摘要：為了實現高度的用戶差異化，滿足用戶的個性化移動網絡連接需求，首先描述PCC控制的層次結構，分析現有PCC決策方法的用戶差異化問題，然后闡述移動用戶畫像與典型畫像標簽，最后提出基于移動用戶畫像的個性化PCC決策方案，以提高PCC決策的智能化水平，滿足用戶的個性化網絡需求，優(yōu)化移動網絡資源分配。

關鍵詞：用戶畫像;畫像標簽;策略與計費控制決策;用戶差異化

1? ?引言

PCC（Policy and Charging Control，策略與計費控制）架構是實現移動網絡智能化的重要手段，它可以實現靈活的策略和計費控制。根據文獻[1]的PCC架構描述以及文獻[10]的PCC策略總結，現有的PCC決策技術可分為無用戶差異化決策技術與弱用戶差異化決策技術。無用戶差異化決策技術沒有提供任何用戶差異化服務，即對不同用戶的策略是一樣的，如基于業(yè)務的策略控制。弱用戶差異化技術基于用戶的當前業(yè)務數據或網絡狀態(tài)進行決策，只能實現一定程度的用戶差異化服務，差異化能力比較薄弱，不能真正滿足用戶的個性化移動網絡需求，如基于用戶當前服務級別的策略控制。另一方面，移動用戶畫像能夠挖掘移動用戶深層次的隱藏特性，通過畫像標簽反映移動用戶的個性特點，將移動用戶畫像應用到PCC決策中，可以實現強用戶差異化，可以有效解決現有PCC架構中用戶差異化能力不足的問題。本文首先描述PCC控制的層次結構，分析現有PCC決策方法中的用戶差異化能力問題，然后闡述用戶畫像的含義及與網絡服務相關的移動用戶畫像標簽體系，最后提出基于移動用戶畫像的個性化PCC決策技術方案。

2? ?PCC控制層次結構

根據3GPP（3rd Generation Partnership Project，第三代合作伙伴計劃）規(guī)范，EPS（Evolved Packet System，演進的分組系統）中的PCC架構主要用于對移動網絡進行策略與計費控制，策略控制主要包括門控、QoS（Quality of Service，服務質量）控制等，計費控制包含基于業(yè)務數據流或應用的離線計費和在線計費控制。PCC架構中涉及多個網元，每個網元功能各司其責，隨著需求和標準的演進，PCC架構中會不斷地加入新的網元或網絡功能，但是總體上，PCC控制基本可以分成三個層次：決策依據層、決策判斷層和決策執(zhí)行層，如圖1所示。

第一層：決策依據層，這一層的網元主要包括：SPR（Subscription Profile Repository，用戶簽約存儲庫）、OCS（Online Charging System，在線計費系統）、RCAF（RAN Congestion Awareness Function，無線接入網擁塞感知功能）、AF（Application Function，應用功能）、SCEF（Service Capability Exposure Function，服務能力開放功能）等，主要作用是為PCC決策提供決策依據，其中SPR提供用戶當前的業(yè)務注冊數據，OCS提供配額數據，RCAF提供用戶擁塞狀態(tài)數據，AF和SCEF提出PCC控制請求。

第二層：決策判斷層，這一層的網元主要包括PCRF（Policy and Charging Rules Function，策略控制規(guī)則功能），主要作用是進行PCC決策判斷，生成和下發(fā)PCC規(guī)則，指明具體的策略控制規(guī)則和計費控制規(guī)則，其中策略控制規(guī)則包括業(yè)務數據流定義規(guī)則、QoS控制規(guī)則、門控規(guī)則等，計費控制規(guī)則包括費率組、在線計費標記、離線計費標記、計量方法等。

第三層：決策執(zhí)行層，這一層的網元主要包括PCEF（Policy and Charging Enforcement Function，策略控制執(zhí)行功能）、BBERF（Bearer Binding and Event Reporting Function，承載綁定與報告功能）等，主要作用是根據PCC決策結果，執(zhí)行PCC規(guī)則，包括策略控制執(zhí)行、計費控制執(zhí)行等。

