大数据分析技术在通信网络运维中的运用及分析

沈东 包可乐 吕祎 黄大巧

摘要：随着网络规模越来越大，通信网络的故障在不断增多，业界急需大数据、云计算等技术在通信网络运维中的应用。文章首先分析了大数据相关研究的背景，其次剖析了目前通信运维故障处理的方法及其短板，最后结合大数据分析技术的特点和通信网络故障的现状，文章设计了通信网络大数据综合故障定位分析平台框架，进行了分析平台的功能设计，平台实现了通信网络拥塞度大数据分析、预测通信信道分配、大数据挖掘故障定位和基于大数据挖掘故障分析等功能，较好地达到了网络运维的效果，希望能给大数据技术在通信领域应用的研究学者提供参考。

关键词：大数据；通信故障；分析

中图分类号：TN919.5  文献标志码：A

0 引言

随着大数据分析技术的迅速发展，大数据分析在各行各业都逐步被应用。各种传统领域的信息系统也在利用大数据不断地改进和优化，朝着更加智能化的方向发展。在通信网络中，网络故障是非常难定位和分析的，经常要靠工程师的经验和大量的数据进行整理分析，十分费力。通过引入大数据分析到通信网络的故障定位和数据分析中，能够缩短故障排除和分析的时间，更好地保障通信网络的安全。本文针对大数据分析在通信网络系统的故障进行定位和分析应用开展探索。

1 网络通信运维存在的问题

通信网络运维目前从初期单一的测试软件开始逐步过渡到现在的平台化。但是测试软件和网络运维平台之间依然存在巨大鸿沟，网络运维平台软件一般由软件公司负责开发，一般着眼于OMC上报数据采集、基站GIS展现方面，平台软件不能对测试软件采集到的空口数据进行综合分析。由此可见，网络运维平台软件在专业性上存在相对数据分析的不足，对网络运维专业知识的兼容性较差，软件很多时候只能是一个数据展示。随着通信技术的不断更新，网络运维平台在兼容性和智能化方面，亟待提升，需要大数据、云计算等高新技术的支撑［1］。

2 通信网络故障分析处理的现状

通信网络故障诊断的方法，主要有流程经验法和逻辑排除法。流程经验法主要是先确定故障的范围，工程师再通过排除或者经验直接找到故障点。由于通信网络系统涉及的硬件和软件非常复杂繁多，工程师在排查故障和定位问题的时间会非常漫长，多数时候还需要人工对原理图进行重现梳理。出现重大问题或者之前没有遇见的故障的时候，运营中心还需要召集专家进行会商，明确相关故障，从而找出故障点。总的来说，主干线的故障或者问题比较容易定位，而网络中的个别基站或者扇区出现故障就难以定位和查询原因。出现这种问题，基本上都采用排除法，根据原理图，进行逐一排除，同时工程师根据关联关系进行辅助判断，十分耗时［2］。

3 大数据分析技术在通信网络故障诊断的应用

本文在研究通信网络故障的现实情况后，结合大数据技术的优点，设计了通信网络大数据综合故障定位分析平台的系统框架，平台的使用对象是通信网络管理者、通信运维者和通信故障定位的关键应用人员，平台在人工智能、微服务和大数据分析等技术上研究了通信网络大数据集群，并实际进行了验证，证明了大数据分析技术在通信网络故障诊断上的准确性和系统可靠性。也证实了大数据分析技术对提高通信网络智能化管理、通信运维业务效率具有重要的意义。

3.1 通信网络大数据综合故障定位分析平台框架设计

平台首先对大量多源的原始数据进行采集、收集、储存，然后对这些数据进行过滤与分析等多重处理，再利用大数据进行排除和判断，对通信网络故障问题定位，最后通过后台展示和决策功能，为通信运维工程师、通信运维管理者、通信参与者提供高效率的服务。整个平台采用分层架构设计，分数据采集层、数据处理层、数据应用层3层，如图1所示，每层通过接口和相关协议进行数据交互，每个功能都是低耦合高内聚，具有很强的鲁棒性。数据采集层主要将网络的基站数据、参数数据、工单数据、话务数据、湿度数据、温度数据通过数据采集层收集到大数据平台中，数据处理层对数据进行提取、格式识别、数据编码，同时对海量异构数据进行处理，然后进行储存，通过相关的容器中介进行数据转化。数据转化后，同时需要对不完整的数据进行补缺操作，对缺少的数据进行修正，并按照相关的规律算法进行需求补齐［3］。数据应用层根据不同的使用者的需求，实现网络覆盖优化、网络干扰、网络故障定位、网络故障分析、处理反馈等功能。

