CN112153663B - 无线网络评估方法和装置 - Google Patents

Abstract

本发明实施例提供一种无线网络评估方法和装置，所述方法包括：获取无线网络的RRC接通率的数据集，以及每一候选性能指标的数据集；基于RRC接通率的数据集和任一候选性能指标的数据集，获取RRC接通率与该候选性能指标的相关系数；基于RRC接通率与每一候选性能指标的相关系数，从每一候选性能指标中，选取优选性能指标；基于RRC接通率的数据集，以及每一优选性能指标的数据集，评估无线网络。本发明实施例提供的方法和装置，避免了输入过多不必要维度的关键性能指标导致的无线网络评估复杂、计算量巨大的问题，扩大了无线网络评估方法的适用场景，提高了无线网络评估的可靠性，能够更加全面反映无线网络的真实状况。

Description

无线网络评估方法和装置

技术领域

本发明涉及移动通信技术领域，尤其涉及一种无线网络评估方法和装置。

背景技术

移动通信网络中，后台网管系统每时每刻都产生大量的网络性能数据，为网络优化提供可靠的数据支撑。依据无线接入网中网络节点的各个计数器定义性能指标，分为两类：一般性能指标(General Performance Indicator，GPI)和关键性能指标(KeyPerformance Indicator，KPI)。

其中，关键性能指标通常包括接入类、掉话类、质量类、切换类、资源类和速率类。关键性能指标作为评估网络质量的主要参考依据，主要基于不同计数器的记录计算得到。不同关键性能指标的计算可能会应用到同一计数器的记录，因此存在关联性。即便不同关键性能指标的计算应用到的是不同计算器的记录，其间也可能存在潜在的复杂关联性。

当前在网络质量评估中，通常根据重要性选择多个维度的关键性能指标，或直接引入所有关键性能指标。然而，仅以重要性作为关键性能指标的选取依据，可能无法全面真实地反映网络状况，导致评估结果可靠性低；而不加筛选，引入所有关键性能指标，会导致参数维度较大，可能会引起维度灾难，相应增加在现网中实现的难度。

发明内容

本发明实施例提供一种无线网络评估方法和装置，用以解决现行的无线网络评估未能合理选取关键性能指标导致的评估结果可靠性低、实现难度大的问题。

第一方面，本发明实施例提供一种无线网络评估方法，包括：

获取无线网络的RRC接通率的数据集，以及每一候选性能指标的数据集；

基于所述RRC接通率的数据集和任一所述候选性能指标的数据集，获取所述RRC接通率与所述任一候选性能指标的相关系数；

基于所述RRC接通率与每一所述候选性能指标的相关系数，从每一所述候选性能指标中，选取优选性能指标；

基于所述RRC接通率的数据集，以及每一所述优选性能指标的数据集，评估所述无线网络。

优选地，所述基于所述RRC接通率的数据集，以及每一所述优选性能指标的数据集，评估所述无线网络，具体包括：

基于所述RRC接通率的数据集，以及每一所述优选性能指标的数据集，构建多维参数数据集；所述多维参数数据集中包含多组无线网络数据，每一所述无线网络数据包括所述RRC接通率以及每一所述优选性能指标；

对所述多维参数数据集进行密度聚类，基于任一所述无线网络数据的聚类结果获取所述任一无线网络数据的状态标签。

优选地，所述对所述多维参数数据集进行密度聚类，基于任一所述无线网络数据的聚类结果获取所述任一无线网络数据的状态标签，具体包括：

基于DBSCAN密度聚类算法对所述多维参数数据集进行聚类，获取每一所述无线网络数据的聚类结果；

若任一所述无线网络数据的聚类结果为噪音点，则将所述任一无线网络数据的状态标签设置为异常状态；否则，将所述任一无线网络数据的状态标签设置为正常状态。

优选地，所述获取无线网络的RRC接通率的数据集，以及每一候选性能指标的数据集，具体包括：

获取与所述RRC接通率以及每一所述候选性能指标相关的每一计数器的数据，构建目标数据集；

基于所述目标数据集以及预先设置的指标计算公式，获取无线网络的RRC接通率的数据集，以及每一候选性能指标的数据集。

优选地，所述基于所述RRC接通率的数据集和任一所述候选性能指标的数据集，获取所述RRC接通率与所述任一候选性能指标的相关系数，具体包括：

基于如下公式，获取所述RRC接通率的数据集和任一所述候选性能指标相关系数r：

式中，S为RRC接通率的数据集，S＝{s₁,s₂,…,s_n}，n为数据集规模，

为S的平均值；KPI为任一所述候选性能指标的数据集，KPI＝{kpi₁,kpi₂,…,kpi_n}，

为KPI的平均值。

优选地，所述基于所述RRC接通率与每一所述候选性能指标的相关系数，从每一所述候选性能指标中，选取优选性能指标，具体包括：

若所述RRC接通率与所述任一候选性能指标的相关系数小于等于预设相关系数阈值，则将所述任一候选性能指标作为优选性能指标。

优选地，所述候选性能指标包括无线掉线率、切换成功率、E-RAB阻塞率和RRC连接重建率。

第二方面，本发明实施例提供一种无线网络评估装置，包括：

数据集获取单元，用于获取无线网络的RRC接通率的数据集，以及每一候选性能指标的数据集；

相关系数计算单元，用于基于所述RRC接通率的数据集和任一所述候选性能指标的数据集，获取所述RRC接通率与所述任一候选性能指标的相关系数；

指标筛选单元，用于基于所述RRC接通率与每一所述候选性能指标的相关系数，从每一所述候选性能指标中，选取优选性能指标；

网络评估单元，用于基于所述RRC接通率的数据集，以及每一所述优选性能指标的数据集，评估所述无线网络。

第三方面，本发明实施例提供一种电子设备，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行如第一方面所提供的方法的步骤。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。

