CN107786994B - 端到端无线业务的用户感知质差分析方法和系统 - Google Patents

Abstract

本发明涉及一种端到端无线业务的用户感知质差分析方法和系统。所述方法包括：采集无线空口信令数据、终端性能数据、业务使用过程中的互联网IP数据、和客户端业务运行情况数据，分析采集到的上述数据，分别计算无线质差因子、终端质差因子、客户端质差因子、SP平台质差因子和核心网质差因子，根据计算得到的对应无线、终端、客户端、SP平台和核心网五个维度的质差因子进行分析比较，找出对业务的用户感知质差影响最大的至少一个维度确定为出现问题的维度。该方法基于五个维度进行多数据源的关联协同分析，能够自动化量化分析和界定问题所在的维度，对下一步网络优化的故障排除提供了很好的指引。

Description

端到端无线业务的用户感知质差分析方法和系统

技术领域

本发明涉及无线通信技术领域，更具体地说，涉及一种端到端无线业务的用户感知质差分析方法和系统。

背景技术

随着4G商用，各大运营商开始全力推广4G网络的建设及业务运营，手机上网进入“百兆”的同时，四网协同的网络环境使得业务的使用场景更加复杂。而移动互联网业务的爆炸式增长，使得市场化竞争愈发激烈，如何不断改善业务质量，带来更好的用户感知已成为行业共识。

一般的核心网和IP网络的大数据分析系统能快速分析网元的健康情况，当问题出现的时候可以通过算法快速定位到疑似故障网元和发生故障的疑似小区及位置范围。核心网的监控人员可以根据系统反馈的信息，快速响应并解决核心网的排除。但是，当问题聚焦到基站无线侧时，系统只能指向问题发生的小区，具体小区的故障情况没法提供更详细的无线日志，网管也只能派网优人员到现场测试勘察情况。传统的网优测试手段都是以网优工程师手持专业的测试仪器，在现网环境下运行测试脚本，采集测试过程中所产生的信令和IP数据；然后由工程师用电脑运行专业的信令和IP数据分析工具做详细的人工分析，得出问题，再解决问题。这些方法面临一些问题：

1、传统的网络优化测试手段涉及的测试流程步骤繁多，没有统一规范的流程，容易造成测试结果误差大；网优人员的专业技能高低也会影响分析结果；

2、无线环境多变，单纯的网络空口质量分析只能反映无线侧网络质量，而且在空口质量出现质差情况下，无法进行深入分析原因；在四网协同情况下出现质差时，对业务质量分析缺乏与网络质量数据进行深入的联动分析，测试人员无法跟踪判断业务感知(视频卡顿等)的好坏，难以做到量化；

3、大量的测试结果数据，涵盖不同的维度，这些数据间互相独立又相互影响，当前的数据分析缺少对多次测试结果的关联分析。

可见，现有技术方案已经不能满足当前复杂网络环境下无线增值业务的用户感知质差分析和故障定界。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种端到端无线业务的用户感知质差分析方法和系统，能够进行多数据源关联协同质差分析和故障界定。

本发明为解决其技术问题在第一方面提出一种端到端无线业务的用户感知质差分析方法，包括如下步骤：

S1、采集无线空口信令数据、终端性能数据、业务使用过程中的互联网IP数据、和客户端业务运行情况数据；

S2、分析无线空口信令数据，基于掉网质差、接入质差、信号质差和丢包率质差计算得到无线质差因子；

S3、关联分析终端性能数据和无线空口信令数据，基于终端CPU处理数据质差、终端内存质差和终端MSS值质差计算得到终端质差因子；

S4、关联分析客户端业务运行情况数据和无线空口信令数据，基于客户端不发起调度请求质差和客户端异常发起RST中断链接质差计算得到客户端质差因子；

S5、关联分析业务使用过程中的互联网IP数据和无线空口信令数据，基于互联网调度过多质差、SP平台发出的MSS质差、调度响应无效质差和调度外网质差计算得到SP平台质差因子；

S6、分析无线空口信令数据，统计核心网发出的有问题的信令数据，基于核心网信令质差、核心网丢包率质差和核心网乱序质差计算得到核心网质差因子；

S7、根据所述无线质差因子、终端质差因子、客户端质差因子、SP平台质差因子和核心网质差因子分析比较对应的无线、终端、客户端、SP平台和核心网五个维度对业务的用户感知质差的影响，将其中影响最大的至少一个维度确定为出现问题的维度。

根据本发明第一方面的一个实施例中，所述步骤S2进一步包括：

S21、计算整个时间段所产生的掉网质差因子，所述掉网质差因子＝掉网结束时间-掉网开始时间，其中，掉网开始时间是出现RadioLinkFailure的时间点，掉网结束时间是出现RRC Connection Reestablishment Request的时间点；

