摘 要
针对当前日趋复杂的网络架构及日益提升的网络优化难度，提出并实现一种新型的基于多域数据融合的算法系统。该系统通过关联IMS、5GC及EPC域的XDR数据，实现对VoLTE、VoNR及EPS FB等语音业务的精准区分。在此基础上，系统通过构建各业务的质量劣化阈值模型，并采用滑动窗口算法，从而精准筛选重点质差小区。经X市现网连续5天的实际数据验证表明，该系统能够有效识别重点质差小区，充分验证系统的可行性与实用性。
0 1
概 述
语音业务作为运营商的传统业务，是最影响用户体验与评价的业务。随着5G网络的蓬勃发展和2G网络的逐渐退出，当下语音业务研究重点是VoLTE语音业务、EPS FB语音业务和VoNR语音业务。
目前，由于多种语音业务解决方案共存、网络制式复杂、网间切换频繁，语音业务的网络优化需求强烈、难度增加，判别语音业务重点质差小区成为语音业务网络优化工作的重中之重。目前判别质差小区的常用方法主要有路测、基于网元配置数据和网元性能数据挖掘、基于测量报告挖掘、基于信令流程数据挖掘等。其中，运营商为了提升网络建设、网络维护的水平，在指定的网络接口链路进行旁路分光，实时分析链路中的数据并生成信令/流量详细记录（X Detail Record，XDR）。XDR数据能够便捷、精细地分析和评价网络质量，所以基于XDR数据的网络优化技术蓬勃发展。
相关文献基于XDR数据提出了一种网络自动化、智能化的故障诊断方法，提高了运维效率，保证了用户感知。相关文献基于XDR数据构建面向用户、业务、终端的多维大数据运营体系，可定制各类视频应用业务需求分析，支持运营商资源精准投放，助力OTT视频企业合作营销。相关文献基于XDR数据的运动轨迹变化，完成车主与车辆的绑定，完成用户画像构建，能够有效助力新能源汽车产业精准营销，助力运营商与新能源汽车产业创新合作场景落地。
经过持续优化，目前网络的整体质量有了明显提升，网络优化建设进入切小划分、局部针对性优化阶段，需要对质差小区进行精准判别和优化。同时，由于移动通信环境的复杂性，存在由于数据异常或终端异常等突发原因导致部分正常小区被误判为质差小区的情况，所以本文提出了基于多域数据持续监测判别语音业务重点质差小区的技术。通过多种数据相互印证，避免数据异常导致的错误判断；通过持续多天监测数据，避免突发异常或终端问题导致的错误判断，从而实现对语音业务质差小区的精准定位，提高网格优化效率，提升网络质量。
0 2
关键技术研究
本文设计的基于多域数据持续监测判别语音业务重点质差小区的系统涵盖VoLTE、EPS FB、VoNR语音3种业务场景。针对现网中网络质量优秀和普通2种不同情况，系统设计2套业务质差阈值，可以有效判别出在连续几天内频繁出现质差情况的小区，即重点质差小区。
2.1 系统设计
本系统包含数据预处理模块、数据关联模块、语音业务分离模块、统计分析模块和重点质差小区判别模块。各模块的设计思路如下。
a）数据预处理模块。在系统中设置需要筛选质差小区、提升网络质量的区域〔省分、地（市）〕，本系统向XDR存储系统订阅指定区域最近N天（N≥5）的IMS、5GC、EPC域的XDR数据，这些数据被周期性传输，从而实现数据的自动化采集。将采集到的数据进行清洗，筛选XDR中编号相同的话单，只保留其中时间最靠前的一条话单，剔除剩余话单。
b）数据关联模块。系统关联IMS、5GC、EPC域XDR数据，根据VoLTE、EPS FB、VoNR语音业务信令流程，关联形成用户语音呼叫的端到端记录话单。
c）语音业务分离模块。将端到端XDR话单记录分为VoLTE语音业务、VoNR语音业务和EPS FB语音业务三大类。
d）统计分析模块。分别对3类XDR话单按天进行小区维度的语音业务指标统计分析。
