CN112580908B - 一种无线性能指标评估方法及装置 - Google Patents
一种无线性能指标评估方法及装置 Download PDFInfo
- Publication number
- CN112580908B CN112580908B CN201910926850.7A CN201910926850A CN112580908B CN 112580908 B CN112580908 B CN 112580908B CN 201910926850 A CN201910926850 A CN 201910926850A CN 112580908 B CN112580908 B CN 112580908B
- Authority
- CN
- China
- Prior art keywords
- performance index
- index data
- normal distribution
- analyzed
- confidence coefficient
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 61
- 238000005457 optimization Methods 0.000 claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000009826 distribution Methods 0.000 claims description 113
- 230000006866 deterioration Effects 0.000 claims description 38
- 238000005315 distribution function Methods 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 10
- 238000011157 data evaluation Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013433 optimization analysis Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Monitoring And Testing Of Exchanges (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明提供了一种无线性能指标评估方法及装置。所述方法包括：在对目标网元中的目标类型的性能指标进行优化处理之后，获取在优化之前的第一预设时长内的历史性能指标数据，及在优化之后的第二预设时长内的待分析性能指标数据；基于所述历史性能指标数据，构建话务模型分组；所述话务模型分组包括不同时段对应的置信度门限；根据所述待分析性能指标数据对应的时段，及所述时段对应的置信度门限，对所述待分析性能指标数据进行评估。本发明能够在减少话务波动对指标评估准确性影响的同时，还能够有效评估优化后指标是否正常波动，进一步地，提升了现网中性能指标是否恶化的判断准确性，进而提升了回退评估的准确性。
Description
技术领域
本发明涉及通信技术领域，特别是涉及一种无线性能指标评估方法及装置。
背景技术
目前业界的无线网络自动优化/运维方案优化，有的方案无性能指标恶化及增益评估手段，这种情况下，完全依赖网优人员经验判断；另一部分方案有性能评估手段，但评估主要方法就是直接用优化实施前后的性能指标均值做对比，满足预设的相对下降门限，就认为是恶化，无法有效隔离话务模型变化(如闲时与忙时的差异、工作日与周末的差异等)对指标的影响。
下面以掉话率分析为例(具体参照图1)，随着话务量的增加，掉话率指标明显变差，也即网络性能指标本身收话务影响是比较大的，因而基于均值的判断是无法考虑话务量变化使得指标的正常波动范围。
从图1所示的指标分布趋势可以看出，网络评估的关键指标，同话务模型关系比较大，在无任何网络调整的前提下，话务忙时的指标比话务闲时的指标差，如果不考虑话务模型变化对指标的影响，直接根据人工预设的相对门限来判断优化后性能指标有无恶化，则无法做到客观评价。而基于人工经验通过分析话务变化，并确定性能指标是否恶化的方法，虽然可以考虑话务波动的影响，但是对人工经验要求高，且及时性不足，现网部署并运行自动化优化方案时，一般会选择在凌晨话务闲的时候实施调整手段，无法及时得到专家分析及确认，一旦出现指标恶化，进而影响网络性能指标及用户体验。
发明内容
本发明实施例所要解决的技术问题是提供一种无线性能指标评估方法及装置，以解决现有技术中的基于人工经验的性能指标评估方法，及时性不足，一旦出现指标恶化而无法及时回退，影响用户体验的技术问题。
为了解决上述问题，本发明实施例提供了一种无线性能指标评估方法，包括：
在对目标网元中的目标类型的性能指标进行优化处理之后，获取在优化之前的第一预设时长内的历史性能指标数据，及在优化之后的第二预设时长内的待分析性能指标数据；
基于所述历史性能指标数据，构建话务模型分组；所述话务模型分组包括不同时段对应的置信度门限；
根据所述待分析性能指标数据对应的时段，及所述时段对应的置信度门限，对所述待分析性能指标数据进行评估。
优选地，所述基于所述历史性能指标数据，构建话务模型分组的步骤，包括：
将所述历史性能指标数据按照所述时段进行划分，得到N个话务模型分组；每个所述话务模型分组内包括目标数量的历史性能指标数据，N为大于等于1的正整数；
判断所述目标数量的历史性能指标数据是否满足正态分布条件；
若满足，则基于所述目标数量的历史性能指标数据，计算得到每个所述话务模型分组对应的置信度门限。
优选地，所述基于所述目标数量的历史性能指标数据，计算得到每个所述话务模型分组对应的置信度门限的步骤，包括：
根据所述目标数量的历史性能指标数据，构建正态分布函数；
基于所述正态分布函数，确定正态分布平均值和正态分布标准差；
基于所述正态分布平均值和所述正态分布标准差，计算得到所述置信度门限；
所述置信度门限包括单边置信度门限和双边置信度门限中的至少一种。
优选地，所述判断所述目标数量的历史性能指标数据是否满足正态分布条件的步骤，包括：
采用正态分布检验方法检验所述目标数量的历史性能指标数据是否满足正态分布条件；或者
