移動網(wǎng)絡(luò)投訴熱點區(qū)域智能識別方法與應(yīng)用

孟現(xiàn)鋒， 梁松柏， 徐 剛

（1.中國聯(lián)通鄭州市分公司，鄭州 450000； 2.中國聯(lián)通河南省分公司，鄭州 450000）

用戶對無線網(wǎng)絡(luò)感知越來越敏感，導(dǎo)致移網(wǎng)用戶投訴量居高不下. 與此同時，如何快速識別移網(wǎng)投訴熱點區(qū)域，將有限的投資及設(shè)備資源投入到真正的投訴熱點區(qū)域，有效改善用戶感知，則是運營商十分關(guān)心的一個問題［1］. 傳統(tǒng)方法是通過對某一個投訴位置的投訴數(shù)量累加，隨后進行投訴量排名，將投訴量靠前的場景名稱確定為投訴熱點. 而該方法的主要缺點，一是無法有效去除噪聲點，形成獨立成簇的投訴熱點區(qū)域；二是無法精細化地識別投訴熱點區(qū)域的邊框，投訴熱點區(qū)域通常為沒有明確邊界范圍的模糊區(qū)域；三是無法對網(wǎng)絡(luò)的規(guī)劃、建設(shè)、調(diào)整以及優(yōu)化提供有力的數(shù)據(jù)支撐. 各行業(yè)的熱點區(qū)域挖掘目前常用的方法是聚類算法［2-15］. 其中，DBSCAN算法（密度聚類）相較于其他聚類算法，對噪聲不敏感，無須設(shè)定類別數(shù)量，可以任意形狀成簇，適合投訴熱點區(qū)域識別.

針對投訴熱點區(qū)域網(wǎng)絡(luò)問題的解決，對規(guī)劃方法和手段要求更高. 而網(wǎng)絡(luò)仿真軟件無法評估每一個投訴熱點區(qū)域的價值及建設(shè)優(yōu)先級. 并且，傳統(tǒng)方法更多依賴于經(jīng)驗判斷，考慮維度較單一，在解決方案的精準(zhǔn)性方面存在欠缺，不經(jīng)慎重評估便建設(shè)一個站點，不僅無法針對性地解決實際需求，反而可能會帶來重疊覆蓋、越區(qū)覆蓋、干擾等嚴重問題.

基于以上分析，本文結(jié)合DBSCAN 聚類和凸包算法，提出一種投訴熱點區(qū)域智能識別方法. 首先通過DBSCAN算法預(yù)處理歷史投訴數(shù)據(jù)，聚類生成投訴熱點區(qū)域；然后，基于Graham掃描法求解投訴熱點區(qū)域邊界點，并勾畫投訴熱點區(qū)域邊界；最后，基于投訴熱點區(qū)域網(wǎng)絡(luò)優(yōu)化模型，進行網(wǎng)絡(luò)問題分析定位，輸出投訴熱點解決方案.

1 總體實現(xiàn)思路

針對移動通信行業(yè)用戶歷史投訴數(shù)據(jù)集，投訴熱點區(qū)域智能識別與網(wǎng)絡(luò)評估流程如圖1所示. 首先，采用DBSCAN算法去除噪聲點，快速地篩選出投訴熱點區(qū)域的簇集合；然后，基于凸包算法中的Graham掃描法求解投訴熱點區(qū)域邊界點，并勾畫投訴熱點區(qū)域邊界；最后，基于投訴熱點區(qū)域網(wǎng)絡(luò)優(yōu)化模型，評估投訴熱點區(qū)域內(nèi)的網(wǎng)絡(luò)指標(biāo)，輸出問題解決方案.

圖1 總體流程Fig.1 Overall process

為有效解決投訴熱點網(wǎng)絡(luò)問題，同時保證資源的精準(zhǔn)投放，在分析梳理影響網(wǎng)絡(luò)性能要素的基礎(chǔ)上，篩選出網(wǎng)絡(luò)運營、市場支撐、用戶感知三個維度的九項指標(biāo)，建立投訴熱點區(qū)域網(wǎng)絡(luò)優(yōu)化模型. 具體結(jié)構(gòu)如圖2所示.

