移动通信网络优化智能辅助系统

1、移动通信网络优化智能辅助系统1.1 移动通信网络优化工作的必要性自从1987年第一部TACS移动电话在我国出现以来，移动电话以惊人的速度发展，目前全国移动用户已突破了4000万，并预计将在2004年达到2亿。用户的大规模增长使得无线网络的规模越来越大，对网络质量的要求也越来越高。而由于话务密度分布不均匀、频率资源紧张、网络配置未达最佳等因素，使得现有网络的服务质量不尽如人意，巨额的投资并没有得到最高的收益。因此，在移动业务的提供走向市场化的情况下，如何通过网络优化提高网络的利用率，正成为运营商越来越关心的问题。1.2 移动通信网络优化工作的特点现有的网络优化工具主要有以下三种类型：（1）各厂家

2、提供的OMC系统；（2）无线网络及交换网络测试分析的仪器、软件；（3）无线频率规划软件。这些软件都侧重于完成一定的功能，但缺乏“为什么要这样做”的思维方式。由于移动通信网络的“移动”特性，整个网络的结构、操作的过程非常复杂，维护过程中出现的问题也涉及到很多方面，需要大量的具有专门知识的人员进行维护与优化，优化人员的经验在工作中会起到非常重要的作用。这是以上的软件所不能代替的。1.3 网络优化工作现状由于优化工作中经验的重要性，具有丰富经验的优化人员就成为了一种宝贵的财富。在优化人员的拥有上，国内的两大运营商（中国移动与中国联通）的情况不太一样，由于中国移动发展的历史较久，实力较雄厚，优化人员的

3、数量与素质都比联通要高一些。各地的水平也相当不平衡。例如，在广东省移动通信公司，有一个四五十人左右的专门机构从事网络优化，其中相当多的是有长期优化经验的专家；而在重庆市移动局，对覆盖整个直辖市（九个市区、十二个下辖县、三个市辖市）的网络优化的人员只有三人，显然远远满足不了需要。总的来说，在一些地区，有经验的网络优化工程师不足已经成为了一个严重的问题。因此，我们决定采用知识工程、专家系统的概念，开发一个模拟人类专家工作方式的网络优化智能辅助系统。2、智能辅助系统能够解决的问题当前优化工作的目标主要是针对覆盖率、接通率、掉话率、通话质量、话务量这几个指标。因为这几个指标集中反映了网络的质量，也与经

4、济效益直接相关。我们的系统模拟实际工作中优化人员的工作过程，开发一个全方位的网络优化智能辅助系统，从网络目前的一些指标出发，经过一系列的推导，得出网络优化方案的建议，并给出得到建议的原因。移动网络优化工作中最核心的内容有两个：一是无线覆盖的调整；二是网络参数的优化。这两个内容又是互相影响、互相渗透的，在优化时也是一个交互考虑的过程。2.1 系统的基本流程我们将从日常报表及网络实测数据出发，经过分析找出需要进行优化的指标及现在网络中的一些不正常状态，再模拟优化人员实际解决这些问题的方法进行推理，提出优化方案的建议，并给出得到建议的原因。2.2系统有多大的能力系统含有大量的移动通信网络优化领域专家

5、水平的知识与经验，能够象真正的专家利用知识和经验进行推理和判断，模拟人类专家的决策过程，处理网络优化工作中遇到的各种问题。系统要处理的问题包括：（1）从报表数据中找出需要优化的指标；（2）从大量原始数据中寻找数据之间的内在联系；（3）无线覆盖调整；（4）网络参数优化；（5）分拆掉话原因，降低掉话率；（6）分析接通率低的原因，提高接通率；（7）分析切换失败的原因，提高切换成功率；（8）分析话务量过高和过低的原因，均衡话务量。这些问题是相互包含、相互联系的。2.3 系统的目的（1）指导初级技术人员进行网络优化工作刚开始从事网络优化的人员可以通过系统进行学习，并在日常工作中从本系统得到帮助，解决一些

6、只有专家才能解决的问题。（2）对网络优化人员有指导作用对于资深优化人员，他可能对一部分的工作非常熟悉，但对其它的部分了解不深，这时他也可以从系统中获得有益的信息。（3）专家知识和经验的保护把专家的知识和经验总结成完善的结构，并存贮成数据的形式，有利于这些宝贵的知识的保护与推广。在发生人员变动的情况下，可使工作保持必要的连续性。3、本系统的独特之处3.1 采用知识工程的低念本系统的核心功能是要模仿人类专家的思维方式进行优化工作。这种模拟有两种可能：一是从微观层次全面模拟人脑中的知识存贮及推理过程；二是从宏观上把专家的知识和经验抽象成概念化的形式。前者可对人的思维进行更加逼真的模拟，后者只能从浅层

