Professional Documents
Culture Documents
基于客户感知的楼宇问题定位方法研究与实践
基于客户感知的楼宇问题定位方法研究与实践
基于客户感知的楼宇问题定位方法研究与实践
张璐岩 1,贾磊 1,杜犇 2
(1.中国移动通信集团陕西有限公司,陕西 西安 710077;
2.中国移动通信集团设计院有限公司陕西分公司,陕西 西安 710077)
【摘 要】 随着客户对室内不同业务网络使用需求的不断提升,为了进一步对楼宇内客户网络体验进行精确评估、分析定位
及优化提升,研究与实践了一种基于客户感知汇聚的楼宇问题定位方法。通过对客户感知进行画像并将结果与定
位信息关联汇聚成楼宇的体验评价,进而将感知与质量管控关联分析,优化解决楼宇网络问题。结果显示,该系
统规模应用后,重点楼宇整体良好率超过90%、提升了11PP,实践效果良好。
【关键词】 客户网络感知画像;定位信息;关联模型;楼宇网络问题
[Abstract] With the customer’s demand for indoor various business networks constantly increasing, it is necessary to further accurately
evaluate, analyze, locate, and optimize the customer network experience in buildings. To this end, a building problem location
method based on customer perception is researched and practiced. By profiling customer perception and aggregating the results
and positioning information into building experience evaluation, the correlation analysis between perception and quality control is
realized, so as to optimize and solve building network problems. The numerical results show that the proposed system can make
the overall good rate of key buildings exceed 90% and increase by 11PP, which has a good practical effect.
[Keywords] customer network perception portrait; locate information; association mode; building network problem
0 引言 服务小区识别、基于楼宇的量化感知评估、楼宇质量问
随着移动通信网络建设规模的快速扩大、客户对感 题定位三方面的突破,希望通过该方法起到节省人力、
知需求的不断提升,分场景、体系化的优化工作变得日 提升效率的作用。
趋重要。如何能量化用户感知及快速定位、识别场景问
题成为当前亟待解决的问题。 1 传统楼宇质量问题定位现状
为 了 解 决 上 述 问 题, 以 提 升 客 户 感 知 为 目 标,初步
在传统的优化工作中,注重面的监控与分析,对于立体
提出了基于“客户感知的楼宇问题定位方法”。本文从
化的楼宇缺少监控与评估手段,在监控与优化工作中只能通
基于“用户画像体系的建立和识别楼宇主服小区”入手,
过后台的指标监控和实地测试发现问题,往往由于评估手段
通过量化客户感知,构建起基于感知问题的楼宇积木模
单一,仅能对设备性能问题进行发现和处理,忽视客户感知
型,进而快速地给出场景问题解决方法,实现对楼宇主
的监控和提升,同时问题处理时人力投入大、时间长,导致
收稿日期:2021-03-22 网络问题发现和处理滞后。传统楼宇优化工作存在如下问题:
92 2022年9月第9期
第46卷
总第505期 张璐岩 , 贾磊 , 杜犇 : 基于客户感知的楼宇问题定位方法研究与实践
宇的感知问题评估和感知问题定位。在应用当中,周期性地 of Information)信息,即楼宇及场景的边界信息,地图
进行楼宇感知得分评估,通过当前网络数据与历史数据生成 数据中每个位置点的具体信息,包含名称、经纬度等)。
的网络信息模型比对,实现对问题楼宇的监控与维护。 考虑到建筑物内各种复杂覆盖场景,综合考虑计算
图 1 中,首先通过识别楼宇主服小区,并关联客户 的准确性和高效性,提出了楼宇主服小区识别方法,覆
画像得分,汇聚形成基于楼宇的客户感知得分,再根据 盖小区只要符合该方法便认定为楼宇主服小区。
基于楼宇的客
终达成模型输出结果与用户满意度感知匹配的最大化,
户感知汇聚
其中感知模型校准是根据历次的调研数据,不断修正模
型变量 (K1, …, K3),动态调整感知因子 (W1, …, W4),
优 良 中 差 实现模型自适应优化和准确的感知画像输出。
楼宇感知问题
结束 楼宇质量问题定位
图1 基于客户感知的楼宇问题整体架构
2.1 楼宇主服务小区识别
在对楼宇主服小区识别前,先利用长周期手机 APP 的
OTT 数据的精准定位功能关联手机终端 MR 数据,建立手机 图2 客户感知评估体系
2022年9月第9期 93
第46卷
网规网优 总第505期
考虑业不同时间段业务质量对感知的影响及各子项业务对 对楼宇积木信息进行校正,直至数据的回填精度无偏差。
感知影响的权重占比,是网络性能对感知体验的映射,取 最后通过关联分析确定与楼宇问题强关联的指标为
