大數(shù)據(jù)分析技術(shù)在通信網(wǎng)絡(luò)運維中的運用及分析

沈東 包可樂 呂祎 黃大巧

摘要：隨著網(wǎng)絡(luò)規(guī)模越來越大，通信網(wǎng)絡(luò)的故障在不斷增多，業(yè)界急需大數(shù)據(jù)、云計算等技術(shù)在通信網(wǎng)絡(luò)運維中的應(yīng)用。文章首先分析了大數(shù)據(jù)相關(guān)研究的背景，其次剖析了目前通信運維故障處理的方法及其短板，最后結(jié)合大數(shù)據(jù)分析技術(shù)的特點和通信網(wǎng)絡(luò)故障的現(xiàn)狀，文章設(shè)計了通信網(wǎng)絡(luò)大數(shù)據(jù)綜合故障定位分析平臺框架，進行了分析平臺的功能設(shè)計，平臺實現(xiàn)了通信網(wǎng)絡(luò)擁塞度大數(shù)據(jù)分析、預測通信信道分配、大數(shù)據(jù)挖掘故障定位和基于大數(shù)據(jù)挖掘故障分析等功能，較好地達到了網(wǎng)絡(luò)運維的效果，希望能給大數(shù)據(jù)技術(shù)在通信領(lǐng)域應(yīng)用的研究學者提供參考。

關(guān)鍵詞：大數(shù)據(jù)；通信故障；分析

中圖分類號：TN919.5? 文獻標志碼：A

0 引言

隨著大數(shù)據(jù)分析技術(shù)的迅速發(fā)展，大數(shù)據(jù)分析在各行各業(yè)都逐步被應(yīng)用。各種傳統(tǒng)領(lǐng)域的信息系統(tǒng)也在利用大數(shù)據(jù)不斷地改進和優(yōu)化，朝著更加智能化的方向發(fā)展。在通信網(wǎng)絡(luò)中，網(wǎng)絡(luò)故障是非常難定位和分析的，經(jīng)常要靠工程師的經(jīng)驗和大量的數(shù)據(jù)進行整理分析，十分費力。通過引入大數(shù)據(jù)分析到通信網(wǎng)絡(luò)的故障定位和數(shù)據(jù)分析中，能夠縮短故障排除和分析的時間，更好地保障通信網(wǎng)絡(luò)的安全。本文針對大數(shù)據(jù)分析在通信網(wǎng)絡(luò)系統(tǒng)的故障進行定位和分析應(yīng)用開展探索。

1 網(wǎng)絡(luò)通信運維存在的問題

通信網(wǎng)絡(luò)運維目前從初期單一的測試軟件開始逐步過渡到現(xiàn)在的平臺化。但是測試軟件和網(wǎng)絡(luò)運維平臺之間依然存在巨大鴻溝，網(wǎng)絡(luò)運維平臺軟件一般由軟件公司負責開發(fā)，一般著眼于OMC上報數(shù)據(jù)采集、基站GIS展現(xiàn)方面，平臺軟件不能對測試軟件采集到的空口數(shù)據(jù)進行綜合分析。由此可見，網(wǎng)絡(luò)運維平臺軟件在專業(yè)性上存在相對數(shù)據(jù)分析的不足，對網(wǎng)絡(luò)運維專業(yè)知識的兼容性較差，軟件很多時候只能是一個數(shù)據(jù)展示。隨著通信技術(shù)的不斷更新，網(wǎng)絡(luò)運維平臺在兼容性和智能化方面，亟待提升，需要大數(shù)據(jù)、云計算等高新技術(shù)的支撐［1］。

