2017, Vol. 33 
2. 广西高校并行与分布式计算技术重点实验室，广西南宁 530004
2. Guangxi Colleges and Universities Key Laboratory of Parallel and Distributed Computing Technology, Nanning, Guangxi, 530004, China
【研究意义】随着移动通信业的飞速发展，移动电话用户数量大幅增长，手机上网已成为人们获取信息、沟通交流的重要手段。随着智能手机用户的不断增加，日益增多的上网客户投诉将使移动通信业运营商面临压力和挑战。传统的网络关键性能指标 (Key Performance Indicators, KPI) 已经不能准确反映用户上网感知，因为现有的支撑工具仅能从核心网层面监测网络运行状态，对于客户端到端感知的监控存在盲区。客户投诉难定位、投诉现象难复现、投诉发生时信令难回溯将成为投诉处理过程中的难点问题[1]。基于设备的KPI的评价体系具有一定的局限性，已经不能适应网络和业务发展的需求，基于用户感知的评价体系将会是未来业务优化的发展方向。【前人研究进展】当前主流的基于用户感知的网络评价主要是从QoE-KQI/KPI映射分解出发，对网元的KPI统计进行优化[2]。主要有以下3种方法：一是通过设计性能测量手段 (如MR覆盖统计、语音MOS分测量等) 对网元的KPI体系进行扩展，克服传统KPI大粒度统计带来的均化与淹没效应，从而发现对KQI感知欠佳的少部分用户[3]；二是从网络性能NP提炼出KPI，然后通过映射模型实现从KPI到KQI的映射，最后通过对各种业务KQI的加权计算，来获得具体业务的用户QoE值[4]；三是采用闭环系统分类和处理投诉信息，利用数据挖掘技术将投诉文本映射成特征词的集合，通过特征词集合找到投诉信息描述相似的群体性事件，进而发现热点问题、热点投诉事件。一些研究人员采用信令分析的方法，将信令监测数据应用在无线网络质量分析、网络优化以及用户的上网投诉之中，为手机上网业务的网络优化提供了切实有效的新思路[4-8]。刘瑞娜[4]采用机器学习的方法，设计出一个从海量数据中查出其中的某一类型的数据，并从各个角度去考查投诉数据多个方面的个性化系统模型，对选择的样本进行自动分类、自动聚类，从而方便对热点问题挖掘，群体事件等正确性的验证。陈平等[5]基于信令监测系统结合客户感知，从接入性、保持性、完整性等多维度进行用户感知分析；朱涛等[6]通过A+Abis接口的联合信令采集进行信令协议解码，结合网络性能统计和测量报告数据分析用于网络优化；杨爽[7]通过Gb/Iu-PS接口的信令采集，建立数据业务模型以了解用户感知；安婧[8]提出了一种信令监测系统具体跟踪处理方法，从核心网的角度做了归纳分析，以处理网络用户的日常问题和业务质量投诉。黄国文等[9]通过层次分析法和神经网络算法的计算，逐步得出量化的值来评估WLAN网络的好坏和用户使用的满意度的评估算法，整合了一套使用6个影响用户使用感知的关键指标的新评估方案。Rezaei-moghaddam等[10]采用层次分析法对网络质量进行多重方法评估；Yeung等[11]则在层次分析法的基础上开发出一种名为JHPeer的混合P2P的环境感知架构，用以改善移动用户的感知。赵飞龙等[12]和龙雯雯[13]采用数据挖掘算法分析和预测用户投诉行为，运用OLAP、BP神经网络技术挖掘出影响用户投诉的关键因素，建立了用户投诉的预测模型。但该预测模型有一定的局限性，神经网络算法的单一性使得算法相对简单；同时，在对用户投诉原因的分析上，只是停留在数据层面，缺乏实证数据。综上所述，当前应对用户投诉的处理手段以关键性能指标 (KPI) 的确定为主，进而加权运算，得出具体业务的用户QoE值，最终实施网络质量的优化，提升用户的感知度。【本研究切入点】拟建立一套业务使用投诉系统，通过链路分光、TAP等方式完成POOL3内所有SGSN的Gb、IuPS接口数据的采集，然后进行协议分析、事件合成与关联，完成CDR数据和统计汇总数据的保存，实现业务相关的计算，把计算结果展现出来。功能包括指标计算、统计汇总、实时告警等网优相关功能的计算。【拟解决的关键问题】对中国移动深圳分公司的POOL3 Gb、IuPS接口数据进行采集与分析，以POOL3作为数据采集范围，通过链路分光、TAP等方式完成POOL3内所有SGSN的Gb、IuPS接口数据的采集；对采集到的接口数据进行实时汇总和分析，建立客户上网感知系统，监控客户上网感知；从数据中挖掘网络隐患，对客户投诉进行信令回溯和分析，达到降低客户投诉，提升数据业务感知的目的。
