一種5G 用戶語音質差無線根因定位方法及實現(xiàn)

楊新敢

（中國移動通信集團福建有限公司網(wǎng)絡部，福建 福州 35000）

引言

現(xiàn)有5G 用戶語音投訴問題定位，一般是通過現(xiàn)場測試復現(xiàn)、問題位置基站的指標分析、大數(shù)據(jù)話單遍歷基站性能分析。傳統(tǒng)解決方案存在取數(shù)繁瑣、人工介入多，主觀因素偏差大，無法識別主次根因，且一級根因無法直接執(zhí)行，如一級根因結果為弱覆蓋，可能是主控基站故障導致，需一線人員二次分析；且“體檢式”的檢查，當小區(qū)出現(xiàn)多根因時，主因的判定算法不科學。本方法針對運營商在定位這一類投訴的根因需求，提出了一種采用階梯染色方法結合AHP 的算法，具有主次根因識別能力、并輸出二級根因，該根因可直接用于一線人員落地執(zhí)行，或對接參數(shù)平臺自動執(zhí)行。該算法實現(xiàn)了5G 用戶語音質差投訴的根因一鍵式輸出，提升投訴處理效率及自動處理能力。

1 整體架構及分析規(guī)則

1.1 整體架構

本工具根據(jù)《中國移動5G 上網(wǎng)日志留存系統(tǒng)技術規(guī)范》采集的各接口大數(shù)據(jù)話單，通過N1N2、4/5GMRO、指紋庫和S1MME 等大數(shù)據(jù)接口表，識別用戶通話感知異常的大數(shù)據(jù)話單特征，并下鉆至秒級“RTP 質差切片”詳單，后臺自動關聯(lián)MRO、參數(shù)、性能和故障等多維分析；研究大數(shù)據(jù)語音質差與各維度性能指標劣化拐點，科學的制定各指標劣化門限及權重，并運用AHP 算法，關聯(lián)出各項子因的置信度，根據(jù)置信度高低輸出語音質差和異常事件根因，實現(xiàn)用戶5G 語音質差端到端根因定位[1]。圖1 為該工具架構及原理圖。

1.2 語音異常話單識別

通過大數(shù)據(jù)話單特征與實際感知研究，制定語音異常話單識別規(guī)則將用戶投訴現(xiàn)象“翻譯”成網(wǎng)絡語言。

根據(jù)《中國移動5G 上網(wǎng)日志留存系統(tǒng)技術規(guī)范》采集的接口大數(shù)據(jù)話單，通過“合成VoLTE 信令接口表”表中的“Procedure_Type、Procedure_Status、dantong_D1、dantong_U1、dantong_D2、dantong_U2、tunzi_D1、tunzi_U1、tunzi_D2、tunzi_U2、5G_flag1、5G_flag2”等關鍵字段，按照以下規(guī)則識別用戶語音通話未接通、聽不清、掉話的異常話單：

1）未接通:[流程類型編碼]=(50,51,52,60,100,101,102)其中的一個值and[sip 主流程狀態(tài)]=(0,2,4)（0為異常超時，2 為呼叫建立failed，4 為timeout）and[呼叫接通時長]=0and[主叫通話時長]=0and[異常釋放原因]≠(1,16,17,19,20,21,27,28,31,48,200,401,407,487,491)。

2）掉話：[流程類型編碼]=(50,51,52,60,100,101,102)其中的一個值 and [sip 主流程狀態(tài)]=5。

3）語音質差：[流程類型編碼]=('50','51','52','60','100'','101','102')and and [主叫通話時長]>'0'and（主叫上行(dantong_U1+duanxu_U1+tunzi_U1)>2or主叫下行(dantong_D1+duanxu_D1+tunzi_D1)>2）。

1.3 異常話單定界

對識別出的語音異常話單，從“注冊問題、鑒權問題、視頻彩鈴單通、CSFB、ESRVCC、異常占用公/ 專網(wǎng)”進行定界，并通過“Pb_call_side、dantong_U1/U2/D1/D2、duanxu_U1/U2/D1/D2、tunzi_U1/U2/D1/D2”按照算法進一步形成“本端、對端、無線、核心網(wǎng)”的“二維四象”定界。

1.4 RTP 秒級切片詳單分析

對存在語音質差的通話話單，進一步通過媒體面RTP 切片級詳單，關聯(lián)用戶實時上報的MRO、性能指標分析，實現(xiàn)二級根因定位，較傳統(tǒng)定位方法再往前一步，如傳統(tǒng)只定位到根因為弱覆蓋（一級根因），而本算法可定位到鄰區(qū)故障導致的弱覆蓋（二級根因）。

