CN112966838B - 灾害智能运维派单方法、装置及设备 - Google Patents
灾害智能运维派单方法、装置及设备 Download PDFInfo
- Publication number
- CN112966838B CN112966838B CN202110236929.4A CN202110236929A CN112966838B CN 112966838 B CN112966838 B CN 112966838B CN 202110236929 A CN202110236929 A CN 202110236929A CN 112966838 B CN112966838 B CN 112966838B
- Authority
- CN
- China
- Prior art keywords
- alarm
- data
- maintenance
- time period
- preset
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004891 communication Methods 0.000 claims abstract description 50
- 238000003066 decision tree Methods 0.000 claims abstract description 46
- 238000012549 training Methods 0.000 claims abstract description 19
- 230000008439 repair process Effects 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 18
- 238000012216 screening Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000011084 recovery Methods 0.000 claims description 5
- 206010063385 Intellectualisation Diseases 0.000 abstract description 4
- 238000013461 design Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Alarm Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
本公开实施例提供一种灾害智能运维派单方法、装置及设备，该方法包括：采集通信网元设备的告警数据；将所述告警数据输入预设的决策树模型，得到所述告警数据对应的告警等级，其中所述预设的决策树模型是根据预设历史时间段内的灾害告警数据训练得到的；根据所述告警等级，发送所述通信网元设备的告警工单至相应的运维终端。本公开实施例能够自动进行运维派单，不需要进行人工经验的判断，提高灾害运维派单的智能化和效率。
Description
技术领域
本公开实施例涉及通信技术领域，尤其涉及一种灾害智能运维派单方法、装置及设备。
背景技术
台风等灾害发生时，常伴随着强风和降雨，通信设备往往会造成比平时增多的损坏。
目前，通信设备的大范围告警，包括大范围的基站告警、传输线路中断告警、局房断电告警。当出现通信设备大范围告警时，往往依赖具有丰富经验的运维专家进行指挥调度，以恢复通信。
然而，发明人发现现有技术至少存在以下技术问题：依赖人工经验进行告警判断指挥抢修的方式，存在工作强度大、抢修效率低、恢复时效性差的问题。
发明内容
本公开实施例提供一种灾害智能运维派单方法、装置及设备，以克服现有技术中依赖人工经验进行告警判断指挥抢修的方式，存在工作强度大、抢修效率低、恢复时效性差的问题。
第一方面，本公开实施例提供一种灾害智能运维派单方法，包括：
采集通信网元设备的告警数据；
将所述告警数据输入预设的决策树模型，得到所述告警数据对应的告警等级，其中所述预设的决策树模型是根据预设历史时间段内的灾害告警数据训练得到的；
根据所述告警等级，发送所述通信网元设备的告警工单至相应的运维终端。
在一种可能的设计中，所述方法还包括：
获取预设历史时间段内的灾害告警数据，并对所述预设历史时间段内的灾害告警数据进行预处理；
根据预处理后的预设历史时间段内的灾害告警数据，训练得到所述预设的决策树模型。
在一种可能的设计中，所述获取预设历史时间段内的灾害告警数据，并对所述预设历史时间段内的灾害告警数据进行预处理，包括：
若所述预设历史时间段内的灾害告警数据为实时数据，则采用KAFKA接口采集所述实时数据；
若所述预设历史时间段内的灾害告警数据为文件数据，则采用FTP接口采集所述文件数据；
