李金生

【摘 要】為了提升終端與網(wǎng)絡(luò)交互問(wèn)題分析及定位的效率，提出了基于終端側(cè)感知異常事件智能動(dòng)態(tài)采集，并結(jié)合網(wǎng)絡(luò)側(cè)信令進(jìn)行聯(lián)合溯源定位問(wèn)題的方法。通過(guò)在終端上安裝異常事件采集APP，自動(dòng)采集終端側(cè)關(guān)鍵參數(shù)，在關(guān)鍵參數(shù)偏離正常范圍時(shí)觸發(fā)感知異常事件并動(dòng)態(tài)擴(kuò)展參數(shù)采集范圍，從而為問(wèn)題定位提供更多有效的終端側(cè)網(wǎng)絡(luò)環(huán)境信息，并結(jié)合網(wǎng)絡(luò)側(cè)信令，從端到端角度提升問(wèn)題分析定位的效率。

【關(guān)鍵詞】異常事件 終端與網(wǎng)絡(luò)交互 問(wèn)題定位

1 引言

隨著智能手機(jī)普及程度的不斷提升，越來(lái)越多的人熱衷于利用手機(jī)上網(wǎng)進(jìn)行社交以及購(gòu)物等，這些新型的用戶行為對(duì)網(wǎng)絡(luò)的傳輸速率及數(shù)據(jù)傳輸?shù)姆€(wěn)定性要求越來(lái)越高。與此同時(shí)，運(yùn)營(yíng)商網(wǎng)絡(luò)容量和資源利用方式面臨的壓力劇增[1]，終端方面也每天都有各種影響感知的異常事件出現(xiàn)，比如信號(hào)強(qiáng)度弱、應(yīng)用異常退出等。由于涉及的業(yè)務(wù)鏈長(zhǎng)，終端與網(wǎng)絡(luò)交互存在的問(wèn)題定位難度變大。

為了提升終端與網(wǎng)絡(luò)交互問(wèn)題分析及定位的效率，本文提出了基于終端側(cè)智能動(dòng)態(tài)采集感知異常事件，并結(jié)合網(wǎng)絡(luò)側(cè)信令進(jìn)行聯(lián)合溯源定位的方法。

2 目前針對(duì)終端與網(wǎng)絡(luò)交互問(wèn)題的解決

方案

對(duì)于如何及時(shí)發(fā)現(xiàn)客戶在使用網(wǎng)絡(luò)業(yè)務(wù)過(guò)程中出現(xiàn)的終端與網(wǎng)絡(luò)交互問(wèn)題并進(jìn)行解決，主要存在如下3種方法：

（1）客戶投訴記錄挖掘[2]：通過(guò)采集人工客服收到的投訴工單，并按照投訴的時(shí)間、地點(diǎn)、投訴內(nèi)容、終端類(lèi)型等維度進(jìn)行深入的挖掘分析，找出與終端相關(guān)的具備共性的投訴案例并進(jìn)行撥測(cè)驗(yàn)證。

該方法優(yōu)點(diǎn)是能準(zhǔn)確界定問(wèn)題所在，缺點(diǎn)是通過(guò)客戶投訴記錄來(lái)挖掘終端問(wèn)題無(wú)法先于用戶發(fā)現(xiàn)，具有滯后性。

（2）人工遍歷測(cè)試[3]：使用疑似存在問(wèn)題的智能終端實(shí)體，按照預(yù)設(shè)的測(cè)試用例，在現(xiàn)網(wǎng)進(jìn)行大量的測(cè)試，最后匯總其中測(cè)試不通過(guò)的用例及終端，進(jìn)行二次確認(rèn)和排障。

終端撥測(cè)驗(yàn)證法能主動(dòng)地先于客戶投訴發(fā)現(xiàn)終端存在的問(wèn)題，但消耗資源極高，對(duì)于目前現(xiàn)網(wǎng)龐大的終端數(shù)量，幾乎不可能進(jìn)行完備的測(cè)試。

（3）基于網(wǎng)絡(luò)側(cè)信令進(jìn)行聚類(lèi)挖掘[4]：此方法難以實(shí)現(xiàn)對(duì)終端側(cè)與網(wǎng)絡(luò)側(cè)異常事件的精準(zhǔn)定位與分析，網(wǎng)絡(luò)側(cè)無(wú)法采集與分析還沒(méi)有到達(dá)網(wǎng)絡(luò)的數(shù)據(jù)，例如由于終端側(cè)原因產(chǎn)生的業(yè)務(wù)失敗、終端本身的性能下降等。

