用户感知满意度

2024-07-17

用户感知满意度（精选7篇）

用户感知满意度第1篇

关键词：用户感知,满意度,层次分析法,熵权法,指标相关性

一、引言

国外开展顾客满意度测评的时间较早, Maryam Alavi, Dorothy E.Leidner (2000) 从校园网能够促进学习这个方面进行研究, 内容涉及学术指导, 心理引导和学习内容的丰富。国内对校园网满意度的研究也紧跟其后, 崔卫 (2001) 详细分析了影响校园网信息利用的几个因素 (使用方法, 使用速度和可承受费用) , 这几个因素同时也是影响顾客满意度的关键因素, 为建立具有本地特色的量表和问卷提供帮助。

虽然国内在量表和问卷设计方面做到了本地化, 但是国内在影响大学校园网顾客 (用户) 满意度的因素设定方面没有形成比较统一的认识;而且数据分析很少提高到模型的层次, 而是停留在比较表面的统计分析, 这样虽然也可以对管理人员起到参考的作用, 但是对于大学校园网顾客 (用户) 满意度影响因素深层次原因的认识和分析显得不够, 所以建立一个测量指标基本统一, 可以为国内校园提供应用和参考价值的校园网络顾客 (用户) 满意度模型显得十分必要。

我们的目的在于建立一个实用的大学校园网顾客满意度评价模型, 利用数学的方法处理量化后的指标, 得到顾客 (用户) 对校园网的满意度, 从而完全反映终端用户感受, 为运营商提供优化校园网的依据。

二、理论分析

1.QoE理论支撑

QoE (Quality of Experience) 是指用户对设备, 网络和系统, 应用或业务的质量和性能 (包括有效性和可用性等方面) 的综合主观感受, 也就是从业务应用的舒适度来定义的。通过QoE评分运营商可以将用户对于视频业务质量和性能综合评价, 优化网络。对于用户而言, 其感知基本包括三个部分:一是终端, 二是终端以外的端到端的业务的性能指标KQI (业务质量关键指标) , 以及网络的性能指标KPI, 三是用户个体主管感受 (严格来讲, 用户体验包含用户感知和主观体验, 本文只讨论用户感知) 。

2.顾客满意度理论

顾客满意指数模型启示我们顾客满意指数有多个因素, 它们相互联系, 组成一个整体, 我们应该把整体结构变成数学模型, 这样导入测评数据后就能计算出顾客满意度指数了。

该模型由6个因素组成, 顾客满意度是目标变量;质量预期、感知质量和感知价值是满意度的原因变量;顾客抱怨和顾客忠诚则是顾客满意度的结果变量。

三、模型的建立

1.基于AHP的校园网网络评价体系的建立

(1) 校园网络用户满意度的影响因素递阶层次结构。

用户对校园网络满意度的递阶层次结构如下:

(2) 校园网络各层次因素间的判断矩阵构造。

以最高层为例, 主要针对调查问卷的结果, 应用统计分析方法及决策者的生活经验, 对各因素间的相互重要程度做出判断。根据调查与定性分析发现, 校园网络环境对校园网络服务的重要度为3, 对校园网络管理的重要度为6, 校园网络服务对校园网络管理的重要度为5, 对角线为自身与自身相比重要度为1, 倒数1/3表示校园网络服务对校园网络环境的重要程度为1/3, 其他的倒数类同, 从而最高层校园网络用户满意度的对比较矩阵如下:

undefined

同理可得第三层对第二层的成对比较矩阵如下:

①网络速度、网络安全和网络稳定三个因素对校园网络环境的重要性判断矩阵:

②网络应用和资源提供对校园网络服务的重要性判断矩阵:

③用户事务、日常管理、网络故障维护和设备管理对校园网络管理的重要性判断矩阵:

undefined

(3) 层次单排序。

求解上述重要性判断矩阵的最大特征值λmax及其特征向量v, 经标准化后即为同一层各因素对于上一层因素相对重要性的排序权值, 从而得到每层的权向量ωi此过程即为层次单排序。对上述得到的重要性判断矩阵undefined、undefined1、undefined2和undefined3, 设它们对应的最大特征值为λi (i=0, 1, 2, 3) , 标准化最大特征值对应的特征向量得到排序权向量ῶi (i=0, 1, 2, 3) :

(4) 层次总排序。

上面得到的是每一层校园网络影响因素对其上一层中某一影响因素的权值向量。我们最终要得到各影响因素, 特别是最低层中各因素对最高层的排序权值。总排序权值要自上而下地将单准则下的权重进行合成。

①网络速度B11、网络安全B12、网络稳定性B13的层次总排序权重分别为b11、b12、b13, 计算公式如下:

b1j=ῶ1j·ῶ01, j=1, 2, 3.

