CN115022914A - 用户感知评估方法、装置、终端及存储介质 - Google Patents
用户感知评估方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN115022914A CN115022914A CN202110243747.XA CN202110243747A CN115022914A CN 115022914 A CN115022914 A CN 115022914A CN 202110243747 A CN202110243747 A CN 202110243747A CN 115022914 A CN115022914 A CN 115022914A
- Authority
- CN
- China
- Prior art keywords
- user
- user perception
- perception
- cell
- frequency
- 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
Links
- 230000008447 perception Effects 0.000 title claims abstract description 394
- 238000011156 evaluation Methods 0.000 title claims abstract description 68
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims description 38
- 238000004590 computer program Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 14
- 238000012423 maintenance Methods 0.000 abstract description 6
- 238000007619 statistical method Methods 0.000 abstract description 5
- 230000001174 ascending effect Effects 0.000 description 16
- 230000011664 signaling Effects 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 7
- 239000000523 sample Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
Abstract
本申请实施例提供了一种用户感知评估方法、用户感知评估装置、小区感知评估方法、小区感知评估装置、终端及存储介质,通过移动网络的用户数据提取相关感知参数并产生用于感知评价的用户感知频次,然后基于概率分布的统计方法对用户或区域的感知情况进行综合分析产生用户感知分数或区域感知分数,及时发现具体用户或具体区域的网络问题,为网络优化提供明确的解决对象,降低了网络的运行维护成本,提高了网络用户的用户体验。
Description
技术领域
本申请实施例涉及但不限于移动互联网技术领域,尤其涉及一种用户感知评估方法、小区感知评估方法、装置、终端及存储介质。
背景技术
随着现代通信技术的高速发展,用户对网络质量的要求越来越高,以希望获得更高的业务体验,而用户对移动互联网的感知情况直接决定用户对移动运营商的满意程度,关系到移动运营商的用户粘性和长远发展。以往无线网络运营商对用户感知和区域感知的评估手段主要是基于质量指标的固定经验阈值,采用简单的评估方法,无法准确客观地衡量用户或区域的感知情况,导致难以有效地指导网络优化以及提升用户体验。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本申请实施例提供了一种用户感知评估方法、用户感知评估装置、小区感知评估方法、小区感知评估装置、终端及存储介质,通过移动网络的用户数据提取相关感知参数并产生用于感知评价的用户感知频次,然后基于概率分布的统计方法对用户或区域的感知情况进行综合分析产生用户感知分数或区域感知分数,及时发现具体用户或具体区域的网络问题,为网络优化提供明确的解决对象,降低了网络的运行维护成本,提高了网络用户的用户体验。
第一方面,本申请的实施例提供了用户感知评估方法,本方法通过获取单位时间粒度下单一用户的移动数据业务的质量参数,并根据所述质量参数对所述移动数据业务的质量进行用户感知等级分类;统计至少一个所述用户感知等级下的单一用户移动数据业务数量,获得对应于所述用户感知等级的单一用户感知频次;根据所述用户感知频次与对应于所述用户感知频次的用户数量,获得对应于所述用户感知等级的群体用户的用户感知概率分布,其中,所述群体用户包括所述单一用户;根据所述单一用户感知频次与所述群体用户的用户感知概率分布,评估单一用户的用户感知分数。
第二方面,本申请的实施例提供了一种用户感知评估装置,用于执行第一方面所述的用户感知评估方法。
第三方面,本申请的实施例还提供了一种小区感知评估方法,本方法通过获取单位时间粒度下单一用户的移动数据业务的质量参数,并根据所述质量参数对所述移动数据业务的质量进行用户感知等级分类;统计至少一个所述用户感知等级下的单一用户移动数据业务数量,获得对应于所述用户感知等级的单一用户感知频次;根据所述单一用户感知频次与预设的小区感知阈值,获得对应于所述用户感知等级的小区用户感知占比,其中,所述单一用户归属于所述小区;根据所述小区用户感知占比与对应于所述小区用户感知占比的小区数量,获得对应于所述用户感知等级的区域用户感知概率分布,其中,所述区域包括至少一个小区;根据所述小区用户感知占比与所述区域用户感知概率分布,评估区域用户感知分数。
第四方面,本申请的实施例提供了一种小区感知评估装置,用于执行第三方面所述的小区感知评估方法。
第五方面,本申请的实施例还提供了一种终端,至少包括: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,所述处理器执行所述程序时实现如上所述第一方面的用户感知评估方法,或如上所述第三方面的小区感知评估方法。
