CN113015210B

CN113015210B - 服务质量管控方法和系统

Info

Publication number: CN113015210B
Application number: CN201911315461.7A
Authority: CN
Inventors: 刘伟; 李凯; 李昆仑; 张敏; 胡晓娟; 李星
Original assignee: China Telecom Corp Ltd
Current assignee: China Telecom Corp Ltd
Priority date: 2019-12-19
Filing date: 2019-12-19
Publication date: 2022-11-29
Anticipated expiration: 2039-12-19
Also published as: CN113015210A

Abstract

本公开提出一种服务质量管控方法和系统，涉及移动通信网络技术领域。本公开的一种服务质量管控方法，包括：SCEF收到QoS服务请求，查询确定用户所属基站；SCEF根据用户所属基站向SNCF查询，获取当前网络态势评价结果；SCEF根据当前网络态势评价结果确定是否提供QoS服务请求中请求的服务。通过这样的方法，能够在保证当前网络能够支撑对应等级的服务，以及对其他用户的影响在允许范围内的情况下，才进行对应的QoS等级服务的提供，从而保障QoS服务的效果，也有助于维持网络和服务的稳定。

Description

服务质量管控方法和系统

技术领域

本公开涉及移动通信网络技术领域，特别是一种服务质量管控方法和系统。

背景技术

随着4G网络的普及，4G网络中的数据业务量出现了爆发式的高速增长，全球范围内的移动通信运营商都面临着巨大的网络运营和业务营收的双重压力。对于不同的手机应用，互联网应用提供商有着不同的服务质量需求，视频类的应用强调降低抖动，手机游戏实时类的应用强调减少丢包以及降低网络延时。在国际3GPP的标准架构中，运营商已经具备了可供互联网调用的QoS(Quality of Service，服务质量)能力开放接口，接受互联网发起的调用请求并执行QoS提升操作，满足互联网应用的QoS要求。

但由于QoS提升需求的多样性，存在用户业务QoS需求与网络资源总量的矛盾，用户的业务使用体验与用户业务QoS需求的不一致，用户业务QoS需求与其他用户业务QoS需求的矛盾问题，并且运营商的网络环境，尤其是无线网络资源的变化，造成很多QoS能力调用并不能达到满意的效果，甚至增加运营商网络的负荷。用户位置不固定，在不同无线小区内有着不同的QoS提升效果。在某些极端情况的小区，能力调用之后，QoS提升效果可能不理想，甚至会出现某些用户感知指标下降。

发明内容

本公开的一个目的在于提高QoS服务的质量保障。

根据本公开的一些实施例的一个方面，提出一种服务质量管控方法，包括：SCEF(Service Capability Exposure Function，服务和能力开放功能)收到QoS服务请求后，查询确定用户所属基站；SCEF根据用户所属基站向SNCF(Service-Network CognitiveFunction，服务网络认知功能)查询，获取当前网络态势评价结果；SCEF根据当前网络态势评价结果确定是否提供QoS服务请求中请求的服务。

在一些实施例中，QoS服务请求由SCS(Services Capability Server，业务能力服务器)/AS(Application Server，应用服务器)发送给SCEF。

在一些实施例中，SCEF根据用户所属基站向SNCF查询，获取当前网络态势评价结果包括：SCEF向SNCF发送当前网络态势评价请求，当前网络态势评价请求中包括用户标识、用户所属的基站和请求的QoS等级；SNCF根据历史数据进行网络态势与QoS影响规律认知学习，生成当前网络态势评价结果；将当前网络态势评价结果通过异步方式反馈给SCEF。

在一些实施例中，SCEF根据当前网络态势评价结果确定是否提供QoS服务请求中请求的服务包括：SCEF基于模式认知学习模型确定是否提供QoS服务请求中请求的服务；其中，模式认知学习模型基于当前网络态势评价结果，获取请求的服务需要的网络支撑能力，或提供请求的服务对网络状态造成的影响中的至少一项，确定是否提供QoS服务请求中请求的服务。

