基于決策樹算法的無線參數(shù)優(yōu)化方法

徐晶，孫艷民，付旭輪，沈驁

（1 中國移動通信集團(tuán)設(shè)計(jì)院有限公司，北京 100080；2 中國移動通信集團(tuán)河北有限公司,石家莊 050021）

1 概述

移動通信網(wǎng)絡(luò)是一個(gè)動態(tài)的網(wǎng)絡(luò)，話務(wù)密度分布不均、頻率資源緊張，網(wǎng)絡(luò)配置未達(dá)最佳且長期處于不斷變化之中。近年來，無線通信網(wǎng)絡(luò)的規(guī)模又不斷擴(kuò)大，如何能夠在有限資源和超大網(wǎng)絡(luò)規(guī)模的情況下有力的保障網(wǎng)絡(luò)的服務(wù)質(zhì)量，這對無線網(wǎng)絡(luò)的維護(hù)和優(yōu)化工作提出了巨大挑戰(zhàn)。

通用的無線網(wǎng)絡(luò)優(yōu)化方法是對正式投入運(yùn)行的網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)采集、數(shù)據(jù)分析，找出影響網(wǎng)絡(luò)運(yùn)行質(zhì)量的原因并且通過參數(shù)調(diào)整和其他技術(shù)手段，使網(wǎng)絡(luò)達(dá)到最佳運(yùn)行狀態(tài)。目前對無線參數(shù)設(shè)置的調(diào)整主要依賴優(yōu)化人員的經(jīng)驗(yàn)來實(shí)施，要靠人工對繁雜的網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行及時(shí)的分析和對比得出優(yōu)化方案是不可能的。通常是借助于單一類型的數(shù)據(jù)進(jìn)行分析，例如首先統(tǒng)計(jì)某一類話務(wù)量，然后根據(jù)統(tǒng)計(jì)的話務(wù)量進(jìn)行網(wǎng)絡(luò)優(yōu)化；例如根據(jù)路測數(shù)據(jù)統(tǒng)計(jì)網(wǎng)絡(luò)覆蓋情況，然后進(jìn)行相應(yīng)分析和調(diào)整。而對于大規(guī)模的數(shù)據(jù)的分析能力相對較弱，尤其是無線通信設(shè)備的無線參數(shù)配置數(shù)據(jù)規(guī)模很大，結(jié)合無線參數(shù)配置數(shù)據(jù)進(jìn)行模型分析的手段較少。無線通信設(shè)備上無線參數(shù)的數(shù)據(jù)量較大，通常在網(wǎng)絡(luò)質(zhì)量出現(xiàn)問題或收到投訴后才進(jìn)行參數(shù)設(shè)置的排查。對于大規(guī)模數(shù)據(jù)的分析，數(shù)據(jù)挖掘可以從海量歷史數(shù)據(jù)中提取隱含的、未知的、具有潛在用處的信息，應(yīng)用于現(xiàn)網(wǎng)數(shù)據(jù)的分析。著眼于現(xiàn)狀，本文主要研究了如何將數(shù)據(jù)挖掘中的決策樹算法應(yīng)用于無線網(wǎng)絡(luò)的智能管理和無線網(wǎng)絡(luò)優(yōu)化。

2 基于決策樹的網(wǎng)絡(luò)性能檢測模型的設(shè)計(jì)

本文提出一種基于決策樹的網(wǎng)絡(luò)性能檢測方法，通過訓(xùn)練無線參數(shù)配置數(shù)據(jù)，建立決策樹分析模型，實(shí)現(xiàn)相對獨(dú)立的無線參數(shù)數(shù)據(jù)分析系統(tǒng)。使用一種主動預(yù)測的模式利用數(shù)據(jù)挖掘中決策樹的方法通過對無線參數(shù)組的數(shù)據(jù)定時(shí)記錄分析，確定哪個(gè)參數(shù)屬性域作為目前最好的分類指標(biāo)，即該參數(shù)的算法是關(guān)系網(wǎng)絡(luò)質(zhì)量的重要配置。本文的做法是窮盡所有的參數(shù)屬性域，對每個(gè)屬性域分裂的好壞形成量化，計(jì)算出最好的一個(gè)分裂，量化的標(biāo)準(zhǔn)是計(jì)算每個(gè)分裂的多樣性。