1 系统总体结构设计系统主要应用在日常的网络监控和用户投诉处理上，系统通过对移动互联网业务数据的分析，监控网络流量及业务分布情况，精准统计2G/3G用户及流量分布，评估每个用户的业务体验，测量每次会话的业务品质。为此，本研究将系统的功能模块划分如图 1所示。
|
图 1 总体功能结构 Fig.1 System function chart |
系统主要包括投诉处理、网络质量监控、自动告警及系统管理4大功能模块，投诉处理子系统包括投诉倾向分析和日常投诉处理两大功能；网络质量监控子系统实现对网络层面和用户层面相关指标按一定的时间粒度 (如5 min、15 min等) 进行实时监控；自动告警功能支持用户自定义各项KPI的告警阀值，当任意一组KPI超过阀值后，系统产生告警，并可以通过短信、E-mail通知监控人员。
2 网络质量监控指标系统的设计网络质量监控主要从网络质量分析、业务接入性能、综合指标3方面进行监控，其中，网络的质量分析主要在网络接入性和网络保持性两方面进行，指标监控的网元维度包括SGSN (Serving GPRS Support Node)、BSC (Base Station Controller)、LAC (Location Area Code)、LAC_CI (Location Area Code_Cell ID)。系统选取的网络质量监控的KPI如表 1所示。
 |
表 1 网络监控相关的KPI Table 1 KPI term of network monitoring |
指标的查询分析可实现对Gb接口控制面事件 (如附着、PDP激活、路由区更新、寻呼、小区重选) 的请求次数、成功次数、成功率、时延等进行查询，并可下载指标报表。
在综合指标查询功能中，用户可以对网元、用户、终端、TD质量差小区、手机用户综合下载速率及TD用户下载速率进行查询。系统提供对接入的终端、数据流等进行汇总和分析，分析不同业务的流量、流量占比，上下行速率、平均速率及成功率等情况。
3 投诉处理系统的设计 3.1 投诉倾向分析投诉倾向分析主要应用于预防用户的投诉，诊断出体验较差的网络指标，进而对焦点小区和用户进行统计汇总，在用户投诉前进行相应的故障排除和优化处理。该功能分为用户侧和网络侧的诊断。
3.1.1 用户端的投诉倾向诊断分析用户端的投诉倾向诊断分析是从用户的角度，对附着、激活、时延等指标进行诊断分析，并统计出潜在的投诉用户，当用户的某些指标达到一定的阀值，则界定这些用户具有投诉的倾向。根据对以往投诉原因的统计，确定如下用户为潜在的投诉用户：
1) 连续3次Attach失败的用户；
2) 连续3次激活PDP失败的用户；
3) Attach时长大于10 s的用户；
4) 激活PDP时长大于6 s的用户；
5) wap connect时长大于6 s的用户；
6) HTTP/WAP Get/Post时长大于10 s的用户。
3.1.2 网络端的投诉倾向诊断分析网络端的投诉预防处理主要是通过对系统采集的信令数据进行评比打分，然后根据得分情况来考虑如何预防投诉和降低投诉量，是一个“面-线-点”的处理过程。具体的处理流程如下：首先对所有采集数据进行信令得分评比，采用TOP N方法，找出各时段最差得分的基站控制器 (BSC)、无线网络控制器 (RNC)，再从BSC、RNC中找出得分最低的TOP小区，然后通过这些TOP小区的信令得分关联指标，提前找出问题，解决这部分有问题小区，从而达到投诉预防的目的。
在采集的信令中，包含了全网的性能指标，有些指标对于本系统作用不大，因此要对信令指标进行筛选。在网络的信令性能中，依据其重要性，选取了如下指标进行评分：终端接入能力、PDP激活成功率、PDP激活时延、RAU成功率、TCP上行重传率、TCP下行重传率、IP上行分片率和IP下行分片率。BSC和RNC再根据时间粒度，对网络的信令性能进行评分，然后筛选出得分差的小区，得分差的小区则具有投诉的倾向。
表 2是对信令的KPI进行计算，得出各项业务的感知得分，其中终端接入能力、PDP激活时延均是从Gb口监测的信令中获取相关指标；权重值设定原则为终端接入能力和PDP激活成功率相对于其它的指标更加贴近用户感知。因此这两项指标的权重比较大。信令性能评估的通用公式为
