无线大数据支撑的移动网络运营论文
【摘要】本文主要介绍无线网的经营现状，提出用大数据平台解决当前网络经营面临的困境，介绍构建大数据平台的架构和关键技术，展望利用大数据对未来网络支撑。本文根据网络运营的实际工作需求，提出构建大数据支撑平台的方案，旨在提高网络运营效率。
【关键词】大数据;用户模型;网络运营
一、、传统网络运维面临的困境
1.1大数据概念
大数据作为当前社会的热点技术，已经在社会很多行业包括交通、医疗、健康、零售等方面有着巨大的应用，大大的提升了这些行业的服务效率和服务质量。大数据的数据形式来源比较广泛，包括不同的应用系统、各种各样的网络设备和互联网等等，这就造成了数据形式的多样性，包括结构化数据，半结构化数据和非结构化数据。结构化数据是数据间有很强因果关系的数据；半结构化数据是数据间因果关系比较弱的数据；非结构化数据是数据间无因果关系的数据。通常认为大数据典型的特点包括四个方面，即数据量大，处理速度高，数据多样性强，数据价值高，业界也称为大数据的4V特点。
1.2无线网运营现状
无线网络管理的主要工作是无线网络维护、优化、建设及客户服务等。在日常工作中，优化人员经常面临一些网络难题，最典型的三个问题是：1、网络指标好，用户感知差。例如，网络接通率达到99.5%以上，话务掉话率在0.3%以下，但是用户感知却没有提高，时常认为网络信号不好，网络指标和网络质量之间难以划等号。2、用户投诉的位置和原因定位。如何快速定位网络的故障原因和位置，如何再现用户投诉问题的现象，决定了投诉处理的时效，也决定的用户对运营商服务的感知。3、新基站建设，如何快速发现不好的位置，在什么位置建设基站。解决这些难题的传统手段主要是依靠DT/CQT、网络性能指标分析、仿真、用户回访、现场测试等。这些方式的数据来源比较分散，关联性比较差，难以全面反映网络问题。分析工作主要依靠人工手工完成，对运维人员的数量要求多，技能要求高，并且手动分析效率低。当前运营商使用的无线网络大数据分析系统，可以全面提升无线网络管理水平。系统主要利用大数据分析手段，建立模型，关联分析，MR/CDT数据，用户信令，网元性能，设备告警，用户投诉等多个维度的数据，高效支撑了网络优化，规划建设，客户服务等方面的工作。全面提升了无线网络管理水平。
二、大数据平台架构与关键技术
2.1平台架构
支撑运营商网络的大数据系统可分成三层，最底层是采集层，采集层主要采集了无线侧的CDT/MR数据，核心网话单，DPI等，配置告警、性能参数等。第二层是共享层，共享层主要对底层数据进行了清洗、存储、分发、加载，对应用层提供了API的接口。应用层主要利用API接口调用共享层的数据，开发各种业务应用。整个架构需要实现多网元接口，多厂家数据管理，整个应用于存储分离通过业界通用的API接口实现数据能力的开放。
2.2大数据平台的关键技术
无线网络的大数据分析平台需要四个关键技术能力，后面的大数据分析主要是基于这四个技术能力进行工作开展。四个技术点包括1、高精度定位；2、移动用户感知评价模型；3、业务感知栅格化；4基于用户感知的端到端定界定位技术。高精度的定位技术是准确的CQTmr定位技术是无线分析的基础，AGPS数据定位技术的核心技术是指纹定位。指纹定位技术分为两个阶段，包括离线阶段和在线阶段。离线阶段主要完成指纹数据库的建立，通过将地理位置划分成固定大小的栅格，然后将栅格中所有包含AGPS的MR数据抽取出来，得到代表这个栅格的RSRP和TA的信息，将这些信息存入指纹库；第二阶段是在线阶段，完成用户位置的定位，当用户输入MR数据，利用主小区的RSRP和TA进行粗匹配再细匹配。移动用户感知评价模型，传统的网优指标不能客观的评价用户的感知，必须建立一个基于用户感知的评价体系。整个评价体系按照不同的类型分别建立，主要从用户感觉QOE指标、业务KQI指标和网络KPI指标来建立感知体系模型。语音业务评价模型主要从三个维度进行考虑：1、终端的接收电平情况；2、用户接入时长；3、用户通话质量和保持性能。