CN108076197A - 一种终端网络性能劣化的检测方法和装置 - Google Patents
一种终端网络性能劣化的检测方法和装置 Download PDFInfo
- Publication number
- CN108076197A CN108076197A CN201611001316.8A CN201611001316A CN108076197A CN 108076197 A CN108076197 A CN 108076197A CN 201611001316 A CN201611001316 A CN 201611001316A CN 108076197 A CN108076197 A CN 108076197A
- Authority
- CN
- China
- Prior art keywords
- network index
- network
- impact factor
- deterioration
- cluster
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/24—Arrangements for testing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Telephonic Communication Services (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种终端网络性能劣化的检测方法,包括:获取不同影响因子下的网络指标数据,对所述网络指标数据进行归一化处理;针对归一化处理后的网络指标数据,运用Kmeans算法确定所述网络指标数据的聚类结果,根据所述聚类结果查找符合业务分析需求的网络指标作为劣化网络指标;确定所述劣化网络指标对应的影响因子,判断所述影响因子是否符合设定条件,符合所述设定条件则确定所述影响因子与所述终端网络性能劣化相关。本发明还公开了一种终端网络性能劣化的检测装置。
Description
技术领域
本发明涉及业务支撑技术,尤其涉及一种终端网络性能劣化的检测方法和装置。
背景技术
随着第四代(4G)移动通信技术用户增长迅速,智能化终端应用众多,对4G终端的功能和性能要求更高。当前不同品牌不同型号的多模多频终端涌现。但终端品质存在良莠不齐,严重影响客户感知,必须加强终端质量测试。
现有的4G终端质量测试主要分为两个环节,一是上市前质检,由终端设备制造商的专业化测试团队,采用高档自动化测试仪表,严格按照质量检测流程进行测试;二是上市后优化,主要通过用户投诉以及服务网点返修。第一个环节为必备环节,主要由终端设备制造商负责。第二个环节,由用户、终端设备制造商以及运营商共同参与,存在发现问题复杂多样、难以准确定位,解决问题的流程和周期非常长的问题。
运营商为解决终端品质、终端与网络配合问题,也采取了一些措施,具体包括:购买样机进行拨打测试和路测,分析评估端到端性能,以及通过网络性能指标对比观察不同品牌不同型号的终端的差异等。
由于4G网络接口及业务信令复杂,依靠传统的分析方法难以从海量数据中快速提取有用的价值数据,难以准确发现终端自身问题,难以全面、准确评估终端与网络、业务之间匹配相关性,无法实现通过匹配分析来主动指导终端测试、市场营销和客户服务工作,具体表现为:
1、采用传统人工测试的方法分析端到端性能,存在覆盖不全、效率低、人工成本高的问题,难以满足终端品质快速定位的需要;
2、采用传统终端测试方法,存在片面性,终端、网络、业务之间的匹配分析不全面,拨测方式为样本数据,很难代表所有在网终端的性能。
发明内容
有鉴于此,本发明实施例期望提供一种终端网络性能劣化的检测方法和装置,能够在无需太多人工辅助分析的情况下快速得到网络指标劣化的终端并确定劣化的原因。
为达到上述目的,本发明的技术方案是这样实现的:
本发明实施例提供了一种终端网络性能劣化的检测方法,所述方法包括:
获取不同影响因子下的网络指标数据,对所述网络指标数据进行归一化处理;
针对归一化处理后的网络指标数据,运用Kmeans算法确定所述网络指标数据的聚类结果,根据所述聚类结果查找符合业务分析需求的网络指标作为劣化网络指标;
