基于指標(biāo)相關(guān)性的網(wǎng)絡(luò)運維質(zhì)量評估模型

吳沐陽，劉 崢，王 洋，李 云，李 濤

(1.南京郵電大學(xué) 計算機學(xué)院，南京 210046； 2.中國移動通信集團山西有限公司 網(wǎng)絡(luò)部，太原 030009)

0 引言

近年來，隨著移動設(shè)備的不斷普及、通信網(wǎng)絡(luò)的日益完善，移動用戶數(shù)量激增，各大運營商的競爭也越來越激烈。為了持續(xù)提供高質(zhì)量的網(wǎng)絡(luò)服務(wù)以及改善用戶體驗，網(wǎng)絡(luò)的運行和維護質(zhì)量管理成為運營商關(guān)注的重點，如何評估網(wǎng)絡(luò)運維質(zhì)量一直是通信服務(wù)領(lǐng)域的一個難題。

網(wǎng)絡(luò)運維質(zhì)量包含網(wǎng)絡(luò)服務(wù)質(zhì)量、維護質(zhì)量等多個維度的評估目標(biāo)，涉及到基站性能數(shù)據(jù)、維護工單數(shù)據(jù)、告警數(shù)據(jù)等多種異構(gòu)數(shù)據(jù)?，F(xiàn)代通信網(wǎng)絡(luò)范圍越來越廣泛，使用的設(shè)備越來越多樣化，各種監(jiān)控數(shù)據(jù)持續(xù)增長，而傳統(tǒng)專家經(jīng)驗的評估方式過于依賴人工分析，需要消耗大量人力資源和時間資源，并且難以應(yīng)對海量的異構(gòu)數(shù)據(jù)和設(shè)備線路優(yōu)化等網(wǎng)絡(luò)環(huán)境變化，最重要的是專家經(jīng)驗法包含太多主觀意見，很難合理運用這些數(shù)據(jù)，建立客觀可靠的網(wǎng)絡(luò)運維質(zhì)量評估模型，達到全面準(zhǔn)確評估各維度質(zhì)量的目的。國際電信聯(lián)盟(International Telecommunication Union, ITU)[1]或是電信管理論壇(Telecom Management Forum, TMF)[2]等國際互聯(lián)網(wǎng)標(biāo)準(zhǔn)化組織只對于網(wǎng)絡(luò)質(zhì)量相關(guān)參數(shù)進行了定義和分類，給出了概念性的模型，但沒有對評估方法進行描述，也沒有給出具體的評估指標(biāo)體系，因此網(wǎng)絡(luò)運維質(zhì)量評估標(biāo)準(zhǔn)化在實踐中的應(yīng)用比較困難。

本文關(guān)注構(gòu)建網(wǎng)絡(luò)運維質(zhì)量評估模型過程中的指標(biāo)體系建立問題，旨在通過數(shù)據(jù)驅(qū)動的無監(jiān)督方式來選擇評估指標(biāo)，減少其中人工干預(yù)的部分，最終確定全面客觀的網(wǎng)絡(luò)運維質(zhì)量指標(biāo)體系。本文提出一種指標(biāo)分類方法，通過分析指標(biāo)間的互相關(guān)性，將指標(biāo)劃分為多個簇，每個簇中的指標(biāo)具有相似的信息量，從每個簇中選出一些指標(biāo)來代表這個類包含的信息，以此來達到全面而不重復(fù)地涵蓋原數(shù)據(jù)信息量的效果。這種方法尤其適用于含有過多指標(biāo)的監(jiān)控數(shù)據(jù)，可以減少人力消耗，簡化質(zhì)量評估中權(quán)重指定等步驟，防止評估結(jié)果受到重復(fù)信息的影響。

1 相關(guān)工作

網(wǎng)絡(luò)運維質(zhì)量評估始終是運營商關(guān)注的重點，有很多研究者提出了自己的質(zhì)量評估模型或是改進了其中的關(guān)鍵技術(shù)。對于選定評價指標(biāo)步驟，運營商使用的傳統(tǒng)方法是依靠領(lǐng)域?qū)＜医?jīng)驗選取評價指標(biāo)，客觀方法主要有條件廣義方差極小法和主成分分析法。文獻[3]使用了條件廣義方差極小法，該方法在確定一個指標(biāo)集的值后，另一個指標(biāo)集的值如果變化幅度很小則表示兩個指標(biāo)集相似，可以刪除其中一個指標(biāo)集。文獻[4]介紹了主成分分析法，將原指標(biāo)數(shù)據(jù)線性變換為另一組不相關(guān)的變量，并且保持總方差不變，然后對新變量的方差按從大到小排序得到指標(biāo)的重要程度排序。主成分分析法可以同時完成指標(biāo)選取和權(quán)重確定步驟，但是因為經(jīng)過變換后的變量不再具有物理意義，所以很難解釋評估結(jié)果。上述兩種方法都可以精簡指標(biāo)集合，但是計算復(fù)雜不適用于海量異構(gòu)數(shù)據(jù)情況。文獻[5]提出一種關(guān)鍵績效指標(biāo)(Key Performance Indicator, KPI)指標(biāo)分類方法，計算指標(biāo)在不同數(shù)據(jù)集中的相關(guān)關(guān)系，統(tǒng)計出現(xiàn)多次相關(guān)關(guān)系的指標(biāo)確定為相似指標(biāo)來減少指標(biāo)維度。