对采集的所述预设历史时间段内的灾害告警数据进行属性筛选、特征赋值和缺失值处理后，得到预处理后的预设历史时间段内的灾害告警数据。
在一种可能的设计中，所述根据预处理后的预设历史时间段内的灾害告警数据，构建所述预设的决策树模型，包括：
从所述预处理后的预设历史时间段内的灾害告警数据中选择特征数据集合作为根节点、其他特征数据集合作为中间节点，告警等级分类结果作为叶子结点，进行决策树模型训练，得到所述预设的决策树模型。
在一种可能的设计中，所述根据所述告警等级，发送所述通信网元设备的告警工单至相应的运维终端，包括：
若所述告警等级为主要等级告警，则发送运维抢修工单至紧急运维终端，以使所述紧急运维终端通知紧急运维人员立即抢修；
若所述告警等级为次要等级告警，则将所述告警数据发送至专家平台，以使所述专家平台进行评估后，发送告警工单至普通运维终端，以使所述普通运维终端通知普通运维人员进行维护。
第二方面，本公开实施例提供一种灾害智能运维派单装置，包括：
采集模块，用于采集通信网元设备的告警数据；
处理模块，用于将所述告警数据输入预设的决策树模型，得到所述告警数据对应的告警等级，其中所述预设的决策树模型是根据预设历史时间段内的灾害告警数据训练得到的；
发送模块，用于根据所述告警等级，发送所述通信网元设备的告警工单至相应的运维终端。
在一种可能的设计中，所述装置，还包括：
模型建立模块，用于获取预设历史时间段内的灾害告警数据，并对所述预设历史时间段内的灾害告警数据进行预处理；根据预处理后的预设历史时间段内的灾害告警数据，训练得到所述预设的决策树模型。
第三方面，本公开实施例提供一种服务设备，包括：
显示屏；
至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的灾害智能运维派单方法。
第四方面，本公开实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的灾害智能运维派单方法。
第五方面，本公开实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如上第一方面以及第一方面各种可能的设计所述的灾害智能运维派单方法。
本公开实施例提供的灾害智能运维派单方法、装置及设备，该方法通过将采集的通信网元设备的告警数据输入预设的决策树模型，得到告警数据对应的告警等级；并根据告警数据的告警等级，将通信网元设备的告警工单至相应的运维终端，以使运维人员进行抢修或维护，从而在通信网元设备告警后，自动进行运维派单的过程，不需要进行人工经验的判断，提高灾害运维派单的智能化和效率。
附图说明
为了更清楚地说明本公开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公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的灾害智能运维派单系统的架构示意图；
图2为本公开实施例提供的灾害智能运维派单方法的流程示意图一；
图3为本公开实施例提供的灾害智能运维派单方法的流程示意图二；
图4为本公开实施例提供的预设的决策树模型的简易结构示意图；
图5为本公开实施例提供的灾害智能运维派单装置的结构示意图；
图6为本公开实施例提供的服务设备的硬件结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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，都属于本公开保护的范围。
目前，当台风等灾害发生时，通信设备出现大范围告警，依赖人工经验进行告警判断指挥抢修的方式，存在工作强度大、抢修效率低、恢复时效性差的问题。为了解决上述技术问题，本公开实施例，首先将采集的通信网元设备的告警数据输入预设的决策树模型，得到告警数据对应的告警等级；然后根据告警数据的告警等级，将通信网元设备的告警工单至相应的运维终端，从而实现通信网元设备告警后，自动进行运维派单的过程，不需要进行人工经验的判断，提高灾害运维派单的智能化。
图1为本公开实施例提供的灾害智能运维派单系统的架构示意图。如图1所示，本实施例提供的系统包括通信网元设备10、服务设备20和运维终端30；通信网元设备10与服务设备20和运维终端30通信连接。其中，通信网元设备10与服务设备20、运维终端30的通信连接可以是有线连接也可以是无线连接。
其中，通信网元设备10，包括中继站、局房、基站等网元。
服务设备20可以是一台计算机或服务器，对此本公开实施例不作任何限制。