3.2 基于数据挖掘的分析方法

一个移动通话过程中将产生大量的测量数据（通话中手机每半秒向系统报告一次目前的通信测量结果），系统都将完全记录该部分信息数据。由于这样的数据是海量的，根据系统预先定义的KPI 统计指标，网管系统将有选择性地生成大量的统计报表，用来反映网络质量。以通信网络接入性能类指标为例，统计报表包括：寻呼成功率、信道可用率、信道拥赛率、信道分配成功率、信道可用率、信道拥赛率、信道分配成功率、通信接通率等，这些指标每小时对每个基站、每个小区都有相应的数值。

现在网络运维采用的数据源较为单一，工程师进行DT/CQT测试，仅采集路测区域的空口信令；进行小区容量优化等日常优化时，采集近期的OMC统计数据；A口及Abis口侧的信令数据虽然包含了区域内用户实际的信令信息，但由于数据量巨大，对其进行统计主要靠人工提取，因此運维过程中一般不对其进行统计分析。为解决这一问题，采用以地理位置为基础，对同一区域内所有小区数据进行全方位采集。与传统的网络运维分析采用的单一数据源不同，采集的数据源包括：按照OMC等网元设备的上报粒度实时采集数据，DT/CQT测试得到的空口的信令数据，以及A口及Abis口侧的信令数据。OMC数据包含网络KPI性能数据、配置参数数据、设备告警数据等信息，通过主设备厂家OMC设备以一定的时间颗粒度产生，能够以小区的维度反映网络性能和问题；DT/CQT测试得到的空口的信令数据，通过路测设备获得，包含了用户在发起业务和用户运动过程中的全部数据，能够通过用户和业务的维度分析网络问题，从信令面到业务面全方面的分析业务质量、用户感知等指标；还通过智能关联并提取A口及Abis口信令数据，以对OMC和DT数据形成补充，对问题小区、用户投诉能做到准确的还原与再现，同时建立真正的用户行为模型。通过从用户侧模拟、网络侧关联、平台侧统计，多角度地提取相关数据，能全面地发现网络中存在的问题，同时为定位问题原因和提出解决方案提供基础。

传统的运维一般采用“事后驱动”模式，即当小区内设备产生告警或者用户投诉量大时，才对该小区进行处理，这导致所有的响应都是补救式的，极大地影响了用户感知。本文采用大数据一体化分析模式，将整个网络作为整体考虑，综合分析路测信令、设备告警和用户投诉等信息，主动发现问题，同时在发现某一小区存在问题后，平台会对网络内其它小区进行评估，通过地理近似、用户行为模型近似等特征寻找可能出现相同问题的小区，进而发现其他小区存在的隐患问题。通过采用大数据分析模式，将网络运维由传统的补救式转变为发现式，提高隐患问题点的发现能力，提升用户感知。

在移动通信网络运维中，故障现象和故障原因之间的关系是复杂的、非线性的，给网络运维人员分析、处理和解决问题带来很大的难度。网络运维系统中

故障类型多，故障之间互不相关，故障信号采集困难，难以建立故障原因与症状之间的精确数学模型，是一个复杂的非线性系统，多数情况下只能凭借工程师的经验来综合判断。大数据分析适合不同环境的智能化故障诊断模型，这些诊断模型能加快网络运维工程师对故障診断的定位和解决的速度。专家系统固化了现有的网络运维经验，在一定程度上可克服资料和经验上的不足，从而对问题进行定位，并提出相应的解决方案，显得更加客观、合理。平台通过数据挖掘在网络运维中应用的分析，并针对现在运维体系存在的缺陷及实际运维工作的需求，后台维护人员通过数据挖掘利用可以将现有优化系统统一起来，形成一个统一分析、统一处理的系统，同时更多地运用计算机、数据库、数据挖掘、人工智能等现代化技术对网络进行智能化分析，找出网络存在的问题并给出解决方案。

平台中集成了数据挖掘的决策树算法，该算法可以进行相关性分析和偏差检验，可以准确定位问题的所在，从而对网络进行有效的调整。本文还研究了关联规则等相关性搜索算法，对出现干扰严重时，各参数设置的相关性分析，基本上能够得到干扰的原因所在；通过搜索算法找出更为合理的解决方案，同时可以对网络的干扰做出预警，提前对网络进行调整。

平台还对信令数据进行了分析，移动台与基站间的注册、鉴权、接入、切换等都是通过信令交互完成的。所以信令的监测和参数分析对了解和掌握网络的运行状况和运行质量有着重要意义。平台通过对于信令的追踪，可以方便地定位故障，验证网络规划的合理性，便于具体问题的解决。

3.3 通信网络大数据综合故障定位平台关键应用功能设计

根据上述的通信网络大数据技术应用，平台从通信运营和决策等不同的专题进行各种功能设计，具体如图2所示。工程技术人员可以通过平台进行数据采集；平台还可以对相关数据进行覆盖、接续、承载和接入等不同能力进行指标支撑；工程师通过该平台提高网络运维的数据精确度和数据采集时效性。

