:本发明涉及网络运维,特别涉及一种基于用户行为分析的智能网络运维管理方法和系统。
背景技术
0、
背景技术:
1、随着越来越多的用户加入互联网,网络稳定性为用户关注的重要指标。在现有技术中,往往在网络基站出现问题时,网络运维平台调度专业人员去维修。然而,此种方式存在滞后性,并且影响用户数量较多,降低了用户的上网体验。
2、因此,如何针对用户的流量使用、网速进行有效监控,并在第一时间对用户的网络状态进行判断,成为当前急需解决的问题。
3、为了解决上述问题,本文提出了一种基于用户行为分析的智能网络运维管理方法和系统。
技术实现思路
0、
技术实现要素:
1、针对以上问题,本发明提出一种基于用户行为分析的智能网络运维管理方法,所述方法具体包括如下步骤:
2、s1.对网络状态监控地区进行网格划分,形成多个网格区域;
3、s2.针对每个网格区域内的入网用户,形成每个入网用户的用户画像;
4、s3.针对每个网格区域内的入网用户,根据入网用户的用户画像,形成多个相似用户集合;
5、s4.实时监控每个入网用户的网络行为,当入网用户的网络行为出现异常时,在智能网络运维管理平台进行报警;
6、s5.智能网络运维管理平台调度维修人员对出现异常的入网用户所在地址的网络进行检修。
7、进一步地,所述步骤s1具体包括:
8、s11.针对网络状态监控地区进行初始网格划分;
9、所述初始网格划分具体为:将网络状态监控地区按照预设网格大小进行等面积划分;
10、s12.每隔固定时间针对多个网格区域进行二次划分,形成新的二次划分后的多个网格区域;
11、所述固定时间为time。
12、进一步地,所述步骤s12具体包括:
13、针对每个网格区域,执行如下步骤:
14、s121.每隔固定时间,统计当前时刻t1网格区域的入网用户数量m1;
15、所述入网用户数量为已经入网的用户的数量;
16、s122.获取上一个统计时刻t2每个网格区域的入网用户数量m2;
17、其中,t1-t2=time;
18、所述入网用户数量存储在智能网络运维管理平台的第一存储空间中;
19、s123.统计从时刻t2到时刻t1时间段内网格区域内入网用户消耗的网络流量d1;
20、s124.获取从时刻t3到时刻t2时间段内网格区域内入网用户消耗的网络流量d2;
21、其中,从时刻t3到时刻t2时间段内网格区域内入网用户消耗的网络流量d2存储在智能网络运维管理平台的第二存储空间中;
22、其中,t2-t3=time;
23、s125.计算从时刻t2到时刻t1时间段内网络状态监控地区内的所有网格区域内入网用户消耗的网络流量的平均值d′;
24、s126.当m1-m2>m′时,将当前网格区域进行二次划分,形成等面积的两个网格区域;
25、所述m′入网用户增量阈值;
26、当d1>d2且d1>d′时,将当前网格区域进行二次划分,形成等面积的三个网格区域;
27、当d1>d2、m1>m2、d1>d′,以上四个条件均满足时,将当前网格区域进行二次划分,形成等面积的四个网格区域;
28、s127.将当前时刻t1网格区域的入网用户数量m1存储至智能网络运维管理平台的第一存储空间中;
29、将从时刻t2到时刻t1时间段内网格区域内入网用户消耗的网络流量d1存储至智能网络运维管理平台的第二存储空间中;
30、针对每个网格区域,执行步骤s121至步骤s126后,形成新的二次划分后的多个网格区域。
31、进一步地,所述步骤s2具体包括:
32、s21.针对每个网格区域内的每个入网用户,监控该入网用户从凌晨0:00至次日凌晨0:00时间段中每个时刻的网络速度;
33、从凌晨0:00至次日凌晨0:00,每隔1小时,统计该入网用户的网络流量值,获得24个网络流量值{l1,l2…li,…l24};
34、其中,li为第i个小时的该入网用户的网络流量值;
35、s22.当li<l′(i=1,2…,24)时,将第i个小时的该入网用户的网络流量值设置为0,并且将第i个小时的该入网用户的网络速度设置为0;
36、当li≥l′(i=1,2…,24)时,计算第i个小时的该入网用户的各时刻网络速度的平均值;
37、s23.针对每个小时,对该入网用户的网络流量值和网络速度,重复执行步骤s22,获得该入网用户从凌晨0:00至次日凌晨0:00时间段中的网络行为数据{{1,l1,v1},{2,l2,v2},…,{i,li,vi},…{24,l24,v24}};
38、其中,{i,li,vi}为第i个小时的该入网用户的网络行为数据,i为第i个小时;li为第i个小时的该入网用户的网络流量值;vi为第i个小时的该入网用户的各时刻网络速度的平均值;