S22、计算整个时间段所产生的接入质差因子，所述接入质差因子＝接入结束时间-接入开始时间，其中，接入开始时间为出现RRC Connection Reestablishment Request的时间点，接入结束时间为出现RRC Connection Reestablishment Complete的时间点；

S23、计算整个时间段所产生的信号质差因子，所述信号质差因子＝信号质差结束时间–信号质差开始时间，其中，信号质差开始时间为信号SINR值出现低于阈值的时间点，信号质差结束时间为信号SINR值出现高于阈值的时间点；

S24、计算整个时间段所产生的丢包率质差因子，所述丢包率质差因子＝丢包率高于阈值结束时间–丢包率高于阈值开始时间；

S25、将所述掉网质差因子、接入质差因子、信号质差因子和丢包率质差因子求和，得到所述无线质差因子。

根据本发明第一方面的一个实施例中，所述步骤S3进一步包括：

S31、基于无线空口信令数据过滤终端性能数据，筛选出未出现无线质差的终端性能数据；

S32、基于筛选出的终端性能数据计算所述终端质差因子。

根据本发明第一方面的一个实施例中，所述步骤S32进一步包括：

S321、计算整个时间段所产生的终端CPU处理数据质差因子，所述终端CPU处理数据质差因子＝质差结束时间-质差开始时间，其中，质差开始时间为CPU超过阈值的时间点，质差结束时间为CPU从高于阈值降低到阈值以下的时间点；

S322、计算整个时间段所产生的终端内存质差因子，所述终端内存质差因子＝质差结束时间–质差开始时间，其中，质差开始时间为使用的内存比例超过阈值的时间点，质差结束时间为使用的内存比例从高于阈值降低到阈值以下的时间点；

S323、计算整个时间段所产生的终端MSS值质差因子，所述终端MSS值质差因子＝(TCP规定最大取值–实际MSS值)*时长比重，其中，TCP规定最大取值是1452，时长比重是10/毫秒；

S324、将所述终端CPU处理数据质差因子、终端内存质差因子和终端MSS值质差因子求和，得到所述终端质差因子。

根据本发明第一方面的一个实施例中，所述步骤S4进一步包括：

S41、基于无线空口信令数据过滤客户端业务运行情况数据，筛选出未出现无线质差的客户端业务运行情况数据；

S42、基于筛选出的客户端业务运行情况数据计算所述客户端质差因子。

根据本发明第一方面的一个实施例中，所述步骤S42进一步包括：

S421、计算整个时间段所产生的客户端不发起调度请求质差因子，所述客户端不发起调度请求质差因子＝1*时长比重，其中，时长比重是30000/毫秒；

S422、计算整个时间段所产生的客户端异常发起RST中断链接质差因子，所述客户端异常发起RST中断链接质差因子＝RST个数*时长比重，其中，时长比重是3000/毫秒；

S423、将所述客户端不发起调度请求质差因子和客户端异常发起RST中断链接质差因子求和，得到所述客户端质差因子。

根据本发明第一方面的一个实施例中，所述步骤S5进一步包括：

S51、基于无线空口信令数据过滤业务使用过程中的互联网IP数据，筛选出未出现无线质差的互联网IP数据；

S52、基于筛选出的互联网IP数据计算所述SP平台质差因子。

根据本发明第一方面的一个实施例中，所述步骤S52进一步包括：

S521、计算整个时间段所产生的互联网调度过多质差因子，所述互联网调度过多质差因子＝调度次数*时长比重，其中，调度次数是http-get的个数，时长比重是200/毫秒；

S522、计算整个时间段所产生的SP平台发出的MSS质差因子，所述SP平台发出的MSS质差因子＝(TCP规定最大取值–实际MSS值)*时长比重，其中TCP规定最大取值是1452，时长比重是10/毫秒；

S523、计算整个时间段所产生的调度响应无效质差因子，所述调度响应无效质差因子＝无响应次数*时长比重，其中，无响应次数为发起http-get但收不到http-rsp的次数，时长比重为3000/毫秒；