弹性检测设备30可以是任何形式的终端。该终端可以是可以是无线终端也可以是有线终端。无线终端可以是指向用户提供语音和/或其他业务数据连通性的设备，具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备。无线终端可以经无线接入网(Radio Access Network，简称RAN)与一个或多个核心网设备进行通信，无线终端可以是移动终端，如移动电话(或称为“蜂窝”电话)和具有移动终端的计算机，例如，可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置，它们与无线接入网交换语言和/或数据。再例如，无线终端还可以是个人通信业务(Personal Communication Service，简称PCS)电话、无绳电话、会话发起协议(Session Initiation Protocol，简称SIP)话机、无线本地环路(Wireless Local Loop，简称WLL)站、个人数字助理(Personal DigitalAssistant，简称PDA)等设备。无线终端也可以称为系统、订户单元(Subscriber Unit)、订户站(Subscriber Station)，移动站(Mobile Station)、移动台(Mobile)、远程站(RemoteStation)、远程终端(Remote Terminal)、接入终端(Access Terminal)、用户终端(UserTerminal)、用户代理(User Agent)、用户设备(User Device or User Equipment)，在此不作限定。可选的，上述终端还可以是智能手表、平板电脑、个人电脑等设备。
图2为本公开实施例提供的灾害智能运维派单方法的流程示意图一，本实施例的执行主体可以为图1所示的服务设备。如图2所示，该方法包括：
S201：采集通信网元设备的告警数据。
在本公开实施例中，通信网元设备包括图1所示的中继站、局房、基站等网元设备。
具体地，可以通过中继站、局房、基站等网元设备上运行的脚本程序自动采集中继站、局房、基站等网元设备的运行数据，当运行数据满足告警条件时，深生成告警数据。
其中，运行数据满足告警条件可以是运行数据超过设备的阈值范围。例如，运行的CPU使用率超过90％。
S202：将所述告警数据输入预设的决策树模型，得到所述告警数据对应的告警等级，其中所述预设的决策树模型是根据预设历史时间段内的灾害告警数据训练得到的。
在本公开实施例中，预设的决策树模型可以是一个模型，也可以是多个模型。
当预设的决策树模型为一个模型时，将告警数据输入该模型中，该模型输出告警数据对应的告警等级。
当预设的决策树模型为多个模型时，可以从多个模型中分别输入告警数据，得到多个告警等级，对多个告警等级进行聚类，将告警等级数量最多的聚类结果作为最终的告警等级，进行输出。
S203：根据所述告警等级，发送所述通信网元设备的告警工单至相应的运维终端。
在本公开实施例中，不同的告警等级表示告警数据对应的等级情况。告警等级的等级越高，对应的紧急程度越高。
其中，不同的告警等级的告警数据，发送至不同的等级的运维终端，需以使不同的等级的运维人员对应通信网元设备进行抢修或维护等。
从上述描述可知，通过将采集的通信网元设备的告警数据输入预设的决策树模型，得到告警数据对应的告警等级；并根据告警数据的告警等级，将通信网元设备的告警工单至相应的运维终端，以使运维人员进行抢修或维护，从而在通信网元设备告警后，自动进行运维派单的过程，不需要进行人工经验的判断，提高灾害运维派单的智能化和效率。
图3为本公开实施例提供的灾害智能运维派单方法的流程示意图二，本实施例在图2实施例的基础上，本实施例对如何利用预设历史时间段内的灾害告警数据训练得到预设的决策树模型的具体实现过程进行了详细说明。如图3所示，该方法包括：
S301：获取预设历史时间段内的灾害告警数据，并对所述预设历史时间段内的灾害告警数据进行预处理。
其中，预设历史时间段内可以是一年或十年。
具体地，若所述预设历史时间段内的灾害告警数据为实时数据，则采用KAFKA接口采集所述实时数据；
若所述预设历史时间段内的灾害告警数据为文件数据，则采用FTP接口采集所述文件数据；
对采集的所述预设历史时间段内的灾害告警数据进行属性筛选、特征赋值和缺失值处理后，得到预处理后的预设历史时间段内的灾害告警数据。
在本公开实施例中，采集后的预设历史时间段内的灾害告警数据采用Hadoop平台进行处理，基于Hadoop平台提供的HDFS分布式文件系统和YARN分布式资源调度系统，实现对采集的大量的预设历史时间段内的灾害告警数据进行存储和资源调度管理。
在本公开实施例中，对采集的所述预设历史时间段内的灾害告警数据进行属性筛选、特征赋值和缺失值处理，包括对所述预设历史时间段内的灾害告警数据进行唯一属性的筛查、处理缺失值、特征编码和特征选择等。