|
表 2 信令性能系统及得分函数 Table 2 Signaling properties and score function |
| $ {\rm{Eva}}\left( x \right) = \sum\limits_{i \in l\left( x \right)} {E\left( i \right) * W\left( i \right)}, $ | (1) |
式中，x表示某项业务，Eva (x) 为业务x的评估得分；E (i) 表示业务i的得分，W (i) 为指标i的权重，不同的KPI其得分和权重会有所差异。业务的最终得分是所有感知KPI得分取加权平均后得到。表 2中的各项参数的计算公式如下：
| $ {\rm{PDP}}激活成功率={\rm{PDP}}激活成功次数/总尝试\\次数*100%，$ | (2) |
| $ {\rm{RAU}}成功率=收到下行“{\rm{RAU Accept}}”次数/\\收到上行“{\rm{RAU Request}}次数”*100%，$ | (3) |
| $ {\rm{TCP}}上行重传率=上行{\rm{TCP}}包重传个数/上\\行{\rm{TCP}}包总个数*100%，$ | (4) |
| $ {\rm{TCP}}下行重传率=下行{\rm{TCP}}包重传个数/下\\行{\rm{TCP}}包总个数*100%，$ | (5) |
| $ {\rm{IP}}上行分片率=上行{\rm{IP}}包分片个数/上行{\rm{IP}}\\包总数*100%，$ | (6) |
| $ {\rm{IP}}下行分片率=下行{\rm{IP}}包分片个数/下行{\rm{IP}}\\包总数*100%。$ | (7) |
根据公式 (1)，信令性能整体得分的计算公式如下：
| $ 信令性能整体得分=终端接入能力*0.2+\\{\rm{PDP}}激活时延*0.1+{\rm{PDP}}激活成功率*0.2+\\{\rm{RAU}}成功率*0.1+{\rm{TCP}}上行重传率(带负荷)*\\0.1+{\rm{TCP}}下行重传率(带负荷)*0.1+{\rm{IP}}上行分\\片率*0.1+{\rm{IP}}下行分片率*0.1。$ | (8) |
从公式 (8) 可以看出，信令性能整体得分主要由业务的KPI得分及其权重决定，对于所有KPI得分取加权平均后得到该业务的最终得分。从表 2中可知，各业务的信令权重分别为0.2，0.1，0.2，0.1，0.1，0.1，0.1，0.1，其中各信令权重总和满足此条件：信令权重总和=0.2+0.1+0.2+0.1+0.1+0.1+0.1+0.1=1.0。
3.1.3 信令得分最差小区的筛选利用堆算法的统计TOP N小区，筛选出信令得分最差的10个小区。在海量数据中找出信令得分最差的前N个数，可以使用堆的算法进行实现。TOP N算法的思路：首先遍历数列中的n个数，用这n个数构建最大堆，有n1 < n2 < … < min (min为顶堆，是堆中的最大元素)。继续遍历数列中的n+1个元素x，将x与堆顶元素比较，如果x < min，更新堆，否则继续遍历，最后堆中存储的就是最小的N个元素。
3.2 日常投诉处理投诉分析的处理思路：通过对移动公司之前几个月的历史投诉数据的分析，找出历史投诉的地理分布、原因分布和投诉率变化趋势，再结合投诉处理系统分析当前用户投诉原因，以消灭最差为目的 (即优先处理重点、热点区域)，经一系列的问题分析、优化验证，整理出一套优化思路。图 2给出了投诉分析的流程图。
|
图 2 投诉处理的流程 Fig.2 Complaint analysis flow |
从图 2可以看出，系统采取的降低投诉的流程为通过筛选最差投诉热点区域的方式，结合投诉端到端关联系统和网络质量提升端到端系统，充分解决重点差区域的网络问题，实现“投诉-优化-验证-解决”的闭环流程。
4 实例分析以某个用户投诉处理的详细过程为例，说明投诉处理的测试结果。首先对投诉用户139****3120在投诉时间段上网情况进行信令分析，通过本研究系统的分析可以看到该用户在投诉时间段的上网流程及其所归属小区信息，用户投诉时间段在17:00—23:00，通过对该时段进行深入分析，可以得到如图 3的信令分析结果。
|
