基于特征选择的移动网络优化研究

基于相关性分析的交换网络指标体系构建【摘要】【关键字】1. 引言移动通信网络是一个动态的网络，话务密度分布不均、频率资源紧张，网络配置未达最佳且长期处于不断变化之中，网络的服务质量不尽人意，巨额的投资并没有得到最佳的收益。所有移动运营商都不断地对网络进行维护、调整和优化、合理的配置网络参数，使网络达到最佳的运行状态。移动网络优化工作是指对正式投入运行的网络进行参数采集、数据分析，找出影响网络运行质量的原因并且通过参数调整和采取某些技术手段，使网络达到最佳运行状态，使现有网络资源获得最佳效益，同时也对网络今后的维护及规划建议提出合理建议。移动网络优化涉及的技术领域有交换技术、无线技术、频率配置、切换和信令、话务统计分析等，是一项技术难度大、涉及范围广、人员素质要求较高的工作。同时，网络新功能的不断应用，用户数量的不断增加，网络设备的多样化，对网络优化人员的技术要求也相应地越来越高。然而，目前的网络优化工作，主要还是依赖于优化人员的经验来实施，而靠人工来对繁杂的网络数据进行及时的分析和对比，得出最优化的网络优化方案是不现实的。另外，优化人员往往借助于单一类型的网络数据来进行分析和对比，而不是根据所有与网络相关的数据（如话务统计数据、路测数据）得出网络优化方案，这显然有一定的缺陷性。日益复杂的优化工作向优化工具提出了“智能化”的要求，数据挖掘技术脱颖而出，其通过对网络海量数据的挖掘与优化判别算法有机的关联在一起，将技术人员的优化逻辑判断程序化，找到网络问题并智能的给出最优化解决方案。数据挖掘技术是近几年国内外迅速发展起来的一门交叉学科，涉及到数据库、统计学、人工智能和机器学习等多个学科，能够为决策者提供重要的、极有价值的信息或知识，从而产生不可估量的效益。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的，人们事先不知道的，但又是潜在有用的信息和知识的过程。这个定义包含好几层含义：发现的知识要可接受、可理解、可运用；并不要求发现放之四海皆准的知识，仅支持特定问题的发现。数据挖掘使数据库技术进入一个更高级的阶段，它不仅能对过去的数据进行查询和遍历，并且能够找出过去数据之间的潜在联系，从而促进信息的传递，提供科学决策依据。目前，在很多领域，数据挖掘都是一个很时髦的词，尤其是在银行、电信、保险、交通、零售等商业领域。数据挖掘所能解决的典型商业问题包括：数据库营销、客户群体划分、背景分析、交叉销售等市场分析行为，以及客户流失性分析、客户信用记分、欺诈发现、移动通信网络优化等。其中，网络优化是数据挖掘技术应用的一个新领域。移动网络优化包括无线网络优化和交换网络优化，但单纯的无线网络优化具有一定的局限性。例如，弱覆盖区域很难通过 KPI 统计或路测测试等无线分析手段发现，而进行大规模网络普查费时费力。若通过对交换网络各性能指标进行分析，同时与无线网络指标相结合，再进行无线网络和交换网络的综合分析，找出弱覆盖区域，就可通过无线手段对其加以优化。由于在大部分情况下，决策者对某一指标的具体数值并不关心，他们关心的是该指标处于哪一个等级水平、好或者不好，因些这些数值类型的指标都需要进行离散化处理。同时，移动网络的性能指标繁多，属于高维数据对象。同时，并非所有指标之间都具有相关性，很多指标都是冗余的。如果每次都直接运用某一数据挖掘算法对如此高维的指标数据集进行挖掘，那么算法的时空效率及挖掘效果将大大降低。因此，在进行数据挖掘之前，采用某种算法对初始数据集进行预处理，从而达到数据降维的效果，为数据挖掘提供良好的数据集。