CN112749717A - 物联网业务质量端到端评估方法、装置、设备及存储介质 - Google Patents

物联网业务质量端到端评估方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112749717A
CN112749717A CN201911040481.8A CN201911040481A CN112749717A CN 112749717 A CN112749717 A CN 112749717A CN 201911040481 A CN201911040481 A CN 201911040481A CN 112749717 A CN112749717 A CN 112749717A
Authority
CN
China
Prior art keywords
internet
things
industry
ticket
service quality
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.)
Pending
Application number
CN201911040481.8A
Other languages
English (en)
Inventor
杨敏
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.)
ZTE Corp
Original Assignee
ZTE Corp
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 ZTE Corp filed Critical ZTE Corp
Priority to CN201911040481.8A priority Critical patent/CN112749717A/zh
Publication of CN112749717A publication Critical patent/CN112749717A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06Q10/06395—Quality analysis or management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例提供一种物联网业务质量端到端评估方法，通过获取物联网原始数据，并进行初步处理得到关联后的物联网话单；根据物联网行业细分关联策略及自学习关系对物联网话单的物联网用户进行行业细分；根据指标建模配置获取物联网话单KPI，使用AI算法进行聚类，评估出物联网行业特性标签；根据行业特性标签选择行业关注指标，依据行业决策树对问题进行诊断；进行物联网话单的全程关联及物联网业务质量定界定位；本发明还公开了一种物联网业务质量端到端评估设备及存储介质，通过存储上述功能的程序并让处理器实施上述方案，在某些实施过程中根据行业细分提供不同的物联网业务质量评估体系，满足众多的物联网行业端到端定界定位的问题。

Description

物联网业务质量端到端评估方法、装置、设备及存储介质
技术领域
本发明实施例涉及但不限于物联网大数据分析技术领域，具体而言，涉及但不限于一种物联网业务质量端到端评估方法、装置、设备及存储介质。
背景技术
智能城市、大数据时代的来临，无线通信逐渐进入万物互联的物联网IoT(Internet of Things，物联网)时代，物与物的联接需求数量在以指数级上升。物联网的兴起让人与人的通信扩大到了人与物、物与物的通信，这对于运营商来说是一个巨大的机遇，但同时也面临了许多的挑战，比如：物联网的快速发展催生了不同的行业服务，深刻改变了用户的业务行为。不同业务下，用户对网络质量感知的要求出现差异，举例来说：低速率、高时延的物联网行业应用(比如电力抄表)和高速率、低时延的物联网行业应用(比如物流)在网络质量感知的要求上就有很大差异。
现有物联网业务质量评估方法通常是根据人工经验“一刀切”，无法满足不同的物联网行业在吞吐量、覆盖、终端节电、移动性、时延、容量等不同的诉求。
发明内容
本发明实施例提供的一种物联网业务质量端到端评估方法、装置设备和存储介质，主要解决的问题是目前物联网业务质量评估方法没有根据行业情况进行细分，不能满足不同业务的不同诉求。为解决上述技术问题，本发明实施例提供一种物联网业务质量端到端评估方法，包括：
