網絡性能分析以及網絡故障定位方法和裝置的製作方法

2023-05-03 02:34:06 3

專利名稱：網絡性能分析以及網絡故障定位方法和裝置的製作方法
技術領域：
本發明涉及移動通信領域，尤其涉及一種網絡性能分析以及網絡故障定位 技術。
背景技術：
移動通信系統的網絡質量已成為運營商的核心竟爭力之一。為了鞏固移動 通信系統的網絡質量，提升用戶滿意度，運營商在網絡優化維護過程中不僅需 要解決最基本的網絡硬體故障或告警，還需要對各項網絡性能指標的波動進行 監控和分析，從而及時發現網絡中潛在的問題，並在影響用戶感知之前將這些 潛在的問題排除。
目前的網絡優化維護過程中，可用的網絡性能指標多達上千項，各項網絡 性能指標之間的關係錯綜複雜，每項網絡性能指標的異常波動可能是由於不同 原因引起的，而且網絡的漣漪效應導致一個問題的出現會51起周邊一 系列問題 的連鎖產生。因此對於網絡優化維護人員來說，網絡性能分析不僅僅需要著眼
於問題發生時的情況，還需要分析該問題發生前後網絡性能的變化；定位該問 題的根本原因時，也不能局限於當前問題點，還需要結合網絡周邊情況和網絡 資源、網絡參數等相關信息進行綜合判斷。
以基站斷站引發的周邊網絡性能異常為例說明網絡的漣漪效應，如圖l所 示。假設基站A發生了斷站，其覆蓋區域內用戶設備的話務將被周邊基站(基
站B、 C、 D、 H)吸收，但由於基站A覆蓋區域內的用戶設備距離基站距離B、 C、 D、 H的距離較遠，將引發基站B、 C、 D、 H的切換質量下降、掉話率上 升等問題；經過一段時間(例如l小時)之後，假設基站D覆蓋區域內的話務 量上升，同時由於基站D吸收了基站A的部分話務，將導致基站D的話務量超負荷，由此引發其周邊基站(基站C、 E、 F、 G、 H)向基站D切換時比較 困難，並導致基站D發生TCH擁塞；基站D的TCH擁塞將引發其周邊基站 (基站C、 E、 F、 G、 H)的切換成功率下降，在不能進行最優切換的情況下 將導致基站C、 E、 F、 G、 H的掉話率上升；又經過一段時間(例如2小時) 之後，由於基站F的掉話率升高，在用戶通話多次卻異常中斷的情況下，可能 引發用戶針對掉話問題的投訴。由此可見，由於基站A的斷站，將引起周邊基 站(基站B、 C、 D、 E、 F、 G、 H)的切換成功率下降、掉話率升高、話務量 超負荷、TCH擁塞等一系列問題的連鎖產生，而且上述問題並不是同時出現。
由於網絡性能分析的複雜性和不確定性，目前在進行網絡性能分析時主要 採用人工為主、網管支撐工具為輔的方式。以上述基站F覆蓋區域內的用戶針 對掉話問題的招:訴為例說明網絡性能分析方法。網絡優化維護人員在接收到用 戶針對掉話問題的投訴之後，必然從用戶投訴地點的基站F開始進行網絡性能 分析， 一般包括如下處理流程
步驟l、定位引發掉話問題的基站即故障基站，此處故障基站為基站F;
步驟2、檢索與當前基站出現的問題相關的網絡性能指標；
步驟3、分析檢索到的網絡性能指標；
步驟4、判斷是否能夠定位該掉話問題的根本原因，如果是，則執行步驟 7，如果否，則執行步驟5;
步驟5、判斷是否能檢索到與當前基站出現的問題相關的其它網絡性能指 標，如果是，則執行步驟6，如果否，則執行步驟7;
步驟6、分析檢索到的其它網絡性能指標，並返回執行步驟4;
步驟7、判斷當前基站出現的問題是否與其相鄰基站相關，如果是，則執 行步驟8，如果否，則執行步驟9;
步驟8、篩選與當前基站出現的問題相關的相鄰基站，並返回執行步驟2;
步驟9、定位掉話問題產生的根本原因。
基於上述處理流程，定位掉話問題需要的最小分析量如圖2所示。可以看出，從用戶投訴的掉話問題到定位該掉話問題的根本原因即基站A斷站，需要 分析的相關基站數量達到8個(如果按照現網標準每個基站20個相鄰基站的 規模計算，相關基站會達到幾十個)，需要分析的網絡性能指標達到15項，如 果結合分析每個網絡性能指標所需參照的相關網絡性能指標，總共需要分析幾 十個網絡性能指標在該掉話問題發生前後的變化，而其中超過50%的分析量都 用於排除產生該掉話問題的其它原因的可能性，使得分析效率非常低。此外， 每一步的分析結論和下一步的分析內容都由網絡優化運維人員控制，極有可能 增加更多的無效分析量，甚至得出錯誤的結論。