S302：根据预处理后的预设历史时间段内的灾害告警数据，训练得到所述预设的决策树模型。
具体地，从所述预处理后的预设历史时间段内的灾害告警数据中选择特征数据集合作为根节点、其他特征数据集合作为中间节点，告警等级分类结果作为叶子结点，进行决策树模型训练，得到所述预设的决策树模型。
在本公开实施例中，决策树是一种树形结构的模型，该模型中包括三类节点：即根节点、中间节点和叶子结点。决策树中的每个节点都表示预处理后的预设历史时间段内的灾害告警数据中的特征数据集合。
如图4所示，图4为本公开实施例提供的预设的决策树模型的简易结构示意图。其中根节点为训练的特征数据集合，边为根节点(父节点)对于特征数据的某种可能取值规则；中间节点为根节点(父节点)根据某一特征的某种可能的取值筛选后形成的训练的特征数据的集合，叶子结点为分类结果。
从上述描述可知，通过预设历史时间段内的灾害告警数据建立预设的决策树模型，能够保证预设的决策树模型的精度，提升预设的决策树模型的输出结果的准确性。
在本公开的一个实施例中，步骤S203根据所述告警等级，发送所述通信网元设备的告警工单至相应的运维终端，具体包括：
S2031：若所述告警等级为主要等级告警，则发送运维抢修工单至紧急运维终端，以使所述紧急运维终端通知紧急运维人员立即抢修。
S2032：若所述告警等级为次要等级告警，则将所述告警数据发送至专家平台，以使所述专家平台进行评估后，发送告警工单至普通运维终端，以使所述普通运维终端通知普通运维人员进行维护
在本公开实施例中，主要等级告警为紧急告警。主要等级告警包括基站断站、基站小区退服和基站链路断裂等告警情况。
当告警等级为主要等级告警时，自动生成运维抢修工单，将运维抢修工单至紧急运维终端，以使所述紧急运维终端通知紧急运维人员立即抢修。
在本实施例中，可以通过短信、邮件或即时通信APP等方式发送运维抢修工单至紧急运维终端。
在本公开实施例中，次要等级告警为非紧急告警(普通告警)。
需要说明的是：运维抢修工单或告警工单，包含通信网元设备的定位信息，根据该定位信息在运维终端的电子地图上显示导航线路，以方便运维人员定位导航。
图5为本公开实施例提供的灾害智能运维派单装置的结构示意图。如图5所示，该灾害智能运维派单装置50包括：采集模块501、处理模块502和发送模块503。
其中，采集模块501，用于采集通信网元设备的告警数据；
处理模块502，用于将所述告警数据输入预设的决策树模型，得到所述告警数据对应的告警等级，其中所述预设的决策树模型是根据预设历史时间段内的灾害告警数据训练得到的；
发送模块503，用于根据所述告警等级，发送所述通信网元设备的告警工单至相应的运维终端。
在本公开的一个实施例中，所述装置包括：模型建立模块504，用于获取预设历史时间段内的灾害告警数据，并对所述预设历史时间段内的灾害告警数据进行预处理；根据预处理后的预设历史时间段内的灾害告警数据，训练得到所述预设的决策树模型。
在本公开的一个实施例中，所述模型建立模块504，具体用于若所述预设历史时间段内的灾害告警数据为实时数据，则采用KAFKA接口采集所述实时数据；若所述预设历史时间段内的灾害告警数据为文件数据，则采用FTP接口采集所述文件数据；对采集的所述预设历史时间段内的灾害告警数据进行属性筛选、特征赋值和缺失值处理后，得到预处理后的预设历史时间段内的灾害告警数据。
在本公开的一个实施例中，所述模型建立模块504，具体用于从所述预处理后的预设历史时间段内的灾害告警数据中选择特征数据集合作为根节点、其他特征数据集合作为中间节点，告警等级分类结果作为叶子结点，进行决策树模型训练，得到所述预设的决策树模型。
在本公开的一个实施例中，所述发送模块503，具体用于若所述告警等级为主要等级告警，则发送运维抢修工单至紧急运维终端，以使所述紧急运维终端通知紧急运维人员立即抢修；若所述告警等级为次要等级告警，则将所述告警数据发送至专家平台，以使所述专家平台进行评估后，发送告警工单至普通运维终端，以使所述普通运维终端通知普通运维人员进行维护。
本实施例提供的装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
图6为本公开实施例提供的服务设备的硬件结构示意图。如图6所示，本实施例的服务设备60包括：
显示屏604；
处理器601以及存储器602；其中
存储器602，用于存储计算机执行指令；
处理器601，用于执行存储器存储的计算机执行指令，以实现上述方法实施例中所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。
可选地，存储器602既可以是独立的，也可以跟处理器601集成在一起。
当存储器602独立设置时，该服务设备还包括总线603，用于连接所述存储器602、显示屏604和处理器601。