2 通信網(wǎng)絡(luò)故障分析處理的現(xiàn)狀

通信網(wǎng)絡(luò)故障診斷的方法，主要有流程經(jīng)驗法和邏輯排除法。流程經(jīng)驗法主要是先確定故障的范圍，工程師再通過排除或者經(jīng)驗直接找到故障點。由于通信網(wǎng)絡(luò)系統(tǒng)涉及的硬件和軟件非常復雜繁多，工程師在排查故障和定位問題的時間會非常漫長，多數(shù)時候還需要人工對原理圖進行重現(xiàn)梳理。出現(xiàn)重大問題或者之前沒有遇見的故障的時候，運營中心還需要召集專家進行會商，明確相關(guān)故障，從而找出故障點?？偟膩碚f，主干線的故障或者問題比較容易定位，而網(wǎng)絡(luò)中的個別基站或者扇區(qū)出現(xiàn)故障就難以定位和查詢原因。出現(xiàn)這種問題，基本上都采用排除法，根據(jù)原理圖，進行逐一排除，同時工程師根據(jù)關(guān)聯(lián)關(guān)系進行輔助判斷，十分耗時［2］。

3 大數(shù)據(jù)分析技術(shù)在通信網(wǎng)絡(luò)故障診斷的應(yīng)用

本文在研究通信網(wǎng)絡(luò)故障的現(xiàn)實情況后，結(jié)合大數(shù)據(jù)技術(shù)的優(yōu)點，設(shè)計了通信網(wǎng)絡(luò)大數(shù)據(jù)綜合故障定位分析平臺的系統(tǒng)框架，平臺的使用對象是通信網(wǎng)絡(luò)管理者、通信運維者和通信故障定位的關(guān)鍵應(yīng)用人員，平臺在人工智能、微服務(wù)和大數(shù)據(jù)分析等技術(shù)上研究了通信網(wǎng)絡(luò)大數(shù)據(jù)集群，并實際進行了驗證，證明了大數(shù)據(jù)分析技術(shù)在通信網(wǎng)絡(luò)故障診斷上的準確性和系統(tǒng)可靠性。也證實了大數(shù)據(jù)分析技術(shù)對提高通信網(wǎng)絡(luò)智能化管理、通信運維業(yè)務(wù)效率具有重要的意義。

3.1 通信網(wǎng)絡(luò)大數(shù)據(jù)綜合故障定位分析平臺框架設(shè)計

平臺首先對大量多源的原始數(shù)據(jù)進行采集、收集、儲存，然后對這些數(shù)據(jù)進行過濾與分析等多重處理，再利用大數(shù)據(jù)進行排除和判斷，對通信網(wǎng)絡(luò)故障問題定位，最后通過后臺展示和決策功能，為通信運維工程師、通信運維管理者、通信參與者提供高效率的服務(wù)。整個平臺采用分層架構(gòu)設(shè)計，分數(shù)據(jù)采集層、數(shù)據(jù)處理層、數(shù)據(jù)應(yīng)用層3層，如圖1所示，每層通過接口和相關(guān)協(xié)議進行數(shù)據(jù)交互，每個功能都是低耦合高內(nèi)聚，具有很強的魯棒性。數(shù)據(jù)采集層主要將網(wǎng)絡(luò)的基站數(shù)據(jù)、參數(shù)數(shù)據(jù)、工單數(shù)據(jù)、話務(wù)數(shù)據(jù)、濕度數(shù)據(jù)、溫度數(shù)據(jù)通過數(shù)據(jù)采集層收集到大數(shù)據(jù)平臺中，數(shù)據(jù)處理層對數(shù)據(jù)進行提取、格式識別、數(shù)據(jù)編碼，同時對海量異構(gòu)數(shù)據(jù)進行處理，然后進行儲存，通過相關(guān)的容器中介進行數(shù)據(jù)轉(zhuǎn)化。數(shù)據(jù)轉(zhuǎn)化后，同時需要對不完整的數(shù)據(jù)進行補缺操作，對缺少的數(shù)據(jù)進行修正，并按照相關(guān)的規(guī)律算法進行需求補齊［3］。數(shù)據(jù)應(yīng)用層根據(jù)不同的使用者的需求，實現(xiàn)網(wǎng)絡(luò)覆蓋優(yōu)化、網(wǎng)絡(luò)干擾、網(wǎng)絡(luò)故障定位、網(wǎng)絡(luò)故障分析、處理反饋等功能。

