專利名稱：網(wǎng)絡(luò)性能分析以及網(wǎng)絡(luò)故障定位方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及移動(dòng)通信領(lǐng)域，尤其涉及一種網(wǎng)絡(luò)性能分析以及網(wǎng)絡(luò)故障定位 技術(shù)。
背景技術(shù)：
移動(dòng)通信系統(tǒng)的網(wǎng)絡(luò)質(zhì)量已成為運(yùn)營(yíng)商的核心竟?fàn)幜χ?。為了鞏固移?dòng) 通信系統(tǒng)的網(wǎng)絡(luò)質(zhì)量，提升用戶滿意度，運(yùn)營(yíng)商在網(wǎng)絡(luò)優(yōu)化維護(hù)過程中不僅需 要解決最基本的網(wǎng)絡(luò)硬件故障或告警，還需要對(duì)各項(xiàng)網(wǎng)絡(luò)性能指標(biāo)的波動(dòng)進(jìn)行 監(jiān)控和分析，從而及時(shí)發(fā)現(xiàn)網(wǎng)絡(luò)中潛在的問題，并在影響用戶感知之前將這些 潛在的問題排除。
目前的網(wǎng)絡(luò)優(yōu)化維護(hù)過程中，可用的網(wǎng)絡(luò)性能指標(biāo)多達(dá)上千項(xiàng)，各項(xiàng)網(wǎng)絡(luò) 性能指標(biāo)之間的關(guān)系錯(cuò)綜復(fù)雜，每項(xiàng)網(wǎng)絡(luò)性能指標(biāo)的異常波動(dòng)可能是由于不同 原因引起的，而且網(wǎng)絡(luò)的漣漪效應(yīng)導(dǎo)致一個(gè)問題的出現(xiàn)會(huì)51起周邊一 系列問題 的連鎖產(chǎn)生。因此對(duì)于網(wǎng)絡(luò)優(yōu)化維護(hù)人員來說，網(wǎng)絡(luò)性能分析不僅僅需要著眼
于問題發(fā)生時(shí)的情況，還需要分析該問題發(fā)生前后網(wǎng)絡(luò)性能的變化；定位該問 題的根本原因時(shí)，也不能局限于當(dāng)前問題點(diǎn)，還需要結(jié)合網(wǎng)絡(luò)周邊情況和網(wǎng)絡(luò) 資源、網(wǎng)絡(luò)參數(shù)等相關(guān)信息進(jìn)行綜合判斷。
以基站斷站引發(fā)的周邊網(wǎng)絡(luò)性能異常為例說明網(wǎng)絡(luò)的漣漪效應(yīng)，如圖l所 示。假設(shè)基站A發(fā)生了斷站，其覆蓋區(qū)域內(nèi)用戶設(shè)備的話務(wù)將被周邊基站(基
站B、 C、 D、 H)吸收，但由于基站A覆蓋區(qū)域內(nèi)的用戶設(shè)備距離基站距離B、 C、 D、 H的距離較遠(yuǎn)，將引發(fā)基站B、 C、 D、 H的切換質(zhì)量下降、掉話率上 升等問題；經(jīng)過一段時(shí)間(例如l小時(shí))之后，假設(shè)基站D覆蓋區(qū)域內(nèi)的話務(wù) 量上升，同時(shí)由于基站D吸收了基站A的部分話務(wù)，將導(dǎo)致基站D的話務(wù)量超負(fù)荷，由此引發(fā)其周邊基站(基站C、 E、 F、 G、 H)向基站D切換時(shí)比較 困難，并導(dǎo)致基站D發(fā)生TCH擁塞；基站D的TCH擁塞將引發(fā)其周邊基站 (基站C、 E、 F、 G、 H)的切換成功率下降，在不能進(jìn)行最優(yōu)切換的情況下 將導(dǎo)致基站C、 E、 F、 G、 H的掉話率上升；又經(jīng)過一段時(shí)間(例如2小時(shí)) 之后，由于基站F的掉話率升高，在用戶通話多次卻異常中斷的情況下，可能 引發(fā)用戶針對(duì)掉話問題的投訴。由此可見，由于基站A的斷站，將引起周邊基 站(基站B、 C、 D、 E、 F、 G、 H)的切換成功率下降、掉話率升高、話務(wù)量 超負(fù)荷、TCH擁塞等一系列問題的連鎖產(chǎn)生，而且上述問題并不是同時(shí)出現(xiàn)。
由于網(wǎng)絡(luò)性能分析的復(fù)雜性和不確定性，目前在進(jìn)行網(wǎng)絡(luò)性能分析時(shí)主要 采用人工為主、網(wǎng)管支撐工具為輔的方式。以上述基站F覆蓋區(qū)域內(nèi)的用戶針 對(duì)掉話問題的招:訴為例說明網(wǎng)絡(luò)性能分析方法。網(wǎng)絡(luò)優(yōu)化維護(hù)人員在接收到用 戶針對(duì)掉話問題的投訴之后，必然從用戶投訴地點(diǎn)的基站F開始進(jìn)行網(wǎng)絡(luò)性能 分析， 一般包括如下處理流程
步驟l、定位引發(fā)掉話問題的基站即故障基站，此處故障基站為基站F;
步驟2、檢索與當(dāng)前基站出現(xiàn)的問題相關(guān)的網(wǎng)絡(luò)性能指標(biāo)；
步驟3、分析檢索到的網(wǎng)絡(luò)性能指標(biāo)；
步驟4、判斷是否能夠定位該掉話問題的根本原因，如果是，則執(zhí)行步驟 7，如果否，則執(zhí)行步驟5;
步驟5、判斷是否能檢索到與當(dāng)前基站出現(xiàn)的問題相關(guān)的其它網(wǎng)絡(luò)性能指 標(biāo)，如果是，則執(zhí)行步驟6，如果否，則執(zhí)行步驟7;
步驟6、分析檢索到的其它網(wǎng)絡(luò)性能指標(biāo)，并返回執(zhí)行步驟4;
步驟7、判斷當(dāng)前基站出現(xiàn)的問題是否與其相鄰基站相關(guān)，如果是，則執(zhí) 行步驟8，如果否，則執(zhí)行步驟9;
步驟8、篩選與當(dāng)前基站出現(xiàn)的問題相關(guān)的相鄰基站，并返回執(zhí)行步驟2;
步驟9、定位掉話問題產(chǎn)生的根本原因。
基于上述處理流程，定位掉話問題需要的最小分析量如圖2所示?？梢钥闯?，從用戶投訴的掉話問題到定位該掉話問題的根本原因即基站A斷站，需要 分析的相關(guān)基站數(shù)量達(dá)到8個(gè)(如果按照現(xiàn)網(wǎng)標(biāo)準(zhǔn)每個(gè)基站20個(gè)相鄰基站的 規(guī)模計(jì)算，相關(guān)基站會(huì)達(dá)到幾十個(gè))，需要分析的網(wǎng)絡(luò)性能指標(biāo)達(dá)到15項(xiàng)，如 果結(jié)合分析每個(gè)網(wǎng)絡(luò)性能指標(biāo)所需參照的相關(guān)網(wǎng)絡(luò)性能指標(biāo)，總共需要分析幾 十個(gè)網(wǎng)絡(luò)性能指標(biāo)在該掉話問題發(fā)生前后的變化，而其中超過50%的分析量都 用于排除產(chǎn)生該掉話問題的其它原因的可能性，使得分析效率非常低。此外， 每一步的分析結(jié)論和下一步的分析內(nèi)容都由網(wǎng)絡(luò)優(yōu)化運(yùn)維人員控制，極有可能 增加更多的無效分析量，甚至得出錯(cuò)誤的結(jié)論。
