張晶 朱偉 趙志揚 陳康 梅明濤 宋嘯天

1.中國移動通信集團江蘇有限公司；2.鎮(zhèn)江市審計局

0 引言

衡量用戶感知有利于測定通信運營商的經(jīng)營質(zhì)量水平。在江蘇移動日常的用戶感知投訴處理中，問題主要來自三個方面：低速率、高時延、低響應成功率。針對用戶感知投訴問題，傳統(tǒng)優(yōu)化方式以無線KPI指標提升為主，輔以現(xiàn)場測試，用戶感知差的因素較多。業(yè)務的復雜性要求用戶感知優(yōu)化必須從傳統(tǒng)的各專業(yè)各自為政向各業(yè)務綜合評估優(yōu)化轉(zhuǎn)型，目前用戶感知提升面臨四大挑戰(zhàn)。如圖1所示。

圖1 用戶感知提升面臨的四大挑戰(zhàn)

用戶感知指標與客觀感知指標難映射，用戶體驗與網(wǎng)絡運營指標體系難以建立傳統(tǒng)的線性關(guān)聯(lián)，需要解決聚焦優(yōu)化哪些區(qū)域、哪些業(yè)務的問題，從而提升用戶體驗。本文基于大數(shù)據(jù)建模，結(jié)合用戶業(yè)務主觀感知與客觀網(wǎng)絡大數(shù)據(jù)，建立感知畫像?；诜謭鼍安町惢瘜嵤﹥?yōu)化策略，開展用戶級的智能化業(yè)務感知評估，利用柵格化呈現(xiàn)，精細感知優(yōu)化，精準識別感知質(zhì)差區(qū)域，不斷提升用戶感知，打造精品網(wǎng)絡，精確指導優(yōu)化。

1 感知優(yōu)化體系原理

基于網(wǎng)優(yōu)SEQ大數(shù)據(jù)平臺進行用戶行為研究，結(jié)合用戶業(yè)務主觀感知與客觀網(wǎng)絡大數(shù)據(jù)，建立客戶感知與網(wǎng)絡質(zhì)量之間的關(guān)聯(lián)關(guān)系，構(gòu)建基于用戶級的網(wǎng)優(yōu)智能優(yōu)化體系，從傳統(tǒng)的小區(qū)維度性能優(yōu)化轉(zhuǎn)向用戶業(yè)務級別智能化建模優(yōu)化，并利用柵格化與地理化呈現(xiàn)，精準提升用戶體驗，從傳統(tǒng)的被動解決問題轉(zhuǎn)向主動的用戶關(guān)懷。

根據(jù)用戶定位及行為識別進行場景判別，智能實現(xiàn)場景、價值，以及用戶遷移特性的多維聚合，精準挖潛網(wǎng)絡短板?；诜謭鼍安町惢瘜嵤﹥?yōu)化策略，開展用戶級的智能化業(yè)務感知評估，對各業(yè)務進行智能化建模分析，完成視頻/掃碼/咪咕視頻/手游等評估體系建立，實現(xiàn)感知差用戶柵格級、區(qū)域級匯聚并輸出質(zhì)差用戶，分析原因并提供優(yōu)化建議。相比小區(qū)級能更全面發(fā)現(xiàn)問題，精確指導優(yōu)化。

通過構(gòu)建智能優(yōu)化體系，聚焦具體用戶行為，準確表征網(wǎng)絡質(zhì)量并定位用戶感知質(zhì)差結(jié)果，全面實現(xiàn)自動分析，智能優(yōu)化研究，幫助一線部門精確處理網(wǎng)絡問題，提升優(yōu)化效率和準確性。

1.1 綜合業(yè)務感知平臺

基于大數(shù)據(jù)平臺，將所需業(yè)務的每一條詳單進行打分。使用小區(qū)、時間、IMSI將業(yè)務單據(jù)與MR拼接，實現(xiàn)場景柵格地理化分析呈現(xiàn)。