在一些实施例中，模式认知学习模型为通过机器学习和深度学习实现，其中，机器学习基于LGB(Light Gradient Boosting Machine，轻量级梯度提升树算法)模型，利用弱分类器迭代训练获取最优模型；深度学习基于CNN(Convolutional Neural Networks，卷积神经网络)模型实现特征提取和分类。

在一些实施例中，查询确定用户所属基站包括：SCEF根据用户标识向HSS(HomeSubscriber Server，归属签约用户服务器)查询用户位置；HSS通过异步方式向SCEF反馈用户所属基站。

在一些实施例中，服务质量管控方法还包括：在确定提供QoS服务请求中请求的服务的情况下，向PCRF(Policy and Charging Rules Function，策略和计费规则功能)发送QoS控制指令，QoS控制指令中包括用户等级和QoS服务等级；PCRF根据QoS控制指令设置基站对用户的QoS服务等级。

通过这样的方法，能够确定终端所属的基站，进而根据当前网络态势评价结果确定是否向用户提供对应的QoS等级的服务，在保证当前网络能够支撑对应等级的服务，以及对其他用户的影响在允许范围内的情况下，才进行对应的QoS等级服务的提供，从而保障QoS服务的效果，也有助于维持网络和服务的稳定。

根据本公开的一些实施例的一个方面，提出一种服务质量管控系统，包括：SCEF，被配置为收到QoS服务请求，查询确定用户所属基站；根据用户所属基站向SNCF查询；根据当前网络态势评价结果确定是否提供QoS服务请求中请求的服务；SNCF被配置为获取当前网络态势评价结果并反馈给SCEF。

在一些实施例中，服务质量管控系统还包括：SCS/AS，被配置为向SCEF发送QoS服务请求。

在一些实施例中，服务质量管控系统还包括：HSS，被配置为根据来自SCEF的查询请求通过异步方式向SCEF反馈用户所属基站。

在一些实施例中，SCEF还被配置为在确定提供QoS服务请求中请求的服务的情况下，向PCRF发送QoS控制指令，QoS控制指令中包括用户等级和QoS服务等级；服务质量管控系统还包括：PCRF，被配置为根据QoS控制指令设置基站对用户的QoS服务等级。

根据本公开的一些实施例的一个方面，提出一种服务质量管控系统，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行上文中提到的任意一种服务质量管控方法。

这样的系统能够确定终端所属的基站，进而根据当前网络态势评价结果确定是否向用户提供对应的QoS等级的服务，在保证当前网络能够支撑对应等级的服务，以及对其他用户的影响在允许范围内的情况下，才进行对应的QoS等级服务的提供，从而保障QoS服务的效果，也有助于维持网络和服务的稳定。

根据本公开的一些实施例的一个方面，提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上文中提到的任意一种服务质量管控方法的步骤。

通过执行这样的计算机可读存储介质上的指令，能够确定终端所属的基站，进而根据当前网络态势评价结果确定是否向用户提供对应的QoS等级的服务，从而在保证当前网络能够支撑对应等级的服务，以及对其他用户的影响在允许范围内的情况下，才进行对应的QoS等级服务的提供，从而保障QoS服务的效果，也有助于维持网络和服务的稳定。

附图说明

此处所说明的附图用来提供对本公开的进一步理解，构成本公开的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：

图1为3GPP的智能管道体系的示意图。

图2为本公开的服务质量管控方法的一些实施例的流程图。

图3为本公开的服务质量管控方法的另一些实施例的流程图。

图4为本公开的服务质量管控方法所应用的网络环境的一些实施例的示意图。

图5为本公开的服务质量管控系统的一些实施例的示意图。

图6为本公开的服务质量管控系统应用于3GPP的智能管道体系的一些实施例的示意图。

图7为本公开的服务质量管控系统的另一些实施例的示意图。

图8为本公开的服务质量管控系统的又一些实施例的示意图。

具体实施方式

下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。

传统智能管道使用PCRF进行管控策略的制定，并通过Gx接口将管控策略下发到PCEF(Policy and Charging Enforcement Function，策略和计费执行功能)，完成对PGW(Packet data network GateWay，分组数据网网关)等网元的控制，使用BBERF(BearerBinding and Event Report Function，承载绑定与事件上报功能)实时对IP网络进行流量的监测，并上报网络事件。

