基于重点端到端业务的网元感知画像算法研究

基于关键端到端业务的网元感知画像算法研究成功率、建立时延等传统KPI基本可以反映用户是否能成功接入网络，但无法判断用户的业务流程是否顺畅和体验很好。业务的复杂性要求运营商通过提高终端的业务感知来优化网络和提供业务。1、现有技术方案目前，数据端到端的服务感知保障是基于统一的KQI感知退化指标阈值。对识别出的感知退化点进行标定后，以无线小区为单位进行聚类，然后进行无线处理。具体方案如下：感知指标及阈值的确定：根据省内各种端到端业务流量确定关键业务，根据日常用户行为确定关键感知指标KQI，确定KQI感知经过大量业务拨号测试后的降级阈值；边界法：针对识别出的感知劣化点，通过TCP相关的时延指标对无线侧进行划界。无线问题定位法：针对感知到的劣化点划定为无线原因，以无线小区为单位进行聚合，从而解决无线质量差的问题。2、现有技术的不足现有固定的端到端服务感知劣化KQI阈值不能真实反映用户端到端的服务特性和变化规律，与无线质量问题相关度低，不能真实反馈客户的差异化服务需求和感知变化。本应用提案提出客户服务感知特征识别算法，融合核心网XDR数据、B域客户价值信息、无线侧性能/告警数据，通过动态感知监测阈值识别客户差异化业务需求和感知差距。特征，结合客户价值和贬损信息，对每个社区进行评分，从而提供准确优质的网络服务，提升用户体验，提升移动品牌形象。3创新技术方案本技术方案设计无线小区端到端业务特征算法、子小区用户特征方案、数据端到端业务感知退化动态阈值算法，实现精准定位追溯问题根源，确保资源优先投入，问题快速解决，确保客户感知的高效提升。3.1技术方案总体结构3.2无线社区端到端业务特征算法结合我省业务特点，视频、网页浏览、即时通讯、游戏四大类和TOP手机选取项下的互联网服务作为研究对象，从横向、纵向和劣化三个维度综合得到无线小区得分：横向：确定小区的主要服务特性，四种类型的占比小区内业务流量占小区总流量的比例；vertical：定位cell在全网的权重，cell中四种业务流量占在线视频、网页、即时通讯、游戏的平均业务量的比例；退化：根据如下确定的KQI和阈值，分别判断社区是否存在感知退化，若存在则为1；社区特征识别：四种业务特征，分别为视频、页面、即时通讯（IM）、游戏，i=1.2.3.4；判断标准：社区i业务标签：当i业务特征*业务权重*业务降级值满足如下橙色栏时，加入社区i业务标签；3.3无线小区用户特征利用B域的高价值客户信息和端到端业务数据预测的潜在不满意客户信息，为无线小区建立用户特征标签；高价值用户：利用B域数据中的用户ARPU值，确定社区中ARPU≥50的用户数；贬损用户预测：利用大数据深度关联技术，识别掉线、打不通、连接慢、掉线、间歇性吞字、网页打开慢、视频播放卡顿等不满意或质量差或抱怨的用户及其常驻活跃区域(POIs)由于手游不顺畅，实战不畅，针对业务、不同场景、不同网元进行跨域多维聚合分析，采用TCP/RTP定界技术，实现不良用户和问题定界。贬损指标及劣质问题精准定位：基于xDR+MR/CHR关联分析定位贬损或劣质用户群体，匹配华为精准定位算法，实现全面精准识别劣质问题，高效引导优化.最终形成如下三类标签：3.4感知退化动态阈值算法针对视频、网页浏览、即时通讯、游戏四大类目，以及item下的TOP移动互联网服务，基于移动通信技术和信令原理的理论基础，结合客户体验感知，通过模拟用户使用测试APP服务质量，分析研究影响端到端感知质量的因素，确定以下12个最接近客户感知的KQI，以评估日常生产工作的有效性和客户感知的改善具体如下：确定了12个感知指标：?影响客户感知的KQI阈值判断静态阈值是根据选定的12个指标，利用现有的DPI数据采集平台采集businessKQI以全网用户XDR账单为基础，利用正态分布函数计算各指标的平均值u和标准差σ，结合概率分布规律选取比平均值差15%的指标，即即，分布在(-∞,u-σ)或(u+σ,+∞)的值即为退化值，具体算法如下；正态分布概率分布：KQI退化阈值动态阈值方案说明：基于每小时全网小区各指标的历史30天XDR和PM数据，通过机器大数据学习，输出动态阈值和KQI/KPI每个社区的相关知识库。提供全网小时级准实时监控和日粒度趋势分析两类体验管理功能。实时数据通过KQI、KPI关联知识库与告警关联，关联结果辅助网优工程师定位问题，闭环。核心能力：（1）大数据学习，全网社区30天历史数据（N指标*20万*30天*24小时=N*1.44亿数量级）。(2)社区的动态阈值，PAM聚类算法将指标分布特征相似的矩分成一组，有2-6类，每个社区都有自己的动态阈值，比传统的早上/晚上繁忙时间。精细更准确。(3)KQI&KPI关联知识库，同时检测每小时异常KQI和异常KPI，通过机器智能FP-Growth频繁项??集挖掘算法形成KQI&KPI关联知识库，用于KQI实时关联异常KPI监控与引导体验指标分析与优化。KQI和KPI指标结合用于异常检测。当KQI指标满足异常检测规则且KPI指标同时满足异常检测规则时，为异常事件。以下是定义页面、视频、网页、IM和游戏的动态阈值的原则。动态阈值学习规则：KQI异常规则同时满足：（指标越大越差>max()；指标越小越差max(periodthreshold_minuteQuantity,fulltimethreshold,sub-periodthreshold_average+2*period-periodstandarddeviation)指标越小越差："KQIindex"全时段阈值KQI指标差话单占比or"KQI指标差话单占比">全时段阈值KQI指标差分用户占比"KQI指标"差用户数">各时段KQI指标差用户数"KQI指标差来电数">各时段KQI指标差来电单数通过横向和垂直比较ca计算，评估不同服务在社区中的权重和在整个网络中所占的比例，从而输出社区的服务特征得分；社区的用户特征结合高价值（ARPU≥50）用户数和贬损预测用户数，确定社区特征标签的用户。感知退化动态阈值算法利用机器大数据学习，输出差异化的感知退化预警阈值，更贴近实际客户感知。5方案生产应用针对日常业务感知监测识别出的劣化/劣质社区，设计如下评分算法对社区进行全网打分和画像。对监测到的感知退化、质量差的社区进行优先级判断，最终生成客户感知社区。优先工单引导，确保问题社区高效闭环，提升客户感知。基于数据端到端服务的网元画像算法，改变原有的固定阈值，通过历史数据学习，实现感知退化阈值的准确判断和当前周期退化点的识别，提升能量问题处理的效率；本研究首次整合网元关键业务特征，将高价值用户数和潜在贬损用户数三类特征标签，形成网元感知画像，有效支撑有针对性的日常生产;制定优先级规则，确保对严重影响客户感知的重要问题优先处理并快速关闭，从而保证客户感知。