S524、计算整个时间段所产生的调度外网质差因子，所述调度外网质差因子＝外网IP数*时长比重，其中，时长比重是300/毫秒；

S525、将所述互联网调度过多质差因子、SP平台发出的MSS质差因子、调度响应无效质差因子和调度外网质差因子求和，得到所述SP平台质差因子。

根据本发明第一方面的一个实施例中，所述步骤S6进一步包括：

S61、计算整个时间段所产生的核心网信令质差因子，所述核心网信令质差因子＝解码错误的信令信息数*时长比重，其中，时长比重是30000/毫秒；

S62、计算整个时间段所产生的核心网丢包率质差因子，所述核心网丢包率质差因子＝丢包率高于阈值结束时间-丢包率高于阈值开始时间；

S63、计算整个时间段所产生的核心网乱序质差因子，所述核心网乱序质差因子＝TCP包乱序率高于阈值结束时间-TCP包乱序率高于阈值开始时间；

S64、将所述核心网信令质差因子、核心网丢包率质差因子和核心网乱序质差因子求和，得到所述核心网质差因子。

根据本发明第一方面的一个实施例中，所述步骤S7进一步包括：

S71、基于以下公式计算无线、终端、客户端、SP平台和核心网五个维度对业务的用户感知质差的影响评分：

其中，P_i,d表示质差因子i对业务d的影响评分；

sim(i,j)表示质差因子i与质差因子j之间的相似度；

R_j,d表示质差因子j对业务d的影响度；

和

分别表示质差因子i和质差因子j的多次测试数据的平均值；

NBSi表示质差维度的编号值；

S72、将影响评分最大的质差因子确定为影响业务质量的最差因子。

本发明为解决其技术问题在第二方面提出一种端到端无线业务的用户感知质差分析系统，包括：

数据采集单元，用于采集无线空口信令数据、终端性能数据、业务使用过程中的互联网IP数据、和客户端业务运行情况数据；

第一计算单元，用于分析无线空口信令数据，基于掉网质差、接入质差、信号质差和丢包率质差计算得到无线质差因子；

第二计算单元，用于关联分析终端性能数据和无线空口信令数据，基于终端CPU处理数据质差、终端内存质差和终端MSS值质差计算得到终端质差因子；

第三计算单元，用于关联分析客户端业务运行情况数据和无线空口信令数据，基于客户端不发起调度请求质差和客户端异常发起RST中断链接质差计算得到客户端质差因子；

第四计算单元，用于关联分析业务使用过程中的互联网IP数据和无线空口信令数据，基于互联网调度过多质差、SP平台发出的MSS质差、调度响应无效质差和调度外网质差计算得到SP平台质差因子；

第五计算单元，用于分析无线空口信令数据，统计核心网发出的有问题的信令数据，基于核心网信令质差、核心网丢包率质差和核心网乱序质差计算得到核心网质差因子；

筛选单元，用于根据所述无线质差因子、终端质差因子、客户端质差因子、SP平台质差因子和核心网质差因子分析比较对应的无线、终端、客户端、SP平台和核心网五个维度对业务的用户感知质差的影响，将其中影响最大的至少一个维度确定为出现问题的维度。

实施本发明的端到端无线业务的用户感知质差分析方法和系统，具有以下有益效果：本发明基于业务流程场景对无线、核心网、终端、客户端和SP平台这五个维度进行多数据源的关联协同分析后，根据最差源的评分来筛选出影响业务质差的主因，因而本发明能够自动化量化分析和界定问题所在的维度，对下一步网络优化的故障排除提供了很好的指引。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明一个实施例的端到端无线业务的用户感知质差分析方法的流程图；

图2是本发明一个实施例的端到端无线业务的用户感知质差分析系统的逻辑结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提出一种新的端到端无线业务的用户感知质差分析方法，实现基于业务流程场景对无线、核心网、终端、客户端和SP(Service Provider，服务提供商)平台这五个维度进行综合分析，分析导致业务感知质差的因子，快速找出“短板”，精准、有效提升网络和业务质量。

图1示出了根据本发明一个实施例的端到端无线业务的用户感知质差分析方法100的流程图。如图1所示，该端无线业务的用户感知质差分析方法100包括如下步骤：

步骤S110中，采集无线空口信令数据、终端性能数据、业务使用过程中的互联网IP数据、和客户端业务运行情况数据。具体来说，该步骤中还可以对采集到的各种数据进行清洗和压缩处理。

步骤S120中，分析无线空口信令数据，基于掉网质差、接入质差、信号质差和丢包率质差计算得到无线质差因子。

步骤S130中，关联分析终端性能数据和无线空口信令数据，基于终端CPU处理数据质差、终端内存质差和终端MSS(Maximum Segment Size，最大报文长度)值质差计算得到终端质差因子。其中，关联分析终端性能数据和无线空口信令数据是指对终端性能数据进行过滤，筛选出其中未出现无线质差的终端性能数据来进行终端质差因子的统计，也即，在同一时间内，只是出现终端性能数据满足特定条件的情况才会统计成终端质差因子，其它同时出现无线质差和终端质差的情况不能统计成终端质差因子。

