移動網絡語音質差根因定位模型研究與應用

劉天雪 郝雙洋 楊姣等

摘要：圍繞數字化運營建設要求，基于VoLTE端到端關聯分析系統多維度對IMS域網絡關鍵性能指標中的相關失敗次數做波動分析，實現網絡KPI波動告警和劣化指標異常原因定界定位，對網絡異常做出智能預警，在問題暴露前優化網絡，以免對業務造成影響。通過數智化手段多維度分析定位移動網絡語音質差根固，實現網絡隱患故障的早預警、早發現、早處理，提升運營效率和網絡質量。

關鍵詞：數字化運營；語音質差根因；運營效率

中圖法分類號：TN929 文獻標識碼：A

１ 引言

隨著移動通信網的不斷發展，基于ＩＭＳ 網絡的移動網絡語音方案已成為主流，但是ＶｏＬＴＥ 語音呼叫流程復雜，一次呼叫經過多個域，眾多網元、核心網側信令交互達１００ 多次，在發生定位故障及處理用戶投訴時，為了對每一個異常故障及呼叫做到準確歸因，需要有經驗的工程師花費近１ 小時或更長時間進行根因判斷定位，這不僅耗時耗力，而且效率低下。

傳統運維模式不僅低效，還消耗了大量的人力資源。傳統運維一直處于被動運維的狀態，因此若要由被動變主動，提高維護效率是關鍵。本文從提升核心網網絡質量和人員維護效率角度，構建移動網絡語音質差根因定位模型，通過監控移動核心網網元關鍵指標閾值準確發現質差指標，利用多接口關聯的端到端平臺，自動完成質差指標的分析和定界，并將定界結果輸出給相關專業人員進行優化，做到準確、及時、主動發現網絡隱患故障問題，以達到提升網絡質量和維護效率的目的。

２ 移動網絡語音質差根因定位模型概述

２．１ 整體描述

移動網絡語音質差根因定位模型分為數據采集、數據處理、數據分析與生產派單系統互通等模塊。

數據采集，結合維護一線在數字化轉型過程的使用需求，依托ＶｏＬＴＥ 端到端關聯分析平臺數據，將三域ＸＤＲ 話單和ＭＲ 話單進行數據統一采集，具體采集５ＧＣ 域（８ 個） Ｎ１／ Ｎ２，Ｎ７，Ｎ８，Ｎ１０，Ｎ１１，Ｎ１２，Ｎ１４，Ｎ２６ 等接口ＸＤＲ 話單；ＥＰＣ 域（１ 個） Ｓ１?ＭＭＥ 接口ＸＤＲ 話單；ＩＭＳ 域（１１ 個） Ｇｍ，Ｍｗ，ＩＳＣ，Ｍｇ，Ｍｉ／ Ｍｊ，Ｍｘ，Ｒｘ，Ｇｘ，Ｃｘ，Ｓｈ，ＳＧｉ 媒體等接口ＸＤＲ 話單，以及４Ｇ／５Ｇ ＭＲ 話單。其實現了各域數據的統一采集，為后續的數據分析提供有效、實時、準確的數據源。

數據處理，在深入理解移動網語音業務及信令特征的基礎上，將一次業務所涵蓋的５ＧＣ，ＩＭＳ，ＥＰＣ 三域各單接口話單以及ＭＲ 話單，根據時間、號碼、會話ＩＤ 等信息，合成一條多接口關聯的端到端話單。數據的統一整合、統一處理，實現了數字化能力的一點處理。

數據分析，是監控５ 分鐘粒度的關鍵指標。其利用策略梯度算法，學習預測動態閾值，精準發現質差指標，結合多域端到端關聯數據，進一步對指標進行大數據智能分析。按照不同維度、不同時間粒度聚類分析，利用決策樹算法，根據不同原因的劣化權重和劣化偏離度，自動匹配專家知識庫，定位質差故障節點和故障原因，輸出質差根因，從而實現網絡隱患故障的早預警、早發現、早處理，提升運營效率和網絡質量。

