基于AI建模的宽带弱光问题精准定界方法

张素琴 曾 光 宋其平 王晓雷 中国移动通信集团江西有限公司 南昌市 330038

0 引言

党的十八大以来，习近平同志围绕网络强国建设发表一系列重要论述，要求我们以人民为中心，要适应人民期待和需求，加快信息化服务普及，降低应用成本，为老百姓提供用得上、用得起、用得好的信息服务，让亿万人民在共享互联网发展成果上有更多获得感。

江西移动积极响应国家号召，开展家庭宽带“818”免费送活动，公司宽带业务飞速发展、ODN规模迅速膨胀，ODN质量管理却没有齐头并进，宽带弱光问题影响客户感知，客户满意度出现逐渐下滑趋势。对影响用户上网满意度的弱光问题进行写生解剖、细分原因，发现家宽“弱光率较高、问题定界困难”主要体现在以下四方面：

（1）入户光缆不受控、骨干及分支光缆损耗大、分光器老化，导致弱光率高，无有效定界手段，需要反复上站，整治一个ONU弱光需要120分钟，效率低下。

（2）组网不合理，分光比超限（1∶8＊1∶16分光）场景无法判定。

（3）弱光数据未经分析或采取简单统计分析，无法准确界定骨干、分支、入户弱光场景，直接派单给一线维护人员处理，超出维护人员职责范围，可能引起部门之间互相推诿，整治效果差。

（4）传统弱光数据采集，采用单次定时同步策略方式，受用户关机、设备繁忙等因素影响，导致弱光数据采集率低（60%~70%），无法有效支撑弱光数据分析。

针对接入网弱光率整治效率低、准确率低等问题，笔者引入AI聚类分类算法，通过五个创新举措，实现主干弱光、分支弱光、入户弱光、分光比超限、反复弱光等场景精确识别，自动输出地市弱光设备和定界原因。弱光指标主动推送网格，根据运维人员位置，推送附近弱光用户，并提供导航功能，引导运维人员主动上门整治，提升客户满意度。

1 AI算法精准识别四种弱光场景

（1）特征提取：采用聚类k-means++算法，在ONU收发光功率的平面，同一个分光器分支下的ONU因为物理路径一致，应该形成稠密的规律分布；将PON口下每个ONU的光功率原始数据，转换为更能代表预测模型的基础问题的特征，从而提高模型对于不规则数据的准确性。

（2）根因分析：收集现场数据样本，采用朴素贝叶斯分类算法，通过已知的特征的条件概率，现场PON口ONU收光功率的特征情况，训练模型判定弱光根本原因，判定骨干、分支、入户、分光比超限等光纤故障，有效提升ONU弱光整治效率。

图1 AI算法精准识别弱光场景图

2 通过增量采集、差分规避的方式，优化数据采集

（1）增量采集：由于用户关机，设备繁忙等因素影响光功率数据未采集到，则用15天内最新一次采集到数据进行填充。

（2）差分规避：每天对光功率数据进行4次采集，规避设备繁忙、减少ONU关电、采集失败对ONU光功率采集影响。

通过增量采集、差分规避的采集方式，使ONU光功率采集率由60%提升至95%，并对长期无法采集光功率的设备进行分析处理，使基础网络指标可管可控。样本数量的提升，支撑AI 建模弱光定界准确率提升到95%。

图2 增量采集及差分规避实施架构图

3 打通系统接口，自动输出设备弱光定界原因

图3 弱光整治端到端流程拉通图

拉通数据采集、数据清洗、数据分析、数据呈现端到端流程，整个弱光定界过程不依赖综合资源管理系统中的数据。自动输出地市弱光设备及定界原因，自动输出弱光整治报表，便于后台人员跟踪。AI平台与数据采集平台进行解耦，AI建模定界弱光问题，可适配所有PON网管厂家，打破了原来AI分析只能分析特定PON网管厂家数据的局面。最终实现自动下发弱光整治任务给一线维护人员，同时为一线人员提供精准的弱光定界原因，指导其开展弱光整治工作。

4 创新拉通IHGU软探针数据，实现反复弱光问题动态监控

首先提取ONU 收发光数据时间序列特征；其次，通过时间序列数据的平稳性检验方法，使用AI算法训练，建立各种故障光路指标特征模型；最后，定界光模块劣化，光纤弯曲、工程施工、ONU设备故障等导致的反复弱光问题。

不稳定光路特征表现出趋势一致，ONU或光模块原因则会有不一致性体现。网络改造引起光距及分光比变动可及时发现并处理，最终实现反复弱光原因精准定位。

5 弱光指标直送网格，主动运维客户宽带质量

弱光指标关联网格，根据维护员位置精准推送附近弱光问题，实现宽带质量主动运维。

6 结束语

本文针对家庭宽带弱光整治效率低、弱光定界准确度低等问题，引入AI聚类分类算法、弱光直送网格等创新举措，在成本节约、效率提升、网络质量和客户满意度提升方面取得了较大成效，具有实用价值。

图4 弱光指标关联网格，引导一线人员主动弱光整治功能图