3 基于異常事件機(jī)制的分析定位方法

異常事件是指客戶在使用智能移動(dòng)終端的過(guò)程中，信號(hào)覆蓋、語(yǔ)音業(yè)務(wù)、數(shù)據(jù)業(yè)務(wù)、終端性能、APP等方面的相關(guān)參數(shù)偏離正常范圍，導(dǎo)致用戶使用感知下降，甚至無(wú)法正常使用業(yè)務(wù)的情況[5]。

本文提出一種基于異常事件動(dòng)態(tài)采集的終端與網(wǎng)絡(luò)交互問(wèn)題分析定位方法：對(duì)于安裝有終端異常事件統(tǒng)計(jì)APP的智能手機(jī)用戶，當(dāng)用戶終端發(fā)生異常事件時(shí)，APP會(huì)動(dòng)態(tài)智能擴(kuò)展采集范圍，從該異常事件的核心定義參數(shù)擴(kuò)展到終端側(cè)環(huán)境數(shù)據(jù)，包括用戶維度數(shù)據(jù)（用戶標(biāo)識(shí)號(hào)、APP標(biāo)識(shí)號(hào)和系統(tǒng)版本號(hào)等）；時(shí)間維度數(shù)據(jù)（異常事件采集時(shí)間點(diǎn)、間隔等）；空間維度數(shù)據(jù)（異常事件發(fā)生的小區(qū)號(hào)等）。然后，終端側(cè)采集APP將異常事件核心定義參數(shù)與環(huán)境參數(shù)發(fā)送回后臺(tái)系統(tǒng)。最后，通過(guò)異常事件環(huán)境構(gòu)建，聯(lián)合異常事件前后一段時(shí)間與鄰近地區(qū)的參數(shù)，對(duì)發(fā)現(xiàn)問(wèn)題的情景進(jìn)行復(fù)現(xiàn)和回放，協(xié)助問(wèn)題的分析定位。處理機(jī)制的主要工作流程如圖1所示：

圖1 異常事件采集及分析流程

下文將對(duì)異常事件采集及分析的關(guān)鍵步驟進(jìn)行分析闡述。

3.1 采集終端關(guān)鍵參數(shù)，觸發(fā)異常事件

首先在終端上安裝異常事件統(tǒng)計(jì)APP，運(yùn)行該APP后，可以從信號(hào)覆蓋、數(shù)據(jù)業(yè)務(wù)、終端性能和終端應(yīng)用4個(gè)維度對(duì)手機(jī)終端的關(guān)鍵指標(biāo)參數(shù)進(jìn)行日常監(jiān)控，自動(dòng)提取手機(jī)終端異常事件核心參數(shù)[6]，并與正常值進(jìn)行對(duì)比，從而判斷是否發(fā)生異常事件。

3.2 智能動(dòng)態(tài)擴(kuò)展參數(shù)采集范圍

（1）采集機(jī)制

當(dāng)終端異常事件統(tǒng)計(jì)APP采集到核心參數(shù)異常（即發(fā)生異常事件）時(shí)，觸發(fā)智能動(dòng)態(tài)參數(shù)采集：基于時(shí)間軸，動(dòng)態(tài)調(diào)整采集頻率與采集內(nèi)容，智能擴(kuò)展終端側(cè)及網(wǎng)絡(luò)側(cè)參數(shù)采集范圍，自動(dòng)采集異常事件發(fā)生時(shí)刻前后一段時(shí)間內(nèi)、異常事件發(fā)生地點(diǎn)鄰近小區(qū)等的環(huán)境參數(shù)，如小區(qū)號(hào)、經(jīng)緯度、采集時(shí)刻等，并將數(shù)據(jù)傳送至系統(tǒng)后臺(tái)，重構(gòu)終端異常事件發(fā)生環(huán)境及情景[7]，進(jìn)行異常事件分析。參數(shù)采集動(dòng)態(tài)擴(kuò)展原理如圖2所示。

（2）動(dòng)態(tài)采集算法

使用基于時(shí)間序列的預(yù)測(cè)[8]進(jìn)行關(guān)鍵指標(biāo)的動(dòng)態(tài)采集。通過(guò)對(duì)時(shí)間序列的關(guān)鍵指標(biāo)進(jìn)行分析，掌握關(guān)鍵指標(biāo)隨時(shí)間變化的規(guī)律，從而動(dòng)態(tài)決策外延指標(biāo)的采集范疇。

由于終端客戶感知與終端所處的無(wú)線網(wǎng)絡(luò)環(huán)境息息相關(guān)，因此選取信號(hào)強(qiáng)度作為指標(biāo)動(dòng)態(tài)采集的關(guān)鍵參考指標(biāo)，并對(duì)信號(hào)強(qiáng)度的時(shí)間序列使用加權(quán)移動(dòng)平均法進(jìn)行預(yù)測(cè)。算法包含如下4個(gè)步驟：