本发明实施例提供的一种无线网络评估方法和装置，通过获取RRC接通率与任一候选性能指标的相关系数，对候选性能指标进行相关性筛选，为无线网络评估引入了合理的关键性能指标，避免了输入过多不必要维度的关键性能指标导致的无线网络评估复杂、计算量巨大的问题，扩大了无线网络评估方法的适用场景，提高了无线网络评估的可靠性，能够更加全面反映无线接入网络的真实状况。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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为本发明实施例提供的无线网络评估方法的流程示意图；

图2为本发明另一实施例提供的无线网络评估方法的流程示意图；

图3为本发明实施例提供的无线网络评估装置的结构示意图；

图4为本发明实施例提供的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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作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。

针对现行的无线网络评估未能合理选取关键网络性能指标导致的评估结果可靠性低、实现难度大的问题，本发明实施例提供了一种无线网络评估方法。图1为本发明实施例提供的无线网络评估方法的流程示意图，如图1所示，该方法包括：

步骤110，获取无线网络的RRC接通率的数据集，以及每一候选性能指标的数据集。

具体地，无线网络即当前需要进行评估的网络。无线网络中，RRC(Radio ResourceControl，无线资源控制)接通率是指预先设定的时间长度内RRC连接建立成功次数与RRC连接建立请求次数的比值，RRC接通率的数据集包括若干个RRC接通率，不同的RRC接通率对应不同的时间段。

候选性能指标为预先选取的关键性能指标，例如无线掉线率、切换成功率等，候选性能指标可以是根据关键性能指标在无线网络评估中的重要性选取的，也可以是为了覆盖无线网络评估的各个维度，根据关键性能指标的分类选取的不同类型的关键性能指标，候选性能指标可以有一个或多个，本发明实施例对此不作具体限定。针对任一候选性能指标，该候选性能指标的数据集包括若干个该候选性能指标的值，分别对应不同时间段的该候选性能指标。

步骤120，基于RRC接通率的数据集和任一候选性能指标的数据集，获取RRC接通率与该候选性能指标的相关系数。

具体地，针对任一候选性能指标，对RRC接通率的数据集和该候选性能指标的数据集进行相关性计算，获取RRC接通率与该候选性能指标的相关系数。此处，相关系数是反映RRC接通率和该候选性能指标的线性相关关系的统计指标。通过计算RRC接通率和任一候选性能指标的相关系数，可以判断RRC接通率和该候选性能指标之间是否存在潜在的关联性，从而合理选取关键性能指标。

步骤130，基于RRC接通率与每一候选性能指标的相关系数，从每一候选性能指标中，选取优选性能指标。

具体地，优选性能指标是用于评估无线网络的关键性能指标。在得到RRC接通率与每一候选性能指标的相关系数后，可以以相关系数为依据从候选性能指标中选取优选性能指标。

针对任一候选性能指标，若RRC接通率与该候选性能指标之间存在强相关性，则在应用RRC接通率进行无线网络评估的基础上，无需再引入该候选性能指标进行无线网络评估。因此，优选性能指标可以是预先设定数量个相关系数最小的候选性能指标，还可以是相关系数小于预先设定的阈值的候选性能指标，本发明实施例对此不作具体限定。

步骤140，基于RRC接通率的数据集，以及每一优选性能指标的数据集，评估无线网络。

具体地，针对每一候选性能指标执行步骤120和130，即可实现候选性能指标的相关性筛选，得到筛选后的优选性能指标，此处，优选性能指标可以是一个，也可以是多个。随即基于RRC接通率和每一优选性能指标的数据集进行无线网络评估。此处，无线网络评估可以是根据任一时段的RRC接通率和每一优选性能指标，判断该时段是否发生故障，也可以是根据任一时段的RRC接通率和每一优选性能指标，评估该时段的无线网络质量等，本发明实施例对此不作具体限定。

本发明实施例提供的方法，通过获取RRC接通率与任一候选性能指标的相关系数，对候选性能指标进行相关性筛选，为无线网络评估引入了合理的关键性能指标，避免了输入过多不必要维度的关键性能指标导致的无线网络评估复杂、计算量巨大的问题，扩大了无线网络评估方法的适用场景，提高了无线网络评估的可靠性，能够更加全面反映无线接入网络的真实状况。

