高层信号漂移问题定位
来源：优橙教育 时间：2021-02-25 14:32:04
1. 基于大数据的XDR的频繁切换识别
S1-MME XDR大数据记录了用户完整的信令流程。通过XDR数据分析：用户在完整的业务请求到释放的过程中，发生了很多切换，相应就会在切换的小区中产生对应的驻留时长t（切出时间—切入时间），如果该驻留时间小于3秒，则认为本次切换是频繁切换。通过XDR信令对切换小区及驻留时长的遍历即可识别出存在频繁切换的问题点,实现高漂问题的信令化呈现。
例如：用户的业务从A发起切换到B再切换到C结束时，只要用户在B的时长小于3秒， 计1次频繁切换，记录IMSI—A—B—C—1。其他用户也在ABC间发生了这种切换时，同样记录A—B—C—1，最终结果为A—B—C—2。
用户从A-B-C-D时，在C的时长小于3秒，记录B—C—D—1。以此类推，得出全网的频繁切换小区对：CELL1—CELL2—CELL3—OftenHoNum，统计记录如下：
|
TimespandID(统计时间) |
IMSI |
CELLID-1 |
CELLID-2 |
CELLID-3 |
OftenHoNum |
|
4月26日10：00 |
IMSI1 |
A |
B |
C |
频繁切换次数 |
|
4月26日10：00 |
IMSI2 |
A |
B |
C |
频繁切换次数 |
|
4月26日10：00 |
IMSI1 |
B |
C |
D |
频繁切换次数 |
2. XDR的高层信号漂移问题精准定位
在频繁切换算法的基础上，结合用户的行为特征，高层特性；通过时间和空间维度的匹配准确定位高层频繁切换问题点。各维度关联如下：
算法实现过程：
1)取数时间：小时粒度，取时段内绝对居民用户在家（如23点作为居民楼问题定位）。从无线侧话务统计上看，23点用户数在忙时80%以上，具备数据分析统计
2)有效数据提取：滤除统计时间内IMSI为空异常数据，滤除切换次数小于2的IMSI数据（不存在频繁切换）。剔除统计时间内，遍历的唯一小区大于15的imsi数据，剔除室外用户。
3) 短驻留切换识别：基于IMSI递归查找到满足驻留时间<t（切换出时间-切换入时间,建议设置3s）的问题小区（cellid2），并查询提取切换前的驻留小区（cellid1），下次切换的目标小区(cellid3),输出包含IMIS的切换短驻留小区对
4）高漂问题点定位：对查找到频繁切换的IMSI，时间逆向查找到最近的室分小区(indoor_ci)，精准定位建筑物。
5）聚类频繁切换小区列表&室分小区输出高层信号漂移问题点
通过XDR的数据分析我们可以精确查找到存在室内频繁切换的问题点，还能挖掘到造成频繁切换的问题小区数据，用于优化分析。