現有技術中，也可以針對網絡中常見的問題設置判斷樹，然後通過網管系 統根據設定的判斷標準自動判斷預設的各種可能原因。該方案對設定的判斷標 準和判斷樹的準確度和詳細度要求非常高， 一般情況下很難到達，使得定位準 確度比較低。
現有技術中主要存在以下問題
對單一的網絡性能指標進行分析無法定位網絡中存在的問題的根本原因。 例如，同樣是掉話率升高，可能是由於基站載頻故障、頻率幹擾、切換問題、 覆蓋問題等多方面原因造成的，僅從掉話率一個網絡性能指標無法確定掉話率 升高的根本原因。
如果對各項網絡性能指標進行全方位分析，由於在分析之前無法確認與當 前問題相關的網絡性能指標，只能逐一分析排查，將導致大量的分析量用於排 除無關的網絡性能指標，使得分析效率非常低。例如，針對上述由於掉話問題， 為了確定該掉話問題的根本原因，分析過程必須遍歷基站F周邊8個基站的相 關網絡性能指標。
網絡的連漪效應和複雜的網絡結構使得每向問題的根本原因推進一層，所 付出的分析量都呈幾何級數增長，因此很難準確定位問題的根本原因。例如針 對上述掉話問題，假設每個基站只有3~6個相鄰基站的場景下，由於基站A 的斷站導致了周邊8個基站發生了 15項網絡性能指標的異常波動，為了定位基站F的掉話問題的根本原因，網絡性能指標的分析量多達幾十個。而在現網 中，每個基站的相鄰基站一般在20個以上， 一個關鍵位置基站的斷站可能導 致幾十個甚至上百個周邊基站的各項網絡性能指標受到影響。
現有通過預設判定樹和判斷標準的定位問題產生的根本原因的方法，依賴 於網絡優化運維人員的經驗使得其準確度和詳細度有限，僅適用於簡單的應用 場景。應用判斷樹使得每一步的分析結論之間必須是互斥的，即如果得到分析 結論A就必需排除分析結論B,導致在分析並發問題時，無法使用判斷樹。例 如，掉話率升高，可能是由於基站載頻故障、頻率幹擾、切換問題、覆蓋問題 等多種原因造成的，如果某個基站同時發生了載頻故障和覆蓋問題，應用判斷 樹只能得到載頻故障和覆蓋問題兩種原因中的其中一種。
現有的定位網絡產生的根本原因時，在網絡性能分析過程中無法擺脫網絡 優化運維人員的判斷和決策，每一步的分析結論和下一步的分析內容都是由網 絡優化運維人員來決定的。此外，在分析多項網絡性能指標與問題的根本原因 之間的關聯性時，由於不同網絡性能指標之間的時間與空間關聯性都存在模糊 性，需要人為進行關聯。例如，針對上述掉話問題，用戶投訴掉話問題的時間 並不是基站A發生斷站的時間，也不是基站D的話務量超負荷的時間，因此 在對這幾項網絡性能指標進行分析時具有時間模糊性，需要人為確定這幾項網 絡性能指標的時間關聯性。在空間關聯性上同樣存在該情況，例如，用戶投訴 掉話問題的發生區域只是一個大致位置，為了定位故障基站，需要人為進行空 間關聯。

發明內容
本發明提供一種網絡性能分析方法和裝置，用以實現對網絡性能關聯性的 自動分析。
相應的，本發明提供一種基於網絡性能分析的網絡故障定位方法和裝置， 用以減少定位網絡故障時的分析量，提升定位結果的準確度。
8本發明提供一種網絡性能分析方法，包括
才艮據網絡性能分析需求設置時間範圍、距離範圍和網絡屬性；
根據所述時間範圍內接收到的所述距離範圍內的網絡波動信息，確定所述
網絡屬性的相關屬性；
根據所述時間範圍和距離範圍內所述網絡屬性對應的每一個網絡事件與
其相關網絡事件的關聯關係，建立每一個網絡事件的樣本矩陣模型，所述相關
網絡事件包括所述網絡屬性對應的其它網絡事件以及所述相關屬性對應的網
絡事件；
根據各網絡事件的樣本矩陣模型生成所述網絡屬性的矩陣模型，所述矩陣 模型用於描述所述時間範圍和距離範圍內所述網絡屬性及其相關屬性的發生概率。
本發明提供一種網絡性能分析裝置，包括
設置單元，用於才艮據網絡性能分析需求設置時間範圍、距離範圍和網絡屬
性；
