基于离群点算法的IPTV 分段隐患检测方法*

王勇辉，廖伟全，叶连响，江 圣，谭旺生

（中国移动通信集团广东有限公司韶关分公司，广东 韶关 512099）

0 引言

随着各电信运营商交互式网络电视（Internet Protocol Television，IPTV）业务的普及，IPTV 业务的业务质量要求越来越高。电信运营商IPTV 业务网络质量主要影响因素有内容源、内容分发网络（Content Delivery Network，CDN）、IP 城域网、GPON 网络和家庭网络。内容源、CDN 以及IP 城域网由于影响较大，且监控和保护机制完善，较容易判断问题并处理。但是，接入层故障则更贴近用户层级，现阶段运营商主要通过SQM 系统和机顶盒部署的软探针来获取电视卡顿时长占比来进行分析。电视卡顿时长指标可以获取单个用户是否发生卡顿，但并不知道引起电视业务花屏和卡顿的问题段落，导致处理故障或投诉处理时增加了处理时间，效率不高。

为保障IPTV 质量，出现根据视频包内I、B、P 帧重要性的IPTV 的QoS 保障措施[1]，也有对接入层链路自动均衡的保障措施[2]，有对用户软探针获取的电视卡顿数据进行分层聚类分析的方法[3]，同时有在各层级进行监测并开展全局优化[4-5]。然而上述方法均较复杂，或聚焦单点不利于全面部署。现阶段离群点检测算法常用于数据挖掘和处理[6-7]，但与网络质量相结合的应用较少。本文主要通过在运营商内网部署服务器主动探测到OLT、ONU、STB 各段落时延和丢包数据，利用单边离群点算法计算LOF 值并进行分层，精确判断问题段落点，以提高问题处理效率。

1 IPTV 业务承载情况

IPTV 是端到端业务，包含内容源、内容分发网络（CDN）、IP 城域网、GPON 网络和家庭网络，本文主要聚焦于BNG 以下的接入层网络。以广东某运营商为例（如图1 所示），IPTV 业务通过机顶盒（Set Top Box，STB）到ONU，然后经过分光器到达OLT，OLT 最后双上联到BNG 及上层网络。

图1 某运营商城域网BNG 到STB 流程示意

2 IPTV 业务质量优化研究与应用

2.1 IPTV 业务质量分析

有线家庭宽带业务主要有家宽上网和IPTV 业务，业务数据流如图2 所示。其中，IPTV 业务通过机顶盒（STB）到ONU，后经过分光到达OLT，最后上到BNG 及上层网络。任一段网络质量波动都会对电视质量产生影响，且较难判断问题段落。

图2 IPTV 业务流程

随着网络监控手段的逐渐优化，BNG 以上问题可以迅速被发现并予以处理，但从家庭网络到BNG问题仍有待挖掘。本文旨在先于投诉发现网络隐患，实现用户侧质差挖掘、质差网元识别等功能，达到提升网络满意度的目的。

2.2 基于离群点算法的IPTV/家宽分段隐患检测方法

为了更清楚地了解基于离群点算法的IPTV/家宽分段隐患检测技术方案，下面将对该方法进行简单介绍。

2.2.1 分段时延采集

通过运营商综资等系统收集用户归属的BNG、OLT、ONU、STB，但由于用户的ONU 和STB 的IP地址是自动分配（会变化）的，需要登录BNG 获取用户的实时ONU 和STB 地址，然后进行ping 测试。OLT 的IP 地址固定可实时ping。考虑用户量多，为减少采集时间，进一步提升程序执行效率，引入threading 模块将系统改为多线程。为进行聚类，对不在线用户的时延默认设为300，丢包设为100。部分采集结果如图3 所示。

图3 数据采集结果

2.2.2 离群点分析

离群点是一个数据对象，明显不同于其他数据对象，好像它是被不同的机制产生的一样。有时也称非离群点为“正常数据”，离群点为“异常数据”。本方案采用LOF（Local Outlier Factor）算法实现。

LOF 算法全称局部异常因子，是一种基于距离的异常点检测算法。用视觉直观的感受，如图4所示，C1和C2是两类，而O1和O2则是相对孤立的离群点。本算法的目标就是找到这类点。对本文而言，这类点就是时延和丢包率与平均值相关性小的点。

图4 LOF 算法异常检测效果

2.2.3 隐患段落判断

下面介绍局部离群因子（Local Outlier Factor）。p的局部离群因子可以表示为：

它表示点p的邻域点N°k°(p)°Nk(p)的局部可达密度与点p的局部可达密度之比的平均数。这个比值越接近t，说明p的邻域点密度差不多，p可能和邻域同属一簇；这个比值越小于t，说明p的密度高于其邻域点密度，p为密集点；这个比值越大于t，说明p的密度小于其邻域点密度，p越可能是异常点[6]。

2.2.4 现场处理

通过算法计算出BNG 到OLT、ONU、STB 之间的LOF 值。考虑到上层问题会产生叠加影响，本方法主要从上至下进行离群点判断，并分析和输出隐患核查表（如图5 所示）。它主要由客户服务人员核查相关设备情况，针对家庭网络问题安排人员上门处理，暂时无法上门则优先申请重启ONU 与STB 进行优化。

图5 隐患检测方法核查表

2.3 IPTV 业务隐患检测方案测试比较

为验证基于离群点算法的IPTV 分段隐患方法的有效性，本方法应用于广东某运营商现网，相关的应用情况总结如下。

选取一个OLT 进行测试，经系统检测有22 个用户存在质差，然后上门进行处理或重启，解决20个质差用户，处理命中率达91%。经分析和处理后（如图6 所示），该OLT 设备下带的故障用户占比（0.06%＜卡顿时长占比＜5%）下降了4.65%，严重故障用户（卡顿时长占比≥5%）占比下降0.5%，同时OLT 下带的所有用户卡顿时长占比下降了0.3%。对比前后处理结果，OLT 下带的故障用户与卡顿时长占比都得到了优化。

图6 处理前后质差指标比较

经过试用协同，广东某地市运营商的电视卡顿时长占比指标从0.07%下降到0.02%，整体忙时电视播放优良率指标从93.19%提升到97.87%，效果明显，分别如图7 和图8 所示。

图7 电视卡顿时长占比

图8 整体忙时电视播放优良率

3 结语

随着各运营商积极开展IPTV 业务，在这个过程中不可避免会遇到IPTV 业务卡屏、花屏和黑屏问题。本文从端到端角度对影响IPTV 业务质量的因素进行了分析，提出了基于离群点算法的IPTV分段隐患检测方法来提升IPTV 用户感知。在广东某地市运营商实践中，本方案可以迅速输出隐患段落，减少不必要的人力成本和重复劳动，提高运维效率。通过提前预判和发现隐患，提高网络健康度，同时提高用户感知。本方案应用效果良好，实现了IPTV 业务质量的改善，具有推广应用价值。