CN109391513B - 一种基于大数据的网络感知智能预警与提升方法 - Google Patents

一种基于大数据的网络感知智能预警与提升方法 Download PDF

Info

Publication number
CN109391513B
CN109391513B CN201811184285.3A CN201811184285A CN109391513B CN 109391513 B CN109391513 B CN 109391513B CN 201811184285 A CN201811184285 A CN 201811184285A CN 109391513 B CN109391513 B CN 109391513B
Authority
CN
China
Prior art keywords
score
success rate
user
delay
users
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.)
Active
Application number
CN201811184285.3A
Other languages
English (en)
Other versions
CN109391513A (zh
Inventor
郑惠之
白彪玉
高旭林
杨方
何磊
黄成龙
吕大洋
刘亚振
杨立
张红玉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Hairun Communication Technology Co ltd
Original Assignee
Xi'an Hairun Communication Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xi'an Hairun Communication Technology Co ltd filed Critical Xi'an Hairun Communication Technology Co ltd
Priority to CN201811184285.3A priority Critical patent/CN109391513B/zh
Publication of CN109391513A publication Critical patent/CN109391513A/zh
Application granted granted Critical
Publication of CN109391513B publication Critical patent/CN109391513B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/091—Measuring contribution of individual network components to actual service level
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/12—Arrangements for detecting or preventing errors in the information received by using return channel
    • H04L1/16—Arrangements for detecting or preventing errors in the information received by using return channel in which the return channel carries supervisory signals, e.g. repetition request signals
    • H04L1/1607—Details of the supervisory signal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5061—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the interaction between service providers and their network customers, e.g. customer relationship management
    • H04L41/5064—Customer relationship management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5061—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the interaction between service providers and their network customers, e.g. customer relationship management
    • H04L41/507—Filtering out customers affected by service problems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0852—Delays
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/14—Session management
    • H04L67/141—Setup of application sessions

Abstract

本发明公开了一种基于大数据的网络感知智能预警与提升方法，具体为：首先，对源数据进行分类，根据影响程度对网络质量、业务感知、投诉溯源、终端适配、用户行为五个用户感知指标设定评分比例，得到上网满意度分值，再将用户上网数据依次经过attach、pdn、tau、dns解析、tcp三次握手建链、HTTP请求/响应、sp响应/传输七段过程，找出影响上网满意度分值低的原因，判断其属于七段过程中的具体过程；最后，通过分段定界，将问题聚类到无线侧、核心网侧、终端侧、内容侧，针对问题进行相应的处理。该方法数据分析全面，能获取用户的真实感知，提高了网络指标好坏与用户真实感知之间关联性，提升了4G上网客户满意度。

