Shandong Tongxin Jishu - sdca.miit.gov.cnsdca.miit.gov.cn/n707939/n715310/n715318/c1043954/attr/1043955.pdf · 的转发流表，并在数据包进入交换机时对其进行分类，以提高蜂窝核心网络的灵活性、可扩展性。

主管单位：山东省通信管理局

主办单位：山东通信学会

编委：吕雪峰刘宁张广辉

张娅郭彬钱丽玲

董士宝谢绍富

(按姓名笔划排列)

主编：高兆法

编辑：刘伟

地址：济南市经十一路40号

邮编：250002

电话：0531-82092813

Q Q：1207011839

Email ：[email protected]

[email protected]

国内统一刊号：CN37-1161/TN

广告经营许可证号：3700004000133

国内定价：5.00元

（1979年创刊总第163期）山东通信技术Shandong Tongxin Jishu

第39卷第2期2019年6月（季刊）

（公开发行）目次

技术研究与应用

SDN技术在5G网络架构中的应用研究 ...............孔建坤赵庸旭崔向前刘璐（1）

面向5G的CRAN承载方案研究........................................................周明王成帅（5）

大数据和云计算技术在计费系统的应用研究.................................贾荣明田力（9）

基于萤火虫算法的分布式宏基站调优.......................................胡志伟杨明坤（14）

基于知识图谱的故障智能诊断手段研究 ..........刘绪忠宋春咏孙磊马法雷（18）

热点场所差异化调度的业务感知提升方法研究.....................................李言兵（21）

运营商行业智能化机器学习平台建设实践

.......................................................................徐秀珊李辉王新印张超李雨（25）

经营管理

构建面向消费场景的集中式配置管理库..................................孔庆涛朱祥磊（30）

技术交流

基于宏微结合的特殊场景LTE室内信号覆盖综合解决方案研究

.............................................................................................崔芳芳霍励吕正春（33）

一种基于光猫误码进行宽带质差用户挖掘的方法........孙维睿张琳王振玉（35）

智能光缆线路巡检系统的优化与实现.........................................................尹婧（39）

基于Python实现的高铁PTN站故障智能调度系统 ..........郝增勇赵光松桑勇（43）

老旧通信机房节能方案探究...........................................................边茂宣郭勇（45）

1 引言

近年来，移动数据业务量呈现爆发式增长态势，

据预测，2015 年～ 2020 年全球移动数据流量将增长

近 8 倍，而 5G 网络面临的主要挑战就是如何有效提

升系统容量以满足多样化的服务需求。鉴于此，本文

提出一种全新的网络架构，将软件定义网络（SDN，

Software Defined Ntework）引入现网体系，以提高网

络的智能化水平，更加高效灵活地管理无线资源。

2 SDN体系架构

SDN 实现了控制平面和数据平面的分离，通过外

部的应用程序实现了网络的可编程性，从而使网络能

实现更加智能化、集中化的控制。SDN 技术将在 5G

网络中发挥越来越重要的作用。

（1） SDN 架构介绍

如图 1 所示，SDN 网络架构主要是由开放网络

基金会（ONF，Open Networking Foundation）提出的，

分为三层：基础设施层、控制层和应用层。

SDN技术在5G网络架构中的应用研究

孔建坤赵庸旭崔向前刘璐

在连续广域覆盖、热点高容量、低功耗大连接和低时延高可靠等技术场景下，将SDN引入5G网络，能在很大程度

上提高网络的智能化水平和服务质量。本文介绍了SDN的三层结构，对所提出的基于SDN的5G网络架构及其运

行机制进行了深入研究，并给出了实际应用案例。

5G SDN 转控分离

摘要：

关键词：

（中国移动山东公司泰安分公司，泰安 271000）

图1 SDN网络架构

1）基础设施层，也称数据平面，主要由转发设备

组成，包括物理的、虚拟的交换机通过开放的接口进

行数据的转发和交换。这些转发设备的功能主要包

括两方面：一方面，负责收集网络状态（网络拓扑信

息、网络拥塞状况和网络使用情况等），并将其暂时

存储在本地存储器中，进而发送到控制器；另一方面，

根据控制器下发的路由表进行数据包的处理。

2）控制层，也称控制平面，是基础设施层和应用

层之间联系的桥梁。向下通过南向接口与基础设施

层联系，通过基础设施层的交换设备实现控制器的指

令，包括报告网络状态、下发数据包转发规则等；向上

通过北向接口与应用层联系，提供各种形式的服务访

第39卷第2期2019年6月

山东通信技术Shandong Communication Technology

Vol.39 No.2Jun. 2019

问点，控制层可以通过应用编程接口（API）与应用层

连接。SDN 应用程序可以通过 API 获得交换设备上

的网络状态信息，据此做出相应的系统决策。在一个

大的网络架构中，单一控制器已无法满足系统要求，

所以需要多控制器的联合协作，这些控制器之间的信

息共享和协同控制通过东西向接口来实现，常见的控

制器包括 floodlight、opendaylight 等。

3）应用层，包括为满足用户需求而开发的各种应

用程序、依托控制层提供的可编程平台等。SDN 应

用程序能够通过控制器控制基础设施层的转发设备，

通过 SDN 应用程序实现动态接入控制、服务器负载

均衡、资源调度等功能。

4）北向接口，是控制器向用户应用层面开放的

接口，用户能够以软件编程方式通过 SDN 应用程序

调用底层的网络资源，对资源进行统一调度。北向接

口目前缺乏统一标准。

5）南向接口，将控制器与转发设备相连接，

SDN 控制器下达的指令需要由南向接口向基础设施

层传达。目前 ONF 倡导的 OpenFlow 协议是最受关

注的南向接口协议。

6）东西向接口，是控制器之间的接口，满足了控

制器大规模部署和可扩展性的要求。目前还没有统

一的行业标准。东西向接口应与控制器解耦，以满足

不同厂商控制器之间的通信需求。

（2） SDN 在移动蜂窝网中的应用

SDN 将控制平面与数据平面相分离，是一个全

新的网络体系架构。SDN 将网络视为一个操作系统，

把应用程序从底层硬件设备中抽取出来，使得与管理

相关的功能都在集中式的控制器中实现。因此，网络

的智能化就能通过集中式的控制器管理全局网络而

实现。SDN 的这一特性促使越来越多的研究者开始

研究将 SDN 引入移动蜂窝网中，提出的基于 SDN 的

回程网络和核心移动网络，都能很好地减小网络开

销，并同时增强网络的移动性。

华为提出的 MobileFlow 移动网络演进方案，是

其针对下一代移动网络的关键技术。MobileFlow 是

一个由 MobileFlow 转发引擎（MFFEs，MobileFlow

forwarding engines）和 MobileFlow 控制器（MFC，

MobileFlow controller）组成的基于 SDN 的移动核心

网络。MobileFlow 转发引擎是由 MobileFlow 控制器

控制的载波级交换器，可以将用户的数据流量转发向

不同的中间设备。MobileFlow 本质是一个移动网络

的端到端控制机制，通过融合软件定义网络、网络功

能虚拟化等理念，提供对移动网络的整网控制和可编

程能力，以满足运营商对未来移动网络的灵活性、可

扩展性需求。

美国普林斯顿大学、贝尔实验室提出了基于

SDN 的 SoftCell 架构。SoftCell 是基于 SDN 的蜂窝

核心网络，通过中间设备链路引导用户的数据流量。

SoftCell 通过有效的转发规则整合，减少了数据流量

的转发流表，并在数据包进入交换机时对其进行分

类，以提高蜂窝核心网络的灵活性、可扩展性。

上述两个方案均只能对流表进行整合转发，缺少

统一的体系方案，难以大规模商用。本文提出的方案

则结合了核心网侧与接入网侧的业务需求，具备大规

模商用的能力。

3 基于SDN的5G网络体系架构

为满足面向未来移动通信应用的需求，5G 网络

要求系统数据容量较 4G 提升 1000 倍，支持的业务总

速率达到 l 0Gbps，网络覆盖的单位面积吞吐率较 4G

提升 25 倍，实现用户体验速率、端到端时延、连接数

密度、峰值速率和移动性等关键性能指标。面对多样

化场景的极端差异化性能需求，需要对现有网络进行

升级。将 SDN 技术引入现有网络，是未来 5G 网络的

重点研究方向。

（1）网络体系架构

将 SDN 技术引入现有网络，将使网络变得更加

灵活、高效、智能和开放。基于 SDN 的异构网络架构

如图 2 所示。它是一个包含宏小区、微小区和微微小

区在内的多层次架构，既可以工作在授权频段上，也

孔建坤等：SDN技术在5G网络架构中的应用研究第2期 2

可以通过 WIFI 作为接入点工作在非授权频段上。异

构网内部可以支持多种通信技术，如流量卸载、频谱

共享、D 2D 通信、MIMO 技术等。一组宏小区基站

由一个集中式的 SDN 控制器控制，SDN 控制器与基

站通过高容量的光纤连接，利用 OpenFlow 协议控制

数据平面。为减轻 SDN 控制器的压力，控制器只与

跟它连接的一组宏小区基站相联系，微小区基站通过

无线或光纤回程链路向宏小区周期性地报告其负载

状况。

1）宏小区基站

在基于 SDN 的异构网络架构中，宏小区基站与

SDN 控制器相连接，扮演了 SDN 控制器中基础设施

层的角色。每一个宏小区基站包括一个本地数据库

和一个决策执行模块。本地数据库存储着小区内的

用户信息，提供小区的负载状况，并帮助制定本地决

策。当用户进入或离开小区时，本地数据库都会对用

户信息进行更新。用户信息主要包括用户属性，如网

络的提供者、设备类型、用户类型和近期使用状态等，

本地数据库里的信息对决策执行模块起着关键作用。

宏小区基站执行所有集中式控制器制定的决策，这些

决策同时也是根据基站提供的信息所制定的。

2）SDN 控制器

SDN 控制器包括一个全局数据库和一个网络决

策制定模块。全局数据库包含数个宏小区内的所有

用户信息，并且根据基站反馈信息进行周期性更新。

SDN 控制器决策制定模块进行周期性更新，但当网

络出现超负载运行情况时，SDN 控制器会对决策制

定模块立即更新，以达到智能管理网络的目的。

（2）网络架构运行机制

SDN 控制器与无线接入点之间的交互消息可以

借鉴 OpenFlow 协议实现。OpenFlow 协议主要是对

流表转发的处理，而无线接入点不同于交换机，不需

要对流表进行处理，所以 SDN 控制器与无线接入点

之间的交互相对简单，OpenFlow 协议中的某些交互

消息可以在网络中得到很好的应用。网络架构的主

要运行机制如图 4 所示。

基于 SDN 异构网络的操作架构如图 3 所示，与

网络架构类似，同样是多个宏小区基站与一个集中式

的控制器相连，控制器决定各种网络功能决策的制

定，包括资源分配、切换、发射功率分配等，这些功

能组成了无线网络的控制平面。网络的数据平面由

基站组成，负责实施控制器制定的各种决策。

图3 基于SDN异构网络的操作架构图4 网络架构的主要运行机制

图2 基于SDN的异构网络架构

山东通信技术3 2019年

移动终端接入无线接入点后，会向无线接入点发

出请求消息，请求消息由 OpenFlow 协议中的 packet-

in 消息实现。无线接入点将收到的移动终端的请求

消息转发给 SDN 控制器，同时将无限接入点的状态

消息转发给 SDN 控制器。状态消息主要包括用户接

入状态、负载状态和网络状态等，可以通过 OpenFlow

协议中的 port-status 消息完成。OpenFlow 协议中的

port-status 消息主要用来添加、删除交换机端口，或者

当端口状态改变时通过该消息通知 SDN 控制器。无

线接入点的状态消息可以周期性地向 SDN 控制器发

送，也可以在发生状态改变时立即通知 SDN 控制器。

控制消息主要包括 SDN 控制器制定的网络决策，

主要通过OpenFlow协议中的Configuration消息实现，

SDN 控制器通过 Configuration 消息配置交换机。查

询消息是 SDN 控制器为了掌握网络状态主动向接入

点发布的 Features 消息，OpenFlow 协议中 Features

消息用于 SDN 控制器发送消息查询交换机的性能，

查询的性能信息包括交换机支持的最大流表数量、最

大缓存报文数、端口计数和队列计数等。

反馈消息是无线接入点完成 SDN 控制器制定的

决策后给移动终端分配的资源，可以通过 OpenFlow

协议中 packet-out 消息实现，packet-out 用于交换机

通过指定的端口发送报文。

OpenFlow 协议提供了很多强大、复杂的功能，随

着 OpenFlow 标准的不断更新，越来越多的扩展功能

将被增加到其中，这也有助于 SDN 在未来 5G 异构无

线网络中的进一步发展和完善。

（3）应用实例

基于 SDN 的网络智能化管理机制能够在未来 5G

网络中发挥关键作用，有望在网络的负载均衡、数据

流量预测和协同频谱共享等方面得到广泛应用。

目前，基于 SDN 架构的网络体系主要用控

制层和用户层分离（CUPS，control and user plane

separation）局点承载现网业务。该方案依托 SDN

架构的控制层与转发层分离技术，结合现网 EPC

（Evolved Packet Core）实现业务本地卸载，极大程度

地减少了流量迂回，打造了更加可靠、灵活开放的智

能化网络。

通过引入云化 EPC 网元 GW-C 和 GW-U，实现控

制、转发的分离，控制层集中部署，用户层分布式下

移部署，用户数据业务在地市就近接入公网，以降低

时延，提升用户体验，有效节省省干网络资源并提高

运维效率。通过对比 CUPS 前后性能指标发现，在进

行用户下载速率测试时，较之使用 GW-U，使用 SAE-

GW 有效减少了经过的数通设备数目，室分场景和宏

网场景下载速率均能提升 20% 以上。整网完成 CU

分离改造后，数据配置统一从 GW-C 下发，运维效率

提升 80%。

4 结束语

为应对未来 5G 网络带来的挑战，本文将 SDN 技

术引入现有网络体系架构。基于 SDN 技术转控分离

的网络，可以实现 4G 和 5G 无线网络的融合接入，为

无人驾驶、超高清视频采集播放、无人机实时回传直

播等 5G 业务提供网络支撑。

Index V N. Cisco Visual Networking Index: Global

Mobile Data Traffic Forecast Update, 2016–2021 White

Paper[J].3 Rowshanrad S, Abdi V, Keshtgari M, et al.

Performance evaluation of sdn controllers: Floodlight and

OpenDaylight[J], 2016.

Consortium O F. OpenFlow switch specification[J], 2015.

Demestichas P, Georgakopoulos A, Tsagkaris K, et al.

Intelligent 5G Networks: Managing 5G Wireless/Mobile

Broadband[J]. Vehicular Technology Magazine IEEE, 2015

（10）.

左青云，陈鸣，赵广松等. 基于OpenFlow的SDN技术研

究.软件学报，2013 (5).

