融智提质，构建用户级业务下钻的网络感知优化体系

张晶 朱伟 赵志扬 陈康 梅明涛 宋啸天

1.中国移动通信集团江苏有限公司；2.镇江市审计局

0 引言

衡量用户感知有利于测定通信运营商的经营质量水平。在江苏移动日常的用户感知投诉处理中，问题主要来自三个方面：低速率、高时延、低响应成功率。针对用户感知投诉问题，传统优化方式以无线KPI指标提升为主，辅以现场测试，用户感知差的因素较多。业务的复杂性要求用户感知优化必须从传统的各专业各自为政向各业务综合评估优化转型，目前用户感知提升面临四大挑战。如图1所示。

图1 用户感知提升面临的四大挑战

用户感知指标与客观感知指标难映射，用户体验与网络运营指标体系难以建立传统的线性关联，需要解决聚焦优化哪些区域、哪些业务的问题，从而提升用户体验。本文基于大数据建模，结合用户业务主观感知与客观网络大数据，建立感知画像。基于分场景差异化实施优化策略，开展用户级的智能化业务感知评估，利用栅格化呈现，精细感知优化，精准识别感知质差区域，不断提升用户感知，打造精品网络，精确指导优化。

1 感知优化体系原理

基于网优SEQ大数据平台进行用户行为研究，结合用户业务主观感知与客观网络大数据，建立客户感知与网络质量之间的关联关系，构建基于用户级的网优智能优化体系，从传统的小区维度性能优化转向用户业务级别智能化建模优化，并利用栅格化与地理化呈现，精准提升用户体验，从传统的被动解决问题转向主动的用户关怀。

根据用户定位及行为识别进行场景判别，智能实现场景、价值，以及用户迁移特性的多维聚合，精准挖潜网络短板。基于分场景差异化实施优化策略，开展用户级的智能化业务感知评估，对各业务进行智能化建模分析，完成视频/扫码/咪咕视频/手游等评估体系建立，实现感知差用户栅格级、区域级汇聚并输出质差用户，分析原因并提供优化建议。相比小区级能更全面发现问题，精确指导优化。

通过构建智能优化体系，聚焦具体用户行为，准确表征网络质量并定位用户感知质差结果，全面实现自动分析，智能优化研究，帮助一线部门精确处理网络问题，提升优化效率和准确性。

1.1 综合业务感知平台

基于大数据平台，将所需业务的每一条详单进行打分。使用小区、时间、IMSI将业务单据与MR拼接，实现场景栅格地理化分析呈现。

建立Discovery融合平台，完全利用Discovery数据中间层，实现大数据解析、拼接、存储。数据来源继承使用discovery平台原有数据源，新增接入MR数据源，能高效准确进行单据拼接打分、场景汇聚，综合感知平台具体实现流程如图2所示。

图2 综合感知平台

通过平台架构，对MR单据和业务单据进行拼接，在小区和场景维度进行汇聚，最后生成小区报表和场景报表，将自动生成的场景报表送网优平台实现劣化场景派单。界面添加具体劣化场景，可以获得关联小区及栅格无线侧指标，精准指导优化闭环。

1.2 感知数据挖掘

1.2.1 优化用户单据拼接全省MR数据按地市、站点、时间存储在DSI服务器上，将此数据放在hadoop缓存，与得分详单进行拼接。全省XDR单据经过编排处理后存放在hadoop，拼接后的单据按照地市、小时、小区、业务进行存放。将XDR详单的小区、时间、IMSI与MR数据进行拼接，形成带有经纬度、无线侧指标的拼接单据，数据存储与指标拼接流程如图3所示。

图3 数据存储与指标拼接流程

1.2.2 并行融合计算

DSI服务器存放全省MR数据，hadoop存放各业务打分详单（汇聚指标数据）以及拼接后的单据，APP-DB存放天粒度业务指标，通过APP服务器完成数据融合计算，将计算结果呈现在WEB服务器，供应多个客户端进行访问。