對于指標(biāo)數(shù)據(jù)的量化與處理，文獻[6]采用了模糊數(shù)學(xué)理論進行定性指標(biāo)的量化處理。文獻[7]總結(jié)了數(shù)據(jù)的標(biāo)準(zhǔn)化處理方法，包括Z-score標(biāo)準(zhǔn)化法和0-1標(biāo)準(zhǔn)化法等。還有一些文獻[8-11]研究了客觀的指標(biāo)權(quán)重確定方法：文獻[8]提出了一種基于標(biāo)準(zhǔn)方差系數(shù)的權(quán)重確定方法；文獻[9]提出基于指標(biāo)信息熵的熵權(quán)法，通過衡量指標(biāo)值的變異程度來決定權(quán)重；文獻[10]比較了離差最大法、熵權(quán)法、標(biāo)準(zhǔn)差法和CRITIC(CRiteria Importance Through Inter-criteria Correlation)法等多種客觀權(quán)重確定方法；文獻[11]引入沖突性的概念，對上述方法進行了改進和比較，其中引入沖突性的標(biāo)準(zhǔn)差法效果最好。網(wǎng)絡(luò)參數(shù)指標(biāo)權(quán)重的分析對于網(wǎng)絡(luò)設(shè)備的管理、事件挖掘和故障溯源都能起到輔助作用[12]。

也有一些文獻[13-16]構(gòu)建了完整的質(zhì)量評估模型：文獻[13]使用模糊層次分析法建立了面向網(wǎng)絡(luò)業(yè)務(wù)性能的綜合評價模型；文獻[14]使用灰色關(guān)聯(lián)分析得到選定指標(biāo)的權(quán)重集，并構(gòu)建了指標(biāo)集到評價的模糊關(guān)系矩陣來完成網(wǎng)絡(luò)性能質(zhì)量的評估；文獻[15]利用相關(guān)向量機對灰色模糊綜合評估方法得到的網(wǎng)絡(luò)質(zhì)量評估模型進行訓(xùn)練，解決了基于支持向量機的評估模型所存在的過擬合等問題；文獻[16]基于TMF的服務(wù)水平協(xié)議(Service Level Agreement, SLA)建立了網(wǎng)絡(luò)服務(wù)質(zhì)量評估體系模型，但是這些質(zhì)量評估模型都采用人工分析方法選擇評估指標(biāo)，缺乏客觀性。

各標(biāo)準(zhǔn)組織也提出了一些通用模型和給出了相關(guān)術(shù)語的定義，對構(gòu)建網(wǎng)絡(luò)運維質(zhì)量評估模型具有啟發(fā)作用。TMF在GB923標(biāo)準(zhǔn)[17]中提出了與KPI指標(biāo)相應(yīng)的關(guān)鍵質(zhì)量指標(biāo)(Key Quality Indicator, KQI)的概念以及兩者的映射模型，關(guān)鍵指標(biāo)層級結(jié)構(gòu)。KQI是用于衡量網(wǎng)絡(luò)服務(wù)業(yè)務(wù)質(zhì)量的一系列指標(biāo)，是面向業(yè)務(wù)的評估指標(biāo)，是對KPI指標(biāo)的集成和補充。相比而言，KPI是以網(wǎng)絡(luò)性能為中心的衡量指標(biāo)，而KQI則直接反映了網(wǎng)絡(luò)所承載的端到端的業(yè)務(wù)服務(wù)性能水平。關(guān)鍵指標(biāo)層級結(jié)構(gòu)只是一種通用思想，并沒有給出具體的評估指標(biāo)。

ITU定義將服務(wù)質(zhì)量[18](Quality of Service, QoS)定義為一種電信業(yè)務(wù)的特性總和，表明其滿足明示和暗示業(yè)務(wù)用戶需求的能力；而網(wǎng)絡(luò)性能(Network Performance, NP)指的是網(wǎng)絡(luò)或部分網(wǎng)絡(luò)提供用戶之間通信功能的能力。這兩個概念容易混淆，在評價服務(wù)質(zhì)量的過程中只考慮網(wǎng)絡(luò)性能指標(biāo)是不全面的，服務(wù)質(zhì)量的評估應(yīng)該包含網(wǎng)絡(luò)性能和非網(wǎng)絡(luò)性能兩個方面。網(wǎng)絡(luò)性能包括誤碼率、延遲等，而非網(wǎng)絡(luò)性能包括提供時間、修復(fù)時間、資費范圍及投訴解決時間等。

根據(jù)ITU給出的官方定義，與服務(wù)質(zhì)量相關(guān)的術(shù)語分為服務(wù)、網(wǎng)絡(luò)和管理三大類[18]。服務(wù)類術(shù)語包括了呼叫建立時間、業(yè)務(wù)可接入性性能、平均服務(wù)接入延遲、服務(wù)恢復(fù)手段及時間、語音質(zhì)量以及意見評分等；網(wǎng)絡(luò)類術(shù)語主要包括了可接入性、錯誤及故障概率和誤碼率等類別的指標(biāo)，這類指標(biāo)側(cè)重于所提供的網(wǎng)絡(luò)服務(wù)的可用性和可靠性；管理類的術(shù)語涉及服務(wù)提供的速度和準(zhǔn)確率，因此包含很多時延類的指標(biāo)，也涉及探究故障原因的指標(biāo)，如中斷時長、平均恢復(fù)時間等。除了以上對服務(wù)質(zhì)量相關(guān)術(shù)語的分類，ITU在E.803建議書[19]中還提出了支持業(yè)務(wù)方面的服務(wù)質(zhì)量參數(shù)[20]，一種88個，分為12類，涉及服務(wù)供應(yīng)、服務(wù)變更、技術(shù)升級、服務(wù)文檔、技術(shù)支持、商業(yè)支持、計費和收費等多個方面。ITU在G.1020建議書[21]也給出了與用戶相關(guān)的服務(wù)質(zhì)量與性能的定義。另外，ITU還在E.802建議書[22]中提出了一些概念性的通用模型、性能模型和市場模型。

