王文哲，安 崗，解 觶，趙文東，狄子翔（.中國聯(lián)通研究院，北京 00048；.中國聯(lián)通北京分公司，北京 00038）

1 概述

隨著5G 網(wǎng)絡(luò)逐步商用，5G 行業(yè)移動類終端業(yè)務(wù)的乒乓切換問題需要重點解決使5G 網(wǎng)絡(luò)性能發(fā)揮到最優(yōu)；另外4G VoLTE 語音業(yè)務(wù)是面向5G 網(wǎng)絡(luò)及未來網(wǎng)絡(luò)的IP 化語音解決方案，如何利用高效、智能、自主、安全的方法定位并解決4G、5G 無線通信網(wǎng)絡(luò)VoLTE 語音業(yè)務(wù)和5G 行業(yè)移動終端業(yè)務(wù)的乒乓切換短板問題，對改善用戶感知及4G、5G 網(wǎng)絡(luò)語音業(yè)務(wù)和5G 行業(yè)移動終端應(yīng)用業(yè)務(wù)的AI 智能自動運維標準化具有重要意義。本文提出的基于決策樹模型的解決方案也是一種在5G 網(wǎng)絡(luò)實現(xiàn)基于人工智能的乒乓切換短板優(yōu)化的自動運維的標準化雛形。

2 乒乓切換問題及其影響

乒乓切換概念：當用戶在目標小區(qū)駐留時間較短，重新切換回源小區(qū)時，判斷為乒乓切換。乒乓切換嚴重影響終端用戶感知，會導(dǎo)致掉話、游戲卡頓、直播中斷、視頻網(wǎng)頁瀏覽不暢等問題，容易引發(fā)投訴。

VoLTE語音業(yè)務(wù)乒乓切換或頻繁切換會造成數(shù)據(jù)丟包和時延變長進而影響語音MOS 值，直觀感受就是影響通信質(zhì)量，降低用戶端的體驗感知。其本質(zhì)原因為VoLTE 語音是QCI1 承載，3GPP TS 36.323 有明確規(guī)定，已經(jīng)發(fā)給RLC 層的PDCP 數(shù)據(jù)會丟棄，所以切換過程可能會引發(fā)RTP 丟包，從而影響MOS 語音感知。時延也是影響VoLTE 語音通信質(zhì)量的重要因素，由于單次切換會引入20～80 ms 的時延，多次乒乓切換或頻繁切換大大增加了VoLTE 語音時延，造成語音感知下降。同理，對于5G 行業(yè)移動終端類應(yīng)用業(yè)務(wù)，乒乓切換也會造成業(yè)務(wù)體驗感知下降。具體MOS 值與用戶感知對應(yīng)關(guān)系、丟包率和時延與用戶感受之間的關(guān)系如表1～表3所示。

表1 MOS分值和用戶滿意度關(guān)系

表2 丟包率對語音感知影響

表3 切換時延對語音感知影響

目前已有的VoLTE 語音質(zhì)量評估方法僅基于采用結(jié)合用戶信息及用戶位置的MOS 分值進行評估，具體過程為：采集網(wǎng)絡(luò)各接口處經(jīng)過分光和匯聚后的語音和信令數(shù)據(jù)；對語音和信令數(shù)據(jù)進行解析，對解析得到的媒體流進行MOS 值評估，得到語音質(zhì)量評估數(shù)據(jù)；根據(jù)控制面數(shù)據(jù)在語音質(zhì)量評估數(shù)據(jù)中添加用戶信息和位置信息，生成語音質(zhì)量評估文件；將語音質(zhì)量評估文件存儲至數(shù)據(jù)庫服務(wù)器。通過在語音質(zhì)量評估數(shù)據(jù)中添加用戶信息和位置信息后生成語音質(zhì)量評估文件來評估VoLTE語音質(zhì)量。

目前尚無針對影響VoLTE 語音感知MOS 值和5G行業(yè)移動終端業(yè)務(wù)感知的乒乓切換問題采用人工智能方法來自動智能定位及生成解決方案的優(yōu)化方法。