確定單元，用於根據所述時間範圍內接收到的所述距離範圍內的網絡波動
信息，確定所述網絡屬性的相關屬性；
分析單元，用於根據所述時間範圍和距離範圍內所述網絡屬性對應的每一 個網絡事件與其相關網絡事件的關聯關係，建立每一個網絡事件的樣本矩陣模 型，所述相關網絡事件包括所述網絡屬性對應的其它網絡事件以及所述相關屬 性對應的網絡事件；
生成單元，用於根據各網絡事件的樣本矩陣模型生成所述網絡屬性的矩陣 模型，所述矩陣模型用於描述所述時間範圍和距離範圍內所述網絡屬性及其相 關屬性的發生概率。
本發明提供一種基於網絡性能分析的網絡故障定位方法，包括
根據網絡故障對應的網絡屬性選擇矩陣模型，所述網絡屬性的矩陣模型用 於描述設定時間範圍和距離範圍內所述網絡屬性及其相關屬性的發生概率；根據所述矩陣模型確定發生概率不小於設定閾值且在所述網絡故障的發
生時間點之前發生的相關網絡事件；
根據確定出的相關網絡事件定位所述網絡故障的根本原因。 本發明提供一種基於網絡性能分析的網絡故障定位裝置，包括 存儲單元，用於存儲各網絡屬性的矩陣模型，每一個網絡屬性的矩陣模型
用於描述設定時間範圍和距離範圍內所述網絡屬性及其相關屬性的發生概率； 選擇單元，用於根據網絡故障對應的網絡屬性選擇矩陣模型； 確定單元，根據所述矩陣模型確定發生概率不'J、於設定閾值且在所述網絡
故障的發生時間點之前發生的相關網絡事件；
定位單元，用於根據確定出的相關網絡事件定位所述網絡故障的根本原因。
本發明提供的網絡性能分析方法和裝置，根據網絡屬性對應的每一個網絡 事件與其相關網絡事件的關聯關係，建立每一個網絡事件的樣本矩陣模型，根 據各網絡事件的樣本矩陣模型生成網絡屬性的矩陣模型，矩陣模型用於描述設 定時間範圍和距離範圍內該網絡屬性及其相關屬性的發生概率。本方案實現了 對網絡性能關聯性的自動分析，同時有效提升了對網絡性能的分析效率。
本發明提供的基於網絡性能分析的網絡故障定位方法和裝置，根據網絡故 障對應的網絡屬性選擇矩陣模型，根據矩陣模型確定發生概率不小於設定閾值 且在網絡故障的發生時間點之前發生的相關網絡事件，從而定位網絡故障的根 本原因。本方案在定位網絡故障時能夠自動選取最優分析路徑，從而減少了分 析量，提高了分析效率，同時有效提升了定位結果的準確度。


圖1為現有技術中網絡的漣漪效應示意圖2為現有技術中定位掉話問題需要的最小分析量示意圖3為本發明實施例中節點距離示意圖；圖4為本發明實施例中網絡的漣漪效應在樣本矩陣模型中的表示方式示意
圖5為本發明實施例中網絡性能分析方法流程圖； 圖6為本發明實施例中基站B高掉話率事件的樣本矩陣模型示意圖； 圖7為本發明實施例中基站F高掉話率事件的樣本矩陣模型示意圖； 圖8為本發明實施例中根據圖6和圖7所示樣本矩陣模型生成的矩陣模型 示意圖9為本發明實施例中網絡性能分析裝置框圖10為本發明實施例中基於網絡性能分析的網絡故障定位方法流程圖； 圖11為本發明實施例中基於網絡性能分析的網絡故障定位裝置框圖。
具體實施例方式
首先定義本發明實施例中涉及的幾個基本概念。網絡事件是指在特定時間 點和特定地點，網絡中發生了特定的問題、網絡資源發生了變動、網絡參數發 生了調整等等；網絡故障是指影響用戶感知和網絡質量，需要儘快解決處理的 網絡事件。
本發明實施例首先提供了網絡性能關聯性的矩陣表示方式。現有數據關聯 性有兩種表示方式， 一種方式是利用相關性函數，計算兩組數據之間的相關係 數R，相關性函數只能表示兩元變量之間的關聯性，對於多元變量之間的關聯 性無法表示。另一種方式是利用多元回歸分析，通過一組多元N階方程式，表 示多元變量之間的關聯性，如果用於分析網絡性能，由於網絡性能指標多達上 千項，則回歸分析需要建立與網絡性能指標對應元數的方程組，如果要求分析 的準確性，則方程的階數至少要達到10階以上，每次回歸分析時的運算量極 大，限制了多元回歸分析在網絡性能分析中的應用。
