微型电风扇
赵龙刚1，刘汉生1，王峰1，狄爽2
（1. 中国电信股份有限公司研究院，北京 102209；2. 中国电信集团有限公司，北京100032）摘 要：物联网终端具有客户基数大、生产厂商多、应用场景复杂的特点，在日常维护过程中存在质差标准难以统一、定位定段困难的问题。针对上述现象提出一种基于行为画像的业务保障方法。首先基于关键指标分布特征构造企业质差指纹模型，借鉴统计学习中均值漂移聚类的思想，实现质差指标体系的准确搭建。然后针对调测终端与质差终端难区分、弱覆盖终端难识别等问题，构建了单客户质差行为画像，有效保证了模型的准确性。最后在现网环境进行了试点和分析，为物联网业务保障提供借鉴和参考。 关键词：物联网；质差识别；根因分析
中图分类号：TP929.5
文献标识码：A
doi: 10.11959/j.issn.1000−0801.2021113
IoT business guarantee method based on
behavioral portrait
ZHAO Longgang1, LIU Hansheng1, WANG Feng1, DI Shuang2
1.Research Institute of China Telecom Co., Ltd., Beijing 102209, China
2. China Telecom Group Co., Ltd., Beijing 100032, China
Abstract: IoT terminals have the characteristics of large user base, many manufacturers and numerous scenarios. It is difficult to unify the standard of poor quality and to locate the segment in the routine maintenance process. Aiming at the above phenomenon, a business guarantee method based on behavior portrait was proposed. Firstly, based on the distribution characteristics of key indicators, a fingerprint model of enterprise quality deficit was constructed, and the idea of mean shift clustering in statistical learning was used to realize the accurate construction of quality deficit in-dex system. Then, to solve the problem that it was difficult to distinguish between the measurement terminal and the poor quality terminal, and it was difficult to identify the weak coverage terminal, a single user poor quality behavior portrait was constructed to effectively ensure the accuracy of the model. Finally, the pilot and analysis were carried out in the current network environment to provide reference for the IoT business guarantee.
Key words: internet of things, poor quality identification, root cause analysis
收稿日期：2021−04−05；修回日期：2021−05−10
通信作者：刘汉生，**********************
基金项目：国家重点研发计划基金资助项目（No.2019YFB1802501，No.2019YFB1802504）
Foundation Items: The National Key Research and Development Program of China (No.2019YFB1802501, No.2019YFB1802504)
·53·
异位发酵床
电信科学 2021年第5期
1 引言