因此，本文以提升交换系统接通率为目标，运用关联规则数据挖掘技术对交换网络各性能指标进行分析，构建交换网络性能指标体系将进一步提升移动网络优化效率，提高网络质量，给网络运行的生产维护管理部门和市场营销部门制定决策提供有力支持，为公司带来良好的经济效益。2. CDMA 网络优化相关技术2.1 中国电信 CDMA 网络结构移动通信网络是移动通信赖以生存的硬件基础，移动通信是指通信的双方，至少有一方在移动中进行信息交流的通信方式。移动体包括行走的人，行进的汽车，轮船和飞机等。移动通信是当今世界上最先进的通信方式之一。如果双方交换的信息是语音，则称移动电话通信，这是最主要的移动通信形式。2008 年电信运营商的重组是我国国民经济的一件大事，重组后形成的三大电信运营商（中国移动、中国联通、中国电信）都拥有移动运营牌照，形成新的竞争格局。其中，中国电信获得 C 网牌照，中国电信 CDMA 网络参考模型如下图 1 所示： 核 心 网 电 路 域 核 心 网 分 组 域 无 线 部 分 PDSN/FA BSC H IP VLR MSC/e HLR/e PSTN/ IDOther 1X/DO混 合BTS TSPF 1X BTS AC Firewal Router NTP DNS GW 图 1 中国电信 CDMA 网络参考模型通过上面的参考模型可知：移动网络优化可分为无线网络优化和交换网络优化。其中交换网络优化所关注是核心网部分，而本文的研究重点为核心网电路域部分。网络优化主要包括无线网络优化和交换网络优化两部分，下面 2 节将分别介绍下这两种优化工作的传统思路及技术。2.2 无线网络优化相关技术系统的无线部分具有诸多不确定因素，它对无线网络的影响很大，其性能优劣常常成为决定移动通信网好坏的决定因素。当然，无线网络规划阶段考虑不到的问题诸如无线电波传播的不确定性（障碍物的阻挡等） 、基础设施变化（新商业区、街道、城区的重新安排）、取决于地点和时间的话务负荷（如运动场） 、话务要求、用户对服务质量的要求增加，都涉及到网络优化工作。网络优化是一个长期的过程，它贯穿于网络发展的全过程。只有不断提高网络的质量，才能获得移动用户的满意，吸引和发展更多的用户。在日常网络优化过程中，可以通过OMC 统计和路测来发现问题，当然最通常的还是用户的反映。在网络性能经常性的跟踪检查中发现话务统计指标达不到要求、网络质量明显下降或用户的反映强烈、用户群改变或发生突变事件并对网络质量造成很大影响时、以及网络扩容后应对小区频率规划及容量进行核查等情况发生时，都要及时对网络进行优化。无线网络系统优化工作是通过全面、系统的网络评估发现网络存在的主要问题，针对这些问题应用综合优化方法完成网络覆盖优化、接续性能优化、保持性能优化、资源利用率优化和数据业务性能优化，在短时间内快速、全面提升网络质量和用户感知，为市场发展提供必要保证，为工程建设提供网络规划依据。本节重点介绍无线网络系统优化的工作步骤，具体如下：2.2.1 准备工作在进行网络评估前，需要进行 3 方面的准备工作。首先需要对网络的基础性数据进行核查，包括基站/直放站基础数据核查和无线参数核查。在这些基础性数据准确的前提下，才能保证网络评估结果全面和准确。其次要对网络中存在的隐性故障进行排查，在保证网元硬件设备工作正常的前提下进行网络评估。2.2.2 网络评估网络系统优化前需进行网络评估，强调从 DT、CQT、MOS 、网络性能统计指标、呼叫详细记录和用户投诉信息 6 个维度对无线网络覆盖水平、接续性能、保持性能、无线资源利用率、数据业务性能等进行客观评估，充分掌握无线网络整体运行状况，找出网络中存在的主要问题。针对发现的问题，制定优化方案和实施计划，明确无线网络系统优化目标。网络评估工作主要内容如下图所示：2.2.3 系统优化根据全面细致的网络评估结果，开展无线覆盖优化、接续性能优化、保持性能优化、无线资源利用率优化和数据业务性能优化工作，全面提升网络质量和用户感知，输出各专项优化报告（含优化过程和典型案例） 。 