基于AI建模的寬帶弱光問題精準定界方法

張素琴 曾 光 宋其平 王曉雷 中國移動通信集團江西有限公司 南昌市 330038

0 引言

黨的十八大以來，習近平同志圍繞網絡強國建設發表一系列重要論述，要求我們以人民為中心，要適應人民期待和需求，加快信息化服務普及，降低應用成本，為老百姓提供用得上、用得起、用得好的信息服務，讓億萬人民在共享互聯網發展成果上有更多獲得感。

江西移動積極響應國家號召，開展家庭寬帶“818”免費送活動，公司寬帶業務飛速發展、ODN規模迅速膨脹，ODN質量管理卻沒有齊頭并進，寬帶弱光問題影響客戶感知，客戶滿意度出現逐漸下滑趨勢。對影響用戶上網滿意度的弱光問題進行寫生解剖、細分原因，發現家寬“弱光率較高、問題定界困難”主要體現在以下四方面：

（1）入戶光纜不受控、骨干及分支光纜損耗大、分光器老化，導致弱光率高，無有效定界手段，需要反復上站，整治一個ONU弱光需要120分鐘，效率低下。

（2）組網不合理，分光比超限（1∶8＊1∶16分光）場景無法判定。

（3）弱光數據未經分析或采取簡單統計分析，無法準確界定骨干、分支、入戶弱光場景，直接派單給一線維護人員處理，超出維護人員職責范圍，可能引起部門之間互相推諉，整治效果差。

（4）傳統弱光數據采集，采用單次定時同步策略方式，受用戶關機、設備繁忙等因素影響，導致弱光數據采集率低（60%~70%），無法有效支撐弱光數據分析。

針對接入網弱光率整治效率低、準確率低等問題，筆者引入AI聚類分類算法，通過五個創新舉措，實現主干弱光、分支弱光、入戶弱光、分光比超限、反復弱光等場景精確識別，自動輸出地市弱光設備和定界原因。弱光指標主動推送網格，根據運維人員位置，推送附近弱光用戶，并提供導航功能，引導運維人員主動上門整治，提升客戶滿意度。

1 AI算法精準識別四種弱光場景

（1）特征提?。翰捎镁垲恔-means++算法，在ONU收發光功率的平面，同一個分光器分支下的ONU因為物理路徑一致，應該形成稠密的規律分布；將PON口下每個ONU的光功率原始數據，轉換為更能代表預測模型的基礎問題的特征，從而提高模型對于不規則數據的準確性。

（2）根因分析：收集現場數據樣本，采用樸素貝葉斯分類算法，通過已知的特征的條件概率，現場PON口ONU收光功率的特征情況，訓練模型判定弱光根本原因，判定骨干、分支、入戶、分光比超限等光纖故障，有效提升ONU弱光整治效率。

圖1 AI算法精準識別弱光場景圖

2 通過增量采集、差分規避的方式，優化數據采集

（1）增量采集：由于用戶關機，設備繁忙等因素影響光功率數據未采集到，則用15天內最新一次采集到數據進行填充。

（2）差分規避：每天對光功率數據進行4次采集，規避設備繁忙、減少ONU關電、采集失敗對ONU光功率采集影響。

通過增量采集、差分規避的采集方式，使ONU光功率采集率由60%提升至95%，并對長期無法采集光功率的設備進行分析處理，使基礎網絡指標可管可控。樣本數量的提升，支撐AI 建模弱光定界準確率提升到95%。

圖2 增量采集及差分規避實施架構圖

3 打通系統接口，自動輸出設備弱光定界原因

圖3 弱光整治端到端流程拉通圖

拉通數據采集、數據清洗、數據分析、數據呈現端到端流程，整個弱光定界過程不依賴綜合資源管理系統中的數據。自動輸出地市弱光設備及定界原因，自動輸出弱光整治報表，便于后臺人員跟蹤。AI平臺與數據采集平臺進行解耦，AI建模定界弱光問題，可適配所有PON網管廠家，打破了原來AI分析只能分析特定PON網管廠家數據的局面。最終實現自動下發弱光整治任務給一線維護人員，同時為一線人員提供精準的弱光定界原因，指導其開展弱光整治工作。

4 創新拉通IHGU軟探針數據，實現反復弱光問題動態監控

首先提取ONU 收發光數據時間序列特征；其次，通過時間序列數據的平穩性檢驗方法，使用AI算法訓練，建立各種故障光路指標特征模型；最后，定界光模塊劣化，光纖彎曲、工程施工、ONU設備故障等導致的反復弱光問題。

不穩定光路特征表現出趨勢一致，ONU或光模塊原因則會有不一致性體現。網絡改造引起光距及分光比變動可及時發現并處理，最終實現反復弱光原因精準定位。

5 弱光指標直送網格，主動運維客戶寬帶質量

弱光指標關聯網格，根據維護員位置精準推送附近弱光問題，實現寬帶質量主動運維。

6 結束語

本文針對家庭寬帶弱光整治效率低、弱光定界準確度低等問題，引入AI聚類分類算法、弱光直送網格等創新舉措，在成本節約、效率提升、網絡質量和客戶滿意度提升方面取得了較大成效，具有實用價值。

圖4 弱光指標關聯網格，引導一線人員主動弱光整治功能圖