CN108271189A - 一种业务质量监测方法和装置 - Google Patents

Abstract

本发明公开了一种业务质量监测方法，包括：获取当前语音业务的业务特征和信令特征；基于所述当前语音业务的业务特征，在异常语音业务的业务特征库中进行匹配查找；当所述当前语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，基于所述当前语音业务的信令特征，在异常语音业务的信令特征库中进行匹配查找；当所述当前语音业务的信令特征与所述信令特征库中异常语音业务的信令特征匹配时，将与所述当前语音业务的信令特征匹配的异常语音业务的信令特征所对应的业务质量缺陷，作为所述当前语音业务的业务质量缺陷。同时，本发明还公开了一种业务质量监测装置。

Description

一种业务质量监测方法和装置

技术领域

本发明涉及移动通信技术，尤其涉及一种业务质量监测方法和装置。

背景技术

基于长期演进的语音呼叫(VoLTE，Voice over Long Term Evolution)是基于长期演进(LTE，Long Term Evolution，)网络数据域的语音业务方案，能够为用户提供明显优于2G/3G网络的语音服务和视频服务。然而，由于VoLTE网络的组网结构复杂、业务流程长，使得VoLTE业务质量不仅受掉话、未接通等常规异常问题的影响，还需要特别关注用户高清通话的业务体验，比如在业务使用过程中有无单通、短时无音、断续、卡顿、吞字等严重影响用户感知的问题。因此，通过对业务质量的评估和异常问题分析，可以快速发现和定位网络问题隐患，实现从被动等待用户反映业务质量问题到主动分析业务不足，促进网络优化、规划建设、市场营销从以网络和业务为中心向以用户为中心转变，从而促进客户满意度和忠诚度的提升。

业务质量可以细分为网络级和用户级；其中，网络作为业务的承载者，网络级业务质量是宏观均衡的概念，是指一定时间一定区域内网络承载业务的平均情况；用户作为业务的使用者，用户级业务质量是微观端到端的概念，是从用户角度感觉到的业务性能和使用体验。因此，用户级业务质量的评估和分析能够促使网络优化、市场营销等工作从面向网络到以用户为中心转变，以更好的衡量用户对运营商的整体满意度。

常用的业务质量分析方法主要包括主观问卷调查、设备性能统计、路测，而主观问卷调查和路测属于用户级业务质量评估，设备性能统计属于网络级业务质量评估。其中，主观问卷调查是通过设计问题采集用户对于业务感知和服务质量的反馈；设备性能统计是通过网管系统定期采集网络中各设备内部的性能数据，并在对该性能数据进行统计分析后输出设备的性能指标，可以宏观反映该设备承载的业务质量；路测法是通过在相应的测试场景下进行业务拨测，跟踪抓取相应接口的标准协议消息和用户面内容，并基于这些信息对业务质量进行评估。

然而，现有的业务质量分析方法均具有一定的局限性，用户级业务质量分析无法实现对全网用户、长期的业务质量跟踪分析和问题快速定位，而网络级业务质量分析多关注网络设备性能、关键性能指标(KPI，Key Performance Indicator)等，忽视了网络承载质量与业务实际使用之间的用户端到端体验差异。随着网络和业务的发展，尤其是对VoLTE网络而言，可直接测量得到的KPI指标与真实用户业务质量体验之间的差异越来越大，且不同用户在相同时间和环境下或同一用户在不同时间和环境下的业务质量也存在差异，导致抽样评估结果与全网用户业务质量之间差异也越来越大。

现有各类业务质量分析方法的具体缺点如下：

主观问卷调查方式的最终结果与采样样本的数量、分布有较大关系，受到当地经济状况、人文环境、人口规模等因素的影响，不能完全反应全网全量用户业务质量；同时，操作过程复杂、成本较高；只能是被动等待用户反映业务质量问题并核查，不能主动发现隐患和定位业务质量受影响的具体原因。

设备性能统计一般是以“网络”、“网元”、“链路”等为单位，是对网元以及区域内一段时间内性能的平均概括，无法直接与用户对应，不能反映某一个用户的某次业务使用情况，如语音和图像是否清晰流畅；通过设备日志、网管报告、信令数据来生成各类评估网络质量的业务性能指标，无法反映终端对用户业务质量的影响，并非是用户最终体验的真实测量。

路测方式虽然能够模拟用户的业务使用过程，但由于受测试范围、测试工具、测试次数、操作方式的限制，获取的信息都是一定量的采样值，具有一定的局限性，不能完全反映全网全量用户业务质量；同时，该方法需要专人和专车测试，成本也比较高，不适合长期进行。

因此，在VoLTE业务快速发展的局面下，亟需建立用户级业务质量分析方法。

发明内容

有鉴于此，本发明实施例期望提供一种业务质量监测方法和装置，能够实现对用户级业务质量的精确评估分析。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例提供了一种业务质量监测方法，所述方法包括：