无线覆盖优化无线网络覆盖优化是全网系统优化中的一个最重要的阶段和基础工作。为了全面提升网络的覆盖水平，实现最合理的基站布局、最小的干扰水平和最优的网络质量等目标，应进行完善的覆盖优化。无线覆盖优化重点是控制导频污染，改善弱覆盖问题和优化越区覆盖问题等。在无线覆盖优化阶段，包括数据采集、问题分析、优化调整实施这三个部分。数据采集、问题分析、优化调整需要根据优化目标要求和实际优化现状，反复进行，直至满足优化目标。无线覆盖优化流程如下图所示： 接续性能优化无线接通情况直接关系用户感知，因此要对接续性能进行重点优化，提高接通率，提升网络性能。接续性能优化基本流程如下图所示： 保持性能优化影响呼叫保持性能的主要因素是掉话问题和语音质量问题。其中掉话问题优化包括非切换原因掉话优化、软切换原因掉话优化和硬切换原因掉话优化。在语音质量问题优化部分，本书主要讨论前反向 FER 问题优化。保持性能优化基本流程如下图所示： 无线资源利用率优化根据对用户感知和网络性能指标影响的程度，无线资源利用率优化主要关注三项主要指标，即寻呼信道资源利用率、接入信道资源利用率以及业务信道资源利用率。通过对三项指标的分析和优化，制定实施方案。无线资源利用率优化基本流程如下所示： 数据业务性能优化通过对 CDMA 1X 网络的数据业务性能进行优化，使网络在承载数据业务时，基于当前业务资源的条件下实现网络总的吞吐量最大化，同时使用户能够更及时的接入数据服务并获得满意且稳定的数据速率。数据业务性能优化主要针对数据网络的关键性能指标呼叫建立成功率、掉话率以及数据速率指标进行优化。考虑到数据业务的特殊性，优化的重点集中在对数据速率的提升上。呼叫建立成功率和掉话率的优化手段大致与语音相同，在本章节不详细描述。通过分析导致数据业务性能指标差的因素后，提出相应的解决方案，方案实施后，对实施后的结果进行验证和评估，确认优化效果。2.2.4 优化总结系统网络优化完成后，应根据优化前制定的优化目标及时评估优化效果，提出网络性能进一步提升的建议，完成系统优化报告。系统优化报告涵盖无线网络系统优化工作的各项内容，包括网络评估报告、各专项优化报告、优化效果评估以及网络后续优化、建设方案等。2.3 交换网络优化相关技术交换网络(核心网)优化的目的主要在于提高交换网络的整体性能，目标是为了努力达到或提高交换机和网络的各项指标，提高网络质量和系统运行稳定性，使局数据设置更为合理、规范，并从长远角度提出一些 合理化建议。在对交换系统优化过程中，全面分析网络系统中的问题，寻找网络中可以进行优化的部分，并制定相应的工作流程采集数据，加以筛选并分析。交换网络优化并不是孤立的，需要无线优化的密切配合，两者之间相互影响，密不可分。随着 3G 网络发展，各种新业务纷纷上市，业务量也快速上升，全程全网保证数据业务的稳定和业务量的稳定将成为运营商关注的焦点，而核心网优化的重要性也将凸显出来。3G 核心网电路域由于采用软交换构架，增加了 Mc、Nc、Nb 等新端口，因此本节主要以 3G 核心网电路域为重点，介绍电路域的优化。2.3.1 软交换体系结构软交换体系结构是目前面向网络融合的新一代多媒体业务整体解决方案，具有层次化、呼叫控制与承载分离、快速开发业务、集中部署业务等特点，可以向用户提供包含 PSTN话音、无线话音、基础数据、多媒体数据等各种业务。通过优化网络结构，不但实现了网络的融合，更重要的是实现了业务的融合，使得包交换网络能够继承原有电路交换网中丰富的业务功能，同时，可以在全网范围内快速提供原有网络难以提供的新型业务。 