IPTV群障预警方法和系统技术方案

本公开公开了一种IPTV群障预警方法和系统，涉及大数据及人工智能领域。其中的方法包括：获取目标预测时间范围之前预定时间段内的每个故障场景对应的IPTV故障特征数据，其中，目标预测时间范围包括目标预测时刻或目标预测时间段；将IPTV故障特征数据输入至对应故障场景的群障预测模型，预测目标预测时间范围的群障量；根据目标预测时间范围的真实群障量和预测群障量之间的关系，输出对应的告警信息。本公开能够及时发出故障告警信息，满足IPTV运维的实时性、准确性、自动化和全面性需求。自动化和全面性需求。自动化和全面性需求。

【技术实现步骤摘要】
IPTV群障预警方法和系统


[0001]本公开涉及大数据及人工智能领域，尤其涉及一种IPTV群障预警方法和系统。

技术介绍

[0002]随着视频、数字电视业务的发展，电信运营商IPTV(交互式网络电视)的用户量提升迅速。此前解决用户故障主要是以用户拨打客服电话投诉的内容和人工对设备巡检为抓手，依靠运维人员人工从后台系统中检查用户相关配置和设备负荷。但随着用户量的提升，节目源质量的不稳定和老旧设备的更新换代以及新的终端厂家招标入围等因素，以往的这种被动式故障处理方法，解决周期长且用户体验差。