Description

一种基于大数据的网络感知智能预警与提升方法
技术领域
本发明属于移动通信网络技术领域，具体涉及一种基于大数据的网络感知智能预警与提升方法。
背景技术
三大运营商相继推出了“不限量”套餐，在网络规模增速放缓的情况下，“不限量”套餐的大量推出，随之而来的将是4G网络的不堪重负，某省移动4G用户流量以年140％的增幅迅猛增加，4G用户上网体验难以得到全面保障，4G手机上网满意度工作面临严峻挑战。
第一，网络指标好不等于用户满意度好；
传统的网络指标好坏与用户真实感知之间没有关联性，据调查，某省MR覆盖率、网页浏览成功率指标均好于全国平均水平，其中MR覆盖率好于全国均值2.51pp，全国排名第3；网页浏览成功率好于全国均值2.03pp，全国排名第8。而在4G客户满意度调查中，该省得分较低，从2016年第一期至2017年第一期该省在全国排名靠后。
第二，现有优化方法的主要内容；
现有优化方法主要包括4G网络无线侧、4G网络内容侧两个维度的优化，其中4G网络无线侧主要关注组成网络的的小区(蜂窝网)的覆盖、容量、质量、性能、故障，4G网络内容侧主要关注内容源的资源分布、质差指标、质差分布、质差域名、质差IP。
网络无线侧优化主要内容是，传统优化的对象是构成蜂窝网的无线小区，无线小区的分析基于话务网管指标，分析的维度主要有5个：覆盖、容量、质量、性能、故障，目前无线小区的优化方法采用九步法，告警排查：排查影响业务的基站告警；干扰排查：通过100PRB指标判断有无干扰，并进一步分析干扰类型(系统内干扰、系统外干扰)等；参数排查：核查小区接入参数、功控参数、邻区参数、互操作参数、功能参数、状态参数等；覆盖排查：通过路测数据、MR数据判断无线小区的信号强度、下行干扰水平，梳理覆盖忙点、弱覆盖等问题；资源排查：用过上下行PRB利用率、E-RAB流量、RRC有效连接数、CCE利用率判断无线小区的忙闲程度，梳理载波扩容、硬件改造、硬件扩容、新站点规划等问题；Counter统计：通过接通率、掉线率、切换成功率判定无线小区的保接入性能、保持性能、移动性能，梳理低接入、高掉线、低切换成功无线小区；邻区核查：针对第6点分析出的低接入、高掉线、低切换成功小区，分析服务小区是否存在邻区漏配、冗余等问题；两两邻区对分析：针对第6点分析出的低切换成功小区，分析服务小区与每个邻小区的切换指标，梳理异常切换的邻区对，排查该邻区对的相关参数等问题；病例库：进入病例库，长期跟踪排查。
而传统优化存在的问题是，首先，优化对象为构成网络的无线小区，而非具体的上网用户；其次，分析数据单一，话务网管指标主要是无线小区的KPI，上网用户的感知指标较少；第三分析流程长、效率低，接到上网用户投诉后，无法确定用户投诉的真实原因，而是从无线小区的网络质量着手分析；最后，从上网流程来看，传统优化只分析了控制面(即接入网)部分，用户面部分未涉及，分析内容有局限性。
网络内容侧优化的提升感知五步法为布探测、定内容、全对标、找差距和保领先；该传统优化在提升用户满意度方面存在的问题是，首先，面向网络，重点改善小区KPI指标；其次，难以获取和评价用户真实上网感知，难以针对性提升4G客户群上网感知；第三，数据分析单一，只负责话务网管指标分析，最后，跨部门、跨专业协同不足。
发明内容
本发明的目的是提供一种基于大数据的网络感知智能预警与提升方法解决了现有网络指标与用户真实感知之间关联性差的问题。
本发明所采用的技术方案是，一种基于大数据的网络感知智能预警与提升方法，具体按照以下步骤实施：
步骤1，对源数据进行分类；
步骤2，经步骤1后，采集S1-MME、S1U-HTTP、S1U-DNS三个接口的XDR信令数据，根据信令字段设计用户感知指标，即网络质量、业务感知、投诉溯源、终端适配和用户行为五个用户感知指标，之后根据影响程度对网络质量、业务感知、投诉溯源、终端适配、用户行为五个用户感知指标设定评分比例，得到上网满意度分值，如式(1)所示；
上网满意度分值＝网络质量*22％+业务感知*33％+投诉溯源*10％+终端适配*10％+用户行为*25％； (1)；
步骤3，将用户上网数据依次经过attach、pdn、tau、dns解析、tcp三次握手建链、HTTP请求/响应、sp响应/传输七段过程，根据步骤2中设计的46个指标对以上七段过程进行量化评估；
步骤4，将上网满意度分值低于8分的用户指标找到后，找出影响上网满意度分值低的原因，判断其属于步骤3中七段过程中的具体过程；
