施巍巍 谷俊江 趙波

1.中國聯(lián)通江蘇省分公司；2.南京郵電大學

0 引言

當前全國高鐵網(wǎng)絡(luò)優(yōu)化工作已基本實現(xiàn)了問題點的集中管理和管控，高鐵網(wǎng)絡(luò)質(zhì)量逐步提升。但是高鐵網(wǎng)絡(luò)質(zhì)量提升也逐漸呈現(xiàn)出了一定的技術(shù)瓶頸，主要體現(xiàn)在：（1）無法實現(xiàn)快速精細化分析，對高鐵網(wǎng)絡(luò)的分析仍停留在傳統(tǒng)大網(wǎng)的分析方式上；（2）無法直觀快速評價網(wǎng)絡(luò)性能，對網(wǎng)絡(luò)問題點、網(wǎng)絡(luò)質(zhì)量管控手段方面目前還以表格、數(shù)據(jù)等存儲為主；（3）用戶問題分析過程復雜度高，對VIP用戶跟蹤目前還主要停留在用戶投訴后才去分析的被動階段，無法事先主動發(fā)現(xiàn)和反饋用戶投訴；（4）無法評價車廂內(nèi)用戶的真實感知，對高鐵車廂內(nèi)高鐵用戶的網(wǎng)絡(luò)感知評價分析，還主要依據(jù)對覆蓋高鐵小區(qū)的網(wǎng)絡(luò)性能分析，以網(wǎng)絡(luò)質(zhì)量代表用戶感知；（5）高鐵網(wǎng)絡(luò)分析還停留“碎片化”階段，每個省只能分析本省路段網(wǎng)絡(luò)情況，不能實現(xiàn)跨省全線路分析能力，高鐵整條線路網(wǎng)絡(luò)質(zhì)量分析“碎片化”。

本文根據(jù)高鐵網(wǎng)絡(luò)特征，從用戶感知最敏感的高鐵車站（點）和高鐵線路（線）兩個方面開展分析和研究，總結(jié)出一套高適合高鐵網(wǎng)絡(luò)全方位網(wǎng)絡(luò)智能分析與優(yōu)化方法：1.實現(xiàn)車站站臺地理信息繪制和柵格化呈現(xiàn)；2.實現(xiàn)高鐵跨省（上海段）分析與呈現(xiàn)能力；3.實現(xiàn)“車站和站臺”網(wǎng)絡(luò)性能地理化呈現(xiàn)；4.引入“影響集中度”模型探索站臺擴容標準；5.實現(xiàn)“高鐵線路”形態(tài)的場景化分析與呈現(xiàn)；6.實現(xiàn)用戶隨高鐵運動情況的場景化分析與呈現(xiàn)；7.探索開展高鐵用戶上網(wǎng)問題智能分析；8.實現(xiàn)針對高鐵用戶感知場景化分析與評價。

1 高鐵車站和線路網(wǎng)絡(luò)全方位智能分析思路

根據(jù)高鐵網(wǎng)絡(luò)特征和傳統(tǒng)優(yōu)化高鐵網(wǎng)絡(luò)方法存在的問題，從用戶感知最敏感的高鐵車站（點）和高鐵線路（路）兩個方面開展研究，探索高鐵全方位智能分析的新模式。圖1為高鐵網(wǎng)絡(luò)全方位智能分析思路流程圖，分別以車站為點、以線路為線，從“點、線”兩個維度進行分析。

1.1 高鐵車站和站臺場景化智能分析與呈現(xiàn)

（1）利用Python開源工具結(jié)合訪問網(wǎng)站運行特征，獲取高鐵車站整體的地理邊框信息、站臺中心經(jīng)緯度信息和所有列車運行信息?，F(xiàn)有的網(wǎng)絡(luò)地圖平臺不提供站臺的地理邊框數(shù)據(jù)，要根據(jù)站臺的中心經(jīng)緯度，運用地球球面的區(qū)域經(jīng)緯度算法獲取站臺的邊框經(jīng)緯度信息。采用JavaScript實現(xiàn)高鐵車站和所有站臺場景繪制工作。

（2）利用python的自動FTP功能自動對接網(wǎng)管，獲取高鐵車站網(wǎng)絡(luò)承載能力、網(wǎng)絡(luò)性能、覆蓋能力數(shù)據(jù)和網(wǎng)絡(luò)穩(wěn)定性能數(shù)據(jù)，于在線地圖上精準呈現(xiàn)高鐵車站和所有站臺的網(wǎng)絡(luò)運行狀態(tài)。