技术实现思路

[0003]本公开要解决的一个技术问题是，提供一种IPTV群障预警方法和系统，能够及时发出故障告警信息。
[0004]根据本公开一方面，提出一种IPTV群障预警方法，包括：获取目标预测时间范围之前预定时间段内的每个故障场景对应的IPTV故障特征数据，其中，目标预测时间范围包括目标预测时刻或目标预测时间段；将IPTV故障特征数据输入至对应故障场景的群障预测模型，预测目标预测时间范围的群障量；根据目标预测时间范围的真实群障量和预测群障量之间的关系，输出对应的告警信息。
[0005]在一些实施例中，获取IPTV故障代码数据以及IPTV平台用户业务数据；对IPTV故障代码数据与IPTV平台用户业务数据进行匹配汇聚，确定多个故障场景中每个故障场景对应的样本故障特征数据；根据样本故障特征数据，训练群障预测模型。
[0006]在一些实施例中，根据目标预测时间范围的真实群障量和预测群障量之间的关系，输出对应的告警信息包括：若真实群障量大于等于第一倍数的预测群障量，则输出第一告警信息；若真实群障量小于第一倍数的预测群障量，且大于等于第二倍数的预测群障量，则输出第二告警信息；若真实群障量小于第二倍数的预测群障量，且大于等于第三倍数的预测群障量，则输出第三告警信息；其中，第一倍数大于第二倍数，第二倍数大于第三倍数；第一告警信息的严重性大于第二告警信息的严重性，第二告警信息的严重性大于第三告警信息的严重性。
[0007]在一些实施例中，多个故障场景包括电子节目指南EPG场景、内容分发网络CDN场景、机顶盒场景、产品包场景、网络层设备场景、接入失败场景和业务认证失败场景。
[0008]在一些实施例中，根据样本故障特征数据训练群障预测模型包括：将EPG场景对应的样本故障特征数据作为神经网络模型的训练数据，对神经网络模型进行训练，得到EPG场景下的群障预测模型；将CDN场景对应的样本故障特征数据作为神经网络模型的训练数据，对神经网络模型进行训练，得到CDN场景下的群障预测模型；将机顶盒场景对应的样本故障特征数据作为神经网络模型的训练数据，对神经网络模型进行训练，得到机顶盒场景下的群障预测模型；将产品包场景对应的样本故障特征数据作为神经网络模型的训练数据，对
神经网络模型进行训练，得到产品包场景下的群障预测模型；将网络层设备场景对应的样本故障特征数据作为神经网络模型的训练数据，对神经网络模型进行训练，得到网络层设备场景下的群障预测模型；将接入失败场景对应的样本故障特征数据作为时间序列预测模型的训练数据，对时间序列预测模型进行训练，得到接入失败场景下的群障预测模型；将业务认证失败场景对应的样本故障特征数据作为时间序列预测模型的训练数据，对时间序列预测模型进行训练，得到业务认证失败场景下的群障预测模型。
[0009]在一些实施例中，IPTV平台用户业务数据包括IPTV用户归属网元数据和网络拓扑。
[0010]在一些实施例中，对IPTV故障代码数据，与IPTV平台用户业务数据进行匹配汇聚包括：根据IPTV故障代码数据的业务账号和机顶盒生产序列号标识字段，对IPTV故障代码数据与IPTV用户归属网元数据和网络拓扑进行大数据汇聚匹配，分别匹配出EPG设备、CDN节点、机顶盒型号、产品包、网络层设备和业务管理平台对应的IPTV故障代码数据。
[0011]在一些实施例中，确定样本故障特征数据包括：分别提取EPG设备、CDN节点、机顶盒型号、产品包和网络层设备对应的IPTV故障代码数据的特征数据，得到EPG场景对应的样本故障特征数据、CDN场景对应的样本故障特征数据、机顶盒场景对应的样本故障特征数据、产品包场景对应的样本故障特征数据和网络层设备场景对应的样本故障特征数据；根据业务管理平台对应的IPTV故障代码数据的故障码含义，确定接入失败场景对应的样本故障特征数据和业务认证失败场景对应的样本故障特征数据。
[0012]在一些实施例中，IPTV故障代码数据包括机顶盒上报的故障代码数据和用户通过扫码上报的故障代码数据；其中，分析机顶盒上报的故障代码数据中机顶盒请求的视频源统一资源定位符URL，确定故障对应的电视频道；分析机顶盒上报的故障代码数据中机顶盒请求的EPG页面，确定故障对应的EPG页面。
[0013]根据本公开的另一方面，还提出一种IPTV群障预警系统，包括：特征数据获取模块，被配置为获取目标预测时间范围之前预定时间段内的每个故障场景对应的IPTV故障特征数据，其中，目标预测时间范围包括目标预测时刻或目标预测时间段；群障量预测模块，被配置为将IPTV故障特征数据输入至对应故障场景的群障预测模型，预测目标预测时间范围的群障量；预警与分析模块，被配置为根据目标预测时间范围的真实群障量和预测群障量之间的关系，输出对应的告警信息。
[0014]在一些实施例中，数据采集模块，被配置为获取IPTV故障代码数据以及IPTV平台用户业务数据；大数据处理模块，被配置为对IPTV故障代码数据与IPTV平台用户业务数据进行匹配汇聚，确定多个故障场景中每个故障场景对应的样本故障特征数据；模型训练模块，被配置为根据样本故障特征数据，训练群障预测模型。
[0015]根据本公开的另一方面，还提出一种IPTV群障预警系统，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行如上述的IPTV群障预警方法。
[0016]根据本公开的另一方面，还提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述的IPTV群障预警方法。
[0017]与相关技术相比，本公开实施例利用不同场景下的群障预测模型，预测目标预测时刻或目标预测时间段的群障量，然后根据真实群障量和预测群障量之间的关系，能够及
时发出故障告警信息，满足IPTV运维的实时性、准确性、自动化和全面性需求。
[0018]通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。
附图说明
[0019]构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
[0020]参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
[0021]图1为本公开的IPTV群障预警方法的一些实施例的流程示意图。
[0022]图2为本公开的IPTV群障预警方法的另一些实施例的流程示意图。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种IPTV群障预警方法，包括：获取目标预测时间范围之前预定时间段内的每个故障场景对应的IPTV故障特征数据，其中，所述目标预测时间范围包括目标预测时刻或目标预测时间段；将所述IPTV故障特征数据输入至对应故障场景的群障预测模型，预测所述目标预测时间范围的群障量；根据所述目标预测时间范围的真实群障量和预测群障量之间的关系，输出对应的告警信息。2.根据权利要求1所述的IPTV群障预警方法，还包括：获取IPTV故障代码数据以及IPTV平台用户业务数据；对所述IPTV故障代码数据与所述IPTV平台用户业务数据进行匹配汇聚，确定多个故障场景中每个故障场景对应的样本故障特征数据；根据所述样本故障特征数据，训练所述群障预测模型。3.根据权利要求1或2所述的IPTV群障预警方法，其中，根据所述目标预测时间范围的真实群障量和预测群障量之间的关系，输出对应的告警信息包括：若所述真实群障量大于等于第一倍数的所述预测群障量，则输出第一告警信息；若所述真实群障量小于所述第一倍数的所述预测群障量，且大于等于第二倍数的所述预测群障量，则输出第二告警信息；若所述真实群障量小于所述第二倍数的所述预测群障量，且大于等于第三倍数的所述预测群障量，则输出第三告警信息；其中，所述第一倍数大于所述第二倍数，所述第二倍数大于第三倍数；所述第一告警信息的严重性大于所述第二告警信息的严重性，所述第二告警信息的严重性大于所述第三告警信息的严重性。4.根据权利要求2所述的IPTV群障预警方法，其中，所述多个故障场景包括电子节目指南EPG场景、内容分发网络CDN场景、机顶盒场景、产品包场景、网络层设备场景、接入失败场景和业务认证失败场景。5.根据权利要求4所述的IPTV群障预警方法，其中，根据所述样本故障特征数据训练所述群障预测模型包括：将所述EPG场景对应的样本故障特征数据作为神经网络模型的训练数据，对所述神经网络模型进行训练，得到所述EPG场景下的群障预测模型；将所述CDN场景对应的样本故障特征数据作为神经网络模型的训练数据，对所述神经网络模型进行训练，得到所述CDN场景下的群障预测模型；将所述机顶盒场景对应的样本故障特征数据作为神经网络模型的训练数据，对所述神经网络模型进行训练，得到所述机顶盒场景下的群障预测模型；将所述产品包场景对应的样本故障特征数据作为神经网络模型的训练数据，对所述神经网络模型进行训练，得到所述产品包场景下的群障预测模型；将所述网络层设备场景对应的样本故障特征数据作为神经网络模型的训练数据，对所述神经网络模型进行训练，得到所述网络层设备场景下的群障预测模型；将所述接入失败场景对应的样本故障特征数据作为时间序列预测模型的训练数据，对所述时间序列预测模型进行训练，得到所述接入失败场景下的群障预测模型；
将所述业务认证失败场景对应的样本故障特征数据作为时间序列预测模型的训练数据，对所述时间序列预测模型进行训练，得到所述业务认证失败场景下的群障预测模型。...

【专利技术属性】
技术研发人员：张永潘，丁鸣，杨林，徐教强，邱昊，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：