步骤5，经步骤4后，通过分段定界，将问题聚类到无线侧、核心网侧、终端侧、内容侧，之后针对问题进行相应的处理。
本发明的特点还在于，
步骤1中，具体步骤如下：
步骤1.1，提取经分数据中的高价值用户、高带宽用户、投诉预防用户、手机上网满意度预测用户；
提取标准为：当用户4G流量大于2GB且ARPU大于60元时，则属于高价值用户；
当XDR业务类型为游戏、音乐、视频、P2P、网盘云服务时，则属于高宽带用户；
当本月2/3/4G总流量大于50MB且上个月2/3/4G总流量大于100MB，且环比小于0％；同时，当本月2G流量大于100MB，上个月2G流量大于50MB且环比大于100％，当本月4G流量大于0MB，上个月4G流量大于30MB且环比流量小于0％，当本月4G驻留比小于95％，上个月4G驻留比小于95％且环比小于0％，则属于投诉预防用户；
当用户移动网龄大于等于5个月且用户年龄大于等于16岁，同时，4G流量大于0、ARPU大于1000，且用户星级为一星级普通用户、二星级普通用户、三星级普通用户、四星级普通用户、五星级普通用户中的任意一种，则属于手机上网满意度预测用户；
步骤1.2，提取投诉数据中的普通上网投诉用户和高价值上网投诉用户；
将投诉清单中的无法上网的用户、网速慢用户、上网掉线归类为普通上网投诉；
将普通上网投诉中ARPU大于120元且4G DOU大于1G的用户归类为高价值上网投诉用户；
步骤1.3，提取满意度调研数据中的网络质量满意度低用户和手机上网质量满意度低用户；
将网络质量满意度调查中的用户评价小于等于6分的用户归为网络质量满意度低用户；
将手机上网质量满意度调查中用户评价小于等于6分的用户归为为手机上网质量满意度低用户。
步骤2中，网络质量的计算公式，如式(2)所示：
网络质量得分＝MR弱覆盖线性得分*30％+容量高负荷线性得分*30％+高干扰线性得分*15％+无线接通率线性得分*5％+无线掉话率线性得分；*5％+无线切换成功率*5％+4G驻留比*15％ (2)。
步骤2中，业务感知的计算公式，如式(3)所示：
业务感知得分＝Attach时延线性得分*6％+Attach成功率线性得分*6％+寻呼时延线性得分*5％+寻呼成功率*5％+TAU时延线性得分*5％+TAU成功率*5％+TCP建立时延*8％+TCP建立成功率*8％+视频GET响应时延*8％+视频GET响应成功率*8％+网页GET响应时延*8％+网页GET响应成功率*8％+网页下载速率*10％+视频业务下载速率*10％ (3)。
步骤2中，投诉溯源，若是上网用户，则投诉溯源为4分；若是重复投诉用户，则投诉溯源为6分。
步骤2中，终端适配的计算公式，如式(4)所示：
终端适配＝Attach成功率得分+Attach时延得分+Paging成功率得分+Paging时延得分+PDN成功率得分+PDN时延得分+TAU成功率得分+TAU时延得分+业务请求成功率得分+GET成功率得分+HTTP平均下载速率得分+TCP成功率得分+TCP建链成功到第一条事务请求的时延得分+TCP2次握手时延得分+服务器返回4XX错误码个数占比得分+终端接收0窗口数量占比得分+终端接收0窗口时长得分 (4)。
步骤2中，用户行为的计算公式，如式(5)所示：
用户行为＝4G驻留比增值线性得分*40％+DOU增值线性得分*10％+网龄线性得分*30％+是否集团用户*5％+是否农村用户*5％ (5)。
步骤3中，具体为：Attach成功率和Attach时延为attach过程；pdn连接成功率及时延为pdn过程；tac成功率和tau时延为tau过程；dns解析成功率，dns时延为dns过程；tcp建链成功率，TCP建链时延为tcp三次握手建链过程；GET成功率，GET请求时延为http请求及响应过程，网页加载成功率，视频播放成功率，网页加载时延sp性能裂化等为sp响应及传送过程。
步骤5中，将MR弱覆盖、容量高负荷、高干扰、无线接通率、无线掉线率、无线切换成功率的问题汇聚到无线侧；
将附着时延、附着成功率、寻呼时延、寻呼成功率、TAU时延、TAU成功率存在指标异常项，同时排除无线侧问题，汇聚到核心网侧问题；
将Attach成功率得分、Attach时延得分、Paging成功率得分、Paging时延得分、PDN成功率得分、PDN时延得分、TAU成功率得分、TAU时延得分、业务请求成功率得分、GET成功率得分、HTTP平均下载速率得分、TCP成功率得分、TCP建链成功到第一条事务请求的时延得分、TCP2次握手时延得分、服务器返回4XX错误码个数占比得分、终端接收0窗口数量占比得分、终端接收0窗口时长得分共计17项指标，其中将涉及指标异常判定为终端侧；