获取物联网原始数据，并进行初步处理得到关联后的物联网话单；
根据物联网行业细分关联策略及自学习关系对所述物联网话单的物联网用户进行行业细分；
根据指标建模配置对所述物联网话单进行KPI(Key Performance Indicator，关键绩效指标)评估，使用AI算法进行聚类，评估出物联网行业特性标签；
根据所述行业特性标签选择行业关注指标，依据行业决策树对问题进行诊断；
基于接入网、核心网、物联网专网进行所述物联网话单的全程关联；
进行物联网业务质量定界定位。
可选的，所述原始数据包括从移动通信网络中获取控制面、用户面原始数据和从SCA(Signaling Convergence Adapter，流量汇聚适配器)、无线网管获取通过软件采集的原始数据。
可选的，所述初步处理包括根据关键字段和配置的关联策略进行联网单接口话单关联并打上关联标记。
可选的，所述物联网行业细分关联策略包括：通过APN(Access Point Name，接入名称)识别、通过地址识别、通过用户号段识别、通过终端IMEI(International MobileEquipment Identity，国际移动设备识别码)/TAC(Type Allocation Code，类型分配码)识别。
可选的，所述自学习包括：物联网话单行业和用户对应关系的自学习。
可选的，所述KPI评估包括：对计算网元层指标、计算网络层指标、计算业务层指标进行评估。
可选的，所述评估出物联网行业特性标签包括：中间标签输出和真实标签输出。
可选的，所述进行物联网业务质量定界定位包括：先实现域级定界，再实现设备级定界，最后实现问题的准确定界定位。
进一步地，本发明还提供了一种物联网业务质量端到端评估装置，所述物联网业务质量端到端评估装置包括：
物联网数据采集及合成设备，用于获取物联网原始数据，并进行初步处理得到关联后的物联网话单；
物联网用户识别设备，用于根据物联网行业细分关联策略及自学习关系对所述物联网话单的物联网用户进行行业细分；
物联网指标建模设备，用于根据指标建模配置对所述物联网话单进行KPI评估；
物联网行为特征提取设备，用于使用AI算法进行聚类，评估出物联网行业特性标签；
物联网定界定位设备，用于根据所述行业特性标签选择行业关注指标，依据行业决策树对问题进行诊断，基于接入网、核心网、物联网专网进行所述物联网话单的全程关联，进行物联网业务质量定界定位。
进一步地，本发明还提供了一种物联网业务质量端到端评估设备，所述物联网业务质量端到端评估设备包括处理器、存储器及通信总线，所述存储器有一个或者多个计算机程序，所述一个或者多个计算机程序可被一个或者多个所述处理器执行，以实现上述的物联网业务质量端到端评估方法的步骤。
进一步地，本发明还提供了一种存储介质，所述存储介质存储有一个或者多个计算机程序，所述一个或者多个计算机程序可被一个或者多个处理器执行，以实现上述的物联网业务质量端到端评估方法的步骤。
本发明的有益效果是：
根据本发明实施例提供的一种物联网业务质量端到端评估方法，通过获取物联网原始数据，并进行初步处理得到关联后的物联网话单；根据物联网行业细分关联策略及自学习关系对物联网话单的物联网用户进行行业细分；根据指标建模配置获取物联网话单KPI，使用AI算法进行聚类，评估出物联网行业特性标签；根据行业特性标签选择行业关注指标，依据行业决策树对问题进行诊断；基于接入网、核心网、物联网专网进行物联网话单的全程关联；进行物联网业务质量定界定位；在某些实施过程中根据行业细分提供不同的物联网业务质量评估体系，满足众多的物联网行业端到端定界定位的问题。
本发明其他特征和相应的有益效果在说明书的后面部分进行阐述说明，且应当理解，至少部分有益效果从本发明说明书中的记载变的显而易见。
附图说明
图1为本发明实施例一提供的一种物联网业务质量端到端评估方法的基本流程图；
图2为本发明实施例一提供的业务接入类指标定界到不同维度的流程图；
图3为本发明实施例一提供的物联网业务质量定界定位到精确位置的流程图；
图4为本发明实施例二提供的一种物联网业务质量端到端评估装置的结构示意图。
图5为本发明实施例二提供的一种物联网业务质量端到端评估装置的细化结构示意图。
图6为本发明实施例三提供的一种物联网业务质量端到端评估设备的示意图。
