亚洲国产成人精品女人久久久野战|亚洲精品久一免费|日本成人久久久久久|综合另类精品一本|色五月开心激情网|高清黄色无码视频|女女百合网站AV|蜜芽亚洲精品在线|久青草国产在线观看|亚洲五月丁香桃网

基于python的移動(dòng)網(wǎng)絡(luò)優(yōu)化自動(dòng)化與數(shù)據(jù)分析探索

　　云成龍 

　　中國聯(lián)合網(wǎng)絡(luò)通信有限公司巴彥淖爾市分公司   015000 　　  

　　摘  要:由于移動(dòng)網(wǎng)絡(luò)復(fù)雜度的提升及網(wǎng)絡(luò)承載數(shù)據(jù)的激增，網(wǎng)絡(luò)優(yōu)化工作人員以傳統(tǒng)方式對網(wǎng)絡(luò)進(jìn)行優(yōu)化及對網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行分析就顯得捉襟見肘，為能夠?qū)W(wǎng)絡(luò)進(jìn)行更好的優(yōu)化及對網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行深度分析，本文就基于python對移動(dòng)網(wǎng)絡(luò)優(yōu)化過程中的詳細(xì)告警監(jiān)控分析及網(wǎng)絡(luò)數(shù)據(jù)深度挖掘分析進(jìn)行了探索，設(shè)計(jì)了程序算法完成了上述工作。 

　　關(guān)鍵詞：Python，網(wǎng)絡(luò)爬蟲，移動(dòng)網(wǎng)絡(luò)優(yōu)化自動(dòng)化，移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)挖掘分析 　　  

　　隨著移動(dòng)網(wǎng)絡(luò)的發(fā)展壯大，地市網(wǎng)絡(luò)優(yōu)化部門逐漸面臨一個(gè)重大的難題，那就是維護(hù)的網(wǎng)絡(luò)越來越復(fù)雜，尤其隨著5G的到來，就形成了2G/3G/4G/5G同時(shí)共存的一個(gè)復(fù)雜而龐大的網(wǎng)絡(luò)，每個(gè)網(wǎng)絡(luò)一定程度上存在獨(dú)立性，有自己的數(shù)據(jù)平臺(tái)，這就導(dǎo)致有多個(gè)平臺(tái)的網(wǎng)絡(luò)數(shù)據(jù)需要人工下載并整理分析，耗費(fèi)了大量的人力資源，公司要承擔(dān)較大的人力成本，整體效率低下；同時(shí)多個(gè)平臺(tái)產(chǎn)生的數(shù)據(jù)量較大，從用戶使用移動(dòng)手持終端側(cè)流量可印證，據(jù)第44次中國互聯(lián)網(wǎng)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)調(diào)查報(bào)告稱^[1]，移動(dòng)互聯(lián)網(wǎng)接入流量連年快速增高，手機(jī)用戶數(shù)也平穩(wěn)增長，從統(tǒng)計(jì)可知：2019年上半年是2016年上半年的14.7倍，增長約516.4億GB。手機(jī)網(wǎng)絡(luò)網(wǎng)民人數(shù)在2019年也達(dá)到了8.4億人。如此多的流量及用戶產(chǎn)生的上網(wǎng)信令等其他數(shù)據(jù)同樣巨大，普通的數(shù)據(jù)處理分析軟件如excel等無法滿足數(shù)據(jù)分析要求，導(dǎo)致網(wǎng)絡(luò)問題等無法快速發(fā)現(xiàn)，數(shù)據(jù)資源挖掘力度不足，巨大潛力無法釋放，但與此同時(shí)用戶感知及要求變的越來越高，形成網(wǎng)絡(luò)與用戶感知間的矛盾。 

　　研究目的一方面是為減輕工作人員重復(fù)性勞動(dòng)，提升工作人員工作效率，節(jié)省公司人工成本，另一方面對移動(dòng)網(wǎng)絡(luò)正常運(yùn)行及影響用戶感知的告警，做到及時(shí)發(fā)現(xiàn)，自動(dòng)提出解決措施，及時(shí)處理故障，來提高用戶使用網(wǎng)絡(luò)的感知，提升用戶對網(wǎng)絡(luò)的滿意度。本文特設(shè)計(jì)了具有代表性并有可延展性的基于python的移動(dòng)網(wǎng)絡(luò)優(yōu)化告警實(shí)時(shí)監(jiān)控程序，同時(shí)為探索地市住宅小區(qū)的網(wǎng)絡(luò)覆蓋情況、用戶感知及住宅小區(qū)內(nèi)用戶市場占有率等情況，本文基于python對地市住宅小區(qū)進(jìn)行了數(shù)據(jù)挖掘探索，為網(wǎng)絡(luò)未來建設(shè)及市場未來發(fā)展提供決策參考。 