确定所述劣化网络指标对应的影响因子,判断所述影响因子是否符合设定条件,符合所述设定条件则确定所述影响因子与所述终端网络性能劣化相关。
上述方案中,所述运用Kmeans算法确定所述网络指标数据的聚类结果,根据所述聚类结果查找符合业务分析需求的网络指标作为劣化网络指标,包括:
确定网络指标种类的个数作为所述Kmeans算法的维度个数K,设定聚类中心数m,获得K个维度的m个聚类中心的聚类结果;
根据所述聚类结果,确定每个聚类中各个网络指标向量与聚类中心向量的差值,并计算各差值的绝对值的均值;
查找是否存在符合业务分析需求的网络指标,存在时确定所述网络指标为所述劣化网络指标,不存在时在所述m个聚类中心添加新聚类中心,形成新的所述聚类中心,基于新的聚类中心重新计算聚类结果,并查找符合业务分析需求的网络指标,直至每个聚类中均无所述劣化网络指标。
上述方案中,所述符合业务分析需求,包括:所述网络指标数据的最大值与最小值的差值小于第一设定值且所述差值的绝对值大于或小于第二设定值,所述均值小于二分之一的第一设定值且所述均值的绝对值大于或小于第二设定值。
上述方案中,所述影响因子,包括:小区、跟踪区编码TAC、移动管理实体MME、服务网关SGW、业务类型;
所述判断所述影响因子是否符合设定条件,符合所述设定条件则确定所述影响因子与所述终端网络性能劣化相关,包括:
判断各个劣化网络指标对应的影响因子的取值数量与所述影响因子所有取值数量的比值是否小于第三设定值,所述比值小于所述第三设定值时确定所述影响因子与所述终端网络性能劣化相关。
上述方案中,所述根据所述劣化网络指标的向量确定对应的影响因子,包括:
根据数据索引,获得所述劣化网络指标对应的小区、跟踪区编码TAC、移动管理实体MME、服务网关SGW和业务类型。
本发明实施例提供了一种终端网络性能劣化的检测装置,所述装置包括:第一确定模块、第二确定模块、第三确定模块;其中,
所述第一确定模块,用于获取不同影响因子下的网络指标数据,对所述网络指标数据进行归一化处理;
所述第二确定模块,用于针对归一化处理后的网络指标数据,运用Kmeans算法确定所述网络指标数据的聚类结果,根据所述聚类结果查找符合业务分析需求的网络指标作为劣化网络指标;
所述第三确定模块,用于确定所述劣化网络指标对应的影响因子,判断所述影响因子是否符合设定条件,符合所述设定条件则确定所述影响因子与所述终端网络性能劣化相关。
上述方案中,所述第二确定模块,具体用于:确定网络指标种类的个数作为所述Kmeans算法的维度个数K,设定聚类中心数m,获得K个维度的m个聚类中心的聚类结果;
根据所述聚类结果,确定每个聚类中各个网络指标向量与聚类中心向量的差值,并计算各差值的绝对值的均值;
查找是否存在符合业务分析需求的网络指标,存在时确定所述网络指标为所述劣化网络指标,不存在时在所述m个聚类中心添加新聚类中心,形成新的所述聚类中心,基于新的聚类中心重新计算聚类结果,并查找符合业务分析需求的网络指标,直至每个聚类中均无所述劣化网络指标。
上述方案中,所述符合业务分析需求,包括:所述网络指标数据的最大值与最小值的差值小于第一设定值且所述差值的绝对值大于或小于第二设定值时,所述均值小于二分之一的第一设定值且所述均值的绝对值大于或小于第二设定值。
上述方案中,所述影响因子,包括:小区、跟踪区编码TAC、移动管理实体MME、服务网关SGW、业务类型;
所述第三确定模块,具体用于:判断各个劣化网络指标对应的影响因子的取值数量与所述影响因子所有取值数量的比值是否小于第三设定值,所述比值小于所述第三设定值时确定所述影响因子与所述终端网络性能劣化相关。
上述方案中,所述第三确定模块,还用于根据数据索引,获得所述劣化网络指标对应的小区、跟踪区编码TAC、移动管理实体MME、服务网关SGW和业务类型。
与现有技术相比,本发明提供的终端网络性能劣化的检测方法和装置,获取不同影响因子下的网络指标数据,对所述网络指标数据进行归一化处理;针对归一化处理后的网络指标数据,运用Kmeans算法确定所述网络指标数据的聚类结果,根据所述聚类结果查找符合业务分析需求的网络指标作为劣化网络指标;确定所述劣化网络指标对应的影响因子,判断所述影响因子是否符合设定条件,符合所述设定条件则确定所述影响因子与所述终端网络性能劣化相关。本发明实施例提供的方法和装置,根据小区、TAC、MME、SGW、业务类型等多个影响因子下的多个网络指标的数据进行分析,无需太多人工辅助分析的情况下,可以确定劣化终端的影响因子、确定网络指标劣化的终端品牌型号,提高了问题定位的效率。