采用预置正态分布检验工具判断所述目标数量的历史性能指标数据是否满足正态分布条件。
优选地，所述根据所述待分析性能指标数据对应的时段，及所述时段对应的置信度门限，对所述待分析性能指标数据进行评估的步骤，包括：
在所述置信度门限为单边置信度门限，且所述时段内的待分析性能指标数据大于/小于所述单边置信度门限的情况下，将所述待分析性能指标数据评估为恶化指标数据；或者
在所述置信度门限为双边置信度门限，且所述时段内的待分析性能指标数据位于所述双边置信度门限的区间之外的情况下，将所述待分析性能指标数据评估为恶化指标数据。
优选地，在所述对所述待分析性能指标数据进行评估的步骤之后，还包括：
根据评估结果，确定所述待分析性能指标数据中出现恶化指标的恶化数量；
在所述恶化数量达到设定数量的情况下，对所述待分析性能指标执行优化回退操作。
为了解决上述问题，本发明实施例提供了一种无线性能指标评估装置，包括：
性能指标数据获取模块，用于在对目标网元中的目标类型的性能指标进行优化处理之后，获取在优化之前的第一预设时长内的历史性能指标数据，及在优化之后的第二预设时长内的待分析性能指标数据；
话务模型分组构建模块，用于基于所述历史性能指标数据，构建话务模型分组；所述话务模型分组包括不同时段对应的置信度门限；
性能指标数据评估模块，用于根据所述待分析性能指标数据对应的时段，及所述时段对应的置信度门限，对所述待分析性能指标数据进行评估。
优选地，所述话务模型分组构建模块包括：
话务模型分组划分子模块，用于将所述历史性能指标数据按照所述时段进行划分，得到N个话务模型分组；每个所述话务模型分组内包括目标数量的历史性能指标数据，N为大于等于1的正整数；
正态分布条件判断子模块，用于判断所述目标数量的历史性能指标数据是否满足正态分布条件；
第一置信度计算子模块，用于在所述目标数量的历史性能指标数据满足所述正态分布条件，基于所述目标数量的历史性能指标数据，计算得到每个所述话务模型分组对应的置信度门限。
优选地，所述第一置信度计算子模块包括：
正态分布函数构建子模块，用于根据所述目标数量的历史性能指标数据，构建正态分布函数；
平均值标准差确定子模块，用于基于所述正态分布函数，确定正态分布平均值和正态分布标准差；
第二置信度计算子模块，用于基于所述正态分布平均值和所述正态分布标准差，计算得到所述置信度门限；
所述置信度门限包括单边置信度门限和双边置信度门限中的至少一种。
优选地，所述正态分布条件判断子模块包括：
第一条件判断子模块，用于采用正态分布检验方法检验所述目标数量的历史性能指标数据是否满足正态分布条件；或者
第二条件判断子模块，用于采用预置正态分布检验工具判断所述目标数量的历史性能指标数据是否满足正态分布条件。
优选地，所述性能指标数据评估模块包括：
第一恶化指标评估子模块，用于在所述置信度门限为单边置信度门限，且所述时段内的待分析性能指标数据大于/小于所述单边置信度门限的情况下，将所述待分析性能指标数据评估为恶化指标数据；或者
第二恶化指标评估子模块，用于在所述置信度门限为双边置信度门限，且所述时段内的待分析性能指标数据位于所述双边置信度门限的区间之外的情况下，将所述待分析性能指标数据评估为恶化指标数据。
优选地，还包括：
恶化数量确定模块，用于根据评估结果，确定所述待分析性能指标数据中出现恶化指标的恶化数量；
回退操作执行模块，用于在所述恶化数量达到设定数量的情况下，对所述待分析性能指标执行优化回退操作。
与现有技术相比，本发明实施例包括以下优点：
本发明实施例中，在对目标网元中的目标类型的性能指标进行优化处理之后，获取在优化之前的第一预设时长内的历史性能指标数据，及在优化之后的第二预设时长内的待分析性能指标数据，基于历史性能指标数据，构建话务模型分组，话务模型分组包括不同时段对应的置信度门限，根据待分析性能指标数据对应的时段，及时段对应的置信度门限，对待分析性能指标数据进行评估。本发明实施例通过根据优化前的性能指标数据构建包含置信度门限的话务模型分组，基于对优化前指标构建性能指标置信度门限，能够在减少话务波动对指标评估准确性影响的同时，还能够有效评估优化后指标是否正常波动，进一步地，提升了现网中性能指标是否恶化的判断准确性，进而提升了回退评估的准确性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
图1是现有技术中的一种掉话率随话务量变化的示意图；
图2是本发明实施例提供的一种无线性能指标评估方法的步骤流程图；
图3是本发明实施例提供的一种无线性能指标评估方法的步骤流程图；
图3a是本发明实施例提供的一种7*24小时话务分布趋势的示意图；
图3b是本发明实施例提供的一种7*24小时掉话率的正态分布的示意图；
图3c是本发明实施例提供的一种单置信边界正态分布的示意图；
图3d是本发明实施例提供的一种双置信边界正态分布的示意图；
图4是本发明实施例提供的一种无线性能指标评估装置的结构示意图；
图5是本发明实施例提供的一种无线性能指标评估装置的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
实施例一
参照图2，示出了本发明实施例提供的一种无线性能指标评估方法的步骤流程图，具体可以包括如下步骤：
步骤101：在对目标网元中的目标类型的性能指标进行优化处理之后，获取在优化之前的第一预设时长内的历史性能指标数据，及在优化之后的第二预设时长内的待分析性能指标数据。
本发明实施例可以应用于对网元中出现的话务模型中优化的性能指标进行优化分析。
话务模型：由于不同业务各自具有的特性会给系统带来不同的业务负荷，从而影响整个系统性能的评估，根据语音业务、可视电话业务和数据业务进行建模，可以形成业务模型。
目标类型的性能指标是指目标网元内进行了优化处理后的性能指标，如掉话率指标、建立成功率指标等。
第一预设时长是指由业务人员预先设置的获取优化之前的性能指标数据的时长，第一预设时长可以为5天、7天等时长，具体地，可以根据业务需求而定。
第二预设时长是指由业务人员预先设置的获取优化之后的性能指标数据的时长，第二预设时长可以为1天、2天等时长，具体地，可以根据业务需求而定。
在本发明中，第一预设时长和第二预设时长是以对目标类型的性能指标进行优化处理的时间进行划分的，例如，在第一预设时长为7天，第二预设时长为1天，优化处理时间为2019-09-10，12:00时，第一预设时长即为：从2019-09-03，12:00至2019-09-10，12:00，第二预设时长即为：从2019-09-10，12:00至2019-09-11，12:00。
