一种LTE网络中QoE量化指标模型的建立方法与流程

本发明设计通信测试、网规网优领域，尤其涉及一种lte网络中移动用户体验质量的量化指标模型的建立方法。

背景技术：

就目前而言，掌握客户使用网络的真实感受，提升用户移动使用体验质量是网络优化发展的动力和前进方向,随着移动通信的快速发展，运营商也在忙于制定一系列lte网络优化。但在优化工作中，运营商仍是沿用以资源利用率为扩容指标、以kpi指标为考核标准的传统建网思路，却很少结合用户体验质量qoe，而现阶段对qoe的模型建立和分析中，仍存在一下问题：

(1)qoe的量化评价模型还存在很多需要解决的问题

qoe多属性融合的问题。qoe是一个多属性问题，现有文献中能解决qoe多属性问题的只有统计学和人工智能学的一些方法。但这些方法是基于对大量数据的分析，计算比较复杂。人的主观因素以及环境因素对qoe的影响仍需进一步的研究和探讨。由于人的主管因素与环境因素难以测量和量化，所以这些因素对于qoe的影响难以评价。对于不同的服务建立一套通用的评价指标还需要进一步的探讨。许多文献虽说是给出了一些关于qoe模型的分析和讨论，但是并没有对这些指标的合理性和完备性进行分析。最后是对于qoe与kpi之间仍然没有一套完整的相对合理的对应模型，无法有针对性的对现网问题进行分析和解决。

(2)将研究的理论因素进行细分处理的问题

很多文献都只是研究了有关用户感知的评价模型和评价方法，也从评价模型中分析处理对应的kpi、kqi指标，但仍需对具体的指标进行优化处理，仍需从多个视角剖析qoe指标量化指标体系。

随着移动互联网的高速发展，运营商提供的业务范围也越来越广，移动终端用户的体验质量要求也越来越高，所以，未来基于用户感知的网络规划研究必定是未来移动互联网规划和优化的发展趋势，而一个科学的、完善的终端用户体验质量的评估模型和一套合理的提升移动用户体验质量的优化方案必然成为了未来网规网优的核心。

技术实现要素：

有鉴于此，本发明的目的是从多个角度分析影响各个指标对应的kqi、kpi单项指标，提供了一种qoe指标量化指标模型的构建方法，旨在将业务性能、网络性能和终端用户的使用感受相结合，真实反映终端用户的体验质量，同时也为有效提升lte无线网络性能提供可靠的依据。

为实现上述目的，本发明的技术方案是这样实现的：

本发明公开了一种lte网络中qoe量化指标模型的建立方法，该方法包括：

s10.搜集所述qoe量化指标集，并对所述量化指标集进行分项；

s20.计算各分项的权重，并根据各指标的类型进行分类；

s30.针对分类后的结果细化qoe分项，将不同的分项映射到不同的kqi指标中；

s40.计算比较不同kqi指标的权重，并保留分类后的技术指标因素对应的kqi指标；

s50.对所述保留下来的kqi指标进行kpi指标映射，从而建立qoe的kqi-kpi映射模型。

步骤s10中的所述分项包括业务性能、网络性能、终端用户和其他因素。

步骤s20包括，将分项后的指标分为技术因素和非技术因素两种，其中技术因素包括网络性能和业务性能，非技术因素包括终端用户和其他因素。

步骤s30中将不同的分项映射到不同的kqi指标中，其中技术因素业务性能映射到接入成功率、即时响应、接入时长、业务质量四个kqi指标，覆盖指标映射到覆盖指标、系统容量、系统干扰、系统处理性能；非技术因素终端用户主要映射到用户期望、用户行为、用户经验、终端性能，其他因素可以概括为运营商投资成本、设备性能、运行环境、其他因素，最后计算各二级指标权重。

在步骤s40保留权重较大的kqi指标，并保留全部技术性因素指标，其中，由于所述非技术因素由于不可量化性和不具统计性，所以只保留权重较大的用户期望和运营商投资成本作为主要参考指标列出。

最后对已经保留下来的技术kqi指标进行kpi指标的映射，建立qoe的科学的kqi-kpi映射体系。

本发明的有益效果：本发明所述方法可以有效的多个角度量化kqi-kpi指标，完善了qoe指标量化指标模型的构建。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明lte中qoe量化指标模型建立的方法的流程示意图；

图2为网络中业务网问题分析图；

图3为四个qoe分项的权重柱状图；

图4为四个qoe分项的技术归类说明图；

图5、6、7为已经完善的qoe量化指标的建立模型。

具体实施方式

应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。

本发明提供一种lte网络中qoe量化指标模型的建立方法。下面结合附图及具体实施例对本发明再作进一步详细的说明。

参照图1，为本发明qoe量化指标模型的建立方法的具体实施流程示意图。

在此qoe量化指标模型的建立方法中，包括：

步骤s10，是对qoe分项处理的步骤；

图2,是从lte的整体的网络架构、lte的核心网，得出需要的整个移动互联网端到端业务的流程，通过对整个流程的分析，总结出了影响qoe的几个重要问题，如：无线网络的接入问题、业务差异性问题、接入控制问题、核心网资源分配问题、路由分配问题、数据网的服务器容量问题以及用户终端性能差异的问题等，这些都是影响用户感知的主要问题，通过对这些问题的分析，确定增强系统容量和覆盖范围、降低时延、提高用户数据速率等指标，为总结影响lte网络中qoe质量指标的量化打下了良好理论铺垫。