②网络应用B21、资源提供B22的层次总排序权重分别为b21、b22, 计算公式如下:

b2j=ῶ2j·ῶ02, j=1, 2.

③用户事务B31、日常管理B32、网络故障维护B33、设备管理B34的层次总排序权重分别为b31、b32、b33、b34, 计算公式如下:

b3j=ῶ3j·ῶ03, j=1, 2, 3, 4.

从而, 得到第三层的层次总排序权值分别为:

2.基于指标相关性 (CRITIC) 的四级指标权重确定方法

针对本文对四级指标权重的确定这个部分, 由于指标间不完全独立性和具有不同程度的冲突性, 我们选择基于指标相关性的指标权重确定方法, 这个方法能够比较客观地反映指标权重。

具体操作分为4步:

(1) 在仅考虑单个指标的变化程度下利用熵权法计算第i指标的权重;

(2) 利用Pearson的积矩相关计算方法计算i指标和其他指标间的相关系数;

(3) 基于相关系数计算第i个指标与其余指标间的冲突性;

(4) 第i个指标最终权重的确定。

3.实例分析

针对我们的问题在青岛两所高校进行问卷调查, A高校共收回有效问卷983份, 即n1=983;B高校共收回有效问卷715份, 即n2=715, 调查问卷中第四级共有28个, 即m=28, 从而形成一个由m=28个校园网络综合评价指标构成的指标体系通过n个调查对象来评价校园网络满意度的问题, 应用论文中前三层的层次分析法及基于指标相关性的第四级指标权重确定方法, 得到这28个校园网络感官指标的相对权重比例, 如图3。同时, 可以得到此次调查的结果转化为满意度分别等于0.2250, 0.2237, 可见A高校校园满意度优于B高校。

四、结论

网络是信息时代人们获取知识的重要媒介, 而校园网络在学校的日常运行、教学和科研中扮演着重要的角色。但是因为种种原因, 校园网络还存在着一些不足, 这些因素的存在直接影响了学校学生和教工对校园网的满意度, 进而影响了他们使用校园网的意愿, 从而间接地影响了学生学习知识和教工进行科研的效率, 影响了学校的发展。对校园网络顾客进行满意度调查与研究, 能够找出那些影响用户使用校园网的因素, 可以让相关管理人员和部门明晰现有校园网络的优势和不足, 进一步明确消费者需求, 增强促进消费者使用的因素, 改善阻碍因素, 更好地为学校的师生服务。

参考文献

[1]裴飞, 汤万金, 咸奎桐.顾客满意研究与应用综述[J].世界标准化与质量管理, 2006, (4) :4

探究如何建立用户体验服务感知体系第2篇

关键词：用户体验,服务,方法

用户体验一词最初由美国的心理学家、工业设计师唐纳德·诺曼 (Donald Norman) 提出和并加以推广, 是消费人群在使用某一产品或服务时的感受和心得体会, 这种感受带有很强的主观意识。由于企业的产品最终面向的是消费者, 所以他们使用产品后的感受和心得体会如果能及时反馈给企业, 对企业的发展具有重要意义, 企业由此也能带给消费者更多更好的产品, 为消费者创造更舒适更良好的产品体验。

用户体验逐渐成为企业核心竞争力, 好的用户体验对产品形象的塑造可起到积极作用, 能够让产品与用户更近距离的接触, 以此传递企业的文化和产品的价值以及新产品的理念。用户体验产品的积极性高, 则能与企业更好的互动, 企业就可以更全面的收集用户信息, 用于新产品的设计和改进, 这样就能给企业带来更多生机, 带动企业的发展。许多大型企业已经意识到了这一点并付诸实际行动。例如, 如通讯运营商已经将提升用户体验作为企业发展的战略方向;百度公司成立了大UE部门, 负责绝大部分产品的用户体验设计与研究;将体验部的成果融合进产品规划、设计和运营等实施工作;京东努力打造信息化支撑的体验服务;腾讯已经建立了比较完善的客户体验体系。国外企业, 例如苹果公司发行的IPOD也是一个很好的实例, 它是苹果公司的一个奇迹。IPOD的成功源于用户体验, 将用户的体验信息融入产品设计, 以人为本, 使用户能够轻松的使用和享用产品带来的乐趣, 也就是这一产品拯救了苹果公司。