現(xiàn)有技術(shù)中，也可以針對(duì)網(wǎng)絡(luò)中常見的問題設(shè)置判斷樹，然后通過網(wǎng)管系 統(tǒng)根據(jù)設(shè)定的判斷標(biāo)準(zhǔn)自動(dòng)判斷預(yù)設(shè)的各種可能原因。該方案對(duì)設(shè)定的判斷標(biāo) 準(zhǔn)和判斷樹的準(zhǔn)確度和詳細(xì)度要求非常高， 一般情況下很難到達(dá)，使得定位準(zhǔn) 確度比較低。
現(xiàn)有技術(shù)中主要存在以下問題
對(duì)單一的網(wǎng)絡(luò)性能指標(biāo)進(jìn)行分析無法定位網(wǎng)絡(luò)中存在的問題的根本原因。 例如，同樣是掉話率升高，可能是由于基站載頻故障、頻率干擾、切換問題、 覆蓋問題等多方面原因造成的，僅從掉話率一個(gè)網(wǎng)絡(luò)性能指標(biāo)無法確定掉話率 升高的根本原因。
如果對(duì)各項(xiàng)網(wǎng)絡(luò)性能指標(biāo)進(jìn)行全方位分析，由于在分析之前無法確認(rèn)與當(dāng) 前問題相關(guān)的網(wǎng)絡(luò)性能指標(biāo)，只能逐一分析排查，將導(dǎo)致大量的分析量用于排 除無關(guān)的網(wǎng)絡(luò)性能指標(biāo)，使得分析效率非常低。例如，針對(duì)上述由于掉話問題， 為了確定該掉話問題的根本原因，分析過程必須遍歷基站F周邊8個(gè)基站的相 關(guān)網(wǎng)絡(luò)性能指標(biāo)。
網(wǎng)絡(luò)的連漪效應(yīng)和復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)使得每向問題的根本原因推進(jìn)一層，所 付出的分析量都呈幾何級(jí)數(shù)增長(zhǎng)，因此很難準(zhǔn)確定位問題的根本原因。例如針 對(duì)上述掉話問題，假設(shè)每個(gè)基站只有3~6個(gè)相鄰基站的場(chǎng)景下，由于基站A 的斷站導(dǎo)致了周邊8個(gè)基站發(fā)生了 15項(xiàng)網(wǎng)絡(luò)性能指標(biāo)的異常波動(dòng)，為了定位基站F的掉話問題的根本原因，網(wǎng)絡(luò)性能指標(biāo)的分析量多達(dá)幾十個(gè)。而在現(xiàn)網(wǎng) 中，每個(gè)基站的相鄰基站一般在20個(gè)以上， 一個(gè)關(guān)鍵位置基站的斷站可能導(dǎo) 致幾十個(gè)甚至上百個(gè)周邊基站的各項(xiàng)網(wǎng)絡(luò)性能指標(biāo)受到影響。
現(xiàn)有通過預(yù)設(shè)判定樹和判斷標(biāo)準(zhǔn)的定位問題產(chǎn)生的根本原因的方法，依賴 于網(wǎng)絡(luò)優(yōu)化運(yùn)維人員的經(jīng)驗(yàn)使得其準(zhǔn)確度和詳細(xì)度有限，僅適用于簡(jiǎn)單的應(yīng)用 場(chǎng)景。應(yīng)用判斷樹使得每一步的分析結(jié)論之間必須是互斥的，即如果得到分析 結(jié)論A就必需排除分析結(jié)論B,導(dǎo)致在分析并發(fā)問題時(shí)，無法使用判斷樹。例 如，掉話率升高，可能是由于基站載頻故障、頻率干擾、切換問題、覆蓋問題 等多種原因造成的，如果某個(gè)基站同時(shí)發(fā)生了載頻故障和覆蓋問題，應(yīng)用判斷 樹只能得到載頻故障和覆蓋問題兩種原因中的其中一種。
現(xiàn)有的定位網(wǎng)絡(luò)產(chǎn)生的根本原因時(shí)，在網(wǎng)絡(luò)性能分析過程中無法擺脫網(wǎng)絡(luò) 優(yōu)化運(yùn)維人員的判斷和決策，每一步的分析結(jié)論和下一步的分析內(nèi)容都是由網(wǎng) 絡(luò)優(yōu)化運(yùn)維人員來決定的。此外，在分析多項(xiàng)網(wǎng)絡(luò)性能指標(biāo)與問題的根本原因 之間的關(guān)聯(lián)性時(shí)，由于不同網(wǎng)絡(luò)性能指標(biāo)之間的時(shí)間與空間關(guān)聯(lián)性都存在模糊 性，需要人為進(jìn)行關(guān)聯(lián)。例如，針對(duì)上述掉話問題，用戶投訴掉話問題的時(shí)間 并不是基站A發(fā)生斷站的時(shí)間，也不是基站D的話務(wù)量超負(fù)荷的時(shí)間，因此 在對(duì)這幾項(xiàng)網(wǎng)絡(luò)性能指標(biāo)進(jìn)行分析時(shí)具有時(shí)間模糊性，需要人為確定這幾項(xiàng)網(wǎng) 絡(luò)性能指標(biāo)的時(shí)間關(guān)聯(lián)性。在空間關(guān)聯(lián)性上同樣存在該情況，例如，用戶投訴 掉話問題的發(fā)生區(qū)域只是一個(gè)大致位置，為了定位故障基站，需要人為進(jìn)行空 間關(guān)聯(lián)。

發(fā)明內(nèi)容
本發(fā)明提供一種網(wǎng)絡(luò)性能分析方法和裝置，用以實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)性能關(guān)聯(lián)性的 自動(dòng)分析。
相應(yīng)的，本發(fā)明提供一種基于網(wǎng)絡(luò)性能分析的網(wǎng)絡(luò)故障定位方法和裝置， 用以減少定位網(wǎng)絡(luò)故障時(shí)的分析量，提升定位結(jié)果的準(zhǔn)確度。
8本發(fā)明提供一種網(wǎng)絡(luò)性能分析方法，包括
才艮據(jù)網(wǎng)絡(luò)性能分析需求設(shè)置時(shí)間范圍、距離范圍和網(wǎng)絡(luò)屬性；
根據(jù)所述時(shí)間范圍內(nèi)接收到的所述距離范圍內(nèi)的網(wǎng)絡(luò)波動(dòng)信息，確定所述
網(wǎng)絡(luò)屬性的相關(guān)屬性；
根據(jù)所述時(shí)間范圍和距離范圍內(nèi)所述網(wǎng)絡(luò)屬性對(duì)應(yīng)的每一個(gè)網(wǎng)絡(luò)事件與
其相關(guān)網(wǎng)絡(luò)事件的關(guān)聯(lián)關(guān)系，建立每一個(gè)網(wǎng)絡(luò)事件的樣本矩陣模型，所述相關(guān)
網(wǎng)絡(luò)事件包括所述網(wǎng)絡(luò)屬性對(duì)應(yīng)的其它網(wǎng)絡(luò)事件以及所述相關(guān)屬性對(duì)應(yīng)的網(wǎng)
絡(luò)事件；
根據(jù)各網(wǎng)絡(luò)事件的樣本矩陣模型生成所述網(wǎng)絡(luò)屬性的矩陣模型，所述矩陣 模型用于描述所述時(shí)間范圍和距離范圍內(nèi)所述網(wǎng)絡(luò)屬性及其相關(guān)屬性的發(fā)生概率。
本發(fā)明提供一種網(wǎng)絡(luò)性能分析裝置，包括
設(shè)置單元，用于才艮據(jù)網(wǎng)絡(luò)性能分析需求設(shè)置時(shí)間范圍、距離范圍和網(wǎng)絡(luò)屬
性；
確定單元，用于根據(jù)所述時(shí)間范圍內(nèi)接收到的所述距離范圍內(nèi)的網(wǎng)絡(luò)波動(dòng)
信息，確定所述網(wǎng)絡(luò)屬性的相關(guān)屬性；