对搜集的量化指标集分项，包含业务性能m1、网络性能m2、终端用户m3、其他因素m4四个分项，此qoe分项中包含了所有影响用户体验质量的指标。

步骤s20，是qoe分项的权重计算及分类。

此处运用到了层次分析法ahp，构造判断矩阵

并进行一致性验证，得出cr＝0.087＜0.1，在可接受的范围内，满足一致性要求。

得出了各项的评价指标权重。其中业务性能m1、网络性能m2、终端用户m3、其他因素m4四个分项对应的权重分别为w1＝0.2975、w2＝0.5597、w3＝0.0623、w4＝0.0805。

图3，是四个qoe分项的权重柱状图，有利于读者更加直观明了的了解到各个分项的权重。

对已经计算出的分项处理，分为技术因素和非技术因素两种，其中技术因素包括网络性能和业务性能，非技术因素包括终端用户和其他因素。

图4，是对qoe分项归类的说明。

针对于技术因素中的业务性能，参考3gpp2中基于用户体验的业务分类中，当前主流的移动业务可以分为：会话类、交互类、流媒体类、背景类四大类型，对于qoe研究一定要基于一定的业务类型,通过对用户使用该业务的真实体验去选取可量化的kqi。

在网络性能分项中，由于qoe的评价对象主要是终端用户使用的各项业务和提供这些业务的网络,因此网络采用的技术标准、建设方案以及具体网络中网元的实现性能等因素，都直接影响qoe量化指标体系中kqi特别是kpi的选取。

除了对技术因素量化指标的分析，非技术因素也是需要考虑的部分，由于非技术因素没有合理的对应的kqi量化指标，所以在此只是对指标进行了细分，并会通过之后的指标权重计算取出合理的指标作为参考。

所以综上，本量化指标架构中只对技术因素中的业务性能和网络性能对kqi指标进行kpi映射，具体量化如下：

步骤s30,是细化qoe分项，将不同的分项映射到不同的kqi指标中，这里主要是指上述步骤s20已归类的技术因素指标。

经过查阅大量的参考文献，了解现网架构中实际面对的问题，又因为qoe是用户的主观感受,它与一个或多个kqi相关，所以在接下来建立qoe、kqi以及kpi的对应关系就自然形成了一个多层的发散性映射关系模型。

其中技术因素业务性能m1主要映射到接入成功率m11、即时响应m12、接入时长m13、业务质量m14四个kqi指标。其对应的指标权重分别用w11、w12、w13、w14代表。

技术因素网络性能主要映射到覆盖指标m2主要映射到覆盖指标m21、系统容量m22、系统干扰m23、系统处理性能m24四个kqi指标，其对应的指标权重分别用w21、w22、w23、w24代表。

对于非技术因素终端用户m3主要映射到用户期望m31、用户行为m32、用户经验m33、终端性能m34四个影响因素。其对应的指标权重分别用w31、w32、w33、w34代表。

非技术因素中其他因素m4可以概括为运营商投资成本m41、设备性能m42、运行环境m43、其他因素m44四个影响因素。其对应的指标权重分别用w41、w42、43、w44代表。

步骤s40，是计算对应kqi指标权重以及各指标的取舍。

对四个分项指标分别构造判断矩阵，计算并进行一致性检测得到：w11＝0.5575、w12＝0.2357、w13＝0.0531、w14＝0.1537；w21＝0.5002、w22＝0.0489、w23＝0.1098、w24＝0.3411；w31＝0.5538、w32＝0.0575、w33＝0.1797、w34＝0.2089；w41＝0.6811、w42＝0.1013、w43＝0.1721、w44＝0.0455。

通过对kqi指标的权重计算，保留步骤s20中已归类的全部技术性因素，此权重值可在qoe指标量化分析中提供一定的参考价值，能够有针对性的改善qoe，高效率的进行网规网优。此外，由于非技术因素的不可量化和统计性，可以只保留权重较大的用户期望和运营商投资成本作为主要参考指标列出。

步骤s50，是对已经保留下来的技术kqi指标进行kpi指标的映射，建立qoe的科学的kqi-kpi映射体系，为以后的端到端的网络质量分析提供基础。

首先是业务指标的量化，接入成功率可以映射到rrc建立成功率、e-rab建立成功率、tcp/http建立成功率；保持时长映射到服务中断率、rrc掉线率、e-rab掉线率、软/硬切换成功率、业务使用成功率；即时相应映射到业务接入时延、网络接入时延；业务质量映射到丢包率、重载入频率、业务失真程度。其次是网络性能的映射，覆盖映射到各种场景的无线覆盖率、接受码功率rsrp、信噪比sinr、终端发射功率txpower；系统容量映射到功率资源、信道化码资源、传输资源、ce资源；系统干扰映射到重叠覆盖率、多邻区干扰、pci模3干扰、当前服务小区强度与邻区干扰的比值ec/io、多网共存率。通过有针对性的改善相关技术参数，可以有效的提升lte网络的优化效率，同时也提高了网络性能、用户感知测评的准确度。

步骤s60，是对整个指标量化模型的构建和完善，具体可参考图5、图6、图7。

每一个测试模型都是在一次次完善中构建，本模型也有很多需要进一步完善的地方，如对非技术问题的指标量化方法。

以上所述,仅为本发明的具体方法步骤而已,并非用于限定本发明的保护范围。