2 質(zhì)量評估模型構(gòu)建的一般化流程

質(zhì)量評估有助于尋找評估對象存在的問題，幫助改善產(chǎn)品和服務(wù)質(zhì)量，因此近年來受到各業(yè)界的廣泛關(guān)注。質(zhì)量評估模型及其相關(guān)思想技術(shù)已成功運用于教育、管理、工程、計算機與通信網(wǎng)絡(luò)等多個領(lǐng)域[23-25]。雖然各領(lǐng)域的評估對象和評估目的都不相同，但是構(gòu)建模型的流程是相似的。本章總結(jié)并提出了構(gòu)建運維質(zhì)量評估模型的一般化流程，一共分為4步。

1)選定評價指標(biāo)：選取參與評估的指標(biāo)；

2)指標(biāo)量化與數(shù)據(jù)標(biāo)準(zhǔn)化處理：對定性數(shù)據(jù)進行量化，對所有數(shù)據(jù)進行標(biāo)準(zhǔn)化處理；

3)確定指標(biāo)權(quán)重：質(zhì)量評估的關(guān)鍵步驟，根據(jù)指標(biāo)的重要性程度確定權(quán)重；

4)建立評價模型：綜合標(biāo)準(zhǔn)化后的數(shù)據(jù)和對應(yīng)權(quán)重，建立評價模型，得到評估結(jié)果。

本章還以網(wǎng)絡(luò)運維質(zhì)量評估模型為例，介紹各個步驟中的常用技術(shù)和關(guān)鍵方法

2.1 選定評價指標(biāo)

評價指標(biāo)是評價內(nèi)容的載體，評價結(jié)果由對評價指標(biāo)進行統(tǒng)計分析獲得，因此，選定的合適的評價指標(biāo)對構(gòu)建評估模型至關(guān)重要。在評估網(wǎng)絡(luò)運維質(zhì)量的過程中通常涉及到大量的參數(shù)，全部分析會給計算帶來一定的困難，需要進一步地篩選指標(biāo)得到一個更小的而又不丟失原來指標(biāo)信息的指標(biāo)集。選擇指標(biāo)主要遵循3個原則[5,13]。

1)精簡性：指標(biāo)過多會使計算變得復(fù)雜，而且會使分析結(jié)果沒有側(cè)重點，缺乏參考性；

2)代表性：指標(biāo)需要盡量全面覆蓋待評估對象的屬性，避免信息丟失；

3)不重疊性：指標(biāo)間應(yīng)該盡量不重疊，相關(guān)性越小越好，防止重復(fù)評估給結(jié)果帶來偏差。

網(wǎng)絡(luò)運維質(zhì)量評估指標(biāo)的選取通常由運營商的專家憑主觀經(jīng)驗完成。隨著業(yè)務(wù)類型和網(wǎng)絡(luò)設(shè)備的增加，網(wǎng)絡(luò)性能數(shù)據(jù)的參數(shù)數(shù)量劇增，例如本文實驗所使用的某運營商公司的無線網(wǎng)絡(luò)優(yōu)化數(shù)據(jù)的參數(shù)就多達590多個，其中包括“切換成功率”“無線掉線率”和“切換成2G平均時長”等，涉及網(wǎng)絡(luò)的呼叫建立、移動性管理、資源利用和時延等多個維度的內(nèi)容。憑借人為定義的方式可以達到簡化評估指標(biāo)的效果，但是難以避免信息丟失和信息重復(fù)的問題。通信網(wǎng)絡(luò)也存在設(shè)備和線路更新、數(shù)據(jù)參數(shù)變化的情況，耗費大量資源建立的指標(biāo)體系很可能無法重復(fù)使用。

本文提出一種基于相關(guān)性分類的指標(biāo)選取策略，挖掘指標(biāo)間相互關(guān)聯(lián)關(guān)系，將具有相似信息量的指標(biāo)劃分為一簇，選取簇中關(guān)鍵指標(biāo)來代表整個簇的指標(biāo)，達到覆蓋盡可能多的信息量和減少重疊指標(biāo)的效果；并且在構(gòu)建質(zhì)量評估模型的第一步驟縮小待評估的指標(biāo)集合，減少后續(xù)步驟的計算量。具體方法將在后續(xù)的章節(jié)中詳細(xì)敘述。

2.2 指標(biāo)量化與數(shù)據(jù)標(biāo)準(zhǔn)化處理

按照指標(biāo)的數(shù)據(jù)類型指標(biāo)，通常被分為定性指標(biāo)和定量指標(biāo)。按照ITU給出的定義，定量指標(biāo)是指可以(利用工具或觀察)衡量的參數(shù)以及量化確定的性能值[18]，如“時延”“接通率”等。這些指標(biāo)的數(shù)據(jù)通常表示為數(shù)值形式，不需要進過量化處理就可以使用。而定性指標(biāo)是主觀參數(shù)，是可利用人工評判和理解來表示的參數(shù)[18]，例如“是否預(yù)處理”“是否延期”等。定性指標(biāo)的數(shù)據(jù)表現(xiàn)為如是否、優(yōu)良中差等文字形式。只有對定性指標(biāo)進行量化以后才能和其他定量指標(biāo)一起用于綜合評價的計算。

定性指標(biāo)又可以分為非順序指標(biāo)和順序指標(biāo)[26]。順序指標(biāo)指的是指標(biāo)之間存在明確的程度大小關(guān)系，可以將指標(biāo)進行排序的指標(biāo)[27]。例如：簡單的“是”“否”可以量化為“1”“0”；而復(fù)雜一點的如通話質(zhì)量參數(shù)數(shù)據(jù)優(yōu)良中差等，影響程度由差到好排序為G1

gi=i/n;i=1,2,…,n

(1)

也可以采取文獻[27]提出的取中位數(shù)的方法。非順序指標(biāo)的數(shù)據(jù)不存在明顯大小關(guān)系，很難用客觀方法進行量化，只能依靠領(lǐng)域?qū)＜医?jīng)驗進行粗略估算。

