大數據分析技術在通信網絡運維中的運用及分析

沈東 包可樂 呂祎 黃大巧

摘要：隨著網絡規模越來越大，通信網絡的故障在不斷增多，業界急需大數據、云計算等技術在通信網絡運維中的應用。文章首先分析了大數據相關研究的背景，其次剖析了目前通信運維故障處理的方法及其短板，最后結合大數據分析技術的特點和通信網絡故障的現狀，文章設計了通信網絡大數據綜合故障定位分析平臺框架，進行了分析平臺的功能設計，平臺實現了通信網絡擁塞度大數據分析、預測通信信道分配、大數據挖掘故障定位和基于大數據挖掘故障分析等功能，較好地達到了網絡運維的效果，希望能給大數據技術在通信領域應用的研究學者提供參考。

關鍵詞：大數據；通信故障；分析

中圖分類號：TN919.5? 文獻標志碼：A

0 引言

隨著大數據分析技術的迅速發展，大數據分析在各行各業都逐步被應用。各種傳統領域的信息系統也在利用大數據不斷地改進和優化，朝著更加智能化的方向發展。在通信網絡中，網絡故障是非常難定位和分析的，經常要靠工程師的經驗和大量的數據進行整理分析，十分費力。通過引入大數據分析到通信網絡的故障定位和數據分析中，能夠縮短故障排除和分析的時間，更好地保障通信網絡的安全。本文針對大數據分析在通信網絡系統的故障進行定位和分析應用開展探索。

1 網絡通信運維存在的問題

通信網絡運維目前從初期單一的測試軟件開始逐步過渡到現在的平臺化。但是測試軟件和網絡運維平臺之間依然存在巨大鴻溝，網絡運維平臺軟件一般由軟件公司負責開發，一般著眼于OMC上報數據采集、基站GIS展現方面，平臺軟件不能對測試軟件采集到的空口數據進行綜合分析。由此可見，網絡運維平臺軟件在專業性上存在相對數據分析的不足，對網絡運維專業知識的兼容性較差，軟件很多時候只能是一個數據展示。隨著通信技術的不斷更新，網絡運維平臺在兼容性和智能化方面，亟待提升，需要大數據、云計算等高新技術的支撐［1］。

2 通信網絡故障分析處理的現狀

通信網絡故障診斷的方法，主要有流程經驗法和邏輯排除法。流程經驗法主要是先確定故障的范圍，工程師再通過排除或者經驗直接找到故障點。由于通信網絡系統涉及的硬件和軟件非常復雜繁多，工程師在排查故障和定位問題的時間會非常漫長，多數時候還需要人工對原理圖進行重現梳理。出現重大問題或者之前沒有遇見的故障的時候，運營中心還需要召集專家進行會商，明確相關故障，從而找出故障點。總的來說，主干線的故障或者問題比較容易定位，而網絡中的個別基站或者扇區出現故障就難以定位和查詢原因。出現這種問題，基本上都采用排除法，根據原理圖，進行逐一排除，同時工程師根據關聯關系進行輔助判斷，十分耗時［2］。

3 大數據分析技術在通信網絡故障診斷的應用

本文在研究通信網絡故障的現實情況后，結合大數據技術的優點，設計了通信網絡大數據綜合故障定位分析平臺的系統框架，平臺的使用對象是通信網絡管理者、通信運維者和通信故障定位的關鍵應用人員，平臺在人工智能、微服務和大數據分析等技術上研究了通信網絡大數據集群，并實際進行了驗證，證明了大數據分析技術在通信網絡故障診斷上的準確性和系統可靠性。也證實了大數據分析技術對提高通信網絡智能化管理、通信運維業務效率具有重要的意義。

3.1 通信網絡大數據綜合故障定位分析平臺框架設計

平臺首先對大量多源的原始數據進行采集、收集、儲存，然后對這些數據進行過濾與分析等多重處理，再利用大數據進行排除和判斷，對通信網絡故障問題定位，最后通過后臺展示和決策功能，為通信運維工程師、通信運維管理者、通信參與者提供高效率的服務。整個平臺采用分層架構設計，分數據采集層、數據處理層、數據應用層3層，如圖1所示，每層通過接口和相關協議進行數據交互，每個功能都是低耦合高內聚，具有很強的魯棒性。數據采集層主要將網絡的基站數據、參數數據、工單數據、話務數據、濕度數據、溫度數據通過數據采集層收集到大數據平臺中，數據處理層對數據進行提取、格式識別、數據編碼，同時對海量異構數據進行處理，然后進行儲存，通過相關的容器中介進行數據轉化。數據轉化后，同時需要對不完整的數據進行補缺操作，對缺少的數據進行修正，并按照相關的規律算法進行需求補齊［3］。數據應用層根據不同的使用者的需求，實現網絡覆蓋優化、網絡干擾、網絡故障定位、網絡故障分析、處理反饋等功能。