在软交换构建的开放体系架构中，通过呼叫控制与媒体交换/承载的分离，实现了开放的分层架构，各层次网络单元通过标准协议互通，可以各自独立演进，以适应未来技术的发展。软交换主要包含两个层次： 媒体网关层：根据组网的位置，可分为接入媒体网关（提供接入适配功能） 、中继媒体网关（提供与其他网络互通的媒体流转换功能） 、资源媒体网关（提供特定媒体资源） 。 呼叫控制层：由信令网关（提供中继信令 SS7 在 IP 网上的传输适配功能）和呼叫控制服务器（通过与信令网关和媒体网关的配合实现呼叫的建立、维持和释放控制功能） 。 对于核心网的优化，主要通过信令监测分析，采集监测移动网主要接口的信令，包括MAP、 CAP、 BSSAP、TUP、 ISUP 等信令消息，及各类协议 IP 化后基于 IP 封装的协议消息。对其呼叫全程全网的分析，使网络优化工作不仅停留在无线网络部分和问题表相上，更能够深挖到全网各个环节，这将对问题的彻底解决起到更直接的支持保障作用。2.3.2 基于接续时长的优化呼叫接续时长关系到无线网、核心网两大方面，对于核心网方面，影响接续时长的因素主要有寻呼、主叫指配、被叫指配。(1)对于寻呼因素，通过调整隐含位置登记、再寻呼次数、寻呼间隔等因素可以提高寻呼成功率。其中隐含位置登记对接续时长的影响很大，需要通过网优减少边界，还可以适当地增加 VLR 配置中的用户无访问去活时间，减少隐含位置登记呼叫的比例。(2)采用寻呼优化提高寻呼成功率，通过优化寻呼间隔、系统的寻呼消息发送策略和修改 SCI 值、开通彩铃等实现。寻呼优化对于直接的接续时长没有什么影响，但是可以有效地减少寻呼不到的情况，例如当呼叫边界区与用户时，主叫用户在长时间等待后才接通或收听“无法接通 ”录音通知的情况会大大减少，因此用户感受度会有所改善。(3)采用早指配方案。在主叫指配完成前就下发 PAGING 请求，这样主叫侧的指配请求就和寻呼并行，因为指配和寻呼是接续过程中的占用比较大的部分。早指配与晚指配的区别在于 TCH 信道的分配时机不同。对被叫，早指配是指在摘机之前就开始指配，晚指配是指在摘机之后才开始指配；对主叫，早指配是在 ALERTING 消息之前就开始指配，晚指配是在 ALERTING 消息之后才开始指配。早指配缩短了呼叫接续时延，并提高了呼叫接通率。3.数据挖掘技术在计算机软硬件飞速发展，尤其是数据库技术的高速发展的今天，人们已经积累了海量的数据。面对如此丰富的数据，如何有效利用这些丰富的数据资源已经成为许多信息工作者的研究重点。然而人们进行数据分析的工具的功能毕竟有限，无法有效的获取决策支持所需要的足够信息，形成了“数据丰富，知识贫乏”的现象。于是，上世纪 80 年代，数据挖掘技术应运而生并迅速发展起来，进入新世纪更成为学术界的研究热点之一。数据挖掘作为一个多学科交叉应用领域，正在各行各业的决策支持活动扮演着越来越重要的角色。数据挖掘(Data Mining，简称 DM)，简单地讲就是从大量数据中挖掘或抽取出知识的一个过程，数据挖掘概念的一个被普遍采用的定义描述：数据挖掘，又称为数据库中知识发现(Knowledge Discovery from Database，简称 KDD)，它是一个从大量数据中抽取挖掘出未知的、有价值的模式或规律等知识的复杂过程。3.1 数据挖掘的一般过程数据挖掘不是一个简单的线性过程，包括很多的反馈回路在内，其中某几个步骤可以重复进行，也可以在整个流程中进行循环，以保证挖掘的知识准确可靠。Usama Fayyad 等人定义了一个数据挖掘处理模型1，其中包括数据准备、数据选择、数据预处理、数据缩减、数据挖掘目标确定、挖掘算法确定、数据挖掘、模式解释及知识评价九个处理步骤：(1) 数据准备了解应用的范围，预先准备数据挖掘相关领域的背景知识，明确用户的需求，生成目标数据集。