完成定性指標(biāo)的量化工作后，指標(biāo)之間還存在單位和度量不一樣的問題，必須將數(shù)據(jù)進行標(biāo)準(zhǔn)化處理后才能用于評估網(wǎng)絡(luò)運維質(zhì)量。數(shù)據(jù)標(biāo)準(zhǔn)化處理又稱無量綱化處理[8,11,13-14,27]，是指消除指標(biāo)間不同單位和度量的影響，使其數(shù)據(jù)分布在同一個區(qū)間內(nèi)，用來解決指標(biāo)的可綜合性問題。在數(shù)據(jù)標(biāo)準(zhǔn)化時，需要將指標(biāo)分為成本型指標(biāo)和效益型指標(biāo)。簡單地說，成本型指標(biāo)指的是數(shù)值越大越會對評估對象產(chǎn)生負(fù)面影響的指標(biāo)，效益型指標(biāo)是數(shù)值越大越會給評估對象帶來積極影響的指標(biāo)。假設(shè)某指標(biāo)I有數(shù)據(jù)序列d1,d2,…,dn，其中最大值為dmax，最小值為dmin，使用基于歷史數(shù)據(jù)的0-1標(biāo)準(zhǔn)化方法，可以把數(shù)據(jù)處理為位于[0,1]區(qū)間內(nèi)的標(biāo)準(zhǔn)數(shù)據(jù)d1,d2,…,dn。如果指標(biāo)數(shù)據(jù)全部相同時，將成本型指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化為0，將效益型指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化為1；dmax和dmin不相等時，0-1標(biāo)準(zhǔn)化法計算方法如式(2)所示。

(2)

2.3 確定指標(biāo)權(quán)重

指標(biāo)權(quán)重的確定是構(gòu)建網(wǎng)絡(luò)運維質(zhì)量評估模型的關(guān)鍵問題之一，權(quán)重會對評價結(jié)果產(chǎn)生巨大的影響。給指標(biāo)賦予不同的權(quán)重后，就能進一步聚合成綜合指標(biāo)，運營商就可以不用關(guān)注繁多的原始指標(biāo)數(shù)據(jù)，而是通過分析綜合指標(biāo)得到一段時間內(nèi)網(wǎng)絡(luò)運維質(zhì)量某個方面的波動情況，并以此來判定某個時刻網(wǎng)絡(luò)運維質(zhì)量的狀態(tài)?，F(xiàn)代通信網(wǎng)絡(luò)覆蓋范圍廣、涉及設(shè)備多樣帶來了兩個問題：一是網(wǎng)絡(luò)性能數(shù)據(jù)指標(biāo)過多；二是指標(biāo)間存在復(fù)雜的關(guān)聯(lián)關(guān)系。這兩個問題貫穿網(wǎng)絡(luò)運維質(zhì)量評估模型構(gòu)建的整個流程，尤其給指標(biāo)確定帶來難度。

傳統(tǒng)方法憑借領(lǐng)域?qū)＜医?jīng)驗來確定權(quán)重，這種方法雖然可以突出運營商關(guān)注的重點，體現(xiàn)經(jīng)濟效益規(guī)律，但是缺點也有很多：一是無法客觀地呈現(xiàn)指標(biāo)的重要性差異；二是無法顧及到指標(biāo)間的關(guān)聯(lián)關(guān)系，無法剔除信息重復(fù)的指標(biāo)帶來的影響；另外分析過程還需要耗費大量時間和人力資源。目前很多研究工作[8,11,27-28]提出了一些客觀確定指標(biāo)權(quán)重的方法來減少人工的參與。這些方法希望只通過確定權(quán)重這一步驟來解決上述兩個問題，勢必會增加權(quán)重確定步驟的計算量。本文將考慮指標(biāo)間關(guān)聯(lián)關(guān)系的問題放到指標(biāo)選取步驟，而在確定指標(biāo)權(quán)重時只需要考慮體現(xiàn)指標(biāo)數(shù)據(jù)間的重要程度差異。

通過標(biāo)準(zhǔn)差法來客觀確定指標(biāo)的權(quán)重。標(biāo)準(zhǔn)差又稱均方差，反映了數(shù)據(jù)集中的數(shù)據(jù)偏離均值的程度。對于某個指標(biāo)I，如果不同評估對象的該指標(biāo)的標(biāo)準(zhǔn)差越大，就說明指標(biāo)I對于不同評估對象的數(shù)據(jù)差異性越大，也就能提供更多的信息量，在評估質(zhì)量時將會起到更大的作用，所以權(quán)重也應(yīng)該越大；反之，權(quán)重應(yīng)該越小[11]。具體的計算方法如下：假設(shè)選定n個指標(biāo)構(gòu)成指標(biāo)集K={I1,I2,…,In}，其中某個指標(biāo)Ii的全部評估對象在某段時間內(nèi)的數(shù)據(jù)序列為Di={d1,d2,…,dm}，其均值為Avgi，則指標(biāo)Ii的標(biāo)準(zhǔn)差可以根據(jù)式(3)計算:

(3)

則指標(biāo)Ii的權(quán)重wi為：

(4)

2.4 建立評價模型

完成上述工作后需要確定評價公式將權(quán)重和指標(biāo)數(shù)據(jù)結(jié)合起來，得到定量的評估結(jié)果，結(jié)合適當(dāng)?shù)目梢暬故?，可以輔助相關(guān)人員分析評估對象的質(zhì)量變化情況。常用的評價公式有線性加權(quán)和、對數(shù)線性加權(quán)和以及混合加權(quán)和等方法。本文采用線性加權(quán)和的方法來計算網(wǎng)絡(luò)運維質(zhì)量評估結(jié)果。假設(shè)選定指標(biāo)集合K={I1,I2,…,In}，運用標(biāo)準(zhǔn)差法算得權(quán)重集合為W={w1,w2,…,wn}，該指標(biāo)集在某一時刻經(jīng)過量化和標(biāo)準(zhǔn)化處理的數(shù)據(jù)為D={d1,d2,…,dn}，則這個時刻的評估結(jié)果為：

score=d1·w1+d2·w2+…+dn·wn

(5)