获取当前语音业务的业务特征和信令特征；

基于所述当前语音业务的业务特征，在异常语音业务的业务特征库中进行匹配查找；

当所述当前语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，基于所述当前语音业务的信令特征，在异常语音业务的信令特征库中进行匹配查找；

当所述当前语音业务的信令特征与所述信令特征库中异常语音业务的信令特征匹配时，将与所述当前语音业务的信令特征匹配的异常语音业务的信令特征所对应的业务质量缺陷，作为所述当前语音业务的业务质量缺陷。

上述方案中，所述获取当前语音业务的业务特征和信令特征，包括：

采集当前语音业务的业务数据包和信令消息，并对所述业务数据包和所述信令消息分别进行解析，获取所述当前语音业务的业务数据和信令，并从所述业务数据中筛选出所述当前语音业务的业务特征、从所述信令中筛选出所述当前语音业务的信令特征。

上述方案中，所述基于所述当前语音业务的业务特征，在异常语音业务的业务特征库中进行匹配查找之前，所述方法还包括：

采集通信网络中至少一个语音业务的业务数据包，并对采集到的所述至少一个语音业务的业务数据包进行解析，获取所述至少一个语音业务的业务数据，并从所述至少一个语音业务的业务数据中筛选出所述至少一个语音业务的业务特征；

基于所述至少一个语音业务的业务特征，在异常语音业务的业务特征库中进行匹配查找；

当所述至少一个语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，将所述至少一个语音业务的业务特征存储至所述业务特征库；

对所述业务特征库中的业务特征进行聚类分析，生成分析结果，并根据所述分析结果更新所述业务特征库。

上述方案中，所述方法还包括：

定位所述当前语音业务的业务质量缺陷的管理主体，并向所述管理主体输出针对所述当前语音业务的告警信息。

上述方案中，所述定位所述当前语音业务的业务质量缺陷的管理主体，包括：

确定并发现所述当前语音业务的信令消息存在异常的网元，根据所述网元所属的管理域以及每个管理域的管理主体，获取所述当前语音业务的业务质量缺陷的管理主体。

本发明实施例提供了一种业务质量监测装置，所述装置包括：第一处理单元、第二处理单元、第三处理单元和第四处理单元；其中，

所述第一处理单元，用于获取当前语音业务的业务特征和信令特征；

所述第二处理单元，用于基于所述当前语音业务的业务特征，在异常语音业务的业务特征库中进行匹配查找；

所述第三处理单元，用于当所述当前语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，基于所述当前语音业务的信令特征，在异常语音业务的信令特征库中进行匹配查找；

所述第四处理单元，用于当所述当前语音业务的信令特征与所述信令特征库中异常语音业务的信令特征匹配时，将与所述当前语音业务的信令特征匹配的异常语音业务的信令特征所对应的业务质量缺陷，作为所述当前语音业务的业务质量缺陷。

上述方案中，所述第一处理单元，具体用于：

采集当前语音业务的业务数据包和信令消息，并对所述业务数据包和所述信令消息分别进行解析，获取所述当前语音业务的业务数据和信令，并从所述业务数据中筛选出所述当前语音业务的业务特征、从所述信令中筛选出所述当前语音业务的信令特征。

上述方案中，

所述第一处理单元，还用于采集通信网络中至少一个语音业务的业务数据包，并对采集到的所述至少一个语音业务的业务数据包进行解析，获取所述至少一个语音业务的业务数据，并从所述至少一个语音业务的业务数据中筛选出所述至少一个语音业务的业务特征；

所述第二处理单元，还用于基于所述至少一个语音业务的业务特征，在异常语音业务的业务特征库中进行匹配查找；

所述第三处理单元，还用于当所述至少一个语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，将所述至少一个语音业务的业务特征存储至所述业务特征库；对所述业务特征库中的业务特征进行聚类分析，生成分析结果，并根据所述分析结果更新所述业务特征库。

上述方案中，所述装置还包括：第五处理单元，用于定位所述当前语音业务的业务质量缺陷的管理主体，并向所述管理主体输出针对所述当前语音业务的告警信息。

上述方案中，所述第五处理单元，具体用于：

确定并发现所述当前语音业务的信令消息存在异常的网元，根据所述网元所属的管理域以及每个管理域的管理主体，获取所述当前语音业务的业务质量缺陷的管理主体。

本发明实施例提供的业务质量监测方法和装置，获取当前语音业务的业务特征和信令特征；基于所述当前语音业务的业务特征，在异常语音业务的业务特征库中进行匹配查找；当所述当前语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，基于所述当前语音业务的信令特征，在异常语音业务的信令特征库中进行匹配查找；当所述当前语音业务的信令特征与所述信令特征库中异常语音业务的信令特征匹配时，将与所述当前语音业务的信令特征匹配的异常语音业务的信令特征所对应的业务质量缺陷，作为所述当前语音业务的业务质量缺陷；可见，本发明实施例以语音业务的业务特征分析为基础，结合语音业务的信令特征，建立用户级业务质量评估分析模型，从而快速判断语音业务使用过程中的质量缺陷和隐患，解决传统业务质量分析方法无法发现、定位单用户端到端业务体验异常的问题，实现对用户级业务质量的精准评估分析。

