一種基于曲線相似度進行業(yè)務流量監(jiān)測的方法

葛良

摘要：提出了一種基于業(yè)務流量監(jiān)測的方法，該方法屏蔽業(yè)務系統(tǒng)內(nèi)部復雜的結構，以業(yè)務的有效性為監(jiān)測的重點。該方法運用了統(tǒng)計學中的相關系數(shù)的概念來建立曲線相似度的數(shù)學模型。經(jīng)過實驗數(shù)據(jù)的相關驗證，該方法在業(yè)務流量監(jiān)測上非常是有效的。

關鍵詞： 業(yè)務流量監(jiān)測；相關系數(shù)；曲線相似度；增值業(yè)務

Abstract： In this paper， a new method based on service flow supervision is presented. In this method， the complex internal structure is shielded， and the effective business is the key of monitoring. A mathematical model about curve correlation coefficient is built to test service effectiveness under the guidance of interrelated coefficient in statistics. Experiments indicate that this approach is effective.

Key words： service flow supervision； interrelated coefficient； curve correlation coefficient； value-added service

隨著電信企業(yè)的重組，各運營商間的業(yè)務逐漸趨向同質(zhì)化，而提高服務質(zhì)量、提升客戶滿意度是企業(yè)取勝的重要法寶。對于網(wǎng)絡部的維護人員而言，維護模式也將發(fā)生變化，從傳統(tǒng)的面向設備的維護模式轉(zhuǎn)變?yōu)槊嫦驑I(yè)務的維護模式，即不僅關注設備的運行狀況，更要關注用戶是否能正常使用承載在設備之上的業(yè)務。面向業(yè)務的維護模式，客觀要求維護部門在用戶無法正常使用某業(yè)務時，能夠快速解決以及先于用戶投訴通知客服部門。

但是在目前的維護工作中，由于承載在網(wǎng)絡上的數(shù)據(jù)業(yè)務（如氣象通、農(nóng)信通、通用分組無線服務技術（GPRS））完成一個業(yè)務流經(jīng)的網(wǎng)絡設備鏈條較長，如氣象通業(yè)務完成一個業(yè)務需要流經(jīng)全球移動通信系統(tǒng)（GSM）核心網(wǎng)、短信中心、數(shù)據(jù)通信網(wǎng)絡（DCN）、短信網(wǎng)關、移動信息服務中心（MISC），城域網(wǎng)等設備，如圖1所描示。因此，在這些設備中任何一個出現(xiàn)故障都可能導致業(yè)務出現(xiàn)異常[1-2]。

由于在數(shù)據(jù)業(yè)務方面?zhèn)鹘y(tǒng)異常發(fā)現(xiàn)機制存在局限，導致業(yè)務異常的發(fā)現(xiàn)往往滯后于用戶批量投訴，因此引發(fā)的投訴具有范圍廣、歷時長、投訴量大的特點。

1 基于業(yè)務流量的監(jiān)測

文章探討了一種新的監(jiān)測方法，該方法可以屏蔽業(yè)務系統(tǒng)內(nèi)部復雜的結構，以業(yè)務的有效性為監(jiān)測的重點，并將關注點移至與用戶的最近端，完全以用戶的感受來衡量業(yè)務是否正常。整個業(yè)務監(jiān)測包含2個過程：第1個過程為建模過程，在業(yè)務流經(jīng)的最后網(wǎng)絡環(huán)節(jié)選取歷史正常值為樣本空間，統(tǒng)計單位時間段業(yè)務量，構建各業(yè)務流量模型，消除重大事件、節(jié)假日等情況下異常值的干擾；第2個過程為監(jiān)測過程，準實時取得業(yè)務流量，通過一定的數(shù)學算法模型來評估業(yè)務及網(wǎng)絡是否存在異常狀況[3]。

根據(jù)統(tǒng)計學的原理，某類數(shù)據(jù)業(yè)務的業(yè)務流量隨著時間段有規(guī)律地進行變化。如果業(yè)務量在某個時間段突然出現(xiàn)異常變化，一般可以認為業(yè)務出現(xiàn)了故障[4]。