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，下面通过具体实施方式结合附图对本发明实施例作进一步详细说明。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。
实施例一：
为了解决目前物联网业务质量评估方法没有根据行业情况进行细分，不能满足不同业务的不同诉求，本发明实施例提供了一种物联网业务质量端到端评估方法。图1为本发明实施例提供的一种物联网业务质量端到端评估方法，该方法包括：
S101：获取物联网原始数据，并进行初步处理得到关联后的物联网话单。
应当理解的是，获取物联网原始数据进行初步处理包括：从移动通信网络中获取控制面、用户面原始数据，对这些原始数据进行解码解析并生成单接口话单，从SCA、无线网管获取通过软件采集的原始数据，对这些原始数据进行解码解析并生成单接口话单。
对于获取的物联网单接口话单，根据关键字段和配置的关联策略进行关联打上关联标记，包括话单关联(根据各接口信令过程及业务传输过程之间的相关性，对各接口信令话单、业务话单及MR(Measurement Report，测量报告)话单进行动态实时关联，从而将同一个用户的同一个业务过程对应的各接口话单关联起来)、回填(根据多接口话单关联结果，回填各接口原始话单中缺失的字段，生成完整的各接口话单。需要回填的信息主要为用户身份标识信息，至少包括IMSI(International Mobile Subscriber Identity，国际移动用户识别码)、IMEI(International Mobile Equipment Identity,国际移动设备识别码)和MSISDN(Mobile Subscriber International ISDN Number,移动用户国际号码))、合成功能。
S102：根据物联网行业细分关联策略及自学习关系对所述物联网话单的物联网用户进行行业细分。
可以理解的是行业细分，可以通过识别行业特征，进行行业表示、行业分类、业务场景分类。
例如，针对城市业务包含：智能交通、环境检测、水质检测、智能井盖、远程医疗、车联网、智慧路灯、智能抄表等。
各个行业业务包括：智慧工厂、智慧建筑、车队管理、工业控制、智慧农业等。
园区业务包括：智能停车、智能垃圾桶、智能照明等。
家庭客户包括:安居安防、家庭自动化等。
获取物联网话单，根据行业细分策略及自学习关系对物联网用户进行行业细分(比如识别出用户属于电力抄表、单车等)。
配置界面上配置行业细分策略，或者使用初始化数据，可以配置的参数包括：
1、通过APN识别：基于非通用APN的物联网行业，可以通过APN名进行行业识别与分类。
2、通过地址识别：基于通用类APN的物联网行业(如CMMTM、CMIOT等)，无法通过APN名进行行业识别，具备条件的情况下，可以根据业务使用的地址进行行业识别与分类，地址包括域名、host、IP地址等。
3、通过用户号段识别：基于通用类APN的物联网行业(如CMMTM、CMIOT等)，无法通过APN名进行行业识别。具备条件的情况下，可以根据用户号段进行行业识别与分类，用户号段包括IMSI、MSISDN等。
4、通过终端IMEI/TAC识别：基于通用类APN的物联网行业(如CMMTM、CMIOT等)，无法通过APN名进行行业识别。具备条件的情况下，可以根据终端IMEI或TAC号码进行行业识别与分类；
其中，行业自学习，根据行业细分策略配置学习号码和号码的对应关系包括：
1、通过APN识别，如果接受的话单中的APN在配置表中，记录下来号码和行业的对应关系；
2、通过地址识别，如果接受的话单中的地址在配置表中，记录下来号码和行业的对应关系。
3、通过用户号段识别，如果接受的话单中的用户号段在配置表中，记录下来号码和行业的对应关系。
4、通过终端IMEI/TAC识别，如果接受的话单中的IMEI/TAC在配置表中，记录下来号码和行业的对应关系。
S103：根据指标建模配置对物联网话单进行KPI评估，使用AI算法进行聚类，评估出物联网行业特性标签。
涉及的KPI包括以下方面：
计算网元层指标，包括无线和核心网指标；
计算网络层指标，包括TCP/UDP/DNS指标；。
计算业务层指标，包括HTTP/CoAP/MQTT指标。
其中行业特性标签聚类包含以下步骤：
