网络异常问题分析方法和装置与流程

本发明涉及网络优化技术领域，特别涉及一种网络异常问题分析方法和装置。

背景技术：

随着3G网络的普及以4G网络的逐步推广，移动网络已经成为用户必不可少的通信基础。但是在运营商提供优质服务的同时，面临着成本控制和利润增长的压力，并且随着网络和用户规模的不断扩大，如何利用现有的资源，从大量异常事件中分析出问题规律，通过增强问题处理效率，从而提升用户感知和业务质量也是一个很急迫的问题。

针对海量数据的异常问题，现有技术方案的实现过程为：根据用户通话记录提取所需的基础指标数据；然后根据各指标不同评估值统计用户或网络的综合得分情况，以此反映用户感知或网络质量。

假设某地市连续一周的用户通话记录数据量为1.8亿条，在统计中将分析全部1.8亿条数据，这其中包括无问题的正常数据和会反映用户感知或网络质量的异常数据，然后统计用户或网络的综合得分情况，给出异常问题的分析结果。

采用现有的技术方案对异常问题进行分析时，大部分针对的都是在特定的范围下(比如少量的VIP用户/测试用户或者小范围的网络)，对用户感知或网络质量的相关指标进行分析，最终提供一份用户感知或网络质量的统计分析结果。

现有的技术方案在应用到实际的建设和运维环境中后，需要分析的异常问题数据越来越多(海量数据可达到几十亿甚至几百亿条的规模)，且由于成本限制，软硬件设备的处理能力存在局限性，将导致现有方案无法真正落地执行。

技术实现要素：

鉴于以上技术问题，本发明提供了一种网络异常问题分析方法和装置，排除掉海量数据中无问题对象的正常数据，用存在问题的异常对象的数据进行分析，从而解决了海量数据的异常问题分析中的分析瓶颈。