e）重点质差小区判别模块。针对优秀和普通2种网络情况，系统设置了2种不同的语音业务质差阈值，用于判别出单日出现质差情况的质差小区。系统对质差小区进行滑动窗口监测，以5天为移动观察窗口判别出频繁出现（≥3）质差情况的语音业务小区，并将其定义为重点质差小区。
基于多域数据持续监测判别语音业务重点质差小区的系统架构如图1所示。
图1 系统架构2.2 系统实现
语音业务分离模块、统计分析模块和重点质差小区判别模块是本系统设计的核心模块，重点质差小区判别算法是系统的核心算法。
2.2.1 语音业务分离模块
将数据关联模块关联好的用户话单进行语音业务分类。如果用户在EPC域完成初始注册、在IMS域完成语音呼叫，则定义此条话单为VoLTE话单；如果用户在5GC域完成初始注册、在IMS域完成语音呼叫，则定义此条话单为VoNR话单；如果用户在5GC域完成初始注册，在5GC域发起语音呼叫后回落到EPC域，再在IMS域完成语音通话，则定义此条话单为EPS FB话单。
2.2.2 统计分析模块
接下来对3种语音业务分别按天和小区维度进行质量情况统计，具体的分析指标如下。
a）VoLTE语音业务网络接通率、掉话率、平均呼叫建立时延。
b）VoNR语音业务网络接通率、掉话率、平均呼叫建立时延。
c）EPS FB语音业务网络接通率、掉话率、平均呼叫建立时延、平均回落时延。
涉及的指标定义如下。
a）网络接通率。用户发起呼叫后听到振铃声的概率，网络接通率=语音振铃次数/语音呼叫次数。
b）掉话率。用户语音通话过程中断的概率，掉话率=用户通话过程中掉话总次数/用户应答总次数。
c）平均呼叫建立时延。用户发起呼叫至听到振铃声的平均时长，平均呼叫建立时延=呼叫建立总时长/呼叫建立成功总次数。其中，呼叫建立总时长为一段时间内，从用户发起呼叫到用户听到振铃之间的时长总和；呼叫建立成功总次数为一段时间内，呼叫建立成功（用户发起呼叫后到用户可以听到振铃）的次数总和。
d）平均回落时延。EPS FB语音业务用户发起呼叫后，从5G网络回落到4G网络发起呼叫的时长，平均回落时延=回落总时长/回落成功总次数。其中，回落总时长为一段时间内，EPS FB语音业务用户从AMF收到gNB发起5G到4G的切换请求以及发起携带重定向或者回落原因值的UE上下文释放到4G网络发起TAU Request消息的时长总和，回落成功总次数为一段时间内，EPS FB语音业务用户回落成功后在4G网络发起TAU Request消息次数。
对VoLTE语音业务按天进行小区维度的网络接通率、掉话率、平均呼叫建立时延3个主要指标的统计分析，获得每个小区每天的VoLTE语音业务指标情况。对VoNR语音业务按天进行小区维度的网络接通率、掉话率、平均呼叫建立时延3个主要指标的统计分析，获得每个小区每天的VoNR语音业务指标情况。
对EPS FB语音业务按天进行小区维度的网络接通率、掉话率、平均呼叫建立时延、平均回落时延4个主要指标的统计分析，获得每个小区每天的EPS FB语音业务指标情况。
2.2.3 重点质差小区判别模块
2.2.3.1 VoLTE语音重点质差小区判别模块
针对现网中网络质量优秀和普通2种不同情况，设置了2种VoLTE语音业务质差的阈值标准，具体如表1所示。
表1 2种VoLTE语音业务质差的
阈值标准
对统计分析模块得到的VoLTE语音业务统计数据进行分析，按天筛选VoLTE语音业务质差小区。
对于现网中网络质量优秀的区域，当VoLTE语音业务网络接通率小于99%时，定义为VoLTE语音业务网络接通率质差小区；当VoLTE语音业务掉话率 0.05%时，定义为VoLTE语音业务掉话率质差小区；当VoLTE语音业务平均呼叫建立时延 3 400 ms时，定义为VoLTE语音业务平均呼叫建立时延质差小区。