可以理解地，上述示例仅是为了更好地理解本发明实施例的技术方案而列举的示例，不作为对本发明实施例的唯一限制。
历史性能指标数据是指目标网元内，在第一预设时长内产生的性能指标数据。
待分析性能指标数据是指目标网元内，在第二预设时长内产生的性能指标数据。
当然，历史性能指标数据和待分析性能指标数据均是目标类型的性能指标数据，例如，在目标类型的性能指标数据为掉话率指标，历史性能指标数据和待分析性能指标数据均为掉话率指标数据。
在对目标网元中的目标类型的性能指标进行优化处理之后，可以根据优化处理操作所对应的时间点，获取在优化之前的第一预设时长内的历史性能指标数据，并获取在优化之后的第二预设时长内的待分析性能指标数据。
在获取历史性能指标数据和待分析性能指标数据之后，执行步骤102。
步骤102：基于所述历史性能指标数据，构建话务模型分组；所述话务模型分组包括不同时段对应的置信度门限。
在得到历史性能指标数据之后，根据历史性能指标数据按照不同时段进行划分，从而得到N个话务分组，其中，N为大于等于1的正整数。例如，参照图3a，示出了本发明实施例提供的一种7*24小时话务分布趋势的示意图，如图3a所示，可以按照每天的话务模型分布趋势，将每天的时间进行分割，如忙时1(9:00～19:00)、忙时2(20:00～24:00)、及闲时(1:00～8:00)。分组越细，则7天内的话务变化对评估影响越小，但同一个组内的数据样本点会变少，样本分析的准确性会下降。因而，一般建议分3～4组即可。
在得到多个话务分组之后，再根据每个话务分组内历史性能指标数据构建无话模型分组，并且，在每个话务模型分组中包含有不同时段所对应的置信度门限，例如，每天的时段包括忙时1(9:00～19:00)、忙时2(20:00～24:00)、及闲时(1:00～8:00)，忙时1对应于置信度门限a，忙时2对应于置信度门限b，闲时对应于置信度门限c。
可以理解地，上述示例仅是为了更好地理解本发明实施例的技术方案而列举的示例，不作为对本发明实施例的唯一限制。
对于上述过程，将在下述实施例二中进行详细描述，本发明实施例在此不再加以赘述。
在基于历史性能指标数据，构建话务模型分组之后，执行步骤103。
步骤103：根据所述待分析性能指标数据对应的时段，及所述时段对应的置信度门限，对所述待分析性能指标数据进行评估。
在构建话务模型分组之后，可以根据待分析性能指标数据对应的时段，及时段对应的置信度门限，对待分析性能指标数据进行评估，例如，如上述步骤102中的示例，忙时1对应于置信度门限a，忙时2对应于置信度门限b，闲时对应于置信度门限c，对于9:00～19:00时段内产生的待分析性能指标数据可以与置信度门限a进行比较，以评估产生于9:00～19:00时段内的待分析性能指标数据的是否有恶化性能指标；对于20:00～24:00内产生的待分析性能指标数据可以与置信度门限b进行比较，以评估产生于20:00～24:00时段内的待分析性能指标数据的是否有恶化性能指标；对于1:00～8:00内产生的待分析性能指标数据可以与置信度门限c进行比较，以评估产生于1:00～8:00时段内的待分析性能指标数据的是否有恶化性能指标。
可以理解地，上述示例仅是为了更好地理解本发明实施例的技术方案而列举的示例，不作为对本发明实施例的唯一限制。
本发明实施例通过根据优化前的性能指标数据构建包含置信度门限的话务模型分组，基于对优化前指标构建性能指标置信度门限，能够在减少话务波动对指标评估准确性影响的同时，还能够有效评估优化后指标是否正常波动，进一步地，提升了现网中性能指标是否恶化的判断准确性，进而提升了回退评估的准确性。
本发明实施例提供的无线性能指标评估方法，在对目标网元中的目标类型的性能指标进行优化处理之后，获取在优化之前的第一预设时长内的历史性能指标数据，及在优化之后的第二预设时长内的待分析性能指标数据，基于历史性能指标数据，构建话务模型分组，话务模型分组包括不同时段对应的置信度门限，根据待分析性能指标数据对应的时段，及时段对应的置信度门限，对待分析性能指标数据进行评估。本发明实施例通过根据优化前的性能指标数据构建包含置信度门限的话务模型分组，基于对优化前指标构建性能指标置信度门限，能够在减少话务波动对指标评估准确性影响的同时，还能够有效评估优化后指标是否正常波动，进一步地，提升了现网中性能指标是否恶化的判断准确性，进而提升了回退评估的准确性。
实施例二
参照图3，示出了本发明实施例提供的一种无线性能指标评估方法的步骤流程图，具体可以包括如下步骤：
步骤201：在对目标网元中的目标类型的性能指标进行优化处理之后，获取在优化之前的第一预设时长内的历史性能指标数据，及在优化之后的第二预设时长内的待分析性能指标数据。
本发明实施例可以应用于对网元中出现的话务模型中优化的性能指标进行优化分析。
话务模型：由于不同业务各自具有的特性会给系统带来不同的业务负荷，从而影响整个系统性能的评估，根据语音业务、可视电话业务和数据业务进行建模，可以形成业务模型。
目标类型的性能指标是指目标网元内进行了优化处理后的性能指标，如掉话率指标、建立成功率指标等。
第一预设时长是指由业务人员预先设置的获取优化之前的性能指标数据的时长，第一预设时长可以为5天、7天等时长，具体地，可以根据业务需求而定。
第二预设时长是指由业务人员预先设置的获取优化之后的性能指标数据的时长，第二预设时长可以为1天、2天等时长，具体地，可以根据业务需求而定。
在本发明中，第一预设时长和第二预设时长是以对目标类型的性能指标进行优化处理的时间进行划分的，例如，在第一预设时长为7天，第二预设时长为1天，优化处理时间为2019-09-10，12:00时，第一预设时长即为：从2019-09-03，12:00至2019-09-10，12:00，第二预设时长即为：从2019-09-10，12:00至2019-09-11，12:00。
可以理解地，上述示例仅是为了更好地理解本发明实施例的技术方案而列举的示例，不作为对本发明实施例的唯一限制。
历史性能指标数据是指目标网元内，在第一预设时长内产生的性能指标数据。
待分析性能指标数据是指目标网元内，在第二预设时长内产生的性能指标数据。
当然，历史性能指标数据和待分析性能指标数据均是目标类型的性能指标数据，例如，在目标类型的性能指标数据为掉话率指标，历史性能指标数据和待分析性能指标数据均为掉话率指标数据。