在配置界面上配置聚类参数，或者使用初始化数据，可以配置的参数包括：配置聚类算法，这里选择K-Means；配置聚类参数；
使用K-Means算法，自动将数据聚类为10种类别；
结合人工经验、报文特征提取机制，将这10种类别记录为单车、抄表、车联网等，输出这10种行业关注的特性标签。
每类用户标签库中可以包括但不限于：移动性、实时性、交互频率、吞吐量。
在一些实施例中，按照标签库不同，设定个性化指标集，根据关注点设置个性化指标，例如：
移动性，部分应用如单车存在移动特性，而抄表则不会移动，个性化指标如：切换成功率等。
实时性，部分应用如移动支付对网络时延要求较高，而抄表对网络实时性要求不是很高，个性化指标如：TCP时延，HTTP/CoAP响应时延等。
交互频率，部分应用如远程定位可能会经常性的发起业务请求；而抄表业务请求则相对较少，个性化指标如，单位时间内业务请求等。
吞吐量，部分应用如车辆轨迹跟踪可能需要较大的无线网络带宽；而抄表对带宽要求不高，个性化指标如上下行流量、CoAP上下行流量等。
S104：根据行业特性标签选择行业关注指标，依据行业决策树对问题进行诊断。
基于决策树进行智能端到端定界，从各维度(行业、企业、原因值、网元、小区等)分析造成指标恶化的规律性，根据规律定界问题。
定位问题包括不限于：
终端问题，终端异常；
用户问题，用户未签约，高移动场景需求，大速率场景需求；
无线侧问题，核心网问题；
业务服务器问题，SP问题，DNS问题。
在一些发明实施例中，行业关注的特性标签为抄表，决策树诊断过程具体包括：
对附着类指标进行决策树分析，通过关联分析、聚类分析、根因分析，定界到不同维度进行分析，如图2所示，图2为业务接入类指标定界到不同维度的流程图。首先获取网络接入成功率，在2G/3G情况下获取附着成功率、PDP激活成功率，4G情况下获取附着成功率、PDN连接成功率，5G情况下获取注册成功率、PDU会话建立成功率；进一步的，结合物联网话单KPI评估，进行失败原因值的分析，再进行其他TOP-N原因值分析以及聚类分析，得出根因，进一步进行问题定位；例如，当原因为用户侧系统原因、终端原因、数通原因时，定位为全业务支撑问题；当原因为无线原因时，定位为无线问题；当原因为核心网原因时，定位为核心网问题；当原因为基础原因时，定位为物联网基地问题；当原因为传输原因时，定位为传输问题。
对业务接入类指标进行决策树分析，通过关联分析、聚类分析、根因分析，定界到不同维度进行分析。
S105：基于接入网、核心网、物联网专网进行所述物联网话单的全程关联。
S106：进行物联网业务质量定界定位。
按照循序渐进的方式进行，先实现域级定界，再实现设备级定界，最后实现问题的准确定界定位。如图3所示，图3为物联网业务质量定界定位到精确位置的流程图。具体包括物联网业务进行网元维度汇聚，物联网业务维度汇聚和终端维度汇聚。当物联网业务进行网元维度汇聚，若问题汇聚在特定SGW(Serving GateWay，服务网关)/SGW Pool，进一步判断问题是否汇聚在特定eNodeB(Evolved Node B,演进型Node B)，若否，则输出输出质差SGW列表，若是，则进一步判断问题是否汇聚在特定小区，若否，则输出质差eNodeB列表，若是，则输出质差小区列表。当物联网业务进行物联网业务维度汇聚，若问题汇聚在特定APN(Access Point Name,接入点)，则判断问题是否汇聚在特定SGW，若是，则输出质差SGW列表(含基地)，若否，则进一步判断问题是否汇聚在特定IP/服务器，若否，则输出输出质差APN列表，若是，输出质差APN的IP列表。当物联网业务进行终端维度汇聚，若问题汇聚在特定APN则输出质差终端类型列表。
除了物联网业务质量定界定位应用，还可以用于各种面向网维/网优(比如物联网业务质量监控)、面向客服(比如沉默用户分析)、面向政企(比如物卡人用)、面向领导(比如物联网首页概览)等应用。
本发明实施例提供的一种物联网业务质量端到端评估方法，通过获取物联网原始数据，并进行初步处理得到关联后的物联网话单；根据物联网行业细分关联策略及自学习关系对物联网话单的物联网用户进行行业细分；根据指标建模配置获取物联网话单KPI，使用AI算法进行聚类，评估出物联网行业特性标签；根据行业特性标签选择行业关注指标，依据行业决策树对问题进行诊断；基于接入网、核心网、物联网专网进行物联网话单的全程关联；进行物联网业务质量定界定位；在某些实施过程中根据行业细分提供不同的物联网业务质量评估体系，其评估的结果能有效体现出用户的真实体验感知，在对物联网业务有效评估的基础上可以对网络进行主动运维和及时对客户体验进行保障，对于无线网络的问题可以快速进行根因分析和定位，纳入运营商生产流程从而指导运营商快速解决网络问题，提升网络的可靠性、可维护性和稳定性，提升用户感知体验，从而提高用户满意度，增加用户粘性，体现运营商网络价值。