图 3 具体用户的信令分析 Fig.3 Signaling analysis of specific user |
从图 3中可以得到，该用户从17:00到23:00上网的基本信息，如一次Attach失败，4个时间段7次无线掉话，一次WAP网关响应超时、下载速率及时延较低等信息，并且失败的时间点与投诉时间点相吻合，主要集中在晚忙 (19:00-23:00) 时。
通过网关系统提取该小区24 h KPI进行验证分析，结果如表 3所示。
|
表 3 小区24 h KPI Table 3 KPI of cell in 24 hours |
从表 3中可以看到，该小区在晚忙时各项KPI较闲时有明显的变化，具体如TBF复用度增加、PDCH分配成功率降低、下行TBF建立成功率的降低和数据重传的增加等，所以我们最后把问题定位在该小区在忙时段由于PDCH信道资源的不足导致用户使用感知的降低，从而引起投诉。
问题定位：通过系统的智能诊断可以看到，该小区传输性能正常、无线质量正常，该小区问题主要集中在无线资源方面，数据业务与话语业务资源的冲突导致数据业务上网感知得到了影响，问题定位在忙时由于话务较高，且存在语音信道抢占数据信道的现象，导致客户上网感知较慢、无法打开网页等情况。
对系统的性能和功能进行测试的结果表明，本研究设计实现的网络质量监控系统可以快速地感知客户上网的情况，方便管理人员对网络性能进行监控，对客户投诉及时给出信令回溯和分析，快速解决投诉问题。系统测试结果验证了系统的可行性。
5 结语从系统运行的结果来看，本系统基本达到了预定的效果。但是，对网络投诉的处理和网络质量的监测，在网络通信领域的研究还是没有本质上的突破与进展，基本上还是依赖外场测试、信令采集分析、网络告警信息等手段。随着4G时代的到来，业界的研究热点已向B3G/4G转移，未来网络采用基于全IP的新型架构和传输承载技术，将是一个高性能、易管理、低成本的综合网络，可承载各种数据业务以及语音、视频等实时多媒体业务的同时，还会不断涌现新型的宽带业务。因此，未来研究方向应该是研发出一个实时、智能、综合的网络监测系统，这在保障网络业务的正常运行方面显得尤为重要。
| [1] |
BETTA G, CAPRIGLIONE D, FERRIGNO L, et al. A measurement-driven approachto assess power line telecommunication (PLT) network quality of service (QoS) performance parameters[J]. Measurement Science and Technology, 2009, 20(10): 105101. DOI:10.1088/0957-0233/20/10/105101 |
| [2] |
何廷润. 3G优化:向基于用户体验全面提升[J]. 移动通信, 2011, 35(1): 14-17. HE T R. 3G optimize_Comprehensive promotion based on the user experience[J]. Mobile Communication, 2011, 35(1): 14-17. |
| [3] |
位莅, 吕雪峰, 王治国. TD-SCDMA客户感知评估体系研究[J]. 移动通信, 2011(3/4): 58-65. WEI L, LV X F, WANG Z G. Reserch on TD-SCDMA customer perception evaluation system[J]. Mobile Communication, 2011(3/4): 58-65. |
| [4] |
刘瑞娜. 基于投诉业务流的KPI设计与应用[D]. 北京: 北京邮电大学, 2013. LIU R N.The design and application of KPI based on the complaints service flow[D].Beijing:Beijing University of Posts and Telecommunications, 2013. |
| [5] |