第六方面,本申请的实施例还提供了一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行如上所述第一方面的用户感知评估方法,或如上所述第三方面的小区感知评估方法。
本申请实施例通过分析探针采集的移动网络数据业务用户面信令和控制面信令数据,提取相关感知参数并产生用于感知评价的用户感知频次,然后基于概率分布的统计方法对用户或区域的感知情况进行综合分析产生用户感知分数或区域感知分数,从而发现具体用户或具体区域的感知问题,并针对性地进行优化,不仅可以提升网络问题分析效率,降低运行维护成本,还能提升网络用户的用户体验。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
图1为本申请实施例提供的移动网络架构示意图;
图2为本申请一实施例提供的用户感知评估方法的流程示意图;
图3为本申请另一实施例提供的用户感知评估方法的流程示意图;
图4为本申请一实施例提供的移动数据业务分类示意图;
图5为本申请另一实施例提供的用户感知概率密度函数曲线;
图6为本申请一实施例提供的小区感知评估方法的流程示意图;
图7为本申请另一实施例提供的区域用户感知概率分布示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本申请实施例中的具体含义。
用户对移动网络的感知情况能够反映移动网络的网络质量,采用基于质量指标的固定经验阈值不能够很好的对日渐丰富的网络业务种类以及网络性能进行精确的评估,难以有效地指导网络优化并达到进一步提升用户感知或区域感知的目的。
基于此,本申请实施例提供了一种用户感知评估方法、用户感知评估装置、小区感知评估方法、小区感知评估装置、终端及存储介质,通过移动网络的用户数据提取相关感知参数并产生用于感知评价的用户感知频次,然后基于概率分布的统计方法对用户或区域的感知情况进行综合分析产生用户感知分数或区域感知分数,及时发现具体用户或具体区域的网络问题,为网络优化提供明确的解决对象,降低了网络的运行维护成本,提高了网络用户的用户体验。
下面结合附图,对本申请实施例作进一步阐述。
本申请实施例提供的用户感知评估方法可应用在在不同网络架构中,即采用不同的方法获取用户面与控制面的网络数据,因此,在本申请后文的实施例中,采用4G网络LTE网络架构进行举例说明。
图1为本申请实施例提供的移动网络架构示意图。如图所示,服务网关(ServingGateway,SGW)主要负责用户面数据处理,负责数据包的路由和转发等功能,支持第三代合作伙伴计划(Third Generation Partnership Project,3GPP)中不同接入技术的切换。发生切换时作为用户面的锚点,对每一个与演进的分组系统(Evolved Packet System,EPS)相关的用户设备(User Equipment,UE),在任何一个时间点上,都有一个服务网关(ServingGateway,SGW)为之服务。移动管理实体(Mobility Management Entity,MME)是核心网中负责处理信令的网元,是一个信令实体,主要负责移动性管理、承载管理、用户的鉴权认证、SGW和PGW的选择等功能。S1-U和S1-MME是EPC网络的两个主要接口,S1-U是演进型Node B(Evolved Node B,eNodeB)和SGW之间的接口,S1-MME是eNodeB和MME之间的接口。
在本实施例中,用户终端从基站(eNodeB)接入,到SGW网关,在上述过程中,探针Probe接于基站(eNodeB)与SGW网关之间,用于采集LTE数据业务S1-U口用户面信令数据。在一些实施例中,用户终端从基站(eNodeB)接入,到MME网关,在上述过程中,探针Probe接于基站(eNodeB)与MME网关之间,用于采集LTE数据业务S1-MME口控制面信令数据。在另一些实施例中,可同时设置基站(eNodeB)与SGW网关之间与基站(eNodeB)与MME网关之间的探针,同时获得用户面信令数据与控制面信令数据。
第一方面,本申请实施例提供了一种用户感知评估方法。图2为本申请实施例提供的用户感知评估的流程示意图。如图2所示,本实施例提供的用户感知评估至少包括:
步骤S100:获取单位时间粒度下单一用户的移动数据业务的质量参数,并根据质量参数对所述移动数据业务的质量进行用户感知等级分类。
在一些实施例中,通过设置在不同接口位置的探针能够获取用户面信令数据以及控制面信令数据。从S1-U接口单位时间粒度T1的外部数据表示(External DataRepresentation,XDR)详单中分别筛选出网页类、视频类、游戏类、OTT语音类、OTT视频类的话单,从S1-MME接口单位时间粒度T1的XDR详单中筛选出能够衡量网络质量关键性能参数,作为移动数据业务的质量参数。
在一些实施例中,通过将上述移动数据业务的质量参数与预设的阈值作比较,判断移动数据业务的质量等级,如较好、较差等。
步骤S200:统计至少一个用户感知等级下的单一用户移动数据业务数量,获得对应于用户感知等级的单一用户感知频次。
在一些的实施例中,对质量等级为差的移动数据业务数量进行统计,获得单一用户在单位时间粒度下用户感知较差的业务数量。值得注意的是,每种业务种类都分别计算质量较差的业务数量,并依据每种业务种类的较差的移动数据业务数量获得综合单一用户感知频次。
步骤S300:根据用户感知频次与对应于用户感知频次的用户数量,获得对应于用户感知等级的群体用户的用户感知概率分布,其中,群体用户包括单一用户。
在一些实施例中,对多个由单一用户分别执行步骤S100与S200,获得用户群体的用户感知概率分布。值得注意的是,用户的感知从统计学角度评估,理论上应当是是小部分人的感知为很好或是很差,大部分人处于中间状态,即感知良好或是对实际的准确分布形态不做限制,即只关注其概率分布。
步骤S400:根据单一用户感知频次与群体用户的用户感知概率分布,评估单一用户的用户感知分数。