步骤S140中，关联分析客户端业务运行情况数据和无线空口信令数据，基于客户端不发起调度请求质差和客户端异常发起RST中断链接质差计算得到客户端质差因子。其中，关联分析客户端业务运行情况数据和无线空口信令数据是指对客户端业务运行情况数据进行过滤，筛选出其中未出现无线质差的客户端业务运行情况数据来进行客户端质差因子的统计，也即，在同一时间内，只是出现客户端业务运行情况数据满足特定条件的情况才会统计成客户端质差因子，其它同时出现无线质差和客户端质差的情况不能统计成客户端质差因子。

步骤S150中，关联分析业务使用过程中的互联网IP数据和无线空口信令数据，基于互联网调度过多质差、SP平台发出的MSS质差、调度响应无效质差和调度外网质差计算得到SP平台质差因子。其中，关联分析业务使用过程中的互联网IP数据和无线空口信令数据是指对互联网IP数据进行过滤，筛选出其中未出现无线质差的互联网IP数据来进行SP平台质差因子的统计，也即，在同一时间内，只是出现互联网IP数据满足特定条件的情况才会统计成SP平台质差因子，其它同时出现无线质差和SP平台质差的情况不能统计成SP平台质差因子。

步骤S160中，分析无线空口信令数据，统计核心网发出的有问题的信令数据，基于核心网信令质差、核心网丢包率质差和核心网乱序质差计算得到核心网质差因子。

最后步骤S170中，根据前述计算得到的无线质差因子、终端质差因子、客户端质差因子、SP平台质差因子和核心网质差因子分析比较对应的无线、终端、客户端、SP平台和核心网五个维度对业务的用户感知质差的影响，将其中影响最大的至少一个维度确定为出现问题的维度。

本发明以上提出的端到端无线业务的用户感知质差分析方法100将影响业务的用户感知的质差划分为无线、终端、客户端、SP平台和核心网五个维度，并定义各维度下的质差因子如下表1：

表1：五个维度下的质差因子

本发明以上提出的端到端无线业务的用户感知质差分析方法100还定义上表1中的每个质差因子的量化计算公式如下：

(1)掉网质差因子＝掉网结束时间-掉网开始时间

其中，掉网开始时间是出现RadioLinkFailure的时间点，掉网结束时间是出现RRCConnection Reestablishment Request的时间点，单位是毫秒；

(2)接入质差因子＝接入结束时间-接入开始时间

其中，接入开始时间为出现RRC Connection Reestablishment Request的时间点，接入结束时间为出现RRC Connection Reestablishment Complete的时间点，单位是毫秒；

(3)信号质差因子＝信号质差结束时间–信号质差开始时间

其中，信号质差开始时间为信号SINR(Signal to Interference plus NoiseRatio，信号与干扰加噪声比)值出现低于阈值(例如3)的时间点，信号质差结束时间为信号SINR值出现高于阈值(例如3)的时间点，单位是毫秒；

(4)丢包率质差因子＝丢包率高于阈值结束时间–丢包率高于阈值开始时间

其中，丢包率高于阈值开始时间为统计PDCP层的每秒丢包率，当丢包率出现高于阈值(例如0.1％)的时间点；相反，当丢包率出现低于阈值(例如0.1％)的时间点为丢包率高于阈值结束时间，单位是毫秒；

(5)终端CPU处理数据质差因子＝质差结束时间-质差开始时间

其中，质差开始时间为CPU超过阈值(例如80％)的时间点，质差结束时间为CPU从高于阈值(例如80％)降低到阈值(例如80％)以下的时间点，单位是毫秒；

(6)终端内存质差因子＝质差结束时间–质差开始时间

其中，质差开始时间为使用的内存比例超过阈值(例如80％)的时间点，质差结束时间为使用的内存比例从高于阈值(例如80％)降低到阈值(例如80％)以下的时间点，单位是毫秒；