(2) 数据选择根据用户的要求从数据库中提取与数据挖掘相关的数据；数据数据挖掘将主要从这些数据中进行知识挖掘。(3) 数据预处理主要是对上一阶段选择的数据进行再加工，去除噪声和奇异值，检查数据的完整性，对丢失的数据进行插值和预测等。(4) 数据缩减数据变换和压缩，根据知识发现的任务目标，查找有用的特性来表示数据，对数据进行降维压缩或投影转换等，在不影响大局的前提下，有效地减少变量的数目。(5) 数据挖掘目标确定根据用户的要求，了解最终用户的目标。一般来说，目标可以是关联规则的发现，数据分类，回归，聚类，数据汇总，概念描述，相关分析建模或者异常检测等等。(6) 挖掘算法确定选取合适的算法，如机器学习、统计分析和支持向量机等，确定合适的模型和参数，查找感兴趣的模式，使得数据挖掘算法与整个数据挖掘的评判标准相一致。(7) 数据挖掘利用选定的数据挖掘算法从数据中提取出用户感兴趣的知识。(8) 模式解释对发现的模式进行解释。在此过程中，为了剔除冗余无关的知识，可能会返回到前面的某些处理步骤，使得最终得出的知识更有效，再将这些知识转换成用户容易理解的形式。(9) 知识评价选择评价指标和定义评价体系，尽量直观地表示挖掘结果，比如采用图表方式表示实验结果；筛选数据挖掘结果中有用的部分，对发现的知识进行一致性检验。3.2 相关技术3.2.1 数值离散化离散化技术方法可以通过将属性（连续取值）域值范围分为若干区间，来帮助消减一个连续（取值）属性的取值个数。可以用一个标签来表示一个区间内的实际数据值。在基于决策树的分类挖掘中，消减一个属性取值个数的离散化处理是一个极为有效的数据预处理步骤。数值属性离散化主要有以下几种方法：（1）直方图方法：在等宽直方图中，数值被划分为等大小的区间，如：(0，100 、(100，200、 、(90 ，1000 。循环应用直方图分析方法处理每次划分结果，从而最终自动获得多层次概念树，而当达到用户指定层次水平后划分结束。最小间隔大小也可以帮助控制循环过程，其中包括指定一个划分的最小宽度或每一个层次每一划分中数值个数等。（2）聚类分析方法。聚类算法可以将数据集划分为若干类或组。每个类构成了概念层次树的一个节点；每个类还可以进一步分解为若干子类，从而构成更低水平的层次。当然类也可以合并起来构成更高层次的概念水平。（3）基于熵的离散化方法。基于熵的离散化方法可以消减数据集规模。与其它方法不同的是基于熵的方法利用了类别信息，这就使得边界的划分更加有利于改善分类挖掘结果的准确性。（4）自然划分分段方法。尽管直方图方法、聚类方法和基于熵离散化方法均可以帮助构造数值概念层次树，但许多时候用户仍然使用将数值区间划分为归一的、易读懂的间隔，以使这些间隔看起来更加自然直观。如：将年收入数值属性取值区域分解为50000，60000 区间要比利用复杂聚类分析所获得的51263，60872 区间要直观的多，这种处理方式称为自然划分分段方法。3.2.2 特征选择在有限样本的情况下，随着特征向量维度的增加，学习问题的计算复杂度将呈指数增长，即人们常说的“维度灾难” 。即使在分类器能处理高维问题的情况下，例如，支持向量机利用核函数将低维问题转化为高维空间求解，特征选择对于提高分类模型的性能也是必需的。此外，从分类器的泛化性能来看，并不是说所有的特征都对分类效果产生良好影响，差的特征反而会大大地降低分类模型的性能。特征选择就是从一组特征集(包含特征数量为 m)中挑选出一些最有效的特征特征子集(包含特征数量为 d)以达到降低特征空间维度的目的，即建立一个从高维特征空间到低维特征空间的映射 f:Rm Rd，其中 d1)次1L迭代时，先根据上一次迭代过程中找到的频繁项集 产生本次迭代的候选 k-项集的集(1)kL合 ，然后从 中找出支持度不小于所给最小支持度的所有候选 k-项集构成频繁 k-项集kCk。