在一些实施例中,将待评估用户感知分数的用户的感知频次映射至用户感知概率分布,根据其在用户感知频次区间的位置评估其用户感知分数。
根据本实施例的用户感知评估方法,能够通过精确合理计算其用户感知分数,及时发现具体用户的网络问题,为网络优化提供明确的解决对象,降低了网络的运行维护成本,提高了网络用户的用户体验。
图3为本申请另一实施例提供的用户感知评估方法的流程示意图。图3为本申请另一实施例提供的用户感知评估的流程示意图。如图3所示,本实施例提供的用户感知评估至少包括:
步骤S101:获取单位时间粒度下单一用户的移动数据业务的质量参数。
在本实施例中,通过设置在不同接口位置的探针能够获取用户面信令数据以及控制面信令数据。从S1-U接口单位时间粒度T1的外部数据表示(External DataRepresentation,XDR)详单中分别筛选出网页类、视频类、游戏类、OTT语音类、OTT视频类的话单,从S1-MME接口单位时间粒度T1的XDR详单中筛选出能够衡量网络质量关键性能参数,作为移动数据业务的质量参数。本领域技术人员可以知晓,任何能够获得的移动数据业务的质量参数均可作为本申请用户感知评估方法的原始数据。
步骤S102:预设对应于移动数据业务的用户感知阈值。
在本实施例中,参考图4,移动数据业务包括了网页类、视频类、游戏类、OTT语音类、OTT视频类的业务以其中某一类业务为例,假设有P个KQI指标,KQI是主要针对不同业务提出的贴近用户感受的业务质量参数,其中第i个KQI记为KQIi,设定指标KQIi对应的感知较差的感知阈值为thui。
在本实施例中,移动数据业务还包括衡量网络质量的关键性能参数,假设有Q个KPI指标,KPI是衡量网络质量的关键性能参数,其中第i个KPI记为KPIi,设定指标KPIi的感知阈值为thci。
步骤S103:根据用户感知阈值,对移动数据业务的质量进行用户感知等级分类。
在本实施例中,以固定时间粒度T1,基于国际移动用户识别码(InternationalMobile Subscriber Identification Number,IMSI),通过用户维度和小区维度进行聚集,如果该条话单中的任意一个KQIi的值小于感知阈值thui,则记一次感知较差业务次数,聚集后得到每个用户IMSIj在小区CIi下该类业务的总次数Countij和感知较差次数Countpoor ij。
在本实施例中,以固定时间粒度T1,同样基于IMSI,通过用户维度和小区维度进行聚集,如果该条话单中的任意一个KPIi的值小于感知较差阈值thci,则记一次感知较差次数,聚集后得到每个用户IMSIj在小区CIi的接入上网总次数Countij-access和无法上网次数Countpoor ij-access。
步骤S200:统计至少一个用户感知等级下的单一用户移动数据业务数量,获得对应于用户感知等级的单一用户感知频次。
在本实施例中,选取网页类、视频类、游戏类、OTT语音类及OTT视频类的详单,统计后得到用户IMSIj在小区CIi下各大类的业务总次数和感知较差次数如下:
网页类业务总次数Countij-web和网页类感知较差次数Countpoor ij-web,
视频类业务总次数Countij-video和视频类感知较差次数Countpoor ij-video,
游戏类业务总次数Countij-game和游戏类感知较差次数Countpoor ij-game,
OTT语音类业务总次数Countij-ottvoice和OTT语音类感知较差次数Countpoor ij-ottvoice,
OTT视频类业务总次数Countij-ottvideo和OTT视频类感知较差次数Countpoor ij-ottvideo。
在本实施例中,统计后得到每个用户IMSIj在小区CIi的接入上网总次数Countij-access和无法上网次数Countpoor ij-access。
综合上述用户面及控制面用户感知频次,获得综合的用户感知频次。
在一些实施例中,综合用户总感知频次与综合用户感知较差频次的计算方法如下:
Countij=Countij-web+Countij-video+Countij-game+Countij-ottvoice+Countij-ottvideo+Countij-access;
Countpoor ij=Countpoor ij-web+Countpoor ij-video+Countpoor ij-game+Countpoor ij-ottvoice+Countpoor ij-ottvideo+Countpoor ij-access。
在时间粒度T1下,步骤S200计算所得的每个用户IMSIj在小区CIi的综合用户感知较差次数Countpoor ij,按照用户IMSIj维度进行聚集,得到每个用户IMSIj的综合用户感知较差次数Countpoor j。
上述步骤涉及的实施例提供了计算用户感知频次的方法,在后续步骤中,将提供根据用户感知频次与对应于用户感知频次的用户数量,获得对应于用户感知等级的群体用户的用户感知概率分布的具体实施例。
图5示出了一种类似于正态分布的用户感知概率密度函数曲线,其中,横轴代表时间粒度T1下单一用户的综合感知较差次数,纵轴表示对应次数下用户数占比,从统计学角度看,纵轴表示一维实随机变量X(即用户在该时间粒度T1下综合感知较差次数)的概率,后续实施例依据图5为例进行说明。
步骤S301:预设对应于用户感知等级的用户感知频次的区间数量与区间对应的概率分布。
步骤S302:根据区间数量与概率分布获得每个区间对应的分位数,并根据分位数获得用户感知频次区间。
在本实施例中,对于步骤S200计算所得的数据<IMSIj,Countpoor j>按照综合用户感知较差次数进行升序排序得到序列{Xn},分别计算分位数为p1,p1+p2,p1+p2+p3,p1+p2+p3+p4时的综合感知差次x1,x2,x3,x4,对应于综合感知差次数区间[1,x1),[x1,x2),[x2,x3),[x3,x4),[x4,+∞),此处不考虑综合用户感知频次为0的用户。进一步地,将序列{Xn}按照区间范围划分为5个升序序列{X1,a},{X2,b},{X3,c},{X4,d},{X5,e},其中{X1,a}下标中1代表序列编号,下标中a代表序列长度,其他以此类推。设定每个序列对应的用户感知评分区间为(S1,S2],(S2,S3],(S3,S4],(S4,S5],(S5,0],其中:5≥S1≥S2≥S3≥S4≥S5≥0。
