基于無線網絡性能數據的用戶業務行為分類與感知評估技術

李良斌 羅耀旭

摘要：提供了一種基于無線網絡性能數據的用戶業務分類方法，同時提供完備的感知分析技術。通過研究各類應用的具體資源占用特征，研究人員設計出有效的業務類型區分方法；同時考察不同應用對各種KPI的敏感程度以制訂準確的感知評估規則。經過大量測試驗證，該方法具有分類評估準確，效率高，處理開銷小等優點。

關鍵詞： 業務分類；感知評估；無線網絡性能；資源占用

Abstract： In this paper， we describe a method for classifying user services. This method is based on wireless network performance and a complete-perception technique. By analyzing the resource occupation feature， we design a method for roughly determining the service type. Using this method， we measure applications against various KPIs in order to build up the accurate perception estimate regulation. Through testing， we verify that this method is capable of accurate classification and high efficiency. It also is not costly to the process.

Key words： service classification； perception evaluation； wireless network performance； resource occupation.

隨著3G應用的推廣，無線網絡的服務主體逐漸向數據業務轉移，越來越多的用戶使用無線終端享受數據服務，例如觀看視頻，瀏覽網頁、QQ或MSN等。每種數據業務的特征不同，對于無線網絡的資源占用情況也有很大差異：使用MSN的用戶，在線時長往往大于下載文件的用戶，但是其流量可能只有下載用戶的百分之一，同時不同的業務對于無線環境的要求也不一致。

用戶使用業務滿意度，是無線網絡服務質量的重要指標。為了改善用戶使用感受，我們需要了解無線網元上的現有資源是否能夠滿足用戶業務的需要，也就是依賴于用戶業務分類和感知評估的方法。傳統技術無法做到用戶業務分類與無線網絡資源分配的無縫關聯，例如IP網絡監控工具可以在核心網側監控IP網絡的應用協議類型、流量變化等信息，但是卻無法獲取無線網元資源變化；傳統的無線資源管理工具正好相反，它們能夠有效地監控所有無線網元的資源分配，卻不能探知本網元無線用戶的應用業務種類。

文章討論了一種基于無線網絡數據分析的技術，用于區分網絡用戶應用的業務類型，并且對其使用感知進行評估[1]。

1 業務占用資源特征

目前主流的網絡應用主要有：網頁瀏覽/微博、網絡視頻、文件傳輸協議（FTP）/BT下載、視頻通話、數據上傳以及QQ/MSN等，在此簡單例舉幾種典型網絡應用的IP速率變化曲線圖，看看這些應用之間是否存在明顯差異。

圖1描述了多種應用的IP速率變化情況，FTP下載業務的前向IP速率維持在較高水平（>100 kbit/s），反向速率則一般處在低水平（<20 kbit/s），整個下載過程中，前反向速率的變化不大，比較穩定。

圖1顯示的各類應用的IP速率差異還是比較明顯的，當用戶進行網頁瀏覽時，IP速率并非持續保持高水平，這與下載應用差別很大；只有在打開新網頁或者新的網絡資源時，IP速率才會突發到較高水平，整個過程的總前向吞吐量相對下載要小很多。IM即時通訊應用（在此僅限定文字聊天）與網絡瀏覽的特征很像，也存在較長的低速率區間，區別在于IM業務的突發速率要小于網頁瀏覽。因為文字所占的流量非常小，按照兩字節的國際標編碼計算，一段500字的記錄只占約1 kB，而一般門戶網站的主頁大小都在MB級別。

在視頻對話時，前反向速率非常接近，而且都維持在一個“安全”的水平（能夠保證對話雙方數據正常交互），前向流量一般低于下載業務但是比網頁業務要高，反向流量則非常接近前向[2]。

最后，再來比較當下很火的Youku視頻應用。它與FTP下載的變化曲線很像，但是仔細研究后發現在幾個大“矩形”之間都會存在或多或少的間隔，這是由于網絡視頻的緩存技術以及用戶觀看行為導致的。用戶在觀看網絡視頻，特別是超長視頻時，并不是一次性下載完成整個文件，而是下載分割好了的視頻小文件（對于總大小不大的視頻不需分割），用戶在觀看當前文件內容時，有可能該文件早已下載完成，而下一個小文件尚未開始下載，此時就會出現速率間隔。

