& 6\\ T47& 9& 3& 9& 7& 7& 4& 4& 8& 2& 9\\ T48& 2& 1& 1& 2& 3& 1& 2& 1& 7& 1\\ T49& 1& 2& 2& 1& 2& 2& 1& 2& 1& 2\end{array}\right\}$

表6是专家给出的UTRAN网络管理特性方面的重要性排序结果，管理特性的权值向量e₄为：e₄={0.606，0.333,0.061}^T

表6管理特性方面KPI重要性排序 

$\left\{\begin{array}{ccccccccccc}T51& 3& 3& 3& 2& 3& 2& 2& 1& 1& 3\\ T52& 1& 1& 1& 3& 1& 3& 1& 3& 3& 2\\ T53& 2& 2& 2& 1& 2& 1& 3& 2& 2& 1\end{array}\right\}$

3.计算模糊关系矩阵，共有12位专家给出了采集到的数据的等级判定，限于篇幅这里仅给出就算出的关系，如表7所示。 

表7待评价数据的模糊关系矩阵 

4.E与R合成计算，不考虑其他的KPI，由公式（1）、（2）可得： 

F＝{0.1724，0.2233,0.1871,0.1135} 

5.最终评价结果计算，由公式（3）及w={1，0.85,0.6,0.45}可得该组数据最终评价结果为：T＝0.48. 

Claims (6)

1.一种基于模糊分析的复杂无线通信网络运行质量评估方法,其特征在于本方法使用了以下评估模型：

1.确定评价因素论域，评价因素论域设置为一级：U=(u₁,u₂,...,u_p)，p是元素的个数。

2.确定评语集，模糊综合评价对象具有模糊性，因此对被评价对象的描述不应是断然的，而只能属于各等级的程度来表示。评语集可以表示为：V＝(v₁,v₂，...,v_m)，令每一个评语级的值为：w_i，i ∈(1,m)。

3.建立模糊关系矩阵R，对于给定的评价因素论域，建立它和评语之间的模糊关系矩阵R，即确定论域中的每个元素对应与评语集中的每个评语元素的隶属程度。即有：

$R=\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1m}\\ r_{21}& r_{22}& ...& r_{2m}\\ ...& ...& ...& ...\\ r_{p1}& r_{p2}& ...& r_{\mathrm{pm}}\end{array}\right]$

利用等级比重法确定r_ij，评价者从若干个因素对被评价对象属于哪个等级做出判断，然后把根据第i个因素而将该被评价对象判断为第j个等级的人数与全部评价者人数的比值作为r_ij.

4.确定评价因素的权值向量E，评价因素的权值向量是评价因素对被评价对象所起作用的隶属程度的度量，是评价因素的权重，直接影响着最终的评价结果。对权重系数的确定采用Delphi法进行，具体确定过程如下：

（1）确定评价因素的重要性序列值，由每个专家对评价因素论域中的元素的重要性进行排序，排序为1的最次要，为m的最重要。最后得到因素重要性序列值表。

（2）编制优先得分表，对4.1得到的因素重要性序列值表进行如下统计：当

时，记A_ij-k=0.设共有y位专家，有：

(i＝1,2，...,m;j＝1,2，...,m),则A_ij组成优先得分表。

（3）确定权值，记：

则：B_max＝max{B_i},(i＝1，2，...,m)

B_min＝min{B_i},(i＝1,2，...,m).

令b_max＝1,b_min＝0.1,则极差d:

令

可得向量e^*={e₁ ^* e₂ ^*...e_i ^*}，对向量e^*归一化，可得权重值e.

5.合成，由于该无线通信网络评价是分层结构，需要进行分级模糊评价：

（1）首先对接入特征、移动特性等方面内部的KPI进行模糊评价，每一个特性内部KPI模糊评价的基本模型为F_j＝(f_j，1,f_j，2，...,f_j，m)＝E_j oR^j,"o″代表合成算子，即：

$f_{j,i}=\min \{1,\underset{i=1}{\overset{p}{\mathrm{\Σ}}}(e_{j,i}*r_{i,l}^j)\},(i=\mathrm{1,2},...,m)---\left(1\right)$

（2）对整体网络质量的模糊评价

F′＝(f₁,f₂，...,f_m)＝EoF,即： $f_i=\min \{1,\underset{i=1}{\overset{p}{\mathrm{\Σ}}}(e_i*f_{i,j})\},(i=\mathrm{1,2},...,m)---\left(2\right)$

其中f_i为网络整体质量隶属于第j个评语等级的程度。

6.确定评价结果，将被评价对象隶属于评语等级的程度F和评语等级值进行综合，即可得到最终的评价结果：

$T=\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{f}_j{w}_j---\left(3\right)$

Images