本公开实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上所述的灾害智能运维派单方法。
本公开实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述的灾害智能运维派单方法。
在本公开所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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。
另外，在本公开各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块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)或处理器执行本申请各个实施例所述方法的部分步骤。
应理解，上述处理器可以是中央处理单元(Central Processing Unit，简称CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture，简称ISA)总线、外部设备互连(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，简称EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，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，或者对其中部分或者全部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公开各实施例技术方案的范围。
Claims (5)
1.一种灾害智能运维派单方法，其特征在于，包括：
采集通信网元设备的告警数据；
将所述告警数据输入预设的决策树模型，得到所述告警数据对应的告警等级，其中所述预设的决策树模型是根据预设历史时间段内的灾害告警数据训练得到的；
根据所述告警等级，发送所述通信网元设备的告警工单至相应的运维终端；
所述根据所述告警等级，发送所述通信网元设备的告警工单至相应的运维终端，包括：
若所述告警等级为主要等级告警，则发送运维抢修工单至紧急运维终端，以使所述紧急运维终端通知紧急运维人员立即抢修；
若所述告警等级为次要等级告警，则将所述告警数据发送至专家平台，以使所述专家平台进行评估后，发送告警工单至普通运维终端，以使所述普通运维终端通知普通运维人员进行维护；其中，运维抢修工单或告警工单，包含通信网元设备的定位信息，根据所述定位信息在运维终端的电子地图上显示导航线路；
获取预设历史时间段内的灾害告警数据，并对所述预设历史时间段内的灾害告警数据进行预处理；其中，预处理是对采集的所述预设历史时间段内的灾害告警数据进行属性筛选、特征赋值和缺失值处理，包括对所述预设历史时间段内的灾害告警数据进行唯一属性的筛查、处理缺失值、特征编码和特征选择；
根据预处理后的预设历史时间段内的灾害告警数据，训练得到所述预设的决策树模型；
所述根据预处理后的预设历史时间段内的灾害告警数据，构建所述预设的决策树模型，包括：
从所述预处理后的预设历史时间段内的灾害告警数据中选择特征数据集合作为根节点、其他特征数据集合作为中间节点，告警等级分类结果作为叶子结点，进行决策树模型训练，得到所述预设的决策树模型。
2.根据权利要求1所述的方法，其特征在于，所述获取预设历史时间段内的灾害告警数据，并对所述预设历史时间段内的灾害告警数据进行预处理，包括：
若所述预设历史时间段内的灾害告警数据为实时数据，则采用KAFKA接口采集所述实时数据；
若所述预设历史时间段内的灾害告警数据为文件数据，则采用FTP接口采集所述文件数据；
对采集的所述预设历史时间段内的灾害告警数据进行属性筛选、特征赋值和缺失值处理后，得到预处理后的预设历史时间段内的灾害告警数据。
3.一种灾害智能运维派单装置，其特征在于，包括：
采集模块，用于采集通信网元设备的告警数据；
处理模块，用于将所述告警数据输入预设的决策树模型，得到所述告警数据对应的告警等级，其中所述预设的决策树模型是根据预设历史时间段内的灾害告警数据训练得到的；
发送模块，用于根据所述告警等级，发送所述通信网元设备的告警工单至相应的运维终端；
模型建立模块，用于获取预设历史时间段内的灾害告警数据，并对所述预设历史时间段内的灾害告警数据进行预处理；根据预处理后的预设历史时间段内的灾害告警数据，训练得到所述预设的决策树模型；其中，预处理是对采集的所述预设历史时间段内的灾害告警数据进行属性筛选、特征赋值和缺失值处理，包括对所述预设历史时间段内的灾害告警数据进行唯一属性的筛查、处理缺失值、特征编码和特征选择；