将视频GET响应时延，网页GET响应时延，网页GET响应成功率，视频GET响应成功率类问题，同时排除无线侧、核心侧、终端侧原因，聚焦为内容侧。
本发明的有益效果是，
该方法数据分析全面，优化方法较好，能获取用户的真实感知，提高了网络指标好坏与用户真实感知之间关联性，提升了4G上网客户满意度，经济效益显著提高。
附图说明
图1是实施本方法后4G手机上网质量领先度图；
图2是实施本方法后4G手机上网质量领先度排名图；
图3是实施本方法后4G手机上网质量图；
图4是实施本方法后4G手机上网质量排名图；
图5是实施本方法后4G网络质量图；
图6是实施本方法后4G网络质量排名图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种基于大数据的网络感知智能预警与提升方法，具体按照以下步骤实施：
步骤1，对源数据进行分类，具体步骤如下：
步骤1.1，提取经分数据中的高价值用户、高带宽用户、投诉预防用户、手机上网满意度预测用户；
提取标准为：当用户4G流量大于2GB且ARPU大于60元时，则属于高价值用户；
当XDR业务类型为游戏、音乐、视频、P2P、网盘云服务时，则属于高带宽用户；
当本月2/3/4G总流量大于50MB且上个月2/3/4G总流量大于100MB，且环比小于0％；同时，当本月2G流量大于100MB，上个月2G流量大于50MB且环比大于100％，当本月4G流量大于0MB，上个月4G流量大于30MB且环比流量小于0％，当本月4G驻留比小于95％，上个月4G驻留比小于95％且环比小于0％，则属于投诉预防用户；
当用户移动网龄大于等于5个月且用户年龄大于等于16岁，同时，4G流量大于0、ARPU大于1000，且用户星级为一星级普通用户、二星级普通用户、三星级普通用户、四星级普通用户、五星级普通用户中的任意一种，则属于手机上网满意度预测用户；
数据中的高价值用户、高带宽用户、投诉预防用户、手机上网满意度预测用户均可进行重复分类；
步骤1.2，提取投诉数据中的普通上网投诉用户和高价值上网投诉用户；
将投诉清单中的无法上网的用户、网速慢用户、上网掉线归类为普通上网投诉；
将普通上网投诉中ARPU大于120元且4G DOU大于1G的用户归类为高价值上网投诉用户；
投诉数据中的普通上网投诉用户和高价值上网投诉用户均可重复分类；
步骤1.3，提取满意度调研数据中的网络质量满意度低用户和手机上网质量满意度低用户；
将网络质量满意度调查中的用户评价小于等于6分的用户归为网络质量满意度低用户；
其中网络质量满意度主要调查用户对4G网络信号覆盖情况，4G网络信号质量情况；
将手机上网质量满意度调查中用户评价小于等于6分的用户归为手机上网质量满意度低用户；
其中手机上网质量满意度主要调查用户对4G用户上网稳定性和4G用户上网速率；
数据中的网络质量满意度低用户和手机上网质量满意度低用户均可重复分类；
步骤2，经步骤1后，采集S1-MME、S1U-HTTP、S1U-DNS三个接口的XDR信令数据，根据信令字段设计用户感知指标，即网络质量、业务感知、投诉溯源、终端适配和用户行为五个用户感知指标，之后根据影响程度对网络质量、业务感知、投诉溯源、终端适配、用户行为五个用户感知指标设定评分比例，得到上网满意度分值，如式(1)所示；最后将用户上网感知分为优(10分)、良(9分)、中(8分)、差(0～7分)四个等级；
上网满意度分值＝网络质量*22％+业务感知*33％+投诉溯源*10％+终端适配*10％+用户行为*25％； (1)；
其中，网络质量共计有7项指标，每一项指标根据XDR信令计算出来后计算出其线性得分，其中分值按照10分制计算，如式(2)所示：
网络质量得分＝MR弱覆盖线性得分*30％+容量高负荷线性得分*30％+高干扰线性得分*15％+无线接通率线性得分*5％+无线掉话率线性得分；*5％+无线切换成功率*5％+4G驻留比*15％ (2)；
业务感知共计有14项指标，每一项指标根据XDR信令计算出来后计算出其线性得分，其中分值按照10分制计算，如式(3)所示：