此外，拓展了业务质量问题发现途径，解决网络中设备告警和性能指标无法发现单用户业务质量劣化的问题，提升了预警能力；能够判定业务的质量缺陷对用户感知的影响程度，实现用户端到端业务质量评估分析，帮助维护人员达到重点关注和优先处理用户无法忍受的问题的目标；采取主动运维方式，智能化精准定位定界问题，提升问题发现、定位、处理全流程效率，提升用户业务体验、满意度和在网忠诚度，并通过实时告警和预警等手段，先于用户投诉发现并定位问题隐患；为监控、维护、优化、应急、客服等多个部门提供及时有效的信息，促进各项工作从以网络为中心向以用户为中心转变，将网络支撑与客户服务更切实紧密地联系在一起，促进一体化管理，以实现优异运营。

附图说明

图1为本发明实施例业务质量监测方法的实现流程示意图；

图2为本发明实施例业务质量监测方法的具体实现流程示意图；

图3为本发明实施例业务质量监测装置的组成结构示意图。

具体实施方式

下面结合附图及具体实施例对本发明再作进一步详细的说明。

图1为本发明实施例业务质量监测方法的实现流程示意图，该方法包括：

步骤101：获取当前语音业务的业务特征和信令特征；

具体地，采集当前语音业务的业务数据包和信令消息，并对所述业务数据包和所述信令消息分别进行解析，获取所述当前语音业务的业务数据和信令，并从所述当前语音业务的业务数据中筛选出所述当前语音业务的业务特征、从所述当前语音业务的信令中筛选出所述当前语音业务的信令特征。

这里，所述当前语音业务的业务数据包和信令消息可从网络侧的LTE S1等接口进行采集；所述当前语音业务可以是拨打电话、接听电话等业务。

步骤102：基于所述当前语音业务的业务特征，在异常语音业务的业务特征库中进行匹配查找；

具体地，根据所述当前语音业务的业务特征，查找异常语音业务的业务特征库，判断所述业务特征库中是否存在有与所述当前语音业务的业务特征匹配的异常语音业务的业务特征，即判断所述当前语音业务的业务特征与所述业务特征库中异常语音业务的业务特征是否匹配，若匹配，则表明所述当前语音业务是异常语音业务，执行步骤103；若不匹配，则表明所述当前语音业务不是异常语音业务，结束分析。

这里，所述异常语音业务的业务特征库中包含有异常语音业务的业务特征；所述异常语音业务可以是超短呼叫、超频呼叫、早释等业务；所述异常语音业务的业务特征是指在异常语音业务中通常会出现的一些特定特征，比如对于超短呼叫，超短呼叫的业务特征可以是通话时长在一定时间阈值内等。

步骤103：当所述当前语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，基于所述当前语音业务的信令特征，在异常语音业务的信令特征库中进行匹配查找；

具体地，根据步骤102中的匹配查找结果，确定所述当前语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，根据步骤101中获取到的所述当前语音业务的信令特征，查找异常语音业务的信令特征库，判断所述信令特征库中是否存在有与所述当前语音业务的信令特征匹配的异常语音业务的信令特征，即判断所述当前语音业务的信令特征与所述信令特征库中异常语音业务的信令特征是否匹配，若匹配，则执行步骤103；若不匹配，则结束分析。

这里，所述异常语音业务的信令特征库中包含有异常语音业务的信令特征；所述异常语音业务的信令特征是指在异常语音业务中通常会出现的一些信令特征，比如对于超短呼叫，超短呼叫的信令特征可以是丢包率大于某一个门限值、MOS值低于某一个阈值等。

步骤104：当所述当前语音业务的信令特征与所述信令特征库中异常语音业务的信令特征匹配时，将与所述当前语音业务的信令特征匹配的异常语音业务的信令特征所对应的业务质量缺陷，作为所述当前语音业务的业务质量缺陷。

具体地，根据步骤103中的匹配查找结果，确定所述当前语音业务的信令特征与所述信令特征库中异常语音业务的信令特征匹配时，将与所述当前语音业务的信令特征匹配的异常语音业务的信令特征所对应的业务质量缺陷，作为所述当前语音业务的业务质量缺陷。

这里，所述异常语音业务的信令特征所对应的业务质量缺陷可存储在所述信令特征库中，以便根据异常语音业务的信令特征可快速获取该异常语音业务的信令特征对应的业务质量缺陷；每种异常语音业务因信令特征不同，可对应有多种业务质量缺陷，即对于任意一种异常语音业务，当该异常语音业务的信令特征不同时，该异常语音业务的信令特征对应的业务质量缺陷也不同。

这里，当所述当前语音业务的信令特征与所述信令特征库中任意一种异常语音业务的信令特征匹配时，则表明所述当前语音业务的信令特征与所述信令特征库中异常语音业务的信令特征匹配。

