基于移动用户画像的个性化PCC决策技术

摘要：为了实现高度的用户差异化，满足用户的个性化移动网络连接需求，首先描述PCC控制的层次结构，分析现有PCC决策方法的用户差异化问题，然后阐述移动用户画像与典型画像标签，最后提出基于移动用户画像的个性化PCC决策方案，以提高PCC决策的智能化水平，满足用户的个性化网络需求，优化移动网络资源分配。

关键词：用户画像;画像标签;策略与计费控制决策;用户差异化

1   引言

PCC（Policy and Charging Control，策略与计费控制）架构是实现移动网络智能化的重要手段，它可以实现灵活的策略和计费控制。根据文献[1]的PCC架构描述以及文献[10]的PCC策略总结，现有的PCC决策技术可分为无用户差异化决策技术与弱用户差异化决策技术。无用户差异化决策技术没有提供任何用户差异化服务，即对不同用户的策略是一样的，如基于业务的策略控制。弱用户差异化技术基于用户的当前业务数据或网络状态进行决策，只能实现一定程度的用户差异化服务，差异化能力比较薄弱，不能真正满足用户的个性化移动网络需求，如基于用户当前服务级别的策略控制。另一方面，移动用户画像能够挖掘移动用户深层次的隐藏特性，通过画像标签反映移动用户的个性特点，将移动用户画像应用到PCC决策中，可以实现强用户差异化，可以有效解决现有PCC架构中用户差异化能力不足的问题。本文首先描述PCC控制的层次结构，分析现有PCC决策方法中的用户差异化能力问题，然后阐述用户画像的含义及与网络服务相关的移动用户画像标签体系，最后提出基于移动用户画像的个性化PCC决策技术方案。

2   PCC控制层次结构

根据3GPP（3rd Generation Partnership Project，第三代合作伙伴计划）规范，EPS（Evolved Packet System，演进的分组系统）中的PCC架构主要用于对移动网络进行策略与计费控制，策略控制主要包括门控、QoS（Quality of Service，服务质量）控制等，计费控制包含基于业务数据流或应用的离线计费和在线计费控制。PCC架构中涉及多个网元，每个网元功能各司其责，随着需求和标准的演进，PCC架构中会不断地加入新的网元或网络功能，但是总体上，PCC控制基本可以分成三个层次：决策依据层、决策判断层和决策执行层，如图1所示。

第一层：决策依据层，这一层的网元主要包括：SPR（Subscription Profile Repository，用户签约存储库）、OCS（Online Charging System，在线计费系统）、RCAF（RAN Congestion Awareness Function，无线接入网拥塞感知功能）、AF（Application Function，应用功能）、SCEF（Service Capability Exposure Function，服务能力开放功能）等，主要作用是为PCC决策提供决策依据，其中SPR提供用户当前的业务注册数据，OCS提供配额数据，RCAF提供用户拥塞状态数据，AF和SCEF提出PCC控制请求。

第二层：决策判断层，这一层的网元主要包括PCRF（Policy and Charging Rules Function，策略控制规则功能），主要作用是进行PCC决策判断，生成和下发PCC规则，指明具体的策略控制规则和计费控制规则，其中策略控制规则包括业务数据流定义规则、QoS控制规则、门控规则等，计费控制规则包括费率组、在线计费标记、离线计费标记、计量方法等。

第三层：决策执行层，这一层的网元主要包括PCEF（Policy and Charging Enforcement Function，策略控制执行功能）、BBERF（Bearer Binding and Event Reporting Function，承载绑定与报告功能）等，主要作用是根据PCC决策结果，执行PCC规则，包括策略控制执行、计费控制执行等。

3   用户差异化问题

PCC架构（或框架）能够支持业务级PCC决策，针对不同的业务采用不同的PCC策略，可用于保障重点业务的服务体验，限制非重点业务对正常业务的网络资源侵占，例如给视频通话业务给予最高级的QoS待遇、对P2P（Peer-to-Peer，点到点）业务给予最低级的QoS待遇。业务级PCC决策仅参考业务类型，不考虑用户因素，只要使用同一业务，所有用户获得的网络服务质量是一样的，用户之间完全没有差异化。这种PCC决策属于无用户差异化决策。