在对目标网元中的目标类型的性能指标进行优化处理之后，可以根据优化处理操作所对应的时间点，获取在优化之前的第一预设时长内的历史性能指标数据，并获取在优化之后的第二预设时长内的待分析性能指标数据。
在获取历史性能指标数据和待分析性能指标数据之后，执行步骤202。
步骤202：将所述历史性能指标数据按照所述时段进行划分，得到N个话务模型分组；每个所述话务模型分组内包括目标数量的历史性能指标数据，N为大于等于1的正整数。
时段是指由业务人员预先设置的，将每天产生的历史性能指标数据进行划分的时间段，时段可以是是根据历史性能指标数据在每天的话务模型分区趋势进行划分的，具体地，可以根据实际情况而定。
在得到历史性能指标数据之后，可以将历史性能指标数据按照时段进行划分，从而可以得到N个话务模型分组，其中，N为大于等于1的正整数。例如，参照图3a，示出了本发明实施例提供的一种7*24小时话务分布趋势的示意图，如图3a所示，可以按照每天的话务模型分布趋势，将每天的时间进行分割，如忙时1(9:00～19:00)、忙时2(20:00～24:00)、及闲时(1:00～8:00)。分组越细，则天级内的话务变化对评估影响越小，但同一个组内的数据样本点会变少，样本分析的准确性会下降。因而，一般建议分3～4组即可。
可以理解地，上述示例仅是为了更好地理解本发明实施例的技术方案而列举的示例，不作为对本发明实施例的唯一限制。
在进行话务模型分组划分之后，每个话务模型分组内包含了目标数量的历史性能指标数据，可以理解地，N个目标数量的总和与第一预设时长内的历史性能指标数据的总数量是相等的。
在将历史性能指标数据按照时段进行划分，得到N个话务模型分组之后，执行步骤203。
步骤203：判断所述目标数量的历史性能指标数据是否满足正态分布条件。
正态分布也称“常态分布”，又名高斯分布(Gaussian distribution)，是一个非常重要的概率分布。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ＝0，σ＝1时的正态分布是标准正态分布。
正态分布条件是指正态曲线条件，即历史性能指标满足正态分布条件即为每个话务分组内每种类型的多个历史性能指标满足正态曲线，即多个历史性能指标的曲线排布与正态曲线相同。
在获取N个话务模型分组之后，可以根据每个话务模型分组中目标数量的历史性能指标数据，获取目标数量的历史性能指标数据的曲线排布与正态曲线进行比较，以确定是否满足正态分布条件。
在本发明中，对于检测目标数量的历史性能指标是否满足正态分布条件的方式可以结合下述优选实施方式进行详细描述。
在本发明的一种优选实施例中，上述步骤203可以包括：
子步骤A1：采用正态分布检验方法检验所述目标数量的历史性能指标数据是否满足正态分布条件；或者
子步骤A2：采用预置正态分布检验工具判断所述目标数量的历史性能指标数据是否满足正态分布条件。
在本发明实施例中，正态分布检验方法是指用于检验数据是否满足正态分布的方法，正态分布检验方法可以为SPSS(Statistical package for the social science，统计软件包)的K-S检验方法，而采用SPSS的K-S检验方法的具体检验过程可以为：1、将多个历史性能指标导入到SPSS软件中，2、点击SPSS软件内的“分析”按钮，然后选择“非参数检验(N)”，选择旧对话框，-1-样本k-s，从而可以得到一个输出值，在输出值大于设定阈值时，即满足正态分布。
正态分布检验工具是指用于检验数据是否满足正态分布的工具，在本发明中，正态分布检验工具可以为Minitab工具，Minitab工具已经是本领域较为成熟的一种正态分布检验工具，对于其具体地检验过程，本发明实施例不再加以详细描述。
通过上述检验过程即可判定每个话务模型分组内目标数量的历史性能指标数据是否满足正态分布条件，例如，参照图3b，示出了本发明实施例提供的一种7*24小时掉话率的正态分布的示意图，如图3b所示，7*24小时内的掉话率满足正态分布条件。
可以理解地，上述示例仅是为了更好地理解本发明实施例的技术方案而列举的示例，不作为对本发明实施例的唯一限制。
在判断目标数量的历史性能指标数据是否满足正态分布条件之后，执行步骤204。
步骤204：若满足，则基于所述目标数量的历史性能指标数据，计算得到每个所述话务模型分组对应的置信度门限。
在目标数量的历史性能指标不满足正态分布条件的情况下，可以将这些历史性能指标作为无效数据，即本发明实施例对于不满足正态分布条件的历史性能指标不作为后续获取置信度门限的考量。
置信度门限是指用于验证优化后的性能指标数据是否符合要求的门限值，在优化后的性能指标不符合置信度门限要求时，可以确定该性能指标已经出现了恶化。
而在话务模型分组中目标数量的历史性能指标数据满足正态分布条件时，可以根据目标数量的历史性能指标数据，计算得到每个话务模型分组对应的置信度门限。
对于该计算过程，可以参照下述优选实施例进行详细描述。
在本发明的一种优选实施例中，上述步骤204可以包括：
子步骤B1：根据所述目标数量的历史性能指标数据，构建正态分布函数；
子步骤B2：基于所述正态分布函数，确定正态分布平均值和正态分布标准差；
子步骤B3：基于所述正态分布平均值和所述正态分布标准差，计算得到所述置信度门限；所述置信度门限包括单边置信度门限和双边置信度门限中的至少一种。
在本发明实施例中，正态分布函数是指采用一个话务模型分组中目标数量的历史性能指标数据构建得到的正态分布函数。
在得到一个话务模型分组中目标数量的历史性能指标数据之后，可以结合这些历史性能指标数据构建得到正态分布函数，并基于正态分布函数计算得到正态分布平均值和正态分布标准差。
进而，根据正态分布平均值和正态分布标准差可以计算得到置信度门限。
具体地计算过程可以为：针对每个话务模型分组内目标数量的历史性能指标，确定这些历史性能指标数据对应的正态分布样本平均值u和样本标准差δ。
根据具体的历史性能指标数据，选择指标门限为单边置信度门限还是双边置信度门限，例如对于掉话率指标，该指标最小值为0，且在分析时希望指标值越小越好，因而，使用单边置信度门限分析；对于建立成功率指标，该指标最大值100％，且在分析时希望指标越大越好，因而，也使用单边置信度门限分析。如果双边均无边界，则使用双边置信度门限进行分析。
