国脉通信规划设计有限公司 黑龙江哈尔滨 150040
摘要：目前大数据分析在通信网络优化方面已经得到广泛的应用，尤其是在移动通信方面，大数据技术的创新与否都最终影响着移动通信行业的发展，二者结合之后都将能够达到1+1>2的效果。本文对移动通信大数据运维方案进行了探索，以供借鉴。
关键词：移动通信；大数据运维；分析
1大数据技术与通信网络的概述
1.1大数据技术
从整体上看，大数据技术是指充分利用各种资源对庞大的数据进行深度提取、处理和分析的技术。当今社会，大数据技术已经成为企业和社会共同关注的战略资源，企业需要使用大数据技术来制定科学发展计划，社会各个领域的发展还涉及数据资源的使用。
大数据技术在社会各个方面都有其定义，但表述上既不详尽也不标准，在权威领域中，目前尚无针对此技术的准确而完整的专业解释。通常所谓的大数据技术，主要是使用适当的分析技术来获取海量数据，以及对这些数据进行专业而深入的处理和分析，以确保充分合理地利用各种资源。只有掌握精确的数据资源，才能洞悉今后的发展方向，并提高其在市场经济中的竞争力。
1.2通信网络
随着互联网行业的发展和增长，越来越多的人要求更高的网络传输速度，高速移动通信技术应运而生。移动通信技术是第五代通信技术。基于4G，它已经转化为目前传输速率极高的手机通信标准，并将成为未来人们日常生产生活中所依赖的网络。网络架构只有充分利用大数据技术，才能够满足人们的信息和检索需求。在这种基于大数据技术的网络架构内，可以协调各种网络服务。因此，很有必要不断加强大数据网络体系结构的设计研究、设计水平，以确保其可扩展性，以充分利用其实际价值，大数据技术与5G通信网络架构可以互相促进。
2大数据分析在移动通信网络运维应用中的问题
2.1过于庞大的数据量
移动通信网络由于其便捷性在我国广受追捧，对于社会用户有着强大的吸引力，所以在面世之初就拥有了数量众多的使用者。在刚开始的2G时代，虽然用户的网络传输速度有所限制，但是其网络运维服务却并未受到影响。目前，随着5G的广泛应用，用户的网络传输速度得到了飞跃式增长，但是也带来了一系列问题。每一名用户每天需要处理的数据数量随网速在增长，并且移动用户的群体规模还在不断扩充。为了应对这一情况，移动通信企业只能增加基站的数量。有数据显示，2016—2019年以来基站的数据在不断增加。基站数量和数据量的增加，自然伴随着移动通信网络运维质量的下降，用户在使用移动网络时的体验会不如从前，一定程度上阻碍了移动网络的进一步发展。
2.2用户网络行为多元化
以前移动用户使用移动通信网络主要是聊天交友，但是随着网络传输速度的加快，移动用户不再只满足于聊天交友，越来越多的娱乐、工作形式开始涌现。看电影、打游戏、看视频新闻等，也慢慢成为移动通信网络的主要网络行为。目前，移动用户行为的多元化趋势给网络通信带来了较大负担，超过了其可承受的范围，移动通信企业的工作人员在进行信息整理时也面临着激增的工作量。此时，大数据采集数据信息的能力毋庸置疑。
3大数据运维解决方案
3.1预测路测数据
路测数据的预测工作是移动通信网络优化建设中的关键所在。路测数据预测工作的作用为：确定当前移动通信网络体系中的覆盖盲区、评估网络移动性能、识别信号服务质量欠佳的路段等。为了改善移动通信网络的路测数据预测质量，可采用大数据分析技术开展优化工作。
具体而言，基于矩阵分析的网络路测数据预测优化模式为：第一，采集路测数据。运用路测软件采集网络主要覆盖区域的基站信号数据，通过业务测试的形式将测试中各采样点以特定格式储存为原始数据。第二，收集干扰数据。以一周时间为期间，收集移动通信网络运行期间产生的所有底层干扰数据。第三，构建矩阵分析模型。提出测量申请后，采集测量周期内的相关路测数据，并做好数据的存储工作。在此基础上，结合所采集移动通信网络对象的资源配置、频率资源耗用状况，向已收集数据中导入干扰矩阵算法，获得完善的网络干扰矩阵模型。第四，干扰分析与优化。