汇聚后,便形成了基于楼宇的客户感知得分。 SINR,再利用机器学习进行楼宇积木块强关联指标学习,
同时强关联指标选取楼宇历史标准指标进行机器学习,
2.3 楼宇与客户感知关联模型建立
最终实现楼宇积木网络信息模型的标准化建立。
当完成每个用户的感知量化得分,并与楼宇内的主
(MDT+MR)+(MR+OTT+
服小区相关联,并确定常驻用户,依据常驻用户的画像 指纹库MR定位
宽带+Wi-Fi+pRRu)
得分,汇聚成基于楼宇的客户感知得分。
在基于客户感知的楼宇问题定位模型中,基于楼宇 MDT MR 回填
的 客 户 感 知 分 为 优、 良、 中、 差 四 个 等 级。 当 楼 宇 内 客
数据清洗
户感知大于 8 分的用户数占比低于 80% 时,则认为基于
楼宇的感知级别为差;当占比介于 80%~90% 时,基于楼 数据聚类
宇的感知级别为中;当占比介于 90%~100% 时,基于楼
构建楼宇积木模型
宇的感知级别为良;当占比为 100% 时,基于楼宇的感知
级别为优。 图4 楼宇积木模型
2.4 基于楼宇积木模型的问题定位
楼 宇 积 木 模 型 建 立 采 用 OTT 数 据 关 联 用 户 数 据
(XDR、MR 数 据、MDT 数 据 ), 并 融 合 宽 带 +Wi-
Fi+pRRU 多种定位技术,实现用户数据精准定位回填, 图5 楼宇积木块效果
构建起楼宇积木块模型;最后利用机器学习进行楼宇积
木块强关联指标学习,关联锁定关键指标,完成楼宇网 当建立完成楼宇积木网络信息后,就可依据楼宇积
络信息的建立。 木 块 信 息 模 型 中 的 主 服 小 区、 邻 区、 电 平、 质 量、 覆 盖
在图 4 中,首先根据用户 APP 上报的位置信息和地 率等网络信息,与当前网络信息进行比对,根据差异精
图 API 上报信息及 MR 指纹库,并结合 OTT 与 WLAN、 确定位出楼宇问题类型和位置,如表 1 和表 2 所示。
图3 楼宇与客户感知关联算法模型
94 2022年9月第9期
第46卷
总第505期 张璐岩 , 贾磊 , 杜犇 : 基于客户感知的楼宇问题定位方法研究与实践
表1 基于长周期(年粒度)的楼宇积木块网络信息示例
服务小区 服务小区 服务小区平均日
时间周期 粒度 楼宇 积木块 服务小区信息 邻区1信息 邻区1/RSRP 邻区1/SINR 邻区2信息
RSRP SINR 均采样点数目
20190511-20200510 年 357359 146837 263639302 -75 16 4 624 564 151008297 -81 10 ……
20190511-20200510 年 357359 146838 263639302 -78 18 3 745 234 126061672 -83 9 ……
20190511-20200510 年 357359 198943 263523847 -70 20 8 435 635 263523846 -78 11 ……
表2 基于当前(天粒度)的楼宇积木块网络信息示例
服务小区 服务小区 主服小区平均日
时间周期 粒度 楼宇 积木块 服务小区信息 邻区1信息 邻区1/RSRP 邻区1/SINR 邻区2信息
RSRP SINR 均采样点数目
20200511-20200512 天 357359 146837 263639302 -76 16 4 623 553 151008297 -83 11 ……
20200511-20200512 天 357359 146838 263639302 -77 17 3 734 512 126061672 -82 10 ……
20200511-20200512 天 357359 198943 263523847 -71 19 8 474 564 263523846 -77 9 ……
20200511-20200512 天 357359 159389 263639302 -83 16 1 351 345 263639303 -88 9 ……
3 基于客户感知的楼宇问题实践
基于客户感知评估的楼宇问题模型建立后,通过平
台落地,对于问题定位,首先通过感知指标评估体系发
现楼宇是否存在问题,然后系统自动导入楼宇当前网络
信息,通过与楼宇网络信息模型比对,实现对异常楼宇
质量问题的定位。 图6 楼宇感知与问题定位呈现
通过登录楼宇问题评估与定位平台,选择立体覆盖
评估,设定时间周期后,系统会通过对楼宇感知分析得到 以上通过对楼宇主服小区识别、用户感知画像与楼宇
存在感知下降问题的楼宇 ID,再通过楼宇网络信息模型 关联算法、基于楼宇积木模型的问题的定位,最终实现了
和当前的网络信息进行对比,根据差异定位出楼宇问题。 基于楼宇的感知评估和问题定位。本方法应用于省内重点
如图 6 左侧图例是楼宇感知 3D 模型呈现,不仅可以 楼宇物业点后,缩短了问题发现和定位的周期,重点楼宇
直观地显示和量化楼宇的感知级别,而且可以根据不同 整体达质率超过 90%,提升 11PP,实践效果良好,达到了
感 知 得 分 对 楼 宇 进 行 不 同 色 谱 分 类, 绿、 蓝、 黄、 红 分 提升楼宇内用户感知的目的。
别 代 表 优、 良、 中、 差 四 个 客 户 感 知 级 别, 楼 宇 问 题 评
估与定位平台会根据楼宇内客户感知级别的变化与下降, 4 结束语
分析定位出楼宇的质量问题。 本研究提出了基于客户感知的楼宇问题定位方法,
对于楼宇存在的感知问题,楼宇问题评估与定位平 解决了以往楼宇问题不易发现的痛点,随着对应用的逐步
台采用当前网络信息与楼宇网络信息模型比对的方法, 落地,有望提高解决楼宇问题的工作效率;同时也发现
定位出楼宇内的问题范围和问题小区,如图 6 右侧图例 MR 定 界 及 回 填 依 赖 于 MDT 及 MR+OTT+( 家 宽 +Wi-
2022年9月第9期 95
第46卷
网规网优 总第505期
96 2022年9月第9期