(7)终端MSS值质差因子＝(TCP规定最大取值–实际MSS值)*时长比重

其中，TCP规定最大取值是1452，时长比重是10/毫秒，单位是毫秒；

(8)客户端不发起调度请求质差因子＝1*时长比重

其中，时长比重是30000/毫秒，单位是毫秒；

(9)客户端异常发起RST中断链接质差因子＝RST个数*时长比重

其中，时长比重是3000/毫秒，单位是毫秒；

(10)互联网调度过多质差因子＝调度次数*时长比重

其中，调度次数是http-get的个数，时长比重是200/毫秒，单位是毫秒；

(11)SP平台发出的MSS质差因子＝(TCP规定最大取值–实际MSS值)*时长比重

其中TCP规定最大取值是1452，时长比重是10/毫秒，单位是毫秒；

(12)调度响应无效质差因子＝无响应次数*时长比重

其中，无响应次数为发起http-get但收不到http-rsp的次数，时长比重为3000/毫秒，单位是毫秒；

(13)调度外网质差因子＝外网IP数*时长比重

其中，时长比重是300/毫秒，单位是毫秒；

(14)核心网信令质差因子＝解码错误的信令信息数*时长比重

其中，时长比重是30000/毫秒，单位是毫秒；

(15)核心网丢包率质差因子＝丢包率高于阈值结束时间-丢包率高于阈值开始时间

其中，丢包率高于阈值开始时间为TCP丢包率出现高于阈值(例如0.1％)的时间点，丢包率高于阈值结束时间为TCP丢包率出现由高于阈值(例如0.1％)转向低于阈值(例如0.1％)的时间点，单位毫秒；

(16)核心网乱序质差因子＝TCP包乱序率高于阈值结束时间-TCP包乱序率高于阈值开始时间

其中，TCP包乱序率高于阈值开始时间为TCP数据包的出现乱序率高于阈值(例如0.1％)的时间点，TCP包乱序率高于阈值结束时间为TCP数据包的出现乱序率低于阈值(例如0.1％)的时间点，单位是毫秒。

基于以上针对质差因子及其量化计算公式的定义，本发明的端到端无线业务的用户感知质差分析方法100在步骤S120中计算无线质差因子进一步包括：

步骤S121，利用质差因子量化计算公式(1)计算整个时间段所产生的掉网质差因子；

步骤S122，利用质差因子量化计算公式(2)计算整个时间段所产生的接入质差因子；

步骤S123，利用质差因子量化计算公式(3)计算整个时间段所产生的信号质差因子；

步骤S124，利用质差因子量化计算公式(4)计算整个时间段所产生的丢包率质差因子；

步骤S125，将上述掉网质差因子、接入质差因子、信号质差因子和丢包率质差因子求和，从而得到对应无线维度的无线质差因子。

本发明的端到端无线业务的用户感知质差分析方法100在步骤S130中计算终端质差因子进一步包括：

步骤S131，利用质差因子量化计算公式(5)计算整个时间段所产生的终端CPU处理数据质差因子；

步骤S132，利用质差因子量化计算公式(6)计算整个时间段所产生的终端内存质差因子；

步骤S133，利用质差因子量化计算公式(7)计算整个时间段所产生的终端MSS值质差因子；

步骤S134，将上述终端CPU处理数据质差因子、终端内存质差因子和终端MSS值质差因子求和，得到对应终端维度的终端质差因子。

本发明的端到端无线业务的用户感知质差分析方法100在步骤S140中计算客户端质差因子进一步包括：

步骤S141，利用质差因子量化计算公式(8)计算整个时间段所产生的客户端不发起调度请求质差因子；

步骤S142，利用质差因子量化计算公式(9)计算整个时间段所产生的客户端异常发起RST中断链接质差因子；

步骤S143，将上述客户端不发起调度请求质差因子和客户端异常发起RST中断链接质差因子求和，得到对应客户端维度的客户端质差因子。

本发明的端到端无线业务的用户感知质差分析方法100在步骤S150中计算SP平台质差因子进一步包括：

步骤S151，利用质差因子量化计算公式(10)计算整个时间段所产生的互联网调度过多质差因子；

步骤S152，利用质差因子量化计算公式(11)计算整个时间段所产生的SP平台发出的MSS质差因子；

步骤S153，利用质差因子量化计算公式(12)计算整个时间段所产生的调度响应无效质差因子；

步骤S154，利用质差因子量化计算公式(13)计算整个时间段所产生的调度外网质差因子；

步骤S155，将上述互联网调度过多质差因子、SP平台发出的MSS质差因子、调度响应无效质差因子和调度外网质差因子求和，得到对应SP平台维度的SP平台质差因子。

本发明的端到端无线业务的用户感知质差分析方法100在步骤S160中计算核心网质差因子进一步包括：

步骤S161，利用质差因子量化计算公式(14)计算整个时间段所产生的核心网信令质差因子；

步骤S162，利用质差因子量化计算公式(15)计算整个时间段所产生的核心网丢包率质差因子；

步骤S163，利用质差因子量化计算公式(16)计算整个时间段所产生的核心网乱序质差因子；

步骤S164，将上述核心网信令质差因子、核心网丢包率质差因子和核心网乱序质差因子求和，得到对应核心网维度的核心网质差因子。

如前所述，本发明的端到端无线业务的用户感知质差分析方法100在步骤S170中根据计算得到的无线质差因子、终端质差因子、客户端质差因子、SP平台质差因子和核心网质差因子进行逻辑运算和逻辑比较，最终得出五个维度对业务的影响情况，从而界定和输出最大影响的维度。考虑到无线、终端、客户端、SP平台和核心网五个维度是有纵深关系的，例如无线网络作为传输的最底层，它自身就影响了其它维度的表现，而客户端维度作为第二层，受到无线网络的影响之余，同样也影响核心网维度、SP维度以及终端维度，因此，本发明提出一种过滤筛查质差因子的算法，通过计算多数据源之间的关联后根据最差源的评分来产生影响业务质差的主因。该算法的实现过程包括三步：

