CN103974299A - 网络优化方法和装置 - Google Patents
网络优化方法和装置 Download PDFInfo
- Publication number
- CN103974299A CN103974299A CN201410205437.9A CN201410205437A CN103974299A CN 103974299 A CN103974299 A CN 103974299A CN 201410205437 A CN201410205437 A CN 201410205437A CN 103974299 A CN103974299 A CN 103974299A
- Authority
- CN
- China
- Prior art keywords
- network
- network failure
- fault type
- solution
- reference 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.)
- Pending
Links
Abstract
本发明实施例提供一种网络优化方法和装置,在确定导致当前网络故障类型的网络故障原因的过程中,由于结合了历史经验值,历史经验值即数据库中存储的网络故障原因对应的产生网络故障类型的统计参数,统计参数为次数或者概率值,其中的统计参数就是根据之前的经验积累的统计数值,结合历史经验值,更加高效的确定导致当前网络故障的网络故障原因。
Description
技术领域
本发明实施例涉及通信技术,尤其涉及一种网络优化方法和装置。
背景技术
在通信系统中,网络质量常常因某种原因变的不稳定,导致一些性能指标变差,因此,常常需要通过网络优化改善网络质量,保证各种业务的正常进行。
现有技术中,通过网优工具向网优工程师提示网络故障类型,网优工程师根据经验确定导致网络故障的根因,然而,同一网络故障可能对应多个不同的原因或者组合,例如:网络故障为掉话,导致掉话的原因可能为弱/过覆盖、切换失败、干扰、参数不准确、过载以及硬件故障中的任一个或者其组合,对于初级网优工程师,可能需要对网络故障对应的多个原因进行逐个尝试,才能确定导致网络故障的根因,因此,采用现有技术的方法,确定导致网络故障的网络故障原因效率很低。
发明内容
本发明实施例提供一种网络优化方法和装置,以提高确定导致网络故障的网络故障原因的效率。
本发明实施例第一方面提供一种网络优化方法,包括:
获取当前网络故障类型;
获取与所述当前网络故障类型对应的网络故障参考数据以及获取与所述当前网络故障类型对应的当前基础数据;
结合所述网络故障参考数据和所述当前基础数据确定产生所述当前网络故障类型的网络故障原因。
结合第一方面,在第一方面的第一种可能的实现方式中,所述网络故障参考数据包括M个网络故障原因以及与所述M个网络故障原因分别对应的产生所述当前网络故障类型的统计参数,所述统计参数为次数或者概率值,M为大于等于1的整数;
所述结合所述网络故障参考数据和所述当前基础数据确定产生所述当前网络故障类型的网络故障原因,包括:
结合所述当前基础数据和所述M个网络故障原因分别对应的产生所述当前网络故障类型的统计参数,计算所述M个网络故障原因分别对应的产生所述当前网络故障类型的概率值;
确定所述M个网络故障原因分别对应的产生所述当前网络故障类型的概率值中,概率值最大的网络故障原因为产生所述当前网络故障类型的网络故障原因。
结合第一方面或第一方面的第一种可能的实现方式,在第一方面的第二种可能的实现方式中,所述获取与所述当前网络故障类型对应的网络故障参考数据之前,还包括:
获取N个网络故障类型,以及与所述N个网络故障类型分别对应的网络故障参考数据,N为大于等于1的整数;
建立所述网络故障类型与所述网络故障参考数据之间的对应关系;
将所述对应关系存储在网络优化数据库中。
结合第一方面或第一方面的第一种可能的实现方式或第一方面的第二种可能的实现方式,在第一方面的第三种可能的实现方式中,所述网络故障参考数据中还包括:
所述M个网络故障原因分别对应的解决方案参考数据;
所述结合所述网络故障参考数据和所述当前基础数据确定产生所述当前网络故障类型的网络故障原因之后,还包括:从所述网络故障参考数据中获取产生所述当前网络故障类型的网络故障原因对应的解决方案参考数据,以便根据所述当前网络故障类型的网络故障原因对应的解决方案参考数据进行网络优化。
结合第一方面的第三种可能的实现方式,在第一方面的第四种可能的实现方式中,所述解决方案参考数据中包含R个解决方案以及所述R个解决方案分别对应的指标集合,所述指标集合包含L个指标,所述指标为采用所述解决方案所产生的结果,其中,R为大于等于1的整数,L为大于等于1的整数;所述从所述网络故障参考数据中获取产生所述当前网络故障类型的网络故障原因对应的解决方案参考数据之后,所述方法还包括:
按照所述解决方案参考数据中的R个解决方案分别对应的指标集合中的L个指标对所述R个解决方案进行优劣排序,确定所述优劣排序中最优的解决方案为所述当前网络故障类型的解决方案;
采用所述当前网络故障类型的解决方案进行网络优化。
结合第一方面的第四种可能的实现方式,在第一方面的第五种可能的实现方式中,所述采用所述当前网络故障类型的解决方案进行网络优化之后,还包括:
根据所述网络优化结果,获得所述当前网络故障类型采用的解决方案后的指标;
将网络优化数据库中所述当前网络故障类型采用的解决方案对应的指标集合进行更新。
结合第一方面或第一方面的第一种至第五种可能的实现方式的任一种可能的实现方式中,在第一方面的第六种可能的实现方式中,所述结合所述网络故障参考数据和所述当前基础数据确定产生所述当前网络故障类型的网络故障原因之后,还包括:
根据确定产生所述当前网络故障类型的网络故障原因,将网络优化数据库中产生所述当前网络故障类型的网络故障原因的统计参数进行更新。
本发明实施例第二方面提供一种网络优化装置,包括:
获取模块,用于获取当前网络故障类型,获取与所述当前网络故障类型对应的网络故障参考数据以及获取与所述当前网络故障类型对应的当前基础数据;
处理模块,用于结合所述网络故障参考数据和所述当前基础数据确定产生所述当前网络故障类型的网络故障原因。
结合第二方面,在第二方面的第一种可能的实现方式中,所述网络故障参考数据包括M个网络故障原因以及与所述M个网络故障原因分别对应的产生所述当前网络故障类型的统计参数,所述统计参数为次数或者概率值,M为大于等于1的整数;所述处理模块,包括:
第一处理单元,用于结合所述当前基础数据和所述M个网络故障原因分别对应的产生所述当前网络故障类型的统计参数,计算所述M个网络故障原因分别对应的产生所述当前网络故障类型的概率值;
第二处理单元,用于确定所述M个网络故障原因分别对应的产生所述当前网络故障类型的概率值中,概率值最大的网络故障原因为产生所述当前网络故障类型的网络故障原因。
结合第二方面或第二方面的第一种可能的实现方式,在第二方面的第二种可能的实现方式中,所述装置还包括:数据库建立模块用于获取N个网络故障类型,以及与所述N个网络故障类型分别对应的网络故障参考数据,N为大于等于1的整数;建立所述网络故障类型与所述网络故障参考数据之间的对应关系;将所述对应关系存储在网络优化数据库中。
结合第二方面或第二方面的第一种可能的实现方式或第二方面的第二种可能的实现方式,在第二方面的第三种可能的实现方式中,所述网络故障参考数据中还包括:所述M个网络故障原因分别对应的解决方案参考数据;
所述获取模块,还用于从所述网络故障参考数据中获取产生所述当前网络故障类型的网络故障原因对应的解决方案参考数据,以便根据所述当前网络故障类型的网络故障原因对应的解决方案参考数据进行网络优化。
结合第二方面的第三种可能的实现方式,在第二方面的第四种可能的实现方式中,所述解决方案参考数据中包含R个解决方案以及所述R个解决方案分别对应的指标集合,所述指标集合包含L个指标,所述指标为采用所述解决方案所产生的结果,其中,R为大于等于1的整数,L为大于等于1的整数;所述处理模块,还包括:
第三处理单元,用于按照所述解决方案参考数据中的R个解决方案分别对应的指标集合中的L个指标对所述R个解决方案进行优劣排序,确定所述优劣排序中最优的解决方案为所述当前网络故障类型的解决方案;采用所述当前网络故障类型的解决方案进行网络优化。
结合第二方面的第四种可能的实现方式,在第二方面的第五种可能的实现方式中,所述装置还包括:
第一更新模块,用于根据所述网络优化结果,获得所述当前网络故障类型采用的解决方案后的指标;将网络优化数据库中所述当前网络故障类型采用的解决方案对应的指标集合进行更新。
结合第二方面或第二方面的第一种至第五种可能的实现方式的任一种可能的实现方式中,在第二方面的第六种可能的实现方式中,所述装置还包括:
第二更新模块,用于根据确定产生所述当前网络故障类型的网络故障原因,将网络优化数据库中产生所述当前网络故障类型的网络故障原因的统计参数进行更新。
本发明实施例提供的网络优化方法和装置,在确定导致当前网络故障类型的网络故障原因的过程中,由于结合了历史经验值,历史经验值即数据库中存储的网络故障原因对应的产生网络故障类型的统计参数,统计参数为次数或者概率值,其中的统计参数就是根据之前的经验积累的统计数值,结合历史经验值,更加高效的确定导致当前网络故障的网络故障原因。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明网络优化方法实施例一的流程示意图;
图2为本发明网络优化方法实施例二的流程示意图;
图3为本发明网络优化装置实施例一的结构示意图;
图4为本发明网络优化装置实施例二的结构示意图;
图5为本发明网络优化装置实施例三的结构示意图;
图6为本发明网络优化装置实施例四的结构示意图;
图7为本发明网络优化装置实施例五的结构示意图;
图8为本发明网络优化装置实施例六的结构示意图;
图9为本发明网络优化装置实施例七的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明为了提高确定导致网络故障的网络故障原因的效率,进而提高网络优化效率,在进行确定导致网络故障的网络故障原因的过程中,结合了历史经验值,历史经验值即本发明下述各实施例中所描述的数据库中存储的网络故障原因对应的产生网络故障类型的统计参数,统计参数为次数或者概率值,其中的统计参数就是根据之前的经验积累的统计数值,结合历史经验值,更加高效的确定导致当前网络故障的网络故障原因。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明网络优化方法实施例一的流程示意图,如图1所示,本实施例的方法如下:
S101:获取当前网络故障类型。
网络通常会具有一些关键性能指标(Key Performance Indicator,KPI),以及KPI对应的KPI门限值,当前网络的KPI值比KPI门限值差时,则认为当前网络故障,当前网络故障类型则为对应的KPI故障。举例来说,网络的KPI及对应的KPI门限如表1所示:
表1
KPI | KPI门限 |
呼叫建立成功率 | 90% |
TCH掉话率 | 1% |
SDCCH掉话率 | 1.5% |
切换成功率 | 90% |
最坏小区比例 | 5% |
超忙小区比例 | 5% |
话务掉话比 | 100 |
无线接通率 | 92% |