根据本发明的一个方面，提供一种网络异常问题分析方法，包括：

确定网络中全部对象的原始数据集合；

从原始数据筛选出现过异常问题的对象；

遍历原始数据集合确定异常问题对象的全集数据；

确定异常问题对象的综合评估值；

根据综合评估值呈现异常问题分析结果。

在本发明的一个实施例中，从原始数据筛选出现过异常问题的对象的步骤包括：

确定异常问题数据的筛选条件；

根据所述筛选条件从原始数据筛选出异常问题数据；

根据异常问题数据确定出现过异常问题的对象。

在本发明的一个实施例中，确定异常问题数据的筛选条件的步骤包括：

确定筛选指标、以及筛选指标的过滤门限；

根据所述过滤门限确定异常问题数据的筛选条件。

在本发明的一个实施例中，对象为用户、小区或基站；原始数据集合包括对象集合，还包括话统性能数据集合、通话记录集合、路测数据集合中的至少一个。

在本发明的一个实施例中，确定异常问题对象的综合评估值的步骤包括：

确定评估指标、评估指标的权重；

根据各评估指标的权重、以及各评估指标的评估值，获取异常问题对象的综合评估值。

在本发明的一个实施例中，根据综合评估值呈现异常问题分析结果的步骤包括：

根据综合评估值分析对象发生异常问题的程度；

显示对象发生异常问题的具体情况。

根据本发明的另一方面，提供一种网络异常问题分析装置，包括原始数据获取单元、异常对象确定单元、全集数据确定单元、评估单元、呈现单元，其中：

原始数据获取单元，用于确定网络中全部对象的原始数据集合；

异常对象确定单元，用于从原始数据筛选出现过异常问题的对象；

全集数据确定单元，用于遍历原始数据集合确定异常问题对象的全集数据；

评估单元，用于确定异常问题对象的综合评估值；

呈现单元，用于根据综合评估值呈现异常问题分析结果。

在本发明的一个实施例中，异常对象确定单元包括筛选条件确定模块、异常数据获取模块和异常数据获取模块，其中：

筛选条件确定模块，用于确定异常问题数据的筛选条件；

异常数据获取模块，用于根据所述筛选条件从原始数据筛选出异常问题数据；

异常对象确定模块，用于根据异常问题数据确定出现过异常问题的对象。

在本发明的一个实施例中，筛选条件确定模块包括门限确定子模块和条件确定子模块，其中：

门限确定子模块，用于确定筛选指标、以及筛选指标的过滤门限；

条件确定子模块，用于根据所述过滤门限确定异常问题数据的筛选条件。

在本发明的一个实施例中，对象为用户、小区或基站；原始数据集合包括对象集合，还包括话统性能数据集合、通话记录集合、路测数据集合中的至少一个。

在本发明的一个实施例中，评估单元包括权重获取模块和综合评估模块，其中：

权重获取模块，用于确定评估指标、评估指标的权重；

综合评估模块，用于根据各评估指标的权重、以及各评估指标的评估值，获取异常问题对象的综合评估值。

在本发明的一个实施例中，呈现单元包括分析模块和显示模块，其中：

分析模块，用于根据综合评估值分析对象发生异常问题的程度；

显示模块，用于显示对象发生异常问题的具体情况。

本发明通过排除掉海量数据中无问题对象的正常数据，用存在问题的异常对象的数据进行分析，从而解决了海量异常问题数据在分析时的处理效率低下及设备处理能力的瓶颈问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明网络异常问题分析方法一个实施例的示意图。

图2为本发明一个实施例中筛选异常问题对象的示意图。

图3为本发明网络异常问题分析装置实施例的示意图。

图4为本发明一个实施例中异常对象确定单元的示意图。

图5为本发明一个实施例中筛选条件确定模块的示意图。

图6为本发明一个实施例中评估单元的示意图。

图7为本发明一个实施例中呈现单元的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基 于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

图1为本发明网络异常问题分析方法一个实施例的示意图。优选的，本实施例可由本发明网络异常问题分析装置执行。该方法包括以下步骤：

步骤101，确定网络中全部对象的原始数据集合DATA_ALL。

在本发明的一个实施例中，对象包括用户、小区或基站。

在本发明的一个实施例中，原始数据集合DATA_ALL包括对象集合，还包括话统性能数据集合COUNTER_ALL、用户通话记录集合CDL_ALL、路测数据集合DT_ALL中的至少一个，其中话统性能数据，即话务统计数据，是对网络呼叫、拥塞率、接通率、掉话率、切换成功率、信道分配成功率、话务量等各种指标的统计数据。

步骤102，从原始数据集合中筛选出现过异常问题的对象。

在本发明的一个实施例中，异常问题包括但不限于有掉话、有拥塞等情况。

在本发明的一个实施例中，步骤102可以包括：针对全部对象的 用户通话记录数据(用户通话记录集合CDL_ALL)进行筛选和过滤，筛选出曾经出现过异常问题的用户、小区或基站。

步骤103，再次遍历原始数据集合确定异常问题对象的全集数据。

在本发明的一个实施例中，步骤103可以包括：再次遍历全部的用户通话记录，将出现过异常问题的用户、小区或基站的所有记录都保存下来，根据其问题特征分为正常用户数据、掉话用户数据、拥塞用户数据等。

步骤104，确定异常问题对象的综合评估值。

在本发明的一个实施例中，步骤104具体可以包括：基于筛选出的数据，以用户、小区或基站为维度，统计每个用户、小区或基站的综合评估值，其中评估涉及的指标包括：总通话次数、通话时长、掉话率、拥塞率、平均通话时长等。

在本发明的一个实施例中，步骤104具体可以包括：以异常问题用户SUBBAD_i或网元ELEMENTBAD_i为维度，并根据评估指标INDICATOR_i，计算每个用户或网元的综合评估值SUBBADSCORE_i、ELEMENTBADSCORE_i，添加异常问题用户的评分集合SUBBAD_SCORE或异常问题网元的评分集合ELEMENTBAD_SCORE。

在本发明的一个实施例中，步骤104具体可以包括：确定评估指标、评估指标的权重；以及根据各评估指标的权重、以及各评估指标的评估值，获取异常问题对象的综合评估值。

步骤105，根据综合评估值呈现异常问题分析结果。

在本发明的一个实施例中，步骤105具体可以包括：根据综合评估值筛选出存在异常问题的对象(用户、小区或基站)；根据综合评估值分析对象发生异常问题的程度；并显示对象发生异常问题的具体情况，以便客户查看对象的使用或运行情况。

基于本发明上述实施例提供的网络异常问题分析方法，针对海量全部数据进行统计处理，从而保证了分析结果不失真。

同时，本发明上述实施例对海量异常问题数据进行筛选过滤，对 于没有出现过异常问题的用户或网元，则认为用户感知或网络质量正常，对于这些数据不做分析；仅针对曾经出现过异常问题的用户或网元，统计相关的指标数据并计算其综合得分。即，在数据处理过程中，对于海量数据的处理仅是数据过滤，不用做海量数据的汇总处理，因此对服务器的内存和CPU的要求较低。