3.2 基于數據挖掘的分析方法

一個移動通話過程中將產生大量的測量數據（通話中手機每半秒向系統報告一次目前的通信測量結果），系統都將完全記錄該部分信息數據。由于這樣的數據是海量的，根據系統預先定義的KPI 統計指標，網管系統將有選擇性地生成大量的統計報表，用來反映網絡質量。以通信網絡接入性能類指標為例，統計報表包括：尋呼成功率、信道可用率、信道擁賽率、信道分配成功率、信道可用率、信道擁賽率、信道分配成功率、通信接通率等，這些指標每小時對每個基站、每個小區都有相應的數值。

現在網絡運維采用的數據源較為單一，工程師進行DT/CQT測試，僅采集路測區域的空口信令；進行小區容量優化等日常優化時，采集近期的OMC統計數據；A口及Abis口側的信令數據雖然包含了區域內用戶實際的信令信息，但由于數據量巨大，對其進行統計主要靠人工提取，因此運維過程中一般不對其進行統計分析。為解決這一問題，采用以地理位置為基礎，對同一區域內所有小區數據進行全方位采集。與傳統的網絡運維分析采用的單一數據源不同，采集的數據源包括：按照OMC等網元設備的上報粒度實時采集數據，DT/CQT測試得到的空口的信令數據，以及A口及Abis口側的信令數據。OMC數據包含網絡KPI性能數據、配置參數數據、設備告警數據等信息，通過主設備廠家OMC設備以一定的時間顆粒度產生，能夠以小區的維度反映網絡性能和問題；DT/CQT測試得到的空口的信令數據，通過路測設備獲得，包含了用戶在發起業務和用戶運動過程中的全部數據，能夠通過用戶和業務的維度分析網絡問題，從信令面到業務面全方面的分析業務質量、用戶感知等指標；還通過智能關聯并提取A口及Abis口信令數據，以對OMC和DT數據形成補充，對問題小區、用戶投訴能做到準確的還原與再現，同時建立真正的用戶行為模型。通過從用戶側模擬、網絡側關聯、平臺側統計，多角度地提取相關數據，能全面地發現網絡中存在的問題，同時為定位問題原因和提出解決方案提供基礎。

傳統的運維一般采用“事后驅動”模式，即當小區內設備產生告警或者用戶投訴量大時，才對該小區進行處理，這導致所有的響應都是補救式的，極大地影響了用戶感知。本文采用大數據一體化分析模式，將整個網絡作為整體考慮，綜合分析路測信令、設備告警和用戶投訴等信息，主動發現問題，同時在發現某一小區存在問題后，平臺會對網絡內其它小區進行評估，通過地理近似、用戶行為模型近似等特征尋找可能出現相同問題的小區，進而發現其他小區存在的隱患問題。通過采用大數據分析模式，將網絡運維由傳統的補救式轉變為發現式，提高隱患問題點的發現能力，提升用戶感知。

在移動通信網絡運維中，故障現象和故障原因之間的關系是復雜的、非線性的，給網絡運維人員分析、處理和解決問題帶來很大的難度。網絡運維系統中

故障類型多，故障之間互不相關，故障信號采集困難，難以建立故障原因與癥狀之間的精確數學模型，是一個復雜的非線性系統，多數情況下只能憑借工程師的經驗來綜合判斷。大數據分析適合不同環境的智能化故障診斷模型，這些診斷模型能加快網絡運維工程師對故障診斷的定位和解決的速度。專家系統固化了現有的網絡運維經驗，在一定程度上可克服資料和經驗上的不足，從而對問題進行定位，并提出相應的解決方案，顯得更加客觀、合理。平臺通過數據挖掘在網絡運維中應用的分析，并針對現在運維體系存在的缺陷及實際運維工作的需求，后臺維護人員通過數據挖掘利用可以將現有優化系統統一起來，形成一個統一分析、統一處理的系統，同時更多地運用計算機、數據庫、數據挖掘、人工智能等現代化技術對網絡進行智能化分析，找出網絡存在的問題并給出解決方案。

平臺中集成了數據挖掘的決策樹算法，該算法可以進行相關性分析和偏差檢驗，可以準確定位問題的所在，從而對網絡進行有效的調整。本文還研究了關聯規則等相關性搜索算法，對出現干擾嚴重時，各參數設置的相關性分析，基本上能夠得到干擾的原因所在；通過搜索算法找出更為合理的解決方案，同時可以對網絡的干擾做出預警，提前對網絡進行調整。

平臺還對信令數據進行了分析，移動臺與基站間的注冊、鑒權、接入、切換等都是通過信令交互完成的。所以信令的監測和參數分析對了解和掌握網絡的運行狀況和運行質量有著重要意義。平臺通過對于信令的追蹤，可以方便地定位故障，驗證網絡規劃的合理性，便于具體問題的解決。

3.3 通信網絡大數據綜合故障定位平臺關鍵應用功能設計

根據上述的通信網絡大數據技術應用，平臺從通信運營和決策等不同的專題進行各種功能設計，具體如圖2所示。工程技術人員可以通過平臺進行數據采集；平臺還可以對相關數據進行覆蓋、接續、承載和接入等不同能力進行指標支撐；工程師通過該平臺提高網絡運維的數據精確度和數據采集時效性。