本發明實施例中結合移動通信網絡結構和網絡性能分析的需求，為每一個 網絡事件建立樣本矩陣模型，該樣本矩陣模型具有三個維度，分別為時間維度(T)、空間維度(S)和屬性維度(A),以上述三個維度為坐標軸，即可建立 三維空間坐標系，坐標系中矩陣點的坐標採用R (T, S， A)表示，以下對每 個維度的含義進行解釋說明。
時間維度(T),表示距離該網絡事件發生時間點的相對時間，取值範圍是 從一 oo到+ oo之間的整數，當T-0時，表示與該網絡事件同時發生；當丁=1 時，表示在該網絡事件的發生時間點之後1個時間單位；當T = 2時表示在該 網絡事件的發生時間點之後2個時間單位；如果T等於負值，例如-X時，表 示在該網絡事件的發生時間點之前X個時間單位。其中，時間單位可以是小時、 分、秒，也可以是天、周、月，可以靈活設定。
空間維度(S)，表示距離該網絡事件發生地點的相對距離，取值範圍是從 0到+ °°之間的整數。當S-0時，表示與該網絡事件在同一地點或同一網元的 覆蓋區域內發生；S-l時，表示距離該網絡事件的發生地點1個距離單位；S -2表示距離該網絡事件的發生地點2個距離單位。距離單位可以是米、千米， 也可以是網元拓樸的節點距離。網元拓樸的節點距離是指將網元拓樸結構以類 似樹型結構展示後，兩個網元之間所間隔的最短拓樸樹節點數量。如圖3所示， 網元CellA與網元NbRCellA的節點距離為1 ，網元CellA與網元NbRCellC的 節點距離為2。
屬性維度(A)，表示屬性名稱，是指與該網絡事件相關的、與網絡性能變 化、波動或網絡異常情況相關的各項網絡性能、網元碌_件故障、網絡事件、網 絡參數的名稱集合。例如A的數值可以為斷站、高掉話率、栽頻故障、某項參 數變化等與網絡性能分析相關的屬性名稱。
樣本矩陣模型中每一個矩陣點的坐標為R(T, S， A),表示距離該網絡事 件的發生時間點T個時間單位，距離該網絡事件的發生地點S個距離單位的某 個網元的A屬性發生變化或異常的相關網絡事件。
以背景技術中基站A斷站為例，說明網絡性能關聯性的矩陣表示方式，即 如何建立基站A斷站(網絡事件)的樣本矩陣模型。基站A發生了斷站， 一小時之後基站D的話務量超負荷，同時導致基站F 的掉話率升高，網絡的漣漪效應在樣本矩陣模型的坐標系中採用如下方式表 示，如圖4所示，其中
X = R(T， S, A) =R(0， 0,斷站)=1,表示當前網絡事件為基站A 斷站，取值為l表示該網絡事件已發生；
Y = R(T, S， A) =R(1， 1，話務量超負荷)=1，表示距離基站A斷 站一個時間單位(1小時)，與基站A距離1個節點距離的網元組中(由於基 站C是基站A的相鄰基站，所以節點距離是l)話務量超負荷，取值為l表示 該網絡事件已發生。
Z = R(T， S, A) =R(1, 2,高掉話率)=1,表示距離基站A斷站一 個時間單位(一小時)，與基站A距離2個節點距離的網元組中(由於基站F 是基站C的相鄰基站，所以節點距離是2)高掉話率，取值為l表示該網絡事 件已發生。
樣本矩陣模型表示了某一 網絡事件與其相關網絡事件的關聯關係。僅一次 或少量的網絡事件的樣本矩陣模型所展示的網絡性能關聯性隨機性較強，需要 根據同 一網絡屬性對應的海量樣本矩陣模型生成該網絡屬性的矩陣模型，矩陣 模型表示了同一類網絡事件的網絡性能關聯性的共同特徵，具有普遍性。網絡 屬性的矩陣模型與每一個網絡事件的樣本矩陣模型一致，同樣具有三個維度， 分別為時間維度(T)、空間維度(S)和屬性維度(A),每一個矩陣點的坐標 同樣採用R(T, S， A)表示，其中
T表示距離坐標原點T個時間單位，S表示距離坐標原點S個距離單位， A表示屬性名稱，每一個維度的含義與樣本矩陣it型一致，不再贅述；每一個 矩陣點的坐標值R表示發生概率，取值範圍是[O, l]。