RTP 秒級詳單獲取：通過“用戶手機號碼+時間+MME_UE_S1AP_ID”字段關聯(lián)RTP_MOS 質差詳單接口表，下鉆用戶通話異質差期間秒級切片話單。

質差切片特征識別：根據(jù)RTP 質差詳單接口表中滿足[上行語音質差標識]=11 或12 或21 或31 或32 或33，標識“上行語音質差”；滿足[下行語音質差標識]=11 或12 或21 或31 或32 或33，標識“下行語音質差”；若滿足兩個相鄰間的記錄同時滿足[上行MOS]<3.0 且>0），標識“上行MOS 低”；滿足兩個相鄰間的記錄同時滿足[下行MOS]<3.0 且>0），標識“下行MOS 低”。

RTP 質差切片分析：關聯(lián)用戶級MRO、小區(qū)性能指標、網(wǎng)管參數(shù)、基站告警、鄰區(qū)配置等，從“切換不及時、鄰區(qū)漏配、鄰區(qū)故障、上/下行弱覆蓋、頻繁切換、小區(qū)高負荷、高干擾、高重疊覆蓋、MOD3”等多個維度分析定位，關鍵算法如下所述。

1）主服故障：判斷質差切片話單的eNode B IP，關聯(lián)S1MME，確定用戶占用的CELL ID，查詢“全量告警表”中對應時間對應小區(qū)是否存在影響業(yè)務重要告警（如駐波）。

2）鄰區(qū)故障：判斷語音質差通話時段內用戶位置周邊300 m 范圍內小區(qū)且用戶與小區(qū)的經(jīng)緯度連線與正北方向的角度（0～360°）夾角在該小區(qū)方位角±60°范圍內的小區(qū)是否存在告警。

3）切換不及時：質差切片關聯(lián)的MRO 數(shù)據(jù)，滿足“[鄰區(qū)參考信號接收功率]＞35 and[鄰區(qū)參考信號接收功率]-[服務小區(qū)的參考信號接收功率]≥6 and[鄰小區(qū)ECI]不在鄰區(qū)漏配清單中”,則判定為切換不及時。

4）下行弱覆蓋：服務小區(qū)的參考信號接收功率≤30，且主服無告警、鄰區(qū)無故障、無鄰區(qū)漏配、無切換不及時則判定為下行弱覆蓋。

5）上行弱覆蓋：滿足（“服務小區(qū)參考信號功率”+0.2）-（服務小區(qū)的參考信號接收功率-140）>120，且“(鄰區(qū)的參考信號接收功率-服務小區(qū)的參考信號接收功率）≥6”則判斷為上行弱覆蓋。

6）頻繁切換：滿足RTP 語音質差切片的[上行RTP 結束時間]≥《S1-MME 接口表》中對應的[業(yè)務流程開始時間]≥[上行RTP 結束時間]-3s 的記錄中，[流程類型編碼]="14or15or16"的記錄數(shù)≥5，則判定為頻繁切換。

7）高負荷：查詢語音質差切片占用的小區(qū)的15 min 粒度負荷相關指標，若對應的max(上行PRB平均利用率，下行PRB 平均利用率,PDCCH 信道CCE占用率)≥70%，則判定為用戶當時占用的小區(qū)存在高負荷。

8）高干擾：滿足RTP 質差切片占用的小區(qū)對應時間點的小區(qū)15 min 上行平均干擾指標大于-105 dbm，或（lteScCRS+0.2-（lteScRSRP-140）<120）and（lteScPHR-23<5）任一條件則判定為上行干擾。

9）高重疊覆蓋：RTP 質差切片時間點，同時滿足主服小區(qū)與鄰區(qū)頻點絕對值<10，且(主服的參考信號接收功率-鄰區(qū)的參考信號接收功率)>-6，且主服務小區(qū)的參考信號接收功率＞30 的鄰區(qū)數(shù)量，去重后≥3 個，則判定為下行高重疊覆蓋。

10）MOD3 干擾：RTP 質差切片時間點，同時滿足主服小區(qū)與鄰區(qū)頻點絕對值<10，且（鄰區(qū)的參考信號接收功率-主服的參考信號接收功率）>-6，且主服務小區(qū)的參考信號接收功率＞30，服務小區(qū)與鄰區(qū)的物理小區(qū)識別碼mod3 取余數(shù)相等，則判定為下行MOD3 干擾。