為了定量驗證頻繁切換次數(shù)對語音質(zhì)量的影響，分別從普通和高干擾2 個場景選點進行實際測試，在切換帶進行大量的數(shù)據(jù)采集，形成切換頻次和MOS 的散點圖與MOS值隨切換頻次變化的趨勢線。

普通場景選取某小區(qū)樓頂站的2 個扇區(qū)互相切換，該場景區(qū)域為居民區(qū)，RSRP均值為-95 dBm，SINR均值為-1.9 dB 左右，上行底噪為-114 dBm 左右。實測結(jié)果：在普通場景下隨切換頻次增加，MOS 值呈下降趨勢，當切換頻率達到250 次/min，MOS 值降至3.0左右（見圖1）。

圖1 普通場景切換次數(shù)與MOS關(guān)系

高干擾場景選取某站點2 個扇區(qū)互切，該場景區(qū)域為城中村，RSRP 均值為-85 dBm，SINR 均值為8.6 dB，上行底噪為-80 dBm 左右。在高干擾場景下隨切換頻次增加，MOS 值呈下降趨勢，當切換頻率達到25次/min，MOS值降至3.0左右（見圖2）。

圖2 高干擾場景切換次數(shù)與MOS關(guān)系

3 現(xiàn)有乒乓切換定位優(yōu)化方法與人工智能方法

現(xiàn)有的對4G、5G 網(wǎng)絡(luò)VoLTE 業(yè)務(wù)、5G 行業(yè)移動終端類業(yè)務(wù)的乒乓切換問題的定位分析、輸出解決方案及短板問題情況可視化呈現(xiàn)等主要依靠運維人員手動的方式進行篩選維護，該方法主要基于LTE 網(wǎng)絡(luò)或5G 網(wǎng)絡(luò)的系統(tǒng)工參數(shù)據(jù)表、網(wǎng)絡(luò)系統(tǒng)MR 指標數(shù)據(jù)、兩兩切換話統(tǒng)指標數(shù)據(jù)表、后臺KPI數(shù)據(jù)表及前臺DT數(shù)據(jù)多張數(shù)據(jù)表格，通過人工方式將多張數(shù)據(jù)表按照關(guān)鍵的、相同的字段進行手動報表關(guān)聯(lián)處理分析得到具體乒乓切換TOP 問題小區(qū)及具體原因，然后依靠運維人員的人工優(yōu)化經(jīng)驗制定相應(yīng)的優(yōu)化解決方案，最后也是通過人工方式對前文所述業(yè)務(wù)的乒乓切換TOP問題小區(qū)位置及方案進行地理化呈現(xiàn)。

通過人工定位處理乒乓切換問題小區(qū)來改善前邊所述業(yè)務(wù)用戶感知存在以下缺點：采用傳統(tǒng)人工方式進行乒乓問題小區(qū)篩選、匹配定位原因，工作量大，過程復(fù)雜繁瑣，多張數(shù)據(jù)表格處理繁雜；手動篩選匹配問題場景效率低下；難以快速迭代更新，維護更新歷時較長；對于數(shù)據(jù)量大的情況，需要將表分隔處理，耗時較長、效率更低。且對于乒乓切換問題點的可視化呈現(xiàn)無法做到動態(tài)更新顯示等。而且該方法往往對工作人員的個人技術(shù)能力和經(jīng)驗依賴性較強，難以快速、準確獨立地定位乒乓切換原因。

通過人工智能方法可以實現(xiàn)前述業(yè)務(wù)的乒乓切換問題小區(qū)的智能自動篩選定位優(yōu)化，智能自動輸出問題原因解決方案，智能自動進行動態(tài)可視化呈現(xiàn)乒乓切換問題點及其原因和處理方案（見圖3）。其優(yōu)勢在于可以基于多數(shù)據(jù)源采用Python 決策樹算法智能匹配乒乓問題原因，并自動匹配輸出優(yōu)化建議，并將問題點動態(tài)可視化呈現(xiàn)。