39、s24.针对该入网用户,重复执行步骤s21至步骤s23,获得每个月内各工作日的该入网用户的网络行为数据,并计算所述各工作日的该入网用户的网络行为数据的平均值,得到{{1,l′1,v′1},{2,l′2,v′2},…,{i,l′i,v′i},…{24,l′24,v′24}};将{{1,l′1,v′1},{2,l′2,v′2},…,{i,l′i,v′i},…{24,l′24,v′24}}作为该入网用户的用户画像。
40、进一步地,所述步骤s3具体包括:
41、s31.针对多个网格区域中的一个网格区域,计算该网格区域内的所有入网用户之间的距离值;
42、s32.根据每两个入网用户之间的距离值,对该网格区域内的所有入网用户进行聚类,形成多个相似用户集合{s1,s2…si,…sn};
43、其中si为第i个相似用户集合;n为相似用户集合的个数;
44、其中,si中包括多个入网用户;
45、s33.重复执行步骤s31至步骤s32,直至所有网格区域均完成聚类,每隔网格区域内均形成多个相似用户集合。
46、进一步地,所述步骤s31包括:
47、s311.两个入网用户之间的距离值的计算方式为:
48、
49、其中,pl′i为入网用户p的用户画像中的网络流量值;pl′i为入网用户q的用户画像中的网络流量值;g为入网用户p与入网用户q之间的距离值;
50、其中,入网用户p的用户画像表示为{{1,pl′1,pv′1},{2,pl′2,pv′2},…,{i,pl′i,pv′i},…{24,pl′24,pv′24}};
51、入网用户q的用户画像表示为{{1,ql′1,qv′1},{2,ql′2,qv′2},…,{i,ql′i,qv′i},…{24,ql′24,qb′24}}。
52、进一步地,所述步骤s4具体包括如下步骤:
53、s41.获得入网用户工作日凌晨0:00至次日凌晨0:00的网络行为数据;
54、s42.获得该入网用户所在的聚类集合中其他入网用户在该工作日凌晨0:00至次日凌晨0:00的网络行为数据;
55、s43.计算所述其他入网用户在该工作日凌晨0:00至次日凌晨0:00的网络行为数据的平均值;
56、s44.计算步骤s41中获得的该入网用户的网络行为数据与所述步骤s43中获得的网络行为数据的平均值的距离值b1;
57、计算步骤s41中获得的该入网用户的网络行为数据与该入网用户的用户画像的距离值b2;
58、其中,所述距离值b1和b2均采用步骤s311的计算方式获得;
59、s45.当步骤s44中的所述距离值b1大于预设阈值w1,且距离值b2大于预设阈值w2时,判断该入网用户网络出现波动,将该入网用户列入网络波动清单中;
60、s46.重复执行步骤s41至步骤s45,当该入网用户连续k天均被列入网络波动清单中时,将该入网用户列入网络异常清单中,并在智能网络运维管理平台进行报警;
61、其中,所述k为7,15,30其中之一。
62、进一步地,所述步骤s21还包括:
63、s211.当入网用户的网络速度连续12小时低于预设阈值h时,将该入网用户列入网络异常清单中,并在智能网络运维管理平台进行报警;
64、s212.执行步骤s5。
65、进一步地,所述步骤s2还包括:
66、每隔30天对入网用户画像进行更新;
67、在每次所述用户画像更新后,更新各网格区域内的相似用户集合。
68、本发明还提出一种基于用户行为分析的智能网络运维管理系统,所述系统执行以上所述的一种基于用户行为分析的智能网络运维管理方法的各步骤。
69、本发明的有益效果如下:
70、1.本发明通过对入网用户的网络行为进行实时监控,能够第一时间识别入网用户网络状态,从而快速调度维修人员进行网络检修,提高用户体验;
71、2.本发明通过入网用户数量和网络流量动态调整网格区域,使得网格区域划分更加精准,能够针对用户需求量较高的区域和入网用户进行重点监控,提高了网络运维的效率和准确性;
72、3.本发明通过对各网格区域内入网用户进行用户画像,实现了对用户网络行为的准确表达,提高了系统对于入网用户网络状态监控的准确性;
73、4.本发明通过对各网格区域内入网用户的距离值,获得各网格区域内相似用户集合,并根据入网用户当天的网络行为与用户画像和相似用户集合中其他用户的网络行为数据进行比较,判断入网用户的网络状态,提高了入网用户网络状态监控的准确性。
74、上述说明,仅是本发明技术方案的概述,为了能够更清楚了解本发明技术手段,可依照说明书的内容予以实施,并且为了让本发明的上述说明和其它目的、特征及优点能够更明显易懂,特举较佳实施例,详细说明如下。