1）以一定的時(shí)間間隔采集用戶所處網(wǎng)絡(luò)的信號(hào)強(qiáng)度時(shí)間序列：S1， S2， …， SN；

2）以N為移動(dòng)的時(shí)間段，使用簡(jiǎn)單移動(dòng)平均數(shù)的計(jì)算方法得出預(yù)測(cè)值Mt，如公式（1）所示：

（1）

3）考慮各期數(shù)據(jù)的重要性，對(duì)近期數(shù)據(jù)給予較大的權(quán)值，遠(yuǎn)期數(shù)據(jù)給予較小的權(quán)值，將預(yù)測(cè)值改良為加權(quán)移動(dòng)平均數(shù)Mtw，如公式（2）所示：

（2）

4）根據(jù)信號(hào)強(qiáng)度的預(yù)測(cè)值Mtw，動(dòng)態(tài)決策信號(hào)類(lèi)、數(shù)據(jù)類(lèi)、應(yīng)用類(lèi)、終端類(lèi)四大類(lèi)共50多個(gè)具體指標(biāo)的采集，以達(dá)到在滿足異常事件溯源分析的前提下，節(jié)省采集APP待機(jī)時(shí)資源消耗的目的。

3.3 異常事件環(huán)境構(gòu)建與情景復(fù)現(xiàn)

通過(guò)終端異常事件統(tǒng)計(jì)APP采集到了終端異常事件擴(kuò)展數(shù)據(jù)，包括基于時(shí)間軸前后一段時(shí)間的終端、網(wǎng)絡(luò)與業(yè)務(wù)參數(shù)指標(biāo)，如終端本身（CPU內(nèi)存利用率、界面交互等）、終端與網(wǎng)絡(luò)交互（小區(qū)、信號(hào)強(qiáng)度、制式、速率、語(yǔ)音數(shù)據(jù)掉線率等）[9]、終端與業(yè)務(wù)平臺(tái)（平臺(tái)連通性、時(shí)延等）等方面的指標(biāo)。然后根據(jù)這些指標(biāo)，對(duì)發(fā)現(xiàn)問(wèn)題的情景進(jìn)行復(fù)現(xiàn)和回放[10]，協(xié)助問(wèn)題的分析定位。endprint

（1）根據(jù)終端異常事件統(tǒng)計(jì)APP采集的參數(shù)，結(jié)合網(wǎng)絡(luò)側(cè)信令參數(shù)，展示、構(gòu)建異常事件發(fā)生時(shí)間前后的空間場(chǎng)景與全時(shí)間流程，網(wǎng)絡(luò)側(cè)輔助參數(shù)包括HLR（Home Location Register，歸屬位置寄存器）用戶簽約數(shù)據(jù)、話音及數(shù)據(jù)網(wǎng)絡(luò)留存的控制面和媒體面信令等數(shù)據(jù)。終端側(cè)與網(wǎng)絡(luò)側(cè)信令的關(guān)聯(lián)示例如圖3所示：

圖3 終端側(cè)與網(wǎng)絡(luò)側(cè)信令的關(guān)聯(lián)示例

（2）結(jié)合終端側(cè)參數(shù)與網(wǎng)絡(luò)側(cè)信令數(shù)據(jù)，形成完備分析工具，判斷檢測(cè)結(jié)果，得出初步分析結(jié)論。如圖3所示，終端進(jìn)入弱信號(hào)覆蓋區(qū)域，從網(wǎng)絡(luò)信令上看，終端一直在TD-SCDMA和GSM網(wǎng)絡(luò)之間不停選擇，但信號(hào)強(qiáng)度均達(dá)不到穩(wěn)定在一種網(wǎng)絡(luò)下，此時(shí)獲取到的網(wǎng)絡(luò)制式、LAC、CI均會(huì)有錯(cuò)位，終端側(cè)APP的判斷“2G弱覆蓋”符合預(yù)期。

3.4 異常事件聚類(lèi)分析與定位

在3.3節(jié)的基礎(chǔ)上，根據(jù)幾個(gè)場(chǎng)景分類(lèi)，分析異常事件發(fā)生時(shí)的各項(xiàng)指標(biāo)，具體流程如下：

（1）導(dǎo)出異常事件，從終端、小區(qū)等維度進(jìn)行聚類(lèi)分析，對(duì)于在終端維度的異常事件，從網(wǎng)絡(luò)制式、用戶維度進(jìn)行聚類(lèi)分析。

（2）根據(jù)場(chǎng)景分類(lèi)，確定各場(chǎng)景流程環(huán)節(jié)中的重點(diǎn)指標(biāo)參數(shù)并進(jìn)行分析，如上網(wǎng)場(chǎng)景中的PDP（Packet Data Protocol，包數(shù)據(jù)協(xié)議）激活成功率，終端異常場(chǎng)景中的終端配置等，輔助問(wèn)題定位分析。