业务感知得分＝Attach时延线性得分*6％+Attach成功率线性得分*6％+寻呼时延线性得分*5％+寻呼成功率(％)*5％+TAU时延线性得分*5％+TAU成功率*5％+TCP建立时延(ms)*8％+TCP建立成功率(％)*8％+视频GET响应时延(ms)*8％+视频GET响应成功率(％)*8％+网页GET响应时延(ms)*8％+网页GET响应成功率(％)*8％+网页下载速率*10％+视频业务下载速率*10％
(3)；
投诉溯源共计有2项指标，分别为上网用户和重复投诉用户；
若是上网用户，则投诉溯源为4分；若是重复投诉用户，则投诉溯源为6分；
终端适配共计有17项指标，其计算公式，如式(4)所示：
终端适配＝Attach成功率得分+Attach时延得分+Paging成功率得分+Paging时延得分+PDN成功率得分+PDN时延得分+TAU成功率得分+TAU时延得分+业务请求成功率得分+GET成功率得分+HTTP平均下载速率得分+TCP成功率得分+TCP建链成功到第一条事务请求的时延得分+TCP2次握手时延得分+服务器返回4XX错误码个数占比得分+终端接收0窗口数量占比得分+终端接收0窗口时长得分 (4)；
终端适配的17项指标的具体计算方式为：
Attach成功率的基准值为95％，基准分值为5分；
若Attach成功率高于基准值，则Attach成功率得5分；
若Attach成功率低于基准值，则Attach成功率得分＝Attach成功率*基准分值；
Attach时延的基准值为1000ms，基准分值为5分；
若Attach时延低于基准值，则Attach时延得5分；
若Attach时延高于基准值，则Attach时延得分＝Attach时延的基准值/Attach时延*基准分值；
Paging成功率的基准值为95％，基准分值为5分；
若Paging成功率高于基准值，则Paging成功率得5分；
若Paging成功率低于基准值，则Paging成功率得分＝Paging成功率*基准分值；
Paging时延的基准值为1000ms，基准分值为5分；
若Paging时延低于基准值，则Paging时延得5分；
若Paging时延高于基准值，则Paging时延得分＝Paging时延的基准值/Paging时延*基准分值；
PDN成功率的基准值为95％，基准分值为5分；
若PDN成功率低于基准值，则PDN成功率得5分；
若PDN成功率高于基准值，则PDN成功率得分＝PDN成功率*基准分值；
PDN时延的基准值为800ms，基准分值为5分；
若PDN时延低于基准值，则PDN时延得5分；
若该项指标高于基准值，则PDP时延得分＝PDN时延的基准值/PDN时延*基准分值；
TAU成功率的基准值为95％，基准分值为5分；
若TAU成功率高于基准值，则TAU成功率得5分；
若TAU成功率低于基准值，则TAU成功率得分＝TAU成功率*基准分值；
TAU时延的基准值为500ms，基准分值为5分；
若TAU时延低于基准值，则TAU时延得5分；
若TAU时延高于基准值，则TAU时延得分＝TAU时延的基准值/TAU时延*基准分值；
业务请求成功率的基准值95％，基准分值为10分；
若业务请求成功率高于基准值，则业务请求成功率得10分；
若业务请求成功率低于基准值，则业务请求成功率得分＝业务请求成功率*基准分值；
GET成功率的基准值95％，基准分值为6分；
若GET成功率高于基准值，则GET成功率得6分；
若GET成功率低于基准值，则GET成功率得分＝GET成功率*基准分值；
HTTP平均下载速率的基准值为300kpbs，基准分值为6分；
若HTTP平均下载速率高于基准值，则HTTP平均下载速率得6分；
若HTTP平均下载速率低于基准值，则HTTP平均下载速率得分＝(HTTP平均下载速率/HTTP平均下载速率的基准值)*基准分值；
TCP成功率的基准值为95％，基准分值为6分；
若TCP成功率高于基准值，则TCP成功率得6分；
若TCP成功率低于基准值，则TCP成功率得分＝TCP成功率*基准分值；
TCP建链成功到第一条事务请求的时延的基准值为100ms，基准分值为6分；
若TCP建链成功到第一条事务请求的时延低于基准值，则TCP建链成功到第一条事务请求的时延得6分；
若TCP建链成功到第一条事务请求的时延高于基准值，则TCP建链成功到第一条事务请求的时延得分＝TCP建链成功到第一条事务请求的时延的基准值/TCP建链成功到第一条事务请求的时延*基准分值；
TCP2次握手时延的基准值为50ms，基准分值为6分；
若TCP2次握手时延低于基准值，则TCP2次握手时延得6分；
