一种基于时空联合的LTE用户投诉定性方法及装置与流程

本发明涉及移动通信技术领域，具体涉及网络优化中的一种基于时空联合的lte用户投诉定性方法及装置。

背景技术：

在移动通信网络优化领域，解决用户投诉是极其重要的一环。传统的方式是用户致电客服，客服下派工单给一线维护人员，一线人员携带专业设备到用户投诉所在地测试，发现问题后提出解决方案，关闭工单，以此形成闭环。但这种过后测试的方式并不能准确反映用户的网络问题，如高负荷，干扰等即时性网络问题，导致测试过程费时费力，投诉解决周期冗长，用户反复投诉等严重问题。

技术实现要素：

本发明实施例的目的在于提供一种基于时空联合的lte用户投诉定性方法及装置，实现快速定位用户投诉原因，缩短一线人员测试时间和解决问题周期，提升用户满意度。

为实现上述目的，第一方面，本发明实施例提供了一种基于时空联合的lte用户投诉定性方法，包括以下步骤：

根据客服系统推送的投诉工单，从中提取用户投诉时间以及投诉地点经纬度；

将所述用户投诉时间回溯预设的时间区间，并依据用户指标进行分析，以得到用户时间上的投诉原因；

根据投诉地点经纬度，以及用户占用小区情况，按聚类算法计算用户占用小区类中心，再从中提取出问题小区，并对所述问题小区的kpi进行分析，以确定用户在空间上的投诉原因；

将所述时间上的投诉原因与空间上的投诉原因进行联合分析，以输出投诉原因。

作为本申请一种可选的实施方式，得到用户时间上的投诉原因具体包括：

以所述用户投诉时间为基准作为标准时间输入；

将用户指标回溯预设的时间区间，其中，所述时间区间为以24为整数倍的小时数；

在所述时间区间中，将所述用户指标按照小时占比方式进行计算以得到各指标的小时汇总指标占比值；其中，所述用户指标包括mr指标和xdr话单指标中的一种或者多种的组合；

判断各项指标占比值是否异常；

将异常的指标占比值关联对应的异常时间；

再将异常的指标与各自对应的投诉原因进行映射，形成输出时间-投诉原因二维数据；

将映射后的数据作为输出以得到所述用户时间上的投诉原因。

作为本申请一种可选的实施方式，确定用户在空间上的投诉原因具体包括：

输入用户的投诉地点经纬度；

查看用户占用小区，根据占用小区经纬度，在空间上采用k-means聚类，寻找每个类别的类中心；

依据所述类中心的中心点寻找类中心小区，作为候选的问题小区；

提取候选的问题小区的kpi指标，分析候选小区的指标异常情况；其中，所述kpi指标包括prb利用率，prb干扰功率和故障告警信息；

根据候选的问题小区的kpi指标，形成空间级投诉原因，并在空间上标记该投诉原因离投诉地点的欧式距离，形成空间距离-投诉原因二维数据。

作为本申请一种可选的实施方式，输出投诉原因具体包括：

依据时间最近与空间最近双重优先方式做投诉原因分析搜索，直至发现可能性最大的投诉原因。

第二方面，本发明实施例还提供了一种基于时空联合的lte用户投诉定性装置，包括：

工单提取模块，用于根据客服系统推送的投诉工单，从中提取用户投诉时间以及投诉地点经纬度；

第一处理模块，用于将所述用户投诉时间回溯预设的时间区间，并依据用户指标进行分析，以得到用户时间上的投诉原因；

第二处理模块，用于根据投诉地点经纬度，以及用户占用小区情况，按聚类算法计算用户占用小区类中心，再从中提取出问题小区，并对所述问题小区的kpi进行分析，以确定用户在空间上的投诉原因；