此外，合理筛选出的数据量仅为原始异常问题数据的10％～30％左右(受不同场景影响)，因此服务器等存储设备的投资可以大大降低，可有效控制成本，减少30％～40％的运营成本投入；同时，由于数据量减少，对系统的性能要求降低，减少平台的复杂性，可以提高平台的稳定性。

图2为本发明一个实施例中筛选异常问题对象的示意图。如图2所示，图1实施例中的步骤102可以包括：

步骤201，确定异常问题数据的筛选条件。步骤201具体可以包括：确定用于筛选异常数据的筛选指标INDICATOR、以及所述筛选指标的过滤门限VALUE；根据所述过滤门限确定异常问题数据的筛选条件。

在本发明的一个实施例中，筛选指标包括总通话次数CALL_COUNT、通话时长CALL_LEN、掉话率DROP_RATE、拥塞率CONGEST_RATE、平均通话时长CALL_LEN_AVG等。

在本发明的一个实施例中，筛选条件为筛选出大于或小于过滤门限的异常问题数据。

步骤202，根据所述筛选条件从原始数据筛选出现过异常问题的数据集合DATA_BAD，其中，异常问题包括但不限于掉话率DROP_RATE异常、拥塞率CONGEST_RATE异常等情况，异常问题数据集合DATA_BAD包括异常话统数据集合COUNTER_BAD、异常用户通话记录集合CDL_BAD等子集。

步骤203，根据异常问题数据确定出现过异常问题的对象。

在本发明的一个实施例中，步骤203可以包括：根据步骤202中的异常问题数据，确定存在异常问题的用户集合SUB_BAD_ALL或网 元集合ELEMENT_BAD_ALL，即，将曾经出现过问题的用户SUBBAD_i或网元ELEMENTBAD_i增加到上述两个集合中进行处理。

本发明的上述实施例以全网运维数据为基础，在现有异常问题的分析方案上进行升级创新，筛选掉大量无问题的正常数据，基于存在异常数据的对象进行针对性的评分统计，完美融合数据挖掘与网络运维技术，从而解决了海量异常问题数据在分析时的处理效率低下及设备处理能力的瓶颈问题，可以更好地满足用户的实际需求。

同时，本发明的上述实施例可以根据实际的需求，对数据过滤的条件进行修改和调整，方便进行扩展。

下面通过具体示例对本发明网络异常问题分析方法进行说明：

本实施例为通过此发明本发明网络异常问题分析方法实现某地市移动网络1.8亿条用户通话记录的异常问题分析呈现。

1.确定数据

本实施例中某地市移动网络所有用户集合为SUB_ALL，用户通话记录数据集合为CDL_ALL，其中包括1.8亿条用户通话记录。

2.从原始数据筛选识别出现异常通话的用户

基于用户通话记录集合CDL_ALL，进行筛选和过滤，筛选出曾经出现过异常问题的感知差用户集合SUB_BAD，异常问题包括但不限于有掉话、有拥塞等情况。

a)如果是感知差用户SUBBAD_i，则放入集合SUB_BAD；不是感知差用户，则是感知正常的用户SUBNORM_i，放入感知正常用户集合SUB_NORM。

b)本实施例共选择两个与用户感知相关度最高的指标作为筛选条件，用于筛选的指标包括：掉话率DROP_RATE、拥塞率CONGEST_RATE。

c)异常问题定义为用户SUB_i的指标值大于指标门限(标记为$value)。

3.遍历查找感知差用户的所有记录

再次遍历1.8亿条用户通话记录集合SUB_ALL，将出现过异常通话的用户SUBBAD_i的所有通话记录CDL_SUBBAD都保存下来，形成感知差用户的通话记录记录列表SUBBAD_CDLLIST。

SUBBAD_CDLLIST包括：

a)感知差的用户通话记录集合SUBBAD_CDL_BAD；

b)感知正常的用户通话记录集合SUBBAD_CDL_NORM。

4.获取感知差用户的综合评估值

基于筛选出的感知差用户SUBBAD_i的所有通话记录CDL_SUBBAD，以用户SUBBAD_i为维度，并基于感知差的用户通话记录集合SUBBAD_CDL_BAD中的用户通话记录，根据评估指标INDICATOR_i的权重INDICATOR_WEIGHT_i和评估值INDICATOR_SCORE_i获取每个用户SUBBAD_i的综合评估值SUBBADSCORE_i，添加到感知差用户的综合评估值集合SUBBAD_SCORE中。

a)计算公式为：SUBBADSCORE_i＝∑(INDICATOR_WEIGHT_i×INDICATOR_SCORE_i)，其中，i取自SUBBAD_CDL_BAD。