1

2

3

4

参考文献

孔建坤等：SDN技术在5G网络架构中的应用研究第2期 4

1 引言

随着全国各大主要城市 5G 试验网的开启，超高

速率、超低时延、高精度同步给当前的承载网带来了

前所未有的挑战。承载网是网络建设的基础，如何在

利用原有承载网络的同时有效节约成本，成为各运营

商建网的关键。提前探讨、筹划承载网建设具有重要

意义。

5G 网络商用后，5G 站点数将大大超过 4G 站点

数。5G 高低频组网，小站将成为基础站点形态，通过

4/5G 宏杆站共站避免新增宏站站址，将大大节省投

资。无线目标网预判如图 1 所示。

面向5G的CRAN承载方案研究

周明 1 王成帅 2

提前探讨、规划面向5G的CRAN承载网具有重要意义。本文从C-RAN承载前传模式比较、CRAN部署组网方案

及5G拉远站场景方案等方面入手进行研究，为后期5G站的建设提供了有益帮助。

5G C-RAN 承载网

摘要：

关键词：

2 C-RAN承载5G的前传方案比较

（1）前传方案分类

受现网二级分纤点间的配线环光缆芯数所限，现

有的基站到二级分纤点、一级分纤点间的空余光纤

芯数无法满足 5G 时代密集城区每站点的光纤芯数要

求。可行的解决方案主要包括：从基站新拉一条 48 芯

光缆直接或者级联到 BBU 集中点；通过单芯双向模

块利用裸纤至业务汇聚机房；采用有源波分或者无源

波分在 AAU 处做光纤收敛以后，再用 2 芯已有光缆

经二级光交箱接入配线环，从而“节省使用”配线环

的主干光纤。

以上方案均可满足 5G 对光纤的要求，实际应用

中需要比较各方案的成本与施工难度，选择成本更优

方案。以 CRAN 组网为主、DRAN 为辅进行 5G 部署

图如图 2 所示。

（ 1 中国移动山东公司，2 中通服咨询设计研究院有限公司，济南 250101）

图1 无线目标网预判图

CRAN 承载网总体部署能有效节省电费、机房租

赁费，这是 CRAN 部署的驱动力所在。图2 以CRAN组网为主、DRAN为辅进行5G部署图

济南 250001




3 CRAN部署组网方案

（1）业务汇聚区及业务汇聚机房部署方案

为保障每个业务汇聚机房集中 10 个以内的 5G拉远站点，建议业务汇聚区在密集城区划在 1 平方公

里以内，一般城区划在 1.5 平方公里以内。

业务汇聚机房部署策略：按照城区 0.7~1.5 平方

公里划分业务汇聚区，不超过 10 个宏蜂窝的业务汇

聚区配置 1 个业务汇聚机房；超过 10 个则增加一个

BBU 池机房。

（2） CRAN 前传：主干光缆部署方案

1）方案 1 ：业务汇聚节点纳入原有主干光缆环

如图 3 所示，适用于原有主干光缆容量较充足、

新增业务汇聚机房分散的情况，业务汇聚机房在光缆

网中作为一级分纤点规划建设。

DRAN 主要应用在较特殊地区包括：现有纤芯不

足，需租赁第三方资源新放光缆区域；现有纤芯不足，

需新布放光缆但管孔紧张区域；布放前传光缆长度过

长区域；光缆造价过高区域；综合业务区外的孤立站

点；租赁纤芯组网区域。

（2）前传方案比较

1）光缆是战略资源，且终期造价较低。在不租

赁第三方资源即能敷设光缆的区域，可以优选光纤直

驱作为前传方案。

2）光纤直驱、单纤双向与无源波分在运维上的

差异不是特别大，出现故障后，无源波分的故障定位

难度高于光纤直拉 / 单芯双向。

3）对于光纤敷设困难或者业务安全性、稳定性

要求高的场景，可以适当考虑有源波分作为补充。

前传方案比较见表 1。

表1 前传方案比较表

图3 业务汇聚机房旁挂现有接入主干环图

3

表 1 前传方案比较表

DRAN 光纤直驱单纤双向无源波分有源波分

方案

要点

BBU 和

RRU 合设

RRU与BBU间

采用光纤直

连

RRU 与 BBU 间

采用光纤直连

RRU/BBU 间

CWDM模块+合分

波器直连

RRU/BBU 间通

过有源波分连

接

组网

方式

通过接

入主干

环接入

点到点组网点到点组网点到点组网，链型组网

保护

能力

支持

保护无保护能力支持 1+1 保护

接入

容量

线路侧

10G、50G

一对光纤，

一路业务

一根光纤，一

路业务

去除水峰，实际

可用波长只有

16 波，即 8 路

CPRI 业务

线路侧最大

150G ，支持

6*25GE+9*10G

CPRI

接口

类型

10G 短距

灰光模

块

10G/25G 灰

光模块

10G/25G 灰光

单芯双向模块

10G/25G彩光模

块

10G/25G 灰光

模块

客户侧

光模块

功耗

10G：1.0W；

25G：1.5W

10G：1.0W；

25G：1.5W

10G：1.0W；25G：

2.5~3W

10G：1.0W；

25G：1.5W

前传设

备功耗

（w）

无前传设备无前传设备 0 65

工程

部署

需要部

署RRU到

BBU 的光

缆

需要新部署

RRU到BBU的

光缆

需要新部署

RRU 到 BBU 的

光缆

复杂，需规划

CWDM 波长和模

块备件安装

简单，无需规

划波长，业务

免配，上电即

可

管理、

运维

难度

传统

较困难。光

纤故障点在

网管上无法

监控，维护

困难，无管

理。

较困难。光纤

故障点在网管

上无法监控，

维护困难，无

管理。

困难。光纤故障

与无源波分设

备故障定界不

清，光纤故障点

在网管上无法

监控，维护困

难。

简单。OTN 开

销支持故障快

速定位和管

理。

2）方案 2 ：业务汇聚节点单独建设光

缆环

适用于原有主干光缆容量较不足、新

增业务汇聚机房集中的情况，业务汇聚机

房在光缆网中作为一级分纤点规划建设。

如图 4 所示。

图4 业务汇聚机房加入现有接入主干环图

周明等：面向5G的CRAN承载方案研究第2期 6

c）如果光交之间补缆，将不仅需要更大的光缆投

资，而且光交也需扩容，远不如从拉远站直接敷设光

缆至业务汇聚机房经济合理。

2）小微站需要 2 芯，可利用接入主干网至业务

汇聚机房。

3）如现有光缆通过单芯双向、波分方式将纤芯

收敛到 6 芯以下，可先通过接入主干环将业务开通，

后续纤芯具备后另行割接。

CRAN 的光缆网组网中业务汇聚机房在“一

张光缆网”中的位置等同于一级分纤点，直接下挂

C-RAN 5G 拉远站等同于二级分纤点。CRAN 光缆网

组网方案图 6 所示。

图5 接入主干光缆环纤芯结构图

主干层光缆以环形结构为主，环上设置 4-5 个主

干光交，根据业务分布情况，在城区等业务密集区以

144/288 芯为主。

按共享纤芯 + 独享纤芯 + 预留纤芯的方式进行

纤芯分配：共享纤芯在每个光交均成端，适宜主干光

交之间业务调度使用；独享纤芯从两个方向直接接入

光交接箱，减少跳纤点；其余为预留纤芯。主干接入

光缆环纤芯配置参考表见表 2。

表2 主干接入光缆环纤芯配置参考表

如果 5G 拉远站走主干光交环，将占用 24-48 芯

的共享纤芯，会出现三大问题：

a）纤芯无法满足远期 5G 需求，主干光交环空闲

的共享纤芯理论上就不满足 48 芯。

b）如果强行占用全部 48 芯共享纤芯，会使光交

环的功能降低一半，无法进行光交环的正常业务。

图6 CRAN光缆组网图

4 5G拉远站场景方案

（1）单个 5G 拉远站建设方案

如果拉远站至业务汇聚机房纤芯满足需求（三跳

以内），新建5G拉远站初期可以利旧原有光缆（图7）。如果拉远站至业务汇聚机房纤芯不满足需求，且到业

务汇聚机房敷设光缆较容易，长度在 500 米以内新敷

设光缆至业务汇聚机房；如原有光缆芯数为 48 芯，可

将业务割接至光交环，释放芯数（图 8）。

图7 单个5G拉远站场景1

6

其余为预留纤芯。主干接入光缆环纤芯配置参考表见表 2。

表 2 主干接入光缆环纤芯配置参考表

项目光缆容量(芯）

96 144 288

分纤点数量

（个）2 3 3 4 5 4—6

独享光纤 24 24 24 24 24 24-48

共享光纤

（芯）24 24 24 24 24 24-48

预留光纤

（芯）预留纤芯资源，应满足后期增加节点及业务扩容需求

如果 5G拉远站走主干光交环，将占用 24-48芯的共享纤芯，会出现三大问题：

1）纤芯无法满足远期 5G需求，主干光交环空闲的共享纤芯理论上就不满足 48芯。

2）如果强行占用全部 48 芯共享纤芯，会使光交环的功能降低一半，无法进行光交

环的正常业务。

3）如果光交之间补缆，将不仅需要更大的光缆投资，而且光交也需扩容，远不如从

拉远站直接敷设光缆至业务汇聚机房经济合理。

（2）小微站需要 2芯，可利用接入主干网至业务汇聚机房。

（3）如现有光缆通过单芯双向、波分方式将纤芯收敛到 6芯以下，可先通过接入主

干环将业务开通，后续纤芯具备后另行割接。

CRAN 的光缆网组网中业务汇聚机房在“一张光缆网”中的位置等同于一级分纤点，

直接下挂 C-RAN5G 拉远站等同于二级分纤点。CRAN光缆网组网方案图 6所示。

图 6 CRAN 光缆组网图

（3）前传光缆组网方案建议

1）C-RAN 前传纤芯（12~24 芯）以在接入配线

层利旧或新建光缆为主，不建议裸纤直接接入主干光

缆环。

接入主干光缆环的纤芯结构如图 5 所示。


图8 单个5G 拉远站场景2

过分纤点连接至业务汇聚机房综合考虑经济性，可以

将分纤点扩容。如分纤点为主干光交，则扩容难度较

大。

如果拉远站至业务汇聚机房纤芯满足需求但经

过分纤点（三跳以内），前期可以利旧原有光缆（图 9）。拉远站至业务汇聚机房纤芯不满足需求，且到附近的

分纤点敷设光缆较容易，长度在 500 米以内不需分纤

点上联补缆情况下新敷设光缆至分纤点（图 10）。



（2）多个 5G 拉远站建设方案

如图 11 所示，多个拉远站直接连接至业务汇聚

机房，末端尽可能利旧原有光缆，路由重复段落可以

敷设大对数光缆。如图 12 所示，多个拉远站可以通

图11 多个5G拉远站场景1

5 结束语

本文通过比较 5G 前传方案，根据不同场景选择

合适的 CRAN 承载方案，对 CRAN 组网部署方案进

行了详细分析，提出了不同场景下的 5G 拉远站建设

方案，为今后 5G 基站建设提供了重要帮助。

图12 多个5G拉远站场景2

许召栋.5G承载网建设方案探讨.信息技术与信息化，

2018（10）.

胡建国，王成帅.CRAN传输承载网方案研究，2017（3）.

王昌廷，韩冬梅.C-RAN传输解决的新思路.通讯世界，

2015（6）.

许中堂.城域光纤网纤芯分配方案探讨分析. 2017年7月建

筑科技与管理学术交流会论文集，2017（48）.

1

2

3

4

参考文献

周明等：面向5G的CRAN承载方案研究第2期 8

1 引言

随着 4G 业务的发展，数据业务话单量快速增长，而原有的详单存储系统以关系型数据库为主，是以小型机和磁盘阵列承载的架构，大数据量查询性能低，无法灵活、水平扩展，且系统扩容周期长、成本高，难以满足业务发展的需要。

某运营商对大数据技术进行了深入研究，建设了基于开源软件和通用 X86 平台的详单云大数据平台，旨在前瞻性统筹考虑新业务、新经营模式的发展，通过架构重构与运维工具完善，建设低成本、高可用、易扩展、易维护的详单存储与查询系统。系统建设涉及计费出账、详单管理、云详单、云存储平台四部分：

（1）计费出账：计费出账系统以文件方式为云详单系统提供实时详单数据、实时详单回退数据与历史详单数据。

（2）详单管理：详单管理系统根据查询详单的时间调用不同平台的详单查询接口，当月详单查询清单库，历史详单根据云详单割接时间，割接后调用云详单系统提供的详单查询服务进行详单查询，割接前查询原来的历史详单系统。

（3）云详单：云详单主要提供详单预处理、详单存储与详单查询。其中，详单预处理将计费出账输出的详单文件按照详单查询要求进行数据预处理，提升查询效率。详单存储将详单存入云存储平台。云详单查询以 HTTP 方式向详单管理提供详单查询服务。

（4）云存储平台：云存储平台基于开源 Hadoop 和HBase，提供数据存储功能。云存储平台除了存储能

大数据和云计算技术在计费系统的应用研究

贾荣明田力

为解决移动数据流量大爆发时代下的详单存储和查询需求，某运营商对大数据技术进行了深入研究，建设了基于

开源软件和通用X86服务器的详单云大数据平台，取得了良好的经济效益和社会效益。

大数据计费系统详单存储详单查询

摘要：

关键词：

（中国移动山东公司，济南 250001）

力外，需要提供配套的开发、运维、管理工具与接口，以方便应用。

2 关键技术选择

（1） Hadoop 和 HBase 的技术优势1）节约投资：Hadoop 解决方案的初期建设投资

约为 Oracle 解决方案的 30%。Hadoop 系统采用较廉价的 PC 服务器，以代替昂贵的 Unix 服务器和磁盘阵列，节约了硬件投资；采用开源软件，避免了 Oracle等商业数据库软件的投资。

2）高扩展性：HBase 的线性扩容特点，可以通过增加或减少节点的方式实现系统横向扩展，且运算和存储能力同步扩展。

3）负载均衡：HBase 的自动分区特点可以实现表增长时的自动分裂成子区域，并分布到其他可用的节点上，分散 IO；HBase 区域自动或手动实现重新平衡，负载会均匀分布到不同的节点上。

4）高可用性：Hadoop 整个系统中没有单点故障，可用性达到 99.99%。

5）高性能：根据初步测试结果，Hadoop 的批量插入性能明显优于 Oracle 和 IBM 组合，也明显优于第三方解决方案。

6）易管理性：整个集群可从中心控制服务器上实现集中控制，运维方便。

（2）数据压缩算法采用合理的压缩算法不仅能节省存储，还能减少




读取 IO 缩短处理时长，因此在系统搭建过程中应提前确定压缩策略。

Hadoop 的 HDFS 的压缩算法及其特点见表 1。

6） HBase 本身有机制保证 HRegionServer 的安全。当一个或多个 HRegionServer 下线时，Zookeeper会自动感知到，HMaster 会将下线的 HRegionServer上的 Region 迁移到其他 HRegionServer 上。

7）调度节点和管理节点采用双机互备 HA 的机制以保证高可用。

8）控制节点、调度节点、管理节点上的系统盘通过 RAID 1 方式保护操作系统的安全性。

3 系统架构

图1 系统功能架构图

表1 HDFS压缩算法及其特点

从表 1 看出，在众多压缩算法中只有 Snappy 和ZIP 既支持多文件又支持可分割性，但 Snappy 比 ZIP拥有更优的压缩和解压缩速度。同时 Snappy 已经被Google 开源，作为一个压缩库，它可以利用单颗 Intel Core i 7 处理器内核处理至少每秒 250MB~ 500MB 的数据流，即使遇到损坏或者恶意的输入文件也不会崩溃。因此，针对详单云存储系统，使用 Snappy 压缩算法是最优选择。

实际测试中，使用 Snappy 算法的压缩率在70%~80% 之间。

（3）系统高可用性建议为避免系统存在单点故障，需要考虑以下组件的

高可用性：1）NameNode 至少使用两个不同机架上的节点

互为主备，确保当一台 NameNode 节点在宕机或网络中断时不影响话单文件的加载和查询，保证话单数据的正确完整。

2）JobTracker 至少使用两个不同机架上的节点互为主备，确保当一台 JobTracker 节点在宕机或网络中断时不影响 MapReduce 任务的执行。

3）Hadoop 本身有机制保障 DataNode 上数据的安全。通过设置文件块的副本数为三，并配置机架感应，实现文件块的三份副本分布在两个机架的三台主机上，确保在发生磁盘故障、节点宕机、单个机架下线等异常情况时话单文件的加载和查询不受影响，保证话单数据的正确性和完整性。

4）HMaster 的高可用性通过一主多备的方式保障。将多个 HMaster 节点注册到 Zookeeper，Zookeeper 感知所有 HMaster 的健康状态，在 Active HMaster 出现异常的情况下，其中一个 Backup HMaster 转化为 Active，以避免 HMaster 的单点问题。

5）MapReduce 本身有机制保障 TaskTracker 的安全。当一个或多个 TaskTracker 下线时，JobTracker会将失败的任务自动分配到其他 TaskTracker，从而确保 MapReduce 的正确执行。

2

Hadoop的 HDFS的压缩算法及其特点见表 1。表 1 HDFS压缩算法及其特点

工具算法文件扩展名多文件可分割性（支持MR并行处理）

Snappy Snappy Snappy 是是

gzip DEFLATE gz 否否

ZIP DEFLATE zip 是是，在文件范围内

bzip2 bzip2 bz2 否是

LZO LZO lzo 否是

从表 1看出，在众多压缩算法中只有 Snappy和 ZIP既支持多文件又支持可分割性，但 Snappy比 ZIP拥有更优的压缩和解压缩速度。同时 Snappy已经被Google开源，作为一个压缩库，它可以

利用单颗 Intel Core i7处理器内核处理至少每秒 250MB~500MB的数据流，即使遇到损坏或者恶意

的输入文件也不会崩溃。因此，针对详单云存储系统，使用 Snappy压缩算法是最优选择。

实际测试中，使用 Snappy算法的压缩率在 70%~80%之间。

2.3系统高可用性建议

为避免系统存在单点故障，需要考虑以下组件的高可用性：

（1）NameNode至少使用两个不同机架上的节点互为主备，确保当一台 NameNode节点在宕

机或网络中断时不影响话单文件的加载和查询，保证话单数据的正确完整。

（2）JobTracker至少使用两个不同机架上的节点互为主备，确保当一台 JobTracker节点在宕机

或网络中断时不影响MapReduce任务的执行。

（3）Hadoop本身有机制保障 DataNode上数据的安全。通过设置文件块的副本数为三，并配

置机架感应，实现文件块的三份副本分布在两个机架的三台主机上，确保在发生磁盘故障、节点宕

机、单个机架下线等异常情况时话单文件的加载和查询不受影响，保证话单数据的正确性和完整性。

（4）HMaster的高可用性通过一主多备的方式保障。将多个 HMaster节点注册到 Zookeeper，Zookeeper感知所有 HMaster的健康状态，在 Active HMaster出现异常的情况下，其中一个 BackupHMaster转化为Active，以避免 HMaster的单点问题。

（5）MapReduce 本身有机制保障 TaskTracker的安全。当一个或多个 TaskTracker下线时，

JobTracker会将失败的任务自动分配到其他 TaskTracker，从而确保MapReduce的正确执行。

（6）HBase 本身有机制保证 HRegionServer的安全。当一个或多个 HRegionServer下线时，

Zookeeper会自动感知到，HMaster会将下线的HRegionServer上的Region迁移到其他HRegionServer上。

（7）调度节点和管理节点采用双机互备 HA的机制以保证高可用。

（8）控制节点、调度节点、管理节点上的系统盘通过 RAID1方式保护操作系统的安全性。

3 系统功能架构

（1）系统功能架构如图 1 所示，系统总体功能包括 HBase 存储、数

据库管理工具、系统运维管理工具、监控管理工具、对外接口等部分。

贾荣明等：大数据和云计算技术在计费系统的应用研究究第2期 10

1）HBase 存储a）海量数据存储能力 (PB 级 )；b）高可靠，数据冗余备份；c）数据节点压力不均衡时可提供 Region 负载均

衡； d）提供分布式索引功能和缓存功能； e）通过高性能压缩算法以减少数据存储； f）多种 API 调用与二次开发接口。 2）数据库管理工具：表管理、Region 管理、数据

库配置管理、视图管理和数据查询。3）系统运维管理工具a）根据规则配置触发各类调度任务； b）预建 Region，提升系统性能；c）根据配置规则完成数据文件的合并和分裂；d）操作权限管理。 4）监控管理工具a）能对整个详单系统的读写性能和请求进行实

时监控； b）可提供完整的日志事件管理；

c）能对系统的基础硬件和服务进程状态监控。 5）对外接口：HTTP

（2）软件体系架构1）HBase 体系架构（图 2）

a）Zookeeper 集群共 5 个节点（必须是 1、3、5 奇数），Zookeeper 集群自身无单点故障；ZK 为用户接入提供分布协同服务，同时为 NameNode 和HMaster 提供 HA 服务器，2 台 HMaster 一主一备，2台 NameNode 一主一备。

b）HDFS 文件系统：包括 NameNode 和DataNode，其中 NameNode 分别部署在 2 台管理节点上，一主一备（由 Zookeeper 提供切换）；DataNode部署在其他计算节点上。

c）MapReduce 系统：包括 ResourceManager 和NodeManager，其中 ResourceManager 部署在 2 台管理节点上，一主一备，由 HA 软件提供主备切换。

d）HBase 系统：包括管理节点 HMaster 和数据节点 RegionServer，其中 HMaster 由 Zookeeper 提供互备功能。

表 2 为多台节点软件部署，具体节点数可根据系统运算和存储需求进行调整。

HDFS：Hadoop 的分布式文件系统，用于存储结构化和非结构化数据。文件按照块进行划分后存储在多个节点上，通过副本冗余方式以保证数据块的高可用性。

HBase 作为 Hadoop 的 NoSQL 数据库，是详单存储系统中最重要的组件，支撑详单的高并发存储和读取。HBase 的功能组成如下：

a）Zookeeper：Zookeeper 是集群存储索引表所在位置，并负责主从节点的通信。

b）H M a s t e r ：H M a s t e r 负责 R e g i o n 在RegionServer 间的 Balance。

c）HLOG：WriteAheadLog 主要用于写恢复。d）StoreFile：Store 中包含一个或多个 StoreFile，

写数据时首先写入 MemeStore，后续 Flush 到StoreFile。

e）Store：每个 Region 包含多个 Store，一个列族对应一个 Store。

f）HRegion：RegionServer 包含多个 HRegion，一个表由多个 HRegion 组成。

g）HBase 物理节点：RegionServer 是 HBase 集群的物理节点。

h）HBase 分布式文件系统：每个文件由多个Block 组成，分散在多个 DataNode 上，同时数据采用多副本方式存储。

2）Hadoop 组件部署Hadoop 系统分为管理节点和计算 / 数据节点，各

子系统功能模块部署方案如下：

图2 HBase体系架构图

表2 软件部署表

5

3）MapReduce 系统：包括 ResourceManager 和 NodeManager，其中 ResourceManager 部署

在 2台管理节点上，一主一备，由 HA 软件提供主备切换。

4）HBase系统：包括管理节点HMaster和数据节点RegionServer，其中 HMaster由 Zookeeper

提供互备功能。

表 2为多台节点软件部署，具体节点数可根据系统运算和存储需求进行调整。

表 2 软件部署表

服务

器类

别

服务器

序号

Hadoop 软件安装部署

管理模块计算/数据存储模块

管

理

节

点

1 NameNode1 Zookeeper1

2 NameNode2 Zookeeper2 HMaster1ResourceMana

ger1

3 Zookeeper3 HMaster2ResourceMana

ger2

4 NodeManager RegionServer DataNode


运

算

存

储

节

点




….. ….. ….. …..

N TaskTraker RegionServer DataNode

其中 NameNode 与 Zookeeper 合设，ResourceManager 与 HMaster 合设。

随着集群扩展，可以将上述管理节点分开，单独部署。

（3）Hadoop 网络组织

Hadoop 系统具有机架感知功能，为实现数据副本的冗余，建议至少配置 2 台机架，将管理

节点和运算节点部署在不同的机架上。

具有机架感知功能的 HDFS 会将数据的三份副本分别写入不同的机架节点内，同一数据库的

写入需要跨越不同的机架，对于机架间的网络带宽要求较高。

HBase 的 RegionServer 分裂（split）、重新均衡（balance）等操作都会在机架间产生较大

的数据流量，如果网络阻塞会导致操作不成功，进而形成流量的浪涌，网络阻塞超过一定时间后，

会导致 RegionServer 与 Zookeeper、HMaster 的心跳信息交互受到影响，造成 RegionServer 的

假死，严重影响系统性能。

网络组织建议：

1）Hadoop 节点部署在不同的机架上。

其中 NameNode 与Zookeeper 合设，ResourceManager与 HMaster 合设。

随着集群扩展，可以将上述管理节点分开，单独部署。

3）Hadoop 网络组织Hadoop 系统具有机架感知功能，为实现数据副

本的冗余，建议至少配置 2 台机架，将管理节点和运算节点部署在不同的机架上。

具有机架感知功能的 HDFS 会将数据的三份副本分别写入不同的机架节点内，同一数据库的写入需要跨越不同的机架，对于机架间的网络带宽要求较高。


Column 的数量与类型，即 Column Family 支持动态扩展。所有 Column 均以二进制格式存储，需要应用自行完成类型转换。访问控制、磁盘和内存的使用统计都是在列簇层面进行的。

HBase 是建于 HDFS 上的非关系型数据库，HBase 中的表是一个巨大的稀疏矩阵，不要求结构化。从物理上讲，数据是分布存储在各个节点的内置硬盘上的，通常一份数据会保存三份，分别存在不同的节点上。

考虑到详单查询基本是以电话号码为检索关键字，因此用号码做 rowkey，同时考虑到 MapReduce 的运算特点，在 rowkey 上加 hash，使得详单在节点上均匀分布，以充分利用云计算处理能力。此外，考虑到详单查询多以月为单位，因此可以按月建表，一个月一张表，所有业务可以规整为一种格式，以免按业务分表而导致琐碎。

Region 划分建议如下：HBase 在新建一个表时如果不指定预分配

Region，则默认为该表只分配一个 Region。在数据加载时，所有数据都会加载到该 Region，导致单节点负载过高，加载性能降低，从而影响入库性能。因此，需要在建表时预先为该表在所有节点上分配多个Region，从而将所有节点高效利用起来。

预建 Region 的个数需要根据话单文件大小和节点个数来确定。由于每个 Region 大小超过一定数值后，HBase 会自动进行 Region 分裂，导致 Region 不均匀，造成各台节点的压力不均，影响 HBase 的性能，因此，预建 Region 的基本原则是尽量避免 Region 的自动分裂。

根据前期试点及测试的经验，每个 RegionServer上的 Region 个数为 100 左右的情况下 HBase 性能最好。因此，每张表预建的 Region 数目应当小于或等于 100*RegionServer 个数 / 表的个数。同时，每个 Region 的文件大小 (HBase.hregion.max.filesize) 推荐配置为 10GB，并在每天晚上空闲时对表做 major_compact 处理，以提高 HBase 的查询性能。

2）参数数据详单的预处理和查询阶段都可能需要访问计费

系统中的某些参数表，频繁的跨表操作必然会成为性能瓶颈。因此，有必要将这些需要的参数表导入HBase，并定期同步，以保持数据一致。

运行时，将 HBase 中的参数表读入内存数据库Redis，可以大大提高访问速度，达到提高详单查询性能的目的。

HBase 的 RegionServer 分裂（split）、重新均衡（balance）等操作都会在机架间产生较大的数据流量，如果网络阻塞会导致操作不成功，进而形成流量的浪涌，网络阻塞超过一定时间后，会导致 RegionServer与 Zookeeper、HMaster 的心跳信息交互受到影响，造成 RegionServer 的假死，严重影响系统性能。

