5G无线话务统计智能分析及网络健康评测优化方法及系统技术方案

本申请涉及一种5G无线话务统计智能分析及网络健康评测优化方法及系统，该方法包括：获取网络规划数据，网络规划数据包括DT/CQT测试数据、OMC网管数据、投诉信息数据和设备告警信息数据。根据网络规划数据对网络环境进行硬件告警核查、覆盖问题分析、干扰问题分析、话筒指标分析以及参数设置核查，得到分析结果。通过话务统计构建人工智能模型，并通过人工智能模型对所述分析结果进行模型训练，定位网络问题并得到性能评估结果。根据预设条件判断性能评估结果是否满足要求，若满足，则对性能评估结果进行归档，若不满足，则重新根据网络规划数据对网络环境进行核查分析。通过构建人工智能模型对分析结果进行训练来评估网络状态，提高问题定位的效率。高问题定位的效率。高问题定位的效率。

【技术实现步骤摘要】
5G无线话务统计智能分析及网络健康评测优化方法及系统


[0001]本申请涉及5G无线网络优化
，特别是涉及一种5G无线话务统计智能分析及网络健康评测优化方法及系统。

技术介绍

[0002]开展5G技术来支持4G终端，实现5G的提前使用，来推进4G向5G的过渡方案研究和实践的运营商，具有先发优势。同时也是最先在3GPP开展了“基于应用感知实现4G与5G互操作”的创新性研究，充分发挥5G技术优势，合理利用4G已有投资，并通过核心网互操作方案实现4G网络和5G网络的协同，因此，运营商在该技术上具有引领性和首创性。随着5G无线信号在小区信号接入中影响信号质量占比越来越大，现有优化方案中的网络优化过程渐渐不能满足高峰时段小区大量信号的品质。主要体现在无线性能接入优化过程中各流程步骤通过系统自动化排查来定位问题具体步骤后进行处理，缺乏时效性。
[0003]目前，申请号201811566509.7公开了一种低效基站的管理方法、装置、设备及可读存储介质，根据第一预设条件在信息数据库中进行筛选，将符合第一预设条件的基站作为低效基站，并行获取各个低效基站的基础信息表，告警数据及周边基站的话务统计数据，根据该低效基站的基础信息表、告警数据及周边基站的话务统计数据，对各个低效基站进行多维画像分析，生成多维画像分析结果，利用智能分析优化算法对多维画像分析结果进行数据挖掘，输出低效基站的优化调整方案。该专利通过信息化手段快速筛选与判断出低效基站，并通过智能化分析低效基站的成因，同时输出优化调整建议来提升网络资源利用率和工作效率以及节约人力成本，但该方法仅通过对符合预设条件的低效基站进行多维画像分析来得到低效基站的优化调整方案，方式较为单一，较难保证定位网络问题的效率。
[0004]另外，申请号201510430923.5公开了一种移动网络优化方法及系统，该移动网络优化方法包括：采集移动网络的基础信号数据，基础信号数据至少包括天线系统普查数据、小区数据和网络测量数据，并根据基础信号数据构建干扰矩阵，获取移动网络数据的当前网络无线参数和目标网络无线参数。计算移动网络的优化指标集，从优化指标集中分别提取每项优化指标，得到多项优化模型对每项优化指标分别进行优化处理，得到多项优化后的指标参数。对优化后的指标参数进行评测，并根据指标参数对移动网络信号进行配置来提升移动网络的信号质量。但是该方法仅根据基础信号数据构建干扰矩阵并计算优化指标集来提取优化指标，进而通过该优化指标进行优化处理并对优化后的网络进行测评来提高移动网络的信号质量，在优化指标集建立以及优化指标提取的过程中较难保证网络问题的效率。
[0005]综上所述，一般的网络优化方法由于其优化方式的局限性，导致网络问题的定位效率较低。