（3）結(jié)合網(wǎng)絡(luò)側(cè)信令，確認(rèn)最終問(wèn)題，將問(wèn)題派單分發(fā)給下一級(jí)運(yùn)營(yíng)商或者廠商。

3.5 方案優(yōu)點(diǎn)

本方案具備如下3個(gè)方面的優(yōu)點(diǎn)：

（1）分析挖掘效率高：通過(guò)對(duì)現(xiàn)網(wǎng)用戶的無(wú)線覆蓋、網(wǎng)絡(luò)互操作、終端行為、應(yīng)用行為等進(jìn)行深度數(shù)據(jù)挖掘，可高效快速地定位網(wǎng)絡(luò)指標(biāo)異常和用戶網(wǎng)絡(luò)行為異常的終端。

（2）準(zhǔn)實(shí)時(shí)性：實(shí)時(shí)采集用戶網(wǎng)絡(luò)日志，實(shí)現(xiàn)感知異常事件發(fā)現(xiàn)時(shí)延控制在5分鐘以?xún)?nèi)。

（3）分析成本低：無(wú)須使用終端進(jìn)行撥測(cè)，充分利用了現(xiàn)網(wǎng)的用戶作為龐大的虛擬測(cè)試群體，因而能節(jié)省人力成本和測(cè)試實(shí)體機(jī)的購(gòu)買(mǎi)成本。

4 結(jié)束語(yǔ)

本文提出了一種基于終端側(cè)感知異常事件智能動(dòng)態(tài)采集，對(duì)終端與網(wǎng)絡(luò)交互問(wèn)題進(jìn)行分析定位的方法。通過(guò)在終端上安裝異常事件采集APP，自動(dòng)采集終端關(guān)鍵參數(shù)，在異常事件發(fā)生后自動(dòng)觸發(fā)動(dòng)態(tài)擴(kuò)展參數(shù)采集范圍，并結(jié)合網(wǎng)絡(luò)側(cè)信令對(duì)終端及網(wǎng)絡(luò)交互環(huán)境進(jìn)行溯源定位，提升用戶感知異常發(fā)現(xiàn)及定位的效率。

參考文獻(xiàn)：

[1] 樓旭明，孫中原，趙合. 4G時(shí)代流量爆發(fā)性增長(zhǎng)的實(shí)證分析[J]. 價(jià)值工程， 2016，35（13）： 49-51.

[2] 唐盛濤. 基于數(shù)據(jù)挖掘的運(yùn)營(yíng)商客戶投訴分析方法研究[J]. 互聯(lián)網(wǎng)天地， 2016（3）： 53-55.

[3] 郭寶. TD主流商務(wù)終端的路測(cè)與優(yōu)化[J]. 通信世界， 2012（14）： 23.

[4] 陳平，宋玉蓉，蔣國(guó)平. 基于多維聚類(lèi)挖掘的異常檢測(cè)方法研究[J]. 計(jì)算機(jī)技術(shù)與發(fā)展， 2012，22（7）： 136-139.

[5] 趙旺飛，戴罕琦. 基于互聯(lián)網(wǎng)模式的4G網(wǎng)絡(luò)感知提升技術(shù)研究[J]. 電信快報(bào)， 2016（3）： 18-21.

[6] 黃斐一，孫立軍，孔繁盛. 基于移動(dòng)互聯(lián)網(wǎng)手機(jī)應(yīng)用的無(wú)線網(wǎng)絡(luò)性能采集方案[J]. 廣東通信技術(shù)， 2014（4）： 2-6.

[7] 莫建林. 基于虛擬終端上下文環(huán)境感知的多終端重構(gòu)系統(tǒng)和方法： 中國(guó)， 103248653 A[P]. 2013-08-14.

[8] 李健，孫廣中，許胤龍. 基于時(shí)間序列的預(yù)測(cè)模型應(yīng)用與異常檢測(cè)[J]. 計(jì)算機(jī)輔助工程， 2006，15（2）： 49-51.

[9] 王凱，姚東升. 無(wú)線通信網(wǎng)絡(luò)信號(hào)質(zhì)量監(jiān)測(cè)系統(tǒng)： 中國(guó)， 1905588 A[P]. 2007-01-31.

[10] 楊理想. 移動(dòng)通信網(wǎng)絡(luò)用戶感知智能分析系統(tǒng)：投訴回放和故障重現(xiàn)模塊的研究與開(kāi)發(fā)[D]. 重慶： 重慶郵電大學(xué)， 2013. ★endprint