附图说明
图1为本发明实施例提供的终端网络性能劣化的检测方法流程示意图;
图2为本发明实施例提供的终端网络性能劣化的检测装置结构示意图。
具体实施方式
本发明实施例中,获取不同影响因子下的网络指标数据,对所述网络指标数据进行归一化处理;针对归一化处理后的网络指标数据,运用Kmeans算法确定所述网络指标数据的聚类结果,根据所述聚类结果查找符合业务分析需求的网络指标作为劣化网络指标;确定所述劣化网络指标对应的影响因子,判断所述影响因子是否符合设定条件,符合所述设定条件则确定所述影响因子与所述终端网络性能劣化相关。
下面结合实施例对本发明再作进一步详细的说明。
图1为本发明实施例提供的终端网络性能劣化的检测方法流程示意图;如图1所示,所述终端网络性能劣化的检测方法,包括:
步骤101:获取不同影响因子下的网络指标数据,对所述网络指标数据进行归一化处理;
具体地,获得任一品牌型号的终端的数据记录,根据所述数据记录计算获得不同影响因子下的网络指标数据,对所述网络指标数据进行归一化处理。
这里,所述数据记录为基于数据包的深度检测技术(DPI,Deep PacketInspection)获得的一定时间范围内的任一业务类型的数据记录(XDR,X DataRecording)。
XDR是呼叫数据记录(CDR,Call Detail Record)概念的扩展,一般泛指对移动网络、承载网络中数据流量的关键信息记录,即流量日志,以用户会话为单位,一个会话形成一条XDR记录。
XDR包含了时间、用户的通信号码、终端的品牌型号、业务时间、小区、跟踪区编码(TAC,Tracking Area Code)、移动管理实体(MME,Mobility Management Entity)、服务网关(SGW,Serving GateWay)、业务类型、会话过程(包括网络附着成功或失败等信息)。
所述网络指标数据由一定时间范围例如15分钟内的XDR计算得到。例如,会话成功的XDR数量除以所有XDR数量,同时每个网络指标数据保留小区、TAC、MME、SGW、业务类型等维度信息。
所述业务类型,包括:即时通信、微博、导航、视频、音乐、应用商店、游戏、支付、动漫、邮箱等。针对每个业务类型可以分别统计网络指标,例如:附着建立、承载建立、超文本传输协议(HTTP,HyperText Transfer Protocol)连接建立、传输控制协议(TCP,Transmission Control Protocol)连接建立和域名系统(DNS,Domain Name System)响应的成功率及时延,以及下载速率等指标。
所述时间,包括:开始时间和结束时间,可以根据所述业务时间确定业务时长。
根据所述时间可以获取一定时间范围例如5分钟内的数据记录,针对此数据记录计算获得不同影响因子下的网络指标数据。所述影响因子,可以包括小区、TAC、MME、SGW、业务类型等。
终端的品牌型号可以作为标识,针对某一品牌型号的终端进行网络性能劣化检测。
所述归一化处理,指将原始数据均转换为无量纲化指标测评值,即各网络指标的值都处于同一个数量级别上,从而可以进行综合测评分析。例如,本发明实施例中,对于时延类的网络指标和速率类的网络指标的数据进行归一化处理,使其都处于[0,1]范围内。如下表1所示,表1为网络指标数据的名称和变量的对应表,所述网络指标数据,包括但不限于以下:附着建立成功率、附着建立时延、承载建立成功率、承载建立时延、跟踪区更新成功率、HTTP连接建立成功率、HTTP连接建立时延、TCP连接建立成功率、TCP连接建立时延、DNS响应成功率、DNS响应时延、500KB以上数据包下载速率等网络指标数据。
网络指标数据的名称 | 变量 |
附着建立成功率 | P1 |
附着建立时延 | P2 |
承载建立成功率 | P3 |
承载建立时延 | P4 |
跟踪区更新成功率 | P5 |
HTTP连接建立成功率 | P6 |
HTTP连接建立时延 | P7 |