分析單元，用于根據(jù)所述時(shí)間范圍和距離范圍內(nèi)所述網(wǎng)絡(luò)屬性對(duì)應(yīng)的每一 個(gè)網(wǎng)絡(luò)事件與其相關(guān)網(wǎng)絡(luò)事件的關(guān)聯(lián)關(guān)系，建立每一個(gè)網(wǎng)絡(luò)事件的樣本矩陣模 型，所述相關(guān)網(wǎng)絡(luò)事件包括所述網(wǎng)絡(luò)屬性對(duì)應(yīng)的其它網(wǎng)絡(luò)事件以及所述相關(guān)屬 性對(duì)應(yīng)的網(wǎng)絡(luò)事件；
生成單元，用于根據(jù)各網(wǎng)絡(luò)事件的樣本矩陣模型生成所述網(wǎng)絡(luò)屬性的矩陣 模型，所述矩陣模型用于描述所述時(shí)間范圍和距離范圍內(nèi)所述網(wǎng)絡(luò)屬性及其相 關(guān)屬性的發(fā)生概率。
本發(fā)明提供一種基于網(wǎng)絡(luò)性能分析的網(wǎng)絡(luò)故障定位方法，包括
根據(jù)網(wǎng)絡(luò)故障對(duì)應(yīng)的網(wǎng)絡(luò)屬性選擇矩陣模型，所述網(wǎng)絡(luò)屬性的矩陣模型用 于描述設(shè)定時(shí)間范圍和距離范圍內(nèi)所述網(wǎng)絡(luò)屬性及其相關(guān)屬性的發(fā)生概率；根據(jù)所述矩陣模型確定發(fā)生概率不小于設(shè)定閾值且在所述網(wǎng)絡(luò)故障的發(fā)
生時(shí)間點(diǎn)之前發(fā)生的相關(guān)網(wǎng)絡(luò)事件；
根據(jù)確定出的相關(guān)網(wǎng)絡(luò)事件定位所述網(wǎng)絡(luò)故障的根本原因。 本發(fā)明提供一種基于網(wǎng)絡(luò)性能分析的網(wǎng)絡(luò)故障定位裝置，包括 存儲(chǔ)單元，用于存儲(chǔ)各網(wǎng)絡(luò)屬性的矩陣模型，每一個(gè)網(wǎng)絡(luò)屬性的矩陣模型
用于描述設(shè)定時(shí)間范圍和距離范圍內(nèi)所述網(wǎng)絡(luò)屬性及其相關(guān)屬性的發(fā)生概率； 選擇單元，用于根據(jù)網(wǎng)絡(luò)故障對(duì)應(yīng)的網(wǎng)絡(luò)屬性選擇矩陣模型； 確定單元，根據(jù)所述矩陣模型確定發(fā)生概率不'J、于設(shè)定閾值且在所述網(wǎng)絡(luò)
故障的發(fā)生時(shí)間點(diǎn)之前發(fā)生的相關(guān)網(wǎng)絡(luò)事件；
定位單元，用于根據(jù)確定出的相關(guān)網(wǎng)絡(luò)事件定位所述網(wǎng)絡(luò)故障的根本原因。
本發(fā)明提供的網(wǎng)絡(luò)性能分析方法和裝置，根據(jù)網(wǎng)絡(luò)屬性對(duì)應(yīng)的每一個(gè)網(wǎng)絡(luò) 事件與其相關(guān)網(wǎng)絡(luò)事件的關(guān)聯(lián)關(guān)系，建立每一個(gè)網(wǎng)絡(luò)事件的樣本矩陣模型，根 據(jù)各網(wǎng)絡(luò)事件的樣本矩陣模型生成網(wǎng)絡(luò)屬性的矩陣模型，矩陣模型用于描述設(shè) 定時(shí)間范圍和距離范圍內(nèi)該網(wǎng)絡(luò)屬性及其相關(guān)屬性的發(fā)生概率。本方案實(shí)現(xiàn)了 對(duì)網(wǎng)絡(luò)性能關(guān)聯(lián)性的自動(dòng)分析，同時(shí)有效提升了對(duì)網(wǎng)絡(luò)性能的分析效率。
本發(fā)明提供的基于網(wǎng)絡(luò)性能分析的網(wǎng)絡(luò)故障定位方法和裝置，根據(jù)網(wǎng)絡(luò)故 障對(duì)應(yīng)的網(wǎng)絡(luò)屬性選擇矩陣模型，根據(jù)矩陣模型確定發(fā)生概率不小于設(shè)定閾值 且在網(wǎng)絡(luò)故障的發(fā)生時(shí)間點(diǎn)之前發(fā)生的相關(guān)網(wǎng)絡(luò)事件，從而定位網(wǎng)絡(luò)故障的根 本原因。本方案在定位網(wǎng)絡(luò)故障時(shí)能夠自動(dòng)選取最優(yōu)分析路徑，從而減少了分 析量，提高了分析效率，同時(shí)有效提升了定位結(jié)果的準(zhǔn)確度。


圖1為現(xiàn)有技術(shù)中網(wǎng)絡(luò)的漣漪效應(yīng)示意圖2為現(xiàn)有技術(shù)中定位掉話問題需要的最小分析量示意圖3為本發(fā)明實(shí)施例中節(jié)點(diǎn)距離示意圖；圖4為本發(fā)明實(shí)施例中網(wǎng)絡(luò)的漣漪效應(yīng)在樣本矩陣模型中的表示方式示意
圖5為本發(fā)明實(shí)施例中網(wǎng)絡(luò)性能分析方法流程圖； 圖6為本發(fā)明實(shí)施例中基站B高掉話率事件的樣本矩陣模型示意圖； 圖7為本發(fā)明實(shí)施例中基站F高掉話率事件的樣本矩陣模型示意圖； 圖8為本發(fā)明實(shí)施例中根據(jù)圖6和圖7所示樣本矩陣模型生成的矩陣模型 示意圖9為本發(fā)明實(shí)施例中網(wǎng)絡(luò)性能分析裝置框圖10為本發(fā)明實(shí)施例中基于網(wǎng)絡(luò)性能分析的網(wǎng)絡(luò)故障定位方法流程圖； 圖11為本發(fā)明實(shí)施例中基于網(wǎng)絡(luò)性能分析的網(wǎng)絡(luò)故障定位裝置框圖。
具體實(shí)施例方式
首先定義本發(fā)明實(shí)施例中涉及的幾個(gè)基本概念。網(wǎng)絡(luò)事件是指在特定時(shí)間 點(diǎn)和特定地點(diǎn)，網(wǎng)絡(luò)中發(fā)生了特定的問題、網(wǎng)絡(luò)資源發(fā)生了變動(dòng)、網(wǎng)絡(luò)參數(shù)發(fā) 生了調(diào)整等等；網(wǎng)絡(luò)故障是指影響用戶感知和網(wǎng)絡(luò)質(zhì)量，需要盡快解決處理的 網(wǎng)絡(luò)事件。
本發(fā)明實(shí)施例首先提供了網(wǎng)絡(luò)性能關(guān)聯(lián)性的矩陣表示方式。現(xiàn)有數(shù)據(jù)關(guān)聯(lián) 性有兩種表示方式， 一種方式是利用相關(guān)性函數(shù)，計(jì)算兩組數(shù)據(jù)之間的相關(guān)系 數(shù)R，相關(guān)性函數(shù)只能表示兩元變量之間的關(guān)聯(lián)性，對(duì)于多元變量之間的關(guān)聯(lián) 性無法表示。另一種方式是利用多元回歸分析，通過一組多元N階方程式，表 示多元變量之間的關(guān)聯(lián)性，如果用于分析網(wǎng)絡(luò)性能，由于網(wǎng)絡(luò)性能指標(biāo)多達(dá)上 千項(xiàng)，則回歸分析需要建立與網(wǎng)絡(luò)性能指標(biāo)對(duì)應(yīng)元數(shù)的方程組，如果要求分析 的準(zhǔn)確性，則方程的階數(shù)至少要達(dá)到10階以上，每次回歸分析時(shí)的運(yùn)算量極 大，限制了多元回歸分析在網(wǎng)絡(luò)性能分析中的應(yīng)用。