目前运营商主要依靠工程师经验和用户反馈信息，针对关键性能指标进行人工标注，构建训练集以实现无线网络评估。上述由人工经验进行无线网络评估方式，在业务单一的场景下取得了良好的应用效果，但是随着无线网络规模的日益增大以及网络环境的复杂化，基于绝大部分无线网络数据是正常状态的假设，运营商很难直接从无线网络数据的集合中寻找基准阈值来判断无线网络数据是否正常，此外，采集用户反馈信息会造成数据稀疏的问题，导致训练集的数据量很少，训练结果的适用性差。对此，基于上述实施例，该方法中，步骤140具体包括：

步骤141，基于RRC接通率的数据集，以及每一优选性能指标的数据集，构建多维参数数据集；多维参数数据集中包含多组无线网络数据，每一无线网络数据包括RRC接通率以及每一优选性能指标。

具体地，RRC接通率的数据集包括分别对应不同时间段的RRC接通率，任一优选性能指标的数据集中包括分别对应不同时间段的该优选性能指标。在得到RRC接通率的数据集，以及每一优选性能指标的数据集后，从RRC接通率的数据集，以及每一优选性能指标的数据集中分别提取同一时间段的RRC接通率和每一优选性能指标，将同一时间段的RRC接通率和每一优选性能指标作为一组无线网络数据，并由此构建包含多组无线网络数据的多为参数数据集。多维参数数据集中，每组无线网络数据对应一个时间段。

例如，优选性能指标包括KPI1和KPI2，RRC接通率的数据集表示为S＝{s₁,s₂,…,s_n}，KPI1的数据集表示为KPI1＝{kpi1₁,kpi1₂,…,kpi1_n}，KPI2的数据集表示为KPI2＝{kpi2₁,kpi2₂,…,kpi2_n}，以上公式中的下标用于表示对应的时间段。由此得到的多维参数数据集可以表示为D＝{{s₁,kpi1₁,kpi2₁},{s₂,kpi1₂,kpi2₂},…,{s_n,kpi1_n,kpi2_n}}。

步骤142，对多维参数数据集进行密度聚类，基于任一无线网络数据的聚类结果获取该无线网络数据的状态标签。

具体地，在多维参数数据集达到足够大的规模后，多维参数数据集中的无线网络数据大多是反映了无线网络的正常状态，只有极少数的无线网络数据反映了无线网络的异常状态。而无线网络正常状态下的无线网络数据的分布存在聚集性，相比整个多维参数数据集的空间密度，无线网络正常状态下的无线网络数据之间的距离更近、密度更高，无线网络异常状态下的无线网罗数据的分布则相对分散。因此，本发明实施例中通过对多维参数数据集进行聚类，获取每一无线网络数据的聚类结果。进而实现无线网络评估、

此处，进行聚类的方式有多种，例如DBSCAN(Density-Based Spatial Clusteringof Applications with Noise)算法、MDCA(Maximum Density Clustering Algorithm，密度最大值聚类)算法、OPTICS(Ordering Point to Idenfy the Cluster Structure)算法等。由此得到的任一无线网络数据的聚类结果即该无线网络数据是否属于聚类形成的簇，根据聚类结果即可得到对应的状态标签。状态标签用于标识无线网络数据为正常状态或异常状态。

本发明实施例提供的方法，通过密度聚类实现无线网络评估，解决了现有无线网络评估结果由人为经验带来的偏差和用户反馈信息稀疏导致训练集规模过小，影响评估结果准确性的问题，降低了无线网络评估所需的人力成本和时间成本，提高了无线网络评估的可信度和准确性。

基于上述任一实施例，该方法中，步骤142具体包括：基于DBSCAN密度聚类算法对多维参数数据集进行聚类，获取每一无线网络数据的聚类结果；若任一无线网络数据的聚类结果为噪音点，则将该无线网络数据的状态标签设置为异常状态；否则，将该无线网络数据的状态标签设置为正常状态。

具体地，DBSCAN是一种基于密度的聚类算法。该算法中，密度相连的点的最大集合为一个簇。该算法利用基于密度的聚类的概念，要求聚类空间中的一定区域内所包含点的数目不小于预先设定的邻域样本数阈值。该方法能在具有噪声的空间数据库中发现任意形状的簇，可将密度足够大的相邻区域连接，能有效处理异常数据，主要用于对空间数据的聚类。

应用DBSCAN对多维参数数据集进行聚类，即将多维参数数据集作为空间数据库，将每组无线网络数据作为一个点，从多维参数数据集中任意选取一组无线网络数据，基于预先设定的距离阈值Eps判断该无线网络数据的邻域包含的无线网络数据的数目是否大于等于邻域样本数阈值MinPts，进而确定该无线网络数据是否为核心点；若该无线网络数据为核心点，则获取多维参数数据集中每一到该无线网络数据密度可达的无线网络数据，形成一个簇；否则，针对下一无线网络数据执行上述操作。

其中，任一无线网络数据的邻域是该无线网络数据的距离阈值Eps内的区域。核心点是邻域包含的无线网络数据的数目大于等于邻域样本数阈值MinPts的无线网络数据，边界点是不属于核心点，但是落在某个核心点的邻域内的无线网络数据，噪音点是既不属于核心点也不属于边界点的无线网络数据。直接密度可达是指若任一无线网络数据在任一核心点的邻域内，则该无线网络数据从该核心点出发时是直接密度可达的。密度可达是指存在一个对象链，对象链中顺序排列有多个无线网络数据，对象链中任一无线网络数据从后一无线网络数据出发时是直接密度可达的，则首位无线网络数据从末位无线网络数据出发时是密度可达的。

