基于AI建模的寬帶弱光問題精準定界方法

張素琴 曾 光 宋其平 王曉雷 中國移動通信集團江西有限公司 南昌市 330038

0 引言

黨的十八大以來，習近平同志圍繞網(wǎng)絡強國建設發(fā)表一系列重要論述，要求我們以人民為中心，要適應人民期待和需求，加快信息化服務普及，降低應用成本，為老百姓提供用得上、用得起、用得好的信息服務，讓億萬人民在共享互聯(lián)網(wǎng)發(fā)展成果上有更多獲得感。

江西移動積極響應國家號召，開展家庭寬帶“818”免費送活動，公司寬帶業(yè)務飛速發(fā)展、ODN規(guī)模迅速膨脹，ODN質(zhì)量管理卻沒有齊頭并進，寬帶弱光問題影響客戶感知，客戶滿意度出現(xiàn)逐漸下滑趨勢。對影響用戶上網(wǎng)滿意度的弱光問題進行寫生解剖、細分原因，發(fā)現(xiàn)家寬“弱光率較高、問題定界困難”主要體現(xiàn)在以下四方面：

（1）入戶光纜不受控、骨干及分支光纜損耗大、分光器老化，導致弱光率高，無有效定界手段，需要反復上站，整治一個ONU弱光需要120分鐘，效率低下。

（2）組網(wǎng)不合理，分光比超限（1∶8＊1∶16分光）場景無法判定。

（3）弱光數(shù)據(jù)未經(jīng)分析或采取簡單統(tǒng)計分析，無法準確界定骨干、分支、入戶弱光場景，直接派單給一線維護人員處理，超出維護人員職責范圍，可能引起部門之間互相推諉，整治效果差。

（4）傳統(tǒng)弱光數(shù)據(jù)采集，采用單次定時同步策略方式，受用戶關機、設備繁忙等因素影響，導致弱光數(shù)據(jù)采集率低（60%~70%），無法有效支撐弱光數(shù)據(jù)分析。

針對接入網(wǎng)弱光率整治效率低、準確率低等問題，筆者引入AI聚類分類算法，通過五個創(chuàng)新舉措，實現(xiàn)主干弱光、分支弱光、入戶弱光、分光比超限、反復弱光等場景精確識別，自動輸出地市弱光設備和定界原因。弱光指標主動推送網(wǎng)格，根據(jù)運維人員位置，推送附近弱光用戶，并提供導航功能，引導運維人員主動上門整治，提升客戶滿意度。

1 AI算法精準識別四種弱光場景

（1）特征提?。翰捎镁垲恔-means++算法，在ONU收發(fā)光功率的平面，同一個分光器分支下的ONU因為物理路徑一致，應該形成稠密的規(guī)律分布；將PON口下每個ONU的光功率原始數(shù)據(jù)，轉(zhuǎn)換為更能代表預測模型的基礎問題的特征，從而提高模型對于不規(guī)則數(shù)據(jù)的準確性。

（2）根因分析：收集現(xiàn)場數(shù)據(jù)樣本，采用樸素貝葉斯分類算法，通過已知的特征的條件概率，現(xiàn)場PON口ONU收光功率的特征情況，訓練模型判定弱光根本原因，判定骨干、分支、入戶、分光比超限等光纖故障，有效提升ONU弱光整治效率。

圖1 AI算法精準識別弱光場景圖

2 通過增量采集、差分規(guī)避的方式，優(yōu)化數(shù)據(jù)采集

（1）增量采集：由于用戶關機，設備繁忙等因素影響光功率數(shù)據(jù)未采集到，則用15天內(nèi)最新一次采集到數(shù)據(jù)進行填充。

（2）差分規(guī)避：每天對光功率數(shù)據(jù)進行4次采集，規(guī)避設備繁忙、減少ONU關電、采集失敗對ONU光功率采集影響。

通過增量采集、差分規(guī)避的采集方式，使ONU光功率采集率由60%提升至95%，并對長期無法采集光功率的設備進行分析處理，使基礎網(wǎng)絡指標可管可控。樣本數(shù)量的提升，支撐AI 建模弱光定界準確率提升到95%。

圖2 增量采集及差分規(guī)避實施架構(gòu)圖

3 打通系統(tǒng)接口，自動輸出設備弱光定界原因

圖3 弱光整治端到端流程拉通圖

拉通數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)分析、數(shù)據(jù)呈現(xiàn)端到端流程，整個弱光定界過程不依賴綜合資源管理系統(tǒng)中的數(shù)據(jù)。自動輸出地市弱光設備及定界原因，自動輸出弱光整治報表，便于后臺人員跟蹤。AI平臺與數(shù)據(jù)采集平臺進行解耦，AI建模定界弱光問題，可適配所有PON網(wǎng)管廠家，打破了原來AI分析只能分析特定PON網(wǎng)管廠家數(shù)據(jù)的局面。最終實現(xiàn)自動下發(fā)弱光整治任務給一線維護人員，同時為一線人員提供精準的弱光定界原因，指導其開展弱光整治工作。

4 創(chuàng)新拉通IHGU軟探針數(shù)據(jù)，實現(xiàn)反復弱光問題動態(tài)監(jiān)控

首先提取ONU 收發(fā)光數(shù)據(jù)時間序列特征；其次，通過時間序列數(shù)據(jù)的平穩(wěn)性檢驗方法，使用AI算法訓練，建立各種故障光路指標特征模型；最后，定界光模塊劣化，光纖彎曲、工程施工、ONU設備故障等導致的反復弱光問題。

不穩(wěn)定光路特征表現(xiàn)出趨勢一致，ONU或光模塊原因則會有不一致性體現(xiàn)。網(wǎng)絡改造引起光距及分光比變動可及時發(fā)現(xiàn)并處理，最終實現(xiàn)反復弱光原因精準定位。

5 弱光指標直送網(wǎng)格，主動運維客戶寬帶質(zhì)量

弱光指標關聯(lián)網(wǎng)格，根據(jù)維護員位置精準推送附近弱光問題，實現(xiàn)寬帶質(zhì)量主動運維。

6 結(jié)束語

本文針對家庭寬帶弱光整治效率低、弱光定界準確度低等問題，引入AI聚類分類算法、弱光直送網(wǎng)格等創(chuàng)新舉措，在成本節(jié)約、效率提升、網(wǎng)絡質(zhì)量和客戶滿意度提升方面取得了較大成效，具有實用價值。

圖4 弱光指標關聯(lián)網(wǎng)格，引導一線人員主動弱光整治功能圖