　　基于python的移動(dòng)網(wǎng)絡(luò)優(yōu)化與數(shù)據(jù)分析挖掘?qū)σ苿?dòng)網(wǎng)絡(luò)優(yōu)化自動(dòng)化及智能化發(fā)展有助推劑的作用，為國家數(shù)字化經(jīng)濟(jì)轉(zhuǎn)型提供技術(shù)支持。 

　　   python是一種豐富而強(qiáng)大的類似膠水的編程語言，由于其簡單、容易上手等原因，在不同領(lǐng)域均有很強(qiáng)的需求。特別在數(shù)據(jù)分析、機(jī)器學(xué)習(xí)及人工智能等領(lǐng)域，受到人們熱烈的追捧。在2018年7月的編程語言排行榜^[2]中，python穩(wěn)居所有編程語言第一名。 

　　圖2-1世界范圍內(nèi)編程語言流行度排名圖 

　　因運(yùn)營商移動(dòng)網(wǎng)絡(luò)優(yōu)化領(lǐng)域現(xiàn)如今面臨的挑戰(zhàn)主要有： 

　　（1）移網(wǎng)網(wǎng)絡(luò)復(fù)雜、多種制式網(wǎng)絡(luò)共存，存在多個(gè)網(wǎng)管平臺(tái)及數(shù)據(jù)平臺(tái)，簡單來說就是多而雜，維護(hù)困難度高。 

　　（2）網(wǎng)絡(luò)優(yōu)化中數(shù)據(jù)龐大，因平臺(tái)較多，數(shù)據(jù)量也逐漸上升，如果通過人工來每天監(jiān)控及分析相關(guān)指標(biāo)會(huì)變的力不從心，且如果對非常細(xì)化的指標(biāo)進(jìn)行監(jiān)控并對出現(xiàn)的問題提出解決方案，此項(xiàng)工作就會(huì)消耗較多的人力資源。 

　　移動(dòng)網(wǎng)絡(luò)優(yōu)化是追求網(wǎng)絡(luò)在動(dòng)態(tài)平衡中的最優(yōu)狀態(tài)，為達(dá)到這種最優(yōu)狀態(tài)及應(yīng)對以上挑戰(zhàn)，有的工作數(shù)據(jù)已經(jīng)大到excel等無法操作，python此時(shí)就脫穎而出。同時(shí)現(xiàn)如今用戶對網(wǎng)絡(luò)敏感度越來越高，快速定位用戶問題就顯得至關(guān)重要，而python的自動(dòng)化及智能化分析就有了較大的優(yōu)勢。 

　　網(wǎng)絡(luò)爬蟲顧名思義就是從浩瀚的網(wǎng)絡(luò)上爬取你所需要的數(shù)據(jù)。Python在這方面就是一個(gè)很有優(yōu)勢的語言。比如我們?nèi)粘Ｓ玫降乃阉饕婊蛩阉鞴ぞ呔涂梢钥醋魇蔷W(wǎng)絡(luò)爬蟲的升級(jí)版本，在搜索框輸入你需要查詢的關(guān)鍵字后就能輸出你想要的結(jié)果，該爬蟲技術(shù)為通用性爬蟲，此外還有聚焦型爬蟲：主要是聚焦某些特定的數(shù)據(jù)，以此為基礎(chǔ)爬取網(wǎng)頁的技術(shù)；增量型爬蟲：在聚焦型爬蟲的基礎(chǔ)上，定期需要增加特定內(nèi)容的爬蟲技術(shù)；深層爬蟲：該爬蟲技術(shù)與其他技術(shù)主要的區(qū)別是需要先進(jìn)行安全驗(yàn)證，驗(yàn)證完成后再進(jìn)行數(shù)據(jù)的爬取的技術(shù)。由以上可知爬蟲的一個(gè)通用流程就是：程序調(diào)用爬蟲模塊端后給定URL，后續(xù)根據(jù)一定規(guī)則爬取網(wǎng)頁信息，后通過下載指令完成對網(wǎng)頁數(shù)據(jù)的爬取，在通過網(wǎng)頁解析器將下載的數(shù)據(jù)解析成我們看懂的信息，以上就是一個(gè)簡單的通用型網(wǎng)絡(luò)爬取流程。圖2-2就是簡單的通用型爬蟲流程。 

