[发明专利]一种移动通信网络流量的大数据分析方法

说明书

一种移动通信网络流量的大数据分析方法，涉及移动网络和机器学习的技术领域，包括采集性能指标数值、缺省值填充、数据的抽取与聚合、高斯混合模型聚类、以及测试模型共五个步骤；其中，步骤1‑3是对数据的预处理，在完成了上述三个步骤后，再执行步骤4和5。本发明是根据时间多样性，在处理网络性能指标后，通过机器学习算法得出面向时空多样性的移动网络流量模型，然后用部分网络性能指标验证此模型，评估模型的泛化能力。本发明操作步骤简单、容易实现，具有较好的推广应用前景。

技术领域

本发明涉及移动网络和机器学习的技术领域，具体涉及一种基于聚类的移动网络中面向时间和空间的网络流量分析方法

背景技术

目前，使用移动网络的用户不断增加，这既是运营商的发展机遇，同时也给其带来挑战。为了提高用户的满意度，运营商需要对所提供的移动网络服务不断进行改进和优化。具体来说，首先需要对移动网络质量进行监测并生成相应的监测日志或数据，其次对移动网络质量进行全面有效的评估，最后根据移动网络质量的评估结果，有针对性地加强移动网络的优化建设。

目前，移动网络中，通常使用不同的性能指标来判断当前的网络质量状况，比如语音接通率VOLTE(Voice over Long-Term Evolution)，VOLTE语音话务量，数据业务量，连接最大数RRC(Radio Resource Control)，触发的RRC连接释放次数CSFB(Circuit SwitchedFallback)，重定向到2G的RRC连接释放次数，重定向到 3G的RRC连接释放次数，下行弱覆盖比MR(Measurement Report)， MR下行良好覆盖比，VOLTE语音下行丢包，VOLTE下行时延，上行PRB 平均利用率，下行PRB平均利用率，有效RRC连接最大数，ERAB拥塞率，VOLTE语音用户QCI等于1切换成功率，ERAB建立成功率，VOLTE 语音上行丢包率等等。

不同时间段的网络性能指标的值是不一样的，比如白天时间段的数据业务量比晚上高，节假日时段景区的数据业务量会变高。除了时间上的联系，在空间中，基站会部署在不同位置，每个基站从自身的覆盖范围中采集相应的网络性能指标。基站坐落于不同位置，采集到的网络性能指标也有不同的时空多样性。对这些具有时空多样性的网络性能指标，可以利用机器学习算法探索面向时空多样性的移动网络流量模型。

这些网络性能指标也与人们的生活息息相关，网络性能指标的使用可以在一定程度上反映人们的活动轨迹，移动流量的区域密集程度可以反映出城市的热点地区分布。基于这些信息可以分析出很多特征，对基站选址布局、城市区域规划、用户互联网画像等都有重要意义。

随着用户对通话质量的要求不断提升，移动互联网不断发展和完善，国内外各类对基站流量和网络性能指标的分析和建模的项目不断被发布。前人使用机器学习算法来研究移动网络流量，研究对象可以是业务兴趣、移动性等，也可从时间维度，空间维度以及两者的结合进行探索。基于空间维度分析流量特性，如改善毫米波蜂窝网络的下行链路传输中的性能,预测空间依赖性和基站流量带来的长期需求, 以用户为中心的分布式群集和UDN中的基站模式选择问题,基于时间和空间二维度分析流量特性，如利用LSTM模型学习基站流量的时间依赖性和空间相关性，并对未来一段时间做流量预测。

发明内容

本发明提供一种移动通信网络流量的大数据分析方法，它能够快速、且更准确地分析移动网络流量，并且能够用来分析面向时间和面向空间的移动网络流量。

为解决上述问题，本发明采用如下技术方案：

一种移动通信网络流量的大数据分析方法，包括以下步骤：

步骤1，采集性能指标数值：收集移动网络中的场景中的基站的网络性能指标的数据；对于基站记录的性能指标的数据，分别收集其各个网络性能指标的数据；

步骤2，数据的抽取与聚合：剔除各个基站中的网络性能指标的无用数据及干扰数据；