3.2 基于數(shù)據(jù)挖掘的分析方法

一個移動通話過程中將產(chǎn)生大量的測量數(shù)據(jù)（通話中手機每半秒向系統(tǒng)報告一次目前的通信測量結(jié)果），系統(tǒng)都將完全記錄該部分信息數(shù)據(jù)。由于這樣的數(shù)據(jù)是海量的，根據(jù)系統(tǒng)預先定義的KPI 統(tǒng)計指標，網(wǎng)管系統(tǒng)將有選擇性地生成大量的統(tǒng)計報表，用來反映網(wǎng)絡(luò)質(zhì)量。以通信網(wǎng)絡(luò)接入性能類指標為例，統(tǒng)計報表包括：尋呼成功率、信道可用率、信道擁賽率、信道分配成功率、信道可用率、信道擁賽率、信道分配成功率、通信接通率等，這些指標每小時對每個基站、每個小區(qū)都有相應(yīng)的數(shù)值。

現(xiàn)在網(wǎng)絡(luò)運維采用的數(shù)據(jù)源較為單一，工程師進行DT/CQT測試，僅采集路測區(qū)域的空口信令；進行小區(qū)容量優(yōu)化等日常優(yōu)化時，采集近期的OMC統(tǒng)計數(shù)據(jù)；A口及Abis口側(cè)的信令數(shù)據(jù)雖然包含了區(qū)域內(nèi)用戶實際的信令信息，但由于數(shù)據(jù)量巨大，對其進行統(tǒng)計主要靠人工提取，因此運維過程中一般不對其進行統(tǒng)計分析。為解決這一問題，采用以地理位置為基礎(chǔ)，對同一區(qū)域內(nèi)所有小區(qū)數(shù)據(jù)進行全方位采集。與傳統(tǒng)的網(wǎng)絡(luò)運維分析采用的單一數(shù)據(jù)源不同，采集的數(shù)據(jù)源包括：按照OMC等網(wǎng)元設(shè)備的上報粒度實時采集數(shù)據(jù)，DT/CQT測試得到的空口的信令數(shù)據(jù)，以及A口及Abis口側(cè)的信令數(shù)據(jù)。OMC數(shù)據(jù)包含網(wǎng)絡(luò)KPI性能數(shù)據(jù)、配置參數(shù)數(shù)據(jù)、設(shè)備告警數(shù)據(jù)等信息，通過主設(shè)備廠家OMC設(shè)備以一定的時間顆粒度產(chǎn)生，能夠以小區(qū)的維度反映網(wǎng)絡(luò)性能和問題；DT/CQT測試得到的空口的信令數(shù)據(jù)，通過路測設(shè)備獲得，包含了用戶在發(fā)起業(yè)務(wù)和用戶運動過程中的全部數(shù)據(jù)，能夠通過用戶和業(yè)務(wù)的維度分析網(wǎng)絡(luò)問題，從信令面到業(yè)務(wù)面全方面的分析業(yè)務(wù)質(zhì)量、用戶感知等指標；還通過智能關(guān)聯(lián)并提取A口及Abis口信令數(shù)據(jù)，以對OMC和DT數(shù)據(jù)形成補充，對問題小區(qū)、用戶投訴能做到準確的還原與再現(xiàn)，同時建立真正的用戶行為模型。通過從用戶側(cè)模擬、網(wǎng)絡(luò)側(cè)關(guān)聯(lián)、平臺側(cè)統(tǒng)計，多角度地提取相關(guān)數(shù)據(jù)，能全面地發(fā)現(xiàn)網(wǎng)絡(luò)中存在的問題，同時為定位問題原因和提出解決方案提供基礎(chǔ)。