本發(fā)明實(shí)施例中結(jié)合移動(dòng)通信網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)性能分析的需求，為每一個(gè) 網(wǎng)絡(luò)事件建立樣本矩陣模型，該樣本矩陣模型具有三個(gè)維度，分別為時(shí)間維度(T)、空間維度(S)和屬性維度(A),以上述三個(gè)維度為坐標(biāo)軸，即可建立 三維空間坐標(biāo)系，坐標(biāo)系中矩陣點(diǎn)的坐標(biāo)采用R (T, S， A)表示，以下對(duì)每 個(gè)維度的含義進(jìn)行解釋說明。
時(shí)間維度(T),表示距離該網(wǎng)絡(luò)事件發(fā)生時(shí)間點(diǎn)的相對(duì)時(shí)間，取值范圍是 從一 oo到+ oo之間的整數(shù)，當(dāng)T-0時(shí)，表示與該網(wǎng)絡(luò)事件同時(shí)發(fā)生；當(dāng)丁=1 時(shí)，表示在該網(wǎng)絡(luò)事件的發(fā)生時(shí)間點(diǎn)之后1個(gè)時(shí)間單位；當(dāng)T = 2時(shí)表示在該 網(wǎng)絡(luò)事件的發(fā)生時(shí)間點(diǎn)之后2個(gè)時(shí)間單位；如果T等于負(fù)值，例如-X時(shí)，表 示在該網(wǎng)絡(luò)事件的發(fā)生時(shí)間點(diǎn)之前X個(gè)時(shí)間單位。其中，時(shí)間單位可以是小時(shí)、 分、秒，也可以是天、周、月，可以靈活設(shè)定。
空間維度(S)，表示距離該網(wǎng)絡(luò)事件發(fā)生地點(diǎn)的相對(duì)距離，取值范圍是從 0到+ °°之間的整數(shù)。當(dāng)S-0時(shí)，表示與該網(wǎng)絡(luò)事件在同一地點(diǎn)或同一網(wǎng)元的 覆蓋區(qū)域內(nèi)發(fā)生；S-l時(shí)，表示距離該網(wǎng)絡(luò)事件的發(fā)生地點(diǎn)1個(gè)距離單位；S -2表示距離該網(wǎng)絡(luò)事件的發(fā)生地點(diǎn)2個(gè)距離單位。距離單位可以是米、千米， 也可以是網(wǎng)元拓樸的節(jié)點(diǎn)距離。網(wǎng)元拓樸的節(jié)點(diǎn)距離是指將網(wǎng)元拓樸結(jié)構(gòu)以類 似樹型結(jié)構(gòu)展示后，兩個(gè)網(wǎng)元之間所間隔的最短拓樸樹節(jié)點(diǎn)數(shù)量。如圖3所示， 網(wǎng)元CellA與網(wǎng)元NbRCellA的節(jié)點(diǎn)距離為1 ，網(wǎng)元CellA與網(wǎng)元NbRCellC的 節(jié)點(diǎn)距離為2。
屬性維度(A)，表示屬性名稱，是指與該網(wǎng)絡(luò)事件相關(guān)的、與網(wǎng)絡(luò)性能變 化、波動(dòng)或網(wǎng)絡(luò)異常情況相關(guān)的各項(xiàng)網(wǎng)絡(luò)性能、網(wǎng)元碌_件故障、網(wǎng)絡(luò)事件、網(wǎng) 絡(luò)參數(shù)的名稱集合。例如A的數(shù)值可以為斷站、高掉話率、栽頻故障、某項(xiàng)參 數(shù)變化等與網(wǎng)絡(luò)性能分析相關(guān)的屬性名稱。
樣本矩陣模型中每一個(gè)矩陣點(diǎn)的坐標(biāo)為R(T, S， A),表示距離該網(wǎng)絡(luò)事 件的發(fā)生時(shí)間點(diǎn)T個(gè)時(shí)間單位，距離該網(wǎng)絡(luò)事件的發(fā)生地點(diǎn)S個(gè)距離單位的某 個(gè)網(wǎng)元的A屬性發(fā)生變化或異常的相關(guān)網(wǎng)絡(luò)事件。
以背景技術(shù)中基站A斷站為例，說明網(wǎng)絡(luò)性能關(guān)聯(lián)性的矩陣表示方式，即 如何建立基站A斷站(網(wǎng)絡(luò)事件)的樣本矩陣模型?；続發(fā)生了斷站， 一小時(shí)之后基站D的話務(wù)量超負(fù)荷，同時(shí)導(dǎo)致基站F 的掉話率升高，網(wǎng)絡(luò)的漣漪效應(yīng)在樣本矩陣模型的坐標(biāo)系中采用如下方式表 示，如圖4所示，其中
X = R(T， S, A) =R(0， 0,斷站)=1,表示當(dāng)前網(wǎng)絡(luò)事件為基站A 斷站，取值為l表示該網(wǎng)絡(luò)事件已發(fā)生；
Y = R(T, S， A) =R(1， 1，話務(wù)量超負(fù)荷)=1，表示距離基站A斷 站一個(gè)時(shí)間單位(1小時(shí))，與基站A距離1個(gè)節(jié)點(diǎn)距離的網(wǎng)元組中(由于基 站C是基站A的相鄰基站，所以節(jié)點(diǎn)距離是l)話務(wù)量超負(fù)荷，取值為l表示 該網(wǎng)絡(luò)事件已發(fā)生。
Z = R(T， S, A) =R(1, 2,高掉話率)=1,表示距離基站A斷站一 個(gè)時(shí)間單位(一小時(shí))，與基站A距離2個(gè)節(jié)點(diǎn)距離的網(wǎng)元組中(由于基站F 是基站C的相鄰基站，所以節(jié)點(diǎn)距離是2)高掉話率，取值為l表示該網(wǎng)絡(luò)事 件已發(fā)生。
樣本矩陣模型表示了某一 網(wǎng)絡(luò)事件與其相關(guān)網(wǎng)絡(luò)事件的關(guān)聯(lián)關(guān)系。僅一次 或少量的網(wǎng)絡(luò)事件的樣本矩陣模型所展示的網(wǎng)絡(luò)性能關(guān)聯(lián)性隨機(jī)性較強(qiáng)，需要 根據(jù)同 一網(wǎng)絡(luò)屬性對(duì)應(yīng)的海量樣本矩陣模型生成該網(wǎng)絡(luò)屬性的矩陣模型，矩陣 模型表示了同一類網(wǎng)絡(luò)事件的網(wǎng)絡(luò)性能關(guān)聯(lián)性的共同特征，具有普遍性。網(wǎng)絡(luò) 屬性的矩陣模型與每一個(gè)網(wǎng)絡(luò)事件的樣本矩陣模型一致，同樣具有三個(gè)維度， 分別為時(shí)間維度(T)、空間維度(S)和屬性維度(A),每一個(gè)矩陣點(diǎn)的坐標(biāo) 同樣采用R(T, S， A)表示，其中
T表示距離坐標(biāo)原點(diǎn)T個(gè)時(shí)間單位，S表示距離坐標(biāo)原點(diǎn)S個(gè)距離單位， A表示屬性名稱，每一個(gè)維度的含義與樣本矩陣it型一致，不再贅述；每一個(gè) 矩陣點(diǎn)的坐標(biāo)值R表示發(fā)生概率，取值范圍是[O, l]。