网络组织建议：a）Hadoop 节点部署在不同的机架上。b）机架内部网络为每个节点提供 10G 带宽；交换

机的总交换容量满足各节点 10G 的要求。c）机架之间提供 10G 带宽，可以通过机架内网

络的上联端口捆绑或配置 10G 端口实现。

（3）数据部署详单查询主要涉及详单数据与参数，以下分别介绍。1）详单数据详单数据来源于计费系统，经预处理和导入，最

后持久保存于 HBase 中。HBase 中存储的数据模型见表 3。

表3 数据模型表

a）Row Key：行键，Table 的主键，Table 中的记录按照 Row Key 排序，通过 Row Key 来访问 Table中的行。

b）Timestamp：时间戳，每次数据操作对应的时间戳，可以看作是数据的 version number。HBase 中通过 row 和 column 确定的一个存贮单元称为单元格cell。每个 cell 都保存同一份数据的多个版本，版本通过时间戳 ( 64 位整型 ) 进行索引。

c）Column Family：列簇，Table 在水平方向由一个或多个 Column Family 组成，一个 Column Family中可以由任意多个 Column 组成。列簇是表的 schema的一部分，必须在使用表之前定义，但无需预先定义

贾荣明等：大数据和云计算技术在计费系统的应用研究究第2期 12

1）批价后分发的详单文件通过 SFTP 推送存储到 HDFS 中，预处理主要做数据的过滤和格式转换，清除不需要的字段。

2）基于 HDFS，将详单数据存储到 RegionServer中的预建表里。

3）入库后进行数据压缩，同时进行数据备份。4）详单查询中先检查缓存，缓存中有数据的直

接进行分页并在 CRM 中展示详单内容；缓存中没有的读 HBase 库，并进行查重和汇总。

（5）系统水平扩展1）新节点自动识别：在 OCNoSQL Server 端安装

新数据节点，预启动进程，配置 Master 节点 IP，系统自动识别新节点。

2）存储重新均匀分布：集群中新增加一个节点，Hadoop 会自动将数据重新均匀分布，而不是只放置新数据。

3）查询请求重新均匀分布。4）一次可增加多个节点：可支持到上千个节点。5）系统扩展能力线性增长：随着节点数量增加，

整个集群的处理能力线性增加，Region 也会重新自动均匀分布；无业务中断。

4 应用成果

（1）存储能力增强：新系统具备了更大容量，与老系统相比，可以多存储 3 个月的详单数据，更好地

满足客户对历史数据的查询需求。同时，新系统具备良好的扩展能力，可以在不影响业务的情况下通过在集群增加通用 X 86 服务器的方式实现快速扩容，很好满足大数据时代背景下的存储需求。

（2）详单查询效率提升：新系统可以支持更高的并发处理能力，同时在详单查询效率方面有明显提升，详单查询时长缩短到原有平台的 50% 以下，为客户提供更优服务体验。

（3）降本增效，淘汰落后产能：使用开源软件 +通用 X 86 服务的架构替换已有的商用数据库软件 +小型机 + 高端存储的架构，在大幅降低建设成本、扩容成本的同时，降低了对国外厂商的依赖，取得了可观的经济效益。

（4）安全性：在信息安全性方面，体现在系统通过 API 对外提供详单查询接口，改变了之前外围系统间访问数据库的方式，降低了敏感数据泄露风险；在系统安全性方面，体现在系统的高可用，任何一个节点的宕机、任何一个服务的异常都会被自动接管，详单存储和查询应用不受任何影响，当故障节点和服务恢复后会自动对外提供服务，故障发生和修复过程中客户应用完全不感知。

5 结束语

通过在计费系统应用大数据和云计算技术，有效满足了移动流量大爆发情况下的详单存储和查询需求，同时实现了成本的大幅下降，减少了对商用软件和国外厂商的依赖，在为客户提供更好服务的同时获得了很好的经济效益，同时为未来满足 5G 海量数据的存储和查询需求提供了可行性解决方案。

（4）系统总体流程

林子雨.大数据技术原理与应用(第2版).北京：人民邮电

出版社，2017.

朱洁，罗华霖.大数据架构详解：从数据获取到深度学

习.北京:电子工业出版社，2016.

周苏，王文.大数据导论.北京:清华大学出版社，2016.

（美）埃尔等著.云计算：概念、技术与架构.北京:机械

工业出版社，2014.

刘鹏.云计算（第三版）.北京:电子工业出版社，2015.

1

2

3

4

5

参考文献


图3 系统总体流程图

如图 3 所示，业务流程主要分为三部分：详单预处理、详单入库存和详单查询。

1 引言

随着城市规模的不断扩大，各种高层建筑相继涌现，导致电波传播途径发生了很大变化，无线通信受到严重影响，低覆盖概率、低话音质量、高掉话率等成为新的网络问题。如果一味采用增大发送功率的方式，将导致系统整体功率下降、小区间干扰增大，既不利于节能也不利于环保。鉴于此，本文提出了一种分布式功率自优化模型，以能量效率作为评价指标，能在保证良好通话质量的同时，实现节能并降低运营成本。使用萤火虫群智能算法求解该模型，通过数值仿真得出萤火虫群智能理论在宏小区效用函数中的最优参数组合。

2 系统模型

由于正交频分多址接入（OFDMA，Orthogonal Frequency Division Multiple Access）数据业务的流量特点，在商用运营网络中，基站功率往往先于其他资源出现瓶颈，成为制约网络前向容量的主要因素。另外，OFDMA 是一个自干扰系统，基站功率除了要克服空中接口传输损耗外，还要克服其它基站的干扰。因此，基站功率的合理分配、优化无疑成为网络优化的重点、难点。

目前，功率优化的技术主要分为两类：一类是最

基于萤火虫算法的分布式宏基站调优

胡志伟 1 杨明坤 2

本文提出一种分布式、高能效的功率自优化模型，主要针对OFDMA蜂窝网络的下行链路，能在保证良好通话质

量的同时，实现节能并降低运营成本。使用萤火虫群智能算法求解该模型，通过数值仿真得出萤火虫群智能理论

在宏小区效用函数中的最优参数组合，并验证了该算法的高效性。

宏基站萤火虫算法效用函数

摘要：

关键词：

（1 中国移动山东公司济南分公司，济南 2500122 中国移动山东公司，

小化基站的能量消耗，主要通过提升基站功率放大器的效率或设计能量高效的协议来实现；另一类是设计能量感知的协作基站，主要方案为基站关断技术，即关闭业务负载量低的基站，通过邻基站继续为已关闭基站内的激活用户提供服务。因此，基站的功率优化在网络优化中占据重要地位。

考虑基于 OFDMA 蜂窝网络的下行传输链路，其3D 拓扑结构如图 1 所示。整个网络系统包括 M 个宏

小区，宏小区集合记为

1

基于萤火虫算法的分布式宏基站调优胡志伟 1 杨明坤 2

（1 中国移动山东公司济南分公司，济南 250012

2 中国移动山东公司，济南 250001）

摘要：本文提出一种分布式、高能效的功率自优化模型，主要针对 OFDMA 蜂窝网

络的下行链路，能在保证良好通话质量的同时，实现节能并降低运营成本。使用萤火虫群智

能算法求解该模型，通过数值仿真得出萤火虫群智能理论在宏小区效用函数中的最优参数组

合，并验证了该算法的高效性。

关键词：宏基站萤火虫算法效用函数

1 引言

随着城市规模的不断扩大，各种高层建筑相继涌现，导致电波传播途径发生了很大变化，

无线通信受到严重影响，低覆盖概率、低话音质量、高掉话率等成为新的网络问题。如果一

味采用增大发送功率的方式，将导致系统整体功率下降、小区间干扰增大，既不利于节能也

不利于环保。鉴于此，本文提出了一种分布式功率自优化模型，以能量效率作为评价指标，

能在保证良好通话质量的同时，实现节能并降低运营成本。使用萤火虫群智能算法求解该模

型，通过数值仿真得出萤火虫群智能理论在宏小区效用函数中的最优参数组合。

2 系统模型

由于正交频分多址接入（OFDMA，Orthogonal Frequency Division Multiple Access）数据

业务的流量特点，在商用运营网络中，基站功率往往先于其他资源出现瓶颈，成为制约网络

前向容量的主要因素。另外，OFDMA 是一个自干扰系统，基站功率除了要克服空中接口传

输损耗外，还要克服其它基站的干扰。因此，基站功率的合理分配、优化无疑成为网络优化

的重点、难点。

目前，功率优化的技术主要分为两类：一类是最小化基站的能量消耗，主要通过提升基

站功率放大器的效率或设计能量高效的协议来实现；另一类是设计能量感知的协作基站，主

要方案为基站关断技术，即关闭业务负载量低的基站，通过邻基站继续为已关闭基站内的激

活用户提供服务。因此，基站的功率优化在网络优化中占据重要地位。

考虑基于 OFDMA 蜂窝网络的下行传输链路，其 3D拓扑结构如图 1所示。整个网络系

统包括M 个宏小区，宏小区集合记为 1,2,...,M M 。宏小区网络层采取传统六边形蜂

窝拓扑架构，即每个宏小区周围有多层干扰宏小区。高为 mH 的宏基站位于半径为 mR 的六

边形覆盖区域中心，并能提供23 / 2m mR H 的空间覆盖。宏用户随机分布于每个宏小区中，

并且以一定的概率分布在室内。

。宏小区网络层采取传统六边形蜂窝拓扑架构，即每个宏小区周围有

多层干扰宏小区。高为

1









1 引言







2 系统模型















的宏基站位于半径为

1









1 引言







2 系统模型















的

六边形覆盖区域中心，并能提供

1









1 引言







2 系统模型















的空间覆盖。宏用户随机分布于每个宏小区中，并且以一定的概率分布在室内。

图 1 OFDMA蜂窝网络的下行传输链路模型

济南 250001）




3 萤火虫算法

（1）萤火虫群智能理论萤火虫算法是由模拟自然界中萤火虫成虫发光

的生物学特性发展而来的，2008 年剑桥大学学者Xin-She Yang 在其《自然启发的智能优化算法》一书中首先提出。该算法利用萤火虫的荧光亮度来吸引伴侣或猎物，荧光亮度越高就越有吸引力，越能吸引其它光亮度较低的萤火虫向自己靠近，因此，萤火虫算法在一定范围内寻找荧光亮度最高的萤火虫并向其移动来确定目标函数的最优值。与粒子群算法相比，该算法存在捕捉极值域速度快、捕捉效率高、具有较强通用性等特点。

（2）建立数学模型为了简化模型，算法设计中做出如下理想化的假

设条件：1）所有萤火虫不分性别，这样每只萤火虫都可

以被其他萤火虫吸引；2）吸引度与发光亮度成正比，使得对任意两个

萤火虫而言，亮度低的萤火虫向亮度高的靠拢，吸引度和亮度均随着距离变大而衰减；

3）在一定范围内，对于任何一只萤火虫而言，如果没有比它更亮的萤火虫，它将随机运动；

4）萤火虫的亮度受目标函数影响，或由目标函数确定。对于最大化问题，亮度可以简单视为正比于目标函数值。

如上所述，萤火虫算法包含两个重要因素，即亮度和吸引力。

1）亮度建模

对于最大化问题

3

式中， CP 表示与宏基站发射功率不相关的部分，主要包括信号处理、备用电池组以及

制冷单元部分等。

3 萤火虫算法

3.1萤火虫群智能理论萤火虫算法是由模拟自然界中萤火虫成虫发光的生物学特性发展而来的，2008年剑桥

大学学者 Xin-She Yang在其《自然启发的智能优化算法》一书中首先提出。该算法利用萤

火虫的荧光亮度来吸引伴侣或猎物，荧光亮度越高就越有吸引力，越能吸引其它光亮度较低

的萤火虫向自己靠近，因此，萤火虫算法在一定范围内寻找荧光亮度最高的萤火虫并向其移

动来确定目标函数的最优值。与粒子群算法相比，该算法存在捕捉极值域速度快、捕捉效率

高、具有较强通用性等特点。

3.2建立数学模型为了简化模型，算法设计中做出如下理想化的假设条件：

（1）所有萤火虫不分性别，这样每只萤火虫都可以被其他萤火虫吸引；

（2）吸引度与发光亮度成正比，使得对任意两个萤火虫而言，亮度低的萤火虫向亮度

高的靠拢，吸引度和亮度均随着距离变大而衰减；

（3）在一定范围内，对于任何一只萤火虫而言，如果没有比它更亮的萤火虫，它将随

机运动；

（4）萤火虫的亮度受目标函数影响，或由目标函数确定。对于最大化问题，亮度可以

简单视为正比于目标函数值。


3.2.1 亮度建模

对于最大化问题 max f x ，萤火虫在 x处的亮度 I x f x ，亮度与介质对光的吸

收及距离均有关系。假定介质对光的吸收系数恒定，光强度 I和距离 r及介质对光的吸收

系数之间的关系可以用公式（5）表示，式中 0I 为萤火虫自身（ 0r ）亮度。

2

0rI er I

（5）

如果问题需要光强单调缓慢递减，光强公式也常表示为公式（6）。

021

Ir

I r

（6）

将公式（5）、公式（6）在 0r 处泰勒展开可以看到，在 3O x 条件下，两个公式相

等。由定义可见，光强随着距离的增大和介质的吸收而减小。

3.2.2 吸引力建模

考虑到相邻萤火虫的吸引力与它们的亮度成正比，吸引力定义为公式（7），式中 0 为

光源处（ 0r ）的吸引力。类似公式（6）吸引力也可以为 021

rr

。

2

0rr e

（7）

除了上述两种定义方式，吸引力还可以定义为公式（8）。

2

0 , 1mr e m （8）

由定义可见，吸引力随着距离的增大和介质的吸收而减小。

3.2.3 萤火虫距离与运动轨迹建模

ix 处的萤火虫 i和 jx 处的萤火虫 j的距离定义为他们之间的笛卡尔距离，如公式（9）

，萤火虫在 x 处的亮度

3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）




，亮度与介质对光的吸收及距离均有关系。假定介质对光的吸收系数

3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）




恒定，光强度 I 和距离 r 及介质对光的吸收系数

3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）




之间的关系可以用公

式（5）表示，式中

3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）




为萤火虫自身

3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）




亮度。

3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）




（5）


3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）




（6）

将公式（5）、公式（6）在

3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）




处泰勒展开可以看到，在

3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）




条件下，两个公式相等。由定义可见，光强随着距离的增大和介质的吸收而减小。

在 OFDMA 系统中，频谱资源被分割为多个相

互正交的子信道。假设系统带宽为

2


在 OFDMA 系统中，频谱资源被分割为多个相互正交的子信道。假设系统带宽为W ，

被划分为 L个带宽相同的子信道，这些子信道构成的集合记为 1,2,...,L L 。为简化起见，

在研究功率分配问题时，不具体研究基站对频谱资源的调度机制，假设宏小区通过比例公平

调度机制将可用调度子信道分配给其所服务的用户。

基于上述框架，对于给定的下行传输时隙，宏用户会受到相邻小区的干扰。第m个宏

小区在第 l个子信道上的发射功率用 ,Mm lp 表示，则第m个宏小区在所有 L个子信道上的发射

功率可用向量 ,1 ,2 ,L, ,...,TM M M M

m m m mP p p p 表示。因此，考虑第m个宏小区中被调度到第 l个子信道上的宏用户u，其受到的总干扰可由以下公式得出：

, . , ,,

M M MMm l m l k l km l

k m k MI P p g

（1）

式中， ,m lP 表示除第 m 个宏小区之外所有小区在第 l个子信道上的发射功率向量，

,MMmm lg 、 ,

MMkm lg 分别表示宏用户u与第m个宏小区、第 k个宏小区在第 l个子信道上的链路增

益，2 表示宏用户u侧加性白高斯噪声的方差。因此，第一个给定的下行传输时隙，第m

个宏小区中被调度到第 l个子信道上的宏用户u的信干噪比（SINR） ,Mm l 和可获得的最大传

输速率 ,Mm lR 可分别由以下公式得出：

, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）

, , ,log 1M M Mm l m l m lR w （3）

目前，能量效率作为长期经济评价指标已成为无线网络的重要系统设计参数。据统计，

在移动通信系统中，超过 80%的能量消耗在无线接入网络中的宏基站。节能不仅可以减少二

氧化碳等温室气体的排放，还可降低运营商的运营成本。基于以上分析，为了实现绿色无线

接入，宏小区在进行功率分配优化时应主要考虑如何提升自身的能量效率。因此，第m个

宏小区在第 l个子信道上的效用函数定义如下：

, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

，被划分为

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

个带宽相同的子信道，这些子信道构成的集合记为

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

。为简化起见，在研究功率分配问题时，不具体研究基站对频谱资源的调度机制，假设宏小区通过比例公平调度机制将可用调度子信道分配给其所服务的用户。

基于上述框架，对于给定的下行传输时隙，宏用

户会受到相邻小区的干扰。第

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

个宏小区在第

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

个子

信道上的发射功率用

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

表示，则第

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

个宏小区在所有

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

个子信道上的发射功率可用向量

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

表示。因此，考虑第

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

个宏小区中被调度到第

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

个子信道上的宏用户

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

，其受到的总干扰可由以下公式得出：

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

式中，

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

表示除第 m 个宏小区之外所有小区在第

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

个子信道上的发射功率向量，

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

、

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

分别表示宏用户

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

与第

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

个宏小区、第

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

个宏小区在第

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

个子信道上的链路增益，

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

表示宏用户

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

侧加性白高斯噪声的方差。因此，第一个给定的下行传输时隙，第

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

个宏小区中被调度到第

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

个子信道上的宏用户的信

干噪比（SINR）

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

和可获得的最大传输速率

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

可分别由以下公式得出：

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

（2）

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

（3）

目前，能量效率作为长期经济评价指标已成为无线网络的重要系统设计参数。据统计，在移动通信系统中，超过 80% 的能量消耗在无线接入网络中的宏基站。节能不仅可以减少二氧化碳等温室气体的排放，还可降低运营商的运营成本。基于以上分析，为了实现绿色无线接入，宏小区在进行功率分配优化时应主要考虑如何提升自身的能量效率。因此，第

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

个

宏小区在第

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）

个子信道上的效用函数定义如式（4）。

2










, . , ,,


k m k MI P p g

（1）


,MMmm lg 、 ,





, ,

, 2, ,

M MMm l mm lM

m l l Mm l m l

p gP

I P

（2）







, ,, , .