所述发送模块，具体用于若所述告警等级为主要等级告警，则发送运维抢修工单至紧急运维终端，以使所述紧急运维终端通知紧急运维人员立即抢修；
若所述告警等级为次要等级告警，则将所述告警数据发送至专家平台，以使所述专家平台进行评估后，发送告警工单至普通运维终端，以使所述普通运维终端通知普通运维人员进行维护；其中，运维抢修工单或告警工单，包含通信网元设备的定位信息，根据所述定位信息在运维终端的电子地图上显示导航线路；
所述模型建立模块，具体用于从所述预处理后的预设历史时间段内的灾害告警数据中选择特征数据集合作为根节点、其他特征数据集合作为中间节点，告警等级分类结果作为叶子结点，进行决策树模型训练，得到所述预设的决策树模型。
4.一种服务设备，特征在于，包括：
显示屏，
至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至2任一项所述的灾害智能运维派单方法。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至2任一项所述的灾害智能运维派单方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110236929.4A CN112966838B (zh) | 2021-03-03 | 2021-03-03 | 灾害智能运维派单方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110236929.4A CN112966838B (zh) | 2021-03-03 | 2021-03-03 | 灾害智能运维派单方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112966838A CN112966838A (zh) | 2021-06-15 |
| CN112966838B true CN112966838B (zh) | 2024-02-20 |
Family
ID=76277264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110236929.4A Active CN112966838B (zh) | 2021-03-03 | 2021-03-03 | 灾害智能运维派单方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112966838B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108256722A (zh) * | 2017-11-16 | 2018-07-06 | 国网河北省电力有限公司信息通信分公司 | 一种电力信息通信派单手持终端 |
| CN109522388A (zh) * | 2018-11-02 | 2019-03-26 | 中国联合网络通信集团有限公司 | 一种智能派单规则的创建方法及装置 |
| CN110650052A (zh) * | 2019-09-26 | 2020-01-03 | 科大国创软件股份有限公司 | 一种基于智能算法的客户原因故障识别处理方法及系统 |
| CN110752942A (zh) * | 2019-09-06 | 2020-02-04 | 平安科技（深圳）有限公司 | 告警信息的决策方法、装置、计算机设备及存储介质 |
| CN111275507A (zh) * | 2018-12-04 | 2020-06-12 | 北京嘀嘀无限科技发展有限公司 | 一种订单异常识别和订单风险管控的方法及其系统 |
| CN111369094A (zh) * | 2018-12-26 | 2020-07-03 | 中兴通讯股份有限公司 | 告警派单方法、装置、系统及计算机可读存储介质 |
| CN112433998A (zh) * | 2020-11-20 | 2021-03-02 | 广东电网有限责任公司佛山供电局 | 一种基于电力系统的多源异构数据采集汇聚系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10831733B2 (en) * | 2017-12-22 | 2020-11-10 | International Business Machines Corporation | Interactive adjustment of decision rules |
-
2021
