CN103607309A - 一种业务kqi与qoe的映射方法 - Google Patents

Abstract

本发明公开了一种业务KQI与QOE的映射方法，对不同稳定度的KQI指标通过不同的方法进行处理，准确量化KQI指标，根据特定的映射模型将KQI指标转换为对应的QOE分值，以反映网络性能对用户感知变化的影响，使用户感知问题分析有迹可循。本发明具有很强的可操作性，并且算法简单，稳定性强，具有广泛的实际应用。

Description

一种业务KQI与QOE的映射方法

技术领域

 本发明涉及网络通信技术以及应用业务服务技术领域，特别是一种业务KQI与QOE的映射方法。

背景技术

随着信息科技的发展，通信与互联网已经越来越普及。在过去，用户更多重视的是硬件上的革新，商品的质量好坏是用户选择的直接标准。到今天，硬件的制造已经十分成熟，比如手机、电脑等，在性能和质量上已经得到前所未有的提高，进一步改进的空间已经不大。一般的手机在厂商进行制造时，设计的网速下载流量即可达到以兆每秒计算，便携式笔记本、平板电脑等常用设备设计的网速下载流量就更高了。

在硬件性能满足用户的需要后，真实的体验就成为用户关注的焦点。在通信领域，覆盖率、掉话率、接通率、切换成功率、里程掉话比，MOS均值等关键指标直接影响到用户的感觉，对于运营商而言，改善这些指标进而提高用户满意度则是未来新的挑战。对于网络领域，同样如此。这就需要客观上评估用户感知，把具体的指标量化，进而针对性的进行改善，提高运营质量。

世界电信论坛（TMF）提出了KPI（Key Performance Indicator）和KQI（Key Quality Indicator）的概念，并给出了相关的映射算法，但是其存在一些缺陷，不能聚合不同量纲、不同意义的指标，导致聚合后的指标量较多，无法达到聚合指标尽量少且直观以便准确评价某个业务运行质量的要求。目前一些算法已经对上述缺点进行了改进。QOE 指的是用户对设备、网络和系统、应用或业务的质量和性能( 包括有效性和可用性等方面) 的主观感受。从KQI到QOE的映射，是一种定性到定量的转变，目前有一些实现KQI到QOE的算法，比如基于AHP的模糊数学模型的映射算法，其虽然解决了多维度、多种类的指标的聚合映射，但其得算法过于复杂，稳定性也差，实际应用效果有待优化。另外一种映射方法神经网络模型也具有同样的问题。目前还有其它的算法，但同样的一个问题是过多的依赖模糊性的数学模型，这就需要高质量的拟合数据和专业性较强的人员，在移动互联网高速增长的今天，各种业务五花八门，造成了应用模型的快速多变。显然，在日常生活中，减少数据量运算、减少模型变换，更客观、准确地提升用户客观评估，需要更为高效、实用的方法。

发明内容

为解决上述问题，本发明的目的在于提供一种业务KQI与QOE的映射方法，解决日常网络用户感知评估以及相应的用户感知问题的快速定位、优化支撑等一系列问题。

本发明解决其问题所采用的技术方案是：

一种业务KQI与QOE的映射方法，包括：

（1）对KQI指标进行感知分析，若KQI指标通过模拟数据能够进行测试，则通过测试数据直接量化KQI与用户感知之间的关系，若KQI指标不能通过模拟数据进行测试，则通过网管数据或/和信令数据量化KQI与用户感知之间的关系；

（2）根据量化后KQI与用户感知之间的关系，通过特定公式转换将具体的KQI指标值转换为对应的百分制数值；以及

（3）将所得的KQI百分制数值根据特定的映射模型转换为对应的QOE分值。

步骤（1）中所述KQI指标为浏览类业务量化后的接入成功率、时延性、感知速率、完整性4个KQI指标。

其中，对于感知速率，通过海量模拟测试数据，量化感知速率与页面大小的关系，所述页面为浏览业务中通过浏览器进行浏览时的浏览页面。

其中，对于接入成功率，通过网管数据，对全网小区性能进行KQI数值分类，根据信令数据，通过分析不同KQI数值分类区间所影响的用户数占比差异情况，量化KQI指标与用户感知之间的关系。

步骤（2）中所述特定公式具体为：

其中， 

为KQI指标转换后的百分制值；

表示KQI指标的测量值；I为该KQI指标的用户满意值，当测量结果等于或优于该值时，其百分制得分为100分；Q为合格值，对应百分制得分中的60分；T表示较差值，对应百分制得分中的40分；W表示容忍值，对应百分制得分中的0分，即当KQI指标比边界线差时，得分均为0，表示此时用户已无法容忍。