,

|/

M Mm l m lM M

m l m l m l Mm l C

Ru p P

p P L

（4）（4）

式中，

3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）




表示与宏基站发射功率不相关的部分，主要包括信号处理、备用电池组以及制冷单元部分等。

（1）


2）吸引力建模考虑到相邻萤火虫的吸引力与它们的亮度成

正比，吸引力

3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）




定义为公式（7），式中

3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）




为光源处

3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）




的吸引力。类似公式（6）吸引力也可以为

3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）




。

3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）




除了上述两种定义方式，吸引力还可以定义为公

式（8）。

3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）




由定义可见，吸引力随着距离的增大和介质的吸

收而减小。3）萤火虫距离与运动轨迹建模

3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）



ix 处的萤火虫 i和 jx 处的萤火虫 j的距离定义为他们之间的笛卡尔距离，如公式（9）处的萤火虫 i 和

3



3 萤火虫算法












机运动；




3.2.1 亮度建模




2

0rI er I

（5）


021

Ir

I r

（6）






rr

。

2

0rr e

（7）


2

0 , 1mr e m （8）



ix 处的萤火虫 i和 jx 处的萤火虫 j的距离定义为他们之间的笛卡尔距离，如公式（9）处的萤火虫 j 的距离定义为他们之间的笛卡尔距离，如公式（9）所示，式中

4

所示，式中 ,i kx 表示 ix 的第 k维分量。

2, ,21

d

ij i j i k j kk

x xr x x

（9）

萤火虫的距离关系并不需要限定在欧几里德距离下， ,i jr 可以采用任意形式的 n维空间

距离。例如，对于社交网络而言， ,i jr 就可以定义为节点 i和 j的连接度。

萤火虫 i 被萤火虫 j 吸引并向其运动的距离由公式（ 10）确定，式中第二项

2

0ijr

j ixe x 是考虑吸引力因素的影响，第三项12

rand

是一个随机扰动项。为

初始给定的随机因子，rand为服从 0,1 区间上均匀分布的一个随机数。

2

012

ijri j j ix x nde rx ax

（10）

由于萤火虫算法也存在陷入局部最优解困境的问题，所以引入随机扰动项（第三项）。

对于随机扰动项而言，除了 0,1 区间上的均匀分布，还可以选择如服从 0,1N 的标准正

态分布或者其他分布形式。如果对于 ix 的不同维度的精度要求不同，应该对随机因子增

加维度约束，即用 kS 代替，式中 1,2,...kS k d 是 ix 的第 k维 ,i kx 的尺度因子。

4 算法流程

综上所述，结合功率自优化模型和萤火虫群智能理论，优化的维度为子信道的个数 L。

萤火虫空间坐标向量等价为宏小区在所有 L个子信道上的发射功率向量。针对求解函数最大

值的问题，萤火虫群智能理论中的光强亮度可以简化为与目标函数值成正比例关系。利用基

于萤火虫群智能理论的功率自优化算法，每个宏小区可单独地调整优化其在所有 L个子信道

上的发射功率，即实现分布式处理。具体算法描述如下：

（1）定义目标函数 max f x ；

（2）初始化萤火虫群体。设置萤火虫数目 m，最大吸引度 0 ，光强吸收系数，随机

因子，最大迭代次数 maxIter；（3）随机初始化m个萤火虫空间坐标向量 1 2, ,..., mX x x x ，式中萤火虫 i的初始化

空间向量表示为 ,1 ,2 ,L, ,...,i i i ix x x x ；

（4）根据公式（4）计算每个萤火虫在光源处的光强亮度；

（5）对于任意的萤火虫 j ，在 l分量上，遍历所有萤火虫 i，如果萤火虫 i满足

, , , ,M Mi l i l j l j lu x k u x k ，则萤火虫 i将向萤火虫 j移动。根据式（7）和（9），分别计

算萤火虫 i和 j之间的距离及它们之间的吸引度。根据式（10）更新萤火虫 i的空间向量 ix 的

分量 ,i lx ，否则，分量 ,i lx 保持不变；

（6）重复步骤 5，直至对于萤火虫 j，在所有 L个分量上遍历了所有的萤火虫；

（7）对于每一只除步骤 5中萤火虫 j之外的萤火虫，分别重复步骤 5、步骤 6，直至遍

历完除步骤 5中萤火虫 j之外的所有萤火虫；

（8）如果小于 maxIter，返回到步骤 5，否则，进入下一步；

（9）每个宏小区设置其发送功率向量为 ix ，算法停止。

根据上述描述可知，算法的时间复杂度为 2O m ，m是萤火虫的数目。

表示

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















的第 k 维分量。

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















萤火虫的距离关系并不需要限定在欧几里德距

离下，

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















可以采用任意形式的 n 维空间距离。例如，对于社交网络而言，

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















就可以定义为节点 i 和 j 的连接度。

萤火虫 i 被萤火虫 j 吸引并向其运动的距离由公

式（10）确定，式中第二项

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















是考虑吸引力因素的影响，第三项

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















是一个随机扰动项。

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















为初始给定的随机因子，rand 为服从

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















区间上均匀分布的一个随机数。

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















（10）

由于萤火虫算法也存在陷入局部最优解困境的问题，所以引入随机扰动项（第三项）。对于随机扰动

项而言，除了

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















区间上的均匀分布，还可以选择如服从

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















的标准正态分布或者其他分布形式。如果

对于

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















的不同维度的精度要求不同，应该对随机因子

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















增加维度约束，即用

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















代替

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















，式中

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















是

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















的第 k 维

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















的尺度因子。

4 算法流程

综上所述，结合功率自优化模型和萤火虫群智能

理论，优化的维度为子信道的个数

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















。萤火虫空间坐标向量等价为宏小区在所有

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















个子信道上的发射功率向量。针对求解函数最大值的问题，萤火虫群智能理论中的光强亮度可以简化为与目标函数值成正比

例关系。利用基于萤火虫群智能理论的功率自优化

算法，每个宏小区可单独地调整优化其在所有

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















个子信道上的发射功率，即实现分布式处理。具体算法描述如下：

（1）定义目标函数

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















；（2）初始化萤火虫群体。设置萤火虫数目 m，最

大吸引度

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















，光强吸收系数

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















，随机因子

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















，最大迭代次数 maxIter；

（3）随机初始化

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















个萤火虫空间坐标向量

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















，式中萤火虫

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















的初始化空间向量表示

为

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















；（4）根据公式（4）计算每个萤火虫在光源处的光

强亮度；

（5）对于任意的萤火虫

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















，在

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















分量上，遍历所有萤火虫

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















，如果萤火虫

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















满足

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















，则萤火虫

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















将向萤火虫

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















移动。根据式（7）和（9），分别计算萤火虫

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















和

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















之间的距离及它们之间的吸引度。根据式（10）更新

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















萤火虫的空间向量

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















的分量

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















，否则，分量

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















保持不变；

（6）重复步骤 5，直至对于萤火虫

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















，在所有

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















个分量上遍历了所有的萤火虫；

（7）对于每一只除步骤 5 中萤火虫

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















之外的萤火虫，分别重复步骤 5、步骤 6，直至遍历完除步骤 5 中

萤火虫

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















之外的所有萤火虫；（8）如果小于 maxIter，返回到步骤 5，否则，进入

下一步；（9）每个宏小区设置其发送功率向量为，算法停

止。

根据上述描述可知，算法的时间复杂度为

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程




















根据上述描述可知，算法的时间复杂度为 2O m ，m是萤火虫的数目。，m 是萤火虫的数目。

5 仿真实验

（1）测试平台本算法用 Matlab2010 编程实现，实验平台是 Intel

酷睿 i 5 480M 2.66GHz 的内存为 4G 的 Windows7 系统的 PC 机。

（2）参数分析针对不同的目标函数，萤火虫群智能理论中最佳

参数组合也会不同。萤火虫群智能理论有四个关键

参数：设置萤火虫数目 m，最大吸引度

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















，光强吸收系数

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















，随机因子

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















。种群规模 m 一般设为 100 到200 之间，最大吸引度

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















一般设为 1。光强吸收系数

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















和随机因子

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















的设置与目标函数的求解直接相关，因此，不同的目标函数对应不同的最优参数组合。

（7）

（8）

（9）

胡志伟等：基于萤火虫算法的分布式宏基站调优第2期 16

假设 OFDMA 系统的频谱带宽为 10MHz，分为20 个相互正交的子信道，即效用函数的维度为 20。初始化参数，设置 m=150，maxIter=200，

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















=1。对于每组

5

5 仿真实验

5.1测试平台本算法用 Matlab2010 编程实现，实验平台是 Intel 酷睿 i5 480M 2.66GHz 的内存为 4G

的Windows7系统的 PC机。

5.2参数分析针对不同的目标函数，萤火虫群智能理论中最佳参数组合也会不同。萤火虫群智能理论

有四个关键参数：设置萤火虫数目 m，最大吸引度 0 ，光强吸收系数，随机因子。种

群规模 m一般设为 100到 200之间，最大吸引度 0 一般设为 1。光强吸收系数和随机因

子的设置与目标函数的求解直接相关，因此，不同的目标函数对应不同的最优参数组合。

假设 OFDMA 系统的频谱带宽为 10MHz，分为 20个相互正交的子信道，即效用函数的

维度为 20。初始化参数，设置 m=150，maxIter=200， 0 =1。对于每组 , 仿真分析 200

次，获得平均最大的Macrocell效用函数值。仿真结果如图 2所示。

图 2 不同参数 , 的宏小区效用函数值

由图 2可以看出，当光强吸收函数和随机因子分别为 0.002,0.007 、 1.4,5.2 时，萤火虫群智能理论能够找到最优点。

设置参数 m=150，maxIter=200， 0 =1， 0.005 ， 3 ，对萤火虫算法的效率进

行研究。仿真图如图 3所示。

仿真分析 200 次，获得平均最大的Macrocell 效用函数值。仿真结果如图 2 所示。

S.Yanzan, R. P. Jover, X. D. Wang. Uplink interference

mitigation for OFDMA femtocell networks [J]. IEEE

Transactions on Wireless Communications，2012.

Raffaele Bolla, Franco Davoli, Roberto Bruschi, et al. The

potential impact of green technologies in next-generation

wireline networks [J]. IEEE Communications Magazine，

2011.

F. Richter, A. J. Fehske, and G. P Fettweis. Energy Efficiency

Aspects of Base Station Deployment Strategies for Cellular

Networks[C]. 2009 IEEE 70th Vehicular Technology

Conference Fall，2009.

Ya n g , X . S . F i r e f l y a l g o r i t h m s f o r m u l t i m o d a l

optimization[C]. Stochastic Algorithms: Foundations and

Applications, SAGA 2009. Lecture Notes in Computer

Sciences，2009.

Li Yuanzhen, Liao Jianxin, Zhu Xiaomin, Li Junqing.

Vehicular ad-hoc network based on particle swarm algorithm

service node deployment [J]. Journal of nanjing university of

science and technology，2011(12).

Yuhui Shi. A modified particle swarm optimizer[C].

Proceedings of IEEE International Conference on

Evolutionary Computation，1998.

Feng Chunshi , CongShuang. Swarm in te l l igence

optimization algorithm and its application [D]. University of

science and technology of China，2009.

S. Lukasik. Firefly Algorithm for Continuous Constrained

Optimization Tasks [J]. Social Networks and Multiagent

Systems, Lecture Notes in Computer Science，2009.

Xin-She Yang. Firefly algori thms for mult imodal

optimization[C]. Proceeding SAGA'09 Proceedings of

the 5th international conference on Stochastic algorithms:

foundations and applications，2009.

图2 不同参数的宏小区效用函数值

参考文献

一种分布式、高能效的功率自优化模型，以能量效率作为评价指标，能在保证良好通话质量的同时，实现节能并降低运营成本。对萤火虫群智能算法进行了介绍和建模，并使用萤火虫群智能算法求解该模型，通过数值仿真得出萤火虫群智能理论在宏小区效用函数中的最优参数组合，并验证了该算法的高效性。

1

2

3

4

5

6

7

8

9

由图 2 可以看出，当光强吸收函数和随机因子分

别为

5

5 仿真实验














时，萤火虫群智能理论能够找到最优点。

设置参数 m=150，maxIter=200，

4


2, ,21

d

ij i j i k j kk

x xr x x

（9）




2

0ijr


rand



2

012


（10）





4 算法流程





















=1，

5

5 仿真实验














，

5

5 仿真实验














，对萤火虫算法的效率进行研究。仿真图如图 3 所示。

图3 宏小区效用函数随迭代次数的变化

由图 3 可知，针对宏小区的效用函数，萤火虫群智能理论能够快速收敛于唯一的最优点。

6 结束语

本文针对 OFDMA 蜂窝网络的下行链路提出了


1 引言

网络监控是以告警为基础的，大量告警呈现在告

警平台上且没有规则，因此需要人工判定设备是否故

障、是否影响业务及故障点位置等，这样维护人员的

经验就显得十分重要。但是，不同维护人员的能力不

同，并且维护人员的经验是默会知识，无法被其他人

员直接应用。本文借鉴知识图谱技术，对日常监控故

障发布信息库中的信息进行明晰化、规则化，根据规

则化的维护步骤进行智能关联、匹配，以实现自动获

取故障判定结果，从而提升故障发现能力与故障定位

水平。

本文基于告警上报机制，将告警处理全流程划分

为三层——规则层、管理层、设备层，在规则层、管

理层构建故障智能诊断体系，以实现告警智能处理。

（1）规则层：构建告警智能处理明晰机制，根据

历史记录，将所有发生的故障全部整理归档，按照规

则梳理表，整理成规则数据，包括关键告警标题、是

否登录设备、查询指令、输出结果等。

（2）管理层：在故障管理系统中设置触发器，设

备层告警上报后，触发器根据告警标题直接调用知识

图谱，存在，则立即智能处理；不存在，则利用告警智

基于知识图谱的故障智能诊断手段研究

刘绪忠宋春咏孙磊马法雷

本文通过对维护人员日常判断、操作经验的明晰化、规则化，基于知识图谱技术架构，构建了故障智能诊断体系，

通过告警自动关联、设备信息自动匹配、业务影响范围智能获取，实现了故障的快速发现与定位。

知识图谱智能关联自动匹配智能获取

摘要：

关键词：


能处理明晰机制，实现该告警处理规则明晰化。

告警智能处理流程如图 1 所示。

图1 告警智能处理流程图

2 关键技术

（1）知识图谱架构

1）知识图谱简介

知识图谱，是结构化的语义知识库，用于迅速描

述事物中的概念与相互关系，通过将数据粒度从文档

级别降到数据级别，聚合大量知识，从而实现知识的




快速响应和推理。

知识图谱的基本单位（核心），即“实体（Entity）-关系（Relationship）- 实体（Entity）”构成的三元组。

知识图谱的原始数据类型分为三类：结构化数据，如

关系数据库；非结构化数据，如文档；半结构化数据，

如百科。

在逻辑上，知识图谱分为两个层次：数据层和模

式层。数据层存储真实的数据。模式层存储提炼过

的知识。

模式层：实体 - 关系 - 实体，实体 - 属性 - 性值。

数据层：BRAS- 端口告警 - 端口 down，BRAS-路由器 - 城域网。

2）知识图谱技术架构

对于每次故障，监控维护人员都会保存相应的故

障报告、发布信息，存储在文档或 EXCEL 表中，这

些数据是非结构化的数据。在综合资源管理库中保

存设备的相关信息，这些是结构化的数据。对于各厂

家产生的告警，会有各厂家相应的产品文档与告警说

明，这些是半结构化的数据。基于以上数据构建知识

图谱，从数据中提炼出知识要素，存入知识库的模式

层、数据层。

构建知识图谱是一个迭代更新的过程，根据知识

获取的逻辑，每一轮迭代包括三个阶段：

a）信息抽取：根据数据源中的信息，区分实体、

实体之间的关系及实体属性，形成提取规则表，使其

可以用类来表述。

b）知识融合：提取半结构化、非结构化数据后，

将这些数据与结构化数据或第三方数据库的数据进

行整合，消除各种矛盾、歧义，达到知识精准匹配。

c）知识加工：知识融合完毕，需要对其属性、质

量等指标进行评估。本文采用专家决策法进行判断，

合格的知识纳入到知识图谱中，以确保知识图谱的质

量。

知识图谱技术架构如图 2 所示。

（2）故障诊断流程

知识图谱的构建包括信息提取、知识融合与知识

加工三个步骤。在故障诊断中，本文借助知识图谱技

术，将诊断流程划分为知识提取和知识转化。其中，

知识提取包括信息抽取、知识融合两部分；知识转化

包括知识融合、知识加工两部分。

故障诊断流程如图 3 所示。

图2 知识图谱技术架构

图3 故障诊断流程

1）知识提取：

故障智能诊断的本质在于知识图谱的构建。对

于网络设备故障诊断，本文以告警为基础，在历年故

障库、综合资源库中进行信息抽取，实体为关键告警、

网元等；关系为网元归属、处理规则等；属性为业务影

响、覆盖范围等。

2）知识转化：

知识融合与知识加工，即对网元、告警的关系及

属性进行整合，根据专家决策法进行知识推理、结果

评估及各种属性的验证，输出诊断结果。

3 实践应用

（1）知识提取

1）关键告警

资深维护人员可以在出现的大量告警中抓取重

要关键告警，一旦出现该告警，即可初步判定该告警

可能影响的业务。本文从历年故障发布信息库中提

取了故障时出现的关键告警，如核心网关键告警（表

1）。表1 核心网关键告警示例

专业厂家设备类型告警级别告警标题告警标准名

核心网爱立信 MSC SERVER 二级告警 SYSTEM RESTART 系统启动


2）网元属性

网元归属关系需要查找性能系统网元归属关系

和用户容量报表，根据故障网元筛选出归属关系、登

记用户数和覆盖范围。

例如，MSC SERVER 网元，需要明确该网元归

属关系和用户容量，包括归属 MSC POOL、VLR 登记

用户数、BSC/RNC 登记用户数、覆盖地区范围、下辖

基站数目等。

3）处理步骤规则

根据历年故障发布信息库中的信息，将每种故障

的处理步骤规则化，即：明确出现关键告警后需要查

询的设备的相关内容，对不同专业，查询的设备内容

也不同。采用管控绕行方式登录设备，指令回传相关

字段。

例如，MSC SERVER 如产生告警“SYSTEM RESTART”，需要做如下两步操作：查看设备CP状态，

查看设备启动级别。需要通过集中操作维护平台登

录设备，输入相关指令，查看输出结果。

a）CP 状态

登录设备，执行 DPWSP; 指令，输出结果 1 ：MAU SB SBSTATE RPH-A RPH-B BUA STATE

AAM B SE-FMMAN NRM NRM 3

标题“MAU”下面对应的是非 NRM 状态的，可

判断为 CP 单边运行，标题“SB”下面对应的是 CP 的

备用边。

登录设备，执行 DPWSP; 指令，输出结果 2 ：MAU SB SBSTATE RPH-A RPH-B BUA STATE

NRM B WO - - 1

标题“MAU”下面对应的是 NRM 状态的，可判

断 CP 状态正常。

b）启动级别

登录设备，执行指令 syrip:survey;，根据输出结果

做如下判断：

先查询标题“ACT”下是否存在“YES”，存在，

则查询“YES”行标题为“EVENT”下面对应的编号，

再查找编号对应的标题“TYPE”信息。

“TYPE”为 LARGE，则启动级别是大启；

“TYPE”为 SMALL，则启动级别是小启；“TYPE”

为 RELOAD，则启动级别是重新加载；“TYPE”为

smalldelayed，则启动级别为延时小启。

例，某台设备输入命令“syrip:survey;”的输出结

果：

（2）知识转化

对提取的知识，需要转化为故障诊断结果，即确

定实体—关系—实体对象，输出故障诊断说明。故障

诊断知识转化采用自动化手段，在故障管理系统后台

程序直接调用“实体—关系—实体”对象，最终形成

一键故障诊断分析报表（图 4）。

图4 一键故障诊断分析报表

例如，青岛 MSC SEVER 产生告警“SYSTEM RESTART”，根据对象“网元名称—归属—属性”确

定网元归属；根据对象“告警标题—处理步骤规则—

初步分析结果”确定告警处理步骤分析结果；最后进

行模式层、数据层关联，呈现一键故障诊断分析：

2019-4-12 00:08:00，青岛爱立信设备 MSC SEVER 产生一级告警“SYSTEM RESTART”，目前

CP 状态单边运行，B 侧为主用。

5 结束语

针对网络设备上报告警，网管如使用“算无遗策”