当呼叫建立成功率低于90%时,认为当前网络故障类型为呼叫建立成功率不达标;当业务信道(Traffic Channel,以下简称:TCH)掉话率高于1%,认为当前网络故障类型为TCH掉话率过高;其他的KPI类似,不再一一列举。
S102:获取与当前网络故障类型对应的网络故障参考数据以及获取与网络故障类型对应的当前基础数据。
网络优化数据库中通常会存储至少一个网络故障类型,以及网络故障类型对应的网络故障参考数据;并会存储一些网络故障类型对应的当前基础数据。其中,网络故障参考数据包括至少一个网络故障原因以及与上述至少一个网络故障原因分别对应的产生网络故障类型的统计参数,统计参数为次数或者概率值;例如:网络故障类型为TCH掉话率过高,导致TCH掉话率过高的网络故障原因可能为弱/强覆盖、切换失败、干扰、参数不合适、过载、硬件故障等中的一种或其组合,在过去一段事件内,有60次确定是干扰导致了TCH掉话率过高、30次确定是参数不合适导致TCH掉话率过高,10次确定是过载导致TCH掉话率过高,根据上述历史经验,数据库中存储针对网络故障类型为TCH掉话率过高,对应的网络故障参考数据中干扰(网络故障原因)对应的统计参数为60次或者60%,参数不合适(网络故障原因)的统计参数为30次或者30%,过载(网络故障原因)统计参数为10次或者10%。网络故障类型对应的当前基础数据为告警、话务统计、呼叫记录系统(CallHistory Record,以下简称:CHR)、信令、工程参数、路测等。
当确定了当前的网络故障类型之后,即可在网络优化数据库中获取与当前网络故障类型对应的网络故障参考数据以及获取与当前网络故障类型对应的当前基础数据。
S103:结合网络故障参考数据和当前基础数据确定产生当前网络故障类型的网络故障原因。
其中,一种可行的实现方式为:结合当前参考数据和M个网络故障原因分别对应的产生网络故障类型的统计参数,计算M个网络故障原因分别对应的产生当前网络故障类型的概率值;
计算出M个网络故障原因分别对应的产生当前网络故障类型的概率值之后,确定M个网络故障原因分别对应的产生当前网络故障类型的概率值中(即上述获得的M个概率值中),概率值最大的网络故障原因为产生当前网络故障类型的网络故障原因。
本实施例,在确定导致当前网络故障类型的网络故障原因的过程中,由于结合了历史经验值,历史经验值即数据库中存储的网络故障原因对应的产生网络故障类型的统计参数,统计参数为次数或者概率值,其中的统计参数就是根据之前的经验积累的统计数值,结合历史经验值,更加高效的确定导致当前网络故障的网络故障原因。
在图1所示实施例中,在网络优化数据库中获取与当前网络故障类型对应的网络故障参考数据以及获取与当前网络故障类型对应的当前基础数据,在此之前,还包括:根据历史经验值建立上述网络优化数据库。具体地:
第一步,获取N个网络故障类型,以及与上述N个网络故障类型分别对应的网络故障参考数据,其中,N为大于等于1的整数;
其中,N的数值是根据网络故障类型的变化而变化:
例如:当前的通信系统版本中,可能发生的网络故障类型为6种,则N=6,而当前通信系统升级版本之后,可能发生的网络故障类型为4种,则N=4,网络故障类型的多少与通信系统版本有关,对此,本发明不做限制。
第二步,建立网络故障类型与网络故障参考数据之间的对应关系。
其中,网络故障参考数据包括:M个网络故障原因以及上述M个网络故障原因分别对应的产生上述网络故障类型的统计参数,举例来说,该数据库的数据结构可以如表2所示:
表2
每确定一次当前网络故障类型对应的网络故障原因之后,则会根据确定产生当前网络故障类型的网络故障原因,将网络优化数据库中产生当前网络故障类型的网络故障原因的统计参数进行更新,例如,当确定一次导致TCH掉话率过高的原因是过载,则更新对应的统计参数,例如,将次数加1,或者,增加概率值,当确定一次导致TCH掉话率过高的原因是干扰,则更新对应的统计参数,例如,将次数加1,或者,增加概率值,其他网络故障原因参考数据的更新方式相似,对此不再赘述,即通过上述方法建立网络故障类型与网络故障参考数据之间的对应关系。
第三步,将上述对应关系存储在网络优化数据库中。
将对应关系存储在网络优化数据库中之后,便于网络优化装置根据上述数据库中的网络故障参考数据以及当前的基础数据,快速、准确的确定网络故障类型对应的网络故障原因。
在上述实施例中,网络故障参考数据中,进一步地,还可以包括:M个网络故障原因分别对应的解决方案参考数据,其中,解决方案参考数据中包含R个解决方案以及R个解决方案分别对应的指标集合,每个指标集合包含L个指标,指标为采用该解决方案所产生的结果,其中,R为大于等于1的整数,L为大于等于1的整数。
其中,每个解决方案对应的指标集合例如可以包含时间成本、金钱成本、操作难度和优化效果、优化成功次数等。
在快速、准确的确定导致当前网络故障类型的网络故障原因,当确定了网络故障原因之后,进一步地,本发明还提供了针对上述确定的网络故障原因进行网络优化的实施例。具体地,从网络故障参考数据中获取产生所述当前网络故障类型的网络故障原因对应的解决方案参考数据,以便根据所述当前网络故障类型的网络故障原因对应的解决方案参考数据进行网络优化。其中,第一种方式为:获取产生所述当前网络故障类型的网络故障原因对应的解决方案参考数据之后,可以直接呈现给用户,以便用户根据所述当前网络故障类型的网络故障原因对应的解决方案参考数据进行网络优化。第二种方式为:获取产生所述当前网络故障类型的网络故障原因对应的解决方案参考数据之后,网络优化装置根据当前网络故障类型的网络故障原因对应的解决方案参考数据进行网络优化。
针对上述第二种方式,下面进行详细描述,如图2所示,图2为本发明网络优化方法实施例二的流程示意图,图2是在图1所示实施例确定了产生当前网络故障类型的网络故障原因之后,进一步地,针对上述确定的网络故障原因进行网络优化的方法如下:
S201:从网络故障参考数据中获取生成当前网络故障类型的网络故障原因对应的解决方案参考数据。
其中,解决方案参考数据中包含R个解决方案以及R个解决方案分别对应的指标集合,每个指标集合包含L个指标;一个网络故障原因可以对应R个解决方案,R为大于等于1的整数,根据经验记录,每个解决方案对应的指标集合,例如,采用解决方案1解决网络故障类型所需要的时间,采用解决方案2解决网络故障类型所需要的时间,这些时间,也可以是统计多次的时间获得的一个平均值。
S202:按照解决方案参考数据中的R个解决方案分别对应的指标集合中的L个指标对R个解决方案进行优劣排序,确定优劣排序中最优的解决方案为当前网络故障类型的解决方案。
在选择解决方案时,可以按照解决方案参考数据中的R个解决方案分别对应的指标结合中的L个指标对R个解决方案进行优劣排序。
例如:按照时间成本进行优劣排序、时间成本越低的解决方案越优;或者按照金钱成本进行排序、金钱成本越低的解决方案越优;或者按照优化效果进行排序,优化效果改善越大,解决方案越优;或者,结合时间成本和金钱成本进行排序,时间成本与金钱成本都越低,解决方案越优。
需要说明的是,当L大于等于2时,本发明包括但不限于以下两种实现方式,一种可能的实现方式为:对每个指标设置加权系数,针对每一个解决方案,根据各指标的加权系数进行计算,得到一个加权结果,然后,根据R个解决方案分别对应的加权结果进行排序,确定最优的解决方案。
例如:L=2,分别为时间成本和金钱成本,设置时间成本的加权系数为0.2,金钱成本的加权系数为0.8,假设R=4,根据时间成本和金钱成本的排序如表3:
表3
解决方案 | 时间成本 | 金钱成本 | 加权结果 |
1 | 1 | 2 | 1.8 |
2 | 3 | 1 | 1.4 |
3 | 4 | 4 | 4 |
4 | 2 | 3 | 2.8 |
解决方案1的加权结果为1.8(0.2+2*0.8),解决方案2的加权结果为1.4(0.2*3+0.8),解决方案3的加权结果为4(0.2*2+0.8*4),解决方案4的加权结果为2.8(0.2*2+0.8*3),根据4个解决方案分别对应的加权结果进行排序,可以确定出最优的解决方案为解决方案2。
另一种可能的实现方式为:确定多个指标中性能优等的指标最多的解决方案为最优的解决方案,举例来说,参照表1,解决方案1包含1个性能最优的指标,解决方案2包含1个性能中最优的指标,解决方案1和解决方案2包含的性能最优的指标个数相同,则进一步,确定性能次优的指标,解决方案1中包含1个,解决方案2中不包含,因此,可以确定解决方案1为最优的解决方案。上述只是其中的一种规则,可以根据实际应用中制定合适的确定最优方案的规则,对此,本发明不做限制。
确定优劣排序中最优的解决方案为当前网络故障类型的解决方案。
S203:采用当前网络故障类型的解决方案进行网络优化。
采用当前网络故障类型的解决方案进行网络优化。
本实施例中,通过对不同解决方案按照对应的指标集合中的一个或者多个指标进行优劣排序,从而快速、准确的确定出最优的解决方案,对当前网络故障类型进行优化。
在上述实施例中,采用当前网络故障类型的解决方案进行网络优化之后,进一步地,还根据网络优化结果,获得当前网络故障类型采用的解决方案后的指标,将网络优化数据库中当前网络故障类型采用的解决方案对应的指标集合进行更新。例如,优化成功,则将该指标集合中的优化成功次数加一,
优化过程所需要的时间为a分钟,则结合a分钟更新时间成本,假设,之前优化次数为5次,时间成本为5分钟,本次优化时间为未2分钟,则更新时间成本为4.5分钟。对指标集合中的各项指标的更新不再一一赘述。
本发明上述各实施例,通过对历史优化过程进行记录,供后续优化进行参考,使得经验积累得到共享;数据库可以自适应的进行更新,保证数据的参考价值最大;可以由网络优化系统自动完成故障定位以及确定优化方案等,提高优化效率,解决优化成本。
图3为本发明网络优化装置实施例一的结构示意图,本实施例的装置包括获取模块301和处理模块302,其中,获取模块301用于获取当前网络故障类型;在网络优化数据库中获取与上述当前网络故障类型对应的网络故障参考数据以及获取与上述当前网络故障类型对应的当前基础数据;处理模块302用于结合上述网络故障参考数据和上述当前基础数据确定产生上述当前网络故障类型的网络故障原因。
图4为本发明网络优化装置实施例二的结构示意图,上述网络故障参考数据包括M个网络故障原因以及与上述M个网络故障原因分别对应的产生上述当前网络故障类型的统计参数,上述统计参数为次数或者概率值,M为大于等于1的整数,图4是在图3所示是实施例的基础上,处理模块302进一步地,包括第一处理单元3021和第二处理单元3022,其中,第一处理单元3021用于结合上述当前基础数据和上述M个网络故障原因分别对应的产生上述当前网络故障类型的统计参数,计算上述M个网络故障原因分别对应的产生上述当前网络故障类型的概率值;第二处理单元3022用于确定上述M个网络故障原因分别对应的产生上述当前网络故障类型的概率值中,概率值最大的网络故障原因为产生上述当前网络故障类型的网络故障原因。
图3和图4所示实施例的装置,对应的可用于执行图1所示方法实施例的技术方案,其实现原理和技术效果类似,在此不再赘述。
在图3或图4所示实施例的基础上,进一步地,还包括数据库建立模块303,图5为本发明网络优化装置实施例三的结构示意图,图5仅使出了在图4所示实施例的基础数据库建立模块303,数据库建立模块303用于获取N个网络故障类型,以及与上述N个网络故障类型分别对应的网络故障参考数据,N为大于等于1的整数;建立上述网络故障类型与上述网络故障参考数据之间的对应关系;将上述对应关系存储在网络优化数据库中。