TCP连接建立成功率 | P8 |
TCP连接建立时延 | P9 |
DNS响应成功率 | P10 |
DNS响应时延 | P11 |
500KB以上数据包下载速率 | P12 |
表1
步骤102:针对归一化处理后的网络指标数据,运用Kmeans算法确定所述网络指标数据的聚类结果,根据所述聚类结果查找符合业务分析需求的网络指标作为劣化网络指标;
具体地,所述运用Kmeans算法确定所述网络指标数据的聚类结果,根据所述聚类结果查找符合业务分析需求的网络指标作为劣化网络指标,包括:
确定网络指标种类的个数作为所述Kmeans算法的维度个数K,设定聚类中心数m,获得K个维度的m个聚类中心的聚类结果;
根据所述聚类结果,确定每个聚类中各个网络指标向量与聚类中心向量的差值,并计算各差值的绝对值的均值;
查找是否存在符合业务分析需求的网络指标,存在时确定所述网络指标为所述劣化网络指标,不存在时在所述m个聚类中心添加新聚类中心,形成新的聚类中心,基于新的聚类中心重新计算聚类结果,并查找符合业务分析需求的网络指标,直至每个聚类中均无所述劣化网络指标。
这里,确定的所述维度个数K即网络指标种类的个数,m、K均为自然数;对每个品牌类型的终端进行聚类分析计算,获得K个维度的m个聚类中心的聚类结果Kmeans(X,m),其中,X=[Pi1,Pi2,…,PiK],i为某一品牌型号的第i个终端,PiK为第i个终端的第K个网络指标的数据;
确定每个聚类的每个网络指标向量与聚类中心向量的差值后,确定各所述差值的绝对值的均值式中,L为当前聚类的网络指标向量的个数,L为自然数;Pc为聚类中心向量,k为网络指标向量中的一个元素,共K个元素。
这里,所述符合业务分析需求,包括:
所述网络指标数据的最大值与最小值的差值小于第一设定值(记作Th1)、所述差值的绝对值大于或小于第二设定值(记作Th2)时,所述均值小于二分之一的第一设定值即Y<Th1/2,且所述均值Y的绝对值大于或小于第二设定值。
这里,所述第一设定值可以为5%;所述第二设定值可以为8%。
需要说明的是,步骤102中,查找是否每个聚类都存在至少一个符合业务分析需求的网络指标,存在则记录该网络指标作为劣化网络指标,并重新增加聚类中心个数m,即m=m+1并重新进行Kmeans计算,直至每个聚类中均没有符合业务分析需求的网络指标。若聚类中均没有符合业务分析需求的网络指标,则认为终端无异常。通过上述方法,可以发现所有符合业务分析需求的劣化网络指标。
步骤103、确定所述劣化网络指标对应的影响因子,判断所述影响因子是否符合设定条件,符合所述设定条件则确定所述影响因子与所述终端网络性能劣化相关;
具体地,所述影响因子,包括:小区、TAC、MME、SGW、业务类型;所述确定所述劣化网络指标对应的影响因子,包括:
根据数据索引,获得所述劣化网络指标对应的小区、TAC、MME、SGW和业务类型。
所述判断所述影响因子是否符合设定条件,符合所述设定条件则确定所述影响因子与所述终端网络性能劣化相关,包括:
判断各个劣化网络指标对应的影响因子的取值数量与所述影响因子所有取值数量的比值是否小于第三设定值(记作Th3),所述比值小于所述第三设定值则确定所述影响因子与所述终端网络性能劣化相关。
这里,所述第三设定值可以为90%。
举例来说,确定10个劣化网络指标后,根据数据索引分别确定所述劣化网络指标对应的小区、TAC、MME、SGW和业务类型;以MME为例,假设MME可以取5个不同值,10个劣化网络指标对应的MME的取值分别取不同的5个值,即Th3大于90%,则认为终端网络性能劣化与MME无关,若MME的取值个数为1/2/3/4个,Th3小于90%,则认为终端网络性能劣化与MME相关。如此,可判断劣化网络指标与哪些网元、业务类型等相关。
本发明实施例提供一种运用Kmeans算法计算网络指标数据的聚类结果的方法,具体过程如下:
其中,n为任一品牌型号的终端数量,K为Kmeans算法的维度,所述维度即为网络指标种类的个数,K为自然数,以表1为例,K=12;m为聚类中心个数,m为自然数,由于Kmeans算法必须指定聚类中心个数,如可以先设定聚类中心个数m的初始值为3。
对每一个品牌型号的终端,经过Kmeans计算获得K个维度的m个聚类中心的聚类结果Kmeans(X,m),X=[Pi1,Pi2,…,PiK],PiK为第i个终端的第K个网络指标的数据。