在一些实施例中,考虑到存在某个综合用户感知较差数值对应的用户数过多的可能性,导致1,x1,x2,x3,x4这几个值中相邻的值存在相等的情况,即某个或某些区间的用户数为0,因此,对区间分界点S1,S2,S3,S4,S5设定后需要适当调整及优化,以避免相同综合感知较差数值的用户感知分数出现跳变,具体实施方法如下:
如果序列{X1,a}的长度a>0,则S1,S2按照S2<S1设定即可;如果序列{X1,a}的长度a=0,则S2设定时需要调整为S2=S1;
如果序列{X2,b}的长度b>0,则S3按照S3<S2设定即可;如果序列{X2,b}的长度b=0,则S3设定时需要调整为S3=S2;
如果序列{X3,c}的长度c>0,则S4按照S4<S3设定即可;如果序列{X3,c}的长度c=0,则S4设定时需要调整为S4=S3;
如果序列{X4,d}的长度d>0,则S5按照S5<S4设定即可;如果序列{X4,d}的长度d=0,则S5设定时需要调整为S5=S4;
如果序列{X5,e}的长度e>0,则S5>0。
步骤S400:映射单一用户感知频次至用户感知频次区间,并根据用户感知频次区间对应的用户感知分数区间,评估单一用户的用户感知分数。
在本实施例中,各综合用户感知较差区间对用户得分进行具体计算的方法如下:
如果用户IMSIj的综合用户感知较差次数Countpoor j位于综合用户感知较差区间[1,x1):
如果用户IMSIj的综合用户感知较差次数Countpoor j位于综合用户感知较差区间[x1,x2):
如果用户IMSIj的综合用户感知较差次数Countpoor j位于综合用户感知较差区间[x2,x3):
如果用户IMSIj的综合用户感知较差次数Countpoor j位于综合用户感知较差区间[x3,x4):
如果用户IMSIj的综合用户感知较差次数Countpoor j位于综合用户感知较差区间[x4,+∞):
获得的用户感知得分QoEusr能够客观地反映用户对于网络质量的感知情况,并作为运营商进行网络优化和提升用户满意度的依据。
本领域技术人员可知,使用不同的阈值能够筛选出不同等级的用户感知等级,即也可以获得用户感知较好等感知维度。基于用户感知较好的维度进行统计学建模与分析,同样能够得到类似于正态分布或卡方分布等典型分布形式,仍可以采用本申请实施例提供的用户感知评估方法进行感知分数评估。
本实施例的用户感知评估方法,基于概率分布的统计方法,保证各综合用户感知较差区间样本数量的稳定,解决了质量较差区间内的用户数过多导致难以进行针对性优化的问题。通过综合分析产生的用户感知分数,让运营商的网优人员能够及时发现全网用户的网络质量问题,针对质量较差的用户及用户所在的区域,进行网络优化,降低了移动网络的维护成本提高了网络用户的用户体验。
在另一实施例中,提供了一种具体的用户感知评估方法的应用场景。
在本实施例中,视频类业务有5个KQI指标,即视频播放成功率、视频播放等待时延、视频卡顿频次、视频卡顿时长占比和视频下载速率,某小时粒度下用户IMSI=414054027618804在小区ECI=441405030765857的总视频话单数为320,其中任意一个KQI差于阈值的话单数为45。则用户IMSI在小区ECI下的视频类业务总次数和视频类感知较差次数为:
视频类业务总次数Countij-video=320和视频类感知较差次数Countpoor ij-video=45。
以此类推,计算得到其他几类业务的总次数和感知较差次数为:
网页类业务总次数Countij-web=238和网页类感知较差次数Countpoor ij-web=20,
游戏类业务总次数Countij-game=180和游戏类感知较差次数Countpoor ij-game=10,
OTT语音类业务总次数Countij-ottvoice=98和OTT语音类感知较差次数Countpoor ij-ottvoice=11,OTT视频类业务总次数Countij-ottvideo=102和OTT视频类感知较差次数Countpoor ij-ottvideo=17;
接入上网总次数Countij-access=167和无法上网次数Countpoor ij-access=16。
根据上述数据得到用户IMSI在小区ECI的综合用户感知指标:
综合用户感知频次:
Countij=Countij-web+Countij-video+Countij-game+Countij-ottvoice+Countij-ottvideo+Countij-access
=238+320+180+98+102+167=1105
综合用户感知较差频次:
Countpoor ij=Countpoor ij-web+Countpoor ij-video+Countpoor ij-game+Countpoor ij-ottvoice+Countpoor ij-ottvideo+Countpoor ij-access=20+45+10+11+17+16=119
将综合用户感知较差频次划分为五个区间,设定用户落在每个区间的概率pi为p1=7.5%,p2=12.5%,p3=60%,p4=12.5%,p5=7.5%,评分区间分界值S1=5,S2=4.5,S3=4,S4=3,S5=2,即对应的用户感知评分区间为(5,4.5],(4.5,4],(4,3],(3,2],(2,0]。
根据综合用户感知较差频次和用户数的概率分布,计算得到分位数为p1,p1+p2,p1+p2+p3,p1+p2+p3+p4时的综合感知差次x1=24,x2=31,x3=80,x4=161,综合用户感知较差频次区间[1,24),[24,31),[31,80),[80,161),[161,+∞)。
IMSI为414054027618804的用户在该小时粒度的综合用户感知较差频次为131,位于综合用户感知较差区间[x3,x4),并且计算得到综合用户感知较差频次131在升序序列{X4,d}的排序k经过计算为252,序列{X4,d}的长度d为1921,即综合感知差次数在区间[x3,x4)的用户数为1921,则该用户的感知分数为表明该用户的用户感知较差。