若TCP2次握手时延高于基准值，则TCP2次握手时延得分＝TCP2次握手时延的基准值/TCP2次握手时延*基准分值；
服务器返回4XX错误码个数占比的基准值为2％，基准分值为8分；
若服务器返回4XX错误码个数占比低于基准值，则服务器返回4XX错误码个数占比得8分；
若服务器返回4XX错误码个数占比高于基准值，则服务器返回4XX错误码个数占比得分＝服务器返回4XX错误码个数占比的基准值/服务器返回4XX错误码个数占比*基准分值；
终端接收0窗口数量占比的基准值为3％，基准分值为6分；
若终端接收0窗口数量占比低于基准值，则终端接收0窗口数量占比得6分；
若终端接收0窗口数量占比高于基准值，则终端接收0窗口数量占比得分＝终端接收0窗口数量占比的基准值/终端接收0窗口数量占比*基准分值；
终端接收0窗口时长的基准值为5s，基准分值为6分；
若终端接收0窗口时长低于基准值，则终端接收0窗口时长得6分；
若终端接收0窗口时长高于基准值，则终端接收0窗口时长得分＝终端接收0窗口时长的基准值/终端接收0窗口时长*基准分值；
用户行为共计6项指标，每一项指标根据XDR信令计算出来后计算出它的线性得分，其中分值按照10分制计算(0-10分)；
用户行为＝4G驻留比增值线性得分*40％+DOU增值线性得分*10％+网龄线性得分*30％+是否集团用户*5％+是否农村用户*5％；
步骤3，将用户上网数据依次经过attach、pdn、tau、dns解析、tcp三次握手建链、HTTP请求/响应、sp响应/传输七段过程，根据步骤2中设计的46个指标对以上七段过程进行量化评估；
具体为：Attach成功率和Attach时延为attach过程；pdn连接成功率及时延为pdn过程；tac成功率和tau时延为tau过程；dns解析成功率，dns时延为dns过程；tcp建链成功率，TCP建链时延为tcp三次握手建链过程；GET成功率，GET请求时延为http请求及响应过程，网页加载成功率，视频播放成功率，网页加载时延sp性能裂化等为sp响应及传送过程；
步骤4，将上网满意度分值低于8分的用户的46项指标找到后，找出影响上网满意度分值低的原因，判断其属于步骤3中七段过程中的具体过程；
步骤5，经步骤4后，通过分段定界，将问题聚类到无线侧、核心网侧、终端侧、内容侧，之后针对问题进行相应的处理。
其中，将MR弱覆盖、容量高负荷、高干扰、无线接通率、无线掉线率、无线切换成功率的问题汇聚到无线侧；
将附着时延、附着成功率、寻呼时延、寻呼成功率、TAU时延、TAU成功率存在指标异常项，同时排除无线侧问题，汇聚到核心网侧问题；
将Attach成功率得分、Attach时延得分、Paging成功率得分、Paging时延得分、PDN成功率得分、PDN时延得分、TAU成功率得分、TAU时延得分、业务请求成功率得分、GET成功率得分、HTTP平均下载速率得分、TCP成功率得分、TCP建链成功到第一条事务请求的时延得分、TCP2次握手时延得分、服务器返回4XX错误码个数占比得分、终端接收0窗口数量占比得分、终端接收0窗口时长得分共计17项指标，其中将涉及指标异常判定为终端侧；
将视频GET响应时延，网页GET响应时延，网页GET响应成功率，视频GET响应成功率类问题，同时排除无线侧、核心侧、终端侧原因，聚焦为内容侧。
本发明的方法数据分析全面，优化方法较好，能获取用户的真实感知，提高了网络指标好坏与用户真实感知之间关联性，提升了4G上网客户满意度，经济效益显著提高。
从2017年7月至2018年6月，某省网络部实施了本发明的方法，即4G上网满意度提升服务项目，初步取得了良好效果：18年一季度4G上网领先度首次超过强势竞争对手，从全国26名提升至第11名；4G上网质量绝对值、4G网络质量绝对值、4G网络质量领先度等多项指标均显著提升；具体为：实施前后，4G手机上网质量领先度提升了3.34％，排名提升了15名，如图1及图2所示；4G手机上网质量提升了1.59％，排名提升了5名，如图3及图4所示；4G网络质量提升了0.73％，排名提升了3名，如图5及图6所示。
另外，实施本方法后，多维度优化改善了约12万用户上网感知，根据经分数据计算，这些用户4G流量消费较活动前人均增加15.6元；增加收入为：12万*15.6＝187.2万元；室分设备在线率提升8.5％，激活载波312个；节约成本为：2万*312＝624万元；投入分析工具及人力成本约100万元；实际效益：187.2+624-100＝711.2万元。

