基于多源數(shù)據(jù)的鐵路5G-R運(yùn)用質(zhì)量評(píng)估系統(tǒng)設(shè)計(jì)

梁軼群，李 輝，歐陽智輝，王文華

(1.中國鐵道科學(xué)研究院研究生部,北京 100081; 2.中國鐵道科學(xué)研究院集團(tuán)有限公司通信信號(hào)研究所,北京 100081;3.國家鐵路智能運(yùn)輸系統(tǒng)工程技術(shù)研究中心,北京 100081; 4.國鐵鐵道試驗(yàn)中心,北京 100015)

引言

2020年8月,國鐵集團(tuán)發(fā)布《新時(shí)代交通強(qiáng)國鐵路先行規(guī)劃綱要》[1],要求加大5G通信網(wǎng)絡(luò)等新型基礎(chǔ)設(shè)施建設(shè)應(yīng)用,統(tǒng)籌推進(jìn)新一代移動(dòng)通信專網(wǎng)建設(shè)。在這一背景下,我國鐵路系統(tǒng)、科學(xué)地開展了5G-R的規(guī)劃、科研攻關(guān)、裝備研發(fā)、標(biāo)準(zhǔn)制定以及實(shí)驗(yàn)驗(yàn)證等工作。規(guī)劃方面,國鐵集團(tuán)2020年發(fā)布規(guī)劃,圍繞貫徹落實(shí)黨中央關(guān)于加快5G網(wǎng)絡(luò)等新型基礎(chǔ)設(shè)施建設(shè)的決策部署,為加快推進(jìn)鐵路5G技術(shù)應(yīng)用科技攻關(guān)工作,促進(jìn)鐵路5G技術(shù)應(yīng)用發(fā)展,以保安全、提效率、增效益為目標(biāo),統(tǒng)籌規(guī)劃了未來三年的科技攻關(guān)重點(diǎn)工作?？蒲泄リP(guān)方面,立項(xiàng)《基于2 100 MHz頻率的鐵路5G專網(wǎng)技術(shù)體系及關(guān)鍵技術(shù)研究》系統(tǒng)性重大課題,從電波傳播特性、裝備研發(fā)、承載關(guān)鍵業(yè)務(wù)、檢測(cè)技術(shù)等方面開展研究工作。裝備研發(fā)方面,5G-R 13類主體系統(tǒng)及應(yīng)用裝備基本研發(fā)完畢,即將進(jìn)入東郊環(huán)線試驗(yàn)評(píng)審階段。標(biāo)準(zhǔn)制定方面,已發(fā)布《鐵路5G專網(wǎng)業(yè)務(wù)和功能需求暫行規(guī)范》《鐵路5G專用移動(dòng)通信(5G-R)系統(tǒng)需求暫行規(guī)范》。實(shí)驗(yàn)驗(yàn)證方面,依托《東郊環(huán)行鐵道5G專用移動(dòng)通信系統(tǒng)技術(shù)試驗(yàn)》課題,已完成試驗(yàn)大綱和動(dòng)靜態(tài)試驗(yàn)案例的編制工作,正在開展實(shí)驗(yàn)室設(shè)備功能、性能以及接口互聯(lián)測(cè)試和試驗(yàn)評(píng)審準(zhǔn)備工作。

隨著后續(xù)東郊環(huán)線國家鐵道試驗(yàn)中心動(dòng)態(tài)試驗(yàn)、現(xiàn)場(chǎng)試驗(yàn)線高速試驗(yàn)、試用考核等工作的穩(wěn)步、高質(zhì)量推進(jìn)[2],5G-R系統(tǒng)的部署和運(yùn)維將逐步提上日程,未來5G-R將承擔(dān)更多的鐵路業(yè)務(wù),成為智能鐵路[3]高質(zhì)量發(fā)展的重要支撐平臺(tái)。其在運(yùn)行過程中的功能、性能以及可靠性(運(yùn)用質(zhì)量)直接關(guān)系到鐵路運(yùn)營生產(chǎn)的安全,隨著5G-R相關(guān)工作的全面推進(jìn),有必要提前開展5G-R運(yùn)用質(zhì)量評(píng)估分析技術(shù)的研究。

