網絡質量預測方法和裝置制造方法
【專利摘要】本發明提供一種網絡質量預測方法和裝置，其中，該方法包括：采集投訴用戶所在小區的第一網絡KPI信息以及非投訴用戶所在小區的第二網絡KPI信息，其中，所述非投訴用戶的數量為預設數量，所述第一網絡KPI信息和所述第二網絡KPI信息為預設時間內的信息；根據所述第一網絡KPI信息和所述第二網絡KPI信息，確定網絡質量預測模型；采集待預測的網絡KPI信息，并采用所述網絡質量預測模型對所述待預測的網絡KPI信息進行網絡質量預測。通過本發明提供的方法和裝置，從用戶的角度出發對與網絡質量相關的信息進行采集，避免了傳統網絡質量預測方法很難有效反映用戶對網絡質量的評價的問題，準確地獲取網絡質量的真實評價。
【專利說明】網絡質量預測方法和裝置

【技術領域】
[0001] 本發明涉及網絡技術，尤其涉及一種網絡質量預測方法和裝置。

【背景技術】
[0002] 網絡質量預測技術，關注網絡質量指標，發現并解決影響網絡質量的問題。網絡質 量預測的目的是量化網絡運行狀況、獲得網絡運維中發生或潛在的問題。網絡質量預測可 以實現網絡運維質量的提高，使用戶滿意度增加。網絡質量分析及預測，為建立一個高級穩 定、可預測及可控的網絡起到了不可替代的作用。
[0003] 現有技術中的網絡質量預測方法，由于網絡KPI信息已經被保存于有線網、光 纖網以及無線網等各類網絡的網優平臺中，運營商從網優平臺中采集關鍵績效指標（Key Performance Indicator,簡稱KPI)信息作為內部數據，其中，運營商采集的KPI信息所屬 的網絡小區為運營商隨機選取的，然后對此內部數據進行分析處理得到網絡質量評估信 息，并據此進行網絡質量預測，進而完成網絡的優化和維護。
[0004] 但是，現有技術中的網絡質量預測方法，由于采集的KPI信息所屬的網絡小區為 運營商隨機選取的，時常不能準確地獲取用戶對于網絡質量的真實評價，從而不能對網絡 質量進行準確的預測，進而無法準確完成網絡的優化和維護。


【發明內容】

[0005] 本發明提供一種網絡質量預測方法和裝置，用以解決現有技術中的網絡質量預測 方法，由于采集的KPI信息所屬的網絡小區為運營商隨機選取的，因而時常不能準確地獲 取用戶對于網絡質量的真實評價，從而不能對網絡質量進行準確的預測，進而無法準確完 成網絡的優化和維護的問題。
[0006] 本發明的第一個方面是提供一種網絡質量預測方法，包括：
[0007] 采集投訴用戶所在小區的第一網絡KPI信息以及非投訴用戶所在小區的第二網 絡KPI信息，其中，所述非投訴用戶的數量為預設數量，所述第一網絡KPI信息和所述第二 網絡KPI信息為預設時間內的信息；
[0008] 根據所述第一網絡KPI信息和所述第二網絡KPI信息，確定網絡質量預測模型；
[0009] 采集待預測的網絡KPI信息，并采用所述網絡質量預測模型對所述待預測的網絡 KPI信息進行網絡質量預測。
[0010] 本發明的另一個方面是提供一種網絡質量預測裝置，包括：
[0011] 數據采集模塊，用于采集投訴用戶所在小區的第一網絡KPI信息以及非投訴用戶 所在小區的第二網絡KPI信息，其中，所述非投訴用戶的數量為預設數量，所述第一網絡 KPI信息和所述第二網絡KPI信息為預設時間內的信息；
[0012] 預測模型建立模塊，用于根據所述第一網絡KPI信息和所述第二網絡KPI信息，確 定網絡質量預測模型；