b)评估涉及的指标包括：总通话次数CALL_COUNT、通话时长CALL_LEN、掉话率DROP_RATE、拥塞率CONGEST_RATE、平均通话时长CALL_LEN_AVG等指标。

c)各指标的权重分别为：总通话次数权重CALLCOUNT_WEIGHT、通话时长权重CALLLEN_WEIGHT、掉话率权重DROPRATE_WEIGHT、拥塞率权重CONGESTRATE_WEIGHT、平均通话时长权重CALLLENAVG_WEIGHT。

d)各指标的评估值分别为：总通话次数权重CALLCOUNT_SCORE、通话时长权重CALLLEN_SCORE、掉话率权重DROPRATE_SCORE、拥塞率权重CONGESTRATE_SCORE、平均 通话时长权重CALLLENAVG_SCORE。

5.根据评分的结果，可评估分析出的感知差的用户，并可以查看各用户的具体感知情况。

以某地市连续一周的用户通话记录数据量为例：其原始用户通话记录数量CDL_A在1.8亿条，经过筛选后的数量CDL_B在2000w条左右，CDL_B数据量仅为原始数据量CDL_A的10％左右，仅需对CDL_B进行评分分析。表明仅有10％的用户出现过异常通话记录，其余90％的用户通话记录为正常用户的正常通话记录，这90％可以不做考虑。

基于本发明的上述实施例的网络异常问题分析方法，分析异常用户通话记录，较之前方案的效率有较大提高，可以大大减少平台需处理的数据量，不需要对全网所有的用户通话记录数据进行分析，有效减轻了设备的处理压力。

图3为本发明网络异常问题分析装置实施例的示意图。如图3所示，所述网络异常问题分析装置包括原始数据获取单元1、异常对象确定单元2、全集数据确定单元3、评估单元4、呈现单元5，其中：

原始数据获取单元1，用于确定网络中全部对象的原始数据集合。

在本发明的一个实施例中，对象包括用户、小区或基站。

在本发明的一个实施例中，原始数据集合DATA_ALL包括对象集合，还包括话统性能数据集合COUNTER_ALL、用户通话记录集合CDL_ALL、路测数据集合DT_ALL中的至少一个。

异常对象确定单元2，用于从原始数据筛选出现过异常问题的对象。

在本发明的一个实施例中，异常问题包括但不限于有掉话、有拥塞等情况。

在本发明的一个实施例中，异常对象确定单元2具体可以用于针对全部对象的用户通话记录数据(用户通话记录集合CDL_ALL)进行筛选和过滤，筛选出曾经出现过异常问题的用户、小区或基站。

全集数据确定单元3，用于遍历原始数据集合确定异常问题对象的全集数据。

在本发明的一个实施例中，全集数据确定单元3具体可以用于再次遍历全部的用户通话记录，将出现过异常问题的用户、小区或基站的所有记录都保存下来，根据其问题特征分为正常用户数据、掉话用户数据、拥塞用户数据等。

评估单元4，用于确定异常问题对象的综合评估值。

在本发明的一个实施例中，评估单元4具体可以用于基于筛选出的数据，以用户、小区或基站为维度，统计每个用户、小区或基站的综合评估值，其中评估涉及的指标包括：总通话次数、通话时长、掉话率、拥塞率、平均通话时长等

呈现单元5，用于根据综合评估值呈现异常问题分析结果。

在本发明的一个实施例中，呈现单元5具体可以用于根据综合评估值筛选出存在异常问题的对象(用户、小区或基站)；根据综合评估值分析对象发生异常问题的程度；并显示对象发生异常问题的具体情况，以便客户查看对象的使用或运行情况。

基于本发明上述实施例提供的网络异常问题分析装置，高效的处理分析海量数据中的移动网络异常问题，根据实际场景选择不同的筛选条件进行海量数据的过滤，将出现异常问题的对象进行降低数据量级的归类分析从而可以大大减少平台需处理的数据量，不需要对全网所有的用户通话记录数据进行分析，有效减轻了设备的处理压力。

图4为本发明一个实施例中异常对象确定单元的示意图。如图4所示，图3中的异常对象确定单元2包括筛选条件确定模块21、异常数据获取模块22和异常数据获取模块23，其中：

筛选条件确定模块21，用于确定异常问题数据的筛选条件。

在本发明的一个实施例中，如图5所示，图5所示的所述筛选条件确定模块21包括门限确定子模块211和条件确定子模块212，其中：

门限确定子模块211，用于确定筛选指标、以及筛选指标的过滤门限。其中，筛选指标可以包括总通话次数CALL_COUNT、通话时 长CALL_LEN、掉话率DROP_RATE、拥塞率CONGEST_RATE、平均通话时长CALL_LEN_AVG等。