2.1 決策樹檢測算法的提出

總體思路參數(shù)描述是：數(shù)據(jù)由集成商從OMC上采集得到，并將大量已有歷史數(shù)據(jù)提供給數(shù)據(jù)挖掘服務(wù)器，獲取參數(shù)數(shù)據(jù)的信息，并建立決策樹模型，并對模型進(jìn)行評估。在建立模型之后，通過不斷采集新數(shù)據(jù)，定時(shí)預(yù)測無線網(wǎng)絡(luò)的性能。

實(shí)施的具體流程由圖1表示，包括以下步驟：

步驟1：從OMC上采集無線參數(shù)數(shù)據(jù)，提取無冗余的特征屬性數(shù)據(jù)集合，并將該特征屬性數(shù)據(jù)集合分為特征屬性訓(xùn)練數(shù)據(jù)和特征屬性測試數(shù)據(jù)；

步驟2：利用步驟1得到的訓(xùn)練數(shù)據(jù)集生成決策樹；

步驟3：利用步驟1得到的測試數(shù)據(jù)對決策樹進(jìn)行裁剪生成目標(biāo)決策樹模型，即網(wǎng)絡(luò)性能檢測模型；

步驟4：利用新采集的參數(shù)數(shù)據(jù)對目標(biāo)決策樹模型進(jìn)行評估，選擇最優(yōu)決策樹模型；

步驟5：定時(shí)采集無線通信設(shè)備的參數(shù)數(shù)據(jù)，建立聯(lián)機(jī)分析數(shù)據(jù)倉庫；

步驟6：利用已構(gòu)建的決策樹分析模型，聯(lián)機(jī)分析處理無線參數(shù)的配置數(shù)據(jù)，主動查出無線網(wǎng)絡(luò)性能的檢測結(jié)果。

2.2 模型算法的具體描述

在建立決策樹檢測模型的過程中，各個(gè)步驟具有不同的關(guān)鍵點(diǎn)。其中決策樹各節(jié)點(diǎn)的生成算法是建立準(zhǔn)確模型的關(guān)鍵。通過不同節(jié)點(diǎn)的判斷，不僅可以預(yù)測網(wǎng)絡(luò)性能是否符合期望，同時(shí)可以根據(jù)節(jié)點(diǎn)的屬性及閾值，得出參數(shù)配置的合理值。

根據(jù)2.1章節(jié)的敘述，詳細(xì)描述具體步驟如下：所述步驟1具體為：

（1）定時(shí)對從OMC采集到的數(shù)據(jù)進(jìn)行記錄的數(shù)據(jù)清洗，將冗余的或無關(guān)的數(shù)據(jù)從數(shù)據(jù)集中刪除；

（2）提取剔除冗余的數(shù)據(jù)，組成特征屬性數(shù)據(jù)集合，并根據(jù)對應(yīng)的性能指標(biāo)參數(shù)的取值確定分類屬性的類別。

圖1 算法流程圖

所述步驟2是生成決策樹模型。采用C5的算法，對特征屬性訓(xùn)練數(shù)據(jù)進(jìn)行不斷的切分，每一次對應(yīng)一個(gè)無線參數(shù)特征屬性的判斷并同時(shí)對應(yīng)一個(gè)節(jié)點(diǎn)，直到切分的層數(shù)到達(dá)了預(yù)定的層數(shù)為止。