[0013] 網絡質量預測模塊，用于采集待預測的網絡KPI信息，并采用所述網絡質量預測 模型對所述待預測的網絡KPI信息進行網絡質量預測。
[0014] 本實施例通過，采集投訴用戶所在小區的第一網絡ΚΡΙ信息以及非投訴用戶所在 小區的第二網絡ΚΡΙ信息，其中，所述非投訴用戶的數量為預設數量，獲取的是與投訴相關 的網絡小區，從被投訴的小區以及未被投訴的小區中采集網絡ΚΡΙ信息，從而準確地獲取 了用戶對于網絡質量的真實評價；采取第一網絡ΚΡΙ信息和第二網絡ΚΡΙ信息進行之后建 立網絡質量預測模型以及網絡質量預測的步驟，可以實現從用戶角度出發對網絡質量進行 預測，更加真實有效的對網絡質量進行預測。

【專利附圖】

【附圖說明】
[0015] 圖1為本發明實施例一提供的一種網絡質量預測方法的流程圖；
[0016] 圖2為本發明實施例二提供的另一種網絡質量預測方法的流程圖；
[0017] 圖3為本發明實施例二中所應用的誤差反向傳播（Error-Back Propagation，BP) 神經網絡的網絡模型圖；
[0018] 圖4為本發明實施例二的權重值輸出示意圖；
[0019] 圖5為本發明實施例二的質量評估門限值確定示意圖；
[0020] 圖6為本發明實施例三提供的又一種網絡質量預測方法的流程圖；
[0021] 圖7為本發明實施例四提供的再一種網絡質量預測方法的流程圖；
[0022] 圖8為本發明實施例五提供的一種網絡質量預測裝置的結構示意圖。

【具體實施方式】
[0023] 為使本發明實施例的目的、技術方案和優點更加清楚，下面將結合本發明實施例 中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是 本發明一部分實施例，而不是全部的實施例?；诒景l明中的實施例，本領域普通技術人員 在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。
[0024] 圖1為本發明實施例一提供的一種網絡質量預測方法的流程圖，如圖1所示，本實 施例的方法可以包括：
[0025] 步驟101、采集投訴用戶所在小區的第一網絡KPI信息以及非投訴用戶所在小區 的第二網絡KPI信息，其中，所述非投訴用戶的數量為預設數量，所述第一網絡KPI信息和 所述第二網絡KPI信息為預設時間內的信息。
[0026] 網絡KPI信息被保存于有線網、光纖網以及無線網等各類網絡的網優平臺中。某 個小區的網絡質量被該小區的用戶投訴時，采集投訴用戶所在的該小區的網絡KPI信息作 為第一網絡KPI信息，可知該第一網絡KPI信息被用戶投訴。然后，按照預設數量的非投訴 用戶，采集非投訴用戶所在小區的網絡KPI信息作為第二網絡KPI信息，可知該第二網絡 KPI信息未被用戶投訴。在采集第一網絡KPI信息和第二網絡KPI信息時，按照預設時間去 采集，在本實施例中該預設時間可以是六個月，即每隔六個月便采集第一網絡KPI信息和 第二網絡KPI信息。
[0027] 步驟102、根據所述第一網絡KPI信息和所述第二網絡KPI信息，確定網絡質量預 測模型。
[0028] 根據采集的第一網絡KPI信息和所述第二網絡KPI信息，確定一個網絡質量預測 模型，用于進行網絡質量的預測。
[0029] 步驟103、采集待預測的網絡KPI信息，并采用所述網絡質量預測模型對所述待預 測的網絡KPI信息進行網絡質量預測。