通过对多维参数数据集进行DBSCAN聚类，可以得到每一无线网络数据的聚类结果。此处，聚类结果用于指示该无线网络数据是否为噪音点，聚类结果可以是核心点、边界点或噪音点，也可以是非噪音点或噪音点，本发明实施例对此不作具体限定。

由于无线网络正常状态下无线网络数据的分布存在聚集性，DBSCAN聚类下，噪音点为分布分散的无线网络数据，本发明实施例在得到聚类结果后，确认聚类结果为噪音点的无线网络数据对应的状态标签为异常状态。

本发明实施例提供的方法，将DBSCAN聚类应用于无线网络评估，DBSCAN聚类为无监督学习过程，无需人工干预，有效避免了无线网络评估过程中主观因素的加入，提高了无线网络评估的可靠性和准确性。

基于上述任一实施例，该方法中，步骤110具体包括：步骤111，获取与RRC接通率以及每一所述候选性能指标相关的每一计数器的数据，构建目标数据集；步骤112，基于目标数据集以及预先设置的指标计算公式，获取无线网络的RRC接通率的数据集，以及每一候选性能指标的数据集。

具体地，首先确定RRC连通率与每一候选性能指标相关的计数器。以RRC连通率为例，RRC连通率相关的计算器包括与RRC连接建立成功次数相关的计数器以及与RRC连接建立请求次数相关的计数器，其中，与RRC连接建立成功次数相关的计数器包括RRC连接建立成功次数-紧急呼叫计数器、RRC连接建立成功次数-高优先级计数器、RRC连接建立成功次数-被叫计数器、RRC连接建立成功次数-主叫信令计数器以及RRC连接建立成功次数-主叫数据计数器，与RRC连接建立请求次数相关的计数器包括RRC连接建立请求次数-紧急呼叫计数器、RRC连接建立请求次数-高优先级计数器、RRC连接建立请求次数-被叫计数器、RRC连接建立请求次数-主叫信令计数器、以及RRC连接建立请求次数-主叫数据计数器。

在确定RRC连通率与每一候选性能指标相关的计数器后，获取每一计数器的数据，并以此构建目标数据集。此处，每一计数器的数据可以是多个不同时段的数据。

不同的关键性能指标，例如RRC连通率，或任一候选性能指标，均对应有一个指标计算公式，例如RRC连通率的指标计算公式如下：RRC连通率＝(RRC连接建立成功次数-紧急呼叫+RRC连接建立成功次数-高优先级+RRC连接建立成功次数-被叫+RRC连接建立成功次数-主叫信令+RRC连接建立成功次数-主叫数据)/(RRC连接建立请求次数-紧急呼叫+RRC连接建立请求次数-高优先级+RRC连接建立请求次数-被叫+RRC连接建立请求次数-主叫信令+RRC连接建立请求次数-主叫数据)。针对任一关键性能指标，从目标数据集中提取与该关键性能指标相关的数据，并代入到该关键性能指标对应的指标计算公式中，得到该关键性能指标的值，并基于该关键性能指标在不同时段的值构建该关键性能指标的数据集。

基于上述任一实施例，该方法中，步骤111和步骤112之间还包括：对目标数据集进行数据清洗和/或数据集成。

具体地，数据清洗用于发现并纠正目标数据集中可识别的错误，包括检查数据一致性、处理无效值和缺失值等。数据集成用于把目标数据集中不同来源、格式、特点性质的数据在逻辑上或物理上有机地集中，例如统一从不同计数器中获取的数据的格式，整合从同一功能的不同计数器中获取的数据等。

基于上述任一实施例，该方法中，步骤120具体包括：基于如下公式，获取RRC接通率的数据集和任一候选性能指标相关系数r：

式中，S为RRC接通率的数据集，S＝{s₁,s₂,…,s_n}，n为数据集规模，

为S的平均值；KPI为任一候选性能指标的数据集，KPI＝{kpi₁,kpi₂,…,kpi_n}，

为KPI的平均值。由此得到的相关系数r即RRC接通率的数据集S与候选性能指标的皮尔逊Pearson相关系数，r∈[-1,1]。本发明实施例中，由于仅考虑RRC接通率的数据集S与候选性能指标的相关性，并不考虑两者具体是正相关还是负相关，可以将相关系数取绝对值，用于与预设相关系数阈值进行比较。

基于上述任一实施例，该方法中，步骤130具体包括：若RRC接通率与该候选性能指标的相关系数小于等于预设相关系数阈值，则将该候选性能指标作为优选性能指标。

具体地，预设相关系数阈值是预先设定的优选性能指标的最大相关系数，。在得到RRC接通率与任一候选性能指标的相关系数后，将相关系数与预设相关系数阈值进行比较，如果相关系数大于预设相关系数阈值，则RRC接通率与该候选性能指标之间存在强相关性，在应用RRC接通率进行无线网络评估的基础上，无需再引入该候选性能指标进行无线网络评估；如果相关系数小于等于预设相关系数阈值，则RRC接通率与该候选性能指标之间的相关性较低，相关系数满足预先设定的优选性能指标选取条件，将该候选性能指标作为优选性能指标，与RRC接通率共同引入无线网络评估中。

