[发明专利]移动网故障隐患智能定位系统

说明书

【技术领域】

移动通信软件开发人工智能机器学习大数据处理技术。

【背景技术】

近年来随着移动互联网手机用户的快速发展，2/3/4G网络规模和业务量随之迅速膨胀，由于手机用户往往是随时随地都在上网，而且流量资费也比较高，因此手机用户比固定宽带用户更加敏感网络质量，而且在网络发生故障时手机用户的投诉也更加及时和激烈，这无疑对移动运营商提供的网络服务质量提出了更高的保障要求。

然而，网络规模的快速发展必然造成网络调整和工程量不断、网络设备数激增、网络结构更加复杂化，要确保网络设备全天候运行稳定对每一个移动运营商的维护人员都不是一件容易的事情！而且随着网络结构的复杂化，发生故障时，维护人员往往需要消耗大量的时间在故障定位上，虽然目前运营商已有一些自动化手段实现告警推送，但对于汇聚网元(如：DNS、CE、FW、SW、AR、BR)故障定位的时间往往占故障处理总时长的70％以上，经常出现过重大故障定位时间超过1个小时，用户投诉一小时数万宗的情况，给运营商带来极大的经济损失。

汇聚网元在出故障或人为数据定义错误的时候通常影响面大且没有告警可以参考，定位故障点时，需人工结合网络拓扑和各种网元设备的多个甚至几十个性能指标进行经验性判断分析，给出最可疑的网元节点，再针对性排查分析最终找到故障点，因此，故障定位效率较低，对维护人员经验和能力依赖性大。而对于运营商来讲，培养一个网络维护专家至少要5年的工作经验沉淀，单是人才培养成本至少1人100万以上。

为让移动运营商减少网络故障投诉量、提高客户满意度，就必须帮助移动运营商解决网络故障定位难的问题，提升网络故障隐患处理速度。为此，本发明提出将网络性能指标异动情况、网管统计等动态数据与网络拓扑等静态信息关联整合，采用大数据处理技术，将维护人员的故障处理维护经验(知识库)映射固化到系统中，建立一套5分钟内快速精准的故障隐患智能定位系统(Intelligent Failure Locating System)，实现“先于用户发现问题，先于投诉解决问题”的目标。

随着网络的升级发展，网络维护方式也在不断演进，从拼人力的人工时代经过维护人员的努力，已经成功向自动化时代转变，目前已经有大批的系统予以支撑，给精细化维护提供了条件和基础。但是在数据业务不断发展的今天，现有的自动化手段同样面临挑战——先于用户发现问题，先于投诉解决问题。网络维护亟需借助大数据技术，探索从自动化向智能化时代演进之路，以顺应网络的发展。

维护能力的智能化可以明显提升网络设备故障、隐患和用户投诉的处理效率。随着网络的不断发展和扩容，新网络通信技术的加入，势必会对本系统带来新的挑战。因此，基于大数据技术的移动网故障隐患智能定位系统需要具备一定自动学习能力和便捷的人机交互模式(方便调整网络拓扑配置)，不断维持系统的“学习成长”。

【发明内容】

本发明的目的在于，利用大数据实时处理、机器学习技术等技术，实现全自动的运营商网络故障定位功能。通过可视化界面来配置定义处理流程和判断规则，将运维人员的经验固化到系统中，在提高系统灵活性的同时也使系统具备基础的判断智能。通过机器学习使系统具备主动学习和自动更新的功能。通过实时计算使系统具备秒级或分钟级的快速精准的响应能力。

1.大数据指标计算

利用信令数据或信令数据衍生物作为数据源，通过实时流计算引擎源源不断地读取数据，然后在通用的大数据实时处理平台上，通过针对行业业务优化的特定算法进行拆解，分组，汇总生成各类指标，供后续的智能定位分析模块使用。

2.智能定位分析

智能定位分析包括运维人员经验的映射固化和机器学习。前者是通过灵活的配置界面，将人工的处理和判断流程映射到机器中，从而使机器具备运维人员的大部分处理能力，节省时间和金钱。后者则是采用人工智能技术，让机器从历史数据中学习故障判断规则，并在生产过程中不断提升和优化判断能力。

【附图说明】

附图1是故障智能定位总体架构图

附图2是实时计算平台处理流程图

附图3是智能定位分析处理流程图

附图4是故障判断规则机器学习流程图

【具体实施方式】

1.采用实时计算框架和消息队列