基于以上分析，可以將網絡應用分門別類劃分為如下類型。

（1）下載類

主要應用：FTP連續下載、網絡視頻、BT下載等。

資源占用特征：前向流量大，連接時長較長，需長時間保持高速率。

（2）較大速率突發類

主要應用：Http網頁訪問、微博等。

資源占用特征：前向流量較大，連接時長短，無需長時間保持高速。

（3）較小速率突發類

主要應用：QQ、MSN文字聊天等IM應用。

資源占用特征：前向流量小，連接時長短，不需要長時間保持高速。

（4）前反向對稱類

主要應用：QQ視頻、MSN視頻、網絡電話（VOIP），可視電話等。

資源占用特征：前反向流量相當，連接時長較長，需要長時間保持前反向速率。

（5）上傳類

主要應用：反向文件上傳，外發郵件等。

資源占用特征：反向流量大，連接時長較長，需長時間保持高速率。

（6）其他類。

主要應用：不屬于以上的業務。

資源占用特征：無法歸類到前面幾項。

某一類業務類型中的所有應用都具有相似的資源使用特征，例如下載類業務，下載流量較大，需要長時間保持較高速率；而較小突發類業務占用的流量非常有限，并且大部分時間不要求保證高速率。如果確定了某次業務的資源占用情況，就能夠明確該業務屬于以上哪種類型。

2 業務類型判定方法

通過業務的資源占用特征可以推導出本次業務所屬的業務類型，如果無線網元側采集的信息能夠充分描述資源占用情況，即可僅通過無線網元數據來確定應用業務類型。

無線網元側可采集如下數據描述資源占用情況。

·空口連接時長：空口連接建立到釋放之間的時長，對應于應用連接時長。

·物理層吞吐量：物理層前/反向吞吐量，可以連接用戶、網元等多個維度采集。

·無線連接協議（RLP）層吞吐量：RLP層吞吐量，與物理層吞吐量一樣都可表征應用的流量大小。

·前/反向占空比：高速率持續時長占總連接時長的比例，一般來說，50 kbit/s以上的前向或20 kbit/s以上的反向速率屬高速率。

·前/反向有效速率：數據激活期間的前向和反向速率。

·前/反向激活時長：無線網元服務時長占總連接時長的比例。

可以通過無線網元采集數據對某次連接的應用業務類型進行判斷，各種業務的判定模型說明如下。

（1）下載類

判定模型組成：連接時長、前向占空比、前向流量。

（2）較大速率突發類

判定模型組成：連接時長、前向占空比、前向有效速率。

（3）較小速率突發類

判定模型組成：連接時長、前向占空比、前向有效速率。

較小速率突發業務的前向有效速率要低于較大速率突發業務。

（4）前反向對稱類

判定模型組成：前反向吞吐量比例、前反向占空比。

（5）上傳類

判定模型組成：反向吞吐量、反向占空比、反向有效速率。

（6）其他類

判定模型組成：不屬于以上類型的業務。

可能存在同一連接，同時符合多個業務類型特征的情況，這時需要制定一套優先規則，保證同一連接只能分屬一類業務。一種比較合理的優先規則設定如下：

前反向對稱 > 持續下載類 > 反向上傳 > 較大流量突發 > 較小流量突發 > 其他

根據該規則，假如同一連接同時滿足下載類與突發類業務特征，應當將其劃分為下載類業務。至此已經確定了每次空口連接的業務類型。

與有線網絡承載數據業務有所不同，無線網絡資源有限，空口連接在沒有數據交互的情況下會進入休眠態。如果休眠時間過長，空口連接則將釋放以節約無線資源，降低整個系統的負荷。對于用戶來說，僅僅使用了10 min的QQ，可能就包括10余次空口連接。無線網元側監控的連接與真實的用戶應用存在差異。為了解決這一問題，需要通過一定規則將空口連接合并，盡可能還原用戶應用的原貌[3]。