条件确定子模块212，用于根据所述过滤门限确定异常问题数据的筛选条件。

在本发明的一个实施例中，筛选条件为筛选出大于或小于过滤门限的异常问题数据。

异常数据获取模块22，用于根据所述筛选条件从原始数据筛选出现过异常问题的数据集合DATA_BAD，其中，异常问题包括但不限于掉话率DROP_RATE异常、拥塞率CONGEST_RATE异常等情况，异常问题数据集合DATA_BAD包括异常话统数据集合COUNTER_BAD、异常用户通话记录集合CDL_BAD等子集。

异常对象确定模块23，用于根据异常问题数据确定出现过异常问题的对象。

在本发明的一个实施例中，异常对象确定模块23具体可以用于根据异常问题数据集合，确定存在异常问题的用户集合SUB_BAD_ALL或网元集合ELEMENT_BAD_ALL，即，将曾经出现过问题的用户SUBBAD_i或网元ELEMENTBAD_i增加到上述两个集合中进行处理。

本发明的上述实施例可以根据实际的需求，对数据过滤的条件进行修改和调整，从而方便进行扩展，以更好地满足用户的实际需求。

图6为本发明一个实施例中评估单元的示意图。如图6所示，图3实施例中的评估单元4包括权重获取模块41和综合评估模块42，其中：

权重获取模块41，用于确定评估指标、评估指标的权重。

综合评估模块42，用于根据各评估指标的权重、以及各评估指标的评估值，获取异常问题对象的综合评估值。

本发明上述实施例可以基于综合评分原则对存在异常数据的对象进行分析呈现，对异常问题的严重程度进行量化评估，从而更好地满足了用户的实际需求。

在本发明的一个实施例中，综合评估模块42具体用于基于感知差 的用户通话记录集合SUBBAD_CDL_BAD中的用户通话记录，根据评估指标INDICATOR_i的权重INDICATOR_WEIGHT_i和评估值INDICATOR_SCORE_i获取每个用户SUBBAD_i的综合评估值SUBBADSCORE_i，其中，i取自SUBBAD_CDL_BAD，添加到感知差用户的综合评估值集合SUBBAD_SCORE中。

在本发明的一个实施例中，综合评估模块42具体用于根据公式

SUBBADSCORE_i＝∑(INDICATOR_WEIGHT_i×INDICATOR_SCORE_i)

获取第i个感知差用户的综合评估值SUBBADSCORE_i。

在本发明的一个实施例中，评估涉及的指标包括：总通话次数CALL_COUNT、通话时长CALL_LEN、掉话率DROP_RATE、拥塞率CONGEST_RATE、平均通话时长CALL_LEN_AVG等指标。

在本发明的一个实施例中，上述各指标的权重分别为：总通话次数权重CALLCOUNT_WEIGHT、通话时长权重CALLLEN_WEIGHT、掉话率权重DROPRATE_WEIGHT、拥塞率权重CONGESTRATE_WEIGHT、平均通话时长权重CALLLENAVG_WEIGHT。

在本发明的一个实施例中，上述指标的评估值分别为：总通话次数权重CALLCOUNT_SCORE、通话时长权重CALLLEN_SCORE、掉话率权重DROPRATE_SCORE、拥塞率权重CONGESTRATE_SCORE、平均通话时长权重CALLLENAVG_SCORE。

图7为本发明一个实施例中呈现单元的示意图。如图7所示，图3实施例中的呈现单元5包括分析模块51和显示模块52，其中：

分析模块51，用于根据综合评估值筛选出存在异常问题的对象(用户、小区或基站)，并根据综合评估值分析对象发生异常问题的程度。

显示模块52，用于显示对象发生异常问题的具体情况，以便客户查看对象的使用或运行情况。

本发明的上述实施例以全网运维数据为基础，在现有异常问题的分析方案上进行升级创新，筛选掉大量无问题的正常数据，基于存在异常数据的对象进行针对性的评分统计，完美融合数据挖掘与网络运维技术，从而解决了海量异常问题数据在分析时的处理效率低下及设备处理能力的瓶颈问题，可以更好地满足用户的实际需求。

在上面所描述的原始数据获取单元1、异常对象确定单元2、全集数据确定单元3、评估单元4、呈现单元5等功能单元可以实现为用于执行本申请所描述功能的通用处理器、可编程逻辑控制器(PLC)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。

至此，已经详细描述了本发明。为了避免遮蔽本发明的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。