对于单边置信区间，设置固定置信度门限(例如0.95)，例如，参照图3c，示出了本发明实施例提供的一种单置信边界正态分布的示意图，如图3c所示，这时，P＝0.95，a＝1-0.95＝0.05，通过查下述表1，可知对应的样本边界值为Z＝u+1.65δ(右边界)或Z＝u+1.65δ(左边界)。
对于双边置信度门限，例如，参照图3d，示出了本发明实施例提供的一种双置信边界正态分布的示意图，如图3d所示，这时，P＝0.95，2a＝1-0.95＝0.05,a＝0.025。通过查下述表1，可知对应的样本边界值为Z＝u±1.96*δ。
表1：
可以理解地，上述示例仅是为了更好地理解本发明实施例的技术方案而列举的计算置信区间的方案，不作为对本发明实施例的唯一限制。
在基于目标数量的历史性能指标数据，计算得到每个话务模型分组对应的置信度门限之后，执行步骤205。
步骤205：根据所述待分析性能指标数据对应的时段，及所述时段对应的置信度门限，对所述待分析性能指标数据进行评估。
在构建话务模型分组之后，可以根据待分析性能指标数据对应的时段，及时段对应的置信度门限，对待分析性能指标数据进行评估，具体地，对于待分析性能指标数据进行评估的过程，可以结合下述优选实施例进行详细描述。
在本发明的一种优选实施例中，上述步骤205可以包括：
子步骤C1：在所述置信度门限为单边置信度门限，且所述时段内的待分析性能指标数据大于/小于所述单边置信度门限的情况下，将所述待分析性能指标数据评估为恶化指标数据。
在本发明实施例中，在置信度门限为单边置信度门限时，可以将优化处理后获取的某个时段的待分析性能指标数据，与对应时段的单边置信度门限进行比较，具体地，分为以下两种情况：
1、在指定时段的待分析性能指标数据大于指定时段对应的单边置信度门限时，该待分析性能指标数据为恶化指标数据。
2、在指定时段的待分析性能指标数据小于指定时段对应的单边置信度门限时，该待分析性能指标数据为恶化指标数据。
例如，如上述步骤102中的示例，忙时1对应于置信度门限a，忙时2对应于置信度门限b，闲时对应于置信度门限c，对于9:00～19:00时段内产生的待分析性能指标数据可以与置信度门限a进行比较，以评估产生于9:00～19:00时段内的待分析性能指标数据的是否有恶化性能指标；对于20:00～24:00内产生的待分析性能指标数据可以与置信度门限b进行比较，以评估产生于20:00～24:00时段内的待分析性能指标数据的是否有恶化性能指标；对于1:00～8:00内产生的待分析性能指标数据可以与置信度门限c进行比较，以评估产生于1:00～8:00时段内的待分析性能指标数据的是否有恶化性能指标。
可以理解地，有些指标数据是越大越好的，而有些指标数据是越小越好的。
对于越大越好的指标数据，可以设置每个时段对应的单边置信度门限，在获取的优化处理后与每个时段对应的待分析性能指标数据小于该单边置信度门限时，表示该待分析性能指标数据出现了恶化。
而对于越小越好的指标数据，可以设置每个时段对应的单边置信度门限，在获取的优化处理后与每个时段对应的待分析性能指标数据大于该单边置信度门限时，表示该待分析性能指标数据出现了恶化。
可以理解地，上述示例仅是为了更好地理解本发明实施例的技术方案而列举的示例，不作为对本发明实施例的唯一限制。
子步骤C2：在所述置信度门限为双边置信度门限，且所述时段内的待分析性能指标数据位于所述双边置信度门限的区间之外的情况下，将所述待分析性能指标数据评估为恶化指标数据。
在置信度门限为双边置信度门限时，双边置信度门限构成了一个置信度区间，每个时段均对应于一个相应的置信度区间，而在获取了某个时段的优化处理后的待分析性能指标数据之后，可以与对应时段的双边置信度门限进行比较，以确定该待分析性能指标数据是否落在双边置信度门限构成的区间内；在待分析性能指标数据落于双边置信度门限构成的区间之外时，则将该待分析性能指标数据评估为恶化指标数据。
本发明实施例通过根据优化前的性能指标数据构建包含置信度门限的话务模型分组，基于对优化前指标构建性能指标置信度门限，能够在减少话务波动对指标评估准确性影响的同时，还能够有效评估优化后指标是否正常波动，进一步地，提升了现网中性能指标是否恶化的判断准确性，进而提升了回退评估的准确性。
在根据待分析性能指标数据对应的时段，及时段对应的置信度门限，对待分析性能指标数据进行评估之后，执行步骤206。
步骤206：根据评估结果，确定所述待分析性能指标数据中出现恶化指标的恶化数量。
恶化数量是指待分析性能指标数据中出现恶化指标的数量。
在对待分析性能指标数据进行评估之后，可以评估出待分析性能指标数据中出现恶化指标的数量，即恶化数量。
在根据评估结果，确定待分析性能指标数据中出现恶化指标的恶化数量之后，执行步骤207。
步骤207：在所述恶化数量达到设定数量的情况下，对所述待分析性能指标执行优化回退操作。
设定数量是指业务人员预先设置的数量，设定数量可以为10、20、30等等，具体地，可以根据业务需求而定，本发明实施例对此不加以限制。
在得到待分析性能指标数据中出现恶化指标的恶化数量之后，可以将恶化数量与设定数量进行比较，以确定恶化数量是否达到设定数量。
在恶化数量未达到设定数量时，表示对性能指标进行的优化处理符合要求，无需进行优化回退操作。
而在恶化数量达到设定数量时，表示目标网元内的性能指标执行的优化处理出现了恶化，需触发执行回退操作，将性能指标的状态回退至优化之前的状态。例如，针对某网元对象/对象组，在优化实施后，监控一段时间(例如4小时忙时)，对所有关键性能指标的恶化点数做统计，当恶化点比例达到一定门限，或出现连续N个恶化点，则认为对该网元对象/对象组的优化出现恶化，需触发优化回退。然后系统进行优化实施建议的回退处理。
本发明实施例提供的无线性能指标评估方法，在对目标网元中的目标类型的性能指标进行优化处理之后，获取在优化之前的第一预设时长内的历史性能指标数据，及在优化之后的第二预设时长内的待分析性能指标数据，基于历史性能指标数据，构建话务模型分组，话务模型分组包括不同时段对应的置信度门限，根据待分析性能指标数据对应的时段，及时段对应的置信度门限，对待分析性能指标数据进行评估。本发明实施例通过根据优化前的性能指标数据构建包含置信度门限的话务模型分组，基于对优化前指标构建性能指标置信度门限，能够在减少话务波动对指标评估准确性影响的同时，还能够有效评估优化后指标是否正常波动，进一步地，提升了现网中性能指标是否恶化的判断准确性，进而提升了回退评估的准确性。