　　圖2-2通用型爬蟲流程圖 

　　移動(dòng)網(wǎng)絡(luò)的更新迭代已經(jīng)進(jìn)入了5G的時(shí)代，傳輸速率的增大為數(shù)據(jù)大量交流鋪設(shè)了平臺(tái)，所以現(xiàn)如今已經(jīng)逐漸進(jìn)入了大數(shù)據(jù)的時(shí)代，對數(shù)據(jù)這個(gè)寶藏庫進(jìn)行分析與挖掘就有了很大的研究意義，從廣義數(shù)據(jù)分析類型上我們分為狹義數(shù)據(jù)分析與數(shù)據(jù)挖掘。 

　　狹義數(shù)據(jù)分析：主要通過對比、分組、交叉、回歸分析等分析手段來對我們爬取收集到的數(shù)據(jù)進(jìn)行處理與分析，提取出有價(jià)值的數(shù)據(jù)，幫助我們研究與決策。 

　　數(shù)據(jù)挖掘：主要是在海量的、無規(guī)律的、不完整的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中通過一系列特定規(guī)則如關(guān)聯(lián)規(guī)則、分類規(guī)則、聚類規(guī)則、智能推薦等手段挖掘出數(shù)據(jù)中我們沒有發(fā)現(xiàn)的數(shù)據(jù)價(jià)值。 

　　目前主流的數(shù)據(jù)分析語言有R；Python；MATLAB。圖2-3簡單進(jìn)行了比較，可發(fā)現(xiàn)在爬蟲與數(shù)據(jù)分析方面，Python有很大的優(yōu)勢。 

　　圖2-3主流數(shù)據(jù)分析語言排名圖 

　　  移動(dòng)網(wǎng)絡(luò)優(yōu)化中告警監(jiān)控自動(dòng)化分析程序在本文中主要采用python的深層爬蟲技術(shù)及pandas模塊等其他模塊來完成數(shù)據(jù)分析，為移網(wǎng)優(yōu)化工作人員提供每日網(wǎng)絡(luò)的告警情況，為優(yōu)化及其他工作做好準(zhǔn)備工作。圖3-1展示本次python自動(dòng)化分析程序結(jié)構(gòu)，方便了解程序過程。 

　　圖3-1python自動(dòng)化分析流程圖 

　　因python有很多自帶及第三方庫，當(dāng)我們需要的時(shí)候，就需要將這些庫先引入到程序中才能進(jìn)行操作。在爬蟲程序中我們涉及了selenium，time，os,PIL,requests,request,json,base64這個(gè)幾個(gè)模塊，很好的幫助我們進(jìn)行網(wǎng)絡(luò)數(shù)據(jù)的爬取。首先我們需要對瀏覽器加裝webdriver的補(bǔ)丁，由此補(bǔ)丁后才能完成對瀏覽器的調(diào)用。其次就需要將用到的三方庫進(jìn)行引入，下面是本次程序需要引入的模塊。 

　　from selenium import webdriver 

　　from selenium.webdriver.common.action_chains import ActionChains 

　　import time 

　　import os 

　　from PIL import Image 

　　import requests 

　　import urllib.request 

　　import json 

　　import base64 

　　import pandas as pd 

　　import datetime 

　　在引入python自帶庫與第三方庫后，我們需要對瀏覽器進(jìn)行配置，來保證瀏覽器能自動(dòng)下載并存入我們想要保存的位置。我們以火狐瀏覽器FireFox來舉例，可使用下文程序中的配置來完成。主要對瀏覽器內(nèi)下載路徑，保存提示框的顯示與否，快速自動(dòng)保存等進(jìn)行配置，保證我們爬取的數(shù)據(jù)保存到我們指定的位置。 

　　driver = webdriver.Firefox() 

　　driver = webdriver.FirefoxProfile() 

　　driver.set_preference("browser.download.folderList", 2) 

