周 熹 唐 俊 王 奔

1 中國(guó)移動(dòng)通信集團(tuán)云南有限公司 昆明 650100

2 中國(guó)移動(dòng)通信集團(tuán)設(shè)計(jì)院有限公司重慶分公司 重慶 401121

3 中國(guó)移動(dòng)通信集團(tuán)設(shè)計(jì)院有限公司陜西分公司 西安 710065

引言

目前無(wú)線網(wǎng)絡(luò)評(píng)估考核是依靠平臺(tái)推送TOP質(zhì)差小區(qū)或人工取數(shù)進(jìn)行分析等手段進(jìn)行派單，不僅效率低且容易遺漏，同時(shí)由于網(wǎng)元的覆蓋場(chǎng)景和設(shè)備類型的差異性較大，問(wèn)題種類繁多且同網(wǎng)元多問(wèn)題重復(fù)處理時(shí)效性差、周期長(zhǎng)，導(dǎo)致網(wǎng)絡(luò)問(wèn)題挖掘存在真實(shí)痛點(diǎn)定位不明確等。如何量化和評(píng)估無(wú)線網(wǎng)絡(luò)性能，已成為一個(gè)重要的研究課題。依托運(yùn)營(yíng)商自身網(wǎng)絡(luò)大數(shù)據(jù)平臺(tái)優(yōu)勢(shì)，提出一種基于“大數(shù)據(jù)的POI場(chǎng)景級(jí)評(píng)估體系”方法，引入“決策樹(shù)特征評(píng)估算法”和“相關(guān)系數(shù)算法”突破單一指標(biāo)門(mén)限派單模式，通過(guò)智能組合形成評(píng)估體系對(duì)用戶感知問(wèn)題進(jìn)行場(chǎng)景化派單，由點(diǎn)及面找出網(wǎng)絡(luò)短板，開(kāi)展問(wèn)題整治。

1 POI場(chǎng)景

POI(Point of Information)中文表示“信息點(diǎn)”，在地理信息系統(tǒng)中，一個(gè)POI可以是一棟房子、一個(gè)商鋪、一所學(xué)校、一個(gè)村子等。在運(yùn)營(yíng)商網(wǎng)絡(luò)優(yōu)化中，POI場(chǎng)景是通過(guò)網(wǎng)絡(luò)大數(shù)據(jù)如百度地圖、高德地圖、美團(tuán)、安居客等數(shù)據(jù)進(jìn)行聚類在一起的一個(gè)問(wèn)題聚類區(qū)域，區(qū)域包含的信息有：POI_id(唯一標(biāo)識(shí))、中心經(jīng)緯度、POI范圍、POI面積大小、POI關(guān)聯(lián)下掛小區(qū)等重要標(biāo)識(shí)。

目前云南省共計(jì)聚類162908個(gè)POI場(chǎng)景，關(guān)聯(lián)401937個(gè)小區(qū)，下掛全網(wǎng)小區(qū)占比92.29%。聚類優(yōu)點(diǎn)：根據(jù)POI將區(qū)域內(nèi)多個(gè)小區(qū)、多種KPI/KQI進(jìn)行聚類分析并進(jìn)行匯聚綜合評(píng)分，將多種問(wèn)題聚類至POI區(qū)域內(nèi)便于統(tǒng)一處理和跟蹤問(wèn)題場(chǎng)景。

2 建立大數(shù)據(jù)級(jí)指標(biāo)評(píng)估體系

2.1 建立分類決策樹(shù)模型

根據(jù)現(xiàn)有的經(jīng)驗(yàn)按照面向客戶感知的無(wú)線網(wǎng)絡(luò)評(píng)估的指標(biāo)，以運(yùn)營(yíng)商重點(diǎn)考核的145項(xiàng)網(wǎng)絡(luò)指標(biāo)為對(duì)象建立分類決策樹(shù)模型[1]，在特征選擇階段，對(duì)訓(xùn)練樣本進(jìn)行分析，選擇最佳特征作為決策樹(shù)節(jié)點(diǎn)的分裂標(biāo)準(zhǔn)[2]。

在機(jī)器學(xué)習(xí)中，決策樹(shù)(Decision Trees)作為一種監(jiān)督學(xué)習(xí)方法，代表的是對(duì)象屬性與對(duì)象值之間的一種映射關(guān)系，是數(shù)據(jù)挖掘中一種經(jīng)常用到的技術(shù)，可以用于分析數(shù)據(jù)和對(duì)象預(yù)測(cè)、挖掘變量與目標(biāo)潛在的非線性關(guān)系大小。在目前常用的決策樹(shù)算法中，ID3決策樹(shù)算法的關(guān)鍵是按照遞歸思想進(jìn)行信息增益和熵的計(jì)算，計(jì)算初始熵的方法如下[3]。