在与消费者相接触的产品体验, 品牌体验, 服务体验, 渠道体验等各类用户体验中最关键、最核心的还是服务体验, 它处于各部门的核心, 是产品上市后企业与消费者直接接触的触点, 收集客户对产品的反馈意见, 对各部门工作的效果提出反馈建议。通过服务体验可以使企业由被动转为主动, 通过主动测量客户服务体验, 并结合一些后台操作数据, 及时发现服务隐患、提早解决问题。

本文目的是探讨企业如何建立用户体验的服务感知体系, 主要从服务体验的应用及价值、开展服务体验工作的方法步骤等方面进行阐述, 以帮助中国电信更好的获得用户体验尤其是服务的具体信息, 希望对提升企业新产品的设计和开发方面有所帮助。

首先, 建立用户体验服务感知体系要求企业对用户体验的价值有一个深刻的认识。企业要充分意识到服务体验给企业带来的效益, 其价值主要体现在: (1) 减少无效投入, 增加投资回报。有效的服务体验可减少产品开发中的无效投入, 节省企业开支, 以用于开发更多更好的项目;良好体验的示范效应还能降低业务运行维护费用;同时还能减少客服人员的支撑, 以实现减员增效的目标。 (2) 探索外部世界的触角, 向客户传递多方面价值。服务体验是借助一定的载体传递的, 当这些载体呈现在客户面前时, 客户心中就会反射出好的或不好的体验, 来反馈服务体验的价值。这些价值主要体现在收集用户对产品的反馈意见、宣传企业品牌形象、监督检查服务质量、提升服务渠道的活力。见图1。 (3) 能够提高企业内部之间协同工作的品质。服务体验可以作为衡量企业工作质量的标准, 在监测产品研发和使用情况的事前、事中和事后各个阶段, 通过服务体验对实际工作开展动态实时监督;服务体验反馈也比自我评价设定了更高的目标, 许多公司自认为自己为客户提供了极好的体验服务, 但一项调查显示, 只有极少数的顾客用“极佳”来形容自己的体验。所以, 企业要实事求是;通过服务体验带动企业团队整体协同工作, 只有各个部门的工作都达到良好的客户体验, 最终才能使产品的用户体验近乎完美。 (4) 良好的服务体验有助于降低客户流失的风险。调查显示, 只有1%的客户会采取投诉的方式表达自己对产品的不满, 多数客户保持沉默, 但不会再次购买此产品, 这就意味着企业公司将流失掉这部分客户。

建立用户体验服务感知体系需要建立完整的服务体验工作体系, 图2就展现了这个体系的基本流程。

1. 确定体验触点

(1) 根据已有的信息, 通过经验预判, 在所有体验触点中, 选择合适触点开展体验。通过用户投诉或申诉的问题、用户的反馈意见、网络舆论情况、日常体验工作等方式获得信息;专业人员通过产品服务质量、产品投入市场的表现、网络状况、营销方案的设计、舆论对品牌的感知度等信息预测并判断可能的触点;将业务需求点与服务需求点相结合作为体验触点;将可直接测量的客观指标与通过问卷测量的主观感知指标作为体验指标。 (2) 参考三方面成果形成完整触点, 以行业通用指标、集团服务考核要点、业务基地服务人员的需求反馈为切入点, 将三个方面的成果结合, 确定体验触点, 如图3。 (3) 形成完整的体验触点集合。体验触点是在业务流程中的不同接触点上所表现出的服务需求, 可根据体验需求的实际情况, 优先选择重要体验点。

2. 体验策划执行

用户体验按照工作顺序来分有多种。有的可以探索客户需求, 有的适合发现自身问题, 有的利于督促改进工作, 还有的能够客观评估工作效果。因此, 体验大致可以分成四类 (如图4) , 这四类可协同开展, 就形成了用户需求、服务检测和企业工作改进的良性循环。

根据不同的工作问题选择不同的体验方法。探索体验用于体验服务上线之前, 工作改进之后, 这需要企业深入了解客户行为、其行为背后的原因、挖掘客户使用动机、了解用户的期望, 最后揭示用户心里诉求;比对体验用于体验服务上线之前, 定位服务问题、比较不同服务举措之间的优劣, 最后选择最优的服务组合;验证体验用于服务上线过程中, 问题的还原, 包括服务规范执行情况、评价服务质量的一致性、现场服务检查、检测服务的表现、还原问题发生的场景;评估体验适用于服务上线之中, 发现问题并将问题分级, 它通过找到重要客户感知点、测量客户感知、确定客户感知标准、发现问题最后将问题分级。