[0030] 從待預測的小區中，采集該小區的待預測的KPI信息，該待預測的KPI信息不需關 心其是否被用戶投訴，根據步驟102中所得到的網絡質量預測模型，去測試待預測的網絡 KPI信息，從而對待預測的網絡KPI信息進行網絡質量預測。
[0031] 本實施例通過，采集投訴用戶所在小區的第一網絡KPI信息以及非投訴用戶所在 小區的第二網絡KPI信息，其中，所述非投訴用戶的數量為預設數量，獲取的是與投訴相關 的網絡小區，從被投訴的小區以及未被投訴的小區中采集網絡KPI信息，從而準確地獲取 了用戶對于網絡質量的真實評價；根據第一網絡KPI信息和第二網絡KPI信息，去確定網絡 質量預測模型，然后采集待預測的網絡KPI信息，并采用確定好的網絡質量預測模型對所 述待預測的網絡KPI信息進行網絡質量的預測，可以實現從用戶角度出發對網絡質量進行 預測，更加真實有效的對網絡質量進行預測。避免了傳統網絡質量預測方法很難有效反映 用戶對網絡質量的評價的問題，從用戶的角度出發對與網絡質量相關的信息進行采集，實 現了準確地獲取網絡質量的真實評價，在用戶對所在小區的網絡質量未發生投訴之前，對 網絡質量進行預測，可以實現從用戶角度出發對網絡質量進行預測，更加真實有效的對網 絡質量進行預測，以進行之后的網絡質量排查解決工作，進而準確的完成網絡的優化和維 護。
[0032] 圖2為本發明實施例二提供的另一種網絡質量預測方法的流程圖，如圖2所示，本 實施例的方法可以包括：
[0033] 步驟101的【具體實施方式】為以下步驟：
[0034] 步驟1011、統計投訴用戶發送的投訴信息。
[0035] 具體地，用戶會通過語音、短信等方式向運營商發送投訴信息，運營商通過自動記 錄或人工記錄的方式記錄投訴用戶發送的投訴信息，形成投訴記錄，可以從投訴記錄中統 計投訴用戶發送的投訴信息。舉例來說，由于運營商會通過自動記錄或人工記錄的方式， 將投訴用戶發送的各種投訴信息進行投訴信息的記錄，形成投訴工單，從而可以根據網絡 質量投訴的問題類型，從投訴工單中篩選出所需要的寬帶分碼多工存?。╓ideband Code Division Multiple Access, WCDMA)語音業務投訴信息；根據WCDMA語音業務投訴信息的 投訴號碼和投訴時間，在移動網綜合信息查詢系統中查詢并導出WCDMA語音業務投訴信息 的記錄，從而可以統計出投訴用戶發送的WCDMA語音業務投訴信息。
[0036] 步驟1012、根據所述投訴信息，確定所述投訴用戶所在的小區。
[0037] 具體地，根據步驟1011中得到的投訴信息，可以獲取投訴用戶所在的小區的具體 位置。舉例來說，根據WCDMA語音業務投訴信息中投訴號碼，可以獲取投訴用戶所在小區的 小區號和小區經緯度，進行投訴用戶所在小區的精確定位。
[0038] 步驟1013、提取所述投訴用戶所在小區的第一網絡KPI信息。
[0039] 具體地，在確定了投訴用戶所在的小區之后，從投訴用戶所在小區的網優平臺中 提取該小區的第一網絡KPI信息，可知，該小區的第一網絡KPI信息引起了用戶投訴。
[0040] 步驟1014、提取非投訴用戶所在小區的第二網絡KPI信息，其中，所述非投訴用戶 的數量與所述投訴用戶的數量相同，所述第一網絡KPI信息和所述第二網絡KPI信息為預 設時間內的信息。