3.3.1 基于通信網絡擁塞度大數據分析方法

各個基站信道的數據采集結合物理信道、載頻資源和復用參數，可以結合用戶地理大數據分析，對關聯場景進行梳理優化［4］。通過這種方式實現基站擁塞、信道符合率、話務復用質量等指標的呈現，如圖3所示，為通信運營者提供及時準確的信道狀況信息，該方法可以幫助規劃工程師選擇更適合的規劃方式和頻率加載參數，減少因為信道擁塞造成話務溢出的浪費。

3.3.2 基于大數據預測通信信道分配

平臺同時以用戶行為感知、通信信道數量為基礎數據，考慮工作日、地理環境、時間段、用戶行為等影響因素，設計大數據的通信預測信道功能，平臺通過大數據平臺進行比對，對相關模型數據進行修正，甄別錯誤信息，修改缺失數據，不斷提高數據的分析準確性，精準預判話務模型，提高預測信道數量，優化信道參數，減少話務擁塞，提高用戶感知［5］，如圖4所示。

3.3.3 基于大數據挖掘故障定位

平臺以提高通信網絡管理效率為首要目標，建立通信網絡故障定位子功能和通信網絡故障分析子功能。平臺通過網絡指標的走勢，結合話務量、擁塞率、接通率、干擾性和接續能力，對現網的故障進行定位，通過網格排序的方法，結合專家數據庫，更新網絡信息，利用操作日志、故障前后操作變化，匯聚海量多源數據，利用神經網絡等技術設計智能定位子功能。在

算法模型上根據反饋效果不斷修正，平臺可以根據不同特定場景進行自動適應性優化，提高算法的智能化程度，幫助運營方掌握通信網絡的話務波動特征和飽和情況，提高調度處理工單能力，提高故障處理響應效率，如圖5所示。

3.3.4 基于大數據挖掘故障分析

平臺通過網絡的基站主設備、饋線、動力、環境等多徑流量數據，結合事件規律和時限特點，對話務模型特征、人群潮汐分布進行大數據分析，用各種不同的顏色進行專題分析展示，為通信的日常運維、處理能力提供數據支持，故障分析功能可以對通信高峰進行自動識別接預警，同時對分析結果進行案例固化，制定應急預案輔助支撐，對重點區域和VIP客戶進行重點觀察和分析，增加維護頻率，建立網絡安全保障和資源調配的信息化判斷標準，減少網絡事件發生的概率。

4 結語

總之，通信網絡在不斷增加，規模也越來越大，保障通信網絡系統安全，面臨著巨大的挑戰。當前我國居民和社會的網絡應用正在不斷增加，且我國通信網絡規模也在不斷擴大，通信網絡事業的發展面臨新的挑戰與機遇，為了保障通信網絡系統的穩定安全運行，采取有效方法診斷通信網絡故障問題具有重要意義。在我國科學技術不斷進步的環境下，新興技術在通信系統故障診斷中得到廣泛使用，且取得了良好的應用效果。當前通信網絡事業最為關注的問題就是通信網絡系統的穩定運行，為了有效解決通信網絡系統故障問題，制定符合現代化發展需求的技術與系統是當前的主要任務，以此為促進通信網絡事業的可持續發展奠定基礎。

參考文獻

［1］郭琪.基于大數據下移動通信網絡優化的思考［J］.中國新通信，2023（1）：9-11.

［2］王興.大數據背景下的網絡通信系統研究［J］.電子技術與軟件工程，2022（24）：26-30.

［3］付豪.面向大數據分析應用平臺的性能分析系統［D］.貴陽：貴州大學，2022.

［4］劉博，王艷.基于大數據分析的通信網絡阻塞故障檢測方法［J］.自動化與儀器儀表，2021（1）：43-46.

［5］胡谷雨，潘志松，王帥輝，等.基于大數據分析的網絡管理智能化［J］.國防科技，2019（5）：32-39.

（編輯 沈 強）

Application and analysis of big data analysis technology in communication network fault

Shen? Dong1， Bao? Kele2， Lyu Yi3， Huang? Daqiao3

（1.Zhejiang information and Communication Association， Hangzhou 310003， China; 2.Zhejiang Branch of China United Network Communication Co.， Ltd.， Hangzhou 310051， China; 3.Zhejiang Communications Services Co.， Ltd.， Hangzhou 310053， China）

Abstract：? With the increasing scale of the network， operators are increasingly concerned about the safety issues of network operation and maintenance failures. The emergence of new technologies such as big data and cloud computing has brought business improvements to communication network operation and maintenance. This article first introduces the concept of big data and the analysis of its advantages. Combined with the application fields of big data analysis technology， it analyzes the current situation of communication network faults， mainly including process experience method and logical elimination method. It designs the framework of a comprehensive fault location and analysis platform for communication network big data， and performs the functional design of the analysis platform. It realizes the analysis of communication network congestion big data， prediction of communication channel allocation Fault location and fault analysis based on big data mining.

Key words： big data; communication failure; analysis