以上这3种小区合集称为VoLTE语音业务质差小区。在这个小区合集中，存在2项或者3项指标同时质差的小区，它们会被优先关注，并被定义为VoLTE语音业务优先关注质差小区。
以5天为滑动窗口，对指定区域的每个小区进行VoLTE语音业务指标情况连续监测。当一个小区网络接通率、掉话率、平均呼叫建立时延5天内出现3天及以上质差情况时，被定义为VoLTE语音业务网络接通率重点质差小区、掉话率重点质差小区、平均呼叫建立时延重点质差小区。以上这3种重点质差小区合集称为VoLTE语音业务重点质差小区。
同样，对于现网中网络质量为普通的区域，VoLTE语音业务重点质差小区判别流程参照上述方案，只是阈值放宽至网络接通率98%、掉话率0.1%、平均呼叫建立时延4 000 ms。
2.2.3.2 VoNR语音业务重点质差小区判别
参照VoLTE语音业务重点质差小区的判别流程，判别出VoNR语音业务重点质差小区。VoNR语音业务质差小区阈值如表2所示。
表2 VoNR语音业务质差小区阈值
2.2.3.3 EPS FB语音业务重点质差小区判别
参照VoLTE语音业务重点质差小区的判别流程，筛选出EPS FB语音业务重点质差小区。EPS FB语音业务质差小区阈值如表3所示。
通过重点质差小区判别模块，系统筛选出的VoLTE语音业务重点质差小区、VoNR语音业务重点质差小区、EPS FB语音业务重点质差小区即为语音业务重点质差小区，亟需网络优化调整。
表3 EPS FB语音业务质差小区阈值
0 3
现网应用验证
本文针对X市连续5天的VoLTE语音XDR数据进行算法验证。这5天X市发生过VoLTE语音呼叫业务的共23 317个小区，统计出96 647条小区级业务记录。该市的VoLTE语音业务的整体情况如表4所示。
从整体上看，VoLTE 语音始呼网络接通率均在99%以上，平均呼叫建立时延（V-V）均小于3 000 ms，语音掉话率在0.08%左右，X市整体情况较好。
采用表1中网络质量为普通的区域的VoLTE语音业务质差的阈值标准，统计出X市质差小区情况如表5所示，其中某指标质差小区占比为该项质差小区数量/X市5天发生过VoLTE语音业务的小区数量（即23 317）。
表4 X市5天内发生过VoLTE语音业务小区的业务整体情况
表5 X市5天的质差小区情况
对表5中5天的质差小区的重叠情况进行分析，可以看到每个类型的质差小区5天内都存在一定程度的重叠，尤其是语音掉话率高的小区，重叠率达到了42.76%，说明本文提出的基于多域数据滑动窗口监测判别语音业务重点质差小区的系统切实可行。其中，对5天内各指标的质差小区出现质差的天数情况进行统计，结果如表6所示，5天内出现3天及以上质差天数的小区即为本文筛选的重点质差小区。
表6 各指标的质差小区出现质差的天数情况统计
0 4
结束语
本文针对当前语音质差小区识别难、语音业务用户感知差等问题，设计了基于多域数据持续监测判别语音业务重点质差小区的技术，该技术关联IMS、5GC、EPC域XDR数据形成端到端的语音业务通话记录，通过连续监测判别出频繁出现质差的小区，减少突发因素影响，有效提升质差小区判别的准确性。现网X市某5天的数据验证了本系统切实可行，能够更加精准地判别出重点质差小区，提高网络优化效率。
作者简介
王勇，毕业于北京大学，高级工程师，硕士，主要从事核心网数字化运营、大数据分析、移动网端网业协同等方面的研究工作；
赵振桥，毕业于北京交通大学，初级工程师，硕士，主要从事核心网数字化运营、大数据分析等方面的研究工作；
刘喜卿，毕业于北京邮电大学，教授级高级工程师，硕士，主要从事核心网数字化运营、大数据分析等方面的研究工作；
程新洲，毕业于北京邮电大学，教授级高级工程师，中国联通研究院网络智能运营研究中心总监，硕士，主要从事通信大数据分析及架构等研究工作。
0 条