　　# 0是下載到桌面，1為瀏覽器默認(rèn)下載路徑，2是下載到指定目錄 

　　driver.set_preference("browser.download.dir", r'D:\\gaojing\\') 

　　driver.set_preference("browser.download.manager.showWhenStarting", False) 

　　# false設(shè)置為不顯示 

　　driver.set_preference("browser.download.forbid_open_with", True) 

　　#不打開保存的提示框 

　　driver.set_preference("browser.altClickSave", True) 

　　#快速保存# 不詢問下載路徑：后面的參數(shù)為要下載頁面的content-type的值 

　　driver.set_preference("browser.helperApps.neverAsk.saveToDisk", "application/octet-stream,application/vnd.ms-excel,text/csv,application/zip") 

　　driver = webdriver.Firefox(firefox_profile=driver) 

　　至此，爬蟲的準(zhǔn)備工作就已經(jīng)結(jié)束，已將將我們需要的瀏覽器等設(shè)置成為我們需要的配置，下面就開始對移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)平臺(tái)進(jìn)行爬蟲，來爬取我們需要的文件。 

　　在爬蟲準(zhǔn)備工作完成后，就開始我們的爬蟲工作，因移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)平臺(tái)安全性要求較高，因此該系統(tǒng)存在用戶名、密碼、驗(yàn)證碼的三層驗(yàn)證后才能登錄。為完成以上工作，我們采用深層型爬蟲技術(shù)來爬取數(shù)據(jù)。下文程序是登錄移動(dòng)網(wǎng)絡(luò)綜合平臺(tái)的一個(gè)爬蟲程序。在本次登錄過程中，因驗(yàn)證碼的存在，需要對驗(yàn)證碼進(jìn)行識(shí)別，該自動(dòng)識(shí)別有一定難度，我們通過調(diào)用百度智能云API來進(jìn)行識(shí)別，經(jīng)過多次實(shí)踐發(fā)現(xiàn)百度云識(shí)別成功率幾乎保持在99.9%以上。識(shí)別成功率非常高，很適合我們此次分析的要求，所以我們最后就借用了百度智能云的算法能力。 

　　url = 'http://*.*.*.*/login.jsp' 

　　driver.get(url) 

　　driver.find_element_by_id('username').send_keys('***') 

　　driver.find_element_by_id('password').send_keys('***') 

　　driver.save_screenshot('D:\yanzhengma.png') 

　　security_code_element = driver.find_element_by_xpath('/html/body/form/table/tbody/tr[4]/td[2]/table/tbody/tr[2]/td[4]/img') 

　　left = int(security_code_element.location['x']) 

　　top = int(security_code_element.location['y']) 

　　right = int(security_code_element.location['x'] + 60) 

　　bottom = int(security_code_element.location['y'] + 20) 

　　im = Image.open('D:\\yanzhengma.png') 

　　im = im.crop((left,top,right,bottom)) 

　　im.save('D:\\security_code.png') 

　　time.sleep(5) 

　　ak = '*******' 

　　sk = '*******' 

　　host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type= 

　　client_credentials&client_id=%s&client_secret=%s' %(ak,sk) 

　　request = urllib.request.Request(host) 

　　request.add_header('Content-Type','application/json; charset =UTF-8') 

　　response = urllib.request.urlopen(request) 

　　content = response.read() 

　　json_all = json.loads(content) 

　　#調(diào)用接口 

　　request_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/numbers" 

　　# 二進(jìn)制方式打開圖片文件 

　　f = open('D:\\security_code.png','rb') 

　　img = base64.b64encode(f.read()) 

　　params = {"image":img} 

　　access_token = json_all['access_token'] 

　　request_url = request_url + "?access_token=" + access_token 

　　headers = {'content-type': 'application/x-www-form-urlencoded'} 

　　response = requests.post(request_url, data=params, headers=headers) 

　　ocr = response.json() 

　　try: 

　　    for item in ocr['words_result']: 

　　        secruity_code = item['words'] 

　　    print(secruity_code) 

　　except: 

　　    print('錯(cuò)誤') 

　　driver.find_element_by_id('code').send_keys(secruity_code) 

　　  在驗(yàn)證碼的自動(dòng)識(shí)別過程中，我們需要先將驗(yàn)證碼的圖片截取下來，通過對網(wǎng)頁的分析，確保我們截取的圖片是完整清晰的，后將圖片發(fā)送到百度智能云接口，因百度智能云有加密過程，需要設(shè)定自己的Ak與SK密匙。完成此步操作后，百度云就會(huì)將識(shí)別后的驗(yàn)證碼發(fā)送回來，經(jīng)過解碼就是我們驗(yàn)證碼圖片中的驗(yàn)證碼。0 

　　經(jīng)過安全驗(yàn)證進(jìn)入到移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)平臺(tái)后需要進(jìn)行有關(guān)多個(gè)數(shù)據(jù)的表格的爬取，爬取過程中需要對HTML5語言及CSS有所了解，主要通過網(wǎng)頁id及xpath路徑等對網(wǎng)頁元素定位，以此來完成對數(shù)據(jù)爬取。對于HTML5及CSS語言問題，本文不在贅述。 

　　對爬取的數(shù)據(jù)進(jìn)行分析前，需要對數(shù)據(jù)進(jìn)行預(yù)先處理，因下載的數(shù)據(jù)文件名稱每次都有變化，需要對所在目錄進(jìn)行監(jiān)控，確保數(shù)據(jù)下載完成后再對數(shù)據(jù)進(jìn)行處理，下面自定義了一個(gè)判斷文件，對文件下載目錄進(jìn)行監(jiān)控。 

　　def panduan(): 

　　    dirnum = 0 

　　    filenum = 0 

　　    path = 'D:\\gaojing\\' 

　　    for lists in os.listdir(path): 

　　      sub_path = os.path.join(path, lists) 

　　    #print(sub_path) 

　　      if os.path.isfile(sub_path): 

　　        filenum = filenum+1 

　　      elif os.path.isdir(sub_path): 

　　        dirnum = dirnum+1 

　　return filenum 

　　當(dāng)上文程序監(jiān)控到文件下載完成后，程序就會(huì)對文件目錄內(nèi)文件進(jìn)行遍歷查詢，查詢出所有文件的詳細(xì)地址情況，通過對文件名的關(guān)鍵字進(jìn)行篩選匹配后，找到我們每天需要分析的文件。 

　　def finder(pattern, root): 

　　    matches = [] 

　　    dirs = [] 

　　    for x in os.listdir(root): 

　　        nd = os.path.join(root, x) 

　　        if os.path.isdir(nd): 

　　            dirs.append(nd) 

　　        elif os.path.isfile(nd) and pattern in x: 

　　            matches.append(nd) 

　　    for match in matches: 

　　            # print(match) 

　　            return match 

　　    for dir in dirs: 

　　            finder(pattern, root=dir) 

　　對數(shù)據(jù)預(yù)處理進(jìn)行完成后，通過python的pandas的模塊打開我們需要分析的文件，使用drop、contains、loc、fillna、merge、concat、sort等及 datetime等模塊對數(shù)據(jù)進(jìn)行刪除、篩選、vlookup、告警分類，如：駐波、時(shí)鐘、零話務(wù)、RRH故障原因判斷、光的衰弱問題等告警進(jìn)行歸類、聚合，同時(shí)又對告警時(shí)間等進(jìn)行判斷，頻閃或者自動(dòng)恢復(fù)，或者仍未恢復(fù)，由此來保證數(shù)據(jù)的一體性，可關(guān)聯(lián)性，高準(zhǔn)確性、高可靠性。下面是對一小段數(shù)據(jù)進(jìn)行分析的編程設(shè)計(jì)。 

　　df6 = pd.read_excel(lishihuoyue,sheet_name ='4G',header =3) 

　　df6 = df6.drop(['Unnamed: 0'],axis=1) 

　　df6 = df6[df6['地市'].str.contains('臨河')] 

　　df6 = df6[df6['IS_PETITION'].str.contains('是')] 

　　if df6['ALARM_TEXT'].str.contains('clock') is None: 

　　    df6     

　　else: 

　　df6.loc[df6['ALARM_TEXT'].str.contains('clock'),'告警原因']='時(shí)鐘丟失' 

　　#篩選為時(shí)鐘的告警，并標(biāo)注出來 

　　if df6['ALARM_TEXT'].str.contains('VSWR') is None: 

　　    df6 

　　else: 

　　    df6.loc[df6['ALARM_TEXT'].str.contains('VSWR'),'告警原因']='駐波' 

　　if df6['ALARM_TEXT'].str.contains('optical') is None: 

　　    df6 

　　else: 

　　    df6.loc[df6['ALARM_TEXT'].str.contains('optical'),'告警原因']='光或電導(dǎo)致小區(qū)掉' 

　　if df6['ALARM_TEXT'].str.contains('baseband') is None: 

　　    df6 

　　else: 

　　    df6.loc[df6['ALARM_TEXT'].str.contains('baseband'),'告警原因']='基帶板故障' 

　　if df6['ALARM_TEXT'].str.contains('RF Module') is None: 

　　    df6 

　　else: 

　　    df6.loc[df6['ALARM_TEXT'].str.contains('RF Module'),'告警原因']='射頻模塊故障' 

　　if df6['ALARM_TEXT'].str.contains('Fan failure') is None: 

　　    df6 

　　else: 

　　    df6.loc[df6['ALARM_TEXT'].str.contains('Fan failure'),'告警原因'] ='風(fēng)扇告警' 

　　if df6['ALARM_TEXT'].str.contains('Cell disabled due to unknown problem') is None: 

　　    df6 

　　else: 

　　    df6.loc[df6['ALARM_TEXT'].str.contains('Cell disabled due to unknown problem'),'告警原因'] ='小區(qū)掉因未知原因' 

　　if df6['ALARM_TEXT'].str.contains('Cell power failure') is None: 

　　    df6 

　　else: 

　　    df6.loc[df6['ALARM_TEXT'].str.contains('Cell power failure'),'告警原因'] ='小區(qū)電力故障' 

　　df6 = df6.drop(['告警唯一標(biāo)識(shí)','網(wǎng)元類型','網(wǎng)元標(biāo)識(shí)','地市','廠商','告警級(jí)別','告警原始原因','告警號(hào)','CLEAR_TEXT','START_TIME','NET_TYPE','IS_PETITION','COMMENTS','基站狀態(tài)','LAC','CELL_ID'],axis=1) 

　　df6 = df6.sort_values(['告警結(jié)束時(shí)間'],ascending=False)#倒序排序 

　　df6 = df6.loc[(df6['告警結(jié)束時(shí)間']>today)]#篩選到通報(bào)時(shí)還沒有解決的告警 

　　df6 = df6.merge(gongcan4G,how='left',on='網(wǎng)元名稱')             

　　df6['旗縣'].fillna(df6['區(qū)域'],inplace=True) 

　　df6['基站中文名'].fillna(df6['小區(qū)名稱'],inplace=True) 

　　df6 = df6.drop(['區(qū)域','小區(qū)名稱'],axis=1) 

　　dfs =pd.concat([df5,df6],sort=False) 

　　dfs = dfs.drop_duplicates(['網(wǎng)元名稱']) 

　　通過數(shù)據(jù)分析后，對最后匯總的2G、3G、4G、5G數(shù)據(jù)進(jìn)行旗縣級(jí)別的分類，每日分發(fā)到各旗縣及網(wǎng)管進(jìn)行問題點(diǎn)的處理，保證網(wǎng)絡(luò)健康度、保證用戶使用感知。圖3-2列出了移動(dòng)網(wǎng)絡(luò)自動(dòng)化分析的告警監(jiān)控的部分結(jié)果，地市公司以此結(jié)果為依據(jù)處理影響用戶感知的問題點(diǎn)，此項(xiàng)工作原來由網(wǎng)優(yōu)人員每天處理時(shí)大概需要30分鐘，現(xiàn)在實(shí)現(xiàn)自動(dòng)化后，每日僅需2分鐘就可以搞定。極大了提升了工作效率。 

　　圖3-2告警自動(dòng)化分析結(jié)果 

　　本次通過python在百度地圖上對某地市住宅小區(qū)進(jìn)行了爬取，主要通過百度地圖標(biāo)簽為住宅小區(qū)的地點(diǎn)進(jìn)行爬取，同時(shí)利用網(wǎng)絡(luò)圍欄對住宅小區(qū)進(jìn)行劃分，后以此為依據(jù)對住宅小區(qū)進(jìn)行移動(dòng)網(wǎng)絡(luò)深度覆蓋等分析，為住宅小區(qū)用戶提供體驗(yàn)感知更為良好的網(wǎng)絡(luò)，同時(shí)發(fā)現(xiàn)住宅小區(qū)覆蓋盲點(diǎn)，公司以此進(jìn)行精準(zhǔn)投資。此次網(wǎng)絡(luò)爬蟲共爬取到了502個(gè)住宅小區(qū)。各住宅小區(qū)在旗縣分布情況，如圖4-1的表格。住宅小區(qū)旗縣分布情況與城市大小向吻合，爬取數(shù)據(jù)檢驗(yàn)準(zhǔn)確。 

　　圖4-1某地市住宅小區(qū)數(shù)分布情況圖 

　　經(jīng)過分析，該地市運(yùn)營商在住宅小區(qū)內(nèi)總體網(wǎng)絡(luò)情況平穩(wěn)，LTE無線接通率98%，日均網(wǎng)絡(luò)資源利用率43%，CQI大等7的比例為93%，平均CQI為11.23，用戶感知速率為25.77Mbps，但是在網(wǎng)絡(luò)忙時(shí)，住宅小區(qū)網(wǎng)絡(luò)負(fù)荷較大，平均無線資源利用率為116.73%，需加大住宅小區(qū)網(wǎng)絡(luò)容量，為用戶提供良好體驗(yàn)感知。 

　　圖4-2某地市住宅小區(qū)平均RSRP圖 

　　從圖4-2可知，旗縣住宅小區(qū)覆蓋情況排名中，旗縣6為-89.7dBm、旗縣7為-91.13dBm、旗縣1為-91.23dBm，以上幾個(gè)旗縣中排名較好，其他旗縣覆蓋不理想，覆蓋不理想后會(huì)對VOLTE通話，上網(wǎng)感知等都會(huì)有影響。針對覆蓋較差的住宅小區(qū)已提交建設(shè)進(jìn)行基站建設(shè)等相關(guān)措施，爭取使旗縣住宅小區(qū)整體覆蓋達(dá)到提升。 

　　本次通過對全部在網(wǎng)絡(luò)用戶進(jìn)行數(shù)據(jù)爬取，通過對比基站覆蓋范圍來劃分覆蓋住宅小區(qū)的基站，然后通過住宅小區(qū)占該基站覆蓋的面積為比值即：，其中a 為概率，b為住宅小區(qū)面積，c為基站覆蓋面積，為基站小區(qū)在住宅小區(qū)內(nèi)覆蓋的面積，以概率a為系數(shù)計(jì)算住宅小區(qū)內(nèi)用戶數(shù)。即，其中d為住宅小區(qū)用戶，k為基站小區(qū)下用戶數(shù)。通過以上的方法對住宅小區(qū)用戶數(shù)進(jìn)行統(tǒng)計(jì)。 

　　從圖4-3可知，本次地市共選取502個(gè)住宅小區(qū)，日均用戶總數(shù)達(dá)到了123858人，其中旗縣1為59092人，旗縣2為21416人，旗縣3為18126人，旗縣4為11654人，旗縣5為7174人，旗縣6為3406人，旗縣7為2990人。按照區(qū)縣每個(gè)住宅小區(qū)平均人數(shù)排名為，旗縣1為（342人），旗縣3（279人），旗縣2（214人），旗縣4（198人），旗縣6（131人），旗縣7（130人），旗縣5（128人）。根據(jù)全市住宅小區(qū)日均規(guī)模來看，我們發(fā)現(xiàn)住宅小區(qū)內(nèi)聯(lián)通用戶占比并不高，在攜號(hào)轉(zhuǎn)網(wǎng)的情況下，用戶其實(shí)更無顧慮的來選擇運(yùn)營商，這既是機(jī)遇也是挑戰(zhàn)，找到我們網(wǎng)絡(luò)覆蓋優(yōu)勢小區(qū)來進(jìn)行營銷，實(shí)現(xiàn)用戶在住宅小區(qū)市場占有率，同時(shí)對于覆蓋較差住宅小區(qū)，及時(shí)補(bǔ)齊短板，讓移動(dòng)數(shù)據(jù)網(wǎng)絡(luò)在住宅小區(qū)中成為精品網(wǎng)絡(luò)。 

　　圖4-3住宅小區(qū)人數(shù)爬取 

　　通過本次基于python的住宅小區(qū)數(shù)據(jù)分析，總共從下面的3張圖進(jìn)行分析。具體分析如下： 

　　圖4-4中主要反映了區(qū)縣住宅小區(qū)平均移網(wǎng)覆蓋情況（信號(hào)強(qiáng)度），平均每個(gè)住宅小區(qū)日均人數(shù)，用戶感知速率的關(guān)系，可以看出在RSRP為（-89dBm，-94dBm）間，用戶感知速率與覆蓋情況關(guān)聯(lián)不大，與在網(wǎng)用戶數(shù)關(guān)聯(lián)關(guān)系更大，用戶越多，用戶感知速率越低。 

　　圖4-5反映了區(qū)縣網(wǎng)絡(luò)忙時(shí)資源利用率與日均網(wǎng)絡(luò)資源利用率的情況，分析數(shù)據(jù)發(fā)現(xiàn)，如果日均網(wǎng)絡(luò)資源利用率過了60%，那么忙時(shí)網(wǎng)絡(luò)資源利用率一般就過了100%。旗縣3，旗縣1，旗縣4網(wǎng)絡(luò)資源利用率較高，日均資源利用率超過了70%，通過與圖4-4縱向比較，發(fā)現(xiàn)該區(qū)域用戶感知速率排名后三，所以需要對上述區(qū)域進(jìn)行網(wǎng)絡(luò)擴(kuò)容，由此才能帶來用戶感知速率提升。 

　　分析圖4-6發(fā)現(xiàn)，住宅小區(qū)區(qū)縣日均使用流量與區(qū)縣用戶人數(shù)成正比，排名相同。 

　　但是我們將維度換成區(qū)縣每個(gè)住宅小區(qū)日均流量使用量排名后發(fā)現(xiàn)，旗縣3、旗縣4、旗縣2排名靠前，說明這些旗縣小區(qū)網(wǎng)絡(luò)投資回報(bào)率較高，然后我們與區(qū)縣每個(gè)住宅小區(qū)人數(shù)做對比后發(fā)現(xiàn)，只有旗縣1波動(dòng)較大，其他排名基本沒有變化，流量與人數(shù)基本成正比，旗縣1區(qū)住宅小區(qū)平均用戶數(shù)第一，但旗縣1住宅小區(qū)流量使用量僅排名第4，可發(fā)現(xiàn)旗縣1平均到每個(gè)小區(qū)，每個(gè)小區(qū)平均價(jià)值并不高，還有提升的空間，建議市場積極對旗縣1住宅小區(qū)加大營銷，提高住宅小區(qū)價(jià)值量。 

　　我們又分析了各個(gè)區(qū)縣每個(gè)小區(qū)人均流量使用情況，發(fā)現(xiàn)旗縣5、旗縣6、旗縣4排名靠前，旗縣7、旗縣3、旗縣1排名靠后。造成這樣的原因可能有以下幾種： 

　　（1）用戶上網(wǎng)習(xí)慣的不同造成此種結(jié)果。可能旗縣5用戶更愛用LTE網(wǎng)絡(luò)上網(wǎng)。 

　　（2）融合套餐（手機(jī)+寬帶）發(fā)展不均衡的影響。 

　　（3）用戶使用LTE網(wǎng)絡(luò)感知速率好，其中旗縣5用戶感知速率最高，人均也使用最高。 

　　    綜上所述，在大數(shù)據(jù)與人工智能時(shí)代，移動(dòng)網(wǎng)絡(luò)優(yōu)化的自動(dòng)化分析將是每個(gè)移動(dòng)網(wǎng)絡(luò)優(yōu)化人員必備的技能，將復(fù)雜龐大的網(wǎng)絡(luò)維護(hù)做成簡單的網(wǎng)絡(luò)維護(hù)是我們一直努力的方向，此次自動(dòng)化分析將原來網(wǎng)優(yōu)人員每天30分鐘的工作量在2分鐘內(nèi)完成，極大的提升了工作效率，節(jié)省了公司的人力資源，同時(shí)通過大數(shù)據(jù)分析，尋找移動(dòng)網(wǎng)絡(luò)問題點(diǎn)，發(fā)現(xiàn)網(wǎng)絡(luò)薄弱環(huán)節(jié)，助力市場發(fā)展及精準(zhǔn)營銷有很大的輔助作用。最后希望網(wǎng)絡(luò)優(yōu)化在python的加持下朝著自動(dòng)化與智能化方向發(fā)展。 

　　參考文獻(xiàn): 

　　[1] 第44次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告.工信部 

　　[2]張俊紅.python數(shù)據(jù)分析.北京.電子工業(yè)出版社，2019.2