基于网管性能数据的KPI优化方法

摘要： 结合中兴通讯在全球商用网的优化案例，讨论基于网管性能统计数据对网络KPI进行优化的思路和具体方法。对网络日常优化所需关注的主要KPI进行了介绍。

概述

随着商用网络规模的不断扩大，单纯采用路测优化方式已经不能满足工作需求。在网络成熟期，更多的情况是首先通过后台网管的海量数据统计和分析，初步找出异常指标，继而确定是RNC级的问题还是个别小区问题，再结合具体的优化手段进行详细分析。本文对基于后台网管性能统计数据的KPI优化手段进行初步的分析。

在传统的基于DT和CQT数据的优化过程中，数据的采集是一个比较费时的过程。为了复现某个问题，可能需要进行大量的路测，之后在对长时间的路测数据进行回放分析的过程中，定位到具体需要分析的问题点，然后从不同的角度进行分析，最终找到问题的解决方案。虽然在一些智能化的工具支持下，问题的定位与分析能在一定程度上简化，但这仍然属于对个案问题进行优化的范畴，缺乏全网级的综合信息加以支撑。而基于后台网管性能数据的优化则与之相反，这种优化方法基于大量的性能统计数据，强调各KPI指标之间的关联性以及KPI指标与各种外在因素的密切联系。工程师需要做的，是在相应工具的支持下，从性能数据与配置数据、告警数据、地理信息、时间信息等入手，深入挖掘数据之间的联系，从而定位KPI相关问题发生的原因，提出相应的解决方案。

常用KPI简介

根据各类计数器，可定义很多种性能指标。其中一部分是一般性能指标，可称为GPI（General Performance Indicator）。一部分是常用的用于评价网络质量的指标，可认为是网络关键指标。

KPI通常分为路测部分和后台部分，本文中专门讨论后台部分的指标。后台网管统计可分为RNC级统计和Cell级统计，针对不同的指标采用不同的统计范围和粒度。

从实际应用的角度，通常有以下几类KPI，分为接入类、切换类、掉话类、资源类、速率类、质量类等，其中很多指标可以进一步按业务等条件进行细分，构成复杂的KPI体系。但在日常的KPI监控和优化的过程中，通常选取最重要的几项指标，反映网络的总体性能。当有必要时，才对描述细节性能的指标进行考察。这体现了问题分解、逐步求精的分析思路。从用户的使用感受角度考虑，最重要的KPI指标应该是掉话率，包括语音、可视电话、PS R99业务以及HSPA业务的掉话率，而CS业务的掉话相对PS业务来说带来的负面体验更严重。其次一个重要的KPI类别是接入类指标，这反映了用户是否能在任何时间、任何地点及时地获取高质量的移动通信服务。接下来的重要指标包括质量类指标、速率类指标等，这些是用户直接能感受到并关心的。切换类、资源类指标则更多地为运营商所关注。

需要说明的是，在基于网管的KPI体系中，部分KPI指标比较难于体现，典型的如呼叫建立时延，其信令点涉及对核心网消息的解码，通常不在RNC内完成，因此更多的是从路测途径对时延KPI进行测试评估。

在基于网管数据的KPI优化方式中，典型的KPI如下图1所示。

图1 典型网管KPI示意图

网管KPI优化

网管KPI优化流程

网管KPI优化是通过对OMC统计数据的分析来定位异常KPI的过程。异常KPI是指日常网络运行监控中网络质量报告输出的KPI不满足项，如接入成功率、掉话率、异系统切换成功率等。不同的KPI的分析方法可能有所不同，但总体流程是存在共性的，其分析思路是：

从面到点进行问题定位和分析，即从RNC级性能到小区级(Cell)性能，结合KPI之间的横向分析，以及从KPI到相关PI的纵向分析。从RNC入手，可以了解整个WCDMA网络的整体性能。如果RNC级的指标有异常，则要分别对每个小区的指标进行分析，确认指标异常是普遍现象还是个别现象：如果是普遍现象，需要从覆盖、容量、干扰、传输、设备软硬件、无线参数等方面进行分析；如果是个别小区异常，应从相应的小区性能统计项进行详细分析。需要注意的是，在查看百分比类相对性指标时，还需要同时查看指标中的绝对次数，因为百分比指标有时会掩盖部分小区的问题。分两种情况：一是百分比指标差，但采样点少，不具备统计意义；二是失败次数（分子）多，但由于总体样本点（分母）更多，其百分比指标会很好，容易掩盖一些问题，需要特别注意。