进一步地，在步骤104之后，该方法还可包括：

定位所述当前语音业务的业务质量缺陷的管理主体，并向所述管理主体输出针对所述当前语音业务的告警信息。

具体地，确定并发现所述当前语音业务的信令消息存在异常的网元，根据所述网元所属的管理域以及每个管理域的管理主体，获取所述当前语音业务的业务质量缺陷的管理主体，并向所述管理主体输出针对所述当前语音业务的告警信息，以告知所述管理主体所述当前语音业务的业务质量缺陷的类型、产生原因等信息。

这里，由于语音业务的信令的交互是串行进行的，信令中任意一步的失败将导致后续信令的交互无法正常进行，因此可根据语音业务的信令消息获取首次发现所述当前语音业务的信令消息存在异常的网元，然后确定该网元的管理域和对应的管理主体。

进一步地，在步骤101之前，该方法还可包括：

采集通信网络中至少一个语音业务的业务数据包，并对采集到的所述至少一个语音业务的业务数据包进行解析，获取所述至少一个语音业务的业务数据，并从所述至少一个语音业务的业务数据中筛选出所述至少一个语音业务的业务特征；

基于所述至少一个语音业务的业务特征，在异常语音业务的业务特征库中进行匹配查找；

当所述至少一个语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，将所述至少一个语音业务的业务特征存储至所述业务特征库；

对所述业务特征库中的业务特征进行聚类分析，生成分析结果，并根据所述分析结果更新所述业务特征库。

具体地，预先采集通信网络中一个或一个以上语音业务的业务数据包，对所述一个或一个以上语音业务的业务数据包进行解析后，获取所述一个或一个以上语音业务的业务数据包所对应的业务数据，然后再从该业务数据中筛选出所述一个或一个以上语音业务的业务特征；根据所述一个或一个以上语音业务的业务特征，查找异常语音业务的业务特征库，判断所述一个或一个以上当前语音业务的业务特征与所述业务特征库中异常语音业务的业务特征是否匹配；当所述一个或一个以上语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，将所述一个或一个以上语音业务的业务特征存储至所述业务特征库中；接着，对所述业务特征库中属于同一异常语音业务所对应的业务特征进行聚类分析等自学习，以生成该同一异常语音业务的新的业务特征，实现对所述业务特征库中异常语音业务的业务特征的更新处理。

这里，所述业务特征库中异常语音业务的业务特征可预先进行设置，比如对于任意异常语音业务，可先分别设置一种业务特征，然后在后续处理中更新设置的异常语音业务的业务特征；也可在执行步骤104之后，将所述当前语音业务的业务特征存储至所述业务特征库中，并更新所述业务特征库。

这里，需要注意的是，所述信令特征库中异常语音业务的信令特征也可按照上述业务特征库中异常语音业务的业务特征的获取方式进行获取。

本实施例提供的业务质量监测方法，能够从被动等待用户反映业务质量问题向主动发现和解决业务质量问题转变，从注重设备性能向兼顾端到端用户体验转变，从以网元为中心的优化模式向以用户为中心的优化模式转变，以提升用户对业务质量的满意度，只有用户感到业务质量满足了甚至超越了自己的期待，才能提升业务满意度和在网忠诚度，更愿意去尝试新的业务，从而为运营商的持续发展奠定坚实基础。

下面通过一个具体示例对本发明实施例作进一步说明，图2为本发明实施例业务质量监测方法的具体实现流程示意图，该方法包括：

步骤201：分析当前用户行为；

这里，所述用户行为指用户在语音业务使用过程中具体的操作行为，比如拨打电话等。

具体地，从网络侧中获取当前用户在语音业务使用过程中的业务数据包；根据所述业务数据包，获取所述当前用户在语音业务使用过程中的业务特征；根据所述当前用户在语音业务使用过程中的业务特征、以及已建立的用户行为模型中用户异常行为的业务特征，分析当前用户行为的业务特征是否与所述用户行为模型中用户异常行为的业务特征匹配，并生成分析结果。

这里，在步骤201之前，可先根据历史用户行为数据建立所述用户行为模型；所述用户行为模型中包含有超短呼叫、超频呼叫、早释等用户异常行为以及每一种用户异常行为的业务特征；当所述当前用户行为的业务特征满足任意一种用户异常行为的业务特征时，则所述当前用户行为便是属于用户异常行为；所述每一种用户异常行为的业务特征，可根据一个或一个以上用户的历史数据进行求取。

对于超短呼叫行为，本实施例中提出了一种超短呼叫门限值算法求取所述超短呼叫行为的业务特征，具体过程如下：

第一步、用户超短呼叫行为分析；在语音呼叫接通后，若该语音呼叫为单通，由于用户常会说：“喂喂，听到没有”等话语，如果按照平时用户在打电话时每分钟180-200字的语速判断，则超短呼叫行为的通话时间大约为3-10秒；