本發明實施例中，採用矩陣方式表示網絡性能關聯性，可以展現多元網絡 性能波動的關聯性，且對於複雜的關聯性只需適當延伸各維度的取值範圍即 可，具有無限的可擴展性；具有高度的信息濃縮性，僅用三個維度表示即可，大大降低了關聯性的分析量；能夠降低網絡的漣漪效應造成的冗餘信息。從每 一個網絡事件的樣本矩陣模型可以看出，基站D的話務量超負荷將導致周邊基 站C、 E、 F、 G、 H的高掉話率，原本涉及5個相關網絡事件，而採用樣本矩 陣模型，將五個基站的高掉話率表示為相鄰基站(或稱為節點距離為1的網元 組)的高掉話率，並僅用l個矩陣點表示即可，信息量壓縮到原來的20%，進 一步降低了網絡性能關聯性的分析量。通過網絡屬性的矩陣模型可以自動、準 確定位網絡故障的根本原因，可以根據T值小於0的矩陣點確定網絡故障的可 能原因，其準確性由R(T， S, A)的坐標值決定；由於維度T和S為離散變 量，且其取值範圍是一個動態變化的相對範圍，因此解決了以往在網絡性能分 析時存在的時間模糊性和空間模糊性的問題，可以自動完成網絡性能分析，實 現網絡故障的準確、自動定位。
本發明提供了一種網絡性能分析方法，如圖5所示，包括如下處理流程
5501、 根據網絡性能分析需求設置時間範圍、距離範圍和網絡屬性； 根據網絡性能分析需求，可以確定網絡性能分析的時間範圍、距離範圍和
網絡屬性，例如設置時間範圍是最近30天之內，距離範圍是現網中所有的 網元，網絡屬性是高掉話率。
5502、 根據該時間範圍內接收到的該距離範圍內的網絡波動信息，確定網 絡屬性的相關屬性；
網絡性能分析關注的是網絡性能的變化、異常和故障，以及發生這些現象 時對網絡產生的連帶影響。為了提高分析效率，需要對上千種原始網絡性能數 據進行信息壓縮和預處理，將其中未發生變化的或無異常的數據剝離，僅保留 那些發生變化的、有明顯波動的和異常的信息，例如網絡監控告警信息、網絡 資源變動信息，網絡業務量信息、網絡參數調整記錄、用戶投訴信息等等，本 發明實施例中將上述信息統稱為網絡波動信息。例如，上述基站A斷站導致網 絡的漣漪效應的整個過程中，與高掉話率存在潛在關聯的相關網絡事件包括基 站B、 C、 D、 E、 F、 G、 G切換異常、基站D話務量超負荷、基站D的TCH
14擁塞、基站F的用戶l殳訴和基站A斷站等，則高掉話率的相關屬性包括切換異 常、話務量超負荷、TCH擁塞、斷站等。
S503 、根據該時間範圍和距離範圍內網絡屬性對應的每一個網絡事件與其 相關網絡事件的關聯關係，建立每一個網絡事件的樣本矩陣模型，相關網絡事 件包括網絡屬性對應的其它網絡事件以及相關屬性對應的網絡事件；
將每一個相關網絡事件前後、周邊的網絡性能變化、異常情況按照關聯關 系建立獨立的樣本矩陣^t型。
S504、根據各網絡事件的樣本矩陣模型生成網絡屬性的矩陣模型，其中， 矩陣模型用於描述時間範圍和距離範圍內網絡屬性及其相關屬性的發生概率。
將該網絡屬性對應的各網絡事件(同類事件)的樣本矩陣模型進行迭代求 均值，由於每一個獨立的網絡事件的樣本矩陣模型僅代表了該網絡事件發生時 的網絡表象。但將所有同類事件的樣本矩陣模型進行迭代求均值計算後，最終 生成的網絡屬性的矩陣模型將具有統計概率意義，可用於網絡事件的根本原因 定位和網絡事件的漣漪效應預測。迭代求均值可直接對所有獨立的樣本矩陣模 型的T、 S、 A維度進行運算，將處於相同坐標的R(T， S, A)的坐標值取均 平值，該平均值即為矩陣模型中對應坐標的坐標值，即某項網絡變化或異常的 發生概率。
以背景技術中的例子進行說明，因為基站B、 C、 D、 E、 F、 G、 G都存在 高掉話率問題，最終需建立7個獨立的樣本矩陣模型。基站B高掉話率事件的 樣本矩陣模型如圖6所示，其中
B1=R(0， 0，高掉話率)=1,表示基站B發生了高掉話率事件；
B2 = R(0, 0，切換異常)=1,表示在基站B發生高掉話率事件的同一 時間內，基站B還發生了切換異常事件；
B3 = R(0， 1,高掉話率)=1,表示在基站B發生高掉話率事件的同一 時間內，基站B的相鄰基站(即基站C)中也發生了高掉話率事件；
B4 = R(0， 1,切換異常)=1,表示在基站B發生高掉話率的同一時間內，基站B的相鄰基站(即基站C)中也發生了切換異常事件；
B5 = R(1， 2，切換異常)=1,表示在基站B發生高掉話率的一個時間 單位後，基站B的相鄰基站(基站C)的相鄰基站(基站D、 E)中發生了切 換異常事件；