本發(fā)明實(shí)施例中，采用矩陣方式表示網(wǎng)絡(luò)性能關(guān)聯(lián)性，可以展現(xiàn)多元網(wǎng)絡(luò) 性能波動(dòng)的關(guān)聯(lián)性，且對(duì)于復(fù)雜的關(guān)聯(lián)性只需適當(dāng)延伸各維度的取值范圍即 可，具有無限的可擴(kuò)展性；具有高度的信息濃縮性，僅用三個(gè)維度表示即可，大大降低了關(guān)聯(lián)性的分析量；能夠降低網(wǎng)絡(luò)的漣漪效應(yīng)造成的冗余信息。從每 一個(gè)網(wǎng)絡(luò)事件的樣本矩陣模型可以看出，基站D的話務(wù)量超負(fù)荷將導(dǎo)致周邊基 站C、 E、 F、 G、 H的高掉話率，原本涉及5個(gè)相關(guān)網(wǎng)絡(luò)事件，而采用樣本矩 陣模型，將五個(gè)基站的高掉話率表示為相鄰基站(或稱為節(jié)點(diǎn)距離為1的網(wǎng)元 組)的高掉話率，并僅用l個(gè)矩陣點(diǎn)表示即可，信息量壓縮到原來的20%，進(jìn) 一步降低了網(wǎng)絡(luò)性能關(guān)聯(lián)性的分析量。通過網(wǎng)絡(luò)屬性的矩陣模型可以自動(dòng)、準(zhǔn) 確定位網(wǎng)絡(luò)故障的根本原因，可以根據(jù)T值小于0的矩陣點(diǎn)確定網(wǎng)絡(luò)故障的可 能原因，其準(zhǔn)確性由R(T， S, A)的坐標(biāo)值決定；由于維度T和S為離散變 量，且其取值范圍是一個(gè)動(dòng)態(tài)變化的相對(duì)范圍，因此解決了以往在網(wǎng)絡(luò)性能分 析時(shí)存在的時(shí)間模糊性和空間模糊性的問題，可以自動(dòng)完成網(wǎng)絡(luò)性能分析，實(shí) 現(xiàn)網(wǎng)絡(luò)故障的準(zhǔn)確、自動(dòng)定位。
本發(fā)明提供了一種網(wǎng)絡(luò)性能分析方法，如圖5所示，包括如下處理流程
5501、 根據(jù)網(wǎng)絡(luò)性能分析需求設(shè)置時(shí)間范圍、距離范圍和網(wǎng)絡(luò)屬性； 根據(jù)網(wǎng)絡(luò)性能分析需求，可以確定網(wǎng)絡(luò)性能分析的時(shí)間范圍、距離范圍和
網(wǎng)絡(luò)屬性，例如設(shè)置時(shí)間范圍是最近30天之內(nèi)，距離范圍是現(xiàn)網(wǎng)中所有的 網(wǎng)元，網(wǎng)絡(luò)屬性是高掉話率。
5502、 根據(jù)該時(shí)間范圍內(nèi)接收到的該距離范圍內(nèi)的網(wǎng)絡(luò)波動(dòng)信息，確定網(wǎng) 絡(luò)屬性的相關(guān)屬性；
網(wǎng)絡(luò)性能分析關(guān)注的是網(wǎng)絡(luò)性能的變化、異常和故障，以及發(fā)生這些現(xiàn)象 時(shí)對(duì)網(wǎng)絡(luò)產(chǎn)生的連帶影響。為了提高分析效率，需要對(duì)上千種原始網(wǎng)絡(luò)性能數(shù) 據(jù)進(jìn)行信息壓縮和預(yù)處理，將其中未發(fā)生變化的或無異常的數(shù)據(jù)剝離，僅保留 那些發(fā)生變化的、有明顯波動(dòng)的和異常的信息，例如網(wǎng)絡(luò)監(jiān)控告警信息、網(wǎng)絡(luò) 資源變動(dòng)信息，網(wǎng)絡(luò)業(yè)務(wù)量信息、網(wǎng)絡(luò)參數(shù)調(diào)整記錄、用戶投訴信息等等，本 發(fā)明實(shí)施例中將上述信息統(tǒng)稱為網(wǎng)絡(luò)波動(dòng)信息。例如，上述基站A斷站導(dǎo)致網(wǎng) 絡(luò)的漣漪效應(yīng)的整個(gè)過程中，與高掉話率存在潛在關(guān)聯(lián)的相關(guān)網(wǎng)絡(luò)事件包括基 站B、 C、 D、 E、 F、 G、 G切換異常、基站D話務(wù)量超負(fù)荷、基站D的TCH
14擁塞、基站F的用戶l殳訴和基站A斷站等，則高掉話率的相關(guān)屬性包括切換異 常、話務(wù)量超負(fù)荷、TCH擁塞、斷站等。
S503 、根據(jù)該時(shí)間范圍和距離范圍內(nèi)網(wǎng)絡(luò)屬性對(duì)應(yīng)的每一個(gè)網(wǎng)絡(luò)事件與其 相關(guān)網(wǎng)絡(luò)事件的關(guān)聯(lián)關(guān)系，建立每一個(gè)網(wǎng)絡(luò)事件的樣本矩陣模型，相關(guān)網(wǎng)絡(luò)事 件包括網(wǎng)絡(luò)屬性對(duì)應(yīng)的其它網(wǎng)絡(luò)事件以及相關(guān)屬性對(duì)應(yīng)的網(wǎng)絡(luò)事件；
將每一個(gè)相關(guān)網(wǎng)絡(luò)事件前后、周邊的網(wǎng)絡(luò)性能變化、異常情況按照關(guān)聯(lián)關(guān) 系建立獨(dú)立的樣本矩陣^t型。
S504、根據(jù)各網(wǎng)絡(luò)事件的樣本矩陣模型生成網(wǎng)絡(luò)屬性的矩陣模型，其中， 矩陣模型用于描述時(shí)間范圍和距離范圍內(nèi)網(wǎng)絡(luò)屬性及其相關(guān)屬性的發(fā)生概率。
將該網(wǎng)絡(luò)屬性對(duì)應(yīng)的各網(wǎng)絡(luò)事件(同類事件)的樣本矩陣模型進(jìn)行迭代求 均值，由于每一個(gè)獨(dú)立的網(wǎng)絡(luò)事件的樣本矩陣模型僅代表了該網(wǎng)絡(luò)事件發(fā)生時(shí) 的網(wǎng)絡(luò)表象。但將所有同類事件的樣本矩陣模型進(jìn)行迭代求均值計(jì)算后，最終 生成的網(wǎng)絡(luò)屬性的矩陣模型將具有統(tǒng)計(jì)概率意義，可用于網(wǎng)絡(luò)事件的根本原因 定位和網(wǎng)絡(luò)事件的漣漪效應(yīng)預(yù)測(cè)。迭代求均值可直接對(duì)所有獨(dú)立的樣本矩陣模 型的T、 S、 A維度進(jìn)行運(yùn)算，將處于相同坐標(biāo)的R(T， S, A)的坐標(biāo)值取均 平值，該平均值即為矩陣模型中對(duì)應(yīng)坐標(biāo)的坐標(biāo)值，即某項(xiàng)網(wǎng)絡(luò)變化或異常的 發(fā)生概率。
以背景技術(shù)中的例子進(jìn)行說明，因?yàn)榛綛、 C、 D、 E、 F、 G、 G都存在 高掉話率問題，最終需建立7個(gè)獨(dú)立的樣本矩陣模型?；綛高掉話率事件的 樣本矩陣模型如圖6所示，其中
B1=R(0， 0，高掉話率)=1,表示基站B發(fā)生了高掉話率事件；
B2 = R(0, 0，切換異常)=1,表示在基站B發(fā)生高掉話率事件的同一 時(shí)間內(nèi)，基站B還發(fā)生了切換異常事件；
B3 = R(0， 1,高掉話率)=1,表示在基站B發(fā)生高掉話率事件的同一 時(shí)間內(nèi)，基站B的相鄰基站(即基站C)中也發(fā)生了高掉話率事件；
B4 = R(0， 1,切換異常)=1,表示在基站B發(fā)生高掉話率的同一時(shí)間內(nèi)，基站B的相鄰基站(即基站C)中也發(fā)生了切換異常事件；