建立Discovery融合平臺，完全利用Discovery數(shù)據(jù)中間層，實現(xiàn)大數(shù)據(jù)解析、拼接、存儲。數(shù)據(jù)來源繼承使用discovery平臺原有數(shù)據(jù)源，新增接入MR數(shù)據(jù)源，能高效準確進行單據(jù)拼接打分、場景匯聚，綜合感知平臺具體實現(xiàn)流程如圖2所示。

圖2 綜合感知平臺

通過平臺架構(gòu)，對MR單據(jù)和業(yè)務單據(jù)進行拼接，在小區(qū)和場景維度進行匯聚，最后生成小區(qū)報表和場景報表，將自動生成的場景報表送網(wǎng)優(yōu)平臺實現(xiàn)劣化場景派單。界面添加具體劣化場景，可以獲得關(guān)聯(lián)小區(qū)及柵格無線側(cè)指標，精準指導優(yōu)化閉環(huán)。

1.2 感知數(shù)據(jù)挖掘

1.2.1 優(yōu)化用戶單據(jù)拼接全省MR數(shù)據(jù)按地市、站點、時間存儲在DSI服務器上，將此數(shù)據(jù)放在hadoop緩存，與得分詳單進行拼接。全省XDR單據(jù)經(jīng)過編排處理后存放在hadoop，拼接后的單據(jù)按照地市、小時、小區(qū)、業(yè)務進行存放。將XDR詳單的小區(qū)、時間、IMSI與MR數(shù)據(jù)進行拼接，形成帶有經(jīng)緯度、無線側(cè)指標的拼接單據(jù)，數(shù)據(jù)存儲與指標拼接流程如圖3所示。

圖3 數(shù)據(jù)存儲與指標拼接流程

1.2.2 并行融合計算

DSI服務器存放全省MR數(shù)據(jù)，hadoop存放各業(yè)務打分詳單（匯聚指標數(shù)據(jù)）以及拼接后的單據(jù)，APP-DB存放天粒度業(yè)務指標，通過APP服務器完成數(shù)據(jù)融合計算，將計算結(jié)果呈現(xiàn)在WEB服務器，供應多個客戶端進行訪問。

1.3 用戶業(yè)務感知模型

1.3.1 面向業(yè)務特征感知模型

IM業(yè)務：RTT時延較大將影響即時通訊用戶交互信息發(fā)送的及時性，對于用戶業(yè)務體驗影響較大。

WEB業(yè)務：時延過大將導致用戶打開頁面較慢，影響用戶感知和容忍度；頁面響應成功率表征用戶正常打開瀏覽頁面的比例，影響用戶對瀏覽業(yè)務的直觀感知。

視頻業(yè)務：用戶的XKB時延和下載速率決定了用戶視頻業(yè)務能否及時打開。用戶對于視頻清晰度的感知則取決于速率碼率比的大小。

GAME業(yè)務：游戲業(yè)務UDP流為非通用建模標準，通常RTT時延長短影響決定了用戶在管道速率上的優(yōu)劣，表征了用戶在游戲業(yè)務中能否流暢的一個條件。

以外呼滿意度打分數(shù)據(jù)作為結(jié)果，將感知指標以及相應的無線側(cè)KPI指標作為樣本，建立寬表模板如表1所示。

表1 指標樣本

利用隨機森林（random forest）算法，將上述寬表作為樣本輸入數(shù)據(jù)挖掘平臺。

1.3.2 隨機森林算法

隨機森林是一種利用多個分類樹對數(shù)據(jù)進行判別與分類的方法，它在對數(shù)據(jù)進行分類的同時，還可給出各個變量（基因）的重要性評分，評估各個變量在分類中所起的作用。大數(shù)據(jù)建模分析，通過隨機森林算法，結(jié)合各個業(yè)務的特點，得出了這些指標影響滿意度的重要程度，以及對于貶損建模預測的重要性，最后整理得到各業(yè)務指標的權(quán)重如圖4所示，門限詳情設置如表2所示。