数据业务模型比较复杂，感知体系必须进行业务分类和细化，通常分为16大类业务进行评价，主要参考互联网商店的业务进行分类，包括网页浏览、即时通讯、社交媒体、视频、购物、打车、游戏、地图、应用下载等。评价模型从三个维度建立：1、4G终端的RSRP；2、连接时延和终端；3、用户的业务体验。业务感知栅格化是实现业务感知的地理化分析，将地球表面按照高斯投影的方式划分成20*20m的栅格，对于每一个栅格按照互联网业务的类型植入感知的数据，比如覆盖，视频速率，网页的打开时延，每个业务在栅格上植入不同的KQI指标，可以根据不同的门限评价栅格质量的好坏。然后对每个栅格赋予地域特征标识，实际应用中可以通过栅格的组合实现用户的业务感知与质量分析。基于用户感知的端到端定界定位分析技术，主要是通过探针采集业务面的数据进行业务评测，并实现定界定段定位分析。在定界定段后，关联分析无线侧核心网的数据，遍历终端、基站、传输、核心网、SP等端到端全流程的各个环节，并进行故障原因定位分析。终端可以分析射频的质量和响应速度等，无线侧可以分析网络的覆盖、干扰、负荷等问题，核心网可分析MME设备异常和传输带宽等，SP可分析DNS解析能力，SP响应时延，丢包等情况。无线话单、核心网话单关联可以采用关联五元组，即通过SYSID基站、小区、MMEID、MMEgroupID进行关联。
三、大数据支撑网络维度和未来工作重点
3.1支撑网络运营的维度
大数据平台对网络运营的支撑从四个维度体现，包括主动服务、智能网优、网络精确规划、数据变现。主动服务是指评价用户端到端感知、诊断用户无线、核心网、SP环节的故障，对用户感知的变化进行预警，自动派发工单和预处理。在用户投诉之前解决网络问题，转变服务模式，从而使被动服务变为主动服务。智能网优是利用感知栅格化技术，综合分析用户感知不良的问题区域自动派单，自动验证，闭环管理，同时可以对高速、高铁、校园等重要的区域动态监控，提升网优的'工作效率。网络精确规划是自动侦测移动、电信、联通多个运营商的网络覆盖数据，精确指导网络规划与建设，自动分析网络弱覆盖区域，输出网络规划建议。数据变现，主要基于用户的位置，业务数据，挖掘用户多种类型特征数据，精确支撑市场营销或政企应用，实现整个网络运维到网络运营的一个转变。
3.2未来的工作重点
当前运营商的网络已经升级到了VoLTE网络，VoLTE网络结构和接口比较复杂，运维难度也大大增加。如何利用大数据手段实现VoLTE问题区域的智能分析和可视化，建立VoLTE用户感知评价体系，基于VoLTE用户感知，自动更新分析，输出优化实施建议，指导优化人员进行优化作业，提升VoLTE的网络质量，这是亟需解决的问题。当前运营商的组网模式越来越复杂，网络的叠加度也越来越高，为了提升优化的效率，进一步节约成本，利用大数据手段实现自动分析网络覆盖容量问题，自动输出建议，预测网络容量，实现天馈自动调整，参数自优化，包括容量、负荷自均衡，系统软扩容等方面的功能。这也是未来大数据支撑网络运营的重点工作。NB-IoT是将来业务的爆发点，层出不穷的应用对网络运营带来了巨大的挑战，大数据支撑NB-IoT网络将从覆盖、接入、业务、终端四个维度去研究，更好的保障NB-IoT的网络质量，给用户更好地感知体验。
四、总结
本文首先介绍大数据的概念和网络经营面临的问题，提出利用大数据平台支撑网络运营，然后分析实现大数据平台的构建方式，即三层的架构。再提出大数据平台需要的四个关键技术高精度定位、移动用户感知评价模型、业务感知栅格化、基于用户感知的端到端定界定位技术。然后介绍大数据平台对网络支撑的维度即主动服务、智能网优、网络精确规划、数据变现。最后介绍了大数据支撑网络运营未来工作的重点方向。
参考文献
[1]周涛《为数据而生：大数据创新实践》北京联合出版公司，2016年
[2]张守国等.《4G无线网络原理及优化》清华大学出版社，2017年05月
[3]BertBrijs《基于大数据的商务智能分析》机械工业出版社，2016年1月
【无线大数据支撑的移动网络运营论文】相关文章：