时空分析模块，用于将所述时间上的投诉原因与空间上的投诉原因进行联合分析，以输出投诉原因。

作为本申请一种可选的实施方式，所述第一处理模块具体用于：

以所述用户投诉时间为基准作为标准时间输入；

将用户指标回溯预设的时间区间，其中，所述时间区间为以24为整数倍的小时数；

在所述时间区间中，将所述用户指标按照小时占比方式进行计算以得到各指标的小时汇总指标占比值；其中，所述用户指标包括mr指标和xdr话单指标中的一种或者多种的组合；

判断各项指标占比值是否异常；

将异常的指标占比值关联对应的异常时间；

再将异常的指标与各自对应的投诉原因进行映射，形成输出时间-投诉原因二维数据；

将映射后的数据作为输出以得到所述用户时间上的投诉原因。

作为本申请一种可选的实施方式，所述第二处理模块具体用于：

输入用户的投诉地点经纬度；

查看用户占用小区，根据占用小区经纬度，在空间上采用k-means聚类，寻找每个类别的类中心；

依据所述类中心的中心点寻找类中心小区，作为候选的问题小区；

提取候选的问题小区的kpi指标，分析候选小区的指标异常情况；其中，所述kpi指标包括prb利用率，prb干扰功率和故障告警信息；

根据候选的问题小区的kpi指标，形成空间级投诉原因，并在空间上标记该投诉原因离投诉地点的欧式距离，形成空间距离-投诉原因二维数据。

作为本申请一种可选的实施方式，所述时空分析模块具体用于：

依据时间最近与空间最近双重优先方式做投诉原因分析搜索，直至发现可能性最大的投诉原因。

采用上述技术方案，具有以下优点：本发明提出的一种基于时空联合的lte用户投诉定性方法及装置，通过提取投诉工单信息中的投诉时间与投诉地点经纬度的形式，再依此分别得到用户时间上的投诉原因与在空间上的投诉原因；最后联合时间与空间分析结果，输出最终的投诉原因；从而及时定位用户投诉原因，缩短一线人员测量定性时间，加快处理投诉工单，提升工作效率，提高用户满意度。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1是本发明实施例提供的一种基于时空联合的lte用户投诉定性方法的流程图；

图2是本发明实施例中时间上的投诉原因分析流程示意图；

图3是本发明实施中空间上的投诉原因分析流程示意图；

图4是本发明实施中时空联合分析流程示意图；

图5是本发明实施例提供的一种基于时空联合的lte用户投诉定性装置的示意性框图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。

需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。

lte(longtermevolution，长期演进)是由3gpp(the3rdgenerationpartnershipproject，第三代合作伙伴计划)组织制定的umts(universalmobiletelecommunicationssystem，通用移动通信系统)技术标准的长期演进；

mr(measurementreport测量报告)是由lte终端定时上报(5.12s或10.24s一次)由基站采集汇总的网络质量测量数据。

请参考图1，是本发明实施例所提供的一种基于时空联合的lte用户投诉定性方法的流程示意图，包括如下步骤：

s101，根据客服系统推送的投诉工单，从中提取用户投诉时间以及投诉地点经纬度。

具体地，投诉用户致电客服系统，客服系统将定期推送投诉工单，进而提取投诉工单中的时间、空间信息，时间上提取用户投诉的时间点，转化为标准时间，空间上提取用户反映的地点，转换为标准经纬度。

s102，将所述用户投诉时间回溯预设的时间区间，并依据用户指标进行分析，以得到用户时间上的投诉原因。

具体地，根据s101提取的标准时间为准，回溯一段时间作为时间区间，并在该段时间内分析用户的mr与xdr指标，并将指标按照小时占比方式汇聚，根据汇聚结果初步判断用户在时间轴上的投诉原因，具体分为弱覆盖，模三干扰，频繁切换，下行质差，上行质差，下行rtt时延长，上行rtt时延长等七类投诉原因。

s103，根据投诉地点经纬度，以及用户占用小区情况，按聚类算法计算用户占用小区类中心，再从中提取出问题小区，并对所述问题小区的kpi进行分析，以确定用户在空间上的投诉原因。