[0041] 具體地，獲取與投訴用戶數相同數量的非投訴用戶，依據非投訴用戶的用戶標識 可以獲知非投訴用戶所在的小區，從而提取非投訴用戶所在小區的第二網絡KPI信息，可 知，該小區的第二網絡KPI信息沒有引起用戶投訴。在采集第一網絡KPI信息和第二網絡 KPI信息時，按照預設時間去采集，在本實施例中該預設時間可以是六個月，即每隔六個月 便采集第一網絡KPI信息和第二網絡KPI信息。
[0042] 步驟102的【具體實施方式】為以下步驟：
[0043] 步驟1021、將所述第一網絡KPI信息和所述第二網絡KPI信息組成訓練樣本。
[0044] 具體地，將第一網絡KPI信息和第二網絡KPI信息進行隨機打亂操作組成訓練樣 本，以使第一網絡KPI信息和第二網絡KPI信息交叉輸入BP神經網絡中，更利于BP神經 網絡的訓練過程；同時，對訓練樣本進行網絡預測無關屬性的過濾，空取值處理和數據歸一 化處理的預處理操作，以去除網絡KPI信息中的無關屬性，并更利于BP神經網絡的訓練過 程。舉例來說，將第一網絡KPI信息和第二網絡KPI信息進行隨機打亂操作組成訓練樣本； 然后對訓練樣本進行網絡預測無關屬性的過濾，空取值處理和數據歸一化處理的預處理操 作，其中，網絡預測無關屬性的過濾主要包括對網絡KPI信息所在的區縣、基站名稱以及電 話號碼等與網絡預測指標無關的屬性；空缺值處理采用補零的處理方式；數據的歸一化處 理是指使所有數據的屬性信息都在〇?1或-1?1之間變化，從而使得BP神經網絡的訓 練過程在開始時，就給各輸入的網絡KPI信息的分量以同等重要的地位，本發明中具體采 用最大最小法對BP神經網絡的輸入變量進行歸一化處理，將數據歸一化到-1?1之間，數 據的歸一化公式為：
[0045]

【權利要求】
1. 一種網絡質量預測方法，其特征在于，包括： 采集投訴用戶所在小區的第一網絡KPI信息以及非投訴用戶所在小區的第二網絡KPI 信息，其中，所述非投訴用戶的數量為預設數量，所述第一網絡KPI信息和所述第二網絡 KPI信息為預設時間內的信息； 根據所述第一網絡KPI信息和所述第二網絡KPI信息，確定網絡質量預測模型； 采集待預測的網絡KPI信息，并采用所述網絡質量預測模型對所述待預測的網絡KPI 信息進行網絡質量預測。
2. 根據權利要求1所述的方法，其特征在于，所述采集投訴用戶所在小區的第一網絡 KPI信息以及非投訴用戶所在小區的第二網絡KPI信息，其中，所述非投訴用戶的數量為預 設數量，所述第一網絡KPI信息和所述第二網絡KPI信息為預設時間內的信息，包括： 統計投訴用戶發送的投訴信息； 根據所述投訴信息，確定所述投訴用戶所在的小區； 提取所述投訴用戶所在小區的第一網絡KPI信息； 提取非投訴用戶所在小區的第二網絡KPI信息，其中，所述非投訴用戶的數量與所述 投訴用戶的數量相同，所述第一網絡KPI信息和所述第二網絡KPI信息為預設時間內的信 肩、。
3. 根據權利要求1所述的方法，其特征在于，采集投訴用戶所在小區的第一網絡KPI信 息以及非投訴用戶所在小區的第二網絡KPI信息，其中，所述非投訴用戶的數量為預設數 量，所述第一網絡KPI信息和所述第二網絡KPI信息為預設時間內的信息，包括 ： 針對一個應用場景，采集該應用場景下投訴用戶所在小區的第一網絡KPI信息以及非 投訴用戶所在小區的第二網絡KPI信息，其中，所述非投訴用戶的數量為預設數量，所述第 一網絡KPI信息和所述第二網絡KPI信息為預設時間內的信息。