第二步、历史数据分析；利用一个或一个以上用户的历史数据中的通话时长与MOS值进行聚类分析，进一步缩小超短呼叫行为的通话时间范围，找到通话时长在多少秒之后，MOS值为2.8以下的占比增幅开始减小，则此拐点即为门限值，以获取到超短呼叫行为的业务特征即通话时长；

第三步、现网验证；根据一个或一个以上用户的单通投诉情况，分析话单时长，对超短呼叫行为的业务特征进行验证。

对于超频呼叫行为，本实施例中提出了一种超频呼叫门限值算法求取所述超频呼叫行为的业务特征，具体过程如下：

第一步、用户超频呼叫行为分析；在通话过程中若出现单通，由于用户常会在通话挂断后，看手机屏幕进行确认，然后找到通话记录中的上一次通话记录，再选择重新发起语音呼叫，则超频呼叫行为的间隔时长大约为8-12秒；

第二步、历史数据分析；用历史数据中的超频呼叫通话间隔时长与丢包率值进行聚类分析，进一步缩小超频呼叫通话间隔时长范围，找到通话间隔时长在多少秒之后，丢包率大于3％以上的占比增幅开始减小，则此拐点即为门限值，以获取到超频呼叫行为的业务特征即通话间隔时长；

第三步、现网验证；根据一个或一个以上用户的单通投诉情况，分析两次话单的通话间隔时长，对超频呼叫行为的业务特征进行验证。

本实施例中，以所述用户行为模型包含有超短呼叫、超频呼叫、早释三种用户异常行为分别对应的业务特征为例进行说明；其中，所述超短呼叫，是用户在接通后4秒至9秒内挂断；所述超频呼叫，是距离用户在主叫或被叫上一次通话结束后8秒内，又再次发起通话，满足通话对象与上一次通话一致；所述早释，是用户在呼叫没有接通前挂机。

步骤202：判断所述当前用户行为是否为用户异常行为，若是，则执行步骤203，否则执行步骤206；

具体地，根据步骤201中的分析结果，判断所述当前用户行为是否为所述用户行为模型中的用户异常行为，即判断所述当前用户行为是否为超短呼叫、超频呼叫、早释中的任意一种，若所述当前用户行为是所述用户行为模型中的任意一种用户异常行为，则执行步骤203；若所述当前用户行为不是所述用户行为模型中的任意一种用户异常行为，则执行步骤206。

这里，当所述当前用户行为是所述用户行为模型中的任意一种用户异常行为时，可以初步断定当前用户在该次语音业务使用过程中可能出现了严重影响感知的质量问题；例如，当当前用户行为中的通话时长为6秒，则可判断该当前用户行为为超短呼叫行为，可能存在语音感知不佳的问题。

步骤203：分析所述当前用户行为的信令；

具体地，从网络侧与所述当前用户行为相关的接口中采集信令消息，如采集LTES1接口的信令消息，解析所述信令消息后，获取所述当前用户行为的信令，并从所述当前用户行为的信令中筛选出所述当前用户行为的信令特征。

步骤204：判断所述当前用户行为的信令特征是否满足异常条件，若是，则执行步骤205，否则执行步骤206；

具体地，根据已建立的信令模型，分析当前用户在业务使用过程中的每个阶段的信令，比如统计MOS值、时延、抖动、丢包、帧率等关键指标；判断所述当前用户行为的信令特征是否满足已建立的信令模型中用户异常行为的信令特征，若满足，则执行步骤205；若不满足，则执行步骤206。

这里，所述信令模型中包含的用户异常行为的信令特征，包括：MOS值低于第一门限值，且丢包率大于第二门限值；对同一通话按照时间窗口统计，MOS值由高变低；时间间隔抖动超过第三门限值；承载链路上无数据包传输的时间超过第四门限值；eSRVCC切换次数门限超过阀值；RRC连接重建；视频专载连接自动释放；视频码率低于第五门限值；视频、语音数据包不同步等。

这里，可对于超过门限值的异常指标进行重点关注；所述门限值的具体取值可根据实际业务情况自行定义。

步骤205：问题定位和定界；

具体地，根据所述当前用户行为的信令特征以及设置的用户异常行为对应的业务质量问题，如表1所示，确定所述当前用户行为对应的业务质量问题；根据所述当前用户行为的信令消息，确定所述当前语音业务的业务质量缺陷的管理主体。

这里，通过当前用户行为与信令消息的关联分析，对当前用户行为的业务质量问题进行分类，确定具体的问题类型，如单通、无音、断续、吞字、杂音等。

这里，一般情况下业务的信令是串行进行的，信令中任何一步失败都会导致后续信令交互无法正常进行；因此，业务失败需要寻找最早失败的点，即第一拆线网元。

第一拆线网元可能是发现信令消息本身异常或者因为资源不足、信令超时等各种原因限制导致无法正常处理信令，第一拆线网元发出的第一拆线消息中携带的失败码一般会确切的指示失败根因。