圖3 智能自動處理工具邏輯

智能優(yōu)化平臺具有以下優(yōu)點。

a）智能平臺自動整合方面。5 維（網(wǎng)絡(luò)系統(tǒng)工參數(shù)據(jù)、網(wǎng)絡(luò)系統(tǒng)MR 數(shù)據(jù)、網(wǎng)絡(luò)話統(tǒng)數(shù)據(jù)、后臺KPI 數(shù)據(jù)及前臺DT 數(shù)據(jù)）12 項數(shù)據(jù)（基站頻帶信息、基站經(jīng)緯度、基站方位角、下傾角、RSRP 覆蓋率、MR 采樣點數(shù)、MR 弱覆蓋比例、兩兩切換次數(shù)、切換成功率、干擾水平、重疊覆蓋率、RSRP 均值）輸入，算法能夠多維度自動關(guān)聯(lián)處理，對乒乓原因進行場景化構(gòu)建并自動關(guān)聯(lián)優(yōu)化建議。

b）乒乓切換問題處理效率提升方面。智能乒乓切換優(yōu)化周期由傳統(tǒng)人工處理方式的3 天左右（數(shù)據(jù)量約5 萬個小區(qū)1 周的數(shù)據(jù)，6 萬多行）縮減為數(shù)十分鐘，更加高效智能。

4 乒乓切換問題人工智能解決方案實現(xiàn)思路

采用機器學(xué)習(xí)分類決策樹算法實現(xiàn)智能自動定位并給出解決方案建議及對問題點和調(diào)整方案進行動態(tài)可視化地理呈現(xiàn)的平臺可以實現(xiàn)乒乓切換優(yōu)化智能自動化運維。決策樹算法的實現(xiàn)過程可參考作者已授權(quán)專利文獻［1］，本節(jié)僅給出實現(xiàn)思路。

如圖4 所示，乒乓切換AI 智能分析定位優(yōu)化系統(tǒng)包括六大模塊。

圖4 乒乓切換AI智能分析定位優(yōu)化系統(tǒng)

a）多數(shù)據(jù)源提取輸入模塊。用于收集大數(shù)據(jù)智能定位優(yōu)化乒乓切換問題需要輸入的標準化數(shù)據(jù)，實現(xiàn)基于專業(yè)網(wǎng)管平臺自動提取所要分析區(qū)域的所有基站小區(qū)工參、所有基站小區(qū)MR 測量報告數(shù)據(jù)、所有基站小區(qū)后臺兩兩切換話統(tǒng)數(shù)據(jù)、所有基站小區(qū)后臺KPI數(shù)據(jù)及前臺DT等數(shù)據(jù)。

b）數(shù)據(jù)清洗、合并等處理模塊。用于對無效數(shù)據(jù)的刪除及刪除后數(shù)據(jù)和空缺數(shù)據(jù)的填充，對有關(guān)聯(lián)數(shù)據(jù)的關(guān)聯(lián)合并。

c）算法實現(xiàn)模塊。用于VoLTE 業(yè)務(wù)、5G 行業(yè)移動終端業(yè)務(wù)的乒乓切換問題點定位及自動生成解決方案的機器學(xué)習(xí)分類決策樹算法實現(xiàn)。

d）數(shù)據(jù)輸出模塊。用于實現(xiàn)乒乓切換TOP 小區(qū)場景化智能定位問題原因并自動輸出優(yōu)化處理建議的匯總分析統(tǒng)計。

e）數(shù)據(jù)存儲模塊。用于存儲輸出的分析統(tǒng)計數(shù)據(jù)及詳細數(shù)據(jù)原表。

f）數(shù)據(jù)動態(tài)可視化模塊。用于將運行結(jié)果通過BI 以報表、地理化方式直觀展示乒乓切換TOP 問題點小區(qū)及對應(yīng)的智能解決方案，利于監(jiān)控。