2.2 大數(shù)據(jù)指標(biāo)體系

基于相關(guān)系數(shù)算法進(jìn)行指標(biāo)聚類，利用了數(shù)據(jù)的統(tǒng)計(jì)特點(diǎn)(協(xié)方差、標(biāo)準(zhǔn)差)來(lái)評(píng)估決策樹(shù)的根結(jié)點(diǎn)/葉子結(jié)點(diǎn)變量間的關(guān)系。根據(jù)決策樹(shù)的根結(jié)點(diǎn)/葉子結(jié)點(diǎn)之間線性相關(guān)程度的量得出的指標(biāo)間線性相關(guān)系數(shù)。將相關(guān)系數(shù)最大化歸類后的根結(jié)點(diǎn)和葉子節(jié)點(diǎn)進(jìn)行聚類，建立大數(shù)據(jù)評(píng)估指標(biāo)體系。

相關(guān)系數(shù)計(jì)算公式

決策樹(shù)特征評(píng)估挖掘算法得出集中分析聯(lián)合派單體系中的根結(jié)點(diǎn)/葉子結(jié)點(diǎn)之間的線性相關(guān)系數(shù)，依據(jù)兩兩線性相關(guān)系數(shù)最大化對(duì)強(qiáng)相關(guān)的根結(jié)點(diǎn)/葉子結(jié)點(diǎn)指標(biāo)歸類，構(gòu)建了由五個(gè)維度問(wèn)題組成的全新無(wú)線網(wǎng)絡(luò)指標(biāo)評(píng)估體系。

3 POI場(chǎng)景級(jí)評(píng)估算法體系

POI場(chǎng)景級(jí)評(píng)估體系通過(guò)對(duì)“黑點(diǎn)”的來(lái)源：“投訴、覆蓋、感知、性能和結(jié)構(gòu)”等問(wèn)題數(shù)據(jù)的匯聚，對(duì)“黑點(diǎn)”問(wèn)題點(diǎn)發(fā)現(xiàn)、問(wèn)題點(diǎn)分類到問(wèn)題點(diǎn)分析和問(wèn)題解決的過(guò)程進(jìn)行優(yōu)化，通過(guò)選取相關(guān)的數(shù)據(jù)分析建模，建立POI場(chǎng)景級(jí)評(píng)估體系[4]。

3.1 POI場(chǎng)景級(jí)評(píng)估體系創(chuàng)新點(diǎn)

與傳統(tǒng)無(wú)線網(wǎng)絡(luò)優(yōu)化方法相比，本文提出了一些新的方法和嘗試。

3.1.1 POI場(chǎng)景多維度評(píng)估算法

通過(guò)多維數(shù)據(jù)的匯聚，建立POI場(chǎng)景黑點(diǎn)庫(kù)，提升場(chǎng)景區(qū)域內(nèi)問(wèn)題點(diǎn)聚合效應(yīng)，通過(guò)問(wèn)題歸一并統(tǒng)一解決網(wǎng)絡(luò)問(wèn)題，保證問(wèn)題的解決和預(yù)防具有前瞻性，同一個(gè)網(wǎng)絡(luò)因時(shí)對(duì)待，精品網(wǎng)絡(luò)才能長(zhǎng)期穩(wěn)固發(fā)展。

3.1.2 POI場(chǎng)景多維度評(píng)估因子權(quán)重訓(xùn)練

POI場(chǎng)景多維度評(píng)估因子權(quán)重訓(xùn)練，采用“信息熵”與“模糊層次分析”相結(jié)合的綜合算法來(lái)進(jìn)行探索和訓(xùn)練。

3.2 POI場(chǎng)景級(jí)評(píng)估體系算法

如何最大化地提升無(wú)線網(wǎng)絡(luò)優(yōu)化質(zhì)量，已成為目前網(wǎng)絡(luò)優(yōu)化工作中的重要環(huán)節(jié)。本著最大限度反應(yīng)POI場(chǎng)景內(nèi)用戶感知為目標(biāo)，將POI場(chǎng)景級(jí)評(píng)估體系算法設(shè)計(jì)為投訴、覆蓋、感知、性能和結(jié)構(gòu)五個(gè)部分構(gòu)成。POI場(chǎng)景級(jí)評(píng)估如表1所示。

表1 POI場(chǎng)景級(jí)評(píng)估數(shù)據(jù)庫(kù)指標(biāo)體系

3.2.1 投訴指標(biāo)評(píng)分

投訴指標(biāo)評(píng)分算法，是根據(jù)POI場(chǎng)景內(nèi)小區(qū)關(guān)聯(lián)的近三個(gè)月因網(wǎng)絡(luò)問(wèn)題出現(xiàn)的投訴的數(shù)量進(jìn)行統(tǒng)計(jì)計(jì)算[5]，出現(xiàn)一次投訴扣15分(扣完為止)。算法如式(7)：