在网管KPI优化过程中，纯粹的OMC统计数据可能还不够，这时就需要多元化的数据作为分析的输入，如设备告警/设备日志数据、小区跟踪数据。如果仍然无法定位问题，则进行相关小区的DT/CQT专项测试，结合UE侧数据进行分析，直至问题的定位解决。图2是网管KPI优化流程，解析如下。

（1）后台统计指标有RNC级的不合格指标时，明确是否突发性、可自愈性的异常。这类异常包括大风、大雨、冰雹等气候变化，假日、集会、体育比赛等用户集散变化，传输瞬断现象，电源故障等，通常持续时间不长，但是对统计指标可能有很大影响，需记录具体原因和提出相应的改进建议；

（2）若不是突发、可自愈的指标异常，要做的第一件事是检查设备告警信息，排除可能的设备告警，这点很重要。若设备无告警或告警消除后指标没有恢复正常，进行下一步；

（3）将统计指标和话务量联合起来进行过滤，列出所有指标不满足的小区，并进行地理化显示；收集网络当前的传输配置表、软硬件版本和无线参数配置信息，分析筛选出的异常小区是否存在某些共性，如有则针对其共性进行专题分析。典型的共性特征包括：CN/RNC侧重点检查近期有无版本升级、CPU负荷、链路资源占用情况等；传输侧检查是否有传输节点中断、传输误码率过高等；检查硬件更新情况；检查无线侧网元有无软件升级；查看小区上行接收功率指标，看是否存在上行干扰；检查异常小区的几个最常调整的无线参数，看参数是否异常；查看异常小区统计指标恶化发生的时间段，查找有无规律；其他暂没有列出的共性情况；

图2 网管KPI优化流程图

（4）若异常小区没有找到共性，或优化后仍有不满足指标的小区，则进行单小区的异常指标分析。主要关注无线接通率、掉话率、软切换成功率、2/3G互操作指标、PS业务速率等几方面。

（5）上面所有步骤处理完毕后，若仍然有小区异常，并且确认是设备Bug或是系统实现问题，需要设备厂商相关技术人员解决。

无线接通率优化

影响无线接通率的原因分析如下：

（1）覆盖弱区发起接入使得信令流程无法完成导致接入失败；

（2）接入时被叫手机发起位置更新使得寻呼不到手机导致接入失败；

（3）小区重选不及时使得UE未在最优小区发起接入导致接入失败；

（4）随机接入参数（前导功率、小区搜索窗长度等）设置不当使得RRC建立不成功导致接入失败；

（5）LAC区交界处发起接入，由于小区更新导致的接入失败；

（6）RAB建立失败导致的接入失败。RAB指派建立过程有两个制约，一是RB建立，这是对UE的参数配置过程，一般不会发生问题；二是无线链路重配过程，主要完成对NodeB链路参数配置，相对容易发生失败。常见的失败原因有：无线链路重配准备失败（当NodeB的资源出现问题，如发生实例吊死）；无线链路重配取消（当RNC内部资源或流程出现问题）。还有一种情况会导致RAB失败，即小区负荷较高时RNC通过接纳控制发出拒绝指令。

无线掉话率优化

无线掉话率优化的思路如下：

（1）分析RNC的掉话率指标，主要从整个RNC的整体掉话率指标上判断掉话率指标是否正常。

（2）分析小区的掉话率指标。主要需要分析小区"AMR掉话率"、"VP掉话率"、"PS掉话率"、"硬切换掉话率"、"系统间切换掉话率"，对所有小区分别用以上的指标进行排序，选择指标特别差的小区或者最差的一些小区，进一步分析掉话原因。

（3）检查小区是否异常。检查小区告警，排除小区异常方面的原因。

（4）分析掉话原因，从覆盖、切换、干扰几方面考虑。如果失败信令显示用户面或无线链路失败，并且原因是"RLC不可恢复错误"的话，可能是覆盖导致的掉话问题；分析该小区相关的切换指标（分析小区的切入成功率和切出成功率），确认是否由于切换失败导致的掉话；通过分析小区总带宽接收功率相关指标，分析在掉话率高的时段，是否相应的上行干扰指标也很高，进一步确认是否上行干扰导致的掉话问题。

（5）通过路测重现问题。当通过后台网管数据分析无法进一步解决掉话问题的时候，需要针对小区进行路测，跟踪手机侧和RNC的信令流程进行分析。

切换成功率优化

影响切换成功率主要有以下几个因素：切换区过小，切换参数设置不当，邻区漏配。

（1）切换区过小。切换区过小会使UE没有足够的时间完成切换；

（2）切换参数设置不当。会导致邻区增加/删除不及时，或乒乓切换；

（3）邻区漏配。这种情况是最常见的导致切换失败的原因，而且对网络性能影响较大。漏配的邻区不但会直接造成掉话，还会给网络带来额外干扰，降低网络容量。

其他指标

下面的这些指标不是优化最关心的，但有时也需要结合它们对具体问题进行分析。尤其是当网络用户数达到一定程度后，会更经常用到这些指标的统计。

（1）话务量与掉话率

单纯从掉话率统计的绝对值无法准确判断小区是否存在问题，必须结合小区话务量指标。只有小区话务量（呼叫次数）足够多时统计结果才有参考价值。

（2）RTWP

基站空载时，RTWP（Received Total Wideband Power，宽带接收总功率）均值在-106~-104dBm之间属正常；按照50%负载对应3dB噪声抬升，可知RTWP小于-100dBm基本属于正常范围。分析这个指标需要结合话务量。若在话务量正常的情况下出现RTWP异常抬升，则有可能是存在较严重的外部干扰，这是提示干扰存在的重要手段之一。

（3）码资源利用率

码资源利用率太高或太低都不好，现实中常见的是边缘站点的码资源利用率较低，而密集社区、写字楼、商业区等地域的站点码资源利用率很高，需要保持关注，防止因码资源受限发生的网络问题。

地理化分析方法

随着Google Earth等现代GIS工具的广泛普及，越来越多的优化工具从中受益，使得优化过程中能尽最大可能地利用地理化信息，辅助优化方案的制订。在KPI优化的过程中，常见的地理化分析方法包括：

（1）利用各小区的关键KPI值对小区颜色进行渲染，直观表达全网的KPI分布情况。统计指标的图形化显示对大规模网络优化分析的好处显而易见，图形化的分析结果直观、清晰，且能够表示出站点的相对位置，可以从宏观层面来分析问题，便于分层次实施优化。如图3所示是某网络中各小区的掉话率分布情况，不同颜色代表不同的掉话率等级。

图3 小区掉话率分布图

（2）对TopN问题小区的地理化关联分析，就是将有问题的小区重点集中呈现，以便发现地理上的共性。这样不但有助于整理优化思路，也有助于对一些隐藏问题的判断，如潜在干扰的发现、传输问题的发现等。图4是一个典型案例。黄色区域中包含的是12个掉话率最高的站点，红色区域中的3个站点则是掉话率在前三位的，这表明这些站点在拓扑结构上的很强的关联性。后经查实，这些站点是通过共同的传输接口板接入RNC的，接口板的安插不良导致了掉话率的突然提高，重新连接问题即告解决。

图4 小区KPI的地理共性分析

小结

WCDMA网络的优化是一个复杂的过程，需要从大量数据中进行问题的分类、定位、分析和处理。中兴通讯在全球成功部署大量WCDMA网络的基础上，形成了完善的KPI优化流程和方法。很多网规网优专家经验已固化到中兴通讯网规网优工具套件中，如ZXPOS CNT/CNA/CNO等，其中不少算法已经申请相关专利。中兴通讯将不断积累经验，来提高网络的质量及用户的满意程度，为全球运营商打造WCDMA精品网络。