基于上述任一实施例，该方法中，候选性能指标包括无线掉线率、切换成功率、E-RAB阻塞率和RRC连接重建率。

其中，无线掉线率是eNB(演进型基站)发起上下文释放次数与E-RAB(Evolved-Radio Access Bearer，演进的无线接入承载)建立成功总次数的比值；切换成功率是切换成功次数与切换尝试次数的比值；E-RAB阻塞率为接纳拒绝的E-RAB数与请求接纳的E-RAB数的比值；RRC连接重建率为RRC重建立请求次数与RRC连接建立请求次数的比值。

基于上述任一实施例，图2为本发明另一实施例提供的无线网络评估方法的流程示意图，如图2所示，该方法中，预先确定的候选性能指标包括无线掉线率、切换成功率、E-RAB阻塞率和RRC连接重建率。该方法包括如下步骤：

步骤210，获取目标数据集：

收集一段时间内基站中与RRC连通率与每一候选性能指标相关的计数器的数据，包括：

RRC连接建立失败次数-终端未响应、RRC连接建立失败次数-达到最大用户数、RRC连接建立失败次数-小区负荷过载、RRC连接建立失败次数-接纳判决失败、RRC连接建立失败次数-PUCCH(Physical Uplink Control CHannel，物理上行链路控制信道)分配失败、RRC连接建立失败次数-SRS(Sounding Reference Signal，信道探测参考信号)资源分配失败、RRC连接建立失败次数-TPC(Transmission Control Protocol传输控制协议)分配失败、RRC连接建立失败次数-PER(Packed Encoding Rules，紧缩编码规则)编码失败、RRC连接建立失败次数-协议参数错误、RRC连接建立失败次数-实例分配失败、RRC连接建立失败次数-小区堵塞、RRC连接建立失败次数-其它原因；

RRC连接建立请求次数-紧急呼叫、RRC连接建立成功次数-紧急呼叫，RRC连接建立请求次数-高优先级，RRC连接建立成功次数-高优先级，RRC连接建立请求次数-被叫，RRC连接建立成功次数-被叫，RRC连接建立请求次数-主叫信令，RRC连接建立成功次数-主叫信令，RRC连接建立请求次数-主叫数据，RRC连接建立成功次数-主叫数据；

eNB发起上下文释放-RadioInterfaceFailure(空中接口失败)，eNB发起上下文释放-OMIntervention(人工干预)，eNB发起上下文释放-Other(其他)，eNB发起上下文释放-UELostM1，eNB发起上下文释放-UELostN；

ERAB建立成功总次数；

eNodeB(基站)内同频切换出成功次数，eNodeB内异频切换出成功次数，eNodeB间同频切换出成功次数，eNodeB间异频切换出成功次数，通过重建回源小区的eNodeB内同频切换出执行成功次数，通过重建回源小区的eNodeB内异频切换出执行成功次数，通过重建回源小区的eNodeB间同频切换出执行成功次数，通过重建回源小区的eNodeB间异频切换出执行成功次数；

eNodeB内同频切换出尝试次数，eNodeB内异频切换出尝试次数，eNodeB间同频切换出尝试次数，eNodeB间异频切换出尝试次数；

接纳拒绝的E-RAB数；

请求接纳的E-RAB数-QCI(QoS Class Identifier)1，请求接纳的E-RAB数-QCI2，请求接纳的E-RAB数-QCI3，请求接纳的E-RAB数-QCI4，请求接纳的E-RAB数-QCI5，请求接纳的E-RAB数-QCI6，请求接纳的E-RAB数-QCI7，请求接纳的E-RAB数-QCI8，请求接纳的E-RAB数-QCI9；

RRC重建立请求次数-无线链路失败，RRC重建立请求次数-切换失败，RRC重建立请求次数-重配失败。

在获取上述数据后，构建目标数据集。

步骤220，数据预处理：

对目标数据集进行数据清洗和数据集成，清除噪声数据，推导补全缺失数据，修改或删除异常数据，删除重复数据。

步骤230，分别计算RRC接通率和候选性能指标的数据集：

基于RRC连通率对应的指标计算公式，计算RRC连通率并构建对应的数据集。RRC连通率的指标计算公式如下：RRC连通率＝(RRC连接建立成功次数-紧急呼叫+RRC连接建立成功次数-高优先级+RRC连接建立成功次数-被叫+RRC连接建立成功次数-主叫信令+RRC连接建立成功次数-主叫数据)/(RRC连接建立请求次数-紧急呼叫+RRC连接建立请求次数-高优先级+RRC连接建立请求次数-被叫+RRC连接建立请求次数-主叫信令+RRC连接建立请求次数-主叫数据)。由此构建的RRC连通率的数据集S可由下式表示：S＝{s₁,s₂,…,s_n}。