由于VoLTE涉及分组核心网(EPC，Evolved Packet Core)、网际协议多媒体子系统(IMS，IP Multimedia Subsystem)、电路交换域/电路承载域(CS，Circuit SwitchedDomain)三个域，网元众多、信令复杂，其特殊性要求信令分析时要从大到小，逐步缩小分析范围。因此在问题定界定位时，对于经过用户行为和信令消息分析，判定为存在质量问题的单次业务，进一步分析此次业务信令流程，关注第一拆线：首先分析发出第一拆线消息的网元归属域，定界问题隐患的维护部门；再次分析域内发出第一拆线消息的网元，划分隐患问题的责任主体，自动获取该网元附件时段内的性能指标和告警信息；最后分析第一拆线消息的失败码，并关联性能指标、设备告警等信息，最终定位隐患问题根因，便于维护人员快速制定相应的解决方案。

步骤206：结果输出。

具体地，根据问题定界定位结果，实时生成用户级业务质量告警消息，所述告警消息中包含质量问题类型、问题定位结果、失败码消息和原因等信息，并将所述告警消息推送至监控维护人员。

这里，当所述当前用户行为不是用户异常行为，或者所述当前用户行为是用户异常行为且所述当前用户行为的信令特征不满足异常条件时，可将判断结果推送至监控维护人员，以使监控维护人员更加了解网络状况。

本实施例提供的业务质量监测方法，还可以针对大规模的用户业务质量劣化情况，先于客户投诉及时生成预警信息，便于维护部门开展问题排查、市场部门对客户进行主动关怀、客服部门有针对性的制定客服解释口径及投诉拦截途径安抚客户；同时，从用户信令层面上看，本实施例提供的业务质量监测方法为监控工作提供了新的问题隐患快速发现途径，解决单纯设备告警和性能指标无法发现定位用户业务质量隐患的问题；为维护工作提供问题隐患自动化定界定位方法，大幅提升问题定位效率，降低对用户业务感知的影响；为优化工作提供了新的解决方案思路，促进优化工作由面向网络到面向用户的转变；为保障工作提供了更精细的开展方式，细化保障粒度，实现VIP客户的单用户单业务感知实时保障；为客服工作提供了更可靠的信息来源，可以有针对性的开展投诉解释和客户关怀。

为实现上述方法，本发明实施例还提供了一种业务质量监测装置，图3为本发明实施例业务质量监测装置的组成结构示意图，该装置包括：第一处理单元11、第二处理单元12、第三处理单元13和第四处理单元14；其中，

所述第一处理单元11，用于获取当前语音业务的业务特征和信令特征；

所述第二处理单元12，用于基于所述当前语音业务的业务特征，在异常语音业务的业务特征库中进行匹配查找；

所述第三处理单元13，用于当所述当前语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，基于所述当前语音业务的信令特征，在异常语音业务的信令特征库中进行匹配查找；

所述第四处理单元14，用于当所述当前语音业务的信令特征与所述信令特征库中异常语音业务的信令特征匹配时，将与所述当前语音业务的信令特征匹配的异常语音业务的信令特征所对应的业务质量缺陷，作为所述当前语音业务的业务质量缺陷。

所述第一处理单元11，具体用于：

采集当前语音业务的业务数据包和信令消息，并对所述业务数据包和所述信令消息分别进行解析，获取所述当前语音业务的业务数据和信令，并从所述当前语音业务的业务数据中筛选出所述当前语音业务的业务特征、从所述当前语音业务的信令中筛选出所述当前语音业务的信令特征。

这里，所述当前语音业务的业务数据包和信令消息可从网络侧的LTE S1等接口进行采集；所述语音业务可以是拨打电话、接听电话等业务。

所述第二处理单元12，具体用于：

根据所述当前语音业务的业务特征，查找异常语音业务的业务特征库，判断所述业务特征库中是否存在有与所述当前语音业务的业务特征匹配的异常语音业务的业务特征，即判断所述当前语音业务的业务特征与所述业务特征库中异常语音业务的业务特征是否匹配，若匹配，则表明所述当前语音业务是异常语音业务；若不匹配，则表明所述当前语音业务不是异常语音业务，结束分析。

这里，所述异常语音业务的业务特征库中包含有异常语音业务的业务特征；所述异常语音业务可以是超短呼叫、超频呼叫、早释等业务；所述异常语音业务的业务特征是指在异常语音业务中通常会出现的一些特定特征，比如对于超短呼叫，超短呼叫的业务特征可以是通话时长等。

所述第三处理单元13，具体用于：

根据所述第二处理单元12的匹配查找结果，确定所述当前语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，根据所述第一处理单元11获取到的所述当前语音业务的信令特征，查找异常语音业务的信令特征库，判断所述信令特征库中是否存在有与所述当前语音业务的信令特征匹配的异常语音业务的信令特征，即判断所述当前语音业务的信令特征与所述信令特征库中异常语音业务的信令特征是否匹配，若匹配，则告知所述第四处理单元14继续处理；若不匹配，则结束分析。

