发明实施例的校验网络性能统计数据的装置各模块之间配合实现检验 的示意图。
【具体实施方式】
[0045] 为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具 体实施例进行详细描述。
[0046] 本发明针对现有技术中无法发现现网随机产生的数据准确性，且在某些数据环节 中，由于不同厂家、版本统计数据的无线设备的实现算法方面存在差异，没有一种同一方法 将多个厂家及版本统计数据并存来检验性能数据的准确性W及缺乏性能统计数据波动趋 势的长期监测分析的问题，提供一种校验网络性能统计数据的方法及装置，根据预先建立 的映射关系将获取到同一类性能指标的原始性能统计数据映射成相应的映射结果，再将获 取到的网络性能统计数据与生成的映射结果进行对比，校验两者是否一致，从而得知数据 的准确性，送样就可W利用同一类性能指标的多数据源来评估性能指标的准确性。
[0047] 如图1至图3所示，本发明实施例的校验网络性能统计数据的方法中，包括：
[004引步骤101，在预设时间粒度内获取网络性能统计数据；
[0049] 其中所述预设时间粒度可W是15分钟或者30分钟，可W根据用户需求进行确定， 其他任何时间粒度均属于本发明的保护范围。
[0050] 步骤102,获取预先存储的多类原始性能统计数据中的同一类性能指标的原始性 能统计数据，并根据预先建立的原始网络性能统计数据与校验算法的映射关系，将获取的 同一类性能指标的所述原始网络性能统计数据映射成相应的映射结果；
[0051] 其中所述多类原始性能统计数据是对各数据环节的海量数据，按照不同时间粒 度、网元粒度分类存储。
[0052] 其中所述映射关系包括一对一、一对多、多对一及多对多等映射关系，具体的映射 结果根据用户所需进行设定。
[0053] 步骤103,校验获取的所述网络性能统计数据与所述映射结果是否一致。
[0054] 根据预先建立的映射关系将步骤102获取到同一类性能指标的原始性能统计数 据映射成相应的映射结果，再经过步骤103将步骤101获取到的网络性能统计数据与步骤 102生成的映射结果进行对比，校验两者是否一致，从而得知数据的准确性，送样就可W利 用同一类性能指标的多数据源来评估性能指标的准确性。
[0055] 为了防止一直不间断的效验会浪费资源来减少资源消耗，，因此本发明实施例的 校验网络性能统计数据的方法中，步骤103之前，还包括：
[0056] 步骤11，将在所述预设时间粒度内获取到的所述网络性能统计数据进行当前时刻 的可信度评估分析，得到一评估结果；
[0057] 其中所述预设时间粒度可W是15分钟或者30分钟，可W根据用户需求进行确定， 也可W根据所需要的评估结果精度来确定，其他任何时间粒度均属于本发明的保护范围。
[0058] 步骤12,在所述评估结果为异常的网络性能指标，则触发所述网络性能统计数据 与所述映射结果进行校验；
[0059] 其中，所述网络性能指标包括但不限于无线接通率、无线接通率，无线掉线率，切 换成功率，吞吐量，下行平均时延，寻呼拥塞率，无线利用率，E-RAB(RadiC) Access Bearer 的简称，无线接入承载掉线率），上行业务信息PRB (physical resource block的简称，物理 资源块），占用率及下行业务信息PRB占用率等。
[0060] 在预设时间粒度内将采样点进行评估，在评估结果为异常的网络性能指标时，触 发校验，送样就可W减少了不间断校验的资源的浪费。
[0061] 具体的，如图2所示，本发明的又一实施例的校验网络性能统计数据的方法中，步 骤11的步骤包括：
[0062] 步骤201，将所述网络性能统计数据进行统计，得到所述网络性能统计数据的波动 情况；
[0063] 其中所述统计可W是概率统计等运算方法，本发明实施例可W是采取标准正态分 布密度函数公式的计算方法，基于可信度评估的算法，进行性能统计数据的波动趋势的监 测。
[0064] 步骤202,在所述波动情况大于预设范围时，则得到所述评估结果为异常的所述网 络性能指标；
[0065] 步骤203,在所述波动情况处于所述预设范围内，则得到所述评估结果为正常的所 述网络性能指标。
[0066] 其中所述预设范围可W根据需要的评估精度进行设定确认，本发明的取值预设范 围为]，其他任何能够得到评估结果的预设范围均属于本发明的保护范围。
[0067] 长期监测性能指标的变化趋势是保障准确性的重要手段之一，针对某一项指标， 利用历史数据取较细时间粒度的一组值，建立可信度评估分析，然后对各当前时刻进行评 估分析，判断当前性能指标波动情况，从而实现送一项指标的波动监测。
[006引本发明的具体实施例的性能指标趋势波动的监测流程的举例如下。
[0069] 当网络性能指标为无线接通率指标时，针对指标"无线接通率"的监测，取时间粒 度为15分钟，每隔15分钟生成一次无线接通率取值作为采样点X，连续取若干15分钟的 值形成一组数据，记为X= 1x1，…，xn}。若计算当前时刻无线接通率取值X的分布概 率，来得到所述性能统计数据的波动情况，计算公式为：
[0071] 其中，X是当前无线接通率取值，f (X)是X的分布概率，6为X = 1x1，x2，…，xn} 的方差，H为X= {xl，x2，的期望。
[0072] W此分布概率确定出X的取值点上在允许波动范围内的可信度。无线接通率的允 许波动范围一般设置为[-1%，1% ]。当在某一 15分钟时间点上可信度所述性能统计数据 的波动情况超出可信的[-1 %，1 % ]波动范围，说明在送一 15分钟性能统计数据波动较大， 则得到的评估结果为无线接通率指标出现异常，需要取各环节校验结果进行分析。
[0073] 在所述性能统计数据的波动情况处于可信的]波动范围内，则得到的 评估结果为无线接通率指标出现正常。
[0074] 如图3所示，对于原始统计数据的来源具有多种，因此本发明实施例的校验网络 性能统计数据的方法中，所述多类原始统计数据至少包括：信令统计数据、路测统计数据、 设备网管统计数据W及北向接口统计数据中的任意一种或多种。
[00巧]当然W上所述多类原始统计数据并不限于四类，还有话务网管统计数据，还可W 有其他可扩展数据源统计数据，如OMC数据。
[0076] 其中所述信令统计数据在基站与各接口上挂表（信令仪表）抓取信令，统计出性 能数据后，从接口信令获取的；所述路测统计数据通过路测软件及终端，测试获得的性能统 计数据后，从路测设备获取的；所述设备网管统计数据在OMC上查询，从厂家网管获取的； 所述北向接口统计数据从北向接口服务器上获取的W及所述话务网管统计数据从上层话 务网管获取的，还有其他数据源统计数据：如拨测，信令集采平台等，均属于本发明的保护 范围，在此不一一举例。
[0077] 路测数据属于外挂的数据，不属于如图3所示的数据流中的数据，图3中校验算法 映射是送一部分的核必部分，能够定义不同数据源之间的映射关系，并且其他增加可扩展 数据源统计数据环节校验。其中，圆形表示数据进程。单线圆表示单进程数据，同时只与一 个数据源校验数据；双线圆表示多进程数据，同时会与多个数据源校验数据。