Claims (2)

1.一种基于大数据的网络感知智能预警与提升方法，其特征在于，具体按照以下步骤实施：
步骤1，对源数据进行分类；具体步骤如下：
步骤1.1，提取经分数据中的高价值用户、高带宽用户、投诉预防用户、手机上网满意度预测用户；
提取标准为：当用户4G流量大于2GB且ARPU大于60元时，则属于高价值用户；
当XDR业务类型为游戏、音乐、视频、P2P、网盘云服务时，则属于高宽带用户；
当本月2/3/4G总流量大于50MB且上个月2/3/4G总流量大于100MB，且环比小于0％；同时，当本月2G流量大于100MB，上个月2G流量大于50MB且环比大于100％，当本月4G流量大于0MB，上个月4G流量大于30MB且环比流量小于0％，当本月4G驻留比小于95％，上个月4G驻留比小于95％且环比小于0％，则属于投诉预防用户；
当用户移动网龄大于等于5个月且用户年龄大于等于16岁，同时，4G流量大于0、ARPU大于1000，且用户星级为一星级普通用户、二星级普通用户、三星级普通用户、四星级普通用户、五星级普通用户中的任意一种，则属于手机上网满意度预测用户；
步骤1.2，提取投诉数据中的普通上网投诉用户和高价值上网投诉用户；
将投诉清单中的无法上网的用户、网速慢用户、上网掉线归类为普通上网投诉；
将普通上网投诉中ARPU大于120元且4G DOU大于1G的用户归类为高价值上网投诉用户；
步骤1.3，提取满意度调研数据中的网络质量满意度低用户和手机上网质量满意度低用户；
将网络质量满意度调查中的用户评价小于等于6分的用户归为网络质量满意度低用户；
将手机上网质量满意度调查中用户评价小于等于6分的用户归为为手机上网质量满意度低用户；
步骤2，经步骤1后，采集S1-MME、S1U-HTTP、S1U-DNS三个接口的XDR信令数据，根据信令字段设计用户感知指标，即网络质量、业务感知、投诉溯源、终端适配和用户行为五个用户感知指标，之后根据影响程度对网络质量、业务感知、投诉溯源、终端适配、用户行为五个用户感知指标设定评分比例，得到上网满意度分值，如式(1)所示；
上网满意度分值＝网络质量*22％+业务感知*33％+投诉溯源*10％+终端适配*10％+用户行为*25％； (1)；
其中，网络质量共计有7项指标，每一项指标根据XDR信令计算出来后计算出其线性得分，其中分值按照10分制计算，如式(2)所示：
网络质量得分＝MR弱覆盖线性得分*30％+容量高负荷线性得分*30％+高干扰线性得分*15％+无线接通率线性得分*5％+无线掉话率线性得分；*5％+无线切换成功率*5％+4G驻留比*15％ (2)；
业务感知共计有14项指标，每一项指标根据XDR信令计算出来后计算出其线性得分，其中分值按照10分制计算，如式(3)所示：
业务感知得分＝Attach时延线性得分*6％+Attach成功率线性得分*6％+寻呼时延线性得分*5％+寻呼成功率(％)*5％+TAU时延线性得分*5％+TAU成功率*5％+TCP建立时延(ms)*8％+TCP建立成功率(％)*8％+视频GET响应时延(ms)*8％+视频GET响应成功率(％)*8％+网页GET响应时延(ms)*8％+网页GET响应成功率(％)*8％+网页下载速率*10％+视频业务下载速率*10％ (3)；
投诉溯源共计有2项指标，分别为上网用户和重复投诉用户；
若是上网用户，则投诉溯源为4分；若是重复投诉用户，则投诉溯源为6分；
终端适配共计有17项指标，其计算公式，如式(4)所示：
终端适配＝Attach成功率得分+Attach时延得分+Paging成功率得分+Paging时延得分+PDN成功率得分+PDN时延得分+TAU成功率得分+TAU时延得分+业务请求成功率得分+GET成功率得分+HTTP平均下载速率得分+TCP成功率得分+TCP建链成功到第一条事务请求的时延得分+TCP2次握手时延得分+服务器返回4XX错误码个数占比得分+终端接收0窗口数量占比得分+终端接收0窗口时长得分 (4)；
用户行为共计6项指标，每一项指标根据XDR信令计算出来后计算出它的线性得分，其中分值按照10分制计算(0-10分)；
用户行为＝4G驻留比增值线性得分*40％+DOU增值线性得分*10％+网龄线性得分*30％+是否集团用户*5％+是否农村用户*5％；
步骤3，将用户上网数据依次经过attach、pdn、tau、dns解析、tcp三次握手建链、HTTP请求/响应、sp响应/传输七段过程，根据步骤2中设计的46个指标对以上七段过程进行量化评估；
步骤4，将上网满意度分值低于8分的用户指标找到后，找出影响上网满意度分值低的原因，判断其属于步骤3中七段过程中的具体过程；
步骤5，经步骤4后，通过分段定界，将问题聚类到无线侧、核心网侧、终端侧、内容侧，之后针对问题进行相应的处理；
将MR弱覆盖、容量高负荷、高干扰、无线接通率、无线掉线率、无线切换成功率的问题汇聚到无线侧；
将附着时延、附着成功率、寻呼时延、寻呼成功率、TAU时延、TAU成功率存在指标异常项，同时排除无线侧问题，汇聚到核心网侧问题；
将Attach成功率得分、Attach时延得分、Paging成功率得分、Paging时延得分、PDN成功率得分、PDN时延得分、TAU成功率得分、TAU时延得分、业务请求成功率得分、GET成功率得分、HTTP平均下载速率得分、TCP成功率得分、TCP建链成功到第一条事务请求的时延得分、TCP2次握手时延得分、服务器返回4XX错误码个数占比得分、终端接收0窗口数量占比得分、终端接收0窗口时长得分共计17项指标，其中将涉及指标异常判定为终端侧；
将视频GET响应时延，网页GET响应时延，网页GET响应成功率，视频GET响应成功率类问题，同时排除无线侧、核心侧、终端侧原因，聚焦为内容侧。
2.根据权利要求1所述的一种基于大数据的网络感知智能预警与提升方法，其特征在于，所述步骤3中，具体为：Attach成功率和Attach时延为attach过程；pdn连接成功率及时延为pdn过程；tac成功率和tau时延为tau过程；dns解析成功率，dns时延为dns过程；tcp建链成功率，TCP建链时延为tcp三次握手建链过程；GET成功率，GET请求时延为http请求及响应过程，网页加载成功率，视频播放成功率，网页加载时延sp性能裂化等为sp响应及传送过程。
CN201811184285.3A 2018-10-11 2018-10-11 一种基于大数据的网络感知智能预警与提升方法 Active CN109391513B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811184285.3A CN109391513B (zh) 2018-10-11 2018-10-11 一种基于大数据的网络感知智能预警与提升方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811184285.3A CN109391513B (zh) 2018-10-11 2018-10-11 一种基于大数据的网络感知智能预警与提升方法