第一步，建立业务评价模型。算法的输入数据表示为一个m*n的业务评价矩阵R，m是测试数，n是质差因子数，其中r_ij表示第i次测试中第j个质差因子的值：

第二步，寻找多个维度的质差因子。在这一阶段，主要完成对影响业务质量的质差因子的查找。本发明所定义的无线、终端、客户端、SP平台和核心网五个维度的各项质差因子如前述表1所示，并采用如公式(1)-(16)所示的量化计算方法获得各项质差因子的值。

第三步，基于以下公式计算无线、终端、客户端、SP平台和核心网五个维度对业务的用户感知质差的影响评分：

其中，P_i,d表示质差因子i对业务d的影响评分；sim(i,j)表示质差因子i与质差因子j之间的相似度；R_j,d表示质差因子j对业务d的影响度；

和

分别表示质差因子i和质差因子j的多次测试数据的平均值；NBSi表示质差维度的编号值。该公式的实质是在多个影响业务质量的质差因子集中查找参数指标，并将目标质差因子与查找到的质差因子的相似度的值作为权值，然后将该质差因子对该业务的影响与其他质差因子的所有影响的差值进行加权平均。通过上述方法筛选影响评分最高的TOP-N(五维度的情况下TOP＝5，N取值在1到4之间)项作为影响业务质量的最差质差因子。例如，可将影响评分最大的质差因子确定为影响业务质量的最差因子，由此可界定该质差因子对应的维度为出现问题的维度。

本发明以上所介绍的端到端无线业务的用户感知质差分析方法基于端到端多业务类型实际应用场景出发，从无线、核心网、终端、客户端和SP平台五个维度进行质量感知综合评测，快速界定问题所在，同时为质差环节提供真实、科学的分析数据，不断提升用户感知。该方法完全基于端到端的业务用户感知实际场景，能够更真实掌握业务在商用终端的质量情况，实现基于五个维度的故障定界；基于五个维度的多数据源之间的关联分析后根据最差源的评分来筛选出影响业务质差的主因。该方法能自动化量化分析和界定问题所在的维度，对下一步网络优化的故障排除提供了很好的指引。

本发明另一方面还提出一种端到端无线业务的用户感知质差分析系统，用于执行前述的端到端无线业务的用户感知质差分析方法。图2示出了根据本发明一个实施例的端到端无线业务的用户感知质差分析系统200的逻辑结构图。该系统200包括数据采集单元210、第一计算单元220、第二计算单元230、第三计算单元240、第四计算单元250、第五计算单元260和筛选单元270。其中，数据采集单元210用于采集无线空口信令数据、终端性能数据、业务使用过程中的互联网IP数据、和客户端业务运行情况数据，并可对采集的数据进行清洗和压缩。第一计算单元220用于分析无线空口信令数据，基于掉网质差、接入质差、信号质差和丢包率质差计算得到无线质差因子。第二计算单元230用于关联分析终端性能数据和无线空口信令数据，基于终端CPU处理数据质差、终端内存质差和终端MSS值质差计算得到终端质差因子。第三计算单元240用于关联分析客户端业务运行情况数据和无线空口信令数据，基于客户端不发起调度请求质差和客户端异常发起RST中断链接质差计算得到客户端质差因子。第四计算单元250用于关联分析业务使用过程中的互联网IP数据和无线空口信令数据，基于互联网调度过多质差、SP平台发出的MSS质差、调度响应无效质差和调度外网质差计算得到SP平台质差因子。第五计算单元260用于分析无线空口信令数据，统计核心网发出的有问题的信令数据，基于核心网信令质差、核心网丢包率质差和核心网乱序质差计算得到核心网质差因子。筛选单元270用于根据所述无线质差因子、终端质差因子、客户端质差因子、SP平台质差因子和核心网质差因子分析比较对应的无线、终端、客户端、SP平台和核心网五个维度对业务的用户感知质差的影响，将其中影响最大的至少一个维度确定为出现问题的维度。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种端到端无线业务的用户感知质差分析方法，其特征在于，包括如下步骤：

