基于 A l + 的跨域端到端感知溯源技術研究及應用

一、引言

自智網絡指的是構建全生命周期的自動化、智能化的網絡能力與運維能力，為客戶和運維帶來新的價值和能力，提供“零等待、零故障、零接觸”的新型網絡與ICT服務，打造“自配置、自修復、自優化”數智化運維能力。通過4層數智化能力（商務層、業務層、網絡層、網元層），3個閉環流程（客戶需求管理閉環、跨專業端到端業務管理閉環、單專業資源管理閉環），實現客戶發展、質量領先兩大目標；針對移動網絡的3個閉環流程中的跨專業的端到端業務管理閉環，基于O域（DPI、PM和FM等）數據面向不同業務，建立跨域分析能力，以業務拉通跨域分析?；诓煌瑯I務特征、網絡質量特征等，構建可自主編排和智能分析的端到端定界定位能力，實現業務質量自主自適應分析。

二、課題背景及現狀

隨著5G網絡規模化建設，部署及應用，新的接入網技術、組網架構更加復雜。民眾對電信服務需求升級，追求高品質通信。當前網絡跨域分析面臨著業務與場景多樣性挑戰，優化難度增加。亟須強化感知分析，專攻視頻、支付等業務質量及用戶反饋處理，提升自智網絡能力，以優化服務體驗，增強用戶滿意度。

移動網跨域分析痛點：網絡復雜難診斷，缺乏靈活性；業務差異大，評估難精準；質差用戶難識別，傳統方法不奏效。拓撲、模型、行為變化導致評估偏差，需增強編排能力，提升運維適配性。

三、跨域分析核心能力

（一）業務質量分析能力

1.基于高斯混合模型的質差門限識別

采用創新多模態流式預處理，增強數據質量，優化場景識別，提升模型穩健性。如表1所示，結合GMM算法，學習質差門限，識別準確率超 91 % ，優于傳統方法。

針對KQI指標，比對GMM門限與調研結果，驗證高準確率。針對業務，提出“指標異常檢測”，自研k-MaxMin算法，結合時序特性選擇檢測法，精準識別周期與非周期指標異常，消除周期類指標檢測誤判。

2.面向業務的精準畫像能力

針對監測目的，引入不同用戶面話單，構建分層指標模型評估質差及用戶體驗。以視頻為例，建立質量感知模型，評估接入能力，如圖1所示。

清洗數據后，聚類分析業務、網元、用戶特征，實時監控運行狀態。業務維度分析DPI數據，掌握用戶真實體驗，繪制業務畫像。最終，實現業務感知打分及質差網元畫像，優化業務質量。

（二）業務質量定界定位能力

1.L3定界定位能力

通過靈活的感知業務指標配置窗口，允許用戶根據專家經驗和具體需求，為不同維度和指標設定個性化的門限閾值，進而實現質差的智能識別與精確定位。

針對檢測到的感知不佳的業務類型，系統深人分析DPI數據及業務性能指標，并依據用戶自定義的質差閾值，精準識別出質差業務。隨后，為每個網絡元素（網元）

分配其對特定業務類型感知質量劣化的影響權重，支持網元對業務感知劣化的精細化配置，初步界定問題范圍。

2.L4定界定位能力

AI與機器學習優化業務診斷，擺脫專家手工定義?；贙QI/KPI數據，通過相關性矩陣訓練關系模型，結合高斯貝葉斯算法構建P（X，Y）模型，實現質差概率預測，提升配置效率至分鐘級，確保準確性。數據標簽化后，訓練高斯貝葉斯模型得P（X，Y。構建AI診斷框架，含自適應引擎適配多算法貝葉斯模型，聚類分析定位高影響指標為定界/根因。創新應用K-Means聚類概率集，首提三分類法提升質差診斷精準度。驗證100個質差小區，準確率達 9 0 % 以上，有效解決傳統規則固化、不全、不精準等問題。

（三）業務質量分析交互能力

1.基于人機交互能力的數據自服務

運用大模型與LangChain框架，結合運維私有文檔與API，實現高效問答與數據交互，助力運維提效。大模型通過多輪對話，精準引導用戶需求，從基礎知識到細節深入，智能生成摘要，提升信息獲取效率。同時，模型識別用戶意圖，自動生成SQL或調用API，完成數據獲取、分析及可視化，如統計計算、趨勢分析及異常檢測，并以直觀方式展示結果，全面增強數據獲取與分析能力。

2.意圖驅動的智能功能導航

利用大模型能力結合質管、運維API，通過問答快速導向業務分析界面。自研通信大模型強化Agent總控，

協同多Agent、小模型進行多維數據感知，實現分級專用化分析，提升感知通用性、實時性，加速網絡故障處理。

3.基于大模型的數據自分析

根據用戶指定區域/業務，自動調度感知頁面并展示評估結果。大模型跨域分析結合單域小模型調優，調用API生成自分析模板。定制化模板支持語義分析報告輸出，深度挖掘數據，關聯多域生成詳盡報告，助力決策。

四、跨域分析規則編排設計

分析主流數據業務用戶感知，用評分算法量化評估網頁、視頻、游戲等業務。端到端分析定界問題至無線、核心網、承載網、互聯網及用戶域?？缬蚨ń绮捎脹Q策樹，智能設定閾值，自主編排規則，形成跨專業管理閉環。干擾度識別域間質差，偏離度定位域內問題，加權關鍵指標實現精準定界。