針對(duì)移動(dòng)通信網(wǎng)絡(luò)運(yùn)維相關(guān)工作和概念,整理了相關(guān)學(xué)者的研究成果。王銓等[4]介紹了各級(jí)維護(hù)管理單位在GSM-R維護(hù)工作中的分工及存在問題,闡述了GSM-R全網(wǎng)運(yùn)維支撐系統(tǒng)的起源及功能目標(biāo)。王買智等[5]開展了GSM-R網(wǎng)絡(luò)全網(wǎng)運(yùn)維支撐系統(tǒng)總體架構(gòu)設(shè)計(jì),提出了設(shè)計(jì)原則、實(shí)現(xiàn)目標(biāo),并提出國鐵集團(tuán)、路局兩級(jí)架構(gòu)的系統(tǒng)架構(gòu)方案。楊銳等[6]結(jié)合CTCS-3級(jí)列控系統(tǒng)無線超時(shí)分析闡述了GSM-R網(wǎng)絡(luò)運(yùn)行數(shù)據(jù)綜合分析系統(tǒng)的作用。楊銳、郭桂芳等[7]結(jié)合5G服務(wù)化架構(gòu)和網(wǎng)絡(luò)功能虛擬化、切片技術(shù)應(yīng)用等特點(diǎn),針對(duì)鐵路5G-R架構(gòu),設(shè)計(jì)了包括網(wǎng)管、服務(wù)/切片管理、終端安全、應(yīng)用商店等模塊的2級(jí)運(yùn)維支撐系統(tǒng)架構(gòu)。綜上可知,目前針對(duì)5G-R運(yùn)用質(zhì)量評(píng)估分析的研究甚少,未見對(duì)其數(shù)據(jù)源運(yùn)用、關(guān)鍵技術(shù)及架構(gòu)設(shè)計(jì)的描述或分析。

從5G-R運(yùn)用質(zhì)量分析數(shù)據(jù)源研究入手,結(jié)合劣化度分析和機(jī)器學(xué)習(xí)理論開展了運(yùn)用質(zhì)量評(píng)估分析關(guān)鍵技術(shù)研究,在歸納總結(jié)5G-R運(yùn)用質(zhì)量分析的功能需求基礎(chǔ)上,基于微服務(wù)技術(shù),設(shè)計(jì)了5G-R運(yùn)用質(zhì)量評(píng)估系統(tǒng)的架構(gòu)。

1 5G-R運(yùn)用質(zhì)量評(píng)估數(shù)據(jù)源研究

5G-R網(wǎng)絡(luò)各接口、路測(cè)、網(wǎng)管、天線姿態(tài)等數(shù)據(jù)源是網(wǎng)絡(luò)運(yùn)用質(zhì)量評(píng)估的重要輸入,是運(yùn)用質(zhì)量評(píng)估、故障預(yù)警和故障定位準(zhǔn)確與否的基礎(chǔ)和關(guān)鍵,也面臨著獲取難度大的問題。本節(jié)對(duì)5G-R運(yùn)用質(zhì)量DPI、空口、網(wǎng)管北向接口、路測(cè)、天線姿態(tài)等數(shù)據(jù)的構(gòu)成以及獲取方式進(jìn)行了深入分析。

1.1 DPI數(shù)據(jù)

深度包檢測(cè)(Deep Packet Inspection,DPI)[8-10]是對(duì)5G-R核心網(wǎng)(5GC)的主要接口信令及業(yè)務(wù)進(jìn)行采集識(shí)別,DPI數(shù)據(jù)包括生成的相應(yīng)xDR文件、原始信令文件等。xDR是從CDR(Call Detail Record,呼叫詳細(xì)記錄)延伸的概念和術(shù)語,其中x表示任意應(yīng)用,xDR表示任意應(yīng)用的詳細(xì)記錄。