傳統(tǒng)的運維一般采用“事后驅(qū)動”模式，即當小區(qū)內(nèi)設(shè)備產(chǎn)生告警或者用戶投訴量大時，才對該小區(qū)進行處理，這導致所有的響應(yīng)都是補救式的，極大地影響了用戶感知。本文采用大數(shù)據(jù)一體化分析模式，將整個網(wǎng)絡(luò)作為整體考慮，綜合分析路測信令、設(shè)備告警和用戶投訴等信息，主動發(fā)現(xiàn)問題，同時在發(fā)現(xiàn)某一小區(qū)存在問題后，平臺會對網(wǎng)絡(luò)內(nèi)其它小區(qū)進行評估，通過地理近似、用戶行為模型近似等特征尋找可能出現(xiàn)相同問題的小區(qū)，進而發(fā)現(xiàn)其他小區(qū)存在的隱患問題。通過采用大數(shù)據(jù)分析模式，將網(wǎng)絡(luò)運維由傳統(tǒng)的補救式轉(zhuǎn)變?yōu)榘l(fā)現(xiàn)式，提高隱患問題點的發(fā)現(xiàn)能力，提升用戶感知。

在移動通信網(wǎng)絡(luò)運維中，故障現(xiàn)象和故障原因之間的關(guān)系是復雜的、非線性的，給網(wǎng)絡(luò)運維人員分析、處理和解決問題帶來很大的難度。網(wǎng)絡(luò)運維系統(tǒng)中

故障類型多，故障之間互不相關(guān)，故障信號采集困難，難以建立故障原因與癥狀之間的精確數(shù)學模型，是一個復雜的非線性系統(tǒng)，多數(shù)情況下只能憑借工程師的經(jīng)驗來綜合判斷。大數(shù)據(jù)分析適合不同環(huán)境的智能化故障診斷模型，這些診斷模型能加快網(wǎng)絡(luò)運維工程師對故障診斷的定位和解決的速度。專家系統(tǒng)固化了現(xiàn)有的網(wǎng)絡(luò)運維經(jīng)驗，在一定程度上可克服資料和經(jīng)驗上的不足，從而對問題進行定位，并提出相應(yīng)的解決方案，顯得更加客觀、合理。平臺通過數(shù)據(jù)挖掘在網(wǎng)絡(luò)運維中應(yīng)用的分析，并針對現(xiàn)在運維體系存在的缺陷及實際運維工作的需求，后臺維護人員通過數(shù)據(jù)挖掘利用可以將現(xiàn)有優(yōu)化系統(tǒng)統(tǒng)一起來，形成一個統(tǒng)一分析、統(tǒng)一處理的系統(tǒng)，同時更多地運用計算機、數(shù)據(jù)庫、數(shù)據(jù)挖掘、人工智能等現(xiàn)代化技術(shù)對網(wǎng)絡(luò)進行智能化分析，找出網(wǎng)絡(luò)存在的問題并給出解決方案。

平臺中集成了數(shù)據(jù)挖掘的決策樹算法，該算法可以進行相關(guān)性分析和偏差檢驗，可以準確定位問題的所在，從而對網(wǎng)絡(luò)進行有效的調(diào)整。本文還研究了關(guān)聯(lián)規(guī)則等相關(guān)性搜索算法，對出現(xiàn)干擾嚴重時，各參數(shù)設(shè)置的相關(guān)性分析，基本上能夠得到干擾的原因所在；通過搜索算法找出更為合理的解決方案，同時可以對網(wǎng)絡(luò)的干擾做出預警，提前對網(wǎng)絡(luò)進行調(diào)整。

平臺還對信令數(shù)據(jù)進行了分析，移動臺與基站間的注冊、鑒權(quán)、接入、切換等都是通過信令交互完成的。所以信令的監(jiān)測和參數(shù)分析對了解和掌握網(wǎng)絡(luò)的運行狀況和運行質(zhì)量有著重要意義。平臺通過對于信令的追蹤，可以方便地定位故障，驗證網(wǎng)絡(luò)規(guī)劃的合理性，便于具體問題的解決。

