一种基于MR和XDR的用户感知深度检测方法技术

本发明专利技术公开了一种基于MR和XDR的用户感知深度检测方法，包括以下步骤：S1：获取测量报告数据和信令监测数据；S2：从信令监测数据中提取用户位置信息；S3：以信令监测数据中的S1‑MME接口数据作为控制面，S1‑U接口数据作为业务面，从控制面和业务面两个维度形成业务质量KQI指标；S4：建立用户感知MOS指标的评分模型，基于评分模型和业务质量KQI指标计算得到用户感知MOS值；S5：根据无线性能KPI指标、业务质量KQI指标和用户感知MOS值，建立“无线性能—业务性能—用户感知”三层分析模型；通过三层分析模型还原用户感知质差时的即时无线性能；本发明专利技术通过无线侧与业务侧的双向联动分析，使质差用户分析层级从小区级提升至用户级，提高了问题定位精确度及效率。

【技术实现步骤摘要】
一种基于MR和XDR的用户感知深度检测方法
本专利技术属于通信
，更具体地，涉及一种基于MR和XDR的用户感知深度检测方法。
技术介绍
网络质量是运营商的生命线，良好的网络服务质量才能保证市场占有率以及市场口碑。良好的网络覆盖在确保网络质量竞争优势、确保用户业务体验方面发挥着极其重要的作用。近年来，随着4G业务的快速发展，用户对无线网络服务质量要求也日益苛刻，因此，如何快速发掘无线网络深层次问题，快速定位问题以及及时解决问题，提升网络故障处理及时性，显得尤为重要。传统手段对于无线网络问题的评估定位仅仅停留在网管小区、网元级关键绩效指标(KeyPerformanceIndicator，KPI)的定量分析，将KPI指标作为用户感知指标，片面依据KPI诊断客户感受，指标好即客感好，指标差即客感差的错误优化理念，导致无线网络优化效率低，客户感知严重受损，运营商无线网络市场影响力下降等。其主要缺陷包括以下几点：(1)不可复原真相，即时性差：依靠被动的用户投诉来驱动网络问题的排查定位，具有极大后知后觉性，不能复原用户投诉业务感知差的即时网络质量实情，无法“还原现场”；(2)缺乏系统性的问题定界分析手段：传统测量报告(Mearsurementreport，MR)数据分析只能基于小区，无法应用到用户级感知分析；单纯依靠人工统计KPI指标以及MR数据分析，仅能发现网络指标的异常迹象，用户无线侧问题定位难以实现，排查效率低，准确性无保障，局限性大。
技术实现思路
针对现有技术的至少一个缺陷或改进需求，本专利技术提供了一种基于MR和信令监测数据(CircuitcallandPacketcallDetailRecords，XDR)的用户感知深度检测方法，解决了现有技术中以无线性能KPI指标作为用户感知指标无法真实反映用户感知、无法真实复原用户投诉业务感知差的即时网络质量实情的问题。为实现上述目的，按照本专利技术的一个方面，提供了一种基于MR和XDR的用户感知深度检测方法，包括以下步骤：S1：获取测量报告数据和信令监测数据；S2：从信令监测数据中提取用户HTTP数据包，对用户HTTP数据包进行解码，获得用户位置信息；S3：以信令监测数据中的S1-MME接口数据作为控制面，信令监测数据中的S1-U接口数据作为业务面，从控制面和业务面两个维度形成业务质量关键质量指标(KeyQualityIndicators，KQI)；S4：根据海量用户投诉的业务质量及用户感知评分的采样数据建立用户感知平均意见值(MeanOpinionScore，MOS)指标的评分模型；基于评分模型和业务质量KQI指标计算得到用户感知MOS值；S5：从测量报告数据中提取无线性能KPI指标，根据无线性能KPI指标、业务质量KQI指标和用户感知MOS值，通过集成式学习算法建立“无线性能—业务性能—用户感知”三层分析模型；S6：基于用户位置信息和用户感知MOS值，通过三层分析模型还原用户感知质差时所处的地理位置以及对应的时间点，以实现在时间和空间维度上对用户投诉业务感知差时的即时无线性能进行复原；S7：根据上述即时无线性能，分别从无线侧和业务侧对用户感知质差原因进行定位，得到导致用户感知质差的异常无线性能指标，并针对该异常无线性能指标进行优化。