步骤（3）所述特定的映射模型具体为：

（31）剔除离群值，剔除百分制值X中不属于[Q1-3×IQR、Q3+3×IQR]区间的离群值，其中Q1为KQI百分制数X四分位中的第一四分位值，Q3为KQI百分制数X四分位中的第三四分位值，IQR为第三四分位值Q3与第一四分位值Q1的差值；

（32）对各项KQI计算变异系数

，其中，

＝

/n，＝

，n为百分制值X的总个数，

为对应的单个百分制值X；

（33）将各项KQI变异系数作为QOE的映射权重计算QOE的分值。

本发明的有益效果是：

本发明采用的一种业务KQI与QOE的映射方法，充分反映网络性能对用户感知变化的影响，使得用户感知问题分析有迹可循，并提高可操作性。

附图说明

下面结合附图和实例对本发明作进一步说明。

图1是本发明所述方法流程图；

图2是本发明页面大小与速率关系图；

图3是本发明接入成功率与用户分布关系图。

具体实施方式

参照图1所示本发明流程图，包括：

（1）量化KQI与用户感知之间的关系。在具体量化时，有些KQI指标易于通过模拟测试再现，这些KQI指标为稳定性较低的指标，通过模拟数据即可直接量化KQI与用户感知之间的关系，有些KQI指标不能通过模拟数据进行测试再现，这些KQI指标为稳定性较高的指标，则通过网管数据或/和信令数据量化KQI与用户感知之间的关系。

（2）将具体的KQI指标值转换为对应的百分制值。通过特定公式：

将KQI指标转换为对应的百分制值，其中， 

为KQI指标转换后的百分制值；

表示KQI指标的测量值；I为该KQI指标的用户满意值，当测量结果等于或优于该值时，其百分制得分为100分；Q为合格值，对应百分制得分中的60分；T表示较差值，对应百分制得分中的40分；W表示容忍值，对应百分制得分中的0分，即当KQI指标比边界线差时，得分均为0，表示此时用户已无法容忍。

（3）将KQI百分制值转换为对应的QOE分值。通过包括以下步骤的映射模型将KQI百分制值转换为对应的QOE分值：

（31）剔除离群值，剔除百分制值X中不属于[Q1-3×IQR、Q3+3×IQR]区间的离群值，其中Q1为KQI百分制数X四分位中的第一四分位值，Q3为KQI百分制数X四分位中的第三四分位值，IQR为第三四分位值Q3与第一四分位值Q1的差值；

（32）对各项KQI计算变异系数

，其中，

＝

/n，

＝

，n为百分制值X的总个数，为对应的单个百分制值X；

（33）将各项KQI变异系数作为QOE的映射权重计算QOE的分值。 

步骤（33）在计算QOE分值时，QOE评分主体的不同，KQI映射权重系数取值原则不同，列如用户主体的QOE评分，与KQI分值变异系数呈正比，即通过公式

计算QOE分值，从而反映用户感知随网络各区域性能差异密切相关；而网元主体的QOE评分，与KQI分值变异系数呈反比，则需要通过

计算QOE分值，从而反映网络异动（突发故障）对用户感知的影响。

获得KQI指标时，可以采用的数据包括网管数据（交换机）、测试数据（用户模拟）和信令数据（信令采集）三部分数据，在对以上数据进行使用时，需要结合实际情况。对于网页浏览类业务，将其量化为接入成功率、时延性、感知速率、完整性4个KQI指标，对于用户感知的一个主要衡量指标感知速率，其稳定性较低，通过测试数据即可进行感知拐点分析，通过海量模拟测试数据分析，用户感知速率主要与手机终端、业务类型密切相关。将这些信息量化成统一的指标分析，不难发现，用户感知的速率与用户一次业务应用的流量（页面大小）密切相关。例如，GSM网络制式下，拨测数据量化结果参照图2所示，图中表明，页面越大，测试的速率越高。根据此规律，将业务速率感知评分标准为三个档次：

第一档：<30KB (速率值40kbs)；

第二档：30KB～70KB (速率值70kbs)；

第三档：>70KB (速率值100kbs)；

就能充分反映了不同用户终端对速率KQI指标在感知上的差异。根据此方法，参照以上所述步骤（2）与（3），即可将所得的感知速率转换为对应的QOE分值。此例只是针对感知速率做出了一个说明，对于其他不同业务类型的KQI指标，若易于通过模拟数据进行测试，则皆可采用此方法，皆在本发明保护范围之内。