設(shè)訓(xùn)練數(shù)據(jù)集合D。一組數(shù)據(jù)作為一個(gè)數(shù)據(jù)項(xiàng)記為Di，對應(yīng)特征屬性記為Ai，對應(yīng)的分類屬性記為Ci，用Ci,D表示D中屬于類別Ci的數(shù)據(jù)項(xiàng)構(gòu)成的子集。選取的無線參數(shù)作為特征屬性，選取的無線參數(shù)對應(yīng)的網(wǎng)絡(luò)性能優(yōu)劣作為分類屬性。

|D|和|Ci，D|分別表示集合中的數(shù)據(jù)項(xiàng)的數(shù)目；用公式（1）來計(jì)算信息：

式中Pi表示集合D中任一數(shù)據(jù)項(xiàng)屬于類別Ci的概率，用|Ci，D|/|D|估計(jì)，Info（D）稱為集合D的信息熵；

假設(shè)集合D中的參數(shù)數(shù)據(jù)使用某個(gè)參數(shù)屬性A作為分類節(jié)點(diǎn)，則將集合D劃分成v個(gè)子集{D1,D2,…,Dv}，屬性A達(dá)到純凈所需的信息量表示如公式（2）：

Gain（A）表示屬性A的信息增益，如公式（3）：

用劃分信息量來控制在節(jié)點(diǎn)上分支過多對算法的影響，如公式（4）：

信息增益率（Gain Ratio）定義如公式（5）：

選取增益率最大的特征屬性作為根節(jié)點(diǎn)屬性，然后針對根節(jié)點(diǎn)劃分得到的若干子樹求取子樹的根節(jié)點(diǎn)，依次由上至下生成每一個(gè)節(jié)點(diǎn)。

所述步驟3具體為：

（1）將特征屬性訓(xùn)練數(shù)據(jù)進(jìn)行切分處理得到預(yù)定的數(shù)據(jù)決策層，并選擇裁剪節(jié)點(diǎn)生成決策樹；

（2）使用特征屬性測試數(shù)據(jù)對決策樹進(jìn)行裁剪處理，生成目標(biāo)決策樹模型。

當(dāng)測試無線參數(shù)組數(shù)據(jù)進(jìn)入決策樹并達(dá)到葉節(jié)點(diǎn)時(shí)，用測試無線參數(shù)組數(shù)據(jù)的分類類別與葉節(jié)點(diǎn)的分類類別比較，得到每個(gè)分支的出錯(cuò)率，通過對每個(gè)分支的出錯(cuò)率進(jìn)行加權(quán)平均，計(jì)算出不剪枝該節(jié)點(diǎn)的錯(cuò)誤率，并判斷剪枝是否能夠降低錯(cuò)誤率，如果是，則減掉該節(jié)點(diǎn)的所有子節(jié)點(diǎn)后，通過測試數(shù)據(jù)校驗(yàn)出錯(cuò)率，生成錯(cuò)誤率相對最小的目標(biāo)決策樹模型。

所述步驟4具體為：使用特征屬性測試數(shù)據(jù)集及新采集的數(shù)據(jù)集，分別對生成的目標(biāo)決策樹模型和正在使用的決策樹模型進(jìn)行評估，如果評估結(jié)果大于預(yù)先設(shè)定的誤差閾值，則返回步驟3；否則判斷生成的目標(biāo)決策樹模型的誤差值是否大于正在使用的目標(biāo)決策樹模型，如果判斷結(jié)果為是，則使用該正在使用的目標(biāo)決策樹模型；如果判斷結(jié)果為否，則使用該生成的目標(biāo)決策樹模型。

所述步驟5具體為：

（1）對目標(biāo)決策樹進(jìn)行分析，生成分類規(guī)則集；

（2）使用該分類規(guī)則集，生成分類參數(shù)數(shù)據(jù)庫；

（3）對網(wǎng)絡(luò)性能進(jìn)行分析處理，檢測出性能低于期望的參數(shù)配置。

所述步驟6是對現(xiàn)網(wǎng)無線參數(shù)數(shù)據(jù)進(jìn)行OLAP分析，檢測出使網(wǎng)絡(luò)性能下降的無線參數(shù)配置情況，圖2為系統(tǒng)網(wǎng)絡(luò)拓?fù)洹?/p>