由于业务的复杂多样，网络自身无法对数据流进行全面的识别，也无法简单通过预定义策略进行QoS调整。同时考虑到对用户业务的QoS能力的需求响应，3GPP R13版本中增加SCEF，用于对外部的SCS或AS开放智能管道的控制能力。通过TDF(Traffic DetectionFunction流量监测功能)对应用自定义的业务数据流进行开始/结束等的检测。在3GPP R14中，进一步引入了PFDF(Packet Flow Description Function，数据流描述功能)，存储与应用标识关联的PFD(Packet Flow Description数据流描述符)，通过Gw和Gwn接口传输到PCEF/TDF，用以在第三方SP管理PFD的情况下，使能PCEF/TDF去进行应用检测。3GPP的智能管道体系如图1所示。

传统的QoS保障策略不能适应用户复杂的使用环境，导致用户直观感受和QoS配置信息有较大差异。同时由于不能对用户的QoS请求进行门控，导致运营商接收了大量不合理请求，会引起用户对收费标准的质疑。

相关技术中提供了一些确定服务质量策略的方法，例如专利号201210359634.7的发明，是根据用户当前使用的增值内容的类型查询内容源QoS的固定的策略信息；如专利号201310185994.4的发明，是根据用户当前使用的业务ID到用户签约数据库中查询对应的保障等级，数据库中的保障等级是根据用户签约业务确定的；如专利号201310377063.4的发明，是将QoS策略与预存在QoS策略控制数据库中的QoS策略约束条件进行比对，接收到管理平台发送的QoS策略配置请求后做出不同的QoS策略，数据库中的QoS策略约束条件是根据用户签约业务确定的。

本公开的目的是最大程度地满足互联网应用的保障需求，减少无效或负作用的调用次数，将QoS提升效果最大化，从而解决由于QoS提升需求的多样性以及运营商网络环境尤其是无线网络资源的变化，造成很多QoS能力调用并不能达到满意的效果，甚至增加运营商网络负荷的问题。

本公开的服务质量管控方法的一些实施例的流程图如图2所示。

在步骤201中，SCEF在收到QoS服务请求后，查询确定用户所属基站。在一些实施例中，QoS服务请求中包括用户标识。

在步骤202中，SCEF根据用户所属基站向SNCF查询，获取当前网络态势评价结果。在一些实施例中，SNCF能够支持SCEF的查询，在SCS或AS发起QoS服务请求的时候，对QoS需求影响的网络服务质量进行态势分析与评价。

在步骤203中，SCEF根据当前网络态势评价结果确定是否提供QoS服务请求中请求的服务。在一些实施例中，SCEF可以根据对基站资源态势的认知判定基站资源是否能够支撑应用的QoS需求，或应用的QoS需求是否会恶化基站当前负载状态，导致影响其他用户，并最终综合决策是否接纳应用的QoS请求。

本公开的服务质量管控方法的另一些实施例的流程图如图3所示。

在步骤301中，SCS/AS向SCEF发送QoS服务请求。在一些实施例中，能力调用流程首先由服务提供商的SP APP客户端发起，将请求保障/停止保障的QoS服务请求信息发送至服务质量管控系统，由服务质量管控系统处理该请求，并将保障信令下发至PCRF进行切实保障。在一些实施例中，QoS服务请求中包含用户标识、QoS等级。