圖2描述了連接合并的預期效果，雖然用戶進行不同應用時，空口連接的頻度與時長等特征都不同，但是通過連接合并處理，可以優化從空口信息得到的業務，使其更接近真實的用戶應用行為。例如在一次點對點協議（PPP）的對話中，用戶進行了多種業務，其中，QQ聊天業務一般包含多次空口連接，且每次連接的時長都很短（可能僅僅是一次文字消息的發送和接收）；而在線電影應用對應的空口連接一般時長較長，最終兩類業務經過合并處理后，其結果都更加接近原始的用戶應用行為。

值得推薦的一種呼叫連接合并方法是：按照如下規則將所有空口連接劃分成呼叫連接集合，之后將單個集合內的所有呼叫合并為一次業務行為。

連接合并條件包括：

（1）屬于同一個用戶；

（2）屬于同一類業務；

（3）相鄰兩次呼叫中，前一次呼叫釋放時刻與后一次呼叫建立時刻之間的時延應當小于預設門限。

呼叫合并的效果如圖2所示，相對于原始的空口連接，呼叫合并得到的業務行為更接近與用戶的應用。

3 完整的業務分類流程與

準確性

文中描述的業務分類方法僅通過無線網元側采集的空口呼叫數據即可完成，與傳統IP網絡監控工具不同，不需要額外監控核心網側數據，進行深入解包（DPI）等操作。

圖3展示了業務分類的完整處理流程，具體步驟說明如下：

（1）無線網元側采集用戶的空口呼叫信息；

（2）計算每次呼叫的特征關鍵績效指標法（KPI），例如呼叫時間、占空比等；

（3）將計算結果與業務模型進行比較，確定所有呼叫的業務類型；

（4）對已經分類好的單次呼叫進行合并，得到更接近用戶應用的業務行為。

通過建立業務模型建立無線呼叫KPI與網絡應用的對應關系，無線網元采集呼叫指標并以業務模型進行匹配的方法即可實現對業務類型的分類。分類步驟中涉及的所有信息都能夠在已有的系統功能下采集完成，無需增加額外的模塊設計或核心網的深度解包，開銷小、數據可靠性高。

為了驗證業務分類的準確性，測試人員專門在多個城市進行了分類測試，主要結果如表1所示。

表1顯示業務分類的判定結果都符合預期，說明使用特征KPI對用戶應用進行業務劃分具有著較高的準確性。

表2展示的是某基站控制器（BSC）下的全天用戶行為分類結果以及各類業務的無線資源占用情況。

在表2描述的某BSC數據中，小突發業務在用戶數占比與連接次數占比中都是第一，但是其他的資源占用卻非常低；下載類業務雖然不足總連接次數的1%，但是卻使用了約60%的前向業務資源與約40%的反向業務資源；而大突發業務各項資源占比則比較統一，基本都能夠維持在30%～40%之間。通過分析各類業務的資源占用情況，一方面可以分析各類業務的使用頻度，為運營商分析業務發展空間提供指導；另一方面可了解無線資源分布，為網絡規劃或運營咨費調整等提供幫助。

4 業務評估與用戶感知

傳統用戶感知評估方法的一個重要困難在于不同用戶的需求存在差異，同樣的環境下，不同用戶的感知很可能不同，甚至同一用戶在同一環境中不同時段的感知也會變化。業務分類方法能夠在很大程度上幫助我們了解用戶的具體需求。

對于下載類業務來說，10 kbit/s的有效速率不一定能夠帶給用戶良好的體驗，特別是在下載超大文件（>1 GB）時，這種速率簡直就不能忍受；但是同樣的10 kbit/s有效速率，在進行IM文字聊天時，用戶的使用效果卻非常好。