图2为本发明实施例提供的一种终端网络性能劣化的检测装置结构示意图,如图2所示,所述检测装置,包括:第一确定模块211、第二确定模块212、第三确定模块213;其中,
所述第一确定模块211,用于获取不同影响因子下的网络指标数据,对所述网络指标数据进行归一化处理;
所述第二确定模块212,用于针对归一化处理后的网络指标数据,运用Kmeans算法确定所述网络指标数据的聚类结果,根据所述聚类结果查找符合业务分析需求的网络指标作为劣化网络指标;
所述第三确定模块213,用于确定所述劣化网络指标对应的影响因子,判断所述影响因子是否符合设定条件,符合所述设定条件则确定所述影响因子与所述终端网络性能劣化相关。
具体地,所述第二确定模块212,具体用于:确定网络指标种类的个数作为所述Kmeans算法的维度个数K,设定聚类中心数m,获得K个维度的m个聚类中心的聚类结果;
根据所述聚类结果,确定每个聚类中各个网络指标向量与聚类中心向量的差值,并计算各差值的绝对值的均值;
查找是否存在符合业务分析需求的网络指标,存在时确定所述网络指标为所述劣化网络指标,不存在时在所述m个聚类中心添加新聚类中心,形成新的所述聚类中心,基于新的聚类中心重新计算聚类结果,并查找符合业务分析需求的网络指标,直至每个聚类中均无所述劣化网络指标。
具体地,所述符合业务分析需求,包括:所述网络指标数据的最大值与最小值的差值小于第一设定值、所述差值的绝对值大于或小于第二设定值时,所述均值小于二分之一的第一设定值且所述均值的绝对值大于或小于第二设定值。
具体地,所述影响因子,包括:小区、TAC、MME、SGW、业务类型;
所述业务类型,包括:即时通信、微博、导航、视频、音乐、应用商店、游戏、支付、动漫、邮箱等。
所述第三确定模块213,具体用于根据数据索引,获得所述劣化网络指标对应的小区、TAC、MME、SGW和业务类型。
所述第三确定模块213,具体还用于:判断各个劣化网络指标对应的影响因子的取值数量与所述影响因子所有取值数量的比值是否小于第三设定值,所述比值小于所述第三设定值则确定所述影响因子与所述终端网络性能劣化相关。
这里,所述第一设定值可以为5%;所述第二设定值可以为8%,所述第三设定值可以为90%。
本发明实施例提供的装置,基于终端的小区、TAC、MME、SGW、业务类型多个影响因子下的多个网络指标数据,通过聚类算法和符合业务分析需求的网络指标的判断方法,确定终端对应的劣化网络指标、小区、TAC、MME、SGW、业务类型等信息,获得各个劣化网络指标对应的影响因子的取值数量与所述影响因子所有取值数量的比值,判断此品牌型号的终端对应网络指标劣化的定位情况,即可确定与终端网络性能劣化相关的影响因子。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围,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)
1.一种终端网络性能劣化的检测方法,其特征在于,所述方法包括:
获取不同影响因子下的网络指标数据,对所述网络指标数据进行归一化处理;
针对归一化处理后的网络指标数据,运用Kmeans算法确定所述网络指标数据的聚类结果,根据所述聚类结果查找符合业务分析需求的网络指标作为劣化网络指标;
确定所述劣化网络指标对应的影响因子,判断所述影响因子是否符合设定条件,符合所述设定条件则确定所述影响因子与所述终端网络性能劣化相关。
2.根据权利要求1所述的方法,其特征在于,所述运用Kmeans算法确定所述网络指标数据的聚类结果,根据所述聚类结果查找符合业务分析需求的网络指标作为劣化网络指标,包括:
确定网络指标种类的个数作为所述Kmeans算法的维度个数K,设定聚类中心数m,获得K个维度的m个聚类中心的聚类结果;
根据所述聚类结果,确定每个聚类中各个网络指标向量与聚类中心向量的差值,并计算各差值的绝对值的均值;
查找是否存在符合业务分析需求的网络指标,存在时确定所述网络指标为所述劣化网络指标,不存在时在所述m个聚类中心添加新聚类中心,形成新的所述聚类中心,基于新的聚类中心重新计算聚类结果,并查找符合业务分析需求的网络指标,直至每个聚类中均无所述劣化网络指标。