实施例三
参照图4，示出了本发明实施例提供的一种无线性能指标评估装置的结构示意图，具体可以包括如下模块：
性能指标数据获取模块310，用于在对目标网元中的目标类型的性能指标进行优化处理之后，获取在优化之前的第一预设时长内的历史性能指标数据，及在优化之后的第二预设时长内的待分析性能指标数据；
话务模型分组构建模块320，用于基于所述历史性能指标数据，构建话务模型分组；所述话务模型分组包括不同时段对应的置信度门限；
性能指标数据评估模块330，用于根据所述待分析性能指标数据对应的时段，及所述时段对应的置信度门限，对所述待分析性能指标数据进行评估。
本发明实施例提供的无线性能指标评估装置，在对目标网元中的目标类型的性能指标进行优化处理之后，获取在优化之前的第一预设时长内的历史性能指标数据，及在优化之后的第二预设时长内的待分析性能指标数据，基于历史性能指标数据，构建话务模型分组，话务模型分组包括不同时段对应的置信度门限，根据待分析性能指标数据对应的时段，及时段对应的置信度门限，对待分析性能指标数据进行评估。本发明实施例通过根据优化前的性能指标数据构建包含置信度门限的话务模型分组，基于对优化前指标构建性能指标置信度门限，能够在减少话务波动对指标评估准确性影响的同时，还能够有效评估优化后指标是否正常波动，进一步地，提升了现网中性能指标是否恶化的判断准确性，进而提升了回退评估的准确性。
实施例四
参照图5，示出了本发明实施例提供的一种无线性能指标评估装置的结构示意图，具体可以包括如下模块：
性能指标数据获取模块410，用于在对目标网元中的目标类型的性能指标进行优化处理之后，获取在优化之前的第一预设时长内的历史性能指标数据，及在优化之后的第二预设时长内的待分析性能指标数据；
话务模型分组构建模块420，用于基于所述历史性能指标数据，构建话务模型分组；所述话务模型分组包括不同时段对应的置信度门限；
性能指标数据评估模块430，用于根据所述待分析性能指标数据对应的时段，及所述时段对应的置信度门限，对所述待分析性能指标数据进行评估；
恶化数量确定模块440，用于根据评估结果，确定所述待分析性能指标数据中出现恶化指标的恶化数量；
回退操作执行模块450，用于在所述恶化数量达到设定数量的情况下，对所述待分析性能指标执行优化回退操作。
优选地，所述话务模型分组构建模块420包括：
话务模型分组划分子模块421，用于将所述历史性能指标数据按照所述时段进行划分，得到N个话务模型分组；每个所述话务模型分组内包括目标数量的历史性能指标数据，N为大于等于1的正整数；
正态分布条件判断子模块422，用于判断所述目标数量的历史性能指标数据是否满足正态分布条件；
第一置信度计算子模块423，用于在所述目标数量的历史性能指标数据满足所述正态分布条件，基于所述目标数量的历史性能指标数据，计算得到每个所述话务模型分组对应的置信度门限。
优选地，所述第一置信度计算子模块423包括：
正态分布函数构建子模块，用于根据所述目标数量的历史性能指标数据，构建正态分布函数；
平均值标准差确定子模块，用于基于所述正态分布函数，确定正态分布平均值和正态分布标准差；
第二置信度计算子模块，用于基于所述正态分布平均值和所述正态分布标准差，计算得到所述置信度门限；
所述置信度门限包括单边置信度门限和双边置信度门限中的至少一种。
优选地，所述正态分布条件判断子模块包括：
第一条件判断子模块，用于采用正态分布检验方法检验所述目标数量的历史性能指标数据是否满足正态分布条件；或者
第二条件判断子模块，用于采用预置正态分布检验工具判断所述目标数量的历史性能指标数据是否满足正态分布条件。
优选地，所述性能指标数据评估模块430包括：
第一恶化指标评估子模块，用于在所述置信度门限为单边置信度门限，且所述时段内的待分析性能指标数据大于/小于所述单边置信度门限的情况下，将所述待分析性能指标数据评估为恶化指标数据；或者
第二恶化指标评估子模块，用于在所述置信度门限为双边置信度门限，且所述时段内的待分析性能指标数据位于所述双边置信度门限的区间之外的情况下，将所述待分析性能指标数据评估为恶化指标数据。
本发明实施例提供的无线性能指标评估装置，在对目标网元中的目标类型的性能指标进行优化处理之后，获取在优化之前的第一预设时长内的历史性能指标数据，及在优化之后的第二预设时长内的待分析性能指标数据，基于历史性能指标数据，构建话务模型分组，话务模型分组包括不同时段对应的置信度门限，根据待分析性能指标数据对应的时段，及时段对应的置信度门限，对待分析性能指标数据进行评估。本发明实施例通过根据优化前的性能指标数据构建包含置信度门限的话务模型分组，基于对优化前指标构建性能指标置信度门限，能够在减少话务波动对指标评估准确性影响的同时，还能够有效评估优化后指标是否正常波动，进一步地，提升了现网中性能指标是否恶化的判断准确性，进而提升了回退评估的准确性。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明实施例中，通过获取待分析话务模型，及待分析话务模型的获取时间，对待分析话务模型中的当前性能指标进行优化处理，得到优化后的待分析性能指标，确定获取时间对应的目标话务分组，获取与目标话务分组对应的预先配置的目标置信区间，目标置信区间是根据满足正态分布条件的历史性能指标计算得到的，在待分析性能指标未处于目标置信区间内时，确定待分析性能指标为恶化性能指标。本发明实施例通过预先对话务模型按照时间做分组处理，可以减少话务波动对指标评估准确性的影响，并且，基于对优化前指标构建性能指标置信区间，进而有效评估优化后指标是否正常波动，还是出现恶化，从而能够提升现网中性能指标是否恶化的判断准确性，进而提升回退评估的有效性。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种无线性能指标评估方法和一种无线性能指标评估装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种无线性能指标评估方法，其特征在于，包括：
在对目标网元中的目标类型的性能指标进行优化处理之后，获取在优化之前的第一预设时长内的历史性能指标数据，及在优化之后的第二预设时长内的待分析性能指标数据；
基于所述历史性能指标数据，构建话务模型分组，基于所述话务模型分组中满足正态分布条件的历史性能指标数据，计算所述话务模型分组对应的置信度门限；所述话务模型分组包括不同时段对应的置信度门限；