業務分類使得準確的感知評估方法實現成為可能。業務感知評估通用公式為：

在（1）中，Eva （x ）為業務x的最終評估得分；I （x ）表示所有與業務x的感知相關的KPI，i表示某項影響x感知的性能指標，有i∈I （x ） 。E （i ）表示i的得分，不同KPI的評估方法不同，某些負面KPI的評估得分有可能為負分；W （i ）為指標i的權重，不同KPI的權重也有所差異；對于所有感知KPI得分取加權平均后得到該業務的最終得分。

從不同業務的需求出發，每種業務的具體評估方法應當區別對待，選擇合理的KPI組合構建評估系統。同樣以下載業務和IM為例，假設兩種業務的I （x ）相同，都為（下載速率，前向重傳率，Ec/Io）。

正如表3中，各類KPI對于不同業務感知的影響程度不同，因此E得分相同的不同業務感知得分也可能不同：在兩組相同KPI得分的業務中，下載業務得分僅65，而IM業務卻高達86。

在得到業務感知評分的基礎上，可以進一步分析其用戶分布。

圖4展示的是某城市下載類業務用戶感知分布的真實情況，有約40%的用戶體驗很差，不足60分，同時也有接近12%的用戶下載體驗非常好，達到90分以上；其他用戶的下載體驗處于可接受的水平。通過研究對用戶感知的分布，可以分析某地區用戶體驗的歷史變化或者驗證網絡優化手段是否有效等。

5 網絡優化與故障排查

基于用戶感知分數，可以進行多個維度的網絡性能統計，例如可以查看所有網元的綜合用戶感知，對于排名靠后的網元進行深入分析，探索其原因；或者某一類型的終端進行感知評比，看看此類終端感知是否良好。

此外，可以設計追蹤系統，從用戶感知評分入手，迅速鎖定導致評分差的主要感知KPI，快速定位問題。一旦發生性能類或用戶感知故障，即可定位出劣質的感知KPI，并深入分析其發生原因。

例如，下載類業務的重要一項感知KPI為前向RLP速率，一旦發現該感知指標差，可通過固化的分析專題（例如空口覆蓋、呼叫成功率、掉話原因等分析專題），對影響指標的原因，包括空口環境，系統忙閑，上層資源帶寬等進行深入挖掘。

基于用戶感知的故障排查系統與傳統排障方法的差異主要包括：

（1）傳統排障方法

該方法通過用戶投訴或者系統告警發現故障，屬于被動式發現；主要定位手段為人工方法，通過對歷史數據的排查進行分析，對于人員的業務技能要求較高，同時由于前后方數據交互的時延，故障數據采集效率等因素，定位效率較為低下。

（2）用戶感知排障方法

該方法通過用戶感知評估，發現體驗差用戶（潛在的投訴者），目標在其投訴前就定位解決問題，屬于主動式發現；在評估的同時可以監控到影響體驗的劣質KPI，快速鎖定故障范圍；基于既有數據可設計固化的分析專題，自動化定位問題根源，擺脫了對人員技能的依賴。

對比可知，基于用戶感知評估的排障方法相比傳統方法效率要高得多，并能夠在用戶投訴或系統告警前就預先發現問題，可靠性大大提高。

6 結束語

隨著無線數據業務日益擴展，準確判定無線用戶業務類型與評估其使用感知的需求也日益迫切，另外傳統方法側重于有線側深度解包，不能反映無線行為的特征，也無法有效監控用戶感知。文中提供的技術實現了無線網絡資源分配與數據業務之間的無縫關聯，不但滿足以上需求，而且有著極高的擴展性，在網絡優化與系統故障排查等方面都有不俗的表現。

參考文獻

[1] 3GPP2. C.S0024-B v3.0 [S]. cdma2000 High Rate Packet Data Air Interface Specification. 2012.

[2] Brigitte Boothe. Perception， evaluation， interpretation[S].Hogrefe & Huber， 1995.

[3] Munir SA， Xie DL， Chen CF， Jian M. Virtual Overlay for Service Classification & Discovery in Wireless Sensor Networks[C]//Proceeding of the International Conference On Advanced Communication Technology， VOLS I-III， 2009：991-996.