技术实现思路

[0006]基于此，有必要针对上述技术问题，提供一种网络问题定位效率较高的5G无线话
务统计智能分析及网络健康评测优化方法及系统。
[0007]第一方面，本申请提供一种5G无线话务统计智能分析及网络健康评测优化方法，所述方法包括：
[0008]获取网络规划数据，所述网络规划数据包括DT/CQT测试数据、OMC网管数据、投诉信息数据和设备告警信息数据；
[0009]根据所述网络规划数据对网络环境进行硬件告警核查、覆盖问题分析、干扰问题分析、话筒指标分析以及参数设置核查，得到分析结果；
[0010]通过话务统计构建人工智能模型，并通过所述人工智能模型对所述分析结果进行模型训练，定位网络问题并得到性能评估结果；
[0011]根据预设条件判断所述性能评估结果是否满足要求，若满足，则对所述性能评估结果进行归档，若不满足，则重新根据所述网络规划数据对网络环境进行核查分析。
[0012]在其中一个实施例中，所述性能评估结果为话务统计对网络健康状态进行覆盖调整，邻区关系优化、小区参数调整、硬件故障排查以及干扰排查的评估结果，所述通过所述人工智能模型对所述分析结果进行模型训练，包括：
[0013]通过随机森林优化模型对网络环境的分析结果进行训练，并根据所述随机森林优化模型的训练结果获得故障类型，所述故障类型包括硬件告警问题、覆盖问题、干扰问题、话务指标问题和参数设置问题；
[0014]计算不同故障类型的发生概率。
[0015]在其中一个实施例中，所述随机森林优化模型公式为：
[0016][0017]其中，n为设定的常数，表示不同故障类型的采样监测指标数量，表示当前故障类型发生异常的概率，H(i)表示当前故障类型发生的概率，H
j
表示当
[0018]当前故障类型发生异常概率的加权平均值。
[0019]在其中一个实施例中，所述通过所述人工智能模型对所述分析结果进行模型训练，还包括：
[0020]通过贝叶斯优化模型对网络环境的分析结果进行训练，并根据所述贝叶斯优化模型的训练结果获得所述故障类型的故障总数；
[0021]从大到小依次计算所述故障类型发生的概率。
[0022]在其中一个实施例中，所述通过所述人工智能模型对所述分析结果进行模型训练，还包括：
[0023]通过贝叶斯优化模型对网络环境的分析结果进行训练，并通过2/8原则根据所述贝叶斯优化模型的训练结果将所述故障类型进行故障等级划分，所述故障等级包括紧急、严重、重要、一般和轻微；
[0024]根据所述故障等级的划分结果获取不同故障等级下的故障发生概率。
[0025]在其中一个实施例中，所述通过贝叶斯优化模型对网络环境的分析结果进行训练，包括：
[0026]构建进程池以存储多个线程，并通过线程池占用率模型计算线程池负荷度指标
ω：
[0027][0028]按照所述故障类型分配线程池，并根据所述故障等级分配线程；
[0029]通过所述线程池占用率模型实时监测所述线程池的占用率情况，若所述线程池的占用率超过第一阈值，则重新分配线程进行线程池占用率模型计算；
[0030]其中，N为线程池运行时的工作线程数，N
max
为设置的最大线程数，表示工作线程的饱和度，T
cur
为当前采集时间窗口的任务数，T
pre
为上一采集时间窗口的任务数，Q为任务缓冲队列大小，为当前任务饱和度，表示任务缓冲队列增长速率，ζ1至ζ3为权重系数。
[0031]在其中一个实施例中，所述贝叶斯优化模型公式为：
[0032][0033]其中，P(A)为按照所述故障等级分类的故障每天发生的概率，P(A)＝0表示无，P(A)＝1表示有，P(B)为当前故障等级的故障发生占全部故障比，P(B)＝当前故障等级的故障条数/监测总数，P(A|B0为故障解决后，该故障等级故障仍然会发生的概率，P(A|B)＝1
‑
(当前故障等级的故障条数/当前故障等级的故障仍发生条数)，P(B|A)为当前故障等级的故障每天发生的概率；
[0034]其中，所述故障等级包括紧急、严重、重要、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种5G无线话务统计智能分析及网络健康评测优化方法，其特征在于，所述方法包括：获取网络规划数据，所述网络规划数据包括DT/CQT测试数据、OMC网管数据、投诉信息数据和设备告警信息数据；根据所述网络规划数据对网络环境进行硬件告警核查、覆盖问题分析、干扰问题分析、话筒指标分析以及参数设置核查，得到分析结果；通过话务统计构建人工智能模型，并通过所述人工智能模型对所述分析结果进行模型训练，定位网络问题并得到性能评估结果；根据预设条件判断所述性能评估结果是否满足要求，若满足，则对所述性能评估结果进行归档，若不满足，则重新根据所述网络规划数据对网络环境进行核查分析。2.根据权利要求1所述的5G无线话务统计智能分析及网络健康评测优化方法，其特征在于，所述性能评估结果为话务统计对网络健康状态进行覆盖调整，邻区关系优化、小区参数调整、硬件故障排查以及干扰排查的评估结果，所述通过所述人工智能模型对所述分析结果进行模型训练，包括：通过随机森林优化模型对网络环境的分析结果进行训练，并根据所述随机森林优化模型的训练结果获得故障类型，所述故障类型包括硬件告警问题、覆盖问题、干扰问题、话务指标问题和参数设置问题；计算不同故障类型的发生概率。3.根据权利要求2所述的5G无线话务统计智能分析及网络健康评测优化方法，其特征在于，所述随机森林优化模型公式为：其中，n为设定的常数，表示不同故障类型的采样监测指标数量，表示当前故障类型发生异常的概率，H(i)表示当前故障类型发生的概率，H
j
表示当当前故障类型发生异常概率的加权平均值。4.根据权利要求2所述的5G无线话务统计智能分析及网络健康评测优化方法，其特征在于，所述通过所述人工智能模型对所述分析结果进行模型训练，还包括：通过贝叶斯优化模型对网络环境的分析结果进行训练，并根据所述贝叶斯优化模型的训练结果获得所述故障类型的故障总数；从大到小依次计算所述故障类型发生的概率。5.根据权利要求4所述的5G无线话务统计智能分析及网络健康评测优化方法，其特征在于，所述通过所述人工智能模型对所述分析结果进行模型训练，还包括：通过贝叶斯优化模型对网络环境的分析结果进行训练并通过2/8原则根据所述贝叶斯优化模型的训练结果将所述故障类型进行故障等级划分，所述故障等级包括紧急、严重、重要、一般和轻微；根据所述故障等级的划分结果获取不同故障等级下的故障发生概率。6.根据权利要求5所述的5G无线话务统计智能分析及网络健康评测优化方法，其特征在于，所述通过贝叶斯优化模型...

【专利技术属性】
技术研发人员：黎达伟，
申请(专利权)人：天翼云科技有限公司，
类型：发明
国别省市：