該結(jié)果為[0,1]區(qū)間的一個數(shù)值，按同樣方法計算出各個時刻的評估結(jié)果后可以得到網(wǎng)絡(luò)運維質(zhì)量結(jié)果序列，可以將其可視化展示為網(wǎng)絡(luò)運維質(zhì)量變化曲線，再進一步進行分析。

3 基于相關(guān)性分類的指標(biāo)選取策略

3.1 算法思想

指標(biāo)選取是構(gòu)建網(wǎng)絡(luò)運維質(zhì)量評估模型的第一步，指標(biāo)選取是否合理將會影響后續(xù)步驟的計算復(fù)雜程度和最終的評估效果。如上文提到的，指標(biāo)選取需要遵循三個原則：精簡性、代表性和不重疊性。這三個原則指的是在選擇指標(biāo)時，需要用盡量少的指標(biāo)，盡量全面而又不重疊地覆蓋原數(shù)據(jù)的信息量。

而在現(xiàn)有的指標(biāo)選取方法中，人工選取依賴專家經(jīng)驗，只能體現(xiàn)運營商關(guān)注的重點卻無法保障這三個原則，同時需要耗費大量人力資源；常用的主成分分析法運用降維的思想，將多指標(biāo)轉(zhuǎn)化為少數(shù)幾個主成分指標(biāo)，但存在信息丟失的問題。本文提出的基于相關(guān)性分類的指標(biāo)選取策略旨在通過分析指標(biāo)數(shù)據(jù)序列之間的相關(guān)性，挖掘指標(biāo)之間的關(guān)聯(lián)關(guān)系以此來減少評估指標(biāo)信息間的重疊，最終形成全面客觀的指標(biāo)體系。

相關(guān)性又稱相關(guān)系數(shù)，是用來反映變量之間相關(guān)程度的統(tǒng)計指標(biāo)。相關(guān)系數(shù)不只有一種，常見的有皮爾遜相關(guān)系數(shù)等。自然科學(xué)界存在著廣泛的相關(guān)關(guān)系，如植物的生長與光照時長、電壓相同的情況下電流與電阻等。利用相關(guān)性來判斷變量間關(guān)系的相關(guān)分析法已經(jīng)在社會學(xué)、生物學(xué)、經(jīng)濟學(xué)等多個領(lǐng)域得到應(yīng)用并取得了一定成效。通信網(wǎng)絡(luò)的性能指標(biāo)之間也存在著相關(guān)性，比如無線數(shù)據(jù)中“上行物理資源模塊(Physical Resource Block, PRB)平均利用率”和“下行PRB平均利用率”。物理資源模塊(PRB)是指是頻域上12個連續(xù)的載波的資源，“上行PRB平均利用率”和“下行PRB平均利用率”指的是分別在上載和下載時物理資源模塊的平均利用率，這兩個指標(biāo)是評價無線性能的常用指標(biāo)。圖1統(tǒng)計了一個月內(nèi)這兩個指標(biāo)的數(shù)據(jù)序列波動情況，橫坐標(biāo)為時間，縱坐標(biāo)為數(shù)據(jù)值。其中虛線為上行PRB平均利用率，實線為下行PRB平均利用率。兩者的波動趨勢基本相同，而且在后期計算過程中發(fā)現(xiàn)兩者之間的確具有相關(guān)性，而這兩個指標(biāo)卻都在人工選取的指標(biāo)體系中，這勢必會對評價結(jié)果產(chǎn)生影響。通過指標(biāo)間相關(guān)性比較，把具有高度相關(guān)性的指標(biāo)歸為一簇，將原始指標(biāo)集合劃分為多個簇，在每個簇中選取具有代表性的指標(biāo)，以此來達到降維的效果。

圖1 上/下行PRB平均利用率統(tǒng)計

3.2 方法描述

為了計算指標(biāo)間的相關(guān)性，需要引入互相關(guān)函數(shù)的概念?；ハ嚓P(guān)在統(tǒng)計學(xué)中表示為兩個隨機矢量間的協(xié)方差，而互相關(guān)函數(shù)用于信號分析領(lǐng)域時，描述的是兩個隨機信號或是兩個時間序列之間的相關(guān)程度。網(wǎng)絡(luò)性能、維護等數(shù)據(jù)都帶有時間標(biāo)簽，因此指標(biāo)數(shù)據(jù)也是一種離散的時間序列數(shù)據(jù)。

(6)

在實際操作時也可以使用Matlab自帶的corrcoef函數(shù)來完成計算，使用這個函數(shù)計算得到的結(jié)果是一個2×2的矩陣，其主對角線是序列的自相關(guān)系數(shù)，恒為1。需要的互相關(guān)系數(shù)位于副對角線。

rij是處于[-1,1]區(qū)間的一個數(shù)值，它只能代表指標(biāo)的線性相關(guān)性，正負(fù)號只表示相關(guān)的方向，只需要使用它的絕對值來代表相關(guān)性的程度。對于相關(guān)系數(shù)的大小所表示的相關(guān)程度，在業(yè)界還沒有統(tǒng)一的說法。文獻[5]提出當(dāng)|rij|處于[0.4，0.7)區(qū)間時表示顯著相關(guān)，|rij|處于[0.7，1]區(qū)間時表示高度相關(guān)。也有說法表示相關(guān)系數(shù)|rij|處于[0.3，0.5)區(qū)間表示實相關(guān)，處于[0.5，0.8)區(qū)間表示顯著相關(guān)，處于[0.8，1]區(qū)間表示高度相關(guān)等。