3.3 通信網(wǎng)絡(luò)大數(shù)據(jù)綜合故障定位平臺關(guān)鍵應(yīng)用功能設(shè)計

根據(jù)上述的通信網(wǎng)絡(luò)大數(shù)據(jù)技術(shù)應(yīng)用，平臺從通信運營和決策等不同的專題進行各種功能設(shè)計，具體如圖2所示。工程技術(shù)人員可以通過平臺進行數(shù)據(jù)采集；平臺還可以對相關(guān)數(shù)據(jù)進行覆蓋、接續(xù)、承載和接入等不同能力進行指標支撐；工程師通過該平臺提高網(wǎng)絡(luò)運維的數(shù)據(jù)精確度和數(shù)據(jù)采集時效性。

3.3.1 基于通信網(wǎng)絡(luò)擁塞度大數(shù)據(jù)分析方法

各個基站信道的數(shù)據(jù)采集結(jié)合物理信道、載頻資源和復用參數(shù)，可以結(jié)合用戶地理大數(shù)據(jù)分析，對關(guān)聯(lián)場景進行梳理優(yōu)化［4］。通過這種方式實現(xiàn)基站擁塞、信道符合率、話務(wù)復用質(zhì)量等指標的呈現(xiàn)，如圖3所示，為通信運營者提供及時準確的信道狀況信息，該方法可以幫助規(guī)劃工程師選擇更適合的規(guī)劃方式和頻率加載參數(shù)，減少因為信道擁塞造成話務(wù)溢出的浪費。

3.3.2 基于大數(shù)據(jù)預測通信信道分配

平臺同時以用戶行為感知、通信信道數(shù)量為基礎(chǔ)數(shù)據(jù)，考慮工作日、地理環(huán)境、時間段、用戶行為等影響因素，設(shè)計大數(shù)據(jù)的通信預測信道功能，平臺通過大數(shù)據(jù)平臺進行比對，對相關(guān)模型數(shù)據(jù)進行修正，甄別錯誤信息，修改缺失數(shù)據(jù)，不斷提高數(shù)據(jù)的分析準確性，精準預判話務(wù)模型，提高預測信道數(shù)量，優(yōu)化信道參數(shù)，減少話務(wù)擁塞，提高用戶感知［5］，如圖4所示。

3.3.3 基于大數(shù)據(jù)挖掘故障定位

平臺以提高通信網(wǎng)絡(luò)管理效率為首要目標，建立通信網(wǎng)絡(luò)故障定位子功能和通信網(wǎng)絡(luò)故障分析子功能。平臺通過網(wǎng)絡(luò)指標的走勢，結(jié)合話務(wù)量、擁塞率、接通率、干擾性和接續(xù)能力，對現(xiàn)網(wǎng)的故障進行定位，通過網(wǎng)格排序的方法，結(jié)合專家數(shù)據(jù)庫，更新網(wǎng)絡(luò)信息，利用操作日志、故障前后操作變化，匯聚海量多源數(shù)據(jù)，利用神經(jīng)網(wǎng)絡(luò)等技術(shù)設(shè)計智能定位子功能。在

算法模型上根據(jù)反饋效果不斷修正，平臺可以根據(jù)不同特定場景進行自動適應(yīng)性優(yōu)化，提高算法的智能化程度，幫助運營方掌握通信網(wǎng)絡(luò)的話務(wù)波動特征和飽和情況，提高調(diào)度處理工單能力，提高故障處理響應(yīng)效率，如圖5所示。