圖2 系統(tǒng)網(wǎng)絡(luò)拓?fù)鋱D

3 案例分析

分析SDCCH信道是否有擁塞，在采集到的無線參數(shù)歷史數(shù)據(jù)和性能指標(biāo)歷史數(shù)據(jù)中提取特征屬性數(shù)據(jù)集D。取參數(shù)T3101、MAXretrans（最大重發(fā)次數(shù) ）、T3107、T3103、T3122、CELL RESELECT OFFSET、T3212等作為特征屬性向量，每一個(gè)參數(shù)作為一個(gè)特征屬性。分類屬性的類別設(shè)置為SDCCH擁塞率大于1%和SDCCH擁塞率小于1%。當(dāng)SDCCH擁塞率小于1%時(shí)，默認(rèn)為此組參數(shù)的配置符合期望的網(wǎng)絡(luò)性能。當(dāng)擁塞率大于1%時(shí)，檢測出該組參數(shù)的配置值使得網(wǎng)絡(luò)質(zhì)量不高。在檢測結(jié)果預(yù)告網(wǎng)絡(luò)性能受影響時(shí)，通過分析從根節(jié)點(diǎn)到預(yù)測類別的路徑，能夠得到需要調(diào)整的參數(shù)集，以及建議調(diào)整的取值。

在本案例中選取部分歷史數(shù)據(jù)提取為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集，數(shù)據(jù)集表示如表1所示。

計(jì)算各參數(shù)特征屬性的增益率，從根節(jié)點(diǎn)開始選擇各個(gè)節(jié)點(diǎn)以哪個(gè)屬性作為分裂屬性。建立決策樹模型之后，對決策樹進(jìn)行剪枝、評估，得到最終的決策樹模型，從而進(jìn)行評估網(wǎng)絡(luò)性能。由以上示例數(shù)據(jù)建立的簡單決策樹模型如圖3所示。

表1 案例數(shù)據(jù)集

圖3 案例建立的決策樹模型

利用獲得的模型分析聯(lián)網(wǎng)采集到的參數(shù)配置數(shù)據(jù)，預(yù)測出網(wǎng)絡(luò)性能的優(yōu)劣。若對某組參數(shù)配置檢測得到的結(jié)果為影響網(wǎng)絡(luò)性能，則根據(jù)使用的分支規(guī)則列出存在問題的參數(shù)子集。如果預(yù)測分支的規(guī)則為T3101≥3且MAXretrans<3.56且T3122>10，則該組參數(shù)配置的分析結(jié)果是SDCCH擁塞率大于1%。同時(shí)可以得到T3101、MAXretrans和T3122的修改方案。

4 結(jié)束語

目前的絕大多數(shù)網(wǎng)絡(luò)優(yōu)化手段沒有深入挖掘無線通信設(shè)備無線參數(shù)配置數(shù)據(jù)的歷史信息。本文提出的方法利用數(shù)據(jù)挖掘的決策樹分類算法分析無線通信設(shè)備上無線參數(shù)的配置數(shù)據(jù)，以檢測或者預(yù)測網(wǎng)絡(luò)性能。這一方法能夠充分分析無線設(shè)備參數(shù)的配置，并利用歷史數(shù)據(jù)及現(xiàn)網(wǎng)數(shù)據(jù)自動構(gòu)建分析模型實(shí)現(xiàn)智能的優(yōu)化手段。

[1] 姚家奕，姜海，王秦. 決策樹算法的系統(tǒng)實(shí)現(xiàn)與修剪優(yōu)化[J].計(jì)算機(jī)工程與設(shè)計(jì)，2002,23(8):75-77.

[2] Jiawei Han. 數(shù)據(jù)挖掘概念與技術(shù)[M]. 北京：機(jī)械工業(yè)出版社,2007.

[3] 韓斌杰, 杜新顏, 張建斌. GSM原理及其網(wǎng)絡(luò)優(yōu)化[M]. 北京:機(jī)械工業(yè)出版社，2010.

[4] 李仲令, 李少謙, 唐友喜, 武剛. 現(xiàn)代無線與移動通信技術(shù)[M].北京：科學(xué)出版社，2006.