这里，所述异常语音业务的信令特征库中包含有异常语音业务的信令特征；所述异常语音业务的信令特征是指在异常语音业务中通常会出现的一些信令特征，比如对于超短呼叫，超短呼叫的信令特征可以是通丢包率大于门限值、MOS值低等。

所述第四处理单元14，具体用于：

根据所述第三处理单元13的匹配查找结果，确定所述当前语音业务的信令特征与所述信令特征库中异常语音业务的信令特征匹配时，将与所述当前语音业务的信令特征匹配的异常语音业务的信令特征所对应的业务质量缺陷，作为所述当前语音业务的业务质量缺陷。

这里，所述异常语音业务的信令特征所对应的业务质量缺陷可存储在所述信令特征库中，以便根据异常语音业务的信令特征可快速获取该异常语音业务的信令特征对应的业务质量缺陷；每种异常语音业务因信令特征不同，可对应有多种业务质量缺陷，即对于任意一种异常语音业务，当该异常语音业务的信令特征不同时，该异常语音业务的信令特征对应的业务质量缺陷也不同。

这里，当所述当前语音业务的信令特征与所述信令特征库中任意一种异常语音业务的信令特征匹配时，则表明所述当前语音业务的信令特征与所述信令特征库中异常语音业务的信令特征匹配。

进一步地，该装置还包括：第五处理单元15，用于定位所述当前语音业务的业务质量缺陷的管理主体，并向所述管理主体输出针对所述当前语音业务的告警信息。

具体地，所述第五处理单元15确定并发现所述当前语音业务的信令消息存在异常的网元，根据所述网元所属的管理域以及每个管理域的管理主体，获取所述当前语音业务的业务质量缺陷的管理主体，并向所述管理主体输出针对所述当前语音业务的告警信息，以告知所述管理主体所述当前语音业务的业务质量缺陷的类型、产生原因等信息。

这里，由于语音业务的信令的交互是串行进行的，任意一步的失败将导致后续信令的交互无法正常进行，因此可根据语音业务的信令消息获取首次发现所述当前语音业务的信令消息存在异常的网元，然后确定该网元的管理域和对应的管理主体。

进一步地，

所述第一处理单元11，还用于采集通信网络中至少一个语音业务的业务数据包，并对采集到的所述至少一个语音业务的业务数据包进行解析，获取所述至少一个语音业务的业务数据，并从所述至少一个语音业务的业务数据中筛选出所述至少一个语音业务的业务特征；

所述第二处理单元12，还用于基于所述至少一个语音业务的业务特征，在异常语音业务的业务特征库中进行匹配查找；

所述第三处理单元13，还用于当所述至少一个语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，将所述至少一个语音业务的业务特征存储至所述业务特征库；对所述业务特征库中的业务特征进行聚类分析，生成分析结果，并根据所述分析结果更新所述业务特征库。

具体地，所述第一处理单元11预先采集通信网络中一个或一个以上语音业务的业务数据包，对所述一个或一个以上语音业务的业务数据包进行解析后，获取所述一个或一个以上语音业务的业务数据包所对应的业务数据，然后再从该业务数据中筛选出所述一个或一个以上语音业务的业务特征；所述第二处理单元12根据所述一个或一个以上语音业务的业务特征，查找异常语音业务的业务特征库，判断所述一个或一个以上当前语音业务的业务特征与所述业务特征库中异常语音业务的业务特征是否匹配；所述第三处理单元13当所述一个或一个以上语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，将所述一个或一个以上语音业务的业务特征存储至所述业务特征库中；接着，所述第三处理单元13对所述业务特征库中属于同一异常语音业务所对应的业务特征进行聚类分析等自学习，以生成该同一异常语音业务的新的业务特征，实现对所述业务特征库中异常语音业务的业务特征的更新处理。

这里，所述业务特征库中异常语音业务的业务特征可预先进行设置，比如对于任意异常语音业务，可先分别设置一种业务特征，然后在后续处理中更新设置的异常语音业务的业务特征；所述第三处理单元13也可在所述第四处理单元14确定所述当前语音业务的业务质量缺陷之后，将所述当前语音业务的业务特征存储至所述业务特征库中，并更新所述业务特征库。

这里，需要注意的是，所述信令特征库中异常语音业务的信令特征也可按照上述业务特征库中异常语音业务的业务特征的获取方式进行获取。

本实施例提供的业务质量监测装置，能够从被动等待用户反映业务质量问题向主动发现和解决业务质量问题转变，从注重设备性能向兼顾端到端用户体验转变，从以网元为中心的优化模式向以用户为中心的优化模式转变，以提升用户对业务质量的满意度，只有用户感到业务质量满足了甚至超越了自己的期待，才能提升业务满意度和在网忠诚度，更愿意去尝试新的业务，从而为运营商的持续发展奠定坚实基础。