B6 = R(0, 1，斷站)=1，表示在基站B發生高掉話率事件的同一時間 內，基站B的相鄰基站(即基站A)中發生了斷站事件。
基站F高掉話率事件的樣本矩陣模型，如圖7所示，其中
F1=R(0， 0，高掉話率)=1,表示基站F發生了高掉話率事件；
F2 = R(0， 0，切換異常)=1,表示在基站F發生高掉話率事件的同一時 間內，基站F還發生了切換異常事件；
F3 = R(0, 1,高掉話率)=1,表示在基站F發生高掉話率事件的同一時 間內，基站F的相鄰基站(即基站E、 G)中也發生了高掉話率事件；
F4 = R(0, 1，切換異常)=1，表示在基站F發生高掉話率事件的同一時 間內，基站F的相鄰基站(即基站E、 G)中也發生了切換異常事件；
F5 = R(1, 2，切換異常)=1,表示在基站F發生高掉話率事件之前的一 個時間單位內，基站F的相鄰基站(基站D)的相鄰基站(基站C、 H)中發 生了切換異常事件；
F6 = R(1, 2，斷站)=1,表示在基站F發生高掉話率事件之前的一個時 間單位內，基站F的相鄰基站(基站D)的相鄰基站(基站A)中發生了斷站 事件。
其餘基站高掉話率事件的樣本矩陣模型類似，不再一一贅述。 如圖8所示，為根據基站B和基站F的樣本矩陣模型迭代求均值後得到的 高掉話率的矩陣;漠型，其中
F1/B1=R(0, 0，高掉話率)-1，表示該矩陣模型用於分析高掉話率或 者可以說在該矩陣;漠型中高掉話率是一個必然的情況；
F2/B2 = R(0, 0，切換異常)=1，表示在高掉話率發生時，同一網元有100 %的概率並發切換異常；
F3/B3 = R(0, 1，高掉話率)-1,表示在高掉話率問題發生時，相鄰基 站中也必將發生高掉話率；
F4/B4 = R(0, 1,切換異常)=1,表示在高掉話率發生時，相鄰基站有 100 %的概率並發切換異常；
F5/B5 = R(±1， 2,切換異常)=0.5,表示在高掉話率發生的前後一個 時間單位(l小時)中，相鄰基站的相鄰基站中有50%的概率發生切換異常；
F6 = R(1, 2,斷站)=0.5,表示在高掉話率發生一個時間單位(1小時) 前相鄰基站的相鄰基站中有50 %的相剋率發生斷站；
B6 = R(0, 1，斷站)=0.5,表示在高掉話率發生時，相鄰基站中有50 %的概率發生斷站。
雖然上面的簡單舉例中，僅通過兩個高掉話率事件的樣本矩陣模型得到的 高掉話率的矩陣模型帶有明顯的片面性，但若將大量的高掉話率事件的樣本矩 陣模型進行迭代求均值之後， 一些隨機現象的概率將無P艮趨近於零，而真正該 網絡屬性的相關屬性將被保留下來，由此得到該網絡屬性的矩陣模型。
基於同一技術構思，本發明實施例提供了一種網絡性能分析裝置，如圖9 所示，包括
設置單元901,用於根據網絡性能分析需求設置時間範圍、距離範圍和網 絡屬性；
確定單元902，用於根據所述時間範圍內接收到的所述距離範圍內的網絡 波動信息，確定所述網絡屬性的相關屬性；
分析單元903，用於才艮據所述時間範圍和距離範圍內所述網絡屬性對應的 每一個網絡事件與其相關網絡事件的關聯關係，建立每一個網絡事件的樣本矩 陣模型，所述相關網絡事件包括所述網絡屬性對應的其它網絡事件以及所述相 關屬性對應的網絡事件；
生成單元904，用於根據各網絡事件的樣本矩陣模型生成所述網絡屬性的矩陣模型，所述矩陣模型用於描述所述時間範圍和距離範圍內所述網絡屬性及 其相關屬性的發生概率。 '
基於矩陣模型的網絡性能分析方法包括如下優點
可自動分析網絡性能的歷史數據，並自動生成網絡屬性的矩陣模型，用於 後續網絡故障的定位，加快網絡故障的分析效率；分析計算效率高，濾除了與 網絡性能變化和異常無關的信息，著重分析網絡屬性之間的關聯性；可通過自 動該學習該網絡屬性對應的新的網絡事件，不斷完善矩陣模型的分析精度；整 個矩陣模型的分析過程無需藉助人工輔助，可實現全自動分析，擺脫了對維護 人員經驗和能力的要求；生成的矩陣模型可直接用於該網絡屬性對應的網絡事 件的根本原因定位(即搜索矩陣模型中T0的矩陣點)； 利用矩陣模型分析網絡事件的根本原因時無需對所有網絡性能逐一排查，只需 檢查矩陣模型中R值較大的矩陣點的網絡性能狀態即可，可自動選取最優分析 路徑。