优选的，上述用户感知深度检测方法，步骤S7包括以下子步骤：S71：根据相同的时间戳和S1apID信息，将信令监测数据、测量报告数据和所述用户位置信息进行关联，得到用户多维关联数据；S72：在无线侧，基于用户感知MOS值，以及对应的业务性能数据和无线指标数据，采用地理信息系统(GeographicInformationSystem，GIS)渲染和/或栅格定位呈现用户感知MOS值的短板区域，得到短板区域内的业务性能数据和无线指标数据，将无线指标数据与预设的无线指标预警阈值进行对比，得到异常无线指标，实现无线侧用户感知质差原因精确定位；从用户多维关联数据中提取不同业务场景对应的业务特征值，基于无线性能KPI指标与业务质量KQI指标的映射关系得到与业务特征值对应的无线性能指标，深度检测用户业务质差微区域，锁定优化目标区域，并通过分场景覆盖优化实现用户感知MOS值提升；S73：在业务侧，建立业务质量KQI指标与无线性能KPI指标的关联分析模型，当业务质量KQI指标出现异常时，该关联分析模型将触发无线性能KPI指标的评分算法，评分算法用于检测无线性能KPI指标中影响用户业务感知的影响因子并根据影响因子的异常程度生成对应的预警值，所述预警值触发具有不同等级和处理时限的运维工单，实现无线网络的巡检和优化。优选的，上述用户感知深度检测方法，步骤S3之后还包括以下步骤：利用通用概率性潜在语义统计分析法(GeneralProbabilityLatentSemanticAnalysis，GPLSA)对不同业务域名、不同时间维度指标进行学习，得到各业务域名、不同时段时延的动态门限值，业务质量KQI指标低于所述动态门限值则进行预警，实现业务质量异常预警。优选的，上述用户感知深度检测方法，其评分模型的建立过程包括：采集大量用户投诉的业务质量及其对应的用户感知评分建立经验库，根据用户感知评分对所述经验库中的不同业务质量数据设置权重并进行加权计分，得到用户感受特征值，将用户感受特征值和对应的业务质量数据进行关联，得到用户感知MOS指标的评分模型；业务质量数据包括附着、承载建立、业务请求、跟踪区更新(TrackingAreaUpdate，TAU)和HTTP业务访问时延。优选的，上述用户感知深度检测方法，其业务特征值包括地域级别、业务场景、业务类型、业务包大小、业务时延、用户规模、场强和质量。优选的，上述用户感知深度检测方法，步骤S2中，获取用户位置信息包括以下步骤：S21：从测量报告数据中提取原始测量报告数据；S22：对原始测量报告数据进行预处理，解析并提取关键字段，获取涉及网络覆盖质量的数据信息，得到服务小区和邻区场强信息；S23：判断服务小区和邻区场强信息是否具有三角场强定位条件，若是，则根据基站信息进行三角场定位，得到用户的位置信息；若否，则进入下一步；S24：判断服务小区和邻区场强信息中是否具有TA和AOA数据，若是，则进行TA和AOA定位，得到用户位置信息；若否，则进入下一步；S25：进行小区定位，获取用户位置信息，实现用户位置的精确定位。优选的，上述用户感知深度检测方法，还包括以下步骤：S26：基于采集的用户位置信息，采用室内外区分算法，结合用户位置的运动态识别和位置合理性判断，准确区分室内用户和室外用户，实现对用户级别的移动状态和静止状态的判定，并根据室内外用户属性数据建立MR指纹库。总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，能够取得下列有益效果：(1)本专利技术提供的一种基于MR和XDR的用户感知深度检测方法，从控制面和业务面两个维度形成业务质量KQI指标，建立用户感知MOS指标的评分模型，并基于评分模型和业务质量KQI指标计算得到用户感知MOS值，以用户感知MOS值代替MR数据中的无线性能KPI指标来诊断用户的网络感知，真实可靠；根据无线性能KPI指标、业务质量KQI指标和所述用户感知MOS值建立“无线性能—业务性能—用户感知”三层分本文档来自技高网...