圖2是最簡單的、通過業(yè)務流量來判斷業(yè)務是否異常的方法。該方法通過建模環(huán)節(jié)來獲取某類短信業(yè)務量的模型，然后通過一定的比例（例如10%）來確定上下限值，最后通過實際測試的數(shù)據(jù)來進行對比，一旦超過門限值就認為業(yè)務流量存在問題。基于上下門限的判斷方法雖然在理論上可以實現(xiàn)，但是在實際應用中，數(shù)據(jù)的上下波動還是非常頻繁的，因此需要尋找一種新的、有效的數(shù)學方法[5]。

2 相似度介紹

相似度是用以度量兩組數(shù)據(jù)變化趨勢相似程度的一個數(shù)值度量，其取值范圍為[-1，1]。相似度的計算方法可以基于統(tǒng)計學中的相關系數(shù)的一些概念。

（1） 數(shù)學期望

數(shù)學期望是指離散型隨機變量的一切可能的取值Xi（隨機變量）與對應的概率p（=Xi）之積的和。

X1，X2，X3，……，Xn為隨機變量數(shù)據(jù)，p（X1），p（X2），p（X3），……p（Xn）是隨機變量數(shù)據(jù)的概率函數(shù)。

通過證明，得出：

E（X）=（X1+X2+... +Xn）/n （2）

這說明數(shù)學期望就是一組數(shù)據(jù)的算術平均值。

（2）方差

設X是一個隨機變量，若[E{X-E（X）}]存在，則稱[E{X-E（X）}]為X的方差，則可得出

D =[E{X-E（X）}] （3）

（3）協(xié)方差

協(xié)方差分析是建立在方差分析和回歸分析基礎之上的一種統(tǒng)計分析方法。協(xié)方差與方差之間的相關關系為：

[Cov（X，Y）=E{[X-E（X）][Y-E（Y）]}] （4）

（4）相關系數(shù)

相關系數(shù)是變量之間相關程度的指標。相關系數(shù)的取值范圍為[-1，1]。值越大，誤差越小，變量之間的線性相關程度越高；值越接近0，誤差越大，變量之間的線性相關程度就會越低。

相關系數(shù)又稱皮（爾生）氏積矩相關系數(shù)，是用來說明兩個現(xiàn)象之間相關關系密切程度的統(tǒng)計分析指標。相關系數(shù)用希臘字母γ表示，γ值的范圍為[-1，1]。γ > 0為正相關，γ < 0為負相關，γ = 0表示不相關。γ的絕對值越大，相關程度越高。兩個現(xiàn)象之間的相關程度，一般劃分為4級：如兩者呈正相關，γ呈正值；γ =1時為完全正相關；如兩者呈負相關則γ呈負值；γ = -1時為完全負相關。完全正相關或負相關時，所有圖點都在直線回歸線上，點子的分布在直線回歸線上下越離散，γ的絕對值越小。當例數(shù)相等時，相關系數(shù)的絕對值越接近1，相關越密切；越接近于0，相關越不密切。當γ = 0時，說明X和Y兩個變量之間無直線關系[6-7]。

[γxy=Cov（X，Y）/D（X）D（Y）] （5）

3 基于曲線相似度的業(yè)務

流量監(jiān)測

根據(jù)統(tǒng)計學的原理，統(tǒng)計的數(shù)據(jù)樣本數(shù)量越大，統(tǒng)計的準確度則越高。

每天運行在移動設備上各類數(shù)據(jù)業(yè)務的數(shù)量是非常巨大的。我們設想，如果某一天從某個時間點開始業(yè)務曲線與平時的業(yè)務曲線相似度低于設定的門限，我們則認為業(yè)務出現(xiàn)了異常情況，應及時通知維護人員進行處理。

文章研究的實驗平臺基于matlab 7.0，并采用無異常歷史數(shù)據(jù)作為分析樣本，對多項業(yè)務數(shù)據(jù)進行了分析。為了保證監(jiān)控及檢驗結果有效，實驗計算當前實時監(jiān)測的業(yè)務發(fā)送量與相同時刻前5天采集的業(yè)務發(fā)送量，以及歷史平均業(yè)務發(fā)送量之間的相關系數(shù)共6組數(shù)據(jù)，取其相關系數(shù)最大值為參考值。如果參考值低于閾值，則說明當前時刻業(yè)務流量出現(xiàn)異常[8-10]。