4. 根據權利要求1-3中任一項所述的方法，其特征在于，所述根據所述第一網絡KPI信 息和所述第二網絡KPI信息，確定網絡質量預測模型，包括： 將所述第一網絡KPI信息和所述第二網絡KPI信息組成訓練樣本； 將所述訓練樣本輸入誤差反向傳播BP神經網絡中進行訓練，得到成熟BP神經網絡； 相應的，所述采集待預測的網絡KPI信息，并采用所述網絡質量預測模型對所述待預 測的網絡KPI信息進行網絡質量預測，包括： 采集一個小區中的網絡KPI信息，并將該小區中的網絡KPI信息輸入到所述成熟BP神 經網絡中，得到該小區的網絡質量是否會被用戶投訴的預測結果。
5. 根據權利要求1-3中任一項所述的方法，其特征在于，所述根據所述第一網絡KPI信 息和所述第二網絡KPI信息，確定網絡質量預測模型，包括： 對所述第一網絡KPI信息和所述第二網絡KPI信息進行統計分析，得到各網絡KPI信 息在用戶評價小區質量時所占權重值； 采用所述第一網絡KPI信息中權重值較大的前N個權重值對應的網絡KPI信息和所述 第二網絡KPI信息中權重值中較大的前N個權重值對應的網絡KPI信息，確定各網絡KPI 信息對應的質量評估門限值，所述質量評估門限值用于界定網絡質量是否會被用戶投訴； 相應的，所述采集待預測的網絡KPI信息，并采用所述網絡質量預測模型對所述待預 測的網絡KPI信息進行網絡質量預測，包括： 采集一個小區中的一個網絡KPI信息，并將該網絡KPI信息與該網絡KPI信息對應的 質量評估門限值進行比較； 根據比較結果，確定該網絡ΚΡΙ信息對應的該小區的網絡質量是否會被用戶投訴。
6. 根據權利要求1-3中任一項所述的方法，其特征在于，所述根據所述第一網絡ΚΡΙ信 息和所述第二網絡ΚΡΙ信息，確定網絡質量預測模型，包括： 將所述第一網絡ΚΡΙ信息和所述第二網絡ΚΡΙ信息組成訓練樣本； 將所述訓練樣本輸入誤差反向傳播ΒΡ神經網絡中進行訓練，得到成熟ΒΡ神經網絡； 獲取所述成熟ΒΡ神經網絡中的小區質量預測值以及各網絡ΚΡΙ信息在用戶評價小區 質量時所占權重值； 根據所述小區質量預測值，對所述第一網絡ΚΡΙ信息以及所述第二網絡ΚΡΙ信息的投 訴情況進行修正； 采用投訴情況修正后的第一網絡ΚΡΙ信息中權重值較大的前Ν個權重值對應的網絡 ΚΡΙ信息和投訴情況修正后的第二網絡ΚΡΙ信息中權重值中較大的前Ν個權重值對應的網 絡ΚΡΙ信息，確定各網絡ΚΡΙ信息對應的質量評估門限值，所述質量評估門限值用于界定網 絡質量是否會被用戶投訴； 相應的，所述采集待預測的網絡ΚΡΙ信息，并采用所述網絡質量預測模型對所述待預 測的網絡ΚΡΙ信息進行網絡質量預測，包括： 采集一個小區中的一個網絡ΚΡΙ信息，并將該網絡ΚΡΙ信息與該網絡ΚΡΙ信息對應的 質量評估門限值進行比較； 根據比較結果，確定該網絡ΚΡΙ信息對應的該小區的網絡質量是否會被用戶投訴。
7. -種網絡質量預測裝置，其特征在于，包括： 數據采集模塊，用于采集投訴用戶所在小區的第一網絡ΚΡΙ信息以及非投訴用戶所在 小區的第二網絡ΚΡΙ信息，其中，所述非投訴用戶的數量為預設數量，所述第一網絡ΚΡΙ信 息和所述第二網絡ΚΡΙ信息為預設時間內的信息； 預測模型建立模塊，用于根據所述第一網絡ΚΡΙ信息和所述第二網絡ΚΡΙ信息，確定網 絡質量預測模型； 網絡質量預測模塊，用于采集待預測的網絡ΚΡΙ信息，并采用所述網絡質量預測模型 對所述待預測的網絡ΚΡΙ信息進行網絡質量預測。