3.2.2 覆蓋好指標(biāo)評(píng)分

3.2.3 感知佳指標(biāo)評(píng)分

3.2.4 性能佳指標(biāo)評(píng)分

3.2.5 結(jié)構(gòu)優(yōu)指標(biāo)評(píng)分

3.3 POI場(chǎng)景級(jí)評(píng)估體系因子權(quán)重訓(xùn)練

在POI場(chǎng)景級(jí)評(píng)估體系算法中，將相關(guān)的POI場(chǎng)景級(jí)評(píng)估體系量化為五個(gè)子環(huán)節(jié)，并設(shè)計(jì)了相對(duì)應(yīng)的指標(biāo)因子及權(quán)重，為客觀地對(duì)上述算法因子權(quán)重進(jìn)行賦值，采用“信息熵算法”“模糊層次分析算法”對(duì)F1～F5的權(quán)重進(jìn)行修正，克服傳統(tǒng)權(quán)重基于經(jīng)驗(yàn)值賦值，主觀性偏強(qiáng)的缺點(diǎn)[6]。具體流程如圖1所示。

圖1 POI場(chǎng)景級(jí)評(píng)估體系因子權(quán)重修正流程圖

4 POI場(chǎng)景級(jí)評(píng)估算法體系應(yīng)用

4.1 POI場(chǎng)景級(jí)評(píng)估平臺(tái)上線

基于大數(shù)據(jù)的POI場(chǎng)景級(jí)評(píng)估體系算法結(jié)合云南省本地網(wǎng)絡(luò)情況構(gòu)建了POI區(qū)域整治模型。該算法已完成程序開(kāi)發(fā)應(yīng)用于云南省移動(dòng)，如圖2所示，根據(jù)POI區(qū)域評(píng)估得分按紅紫黃藍(lán)綠評(píng)分標(biāo)準(zhǔn)顏色化進(jìn)行大數(shù)據(jù)平臺(tái)的呈現(xiàn)，通過(guò)對(duì)POI場(chǎng)景問(wèn)題分析，為貶損用戶修復(fù)評(píng)估提供數(shù)據(jù)支撐，提升客戶感知。

圖2 POI場(chǎng)景級(jí)黑點(diǎn)評(píng)估POI區(qū)域整治地圖

4.2 POI場(chǎng)景級(jí)問(wèn)題整治流程

POI場(chǎng)景整治平臺(tái)根據(jù)評(píng)估結(jié)果發(fā)布基礎(chǔ)黑點(diǎn)庫(kù)，通過(guò)IT線上發(fā)布和閉環(huán)管控形成作戰(zhàn)地圖，如圖3所示，通過(guò)明確責(zé)任人、方案完成時(shí)限，按歸一化問(wèn)題清單以周為單位線上呈現(xiàn)優(yōu)化整治進(jìn)度。地市分公司按時(shí)限要求完成問(wèn)題點(diǎn)優(yōu)化，并輸出優(yōu)秀案例。

圖3 POI場(chǎng)景級(jí)黑點(diǎn)評(píng)估整治流程圖

5 結(jié)語(yǔ)

2021年7月至今，云南省POI區(qū)域整治合計(jì)派發(fā)問(wèn)題點(diǎn)1858單，目前已閉環(huán)1197單，摘牌率為64.17%，派單改善度從87.83分到95.60分。云南省POI區(qū)域整治攻堅(jiān)投訴工單4593單，目前POI區(qū)域內(nèi)關(guān)聯(lián)投訴工單為1995單，減少2598單，投訴量下降了56.56%。從根本上提升整體網(wǎng)絡(luò)質(zhì)量，最終實(shí)現(xiàn)客戶滿意、市場(chǎng)放心、價(jià)值提升。與傳統(tǒng)解決TOP小區(qū)級(jí)問(wèn)題方法相比，具備三大優(yōu)點(diǎn)。

1)為網(wǎng)絡(luò)優(yōu)化提供科學(xué)依據(jù)。在全省黑點(diǎn)庫(kù)中，省公司團(tuán)隊(duì)通過(guò)精細(xì)篩選，優(yōu)先派發(fā)出高價(jià)值且提升空間較大的黑點(diǎn)POI場(chǎng)景進(jìn)行網(wǎng)絡(luò)質(zhì)量?jī)?yōu)化與提升，且通過(guò)POI場(chǎng)景優(yōu)化，規(guī)避了以單小區(qū)派單所產(chǎn)生的冗余問(wèn)題。

2)提高公司運(yùn)營(yíng)效益。單小區(qū)多個(gè)異常KPI指標(biāo)，一線人員根據(jù)KPI指標(biāo)項(xiàng)進(jìn)行分工，會(huì)導(dǎo)致不同人員去處理同一站點(diǎn)。POI場(chǎng)景關(guān)聯(lián)小區(qū)所有異常指標(biāo)，以POI場(chǎng)景為單位優(yōu)化所有異常指標(biāo)，提升處理速率，節(jié)省人力資源、時(shí)間成本。

3)精細(xì)化優(yōu)化，提升用戶滿意度。通過(guò)優(yōu)化維護(hù)數(shù)據(jù)聚合，前后臺(tái)數(shù)據(jù)歸一化，將各類問(wèn)題量化后根據(jù)經(jīng)緯度進(jìn)行在線式呈現(xiàn)，經(jīng)地市中臺(tái)統(tǒng)一派發(fā)至相關(guān)職能方，做到精確管控有的放矢，彌補(bǔ)短板，提升質(zhì)量，提高客戶滿意度。