在步骤302中，SCEF根据用户标识向HSS查询用户位置。HSS通过异步方式向SCEF反馈用户所属基站。

在步骤303中，SCEF在确定用户当前所属基站后，SCEF向SNCF发起网络态势评价请求，当前网络态势评价请求中包括用户标识、用户所属的基站和请求的QoS等级。SNCF根据历史数据进行网络态势与QoS影响规律认知学习。SNCF在收到网络态势评价请求后进行网络态势评价，通过异步方式将QoS服务请求的网络态势评价结果返回给SCEF。

在步骤304中，SCEF根据网络态势评价结果进行接纳决策，SCEF基于模式认知学习模型确定是否提供QoS服务请求中请求的服务。若确定向用户提供所请求的服务，则执行步骤305，否则失败，流程结束，拒绝当前QoS服务请求，在一些实施例中，可以反馈调节失败信息。模式认知学习模型基于当前网络态势评价结果，获取请求的服务需要的网络支撑能力，或提供请求的服务对网络状态造成的影响中的至少一项，确定是否提供QoS服务请求中请求的服务。

在一些实施例中，模式认知学习模型为通过机器学习和深度学习实现，其中，机器学习基于LGB模型，利用弱分类器迭代训练获取最优模型；深度学习基于CNN模型实现特征提取和分类。

在步骤305中，SCEF向PCRF发送QoS控制指令，QoS控制指令中包括用户等级和QoS服务等级。PCRF根据QoS控制指令设置基站对用户的QoS服务等级。在一些实施例中，SCEF还可以向请求端反馈调节成功信息。

通过这样的方法，能够改变过去4G网络结构中是通过PCRF实现呼叫的QoS的做法，在SCEF中增加基于网络态势认知的需求接纳决策功能，并增加用于对网络状态和态势进行认知功能实体SNCF。通过建立起的机器学习和深度学习模型判断QoS等级，减少无效和负作用的调用次数，对于请求成功的基站，操作基站提高用户的QoS等级，从而达到QoS的服务保障。

本公开的服务质量管控方法所应用的网络环境的一些实施例的示意图如图4所示。

SCS/AS通过接口向SCEF服务发送QoS请求；SCEF先通过查询用于存储用户签约信息的HSS，获得用户所属的基站；得到用户当前基站后，SCEF向SNCF发起网络态势评价请求，得到当前网络态势评价结果；SCEF根据基站的网络态势评价结果判定是否接受QoS请求；如果接受QoS请求，则向PCRF发送控制指令，下发用户的QoS等级；PCRF接着向基站发送并设置基站的QoS等级；当终端登上基站后，用户数据将通过SGW(Serving GateWay，服务网关)和PGW(PDN GateWay，PDN网关)连接到应用上。

SCEF进行无线网络性能指标以及用户相关数据的监测和采集的过程，对数据进行汇聚存储，从而实现运行状态的采集，以供后继分析评估。数据处理过程包括对采集到的数据进行数据一致性处理，质量增强，按需构建数据帧，为服务优化提供数据支持。其中，数据一致性处理实现对原始数据的一致化处理和非法数据的清理，对采集的数据进行保质转换，按需构建数据帧是通过分析不同来源数据的特征及其分布情况，对数据进行清洗和整合，针对数据学习模块对输入数据的要求，构建数据帧。

SCEF针对业务应用的服务请求与当前网络状态的关系建立模式认知学习模型。模式认知的学习是通过机器学习和深度学习实现，机器学习采用LGB模型，LGB利用弱分类器(决策树)迭代训练以得到最优模型。深度学习采用CNN模型实现特征提取和分类，CNN的结构为输入层、卷积层1、池化层1、卷积层2、池化层2、全连接层1、全连接层2、全连接层3，输入层为请求基站的网络性能相关指标构成的数据帧，然后通过卷积层、池化层和全连接层进行模式认知的学习完成特征提取和分类，从而确定是否接受应用的QoS请求。