在生成各網絡屬性的矩陣模型基礎上，本發明實施例同時提供一種基於網 絡性能分析的網絡故障定位方法，如圖10所示，包括
51001、 根據網絡故障對應的網絡屬性選擇矩陣模型，其中，網絡屬性的 矩陣模型用於描述設定時間範圍和距離範圍內網絡屬性及其相關屬性的發生 概率。
51002、 根據矩陣模型確定發生概率不小於設定閾值且在該網絡故障的發 生時間點之前發生的相關網絡事件；
該步驟具體包括從所述矩陣模型中選擇時間維度坐標T小於0且坐標值 不小於設定閾值的矩陣點；根據選擇出的矩陣點的空間維度坐標S、時間維度 坐標T和屬性維度坐標A，以及所述網絡故障的發生事件點和發生地點確定相 關網絡事件。
S1003 、根據確定出的相關網絡事件定位該網絡故障的根本原因。較佳的，該方法還包括
根據所述矩陣模型預測發生概率不小於設定閾值且在所述網絡故障的發 生時間點之後發生的衍生網絡事件。
基於同一技術構思，本發明實施例提供了 一種基於網絡性能分析的網絡故 障定位裝置，如圖11所示，包括
存儲單元1101,用於存儲各網絡屬性的矩陣模型，每一個網絡屬性的矩陣 模型用於描述設定時間範圍和距離範圍內所述網絡屬性及其相關屬性的發生 概率；
選擇單元1102，用於根據網絡故障對應的網絡屬性選擇矩陣模型； 確定單元1103,根據所述矩陣模型確定發生概率不小於設定閾值且在所述
網絡故障的發生時間點之前發生的相關網絡事件；
定位單元1104,用於根據確定出的相關網絡事件定位所述網絡故障的根本原因。
較佳的，該裝置還包括預測單元1105，用於根據所述矩陣模型預測發生概 率不小於設定閾值且在所述網絡故障的發生時間點之後發生的衍生網絡事件。
本發明實施例提供的網絡故障定位方法，利用網絡屬性的矩陣模型實現了 網絡性能時間、空間和多指標之間關聯性的量化展示，通過多個指標之間的關 聯性定位問題的根本原因。利用矩陣模型可在網絡性能分析中自動獲得最佳分 析路徑，以最小的分析量獲得準確的分析結果；可自動識別和分析網絡漣漪效 應的影響，忽視與問題原因無關的衍生問題；無需人為設定判斷條件或判斷樹， 並可識別多問題並發的複雜網絡故障的根本原因；通過矩陣模型的離散特性實 現各類網絡性能的時間模糊性、空間模糊性的自動匹配問題，整個網絡性能分 析過程無需人為參與即可獲得最終結果。
明的精神和範圍。這樣，倘若本發明的這些修改和變型屬於本發明權利要求及 其等同技術的範圍之內，則本發明也意圖包含這些改動和變型在內。
19
權利要求
1、一種網絡性能分析方法，其特徵在於，包括根據網絡性能分析需求設置時間範圍、距離範圍和網絡屬性；根據所述時間範圍內接收到的所述距離範圍內的網絡波動信息，確定所述網絡屬性的相關屬性；根據所述時間範圍和距離範圍內所述網絡屬性對應的每一個網絡事件與其相關網絡事件的關聯關係，建立每一個網絡事件的樣本矩陣模型，所述相關網絡事件包括所述網絡屬性對應的其它網絡事件以及所述相關屬性對應的網絡事件；根據各網絡事件的樣本矩陣模型生成所述網絡屬性的矩陣模型，所述矩陣模型用於描述所述時間範圍和距離範圍內所述網絡屬性及其相關屬性的發生概率。
2、 如權利要求1所述的方法，其特徵在於，所述每一個網絡事件的樣本 矩陣模型具有時間維度、空間維度和屬性維度，每一個矩陣點的坐標採用R(T, S， A)表示，其中T表示距離所述網絡事件的發生時間點T個時間單位；S表示距離所述網 絡事件的發生地點S個距離單位；A表示屬性名稱；所述相關網絡事件的矩陣 點的坐標值R為1。
3、 如權利要求2所述的方法，其特徵在於，所述網絡屬性的矩陣模型具 有時間維度、空間維度和屬性維度，每一個矩陣點的坐標採用R (T, S， A) 表示，其中T表示距離坐標原點T個時間單位；S表示距離坐標原點S個距離單位； A表示屬性名稱；每一個矩陣點的坐標值R表示發生概率。