PCC架构（或框架）也能够支持用户级PCC决策，针对不同的用户采用不同的PCC策略，可用于保障高端用户的业务体验，实现服务的用户差异化，例如在网络拥塞情况下，金牌用户可以仍保持原有的QoS，银牌用户的QoS自动下降1/2。为了实现用户级PCC决策，PCC架构中引入了当前生效的用户数据作为参考因素，这些用户数据主要来自SPR提供的用户当前业务注册数据、OCS提供的用户当前配额数据以及由RCAF提供的用户当前拥塞状态数据等，其中用户业务注册数据包括用户的允许业务（Allowed Services）信息、用户每个业务的先占优先级（Pre-emption Priority）信息、用户的分类（Category）信息等。虽然这种PCC决策在一定程度上实现了用户差异化，但是用户的差异化程度仍然不高，比如，若金牌用户群（或银牌用户群）的用户数量比较大，如10万级以上，但对这么大量的金牌用户采取的PCC策略都是一样的，即金牌用户之间（或银牌用户之间）是没有差异化的。实际上，金牌用户群（或银牌用戶群）中的大量不同用户对网络的需求仍有很多个性差异，基于用户当前状态数据的PCC决策不能完全满足用户的个性化需求。这种PCC决策属于弱用户差异化决策。

要实现高度的用户差异化，需要基于每个用户的个性化特征进行PCC决策，采用适合不同用户独特需要的PCC策略，支持每个用户都可以有不同的策略，如金牌用户1与金牌用户2是不同的策略或银牌用户1与银牌用户2是不同的策略。这种PCC决策属于强用户差异化决策。上述三种PCC决策方式的用户差异化支持能力如图3所示。

4   移动用户画像

移动用户画像是基于大数据精准描绘移动用户个性化特性的过程，它采集与移动用户相关的大量数据，包括业务受理数据、业务开通数据、计费帐务数据、客户服务数据、位置与信令数据、网络使用行为数据以及其它第三方相关数据等，每种数据类型都包含当前生效数据和大量历史数据，然后采用各种算法（或模型）进行分析和计算，如多元回归分析、聚类分析、深度学习等，挖掘出移动用户深层次的隐藏信息，对用户打上多项容易理解、突出特征的画像标签，通过画像标签反映移动用户的个性化形象。

移动用户画像涵盖范围可能很广，但针对个性化网络服务应用，我们主要关注3大类的标签，包括用户上网内容偏好标签、用户上网时间偏好标签、用户上网位置偏好标签，每类标签分为多级标签，越细的标签反映越具体的用户特性。

其中，用户上网内容偏好标签非常丰富，如视频偏好标签、音乐偏好标签、游戏偏好标签、移动支付偏好标签、即时通讯偏好标签、网购偏好标签、阅读偏好标签等，每项偏好下还可以有更具体的应用偏好标签，例如在视频偏好标签下，有优酷偏好标签、爱奇艺偏好标签、腾讯视频偏好标签等。用户上网时间偏好标签包括流量消费时段标签、上网时段偏好标签、上网日期偏好标签，其中流量消费时段标签是指用户流量消费最集中的时间标签，如上午偏好标签、下午偏好标签、夜晚偏好标签等;上网时段偏好标签包括不同的时段偏好标签，如0点—8点偏好标签、8点—12点偏好标签等，上网日期偏好标签是指用户上网日期偏好标签，包括工作日偏好標签、节假日偏好标签、某一天的偏好标签（如周一偏好标签）等;用户上网位置偏好标签包括常用基站标签、常在区域标签、常在经纬度标签，三者标签的结合可以全面反映用户位置偏好特性。

5   个性化PCC决策方案

由于移动用户画像能够充分反映每个用户使用移动网络的个性化特性，利用这些个性化特性可以实现个性化的PCC决策，提供高度的用户差异化网络服务。基于移动用户画像的PCC决策方案如图5所示。

其中，在决策依据层，增加大数据采集与预处理模块、大数据挖掘与分析模块以及移动用户画像标签库模块。大数据采集与预处理模块的主要功能是为移动用户画像工作做好数据准备，它从多个数据源采集移动用户相关数据，包括DPI（Deep Packet Inspection，深度包检测技术）数据、BSS（Business Support Systems，业务支撑系统）数据、OSS（Operation Support System，运营支撑系统）数据、业务平台数据及第三方数据等，然后进行数据清冼、数据校验与数据转换等数据预处理工作。大数据挖掘与分析模块主要完成移动用户画像，生成画像标签，它具备多种挖掘与分析算法支持，针对不同的画像特性可以选择不同算法，支持采用不同的算法进行试算，并根据试算结果对算法的参数进行优化调整，最终生成精准的移动用户画像标签。画像标签数据最终统一存储到移动用户画像标签库，然后由移动用户画像标签库统一提供标签数据服务，包括订阅服务与通知服务。在决策判断层，增加个性化PCC决策功能模块，专门负责完成基于用户画像的PCC决策，其中标签与规则关联配置模块主要负责完成标签与PCC规则的关联设置，配置画像标签与PCC规则的对应关系。标签数据订阅与接收模块主要负责从移动用户标签库获取最新的用户画像标签数据，包括订阅和接收画像标签数据。个性化规则生成模块主要负责根据标签与规则关联关系以及用户的画像标签生成用户的个性化PCC规则，并将个性化PCC规则返回给PCRF。