圖4 多業(yè)務指標權(quán)重

表2 多指標門限

1.4 用戶業(yè)務感知精準呈現(xiàn)

1.4.1 小區(qū)向柵格級過渡

通過多維數(shù)據(jù)源實現(xiàn)全省每日1000億MRO采樣點7×24小時的分析，利用MRO、S1MME、S1-U多接口關(guān)聯(lián)進行經(jīng)緯度互填，并基于基礎(chǔ)定位庫，引入豐富的指紋數(shù)據(jù)進行迭代矯正，進一步提升問題定位和解決的精準度，具體精準定位數(shù)據(jù)流程如圖5所示。

由spark計算的各地市/小時/分小區(qū)/柵格級業(yè)務匯聚的數(shù)據(jù)在預警小區(qū)中地理化呈現(xiàn)，柵格顏色渲染不同的RSRP。由spark計算的各地市/小時/分小區(qū)/柵格級業(yè)務匯聚的數(shù)據(jù)在預警場景中地理化呈現(xiàn)，柵格顏色渲染不同的RSRP，點擊不同的小區(qū)聯(lián)動顯示對應的柵格，點擊柵格時聯(lián)動其關(guān)聯(lián)小區(qū)。APP服務器中導入各地市場景圖層，mapinfo圖層能與本專題GIS地圖對接，實現(xiàn)地理化匯聚。

通過地市和時間維度結(jié)合小區(qū)工參，得到該小區(qū)場景的PS業(yè)務得分情況，以及業(yè)務單據(jù)和無線指標關(guān)聯(lián)情況，并以柵格小區(qū)維度進行地理化呈現(xiàn)。其中對于預警小區(qū)，可基于業(yè)務的得分區(qū)間占比、小區(qū)柵格地理化、TOP指標、小區(qū)業(yè)務指標、柵格電平等多維信息關(guān)聯(lián)呈現(xiàn)。

1.4.2 小區(qū)向場景級過渡

通過選擇地市和時間維度為基礎(chǔ)，分居民區(qū)、風景區(qū)、公司企業(yè)、商業(yè)購物服務等多場景，以單場景柵格為例，對該場景下綜合指標進行匯聚評估，得到該場景的PS業(yè)務得分情況，以及場景下業(yè)務單據(jù)和無線指標關(guān)聯(lián)情況，并以場景柵格維度進行地理化呈現(xiàn)。對于預警場景，可實現(xiàn)基于業(yè)務的得分區(qū)間占比、場景柵格地理化、TOP小區(qū)、柵格電平等多維信息關(guān)聯(lián)呈現(xiàn)。

基于每種場景可實現(xiàn)區(qū)域、覆蓋柵格、覆蓋小區(qū)等多維呈現(xiàn)方式，其中以場景維度選擇的相關(guān)指標包括用戶數(shù)、MR覆蓋、總流量等，其中覆蓋柵格的小區(qū)呈現(xiàn)用不同顏色渲染。平臺呈現(xiàn)場景多維信息界面如圖6所示。

圖6 用戶感知挖掘場景柵格指標呈現(xiàn)

1.5 用戶業(yè)務感知優(yōu)化體系

1.5.1 智能識別用戶業(yè)務場景

基于用戶定位進行室內(nèi)穩(wěn)態(tài)、室外移動用戶識別，周期性積累白天、夜間常駐用戶規(guī)律。根據(jù)居住、工作用戶動態(tài)遷移規(guī)律，精準定義覆蓋場景，組合常駐、穩(wěn)態(tài)用戶的潮汐變化，結(jié)合地圖映射實現(xiàn)醫(yī)院、美食、夜間娛樂等場所的小區(qū)集中覆蓋場景的識別?；诰毣瘓鼍芭袆e，實現(xiàn)重要場景深度組合分析，判斷質(zhì)差指標波動是否與用戶流動性、地理特性、特定時段潮汐有關(guān)。組合分析定位網(wǎng)絡癥結(jié)所在，結(jié)合用戶感知及場景價值評估確定解決優(yōu)先級。用戶場景識別與問題定位實現(xiàn)流程如圖7所示。