依据上述得分,运营商经过进一步定界定位分析,发现该用户感知较差是因为其工作地点所在小区存在弱覆盖现象,同时结合区域感知分析发现该小区的感知得分也同样较低。经过闭环优化,运营商通过调整该小区的方位角,使该小区的用户感知情况明显提升。
第二方面,本申请的实施例提供了一种用户感知评估装置,用于执行第一方面的实施例提供的用户感知评估方法。
第三方面,本申请实施例提供了一种小区感知评估方法,对小区下的用户感知情况进行分析,获得小区的总体感知情况,即根据各小区下用户感知较差用户占比和小区数的概率分布进行分析产生各区域感知得分。如图6所示,本实施例提供的小区感知评估方法包括以下步骤:
步骤S100:获取单位时间粒度下单一用户的移动数据业务的质量参数,并根据质量参数对所述移动数据业务的质量进行用户感知等级分类。
在一些实施例中,通过设置在不同接口位置的探针能够获取用户面信令数据以及控制面信令数据。从S1-U接口单位时间粒度T1的外部数据表示(External DataRepresentation,XDR)详单中分别筛选出网页类、视频类、游戏类、OTT语音类、OTT视频类的话单,从S1-MME接口单位时间粒度T1的XDR详单中筛选出能够衡量网络质量关键性能参数,作为移动数据业务的质量参数。
在一些实施例中,通过将上述移动数据业务的质量参数与预设的阈值作比较,判断移动数据业务的质量等级,如较优、较差等。
步骤S200:统计至少一个用户感知等级下的单一用户移动数据业务数量,获得对应于用户感知等级的单一用户感知频次。
在一些的实施例中,对质量等级为差的移动数据业务数量进行统计,获得单一用户在单位时间粒度下用户感知较差的业务数量。值得注意的是,每种业务种类都分别计算质量较差的业务数量,并依据每种业务种类的较差的移动数据业务数量获得综合单一用户感知频次。
本实施例提供的小区感知评估方法的前两个步骤与上文实施例中的用户感知评估方法相同,均是计算获得特定用户感知等级下对单一用户的用户感知频次。
因此,在本实施例中,沿用用户感知评估方法中涉及的命名及符号,其表达含义与上文实施例相似或相同。在时间粒度T1下,计算所得的每个用户IMSIj在小区CIi的综合用户感知频次Countij和综合用户感知较差次数Countpoor ij进行分析,设定用户在小区下的用户感知较差频次阈值为th1,或者,设定用户在小区下的用户感知较差次数占比阈值为th2。
步骤S500:根据单一用户感知频次与预设的小区感知阈值,获得对应于用户感知等级的小区用户感知占比,其中,单一用户归属于小区。
在一些实施例中,如果用户IMSIj在小区CIi的综合用户感知较差次数Countpoor ij<th1,则用户IMSIj在小区CIi下为用户感知较差用户。
在一些实施例中,如果用户IMSIj在小区CIi的综合用户感知较差次数占比Countpoor ij/Countij*100<th2,则用户IMSIj在小区CIi下为用户感知较差用户。
上述两个实施例仅提供了两种用户感知较差用户的评判方法,但是本领域技术人员知晓,任何一种能够筛选判断用户感知较差用户的方法均可以应用在本申请实施例提供的小区感知评估方法中。
在本实施例中,获得用户感知较差用户数量后,计算小区CIi的感知较差用户占比Ratioi,Ratioi为小区CIi下的用户感知较差用户数除以总用户数得到。
步骤S600:根据小区用户感知占比与对应于小区用户感知占比的小区数量,获得对应于用户感知等级的区域用户感知概率分布,其中,区域包括至少一个小区。
图7示出了一种类似于正态分布的区域感知概率密度函数曲线,其中,横轴代表时间粒度T1下单小区的用户感知较差用户占比,纵轴表示对应数值下小区的占比,后续实施例依据图7为例进行说明。
在本实施例中,预设用户感知分数区间为0到5分,同时将综合用户感知较差频次划分为五个区间,设定用户落在每个区间的概率为计算所得的数据<CIi,zi>按照用户感知较差小区占比进行升序排序得到序列{Zn},分别计算分位数为p1,p1+p2,p1+p2+p3,p1+p2+p3+p4时的感知较差用户占比z1,z2,z3,z4,对应于感知差用户占比区间[0,z1),[z1,z2),[z2,z3),[z3,z4),[z4,+∞)。
序列{Zn}按照区间范围划分为5个升序序列{Z1,a},{Z2,b},{Z3,c},{Z4,d},{Z5,e},其中{Z1,a}下标中1代表序列编号,下标中a代表序列长度,其他以此类推。设定每个序列对应的用户感知评分区间为[S1,S2),[S2,S3),[S3,S4),[S4,S5),[S5,0),其中:5≥S1≥S2≥S3≥S4≥S5≥0。
在一些实施例中,考虑到存在某个综合用户感知较差数值对应的用户数过多的可能性,导致1,z1,z2,z3,z4,这几个值中相邻的值存在相等的情况,即某个或某些区间的小区数为0,因此,对区间分界点S1,S2,S3,S4,S5设定后需要适当调整及优化,以避免相同用户感知较差用户占比数值的小区用户感知得分出现跳变,具体实施方法如下:
如果序列{Z1,a}的长度a>0,则S1,S2按照S2<S1设定即可;如果序列{Z1,a}的长度a=0,则S2设定时需要调整为S2=S1;
如果序列{Z2,b}的长度b>0,则S3按照S3<S2设定即可;如果序列{Z2,b}的长度b=0,则S3设定时需要调整为S3=S2;
如果序列{Z3,c}的长度c>0,则S4按照S4<S3设定即可;如果序列{Z3,c}的长度c=0,则S4设定时需要调整为S4=S3;
如果序列{Z4,d}的长度d>0,则S5按照S5<S4设定即可;如果序列{Z4,d}的长度d=0,则S5设定时需要调整为S5=S4;
如果序列{Z5,e}的长度e>0,则S5>0。
步骤S700:根据小区用户感知占比与区域用户感知概率分布,评估小区用户感知分数。
在本实施例中,各综合用户感知较差区间对用户得分进行具体计算的方法如下:
如果小区CIi的综合用户感知较差占比Ratioi位于综合用户感知较差区间[0,z1):