其中，PCEF向PCRF发起网络会话请求，PCRF向SPR获取基本的用户数据以及向OCS获取流量配额数据，然后进行基本的PCC决策，若用户符合提供个性化服务的条件，如金牌用户或个性化服务订购用户，则向个性化PCC决策功能发起个性化PCC决策请求，个性化PCC决策功能从移动用户画像标签库获取用户画像标签数据，然后基于用户画像进行个性化PCC决策，并向PCRF返回个性化的PCC策略信息，最后PCRF综合基本决策与个性化策略的结果，向PCEF返回会话建立的响应信息，其中包括个性化的PCC策略信息。

个性化决策方案扩展了原有PCC架构的策略控制能力，可实现高度的用户差异化策略，为用户提供个性化的网络服务，更加有针对性地保障用户的网络使用质量。该方案可以支持高端用户个性化服务场景，例如，金牌用户A属于视频偏好用户且偏好应用分别是优酷、爱奇艺，网络就为这两个视频应用提供有QoS保证的专用承载（Dedicated Bearer），GBR（Guranteed Bit Rate，保证比特速率）为20 M/s;金牌用户C属于音频偏好用户且偏好应用分别是酷狗音乐、虾米音乐，网络就为这两个音乐应用提供有QoS保证的专用承载，GBR为5 M/s;金牌用户C属于视频偏好用户但偏好应用分别是抖音、百度视频，同时属于音乐偏好用户但偏好应用分别为QQ音乐、网易音乐，网络就针对两个不同视频应用和音乐应用提供相应的QoS保证。

上述方案也可类似地应用于5G系统的PCC决策，其中5G的PCF（Policy Control Function，策略控制功能）与PCRF定位类似，SMF（Session Management Function，会话管理功能）与PCEF定位类似，UDR（Unified Data Repository，统一数据库）与SPR定位类似。

6   结束语

移动用户画像可以勾画用户的深层次偏好特征，呈现用户的个性化特性，反映用户的移动网络个性化需求。基于移动用户画像的PCC决策方案在决策依据层引入了移动用户的画像标签数据，在决策判断层引入了个性化PCC决策功能，从而将大数据的智能分析能力融合到PCC架构中，令PCC决策更加精准，从而实现高度的用户差异化服务。展望未来，有两方面的内容值得进一步研究和思考，一方面是如何提升移动网络与大数据平台的协同能力，令画像标签运营与智能管道运营高效协同运作，另一方面是如何挖掘更加丰富和精准的移动用户画像标签，如提高实时的画像计算能力、采用更先进的画像算法等，以产生更多有价值的画像标签，支持更具个性化、更加智能的PCC决策。

参考文献：

[1] 3GPP TS 23.203 R15. Policy and charging control architecture[EB/OL]. （2018-09-17）[2019-01-14]. http：//www.3gpp.org/ftp//Specs/archive/23_series/23.203/23203-f40.zip.

[2] 3GPP TS 23.503 R15. Policy and Charging Control Framework for the 5G System[EB/OL]. （2018-12-18）[2019-01-14]. http：//www.3gpp.org/ftp//Specs/archive/23_series/23.503/23503-f40.zip.

[3] 3GPP TS 23.501 R 15. System Architecture for the 5G System[EB/OL]. （2018-12-18）[2019-01-14]. http：//www.3gpp.org/ftp//Specs/archive/23_series/23.501/23501-f40.zip.

[4] 王曉霞，刘静沙. 运营商大数据用户画像实践[J]. 电信科学， 2018（5）： 127-133.

[5] 孟巍，吴雪霞. 基于大数据技术的电力用户画像[J]. 电信科学， 2017（Z1）： 15-20.

[6] 裘华东，涂莹. 基于标签库系统的电力企业客户画像构建与信用评估及电费风险防控应用[J]. 电信科学， 2017（Z1）： 206-213.

[7] 张小可，沈文明. 贝叶斯网络在用户画像构建中的研究[J]. 移动通信， 2016，40（22）： 22-26.

[8] 王雪琼，熊珺洁. 基于大数据挖掘的终端换机模型[J]. 电信科学， 2016，40（12）： 43-52.

[9] 钟庆. 基于喜好标签的移动互联网用户行为分类研究[J]. 移动通信， 2016，40（9）： 93-96.

[10] 池炜成. 端到端的LTE QoS控制技术与策略研究[J]. 移动通信， 2014，38（5）： 52-58.