S1、采集无线空口信令数据、终端性能数据、业务使用过程中的互联网IP数据、和客户端业务运行情况数据；

S2、分析无线空口信令数据，基于掉网质差、接入质差、信号质差和丢包率质差计算得到无线质差因子；

S3、关联分析终端性能数据和无线空口信令数据，基于终端CPU处理数据质差、终端内存质差和终端MSS值质差计算得到终端质差因子；

S4、关联分析客户端业务运行情况数据和无线空口信令数据，基于客户端不发起调度请求质差和客户端异常发起RST中断链接质差计算得到客户端质差因子；

S5、关联分析业务使用过程中的互联网IP数据和无线空口信令数据，基于互联网调度过多质差、SP平台发出的MSS质差、调度响应无效质差和调度外网质差计算得到SP平台质差因子；

S6、分析无线空口信令数据，统计核心网发出的有问题的信令数据，基于核心网信令质差、核心网丢包率质差和核心网乱序质差计算得到核心网质差因子；

S7、根据所述无线质差因子、终端质差因子、客户端质差因子、SP平台质差因子和核心网质差因子分析比较对应的无线、终端、客户端、SP平台和核心网五个维度对业务的用户感知质差的影响，将其中影响最大的至少一个维度确定为出现问题的维度；

其中，所述步骤S7进一步包括：

S71、基于以下公式计算无线、终端、客户端、SP平台和核心网五个维度对业务的用户感知质差的影响评分：

其中，P_i,d表示质差因子i对业务d的影响评分；

sim(i,j)表示质差因子i与质差因子j之间的相似度；

R_j,d表示质差因子j对业务d的影响度；

和

分别表示质差因子i和质差因子j的多次测试数据的平均值；

NBSi表示质差维度的编号值；

S72、将影响评分最大的质差因子确定为影响业务质量的最差因子。

2.根据权利要求1所述的方法，其特征在于，所述步骤S2进一步包括：

S21、计算整个时间段所产生的掉网质差因子，所述掉网质差因子＝掉网结束时间-掉网开始时间，其中，掉网开始时间是出现RadioLinkFailure的时间点，掉网结束时间是出现RRC Connection Reestablishment Request的时间点；

S22、计算整个时间段所产生的接入质差因子，所述接入质差因子＝接入结束时间-接入开始时间，其中，接入开始时间为出现RRC Connection Reestablishment Request的时间点，接入结束时间为出现RRC Connection Reestablishment Complete的时间点；

S23、计算整个时间段所产生的信号质差因子，所述信号质差因子＝信号质差结束时间–信号质差开始时间，其中，信号质差开始时间为信号SINR值出现低于阈值的时间点，信号质差结束时间为信号SINR值出现高于阈值的时间点；

S24、计算整个时间段所产生的丢包率质差因子，所述丢包率质差因子＝丢包率高于阈值结束时间–丢包率高于阈值开始时间；

S25、将所述掉网质差因子、接入质差因子、信号质差因子和丢包率质差因子求和，得到所述无线质差因子。

3.根据权利要求1所述的方法，其特征在于，所述步骤S3进一步包括：

S31、基于无线空口信令数据过滤终端性能数据，筛选出未出现无线质差的终端性能数据；

S32、基于筛选出的终端性能数据计算所述终端质差因子。

4.根据权利要求3所述的方法，其特征在于，所述步骤S32进一步包括：

S321、计算整个时间段所产生的终端CPU处理数据质差因子，所述终端CPU处理数据质差因子＝质差结束时间-质差开始时间，其中，质差开始时间为CPU超过阈值的时间点，质差结束时间为CPU从高于阈值降低到阈值以下的时间点；

S322、计算整个时间段所产生的终端内存质差因子，所述终端内存质差因子＝质差结束时间–质差开始时间，其中，质差开始时间为使用的内存比例超过阈值的时间点，质差结束时间为使用的内存比例从高于阈值降低到阈值以下的时间点；

S323、计算整个时间段所产生的终端MSS值质差因子，所述终端MSS值质差因子＝(TCP规定最大取值–实际MSS值)*时长比重，其中，TCP规定最大取值是1452，时长比重是10/毫秒；

S324、将所述终端CPU处理数据质差因子、终端内存质差因子和终端MSS值质差因子求和，得到所述终端质差因子。

5.根据权利要求1所述的方法，其特征在于，所述步骤S4进一步包括：

S41、基于无线空口信令数据过滤客户端业务运行情况数据，筛选出未出现无线质差的客户端业务运行情况数据；

S42、基于筛选出的客户端业务运行情况数据计算所述客户端质差因子。

6.根据权利要求5所述的方法，其特征在于，所述步骤S42进一步包括：

S421、计算整个时间段所产生的客户端不发起调度请求质差因子，所述客户端不发起调度请求质差因子＝1*时长比重，其中，时长比重是30000/毫秒；

S422、计算整个时间段所产生的客户端异常发起RST中断链接质差因子，所述客户端异常发起RST中断链接质差因子＝RST个数*时长比重，其中，时长比重是3000/毫秒；