采集設(shè)備從5G-R網(wǎng)絡(luò)中獲取原始數(shù)據(jù),采集接口包括信令面和用戶面兩類,見表1。

表1 5G-R DPI數(shù)據(jù)采集接口Tab.1 5G-R DPI Data acquisition interfaces

DPI設(shè)備功能結(jié)構(gòu)見圖1。并接分流采用分光器實(shí)現(xiàn),分光位置在交換機(jī)輸入或者輸出鏈路上,分光位置選取的原則是在最少的鏈路上收斂盡可能全的數(shù)據(jù)。信令面流量和用戶面流量進(jìn)入?yún)R聚分流器后,信令面根據(jù)同源同宿,分流到信令面采集機(jī)。用戶面根據(jù)同源同宿分流到用戶面采集機(jī)。采集解析設(shè)備接收流量后進(jìn)行協(xié)議解析和業(yè)務(wù)識(shí)別,分別輸出信令面xDR話單和用戶面xDR話單,在“xDR合成”模塊進(jìn)行話單的合成回填,如果有指標(biāo)統(tǒng)計(jì)需求則在“統(tǒng)計(jì)分析”模塊功能上進(jìn)行統(tǒng)計(jì)和分析。xDR輸出后,通過接口服務(wù)器上傳到應(yīng)用服務(wù)器。

圖1 DPI設(shè)備功能結(jié)構(gòu)Fig.1 Functional structure of DPI equipment

1.2 空口數(shù)據(jù)

5G-R系統(tǒng)采用雙向鑒權(quán)機(jī)制,傳統(tǒng)類似于GSM-R系統(tǒng)在開放的空口采用第三方設(shè)備進(jìn)行采樣監(jiān)測(cè)的技術(shù)在5G系統(tǒng)中實(shí)現(xiàn)難度大。鑒于此,目前公網(wǎng)運(yùn)營商采用從5G基站設(shè)備取得空口監(jiān)測(cè)數(shù)據(jù)的方式,能夠取得的空口數(shù)據(jù)見表2?？紤]5G-R無線測(cè)量和資源管理等方式與5G相同,因此該方式同樣適用于5G-R網(wǎng)絡(luò)。

表2 5G-R空口監(jiān)測(cè)數(shù)據(jù)Tab.2 5G-R air interface monitoring data

1.3 網(wǎng)管北向接口數(shù)據(jù)

5G-R系統(tǒng)網(wǎng)管子系統(tǒng)除具有傳統(tǒng)的無線配置管理、網(wǎng)管工具操作、性能指標(biāo)和告警管理功能外,為配合第三方系統(tǒng)掌握5G-R系統(tǒng)的運(yùn)行狀態(tài),網(wǎng)管系統(tǒng)應(yīng)通過北向接口提供相應(yīng)的狀態(tài)數(shù)據(jù),主要包括資源數(shù)據(jù)、性能數(shù)據(jù)、告警數(shù)據(jù)三類,網(wǎng)管北向數(shù)據(jù)見表3。

表3 5G-R網(wǎng)管北向數(shù)據(jù)Tab.3 5G-R network management northbound data

1.4 路測(cè)數(shù)據(jù)

路測(cè)數(shù)據(jù)是鐵路相關(guān)部門根據(jù)工作計(jì)劃搭載綜合檢測(cè)列車或者電務(wù)檢測(cè)車,利用通信檢測(cè)系統(tǒng)采集鐵路沿線專用移動(dòng)通信系統(tǒng)的場(chǎng)強(qiáng)、服務(wù)質(zhì)量以及應(yīng)用功能檢測(cè)指標(biāo),通過指標(biāo)是否合格判斷網(wǎng)絡(luò)是否存在異常[11-12]。經(jīng)研究,5G-R路測(cè)系統(tǒng)可提供的數(shù)據(jù)如表4所示。

表4 5G-R路測(cè)數(shù)據(jù)Tab.4 5G-R field test data

1.5 天線姿態(tài)

