CN115776454A - 一种面向家宽上网不可用网元定界的方法 - Google Patents

Abstract

本发明提供一种面向家宽上网不可用网元定界的方法，属于家宽上网问题识别定界领域，本发明基于家庭网关软探针上报PPPoE连接时长字段等状态指标，建立用户级拨号上网“断”的问题识别模型和网元退服群障识别模型，拟合不同网元维度的时间差波形曲线，定界家宽上网不可用网元。

Description

一种面向家宽上网不可用网元定界的方法

技术领域

本发明涉及家宽上网问题识别定界领域，尤其涉及一种面向家宽上网不可用网元定界的方法。

背景技术

家宽上网业务需要对网络性能、业务质量、用户体验等质量问题及影响范围进行识别，并针对识别出的网络性能、业务质量、用户体验等质量问题，进行定界定位和问题根因诊断，家宽上网网元不可用会直接导致批量用户业务中断，很大程度影响用户满意度。

现有技术识别出的用户业务中断问题，只能根据用户归属进行中断用户数量汇聚来大致确定问题网元，无法精准定位，有针对性的采取解决措施。

发明内容

为了解决以上技术问题，本发明提供了一种面向家宽上网不可用网元定界的方法。基于PPPoE时间差波形拟合建立网元退服群障识别模型可以更准确的进行家宽上网不可用网元定界。

本发明的技术方案是：

一种面向家宽上网不可用网元定界的方法，基于家庭网关软探针上报字段等状态指标，建立用户级拨号上网“断”的问题识别模型，并通过计算PPPoE连接时长时间差，建立网元退服群障识别模型，拟合不同网元维度的时间差波形曲线，定界家宽上网不可用网元，输出网元退服清单。

进一步的，

首先进行数据准备，包括：

1)、取家庭网关软探针上报的PPPOE连接时长，每个周期减去上一个周期，得到时间差；

2)、时间差出现负值，表示有一次中断，补充缺失的reporttime时间段；

3)、把负值归零；

4)、得到时间差曲线。

从省份开始，寻找下属不同地市的24小时所有10分钟粒度(24*6)的PPPoE连接时长时间差指标，每个地市形成(1*144)的输入数据维度。

再进一步的，

模型构建：

根据时间差曲线波形，计算不同地市劣化区间的波形相似度，采用AI算法进行智能定界，包含波形拟合相似度计算和聚类算法。

再进一步的，

波形拟合相似度计算

基于皮尔逊相关系数，输入的X和Y是相同维度下不同对象的PPPOE时间差，X是1*144维向量，Y也是1*144维向量，计算X和Y之间的相关性ρ，设定其相关系数阈值为β。如果ρ>β，表示X和Y两个向量表征的波形相似，否则X和Y两个向量表征的波形不相似。

聚类方法

遍历数据集，比较单个数据与簇内数据相似度，相似度大于阈值，将单个数据归置于簇内，相反则将单个数据归置于新簇，最终获得一个以上的簇。

聚类后获得不同的簇，遍历簇并获取簇内数据个数，若存在数据量大于1的簇则节点存在相似波形，相反则不存在相似曲线。

本发明的有益效果是

改变根据用户归属进行中断用户数量汇聚来大致确定问题网元的方法，基于PPPoE时间差波形拟合，建立网元退服群障识别模型，可以更精准的进行家宽上网不可用网元定界，有针对性的采取解决措施，避免家宽上网网元不可用带来的批量用户业务中断，有效提升批量用户的满意度。

附图说明

图1是本发明的工作流程示意图；

图2是波形拟合相似度计算逻辑流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明基于家庭网关软探针上报的PPPoE连接时长字段等状态指标，建立网元不可用群障识别模型，识别出用户业务中断后，拟合不同网元维度的时间差波形曲线，定界家宽上网不可用网元。

包括：

数据准备：

1、取家庭网关软探针上报的PPPOE连接时长，每个周期减去上一个周期，得到时间差。

2、时间差出现负值，表示有一次中断，补充缺失的reporttime时间段。

3、把负值归零。

4、得到时间差曲线。

从省份开始，寻找下属不同地市的24小时所有10分钟粒度(24*6)的PPPoE连接时长时间差指标，每个地市形成(1*144)的输入数据维度。

模型构建：

根据时间差曲线波形，计算不同地市劣化区间的波形相似度，本发明采用AI算法进行智能定界，主要包含波形拟合相似度算法和聚类算法，下面对这两种算法做简单阐述。

波形拟合相似度算法

本算法基于皮尔逊相关系数，判断2个波形的相似度，皮尔逊相关系数(PearsonCorrelation)是衡量向量相似度的一种方式。输出范围为-1到+1，其中0代表无相关性，负值代表负相关，正值代表正相关。已知两个向量X和Y，其皮尔逊相关系数表示如下：

●当相关系数为0时，X和Y两向量不相关

●当X的值增大(减小)，Y值减小(增大)，X和Y两向量负相关，相关系数在-1.0到0.0之间。

●当X的值增大(减小)，Y值增大(减小)，X和Y两向量正相关，相关系数在0.0到+1.0之间

本发明中，输入的X和Y是相同维度下不同对象的PPPOE时间差，X是1*144维向量，Y也是1*144维向量，计算X和Y之间的相关性ρ，设定其相关系数阈值为β。如果ρ>β，表示X和Y两个向量表征的波形相似，否则X和Y两个向量表征的波形不相似。