（3）根據(jù)獲取的高鐵車站列車信息，運用python的大數(shù)據(jù)分析能力分析全天分鐘級“列車聚合度”，根據(jù)對列車聚合度分析，并在列車主要運行時段（6:00-22:00），對網(wǎng)絡(luò)分鐘級指標跟蹤分析，實現(xiàn)“列車集中度”和“用戶感知集中度”聯(lián)合分析，探索制定高鐵車站擴容模型標準。

1.2 高鐵線路場景化智能分析與呈現(xiàn)

高鐵線路網(wǎng)絡(luò)形態(tài)主要從網(wǎng)絡(luò)運行穩(wěn)定性，網(wǎng)絡(luò)運行資源可視化，網(wǎng)絡(luò)運行性能可視化和全線路覆蓋情況四個方面進行分析與呈現(xiàn)。利用python爬蟲手段采集高鐵小區(qū)的告警、覆蓋數(shù)據(jù)、基站可用資源和用戶感知數(shù)據(jù)，運用大數(shù)據(jù)分析呈現(xiàn)方式，實現(xiàn)高鐵線路所有網(wǎng)絡(luò)故障點及各類KPI、KQI及路測指標場景化呈現(xiàn)，可以更直觀、快速綜合評價高鐵整條線路的用戶感知和網(wǎng)絡(luò)質(zhì)量。

1.3 單用戶運動軌跡圖分析與呈現(xiàn)

通過python爬蟲手段采集多個數(shù)據(jù)平臺單用戶的駐留小區(qū)的信息，運用開源軟件工具實時跟蹤分析用戶業(yè)務(wù)（語音、Volte、數(shù)據(jù)）在鐵路沿線小區(qū)的占用變化過程，對突發(fā)的網(wǎng)絡(luò)問題快速形成有效的分析結(jié)果。

1.4 車廂內(nèi)用戶分離分析與呈現(xiàn)

根據(jù)高鐵用戶駐留基站小區(qū)信息和時間制定出高低速用戶分離算法，基于算法分離出高鐵車廂內(nèi)用戶，以這些用戶的實際感知分析網(wǎng)絡(luò)中存在的問題，并根據(jù)這部分用戶分析評估全線網(wǎng)絡(luò)質(zhì)量。

1.5 高鐵用戶上網(wǎng)問題智能化分析

當前高鐵用戶反映的問題80%以上發(fā)生在車站候車室和站臺，本次以南京南站站臺問題為例，建立問題分析流程和模型，可實現(xiàn)自動化分析該類問題點。

分析流程：

（1）獲取到用戶使用號碼及問題發(fā)生時間，并從相關(guān)系統(tǒng)上通過互聯(lián)網(wǎng)化的方式獲取用戶占用小區(qū)和網(wǎng)絡(luò)資源；

（2）通過開源工具自動獲取相應網(wǎng)絡(luò)KPI和KQI信息，并建立數(shù)據(jù)庫；

（3）用戶占用網(wǎng)絡(luò)資源的主要KPI和覆蓋數(shù)據(jù)進行關(guān)聯(lián)分析；

（4）通過車站投訴智能分析工具，評價和分析影響用戶感知的關(guān)鍵因素和原因。

2 高鐵場景車站和線路全方位分析研究過程

2.1 高鐵車站網(wǎng)絡(luò)形態(tài)分析與呈現(xiàn)

2.1.1 高鐵車站物理形態(tài)地理化呈現(xiàn)

（1）采用互聯(lián)手段獲取高鐵車站地理信息

編寫python代碼模擬瀏覽器爬取高鐵車站邊框的經(jīng)緯度信息，然后對響應的數(shù)據(jù)提煉，最終獲取車站的電子邊框信息并寫入Excel文件中。

（2）南京南站整體和各個站臺地圖生成

采用百度地圖開放平臺上添加線和面的JavaScript源代碼編輯接口方式。用獲取的南京南站邊框經(jīng)緯度，使用百度地圖提供的JavaScript代碼接口，在網(wǎng)頁地圖上添加整體車站邊框圖層。另外地圖平臺不提供站臺邊框的經(jīng)緯度數(shù)據(jù)，只能獲取到單個站臺的一個中心經(jīng)緯度，課題組通過中心經(jīng)緯度數(shù)據(jù)，采用對地球北半球球面維度區(qū)域經(jīng)緯度算法，計算出站臺四角的經(jīng)緯度數(shù)據(jù)，從而成功實現(xiàn)南京南站所有站臺邊框生成和呈現(xiàn)。