图5所示实施例的装置,对应的可用于执行建立网络优化数据库的技术方案。
图6为本发明网络优化装置实施例四的结构示意图,图6是在图5所示实施例的基础上,上述网络故障参考数据中还包括:上述M个网络故障原因分别对应的解决方案参考数据;上述获取模块301还用于从上述网络故障参考数据中获取产生上述当前网络故障类型的网络故障原因对应的解决方案参考数据,以便根据上述当前网络故障类型的网络故障原因对应的解决方案参考数据进行网络优化。
在上述实施例中,上述解决方案参考数据中包含R个解决方案以及上述R个解决方案分别对应的指标集合,上述指标集合包含L个指标,上述指标为采用上述解决方案所产生的结果,其中,R为大于等于1的整数,L为大于等于1的整数;上述处理模块进一步地,还包括:第三处理单元3023,第三处理单元3023用于从上述网络故障参考数据中获取生成上述当前网络故障类型的网络故障原因对应的解决方案参考数据;按照上述解决方案参考数据中的R个解决方案分别对应的指标集合中的L个指标对上述R个解决方案进行优劣排序,确定上述优劣排序中最优的解决方案为上述当前网络故障类型的解决方案;采用上述当前网络故障类型的解决方案进行网络优化。
图6所示实施例的装置对应地可执行图2所示方法实施例的技术方案,其实现原理和技术效果类似,在此不再赘述。
图7为本发明网络优化装置实施例五的结构示意图,图7是在图6的基础上,增加第一更新模块304,其中,第一更新模块304用于根据上述网络优化结果,获得上述当前网络故障类型采用的解决方案后的指标;将网络优化数据库中上述当前网络故障类型采用的解决方案对应的指标集合进行更新。
图8为本发明网络优化装置实施例六的结构示意图,图8是在图3至图7的基础上进一步地还包括第二更新模块305,图8仅示出了在图7的基础上,增加第二更新模块305,其中,第二更新模块305用于根据确定产生上述当前网络故障类型的网络故障原因,将网络优化数据库中产生上述当前网络故障类型的网络故障原因的统计参数进行更新。
图9为本发明网络优化装置实施例七的结构示意图,如图9所示,本实施例的网络优化装置900包括存储器910和处理器920。存储器910可以包括随机存储器、闪存、只读存储器、可编程只读存储器、非易失性存储器或寄存器等。处理器920可以是中央处理器(Central Processing Unit,CPU)。存储器910用于存储可执行指令。处理器920可以执行存储器910中存储的可执行指令,例如:处理器920用于获取当前网络故障类型;在网络优化数据库中获取与上述当前网络故障类型对应的网络故障参考数据以及获取与上述当前网络故障类型对应的当前基础数据;结合上述网络故障参考数据和上述当前基础数据确定产生上述当前网络故障类型的网络故障原因。
可选地,作为一个实施例:上述网络故障参考数据包括M个网络故障原因以及与上述M个网络故障原因分别对应的产生上述当前网络故障类型的统计参数,上述统计参数为次数或者概率值,M为大于等于1的整数,处理器920可用于结合上述当前基础数据和上述M个网络故障原因分别对应的产生上述当前网络故障类型的统计参数,计算上述M个网络故障原因分别对应的产生上述当前网络故障类型的概率值;确定上述M个网络故障原因分别对应的产生上述当前网络故障类型的概率值中,概率值最大的网络故障原因为产生上述当前网络故障类型的网络故障原因。
可选地,作为一个实施例:处理器920可用于获取N个网络故障类型,以及与上述N个网络故障类型分别对应的网络故障参考数据,N为大于等于1的整数;建立上述网络故障类型与上述网络故障参考数据之间的对应关系;将上述对应关系存储在网络优化数据库中。
可选地,作为一个实施例:处理器920可用于从上述网络故障参考数据中获取产生上述当前网络故障类型的网络故障原因对应的解决方案参考数据,以便根据上述当前网络故障类型的网络故障原因对应的解决方案参考数据进行网络优化。
可选地,作为一个实施例:当上述解决方案参考数据中包含R个解决方案以及上述R个解决方案分别对应的指标集合,上述指标集合包含L个指标,上述指标为采用上述解决方案所产生的结果,其中,R为大于等于1的整数,L为大于等于1的整数;处理器920可用于按照上述解决方案参考数据中的R个解决方案分别对应的指标集合中的L个指标对上述R个解决方案进行优劣排序,确定上述优劣排序中最优的解决方案为上述当前网络故障类型的解决方案;采用上述当前网络故障类型的解决方案进行网络优化。
可选地,作为一个实施例:处理器920可用于根据上述网络优化结果,获得上述当前网络故障类型采用的解决方案后的指标;将网络优化数据库中上述当前网络故障类型采用的解决方案对应的指标集合进行更新。
可选地,作为一个实施例:处理器920可用于根据确定产生上述当前网络故障类型的网络故障原因,将网络优化数据库中产生上述当前网络故障类型的网络故障原因的统计参数进行更新。
图9的网络优化装置900的其它功能和操作可以参照上面图1和图2的方法实施例的过程,为了避免重复,此处不再赘述。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (14)
1.一种网络优化方法,其特征在于,包括:
获取当前网络故障类型;
获取与所述当前网络故障类型对应的网络故障参考数据以及获取与所述当前网络故障类型对应的当前基础数据;
结合所述网络故障参考数据和所述当前基础数据确定产生所述当前网络故障类型的网络故障原因。
2.根据权利要求1所述的方法,其特征在于,所述网络故障参考数据包括M个网络故障原因以及与所述M个网络故障原因分别对应的产生所述当前网络故障类型的统计参数,所述统计参数为次数或者概率值,M为大于等于1的整数;
所述结合所述网络故障参考数据和所述当前基础数据确定产生所述当前网络故障类型的网络故障原因,包括:
结合所述当前基础数据和所述M个网络故障原因分别对应的产生所述当前网络故障类型的统计参数,计算所述M个网络故障原因分别对应的产生所述当前网络故障类型的概率值;
确定所述M个网络故障原因分别对应的产生所述当前网络故障类型的概率值中,概率值最大的网络故障原因为产生所述当前网络故障类型的网络故障原因。
3.根据权利要求1或2所述的方法,其特征在于,所述获取与所述当前网络故障类型对应的网络故障参考数据之前,还包括:
获取N个网络故障类型,以及与所述N个网络故障类型分别对应的网络故障参考数据,N为大于等于1的整数;
建立所述网络故障类型与所述网络故障参考数据之间的对应关系;
将所述对应关系存储在网络优化数据库中。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述网络故障参考数据中还包括:所述M个网络故障原因分别对应的解决方案参考数据;
所述结合所述网络故障参考数据和所述当前基础数据确定产生所述当前网络故障类型的网络故障原因之后,还包括:从所述网络故障参考数据中获取产生所述当前网络故障类型的网络故障原因对应的解决方案参考数据,以便根据所述当前网络故障类型的网络故障原因对应的解决方案参考数据进行网络优化。
5.根据权利要求4所述的方法,其特征在于,所述解决方案参考数据中包含R个解决方案以及所述R个解决方案分别对应的指标集合,所述指标集合包含L个指标,所述指标为采用所述解决方案所产生的结果,其中,R为大于等于1的整数,L为大于等于1的整数;
所述从所述网络故障参考数据中获取产生所述当前网络故障类型的网络故障原因对应的解决方案参考数据之后,所述方法还包括:
按照所述解决方案参考数据中的R个解决方案分别对应的指标集合中的L个指标对所述R个解决方案进行优劣排序,确定所述优劣排序中最优的解决方案为所述当前网络故障类型的解决方案;
采用所述当前网络故障类型的解决方案进行网络优化。
6.根据权利要求5所述的方法,其特征在于,所述采用所述当前网络故障类型的解决方案进行网络优化之后,还包括:
根据所述网络优化结果,获得所述当前网络故障类型采用的解决方案后的指标;
将网络优化数据库中所述当前网络故障类型采用的解决方案对应的指标集合进行更新。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述结合所述网络故障参考数据和所述当前基础数据确定产生所述当前网络故障类型的网络故障原因之后,还包括:
根据确定产生所述当前网络故障类型的网络故障原因,将网络优化数据库中产生所述当前网络故障类型的网络故障原因的统计参数进行更新。
8.一种网络优化装置,其特征在于,包括:
获取模块,用于获取当前网络故障类型,获取与所述当前网络故障类型对应的网络故障参考数据以及获取与所述当前网络故障类型对应的当前基础数据;
处理模块,用于结合所述网络故障参考数据和所述当前基础数据确定产生所述当前网络故障类型的网络故障原因。
9.根据权利要求8所述的装置,其特征在于,所述网络故障参考数据包括M个网络故障原因以及与所述M个网络故障原因分别对应的产生所述当前网络故障类型的统计参数,所述统计参数为次数或者概率值,M为大于等于1的整数;所述处理模块,包括:
第一处理单元,用于结合所述当前基础数据和所述M个网络故障原因分别对应的产生所述当前网络故障类型的统计参数,计算所述M个网络故障原因分别对应的产生所述当前网络故障类型的概率值;
第二处理单元,用于确定所述M个网络故障原因分别对应的产生所述当前网络故障类型的概率值中,概率值最大的网络故障原因为产生所述当前网络故障类型的网络故障原因。
10.根据权利要求8或9所述的装置,其特征在于,还包括:数据库建立模块用于获取N个网络故障类型,以及与所述N个网络故障类型分别对应的网络故障参考数据,N为大于等于1的整数;建立所述网络故障类型与所述网络故障参考数据之间的对应关系;将所述对应关系存储在网络优化数据库中。
11.根据权利要求8至10任一项所述的装置,其特征在于,所述网络故障参考数据中还包括:
所述M个网络故障原因分别对应的解决方案参考数据;
所述获取模块,还用于从所述网络故障参考数据中获取产生所述当前网络故障类型的网络故障原因对应的解决方案参考数据,以便根据所述当前网络故障类型的网络故障原因对应的解决方案参考数据进行网络优化。
12.根据权利要求11所述的装置,其特征在于,所述解决方案参考数据中包含R个解决方案以及所述R个解决方案分别对应的指标集合,所述指标集合包含L个指标,所述指标为采用所述解决方案所产生的结果,其中,R为大于等于1的整数,L为大于等于1的整数;所述处理模块,还包括:
第三处理单元,用于按照所述解决方案参考数据中的R个解决方案分别对应的指标集合中的L个指标对所述R个解决方案进行优劣排序,确定所述优劣排序中最优的解决方案为所述当前网络故障类型的解决方案;采用所述当前网络故障类型的解决方案进行网络优化。
13.根据权利要求12所述的装置,其特征在于,还包括:
第一更新模块,用于根据所述网络优化结果,获得所述当前网络故障类型采用的解决方案后的指标;将网络优化数据库中所述当前网络故障类型采用的解决方案对应的指标集合进行更新。
14.根据权利要求8至13任一项所述的装置,其特征在于,还包括:
第二更新模块,用于根据确定产生所述当前网络故障类型的网络故障原因,将网络优化数据库中产生所述当前网络故障类型的网络故障原因的统计参数进行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410205437.9A CN103974299A (zh) | 2014-05-15 | 2014-05-15 | 网络优化方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410205437.9A CN103974299A (zh) | 2014-05-15 | 2014-05-15 | 网络优化方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103974299A true CN103974299A (zh) | 2014-08-06 |
Family
ID=51243231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410205437.9A Pending CN103974299A (zh) | 2014-05-15 | 2014-05-15 | 网络优化方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103974299A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106681849A (zh) * | 2015-11-10 | 2017-05-17 | 阿里巴巴集团控股有限公司 | 数据处理方法及装置 |
CN107086923A (zh) * | 2016-02-16 | 2017-08-22 | 中兴通讯股份有限公司 | 通信网络性能指标分析方法及装置 |
CN107294788A (zh) * | 2017-07-17 | 2017-10-24 | 郑州云海信息技术有限公司 | 一种故障处理的方法及装置 |
CN107332722A (zh) * | 2017-08-31 | 2017-11-07 | 郑州云海信息技术有限公司 | 一种故障信息的排除方法及系统 |
CN107809780A (zh) * | 2016-09-09 | 2018-03-16 | 中兴通讯股份有限公司 | 一种对用户设备接入失败的主动处理方法、装置及基站 |
CN108683522A (zh) * | 2018-04-24 | 2018-10-19 | 广州鲁邦通物联网科技有限公司 | 一种工业物联网网关智能故障学习和处理方法和系统 |
CN111294469A (zh) * | 2018-12-07 | 2020-06-16 | 中国移动通信集团陕西有限公司 | 一种通话接通问题的故障分析方法、装置及设备 |
CN111638458A (zh) * | 2020-06-23 | 2020-09-08 | 广州小鹏汽车科技有限公司 | 一种电芯故障的分析方法和装置 |
CN113300918A (zh) * | 2021-07-27 | 2021-08-24 | 深圳市城市交通规划设计研究中心股份有限公司 | 智慧灯杆的故障检测方法、终端设备及存储介质 |
CN113408812A (zh) * | 2021-06-30 | 2021-09-17 | 北京红山信息科技研究院有限公司 | 一种网络优化方法、装置、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101753361A (zh) * | 2009-12-18 | 2010-06-23 | 武汉虹旭信息技术有限责任公司 | 一种基于专家经验库的网络优化方法 |
CN101877872A (zh) * | 2010-06-29 | 2010-11-03 | 中兴通讯股份有限公司 | 一种优化网络接入性能的方法、装置及系统 |
CN101888654A (zh) * | 2009-05-11 | 2010-11-17 | 中国移动通信集团甘肃有限公司 | 一种通话质量测试方法、装置及系统 |
CN102496028A (zh) * | 2011-11-14 | 2012-06-13 | 华中科技大学 | 一种复杂装备的事后维修故障分析方法 |
WO2013075487A1 (zh) * | 2011-11-25 | 2013-05-30 | 华为技术有限公司 | 一种基于用户感知的网络问题定位方法及装置 |
-
2014
- 2014-05-15 CN CN201410205437.9A patent/CN103974299A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101888654A (zh) * | 2009-05-11 | 2010-11-17 | 中国移动通信集团甘肃有限公司 | 一种通话质量测试方法、装置及系统 |
CN101753361A (zh) * | 2009-12-18 | 2010-06-23 | 武汉虹旭信息技术有限责任公司 | 一种基于专家经验库的网络优化方法 |
CN101877872A (zh) * | 2010-06-29 | 2010-11-03 | 中兴通讯股份有限公司 | 一种优化网络接入性能的方法、装置及系统 |
CN102496028A (zh) * | 2011-11-14 | 2012-06-13 | 华中科技大学 | 一种复杂装备的事后维修故障分析方法 |
WO2013075487A1 (zh) * | 2011-11-25 | 2013-05-30 | 华为技术有限公司 | 一种基于用户感知的网络问题定位方法及装置 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10678624B2 (en) | 2015-11-10 | 2020-06-09 | Alibaba Group Holding Limited | Identifying potential solutions for abnormal events based on historical data |