基于无线掉线率对应的指标计算公式，计算无线掉线率并构建对应的数据集。无线掉线率的指标计算公式如下：无线掉线率＝(eNB发起上下文释放-RadioInterfaceFailure+eNB发起上下文释放-OMIntervention+eNB发起上下文释放-Other+eNB发起上下文释放-UELostM1+eNB发起上下文释放-UELostN)/ERAB建立成功总次数。由此构建的无线掉线率的数据集D可由下式表示：D＝{d₁,d₂,…,d_n}。

基于切换成功率对应的指标计算公式，计算切换成功率并构建对应的数据集。切换成功率的指标计算公式如下：切换成功率＝(eNodeB内同频切换出成功次数+eNodeB内异频切换出成功次数+eNodeB间同频切换出成功次数+eNodeB间异频切换出成功次数-通过重建回源小区的eNodeB内同频切换出执行成功次数-通过重建回源小区的eNodeB内异频切换出执行成功次数-通过重建回源小区的eNodeB间同频切换出执行成功次数-通过重建回源小区的eNodeB间异频切换出执行成功次数)/(eNodeB内同频切换出尝试次数+eNodeB内异频切换出尝试次数+eNodeB间同频切换出尝试次数+eNodeB间异频切换出尝试次数)。由此构建的切换成功率的数据集H可由下式表示：H＝{h₁,h₂,…,h_n}。

基于E-RAB阻塞率对应的指标计算公式，计算E-RAB阻塞率并构建对应的数据集。E-RAB阻塞率的指标计算公式如下：E-RAB阻塞率＝接纳拒绝的E-RAB数/(请求接纳的E-RAB数-QCI1+请求接纳的E-RAB数-QCI2+请求接纳的E-RAB数-QCI3+请求接纳的E-RAB数-QCI4+请求接纳的E-RAB数-QCI5+请求接纳的E-RAB数-QCI6+请求接纳的E-RAB数-QCI7+请求接纳的E-RAB数-QCI8+请求接纳的E-RAB数-QCI9)。由此构建的E-RAB阻塞率的数据集B可由下式表示：B＝{b₁,b₂,…,b_n}。

基于RRC连接重建率对应的指标计算公式，计算RRC连接重建率并构建对应的数据集。RRC连接重建率的指标计算公式如下：RRC连接重建率＝(RRC重建立请求次数-无线链路失败+RRC重建立请求次数-切换失败+RRC重建立请求次数-重配失败)/(RRC连接建立请求次数-紧急呼叫+RRC连接建立请求次数-高优先级+RRC连接建立请求次数-被叫+RRC连接建立请求次数-主叫信令+RRC连接建立请求次数-主叫数据+RRC重建立请求次数-无线链路失败+RRC重建立请求次数-切换失败+RRC重建立请求次数-重配失败)。由此构建的RRC连接重建率的数据集R可由下式表示：R＝{r₁,r₂,…,r_n}。

步骤240，计算RRC接通率与其余四个候选性能指标的相关系数，从中选取优选性能指标：

针对RRC接通率和无线掉线率，对应的相关系数采用如下公式获取：

式中，S为RRC接通率的数据集，n为数据集规模，

为S的平均值；D为无线掉线率的数据集，

为D的平均值。

针对RRC接通率和切换成功率，对应的相关系数采用如下公式获取：

式中，H为切换成功率的数据集，

为H的平均值。

针对RRC接通率和E-RAB阻塞率，对应的相关系数采用如下公式获取：

式中，B为E-RAB阻塞率的数据集，

为B的平均值。

针对RRC接通率和RRC连接重建率，对应的相关系数采用如下公式获取：

式中，R为E-RAB阻塞率的数据集，

为R的平均值。

在得到RRC接通率与任一候选性能指标的相关系数后，将相关系数与预设相关系数阈值进行比较，如果相关系数小于等于预设相关系数阈值，则RRC接通率与该候选性能指标之间的相关性较低，相关系数满足预先设定的优选性能指标选取条件，将该候选性能指标作为优选性能指标，与RRC接通率共同引入无线网络评估中。

步骤250，基于密度聚类方法对RRC接通率与每一优选性能指标的数据集进行聚类，得到聚类簇：

DBSCAN密度聚类算法通过检查数据点的邻域来搜索簇，如果邻域内包含的点多于邻域样本数阈值MinPts，则将其创建为核心对象的簇，迭代聚集核心对象直接密度可达的对象进行合并，直至没有任何点添加到任何簇为止。具体步骤如下：

假设通过步骤240得到的优选性能指标为切换成功率和E-RAB阻塞率，则将RRC接通率的数据集S＝{s₁,s₂,…,s_n}、切换成功率的数据集H＝{h₁,h₂,…,h_n}和E-RAB阻塞率的数据集B＝{b₁,b₂,…,b_n}作为三维数据，以D＝{{s₁,h₁,b₁},{s₂,h₂,b₂},…,{s_n,h_n,b_n}}的形式进行聚类。

设定簇个数初始值为0，获取预先设定的参数距离阈值Eps和邻域样本数阈值MinPts；

统计每个点距离阈值Eps内的数据点个数；判断数据点个数是否大于邻域样本数阈值MinPts，如果小于MinPts，确定该点为噪音点；如果大于MinPts，则以该点为核心点建立新簇，簇的个数加1；