3? ?用戶差異化問題

PCC架構（或框架）能夠支持業(yè)務級PCC決策，針對不同的業(yè)務采用不同的PCC策略，可用于保障重點業(yè)務的服務體驗，限制非重點業(yè)務對正常業(yè)務的網絡資源侵占，例如給視頻通話業(yè)務給予最高級的QoS待遇、對P2P（Peer-to-Peer，點到點）業(yè)務給予最低級的QoS待遇。業(yè)務級PCC決策僅參考業(yè)務類型，不考慮用戶因素，只要使用同一業(yè)務，所有用戶獲得的網絡服務質量是一樣的，用戶之間完全沒有差異化。這種PCC決策屬于無用戶差異化決策。

PCC架構（或框架）也能夠支持用戶級PCC決策，針對不同的用戶采用不同的PCC策略，可用于保障高端用戶的業(yè)務體驗，實現服務的用戶差異化，例如在網絡擁塞情況下，金牌用戶可以仍保持原有的QoS，銀牌用戶的QoS自動下降1/2。為了實現用戶級PCC決策，PCC架構中引入了當前生效的用戶數據作為參考因素，這些用戶數據主要來自SPR提供的用戶當前業(yè)務注冊數據、OCS提供的用戶當前配額數據以及由RCAF提供的用戶當前擁塞狀態(tài)數據等，其中用戶業(yè)務注冊數據包括用戶的允許業(yè)務（Allowed Services）信息、用戶每個業(yè)務的先占優(yōu)先級（Pre-emption Priority）信息、用戶的分類（Category）信息等。雖然這種PCC決策在一定程度上實現了用戶差異化，但是用戶的差異化程度仍然不高，比如，若金牌用戶群（或銀牌用戶群）的用戶數量比較大，如10萬級以上，但對這么大量的金牌用戶采取的PCC策略都是一樣的，即金牌用戶之間（或銀牌用戶之間）是沒有差異化的。實際上，金牌用戶群（或銀牌用戶群）中的大量不同用戶對網絡的需求仍有很多個性差異，基于用戶當前狀態(tài)數據的PCC決策不能完全滿足用戶的個性化需求。這種PCC決策屬于弱用戶差異化決策。

要實現高度的用戶差異化，需要基于每個用戶的個性化特征進行PCC決策，采用適合不同用戶獨特需要的PCC策略，支持每個用戶都可以有不同的策略，如金牌用戶1與金牌用戶2是不同的策略或銀牌用戶1與銀牌用戶2是不同的策略。這種PCC決策屬于強用戶差異化決策。上述三種PCC決策方式的用戶差異化支持能力如圖3所示。

4? ?移動用戶畫像

移動用戶畫像是基于大數據精準描繪移動用戶個性化特性的過程，它采集與移動用戶相關的大量數據，包括業(yè)務受理數據、業(yè)務開通數據、計費帳務數據、客戶服務數據、位置與信令數據、網絡使用行為數據以及其它第三方相關數據等，每種數據類型都包含當前生效數據和大量歷史數據，然后采用各種算法（或模型）進行分析和計算，如多元回歸分析、聚類分析、深度學習等，挖掘出移動用戶深層次的隱藏信息，對用戶打上多項容易理解、突出特征的畫像標簽，通過畫像標簽反映移動用戶的個性化形象。

移動用戶畫像涵蓋范圍可能很廣，但針對個性化網絡服務應用，我們主要關注3大類的標簽，包括用戶上網內容偏好標簽、用戶上網時間偏好標簽、用戶上網位置偏好標簽，每類標簽分為多級標簽，越細的標簽反映越具體的用戶特性。