接下來，將指標(biāo)間存在相關(guān)性的描述抽象成指標(biāo)相關(guān)性圖來說明指標(biāo)選取策略。每個指標(biāo)Ii對應(yīng)一個圖中的一個節(jié)點Ni，如果兩個指標(biāo)Ii和Ij之間存在相關(guān)性，則存在連接它們對應(yīng)節(jié)點Ni和Nj的邊E(i,j)=1,否則E(i,j)=0。另設(shè)Vij=1/|rij|，用于表示節(jié)點Ni和Nj之間的距離，Vij越大，節(jié)點間的距離就越大。整個指標(biāo)相關(guān)性圖成為一個無向圖，設(shè)置閾值T來對無向圖進行剪邊，公式為：

(7)

剪邊是將低于閾值T的|rij|所對應(yīng)的E(i,j)設(shè)為0，表示認(rèn)為指標(biāo)Ii和Ij間相關(guān)性微弱，默認(rèn)為不相關(guān)。剪邊將原本的無向圖劃分為數(shù)個不連通的子圖。利用某運營商公司2017年5月某小區(qū)的無線網(wǎng)絡(luò)優(yōu)化數(shù)據(jù)，分析兩兩指標(biāo)間的相關(guān)性，如果定義閾值T為0.5進行剪邊，可以得到如圖2的剪邊結(jié)果示意圖，其中每個標(biāo)有數(shù)字的節(jié)點都代表一個指標(biāo)，連線代表兩個指標(biāo)之間具有相關(guān)關(guān)系。在圖2中，有的子圖只有單個節(jié)點，它們不與其他任何節(jié)點相連，也就是和其他指標(biāo)都沒有相似性，稱這些單個節(jié)點的指標(biāo)為孤立指標(biāo)；而另外一些子圖，它們由數(shù)個節(jié)點和邊相連構(gòu)成了連通圖，表示這些相連節(jié)點的指標(biāo)存在信息量上的相似性。

圖2 剪邊后的指標(biāo)相關(guān)性圖

需要注意的是，閾值T的選擇需要根據(jù)具體的情況選擇：T過小會導(dǎo)致丟失信息，過大會導(dǎo)致出現(xiàn)大量的孤立指標(biāo)。雖然孤立指標(biāo)反映了和其他指標(biāo)都不重疊的信息，但是將所有孤立指標(biāo)都納入指標(biāo)集會帶來評估指標(biāo)集不精簡、評估結(jié)果沒有針對性等問題。如何在孤立指標(biāo)中選擇合適的評估指標(biāo)仍然是業(yè)界的一個難題?？梢允褂蒙衔奶岬降闹笜?biāo)權(quán)重確定方法來對孤立指標(biāo)進行排序，選擇重要性高的指標(biāo)加入評估指標(biāo)體系，或者參考領(lǐng)域?qū)＜医?jīng)驗選取運營商普遍關(guān)注的指標(biāo)。

除去孤立指標(biāo)外，需要在那些被劃分為一簇的指標(biāo)中選取一個或多個指標(biāo)來代表這一類指標(biāo)的信息量。選取的原則是盡量選取位于中心的指標(biāo)。使用圖論和網(wǎng)絡(luò)分析中代表節(jié)點重要性的中心性屬性來衡量一個點在類中的重要程度。根據(jù)對節(jié)點重要性的解釋不同，中心性的度量方法也有所不同。最常用的幾種方法有度中心性、接近中心性和中介中心性等。度中心性比較節(jié)點間的度，即與節(jié)點相關(guān)聯(lián)的邊數(shù)，節(jié)點的度越大，其度中心性越高，表示它在圖中連接的其他節(jié)點越多，也就越重要。節(jié)點Ni的度中心性DCi的計算公式為：

(8)

接近中心性度量節(jié)點到其他節(jié)點的加權(quán)路徑，到其他節(jié)點的平均最短加權(quán)路徑越小的節(jié)點，它的接近中心度越大，表示它距離其他節(jié)點越近。計算接近中心性時需要先計算出節(jié)點間的最短路徑，可以使用迪杰斯特拉算法來計算最短路徑。假設(shè)節(jié)點Ni和Nj間的最短路徑為集合Pathij={p1,p2,…,pl}，最短路徑對應(yīng)的權(quán)重集合PaWij={v1,v2,…,vl}。在同一個類中的節(jié)點Ni和Nj間必存在路徑，因為類中的指標(biāo)相關(guān)性圖是一個連通圖，任何一個節(jié)點經(jīng)過有限條邊必定能到達另外一個節(jié)點，即Pathij中必定含有一條起始于Ni的邊和一條以Nj為終點的邊，最短路徑集合的長度l大于等于1；而不在同一個集合內(nèi)的節(jié)點間不存在路徑，最短路徑集合為空集，長度為0，那么，接近中心度CCi的計算公式為：

(9)

中介中心性指一個節(jié)點作為其他節(jié)點間最短路徑的中間節(jié)點的次數(shù)，作為中間節(jié)點的次數(shù)越多，中介中心性就越高。文獻[29]詳細(xì)介紹了計算某點Nv的中介中心性的方法，可以概括為2步：首先需要找出所有節(jié)點對間的最短路徑，然后找出經(jīng)過Nv的最短路徑的數(shù)量。如果一個節(jié)點Nv在節(jié)點Ns和Nt的最短路徑上，那么Ns到Nv和Nv到Nt都需要是最短路徑。節(jié)點Nv對于一對節(jié)點Ns和Nt的中介中心性BCst為：

(10)