以VoLTE 乒乓切換為例，智能優(yōu)化具體步驟可以分為以下幾步。

a）VoLTE 乒乓切換會造成語音丟包及時延變長從而影響VoLTE 用戶感知，因此需要通過測試找到保障用戶感知的頻繁切換的容忍臨界切換次數(shù)門限。如第2章的頻繁切換次數(shù)對語音質(zhì)量的影響測試結(jié)果所示：普通無干擾場景當切換頻率達到250 次/min，MOS 值降至3.0 左右（MOS 3.0 為語音感知最低保障），高干擾場景下當切換頻率達到25 次/min，MOS 值降至3.0左右。

b）從專業(yè)網(wǎng)管提取評估區(qū)域所有基站小區(qū)兩兩切換話統(tǒng)指標，小區(qū)工參、所有基站小區(qū)MR 測量報告數(shù)據(jù)、所有基站小區(qū)后臺KPI 數(shù)據(jù)等。設(shè)定乒乓切換小區(qū)判斷原則：以話統(tǒng)中兩兩切換次數(shù)作為判斷乒乓切換小區(qū)依據(jù)，選取一周內(nèi)切換次數(shù)大于800次（也可嚴格按步驟a）中的250 次容忍頻繁切換次數(shù)取值）的小區(qū)作為乒乓切換問題評估備選小區(qū)。根據(jù)切換成功率進一步篩選，選取切換成功率小于95%的小區(qū)作為TOP 乒乓切換小區(qū)。按照該原則利用圖5 中的①∽②進行初步處理。

c）利用圖5中的③、④、⑤、⑥、⑦步進行進一步的乒乓切換原因定位判斷并智能給出對應(yīng)解決方案。根據(jù)圖6中乒乓切換智能判斷邏輯及處理措施分類算法，如果小區(qū)乒乓切換原因是室內(nèi)弱覆蓋，則根據(jù)圖6中的算法自動給出相應(yīng)處理乒乓切換問題的解決方案。同理，利用圖6 中的分類算法，依此類推進行圖5中③、④、⑤、⑥、⑦步的乒乓切換原因智能定位并自動給出處理措施，不再贅述。

圖5 乒乓切換問題智能定位優(yōu)化方法流程

圖6 乒乓切換智能判斷邏輯及處理措施分類算法

d）將步驟c）得到的乒乓切換原因定位及解決建議進行匯總，形成智能分析詳表輸出和存儲。

e）將前一步VoLTE 乒乓切換智能定位優(yōu)化匯總分析結(jié)果與路測數(shù)據(jù)進行對比，驗證智能優(yōu)化分析結(jié)果的準確性。

f）通過BI 讀取步驟d）所得到的智能定位及優(yōu)化建議分析結(jié)果，以地理可視化的方式動態(tài)展示VoLTE乒乓切換短板問題的位置及相應(yīng)的優(yōu)化處理措施建議。

5 實現(xiàn)成果及實際應(yīng)用案例效果

采用本文提出的智能優(yōu)化平臺對某地乒乓切換問題進行了分析統(tǒng)計，并根據(jù)平臺自動呈現(xiàn)的乒乓切換TOP 問題小區(qū)地理化直觀展示以及對應(yīng)處理方案建議挑選了其中2個小區(qū)進行了驗證。

對挑選的2個頻繁切換的小區(qū)根據(jù)智能優(yōu)化建議進行參數(shù)調(diào)整后，切換出次數(shù)由3.7 萬次下降至1.2次；乒乓切換次數(shù)由1.1 萬次下降至187 次；乒乓切換占比由31.76%下降至1.55%，實驗最終顯示優(yōu)化效果較好（見圖7）。

圖7 乒乓切換智能參數(shù)調(diào)整建議優(yōu)化效果

6 結(jié)束語

本文提出的基于人工智能算法優(yōu)化乒乓切換問題的方案，可作為網(wǎng)絡(luò)智能優(yōu)化調(diào)整的策略依據(jù)，且同步可對乒乓切換短板問題點位置和智能方案進行動態(tài)可視化展示。建立了基于多維度大數(shù)據(jù)機器學(xué)習(xí)實現(xiàn)4G、5G 網(wǎng)絡(luò)乒乓切換問題定位、解決、優(yōu)化實施、動態(tài)可視化呈現(xiàn)的智能評估體系，面向決策層、管理層及生產(chǎn)層對網(wǎng)絡(luò)和用戶感知進行智能綜合評價，實現(xiàn)了自動精準關(guān)聯(lián)問題原因及方案，可快速智能定位優(yōu)化網(wǎng)絡(luò)短板問題。