2.1.2 高鐵車站網(wǎng)絡(luò)“多維度性能”分析與呈現(xiàn)

（1）網(wǎng)絡(luò)性能指標的自動提取

為了更加快速高效分析和呈現(xiàn)南京南站網(wǎng)絡(luò)性能，可通過Python代碼編程實現(xiàn)自動化從OMC網(wǎng)管采集和FTP下載網(wǎng)絡(luò)配置和網(wǎng)絡(luò)性能數(shù)據(jù)。下面以南京南站為例進行說明。

（2）南京南站網(wǎng)絡(luò)地理化呈現(xiàn)

提取南京南站邊框數(shù)據(jù)和指標數(shù)據(jù)后，在地圖上南京南站的每個站臺區(qū)域被分為以下4個維度進行指標呈現(xiàn)，根據(jù)指標范圍來顯示不同的顏色，可以更加形象地了解當前南京南站的總體網(wǎng)絡(luò)情況。

①影響用戶感知的網(wǎng)絡(luò)故障實時呈現(xiàn)：

可快速實時發(fā)現(xiàn)和跟蹤所有車站網(wǎng)絡(luò)故障告警情況，及時預警和推動分公司快速解決。圖2為南京南站告警信息的地理化呈現(xiàn)圖，可以區(qū)分覆蓋不同站臺的RRU告警。

②用戶實時感知分析與呈現(xiàn)（平均單用戶速率Mbps，平均上網(wǎng)RTT時延）：

實現(xiàn)用戶感知最敏感的平均上網(wǎng)速率、平均上網(wǎng)時延等關(guān)鍵性能快速實時呈現(xiàn)，動態(tài)掌握車站網(wǎng)絡(luò)性能變化情況。圖3為南京南站下載速率和RTT時延區(qū)間圖，可以區(qū)分不同站臺的指標。

圖3 南京南站下載速率和RTT時延區(qū)間圖

③網(wǎng)絡(luò)負荷分析與呈現(xiàn)（PRB利用率，用戶數(shù)）：

常州的竹爐山房位居41處被寫仿的江南景觀榜首，西苑北海北岸、香山靜宜園、玉泉山靜明園、盤山靜寄山莊、清漪園、避暑山莊和紫禁城建福宮等7座皇家園林對其進行了仿建。清漪園的清可軒、玉泉山靜明園的竹爐山房、香山靜宜園的竹爐精舍和避暑山莊千尺雪的茶舍均建于乾隆十六年，盤山靜寄山莊千尺雪的茶舍建于乾隆十七年春，或于室內(nèi)置有竹茶爐，或名稱源自竹爐山房。乾隆二十二年，乾隆帝在《汲惠泉烹竹爐歌疊舊作韻》詩中還寫道，“玉泉山房頗仿效，以彼近恒此遠灌。”?

通過典型的網(wǎng)絡(luò)負荷指標“小區(qū)下行PRB利用率”、“單小區(qū)用戶數(shù)”，及時掌握車站網(wǎng)絡(luò)負荷情況。圖4為南京南站PRB利用率和用戶數(shù)區(qū)間圖，可以區(qū)分不同站臺指標。

圖4 南京南站PRB利用率和用戶數(shù)區(qū)間圖

④網(wǎng)絡(luò)覆蓋的呈現(xiàn)（10米x 10米柵格化RSRP和SINR）：

根據(jù)高鐵車站局部范圍內(nèi)用戶密度大、用戶話務(wù)集中度高的特性，首次引入10米x 10米MR覆蓋柵格分析，通過RSRP精細化分析站臺覆蓋問題，通過SINR精細化分析站臺網(wǎng)絡(luò)質(zhì)量。圖5為南京南站RSRP和SINR區(qū)間圖，可以區(qū)分不同柵格指標。