陈平, 郭兰珂. 基于信令分析的网络优化新方法[J]. 中国新通信, 2013(20): 118-119. CHEN P, GUO L K. A new method of network optimization based on signal analysis[J]. China New Communication, 2013(20): 118-119. |
| [6] |
朱涛, 张丽珍, 邵四清. 基于信令数据的客户感知评估与无线网络质量分析[J]. 电信网技术, 2011(4): 48-56. ZHU T, ZHANG L Z, SHAO S Q. Customer perception evaluation and wireless network quality analysis based on signal data[J]. Telecommunications Network Technology, 2011(4): 48-56. |
| [7] |
杨爽. 基于信令监测系统的GSM网络评估及优化的研究[D]. 成都: 电子科技大学, 2012. YAGN S.Reserch on assessment and optimization for GSM network based on signaling monitoring system[D].Chengdu:University of Electronic Science and Technology of China, 2012. |
| [8] |
安婧. 基于信令分析的GPRS数据业务优化与分析系统的设计与实现[D]. 兰州: 兰州大学, 2012. AN J.The system design and implementation of the GPRS service optimization and analysis based on the analysis of the signaling[D].Lanzhou:Lanzhou University, 2012. |
| [9] |
黄国文, 林文锋. 一种基于用户感知的WLAN网络质量评估方法[J]. 中国新通信, 2013(17): 95-98. HUANG G W, LIN W F. An evaluation method of WLAN network based on user perceived quality[J]. China New Telecommunications, 2013(17): 95-98. |
| [10] |
REZAEI-MOGHADDAM K, KARAMI E. A multiple criteria evaluation of sustainable agricultural development models using AHP[J]. Environment, Development and Sustainability, 2008, 18(4): 407-426. |
| [11] |
YEUNG K F, YANG Y Y, NDZI D. A proactive personalised mobile recommendation system using analytic hierarchy process and Bayesian network[J]. Journal of Internet Services and Applications, 2012, 3(2): 195-214. |
| [12] |
赵飞龙, 赵舒, 余轮. 用SEM法构建客户感知量化计算[J]. 重庆大学学报, 2012, 35(8): 144-150. ZHAO F L, ZHAO S, YU L. Building the method of calculating quality of experience based on SEM[J]. Journal of Chongqing University, 2012, 35(8): 144-150. |
| [13] |
龙雯雯. 基于数据挖掘的移动用户投诉行为研究[D]. 重庆: 重庆理工大学, 2014. LONG W W.Research on the mobile telephone user complaint behavior based on data mining[D].Chongqing:Chongqing University of Technology, 2014. |