大规模用户数量对网络的压力很大，传统IP网络尽力服务Best Effort的传输质量保障导致已经难以满足业务用户需求。据中国电信的调研显示，32％的手游用户会出现卡顿，迫切需要优化，另外有50％的手游用户也会间或出现这种卡顿的情况。卡顿的原因主要分为三大类：无线时延、骨干网时延、承载时延。目前，游戏提供商通过改善骨干网时延提升用户体验的方案效果欠佳，因此中国电信通过上线4G-QoS保障业务改善无线时延，用户或者服务会向运营商发出QoS保障请求，运营商根据对网络负载以及状态的充分认知，来评估是否接受这个请求，以保证此QoS请求不会对其他用户造成较大影响，同时提高此请求的QoS，通过这样的方法能够通过无线时延能力的开放解决80％的卡顿。

本公开的服务质量管控系统的一些实施例的示意图如图5所示。服务质量管控系统包括SCEF 51和SNCF 52。

SCEF 51能够在收到QoS服务请求后，查询确定用户所属基站；能够根据用户所属基站向SNCF查询；能够根据当前网络态势评价结果确定是否提供QoS服务请求中请求的服务。在一些实施例中，可以在传统SCEF的基础上扩展SCEF服务能力，增加基于网络态势认知的需求接纳决策功能(Access Decision)，同时扩展T8和Nt、Nu接口，使之能够支持扩展的用户QoS需求。新增的接口能力包括：根据业务签约的用户标识设置QoS的服务质量等级、服务时间等。新增的需求接纳决策功能则根据QoS需求及网络当前态势进行综合判断，根据网络对应用QoS需求的支撑能力或QoS需求对网络状态的影响，决策是接受还是拒绝应用的QoS请求。

SNCF52能够获取当前网络态势评价结果并反馈给SCEF。在一些实施例中，如图6所示，可在图1的基础上进行改进，增加用于对网络状态和态势进行认知功能实体SNCF。SNCF能够支持SCEF新增的网络态势认知决策功能，在SCS或AS发起QoS服务请求的时候，对QoS需求影响的网络服务质量进行态势分析与评价。在一些实施例中，SNCF可以与运营商网管对接，定期同步获取网络运行质量数据，根据历史数据进行网络态势与QoS影响规律认知学习。SNCF在收到网络态势评价请求后进行网络态势评价，通过异步方式将QoS服务请求的网络态势评价结果返回给SCEF。

在一些实施例中，如图5所示，服务质量管控系统还可以包括SCS/AS 53，能够在SPAPP客户端发起请求后，向SCEF发送QoS服务请求。

在一些实施例中，如图5所示，服务质量管控系统还可以包括HSS 54，SCEF能够在收到QoS服务请求后，根据用户标识向HSS查询用户位置，HSS通过异步方式向SCEF反馈用户所属基站。在一些实施例中，服务质量管控系统还可以包括PCRF 55，PCRF 55能够接收来自SCEF的QoS控制指令，QoS控制指令中包括用户等级和QoS服务等级。PCRF根据QoS控制指令设置基站对用户的QoS服务等级。这样的系统根据无线网络性能指标以及将用户相关数据输入到预训练的模型中，来做出QoS保障的判断，针对特定的用户内容源，提供门控功能，即拒绝或允许属于一个业务数据流的分组通过指定的端点。

在一些实施例中，SCEF能够基于模式认知学习模型确定是否提供QoS服务请求中请求的服务。模式认知学习模型基于当前网络态势评价结果，获取请求的服务需要的网络支撑能力，或提供请求的服务对网络状态造成的影响中的至少一项，确定是否提供QoS服务请求中请求的服务。

在一些实施例中，本公开的服务质量管控系统的接口可以如表1所示，参数如表2所示，返回结构如表3所示，表中参数为示意，不对本公开做不当限制：

表1服务质量管控系统的接口定义

表2服务质量管控系统的参数定义

表3服务质量管控系统的返回结果

参数名	类型	必传	描述
				ResultCode	Integer	Y	返回结果编码，参考2.3.6的结果编码说明
ResultMessage	String	Y	返回结果描述
				CorrelationId	String	N	响应成功时候返回的请求id，用来唯一标识一次提速请求