的告警机制，将导致告警平台上产生海量告警，造成

监控人员无法及时发现重要告警，因而影响故障判断

效率。本文基于知识图谱的故障智能诊断手段，对历

年故障库中的数据进行知识提取，与综合资源库中的

规则数据进行知识融合，然后对融合知识进行知识加

工，最后对精准知识进行转化，输出故障诊断分析报

表。该手段有利于监控人员及时发现重点告警，提升

故障发现时效性，实时对告警进行预处理分析，极大

提高了故障判断准确性。

刘绪忠等：基于知识图谱的故障智能诊断手段研究第2期 20

1 引言

随着移动互联网的发展，移动数据业务用户越来

越多，流量越来越大。大型会展、演唱会等热点区域

场所由于面临大量用户的高话务冲击，经常出现无线

网络资源分配不均衡、客户感知体验差等问题。

鉴于此，某运营商通过分析热点场所的视频、网

页浏览、即时通信等感知业务模型的变化，研究热点

场所容量与用户感知的拐点，制定了 PCC 业务差异

化保障策略，实现热点场所的基站侧差异调度，以进

一步提升网络资源利用率，为热点场所不同级别的用

户和各种业务需求提供差异化服务，从而保障热点场

所的用户业务感知。

2 热点场所下业务感知差异化调度可行性分析

随着 LTE 网络数据业务流量的日益快速增长，热

点场所业务模型和网络资源需求发生重大变化，其中

网络直播、网络短视频等视频流媒体的业务量增幅最

大。另外，大型热点场所的特点是固定时间大量用户

聚集单一地点，致使热点区域流量无法公平使用，因

热点场所差异化调度的业务感知提升方法研究

李言兵


针对大型会场、演唱会等热点区域场所，现有的无线小区分裂、增加FDD基站等方式无法满足网络负荷及

用户感知需求。为此，某运营商通过PCC的业务差异化调度对热点场所管道实施智能管控，有效缓解了小

区高负荷，提升了用户体验。

热点场所差异化调度业务感知

摘要：

关键词：

此，针对热点场所开展业务差异化调度、提升业务感

知工作无疑十分重要。

（1）热点场所下网络资源变化分析

当前运营商的移动网络资源是既定自发的，资源

利用率较低且分配不合理。PCC 能够提供基于业务

的差异化控制能力，优化小数据包业务资源分配，实

现热点区域流量公平使用，进而使网络资源得到最大

化应用。

1）小数据包业务资源分配不均衡。即时通信应

用如 QQ、微信等业务，数据包小，占用流量小，但用

户数多，小包的频繁发送与接收会产生大量无线资源

分配请求，大大降低了网络数据信道的利用率，对网

络的信令造成很大冲击。引入 PCC 后，在核心网侧

识别小数据包应用，并将业务标志及服务质量（QoS，Quality of Service）策略传递给无线侧，无线侧识别业

务标志和 QoS，实施特定的资源优化策略。

2）热点场所流量使用不公平。随着流量资费的

下降、智能终端的普及，P 2P 和流媒体类视频业务成

为移动互联网业务新的增长点。这类应用用户数少，




但单个用户流量大，整体流量占比高，特别是视频类

业务占用网络资源较多，形成无线资源的局部拥塞，

影响其他用户的业务体验。通过 PCC 实施策略制定，

在忙时忙区对使用流量进行累积，超过一定阈值时则

进行带宽管理，控制过度使用行为，以释放资源给其

他用户及业务使用，体现了资源受限情况下的合理、

公平分配原则。

（2）热点场所业务感知模型变化研究

分析业务类型流量占比变化，热点场所各种协议

流量均有大幅增长，其中网络直播、网络短视频等视

频流媒体业务量增幅最大。如图 1 所示，视频流媒

体类业务量占比呈现大幅上升趋势，由 24.8% 增至

36.7%，成为热点场所中流量最大的业务类型。

使用户无论在网络空闲还是繁忙状态下都能获得更

有保证的业务体验；对于优先级较低的用户，可以降

低其业务访问速率或者限制其业务访问范围。

2）数据业务套餐间流量使用很不均衡，少部分用

户消耗大部分流量，比如使用不限流量套餐的用户对

资源无节制使用，严重影响了其他用户的业务体验。

基于 PCC 的差异化策略控制，可以限制低价值用户，

保障高价值用户。如对低价值用户，可以累积其流量

使用，当超过一定门限时，则限制其忙时业务带宽，

从而限制其对资源的滥用。

3 热点场所下业务感知差异化调度提升方案

（1）基于 PCC 策略的业务感知差异化调度整体

方案

如图 3 所示，PCC 差异化策略主要针对时间、

用户、流量、位置、终端、应用等多维度开展差异化控

制。以基于业务的管控为例，PCC 识别不同业务类

型，并将不同业务标签不同标度值（QCI，QoS Class Identifier）等级，如对下载、P 2P 传输等低价值业务标

记 QCI=7 承载，将需保障的重点业务标记为 QCI= 8承载，普通业务使用 QCI= 9 承载。图1 热点场所分业务流量占比变化

如图 2 所示，从业务体验速率变化角度来看，热

点场所用户视频业务需求不断增长，其中视频流媒体

代表的大包业务占比上升。用户对感知速率的体验

需求不断提高，对热点区域网络资源与网络体验的感

知需求进一步提升。

图2 热点场所业务感知速率变化

（3）热点场所业用户等级、套餐差异化分析

1）网络缺乏对用户的差异化服务能力。根据市

场运营需要，一般基于一定原则对用户进行品牌和等

级划分，但缺乏对用户的网络差异化服务能力。通过

引入 PCC 可以为高端用户定义更高的网络优先级，

并通过端到端 QoS 将优先级从核心网传递到无线侧，

图3 业务感知差异化调度整体方案

（2）无线侧业务差异化调度策略

针对不同的 QCI 等级，无线侧通过调整无线侧调

度参数开展差异化调度。无线侧 Non GBR 业务调度

由公式（1）确定各调度用户的调度优先级。

Priority=effAlpha/r*Yqci （1）

式中，eff 表示 UE 当前的信道质量；r 表示

UE 历史传输的速率；Yqci 表示业务的 QCI 级别

对应的调度优先级的加权，由参数 StandardQci、UlschPriorityFactor 决定，加权因子配置值越大，则调

李言兵：热点场所差异化调度的业务感知提升方法研究第2期 22

度优先级越高。

因此，针对不同业务，可以通过设置该业务映射

的 QCI 调度优先级参数，实现差异化调度无线侧资

源，以限制部分业务资源消耗，保障各类业务感知。

（3）热点场所业务差异化调度应用策略

热点场所的管控需求分为两种：一是重点用户

保障，少数有特殊需求的重点用户，通过提升其 QCI优先级，保障其业务体验；二是区域拥塞管控，通过

PCC 的差异化管控能力，实施业务 / 用户分级管控或

者限速，保障网络安全。

重点用户保障策略使用 QCI 区分重点用户和

普通用户。现网中普通用户 QCI= 9，通过策略与计

费规则功能单元（PCRF，Policy and Charging Rules Function）提升重点用户的 QCI= 8，无线侧对应提升

QCI= 8 的调度权重和优先级，以保障重点用户的业务

体验。基于 QCI 的管控策略，不做 PCC 管控时，普

通用户 QCI= 9 ；用户进入目标区域后，修改 QCI= 7，无线侧对应调整 QCI= 7 的调度优先级和权重，实施

管控。

针对热点场所应急保障主要采取的策略是重点

用户加基于 QCI 管控策略，即重点用户进入目标小区

后，修改建立 QCI 8，本地普通用户在目标小区建立

QCI7，非本地用户建立 QCI9，无线侧通过对 QCI7、8、9 调整不同的调度权重以实施管控。

4 热点场所业务感知差异化调度策略实践

（1）热点场所业务感知差异化调度评估

在 QCI 7、QCI 8、QCI 9 配置不同权重，验证 QCI权值配比值对资源调度的影响。在同一小区相同无

线环境 (RSRP-85dBm左右 ,SINR 12dB左右 )下测试，

小区下行 PRB 利用率 30%、下行 PRB 利用率 70% 的

情况下，分别对 QCI 7、QCI 8、QCI 9 三种承载用户进

行评估。目前已完成 VoLTE MOS 值及游戏、网页及

微信业务效果等在不同权重、配比、PRB 利用率下的

评估。

1）VoLTE 业务效果评估

对 QCI 7、QCI 9 测试终端同时进行 VoLTE 业务

测试，测试结果如下（图 4）：权值设置、PRB 利用率

变化对语音 MOS 值无明显影响。QOS 保障策略主要

图4 VoLTE平均MOS值

2）游戏、网页及微信业务效果评估

对 QCI 7、QCI 8、QCI 9 测试终端同时进行游戏

及微信业务测试，测试结果如下：

QCI7、QCI8、QCI9 的测试终端开启 APP 玩游戏，

在不同的权值比例、权重比、PRB 利用率下，游戏均

运行流畅，无卡顿，终端侧平均时延在 100ms 左右；

QCI 7、QCI 8、QCI 9 的测试终端在浏览器及对应

的 APP 应用下对凤凰、搜狐、新浪等主流网页进行视

频业务。在不同的权值比例、权重比、PRB 利用率下，

网页视频均运行流畅，无卡顿。

QCI 7、QCI 8、QCI 9 的微信视频、语音及小视频

发送接收测试，在不同的权值比例、权重比、PRB 利

用率下，均感知流畅，未出现异常现象。

3）FTP 下载业务效果评估

如图 5 所示，在目标小区内，FTP 下载业务随

着权值比例及 PRB 利用率变化而变化，但 QCI 7、QCI 8、QCI 9 下载速率比值基本符合设置的 QCI 权值

比例。通过对比不同权值比例数据，选择 QCI 权值比

例 1 ：2 ：1 时，在下行 PRB 利用率为 70% 的情况下，

既能保证 VIP 用户较快的下载速率，也能减少对普通

用户感知的影响。

图5 FTP下载业务

4）FTP 上传业务效果评估

如图 6 所示，在目标小区内，FTP 上传业务随权

值比例变化而变化，QCI 7、QCI 8、QCI 9 上传速率比

值基本符合设置的 QCI 权值比例。选择 QCI 权值比


针对 NGBR 业务，权值设置变化对语音 MOS 值无明

显影响。

例为 1 ：2 ：1 时，既不影响普通用户的上传感知，又

能保证 VIP 用户较快的上传速率。

图6 不同权值比例FTP上传速率

5）视频业务效果评估

如图 7 所示，不同权值比例对观看视频 VMOS值无明显影响，观看 1080P 视频 VMOS 值在 4.0 左右，

720P 视频 VMOS 值在 3.5 左右。

图7 不同权值比例下视频VMOS值

通过测试结果评估，热点场所业务差异化调度评

估结果如下：

在目标小区内，FTP 业务随着权值比例及 PRB利用率变化而变化，但速率比值基本符合设置的 QCI权值比例。通过对比不同权值比例数据，选择 QCI 权值比例为 1 ：2 ：1 时，既能保证 VIP 用户上传下载的

优先级，也能减少对普通用户的感知影响。

VoLTE 业务、视频业务、游戏、网页及微信业务

在各种权值比例下均保持正常。

（2）热点场所业务感知差异化调度应用效果

通过评估前期热点场所业务感知差异化调度测

试结果，某运营商总结出一套改善网络用户体验感知

的 QCI 权值比例配置最优方案。如图 8、图 9 所示，

在某地体育中心演唱会期间，对网络站点应用 QCI 权值比例进行 1：2：1 配置，VoLTE 语音 MOS 值由 3.79提升至 4.12，视频 MOS 由 3.94 提升至 4.05 ；FTP 上

传速率由 3.07Mbps 提升至 3.79Mbps，FTP 下载速

率由 19.71Mbps 提升至 33.23Mbps。通过基于业务

感知差异化调度保障方案的应用，保证了网络的正常

运行。

图8 业务感知差异化调度MOS效果对比

图9 业务感知差异化调度感知速率效果对比

5 结束语

随着移动互联网的发展，移动数据业务的用户越

来越多，流量越来越大，对网络负荷造成了巨大的冲

击。某运营商从热点场所网络资源分配率不足、用户

业务体验感知差等难点出发，通过 PCC 的业务差异

化调度对热点场所管道实施智能管控，针对不同用户

服务等级、资费套餐制定差异化的网络控制策略，优

化网络资源分配效率，有效缓解了小区高负荷，提升

了热点场所用户感知体验。

参考文献

王少波 . 基于位置的PCC管控方案探讨 .数据通信，

2015(4).

孙成虎，陈艳敏，王佳. PCC端到端QoS部署策略研究.电

信网技术，2014(8).

王建国. PCC策略控制机制及其应用探讨.信息通信，

2012(4).

池炜成. PCC规则集中化自动配置技术研究.移动通信，

2016(8).

黄韬，张智江，刘韵洁. PCC策略控制机制研究.现代电

信科技，2008(9).