如果小区CIi的综合用户感知较差占比Ratioi位于综合用户感知较差区间[z1,z2):
如果小区CIi的综合用户感知较差占比Ratioi位于综合用户感知较差区间[z2,z3):
如果小区CIi的综合用户感知较差占比Ratioi位于综合用户感知较差区间[z3,z4):
如果小区CIi的综合用户感知较差占比Ratioi位于综合用户感知较差区间[z4,+∞):
获得的用户感知得分QoEci能够客观地反映小区的网络质量对用户感知的影响,运营商将区域用户感知中分数较低的小区作为优化对象。
本领域技术人员可知,使用不同的阈值能够筛选出不同等级的用户感知等级,即也可以获得用户感知较好等感知维度。基于用户感知较好的维度进行统计学建模与分析,同样能够得到类似于正态分布或卡方分布等典型分布形式,仍可以采用本申请实施例提供的用户感知评估方法进行感知分数评估。
在另一实施例中,提供了一种具体的小区感知评估方法的应用场景。
在本实施例中,以天粒度作为时间粒度为例,定义用户IMSIj在小区CIi的综合用户感知较差次数占比Countpoor ij/Countij<th2,则用户IMSIj在小区CIi下为用户感知较差用户。
将全网小区的用户感知较差用户占比划分为五个区间,设定用户落在每个区间的概率pi为p1=6.5%,p2=10.5%,p3=54.0%,p4=18.5%,p5=10.5%,评分区间分界值S1=5,S2=4.5,S3=4,S4=3,S5=2,即对应的小区感知评分区间为(5,4.5],(4.5,4],(4,3],(3,2],(2,0]。
根据小区感知较差用户占比和小区数的概率分布,计算得到分位数为p1,p1+p2,p1+p2+p3,p1+p2+p3+p4时的区域感知较差用户占比z1=2.8,z2=5.3,z3=10.7,z4=25.6,以及综合区域感知较差频次区间[0,2.8),[2.8,5.3),[5.3,10.7),[10.7,25.6),[25.6,100]。
ECI为441405030765857的小区在该天粒度的用户感知较差用户占比为4.2,位于区域感知较差用户占比区间[z1,z2),并且计算得到区域感知较差用户占比4.2在升序序列{Z2,b}的排序k经过计算为312,序列{Z2,b}的长度b为537,即区域感知较差用户占比在区间[z1,z2)的小区数为537,则该小区的小区感知得分为 表明该小区的用户感知较好。
本实施例的小区感知评估方法,基于前述用户感知评估算法计算过程的中间数据,对小区维度下的用户感知情况进行分析,即根据小区和用户维度固定时间粒度下参与感知评估的综合感知频次,设定不同等级的用户感知评判标准,然后统计各小区下用户感知用户占比和小区数的概率分布。基于该概率分布,分别设定每个区间的概率值,通过概率值再计算各评分区间的分位点值,然后再进一步计算各小区的感知分数,从而评估该小区的感知情况,保证各综合用户感知较差区间样本数量的稳定,解决了某些特定区间内的用户数过多导致难以进行针对性优化的问题。
第四方面,本申请的实施例提供了一种小区感知评估装置,用于执行第三方面的实施例提供的小区感知评估方法。
第五方面,本申请的实施例提供了一种终端,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,所述处理器执行所述程序时实现第一方面所述的用户感知评估方法;或,第三方面所述的小区感知评估方法。
第六方面,本申请的实施例还提供了一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行第一方面所述的用户感知评估方法;或,执行第三方面所述的小区感知评估方法。
以上所描述的装置实施例仅仅是示意性的,其中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,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可以理解,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、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。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机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、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、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。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、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。移动终端设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载终端设备、可穿戴设备、超级移动个人计算机、上网本、个人数字助理、CPE、UFI(无线热点设备)等;本发明实施方案不作具体限定。
以上是对本申请的较佳实施进行了具体说明,但本申请并不局限于上述实施方式,熟悉本领域的技术人员在不违背本申请精神的前提下还可作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (16)
1.一种用户感知评估方法,包括:
获取单位时间粒度下单一用户的移动数据业务的质量参数,并根据所述质量参数对所述移动数据业务的质量进行用户感知等级分类;
统计至少一个所述用户感知等级下的单一用户移动数据业务数量,获得对应于所述用户感知等级的单一用户感知频次;
根据所述用户感知频次与对应于所述用户感知频次的用户数量,获得对应于所述用户感知等级的群体用户的用户感知概率分布,其中,所述群体用户包括所述单一用户;
根据所述单一用户感知频次与所述群体用户的用户感知概率分布,评估单一用户的用户感知分数。
