基于機器學習算法的5G重點業務KQI和KPI關系研究

任小強，羅志文，陳苗苗，王春佳（.西南交通大學希望學院，四川成都 60400；.中國移動通信集團甘肅有限公司，甘肅 蘭州 730000）

0 引言

服務質量（QoS）根據關鍵性能指標（KPI）來定義，可反映網絡質量，如丟包、延遲和抖動的情況。體驗質量（QoE）則表示用戶主觀感知的質量，用關鍵質量指標（KQI）表示，例如“非常好”“好”“差”。KPI不是面向應用服務的，沒有考慮用戶業務感知，只能反映部分網絡性能。即使KPI 正常時，也存在用戶業務感知差的情況。5G 網絡采用網絡切片技術，旨在提供具有不同業務需求的端到端應用。預計未來幾年，5G 網絡業務感知問題主要依靠KQI 指標優化定界。由于KQI指標涉及網元多，數據流程長，端到端影響因素眾多等問題，運維人員主要靠專家經驗數據判斷，準確定位問題原因較難。隨著計算機處理性能的不斷提升，機器學習算法得到了較好發展，例如線性回歸（LR）、逐步線性回歸（SWLR）、支持向量回歸（SVR）、隨機森林回歸（RFR）和決策樹回歸（DTR）等機器學習算法在行業都得到了較好應用［1-2］。為了改善用戶業務感知，提升網絡運行性能，本文提出基于機器學習算法的KQI 與KPI 指標關系分析模型，重點評估5G 網絡中端到端視頻業務和文件下載業務的業務感知質量模型，探索關鍵質量指標（KQI）與底層KPI指標的關系。

1 算法總體框架

QoS 通過KPI 表示，QoE 通過KQI 表示，最終用戶所體驗的KQI 可以由KPI 通過復雜的映射關系來確定［3］。本文選擇機器學習算法完成KPI 到KQI 指標的映射分析。總體建模框架如圖1 所示，包含3 個階段：數據收集階段、訓練階段和應用階段。……