WO2017080384A1 (zh) * | 2015-11-10 | 2017-05-18 | 阿里巴巴集团控股有限公司 | 数据处理方法及装置 |
CN106681849A (zh) * | 2015-11-10 | 2017-05-17 | 阿里巴巴集团控股有限公司 | 数据处理方法及装置 |
KR102151326B1 (ko) | 2015-11-10 | 2020-09-03 | 알리바바 그룹 홀딩 리미티드 | 데이터 처리 방법 및 장치 |
KR20180081123A (ko) * | 2015-11-10 | 2018-07-13 | 알리바바 그룹 홀딩 리미티드 | 데이터 처리 방법 및 장치 |
CN107086923A (zh) * | 2016-02-16 | 2017-08-22 | 中兴通讯股份有限公司 | 通信网络性能指标分析方法及装置 |
CN107809780A (zh) * | 2016-09-09 | 2018-03-16 | 中兴通讯股份有限公司 | 一种对用户设备接入失败的主动处理方法、装置及基站 |
CN107294788A (zh) * | 2017-07-17 | 2017-10-24 | 郑州云海信息技术有限公司 | 一种故障处理的方法及装置 |
CN107332722A (zh) * | 2017-08-31 | 2017-11-07 | 郑州云海信息技术有限公司 | 一种故障信息的排除方法及系统 |
CN108683522A (zh) * | 2018-04-24 | 2018-10-19 | 广州鲁邦通物联网科技有限公司 | 一种工业物联网网关智能故障学习和处理方法和系统 |
CN111294469A (zh) * | 2018-12-07 | 2020-06-16 | 中国移动通信集团陕西有限公司 | 一种通话接通问题的故障分析方法、装置及设备 |
CN111638458A (zh) * | 2020-06-23 | 2020-09-08 | 广州小鹏汽车科技有限公司 | 一种电芯故障的分析方法和装置 |
CN111638458B (zh) * | 2020-06-23 | 2022-08-16 | 广州小鹏汽车科技有限公司 | 一种电芯故障的分析方法和装置 |
CN113408812A (zh) * | 2021-06-30 | 2021-09-17 | 北京红山信息科技研究院有限公司 | 一种网络优化方法、装置、计算机设备及存储介质 |
CN113300918A (zh) * | 2021-07-27 | 2021-08-24 | 深圳市城市交通规划设计研究中心股份有限公司 | 智慧灯杆的故障检测方法、终端设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103974299A (zh) | 网络优化方法和装置 | |
CN110601898B (zh) | 异常预警方法、装置、服务器及存储介质 | |
EP3852420B1 (en) | Method and device for determining load threshold | |
CN109147788B (zh) | 本地语音库的更新方法及装置 | |
CN103746831A (zh) | 一种告警分析的方法、装置及系统 | |
CN105072191A (zh) | 一种确定目标通信通道的方法及服务器 | |
CN104092748A (zh) | 一种应用app运行控制的方法及装置 | |
CN109254839A (zh) | 确定任务触发时间的方法、构建任务定时器的方法及系统 | |
CN109697109A (zh) | 一种区分识别冲突虚拟机的方法、系统、装置及存储介质 | |
CN105487970A (zh) | 一种界面展示方法及装置 | |
CN109697117B (zh) | 终端控制方法、装置以及计算机可读存储介质 | |
CN104394220A (zh) | 一种智能电网的升级方法和智能电网 | |
GB2574102A (en) | Optimised network deployment | |
CN110233796B (zh) | 一种基于加权路由算法的电力通信网优化方法及设备 | |
CN111030111A (zh) | 电力系统稳定控制断面参数配置方法、装置、系统及介质 | |
CN112418509A (zh) | 任务数据预测方法、装置、存储介质及电子装置 | |
CN111625193A (zh) | 一种多路径别名的配置方法、装置、设备及介质 | |
CN111124754A (zh) | 一种数据恢复方法、装置、设备及介质 | |
CN105099732A (zh) | 一种识别异常ip数据流的方法、装置和系统 | |
WO2019185561A1 (en) | Dynamic network adaptation | |
CN103298007A (zh) | 一种问题小区筛选方法及装置 | |
CN103389919A (zh) | 一种基于冗余设备系统的数据处理方法及装置 | |
CN114710479B (zh) | 故障诊断方法、装置及系统 | |
CN110266001B (zh) | 一种电网可靠性评估方法、系统及终端供电设备 | |
CN111885159B (zh) | 数据采集方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140806 |