随着5G 时代的到来，物联网产业生态得到迅猛的发展，开卡终端数和客户数也迎来了快速增长[1]。但在业务快速扩张的同时也出现了许多保障难题。一方面，与传统业务相比，物联网业务流程长、环节多，涉及终端侧、无线侧、核心网侧、物联网专网、应用平台等多个节点[2]（如图1所示）。当出
现故障时，常常需要跨专业多部门逐级人工定段排查，不仅沟通成本较高，而且极易出现部门间推诿的情况，导致排障时间偏长。另一方面，物联网在行业应用场景繁多，包括高校、高铁、商业区和写字楼等情况。在各种复杂应用场景与客户业务行为的相互影响下，由于所处的客户体的使用特征不同，其表现的业务特征和网络指标也会有所差异，给网络弱覆盖优化与质差识别挖掘工作带来了很大的难度。
在传统物联网优化领域，质差识别与弱覆盖挖掘主要依靠客户投诉和人工经验关联优化模式，或者基于整体网络连接成功率与设备附着成功率等指标进行评估[3]。与移动通信网络和宽带网络不同，物联网服务对象为物而非人，终端本
身并不具备感知或反馈的能力，基于客户申诉的被动式优化手段已经难以满足产业需求，需要保障方提供更为精准的态势感知和质量评估能力[4]。同时，基于人工经验的优化模式或基于全网整体指标的评估模型，无法适配高度多样性的终端产品形态[5]，实现覆盖全业务的质差优化较为困难。
目前，业内物联网保障仍然缺乏智能化感知方法，因此本文基于物联网业务行为特性，考虑引入人工智能和大数据技术，提出一个统一的端到端物联网质差识别及定位系统。基于该系统架构设计，介绍了智能端到端业务保障流程，主要包括指标体系搭建、客户行为画像质差分析和端到端定位定段算法研究。并通过系统落地实践验证方案的有效性，为网络智能运维提供借鉴和参考。
2 物联网业务运营的需求与挑战
物联网业务呈现流程繁、规模大、环节多的特点，故障发现与定位困难的问题日益显著，亟须对物联网客户端到端的业务质量进行更有效的质量监控及故障定界定段。结合物联网业务保障
现状，经前期与省公司运维运营人员、企业客户
图1 物联网端到端网络架构
编织袋裁切机
专题：通信与AI融合·54·
沟通，总结物联网业务保障以下4点需要重点解决的问题。
（1）缺乏预见性维护机制，客户满意度较低
目前，网络质差、终端故障、平台连接失败等原因会导致物联网业务上报失败，影响客户正常生产，进而遭到客户投诉与质疑。因此需要建立一种量化客户业务体验感知指标体系，尽早消除潜在隐患，提升客户满意率。
（2）缺乏业务量化感知指标体系，难以适配业务多样性
由于目前维护方式重点关注网络类指标，但网络指标优良并不一定业务稳定，亟须对业务类指标建立感知体系。同时物联网终端设备具有场景繁、品牌多、更新快的特点，不同厂商、不同型号的业务感知指标评价方法在存在相似性的同时也存在较大的差异性，在某一型号下的成熟感知评价模型很难适配多种厂商或多个型号。因此，需要在总结通用指标的同时，针对各行业差异提炼专有指标。
（3）缺乏智能化定位定段策略，人工运维费时费力
现阶段，客户投诉后，运维人员一般对平台侧、核心网侧、小区无线网侧、终端侧层层进行人工排查，
涉及物联网公司、网络操作维护中心（network operation center，NOC）、客户维护服务中心多个部门，处理费时费力。同时由于上层质差可能导致障质差，需要对告警按区域或企业进行合理归并，降低重复性工作，提升工作效率。
微型汽油机（4）缺少闭环预警排障系统，部门间协同困难
由于物联网业务涉及部门范围广、涵盖终端多、流通环节长，且需人工质差定段，需要较高的协调沟通成本。可采用数字化手段，打通部门壁垒，在系统内实现质差识别、智能定段、工单整治全流程闭环操作[6]。为方便运维人员准确定位相关终端，系统需要对识别的质差终端能输出关联信息（如号码、企业、位置等），能对因欠费等原因造成的质差进行过滤。为方便运维人员准确定位相关终端，需要对与质差相关的信息进行输出。同时由于少量终端处于待调测或欠费状态，极易被误判为质差，需要准确过滤筛选，减少误告警。
3 物联网端到端业务保障方案
针对上述物联网运营过程中亟待解决的问题，构建覆盖全流程的物联网业务保障系统势在必行。其核心是打通各环节专业壁垒，建立分企业分产品量化感知指标体系，实现故障精准定位，协助运维人员快速高效地提升业务感知。物联网业务包括网络接入、服务接入、网络切换、服务切换4个部分，横跨客户平台侧、物联网平台侧、核心网/专网侧、无线侧和终端侧多个环节，可以采用大数据采集技术
汇聚各阶段日志数据，基于业务画像及网络感知实现质差精准识别，通过历史故障因果关系完成快速定位定段。基于此在上层构造实时的客户质量监控及质差诊治应用，明确业务质差的影响因素与责任划分，并对接现有电子工单系统完成派发闭环，实现日常隐患的高效优化。具体架构如图2所示。
3.1 全流程感知指标体系搭建