根据所述待分析性能指标数据对应的时段，及所述时段对应的置信度门限，对所述待分析性能指标数据进行评估；
根据评估结果，确定所述待分析性能指标数据中出现恶化指标的恶化数量；
在所述恶化数量达到设定数量的情况下，对所述待分析性能指标执行优化回退操作。
2.根据权利要求1所述的方法，其特征在于，所述基于所述历史性能指标数据，构建话务模型分组的步骤，包括：
将所述历史性能指标数据按照所述时段进行划分，得到N个话务模型分组；每个所述话务模型分组内包括目标数量的历史性能指标数据，N为大于等于1的正整数；
判断所述目标数量的历史性能指标数据是否满足正态分布条件；
若满足，则基于所述目标数量的历史性能指标数据，计算得到每个所述话务模型分组对应的置信度门限。
3.根据权利要求2所述的方法，其特征在于，所述基于所述目标数量的历史性能指标数据，计算得到每个所述话务模型分组对应的置信度门限的步骤，包括：
根据所述目标数量的历史性能指标数据，构建正态分布函数；
基于所述正态分布函数，确定正态分布平均值和正态分布标准差；
基于所述正态分布平均值和所述正态分布标准差，计算得到所述置信度门限；
所述置信度门限包括单边置信度门限和双边置信度门限中的至少一种。
4.根据权利要求2所述的方法，其特征在于，所述判断所述目标数量的历史性能指标数据是否满足正态分布条件的步骤，包括：
采用正态分布检验方法检验所述目标数量的历史性能指标数据是否满足正态分布条件；或者
采用预置正态分布检验工具判断所述目标数量的历史性能指标数据是否满足正态分布条件。
5.根据权利要求3所述的方法，其特征在于，所述根据所述待分析性能指标数据对应的时段，及所述时段对应的置信度门限，对所述待分析性能指标数据进行评估的步骤，包括：
在所述置信度门限为单边置信度门限，且所述时段内的待分析性能指标数据大于/小于所述单边置信度门限的情况下，将所述待分析性能指标数据评估为恶化指标数据；或者
在所述置信度门限为双边置信度门限，且所述时段内的待分析性能指标数据位于所述双边置信度门限的区间之外的情况下，将所述待分析性能指标数据评估为恶化指标数据。
6.一种无线性能指标评估装置，其特征在于，包括：
性能指标数据获取模块，用于在对目标网元中的目标类型的性能指标进行优化处理之后，获取在优化之前的第一预设时长内的历史性能指标数据，及在优化之后的第二预设时长内的待分析性能指标数据；
话务模型分组构建模块，用于基于所述历史性能指标数据，构建话务模型分组，基于所述话务模型分组中满足正态分布条件的历史性能指标数据，计算所述话务模型分组对应的置信度门限；所述话务模型分组包括不同时段对应的置信度门限；
性能指标数据评估模块，用于根据所述待分析性能指标数据对应的时段，及所述时段对应的置信度门限，对所述待分析性能指标数据进行评估；
恶化数量确定模块，用于根据评估结果，确定所述待分析性能指标数据中出现恶化指标的恶化数量；
回退操作执行模块，用于在所述恶化数量达到设定数量的情况下，对所述待分析性能指标执行优化回退操作。
7.根据权利要求6所述的装置，其特征在于，所述话务模型分组构建模块包括：
话务模型分组划分子模块，用于将所述历史性能指标数据按照所述时段进行划分，得到N个话务模型分组；每个所述话务模型分组内包括目标数量的历史性能指标数据，N为大于等于1的正整数；
正态分布条件判断子模块，用于判断所述目标数量的历史性能指标数据是否满足正态分布条件；
第一置信度计算子模块，用于在所述目标数量的历史性能指标数据满足所述正态分布条件，基于所述目标数量的历史性能指标数据，计算得到每个所述话务模型分组对应的置信度门限。
8.根据权利要求7所述的装置，其特征在于，所述第一置信度计算子模块包括：
正态分布函数构建子模块，用于根据所述目标数量的历史性能指标数据，构建正态分布函数；
平均值标准差确定子模块，用于基于所述正态分布函数，确定正态分布平均值和正态分布标准差；
第二置信度计算子模块，用于基于所述正态分布平均值和所述正态分布标准差，计算得到所述置信度门限；
所述置信度门限包括单边置信度门限和双边置信度门限中的至少一种。
9.根据权利要求7所述的装置，其特征在于，所述正态分布条件判断子模块包括：
第一条件判断子模块，用于采用正态分布检验方法检验所述目标数量的历史性能指标数据是否满足正态分布条件；或者
第二条件判断子模块，用于采用预置正态分布检验工具判断所述目标数量的历史性能指标数据是否满足正态分布条件。
10.根据权利要求8所述的装置，其特征在于，所述性能指标数据评估模块包括：
第一恶化指标评估子模块，用于在所述置信度门限为单边置信度门限，且所述时段内的待分析性能指标数据大于/小于所述单边置信度门限的情况下，将所述待分析性能指标数据评估为恶化指标数据；或者
第二恶化指标评估子模块，用于在所述置信度门限为双边置信度门限，且所述时段内的待分析性能指标数据位于所述双边置信度门限的区间之外的情况下，将所述待分析性能指标数据评估为恶化指标数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910926850.7A CN112580908B (zh) | 2019-09-27 | 2019-09-27 | 一种无线性能指标评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910926850.7A CN112580908B (zh) | 2019-09-27 | 2019-09-27 | 一种无线性能指标评估方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112580908A CN112580908A (zh) | 2021-03-30 |
| CN112580908B true CN112580908B (zh) | 2023-10-13 |
Family
ID=75110519