3.3.1 基于通信网络拥塞度大数据分析方法

各个基站信道的数据采集结合物理信道、载频资源和复用参数，可以结合用户地理大数据分析，对关联场景进行梳理优化［4］。通过这种方式实现基站拥塞、信道符合率、话务复用质量等指标的呈现，如图3所示，为通信运营者提供及时准确的信道状况信息，该方法可以帮助规划工程师选择更适合的规划方式和频率加载参数，减少因为信道拥塞造成话务溢出的浪费。

3.3.2 基于大数据预测通信信道分配

平台同时以用户行为感知、通信信道数量为基础数据，考虑工作日、地理环境、时间段、用户行为等影响因素，设计大数据的通信预测信道功能，平台通过大数据平台进行比对，对相关模型数据进行修正，甄别错误信息，修改缺失数据，不断提高数据的分析准确性，精准预判话务模型，提高预测信道数量，优化信道参数，减少话务拥塞，提高用户感知［5］，如图4所示。

3.3.3 基于大数据挖掘故障定位

平台以提高通信网络管理效率为首要目标，建立通信网络故障定位子功能和通信网络故障分析子功能。平台通过网络指标的走势，结合话务量、拥塞率、接通率、干扰性和接续能力，对现网的故障进行定位，通过网格排序的方法，结合专家数据库，更新网络信息，利用操作日志、故障前后操作变化，汇聚海量多源数据，利用神经网络等技术设计智能定位子功能。在

算法模型上根据反馈效果不断修正，平台可以根据不同特定场景进行自动适应性优化，提高算法的智能化程度，帮助运营方掌握通信网络的话务波动特征和饱和情况，提高调度处理工单能力，提高故障处理响应效率，如图5所示。

3.3.4 基于大数据挖掘故障分析

平台通过网络的基站主设备、馈线、动力、环境等多径流量数据，结合事件规律和时限特点，对话务模型特征、人群潮汐分布进行大数据分析，用各种不同的颜色进行专题分析展示，为通信的日常运维、处理能力提供数据支持，故障分析功能可以对通信高峰进行自动识别接预警，同时对分析结果进行案例固化，制定应急预案辅助支撑，对重点区域和VIP客户进行重点观察和分析，增加维护频率，建立网络安全保障和资源调配的信息化判断标准，减少网络事件发生的概率。

4 结语

总之，通信网络在不断增加，规模也越来越大，保障通信网络系统安全，面临着巨大的挑战。当前我国居民和社会的网络应用正在不断增加，且我国通信网络规模也在不断扩大，通信网络事业的发展面临新的挑战与机遇，为了保障通信网络系统的稳定安全运行，采取有效方法诊断通信网络故障问题具有重要意义。在我国科学技术不断进步的环境下，新兴技术在通信系统故障诊断中得到广泛使用，且取得了良好的应用效果。当前通信网络事业最为关注的问题就是通信网络系统的稳定运行，为了有效解决通信网络系统故障问题，制定符合现代化发展需求的技术与系统是当前的主要任务，以此为促进通信网络事业的可持续发展奠定基础。

参考文献

［1］郭琪.基于大数据下移动通信网络优化的思考［J］.中国新通信，2023（1）：9-11.

［2］王興.大数据背景下的网络通信系统研究［J］.电子技术与软件工程，2022（24）：26-30.

［3］付豪.面向大数据分析应用平台的性能分析系统［D］.贵阳：贵州大学，2022.

［4］刘博，王艳.基于大数据分析的通信网络阻塞故障检测方法［J］.自动化与仪器仪表，2021（1）：43-46.

［5］胡谷雨，潘志松，王帅辉，等.基于大数据分析的网络管理智能化［J］.国防科技，2019（5）：32-39.

（编辑 沈 强）

Application and analysis of big data analysis technology in communication network fault

Shen  Dong1， Bao  Kele2， Lyu Yi3， Huang  Daqiao3

（1.Zhejiang information and Communication Association， Hangzhou 310003， China; 2.Zhejiang Branch of China United Network Communication Co.， Ltd.， Hangzhou 310051， China; 3.Zhejiang Communications Services Co.， Ltd.， Hangzhou 310053， China）

Abstract：  With the increasing scale of the network， operators are increasingly concerned about the safety issues of network operation and maintenance failures. The emergence of new technologies such as big data and cloud computing has brought business improvements to communication network operation and maintenance. This article first introduces the concept of big data and the analysis of its advantages. Combined with the application fields of big data analysis technology， it analyzes the current situation of communication network faults， mainly including process experience method and logical elimination method. It designs the framework of a comprehensive fault location and analysis platform for communication network big data， and performs the functional design of the analysis platform. It realizes the analysis of communication network congestion big data， prediction of communication channel allocation Fault location and fault analysis based on big data mining.

Key words： big data; communication failure; analysis