具体地，根据s101提取的标准经纬度，搜索一定地理范围的用户占用小区，在空间对这些小区进行k-means聚类，找出类中心，再类中心寻找主类的一个最近邻小区，提取该小区作为类典型小区，将其称为问题小区，提取该小区kpi指标，根据该类小区的kpi指标确定用户在空间上的投诉原因，具体分为高负荷，上行干扰，小区故障等三类投诉原因。

s104，将所述时间上的投诉原因与空间上的投诉原因进行联合分析，以输出投诉原因。

具体地，依据时间最近与空间最近双重优先方式做投诉原因分析搜索，直至发现可能性最大的投诉原因，即根据用户在时间轴上的投诉原因判断，结合用空间位置的投诉原因判断，以用户时间轴判断由近及远，空间类中心的由近及远双重优先法则，输出用户最可能以及次可能的投诉原因。

最后再根据现场人员测试反馈结果，形成验证，定期调整联合分析规则以提升投诉定性的准确性。

实施本发明实施例，先提取投诉工单信息中的投诉时间与投诉地点经纬度的形式，再依此分别得到用户时间上的投诉原因与在空间上的投诉原因；最后联合时间与空间分析结果，输出最终的投诉原因；从而及时定性用户投诉原因，缩短一线人员测量定性时间，加快处理投诉工单，提升工作效率，提高用户满意度。

进一步地，请参考图2，是本发明实施例中时间上的投诉原因分析流程示意图，包括如下步骤：

s201，以所述用户投诉时间为基准作为标准时间输入；即根据s101提取的标准时间，

s202，回溯一段时间；将用户指标回溯预设的时间区间，其中，所述时间区间为以24为整数倍的小时数，本实施例以回溯48小时进行说明，并不是对其进行限制，即将用户指标回溯48小时。

s203，在所述时间区间中，将所述用户指标按照小时占比方式进行计算以得到各指标的小时汇总指标占比值；其中，所述用户指标包括mr指标和xdr话单指标中的一种或者多种的组合，mr指标包括rsrp，rsrq，sinrul，mod3，a3事件，以及xdr话单指标中的rtt_ul和rtt_dl；

这里以计算rsrp为例进行举例说明，其他的不再赘述；

n代表取数据条数，p为小时汇总指标占比值。

s204，判断各项指标占比值是否异常；例如常见占比值异常范围包括：

p(rsrp<-112dbm)>0.3；

p(rsrq<-10db)>0.5；

p(sinrul<0db)>0.5；

p(mod3＝＝1)>0.5。

s205，将异常的指标占比值关联对应的异常时间；如p(rsrp<-112dbm)>0.3，并且该小时属于16时，则将该小时做异常标记。

s206，再将异常的指标与各自对应的投诉原因进行映射，形成输出时间-投诉原因二维数据；

即，异常的指标包括rsrp异常，rsrq异常，sinrul异常，mod3异常，a3事件异常，rtt上行时延异常，rtt下行时延异常，以上七类指标异常分别对应七类投诉原因：弱覆盖，下行质差，上行质差，模三干扰，频繁切换，rtt上行延迟大，rtt下行延迟大。

s207，将映射后的数据作为输出以得到所述用户时间上的投诉原因；其中时间即指标异常所对应的时间，投诉原因即s206所确定的投诉原因。

进一步地，请参考图3，是本发明实施中空间上的投诉原因分析流程示意图，包括如下步骤：

s301，输入用户的投诉地点经纬度；

s302，同样的，回溯一段时间，其中，该一段时间也是以24为整数倍的小时数，可以与前述的时间区间一样，也可不一样，在此不做限制；即，回溯用户24为整数倍的mr消息，并提取其中的占用小区经纬度；

查看用户占用小区，根据占用小区经纬度，在空间上采用k-means聚类，寻找每个类别的类中心，即类中心的数量为多个；

s303，依据所述类中心的中心点寻找类中心小区，作为候选的问题小区；这里类中心小区为多个小区，为候选的问题小区；

s304，提取候选的问题小区的kpi指标，分析候选小区的指标异常情况；其中，所述kpi指标包括prb利用率，prb干扰功率和故障告警信息；

s305，根据候选的问题小区的kpi指标，形成空间级投诉原因，并在空间上标记该投诉原因离投诉地点的欧式距离，形成空间距离-投诉原因二维数据；对应的异常投诉原因为：高负荷，上行干扰，小区故障。