3.根据权利要求2所述的方法,其特征在于,所述符合业务分析需求,包括:所述网络指标数据的最大值与最小值的差值小于第一设定值且所述差值的绝对值大于或小于第二设定值,所述均值小于二分之一的第一设定值且所述均值的绝对值大于或小于第二设定值。
4.根据权利要求3所述的方法,其特征在于,所述影响因子,包括:小区、跟踪区编码TAC、移动管理实体MME、服务网关SGW、业务类型;
所述判断所述影响因子是否符合设定条件,符合所述设定条件则确定所述影响因子与所述终端网络性能劣化相关,包括:
判断各个劣化网络指标对应的影响因子的取值数量与所述影响因子所有取值数量的比值是否小于第三设定值,所述比值小于所述第三设定值时确定所述影响因子与所述终端网络性能劣化相关。
5.根据权利要求4所述的方法,其特征在于,所述根据所述劣化网络指标的向量确定对应的影响因子,包括:
根据数据索引,获得所述劣化网络指标对应的小区、跟踪区编码TAC、移动管理实体MME、服务网关SGW和业务类型。
6.一种终端网络性能劣化的检测装置,其特征在于,所述装置包括:第一确定模块、第二确定模块、第三确定模块;其中,
所述第一确定模块,用于获取不同影响因子下的网络指标数据,对所述网络指标数据进行归一化处理;
所述第二确定模块,用于针对归一化处理后的网络指标数据,运用Kmeans算法确定所述网络指标数据的聚类结果,根据所述聚类结果查找符合业务分析需求的网络指标作为劣化网络指标;
所述第三确定模块,用于确定所述劣化网络指标对应的影响因子,判断所述影响因子是否符合设定条件,符合所述设定条件则确定所述影响因子与所述终端网络性能劣化相关。
7.根据权利要求6所述的装置,其特征在于,所述第二确定模块,具体用于:确定网络指标种类的个数作为所述Kmeans算法的维度个数K,设定聚类中心数m,获得K个维度的m个聚类中心的聚类结果;
根据所述聚类结果,确定每个聚类中各个网络指标向量与聚类中心向量的差值,并计算各差值的绝对值的均值;
查找是否存在符合业务分析需求的网络指标,存在时确定所述网络指标为所述劣化网络指标,不存在时在所述m个聚类中心添加新聚类中心,形成新的所述聚类中心,基于新的聚类中心重新计算聚类结果,并查找符合业务分析需求的网络指标,直至每个聚类中均无所述劣化网络指标。
8.根据权利要求7所述的装置,其特征在于,所述符合业务分析需求,包括:所述网络指标数据的最大值与最小值的差值小于第一设定值且所述差值的绝对值大于或小于第二设定值时,所述均值小于二分之一的第一设定值且所述均值的绝对值大于或小于第二设定值。
9.根据权利要求7所述的装置,其特征在于,所述影响因子,包括:小区、跟踪区编码TAC、移动管理实体MME、服务网关SGW、业务类型;
所述第三确定模块,具体用于:判断各个劣化网络指标对应的影响因子的取值数量与所述影响因子所有取值数量的比值是否小于第三设定值,所述比值小于所述第三设定值时确定所述影响因子与所述终端网络性能劣化相关。
10.根据权利要求9所述的装置,其特征在于,所述第三确定模块,还用于根据数据索引,获得所述劣化网络指标对应的小区、跟踪区编码TAC、移动管理实体MME、服务网关SGW和业务类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611001316.8A CN108076197B (zh) | 2016-11-14 | 2016-11-14 | 一种终端网络性能劣化的检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611001316.8A CN108076197B (zh) | 2016-11-14 | 2016-11-14 | 一种终端网络性能劣化的检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108076197A true CN108076197A (zh) | 2018-05-25 |
CN108076197B CN108076197B (zh) | 2020-10-30 |
Family