2.根据权利要求1所述的方法,其特征在于,所述根据所述单一用户感知频次与所述群体用户的用户感知概率分布,评估单一用户的用户感知分数包括:
预设对应于所述用户感知等级的所述用户感知频次的区间数量与区间对应的概率分布;
根据所述区间数量与所述概率分布获得每个区间对应的分位数,并根据所述分位数获得用户感知频次区间;
映射所述单一用户感知频次至所述用户感知频次区间,并根据所述用户感知频次区间对应的用户感知分数区间,评估单一用户的用户感知分数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述用户感知频次区间对应的用户感知分数区间,评估单一用户的用户感知分数包括:
根据所述单一用户感知频次在所述用户感知频次区间的位置与所述用户感知分数区间,评估单一用户的用户感知分数。
4.根据权利要求1所述的方法,其特征在于,所述根据所述质量参数对所述移动数据业务的质量进行用户感知等级分类包括:
预设对应于所述移动数据业务的用户感知阈值;
根据所述用户感知阈值,对所述移动数据业务的质量进行用户感知等级分类。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述移动数据业务的质量参数至少用于描述以下之一:
用户面的业务质量、控制面的网络性能。
6.一种用户感知评估装置,用于执行权利要求1至5任一项所述的用户感知评估方法。
7.一种小区感知评估方法,包括:
获取单位时间粒度下单一用户的移动数据业务的质量参数,并根据所述质量参数对所述移动数据业务的质量进行用户感知等级分类;
统计至少一个所述用户感知等级下的单一用户移动数据业务数量,获得对应于所述用户感知等级的单一用户感知频次;
根据所述单一用户感知频次与预设的小区感知阈值,获得对应于所述用户感知等级的小区用户感知占比,其中,所述单一用户归属于所述小区;
根据所述小区用户感知占比与对应于所述小区用户感知占比的小区数量,获得对应于所述用户感知等级的区域用户感知概率分布,其中,所述区域包括至少一个小区;
根据所述小区用户感知占比与所述区域用户感知概率分布,评估小区用户感知分数。
8.根据权利要求7所述的方法,其特征在于,所述根据所述小区用户感知占比与所述区域用户感知概率分布,评估小区用户感知分数包括:
预设对应于所述用户感知等级的所述小区用户感知占比的区间数量与区间对应的概率分布;
根据所述区间数量与所述概率分布获得每个区间对应的分位数,并根据所述分位数获得区域用户感知占比区间;
映射所述小区用户感知占比至所述区域用户感知占比区间,并根据所述小区用户感知占比对应的区域用户感知分数区间,评估小区用户感知分数。
9.根据权利要求8所述的方法,其特征在于,所述根据所述小区用户感知占比对应的区域用户感知分数区间,评估小区用户感知分数包括:
根据所述小区用户感知占比在所述区域用户感知占比区间的位置与所述区域用户感知分数区间,评估小区用户感知分数。
10.根据权利要求7所述的方法,其特征在于,所述根据所述质量参数对所述移动数据业务的质量进行用户感知等级分类包括:
预设对应于所述移动数据业务的用户感知阈值;
根据所述用户感知阈值,对所述移动数据业务的质量进行用户感知等级分类。
11.根据权利要求7所述的方法,其特征在于,所述小区感知阈值为小区用户感知频次阈值,所述根据所述单一用户感知频次与预设的小区感知阈值,获得对应于所述用户感知等级的小区用户感知占比包括:
根据所述单一用户感知频次与所述小区用户感知频次阈值,获得对应于所述用户感知等级的小区用户数量;
根据所述对应于所述用户感知等级的小区用户数量与小区总用户数量,获得对应于所述用户感知等级的小区用户感知占比。
12.根据权利要求7所述的方法,其特征在于,所述小区感知阈值为小区用户感知占比阈值,所述根据所述单一用户感知频次与预设的小区感知阈值,获得对应于所述用户感知等级的小区用户感知占比包括:
根据对应于所述用户感知等级的所述单一用户感知频次与单一用户的感知总频次,获得对应于所述用户感知等级的单一用户感知频次占比;
根据所述单一用户感知频次占比与所述小区用户感知占比阈值,获得对应于所述用户感知等级的小区用户数量;
根据所述对应于所述用户感知等级的小区用户数量与小区总用户数量,获得对应于所述用户感知等级的小区用户感知占比。
13.根据权利要求7至12任一项所述的方法,其特征在于,所述移动数据业务的质量参数至少用于描述以下之一:
用户面的业务质量、控制面的网络性能。
14.一种小区感知评估装置,用于执行如权利要求7至13任一项所述的小区感知评估方法。
15.一种终端,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,所述处理器执行所述程序时实现如权利要求1至5中任一项所述的用户感知评估方法;或,如权利要求7至13中任一项所述的小区感知评估方法。
16.一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行如权利要求1至5中任一项所述的用户感知评估方法;或,如权利要求7至13中任一项所述的小区感知评估方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110243747.XA CN115022914A (zh) | 2021-03-05 | 2021-03-05 | 用户感知评估方法、装置、终端及存储介质 |
PCT/CN2021/122333 WO2022183729A1 (zh) | 2021-03-05 | 2021-09-30 | 用户感知评估方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110243747.XA CN115022914A (zh) | 2021-03-05 | 2021-03-05 | 用户感知评估方法、装置、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115022914A true CN115022914A (zh) | 2022-09-06 |
Family