B5 = R(1， 2，切換異常)=1,表示在基站B發(fā)生高掉話率的一個(gè)時(shí)間 單位后，基站B的相鄰基站(基站C)的相鄰基站(基站D、 E)中發(fā)生了切 換異常事件；
B6 = R(0, 1，斷站)=1，表示在基站B發(fā)生高掉話率事件的同一時(shí)間 內(nèi)，基站B的相鄰基站(即基站A)中發(fā)生了斷站事件。
基站F高掉話率事件的樣本矩陣模型，如圖7所示，其中
F1=R(0， 0，高掉話率)=1,表示基站F發(fā)生了高掉話率事件；
F2 = R(0， 0，切換異常)=1,表示在基站F發(fā)生高掉話率事件的同一時(shí) 間內(nèi)，基站F還發(fā)生了切換異常事件；
F3 = R(0, 1,高掉話率)=1,表示在基站F發(fā)生高掉話率事件的同一時(shí) 間內(nèi)，基站F的相鄰基站(即基站E、 G)中也發(fā)生了高掉話率事件；
F4 = R(0, 1，切換異常)=1，表示在基站F發(fā)生高掉話率事件的同一時(shí) 間內(nèi)，基站F的相鄰基站(即基站E、 G)中也發(fā)生了切換異常事件；
F5 = R(1, 2，切換異常)=1,表示在基站F發(fā)生高掉話率事件之前的一 個(gè)時(shí)間單位內(nèi)，基站F的相鄰基站(基站D)的相鄰基站(基站C、 H)中發(fā) 生了切換異常事件；
F6 = R(1, 2，斷站)=1,表示在基站F發(fā)生高掉話率事件之前的一個(gè)時(shí) 間單位內(nèi)，基站F的相鄰基站(基站D)的相鄰基站(基站A)中發(fā)生了斷站 事件。
其余基站高掉話率事件的樣本矩陣模型類似，不再一一贅述。 如圖8所示，為根據(jù)基站B和基站F的樣本矩陣模型迭代求均值后得到的 高掉話率的矩陣;漠型，其中
F1/B1=R(0, 0，高掉話率)-1，表示該矩陣模型用于分析高掉話率或 者可以說在該矩陣;漠型中高掉話率是一個(gè)必然的情況；
F2/B2 = R(0, 0，切換異常)=1，表示在高掉話率發(fā)生時(shí)，同一網(wǎng)元有100 %的概率并發(fā)切換異常；
F3/B3 = R(0, 1，高掉話率)-1,表示在高掉話率問題發(fā)生時(shí)，相鄰基 站中也必將發(fā)生高掉話率；
F4/B4 = R(0, 1,切換異常)=1,表示在高掉話率發(fā)生時(shí)，相鄰基站有 100 %的概率并發(fā)切換異常；
F5/B5 = R(±1， 2,切換異常)=0.5,表示在高掉話率發(fā)生的前后一個(gè) 時(shí)間單位(l小時(shí))中，相鄰基站的相鄰基站中有50%的概率發(fā)生切換異常；
F6 = R(1, 2,斷站)=0.5,表示在高掉話率發(fā)生一個(gè)時(shí)間單位(1小時(shí)) 前相鄰基站的相鄰基站中有50 %的相克率發(fā)生斷站；
B6 = R(0, 1，斷站)=0.5,表示在高掉話率發(fā)生時(shí)，相鄰基站中有50 %的概率發(fā)生斷站。
雖然上面的簡(jiǎn)單舉例中，僅通過兩個(gè)高掉話率事件的樣本矩陣模型得到的 高掉話率的矩陣模型帶有明顯的片面性，但若將大量的高掉話率事件的樣本矩 陣模型進(jìn)行迭代求均值之后， 一些隨機(jī)現(xiàn)象的概率將無P艮趨近于零，而真正該 網(wǎng)絡(luò)屬性的相關(guān)屬性將被保留下來，由此得到該網(wǎng)絡(luò)屬性的矩陣模型。
基于同一技術(shù)構(gòu)思，本發(fā)明實(shí)施例提供了一種網(wǎng)絡(luò)性能分析裝置，如圖9 所示，包括
設(shè)置單元901,用于根據(jù)網(wǎng)絡(luò)性能分析需求設(shè)置時(shí)間范圍、距離范圍和網(wǎng) 絡(luò)屬性；
確定單元902，用于根據(jù)所述時(shí)間范圍內(nèi)接收到的所述距離范圍內(nèi)的網(wǎng)絡(luò) 波動(dòng)信息，確定所述網(wǎng)絡(luò)屬性的相關(guān)屬性；
分析單元903，用于才艮據(jù)所述時(shí)間范圍和距離范圍內(nèi)所述網(wǎng)絡(luò)屬性對(duì)應(yīng)的 每一個(gè)網(wǎng)絡(luò)事件與其相關(guān)網(wǎng)絡(luò)事件的關(guān)聯(lián)關(guān)系，建立每一個(gè)網(wǎng)絡(luò)事件的樣本矩 陣模型，所述相關(guān)網(wǎng)絡(luò)事件包括所述網(wǎng)絡(luò)屬性對(duì)應(yīng)的其它網(wǎng)絡(luò)事件以及所述相 關(guān)屬性對(duì)應(yīng)的網(wǎng)絡(luò)事件；
生成單元904，用于根據(jù)各網(wǎng)絡(luò)事件的樣本矩陣模型生成所述網(wǎng)絡(luò)屬性的矩陣模型，所述矩陣模型用于描述所述時(shí)間范圍和距離范圍內(nèi)所述網(wǎng)絡(luò)屬性及 其相關(guān)屬性的發(fā)生概率。 '
基于矩陣模型的網(wǎng)絡(luò)性能分析方法包括如下優(yōu)點(diǎn)
可自動(dòng)分析網(wǎng)絡(luò)性能的歷史數(shù)據(jù)，并自動(dòng)生成網(wǎng)絡(luò)屬性的矩陣模型，用于 后續(xù)網(wǎng)絡(luò)故障的定位，加快網(wǎng)絡(luò)故障的分析效率；分析計(jì)算效率高，濾除了與 網(wǎng)絡(luò)性能變化和異常無關(guān)的信息，著重分析網(wǎng)絡(luò)屬性之間的關(guān)聯(lián)性；可通過自 動(dòng)該學(xué)習(xí)該網(wǎng)絡(luò)屬性對(duì)應(yīng)的新的網(wǎng)絡(luò)事件，不斷完善矩陣模型的分析精度；整 個(gè)矩陣模型的分析過程無需借助人工輔助，可實(shí)現(xiàn)全自動(dòng)分析，擺脫了對(duì)維護(hù) 人員經(jīng)驗(yàn)和能力的要求；生成的矩陣模型可直接用于該網(wǎng)絡(luò)屬性對(duì)應(yīng)的網(wǎng)絡(luò)事 件的根本原因定位(即搜索矩陣模型中T<=0的矩陣點(diǎn))，還可針對(duì)該網(wǎng)絡(luò)屬性 對(duì)應(yīng)的網(wǎng)絡(luò)事件出現(xiàn)后可能產(chǎn)生的漣漪效應(yīng)進(jìn)行預(yù)測(cè)(即搜索T>0的矩陣點(diǎn))； 利用矩陣模型分析網(wǎng)絡(luò)事件的根本原因時(shí)無需對(duì)所有網(wǎng)絡(luò)性能逐一排查，只需 檢查矩陣模型中R值較大的矩陣點(diǎn)的網(wǎng)絡(luò)性能狀態(tài)即可，可自動(dòng)選取最優(yōu)分析 路徑。
在生成各網(wǎng)絡(luò)屬性的矩陣模型基礎(chǔ)上，本發(fā)明實(shí)施例同時(shí)提供一種基于網(wǎng) 絡(luò)性能分析的網(wǎng)絡(luò)故障定位方法，如圖10所示，包括
51001、 根據(jù)網(wǎng)絡(luò)故障對(duì)應(yīng)的網(wǎng)絡(luò)屬性選擇矩陣模型，其中，網(wǎng)絡(luò)屬性的 矩陣模型用于描述設(shè)定時(shí)間范圍和距離范圍內(nèi)網(wǎng)絡(luò)屬性及其相關(guān)屬性的發(fā)生 概率。
51002、 根據(jù)矩陣模型確定發(fā)生概率不小于設(shè)定閾值且在該網(wǎng)絡(luò)故障的發(fā) 生時(shí)間點(diǎn)之前發(fā)生的相關(guān)網(wǎng)絡(luò)事件；
該步驟具體包括從所述矩陣模型中選擇時(shí)間維度坐標(biāo)T小于0且坐標(biāo)值 不小于設(shè)定閾值的矩陣點(diǎn)；根據(jù)選擇出的矩陣點(diǎn)的空間維度坐標(biāo)S、時(shí)間維度 坐標(biāo)T和屬性維度坐標(biāo)A，以及所述網(wǎng)絡(luò)故障的發(fā)生事件點(diǎn)和發(fā)生地點(diǎn)確定相 關(guān)網(wǎng)絡(luò)事件。
S1003 、根據(jù)確定出的相關(guān)網(wǎng)絡(luò)事件定位該網(wǎng)絡(luò)故障的根本原因。較佳的，該方法還包括
根據(jù)所述矩陣模型預(yù)測(cè)發(fā)生概率不小于設(shè)定閾值且在所述網(wǎng)絡(luò)故障的發(fā) 生時(shí)間點(diǎn)之后發(fā)生的衍生網(wǎng)絡(luò)事件。
基于同一技術(shù)構(gòu)思，本發(fā)明實(shí)施例提供了 一種基于網(wǎng)絡(luò)性能分析的網(wǎng)絡(luò)故 障定位裝置，如圖11所示，包括
存儲(chǔ)單元1101,用于存儲(chǔ)各網(wǎng)絡(luò)屬性的矩陣模型，每一個(gè)網(wǎng)絡(luò)屬性的矩陣 模型用于描述設(shè)定時(shí)間范圍和距離范圍內(nèi)所述網(wǎng)絡(luò)屬性及其相關(guān)屬性的發(fā)生 概率；
選擇單元1102，用于根據(jù)網(wǎng)絡(luò)故障對(duì)應(yīng)的網(wǎng)絡(luò)屬性選擇矩陣模型； 確定單元1103,根據(jù)所述矩陣模型確定發(fā)生概率不小于設(shè)定閾值且在所述
網(wǎng)絡(luò)故障的發(fā)生時(shí)間點(diǎn)之前發(fā)生的相關(guān)網(wǎng)絡(luò)事件；
定位單元1104,用于根據(jù)確定出的相關(guān)網(wǎng)絡(luò)事件定位所述網(wǎng)絡(luò)故障的根本原因。
較佳的，該裝置還包括預(yù)測(cè)單元1105，用于根據(jù)所述矩陣模型預(yù)測(cè)發(fā)生概 率不小于設(shè)定閾值且在所述網(wǎng)絡(luò)故障的發(fā)生時(shí)間點(diǎn)之后發(fā)生的衍生網(wǎng)絡(luò)事件。
本發(fā)明實(shí)施例提供的網(wǎng)絡(luò)故障定位方法，利用網(wǎng)絡(luò)屬性的矩陣模型實(shí)現(xiàn)了 網(wǎng)絡(luò)性能時(shí)間、空間和多指標(biāo)之間關(guān)聯(lián)性的量化展示，通過多個(gè)指標(biāo)之間的關(guān) 聯(lián)性定位問題的根本原因。利用矩陣模型可在網(wǎng)絡(luò)性能分析中自動(dòng)獲得最佳分 析路徑，以最小的分析量獲得準(zhǔn)確的分析結(jié)果；可自動(dòng)識(shí)別和分析網(wǎng)絡(luò)漣漪效 應(yīng)的影響，忽視與問題原因無關(guān)的衍生問題；無需人為設(shè)定判斷條件或判斷樹， 并可識(shí)別多問題并發(fā)的復(fù)雜網(wǎng)絡(luò)故障的根本原因；通過矩陣模型的離散特性實(shí) 現(xiàn)各類網(wǎng)絡(luò)性能的時(shí)間模糊性、空間模糊性的自動(dòng)匹配問題，整個(gè)網(wǎng)絡(luò)性能分 析過程無需人為參與即可獲得最終結(jié)果。
明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及 其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變型在內(nèi)。
19
權(quán)利要求
1、一種網(wǎng)絡(luò)性能分析方法，其特征在于，包括根據(jù)網(wǎng)絡(luò)性能分析需求設(shè)置時(shí)間范圍、距離范圍和網(wǎng)絡(luò)屬性；根據(jù)所述時(shí)間范圍內(nèi)接收到的所述距離范圍內(nèi)的網(wǎng)絡(luò)波動(dòng)信息，確定所述網(wǎng)絡(luò)屬性的相關(guān)屬性；根據(jù)所述時(shí)間范圍和距離范圍內(nèi)所述網(wǎng)絡(luò)屬性對(duì)應(yīng)的每一個(gè)網(wǎng)絡(luò)事件與其相關(guān)網(wǎng)絡(luò)事件的關(guān)聯(lián)關(guān)系，建立每一個(gè)網(wǎng)絡(luò)事件的樣本矩陣模型，所述相關(guān)網(wǎng)絡(luò)事件包括所述網(wǎng)絡(luò)屬性對(duì)應(yīng)的其它網(wǎng)絡(luò)事件以及所述相關(guān)屬性對(duì)應(yīng)的網(wǎng)絡(luò)事件；根據(jù)各網(wǎng)絡(luò)事件的樣本矩陣模型生成所述網(wǎng)絡(luò)屬性的矩陣模型，所述矩陣模型用于描述所述時(shí)間范圍和距離范圍內(nèi)所述網(wǎng)絡(luò)屬性及其相關(guān)屬性的發(fā)生概率。
2、 如權(quán)利要求1所述的方法，其特征在于，所述每一個(gè)網(wǎng)絡(luò)事件的樣本 矩陣模型具有時(shí)間維度、空間維度和屬性維度，每一個(gè)矩陣點(diǎn)的坐標(biāo)采用R(T, S， A)表示，其中T表示距離所述網(wǎng)絡(luò)事件的發(fā)生時(shí)間點(diǎn)T個(gè)時(shí)間單位；S表示距離所述網(wǎng) 絡(luò)事件的發(fā)生地點(diǎn)S個(gè)距離單位；A表示屬性名稱；所述相關(guān)網(wǎng)絡(luò)事件的矩陣 點(diǎn)的坐標(biāo)值R為1。
3、 如權(quán)利要求2所述的方法，其特征在于，所述網(wǎng)絡(luò)屬性的矩陣模型具 有時(shí)間維度、空間維度和屬性維度，每一個(gè)矩陣點(diǎn)的坐標(biāo)采用R (T, S， A) 表示，其中T表示距離坐標(biāo)原點(diǎn)T個(gè)時(shí)間單位；S表示距離坐標(biāo)原點(diǎn)S個(gè)距離單位； A表示屬性名稱；每一個(gè)矩陣點(diǎn)的坐標(biāo)值R表示發(fā)生概率。
4、 如權(quán)利要求3所述的方法，其特征在于，所述根據(jù)各網(wǎng)絡(luò)事件的樣本 矩陣模型生成所述網(wǎng)絡(luò)屬性的矩陣模型，具體包括對(duì)所有樣本矩陣模型中坐標(biāo)相同的矩陣點(diǎn)的坐標(biāo)值取平均值；并將每一個(gè)坐標(biāo)對(duì)應(yīng)的平均值作為所述矩陣模型中所述坐標(biāo)的坐標(biāo)值。