ID=62162165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611001316.8A Active CN108076197B (zh) | 2016-11-14 | 2016-11-14 | 一种终端网络性能劣化的检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108076197B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109922493A (zh) * | 2019-03-01 | 2019-06-21 | 致讯科技(天津)有限公司 | 一种网络劣化诊断方法 |
CN110837841A (zh) * | 2018-08-17 | 2020-02-25 | 北京亿阳信通科技有限公司 | 一种基于随机森林的kpi劣化根因识别方法和装置 |
CN111818561A (zh) * | 2019-04-11 | 2020-10-23 | 中国移动通信集团福建有限公司 | 数据动态监测方法、装置及电子设备 |
CN115250461A (zh) * | 2021-04-28 | 2022-10-28 | 中国移动通信集团湖南有限公司 | 一种物联网终端的用户管理方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100284293A1 (en) * | 2007-12-28 | 2010-11-11 | Nec Corporation | Communication network quality analysis system, quality analysis device, quality analysis method, and program |
CN104640138A (zh) * | 2013-11-13 | 2015-05-20 | 中国移动通信集团广东有限公司 | 一种定位问题终端的方法及装置 |
CN105554800A (zh) * | 2015-12-11 | 2016-05-04 | 中国联合网络通信集团有限公司 | 一种终端网络性能的评估方法及装置 |
CN105873105A (zh) * | 2016-04-22 | 2016-08-17 | 中国科学技术大学 | 一种基于网络体验质量的移动通信网异常检测和定位方法 |
-
2016
- 2016-11-14 CN CN201611001316.8A patent/CN108076197B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100284293A1 (en) * | 2007-12-28 | 2010-11-11 | Nec Corporation | Communication network quality analysis system, quality analysis device, quality analysis method, and program |
CN104640138A (zh) * | 2013-11-13 | 2015-05-20 | 中国移动通信集团广东有限公司 | 一种定位问题终端的方法及装置 |
CN105554800A (zh) * | 2015-12-11 | 2016-05-04 | 中国联合网络通信集团有限公司 | 一种终端网络性能的评估方法及装置 |
CN105873105A (zh) * | 2016-04-22 | 2016-08-17 | 中国科学技术大学 | 一种基于网络体验质量的移动通信网异常检测和定位方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110837841A (zh) * | 2018-08-17 | 2020-02-25 | 北京亿阳信通科技有限公司 | 一种基于随机森林的kpi劣化根因识别方法和装置 |
CN110837841B (zh) * | 2018-08-17 | 2024-05-21 | 北京亿阳信通科技有限公司 | 一种基于随机森林的kpi劣化根因识别方法和装置 |