圖5 南京南站RSRP和SINR區(qū)間圖

2.1.3 引入“影響集中度”模型，探索站臺擴容標準

（1）車站、車次信息的獲取

（2）?？苛熊囓嚧渭卸群途W(wǎng)絡(luò)指標關(guān)聯(lián)分析

通過對南京南站每分鐘的列車?？繑?shù)量進行聚合計算，將其一天每分鐘列車聚合度與網(wǎng)絡(luò)主要指標小區(qū)用戶數(shù)和PRB利用率進行關(guān)聯(lián)分析，分析發(fā)現(xiàn)車數(shù)與小區(qū)PRB利用率呈正向分布。

（3）高鐵車站網(wǎng)絡(luò)擴容模型分析

引入用戶“感知影響集中度”分析思維，以全天影響用戶使用感知程度作為擴容的重要判決因素。進行1min粒度流量抑制分析，對比15min粒度，站臺流量抑制發(fā)生的更早，更能模擬站臺用戶突增情況。通過分析得出，隨著小區(qū)吞吐率的增加，下行單用戶速率明顯下降，即用戶需求受到抑制。

通過列車聚合度分析發(fā)現(xiàn)列車運行時間主要集中在6:00-22:00，以分鐘級指標跟蹤得出如下擴容標準，以全天影響集中度30%為判斷依據(jù)，即一天用戶感知受影響能容忍的程度不能超過30%（“影響集中度”表示站臺高負荷可容忍程度，可根據(jù)實際情況調(diào)整）。表1為根據(jù)“感知影響集中度”分析得到的高鐵小區(qū)擴容標準模型。

表1 高鐵小區(qū)擴容標準

2.2 高鐵線路網(wǎng)絡(luò)形態(tài)分析與呈現(xiàn)

2.2.1 線路網(wǎng)絡(luò)穩(wěn)定性形態(tài)呈現(xiàn)

通過Python自動化實現(xiàn)手段，實時從網(wǎng)管獲取高鐵車站點活動告警信息并進行告警信息解析，經(jīng)過與工參信息匹配后得出告警網(wǎng)元歸屬地市、高鐵線路以及經(jīng)緯度等信息，利用JavaScript接口實現(xiàn)告警地圖展示。

2.2.2 線路網(wǎng)絡(luò)多維KPI質(zhì)量呈現(xiàn)

通過將高鐵線路小區(qū)的KPI指標（PRB利用率、小區(qū)單用戶平均速率、小區(qū)最大用戶數(shù)等數(shù)據(jù)）進行地理化呈現(xiàn)，能快速評價全線路各路段網(wǎng)絡(luò)負荷情況、用戶速率情況等。

2.2.3 線路網(wǎng)絡(luò)多維KQI指標可視化呈現(xiàn)

通過將高鐵線路小區(qū)的KQI指標（用戶大頁面感知速率、RTT時延等）進行地理化呈現(xiàn)，能快速評價全線路各路段用戶實際體驗情況。

2.3 實現(xiàn)高鐵（某省）跨省網(wǎng)絡(luò)形態(tài)的場景化分析

高鐵網(wǎng)絡(luò)具有網(wǎng)絡(luò)場景歸屬清晰、用戶對場景判斷明確的特征，全線路網(wǎng)絡(luò)質(zhì)量有保障才能整體提升用戶感知。本研究打破傳統(tǒng)省份只分析本省路段高鐵網(wǎng)絡(luò)、整條高鐵分段分析零散破碎的現(xiàn)狀，實現(xiàn)具備整條線路網(wǎng)絡(luò)質(zhì)量分析能力，為實現(xiàn)京滬以及其他高鐵線路全線跨省分析工作進行探索。

跨省數(shù)據(jù)采集與分析：

（1）獲取某省段數(shù)據(jù)，在江蘇進行關(guān)聯(lián)分析

通過分析某省提供的滬寧高鐵用戶+位置+應用業(yè)務(wù)數(shù)據(jù)，與江蘇現(xiàn)網(wǎng)高鐵用戶業(yè)務(wù)預統(tǒng)表關(guān)聯(lián)，通過用戶號碼聚類關(guān)聯(lián)合成滬寧高鐵用戶全線的業(yè)務(wù)軌跡數(shù)據(jù)。

（2）后續(xù)計劃采用自動化采集某省數(shù)據(jù)方式

后續(xù)相關(guān)省可以通過FTP向中間接口機分發(fā)數(shù)據(jù)文件，江蘇本地集群通過數(shù)據(jù)解析程序?qū)崟r讀取文件，并入到集群數(shù)據(jù)庫，再通過用戶號碼關(guān)聯(lián)實現(xiàn)滬寧全線路分析。