與生產派單系統互通，實現帶有根因定位的異常ＫＰＩ 波動告警，通過一級ＮＦＯ 派發到專業人員，并對返單內容進行分析處理。

２．２ 主要功能描述

（１）數據采集。

采集５ＧＣ 域，ＥＰＣ 域，ＩＭＳ 域以及ＭＲ 話單，并對其進行校驗，自動修正異常數據，按照分鐘級粒度將數據匯聚到文件，并對文件內的記錄按照時間進行排序存儲。

（２）多接口話單呈現。

對采集到的數據，進行全業務流程的端到端關聯，形成多接口的ＶｏＬＴＥ／ ＥＰＳ 及ＦＢ／ ＶｏＮＲ 業務話單，同時關聯跨域端到端全流程的業務結果、首拆網元、錯誤碼、定界原因等業務質量字段。

（３）移動網語音業務關鍵指標呈現。

通過報表和圖形化方式，呈現移動網語音業務關鍵指標，包括ＶｏＬＴＥ 初始注冊成功、ＶｏＬＴＥ 網絡接通率（剔除用戶原因） 、ＶｏＬＴＥ ＴＯ ＶｏＬＴＥ 接續時延、ＥＰＳＦＢ 成功率、尋呼成功率等。

（４）質差根因分析。

通過監控５ 分鐘粒度的關鍵指標，利用策略梯度算法，學習預測動態閾值，精準發現質差指標，結合多域端到端關聯數據，進一步對性能指標進行大數據智能分析，按照不同維度、不同時間粒度聚類分析，利用決策樹算法，根據不同原因的劣化權重和劣化偏離度，自動匹配專家知識庫，定位質差故障節點和故障原因，數智化輸出質差根因［１～２］ 。

質差根因分析模型的主要功能如下。

① ＫＰＩ 指標異常檢測。通過監控５ 分鐘粒度的ＩＭＳ 域關鍵性能指標，利用策略梯度算法，學習預測動態閾值，精準發現質差指標。通過劣化指標可以及時發現網絡存在的風險、隱患等，以便運營人員及時采取相應的解決和優化措施，降低網絡故障率，提高運營效率。

② 網元級聚類分析。按５ 分鐘、１５ 分鐘、１ 小時、１ 天等多時間粒度，以關鍵ＫＰＩ 為入口，自動實現網元維度異常原因的逐層鉆取分析，精準定位故障網元。

并以圖形化界面簡單清晰地呈現ＳＩＰ 首拆占比、定界域占比、定界結果占比。

③ 用戶級聚類分析。以用戶業務記錄為入口，實現用戶任意時間粒度失敗業務的ＳＩＰ 首拆消息、定界域、定界網元報表的高效呈現。

④ 小區級聚類分析。按５ 分鐘、１５ 分鐘、１ 小時、１ 天等多時間粒度，以關鍵ＫＰＩ 為入口，智能實現小區維度異常原因的逐層鉆取分析，精準定位質差小區，并以圖形化界面直觀呈現ＳＩＰ 首拆占比、定界域占比、定界結果占比［３～６］ 。

（５）專家庫模型。

針對不同網絡指標，通過地市維度、網元維度、小區維度、終端維度進行聚類分析，得出劣化的錯誤碼、警告代碼、警告正文等信息，若能匹配上專家庫，則直接輸出專家庫的定界結果、定界原因和處理建議，轉專業人員直接優化處理；若不能匹配上專家庫，則轉專家分析，對分析結果進行現網驗證，固化該質差場景的信令特征，并將其增加到專家根因庫。

專家庫將原因明確或經過回單驗證過的根因和處理方法進行逐一匯總，并通過智能算法對回單結果進行分析處理，不斷優化、更新、完善專家庫。

移動網絡語音質差根因定位系統根據不同的語音質差場景建立對應的專家庫模型，如ＶｏＬＴＥ 初始注冊異常根因庫、ＶｏＬＴＥ 網絡接通異常根因庫和ＥＰＳＦＢ網絡接通率根因庫模型等。

（６）解決方案智能匹配。

針對劣化指標，關聯根因庫對其進行定界定位，基于根因定位結果，智能生成相應的解決方案。

（７）工單系統對接及交互。

和工單系統同步工單編號、工單主題、派單日期、工單狀態、質差根因、解決方案。系統根據派單規則和根因定位情況，將ＫＰＩ 指標異常的告警派發到相關單位或相關人員進行處理，攜帶信息主要包括網絡類型、網元名稱、ＫＰＩ 名稱、時間、異常情況、波動子項信息、根因定位、建議處理步驟等。接單人對ＫＰＩ 異常波動告警工單進行處理，直至告警恢復。告警恢復后，總結處理步驟，并按照固定格式回單。