在实际应用中，所述第一处理单元11、第二处理单元12、第三处理单元13、第四处理单元14、第五处理单元15均可由位于终端的中央处理器(CPU)、微处理器(MPU)、数字信号处理器(DSP)、或现场可编程门阵列(FPGA)等实现。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和范围之内所作的任何修改、等同替换和改进等，均包含在本发明的保护范围之内。

Claims (10)

1.一种业务质量监测方法，其特征在于，所述方法包括：

获取当前语音业务的业务特征和信令特征；

基于所述当前语音业务的业务特征，在异常语音业务的业务特征库中进行匹配查找；

当所述当前语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，基于所述当前语音业务的信令特征，在异常语音业务的信令特征库中进行匹配查找；

当所述当前语音业务的信令特征与所述信令特征库中异常语音业务的信令特征匹配时，将与所述当前语音业务的信令特征匹配的异常语音业务的信令特征所对应的业务质量缺陷，作为所述当前语音业务的业务质量缺陷。

2.根据权利要求1所述的方法，其特征在于，所述获取当前语音业务的业务特征和信令特征，包括：

采集当前语音业务的业务数据包和信令消息，并对所述业务数据包和所述信令消息分别进行解析，获取所述当前语音业务的业务数据和信令，并从所述业务数据中筛选出所述当前语音业务的业务特征、从所述信令中筛选出所述当前语音业务的信令特征。

3.根据权利要求1所述的方法，其特征在于，所述基于所述当前语音业务的业务特征，在异常语音业务的业务特征库中进行匹配查找之前，所述方法还包括：

采集通信网络中至少一个语音业务的业务数据包，并对采集到的所述至少一个语音业务的业务数据包进行解析，获取所述至少一个语音业务的业务数据，并从所述至少一个语音业务的业务数据中筛选出所述至少一个语音业务的业务特征；

基于所述至少一个语音业务的业务特征，在异常语音业务的业务特征库中进行匹配查找；

当所述至少一个语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，将所述至少一个语音业务的业务特征存储至所述业务特征库；

对所述业务特征库中的业务特征进行聚类分析，生成分析结果，并根据所述分析结果更新所述业务特征库。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

定位所述当前语音业务的业务质量缺陷的管理主体，并向所述管理主体输出针对所述当前语音业务的告警信息。

5.根据权利要求4所述的方法，其特征在于，所述定位所述当前语音业务的业务质量缺陷的管理主体，包括：

确定并发现所述当前语音业务的信令消息存在异常的网元，根据所述网元所属的管理域以及每个管理域的管理主体，获取所述当前语音业务的业务质量缺陷的管理主体。

6.一种业务质量监测装置，其特征在于，所述装置包括：第一处理单元、第二处理单元、第三处理单元和第四处理单元；其中，

所述第一处理单元，用于获取当前语音业务的业务特征和信令特征；

所述第二处理单元，用于基于所述当前语音业务的业务特征，在异常语音业务的业务特征库中进行匹配查找；

所述第三处理单元，用于当所述当前语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，基于所述当前语音业务的信令特征，在异常语音业务的信令特征库中进行匹配查找；

所述第四处理单元，用于当所述当前语音业务的信令特征与所述信令特征库中异常语音业务的信令特征匹配时，将与所述当前语音业务的信令特征匹配的异常语音业务的信令特征所对应的业务质量缺陷，作为所述当前语音业务的业务质量缺陷。

7.根据权利要求6所述的装置，其特征在于，所述第一处理单元，具体用于：

采集当前语音业务的业务数据包和信令消息，并对所述业务数据包和所述信令消息分别进行解析，获取所述当前语音业务的业务数据和信令，并从所述业务数据中筛选出所述当前语音业务的业务特征、从所述信令中筛选出所述当前语音业务的信令特征。

8.根据权利要求6所述的装置，其特征在于，

所述第一处理单元，还用于采集通信网络中至少一个语音业务的业务数据包，并对采集到的所述至少一个语音业务的业务数据包进行解析，获取所述至少一个语音业务的业务数据，并从所述至少一个语音业务的业务数据中筛选出所述至少一个语音业务的业务特征；

所述第二处理单元，还用于基于所述至少一个语音业务的业务特征，在异常语音业务的业务特征库中进行匹配查找；

所述第三处理单元，还用于当所述至少一个语音业务的业务特征与所述业务特征库中异常语音业务的业务特征匹配时，将所述至少一个语音业务的业务特征存储至所述业务特征库；对所述业务特征库中的业务特征进行聚类分析，生成分析结果，并根据所述分析结果更新所述业务特征库。

9.根据权利要求7所述的装置，其特征在于，所述装置还包括：第五处理单元，用于定位所述当前语音业务的业务质量缺陷的管理主体，并向所述管理主体输出针对所述当前语音业务的告警信息。

10.根据权利要求9所述的装置，其特征在于，所述第五处理单元，具体用于：

确定并发现所述当前语音业务的信令消息存在异常的网元，根据所述网元所属的管理域以及每个管理域的管理主体，获取所述当前语音业务的业务质量缺陷的管理主体。