7、上模仿人的思考过程。二者都是在基于知识的基础上才能实现。因为生物学上尚不十分清楚人脑中知识存放的具体结构，而且目前计算机的规模和运行速度还远未达到神经系统的水平，前者目前有很大的困难。综合二者的优缺点，我们将采用一种二者综合的概念，即，当人的推理过程非常清晰时，采用第二种思路，取其快捷，而当某些问题的解决是直觉性的或很模糊的时候，借鉴第一种思路，尽量模拟思维的微观实现。3.2 结合先进的KDD技术KDD的意思是Knowledge Discoverv in Database，就是利用机器学习的方法从数据库中提取有价值知识的过程，是数据库技术和机器学习两个学科的交叉学科。数据库技术侧重于对数据存储

8、处理的高效率方法的研究，而机器学习则侧重于设计新的方法从数据中提取知识。针对要处理的数据关联性非常强的特点，在作报表处理时，我们把大量的数据（如一长段时期的报表数据）作为对象，运用KDD技术发现数据内在所含的规律。3.3 自我学习功能系统可接受人类知识，也可在推理过程中不断扩充自身的知识库，提高自身的分析能力。例如，系统可根据对过去某一事件的处理推测现在出现的类似的新问题的处理方式，如果有效，则把此问题和处理方式自动增加到自己的知识库中。3.4 依托于强大GIS平台结合实验室以前在GIS方面的丰富经验，本系统引入信息可视化显示，帮助运营者全面评价网络性能。3.5 知识部分与推理部分隔离推理部分

9、抽取出来作为一个智能系统的框架。一次开发成功后，后续的开发只需进行知识总结。这是与目前移动通信设备厂商多，各厂商的硬件设备和软件相差很大相适应的。第一次开发时，我们着重选取一个厂家的具体设备和软件，当再次开发时，只需再建一个特定的知识库加入系统中，不需要大的改动。3.6 支持web方式访问使用者可远程访问系统，获取帮助。4、本系统的实现4.1 系统开发工具选择系统采用PC+Windows平台，并采用Visual C+语言及Visual prolog语言作为编程工具，知识库存放采用SQL server数据库技术，VisualC+语言通过ODBC接口与sql server交互。理由如下：1） PC

10、机的性能日益增强，价格不断下降。用PC机作硬件平台已能够满足本系统的运算要求。2）易于推广使用。PC+ Windows系统的兼容性好，安装容易，价格低廉，系统启动和培训期短，降低了整个系统的成本。3）prolog语言是一种描述性语言，非常适合专家系统程序的编制，可大大缩短开发周期。4）prolog语言有很多版本，在各种平台上的可移植性好。5）VisualC+具有强大的Windows编程功能，且与SQL Server数据库接口方便。6）SQL server7.0已经发展成为一个具有全方位网络功能的、执行速度较快的数据库系统，且与windows操作系统的兼容性好。4.2 系统模拟描述系统包括以下的

11、一些模块：知识库管理、报表功能管理、推理机制与解释机制、输入与输出、系统日志管理、系统帮助。下面对各个模拟作一个简单的描述：（1）知识库管理知识库也可称为专家经验库，由知识工程师通过访问专家、运用从专家抽取知识的技术而获得知识，并表达为某种合适的方式。由于系统结构合理化的需求，以及数据库操作方便、维护简单、独立性强、便于移植、支持网络操作的特点，可考虑把知识以一定方式存入数据库中。对于一个具体的系统应用，只需要选择对应的数据库，而不必改动系统的其余部分。系统提供知识获取工具，知识工程师在不熟悉数据结构的情况下用它建造、修改知识库。系统提供知识库自动检查工具，检查知识库中现有知识的一致性与精确性

12、。系统为知识自动调整功能预留接口。（2）报表功能管理实际工作中经常需要处理大量的报表，有简单的操作，也有复杂的需要涉及多个不同数据的关联性的处理，可把这部分功能集成到本系统中。除此之外，对报表数据的一些分析处理可能会用到专家的经验，这部分处理交由系统的核心部分去做，本模块仅完成数据过滤和传送功能。本功能与数据挖掘技术（KDD）组合，为系统提供更深层次的知识。（3）推理机制与解释机制管理推理机制是系统的核心部分，是系统成功的重要因素。尽可能运用各种推理技术，如非单调推理、不精确推理、模糊逻辑等，进行了深入研究与实验。提出自己的一套行之有效的推理与解释体系。（4）输入与输出由于系统与人交互频繁的特点，系统提供良好的图形界面，并特别注重语义的精确性。系统提供文件输出功能，便于与其他系统交互。系统提供打印功能。