2.4 高鐵單用戶快速分析

通過從核心網(wǎng)接口獲取用戶占用小區(qū)信息（LAI/ECI），利用綜合分析方式匹配高鐵工參數(shù)據(jù)，實時分析跟蹤用戶業(yè)務(wù)產(chǎn)生的相關(guān)小區(qū)，從而實現(xiàn)對高鐵單用戶（或VIP用戶）的跟蹤分析，在第一步實現(xiàn)高鐵網(wǎng)絡(luò)形態(tài)場景化呈現(xiàn)的基礎(chǔ)上，關(guān)注業(yè)務(wù)（語音、Volte、數(shù)據(jù)）用戶在鐵路沿線小區(qū)上的占用變化過程，主要關(guān)注用戶隨基站小區(qū)的移動而不是用戶本身的經(jīng)緯度變化，根據(jù)高鐵內(nèi)手機依次占用不同高鐵小區(qū)，在高鐵線路圖上快速跟蹤分析用戶使用情況。

2.5 真正的高鐵用戶（車廂內(nèi)用戶）使用感知分析與網(wǎng)絡(luò)評價

2.5.1 高低速分離算法研究

首先通過四個數(shù)據(jù)源獲取用戶占用小區(qū)基本信息（基于MR+信令+話單數(shù)據(jù)的高鐵用戶用戶識別，基于S1-U接口XDR數(shù)據(jù)的高鐵用戶識別，基于S1-MME、IU-PS接口信令面數(shù)據(jù)的高鐵用戶識別，基于O側(cè)的位置更新、切換信令及用戶特征的高鐵用戶識別）；其次記錄用戶駐留的第一個高鐵小區(qū)時間為T1，用戶駐留到第二個高鐵小區(qū)時間為T2，通過兩個小區(qū)間駐留的時長記錄為T，計算對應到高鐵小區(qū)的路測經(jīng)緯度采樣點間距離為S，計算用戶在這兩個小區(qū)間移動的速度V，通過時速來區(qū)分高鐵用戶與普通用戶，再通過計算一小時內(nèi)小區(qū)駐留時長T的集合，來篩選出高鐵用戶。（其中V＞300KM/H，定義為“復興號”用戶，200＜V＜300KM/H，定義為“和諧號”用戶，T的集合＞1H，定位為高鐵用戶。）

2.5.2 高鐵用戶感知場景化分析

主要通過對分離出的高鐵車廂內(nèi)的用戶開展高鐵主要感知指標評價，以這些用戶的實際感知可以實現(xiàn)兩個方面的目的：一是通過高鐵用戶的感知指標、KPI指標，分析網(wǎng)絡(luò)存在問題，二是基于這些車廂內(nèi)用戶的感知評價高鐵全線網(wǎng)絡(luò)質(zhì)量情況。（因此，基于網(wǎng)絡(luò)質(zhì)量分析與評價的目的，與之前分離算法評價系統(tǒng)不同，在這里不追求高鐵用戶分離100%完整性，而是追求對分離出來的那部分高鐵用戶網(wǎng)絡(luò)感知評價的準確性。）

重點開展高鐵車廂內(nèi)用戶業(yè)務(wù)感知分析（主要包括上行RTT時延、下行RTT時延、大頁面下載速率、視頻下載速率、頁面響應平均時長、頁面響應成功率、0卡頓率、每GB卡頓次數(shù)）和網(wǎng)絡(luò)性能指標分析（語音接通率、掉話率），按以上10個關(guān)鍵性指標作為高鐵網(wǎng)絡(luò)評分標準，每項指標計10分，共計100分。通過對高鐵各線路及地市進行評分，挖掘網(wǎng)絡(luò)短板指標，為網(wǎng)絡(luò)優(yōu)化重心提供決策依據(jù)。表2為高鐵車廂內(nèi)用戶評價分析模型。