进一步地，请参考图4，是本发明实施中时空联合分析流程示意图，包括如下步骤：

s401，时间由近及远回溯，按s207形成的时间-原因投诉方式回溯；

s402，空间由近及远巡查，按s305形成的空间距离-原因投诉方式回溯；

s403，按时间与空间回溯双重优先的原则，进行投诉原因回溯判断，直至寻找到时间最近，且空间近邻的问题小区，输出其投诉原因；

s404，继续按双重优先原则，进行次可能投诉原因查找，最终输出最可能投诉原因与次可能投诉原因，以及对应的问题小区与时刻。

本发明实施例所提供的时空联合lte用户投诉原因分析方法，通过提取工单信息，转化为标准的投诉时间与投诉地点经纬度形式；投诉时间回溯汇聚用户小时级指标，并依据指标判断用户投诉原因；投诉地点标定，依据用户占用小区情况，在空间上做聚类处理，寻找到类中心小区，分析类中心小区kpi，判断用户投诉原因；联合时间与空间分析结果，按双重优先原则结果做最可能原因与次可能原因输出。该方法可及时定位处用户投诉原因，缩短一线人员测量定性时间，加快处理投诉工单，提升工作效率，提高用户满意度。

相应地，在上述实施例所提供的方法的基础上，本发明实施例还提供了一种基于时空联合的lte用户投诉定性装置。请参考图5，该装置包括：

工单提取模块，用于根据客服系统推送的投诉工单，从中提取用户投诉时间以及投诉地点经纬度；

第一处理模块，用于将所述用户投诉时间回溯预设的时间区间，并依据用户指标进行分析，以得到用户时间上的投诉原因；具体包括：

以所述用户投诉时间为基准作为标准时间输入；

将用户指标回溯预设的时间区间，其中，所述时间区间为以24为整数倍的小时数；

在所述时间区间中，将所述用户指标按照小时占比方式进行计算以得到各指标的小时汇总指标占比值；其中，所述用户指标包括mr指标和xdr话单指标中的一种或者多种的组合；

判断各项指标占比值是否异常；

将异常的指标占比值关联对应的异常时间；

再将异常的指标与各自对应的投诉原因进行映射，形成输出时间-投诉原因二维数据；

将映射后的数据作为输出以得到所述用户时间上的投诉原因。

第二处理模块，用于根据投诉地点经纬度，以及用户占用小区情况，按聚类算法计算用户占用小区类中心，再从中提取出问题小区，并对所述问题小区的kpi进行分析，以确定用户在空间上的投诉原因；具体包括：

输入用户的投诉地点经纬度；

查看用户占用小区，根据占用小区经纬度，在空间上采用k-means聚类，寻找每个类别的类中心；

依据所述类中心的中心点寻找类中心小区，作为候选的问题小区；

提取候选的问题小区的kpi指标，分析候选小区的指标异常情况；其中，所述kpi指标包括prb利用率，prb干扰功率和故障告警信息；

根据候选的问题小区的kpi指标，形成空间级投诉原因，并在空间上标记该投诉原因离投诉地点的欧式距离，形成空间距离-投诉原因二维数据。

时空分析模块，用于将所述时间上的投诉原因与空间上的投诉原因进行联合分析，以输出投诉原因；具体包括：

依据时间最近与空间最近双重优先方式做投诉原因分析搜索，直至发现可能性最大的投诉原因，即根据用户在时间轴上的投诉原因判断，结合用空间位置的投诉原因判断，以用户时间轴判断由近及远，空间类中心的由近及远双重优先法则，输出用户最可能以及次可能的投诉原因。

为实现不断的优化，该装置还包括优化模块，用于根据现场人员测试反馈结果，形成验证，来定期调整联合分析规则以提升投诉定性的准确性。

需要说明的是，上述装置实施例各模块的实施方式以及举例，可参见上一方法实施例的描述，在此不再赘述。

通过提取投诉工单信息中的投诉时间与投诉地点经纬度的形式，再依此分别得到用户时间上的投诉原因与在空间上的投诉原因；最后联合时间与空间分析结果，输出最终的投诉原因；从而及时定位处用户投诉原因，缩短一线人员测量定性时间，加快处理投诉工单，提升工作效率，提高用户满意度。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。