实施例二：
为了解决目前物联网业务质量评估装置没有根据行业情况进行细分，不能满足不同业务的不同诉求，本发明实施例提供了一种物联网业务质量端到端评估装置。图4为本发明实施例提供的一种物联网业务质量端到端评估装置的结构示意图，该装置包括：
物联网数据采集及合成设备210，物联网用户识别设备220，物联网指标建模设备230，物联网行为特征提取设备240，物联网定界定位设备250。
物联网数据采集及合成设备210，用于获取物联网原始数据，并进行初步处理得到关联后的物联网话单。
物联网用户识别设备220，用于根据物联网行业细分关联策略及自学习关系对所述物联网话单的物联网用户进行行业细分。
物联网指标建模设备230，用于根据指标建模配置对所述物联网话单进行关键绩效指标KPI评估。
物联网行为特征提取设备240，用于使用人工智能AI算法进行聚类，评估出物联网行业特性标签。
物联网定界定位设备250，用于根据所述行业特性标签选择行业关注指标，依据行业决策树对问题进行诊断，基于接入网、核心网、物联网专网进行所述物联网话单的全程关联，进行物联网业务质量定界定位。
进一步地，在某些实施例中，如图5所示的物联网业务质量端到端评估装置的细化结构示意图，该装置的物联网数据采集及合成设备210包括：硬采单元211，软采单元212，关联合成单元213，关联策略配置214；物联网用户识别设备220，包括：行业细分单元221，行业策略配置单元222，行业自学习单元223；物联网指标建模设备230包括：指标建模单元231，指标建模配置单元232；物联网行为特征提取设备240包括：行业特性标签聚类单元241，聚类参数配置单元242；物联网定界定位设备250包括：决策树诊断单元251，全域话单关联单元252，问题根因定位单元253，具体如下：
物联网数据采集及合成设备210包括：
硬采单元211，从移动通信网络中获取控制面、用户面原始数据，对这些原始数据进行解码解析并生成单接口话单，上报给关联合成单元213；
软采单元212，从SCA、无线网管获取软采原始数据，对这些原始数据进行解码解析并生成单接口话单，上报给关联合成单元213；
关联合成单元213，从硬采单元210、软采单元212获取物联网单接口话单，根据关键字段和配置的关联策略进行关联打上关联标记，包括话单关联(根据各接口信令过程及业务传输过程之间的相关性，对各接口信令话单、业务话单及MR话单进行动态实时关联，从而将同一个用户的同一个业务过程对应的各接口话单关联起来)、回填(根据多接口话单关联结果，回填各接口原始话单中缺失的字段，生成完整的各接口话单。需要回填的信息主要为用户身份标识信息，至少包括IMSI、IMEI和MSISDN)、合成功能，然后发送给物联网用户识别设备220做进一步的处理；
关联策略配置214，负责物联网单接口话单关联策略的配置并且下发到关联合成单元213生效。
物联网用户识别设备220，包括：
行业细分单元221，从物联网数据采集设备210获取物联网话单，根据行业细分策略配置及自学习关系对物联网用户进行行业细分(比如识别出用户属于电力抄表、单车等)，然后发送给物联网指标建模设备230做进一步的处理；
行业策略配置单元222，负责物联网话单行业细分关联策略的配置并且下发到行业自学习单元223生效。物联网行业细分关联策略包括：
1、通过APN识别：基于非通用APN的物联网行业，可以通过APN名进行行业识别与分类。
2、通过地址识别：基于通用类APN的物联网行业(如CMMTM、CMIOT等)，无法通过APN名进行行业识别，具备条件的情况下，可以根据业务使用的地址进行行业识别与分类，地址包括域名、host、IP地址等。
3、通过用户号段识别：基于通用类APN的物联网行业(如CMMTM、CMIOT等)，无法通过APN名进行行业识别。具备条件的情况下，可以根据用户号段进行行业识别与分类，用户号段包括IMSI、MSISDN等。