1

2

3

4

5

李言兵：热点场所差异化调度的业务感知提升方法研究第2期 24

1 引言

目前，运营商在 IT/DT 基础设施方面的建设已具

备规模化应用机器学习等 AI 技术的基础，但迫切需

要解决数字化内容营销、用户体验等方面的问题。随

着数据的不断引入及治理，运营商基本构建了以 B、

O、M 三域数据为主的企业级数据资产，而海量的数

据资产亟待盘活。对于专业的机器学习算法和相应的

数据挖掘过程，普通用户很难理解并掌握所有细节，

而目前市面上各种挖掘工具虽能提供丰富的可视化

操作组件，但是过程的规范性、正确性完全依赖用户

的能力和经验。因此，建设基于运营商行业的智能化

机器学习平台，实现建模的简单、准确、快捷，让普通

业务人员都可以利用机器学习技术去解决实际问题，

是目前亟待解决的问题。

2 运营商实践机器学习遇到的问题

目前，运营商行业在应用机器学习进行建模方面

存在以下痛点：

（1）门槛太高，缺乏复合型人才

运营商行业智能化机器学习平台建设实践

徐秀珊李辉王新印张超李雨

针对当前运营商行业机器学习门槛高、专业人才缺乏、建模工作不够智能的现状，某运营商建设了智能化机器学习

平台，能提供一站式、标准化的模型开发能力，帮助业务人员快速、精准建模，提高机器学习的应用水平。

机器学习向导式建模智能化平台

摘要：

关键词：


由于实践机器学习的门槛较高，缺少既具有数据

分析处理能力、建模能力又具备业务能力的复合型人

才，短期内也不容易培养出相应人才。

（2）成本太高，不敢轻易尝试

从协调提数、申请资源、训练模型、部署联调到

上线验证，所花费的时间成本、资源成本、沟通成本、

试错成本及周边团队的配合成本、相应的机会成本、

可能的沉没成本都远远高于普通的软件开发投入，在

效果未知的情况下，不敢贸然投入。

（3）方法各异，三个月失效，知识得不到传承

按应用的开发方式，模型三个月即失效，知识没

有得到有效的积累，使用过的指标反复提取，使用过

的算法重新探索，优秀的实践没有持续优化使用，拉

长需求响应时间，需求价值下降。

图 1 给出了机器学习行动时间和消失价值之间

的关系，可以看出，从提出需求、需求评估到数据整

合分析、交付到业务部门最终采取行动，问题的价值

随之下降。因此，快速建模十分重要。




图1 机器学习行动时间和消失价值关系图

机器学习平台具体功能模块逻辑图如图 3 所

示。在大数据平台服务方面，选择当前业界较成熟的

Spark、Hadoop、Hive 等，其中，数据存储处理在 Hive中实现，Hive 依赖于 HDFS 存储数据，将 HQL 转换

成 MapReduce执行。底层模块是当前主流模块的整合，

适用于原本的平台能力，在容器 k8s 中的主流扩展包

中直接封装，在安装过程中统一扩展安装。模型训练

和预测引擎（miner）模块建模过程中，获取数据管理 &处理引擎（DSEM）中的数据，并进行建模，最终将建模

结果返回到 DSEM 模块。DSEM 模块直接调用 miner模块的算法能力，编码式建模（ANB）也可以直接通过

miner 模块调用大数据的算法能力。Miner 模块对大

算法能力进行整合，对接前台的展现。前台只需要进行

简单的数据源配置，对接数据处理结果。3 运营商行业机器学习平台建设实践

从项目的基本原理看，建设机器学习平台，作为

业务部门机器学习探索实践的“大脑”，应用在生产

环境中，业务部门可以针对不同业务需求引入相关数

据，自动或手动快速构建人工智能模型应用并指导生

产，生产数据再回馈给机器学习平台再进行自优化后

再指导生产，自动化周而复始，保障经营决策越来越

准、效益越来越好。

（1）平台总体架构

运营商行业机器学习平台总体架构如图 2 所示。

最底层为计算资源，包括 CPU 服务器、GPU 服务器、

私有云、FPGA 服务器等，建立在大数据平台或者容

器化平台基础上，融合一系列机器学习、数据挖掘算

法包如 R 语言机器学习包、SparkML 等，及深度学习

框架，如 TensorFlow、Caffe 框架，以实现整体模型训

练、模型应用、系统管理等功能。最上层为机器学习

模型层，提供具体模型供业务人员使用。

图2 运营商行业机器学习平台总体架构

图3 功能模块逻辑图

（2）关键技术实现

1）提炼常用的建模情景

分析、归纳运营商常用建模场景使用的算法，总

结出 5 大类向导式的建模流程固化到平台中，包括分

类预测、聚类分析、协同过滤、时间序列、关联规则。

如图 4 所示，在每一类建模流程中，初级用户只需选

择数据的标识即可完成建模，高级用户可自行设置高

级参数。

图4 初级参数和高级参数

徐秀珊等：运营商行业智能化机器学习平台建设实践第2期 26

2）特征指标智能选择

平台针对不同的建模情景，预置相应的降维算

法，如 PCA 算法。建模人员可以将全部指标选入向

导式建模中，由平台自行筛选有价值的特征指标用于

模型计算。筛选逻辑示例如下：

设 n 维向量 w 为目标子空间的一个坐标轴方向

（称为映射向量），最大化数据映射后的方差，有：

（1）

式（1）中，m 是数据实例的个数，

4

3.2 关键技术实现

（1）提炼常用的建模情景

分析、归纳运营商常用建模场景使用的算法，总结出 5大类向导式的建模流程

固化到平台中，包括分类预测、聚类分析、协同过滤、时间序列、关联规则。在每

一类建模流程中，初级用户只需选择数据的标识即可完成建模，高级用户可自行设

置高级参数，如图 4所示。

图 4初级参数和高级参数

（2）特征指标智能选择

平台针对不同的建模情景，预置相应的降维算法，如 PCA 算法。建模人员可以

将全部指标选入向导式建模中，由平台自行筛选有价值的特征指标用于模型计算。

筛选逻辑示例如下：

设 n 维向量 w为目标子空间的一个坐标轴方向（称为映射向量），最大化数

据映射后的方差，有：

2

1w)(

11max

m

ii

T xxwm （1）

式中，m是数据实例的个数，xi是数据实例 i 的向量表达， x是所有数据实例

的平均向量。定义 W为包含所有映射向量为列向量的矩阵，经过线性代数变换，可

以得到如下优化目标函数：

是数据实例

i 的向量表达，

4












设 n 维向量 w 为目标子空间的一个坐标轴方向（称为映射向量），最大化数


2

1w)(

11max

m

ii

T xxwm （1）




是所有数据实例的平均向量。定义W 为包含所有映射向量为列向量的矩阵，经过线性代

数变换，可以得到优化目标函数如式（2）所示。

（2）

式（2）中 A 表示数据协方差矩阵，tr 表示矩阵

的迹。

容易得到最优的W 是由数据协方差矩阵前 k 个

最大的特征值对应的特征向量作为列向量构成的。这

些特征向量形成一组正交基并且最好地保留了数据

中的信息。

3）超参数智能优化

建立模型时，每种模型都有不同的参数，同一个

模型算法，不同的模型参数都可以影响模型的效果。

机器学习平台采用目前较常用的参数调优方法——

网格搜索法。网格搜索法是指定参数值的一种穷举

搜索方法，将估计函数的参数通过交叉验证的方法进

行优化来得到最优的学习算法，即：将各个参数可能

的取值进行排列组合，列出所有可能的组合结果生成

“网格”；然后将各组合用于模型训练，并使用交叉验

证对表现进行评估；在拟合函数尝试了所有的参数组

合后，返回一个合适的分类器，自动调整至最佳参数

组合。

先设置要调的参数和对应的取值（图 5）。

再初始化要用的算法，然后使用网格搜索，寻找

最优参数（图 6）。

图5 参数及取值设置

图6 网格搜索寻找最优参数

4）搭建机器学习建模云平台，实现效率提升

a）统一管理：平台部署在稳定高效的云平台上，

可基于云平台实现模型统一管理、统一调度、统一维

护、统一接口，减少 IT 资源浪费、降低维护成本，实

现高并发等。

b）集成的开发环境：平台将建模需要用到的数

据、计算框架、算法包、开发语言环境等集成到云平

台中，用户只需打开浏览器即可开始建模工作，标准

化开发过程、开发成果。

c）多租户支持：在组织内部，当多部门使用统一

平台、统一数据集运行不同业务时，通过租户方式可

实现对数据、计算资源的管理和分配。各业务在相对

独立的环境中运行，实现了数据与资源的逻辑隔离。

d）分布式计算：支持多节点分布式部署计算节

点，自动负载均衡，保障模型训练效率。

e）支持 K 8s 部署：平台支持在 K 8s 上运行，并与

K 8s 的多租户管理集成，充分发挥高可用性、弹性计

算等特点。

f）可扩展性：平台的计算资源可动态扩展；支持

对开发语言、算法包、计算框架的动态扩展。

g）安全方案：支持 kerberos 认证；系统层面通过

权限管理，保障数据在访问、处理过程中的安全；在

数据层面上用户只能查看到数据分布特征，而不能查

看到表中每条数据的记录信息，保障数据记录级信息

安全。

4 应用案例

在人工智能与机器学习快速发展的当下，运用数

据挖掘的方法，实现对电信客户的挽留、转化、精准

营销日益彰显其商业价值。如何提前预测即将流失或

有流失征兆的客户，将挽留营销措施前置，已经成为

4












设 n 维向量 w为目标子空间的一个坐标轴方向（称为映射向量），最大化数


2

1w)(

11max

m

ii

T xxwm （1）




5

1..,min WWtsAWWtr TT

w （2）

式中， Ti

m

ii xxxx

mA )()(

11

1

,表示数据协方差矩阵，tr表示矩阵的迹。

容易得到最优的W是由数据协方差矩阵前k个最大的特征值对应的特征向量作

为列向量构成的。这些特征向量形成一组正交基并且最好地保留了数据中的信息。

（3）超参数智能优化

建立模型时，每种模型都有不同的参数，同一个模型算法，不同的模型参数都

可以影响模型的效果。机器学习平台采用目前较常用的参数调优方法——网格搜索

法。网格搜索法是指定参数值的一种穷举搜索方法，将估计函数的参数通过交叉验

证的方法进行优化来得到最优的学习算法，即：将各个参数可能的取值进行排列组

合，列出所有可能的组合结果生成“网格”；然后将各组合用于模型训练，并使用交

叉验证对表现进行评估；在拟合函数尝试了所有的参数组合后，返回一个合适的分

类器，自动调整至最佳参数组合。

先设置要调的参数和对应的取值（图 5）。

图 5 参数及取值设置

再初始化要用的算法，然后使用网格搜索，寻找最优参数（图 6）。

图 6 网格搜索寻找最优参数


迫切的需求。因此某运营商采用机器学习的方式建立

4G 用户流失模型，帮助业务部门精准找出 4G 潜在流

失客户，让业务部门及时进行挽留。

4G 用户预流失模型采用机器学习中的有监督的

分类模型算法，整体建模的步骤分为：数据特征准备，

模型算法的选择，根据平台向导式建立模型，模型效

果评估，模型应用。

（1）数据特征准备

任何模型的建立都需要做好数据特征准备。数

据特征就是反映用户行为的字段，需要业务部门人员

从业务角度出发，将业务上的理解映射成现有的数据

特征。在 4G 用户流失模型中，业务人员准备了 50 个

特征值。如图 7 所示，在数据库中准备好数据特征之

后，将数据导入到机器学习平台中，为建立模型做准

备。将数据导入之后会有数据的基本描述，便于进行

数据的二次筛选。

图9 调整正负样本比例

图7 数据源导入

（2）正负样本的选择及测试集训练集划分

对 4G 流失模型来说，正样本就是已经流失的 4G用户，负样本就是高价值稳定用户。如图 8 所示。

图8 正负样本选择

正负样本的比例是用来确定模型建设中模型倾

向的，比例一般在 1:1-1:5 之间。在此设置正负样本

各占 50%。调整数据集中的正负样本比例如图 9所示。

训练集用于训练模型参数，测试集用于估计模型

对样本的泛化误差，验证集用于“训练”模型的超参

数，训练集一般的比例在 1:4-1:5 之间。在此设置训

练集占 80%，测试集占 20%。如图 10 所示。

图10 训练集和测试集划分

（3）算法调整优化

前期准备工作完成后，机器学习平台会自动选择

算法，平台封装的机器学习算法会对参数自行优化，

选出最优参数。如图 11 所示。

图11 平台参数自动优化

模型训练过程中，机器学习平台会依次呈现模型

的训练过程。如图 12 所示。

图12 算法优化过程

（4）算法效果评估

1）模型特征相关性

模型特征相关性是指两个变量的关联程度。一

般来说，两个变量之间有以下三种关系之一：正相关、

负相关、不相关。如图 13 所示，特征点的颜色越深

表明特征之间的相关性越高。在对角线中，数据特征

呈现自相关，因此相关性为 1。

徐秀珊等：运营商行业智能化机器学习平台建设实践第2期 28

图13 模型特征相关性

2）查准率和查全率

对于分类模型效果，某运营商采用查准率

（Precision）、查全率 (Recall) 作为评价指标。查准率 (Precision)：在预测用户名单中，真实发

生流失的 4G 用户数占全部预测用户的百分比，用来

衡量模型的准确性。令模型中命中流失 4G 用户数为

A1, 预测用户的总名单为B，则查准率定义为：

（3）

查全率（Recall）：预测用户名单的真实发生流失

的 4G 用户数占全部流失 4G 用户的百分比，用于衡

量模型的有效捕获目标用户的能力。令未能命中的

流失 4G 用户数为 A2，则查全率定义为：

（4）

利用随机森林输出结果（表 1）。

9

（1）模型特征相关性

模型特征相关性是指两个变量的关联程度。一般来说，两个变量之间有以下三

种关系之一：正相关、负相关、不相关。如图 13所示，特征点的颜色越深表明特

征之间的相关性越高。在对角线中，数据特征呈现自相关，因此相关性为 1。

图 13 模型特征相关性

（2）查准率和查全率

对于分类模型效果，某运营商采用查准率（Precision）、查全率(Recall)作为评

价指标。

查准率(Precision)：在预测用户名单中，真实发生流失的 4G 用户数占全部预

测用户的百分比，用来衡量模型的准确性。令模型中命中流失 4G 用户数为 A1,预

测用户的总名单为 B，则查准率定义为：

BAecision 1Pr

（3）

10

查全率（Recall）：预测用户名单的真实发生流失的 4G用户数占全部流失 4G

用户的百分比，用于衡量模型的有效捕获目标用户的能力。令未能命中的流失 4G

用户数为 A2，则查全率定义为：

211ReAA

Acall

（4）


表 1 查全率和查准率

查全率查准率

0.6234 0.832

（3）ROC曲线

机器学习平台进行了两个 ROC曲线的输出，一个是训练样本的，一个是测试

样本的。AUC（Area Under Curve）被定义为 ROC曲线下与坐标轴围成的面积。从

图 14中可以看出在训练集中 AUC为 0.891，在测试集中 AUC为 0.761。

图 14 ROC曲线

（4）模型特征重要性

在确定模型自身是否满足的同时，机器学习平台会对模型使用的特征的重要性

进行输出（表 2）。

表 2 模型特征重要性10

查全率（Recall）：预测用户名单的真实发生流失的 4G用户数占全部流失 4G

用户的百分比，用于衡量模型的有效捕获目标用户的能力。令未能命中的流失 4G

用户数为 A2，则查全率定义为：

211ReAA

Acall

（4）


表 1 查全率和查准率

查全率查准率

0.6234 0.832

（3）ROC曲线

机器学习平台进行了两个 ROC曲线的输出，一个是训练样本的，一个是测试

样本的。AUC（Area Under Curve）被定义为 ROC曲线下与坐标轴围成的面积。从

图 14中可以看出在训练集中 AUC为 0.891，在测试集中 AUC为 0.761。

图 14 ROC曲线

（4）模型特征重要性

在确定模型自身是否满足的同时，机器学习平台会对模型使用的特征的重要性

进行输出（表 2）。

表 2 模型特征重要性

表1 查全率和查准率

3）ROC 曲线

机器学习平台进行了两个 ROC 曲线的输出，一

个是训练样本的，一个是测试样本的。AUC（Area Under Curve）被定义为 ROC 曲线下与坐标轴围成的

面积。从图 14 中可以看出在训练集中 AUC 为 0.891，在测试集中 AUC 为 0.761。

图14 ROC曲线

4）模型特征重要性

在确定模型自身是否满足的同时，机器学习平台

会对模型使用的特征的重要性进行输出（表 2）。

表2 模型特征重要性

从表 2 中可以看出用户当月通信天数、当月欠费

金额、当前 imei 通信手机号码数对于模型影响较大。

（下转第 32 页）

5）对模型进行应用（表 3）

表3 模型应用


1 引言

近年来运营商 IT 系统转型发展迅速，随着虚拟化、云计算、容器、分布式、大数据、机器学习等新技术的不断引入，应用与基础设施实现了松耦合、资源服务化，数据中心向多活和软件定义方向发展。平台架构的演进带来运维模式的变革，对于配置管理数据库（CMDB，Configuration Management Database）的要求也从简单的辅助支持资产管理、导出基础数据查询报表，逐步转变为能够应对日益扩张的运维规模，适应日趋复杂的系统架构，满足更加严格的安全运行标准。

CMDB 在面向未来数据中心发展的 IT 运维体系中扮演着不可或缺的重要角色，其作用是面向 IT 运维场景和管理场景，提供统一的配置管理数据库，供运维操作、内部流程进行消费和执行数据的回写。

2 面向消费场景的集中式配置管理库

小到一个 Excel 表格，大到一套管理系统，从一台物理设备的新增变更，到某个业务拓扑的分层展示，运维工作中经常用到各类 CMDB。随着业务的不断发展和新技术的成熟应用，数据中心软硬件架构日趋复杂，需要管理的系统、资源越来越多，资源间

构建面向消费场景的集中式配置管理库

孔庆涛朱祥磊

本文针对某运营商配置管理数据库存在的分散、配置数据准确度低等问题，构建了一套面向消费场景的集中式配

置管理数据库。该数据库支持资源模型和关系自定义，提供丰富的数据集成和消费接口，实现了自动发现和数据质

量量化，支撑多种运维需求场景，并配合监控与自动化运维实现了监、管、控一体化管理，提升了IT运维管理能力

和效率。

CMDB 面向消费集中式

摘要：

关键词：

(中国移动山东公司，济南 250001)

的依赖关系也越来越复杂。某运营商也经历了类似过程，遵循 ITIL 引入 IT 运维管理体系，先后建设了BOSS 网管、4A 系统、监控平台、自动化运维平台、云管平台、大数据平台、PaaS 平台等。这些系统平台都以各种形式维护一套自己的 CMDB，彼此割裂，数据难以共享，且存在重复的配置数据，更新一条配置可能涉及多个系统平台，数据的一致性难以保证，增加了流程复杂度，也带来了额外的管理成本。

因此，某运营商的 CMDB 建设所面临的是面对若干个不同平台、不同架构的专业配置数据库和准确性存疑的配置数据，以及基于此构建的若干运维流程。如何最大限度地利用现有资源，避免重复建设和浪费，整合、清理历史配置数据以保持其准确性，使流程能够更好地利用配置数据服务于运维需求，成为CMDB 建设的最大难题。

某运营商在智能化运维转型的过程中，提出依托基础数据，开展数据治理，围绕运维对象构建对象模型的配置管理思路，对接可视化监控平台和自动化运维平台，将运维对象与监控、运维操作、流程相衔接，形成以 CMDB 为核心、以分析为抓手、以服务为驱动，集监、管、控于一体的综合运维管理平台（图 1），从而显著提升 IT 运维能力。




在配置数据的来源方面，采用自动发现，并且认为自动发现的数据准确性是最高的，缺省更新或者审批后更新至数据库。自动发现可以获取许多信息，包括主机、软件、云平台、网络拓扑、SAN 拓扑等，但自动发现不是万能的。资源所属的应用系统、设备物理位置、维保信息等都依靠人工录入，必须加强人工数据采集，结合流程管控，通过割接变更、定期盘点、咨询调研等手段及时更新配置数据。

6）原则六：重视用户习惯，敏捷开发做好调研，充分听取用户意见，提升系统的交互

体验。比如很多运维人员习惯使用 Excel 表格维护资源信息，在工单流程设计、配置项导入与查询时需充分考虑这一用户习惯，支持各种格式的 Excel 的导入、导出。采用敏捷开发的思路，小步快跑，逐步迭代，每一次迭代都可以开发出满足用户需求的可交付使用场景。

（2）面向运维消费场景某运营商的 CMDB 构建是服务于运维消费场景

的，结合积累的运维经验并进行了深入调研，梳理出了常用的运维消费场景（表 1）。

图1 以CMDB为核心的综合运维管理平台

（1） CMDB 建设原则1）原则一：面向运维消费场景提升运维能力是 CMDB 建设的目的，所有功能

点的建设都必须以消费场景来驱动。需要梳理出具体的消费场景有哪些、需要解决的问题是什么，然后围绕场景构建具体功能。CMDB 为消费场景提供配置数据支撑，具体的消费场景可以在 CMDB 中实现，但更多的是在各外部专业平台实现。建设过程中要因地制宜，避免重复建设，系统之间采用松耦合方式互联。

2）原则二：真实映射 IT 环境资源模型、模型关系的构建需要真实映射 IT 环

境。需要理解应用及各种 IT 资源的体系结构和逻辑关系，充分考虑同一配置项在不同体系结构中可能存在的差异，在 CMDB 中尽可能真实展现它的原貌。资源模型、模型关系需要支持自定义，根据配置项自身的逻辑来保证数据完整性，而不是通过人为制定一些特有的规则加以约束。

3）原则三：数据质量量化数据质量是 CMDB 建设成败的关键，通过自动

发现、工单流程、人工方式来进行数据更新，可以在很大程度上提高数据质量，但实际中也会遇到瓶颈。知道配置数据失准，却不知道具体问题出在哪里、是谁负责的，原因就是没有对数据质量问题进行量化，这是很多 CMDB 失败的重要原因之一。对数据质量进行量化，给出问题数据汇总及明细，配置项数据责任到人，有的放矢，进而提高数据质量。

4）原则四：明确职责和权限系统的建设离不开各方的参与，包括系统开发

商、应用运维团队、各专业运维团队、系统管理员等，需要明确各方的职责分工，各司其职、各尽其责、共建共享。在构建模型和模型关系时，要将人员信息也纳入管理，并与各个资源建立关系，明确具体配置信息由谁负责。同时，要求支持配置项级别的权限管理，不同的角色、不同的租户分配不同的增删改查权限。

5）原则五：自动发现和人工更新并重

表1 常用运维消费场景

根据某运营商的实际情况，场景一、场景二、场景三集成在 CMDB 中实现，其他场景由既有专业平台承载。为解决分散的 CMDB 数据难共享、一致性难保证的问题，采用集中式部署 CMDB。如图 2 所示，对外提供数据集成接口，用于导入、录入、自发现、采集配置信息；提供 RestfulAPI、Webservice、JDBC、ODBC 等标准接口，用于配置数据的消费，供各专业平台调用。各专业平台与 CMDB 通过 API 进行联动，共享数据，保证了数据一致性。


图2 CMDB提供丰富的数据集成和消费接口

（3）模型、模型关系某运营商构建的 CMDB 定义了 SAAS 层、PAAS

层、IAAS 层共 77 个 CI（配置项）模型，涵盖了现网所有的运维对象，根据模型的内在逻辑定义了模型关系。模型、模型关系支持自定义配置，扩展性强。CMDB 主要的模型关系如图 3 所示。

图3 CMDB主要的模型关系

3 应用成效

截至目前，某运营商 CMDB 共管理了 22936 个物理和逻辑资源，包括 SaaS 层 292 个、IaaS 层 19412个、PaaS 层 3232 个。支持模型、关系自定义配置和细颗粒度的权限管理。实现了自动发现，包括设备自发现、软件自发现、关系自发现，提供凭证管理、扫描策略管理、历史记录、发现审核等功能，结合数据质量管理，提高了数据采集的效率和准确性，降低了维护工作量。实现了拓扑可视化管理，支持数据驱动的自动绘图、可视化的 CI 关系遍历和拓扑关系的上卷、下钻。提供了丰富的数据集成和消费接口，实现了配置数据的共享和一致性，支撑了常用的运维消费场景。

某运营商构建的面向消费场景的集中式配置管理数据库，具备灵活、精简、可变、易扩展的特点，通过制定统一的数据标准和管理规范，满足了业务增长和技术更新需求，提升了 IT 运维水平。

确定好模型之后，利用此模型预测更多的数据集，根据条件进行 4G 用户的流失预测及挽留。

5 平台应用效果

某运营商为更好地支撑机器学习模型建设和落地，快速高效满足业务部门的机器学习模型需求，助力人工智能实践，建设了智能化机器学习平台。该平台利用大数据能力和机器学习技术，提供一站式数据源配置、模型训练、模型应用，显著缩短了机器学习模型的建模周期。截至 10 月底，已在平台开发部署上线 32 个机器学习模型，平均建模周期由原来的 2个月缩短至 0.5-1 个月，投入的人力成本由原来的平均 4 人 / 月 / 模型缩短到平均 1 人 / 月 / 模型。同时，机器学习平台支持基于 kubernetes 多租户管理，实现了多租户之间共享一个实例，通过使用多租户之间的资源复用、运营管理维护资源，有效节省了开发应用成本。

6 结束语

随着运营商行业的发展，更需要利用机器学习技术去挖掘业务需求。某运营商建设了一种面向运营商行业的智能化机器学习平台，实现了建模的简单、准确、快捷，使普通业务人员都可以利用机器学习技术去解决实际问题，更好地支撑机器学习模型建设和落地，快速高效地满足了业务部门的机器学习模型需求。

参考文献

唐振坤.基于Spark的机器学习平台设计与实现.厦门大学

硕士论文，2014.

焦嘉烽，李云.大数据下的典型机器学习平台综述.计算

机应用，2017，37(11).

舒娜，刘波，林伟伟，李鹏飞.分布式机器学习平台与算

法综述.计算机科学，2019(3).

秦子实.企业内部分布式机器学习系统设计与实现.电脑

知识与技术，2018(1).

黄宜华.大数据机器学习系统研究进展.大数据，2015(1).