5、 一種網(wǎng)絡(luò)性能分析裝置，其特征在于，包括設(shè)置單元，用于根據(jù)網(wǎng)絡(luò)性能分析需求設(shè)置時(shí)間范圍、距離范圍和網(wǎng)絡(luò)屬性；確定單元，用于根據(jù)所述時(shí)間范圍內(nèi)接收到的所述距離范圍內(nèi)的網(wǎng)絡(luò)波動(dòng) 信息，確定所述網(wǎng)絡(luò)屬性的相關(guān)屬性；分析單元，用于根據(jù)所述時(shí)間范圍和距離范圍內(nèi)所述網(wǎng)絡(luò)屬性對(duì)應(yīng)的每一 個(gè)網(wǎng)絡(luò)事件與其相關(guān)網(wǎng)絡(luò)事件的關(guān)聯(lián)關(guān)系，建立每一個(gè)網(wǎng)絡(luò)事件的樣本矩陣模 型，所述相關(guān)網(wǎng)絡(luò)事件包括所述網(wǎng)絡(luò)屬性對(duì)應(yīng)的其它網(wǎng)絡(luò)事件以及所述相關(guān)屬 性對(duì)應(yīng)的網(wǎng)絡(luò)事件；生成單元，用于根據(jù)各網(wǎng)絡(luò)事件的樣本矩陣模型生成所述網(wǎng)絡(luò)屬性的矩陣 模型，所述矩陣模型用于描述所述時(shí)間范圍和距離范圍內(nèi)所述網(wǎng)絡(luò)屬性及其相 關(guān)屬性的發(fā)生概率。
6、 一種基于網(wǎng)絡(luò)性能分析的網(wǎng)絡(luò)故障定位方法，其特征在于，包括 根據(jù)網(wǎng)絡(luò)故障對(duì)應(yīng)的網(wǎng)絡(luò)屬性選擇矩陣模型，所述網(wǎng)絡(luò)屬性的矩陣模型用于描述設(shè)定時(shí)間范圍和距離范圍內(nèi)所述網(wǎng)絡(luò)屬性及其相關(guān)屬性的發(fā)生概率； 根據(jù)所述矩陣模型確定發(fā)生概率不小于設(shè)定閾值且在所述網(wǎng)絡(luò)故障的發(fā)生時(shí)間點(diǎn)之前發(fā)生的相關(guān)網(wǎng)絡(luò)事件；根據(jù)確定出的相關(guān)網(wǎng)絡(luò)事件定位所述網(wǎng)絡(luò)故障的根本原因。
7、 如權(quán)利要求6所述的方法，其特征在于，還包括 根據(jù)所述矩陣模型預(yù)測(cè)發(fā)生概率不小于設(shè)定閾值且在所述網(wǎng)絡(luò)故障的發(fā)生時(shí)間點(diǎn)之后發(fā)生的衍生網(wǎng)絡(luò)事件。
8、 如權(quán)利要求6或7所述的方法，其特征在于，所述網(wǎng)絡(luò)屬性的矩陣模 型具有時(shí)間維度、空間維度和屬性維度，每一個(gè)矩陣點(diǎn)的坐標(biāo)采用R (T, S, A)表示，其中T表示距離坐標(biāo)原點(diǎn)T個(gè)時(shí)間單位；S表示距離坐標(biāo)原點(diǎn)S個(gè)距離單位；A表示屬性名稱；每一個(gè)矩陣點(diǎn)的坐標(biāo)值R表示發(fā)生概率。
9、 如權(quán)利要求8所述的方法，其特征在于，所述根據(jù)矩陣模型確定發(fā)生 概率不小于設(shè)定閾值且在所述網(wǎng)絡(luò)故障的發(fā)生時(shí)間點(diǎn)之前發(fā)生的相關(guān)網(wǎng)絡(luò)事 件，具體包括從所述矩陣模型中選擇時(shí)間維度坐標(biāo)T小于0且坐標(biāo)值不小于設(shè)定閾值的 矩陣點(diǎn)；根據(jù)選擇出的矩陣點(diǎn)的空間維度坐標(biāo)S、時(shí)間維度坐標(biāo)T和屬性維度坐標(biāo) A,以及所述網(wǎng)絡(luò)故障的發(fā)生事件點(diǎn)和發(fā)生地點(diǎn)確定相關(guān)網(wǎng)絡(luò)事件。
10、 一種基于網(wǎng)絡(luò)性能分析的網(wǎng)絡(luò)故障定位裝置，其特征在于，包括 存儲(chǔ)單元，用于存儲(chǔ)各網(wǎng)絡(luò)屬性的矩陣模型，每一個(gè)網(wǎng)絡(luò)屬性的矩陣模型用于描述設(shè)定時(shí)間范圍和距離范圍內(nèi)所述網(wǎng)絡(luò)屬性及其相關(guān)屬性的發(fā)生概率； 選擇單元，用于根據(jù)網(wǎng)絡(luò)故障對(duì)應(yīng)的網(wǎng)絡(luò)屬性選擇矩陣模型； 確定單元，根據(jù)所述矩陣模型確定發(fā)生概率不小于設(shè)定閾值且在所述網(wǎng)絡(luò)故障的發(fā)生時(shí)間點(diǎn)之前發(fā)生的相關(guān)網(wǎng)絡(luò)事件；定位單元，用于根據(jù)確定出的相關(guān)網(wǎng)絡(luò)事件定位所述網(wǎng)絡(luò)故障的根本原因。
11、 如權(quán)利要求IO所述的裝置，其特征在于，還包括預(yù)測(cè)單元，用于根據(jù)所述矩陣模型預(yù)測(cè)發(fā)生概率不小于設(shè)定閾值且在所述 網(wǎng)絡(luò)故障的發(fā)生時(shí)間點(diǎn)之后發(fā)生的衍生網(wǎng)絡(luò)事件。
全文摘要
本發(fā)明公開了一種網(wǎng)絡(luò)性能分析方法和裝置，用以實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)性能關(guān)聯(lián)性的自動(dòng)分析，本發(fā)明還公開了一種基于網(wǎng)絡(luò)性能分析的網(wǎng)絡(luò)故障定位方法和裝置，用以減少定位網(wǎng)絡(luò)故障時(shí)的分析量，提升定位結(jié)果的準(zhǔn)確度。網(wǎng)絡(luò)性能分析方法，包括根據(jù)網(wǎng)絡(luò)性能分析需求設(shè)置時(shí)間范圍、距離范圍和網(wǎng)絡(luò)屬性；根據(jù)時(shí)間范圍內(nèi)接收到的距離范圍內(nèi)的網(wǎng)絡(luò)波動(dòng)信息，確定網(wǎng)絡(luò)屬性的相關(guān)屬性；根據(jù)時(shí)間范圍和距離范圍內(nèi)網(wǎng)絡(luò)屬性對(duì)應(yīng)的每一個(gè)網(wǎng)絡(luò)事件與其相關(guān)網(wǎng)絡(luò)事件的關(guān)聯(lián)關(guān)系，建立每一個(gè)網(wǎng)絡(luò)事件的樣本矩陣模型；根據(jù)各網(wǎng)絡(luò)事件的樣本矩陣模型生成網(wǎng)絡(luò)屬性的矩陣模型，所述矩陣模型用于描述時(shí)間范圍和距離范圍內(nèi)網(wǎng)絡(luò)屬性及其相關(guān)屬性的發(fā)生概率。
文檔編號(hào)H04W24/00GK101442762SQ20081022477
公開日2009年5月27日 申請(qǐng)日期2008年12月29日 優(yōu)先權(quán)日2008年12月29日
發(fā)明者巍 龐, 艦 廖, 剛 王, 閆躍榮, 光 陳, 疆 高 申請(qǐng)人:中國(guó)移動(dòng)通信集團(tuán)北京有限公司