4、通过终端IMEI/TAC识别：基于通用类APN的物联网行业(如CMMTM、CMIOT等)，无法通过APN名进行行业识别。具备条件的情况下，可以根据终端IMEI或TAC号码进行行业识别与分类；
行业自学习单元223，负责物联网话单行业和用户对应关系的自学习并且下发到行业细分单元221生效。
物联网指标建模设备230包括：
指标建模单元231，从物联网行业识别设备220获取物联网话单，根据指标建模配置单元进行KPI评估，然后发送给物联网行为特征提取设备240、物联网定界定位设备250做进一步的处理；
指标建模配置单元232，负责物联网指标建模处理的参数控制并且下发到指标建模单元231生效。
物联网行为特征提取设备240包括：
行业特性标签聚类单元241，从物联网指标建模设备230获取物联网KPI，根据聚类参数配置单元使用AI算法进行聚类，评估出物联网行业特性标签(比如电力抄表移动性低、实时性低、吞吐量低，不关注移动性管理、时延、流量等指标)，然后提交给物联网定界定位设备250做进一步的处理。该单元细分为：
中间标签输出：通过相关算法完成指标的聚类，输出中间标签。通过中间标签，可先将指标及时管控起来，再为已分类标签打上真实业务标签。
真实标签输出：结合人工经验、报文特征提取机制完成同类报文的特征提取，输出真实标签。
聚类参数配置单元242，负责物联网行业聚类处理的参数控制并且下发到行业特性标签聚类单元241生效。该单元细分为：
AI算法选择：选择合适的聚类算法(比如K-Means)。
算法参数调整：调整合适的参数(比如K-Means的聚类数量)。
物联网定界定位设备250包括：
决策树诊断单元251，根据输入条件选择指定行业的特性标签，根据标签选择行业关注指标，依据行业决策树对问题进行诊断；
全域话单关联单元252，负责基于接入网、核心网、物联网专网进行全程关联，达到快速问题回溯的目的；
问题根因定位单元253，负责物联网业务质量定界定位，找出问题的精确位置和具体原因。
本发明实施例提供的一种物联网业务质量端到端评估装置，包括：物联网数据采集及合成设备，用于获取物联网原始数据，并进行初步处理得到关联后的物联网话单；物联网行业识别设备，用于根据物联网行业细分关联策略及自学习关系对物联网话单的物联网用户进行行业细分；物联网指标建模设备，用于根据指标建模配置获取物联网话单KPI，使用AI算法进行聚类，评估出物联网行业特性标签；物联网行为特征提取设备，用于根据行业特性标签选择行业关注指标，依据行业决策树对问题进行诊断；物联网定界定位设备，用于基于接入网、核心网、物联网专网进行物联网话单的全程关联；进行物联网业务质量定界定位；在某些实施过程中根据行业细分提供不同的物联网业务质量评估体系，其评估的结果能有效体现出用户的真实体验感知，在对物联网业务有效评估的基础上可以对网络进行主动运维和及时对客户体验进行保障，对于无线网络的问题可以快速进行根因分析和定位，纳入运营商生产流程从而指导运营商快速解决网络问题，提升网络的可靠性、可维护性和稳定性，提升用户感知体验，从而提高用户满意度，增加用户粘性，体现运营商网络价值。
实施例三
本实施例还提供了一种物联网业务质量端到端评估设备，参见图6所示，其包括处理器31、存储器32及通信总线33，其中：
通信总线33用于实现处理器31和存储器32之间的连接通信；
处理器31用于执行存储器32中存储的一个或者多个计算机程序，以实现上述实施例一中的物联网业务质量端到端评估方法中的至少一个步骤。
本实施例还提供了一种存储介质，该存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、计算机程序模块或其他数据)的任何方法或技术中实施的易失性或非易失性、可移除或不可移除的介质。存储介质包括但不限于RAM(Random Access Memory，随机存取存储器),ROM(Read-Only Memory，只读存储器),EEPROM(Electrically ErasableProgrammable read only memory，带电可擦可编程只读存储器)、闪存或其他存储器技术、CD-ROM(Compact Disc Read-Only Memory，光盘只读存储器)，数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。