ID=83064290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110243747.XA Pending CN115022914A (zh) | 2021-03-05 | 2021-03-05 | 用户感知评估方法、装置、终端及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115022914A (zh) |
WO (1) | WO2022183729A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011045736A1 (en) * | 2009-10-16 | 2011-04-21 | Telefonaktiebolaget L M Ericsson (Publ) | Network management system and method for identifying and accessing quality of service issues within a communications network |
CN103312531B (zh) * | 2012-03-15 | 2017-02-22 | 华为技术有限公司 | 一种获取qoe的方法、装置及保证qoe的方法、装置 |
CN104486772B (zh) * | 2014-12-05 | 2018-12-18 | 珠海世纪鼎利科技股份有限公司 | 一种端到端多维度归一化的lte网络评估优化系统 |
CN108683527B (zh) * | 2018-04-25 | 2021-04-02 | 武汉虹信技术服务有限责任公司 | 一种基于mr和xdr的用户感知深度检测方法 |
CN109005556B (zh) * | 2018-07-24 | 2021-05-25 | 武汉虹信技术服务有限责任公司 | 一种基于用户话单的4g网络质量优化方法与系统 |
-
2021
- 2021-03-05 CN CN202110243747.XA patent/CN115022914A/zh active Pending
- 2021-09-30 WO PCT/CN2021/122333 patent/WO2022183729A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2022183729A1 (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109005556B (zh) | 一种基于用户话单的4g网络质量优化方法与系统 | |
JP5612696B2 (ja) | 通信ネットワーク内のサービス品質結果の特定及びアクセスのためのネットワーク管理システム及び方法 | |
EP3952410A1 (en) | Method and system for managing mobile network congestion | |
CN108093427B (zh) | 一种VoLTE业务质量评估方法及系统 | |
US20160227434A1 (en) | System and method for mitigating network congestion using fast congestion detection in a wireless radio access network (ran) | |
CN106233764B (zh) | 一种信息处理方法及装置 | |
CN107889126B (zh) | 网络状态的识别方法、dpi监测分析设备和网络系统 | |
CN109005064B (zh) | 面向QoE的服务质量评估方法、装置及电子设备 | |
CN115022914A (zh) | 用户感知评估方法、装置、终端及存储介质 | |
CN110972199B (zh) | 一种流量拥塞监测方法及装置 | |
CN108134703B (zh) | 网络小区隐患故障预测分析方法及装置 | |
JP2009130728A (ja) | 無線通信網の品質評価システム、通信品質の改善措置対象エリアの抽出方法及びプログラム | |
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 | |
KR100673184B1 (ko) | 이동 통신망에서 멀티미디어 서비스 품질 평가 방법 | |
CN105898766A (zh) | 一种基站规划方法及装置 | |
CN108243039B (zh) | 交通干线网络综合分析方法及装置 | |
WO2021008393A1 (zh) | 一种无线小区的覆盖黑洞识别方法及系统 | |
JP6378836B2 (ja) | 通信速度制限ユーザ抽出装置、スループット推定装置、通信速度制限ユーザ抽出方法、スループット推定方法、通信速度制限ユーザ抽出プログラム、及びスループット推定プログラム | |
CN113810941A (zh) | Prb利用率的计算方法及装置 | |
CN109996253A (zh) | 一种小区信号覆盖范围合理性的评估方法及装置 | |
CN111935769B (zh) | 质差小区识别方法、装置和设备 | |
CN114640600A (zh) | 网络服务质量分析方法、系统以及存储介质 | |
EP4236421A1 (en) | Method for evaluating network service, electronic device, and storage medium | |
CN113727382A (zh) | 网络质量确定方法、装置、网络设备及计算机存储介质 | |
Kobayashi et al. | Crowdsourced QoE evaluation of mobile device usage with consideration on user dependence |
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 |