其中，用戶上網內容偏好標簽非常豐富，如視頻偏好標簽、音樂偏好標簽、游戲偏好標簽、移動支付偏好標簽、即時通訊偏好標簽、網購偏好標簽、閱讀偏好標簽等，每項偏好下還可以有更具體的應用偏好標簽，例如在視頻偏好標簽下，有優(yōu)酷偏好標簽、愛奇藝偏好標簽、騰訊視頻偏好標簽等。用戶上網時間偏好標簽包括流量消費時段標簽、上網時段偏好標簽、上網日期偏好標簽，其中流量消費時段標簽是指用戶流量消費最集中的時間標簽，如上午偏好標簽、下午偏好標簽、夜晚偏好標簽等;上網時段偏好標簽包括不同的時段偏好標簽，如0點—8點偏好標簽、8點—12點偏好標簽等，上網日期偏好標簽是指用戶上網日期偏好標簽，包括工作日偏好標簽、節(jié)假日偏好標簽、某一天的偏好標簽（如周一偏好標簽）等;用戶上網位置偏好標簽包括常用基站標簽、常在區(qū)域標簽、常在經緯度標簽，三者標簽的結合可以全面反映用戶位置偏好特性。

5? ?個性化PCC決策方案

由于移動用戶畫像能夠充分反映每個用戶使用移動網絡的個性化特性，利用這些個性化特性可以實現個性化的PCC決策，提供高度的用戶差異化網絡服務?；谝苿佑脩舢嬒竦腜CC決策方案如圖5所示。

其中，在決策依據層，增加大數據采集與預處理模塊、大數據挖掘與分析模塊以及移動用戶畫像標簽庫模塊。大數據采集與預處理模塊的主要功能是為移動用戶畫像工作做好數據準備，它從多個數據源采集移動用戶相關數據，包括DPI（Deep Packet Inspection，深度包檢測技術）數據、BSS（Business Support Systems，業(yè)務支撐系統）數據、OSS（Operation Support System，運營支撐系統）數據、業(yè)務平臺數據及第三方數據等，然后進行數據清冼、數據校驗與數據轉換等數據預處理工作。大數據挖掘與分析模塊主要完成移動用戶畫像，生成畫像標簽，它具備多種挖掘與分析算法支持，針對不同的畫像特性可以選擇不同算法，支持采用不同的算法進行試算，并根據試算結果對算法的參數進行優(yōu)化調整，最終生成精準的移動用戶畫像標簽。畫像標簽數據最終統一存儲到移動用戶畫像標簽庫，然后由移動用戶畫像標簽庫統一提供標簽數據服務，包括訂閱服務與通知服務。在決策判斷層，增加個性化PCC決策功能模塊，專門負責完成基于用戶畫像的PCC決策，其中標簽與規(guī)則關聯配置模塊主要負責完成標簽與PCC規(guī)則的關聯設置，配置畫像標簽與PCC規(guī)則的對應關系。標簽數據訂閱與接收模塊主要負責從移動用戶標簽庫獲取最新的用戶畫像標簽數據，包括訂閱和接收畫像標簽數據。個性化規(guī)則生成模塊主要負責根據標簽與規(guī)則關聯關系以及用戶的畫像標簽生成用戶的個性化PCC規(guī)則，并將個性化PCC規(guī)則返回給PCRF。

其中，PCEF向PCRF發(fā)起網絡會話請求，PCRF向SPR獲取基本的用戶數據以及向OCS獲取流量配額數據，然后進行基本的PCC決策，若用戶符合提供個性化服務的條件，如金牌用戶或個性化服務訂購用戶，則向個性化PCC決策功能發(fā)起個性化PCC決策請求，個性化PCC決策功能從移動用戶畫像標簽庫獲取用戶畫像標簽數據，然后基于用戶畫像進行個性化PCC決策，并向PCRF返回個性化的PCC策略信息，最后PCRF綜合基本決策與個性化策略的結果，向PCEF返回會話建立的響應信息，其中包括個性化的PCC策略信息。