假設(shè)所有節(jié)點的集合為N，那么節(jié)點Nv的總中介中心性為：

(11)

文獻[29]對計算中介中心性的算法作出了改進，這里不展開敘述。

得到所有節(jié)點的中心性后，選擇簇中代表指標(biāo)的問題可以抽象為頂點覆蓋(Vertex Cover)問題。頂點覆蓋問題是指在組成無向圖的點集中選擇一個最小的子集，并且使得無向圖的所有邊都至少有一個端點在這個子集中。本文的目的是，希望在簇中選出的指標(biāo)能夠覆蓋到盡可能多的相關(guān)關(guān)系，以保證指標(biāo)的代表性而且能精簡掉更多的指標(biāo)。也就是說，如果假設(shè)每個指標(biāo)Ii對應(yīng)連通圖中的一個節(jié)點Ni，兩個指標(biāo)Ii和Ij相似則對應(yīng)節(jié)點Ni和Nj間存在的邊E(i,j)=1的話，本文的目標(biāo)和解決Vertex Cover問題相似，對于任意的邊E(i,j)=1，選擇出的點集N*盡可能小，且其中必存在節(jié)點Ni或Nj。

另設(shè)構(gòu)成剪邊后的子圖G的是含有n個點的點集N={N1,N2,…,Nn}(n≥1)，以及邊的集合E={E(i,j)|i≤n,j≤n,i

算法1 簇中代表指標(biāo)選取。

輸入：子圖G；

輸出：點集N*。

1)

計算子圖G中所有點Ni的中心度Ci；

2)

選擇具有最大中心度的點Nmax加入點集N*；

3)

從子圖G中刪除點Nmax以及和點Nmax相連的邊和點；

4)

重復(fù)第2)步直到子圖G的點被全部刪除；

5)

返回點集N*。

4 實驗

實驗使用的數(shù)據(jù)為某地區(qū)2016年11月份和2017年5月份的無線網(wǎng)絡(luò)優(yōu)化數(shù)據(jù)，共記錄4 034個基站的無線網(wǎng)絡(luò)性能信息。每條數(shù)據(jù)的最前面4個字段分別是“時間戳”“小區(qū)標(biāo)識碼ECI”“基站標(biāo)識碼DN”和“小區(qū)名稱”，通過這4個字段可以定位到覆蓋某小區(qū)的基站在某一時刻的無線網(wǎng)絡(luò)信息。另外，數(shù)據(jù)還記錄了“RRC連接重建成功次數(shù)”“小區(qū)最大發(fā)射功率”“無線接通率”“無線掉線率”等共596個指標(biāo)字段。

在選取指標(biāo)的步驟中，為了選擇更加適合實際數(shù)據(jù)的閾值T，使用某運營商2017年5月數(shù)據(jù)中的264 584條作為測試數(shù)據(jù)。首先，統(tǒng)計了兩兩指標(biāo)間的相關(guān)性分布，如圖3所示。其中橫坐標(biāo)是指標(biāo)間的相關(guān)性，分布在[0,1]區(qū)間，縱坐標(biāo)是位于對應(yīng)區(qū)間的相關(guān)性的個數(shù)。文獻[5]中提到業(yè)界常用的相關(guān)性系數(shù)對應(yīng)相關(guān)程度的區(qū)間分布，主要有兩種說法：一種是認(rèn)為相關(guān)性處于[0.4，0.7)區(qū)間時表示顯著相關(guān)，處于[0.7，1]區(qū)間時表示高度相關(guān)；另一種說法表示相關(guān)性處于[0.3，0.5)區(qū)間表示實相關(guān)，處于[0.5，0.8)區(qū)間表示顯著相關(guān)，處于[0.8，1]區(qū)間表示高度相關(guān)。這兩種方法都是統(tǒng)計學(xué)中常用的相關(guān)性閾值的經(jīng)驗法則。為了使參數(shù)更加適合網(wǎng)絡(luò)運維質(zhì)量的評估，選擇兩種經(jīng)驗法則中閾值的端點0.3、0.4、0.5、0.7和0.8這5個值，比較不同閾值得到的指標(biāo)集合對人工選取的指標(biāo)的覆蓋度。

圖3 指標(biāo)間相關(guān)性統(tǒng)計

以閾值T等于0.4為例，利用基于相關(guān)性的指標(biāo)選取算法得到38個指標(biāo)簇和196個孤立指標(biāo)。剔除領(lǐng)域?qū)＜冶硎静粫褂玫姆?wù)質(zhì)量類別識別符(Quality of service Class Identifier, QCI)指標(biāo)，即一組為了減少接口上的控制信令數(shù)據(jù)傳輸量并且使設(shè)備或系統(tǒng)間的互連更加容易的度量值指標(biāo)后，得到包含77個指標(biāo)的關(guān)鍵指標(biāo)集合。領(lǐng)域?qū)＜疫x取的指標(biāo)共有36個，該集合與專家選取的指標(biāo)共有18個相同指標(biāo)，覆蓋度為50%。利用同樣的方法，得到使用其他閾值對專家選取指標(biāo)的覆蓋率，如表1所示。

表1 使用不同閾值對人工指標(biāo)的覆蓋率對比

根據(jù)統(tǒng)計結(jié)果，當(dāng)選擇0.7作為閾值時，關(guān)鍵指標(biāo)集合對于人工指標(biāo)的覆蓋度最高，也符合經(jīng)驗法則中相關(guān)性處于[0.7,1]時表示高度相關(guān)的說法。因此，使用0.7作為剪邊的閾值T，去掉QCI指標(biāo)后可以得到19個指標(biāo)簇和76個孤立指標(biāo)。