- 2021-03-03 CN CN202110236929.4A patent/CN112966838B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108256722A (zh) * | 2017-11-16 | 2018-07-06 | 国网河北省电力有限公司信息通信分公司 | 一种电力信息通信派单手持终端 |
| CN109522388A (zh) * | 2018-11-02 | 2019-03-26 | 中国联合网络通信集团有限公司 | 一种智能派单规则的创建方法及装置 |
| CN111275507A (zh) * | 2018-12-04 | 2020-06-12 | 北京嘀嘀无限科技发展有限公司 | 一种订单异常识别和订单风险管控的方法及其系统 |
| CN111369094A (zh) * | 2018-12-26 | 2020-07-03 | 中兴通讯股份有限公司 | 告警派单方法、装置、系统及计算机可读存储介质 |
| CN110752942A (zh) * | 2019-09-06 | 2020-02-04 | 平安科技（深圳）有限公司 | 告警信息的决策方法、装置、计算机设备及存储介质 |
| CN110650052A (zh) * | 2019-09-26 | 2020-01-03 | 科大国创软件股份有限公司 | 一种基于智能算法的客户原因故障识别处理方法及系统 |
| CN112433998A (zh) * | 2020-11-20 | 2021-03-02 | 广东电网有限责任公司佛山供电局 | 一种基于电力系统的多源异构数据采集汇聚系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于决策树算法的电网调度频繁数据挖掘系统设计;张炜 等;《电子设计工程》;第28卷(第19期);第189-193页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112966838A (zh) | 2021-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110112825B (zh) | 电网设备在线监测方法、服务器及系统 | |
| CN105159964A (zh) | 一种日志监控方法及系统 | |
| CN110796343A (zh) | 智能派工方法及装置、系统 | |
| CN111782470B (zh) | 分布式容器日志数据处理方法及装置 | |
| CN109669835A (zh) | MySQL数据库监控方法、装置、设备及可读存储介质 | |
| CN109840183B (zh) | 数据中心分级预警方法、装置及存储介质 | |
| CN107423826A (zh) | 一种水库群的巡检方法、装置和系统 | |
| CN102664760A (zh) | 一种通信系统中的告警方法、设备及通信系统 | |
| CN111382334A (zh) | 一种数据处理方法、装置、计算机以及可读存储介质 | |
| CN114157679A (zh) | 基于云原生分布式应用监控方法、装置、设备及介质 | |
| CN112966838B (zh) | 灾害智能运维派单方法、装置及设备 | |
| CN114595972A (zh) | 一种应用虚拟数字人的智慧城市管理方法 | |
| CN111949490B (zh) | Jvm进程监控方法及装置 | |
| CN101854369A (zh) | 远程信息通知系统和方法 | |
| CN112116511A (zh) | 用于城市轨道交通系统的状态监控方法及装置 | |
| CN116136801B (zh) | 云平台的数据处理方法、装置、电子设备及存储介质 | |
| CN108600046B (zh) | 基于感知哈希的设备状态监测终端、系统及方法 | |
| CN116074215A (zh) | 网络质量检测方法、装置、设备及存储介质 | |
| CN113887813A (zh) | 台风灾害预警方法、装置、服务器及存储介质 | |
| CN115795359A (zh) | 信号类型判别方法、装置和计算机设备 | |
| CN114463096A (zh) | 一种信息配对方法、装置、设备及介质 | |
| CN113691392A (zh) | 一种基于业务规则的物联网报警系统 | |
| CN209214761U (zh) | 一种噪音监测系统 | |
| CN112101810A (zh) | 风险事件控制方法、装置及系统 | |
| CN111061795B (zh) | 一种数据处理方法、装置、智能终端及存储介质 |
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 |