Apriori 算法本质上分为两个步骤即连接步骤与剪枝步骤，具体算法描述步骤如下：L算法 4： Apriori 算法输入：DataSet：数据库样本集，min_sup：最小支持度计数阀值。输出：L：DataSet 中的频繁项集。步骤：Step1：遍历事务数据库 DataSet，对单个事务项进行计数得到候选 1-项集集合 C1，去除 C1 中计数值小于最小支持度计数的候选 1-项集集合 ；1LStep2：假设频繁(k-1)-项集集合 已经存在，现将 与自身相连接并得到候选(1)kL()kk-项集集合 。kCStep3：对 进行剪枝操作，遍历 中的每一个元素( 项集 )c,若 c 的子集不在频繁(k-kC1)-项集集合 中，则删除元素 c；遍历事务数据库 DataSet，对经过剪枝操作后的候选(1)kLk-项集集合 中的每个元素重新进行计数，把计数小于最小支持度计数的元素从 中删C kC除，最终得到频繁 k-项集集合 。如果 为空，则至 Step4，否则返回 Step2。kLkStep4：对 到 取并集即可得到所有的频繁项集 L。1k4.3.2 性能指标相关性规则生成算法当所有的频繁项集已经产生的情况下生成相关性规则就相对比较容易。所谓相关性规则是指产生的规则的置信度不低于所给的最低置信度。置信度的计算公式如下： _()()(|)suportcntABConfidecABPu(3.12)上式中 表示事务数据库中同时包含项集 A 和 B 的事务总数，_suprtt则表示事务数据库中包含项集 A 的事务总数。在此基础上，相关性规()srtc则生成算法如下：算法 5： 相关性规则生成算法输入：L：频繁项集集合；min_conf：最小置信度；输出：Rules:相关性规则集合步骤：Step1：对于 L 中的每个元素(频繁项集)l，求出其全部的非空子集 sub_l；Step2：对于每个 sub_l，若有_()min_,suportctlcofnsb则 可 以 产 生 如 下 规 则 ：(3.13)()ulsublStep3：把 Step2 产生的规则加入集合 Rules；当遍历完 L 中的每个元素后返回 Rules算法终止，否则转 Step1。5.实验5.1 实验流程图算法实验总流程如下：数据集基于K - m e a n s 聚类数值离散化规则解读生成相关性规则找出频繁项集A p r i o r i 算法数据预处理特征选择5.2 数据集本实验所使用的数据集取自 2010 年 10 月 1 日至 14 日福建福州 MSC 设备的性能指标数据（周期 15 分钟） ，设备编号为“msc 591017（中兴） ”。该数据集共包含 102 个属性，属性类型全部为数值类型。由于在大部分情况下，决策者对某一指标的具体数值并不关心，他们关心的是该指标处于哪一个等级水平、好或者不好，因此这些数值类型的指标都需要进行离散化处理。原始数据集不包括类别标签，由于本文围绕着交换系统接通率来建立性能指标体系，因此，本文根据“中国电信 CDMA 网络性能指标统计体系（话务网 V1.2） ”中“交换系统接通率”的计算公式求得每个周期内的结果，并以该结果作为数据集的类别标签，为后续的“数值离散化” 、 “特征选择”做准备。即最后用于实验的数据集属性个数为 103，其中“交换系统接通率”为类属性。5.1 数值离散化本实验需要离散化处理的属性有 102 个，实验采用的数值离散化算法为 4.1 节介绍的基于 K-means 聚类的离散化方法。实验结果如下（篇幅有限，只列部分）：从左到右，从上到下依次为：出局试呼次数、语音寻呼请求次数、主叫业务信道分配成功次数( 不含