（一）面向業務維度質量問題分析決策樹

基于O域DPI數據，構建多維業務質量評估模型，涵蓋視頻、網頁、游戲等，通過量化指標綜合評估業務感知。遇到異常，采用決策樹算法識別影響網元。以視頻卡頓為例，利用二分決策樹按N3口上下分段分析，上段含核心網、骨干網及內容源，下段含傳輸網、無線及終端。通過比對干擾度、偏離度及特征指標閾值，實現跨域端到端定界，精準分析業務感知異常原因，提升網絡運維效率。

（二）分層可配置的影響度定界規則配置

在決策樹定界過程中，為重點定界業務量大且劣化影響度大的網元，在網元節點處設計干擾度因子，實現業務量大且對指標存在負面影響的同類網元初步定界識別。

（三）特征屬性KPI指標加權定界

利用DPI在5G用戶面采集的分段統計，結合聚類與TCP協議特征，精準分析網絡性能。TCP下行指標反映基站、空口、終端性能，上行則聚焦核心網、骨干網及內容源問題。通過分層設定影響度，初步定界問題網元，再經加權特征屬性指標精確定位影響業務感知的網元。特征屬性閾值學習采用皮爾遜相關系數，識別KQI與TCP指標的強關聯，當TCP關鍵指標劣化至拐點時，加權評估，最終精準定界影響業務質量的網元問題。

五、應用效果分析

面向主流業務，基于業務的質量評估模型，實現業務質量的多維評估。針對存在感知指標劣化的業務，以決策樹為主線，通過權重因子值的按需配置能力，實現影響業務感知指標的定界規則高效編排。通過定界規則識別溯源到的問題網元，基于皮爾遜相關系數獲取的TCP指標即統計值，支撐定界網元的加權印證，實現最終定界結果輸出。提升了規則編排效率，實現了業務質量分析能力和網絡現狀，業務特征的按需動態適配，也使得規則編排效率提升 20 % 。

（一）構建面向業務的感知評估能力

基于業務質量評估模型，實現多維度評估與視圖化展示，日均精準識別影響業務感知的終端、小區、核心網及 s p 。強化“用戶-業務-網絡”三位一體的質量管理，融合單域性能與告警數據，提升跨域協同分析效率。AI賦能自動化定界定位，縮短問題處理時間 5 0 % 以上，支持靈活規則配置，調整周期縮短至1日內。針對數據業務，按需配置300項定界規則，月均解決VoNR及數據業務質差問題1700余處，顯著優化網絡質量與客戶滿意度。

（二）構建面向決策樹基于因子配置的定界規則編排能力

針對業務感知，上線靈活閾值編排與質量定界規則，強化跨域協同分析。業務分析人員可自主配置決策樹權重，解耦定界規則?；诰W元初定界，靈活調整閾值，實現即時按需分析。改變傳統固化規則模式，通過界面即時配置權值因子，規則次日生效，迭代周期從10天縮短至2天，運維效率大幅提升約 200 % ，適應業務快速發展需求。

（三）嵌入手機上網跨域協同的質量管理流程

從業務維度進行5G上網業務感知評估，基于質差業務和定界到的質差網元，根據定界結果進行派單和閉環管控。本成果基于實際運維支撐， 3 0 % 以上用戶感知問題無法從現有KPI、告警等指標發現， 4 0 % 以上的感知問題先于顯性KPI指標劣化發現。2022年，隨著5G網絡的建設，5G質差小區占比和5G質差業務占比并無明顯增加，且質差小區質差話單占比在螺旋式下降。

六、結束語

自智網絡是通過數據驅動進行自學習、自演進，網絡系統逐步實現自治，需要構建橫向跨無線、傳輸、核心網、終端、業務及縱向跨網元層、網管層、運營管理層等各維度的閉環自治，做到單域自治、跨域協同、能力開放和生態共建。本成果通過基于權重因子按需配置的方式，構建跨域分析低門檻高效率的端到端定界規則可編排能力，增強自動化自主化能力。未來持續構建包括基礎系統、網絡協同和業務協同的跨域自智系統。其通過智能化的跨域聯合監控和分析，實現業務質量和網絡質量問題的快速精準定界，并觸發各單域系統進行自動化閉環，構建端到端的數字化運營能力，推動自智網絡向L4演進發展，推動網絡數智化轉型。

作者單位：邱偉娜張新超 中國移動通信集團山東有限公司

參考文獻

[1]TMForum.自智網絡白皮TMF論壇，2021（13）.

[2]中國移動通信集團公司網絡部.LTE信令監測及互聯網KQI指標規范，2019.

[3]金巨亮.互聯網端到端客戶感知評價體系構建以及管理提升的研究[D].吉林大學，2025.

[4]慕明君晁昆.基于端到端的用戶感知方法研究[J].郵電設計技術，2015（8）：4.

[5]杜春鋒.基于多因子協同的內容中心網絡緩存方法研究[D].鄭州輕工業大學，2025.

[6]TMForum IG1218“Autonomous Networks Business Requirements and Architecture”

[7]TMForum IG1252“AutonomousNetwork Levels EvaluationMethodology”1.0.0.