4、 如權利要求3所述的方法，其特徵在於，所述根據各網絡事件的樣本 矩陣模型生成所述網絡屬性的矩陣模型，具體包括對所有樣本矩陣模型中坐標相同的矩陣點的坐標值取平均值；並將每一個坐標對應的平均值作為所述矩陣模型中所述坐標的坐標值。
5、 一種網絡性能分析裝置，其特徵在於，包括設置單元，用於根據網絡性能分析需求設置時間範圍、距離範圍和網絡屬性；確定單元，用於根據所述時間範圍內接收到的所述距離範圍內的網絡波動 信息，確定所述網絡屬性的相關屬性；分析單元，用於根據所述時間範圍和距離範圍內所述網絡屬性對應的每一 個網絡事件與其相關網絡事件的關聯關係，建立每一個網絡事件的樣本矩陣模 型，所述相關網絡事件包括所述網絡屬性對應的其它網絡事件以及所述相關屬 性對應的網絡事件；生成單元，用於根據各網絡事件的樣本矩陣模型生成所述網絡屬性的矩陣 模型，所述矩陣模型用於描述所述時間範圍和距離範圍內所述網絡屬性及其相 關屬性的發生概率。
6、 一種基於網絡性能分析的網絡故障定位方法，其特徵在於，包括 根據網絡故障對應的網絡屬性選擇矩陣模型，所述網絡屬性的矩陣模型用於描述設定時間範圍和距離範圍內所述網絡屬性及其相關屬性的發生概率； 根據所述矩陣模型確定發生概率不小於設定閾值且在所述網絡故障的發生時間點之前發生的相關網絡事件；根據確定出的相關網絡事件定位所述網絡故障的根本原因。
7、 如權利要求6所述的方法，其特徵在於，還包括 根據所述矩陣模型預測發生概率不小於設定閾值且在所述網絡故障的發生時間點之後發生的衍生網絡事件。
8、 如權利要求6或7所述的方法，其特徵在於，所述網絡屬性的矩陣模 型具有時間維度、空間維度和屬性維度，每一個矩陣點的坐標採用R (T, S, A)表示，其中T表示距離坐標原點T個時間單位；S表示距離坐標原點S個距離單位；A表示屬性名稱；每一個矩陣點的坐標值R表示發生概率。
9、 如權利要求8所述的方法，其特徵在於，所述根據矩陣模型確定發生 概率不小於設定閾值且在所述網絡故障的發生時間點之前發生的相關網絡事 件，具體包括從所述矩陣模型中選擇時間維度坐標T小於0且坐標值不小於設定閾值的 矩陣點；根據選擇出的矩陣點的空間維度坐標S、時間維度坐標T和屬性維度坐標 A,以及所述網絡故障的發生事件點和發生地點確定相關網絡事件。
10、 一種基於網絡性能分析的網絡故障定位裝置，其特徵在於，包括 存儲單元，用於存儲各網絡屬性的矩陣模型，每一個網絡屬性的矩陣模型用於描述設定時間範圍和距離範圍內所述網絡屬性及其相關屬性的發生概率； 選擇單元，用於根據網絡故障對應的網絡屬性選擇矩陣模型； 確定單元，根據所述矩陣模型確定發生概率不小於設定閾值且在所述網絡故障的發生時間點之前發生的相關網絡事件；定位單元，用於根據確定出的相關網絡事件定位所述網絡故障的根本原因。
11、 如權利要求IO所述的裝置，其特徵在於，還包括預測單元，用於根據所述矩陣模型預測發生概率不小於設定閾值且在所述 網絡故障的發生時間點之後發生的衍生網絡事件。
全文摘要
本發明公開了一種網絡性能分析方法和裝置，用以實現對網絡性能關聯性的自動分析，本發明還公開了一種基於網絡性能分析的網絡故障定位方法和裝置，用以減少定位網絡故障時的分析量，提升定位結果的準確度。網絡性能分析方法，包括根據網絡性能分析需求設置時間範圍、距離範圍和網絡屬性；根據時間範圍內接收到的距離範圍內的網絡波動信息，確定網絡屬性的相關屬性；根據時間範圍和距離範圍內網絡屬性對應的每一個網絡事件與其相關網絡事件的關聯關係，建立每一個網絡事件的樣本矩陣模型；根據各網絡事件的樣本矩陣模型生成網絡屬性的矩陣模型，所述矩陣模型用於描述時間範圍和距離範圍內網絡屬性及其相關屬性的發生概率。
文檔編號H04W24/00GK101442762SQ20081022477
公開日2009年5月27日 申請日期2008年12月29日 優先權日2008年12月29日
發明者巍 龐, 艦 廖, 剛 王, 閆躍榮, 光 陳, 疆 高 申請人:中國移動通信集團北京有限公司