我國鐵路5G-R申請(qǐng)的無線頻率資源為2 100 MHz頻段2×10 MHz帶寬,較GSM-R頻段更高,電波傳播損耗加大。因此,對(duì)于基站天線的姿態(tài)更加敏感,天線姿態(tài)偏移會(huì)直接影響5G-R的無線覆蓋,進(jìn)而影響網(wǎng)絡(luò)服務(wù)質(zhì)量,傳統(tǒng)手工測(cè)量的方法無法滿足天線姿態(tài)測(cè)量的實(shí)時(shí)性和準(zhǔn)確度的要求,文獻(xiàn)[13]提出的基于視覺、衛(wèi)星定位技術(shù)的一種三維姿態(tài)測(cè)量方法,可為5G-R基站姿態(tài)三位精確姿態(tài)測(cè)量和姿態(tài)變化監(jiān)測(cè)提供技術(shù)手段,天線姿態(tài)數(shù)據(jù)也可為5G-R運(yùn)用質(zhì)量評(píng)估提供數(shù)據(jù)支撐。

2 5G-R運(yùn)用質(zhì)量分析關(guān)鍵技術(shù)研究

不同層面的鐵路管理和技術(shù)人員對(duì)于5G-R網(wǎng)絡(luò)運(yùn)用質(zhì)量關(guān)注的顆粒度不同。決策層和管理層人員關(guān)注網(wǎng)絡(luò)運(yùn)行的整體水平便于決策分析,而網(wǎng)絡(luò)維護(hù)技術(shù)人員更多地關(guān)注網(wǎng)絡(luò)運(yùn)行質(zhì)量變化趨勢(shì),便于故障的提前預(yù)警以及網(wǎng)絡(luò)出現(xiàn)異常時(shí)的故障點(diǎn)排查。為滿足決策和維護(hù)等不同人員的關(guān)注度需求,可分為2個(gè)層次進(jìn)行評(píng)估分析,基于劣化度理論得到5G-R系統(tǒng)的整體運(yùn)用質(zhì)量(健康,良好,一般,預(yù)警,故障),基于機(jī)器學(xué)習(xí)XGBoost實(shí)現(xiàn)網(wǎng)絡(luò)運(yùn)用質(zhì)量的趨勢(shì)分析和異常的定位。

2.1 基于劣化度的5G-R總體運(yùn)用質(zhì)量評(píng)估

傳統(tǒng)的設(shè)備或者系統(tǒng)的劣化度分析是將設(shè)備或系統(tǒng)細(xì)分為若干個(gè)子部件[14],進(jìn)而建立設(shè)備狀態(tài)評(píng)價(jià)集,結(jié)合各子部件的權(quán)重系數(shù),在部件級(jí)健康狀態(tài)評(píng)估的基礎(chǔ)上按隸屬度最大原則,確定設(shè)備最終的健康狀態(tài)。

5G-R系統(tǒng)龐大,其中,目前規(guī)劃的5GC網(wǎng)元有32個(gè),無線網(wǎng)BBU、RRU分布廣泛,采用傳統(tǒng)的按部件進(jìn)行分析的方式存在兩個(gè)問題,一是部件數(shù)量太大,二是各部件狀態(tài)無法直接獲取。本文研究的5種用于運(yùn)用質(zhì)量評(píng)估的數(shù)據(jù)源從不同側(cè)面反映5G-R的運(yùn)用質(zhì)量,其中DPI數(shù)據(jù)可反映5GC的各網(wǎng)元間接口信令及業(yè)務(wù)流狀態(tài),空口數(shù)據(jù)可反映無線側(cè)相關(guān)流程及狀態(tài),北向接口可以反映整個(gè)系統(tǒng)的資源、性能、告警狀態(tài),路測(cè)數(shù)據(jù)是以檢測(cè)指標(biāo)為抓手反映整個(gè)系統(tǒng)的功能、性能以及承載業(yè)務(wù)能力,天線姿態(tài)可以反映天線的俯仰角及方位角是否在合理范圍內(nèi)。提出基于上述5種數(shù)據(jù)源的健康狀態(tài){x1(t),x2(t),x3(t),x4(t),x5(t)}[15],結(jié)合各自權(quán)重,借助劣化度模糊判斷矩陣,評(píng)估5G-R網(wǎng)絡(luò)的整理運(yùn)用質(zhì)量的思路。