8. 根據權利要求7所述的裝置，其特征在于，所述數據采集模塊，具體用于： 統計投訴用戶發送的投訴信息； 根據所述投訴信息，確定所述投訴用戶所在的小區； 提取所述投訴用戶所在小區的第一網絡ΚΡΙ信息； 提取非投訴用戶所在小區的第二網絡ΚΡΙ信息，其中，所述非投訴用戶的數量與所述 投訴用戶的數量相同，所述第一網絡ΚΡΙ信息和所述第二網絡ΚΡΙ信息為預設時間內的信 肩、。
9. 根據權利要求7所述的裝置，其特征在于，所述數據采集模塊，具體用于： 針對一個應用場景，采集該應用場景下投訴用戶所在小區的第一網絡ΚΡΙ信息以及非 投訴用戶所在小區的第二網絡ΚΡΙ信息，其中，所述非投訴用戶的數量為預設數量，所述第 一網絡ΚΡΙ信息和所述第二網絡ΚΡΙ信息為預設時間內的信息。
10. 根據權利要求7-9中任一項所述的裝置，其特征在于，所述預測模型建立模塊，具 體用于： 將所述第一網絡KPI信息和所述第二網絡KPI信息組成訓練樣本； 將所述訓練樣本輸入誤差反向傳播BP神經網絡中進行訓練，得到成熟BP神經網絡； 相應的，所述網絡質量預測模塊，具體用于： 采集一個小區中的網絡KPI信息，并將該小區中的網絡KPI信息輸入到所述成熟BP神 經網絡中，得到該小區的網絡質量是否會被用戶投訴的預測結果。
11. 根據權利要求7-9中任一項所述的裝置，其特征在于，所述預測模型建立模塊，具 體用于： 對所述第一網絡KPI信息和所述第二網絡KPI信息進行統計分析，得到各網絡KPI信 息在用戶評價小區質量時所占權重值； 采用所述第一網絡KPI信息中權重值較大的前N個權重值對應的網絡KPI信息和所述 第二網絡KPI信息中權重值中較大的前N個權重值對應的網絡KPI信息，確定各網絡KPI 信息對應的質量評估門限值，所述質量評估門限值用于界定網絡質量是否會被用戶投訴； 相應的，所述網絡質量預測模塊，具體用于： 采集一個小區中的一個網絡KPI信息，并將該網絡KPI信息與該網絡KPI信息對應的 質量評估門限值進行比較； 根據比較結果，確定該網絡KPI信息對應的該小區的網絡質量是否會被用戶投訴。
12. 根據權利要求7-9中任一項所述的裝置，其特征在于，所述預測模型建立模塊，具 體用于： 將所述第一網絡KPI信息和所述第二網絡KPI信息組成訓練樣本； 將所述訓練樣本輸入誤差反向傳播BP神經網絡中進行訓練，得到成熟BP神經網絡； 獲取所述成熟BP神經網絡中的小區質量預測值以及各網絡KPI信息在用戶評價小區 質量時所占權重值； 根據所述小區質量預測值，對所述第一網絡KPI信息以及所述第二網絡KPI信息的投 訴情況進行修正； 采用投訴情況修正后的第一網絡KPI信息中權重值較大的前N個權重值對應的網絡 KPI信息和投訴情況修正后的第二網絡KPI信息中權重值中較大的前N個權重值對應的網 絡KPI信息，確定各網絡KPI信息對應的質量評估門限值，所述質量評估門限值用于界定網 絡質量是否會被用戶投訴； 相應的，所述網絡質量預測模塊，具體用于： 采集一個小區中的一個網絡KPI信息，并將該網絡KPI信息與該網絡KPI信息對應的 質量評估門限值進行比較； 根據比較結果，確定該網絡KPI信息對應的該小區的網絡質量是否會被用戶投訴。
【文檔編號】H04L12/26GK104113452SQ201410366995
【公開日】2014年10月22日 申請日期:2014年7月29日 優先權日:2014年7月29日
【發明者】許強, 李紀華 申請人:中國聯合網絡通信集團有限公司