本实施例中的存储介质可用于存储一个或者多个计算机程序，其存储的一个或者多个计算机程序可被处理器执行，以实现上述实施例一中的物联网业务质量端到端评估方法的至少一个步骤。
可见，本领域的技术人员应该明白，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件(可以用计算装置可执行的计算机程序代码来实现)、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。
此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、计算机程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。所以，本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明实施例所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (11)

1.一种物联网业务质量端到端评估方法，包括：
获取物联网原始数据，并进行初步处理得到关联后的物联网话单；
根据物联网行业细分关联策略及自学习关系对所述物联网话单的物联网用户进行行业细分；
根据指标建模配置对所述物联网话单进行关键绩效指标KPI评估，使用人工智能AI算法进行聚类，评估出物联网行业特性标签；
根据所述行业特性标签选择行业关注指标，依据行业决策树对问题进行诊断；
基于接入网、核心网、物联网专网进行所述物联网话单的全程关联；
进行物联网业务质量定界定位。
2.如权利要求1所述的物联网业务质量端到端评估方法，其特征在于，所述原始数据包括从移动通信网络中获取控制面、用户面原始数据和从流量汇聚适配器SCA、无线网管获取通过软件采集的原始数据。
3.如权利要求2所述的物联网业务质量端到端评估方法，其特征在于，所述初步处理包括根据关键字段和配置的关联策略进行联网单接口话单关联并打上关联标记。
4.如权利要求3所述的物联网业务质量端到端评估方法，其特征在于，所述物联网行业细分关联策略包括：通过接入名称APN识别、通过地址识别、通过用户号段识别、通过终端国际移动设备识别码IMEI/类型分配码TAC识别。
5.如权利要求1-4任一项所述的物联网业务质量端到端评估方法，其特征在于，所述自学习包括：物联网话单行业和用户对应关系的自学习。
6.如权利要求1-4任一项所述的物联网业务质量端到端评估方法，其特征在于，所述关键绩效指标KPI评估包括：对计算网元层指标、计算网络层指标、计算业务层指标进行评估。
7.如权利要求6所述的物联网业务质量端到端评估方法，其特征在于，所述评估出物联网行业特性标签包括：中间标签输出和真实标签输出。
8.如权利要求1所述的物联网业务质量端到端评估方法，其特征在于，所述进行物联网业务质量定界定位包括：先实现域级定界，再实现设备级定界，最后实现问题的准确定界定位。
9.一种物联网业务质量端到端评估装置，包括：
物联网数据采集及合成设备，用于获取物联网原始数据，并进行初步处理得到关联后的物联网话单；
物联网用户识别设备，用于根据物联网行业细分关联策略及自学习关系对所述物联网话单的物联网用户进行行业细分；
物联网指标建模设备，用于根据指标建模配置对所述物联网话单进行关键绩效指标KPI评估；
物联网行为特征提取设备，用于使用人工智能AI算法进行聚类，评估出物联网行业特性标签；
物联网定界定位设备，用于根据所述行业特性标签选择行业关注指标，依据行业决策树对问题进行诊断，基于接入网、核心网、物联网专网进行所述物联网话单的全程关联，进行物联网业务质量定界定位。
10.一种物联网业务质量端到端评估设备，所述物联网业务质量端到端评估设备包括处理器、存储器及通信总线；
所述通信总线用于实现处理器和存储器之间的连接通信；
所述处理器用于执行存储器中存储的一个或者多个计算机程序，以实现如权利要求1-8中任一项所述的物联网业务质量端到端评估方法的步骤。
11.一种存储介质，其特征在于，所述存储介质存储有一个或者多个计算机程序，所述一个或者多个计算机程序可被一个或者多个处理器执行，以实现如权利要求1-8中任一项所述的物联网业务质量端到端评估方法的步骤。