各數(shù)據(jù)源劣化度采用公式[16]為

(1)

式中,l為該數(shù)據(jù)源良好狀態(tài);m為該數(shù)據(jù)源極限狀態(tài);s為該數(shù)據(jù)源當(dāng)前實(shí)際狀態(tài);n為常數(shù)。

各類數(shù)據(jù)源在進(jìn)行整體健康狀態(tài)判斷時(shí)的權(quán)重按專家打分的方式給出權(quán)重矩陣為

W={WDPI,W空口,W北向,W路測(cè),W天線姿態(tài)}

(2)

5G-R運(yùn)用質(zhì)量整體健康判斷結(jié)果向量包括5種結(jié)果,作為備選判斷結(jié)果的集合為

S={S健康,S良好,S注意,S惡化,S故障}

(3)

借助模糊數(shù)學(xué)理論建立評(píng)判模糊矩陣為

權(quán)重矩陣與判決模糊矩陣相乘即可得到整體運(yùn)用質(zhì)量的最大隸屬度判斷結(jié)果為

R整體質(zhì)量=W×R

(5)

下面進(jìn)行舉例計(jì)算。設(shè)定五類數(shù)據(jù)源根據(jù)式(1)計(jì)算得到的當(dāng)前劣化度為

K={0.21,0.32,0.22,0.24,0.19}

采用嶺形分布計(jì)算各健康等級(jí)隸屬度具有明顯優(yōu)勢(shì),公式如下[14]

(6)

(7)

(8)

(9)

(10)

利用式(6)～式(10)計(jì)算得到模糊矩陣如下

專家打分給出權(quán)重矩陣如下

W={0.3,0.25,0.12,0.25,0.08}

利用式(5)計(jì)算整體質(zhì)量隸屬度向量為

{0.004 0, 0.844 7, 0.151 3,0,0}

根據(jù)隸屬度最大原則,該向量中第二個(gè)分量0.844 7最大。因此,此時(shí)5G-R系統(tǒng)屬于“良好”狀態(tài)。

2.2 基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)異常檢測(cè)與故障定位

為滿足運(yùn)維技術(shù)人員對(duì)于異常檢測(cè)和故障定位的需求,需研究相應(yīng)的算法模型。異常檢測(cè)是通過訓(xùn)練模型來尋找不符合預(yù)期行為的數(shù)據(jù)異常點(diǎn)。由于異常檢測(cè)是針對(duì)小概率事件,且數(shù)據(jù)集存在極大的非均衡性,因此,需要使用集成學(xué)習(xí)模型或深度學(xué)習(xí)模型等魯棒性相對(duì)較高的模型。深度學(xué)習(xí)模型參數(shù)多,需要海量的數(shù)據(jù)進(jìn)行訓(xùn)練,且訓(xùn)練周期相對(duì)較長,并不適合本文研究的領(lǐng)域。因此,本文選用了在異常檢測(cè)領(lǐng)域應(yīng)用較多的集成學(xué)習(xí)模型XGBoost[17]。XGBoost是一種基于決策樹的集成機(jī)器學(xué)習(xí)算法,具有魯棒性強(qiáng)、準(zhǔn)確度高、不容易過擬合等優(yōu)點(diǎn)[18]。其原理主要是通過多個(gè)分類器的結(jié)果相加獲取最終的預(yù)測(cè)值,每一次訓(xùn)練的弱分類器用來擬合當(dāng)前預(yù)測(cè)值與真實(shí)值的殘差。其目標(biāo)函數(shù)如下

(11)