1.3 用户业务感知模型

1.3.1 面向业务特征感知模型

IM业务：RTT时延较大将影响即时通讯用户交互信息发送的及时性，对于用户业务体验影响较大。

WEB业务：时延过大将导致用户打开页面较慢，影响用户感知和容忍度；页面响应成功率表征用户正常打开浏览页面的比例，影响用户对浏览业务的直观感知。

视频业务：用户的XKB时延和下载速率决定了用户视频业务能否及时打开。用户对于视频清晰度的感知则取决于速率码率比的大小。

GAME业务：游戏业务UDP流为非通用建模标准，通常RTT时延长短影响决定了用户在管道速率上的优劣，表征了用户在游戏业务中能否流畅的一个条件。

以外呼满意度打分数据作为结果，将感知指标以及相应的无线侧KPI指标作为样本，建立宽表模板如表1所示。

表1 指标样本

利用随机森林（random forest）算法，将上述宽表作为样本输入数据挖掘平台。

1.3.2 随机森林算法

随机森林是一种利用多个分类树对数据进行判别与分类的方法，它在对数据进行分类的同时，还可给出各个变量（基因）的重要性评分，评估各个变量在分类中所起的作用。大数据建模分析，通过随机森林算法，结合各个业务的特点，得出了这些指标影响满意度的重要程度，以及对于贬损建模预测的重要性，最后整理得到各业务指标的权重如图4所示，门限详情设置如表2所示。

图4 多业务指标权重

表2 多指标门限

1.4 用户业务感知精准呈现

1.4.1 小区向栅格级过渡

通过多维数据源实现全省每日1000亿MRO采样点7×24小时的分析，利用MRO、S1MME、S1-U多接口关联进行经纬度互填，并基于基础定位库，引入丰富的指纹数据进行迭代矫正，进一步提升问题定位和解决的精准度，具体精准定位数据流程如图5所示。

由spark计算的各地市/小时/分小区/栅格级业务汇聚的数据在预警小区中地理化呈现，栅格颜色渲染不同的RSRP。由spark计算的各地市/小时/分小区/栅格级业务汇聚的数据在预警场景中地理化呈现，栅格颜色渲染不同的RSRP，点击不同的小区联动显示对应的栅格，点击栅格时联动其关联小区。APP服务器中导入各地市场景图层，mapinfo图层能与本专题GIS地图对接，实现地理化汇聚。

通过地市和时间维度结合小区工参，得到该小区场景的PS业务得分情况，以及业务单据和无线指标关联情况，并以栅格小区维度进行地理化呈现。其中对于预警小区，可基于业务的得分区间占比、小区栅格地理化、TOP指标、小区业务指标、栅格电平等多维信息关联呈现。

1.4.2 小区向场景级过渡

通过选择地市和时间维度为基础，分居民区、风景区、公司企业、商业购物服务等多场景，以单场景栅格为例，对该场景下综合指标进行汇聚评估，得到该场景的PS业务得分情况，以及场景下业务单据和无线指标关联情况，并以场景栅格维度进行地理化呈现。对于预警场景，可实现基于业务的得分区间占比、场景栅格地理化、TOP小区、栅格电平等多维信息关联呈现。

基于每种场景可实现区域、覆盖栅格、覆盖小区等多维呈现方式，其中以场景维度选择的相关指标包括用户数、MR覆盖、总流量等，其中覆盖栅格的小区呈现用不同颜色渲染。平台呈现场景多维信息界面如图6所示。

图6 用户感知挖掘场景栅格指标呈现

1.5 用户业务感知优化体系

1.5.1 智能识别用户业务场景

基于用户定位进行室内稳态、室外移动用户识别，周期性积累白天、夜间常驻用户规律。根据居住、工作用户动态迁移规律，精准定义覆盖场景，组合常驻、稳态用户的潮汐变化，结合地图映射实现医院、美食、夜间娱乐等场所的小区集中覆盖场景的识别。基于精细化场景判别，实现重要场景深度组合分析，判断质差指标波动是否与用户流动性、地理特性、特定时段潮汐有关。组合分析定位网络症结所在，结合用户感知及场景价值评估确定解决优先级。用户场景识别与问题定位实现流程如图7所示。

图7 用户场景识别与问题定位

1.5.2 用户感知差异性优化

基于分场景差异化实施优化策略，开展用户级的智能化业务感知评估，建立视频、扫码感知、游戏等业务网优指标监控优化体系，实现业务感知端到端管控优化。

对IM业务、WEB业务、游戏业务和视频业务进行感知评分，针对网络质差小区分析KQI与KPI的关联性并进行相应的排查优化，通过现网的经验总结对优化方案进行验证支撑，总结端到端视频感知的评估、定界、优化方法，快速提升用户感知。