在一些实施例中，HTTP请求参数示例可以如下所示：

Headers:Content-Type:application/json body:

{

"Partner_ID":"123456","UserIdentifier":{

"IP":"10.82.41.167","PublicIP":"49.92.144.83","PublicPORT":"21253"

},

"security_token":

"jsQosIct_1517384703571_QY1602001_tencent_7FA997E0370C8B240CC08A09EFFD9AE9DCA1D

049521CC11395CD7B1C0FC368BDCF98EF2FCC88DB2D15C7CF4C9B2F796CDEDC2FA550EA3300E

3DE85220221C2D53DDDBBCB4419A4D16D5E7C4FE3FF720A0500E351944DFE505B856D8B316D 0EE0",

"OTTchargingId":"1600485197","ServiceId":"TencentGames","Duration":3600,

"CallBackURL":"http://msdk.qq.com/","ResourceFeatureProperties":[

{

"Type":1,

"Priority":1,"FlowProperties":[

{

"Direction":2,

"SourceIpAddress":"10.82.41.167","DestinationIpAddress":"61.129.8.103","Protocol":"ip","MaximumUpStreamSpeedRate":50000,"MaximumDownStreamSpeedRate":100000

}],

"MinimumUpStreamSpeedRate":50000,

"MinimumDownStreamSpeedRate":100000}

]}

成功:

{”CorrelationId”:”jsQosIct_js_tencent_15354365426”,"ResultCode":0,"ResultMessage":"Succ essful"}

失败:

{"ResultCode":254,"ResultMessage":"Auth Failed"}

本公开在传统智能管道逻辑架构的基础上设计和实现服务质量管控，对不产生实际提升的服务保障请求过滤，以节省大网资源，及时捕获QoS业务对普通用户所带来的业务体验波动，对影响较大的QoS业务服务请求进行拒绝，检测业务请求在不同网络状态下的变化趋势，并据此不断自我更新优化模型系统。

本公开中在得到各个业务应用发送的请求后，利用人工智能技术对基站、用户、业务环境进行充分认知，发现用户行为与网络负载与资源状态变化的规律及相关性。网络服务优化子系统根据认知的结果来控制与调度网络资源，从而将传统的被动调控与滞后的控制决策转变为主动适应与超前调配，从而更好地提高资源利用率，满足用户的QoS需求。

另外，通过分析业务应用的请求在不同网络状态下时的响应结果，检测业务请求在不同网络状态下的变化趋势，并据此不断自我更新优化模型系统。分析当时网络性能指标的状态和变化，生成优化建议报告。

本公开服务质量管控系统的一个实施例的结构示意图如图7所示。服务质量管控系统包括存储器701和处理器702。其中：存储器701可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储上文中服务质量管控方法的对应实施例中的指令。处理器702耦接至存储器701，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器702用于执行存储器中存储的指令，能够保障QoS服务的效果，也有助于维持网络和服务的稳定。

在一个实施例中，还可以如图8所示，服务质量管控系统800包括存储器801和处理器802。处理器802通过BUS总线803耦合至存储器801。该服务质量管控系统800还可以通过存储接口804连接至外部存储装置805以便调用外部数据，还可以通过网络接口806连接至网络或者另外一台计算机系统(未标出)。此处不再进行详细介绍。

在该实施例中，通过存储器存储数据指令，再通过处理器处理上述指令，能够保障QoS服务的效果，也有助于维持网络和服务的稳定。

在另一个实施例中，一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现服务质量管控方法对应实施例中的方法的步骤。本领域内的技术人员应明白，本公开的实施例可提供为方法、装置、或计算机程序产品。因此，本公开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，本公开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非瞬时性存储介质(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。

本公开是参照根据本公开实施例的方法、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设备上，使得在计算机或其他可编程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。

至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。

可能以许多方式来实现本公开的方法以及装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法以及装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。