通過式(11)計(jì)算Lt只要達(dá)到最小就可以判定目標(biāo)函數(shù)達(dá)到模型收斂。

基于XGBoost的異常檢測(cè)與故障定位流程見圖2。

在周期性模型訓(xùn)練階段,為提高模型準(zhǔn)確率,需充分了解數(shù)據(jù)特征,因此,有必要先對(duì)DPI、空口、網(wǎng)管北向接口、路測(cè)、天線姿態(tài)這五種數(shù)據(jù)進(jìn)行探索性(EDA)數(shù)據(jù)分析。EDA數(shù)據(jù)分析主要有以下作用。

(1)查缺補(bǔ)漏,處理數(shù)據(jù)當(dāng)中的缺失值。例如在路測(cè)時(shí),由于人為因素或設(shè)備因素導(dǎo)致數(shù)據(jù)缺失,使用均值替換的方式彌補(bǔ)缺失值。

(2)分析不同特征的異常相關(guān)性,預(yù)先判斷影響異常檢測(cè)模型的重要特征,并與實(shí)際業(yè)務(wù)關(guān)聯(lián),為故障定位提供參考。

(3)多源數(shù)據(jù)處理后不同特征下的數(shù)值數(shù)量級(jí)差距較大,需要對(duì)其進(jìn)行歸一化處理,提高特征純度。

根據(jù)分析結(jié)果進(jìn)行特征工程建模,從而有效地提取數(shù)據(jù)特征。將數(shù)據(jù)特征輸入XGBoost模型中進(jìn)行訓(xùn)練,以此得到用于實(shí)時(shí)預(yù)測(cè)的異常檢測(cè)模型和模型針對(duì)當(dāng)前數(shù)據(jù)給出的特征重要性排序,為網(wǎng)絡(luò)趨勢(shì)分析和故障定位提供較為準(zhǔn)確的參考依據(jù)。

在實(shí)時(shí)預(yù)測(cè)階段,實(shí)時(shí)數(shù)據(jù)會(huì)以消息隊(duì)列形式輸入。首先系統(tǒng)對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)處理,將預(yù)處理結(jié)果輸入預(yù)測(cè)模型中,預(yù)測(cè)模型對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)測(cè),判斷是否出現(xiàn)異常。若模型判斷異常,則根據(jù)特征重要性依次進(jìn)行故障預(yù)警確認(rèn)或故障定位,并結(jié)合專家經(jīng)驗(yàn)完成預(yù)警或者故障處理。

3 基于微服務(wù)的系統(tǒng)架構(gòu)設(shè)計(jì)

微服務(wù)將應(yīng)用拆分多個(gè)小型服務(wù),每個(gè)小型服務(wù)有自己的進(jìn)程,微服務(wù)之間采用輕量級(jí)機(jī)制(API)進(jìn)行通信。作為一種系統(tǒng)研發(fā)和部署方式,微服務(wù)具有配置簡(jiǎn)單、開發(fā)快速和易于部署的特點(diǎn)[18]。而5G-R運(yùn)用質(zhì)量評(píng)估系統(tǒng)結(jié)構(gòu)復(fù)雜,采用微服務(wù)架構(gòu),可大大提升系統(tǒng)的開發(fā)效率和可擴(kuò)展性。

3.1 5G-R運(yùn)用質(zhì)量評(píng)估功能設(shè)計(jì)

運(yùn)用質(zhì)量評(píng)估系統(tǒng)可以實(shí)現(xiàn)5G-R網(wǎng)絡(luò)運(yùn)用質(zhì)量的趨勢(shì)分析以及出現(xiàn)故障時(shí)的問題分析和定位,此外結(jié)合5G-R專網(wǎng)的特點(diǎn),運(yùn)用質(zhì)量評(píng)估系統(tǒng)需要解決的問題包括基于云服務(wù)化架構(gòu)NFV模式下故障網(wǎng)元的定位、端到端切片故障的故障點(diǎn)定位等。歸納功能清單如表5所示。

表5 5G-R運(yùn)用質(zhì)量評(píng)估功能設(shè)計(jì)Tab.5 Function design of operation quality evaluation for 5G-R

3.2 運(yùn)用質(zhì)量評(píng)估系統(tǒng)架構(gòu)設(shè)計(jì)