【技术保护点】
1.一种基于MR和XDR的用户感知深度检测方法，其特征在于，包括以下步骤：S1：获取测量报告数据和信令监测数据；S2：从所述信令监测数据中提取用户HTTP数据包，对所述用户HTTP数据包进行解码，获得用户位置信息；S3：以信令监测数据中的S1‑MME接口数据作为控制面，信令监测数据中的S1‑U接口数据作为业务面，从所述控制面和业务面两个维度形成业务质量KQI指标；S4：根据用户投诉的业务质量及用户感知评分的采样数据建立用户感知MOS指标的评分模型；基于所述评分模型和业务质量KQI指标计算得到用户感知MOS值；S5：从所述测量报告数据中提取无线性能KPI指标，根据所述无线性能KPI指标、业务质量KQI指标和所述用户感知MOS值，通过集成式学习算法建立“无线性能—业务性能—用户感知”三层分析模型；S6：基于所述用户位置信息和用户感知MOS值，通过所述三层分析模型还原用户感知质差时所处的地理位置以及对应的时间点，以实现在时间和空间维度上对用户投诉业务感知差时的即时无线性能进行复原；S7：根据所述即时无线性能，分别从无线侧和业务侧对用户感知质差原因进行定位，得到导致用户感知质差的异常无线性能指标，并针对所述异常无线性能指标进行优化。...

【技术特征摘要】
1.一种基于MR和XDR的用户感知深度检测方法，其特征在于，包括以下步骤：S1：获取测量报告数据和信令监测数据；S2：从所述信令监测数据中提取用户HTTP数据包，对所述用户HTTP数据包进行解码，获得用户位置信息；S3：以信令监测数据中的S1-MME接口数据作为控制面，信令监测数据中的S1-U接口数据作为业务面，从所述控制面和业务面两个维度形成业务质量KQI指标；S4：根据用户投诉的业务质量及用户感知评分的采样数据建立用户感知MOS指标的评分模型；基于所述评分模型和业务质量KQI指标计算得到用户感知MOS值；S5：从所述测量报告数据中提取无线性能KPI指标，根据所述无线性能KPI指标、业务质量KQI指标和所述用户感知MOS值，通过集成式学习算法建立“无线性能—业务性能—用户感知”三层分析模型；S6：基于所述用户位置信息和用户感知MOS值，通过所述三层分析模型还原用户感知质差时所处的地理位置以及对应的时间点，以实现在时间和空间维度上对用户投诉业务感知差时的即时无线性能进行复原；S7：根据所述即时无线性能，分别从无线侧和业务侧对用户感知质差原因进行定位，得到导致用户感知质差的异常无线性能指标，并针对所述异常无线性能指标进行优化。2.如权利要求1所述的用户感知深度检测方法，其特征在于，步骤S7包括以下子步骤：S71：根据相同的时间戳和S1apID信息，将信令监测数据、测量报告数据和所述用户位置信息进行关联，得到用户多维关联数据；S72：在无线侧，基于用户感知MOS值和所述用户多维关联数据，采用GIS渲染和/或栅格定位呈现用户感知MOS值的短板区域，得到所述短板区域内的业务性能数据和无线指标数据，将所述无线指标数据与预设的无线指标预警阈值进行对比，得到异常无线指标，实现无线侧质差原因精确定位；从所述用户多维关联数据中提取不同业务场景对应的业务特征值，基于无线性能KPI指标与业务质量KQI指标的映射关系得到与所述业务特征值对应的无线性能指标，深度检测用户业务质差微区域，锁定优化目标区域，并通过分场景覆盖优化实现用户感知MOS值提升；S73：在业务侧，建立业务质量KQI指标与无线性能KPI指标的关联分析模型，当业务质量KQI指标出现异常时，所述关联分析模型将触发无线性能KP...

【专利技术属性】
技术研发人员：赵清，陈祥，陈欢，成纯松，张文竞，张顺，
申请(专利权)人：武汉虹信技术服务有限责任公司，
类型：发明
国别省市：湖北,42