首先以手機報日業(yè)務量以及某市GPRS日業(yè)務量為例（如圖3、圖4），經(jīng)計算，相關系數(shù)值分別為0.9692和0.9764。

通過曲線比較以及比較值可以分析得出結論，當前業(yè)務發(fā)送量異常狀況。

下面通過對業(yè)務量發(fā)送異常狀況數(shù)據(jù)進行分析，說明本方法監(jiān)控效果的有效性。 6月21日WAP網(wǎng)關出現(xiàn)故障，導致某市GPRS業(yè)務無法正常使用。計算全天數(shù)據(jù)與歷史數(shù)據(jù)的相關系數(shù)，得出參考值為0.8866。趨勢對照圖如圖5所示。

WAP網(wǎng)關故障發(fā)生在10：55左右。我們分別計算了10：30 和11：00這兩個時間點的曲線相似度，分別為0.9950，0.8430。通過相似度的計算，很容易發(fā)現(xiàn)在10：30—11：00，GPRS業(yè)務出項了異常情況。趨勢對照圖如圖6、圖7。

4 結束語

文章提出基于統(tǒng)計學中相關系數(shù)的相似度度量方法，通過計算當前時刻業(yè)務發(fā)送量與歷史正常數(shù)據(jù)之間的相關系數(shù)，判定當前業(yè)務發(fā)送量是否處于穩(wěn)定狀態(tài)。當參考值低于正常閾值時系統(tǒng)發(fā)出告警，從而完成對業(yè)務流量模型的實時監(jiān)控。通過實驗數(shù)據(jù)的驗證，證明本方法是非常有效的。

參考文獻

[1] 劉澤猛， 劉純志. 統(tǒng)計學的未來[J].統(tǒng)計與決策， 1991 （06）： 02-04.

[2] 高風. "假設檢驗方法"簡析[J]. 中國質(zhì)量， 2005 （04）： 22-25.

[3] 樊靜. GPS弱信號的高靈敏度捕獲算法[J].重慶郵電大學學報（自然科版）， 2012， 24（03）： 326-329.

[4] 陶新民，郝思媛，張冬雪，徐鵬.不均衡數(shù)據(jù)分類算法的綜述[J].重慶郵電大學學報（自然科學版），2013，25（1）： 101-110.

[5] 秦哲. 假設檢驗在科技項目評估結果分析中的應用[J]. 科技進步與對策， 2005 （07）： 18-20.

[6] 劉曉俊， 陳愛江. 正態(tài)分布函數(shù)值的近似求法[J]. 金融教學與研究， 1998 （02）： 35-39.

[7] 商廣娟. 統(tǒng)計技術在我國質(zhì)量管理中的應用現(xiàn)狀[J]. 航空標準化與質(zhì)量， 2006 （05） ： 33-37.

[8] 郭雪峰，方立軍，馬駿，張焱. 寬帶線性調(diào)頻信號的性能檢測方法[J].雷達科學與技術， 2012，10（05）： 57-60.

[9] 李青華， 姚云萍. 一種基于知識輔助的CFAR檢測器[J].雷達科學與技術， 2012，10（01）： 92-97.

[10] 秦雪松，秦雪峰. 影響流量經(jīng)營的因素與對策[J]. 郵電設計技術， 2012（12）： 63-74.

[γxy=Cov（X，Y）/D（X）D（Y）] （5）

3 基于曲線相似度的業(yè)務

流量監(jiān)測

根據(jù)統(tǒng)計學的原理，統(tǒng)計的數(shù)據(jù)樣本數(shù)量越大，統(tǒng)計的準確度則越高。

每天運行在移動設備上各類數(shù)據(jù)業(yè)務的數(shù)量是非常巨大的。我們設想，如果某一天從某個時間點開始業(yè)務曲線與平時的業(yè)務曲線相似度低于設定的門限，我們則認為業(yè)務出現(xiàn)了異常情況，應及時通知維護人員進行處理。