5G-R運(yùn)用質(zhì)量評(píng)估系統(tǒng)需要滿足國鐵集團(tuán)、局集團(tuán)公司、站段工區(qū)等三級(jí)業(yè)務(wù)及管理需要。為更好適應(yīng)該系統(tǒng)的實(shí)際需求,運(yùn)用質(zhì)量評(píng)估系統(tǒng)把數(shù)據(jù)收集和處理、業(yè)務(wù)服務(wù)軟件架構(gòu)分開設(shè)計(jì)。

3.2.1 以業(yè)務(wù)服務(wù)為核心的業(yè)務(wù)功能架構(gòu)設(shè)計(jì)

5G-R運(yùn)用質(zhì)量評(píng)估系統(tǒng)業(yè)務(wù)架構(gòu)分為前端展示層、核心功能層、數(shù)據(jù)存儲(chǔ)層(圖3),其中核心功能層采用SpringCloud微服務(wù)架構(gòu)[19],國鐵集團(tuán)和各鐵路局根據(jù)需要可獨(dú)立部署公共功能,也可根據(jù)國鐵集團(tuán)和各鐵路局的個(gè)性化需求,單獨(dú)訂制開發(fā)個(gè)性化功能。同時(shí),國鐵集團(tuán)和各路局之間在完成安全認(rèn)證下可實(shí)現(xiàn)數(shù)據(jù)的共享。站段工區(qū)隸屬于鐵路局,通過路局系統(tǒng)的角色定義,實(shí)現(xiàn)自己的業(yè)務(wù)功能。

圖3 業(yè)務(wù)功能架構(gòu)Fig.3 Service and function architecture

業(yè)務(wù)架構(gòu)的數(shù)據(jù)功能是通過調(diào)用大數(shù)據(jù)平臺(tái)的API完成數(shù)據(jù)分析、訂閱、共享。

運(yùn)用質(zhì)量評(píng)估系統(tǒng)的核心功能包括總體評(píng)價(jià)、故障預(yù)警、故障定位、輔助功能均拆分的獨(dú)立微服務(wù),可單獨(dú)開發(fā)和部署。其中總體評(píng)價(jià)和故障預(yù)警、定位采用第2章中設(shè)計(jì)的算法和流程。各服務(wù)通過Eureka注冊(cè)中心完成服務(wù)注冊(cè)和發(fā)現(xiàn),通過Feign實(shí)現(xiàn)遠(yuǎn)程服務(wù)調(diào)用,借助Ribbon完成服務(wù)調(diào)用的負(fù)載均衡,通過Hystrix實(shí)現(xiàn)分布式服務(wù)的熔斷器,保證服務(wù)調(diào)用失敗時(shí)不會(huì)出現(xiàn)整體服務(wù)故障,避免服務(wù)雪崩,提高系統(tǒng)的彈性和可靠性。

3.2.2 以數(shù)據(jù)服務(wù)為核心的數(shù)據(jù)平臺(tái)架構(gòu)設(shè)計(jì)

運(yùn)用質(zhì)量評(píng)估系統(tǒng)大數(shù)據(jù)架構(gòu)[20]分為數(shù)據(jù)收集層、數(shù)據(jù)存儲(chǔ)層、數(shù)據(jù)分析層、數(shù)據(jù)中臺(tái)層,如圖4所示。

圖4 大數(shù)據(jù)平臺(tái)軟件架構(gòu)Fig.4 Software architecture of Big-data platform

數(shù)據(jù)收集層對(duì)DPI數(shù)據(jù)、空口數(shù)據(jù)、網(wǎng)管北向數(shù)據(jù)、路測(cè)數(shù)據(jù)、天線姿態(tài)數(shù)據(jù)收集,對(duì)數(shù)據(jù)分成實(shí)時(shí)數(shù)據(jù)和批量上傳數(shù)據(jù),分別進(jìn)行數(shù)據(jù)清理、校驗(yàn)。