從覆蓋率上可以看出，利用本文方法選擇的指標(biāo)和領(lǐng)域?qū)＜疫x擇的指標(biāo)很大部分是重疊的，這也印證了本文方法的正確性和實用性。為了能在同等條件下進一步比較本文構(gòu)建的指標(biāo)集與專家構(gòu)建的指標(biāo)集的質(zhì)量，除了簇中代表指標(biāo)外，規(guī)定選擇的孤立指標(biāo)的個數(shù)，使得到的關(guān)鍵指標(biāo)個數(shù)與人工選取的相同，都為36個。根據(jù)指標(biāo)選取的原則，指標(biāo)集應(yīng)該盡可能覆蓋攜帶不同信息量的信息，也就是評估指標(biāo)集中的指標(biāo)相關(guān)性應(yīng)該越小越好。因此，為了評估基于相關(guān)性的指標(biāo)選取策略的效果，使用指標(biāo)集合內(nèi)部的相關(guān)性平均數(shù)AC來衡量待評估指標(biāo)集的信息的不重疊程度。計算公式如下：

(12)

進行比較的兩個指標(biāo)集都使用某運營商2017年5月份數(shù)據(jù)中的24 702條，根據(jù)式(12)計算得到人工指標(biāo)集的相關(guān)性平均數(shù)ACh為0.085 8，而基于相關(guān)性的指標(biāo)選取算法所得的關(guān)鍵指標(biāo)集的相關(guān)性平均數(shù)ACm為0.059 1，低于前者31%。可以看出在兩個指標(biāo)集的指標(biāo)個數(shù)相同、相似性較高的情況下，基于相關(guān)性的指標(biāo)選取算法得到的指標(biāo)集合的指標(biāo)相關(guān)性更低、結(jié)構(gòu)更加稀疏，信息更加全面。

然后，將基于相關(guān)性選擇的36個關(guān)鍵指標(biāo)代入到網(wǎng)絡(luò)運維質(zhì)量評估模型中，可以得到如圖4的某小區(qū)基站在2016年11月份的網(wǎng)絡(luò)質(zhì)量分?jǐn)?shù)變化曲線，其中橫坐標(biāo)是時間節(jié)點，縱坐標(biāo)是某個時間節(jié)點的性能評分，分?jǐn)?shù)在[0,1]區(qū)間內(nèi)。定位到某個時刻可以看到該基站此時的網(wǎng)絡(luò)質(zhì)量評分，一段時間的評分結(jié)果可以反映該基站的網(wǎng)絡(luò)質(zhì)量波動，可以協(xié)助運維人員排除故障原因，挖掘故障規(guī)律。

通過咨詢領(lǐng)域?qū)＜遥私獾交镜男阅苜|(zhì)量低下可以關(guān)聯(lián)到告警數(shù)據(jù)中“EnodeB”類型告警；因此推測，評分曲線中凹點對應(yīng)的時間前后或者評分的下降幅度超過一定比例時將會會出現(xiàn)“EnodeB”類型的告警。為了驗證評估模型的準(zhǔn)確性，將基站的評分、評分導(dǎo)數(shù)和該基站產(chǎn)生的告警結(jié)合起來，得到了如圖5的某基站的告警-評分對應(yīng)圖。在圖5中，橫坐標(biāo)是時間，單位為h，縱坐標(biāo)是評分結(jié)果。其中，縱坐標(biāo)值在0.8上下波動的線條是分?jǐn)?shù)變化曲線，縱坐標(biāo)值在0上下波動線條是評分的一階導(dǎo)數(shù)，豎直線條對應(yīng)的橫坐標(biāo)值代表在該時刻發(fā)生了告警?？梢钥闯霭l(fā)生告警的時刻都是分?jǐn)?shù)的凹點或一階導(dǎo)數(shù)的凹點，證明了質(zhì)量評估模型的正確性，但是，在圖中還存在一些凹點并沒有發(fā)生告警，說明模型存在誤報的問題。探究其原因，可能的是指標(biāo)中包含一些不足以產(chǎn)生“EnodeB”型告警的指標(biāo)，比如“切換成功率”“無線利用率”等。這類指標(biāo)數(shù)值的低下無疑反映了一段時間內(nèi)網(wǎng)絡(luò)性能質(zhì)量存在問題，但這類問題會自然恢復(fù)，不會產(chǎn)生需要相關(guān)人員處理的告警。

圖4 性能分?jǐn)?shù)變化曲線

圖5 基站告警-評分對應(yīng)圖

5 結(jié)語

本文總結(jié)了構(gòu)建網(wǎng)絡(luò)運維質(zhì)量評估模型的一般化流程，并提出了一種基于指標(biāo)間互相關(guān)性的指標(biāo)選取方法。該方法基于指標(biāo)間的互相關(guān)性對原始指標(biāo)集進行分類，并利用中心度的概念來選擇最具有代表性的指標(biāo)，完成關(guān)鍵指標(biāo)集合的構(gòu)建。實驗證明該指標(biāo)集對人工選取的評估指標(biāo)集有較高的覆蓋度，能夠?qū)δ壳斑\營商使用的評估指標(biāo)作出補充和修正。本文還整合了0-1數(shù)據(jù)標(biāo)準(zhǔn)化法和標(biāo)準(zhǔn)差權(quán)重確定方法建立了網(wǎng)絡(luò)運維評估模型，該模型可以輔助運維人員監(jiān)控網(wǎng)絡(luò)質(zhì)量，挖掘網(wǎng)絡(luò)故障規(guī)律。本文利用實際數(shù)據(jù)驗證評分結(jié)果對告警具有較高的預(yù)測準(zhǔn)確度，但是存在很多誤報。為了進一步完善模型，接下來將通過廣泛的實驗，利用歷史告警發(fā)生前后的評分情況、評分波動程度等作為特征，制定告警判定標(biāo)準(zhǔn)，減少誤報，提高預(yù)測準(zhǔn)確率。