为满足多样的、动态变化的行业客户业务需求，首先需要灵活完备的指标感知体系。物联网质差感知指标体系如图3所示，在已有的通用网络类指标感知指标基础之上，增添了业务类和客户感知类指标。指标体系包括网络层、业务层和客户感知层3层架构。其中，网络层和业务层主要提取通用指标（如无线连接成功率、寻呼拥塞率、终端在线率等），重点关注终端的接入及网络的连通，保障客户业务稳定可用；客户感知层则针对不同行业的业务特点，研究不同客户的需求差异，筛选得到客户最关注的业务指标，力争做到在客户感知质差前消除隐患，实现精准防治。
三层感知指标体系的搭建，使物联网业务保
·55· 电信科学 2021年第5期
车载厕所
障从传统的网元类指标保障升级至业务网络双提升模式。借助统一数据湖技术[7]完成网络与业务感知全量数据采集，利用Spark 、Hadoop 等大数据处理技术实现各指标的快速计算，形成实时准确的感知研判体系。三层指标至下而上，重要程度依次增强，越往上层指标与客户体验相关性越
强。感知层保障优先级最高，触发一般需要立刻派单整治；网络层的重要性则相对较低，可以采取预警结合观察研判的方法进行防治。 3.2 基于大数据画像的业务质差识别研究 3.2.1 企业指纹库构建
上文介绍了全流程感知指标体系的搭建，指
图2 物联网业务保障系统分层架构
图3 物联网质差感知指标体系
专题：通信与AI 融合 ·56·
标体系可以分为面向网络指标及面向业务和客户类指标。目前，网络指标已有成熟的感知评估体系，通过设定网络连接成功率、网络传输时延等关键绩效指标（key performance indicator ，KPI ），超过阈值触发告警，有效保障了网络质量。但日常运维中经常出现网络感知优良但客户申诉业务异常的情况，如异常下线、无法注册、终端失活等。与网络指标较为平稳不同，由于物联网终端的使用场景及厂商偏好设置的不同，业务行为存在相似性的同时也存在较大的差异性。如水表气表等抄表类业务，使用物联网卡重点是实现数据智能上传，因此客户对上行包是否发送成功较为关注；而路灯等寻呼类业务，重点是接收路灯开灭下控指令，较高的下控成功率是保障业务平稳运行的关键。同时由于同一形态终端开发厂商不同，设定的上报周期、心跳频率等业务指标也有较大区别，需要分企业建立特征指纹库。
首先，基于已有历史终端业务数据，构建分产品分企业单客户单日特征宽表，并在此基础上结合专家经验筛选特征提取物联网终端质差特征矩阵；然后基于滑窗聚类算法寻指标中心点，并基于密度分布情况粗粒度估算指标偏移情况[8]，形成企业特征指纹库。具体步骤如下。知识竞赛系统
步骤1 针对单一指标或多个相关性较强指标集合（如单日业务上报次数、单日注册次数与注册成功率），确立滑动框半径a ，随机选取点O 为中心点，记录滑动框中覆盖点数。
步骤2 滑动框每次迭代均向覆盖点数会更多的方向迭代，即滑动窗口不断向覆盖点密度更大的区域移动；上述多个随机点会产生多个滑动框，取框中值最大3个点作为初步中心点。
步骤3 根据上述步骤产生的多个初步中心点为中心，调节涵盖半径r ，r 调节机制为12
12
X X r r θ−>−，其中θ为调节因子，被用来调整范
围，X 为覆盖的点数目，若最终多个中心点及半
径有重叠，进行归并合并，完成初步企业质差指纹库构建。
根据物联网业务特点，企业指纹库共提取时间及统计特性、注册激活特性、平台下控特性、终端上报特性、平台响应特性、消息队列遥测传输（message queuing telemetry transport ，MQTT ）协议特性六大类十九维特征，基于各特征与质差终端的相关性，筛选得到显著特征，并结合上述企业质差指纹库构建方法，形成差异化的终端质差企业画像，见表1。
3.2.2 单终端业务行为画像研究
企业指纹库搭建能在粗粒度确定各业务指标区间，能够满足大部分情况下的分企业分产品业务感知要求。但在试点过程中发现，同一终端应用在不同的业务环境中，其业务行为会发生较大差异。以抄表类水表终端为例，一般状态下其单日业务上报集中在5次以内，但在高校等需要频繁计费的场景下单日业务上报可能达百次以上，单纯地依靠企业画像质差识别，很容易将其误判为频繁上下线。同时，在终端安装调测时，经常会人工产生大量失败注册包，与质差业务区分较为困难。此外，终端是否在平台注册、终端网络是否覆盖良好等特性在企业维度均很难体现，需要建立面向单终端行为画像特征，进而精确描述终端行为特性。目前，结合物联网业务行为，单终端画像主要记录业务上报、平台注册、切换3个维度。
（1）单终端业务上报特性
终端上报次数与所属企业相关程度较低，与所属应用场景表现强相关。基于此规律，通过统计各终端
历史平均上传频率，针对每个终端设置不同的上传上限阈值，进而识别终端异常上报。
（2）终端平台注册特性
由于目前录入终端管理系统显示为“在用”的终端中，存在实际属性为调测终端的情况。而调测终端一般尚未在平台中注册，其注册类输指标全为
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议