文章研究的實驗平臺基于matlab 7.0，并采用無異常歷史數(shù)據(jù)作為分析樣本，對多項業(yè)務數(shù)據(jù)進行了分析。為了保證監(jiān)控及檢驗結果有效，實驗計算當前實時監(jiān)測的業(yè)務發(fā)送量與相同時刻前5天采集的業(yè)務發(fā)送量，以及歷史平均業(yè)務發(fā)送量之間的相關系數(shù)共6組數(shù)據(jù)，取其相關系數(shù)最大值為參考值。如果參考值低于閾值，則說明當前時刻業(yè)務流量出現(xiàn)異常[8-10]。

首先以手機報日業(yè)務量以及某市GPRS日業(yè)務量為例（如圖3、圖4），經(jīng)計算，相關系數(shù)值分別為0.9692和0.9764。

通過曲線比較以及比較值可以分析得出結論，當前業(yè)務發(fā)送量異常狀況。

下面通過對業(yè)務量發(fā)送異常狀況數(shù)據(jù)進行分析，說明本方法監(jiān)控效果的有效性。 6月21日WAP網(wǎng)關出現(xiàn)故障，導致某市GPRS業(yè)務無法正常使用。計算全天數(shù)據(jù)與歷史數(shù)據(jù)的相關系數(shù)，得出參考值為0.8866。趨勢對照圖如圖5所示。

WAP網(wǎng)關故障發(fā)生在10：55左右。我們分別計算了10：30 和11：00這兩個時間點的曲線相似度，分別為0.9950，0.8430。通過相似度的計算，很容易發(fā)現(xiàn)在10：30—11：00，GPRS業(yè)務出項了異常情況。趨勢對照圖如圖6、圖7。

4 結束語

文章提出基于統(tǒng)計學中相關系數(shù)的相似度度量方法，通過計算當前時刻業(yè)務發(fā)送量與歷史正常數(shù)據(jù)之間的相關系數(shù)，判定當前業(yè)務發(fā)送量是否處于穩(wěn)定狀態(tài)。當參考值低于正常閾值時系統(tǒng)發(fā)出告警，從而完成對業(yè)務流量模型的實時監(jiān)控。通過實驗數(shù)據(jù)的驗證，證明本方法是非常有效的。

參考文獻

[1] 劉澤猛， 劉純志. 統(tǒng)計學的未來[J].統(tǒng)計與決策， 1991 （06）： 02-04.

[2] 高風. "假設檢驗方法"簡析[J]. 中國質(zhì)量， 2005 （04）： 22-25.

[3] 樊靜. GPS弱信號的高靈敏度捕獲算法[J].重慶郵電大學學報（自然科版）， 2012， 24（03）： 326-329.

[4] 陶新民，郝思媛，張冬雪，徐鵬.不均衡數(shù)據(jù)分類算法的綜述[J].重慶郵電大學學報（自然科學版），2013，25（1）： 101-110.

[5] 秦哲. 假設檢驗在科技項目評估結果分析中的應用[J]. 科技進步與對策， 2005 （07）： 18-20.

[6] 劉曉俊， 陳愛江. 正態(tài)分布函數(shù)值的近似求法[J]. 金融教學與研究， 1998 （02）： 35-39.

[7] 商廣娟. 統(tǒng)計技術在我國質(zhì)量管理中的應用現(xiàn)狀[J]. 航空標準化與質(zhì)量， 2006 （05） ： 33-37.

[8] 郭雪峰，方立軍，馬駿，張焱. 寬帶線性調(diào)頻信號的性能檢測方法[J].雷達科學與技術， 2012，10（05）： 57-60.

[9] 李青華， 姚云萍. 一種基于知識輔助的CFAR檢測器[J].雷達科學與技術， 2012，10（01）： 92-97.

[10] 秦雪松，秦雪峰. 影響流量經(jīng)營的因素與對策[J]. 郵電設計技術， 2012（12）： 63-74.

