大數據分析在移動通信網絡優化中的應用探討

謝贛樂

(公誠管理咨詢有限公司第四分公司,廣東惠州 516003)

眾所周知,移動通信網絡數據用戶群龐大、基站多,產生的數據也多,對于這些數據的獲取和收集是一個相當龐大的工程,這給移動通信網絡的優化工作帶來了很大的難度。常規的信息處理技術在處理大量的通信數據以及客戶信息的時候常常出現降低信息傳輸的現象。而大數據分析在處理大量通信數據時,更為快速、準確、智能化,從而大大提高通信質量和保障通信安全。下面就大數據分析在移動通信網絡優化中的應用進行分析。

1 移動通信網絡化化技術

移動通信網絡優化是在了解網絡的實際運行狀況下,加強對數據的分析和采集,進而進行網絡的優化。所以在移動通信網絡優化中,對數據的分析和采集的關鍵在于對各種來源的基礎數據進行分析,進而對移動通信網絡故障進行定位。 采集網絡數據包括五種基礎來源,分別為OMC數據、移動通信用戶投訴數據、道路測試數據、話務統計數據和其他數據資料等。

2 大數據分析

大數據分析技術理論基礎是大量的樣本數據,即來源準確、數據豐富、具有內在聯系的數據。通過對這些數據進行分類、分組,進而估計數據有效性,最后進行復雜數據挖掘。下面主要對聚類分析的后臺數據優化模型進行闡述。

3 基于聚類分析的后臺數據優化技術模型

3.1 聚類分析

聚類分析主要是對數據進行復雜性的類別定義,通過聚集相類別來量化大量基礎數據,在同類屬性的數據中提取有效信息,對這些信息進行分類,每類賦予一個權重,根據重要性分別加權平均,得出指標評估體系,這種對數據進行分類,然后估計數據有效性,得出的網絡KPI評估,最后預測未來的相關數據是大數據分析技術的常用手段,預測結果才更合理有效。現結合某市移動通信網絡優化中,通過建立一套KPI監控分析模型,用于日常KPI指標的優化。經過長期驗證,其有效性程度很高。

3.2 后臺數據采集

在大數據的分析中,最重要和基礎的工作是對數據的有效采集,在某市的移動通信網絡優化中,我們采集了10種基礎配置數據與16種能反映移動通信網絡真實情況的KPI數據,對這些數據進行分析并加以權重。

3.3 后臺數據分類

根據所提出的數據屬性進行分類,主要分為四大類:業務類、質量類、容量類、感知類。業務類是指移動通信用戶所使用的業務類型,有話務量、數據流量等數據。質量類是指有干擾化例、上行質量、下行質量、重傳率等數據,詳見表1。

3.4 建立分析模型

現通過對以上分類的4種數據進行加權,并對數據進行平均,進而得到科學的后臺數據評估體系。在某地市移動通信網絡長期數據統計中,獲取了一組較為合理的指標評估體系數據,并依此建立了聚類分析模型。這個模型共包含以下6類數據:網絡覆蓋類、網絡保持性、網絡接入性、通話質量類、資源類及考察類。

表1 后臺數據分類

3.5 后臺數據優化

數據的自動優化,是指根據移動通信網絡的后臺數據的大數據處理分析,對出現的問題定位分析,給出科學的解決建議,為移動通信網絡優化人員提供幫助,降低了人員工作量,節省勞動資源。比如在某市區的移動通信網絡優化工作中的休眠小區的監控與處理。因為移動通信網絡規模較大、小區多、使用用戶也多、網絡出現問題較為頻繁,用人工很難進行對問題進行排查。通過對大數據的分析,能夠有效地篩選休眠條件的問題小區,及時解決小區問題,達到智能化分析的目的,大大節省了人員的工作時間。

4 結語

由本文的分析可知, 大數據分析技術應用于移動通信網絡的優化中的作用極為重要,加強對數據的采集以及分析是進行網絡優化的重要前提。通過以上建立聚類分析對某市移動網絡的優化起到很好的效果,有助于幫助通信公司優化數據,提高效率。但在發展與突破的同時,仍然存在一系列問題,還需要加大對大數據技術的研究力度,整合更精準的數據,獲得持續發展的機會。

[1]黨永亮.大數據分析在移動通信網絡優化中的應用研究[D].華中師范大學,2015.

[2]甄仲強.大數據分析在移動通信網絡優化中的應用[J].工程建設與設計,2017(01):173-174+177.

[3]劉潔,王哲.基于大數據的電信運營商業務精確運營平臺的構建化[J].電信科學,2015,29(3):22-26.

[4]劉震,付俊輝,趙楠.基于移動通信數據的用戶移動軌跡預測方法[J].計算機應用與軟件,2015,30(2):10-13.