圖2 投訴熱點區(qū)域網(wǎng)絡(luò)優(yōu)化模型Fig.2 The network optimization model of complaint hot spot area

模型數(shù)據(jù)源包含價值微網(wǎng)格數(shù)據(jù)、基站工參數(shù)據(jù)、MR 數(shù)據(jù)、路測數(shù)據(jù)、友商競對數(shù)據(jù)、市場簽報數(shù)據(jù)、集團客戶數(shù)據(jù)、口碑場景數(shù)據(jù)、投訴數(shù)據(jù)等九種數(shù)據(jù). 數(shù)據(jù)定義見表1.

表1 指標(biāo)定義Tab.1 Index definitions

2 基于DBSCAN算法投訴熱點區(qū)域聚類

2.1 DBSCAN算法介紹

DBSCAN算法的基本思想就是計算某個eps半徑范圍內(nèi)采樣點的數(shù)量是否大于設(shè)定值min_samples. 其中eps和min_samples，分別限定算法的區(qū)域半徑和最少樣本點數(shù)量［16-19］.

如圖3 所示，最小集合數(shù)量min_samples=4，表征一個簇內(nèi)至少包含4 個樣本點. 其中A、B、C 在半徑eps 內(nèi)均互相可達，可生成一個簇. 無法聚類成簇的點被作為噪聲點，比如圖3 中的N點.

圖3 DBSCAN算法示意Fig.3 Schematic diagram of DBSCAN algorithm

2.2 投訴數(shù)據(jù)描述

本文所分析數(shù)據(jù)源為Z市某運營商半年來的移動通信投訴數(shù)據(jù). 數(shù)據(jù)樣例部分數(shù)據(jù)如表2所示. 數(shù)據(jù)包含日期、受理號碼、經(jīng)度、緯度等數(shù)據(jù).

表2 數(shù)據(jù)樣例Tab.2 Data samples

取Z 市季度投訴數(shù)據(jù)地理化，從圖4 看到，投訴數(shù)據(jù)地理化無明顯簇狀分布特點，需去噪處理.

圖4 投訴數(shù)據(jù)地理化分布Fig.4 Geographic distribution of complaint data

2.3 投訴熱點區(qū)域聚類過程

針對Z 市半年歷史投訴數(shù)據(jù)分析，結(jié)合投訴歷史數(shù)據(jù)人工統(tǒng)計經(jīng)驗，給出移動通信網(wǎng)絡(luò)投訴熱點區(qū)域定義：半年內(nèi)，200 m 范圍內(nèi)出現(xiàn)10 例及以上網(wǎng)絡(luò)質(zhì)量投訴. 即算法參數(shù)eps 設(shè)定為200，最小樣本點min_samples設(shè)定為10，聚類結(jié)果如圖5所示，聚類產(chǎn)生12個投訴熱點區(qū)域.

3 基于凸包算法求解投訴熱點區(qū)域邊界

3.1 凸包算法介紹

凸包概念：對于數(shù)據(jù)點集合（P1，P2，P3，…，Pn），求解一個最小凸多邊形P，P能夠完全包含數(shù)據(jù)點（圖6）［20］.

圖6 投訴熱點區(qū)域邊界求解示意Fig.6 Solution of complaint hot area boundary

3.2 Graham掃描法確定投訴熱點區(qū)域邊界

步驟一：將移動通信網(wǎng)絡(luò)歷史投訴數(shù)據(jù)集中的點投射到直角坐標(biāo)系，Y軸中最小點，即圖6中的P0點，必定為凸包的一個頂點，并以此作為坐標(biāo)的原點，如圖6中的投訴點P0.

步驟二：以投訴點P0作為頂角，X軸作為一條邊，其他頂點與P0連接生成第三邊，夾角設(shè)為a.

步驟三：集合中的每個數(shù)據(jù)點與投訴點P0連線夾角a，通過夾角a大小的比較，排序各個數(shù)據(jù)點. 很容易得知投訴點P1和投訴點P8必為凸包上的點.

步驟四：將凸包上的點入棧，如投訴點P1入棧，并將投訴點P0與棧頂元素連接，例如P0P1. 依次判斷投訴點Pn在投訴點P0與棧頂連線L的左邊還是右邊. 如果投訴點Pn在左邊或在同一直線上時，將它與棧頂元素相連，比如投訴點P2將與投訴P1連接.

步驟五：將新連接線段的坐標(biāo)與前一線段坐標(biāo)進行叉積運算，如果叉積結(jié)果為負，則該投訴數(shù)據(jù)點一定是凸包上的頂點，將其入棧，否則出棧.

