基于python的基站故障大數(shù)據(jù)研究及應(yīng)用

孫偉 李忠良 張麗華

摘 要：本文主要通過(guò)先進(jìn)的人工智能python語(yǔ)言，在Visual Studio code集中開(kāi)發(fā)環(huán)境下，實(shí)現(xiàn)基站故障的自動(dòng)統(tǒng)計(jì)分析輸出，大幅提升日常故障分析處理的效率和準(zhǔn)確率，壓縮故障處理時(shí)限，助力移動(dòng)網(wǎng)NPS提升。

關(guān)鍵詞：基站故障;超長(zhǎng)斷站;超頻斷站;超短斷站;超量斷站

中圖分類(lèi)號(hào)：G642

一 概述

本項(xiàng)目利用Python語(yǔ)言簡(jiǎn)潔、模塊化以及擁有豐富的資源庫(kù)的特點(diǎn)，基于Visual Studio Code集成開(kāi)發(fā)環(huán)境，快速實(shí)現(xiàn)基站故障原因統(tǒng)計(jì)匯總、超長(zhǎng)斷站、超頻斷站、超短斷站的自動(dòng)輸出展示。

二 基站故障大數(shù)據(jù)研究及分析

1導(dǎo)入庫(kù)及函數(shù)模板

利用Python的大數(shù)據(jù)處理功能主要使用了pandas和numpy兩個(gè)標(biāo)準(zhǔn)庫(kù)。導(dǎo)入庫(kù)及函數(shù)模板后，讀取桌面上的alarms斷站excel表格，準(zhǔn)備進(jìn)行數(shù)據(jù)處理。

#導(dǎo)入各種庫(kù)以及函數(shù)模板

import pandas as pd

import numpy as np

from pandas import DataFrame

from pandas import Series

from pandas import to_datetime

#導(dǎo)入具體的文件

data = pd.read_excel（r'C：＼Users＼Lenovo＼Desktop＼alarms斷站.xls'）

df_0 = pd.DataFrame（data）

df_0['故障原因'].fillna（'其他'）

2 四超斷站分析及設(shè)計(jì)

本文提到的四超斷站指的是超長(zhǎng)斷站、超短斷站、超頻斷站和超量斷站。

超長(zhǎng)斷站分析及設(shè)計(jì)：按照故障關(guān)鍵項(xiàng)有效列順序，對(duì)“故障時(shí)長(zhǎng)”列進(jìn)行排序，自動(dòng)輸出時(shí)長(zhǎng)較長(zhǎng)的100個(gè)（或10個(gè)）到一個(gè)新的excel表“超長(zhǎng)斷站”;同理，如果對(duì)“故障時(shí)長(zhǎng)”列進(jìn)行判斷，如果大于等于1分鐘，小于10分鐘，自動(dòng)輸出生成一個(gè)新的excel表”超短斷站”。

超頻斷站分析及設(shè)計(jì)：按照上述有效列順序，對(duì)“網(wǎng)元名稱”列中基站名稱進(jìn)行統(tǒng)計(jì)，得到斷站告警的次數(shù)，把斷站次數(shù)大于等于5（大于10）的排好順序，自動(dòng)輸出一個(gè)新的excel表“超頻斷站”。（同理類(lèi)推，可以輸出頻次大于10的基站，頻次大于100的基站）

超量斷站分析及設(shè)計(jì)：按照有效列順序，對(duì)“工單號(hào)”列進(jìn)行統(tǒng)計(jì)，保留大于等于10次的工單;再對(duì)“故障原因”和“區(qū)縣”進(jìn)行統(tǒng)計(jì)判斷是否均大于等于10次，確定是否符合超量斷站的基本定義“同一時(shí)間內(nèi)因同一故障原因造成10個(gè)以上邏輯基站斷站”，符合條件的自動(dòng)輸出新的excel表格“超量斷站”。

以超頻斷站為例的Python代碼見(jiàn)下：

#超頻斷站

df_cpdz = df_0.loc[：，['地市'，'區(qū)縣'，'網(wǎng)元名稱'，'網(wǎng)管告警標(biāo)題'，'告警發(fā)生時(shí)間'，'告警清除時(shí)間'，'故障時(shí)長(zhǎng)']]

counts1 = df_cpdz[u'網(wǎng)元名稱'].value_counts（）

counts = counts1[counts1>=5]

x =counts.index.values

cpdz = DataFrame（columns=['地市'，'區(qū)縣'，'網(wǎng)元名稱'，'網(wǎng)管告警標(biāo)題'，'告警發(fā)生時(shí)間'，'告警清除時(shí)間'，'故障時(shí)長(zhǎng)']）

for i in range（len（x））：

for j in range（len（df_cpdz））：

if df_cpdz.iat[j，2] == x[i]：

cpdz = cpdz.append（df_cpdz[j：j+1]，ignore_index=True）

t = Series（index=cpdz['網(wǎng)元名稱']）

for i in t.index.values：

t[i] = counts[i]

t.index=range（len（t））

t=t.astype（int）

cpdz.insert（7，'斷站次數(shù)'，t，allow_duplicates = True）

cpdz= cpdz.astype（str）

cpdz.to_excel（r'C：＼Users＼Lenovo＼Desktop＼超頻斷站.xls'，index=None）

三 結(jié)語(yǔ)

利用Python語(yǔ)言強(qiáng)大的數(shù)據(jù)處理功能，成功實(shí)現(xiàn)了基站故障分析的各項(xiàng)基本功能，可以在1-2秒內(nèi)自動(dòng)輸出故障報(bào)表，并且在處理大量數(shù)據(jù)方面具有明顯優(yōu)勢(shì)，不僅大大提高了工作效率，而且為下一步擴(kuò)大人工智能語(yǔ)言Python在移動(dòng)網(wǎng)基站規(guī)劃、建設(shè)、優(yōu)化及維護(hù)方面應(yīng)用提供了良好的實(shí)踐基礎(chǔ)。

參考文獻(xiàn)：

[1]楊帆，丁曉劍，劉禹鋒，劉健.主體思維導(dǎo)向視角下的Python課程教學(xué)探索[J].計(jì)算機(jī)時(shí)代，2021（02）：74-76+79.

[3] 瞿蘇.基于Python的飛機(jī)大戰(zhàn)游戲設(shè)計(jì)[J].揚(yáng)州職業(yè)大學(xué)學(xué)報(bào).2019（01）.

（中國(guó)聯(lián)通臨沂市分公司? ?山東? 臨沂? 276000）