Publications (2)

Publication Number Publication Date
CN109391513A CN109391513A (zh) 2019-02-26
CN109391513B true CN109391513B (zh) 2021-08-10

Family

ID=65427604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811184285.3A Active CN109391513B (zh) 2018-10-11 2018-10-11 一种基于大数据的网络感知智能预警与提升方法

Country Status (1)

Country Link
CN (1) CN109391513B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111698700B (zh) * 2019-03-15 2021-08-27 大唐移动通信设备有限公司 一种小区的工作状态的判定方法及装置
CN110365528A (zh) * 2019-07-10 2019-10-22 广州瀚信通信科技股份有限公司 一种基于家庭宽带大数据的处理投诉分析方法
CN113676926B (zh) * 2020-05-15 2024-03-19 中国移动通信集团设计院有限公司 用户网络感知画像方法及装置
CN113762978B (zh) * 2020-06-03 2023-08-18 中国移动通信集团浙江有限公司 5g切片用户的投诉定界方法、装置及计算设备
CN112910720B (zh) * 2021-05-06 2021-08-03 成都云智天下科技股份有限公司 一种基于用户体验量化指标的智能网络调度方法及系统
CN113543178B (zh) * 2021-07-28 2024-04-09 北京红山信息科技研究院有限公司 基于用户感知的业务优化方法、装置、设备及存储介质
CN113891384B (zh) * 2021-10-28 2023-08-29 中国联合网络通信集团有限公司 网络质量匹配度的确定方法、装置、服务终端及介质
CN114936872B (zh) * 2022-05-11 2023-06-16 山东远盾网络技术股份有限公司 一种基于大数据的信息分析方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102075978A (zh) * 2011-01-28 2011-05-25 浪潮通信信息系统有限公司 一种基于语音业务用户负感知的网络问题分析方法
CN104811959A (zh) * 2015-05-25 2015-07-29 中国联合网络通信有限公司成都市分公司 基于大数据的移动网络用户感知分析系统和方法
CN105357691A (zh) * 2015-09-28 2016-02-24 中国普天信息产业北京通信规划设计院 Lte无线网络用户感知监测方法和系统
CN105848174A (zh) * 2015-01-16 2016-08-10 中国移动通信集团浙江有限公司 一种检测用户上网感知的方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10387820B2 (en) * 2015-02-02 2019-08-20 Telefonaktiebolaget L M Ericsson (Publ) Method and score management node for supporting service evaluation based on individualized user perception
US10002338B2 (en) * 2015-02-02 2018-06-19 Telefonaktiebolaget Lm Ericsson (Publ) Method and score management node for supporting service evaluation

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102075978A (zh) * 2011-01-28 2011-05-25 浪潮通信信息系统有限公司 一种基于语音业务用户负感知的网络问题分析方法
CN105848174A (zh) * 2015-01-16 2016-08-10 中国移动通信集团浙江有限公司 一种检测用户上网感知的方法和装置
CN104811959A (zh) * 2015-05-25 2015-07-29 中国联合网络通信有限公司成都市分公司 基于大数据的移动网络用户感知分析系统和方法
CN105357691A (zh) * 2015-09-28 2016-02-24 中国普天信息产业北京通信规划设计院 Lte无线网络用户感知监测方法和系统

Also Published As

Publication number Publication date
CN109391513A (zh) 2019-02-26

Similar Documents

Publication Publication Date Title
CN109391513B (zh) 一种基于大数据的网络感知智能预警与提升方法
CN109788488B (zh) 一种网络站点的规划方法和装置
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
CN105227369B (zh) 基于众包模式的移动Apps对无线网路资源利用的分析方法
CN102711162A (zh) 一种移动互联网中网络质量监测和用户体验优化的方法
CN102215504A (zh) 新入网用户的类别识别方法及系统
CN104427549B (zh) 一种网络问题分析方法及系统
CN105657738A (zh) 一种手机业务感知质差问题的定位方法、装置与系统
Gao et al. A coverage of self-optimization algorithm using big data analytics in WCDMA cellular networks
CN105163344A (zh) 一种td-lte系统内干扰的定位方法
CN109213832A (zh) 一种四维五步法降低用户投诉的方法
CN112399448B (zh) 无线通讯优化方法、装置、电子设备及存储介质
CN103118382A (zh) 一种数据业务小区乒乓重选的分析方法
WO2016020917A1 (en) Method of operating a self organizing network and system thereof
CN102149113B (zh) 一种移动用户感知量化方法
CN107371183B (zh) 一种网络质量报告的输出方法和装置
CN111263389B (zh) 一种Volte语音质量问题的自动化定位的方法及装置
CN109963292B (zh) 投诉预测的方法、装置、电子设备和存储介质
CN107889210B (zh) 楼宇用户定位方法和系统
CN103916870A (zh) 四网协同综合分析系统及方法
CN103024767A (zh) 移动通信业务端到端性能评估方法及系统
CN112272393A (zh) 一种移动物联网平台智能切换网络的方法
CN111368858B (zh) 用户满意度评估方法及装置
JP2017208717A (ja) 無線通信ネットワークの分析システム
CN110120883B (zh) 一种评估网络性能的方法、装置和计算机可读存储介质

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