數(shù)據(jù)存儲(chǔ)層分為批量數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù),批量數(shù)據(jù)為非實(shí)時(shí)數(shù)據(jù),直接存儲(chǔ)在HDFS分布式文件系統(tǒng)中。實(shí)時(shí)數(shù)據(jù)通過Kafka分布式消息系統(tǒng)處理,存入HBase或數(shù)據(jù)緩存中。

數(shù)據(jù)分析層利用大數(shù)據(jù)處理的各種算法,進(jìn)行數(shù)據(jù)查詢、分析和處理。

數(shù)據(jù)中臺(tái)層完成數(shù)據(jù)平臺(tái)的數(shù)據(jù)管理、集群配置、租戶管理、安全管理等功能。

數(shù)據(jù)平臺(tái)架構(gòu)設(shè)計(jì)充分考慮了業(yè)務(wù)功能架構(gòu)需求,并在數(shù)據(jù)分析層嵌入了本文提出的劣化度和機(jī)器學(xué)習(xí)等相關(guān)算法,實(shí)現(xiàn)了整個(gè)鐵路5G-R運(yùn)用質(zhì)量評(píng)估系統(tǒng)架構(gòu)的數(shù)據(jù)底座。

4 結(jié)語

5G-R網(wǎng)絡(luò)作為我國智能鐵路架構(gòu)中“智能傳輸層”的重要組成部分,其泛在互聯(lián)和可靠傳遞屬性的實(shí)現(xiàn)直接關(guān)系到智能鐵路的高質(zhì)量發(fā)展,將在我國智能鐵路體系架構(gòu)2.0中發(fā)揮重要作用,而5G-R運(yùn)用質(zhì)量評(píng)估技術(shù)的研究,有利于更好地提升5G-R系統(tǒng)的運(yùn)用、維護(hù)技術(shù)水平。針對(duì)鐵路5G-R運(yùn)用質(zhì)量評(píng)估開展研究,主要結(jié)論如下。

(1)深度剖析了作為評(píng)估輸入的DPI、空口、NMS北向接口、路測(cè)、天線姿態(tài)等主要數(shù)據(jù)構(gòu)成和特點(diǎn),并對(duì)各類數(shù)據(jù)的獲取方式進(jìn)行了介紹。

(2)為滿足不同層面的鐵路通信管理和維護(hù)人員的需求,分層對(duì)5G-R運(yùn)用質(zhì)量進(jìn)行評(píng)估。一方面針對(duì)管理層對(duì)5G-R健康狀態(tài)整體把控的需求,利用劣化度理論提出了5G-R整體運(yùn)用質(zhì)量的評(píng)估算法;另一方面針對(duì)運(yùn)維技術(shù)人員對(duì)于網(wǎng)絡(luò)運(yùn)行趨勢(shì)分析和故障定位的需求,利用機(jī)器學(xué)習(xí)算法,結(jié)合本文提出的多源數(shù)據(jù),提出了相應(yīng)分析流程。

(3)對(duì)5G-R運(yùn)用質(zhì)量評(píng)估系統(tǒng)進(jìn)行功能設(shè)計(jì),充分考慮了5G-R基于云服務(wù)化架構(gòu)NFV模式下故障網(wǎng)元的定位、端到端切片故障的故障點(diǎn)定位等需求并進(jìn)行了功能設(shè)計(jì)。系統(tǒng)架構(gòu)方面的工作主要包括基于大數(shù)據(jù)的數(shù)據(jù)清洗、存儲(chǔ)、分析、配置以及基于Spring Cloud微服務(wù)的業(yè)務(wù)核心功能模塊設(shè)計(jì)。

后續(xù)可進(jìn)一步完善相關(guān)算法,用于5G-R運(yùn)維支撐系統(tǒng)的研發(fā),與此同時(shí),也可在目前的裝備研發(fā)階段對(duì)5G-R系統(tǒng)裝備廠家提出相應(yīng)北向接口運(yùn)維數(shù)據(jù)配合需求,提前布局,保障后續(xù)研發(fā)的順利進(jìn)行。