最后应当说明的是：以上实施例仅用以说明本公开的技术方案而非对其限制；尽管参照较佳实施例对本公开进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本公开的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本公开技术方案的精神，其均应涵盖在本公开请求保护的技术方案范围当中。

Claims

1.一种服务质量管控方法，包括：

业务能力开放网元SCEF收到服务质量QoS服务请求，查询确定用户所属基站；

所述SCEF根据用户所属基站向服务网络认知功能SNCF查询，获取当前网络态势评价结果，包括：

所述SCEF向所述SNCF发送当前网络态势评价请求；

所述SNCF根据历史数据进行网络态势与QoS影响规律认知学习，生成所述当前网络态势评价结果；

将所述当前网络态势评价结果通过异步方式反馈给所述SCEF；

所述SCEF根据所述当前网络态势评价结果确定是否提供所述QoS服务请求中请求的服务。

2.根据权利要求1所述的方法，其中，

所述QoS服务请求由服务能力服务器发送给所述SCEF。

3.根据权利要求1所述的方法，其中，所述当前网络态势评价请求中包括用户标识、用户所属的基站和请求的QoS等级。

4.根据权利要求1所述的方法，其中，所述SCEF根据所述当前网络态势评价结果确定是否提供所述QoS服务请求中请求的服务包括：

所述SCEF基于模式认知学习模型确定是否提供所述QoS服务请求中请求的服务；

其中，所述模式认知学习模型基于当前网络态势评价结果，获取请求的服务需要的网络支撑能力，或提供请求的服务对网络状态造成的影响中的至少一项，确定是否提供所述QoS服务请求中请求的服务。

5.根据权利要求4所述的方法，其中：

所述模式认知学习模型为通过机器学习和深度学习实现，其中，所述机器学习基于LGB模型，利用弱分类器迭代训练获取最优模型；所述深度学习基于CNN模型实现特征提取和分类。

6.根据权利要求1所述的方法，其中，所述查询确定用户所属基站包括：

所述SCEF根据用户标识向归属签约用户服务器HSS查询用户位置；

所述HSS通过异步方式向所述SCEF反馈用户所属基站。

7.根据权利要求1所述的方法，还包括：

在确定提供所述QoS服务请求中请求的服务的情况下，向策略与计费规则功能单元PCRF发送QoS控制指令，所述QoS控制指令中包括用户等级和QoS服务等级；

所述PCRF根据所述QoS控制指令设置基站对所述用户的QoS服务等级。

8.一种服务质量管控系统，包括：

业务能力开放网元SCEF，被配置为收到服务质量QoS服务请求，查询确定用户所属基站；根据用户所属基站向服务网络认知功能SNCF查询，获取当前网络态势评价结果，根据所述当前网络态势评价结果确定是否提供所述QoS服务请求中请求的服务；和，

所述SNCF，被配置为获取当前网络态势评价结果并反馈给所述SCEF，包括：接收来自SCEF的当前网络态势评价请求，根据历史数据进行网络态势与QoS影响规律认知学习，生成所述当前网络态势评价结果；将所述当前网络态势评价结果通过异步方式反馈给所述SCEF。

9.根据权利要求8所述的系统，还包括：

服务能力服务器SCS/AS，被配置为向所述SCEF发送所述QoS服务请求。

10.根据权利要求8所述的系统，还包括：

归属签约用户服务器HSS，被配置为根据来自所述SCEF的查询请求通过异步方式向所述SCEF反馈用户所属基站。

11.根据权利要求8所述的系统，其中，所述SCEF还被配置为在确定提供所述QoS服务请求中请求的服务的情况下，向PCRF发送QoS控制指令，所述QoS控制指令中包括用户等级和QoS服务等级；

所述服务质量管控系统还包括：策略与计费规则功能单元PCRF，被配置为根据所述QoS控制指令设置基站对所述用户的QoS服务等级。

12.一种服务质量管控系统，包括：

存储器；以及

耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至7任一项所述的方法。

13.一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求1至7任意一项所述的方法的步骤。