個性化決策方案擴展了原有PCC架構的策略控制能力，可實現高度的用戶差異化策略，為用戶提供個性化的網絡服務，更加有針對性地保障用戶的網絡使用質量。該方案可以支持高端用戶個性化服務場景，例如，金牌用戶A屬于視頻偏好用戶且偏好應用分別是優(yōu)酷、愛奇藝，網絡就為這兩個視頻應用提供有QoS保證的專用承載（Dedicated Bearer），GBR（Guranteed Bit Rate，保證比特速率）為20 M/s;金牌用戶C屬于音頻偏好用戶且偏好應用分別是酷狗音樂、蝦米音樂，網絡就為這兩個音樂應用提供有QoS保證的專用承載，GBR為5 M/s;金牌用戶C屬于視頻偏好用戶但偏好應用分別是抖音、百度視頻，同時屬于音樂偏好用戶但偏好應用分別為QQ音樂、網易音樂，網絡就針對兩個不同視頻應用和音樂應用提供相應的QoS保證。

上述方案也可類似地應用于5G系統的PCC決策，其中5G的PCF（Policy Control Function，策略控制功能）與PCRF定位類似，SMF（Session Management Function，會話管理功能）與PCEF定位類似，UDR（Unified Data Repository，統一數據庫）與SPR定位類似。

6? ?結束語

移動用戶畫像可以勾畫用戶的深層次偏好特征，呈現用戶的個性化特性，反映用戶的移動網絡個性化需求?；谝苿佑脩舢嬒竦腜CC決策方案在決策依據層引入了移動用戶的畫像標簽數據，在決策判斷層引入了個性化PCC決策功能，從而將大數據的智能分析能力融合到PCC架構中，令PCC決策更加精準，從而實現高度的用戶差異化服務。展望未來，有兩方面的內容值得進一步研究和思考，一方面是如何提升移動網絡與大數據平臺的協同能力，令畫像標簽運營與智能管道運營高效協同運作，另一方面是如何挖掘更加豐富和精準的移動用戶畫像標簽，如提高實時的畫像計算能力、采用更先進的畫像算法等，以產生更多有價值的畫像標簽，支持更具個性化、更加智能的PCC決策。

參考文獻：

[1] 3GPP TS 23.203 R15. Policy and charging control architecture[EB/OL]. （2018-09-17）[2019-01-14]. http：//www.3gpp.org/ftp//Specs/archive/23_series/23.203/23203-f40.zip.

[2] 3GPP TS 23.503 R15. Policy and Charging Control Framework for the 5G System[EB/OL]. （2018-12-18）[2019-01-14]. http：//www.3gpp.org/ftp//Specs/archive/23_series/23.503/23503-f40.zip.

[3] 3GPP TS 23.501 R 15. System Architecture for the 5G System[EB/OL]. （2018-12-18）[2019-01-14]. http：//www.3gpp.org/ftp//Specs/archive/23_series/23.501/23501-f40.zip.

[4] 王曉霞，劉靜沙. 運營商大數據用戶畫像實踐[J]. 電信科學， 2018（5）： 127-133.

[5] 孟巍，吳雪霞. 基于大數據技術的電力用戶畫像[J]. 電信科學， 2017（Z1）： 15-20.

[6] 裘華東，涂瑩. 基于標簽庫系統的電力企業(yè)客戶畫像構建與信用評估及電費風險防控應用[J]. 電信科學， 2017（Z1）： 206-213.

[7] 張小可，沈文明. 貝葉斯網絡在用戶畫像構建中的研究[J]. 移動通信， 2016，40（22）： 22-26.

[8] 王雪瓊，熊珺潔. 基于大數據挖掘的終端換機模型[J]. 電信科學， 2016，40（12）： 43-52.

[9] 鐘慶. 基于喜好標簽的移動互聯網用戶行為分類研究[J]. 移動通信， 2016，40（9）： 93-96.

[10] 池煒成. 端到端的LTE QoS控制技術與策略研究[J]. 移動通信， 2014，38（5）： 52-58.