CN201911040481.8A 2019-10-29 2019-10-29 物联网业务质量端到端评估方法、装置、设备及存储介质 Pending CN112749717A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911040481.8A CN112749717A (zh) 2019-10-29 2019-10-29 物联网业务质量端到端评估方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911040481.8A CN112749717A (zh) 2019-10-29 2019-10-29 物联网业务质量端到端评估方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN112749717A true CN112749717A (zh) 2021-05-04

Family

ID=75640255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911040481.8A Pending CN112749717A (zh) 2019-10-29 2019-10-29 物联网业务质量端到端评估方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112749717A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023041051A1 (zh) * 2021-09-18 2023-03-23 中兴通讯股份有限公司 用户感知评估方法、装置、存储介质以及电子装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023041051A1 (zh) * 2021-09-18 2023-03-23 中兴通讯股份有限公司 用户感知评估方法、装置、存储介质以及电子装置

Similar Documents

Publication Publication Date Title
CN110505196B (zh) 物联网卡异常检测方法及装置
CN110312279B (zh) 一种网络数据的监测方法及装置
CN112118551B (zh) 设备风险识别方法及相关设备
CN111817868B (zh) 一种网络质量异常的定位方法与装置
KR20160086812A (ko) 속성과 네트워크 주소 사이의 연관
CN111163482B (zh) 数据的处理方法、设备及存储介质
WO2016070673A1 (zh) 用户属性分析方法及装置
CN107147514B (zh) 一种电力通信网络优化资源配置方法及系统
CN109982257B (zh) 确定移动用户归属区域的方法、装置、系统
CN105072139A (zh) 推荐方法和装置
CN114257957B (zh) 网络规划方法及装置、计算设备和计算机可读存储介质
CN102256297A (zh) 一种td-scdma无线通信网络服务用户感知数据采集方法
CN103747042A (zh) 一种信息获取方法和装置
CN112749717A (zh) 物联网业务质量端到端评估方法、装置、设备及存储介质
CN114385609A (zh) 基于标签的政务事件处理系统、方法、设备及存储介质
CN102075386B (zh) 识别方法及装置
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
CN116017333A (zh) 基于大数据信令处理的人口识别方法、系统及存储介质
CN113014671B (zh) 应用于大数据分析的云业务资源共享方法及资源共享平台
CN112001454B (zh) 一种集客专线的聚类方法和装置
CN104394539A (zh) 一种可配置的网元容量评估方法
CN114638308A (zh) 一种获取对象关系的方法、装置、电子设备和存储介质
CN115759223A (zh) 模型训练方法、数据处理方法、电子设备、可读存储介质
CN111949246A (zh) 新能源电力行业应用的创建方法及装置
CN105517087B (zh) 用户感知评估的方法及装置

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