CN109922493A (zh) * | 2019-03-01 | 2019-06-21 | 致讯科技(天津)有限公司 | 一种网络劣化诊断方法 |
CN111818561A (zh) * | 2019-04-11 | 2020-10-23 | 中国移动通信集团福建有限公司 | 数据动态监测方法、装置及电子设备 |
CN111818561B (zh) * | 2019-04-11 | 2022-07-01 | 中国移动通信集团福建有限公司 | 数据动态监测方法、装置及电子设备 |
CN115250461A (zh) * | 2021-04-28 | 2022-10-28 | 中国移动通信集团湖南有限公司 | 一种物联网终端的用户管理方法、装置及电子设备 |
CN115250461B (zh) * | 2021-04-28 | 2023-08-15 | 中国移动通信集团湖南有限公司 | 一种物联网终端的用户管理方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108076197B (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108076197A (zh) | 一种终端网络性能劣化的检测方法和装置 | |
CN107920362B (zh) | 一种基于微区域的lte网络性能评估方法 | |
CN104396188B (zh) | 用于对移动网络性能问题进行根本原因分析的系统和方法 | |
CN109391513B (zh) | 一种基于大数据的网络感知智能预警与提升方法 | |
CN108667747A (zh) | 网络流应用类型识别的方法、装置及计算机可读存储介质 | |
CN107154859A (zh) | 智能电器配网测试方法、系统和控制终端 | |
CN105847310A (zh) | 一种确定位置的方法及装置 | |
CN109743743A (zh) | 网络性能的栅格化监测方法、电子设备、存储介质及系统 | |
CN103731850A (zh) | 一种基于移动智能终端的无线网络测试方法 | |
CN104427547B (zh) | 业务和网络关联测试方法、装置及系统 | |
CN103731851A (zh) | 网络性能测评的方法和装置 | |
CN104640138B (zh) | 一种定位问题终端的方法及装置 | |
CN103841276A (zh) | 一种基于智能手机平台进行语音质量评估的方法 | |
CN106535240A (zh) | 基于云平台的移动app集中性能分析方法 | |
CN107612769B (zh) | 一种测试路由器无线传输速率的方法及系统 | |
US11558769B2 (en) | Estimating apparatus, system, method, and computer-readable medium, and learning apparatus, method, and computer-readable medium | |
CN108512816A (zh) | 一种流量劫持的检测方法及装置 | |
CN103957531B (zh) | 采用智能通信终端进行信号测试的方法和装置 | |
CN106411600A (zh) | 一种测试设备及方法 | |
CN114048199A (zh) | 5g套餐潜在用户的识别方法、装置、设备及存储介质 | |
CN107995650B (zh) | 获取邻区小区标识的方法及装置 | |
CN105430142B (zh) | 接入点参数的检测方法、系统及移动终端 | |
CN109474940B (zh) | 业务质量检测方法及装置 | |
CN102595467A (zh) | 一种数据采集方法和设备 | |
Yildirim et al. | A statistical comparative performance analysis of mobile network operators |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |