行動基地台智慧維運

劉因心 ； 涂耀中 ； 許長裕 ； 趙欣杰

《電工通訊季刊》 2018第4季 (2018/12) Pp. 51-61

https://doi.org/10.6328/CIEE.201812_(4).0006

摘要

近年來行動通訊蓬勃發展，使用行動數據、語音人口直線上升，對於行動通信業者來說，維持良好的行動網路通訊品質是非常重要的任務。而電信營運商之設計、維運單位，平日莫不持續精進、優化網路品質，期許達到最佳化的目標。優質的網路品質是確保用戶滿意度重要條件之一，而影響網路品質至關重要的是網路元件正常運作與否。當網路元件發生異常時，目前的維運系統已可做到快速偵測，掌握故障成因，並迅速派工進行障礙排除，恢復系統正常運作。為提升行動網路通訊品質，減少網元障礙發生率，降低網路服務中斷時間與執行派工所消耗的人力成本，因而提出基地台障礙預警機制，期望在設備發生特定障礙前，即可由維運系統精準地預測，授權派工單位進行預防性的障礙查修，確保網路通訊品質，降低行動客訴量，大幅提升客戶服務品質。本文將說明行動網管系統透過機器學習之監督式學習（Supervised Learning）方式，來達成智慧維運之目的。維運系統運用平日所接收基地台告警訊息，結合基地台障礙派工資訊，將這些具備時間序列的告警資訊，透過前處理完成障礙發生時間與障礙發生前K天之告警資訊的關聯性建立，透過主成分分析法（Principal Components Analysis, PCA）進行降維處理，運用機器學習之隨機森林（Random Forest）、支持向量機（Support Vector Machine, SVM）、多層感知模型（Multilayer Perceptron, MLP）與多元卷積神經網路（Multivariate Convolutional Neural Network）等，完成集成式學習（Ensemble Learning）建立訓練模型，運用所建立的模型，來進行未來M天內基地台設備發生特定障礙之障礙預測。在預測結果分析上，我們採用查準率（Precison）、查全率（Recall）作為衡量指標的依據，來驗證此訓練模型。經由實驗結果發現，此模型預測機率高，執行成效良好。目前已將此預測模型運用於本公司行動網路之基地台障礙預測上，初步已具規模性，預計於試驗點驗證結束後，將擴大範圍應用於全區行動網路上。