圖7 用戶場景識別與問題定位

1.5.2 用戶感知差異性優(yōu)化

基于分場景差異化實施優(yōu)化策略，開展用戶級的智能化業(yè)務感知評估，建立視頻、掃碼感知、游戲等業(yè)務網(wǎng)優(yōu)指標監(jiān)控優(yōu)化體系，實現(xiàn)業(yè)務感知端到端管控優(yōu)化。

對IM業(yè)務、WEB業(yè)務、游戲業(yè)務和視頻業(yè)務進行感知評分，針對網(wǎng)絡質(zhì)差小區(qū)分析KQI與KPI的關(guān)聯(lián)性并進行相應的排查優(yōu)化，通過現(xiàn)網(wǎng)的經(jīng)驗總結(jié)對優(yōu)化方案進行驗證支撐，總結(jié)端到端視頻感知的評估、定界、優(yōu)化方法，快速提升用戶感知。

2 感知挖掘平臺應用

基于用戶感知挖掘平臺，實現(xiàn)快速、精確識別質(zhì)差小區(qū)、質(zhì)差場景，通過預警小區(qū)、預警場景指導地市優(yōu)化處理，實現(xiàn)問題快速閉環(huán)，確保網(wǎng)絡精確規(guī)劃。

2.1 平臺應用指導分析

2.1.1 視頻業(yè)務劣化識別分析

通過視頻劣化單據(jù)比例，關(guān)聯(lián)無線問題定位進行視頻綜合感知評估，助力各地市及時發(fā)現(xiàn)視頻感知劣化小區(qū)和原因，從而有針對性地優(yōu)化。

2.1.2 掃碼業(yè)務劣化問題識別分析

洞察網(wǎng)絡覆蓋、容量和質(zhì)量等問題，多維度評估掃碼感知差小區(qū)，改善網(wǎng)絡質(zhì)量，提升用戶感知。優(yōu)化區(qū)域總體掃碼成功率提升2.01%，掃碼差小區(qū)掃碼成功率提升4.62%。

2.1.3 游戲業(yè)務質(zhì)量監(jiān)控打分

實施用戶數(shù)和流量、TOP熱點游戲、手游關(guān)鍵指標監(jiān)控看管與優(yōu)化。

2.2 應用實例-視頻下載速率緩慢

問題描述：根據(jù)平臺提取省內(nèi)近期指標分析，鹽城視頻業(yè)務中下載速率與速率碼率比位于全省中游，排名第五；streaming接口上下時延均較高，全省排名靠后。

業(yè)務分析：用戶的XKB時延和下載速率決定了用戶視頻業(yè)務能否及時打開，用戶對于視頻清晰度的感知則取決于速率碼率比的大小。故選取XKB啟動時延、下載速率、速率碼率比三個指標，結(jié)合三個指標重要程度得出權(quán)重。

算法建模：通過min-max歸一化法將原始數(shù)據(jù)進行線性變換，將其映射到[0，1]區(qū)間之內(nèi)，保證各項無線指標的統(tǒng)一性，在此基礎(chǔ)上根據(jù)擬合曲線的斜率比值來反映各個關(guān)鍵指標對時延影響的權(quán)重，后期對權(quán)重進行調(diào)整驗證，具體關(guān)鍵指標權(quán)重設置如表3所示。

表3 分類指標驗證

現(xiàn)網(wǎng)應用：鹽城某小區(qū)感知下載速率較低，影響用戶體驗，小區(qū)視頻下載速率得分為63.8，根據(jù)感知打分體系定位分析該小區(qū)覆蓋率扣分值8.52，為所有指標中最高，定位為覆蓋問題。