表2 高鐵車廂內(nèi)用戶評價模型

2.6.1 高鐵用戶使用問題分析的痛點

當前高鐵網(wǎng)絡(luò)用戶投訴分析主要存在以下3個痛點：

（1）要通過登錄多平臺獲取數(shù)據(jù)（信令平臺、感知平臺、網(wǎng)管平臺）。

（2）只能采用表格化的關(guān)聯(lián)分析方式，分析效率低、響應時間長。

（3）無法有效呈現(xiàn)分析結(jié)果，用戶對分析結(jié)果滿意度低。當前高鐵用戶投訴80%以上發(fā)生在高鐵車站，如何提高車站用戶投訴反應效率是提高用戶滿意度的關(guān)鍵。本次通過研究“高鐵車站用戶上網(wǎng)問題智能化分析”，建立用戶在車站發(fā)生投訴的快速反應機制，顯著提高了用戶滿意度。

2.6.2 探索高鐵問題分析的新方法

（1）建立問題分析流程

①獲取到用戶使用號碼及問題發(fā)生時間，并從相關(guān)系統(tǒng)上通過互聯(lián)網(wǎng)化的方式獲取用戶占用小區(qū)和網(wǎng)絡(luò)資源。

②通過開源工具自動獲取相應網(wǎng)絡(luò)KPI和KQI信息，并建立數(shù)據(jù)庫。

③用戶占用網(wǎng)絡(luò)資源的主要KPI和覆蓋數(shù)據(jù)進行關(guān)聯(lián)分析。

④通過投訴智能分析工具，評價和分析影響用戶感知的關(guān)鍵因素和原因。

（2）探索問題智能分析算法

圖6為高鐵問題智能分析算法圖，通過對RSRP、SINR、用戶數(shù)和PRB利用率等關(guān)鍵性KPI指標進行判決，可得出發(fā)生投訴的問題小區(qū)存在的主要問題，從而快速得出投訴反饋結(jié)果。

圖 6 高鐵問題智能分析算法圖

2.6.3 高鐵問題分析方法的實踐應用

端午節(jié)前一天，用戶反映南京南站上網(wǎng)速率低，通過輸入用戶投訴號碼和時間，智能分析系統(tǒng)自動獲取問題小區(qū)信息，并根據(jù)分析算法得出問題小區(qū)存在的問題，整個投訴反應時間從接到投訴到得出結(jié)論共用時5分鐘，而正常投訴需要登錄平臺、查詢信令平臺、感知平臺、網(wǎng)管平臺等多個平臺，最少需要60分鐘，效率提升12倍左右，投訴分析效率顯著提升，節(jié)省了大量人力成本。

3 結(jié)束語

運用互聯(lián)網(wǎng)開源工具與大數(shù)據(jù)分析手段，突破高鐵場景傳統(tǒng)分析和管控方法的瓶頸，利用Python、JavaScript以及Spss Modeler等互聯(lián)網(wǎng)工具和大數(shù)據(jù)分析軟件，以及利用高鐵用戶分離算法，首次提出“影響集中度”概念的高鐵車站擴容標準，總結(jié)出一套高鐵網(wǎng)絡(luò)全方位管控及優(yōu)化方法，該方法具備車站擴容指標評估功能、用戶投訴快速響應功能、網(wǎng)絡(luò)性能實時地理化顯示功能、跨省網(wǎng)絡(luò)形態(tài)的場景化分析與呈現(xiàn)能力、單用戶運動軌跡實時顯示功能、車廂內(nèi)用戶感知分析評估功能，能有效實現(xiàn)高鐵網(wǎng)絡(luò)點線場景快速精準化分析與管控。

截止2019年5月累計實現(xiàn)網(wǎng)絡(luò)告警通報208次，處理1096條，極大提高網(wǎng)絡(luò)故障處理效率，提高了高鐵網(wǎng)絡(luò)穩(wěn)定性；智能分析處理VIP用戶投訴46次，平均時間由40分鐘降低為7分鐘，用戶滿意度由30%提升為90%。每月對省內(nèi)高鐵分析4次，累計評估80余次，共發(fā)現(xiàn)問題點398處，真實反映了高鐵車廂內(nèi)用戶感知，為高鐵優(yōu)化提供新的思路，且減少了分析和測試成本支出；共完成30余次節(jié)假日和重要活動（春節(jié)、國慶、未來網(wǎng)絡(luò)峰會、金博會等）保障，實時分析高鐵用戶感知指標，提前進行預警和快速投訴分析，多次圓滿完成保障了任務(wù)；本項目可以推廣實現(xiàn)其他重點場景，如校園、地鐵、機場等場景的快速迭代分析，提升重點場景整體分析管控效率和能力，提升網(wǎng)絡(luò)競爭力和減少維護成本。