S423、将所述客户端不发起调度请求质差因子和客户端异常发起RST中断链接质差因子求和，得到所述客户端质差因子。

7.根据权利要求1所述的方法，其特征在于，所述步骤S5进一步包括：

S51、基于无线空口信令数据过滤业务使用过程中的互联网IP数据，筛选出未出现无线质差的互联网IP数据；

S52、基于筛选出的互联网IP数据计算所述SP平台质差因子。

8.根据权利要求7所述的方法，其特征在于，所述步骤S52进一步包括：

S521、计算整个时间段所产生的互联网调度过多质差因子，所述互联网调度过多质差因子＝调度次数*时长比重，其中，调度次数是http-get的个数，时长比重是200/毫秒；

S522、计算整个时间段所产生的SP平台发出的MSS质差因子，所述SP平台发出的MSS质差因子＝(TCP规定最大取值–实际MSS值)*时长比重，其中TCP规定最大取值是1452，时长比重是10/毫秒；

S523、计算整个时间段所产生的调度响应无效质差因子，所述调度响应无效质差因子＝无响应次数*时长比重，其中，无响应次数为发起http-get但收不到http-rsp的次数，时长比重为3000/毫秒；

S524、计算整个时间段所产生的调度外网质差因子，所述调度外网质差因子＝外网IP数*时长比重，其中，时长比重是300/毫秒；

S525、将所述互联网调度过多质差因子、SP平台发出的MSS质差因子、调度响应无效质差因子和调度外网质差因子求和，得到所述SP平台质差因子。

9.根据权利要求1所述的方法，其特征在于，所述步骤S6进一步包括：

S61、计算整个时间段所产生的核心网信令质差因子，所述核心网信令质差因子＝解码错误的信令信息数*时长比重，其中，时长比重是30000/毫秒；

S62、计算整个时间段所产生的核心网丢包率质差因子，所述核心网丢包率质差因子＝丢包率高于阈值结束时间-丢包率高于阈值开始时间；

S63、计算整个时间段所产生的核心网乱序质差因子，所述核心网乱序质差因子＝TCP包乱序率高于阈值结束时间-TCP包乱序率高于阈值开始时间；

S64、将所述核心网信令质差因子、核心网丢包率质差因子和核心网乱序质差因子求和，得到所述核心网质差因子。

10.一种端到端无线业务的用户感知质差分析系统，其特征在于，包括：

数据采集单元，用于采集无线空口信令数据、终端性能数据、业务使用过程中的互联网IP数据、和客户端业务运行情况数据；

第一计算单元，用于分析无线空口信令数据，基于掉网质差、接入质差、信号质差和丢包率质差计算得到无线质差因子；

第二计算单元，用于关联分析终端性能数据和无线空口信令数据，基于终端CPU处理数据质差、终端内存质差和终端MSS值质差计算得到终端质差因子；

第三计算单元，用于关联分析客户端业务运行情况数据和无线空口信令数据，基于客户端不发起调度请求质差和客户端异常发起RST中断链接质差计算得到客户端质差因子；

第四计算单元，用于关联分析业务使用过程中的互联网IP数据和无线空口信令数据，基于互联网调度过多质差、SP平台发出的MSS质差、调度响应无效质差和调度外网质差计算得到SP平台质差因子；

第五计算单元，用于分析无线空口信令数据，统计核心网发出的有问题的信令数据，基于核心网信令质差、核心网丢包率质差和核心网乱序质差计算得到核心网质差因子；

筛选单元，用于根据所述无线质差因子、终端质差因子、客户端质差因子、SP平台质差因子和核心网质差因子分析比较对应的无线、终端、客户端、SP平台和核心网五个维度对业务的用户感知质差的影响，将其中影响最大的至少一个维度确定为出现问题的维度；

其中，所述筛选单元基于以下公式计算无线、终端、客户端、SP平台和核心网五个维度对业务的用户感知质差的影响评分：

其中，P_i,d表示质差因子i对业务d的影响评分；

sim(i,j)表示质差因子i与质差因子j之间的相似度；

R_j,d表示质差因子j对业务d的影响度；

和

分别表示质差因子i和质差因子j的多次测试数据的平均值；

NBSi表示质差维度的编号值；

所述筛选单元将影响评分最大的质差因子确定为影响业务质量的最差因子。

Images