迭代循环，遍历所有数据，将所有密度可达的核心点归属到聚类簇中，直至没有新的点添加到任何簇，输出聚类簇。

步骤260，将噪音点标记为异常状态，其余点标记为正常状态：

在得到聚类簇后，通过聚类簇可判断每一组无线网络数据{s_i,h_i,b_i}对应的点是否为噪音点，如果该点为噪音点，则将无线网络数据对应的状态标签标记为异常状态，否则，将无线网络数据对应的状态标签标记为正常状态。

本发明实施例提供的方法，在考虑RRC接通率之外，引起切换成功率、无线掉线率、E-RAB阻塞率和RRC连接重建率作为候选性能指标进行相关性分析，从而实现合理的多维关键性能指标的引入，避免了输入过多不必要维度的关键性能指标导致的无线网络评估复杂、计算量巨大的问题，扩大了无线网络评估方法的适用场景，提高了无线网络评估的可靠性，能够更加全面反映无线接入网络的真实状况。此外，利用密度聚类方法对相关性较低的多维关键性能指标进行聚类，依据绝大多数为正常数据的假设，对无线网络数据进行标记，不存在由工程经验带来的偏差和用户反馈信息量稀疏造成的评估结果不准确的问题，运行收敛速度快，评估结果准确率高。

基于上述任一实施例，图3为本发明实施例提供的无线网络评估装置的结构示意图，如图3所示，该装置包括数据集获取单元310、相关系数计算单元320、指标筛选单元330和网络评估单元340；

数据集获取单元310用于获取无线网络的RRC接通率的数据集，以及每一候选性能指标的数据集；

相关系数计算单元320用于基于所述RRC接通率的数据集和任一所述候选性能指标的数据集，获取所述RRC接通率与所述任一候选性能指标的相关系数；

指标筛选单元330用于基于所述RRC接通率与每一所述候选性能指标的相关系数，从每一所述候选性能指标中，选取优选性能指标；

网络评估单元340用于基于所述RRC接通率的数据集，以及每一所述优选性能指标的数据集，评估所述无线网络。

本发明实施例提供的装置，通过获取RRC接通率与任一候选性能指标的相关系数，对候选性能指标进行相关性筛选，为无线网络评估引入了合理的关键性能指标，避免了输入过多不必要维度的关键性能指标导致的无线网络评估复杂、计算量巨大的问题，扩大了无线网络评估方法的适用场景，提高了无线网络评估的可靠性，能够更加全面反映无线接入网络的真实状况。

基于上述任一实施例，该装置中，网络评估单元340包括：

多维参数数据集构建子单元，用于基于所述RRC接通率的数据集，以及每一所述优选性能指标的数据集，构建多维参数数据集；所述多维参数数据集中包含多组无线网络数据，每一所述无线网络数据包括所述RRC接通率以及每一所述优选性能指标；

密度聚类子单元，用于对所述多维参数数据集进行密度聚类，基于任一所述无线网络数据的聚类结果获取所述任一无线网络数据的状态标签。

基于上述任一实施例，该装置中，密度聚类子单元具体用于：

基于DBSCAN密度聚类算法对所述多维参数数据集进行聚类，获取每一所述无线网络数据的聚类结果；

若任一所述无线网络数据的聚类结果为噪音点，则将所述任一无线网络数据的状态标签设置为异常状态；否则，将所述任一无线网络数据的状态标签设置为正常状态。

基于上述任一实施例，该装置中，数据集获取单元310包括：

目标数据集获取子单元，用于获取与所述RRC接通率以及每一所述候选性能指标相关的每一计数器的数据，构建目标数据集；

指标数据集获取子单元，用于基于所述目标数据集以及预先设置的指标计算公式，获取无线网络的RRC接通率的数据集，以及每一候选性能指标的数据集。

基于上述任一实施例，该装置中，数据集获取单元310还包括：

预处理子单元，用于对所述目标数据集进行数据清洗和/或数据集成。

基于上述任一实施例，该装置中，指标筛选单元330具体用于：

若所述RRC接通率与所述任一候选性能指标的相关系数小于等于预设相关系数阈值，则将所述任一候选性能指标作为所述优选性能指标。

基于上述任一实施例，该装置中，相关系数计算单元320具体用于：

基于如下公式，获取所述RRC接通率的数据集和任一所述候选性能指标相关系数r：

式中，S为RRC接通率的数据集，S＝{s₁,s₂,…,s_n}，n为数据集规模，

为S的平均值；KPI为任一所述候选性能指标的数据集，KPI＝{kpi₁,kpi₂,…,kpi_n}，

为KPI的平均值。

基于上述任一实施例，该装置中，所述候选性能指标包括无线掉线率、切换成功率、E-RAB阻塞率和RRC连接重建率。

图4为本发明实施例提供的电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储在存储器403上并可在处理器401上运行的计算机程序，以执行上述各实施例提供的无线网络评估方法，例如包括：获取无线网络的RRC接通率的数据集，以及每一候选性能指标的数据集；基于所述RRC接通率的数据集和任一所述候选性能指标的数据集，获取所述RRC接通率与所述任一候选性能指标的相关系数；基于所述RRC接通率与每一所述候选性能指标的相关系数，从每一所述候选性能指标中，选取优选性能指标；基于所述RRC接通率的数据集，以及每一所述优选性能指标的数据集，评估所述无线网络。