其计算逻辑流程如图2所示：

聚类算法

聚类(Clustering)按照相似度算法把数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。算法简要描述：

1、遍历数据集，比较单个数据与簇内数据相似度，相似度大于阈值，将单个数据归置于簇内，相反则将单个数据归置于新簇，最终获得如上图多个簇。

2、聚类后获得不同的簇，遍历簇并获取簇内数据个数，若存在数据量大于1的簇则节点存在相似波形，相反则不存在相似曲线。

具体运算：

步骤一：

计算不同维度的PPPoE时间差波形相似度。设置相似度阈值β。假设有5个网元A、B、C、D、E，计算流程如下：

1、把网元A设定为聚类C1，此时C1＝[A]，聚类中心为A。

2、计算A和B网元的波形相似度，如果波形相似，则把B加入到C1中，C1＝[A,B]。如果波形不相似，则B令成为新的聚类C2，即C2＝[B]，聚类中心为B。

3、计算C网元和C1与C2聚类中心的相似度，如果相似则划归到C1或者C2，否则形成新的聚类C3，即C3＝[C]

4、分别计算D网元与已经存在聚类中心的聚类相似度，按照第2步的规则进行划分。

5、重复第4步，循环计算完毕所有的地市。

伪代码实现如下：

皮尔逊系数在(-1,1)之间，通常情况下通过以下取值范围判断变量的相关性，及可表征两个变量的相似性。本项目中只考虑正相关的相似度，如下表所示：

相关系数绝对值	相关性	相似度
			(0.8.1.0]	很高	很高
(0.6-0.8]	较高	较高
			(0.4-0.6]	一般	一般
(0.2-0.4]	低	低
			[0.-0.2]	很低	很低

根据提供的历史相似波形数据，通过计算历史相似波形的相似度来设定相似度阈值。

通过比对分析，本项目以0.85做为相关门限，相关系数corr>＝0.85，波形相似，否则波形不相似。

步骤二：

查看第一步骤的聚类个数，如果聚类个数大于1个，表示这些网元波形并不完全拟合。

●如果每个聚类的网元个数大于1则需要按照整体流程图向右继续找原因。

●如果聚类的网元数目等于1，表示该网元劣化，需要按照流程图向左继续聚类找原因。

查看第一步骤的聚类个数，如果聚类个数等于1个，则表示所有网元波形完全相似，算法结束。流程如图1所示：

步骤三：

按照整体流程图，每个节点按照第二步的流程进行聚类和相似度计算，直至算法结束，可以识别到每一层的劣化原因。最终输出原因有：

①多地市异常：多个地市波形拟合；

②单地市多区县异常：单地市下多个区县波形拟合；

③单区县多BRAS异常：单区县下多个BRAS波形拟合；

④单BRAS多OLT异常：单BRAS下多个OLT波形拟合；

⑤单OLT多PON口异常：多个波形高度相似PON口在同一个OLT节点处拟合；

⑥单PON口(一级分光段)异常：波形高度相似二级分光在统一PON口节点处拟合；

⑦二级分光段异常：波形高度相似用户在二级分光节点处拟合；

⑧短时间上下线用户：二级分光器没有拟合但出现频繁中断的用户。

以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (8)

1.一种面向家宽上网不可用网元定界的方法，其特征在于，

通过计算PPPoE连接时长时间差，建立网元退服群障识别模型，拟合不同网元维度的时间差波形曲线，定界家宽上网不可用网元，输出网元退服清单。

2.根据权利要求1所述的方法，其特征在于，

首先进行数据准备，包括：

1)、取家庭网关软探针上报的PPPOE连接时长，每个周期减去上一个周期，得到时间差；

2)、时间差出现负值，表示有一次中断，补充缺失的reporttime时间段；

3)、把负值归零；

4)、得到时间差曲线。

3.根据权利要求2所述的方法，其特征在于，

从省份开始，寻找下属不同地市的24小时所有10分钟粒度(24*6)的PPPoE连接时长时间差指标，每个地市形成(1*144)的输入数据维度。

4.根据权利要求3所述的方法，其特征在于，

模型构建：

根据时间差曲线波形，计算不同地市劣化区间的波形相似度，采用AI算法进行智能定界，包含波形拟合相似度计算和聚类算法。

5.根据权利要求4所述的方法，其特征在于，

波形拟合相似度计算

基于皮尔逊相关系数，输入的X和Y是相同维度下不同对象的PPPOE时间差，X是1*144维向量，Y也是1*144维向量，计算X和Y之间的相关性ρ，设定其相关系数阈值为β。

6.根据权利要求5所述的方法，其特征在于，

如果ρ>β，表示X和Y两个向量表征的波形相似，否则X和Y两个向量表征的波形不相似。

7.根据权利要求4所述的方法，其特征在于，

聚类方法

遍历数据集，比较单个数据与簇内数据相似度，相似度大于阈值，将单个数据归置于簇内，相反则将单个数据归置于新簇，最终获得一个以上的簇。

8.根据权利要求7所述的方法，其特征在于，

聚类后获得不同的簇，遍历簇并获取簇内数据个数，若存在数据量大于1的簇则节点存在相似波形，相反则不存在相似曲线。

Images