解決方案：現(xiàn)場RF調(diào)整，復測驗證閉環(huán)問題。

優(yōu)化效果：問題閉環(huán)后，提取兩小區(qū)感知與無線指標對比，MR覆蓋率由81.93%提升至92.12%，感知下載速率由5163.42KBpS提升至13272.51KBps，得分由63.80提升至86.92。

2.3 應用實例-劣化場景時延高

問題描述：多種場景下用戶對WEB業(yè)務時延較高產(chǎn)生不滿意反饋，影響使用，卡頓感嚴重。

業(yè)務分析：以南京建鄴區(qū)聚類分析，建鄴區(qū)滿意度劣化TOP 3場景為城區(qū)道路、低層居民區(qū)、高校的WEB質(zhì)差。補盲、DRX優(yōu)化、開啟預調(diào)度、RS功率優(yōu)化；（3）高校：負載均衡、擴容、DRX優(yōu)化、異頻切換參數(shù)優(yōu)化、重疊覆蓋。

解決方案：（1）城區(qū)道路：模3/異頻切換優(yōu)化、重傳優(yōu)化、重疊覆蓋優(yōu)化、DRX優(yōu)化；（2）低層居民區(qū)：深度覆蓋增強/

優(yōu)化效果：針對TOP場景質(zhì)差小區(qū)的閉環(huán)提升后，可以看到質(zhì)差小區(qū)的KQI有較明顯的提升，預測的貶損用戶數(shù)據(jù)下降明顯，閉環(huán)前后城區(qū)道路網(wǎng)頁響應時延平均提升165ms，低層居民區(qū)網(wǎng)頁響應時延平均提升159 ms，高校網(wǎng)頁響應時延平均提升195 ms。

圖8 分場景時延特性

2.4 應用實例-游戲卡頓

問題描述：用戶在進行手游業(yè)務時，頻繁出現(xiàn)高時延及畫面卡頓等嚴重現(xiàn)象。

業(yè)務分析：游戲業(yè)務UDP流為非通用建模標準，通常RTT時延長短決定用戶在管道速率上的優(yōu)劣，表征用戶在游

戲業(yè)務中能否流暢的一個條件。故選取AVG_UL_RTT、AVG_DW_RTT、TCP_RTT三個指標，結(jié)合其指標重要程度得出權(quán)重。算法建模：通過隨機森林算法，依據(jù)各業(yè)務特點及指標的重要程度，確定各業(yè)務指標相互之間的重要性關(guān)聯(lián)，得出指標權(quán)重分布如表4所示。

表4 游戲業(yè)務時延權(quán)重分布

解決方案：TOP游戲卡頓區(qū)域，針對169個小區(qū)實施方案優(yōu)化，模3/異頻切換優(yōu)化、重傳優(yōu)化、RF優(yōu)化、DRX優(yōu)化、深度覆蓋增強/補盲、開啟預調(diào)度、RS功率優(yōu)化、負載均衡、擴容。

優(yōu)化效果：通過對梳理的169個游戲卡頓TOP小區(qū)優(yōu)化，game_接口以上時延提升7.05%，game_接口以下時延提升2.76%。

3 結(jié)束語

根據(jù)PS的單據(jù)特征，確定各業(yè)務感知指標及權(quán)重，通過ln函數(shù)擬合感知得出單據(jù)打分算法，然后與MR單據(jù)進行拼接，小區(qū)場景維度匯聚，柵格地理化呈現(xiàn)，可以發(fā)現(xiàn)傳統(tǒng)OMC網(wǎng)絡KPI發(fā)現(xiàn)不了的問題，指導地市進行優(yōu)化閉環(huán)，支撐網(wǎng)絡協(xié)同優(yōu)化，保障普通用戶的感知體驗，打造全省各地市的優(yōu)質(zhì)網(wǎng)絡質(zhì)量。本文具有很強的現(xiàn)實指導意義，可以通過大數(shù)據(jù)分析減少人工分析及現(xiàn)場測試工作量，且定位更為準確，對于深度覆蓋及用戶滿意度的提高有著積極的作用，具有較大的推廣意義。