此外，上述的存储器403中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的无线网络评估方法，例如包括：获取无线网络的RRC接通率的数据集，以及每一候选性能指标的数据集；基于所述RRC接通率的数据集和任一所述候选性能指标的数据集，获取所述RRC接通率与所述任一候选性能指标的相关系数；基于所述RRC接通率与每一所述候选性能指标的相关系数，从每一所述候选性能指标中，选取优选性能指标；基于所述RRC接通率的数据集，以及每一所述优选性能指标的数据集，评估所述无线网络。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上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精神和范围。

Claims (10)

1.一种无线网络评估方法，其特征在于，包括：

获取无线网络的RRC接通率的数据集，以及每一候选性能指标的数据集；

基于所述RRC接通率的数据集和任一所述候选性能指标的数据集，获取所述RRC接通率与所述任一候选性能指标的相关系数；

基于所述RRC接通率与每一所述候选性能指标的相关系数，从每一所述候选性能指标中，选取优选性能指标，所述优选性能指标是预先设定数量个相关系数最小的候选性能指标，或者是相关系数小于预先设定的阈值的候选性能指标；

基于所述RRC接通率的数据集，以及每一所述优选性能指标的数据集，评估所述无线网络。

2.根据权利要求1所述的无线网络评估方法，其特征在于，所述基于所述RRC接通率的数据集，以及每一所述优选性能指标的数据集，评估所述无线网络，具体包括：

基于所述RRC接通率的数据集，以及每一所述优选性能指标的数据集，构建多维参数数据集；所述多维参数数据集中包含多组无线网络数据，每一所述无线网络数据包括所述RRC接通率以及每一所述优选性能指标；

对所述多维参数数据集进行密度聚类，基于任一所述无线网络数据的聚类结果获取所述任一无线网络数据的状态标签。

3.根据权利要求2所述的无线网络评估方法，其特征在于，所述对所述多维参数数据集进行密度聚类，基于任一所述无线网络数据的聚类结果获取所述任一无线网络数据的状态标签，具体包括：

基于DBSCAN密度聚类算法对所述多维参数数据集进行聚类，获取每一所述无线网络数据的聚类结果；

若任一所述无线网络数据的聚类结果为噪音点，则将所述任一无线网络数据的状态标签设置为异常状态；否则，将所述任一无线网络数据的状态标签设置为正常状态。

4.根据权利要求1所述的无线网络评估方法，其特征在于，所述获取无线网络的RRC接通率的数据集，以及每一候选性能指标的数据集，具体包括：

获取与所述RRC接通率以及每一所述候选性能指标相关的每一计数器的数据，构建目标数据集；

基于所述目标数据集以及预先设置的指标计算公式，获取无线网络的RRC接通率的数据集，以及每一候选性能指标的数据集。

5.根据权利要求1所述的无线网络评估方法，其特征在于，所述基于所述RRC接通率的数据集和任一所述候选性能指标的数据集，获取所述RRC接通率与所述任一候选性能指标的相关系数，具体包括：

基于如下公式，获取所述RRC接通率的数据集和任一所述候选性能指标相关系数r：

式中，S为RRC接通率的数据集，S＝{s₁，s₂，…，s_n}，n为数据集规模，

为S的平均值；KPI为任一所述候选性能指标的数据集，KPI＝{kpi₁，kpi₂，…，kpi_n}，

为KPI的平均值。

6.根据权利要求1所述的无线网络评估方法，其特征在于，所述基于所述RRC接通率与每一所述候选性能指标的相关系数，从每一所述候选性能指标中，选取优选性能指标，具体包括：

若所述RRC接通率与所述任一候选性能指标的相关系数小于等于预设相关系数阈值，则将所述任一候选性能指标作为所述优选性能指标。

7.根据权利要求1至6中任一项所述的无线网络评估方法，其特征在于，所述候选性能指标包括无线掉线率、切换成功率、E-RAB阻塞率和RRC连接重建率。

8.一种无线网络评估装置，其特征在于，包括：

数据集获取单元，用于获取无线网络的RRC接通率的数据集，以及每一候选性能指标的数据集；

相关系数计算单元，用于基于所述RRC接通率的数据集和任一所述候选性能指标的数据集，获取所述RRC接通率与所述任一候选性能指标的相关系数；

指标筛选单元，用于基于所述RRC接通率与每一所述候选性能指标的相关系数，从每一所述候选性能指标中，选取优选性能指标，所述优选性能指标是预先设定数量个相关系数最小的候选性能指标，或者是相关系数小于预先设定的阈值的候选性能指标；

网络评估单元，用于基于所述RRC接通率的数据集，以及每一所述优选性能指标的数据集，评估所述无线网络。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的无线网络评估方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述的无线网络评估方法的步骤。

Images