2 KQI 與KPI 質差門限擬合研究

傳統(tǒng)根據(jù)專家經(jīng)驗確定的門限，并不是最優(yōu)最合理值，通過專項研究，基于大數(shù)據(jù)、性能指標的質差門限擬合，算法規(guī)則與曲線趨勢特征，制定各性能指標門限，科學制定劣化拐點門限及影響權重。通過大數(shù)據(jù)分析上行MOS、上行丟包率、上行平均時延（ms）與覆蓋、干擾、負荷的關系曲線，制定不同指標不同劣化程度的分區(qū)間影響權重，如根據(jù)曲線結果將覆蓋指標RSRP分為五個區(qū)間（-130、-125、-120、115、-110dbm），分別置于單項最高(10、8、6、4、2）的分數(shù)用于表征當前RSRP 值對質差切片的影響權重。

3 主次根因識別算法

通過RTP 質差切片話單聚合，對集合內的各條話單子因，采用階梯染色評分法及AHP 算法權重判斷，最終自動輸出每通異常通話的主根因、次根因。

AHP 層次分析法：是一種將定性與定量分析方法相結合的多目標決策分析方法。該法的主要思想是通過將復雜問題分解為若干層次和若干因素，對兩兩指標之間的重要程度作出比較判斷，建立判斷矩陣,通過計算判斷矩陣的最大特征值以及對應特征向量,就可得出不同方案重要性程度的權重，為最佳方案的選擇提供依據(jù)。AHP 層次分析法用于多根因判斷的簡要示例如下。

1）待決策問題：某個地點存在兩種根因：RSRP 差和RRC 重建比例質差，請找出主根因。

2）建立評判指標：上行MOS 上行丟包率上行平均時延。

3）根據(jù)該地點RSRP 和RRC 重建比例的具體打分，構建判斷矩陣，生成一致矩陣，計算每個根因的具體得分。

4 工具創(chuàng)新點

本工具將大數(shù)據(jù)、性能、MRO 等多數(shù)據(jù)源一站式關聯(lián)分析一鍵式操作，實現(xiàn)基于信息安全的根因定位分析。創(chuàng)新性的實現(xiàn)秒級切片大數(shù)據(jù)分析，大幅提升了問題的分析精度[2]；主次因識別算法，讓解決方案更突顯，也提升了網(wǎng)絡自動駕駛能力；該算法模塊化封裝，可移值嵌套至手機APP 端，實現(xiàn)隨時隨地一部商用終端既可完成投訴根因定位。

4.1 秒級切片大數(shù)據(jù)二級根因分析

較傳統(tǒng)分析方法，本工具算法下鉆至秒級切片，并對關聯(lián)用戶級弱覆蓋，深度分析是否鄰區(qū)漏配、參數(shù)配置、主服小區(qū)故障等導致，識別弱覆蓋真正原因，突破原有的覆蓋、干擾、容量根因歸類，實現(xiàn)語音質差二級根因定位能力，優(yōu)化人員無需二次分析。重要場景感知、用戶信令異常分析模塊均應用到大數(shù)據(jù)。

4.2 大數(shù)據(jù)與KPI 質差門限擬合

本工具在制定KPI 質差門限及影響權重時，通過分析大數(shù)據(jù)感知與性能指標的曲線趨勢，以及更加科學的研究指標拐點值，將研究結果采用區(qū)間評分制，既實現(xiàn)對各子因的全面分析，又實現(xiàn)了各因素的影響大小，為后續(xù)的主次根因識別提供樣本。

4.3 主次因識別算法

本工具采用階梯染色法、AHP 層次分析算法，對各質差話單、各維度子因進行全面評估，自動輸出問題主根因，解決了智能化分析中有多個原因但主因不確定的問題，輸出的主根因可進一步轉化為優(yōu)化措施，一線人員可直接根據(jù)該方案執(zhí)行，對參數(shù)類也可直接調整智能參數(shù)平臺自動優(yōu)化。

4.4 可移植性強

本工具及算法可作一個模塊移植到日常優(yōu)化測試、投訴處理工單流程中，自動定位語音質差問題，并回填最終主根因及優(yōu)化措施，供處理人員查看，提升日常生產(chǎn)效率；同時該算法可通過接口形式調用或嵌套到手機APP 中部署，一線前端生產(chǎn)人員僅通過一部普通商用手機即可完成用戶語音質差定位，為優(yōu)化人員提供有力的支撐。

5 結語

本工具實現(xiàn)了秒級大數(shù)據(jù)切片分析，通過用戶級大數(shù)據(jù)回溯，精準復盤用戶問題，并研究感知與質差門限擬合，科學制定劣化門限與權重。引入階梯染色法、AHP 算法，精準識別語音通話異常的主次根因，更有效的指導一線優(yōu)化人員解決問題。在便捷安全方面，所有數(shù)據(jù)后臺集成、一鍵操作，并采取用戶授權安全策略，在高效的同時保證了用戶隱私。為日常語音質差問題優(yōu)化提供了有效支撐，也大幅提升了網(wǎng)絡自動駕駛能力。