2 感知挖掘平台应用

基于用户感知挖掘平台，实现快速、精确识别质差小区、质差场景，通过预警小区、预警场景指导地市优化处理，实现问题快速闭环，确保网络精确规划。

2.1 平台应用指导分析

2.1.1 视频业务劣化识别分析

通过视频劣化单据比例，关联无线问题定位进行视频综合感知评估，助力各地市及时发现视频感知劣化小区和原因，从而有针对性地优化。

2.1.2 扫码业务劣化问题识别分析

洞察网络覆盖、容量和质量等问题，多维度评估扫码感知差小区，改善网络质量，提升用户感知。优化区域总体扫码成功率提升2.01%，扫码差小区扫码成功率提升4.62%。

2.1.3 游戏业务质量监控打分

实施用户数和流量、TOP热点游戏、手游关键指标监控看管与优化。

2.2 应用实例-视频下载速率缓慢

问题描述：根据平台提取省内近期指标分析，盐城视频业务中下载速率与速率码率比位于全省中游，排名第五；streaming接口上下时延均较高，全省排名靠后。

业务分析：用户的XKB时延和下载速率决定了用户视频业务能否及时打开，用户对于视频清晰度的感知则取决于速率码率比的大小。故选取XKB启动时延、下载速率、速率码率比三个指标，结合三个指标重要程度得出权重。

算法建模：通过min-max归一化法将原始数据进行线性变换，将其映射到[0，1]区间之内，保证各项无线指标的统一性，在此基础上根据拟合曲线的斜率比值来反映各个关键指标对时延影响的权重，后期对权重进行调整验证，具体关键指标权重设置如表3所示。

表3 分类指标验证

现网应用：盐城某小区感知下载速率较低，影响用户体验，小区视频下载速率得分为63.8，根据感知打分体系定位分析该小区覆盖率扣分值8.52，为所有指标中最高，定位为覆盖问题。

解决方案：现场RF调整，复测验证闭环问题。

优化效果：问题闭环后，提取两小区感知与无线指标对比，MR覆盖率由81.93%提升至92.12%，感知下载速率由5163.42KBpS提升至13272.51KBps，得分由63.80提升至86.92。

2.3 应用实例-劣化场景时延高

问题描述：多种场景下用户对WEB业务时延较高产生不满意反馈，影响使用，卡顿感严重。

业务分析：以南京建邺区聚类分析，建邺区满意度劣化TOP 3场景为城区道路、低层居民区、高校的WEB质差。补盲、DRX优化、开启预调度、RS功率优化；（3）高校：负载均衡、扩容、DRX优化、异频切换参数优化、重叠覆盖。

解决方案：（1）城区道路：模3/异频切换优化、重传优化、重叠覆盖优化、DRX优化；（2）低层居民区：深度覆盖增强/

优化效果：针对TOP场景质差小区的闭环提升后，可以看到质差小区的KQI有较明显的提升，预测的贬损用户数据下降明显，闭环前后城区道路网页响应时延平均提升165ms，低层居民区网页响应时延平均提升159 ms，高校网页响应时延平均提升195 ms。

图8 分场景时延特性

2.4 应用实例-游戏卡顿

问题描述：用户在进行手游业务时，频繁出现高时延及画面卡顿等严重现象。

业务分析：游戏业务UDP流为非通用建模标准，通常RTT时延长短决定用户在管道速率上的优劣，表征用户在游

戏业务中能否流畅的一个条件。故选取AVG_UL_RTT、AVG_DW_RTT、TCP_RTT三个指标，结合其指标重要程度得出权重。算法建模：通过随机森林算法，依据各业务特点及指标的重要程度，确定各业务指标相互之间的重要性关联，得出指标权重分布如表4所示。

表4 游戏业务时延权重分布

解决方案：TOP游戏卡顿区域，针对169个小区实施方案优化，模3/异频切换优化、重传优化、RF优化、DRX优化、深度覆盖增强/补盲、开启预调度、RS功率优化、负载均衡、扩容。

优化效果：通过对梳理的169个游戏卡顿TOP小区优化，game_接口以上时延提升7.05%，game_接口以下时延提升2.76%。

3 结束语

根据PS的单据特征，确定各业务感知指标及权重，通过ln函数拟合感知得出单据打分算法，然后与MR单据进行拼接，小区场景维度汇聚，栅格地理化呈现，可以发现传统OMC网络KPI发现不了的问题，指导地市进行优化闭环，支撑网络协同优化，保障普通用户的感知体验，打造全省各地市的优质网络质量。本文具有很强的现实指导意义，可以通过大数据分析减少人工分析及现场测试工作量，且定位更为准确，对于深度覆盖及用户满意度的提高有着积极的作用，具有较大的推广意义。