3.3.4 基于大數(shù)據(jù)挖掘故障分析

平臺通過網(wǎng)絡(luò)的基站主設(shè)備、饋線、動力、環(huán)境等多徑流量數(shù)據(jù)，結(jié)合事件規(guī)律和時限特點，對話務(wù)模型特征、人群潮汐分布進行大數(shù)據(jù)分析，用各種不同的顏色進行專題分析展示，為通信的日常運維、處理能力提供數(shù)據(jù)支持，故障分析功能可以對通信高峰進行自動識別接預警，同時對分析結(jié)果進行案例固化，制定應(yīng)急預案輔助支撐，對重點區(qū)域和VIP客戶進行重點觀察和分析，增加維護頻率，建立網(wǎng)絡(luò)安全保障和資源調(diào)配的信息化判斷標準，減少網(wǎng)絡(luò)事件發(fā)生的概率。

4 結(jié)語

總之，通信網(wǎng)絡(luò)在不斷增加，規(guī)模也越來越大，保障通信網(wǎng)絡(luò)系統(tǒng)安全，面臨著巨大的挑戰(zhàn)。當前我國居民和社會的網(wǎng)絡(luò)應(yīng)用正在不斷增加，且我國通信網(wǎng)絡(luò)規(guī)模也在不斷擴大，通信網(wǎng)絡(luò)事業(yè)的發(fā)展面臨新的挑戰(zhàn)與機遇，為了保障通信網(wǎng)絡(luò)系統(tǒng)的穩(wěn)定安全運行，采取有效方法診斷通信網(wǎng)絡(luò)故障問題具有重要意義。在我國科學技術(shù)不斷進步的環(huán)境下，新興技術(shù)在通信系統(tǒng)故障診斷中得到廣泛使用，且取得了良好的應(yīng)用效果。當前通信網(wǎng)絡(luò)事業(yè)最為關(guān)注的問題就是通信網(wǎng)絡(luò)系統(tǒng)的穩(wěn)定運行，為了有效解決通信網(wǎng)絡(luò)系統(tǒng)故障問題，制定符合現(xiàn)代化發(fā)展需求的技術(shù)與系統(tǒng)是當前的主要任務(wù)，以此為促進通信網(wǎng)絡(luò)事業(yè)的可持續(xù)發(fā)展奠定基礎(chǔ)。

參考文獻

［1］郭琪.基于大數(shù)據(jù)下移動通信網(wǎng)絡(luò)優(yōu)化的思考［J］.中國新通信，2023（1）：9-11.

［2］王興.大數(shù)據(jù)背景下的網(wǎng)絡(luò)通信系統(tǒng)研究［J］.電子技術(shù)與軟件工程，2022（24）：26-30.

［3］付豪.面向大數(shù)據(jù)分析應(yīng)用平臺的性能分析系統(tǒng)［D］.貴陽：貴州大學，2022.

［4］劉博，王艷.基于大數(shù)據(jù)分析的通信網(wǎng)絡(luò)阻塞故障檢測方法［J］.自動化與儀器儀表，2021（1）：43-46.

［5］胡谷雨，潘志松，王帥輝，等.基于大數(shù)據(jù)分析的網(wǎng)絡(luò)管理智能化［J］.國防科技，2019（5）：32-39.

（編輯 沈 強）

Application and analysis of big data analysis technology in communication network fault

Shen? Dong1， Bao? Kele2， Lyu Yi3， Huang? Daqiao3

（1.Zhejiang information and Communication Association， Hangzhou 310003， China; 2.Zhejiang Branch of China United Network Communication Co.， Ltd.， Hangzhou 310051， China; 3.Zhejiang Communications Services Co.， Ltd.， Hangzhou 310053， China）

Abstract：? With the increasing scale of the network， operators are increasingly concerned about the safety issues of network operation and maintenance failures. The emergence of new technologies such as big data and cloud computing has brought business improvements to communication network operation and maintenance. This article first introduces the concept of big data and the analysis of its advantages. Combined with the application fields of big data analysis technology， it analyzes the current situation of communication network faults， mainly including process experience method and logical elimination method. It designs the framework of a comprehensive fault location and analysis platform for communication network big data， and performs the functional design of the analysis platform. It realizes the analysis of communication network congestion big data， prediction of communication channel allocation Fault location and fault analysis based on big data mining.

Key words： big data; communication failure; analysis