本文版權(quán)為《郵電設(shè)計技術(shù)》所有，如需轉(zhuǎn)載請聯(lián)系《郵電設(shè)計技術(shù)》編輯部
摘 要：針對當(dāng)前日趨復(fù)雜的網(wǎng)絡(luò)架構(gòu)及日益提升的網(wǎng)絡(luò)優(yōu)化難度，提出并實現(xiàn)一種新型的基于多域數(shù)據(jù)融合的算法系統(tǒng)。該系統(tǒng)通過關(guān)聯(lián)IMS、5GC及EPC域的XDR數(shù)據(jù)，實現(xiàn)對VoLTE、VoNR及EPSFB等語音業(yè)務(wù)的精準(zhǔn)區(qū)分。在此基礎(chǔ)上，系統(tǒng)通過構(gòu)建各業(yè)務(wù)的質(zhì)量劣化閾值模型，并采用滑動窗口算法，從而精準(zhǔn)篩選重點質(zhì)差小區(qū)。經(jīng)X市現(xiàn)網(wǎng)連續(xù)5天的實際數(shù)據(jù)驗證表明，該系統(tǒng)能夠有效識別重點質(zhì)差小區(qū)，充分驗證系統(tǒng)的可行性與實用性。
關(guān)鍵詞：VoNR；VoLTE；EPS FB；網(wǎng)絡(luò)智能運營
doi：10.12045/j.issn.1007-3043.2025.03.013
概述
語音業(yè)務(wù)作為運營商的傳統(tǒng)業(yè)務(wù)，是最影響用戶體驗與評價的業(yè)務(wù)。隨著5G網(wǎng)絡(luò)的蓬勃發(fā)展和2G網(wǎng)絡(luò)的逐漸退出，當(dāng)下語音業(yè)務(wù)研究重點是VoLTE語音業(yè)務(wù)、EPSFB語音業(yè)務(wù)和VoNR語音業(yè)務(wù)。
目前，由于多種語音業(yè)務(wù)解決方案共存、網(wǎng)絡(luò)制式復(fù)雜、網(wǎng)間切換頻繁，語音業(yè)務(wù)的網(wǎng)絡(luò)優(yōu)化需求強烈、難度增加，判別語音業(yè)務(wù)重點質(zhì)差小區(qū)成為語音業(yè)務(wù)網(wǎng)絡(luò)優(yōu)化工作的重中之重。目前判別質(zhì)差小區(qū)的常用方法主要有路測、基于網(wǎng)元配置數(shù)據(jù)和網(wǎng)元性能數(shù)據(jù)挖掘、基于測量報告挖掘、基于信令流程數(shù)據(jù)挖掘等。其中，運營商為了提升網(wǎng)絡(luò)建設(shè)、網(wǎng)絡(luò)維護(hù)的水平，在指定的網(wǎng)絡(luò)接口鏈路進(jìn)行旁路分光，實時分析鏈路中的數(shù)據(jù)并生成信令/流量詳細(xì)記錄（XDetail Record，XDR）。XDR數(shù)據(jù)能夠便捷、精細(xì)地分析和評價網(wǎng)絡(luò)質(zhì)量，所以基于XDR數(shù)據(jù)的網(wǎng)絡(luò)優(yōu)化技術(shù)蓬勃發(fā)展。
文獻(xiàn)［2］基于XDR數(shù)據(jù)提出了一種網(wǎng)絡(luò)自動化、智能化的故障診斷方法，提高了運維效率，保證了用戶感知。文獻(xiàn)［3］基于XDR數(shù)據(jù)構(gòu)建面向用戶、業(yè)務(wù)、終端的多維大數(shù)據(jù)運營體系，可定制各類視頻應(yīng)用業(yè)務(wù)需求分析，支持運營商資源精準(zhǔn)投放，助力OTT視頻企業(yè)合作營銷。文獻(xiàn)［4］基于XDR數(shù)據(jù)的運動軌跡變化，完成車主與車輛的綁定，完成用戶畫像構(gòu)建，能夠有效助力新能源汽車產(chǎn)業(yè)精準(zhǔn)營銷，助力運營商與新能源汽車產(chǎn)業(yè)創(chuàng)新合作場景落地。
經(jīng)過持續(xù)優(yōu)化，目前網(wǎng)絡(luò)的整體質(zhì)量有了明顯提升，網(wǎng)絡(luò)優(yōu)化建設(shè)進(jìn)入切小劃分、局部針對性優(yōu)化階段，需要對質(zhì)差小區(qū)進(jìn)行精準(zhǔn)判別和優(yōu)化。同時，由于移動通信環(huán)境的復(fù)雜性，存在由于數(shù)據(jù)異�；蚪K端異常等突發(fā)原因?qū)е虏糠终Ｐ^(qū)被誤判為質(zhì)差小區(qū)的情況，所以本文提出了基于多域數(shù)據(jù)持續(xù)監(jiān)測判別語音業(yè)務(wù)重點質(zhì)差小區(qū)的技術(shù)。通過多種數(shù)據(jù)相互印證，避免數(shù)據(jù)異常導(dǎo)致的錯誤判斷；通過持續(xù)多天監(jiān)測數(shù)據(jù)，避免突發(fā)異常或終端問題導(dǎo)致的錯誤判斷，從而實現(xiàn)對語音業(yè)務(wù)質(zhì)差小區(qū)的精準(zhǔn)定位，提高網(wǎng)格優(yōu)化效率，提升網(wǎng)絡(luò)質(zhì)量。