1

2

3

4

5

（上接第 29 页）

孔庆涛等：构建面向消费场景的集中式配置管理库第2期 32

1 引言

随着城市建设的发展，市区内无线环境日趋复

杂，传统宏站覆盖模式已经不能满足覆盖要求，部分

重要办公楼、宾馆酒店、交通枢纽及高档住宅小区存

在一定程度的深度覆盖问题。而各运营商也以“打造

LTE全覆盖精品网”为目标进行了大规模的网络建设，

目前 LTE 宏站规模已趋于饱和，而室内深度覆盖则成

为了各运营商建设的重点。室内分布系统建设前期，

由于工期紧、新型分布系统发展不成熟等原因，仍是

以传统无源分布系统建设为主，各个物业类型覆盖方

式基本一致。然而室内覆盖场景复杂，面临诸多问题，

急需更丰富的解决方案。如何实现高性价比场景化

建网成为目前及未来的研究方向。

2 案例分析

目前光纤分布系统及新型有源分布系统逐步发

展成熟，但由于造价高而并未得到运营商的青睐。为

合理运用这些新技术新产品，就需要做好覆盖场景的

业务分析，综合多方面考虑，做到物尽其用。

宏微结合，即在传统的宏蜂窝小区基础上引入低

基于宏微结合的特殊场景LTE室内信号覆盖综合解决方案研究

崔芳芳霍励吕正春

本文通过某具体案例的方案设计思路，介绍了基于宏微结合的室内信号覆盖综合解决方案，并与其他方案进行对

比，得出了特殊场景下综合解决方案的优势。

室内分布系统宏微结合 LTE

摘要：

关键词：

（广东省电信规划设计院有限公司北京分院，北京 100007）

功率基站，简称微基站，补充覆盖和吸收热点地区话

务。运营商利用宏微协同组网方式，能以更低廉成本

为更多用户提供高速数据业务。

常规楼宇的覆盖比较简单，一般使用传统无源分

布系统覆盖即可满足业务要求，达到高性价比目标。

但对于特殊复杂场景的覆盖就不能一蹴而就了，而需

要对该场景进行业务需求分析、各功能区域勘察，综

合考虑业主等多方面的需求，制定高性价比的综合解

决方案。下面以某高铁站覆盖方案为例进行分析。

（1）高铁站情况介绍

某高铁站为我国的重要交通枢纽之一，设计高峰

每小时旅客发送量为 7400 人，最高聚集人数为 5000人。如图 1 所示，整个建筑分为地上三层，分别是高

架层、站台层、地面层：一层为地面层（售票处、停车

场、卫生间、商业区等），总建筑面积约 12.9 万平方米；

二层为站台层（站台、售票处、贵宾室、卫生间、饮水

处、吸烟室、商业区等），总建筑面积约 18.7 万平方米；

三层为高架层（东、西、南、北进站口，检票口、售票

处、卫生间、饮水处、吸烟室、问讯处、医务室、商业区，

3 层候车大厅可通过步梯、电梯通往夹层，夹层主要

是办公区、商业区），总建筑面积约 9.3 万平方米。




4）小区划分

根据各场景功能不同进行小区规划，将整个火车

站分为 5 个典型场景：停车场、候车厅、售票厅、商铺、

出发站台，共划分 22 个小区（表 1）。各层小区划分

示意图如图 2、图 3、图 4 所示。

图1 某高铁站建筑结构

（2）方案分析

由某高铁站基本情况可知，各个区域的功能性很

强，且该高铁站已经启用，施工难度大大增加，采用

传统无源分布系统或者单一覆盖方式显然无法满足

实际需求。鉴于此，制定了宏微结合的综合解决方案，

具体方案如下：

1）地面层（1 楼）覆盖

售票厅和进站口的人流量较大，为兼顾容量需

求，采用 Qcell（BBU+pBridge+pRRU 方式组合，

BBU 与 pBridge 使用光纤连接，pBridge 与 pRRU 使

用五类线连接，具有支持多模多频、大容量、易施工

等优势）有源室分进行覆盖。大厅及两侧停车场较空

旷，采用 4 台双频双极化板状天线进行覆盖，可灵活

合并小区、载波聚合，并兼顾容量，且大大节省投资。

2）站台层（2 楼）覆盖

站台层的股道部分覆盖：股道区域整体较空旷，

人流量较少，楼顶复杂不易施工，综合考虑采用大板

状天线进行覆盖，在股道的东西两侧分别放置 2 个双

频双极化板状天线。贵宾候车厅区域覆盖：该区域人

流量较大，客户价值高，因此采用 Qcell 进行覆盖，方

便施工，并且可灵活进行超级小区合并。股道区域与

贵宾候车厅区域采用不同的频段进行覆盖，避免产生

干扰。

3）高架层（3 楼）覆盖

本次主要覆盖候车大厅及夹层商业区。该区域

主要特点是楼顶挑高很高、人流量大、区域内较空旷，

因此在四个角的炮楼上安装 4 台双频 iMacro 进行覆

盖，大大降低了施工难度，并且可以灵活进行载波聚

合，提高用户体验。

表1 小区划分说明表

楼层逻辑小区

说明

3F 8候车厅，话务高，内部环境空旷，使用2个宏站BBU+4台iMacro（双频）

2F 62F车道使用1个宏站BBU+4台RRU，东西两侧贵宾候车厅划分2个QCELL小区

1F 6通道东西两侧候车厅划分2个QCELL小区；通道中部使用1.8+2.1共4个小区

南停车场 1与 1 F通道中部共用B B U，使用 1个RRU，功分2个天线覆盖停车场及商铺

北停车场 1与 1 F通道中部共用B B U，使用 1个RRU，功分2个天线覆盖停车场及商铺

图2 一层小区划分示意图

图3 二层小区划分示意图

（下转第 38 页）

崔芳芳等：基于宏微结合的特殊场景LTE室内信号覆盖综合解决方案研究第2期 34

1 引言

某运营商宽带用户数屡创新高，面对巨大的存量

用户规模，提升宽带网络质量变得越来越重要。现网

大多数用户都有较好的上网体验，但仍有少部分用户

饱受低质量宽带困扰，甚至其中部分用户不报障、不

投诉，网络维护人员很难发现这些隐藏质差宽带用户

的存在。

某运营商通过监控用户侧光猫设备数据链路误

码增长情况，实现了对部分质差宽带用户的挖掘，进

而积极为用户解决网络难题，提升了宽带品质和客户

满意度。

2 基于光猫误码的质差用户挖掘

设计和编写软件系统，通过采集、分析用户侧光

猫设备的误码增长情况，实现自动、高效、智能的质

差宽带用户挖掘。

（1）数据采集流程

设计数据采集线程，可以通过 SSH 方式登录

OLT 设备，完成原始数据采集。该线程先后完成 OLT板卡信息、PON 口信息、光猫设备信息、光猫误码数

一种基于光猫误码进行宽带质差用户挖掘的方法

孙维睿张琳王振玉

本文提出了一种基于监测用户侧光猫设备误码来挖掘宽带质差用户的方法，通过提供一套采集、分析、挖掘高误

码用户的软件设计方案，以实现对部分宽带质差用户的准确、高效挖掘，并通过三个维度验证了方案的有效性。

误码质差宽带光猫

摘要：

关键词：

（中国移动山东公司烟台分公司，烟台 264003）

据、光猫光功率信息的采集，并通过设计异常处理机

制对采集失败的信息进行多次采集，以保证采集数据

的完整性。图 1 为数据采集线程工作流程图，图 2 为

采集到的某台光猫设备的误码信息。

图1 数据采集线程工作流程图

图2 光猫误码信息采集

（2）数据并发采集

每个地市运营商均有几百台 OLT 设备、几十万

台光猫设备，通过设计多线程并发采集机制，可在 3个小时内完成全部原始数据的采集。多线程并发采

集机制如图 3 所示。




图3 多线程并发采集机制

1）将当日和昨日采集到的误码数值进行相减，

得到每个光猫设备的误码日增量，取误码日增量大于

0 的部分形成“当日误码设备集合”，标记为 A 集合；

2）在数据库中读取之前已存入的历史误码设备

信息，形成“历史误码设备集合”，标记为 B 集合；

3）获取当日新增的误码设备信息集合 C，并插入

数据库：C=A-B；

4）获取需更新数据库中误码信息的设备信

息集合 D，并将数据库中的设备误码值进行更新：

D=A ∩ B；

5）获取数据库中历史误码设备当日误码增量为

0 的设备信息集合 E，等待进一步检测误码故障是否

真正修复：E=B-A。

（4）检测误码故障是否修复

只有用户产生大量上网流量且无误码产生才判

定误码故障得到修复。采集“待核实集合 E”中所有

设备的流量值，并再次采集这些设备的误码信息，只

有其中流量值高于 10000000Byte 且仍无误码产生设

备才判定为误码故障已修复设备，将这部分设备数据

从数据库误码设备表中删除，插入到修复设备表中。

（5）提取目标质差客户

从数据库误码设备表中读取下行帧或上行帧 BIP错误次数日增超过百万的设备信息，通过鉴权码匹配

出用户信息，从而获取目标质差客户明细。

3 有效性验证

基于用户侧光猫设备误码增长情况，某运营商共

挖掘出 1700 个 BIP 日增错误次数超过百万的宽带用

户，通过电话回访、上门调研、对误码已恢复用户进

行数据分析三个维度，验证“基于用户侧误码挖掘宽

带质差用户方法”的有效性。

（1）电话回访

如表 1 所示，抽取 4 个区县共计 170 个目标客户

进行电话回访，共得到有效回访 85 个，其中 71 个用

户反映出现网络问题，占比为 83.53%。用户反映问

题主要为：上网卡顿、网络连接不稳定、电视花屏。

通过电话回访验证了“基于光猫误码挖掘宽带质

差用户方法”的有效性。

1）创建包含 300 个数据采集线程的线程池；

2）为线程池中的空闲线程分配数据采集任务；

3）读取采集到的数据信息；

4）对采集数据进行处理，将光猫信息、误码信息

进行匹配，以CSV的形式存储在当日文件夹中（图 4）；

图4 当日采集并处理后的数据信息

5）对采集失败的任务进行处理，重新写入任务

缓存进行重新采集，从而保证采集数据的完整性。

（3）获取需要新增、更新、待核实的误码设备信息

通过集合运算获取待新增、更新、核实的误码设

备数据集（图 5）。

图5 新增、更新、待核实的误码设备数据集

孙维睿等：一种基于光猫误码进行宽带质差用户挖掘的方法第2期 36

表1 电话回访表用户反映网络不稳定，上网卡顿，视频无法正常

播放。检查发现存在微信视频聊天卡顿、抓取组播流

还原的视频花屏严重等问题。误码产生原因为用户

自行调整光猫位置，将尾纤过度弯折。重新熔接尾纤，

将尾纤与光猫设备重新布放，保证尾纤弯曲半径大于

8cm。故障修复后无误码产生。

2）玺萌橘子洲某用户

用户反映上网卡顿，电视卡顿。检查发现故障原

因为用户多媒体箱较小，皮线光缆盘留半径较小且布

放不合理导致误码产生。重新盘留、布放光缆完成故

障修复。修复前用户家电视组播画面花屏、上网卡顿，

修复后电视节目播放流畅无花屏、上网流畅。

3）郎郡小区某用户

该小区同一 PON 口下采集到的 20 名用户光猫

设备均存在日增 BIP 误码超百万的问题，有效回访 6名用户，其中 5 名用户反映存在上网慢等问题，卡顿

占比 83.3%，选取其中一用户进行现场调研。

用户反映上网慢、视频直播卡顿、微信视频聊天

卡顿。通过更换 OLT 设备的 PON 口光模块，消除了

该 PON 口下所有用户误码的产生，故障修复。

4）只楚小区某用户

用户反映电视花屏严重。检查发现故障原因为

用户进行了室内墙壁粉刷，尾纤头受到粉尘污染，导

致误码产生。重新熔接尾纤后故障修复，组播电视画

面流畅。

小结：通过为部分用户上门调研排障，发现这些

用户均存在严重的网络问题，验证了“基于光猫误码

挖掘宽带质差用户方法”的有效性。

（3）对误码已恢复用户进行数据分析

2019 年 4 月 1 日至 4 月 16 日共对 872 户高误码

目标客户完成误码修复，通过与用户投诉记录比对、

电话回访两个手段，验证高误码对这些用户的宽带网

络质量造成了影响。

1）与宽带投诉记录比对，872 户高误码修复用户

中 260 户有投诉记录，占比 29.8%。

2）从其他 612 户无投诉记录的用户中抽取 50 户

用户进行电话回访，有效回访 33 户，其中 26 户曾因

网络问题联系装维人员上门处理故障，占比 78.8%。

3）推算用户通过投诉或者主动联系装维人员

修复高误码故障比例为 85.11%，计算过程如下：

（78.78%*612+260）/ 872=85.11%。

4

(4)检测误码故障是否修复

只有用户产生大量上网流量且无误码产生才判定误码故障得到修复。采集“待核实集合

E”中所有设备的流量值，并再次采集这些设备的误码信息，只有其中流量值高于

10000000Byte 且仍无误码产生设备才判定为误码故障已修复设备，将这部分设备数据从数

据库误码设备表中删除，插入到修复设备表中。

(5)提取目标质差客户

从数据库误码设备表中读取下行帧或上行帧 BIP 错误次数日增超过百万的设备信息，通

过鉴权码匹配出用户信息，从而获取目标质差客户明细。

3 有效性验证

基于用户侧光猫设备误码增长情况，某运营商共挖掘出 1700 个 BIP 日增错误次数超过

百万的宽带用户，通过电话回访、上门调研、对误码已恢复用户进行数据分析三个维度，验

证“基于用户侧误码挖掘宽带质差用户方法”的有效性。

(1)电话回访

如表 1所示，抽取 4 个区县共计 170 个目标客户进行电话回访，共得到有效回访 85 个，

其中 71 个用户反映出现网络问题，占比为 83.53%。用户反映问题主要为：上网卡顿、网络

连接不稳定、电视花屏。

小结：通过电话回访验证了“基于光猫误码挖掘宽带质差用户方法”的有效性。

表 1 电话回访表

区县抽样数有效回访数质差用户数质差占比

芝罘 70 37 29 78.38%

福山 50 20 18 90.00%

海阳 30 19 16 84.21%

栖霞 20 9 8 88.89%

总计 170 85 71 83.53%

(2)现场调研

根据电话回访结果，对部分用户进行上门调研。对富甲小区、打捞局小区、玺萌橘子洲、

蓁山花园、龙海家园、惠安小区、郎郡小区、只楚小区中的 8 位目标客户进行上门调研，调

研结果见表 2。其中，富甲小区、玺萌橘子洲、郎郡小区、只楚小区的故障原因、现象具有

代表性，分别进行介绍。

（2）现场调研

根据电话回访结果，对部分用户进行上门调研。

对富甲小区、打捞局小区、玺萌橘子洲、蓁山花园、龙

海家园、惠安小区、郎郡小区、只楚小区中的 8 位目

标客户进行上门调研，调研结果见表 2。其中，富甲

小区、玺萌橘子洲、郎郡小区、只楚小区的故障原因、

现象具有代表性，分别进行介绍。

表2 现场调研表

5

表 2 现场调研表

小区名回访问题现场现象故障原因修复方

案

富甲

小区

网络不稳定

网速慢

视频无法播放

微信视频聊天

卡顿

组播视频花屏

尾纤弯折

重新熔

接布放

尾纤

打捞局

小区

网络不稳定

网速慢

视频缓冲时间

长尾纤挤压

重新熔

接布放

尾纤

玺萌

橘子洲

网速慢

电视卡顿

组播电视画面

花屏

多媒体箱较小

光缆盘留布放

不合理

重新盘

留布放

光缆

蓁山

花园

网速慢

电视卡顿

网页打开慢

单播电视画面

卡顿

尾纤受伤重新熔

接尾纤

龙海

家园网速慢

微信视频聊天

卡顿

组播电视画面

花屏

尾纤弯折重新熔

接尾纤

惠安

小区

网速慢

电视卡顿

网页打开慢

组播电视画面

花屏

尾纤弯折

重新熔

接布放

尾纤

郎郡

小区

问题用户多

网速慢

电视卡顿

观看直播卡顿

微信视频聊天

卡顿

PON 口光模块

故障

更换

光模块

只楚

小区电视卡顿

组播电视画面

花屏尾纤头被污染

重新熔

接尾纤

1)富甲小区某用户

用户反映网络不稳定，上网卡顿，视频无法正常播放。检查发现存在微信视频聊天卡顿、

抓取组播流还原的视频花屏严重等问题。误码产生原因为用户自行调整光猫位置，将尾纤过

度弯折。重新熔接尾纤，将尾纤与光猫设备重新布放，保证尾纤弯曲半径大于 8cm。故障修

复后无误码产生。

2)玺萌橘子洲某用户

用户反映上网卡顿，电视卡顿。检查发现故障原因为用户多媒体箱较小，皮线光缆盘留

半径较小且布放不合理导致误码产生。重新盘留、布放光缆完成故障修复。修复前用户家电

视组播画面花屏、上网卡顿，修复后电视节目播放流畅无花屏、上网流畅。

3)郎郡小区某用户

该小区同一 PON 口下采集到的 20 名用户光猫设备均存在日增 BIP 误码超百万的问题，

有效回访 6名用户，其中 5 名用户反映存在上网慢等问题，卡顿占比 83.3%，选取其中一用

户进行现场调研。

用户反映上网慢、视频直播卡顿、微信视频聊天卡顿。通过更换 OLT 设备的 PON 口光模


1）富甲小区某用户

通过对高误码已修复用户进行调研，验证了高误

码影响客户上网感知，高误码用户为潜在投诉用户，

说明“基于光猫误码挖掘宽带质差用户方法”能够有

效挖掘质差用户。

（4）总结

通过电话回访、上门调研、对高误码修复用户进

行数据分析，均证明用户侧光猫的高链路误码会影响

用户上网体验，验证了“基于光猫误码挖掘宽带质差

用户方法”的有效性。

4 结束语

本文提出的基于光猫设备误码挖掘家宽质差用

户的方法，能够较为准确地挖掘出部分散落的质差用

户，准确度达到 80% 以上。这些用户大多存在较为

严重的网络质量问题，严重影响上网体验，尤其对视

频聊天、视频直播、电视组播等实时性要求较高的业

务有更严重的影响。通过挖掘宽带质差用户，进而主

动为长期隐藏却饱受网络质量困扰的这些用户解决

网络难题，有助于提升客户满意度，提升产品口碑。

图4 三层小区划分示意图

（3）覆盖效果测试

开通室分系统后 4G 测试指标提升明显，覆盖率

和下载优良比大幅提高，覆盖率由开通前的 78.98%提升至 99.11%，提升了 20.43%；下载 ≥12Mbps 优良

比由 48.93% 提升至 98.12%，提升了 49.14%，用户体

验极大改善。

3 与其它方案对比

针对该高铁站的 LTE 信号覆盖问题，制定了三

种覆盖方案，除前述综合覆盖方式外，还有全部采用

传统无源分布系统、全部采用 Qcell 有源分布系统两

种方式。传统无源分布系统是指利用馈线、无源器

件、室分天线及射灯天线等组成的传统无源室内分

布系统，Qcell 有源分布系统是指利用新技术 Qcell（BBU+PB+pRRU）设备进行覆盖。

表2 三种方案对比表

覆盖区域系统容量总投资施工难度是否实现

MIMO

传统方案 1F-3F 不足低大否

Qcell方案 1F-3F 满足高中是

综合方案 1F-3F 满足中小是

传统方案，覆盖效果较好、投资较小（信源使用

较少），但存在施工难度大、射灯天线及设备放置位

置协调困难等缺点，且容量不能满足客户需求。 Qcell 方案，覆盖效果很好且能满足节假日高峰

时间容量需求，施工简单，能实现 MIMO，但综合造

价较高。

综合方案，覆盖效果好，投资适中，施工简单，而

且使用了双模设备、Qcell、iMacro 等新技术设备，既

可以满足容量需求又能实现 MIMO。该方案 LTE 根

据周围宏站情况各楼层使用不同的频段制式，最大限

度地减少了干扰。

4 结束语

本文通过对某高铁站的综合信号覆盖方案的介

绍及三种方案的对比分析，体现出了基于宏微结合的

综合解决方案的优势，为特殊场景的室内信号覆盖提

出了新思路，同时对设计人员提出了更高要求。

三种方案进行简单对比见表 2。

（上接第 34 页）

孙维睿等：一种基于光猫误码进行宽带质差用户挖掘的方法第2期 38

1 引言

快速查障排障是避免光缆线路通信阻断，减少损

失影响的关键。目前采用的光缆线路巡检系统主要用

于巡检轨迹的呈现，存在巡检轨迹与线路路由脱节、

作业计划与执行脱节、对施工点隐患无管控等缺点，

已成为制约光缆维护工作质量的主要瓶颈，亟待建立

全新的巡检管理架构，实现精细化、精准化管理，以

满足光缆维护发展的需要。

2 光缆线路巡检系统现状及局限性

某运营商现有光缆线路巡检系统开发于 2002 年，

模式相对粗放，管理颗粒度低，其局限性主要包括：

（1）在系统设计方面，对巡检作业、重要通信保

障、预检预修等主要维护活动缺乏流程化管理，外力

施工点、隐患段落只有位置显示，没有形成有效的闭

环管理。

（2）在基础数据管理方面，将线路段落信息与包

线员直接捆绑，系统灵活性差、数据间关联困难，不

仅段落变更、包线员调整修改信息复杂，而且不同人

智能光缆线路巡检系统的优化与实现

尹婧

本文分析了现有光缆线路巡检系统，针对其局限性，使用UniFast快速开发框架，依托GIS平台开发了智能巡检系

统，实现了灵活巡检作业分配、巡检轨迹呈现、施工点隐患管理、故障快速定位、假环告警等功能。

智能巡检系统 UniFast GIS

摘要：

关键词：

（中国联通山东省分公司，济南 2 5 0 0 0 1）

员角色扩充、功能扩展存在较大开发工作量。

（3）在 arcgis 地图应用方面，包线员巡检轨迹主

要通过 GPS 自动采点和必到点手动采点实现，与线

路路由没有形成紧密关联，无法实现巡检轨迹覆盖

率、均衡性的准确量化分析。

（4）部分光缆网资源数据缺失，如光缆盘留数据、

接头纤长地面位置距离等，导致无法实现故障处理、

同路由分析等功能。

（5）存在多个巡检 App、多套账号，且每个 App功能单一，不利于管理。

鉴于此，对现有系统的优化改造刻不容缓，迫切

需要搭建科学、高效的智能光缆线路巡检系统，以提

升维护精细化管理水平。

3 系统架构优化

改造前，系统使用 JSP（Java Server Pages）作为

页面层向用户展示数据，动态资源与静态资源全部耦

合在一起，占用服务器资源多，每次请求 JSP 都是访

问 servlet 再用输出流输出的 html 页面，效率低，且

项目开发权重在后端。开发前技术架构如图 1 所示。




图1 开发前技术架构

为解决当前技术框架版本低、功能扩展性差的

问题，改造后系统使用新版技术框架对 Web 端系统

进行重新设计、开发，采用 html 作为页面层向用户

展示数据。前端 html 页面通过 Ajax（Asynchronous JavaScript And XLML）调用后端的 Restful API 接口，

并使用 JSON 数据进行交互。后端 API 与前端组件

代码可以多终端复用（PC 端、手机端）。前后端并行

开发，实现前后端解耦，提升开发效率。开发后技术

架构如图 2 所示。

图2 开发后技术架构

改造后的巡检系统分为业务系统和移动终端，业

务系统采用 B/S 模式，移动终端系统基于 Android 系

统。系统主要实现线路基础信息管理、作业巡检、重

点场景管理、假环预警分析、统计报表等功能。

系统采用多层应用体系结构，当业务增大时，可

以部署更多的应用服务器，增加系统的并发数，通过

负载均衡，提高对客户端的响应，最大限度地提升系

统的灵活性、可扩展性。应用动态组件管理模式，将

不同的业务逻辑层独立封装成组件进行动态管理，降

低应用业务组件与应用框架组件之间的耦合，提高框

架组件的重用性，并提供规范的接口标准，可方便地

与资源管理系统、线路综合维护系统、电子运维系统

等互联互通，实现信息交换。

4 系统技术

（1） UniFast 框架

UniFast 是一个我们封装的前后端分离的 java 框

架（图 3），兼容单体应用与微服务应用两种开发模式。

UniFast 借鉴 Spring Boot 的思想，将各个不同的功能

按照 starter 形式拆分开来，做到灵活组合（表 1）。最

终目的是提高基础框架易用性，降低技术使用难度，

让项目开发人员只需关注业务实现。

图3 UniFast框架

表1 UniFast技术选型

6

表 1 UniFast 技术选型

作用可选择选择原因

基础平台 Spring Boot2 Spring Boot2 唯一