步驟六：判斷棧頂數(shù)據(jù)點，如果棧頂數(shù)據(jù)點是角度a最大的數(shù)據(jù)點，則數(shù)據(jù)點即為凸包上的頂點，凸包形成，算法執(zhí)行完畢. 否則繼續(xù)執(zhí)行步驟四.

基于Graham掃描法處理投訴熱點區(qū)域數(shù)據(jù)，求解投訴熱點區(qū)域邊界，投訴熱點區(qū)域邊界如圖7所示.

圖7 投訴熱點區(qū)域邊界Fig.7 Boundary of complaint hotspot area

4 投訴熱點區(qū)域網(wǎng)絡(luò)優(yōu)化方案

4.1 投訴熱點區(qū)域網(wǎng)絡(luò)優(yōu)化模型

投訴熱點區(qū)域邊界確定后，基于投訴熱點區(qū)域網(wǎng)絡(luò)優(yōu)化模型，評估投訴熱點區(qū)域內(nèi)的網(wǎng)絡(luò)指標(biāo)，輸出問題解決方案.

以MR數(shù)據(jù)判斷面覆蓋，路測數(shù)據(jù)判斷線覆蓋，投訴數(shù)據(jù)判斷點覆蓋. 同時，結(jié)合周圍無線環(huán)境、現(xiàn)網(wǎng)資源、站址資源，點線面聯(lián)合分析，實現(xiàn)網(wǎng)絡(luò)問題的精準(zhǔn)定位，隨后匹配網(wǎng)絡(luò)問題解決方案庫，得出最優(yōu)解決方案，方案庫如圖8所示.

圖8 網(wǎng)絡(luò)問題解決方案庫Fig.8 Network problem solution library

投訴熱點區(qū)域網(wǎng)絡(luò)問題分析定位后，實行“先維優(yōu)，后規(guī)建”的原則，網(wǎng)優(yōu)類問題通過優(yōu)化手段解決，維護類問題通過維護手段解決，建設(shè)類問題輸出規(guī)劃建設(shè)方案. 方案確定后，將指標(biāo)量化，進行加權(quán)評分，計算出投訴熱點區(qū)域解決方案的評估總分，進行價值排序，輸出解決方案優(yōu)先級詳表，指導(dǎo)投訴熱點區(qū)域網(wǎng)絡(luò)問題解決，見圖9. 各項指標(biāo)評分方法及分值如表3所示.

圖9 方案得分計算流程Fig.9 Program score calculation process

4.2 實例驗證

針對Z 市某運營商半年來的移動通信網(wǎng)絡(luò)質(zhì)量投訴數(shù)據(jù)，求解確定了12 個投訴熱點區(qū)域. 隨后，基于投訴熱點區(qū)域網(wǎng)絡(luò)優(yōu)化模型進行問題定位，并輸出解決方案，確定價值排名. 詳細的規(guī)建維優(yōu)方案如表4所示.

表4 問題定位與解決方案Tab.4 Problem locations and solutions

投訴熱點2定位原因為該區(qū)域主服務(wù)小區(qū)方位角不合理，基于MR數(shù)據(jù)求取最佳方位角140°，但工參數(shù)據(jù)庫中方位角為100°，調(diào)整前后指標(biāo)如表5所示. 從表5可見，該區(qū)域網(wǎng)絡(luò)性能提升的同時，投訴問題有相應(yīng)改善.

表5 投訴熱點2優(yōu)化方案執(zhí)行前后指標(biāo)對比Tab.5 Comparison of indicators before and after the implementation of complaint hotspot 2 optimization scheme

5 結(jié)論

相比較于人工篩選，基于DBSCAN聚類和凸包算法的投訴熱點區(qū)域智能識別方法能夠快速準(zhǔn)確識別出投訴熱點區(qū)域. 針對Z市某運營商半年來的移動通信網(wǎng)絡(luò)質(zhì)量投訴數(shù)據(jù)，求解確定了12個投訴熱點區(qū)域，并基于投訴熱點區(qū)域優(yōu)化模型，實現(xiàn)了投訴原因定位，輸出一點一策方案. 并針對其中一個投訴熱點區(qū)域，提取優(yōu)化方案執(zhí)行前后的網(wǎng)絡(luò)后臺指標(biāo)以及投訴數(shù)據(jù)，該區(qū)域網(wǎng)絡(luò)性能提升的同時，投訴問題有相應(yīng)改善.