以网络干扰矩阵模型为基础，运用移动通信网络中的每TRX干扰值参数及各通信网络所处区域单位（小区）干扰值参数，汇总为干扰数据的泰森多边形，进而快速发现存在干扰问题的网络区域。
3.2用户投诉数据分析
随着用户量的增加，用户投诉率持续升高。目前，用户投诉数据分析已经成为移动通信网络优化工作亟待解决的关键所在。对此，可运用大数据分析技术——关联规则分析，提高用户投诉数据的分析质量。
运用关联规则分析优化用户投诉数据分析的流程为：第一，收集用户投诉数据。建立投诉问题处理平台，动态收集用户反馈的投诉问题。第二，采集用户业务数据。收集与投诉者（用户）在对应周期内的网络业务使用状况、周期范围内用户所处基站告警状况等有关的数据信息，作为开展用户投诉数据分析的支持。第三，构建关联分析模型。参照聚类分析法针对用户投诉数据、业务数据进行分类，并分析上述数据与资源、网络覆盖等关键数据类别之间的关联性，依据所得关联性参数建立关联分析模型。
3.3端到端分析优化
第一，数据采集：通过PROBER接口，由IuPS/Gn/S1/S10/S11/S5/S8等外置探针，实现对终端、eNodeB、MME、SGSN等各接口控制面CHR和媒体面DPI数据的采集和解析。第二，分析指标：分为网络性能指标和业务质量指标两部分。根据数据采集阶段的基础数据，进行详细的网络性能分析，把数据提交给给业务质量指标分析模块，经过对比运算得出各业务维度的KOI（关键质量指标），最后综合评价得出业务质量QoE（体验质量）。该模块支持RRC连接、RAB指配、附着、PDP激活、切换、寻呼和业务请求等业务流程分析。第三，分析方式：钻取分析、趋势分析、TOPN分析、对比分析和区间分布分析。第四，分析维度及对象：分网元（RNC/eNodeb、SGSN/MME、GGSN/SGW/PGW）、接入类型、APN、RAI/TAI、CGI/ECGI、终端和用户等维度及对象分析。
3.4用户体验管理
用户体验质量（CEI）是用户对所提供业务的主观评价，影响CEI的因素包括网络QoS（QualityofService），即服务质量、套餐费用、服务水平等。但CEI可通过接近量化的方法来表示用户对业务和网络的客观体验和感受，包括整网用户感知CEI实时监控、特定小区CEI监控。KQI（KeyQualityIndicators）即关键质量指标，QoE（QualityofExperience）即体验质量。
在用户感知多维度监控分析中，综合采取CEI→QoE→KQI→KPI逐层深入钻取监控分析以及分地市、小区、网元、用户等多个维度的QoE钻取分析，按用户感知CEI或特定KQI/KPI指标对小区和用户维度进行TOP排名，找出体验最差的TOP小区和TOP用户，以便及时解决VAP的问题，提高VAP用户的满意度。
3.5市场营销支撑
本模块包含TOPN热门业务、应用挖掘、TOPN用户分析（找出目标用户）、用户偏好分析、终端流量分析、终端性能分析和价值网格分析等内容。
3.6闭环智能管控
限制低价值用户带宽，并保证VIP用户带宽需求。网元流量超负荷、小区拥塞、低价值业务流量超门限均可以触发带宽限制，以缓解网络压力。忙时保障高价值业务带宽，提升用户感知、提高收益，并通过图表实时形象地展示管控前后网络的负荷情况、用户的流量数据等。
4结语
综上所述，随着4G网络的不断发展，大数据挖掘分析作为行业的新方向，是突破瓶颈取得发展的根本手段。通过大数据平台，从网络、业务、用户、终端等多维度、全方位加大网络业务质量与保障力度，能够提升数据业务用户体验，促进移动通信事业实现可持续发展。
参考文献
[1]杨斌,许宁宁.移动通信网络优化中大数据分析技术研究[J].电子世界,2020,(06):191-192.
[2]杨兴志.移动通信技术与互联网技术的结合发展[J].电子世界,2020,(05):54-55.
[3]温丽媛.大数据分析在移动通信网络优化中的应用[J].通信电源技术,2020,37(05):195-196.