（８）專家庫更新。

專家庫更新采取智能ＡＩ 算法進行自動學習更新，系統支持根據回單結果對專家庫中的根因定位進行更新，包括對指標檢測閾值進行調整優化，以不斷提升系統告警有效性和根因定位準確性。

系統根據關鍵字段對回單內容進行機器學習建模，自動分析學習回單內容，輸出關鍵詞匯，得到具體原因和處理步驟，并更新專家庫。系統支持根據每次的回單內容及分詞結果評估情況進行自我優化。若ＫＰＩ 屬于正常波動，則回單提出算法更新和告警閾值參數設置調整建議。

（９）功能視圖呈現。

功能視圖界面簡單、高效、準確地呈現質差指標、指標趨勢、質差告警、派單情況、根因分析和專家庫等功能模塊。每個功能模塊動態呈現，并可一鍵聯動，實現一點監控、一點接入、一點處置，以便運營人員快速直觀地掌握移動網核心網質差指標和業務指標運行情況，實時監控質差告警和工單處理情況，及時發現并解決網絡隱患和故障，提升網絡安全性、可靠性。

３ 結束語

圍繞數字化運營要求，依托ＶｏＬＴＥ 端到端關聯分析系統，通過關鍵指標閾值準確發現質差指標，利用多接口關聯的端到端系統，智能完成核心網質差指標的分析和定界，并將定界結果輸出給相關專業人員進行優化，做到準確、及時、主動發現網絡隱患或故障，以達到提升網絡質量和維護效率的目的，進而為數字化運營賦能，為一線維護人員減負。

本系統已在集約化ｖＩＭＳ 網絡實施，解決了運維工作中長期的痛點難點，具體如下。（１）提高了維護效率，減少了維護人員８０％的維護量、維護效率提升９０％以上；（２）降低了網絡故障率及客戶投訴率，較項目實施前減少了５０％的故障及投訴量；（３）通過監測移動核心網關鍵性能指標，先于告警和投訴發現隱患和故障，快速精準定界故障網元和故障原因，從而在規模故障爆發前解除隱患，減小影響范圍，縮短影響時長，提升了運營效率和網絡質量。

移動網絡語音質差根因定位模型經過不斷優化已具備模塊通用性，易移植、易推廣。隨著ＶｏＮＲ 的試商用，該模型已快速移植到ＶｏＮＲ 質差根因定位中，實現隱患或故障的快速發現、快速定位、快速解決，從而縮短故障處理時長，降低故障發生率和用戶投訴率。

移動網絡語音質差根因定位模型基于ＶｏＬＴＥ 端到端關聯分析系統（包含ＥＰＣ，５ＧＣ 域，無線域全量數據）具備數據業務的端到端能力，可滿足４Ｇ／５Ｇ 用戶數據業務質差根因定位的數字化運營需要，賦能５Ｇ智能化運維。

參考文獻：

［１］ 唐建榮．提升ＶｏＬＴＥ 客戶感知的優化分析方法淺析［Ｊ］．通訊世界，２０１７（７）：８７．

［２］ 魏宗靜．ＶＯＬＴＥ 語音質量優化方法研究［Ｊ］．科技經濟導刊，２０１６（５）：３３．

［３］ 劉毅，肖濤，郭寶，等．提升ＶｏＬＴＥ 用戶感知的保障策略研究［Ｊ］．移動通信．２０１７（１８）：６?１０．

［４］ 唐建榮，文志成，亓新峰．ＶｏＬＴＥ 關鍵性能指標分析［Ｊ］．信息通信技術，２０１５（４）：５６?５９．

［５］ 孫平強．ＶｏＬＴＥ 業務的性能分析及優化研究［Ｄ］．北京：北京郵電大學，２０１５．

［６］ 聶飛翔．基于客戶感知的３Ｇ 與４Ｇ 一體化網絡的規劃與優化［Ｄ］．南京：南京郵電大學，２０１６．

作者簡介：劉天雪（１９７９—），本科，高級工程師，研究方向：移動核心網重構。