[γxy=Cov（X，Y）/D（X）D（Y）] （5）

3 基于曲線相似度的業(yè)務

流量監(jiān)測

根據(jù)統(tǒng)計學的原理，統(tǒng)計的數(shù)據(jù)樣本數(shù)量越大，統(tǒng)計的準確度則越高。

每天運行在移動設備上各類數(shù)據(jù)業(yè)務的數(shù)量是非常巨大的。我們設想，如果某一天從某個時間點開始業(yè)務曲線與平時的業(yè)務曲線相似度低于設定的門限，我們則認為業(yè)務出現(xiàn)了異常情況，應及時通知維護人員進行處理。

文章研究的實驗平臺基于matlab 7.0，并采用無異常歷史數(shù)據(jù)作為分析樣本，對多項業(yè)務數(shù)據(jù)進行了分析。為了保證監(jiān)控及檢驗結果有效，實驗計算當前實時監(jiān)測的業(yè)務發(fā)送量與相同時刻前5天采集的業(yè)務發(fā)送量，以及歷史平均業(yè)務發(fā)送量之間的相關系數(shù)共6組數(shù)據(jù)，取其相關系數(shù)最大值為參考值。如果參考值低于閾值，則說明當前時刻業(yè)務流量出現(xiàn)異常[8-10]。

首先以手機報日業(yè)務量以及某市GPRS日業(yè)務量為例（如圖3、圖4），經(jīng)計算，相關系數(shù)值分別為0.9692和0.9764。

通過曲線比較以及比較值可以分析得出結論，當前業(yè)務發(fā)送量異常狀況。

下面通過對業(yè)務量發(fā)送異常狀況數(shù)據(jù)進行分析，說明本方法監(jiān)控效果的有效性。 6月21日WAP網(wǎng)關出現(xiàn)故障，導致某市GPRS業(yè)務無法正常使用。計算全天數(shù)據(jù)與歷史數(shù)據(jù)的相關系數(shù)，得出參考值為0.8866。趨勢對照圖如圖5所示。

WAP網(wǎng)關故障發(fā)生在10：55左右。我們分別計算了10：30 和11：00這兩個時間點的曲線相似度，分別為0.9950，0.8430。通過相似度的計算，很容易發(fā)現(xiàn)在10：30—11：00，GPRS業(yè)務出項了異常情況。趨勢對照圖如圖6、圖7。

4 結束語

文章提出基于統(tǒng)計學中相關系數(shù)的相似度度量方法，通過計算當前時刻業(yè)務發(fā)送量與歷史正常數(shù)據(jù)之間的相關系數(shù)，判定當前業(yè)務發(fā)送量是否處于穩(wěn)定狀態(tài)。當參考值低于正常閾值時系統(tǒng)發(fā)出告警，從而完成對業(yè)務流量模型的實時監(jiān)控。通過實驗數(shù)據(jù)的驗證，證明本方法是非常有效的。

參考文獻

[1] 劉澤猛， 劉純志. 統(tǒng)計學的未來[J].統(tǒng)計與決策， 1991 （06）： 02-04.

[2] 高風. "假設檢驗方法"簡析[J]. 中國質(zhì)量， 2005 （04）： 22-25.

[3] 樊靜. GPS弱信號的高靈敏度捕獲算法[J].重慶郵電大學學報（自然科版）， 2012， 24（03）： 326-329.

[4] 陶新民，郝思媛，張冬雪，徐鵬.不均衡數(shù)據(jù)分類算法的綜述[J].重慶郵電大學學報（自然科學版），2013，25（1）： 101-110.

[5] 秦哲. 假設檢驗在科技項目評估結果分析中的應用[J]. 科技進步與對策， 2005 （07）： 18-20.

[6] 劉曉俊， 陳愛江. 正態(tài)分布函數(shù)值的近似求法[J]. 金融教學與研究， 1998 （02）： 35-39.

[7] 商廣娟. 統(tǒng)計技術在我國質(zhì)量管理中的應用現(xiàn)狀[J]. 航空標準化與質(zhì)量， 2006 （05） ： 33-37.

[8] 郭雪峰，方立軍，馬駿，張焱. 寬帶線性調(diào)頻信號的性能檢測方法[J].雷達科學與技術， 2012，10（05）： 57-60.

[9] 李青華， 姚云萍. 一種基于知識輔助的CFAR檢測器[J].雷達科學與技術， 2012，10（01）： 92-97.

[10] 秦雪松，秦雪峰. 影響流量經(jīng)營的因素與對策[J]. 郵電設計技術， 2012（12）： 63-74.