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910926850.7A Active CN112580908B (zh) | 2019-09-27 | 2019-09-27 | 一种无线性能指标评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112580908B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113158497B (zh) * | 2021-05-26 | 2024-09-06 | 中国平安人寿保险股份有限公司 | 在线服务实验方法、装置、计算机设备和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105406991A (zh) * | 2015-10-26 | 2016-03-16 | 上海华讯网络系统有限公司 | 基于网络监控指标由历史数据生成业务阈值的方法及系统 |
| CN107204894A (zh) * | 2017-05-18 | 2017-09-26 | 华为技术有限公司 | 网络业务质量的监控方法及装置 |
| CN107766533A (zh) * | 2017-10-27 | 2018-03-06 | 携程旅游网络技术（上海）有限公司 | 话务量异常的自动检测方法及系统、存储介质、电子设备 |
| CN108270929A (zh) * | 2016-12-30 | 2018-07-10 | 杭州华为数字技术有限公司 | 网络话务量预测方法及装置 |
| CN109558295A (zh) * | 2018-11-15 | 2019-04-02 | 新华三信息安全技术有限公司 | 一种性能指标异常检测方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10452450B2 (en) * | 2015-03-20 | 2019-10-22 | International Business Machines Corporation | Optimizing allocation of multi-tasking servers |
-
2019
- 2019-09-27 CN CN201910926850.7A patent/CN112580908B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105406991A (zh) * | 2015-10-26 | 2016-03-16 | 上海华讯网络系统有限公司 | 基于网络监控指标由历史数据生成业务阈值的方法及系统 |
| CN108270929A (zh) * | 2016-12-30 | 2018-07-10 | 杭州华为数字技术有限公司 | 网络话务量预测方法及装置 |
| CN107204894A (zh) * | 2017-05-18 | 2017-09-26 | 华为技术有限公司 | 网络业务质量的监控方法及装置 |
| CN107766533A (zh) * | 2017-10-27 | 2018-03-06 | 携程旅游网络技术（上海）有限公司 | 话务量异常的自动检测方法及系统、存储介质、电子设备 |
| CN109558295A (zh) * | 2018-11-15 | 2019-04-02 | 新华三信息安全技术有限公司 | 一种性能指标异常检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112580908A (zh) | 2021-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101771758B (zh) | 一种性能指标值正常波动范围的动态确定方法及其装置 | |
| CN112037930B (zh) | 一种传染病预测设备、方法、装置及存储介质 | |
| CN101964998A (zh) | 一种电信网络普通节日话务量的预测方法及其装置 | |
| CN110519266B (zh) | 一种基于统计学方法的cc攻击检测的方法 | |
| CN109039502A (zh) | 一种基于频谱预测和感知融合的信道选择方法 | |
| CN106657073A (zh) | 筛选异常登录用户的方法及系统 | |
| CN112580908B (zh) | 一种无线性能指标评估方法及装置 | |
| CN104768171B (zh) | 一种网络优化方法及装置 | |
| CN107145986B (zh) | 一种充电电量预测方法及装置 | |
| CN113596632A (zh) | 一种无源光网络切片划分方法、装置及框架 | |
| CN104618949A (zh) | 一种基于arma模型的投诉预测方法及装置 | |
| CN115269147A (zh) | 一种批量任务处理方法、装置、设备及存储介质 | |
| CN111682975A (zh) | 网络状态预测方法、装置、电子设备及存储介质 | |
| CN109982375A (zh) | 一种服务小区的负荷均衡调整方法及装置 | |
| CN107426450B (zh) | 一种计算呼叫中心繁忙度的方法及装置 | |
| CN102142192A (zh) | 基于组合多步预测的行人交通拥堵预警方法及系统 | |
| CN112929887B (zh) | 基于流量预测设置室分站的方法、装置和电子设备 | |
| CN114036029A (zh) | 一种服务器的磁盘空间使用预测方法及装置 | |
| CN109670593B (zh) | 一种评估、以及预测深度学习模型中层计算时间的方法 | |
| CN111385814A (zh) | 小区网络负荷的评估方法、装置、设备及介质 | |
| CN111327442B (zh) | 基于控制图的投诉预警阈值获取方法及装置 | |
| CN106788816A (zh) | 一种信道状态检测方法及装置 | |
| FI129884B (en) | Automatic evaluation of the effects of changes in communication networks | |
| CN115659377B (zh) | 接口异常访问识别方法、装置、电子设备和存储介质 | |
| CN118170550B (zh) | Node节点水位线阈值调节方法、装置及相关设备 |
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 |