对于稳定性较高的接入成功率，其用户感知差异往往体现在小部分用户，在量化此类指标时，需要通过海量的网管数据及信令数据分析，定位影响用户感知的性能拐点值。目前网络性能比较稳定的KQI指标，典型的有接入成功率，本发明以接入成功率为例，具体说明对于稳定性较高的KQI的处理方法。参照图3所示，为客观反映用户感知对于此类稳定性较高指标的关系，基于网管话务统计数据按小区性能区间划分，根据信令数据量化各性能区间等级内用户产生业务接入性失败概率，进而量化各区间用户感知差异情况。在GSM网络制式下，通过测试数据得出接入成功率量化后的区间与用户占比之间的关系，如图所示，在网页浏览成功率接近某一比值（图中测试为60%）时，各性能小区类型下用户失败概率基本相同，感知区间趋于一致。在此比值区间，从全网性能对比属于统一档感知，所有感知区间都可将第一档感知划分标准为此比值区间。类似与上述方法，继续查找各感知区间在以5%为步进的成功率上的概率差异，定位性能拐点区间过程，可量化为如下演算过程： 

N等级区间用户占比：Percent_(N)Level；

(N-1)等级区间用户占比：Percent_(N-1)Level ；

       门限取值：TOP4[AVAERGE(Percent_(N-1)Level - Percent_(N)Level)]

通过相邻档次感知区间，按5%为递进的用户数占比差值均值，计算差异最大的4个感知区间拐点，定义为五档感知区间的门限值。以解决模拟拨测等常规手段无法准确量化稳定性高较高的KQI指标问题。最后根据步骤（2）与（3）所述方法，得出QOE的分值。

本发明提出了一套系统实用的量化方法，适用于日常用户感知变化的监控，，首先对数据噪声采用离群值法予以剔除（删除极端离群值：[Q1-3×IQR、Q3+3×IQR]），分析KQI指标变异系数计算出KQI权重系数。该方法，充分反映了网络性能对用户感知变化影响，使得用户感知问题分析有迹可循，并具有很强可操作性。

以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。

Claims (6)

1.一种业务KQI与QOE的映射方法，其特征在于，包括：

（1）对KQI指标进行感知分析，若KQI指标通过模拟数据能够进行测试，则通过测试数据直接量化KQI与用户感知之间的关系，若KQI指标不能通过模拟数据进行测试，则通过网管数据或/和信令数据量化KQI与用户感知之间的关系；

（2）根据量化后KQI与用户感知之间的关系，通过特定公式转换将具体的KQI指标值转换为对应的百分制数值；以及

（3）将所得的KQI百分制数值根据特定的映射模型转换为对应的QOE分值。

2.根据权利要求1所述的一种业务KQI与QOE的映射方法，其特征在于，步骤（1）中所述KQI指标为浏览类业务量化后的接入成功率、时延性、感知速率、完整性4个KQI指标。

3.根据权利要求2所述的一种业务KQI与QOE的映射方法，其特征在于，对于感知速率，通过海量模拟测试数据，量化感知速率与页面大小的关系，所述页面为浏览业务中通过浏览器进行浏览时的浏览页面。

4.根据权利要求2所述的一种业务KQI与QOE的映射方法，其特征在于，对于接入成功率，通过网管数据，对全网小区性能进行KQI数值分类，根据信令数据，通过分析不同KQI数值分类区间所影响的用户数占比差异情况，量化KQI指标与用户感知之间的关系。

5.根据权利要求1所述的一种业务KQI与QOE的映射方法，其特征在于，步骤（2）中所述特定公式具体为：

其中， 为KQI指标转换后的百分制值；

表示KQI指标的测量值；I为该KQI指标的用户满意值，当测量结果等于或优于该值时，其百分制得分为100分；Q为合格值，对应百分制得分中的60分；T表示较差值，对应百分制得分中的40分；W表示容忍值，对应百分制得分中的0分，即当KQI指标比边界线差时，得分均为0，表示此时用户已无法容忍。

6.根据权利要求5所述的一种业务KQI与QOE的映射方法，其特征在于，步骤（3）所述特定的映射模型具体为：

（31）剔除离群值，剔除百分制值X中不属于[Q1-3×IQR、Q3+3×IQR]区间的离群值，其中Q1为KQI百分制数X四分位中的第一四分位值，Q3为KQI百分制数X四分位中的第三四分位值，IQR为第三四分位值Q3与第一四分位值Q1的差值；

（32）对各项KQI计算变异系数

，其中，

＝

/n，

＝

，n为百分制值X的总个数，

为对应的单个百分制值X；

（33）将各项KQI变异系数作为QOE的映射权重计算QOE的分值。

Images