解耦框架 Spring Spring 唯一

MVC 框架 Spring MVC Struts2 Spring MVC 易用

接收数据校验 Hibernate Validator Hibernate Validator 唯一

持久层框架JdbctemplateMybatis

HibernateJdbctemplateMybatis 学习成本低

数据库连接池 Hikari Druid Hikari 速度更快，更多人使用

安全控制 Spring Security Shiro Spring Security与 Spring Boot 切合

度高，内容完善

会话管理 Spring Session Spring Session 唯一

日志 Logback Slf4j Log4j Logback Slf4jSlf4j 负责 API，

Logback 负责写

API 接口

的文档Swagger Swagger 唯一

缓存 RedisEhcache Redis可与 Session

一起存放

监控 Spring Boot 自带 Spring Boot 自带监控项更详细，可根据

实际情况开启

功能权限控制 url 模式匹配注解声明 url 与注解配合根据情况选择

工具 Lombok Lombok 加快编码速度

异常处理自研自研更好做前后端

交互处理

数据权限控制自研自研根据业务实际情况

选择是否使用

4.2 Spring Boot

Spring Boot 是由 Pivotal 团队开发的框架，用来简化新

Spring 应用的初始搭建及开发过程。该框架整合了 Spring、

Springmvc 等框架，默认了很多配置，简化了基于 Spring 的应

用开发，通过少量的代码即可创建一个独立、产品级别的 Spring

尹婧：智能光缆线路巡检系统的优化与实现第2期 40

（2） Spring BootSpring Boot 是由 Pivotal 团队开发的框架，用来

简化新 Spring 应用的初始搭建及开发过程。该框架

整合了 Spring、Springmvc 等框架，默认了很多配置，

简化了基于 Spring 的应用开发，通过少量的代码即可

创建一个独立、产品级别的 Spring 应用。Spring Boot为 Spring 平台及第三方库提供开箱即用的设置。

Spring Boot 的优点如下：

1）使用 Spring 项目引导页面可以在几秒内构建

一个项目；

2）支持关系数据库和非关系数据库；

3）支持运行期内嵌容器，如 Tomcat、Jetty；

4）强大的开发包，支持热启动；

5）自动管理依赖；

6）自带应用监控；

7）支持各种 IED，如 IntelliJ IDEA、NetBeans。Spring Boot 遵循“习惯优于配置”理念，最突出

优点就是让本来繁琐的配置变得十分简单。Spring Boot 内嵌 Tomcat 容器。使用 Spring Boot 开发项目，

不需要关心容器的环境问题，专心写业务代码即可。

（3）前后端分离架构

从目前应用软件开发的发展趋势看，主要有两方

面需要注意： 1）越来越注重用户体验，随着互联网的发展，开

始多终端化；

2）大型应用架构模式正在向云化、微服务化发

展。

传统的 web 开发模式在改善用户体验、优化页

面加载速度等方面存在很多弊端，为解决这些问题，

某运营商引入前后端分离架构，使前后端能够各司其

职，后端更注重服务的提供，而前端更注重服务的使

用。前端通过 JS 可以做非常多的数据处理工作，所

以一定程度上也能降低服务器的压力；后端的处理异

常也不用直接反映到前端，通常分离可将异常处理变

得更为友好，比如以炫丽的页面效果展示错误消息。

前后端分离架构如图 4 所示。

图4 前后端分离架构

前后端分离并非只是一种开发模式，而是一种架

构模式（前后端分离架构），需要区分前后端项目。前

端项目与后端项目是两个项目，放在两个不同的服务

器，需要独立部署，有不同的代码库、不同的开发人

员。前后端工程师约定交互接口，实现并行开发，开

发结束后需要独立部署，前端使用 Ajax 通过 http 请

求调用后端的 restful API。前端只需关注页面的样式

与动态数据的解析、渲染，而后端则专注于具体业务

逻辑。

通过实现开发团队的前后端分离，更利于打造全

栈式开发团队，有效应对复杂多变的前后端需求，实

现前后端代码的解耦，提升整个应用的开发效率。同

时，代码也会变得整洁清晰，不再是前后端混合，而

增强了代码的可维护性。

5 光缆线路巡检系统功能优化与呈现

（1）业务模式优化

解除线路、包线员捆绑关系，通过建立灵活映射

关系，实现不同角色、不同任务、不同功能间的自由

切换。同时，以“任务 - 工单”模式重新组织巡检业务

开展模式，配置不同巡检作业计划，巡检任务相对独

立，可针对同一任务指定多种巡检计划。一种为自动

生成方式，即根据巡检计划定时生成巡检工单，并下

发至指定人员，主要用于管理人员、包片督导员、包

线员的常规巡检作业；另一种是允许随时制定巡检任

务，生成巡检工单，并下发至指定人员，主要用于随

机产生的作业计划或阶段性维护任务，如线路预检预

修、季节性整治、施工点看护、隐患段落处理等。工

单化的管理方式使系统能够适应业务快速多变的需

求，提高巡检业务的灵活性，同时对维护作业实现闭

环管理、定量统计分析。巡检任务管理如图 5 所示。


图5 巡检任务管理

（2）基础信息 GIS 平台的呈现利用具有强大空间信息处理能力的地理信息系

统技术（GIS），加强对光缆物理路由呈现的监控，结

合 GIS 地图呈现光缆路由、巡检轨迹、施工点 / 隐患

段落定位。同时，提供业务端和手机 App 端多种增量

路径数据更新的机制，针对不同数据更新场景提供支

持，包括 App 离线模式更新、一拖 N 式标石 / 人井 /电杆移动、可见即所得的路径更新等技术手段。

（3）业务承载

通过与资源管理系统建立接口，系统自动将杆路

/ 管道和光缆建立连接关系，在地图上直观展现杆路、

光缆的实际走向及光缆通过具体哪种设施（杆路 / 管道）建立关系，并实现杆路 / 管道中光缆信息和业务

承载的自动分析，直观展示光缆名称、纤芯容量和业

务信息，在杆路 / 管道被挖断或者毁坏时，用户可以

利用此功能迅速了解所影响范围及业务信息。

（4）故障点定位

由省网管监控系统生成线路故障告警，告警信息

包含线路名称、告警机房、故障位置纤长等。故障信

息通过接口推送到光缆线路巡检系统。根据由 ODF、光接头、光缆段等设施为入口的纤芯故障定位功能，

将 OTDR 测量的断点长度作为分析参数后，通过故障

光缆和故障点信息，根据纤长地面距离对应关系，从

最近的局站出发，结合当前故障点长度，由沿途经过

的光缆段长度、盘留长度折算出当前故障点的具体地

理坐标，在地图上呈现断点的物理位置，并将位置信

息推送至相关抢修人员的手机 App 端，通过调用地图

导航，引导故障处理人员迅速赶赴故障现场。

（5）假环告警分析

两个站点之间拓扑呈环的光缆，在物理层面上不

能出现由同一条光缆承载不同路由光路的情况，否

则，当物理光缆遭到破坏时，主备用路由

就会同时中断，造成大范围业务影响。

如图 6 所示，光路 X 和光路 Y 为主

备用光路，但由于光路 X、Y 在光缆段 1和光缆段 3 由相同的光缆承载，造成对故

障没有预防性，形成光缆假环。系统提供

的光缆假环判断功能，根据两站点之间光

路所在纤芯和光缆段的关联关系，分析出

主备用路由承载于同一条物理光缆段的

情况，得出光缆假环判断，提出预警，防

患于未然。

图6 光缆假环告警示意图

6 结束语

优化后的光缆线路巡检系统，利用先进的信息化

技术和手段，实现了灵活巡检作业、隐患精准防控、

故障快速定位，解决了现有巡检系统管理粗放、工作

效率低等问题。优化后的巡检系统上线应用后，将在

全矢量化电子地图基础上，实现对人员巡检情况的科

学有效管控、线路沿线外力施工及隐患的及时处理，

大幅提升维护效率。

参考文献

陈建华，曹俊.基于GIS 的电信光纤网络资源管理系统设

计.电信工程技术与标准化，2007（1）.

郭秉礼 .智能光网络中的管控技术与资源优化问题研

究.北京邮电大学博士论文，2011.

欧郁强，彭志荣，李瑞德.基于GIS 的光缆运维管理系统

的设计与实现.计算机与数字工程，2017（10）.

1

2

3

尹婧：智能光缆线路巡检系统的优化与实现第2期 42

1 引言

传统的高铁通信 PTN 站故障调度方式，只有在高铁 BBU 退服时才上报告警，无法做到防患于未然；站点退服后，只能通过资料和经验对站点进行定位，然后对部分站点通过调整路由进行恢复，定位过程慢，耽误抢修时间。

随着网络需求的爆发，传输网络日渐复杂 , 业务类型不断增多，而伴随着流量畅享套餐的推出，无线侧基站业务对传输造成了更大的压力，因此对于高铁沿线 BBR、RRU 的重点保障必须提上日程。但是由于无线网管和传输网管的脱节，当传输故障发生时，无法快速、准确地判断出环路是否带有高铁站点。为实现对带有高铁站点的重点环路的优先调度，急需开发辅助系统来解决高铁 PTN 站故障的调度问题。

2 高铁PTN站故障智能调度系统原理

在云上搭建 Web 服务器 (Linux+Python+Web.py+Memcached+Mysql)，用来存储无线优化的高铁BBU、RRU 与实际传输物理层的 PTN 环路站的对应关系。鉴于目前优化、传输维护人员基本是利用微信沟通进行故障调度，因此开发微信接口，打通微信服务器与 Web 系统的通道，以实现快速交流，进而实现智能化的故障调度。高铁 PTN 站故障智能调度系统架构如图 1 所示。

基于Python实现的高铁PTN站故障智能调度系统

郝增勇赵光松桑勇

本文研究了高铁BBU与传输PTN的承载关系，提出了一种基于Python实现的高铁PTN站故障智能调度系

统。通过该系统有效打通传输和优化两大网管通道，实现智能化调度高铁PTN站故障。

Python 高铁 PTN 传输优化

摘要：

关键词：

（中国移动山东公司潍坊分公司，潍坊 261000）

（1）Linux 有多项优点，包括跨平台的硬件支持、丰富的软件支持、多用户多任务、可靠的安全性、良好的稳定性、完善的网络功能等，是主流的开发系统之一。

（2）Python 作为动态语言，更适合初学编程者，可以让初学者把精力集中在编程对象和思维方法上，而不用担心语法、类型等外在因素，非常适合电信运营企业的维护人员。

（3）Web.py 是一个轻量级 Python web 框架，简单且功能强大。

（4）Memcached 是一个高性能的分布式内存对象缓存系统，用于动态 Web 应用，以减轻数据库负载。它通过在内存中缓存数据和对象，以减少读取数据库的次数，从而提高动态、数据库驱动网站的速度。

（5）Mysql 是最流行的关系型数据库管理系统之一，被广泛应用于 Web 应用程序。

在开源软件的基础上进行二次开发，在私有云上部署 Web 服务器 , 然后打通微信服务器与 Web 服务器的通道，利用开源框架，结合自动化部署流程管理，实现快速开发、快速应用，项目 100% 自主研发，系统流程如图 2 所示。用户在微信中进行交互查询，微信服务器会携带验证 token+ 请求信息，去云上的Web 服务器进行请求；通过验证后，Web 服务器会优先查询内存缓存数据库 Memcached，若缓存中存在请求信息，则直接返回相应信息，若不存在，则进一步去 MySQL 中查询。

图1 高铁PTN站故障智能调度系统架构




图3 系统功能

图2 系统流程

3 功能展现及创新点

（1）系统功能（图 3）

高铁 PTN 站故障智能调度系统有三大功能：1）故障调度群信息 --> 故障环路 --> 高铁 BBU

和 RRU 相关信息。 2）PTN 环路任何节点 ID--> 故障环路 --> 高铁

BBU 和 RRU 相关信息。3）高铁 BBU 信息 -->PTN 信息，支持高铁 BBU

查询 PTN 信息。

（2）应用创新点1）创新点 1: 打通传输设备与优化无线设备的通道高铁 PTN 站故障智能调度系统打通了传输逻辑

环路承载、线路现场物理路由、无线高铁 BBU/RRU挂接、综合调度群接口，能简单、有效、快捷地调度高铁等重要环路告警，提高网络安全保障水平，主要用于优先调度带高铁站的环路。如图 4 所示，圆圈处为带高铁 BBU 的 PTN 站，当叉号处发生光缆故障时，高铁 BBU 和 RRU 因为 PTN 有保护而不会上报退服告警，故障调度人员也无法优先重点调度此环路故障；而借助此应用支撑，就能优先调度高铁环路故障，从而降低高铁 BBU 和 RRU 退服的风险。

图5 系统功能

图4 PTN故障环路

支持由无线侧 BBU 信息反查传输侧设备信息。此功能点的作用：如图 5 所示，能通过退服的

BBU 站号快速定位到相应的传输 PTN 设备，以优先抢修带高铁的 PTN 设备，缩短 BBU 退服时间。

2）基于微信接口的信息交互（图 6）

a）文本模糊信息交互：将故障群的故障文本信息直接转发至此接口，即可得到相应的交互信息。

b）精确信息交互：将传输环路上任何一个 PTN网元的 ID 输入系统，即可得到此环路高铁信息。

c）BBU 站号信息交互：直接输入 BBU 站号，系统能自动匹配相关的 PTN 站信息。

4 结束语

高铁 PTN 站故障智能调度系统已在某运营商正式上线使用，截至目前稳定运行 5 个月，每日支撑的查询次数在 200 次以上，提供了智能调度查询接口，为一线维护工作带来了极大方便，保障了高铁沿线通信。系统的应用带来了以下效果：

（1）杜绝了传输两点断引起的高铁退服故障：将传统的故障调度机制转为智能化的优先级调度，完全避免了由传输两点断所引起的高铁退服故障。

（2）故障定位时长由 5 分钟缩短到 5 秒内：一旦出现退服等告警，可根据监控提取的退服明细秒速判断出 BBU、RRU 所挂接的传输网元，准确定位，及时制定恢复方案，迅速恢复退服站点。

图6 系统功能

郝增勇等：基于Python实现的高铁PTN站故障智能调度系统第2期 44

1 引言

通信机房节能是节能减排工作的一项重要内容。通信设备在运行过程中对机房环境有较高要求，特别是温湿度、空气清洁度方面，主要依靠空调系统实现，这势必消耗大量能源，造成环境污染。因此，需要采取有效措施对机房进行节能改造，应用最新最优方案新建机房，以达到最佳节能降耗效果。

2 老旧通信机房节能改造方案

因老旧机房的制冷一般采用上送风方式，加之通信技术迭代较快而导致机房布局往往出现不合理情况，所以存在以下问题：

（1）机房专用空调送风口存在遮挡。传统送风方式一般为上送风，机柜高度超过送风口高度，送出的冷气经机柜阻挡反送回空调进风口，误检测环境温度较低，不启动压缩机，造成制冷效果不佳。

（2）机房制冷距离较长。一般机房宽度较长，且空调安装在机房一侧，造成制冷距离较长。

（3）机房气流组织混乱。因缺少规划，机房机柜布局不合理，加之不同厂家机柜内部风扇送风方向不一致，造成机房气流组织混乱。

（4）局部过热、冷热不均。虽然机房内空调制冷量远超机房环境需要，但机柜功率密度不均匀，造成局部过热、冷热不均现象。

老旧通信机房节能方案探究

边茂宣郭勇

本文分析了老旧通信机房存在的问题，介绍了精确送风、雾化喷淋、EC风机改造和水冷却的改造原理、结构、优

缺点，以及精细化管理对节能减排的作用，强调了机房改造、维护对做好节能减排工作的重要性。

精确送风雾化喷淋节能减排维护

摘要：

关键词：

（中国移动山东公司济宁分公司，济宁 272000）

（5）空调室外机散热不佳。室外机因排布过于密集，易受阳光直射、环境通风不畅等因素影响而导致散热不佳。

鉴于此，为提高通信设备环境质量和空调运行效率，达到降本增效效果，采取以下节能改造措施。

（1）精确送风精确送风技术主要应用于上送风机房，能有效解

决制冷距离过长、冷热不均等问题。主要是通过专用通道把空调送出的冷量直接输送至机柜，通过调节风阀、风口实现按需分配冷量，保证机房气流组织合理。如图 1、图 2 所示。

图1 精确送风气流组织示意图




工作压力和温度，提高了室外机的散热能力和空调制冷效率，有助于解决夏季高温时段机房空调造成高压告警、高温保护等问题。

雾化喷淋系统主要包括三部分：进水装置、喷雾装置、供电装置。

雾化喷淋过程：进水装置把自来水送至水处理器，软化水被送至储水罐，通过加压水泵把洁净软水加压处理，经微小喷孔高速喷出，产生雾气。研究显示，喷孔控制在 1.4mm 左右产生的雾气是水滴体积的 1/500，蒸发速度是水滴的 300 倍以上，蒸发快速吸热，从而提升空调制冷效率。雾化喷淋系统原理图如图 3 所示。

图2 精确送风系统机构示意图

节能效果：2016 年 10 月某运营商完成对综合楼四楼、应急楼二楼两处核心机房的精确送风节能改造，3 年的电费缴纳数据见表 1。

表1 两处核心机房电费情况

年份 2016年 2017年 2018年

电费（万元） 577 547 533

图3 雾化喷淋系统原理图

2017 年较 2016 年节省电费 30 万元，节能率达到 5.20%。2018 年，经过对精确送风系统风量风向的调测，较 2016 年节省 44 万元，节能率达到 7.63%。

1）降低空调故障率：经过对送风系统风量、风向的调测，实现了机房内冷热均匀、压缩机合理运行，降低了空调故障率。

2）实现机房空调主备：综合楼四楼机房空调为 6台主用、5 台备用，应急楼二楼机房空调 9 台主用、5台备用，方便了空调检修和更新改造，降低了故障风险。

3）减少空调投资：改造后，应急楼二楼关闭 4 台专用空调、4 台 5 匹空调，综合楼四楼关闭 5 台专用空调，总计 9 台专用空调、4 台 5 匹空调，减少了空调投资。

使用精确送风技术需要注意以下几点：1）精确送风系统需使用防火材料。2）改造施工时必须注意设备安全，安排专人随

工，严格遵守机房施工制度。3）保证机房照明。送风系统遮蔽性较强，可将

照明安装在系统下面，但增加了施工难度。

（2）雾化喷淋雾化喷淋技术是把室外机风冷冷却方式优化为

风冷 + 水冷冷却方式，作为辅助喷淋系统。主要是水雾化后喷洒在室外机表面，因水的表面积增大、迅速汽化，发生相变吸收周围大量热量，而降低了冷凝器

难点：鲁西南地区水质较硬，如果直接采用硬水进行雾化，会造成喷淋系统的结垢、腐蚀，缩短喷淋系统、空调系统的使用寿命，所以一般要安装水处理器。目前水处理器采用的软化水技术多为超滤、反渗透等，在增加水电能源消耗的同时，也加大了维护难度。

雾化喷淋技术多应用于夏季高温季节，能持续实现水冷效果，降低维护人员劳动量；一般 7-9 月启动喷淋系统。春、秋季不建议采用喷淋系统；冬季务必关闭喷淋系统。

雾化喷淋技术存在以下缺点：1）水质要求高。雾化喷淋虽包括水处理过程，

但一些离子、金属物质仍会附着在室外机，影响制冷效果。

2）维护量大。冬季时需将喷淋系统中的水及时排出，并做好系统保温。平时需及时清理室外机附着水垢，并做好防锈防腐蚀工作。

3）水资源浪费。系统耗水量大，软化过程会使水量增加 2 ～ 3 倍，不符合节能减排思路。

（3） EC 风机改造传统机房内专用空调多为 AC 风机，噪音大、效

率低。而 EC 风机采用直流无刷技术，外转子永磁同步电机配合后倾式风机，使整体效率比传统风机效率提高 30% 左右。转子电机可减少传动损失，提高散热效果；后倾式风机比前倾式风机效率提高约 10%。EC 风机高效节能，较 AC 风机电机节能约 20%。如图 4 所示。

边茂宣等：老旧通信机房节能方案探究第2期 46

图5 水冷却系统示意图

图4 EC风机（右）和AC（左）风机对比图

3 机房设备精细化维护

2017 年，某运营商对两处核心机房精确送风系统进行调测、优化，合理关闭空调，2018 年较 2017 年节省电费 14 万元。

但实际工作中发现，因维护方法不当也造成了大量能源浪费，如空调故障率高；空调设置温度较低，冷量冗余；寒冷季节空调 24 小时运转；机房电费缺乏管控；冷量流失严重等。

经过不断摸索，针对性总结出以下经验：1）关注机房空调性能。每日两次巡检机房空调，

出现告警则及时维修，性能不好则及时更新改造。2）适当提高机房空调温度。在满足机房设备环

境要求的前提下，寒冷季节适当提高机房空调设定温度。

3）合理启闭空调。对基站机房和承载非重要设备机房，利用动环监控在适当温度时合理启闭空调，实现降本增效。

4）打击偷电漏电行为。对各机房的每月电费进行分析，发现异常及时查明原因，打击偷电漏电行为。

5）关注冷风道封闭情况。对下送风机房，关注通风地板情况，避免因封闭不好而造成冷量损失。如机柜拆除或安装，应及时更换通风地板，确保冷量全部送至机柜。

机房设备精细化维护不只以上内容。机房节能需要维护人员在维护方法上不断创新。

4 结束语

机房节能改造实施需要费用投资，机房内施工要求较高，应结合机房实际情况和节能方案的优缺点，合理选择节能方案。维护人员在日常工作中，既要增强责任心，又要强化创新意识，不断提高机房设备维护能力和水平，打造优质网络。

参考文献

EC 风机改造需要注意两个问题：1）空调设备剩余使用年限应小于 EC 风机的投

资回收年限。如空调运行良好，可适当延长使用年限；如制冷效果不佳，需慎重考虑 EC 风机改造方案。

2）下送风空调 EC 风机改造需要空间条件，应根据专用空调实际情况选择改造方案，EC 风机改造比上送风原位置改造难度较大。

（4）空调风冷却改为水冷却空调室外机水冷却改造一般是在空调室外机处

串联或并联水预冷壳管式冷凝器，起到辅助散热效果。把风冷冷凝器排放的热量优先排到预冷壳管式冷凝器。在建筑物的适当位置集中设置冷却塔、冷却水循环泵，最终将热量排至大气中。如图 5 所示。

水冷却改造并不是完全把室外机风冷却改造为水冷却，而是把风冷却与水冷却相结合。水冷式室外机换热装置由壳管式换热器、冷凝器调节阀、控制系统组成，可满足机房空调风冷模式和水冷模式的切换，使风冷模式成为水冷模式的备用模式。当水冷却系统出现故障、制冷系统压力增加时，启动风冷冷凝器风扇进行风冷散热，这就需要智能控制系统。

水冷却系统如应用于北方地区，因冬季温度较低，需做好保温措施。同时，水冷却系统改造需要足够水压、合适冷却塔放置区域，要根据实际情况决定。

以上 4 种改造方案只是老旧通信机房节能改造方案的一部分，但具有代表性和实用性，在目前情况下应选择投资回报高、能解决急迫隐患的方案。

于鹏.通信机房节能降耗技术及应用实践微探.技术与应

用，2017（12）.刘静.多联机室外机雾化喷淋技术节能实测研究.建筑节

能，2015（12）.苏敏.反渗透技术应用研究.中国新技术新产品，2014（24）.周航 .电信机房空调送风方式的选择与设计 .制冷与空

调，2009（3）.黄赟 .上海移动某数据机房空调精确送风系统 .节能技

术，2009（2）.

1

2

34

5


Documents

Shandong Tongxin Jishu - sdca.miit.gov.cnsdca.miit.gov.cn/n707939/n715310/n715318/c1043954/attr/1043955.pdf · 的转发流表，并在数据包进入交换机时对其进行分 类，以提高蜂窝核心网络的灵活性、可扩展性。

Shandong Tongxin Jishu - sdca.miit.gov.cnsdca.miit.gov.cn/n707939/n715310/n715318/c1043954/attr/1043955.pdf · 的转发流表，并在数据包进入交换机时对其进行分类，以提高蜂窝核心网络的灵活性、可扩展性。