不同的体验分类下都有适合其开展体验方法, 各自以体验指标的获取方式来决定体验方法, 图5就反映出了体验方法的选择。

不管是何种体验类型, 都可借助互联网进行, 基于互联网的体验将成为主流。例如:以往只能在实验室中利用专用设备开展的眼动测试体验项目, 现在也能够在互联网上利用网络摄象头和相关软件开展测试了。随着新媒体如易信、QQ、微信等通讯工具的不断普及, 对典型目标消费者进行服务使用感知的访谈, 采用记录文字或录制视频开展访谈, 也呈不断上升的趋势。利用互联网开展体验活动具有的五大优势:多———可获得的样本多, 可同时开展多项体验互动;快———效率高, 活动执行周期短;好———结果更为准确, 用户主动参与, 更积极热情;省———随时随地, 省时省力省空间;真———实时, 在真实环境下。如探索体验可采用焦点小组访谈的形式进行, 这种在线焦点小组访谈方式是互联网模式下的主流模式;比对体验适用于任务走查、专家评审、AB测试等方式, 眼动仪和嵌入式测量软件常作为比对体验的测量工具, 在线开展比对活动, 在后台记录体验数据;验证体验适用于状态拨测、神秘顾客等方式, 在线提交多媒体证据, 有利于重现用户对服务的不满意感知, 能够尽快解决问题;评估体验适用于问卷调查的方式, 根据用户体验结果, 尽快完成数据采集, 手机调查是较为快速的数据采集方法。

而各种体验方法在具体实施中也都有很多细节来控制体验实施质量。以常用问卷, 任务走查和焦点小组为例, 各体验方法的实施时要注意如下方面。对于问卷而言, 主要是要严格控制问卷效度和信度, 比如:每台电脑或手机只能答一次、每个IP只能答一次、设置两题逻辑有矛盾的题目作为可信性筛选和答题时间过短且所有答题选项一致作为有效性筛选等方面。对于焦点小组而言, 由于其参与人数一般控制在6-12人, 因此需控制抽样误差、降低取悦行为偏差, 并且焦点小组主任应积极建立信任关系、合理安排发言顺序、引导被访者充分思考、挖掘被访者的潜意识。对于任务走查而言, 该办法一般依据主观判断制定用户任务, 应注意避免主观错误, 并且可结合用户观察法一起实施。

3. 体验结果诊断

体验结果对后续工作有几个方面的作用, 即发现问题, 确定结果是否达到标准水平;判断问题的严重性, 为整体提高用户感知, 改进工作提供方向;建立问题分级标准, 将不同的问题分级, 决定后期的工作计划;对需要补救改进的问题设立后评估环节, 初步形成反馈机制有效保证工作质量;将后评估的体验结果纳入改进工作验收的标准中, 建立一个完整的体验工作流程 (图6) 。

最后, 通过以上各环节的努力, 企业内部充分重视客户体验工作, 由被动解决向主动体验进行转变, 建立完善的用户体验服务感知体系, 形成高效的体验工作机制, 强化服务体验在企业中的积极作用, 进而不断增强中国电信的竞争优势。

参考文献

[1]Mike Kuniavsky.用户体验面面观——方法、工具与实践.清华大学出版社, 2010.

[2]欧阳波, 贺赞.用户研究和用户体验设计.江苏大学学报 (自然科学版) .2006 (05) .

[3]罗仕鉴, 朱上上.用户体验与产品创新设计[M].机械工业出版社, 2010.

浅谈邻区配置对用户感知的影响第3篇

现在我们的网络越来越复杂, GSM900和GSM1800共站, 2G和3G共站, 共站后其邻区关系设置涉及的方面更广, GSM900、GSM1800、3G之间的切换越来越多, 邻区配置和参数配置的不合理或者不正确, 影响切换率的同时更严重影响用户感知度。

1 邻区配置的原则

(1) 地理位置上直接相邻的小区一般要作为邻区; (2) 邻区一般都要求互为邻区, 即A扇区载频把B作为邻区, B也要把A作为邻区;在一些特殊场合, 可能要求配置单向邻区, 如当某些区域的基站采用频率为f1、f2配置, 周围其它区域的基站为单载频f1配置时, 此时可能只需要从f2到f1的单向邻区关系。 (3) 对于密集市区和市区, 由于站间距比较近 (0.5~1.5公里) , 邻区应该多做。在配置相邻导频时, 需注意相邻导频的个数, 把确实存在相邻关系的配进来, 不相干的一定要去掉, 以免占用了相邻集中名额, 把真正的相邻导频挤在手机相邻集外面而形成干扰。同时, 太多的邻区配置会影响手机对导频的搜索时间和精度。因此, 实际网络中, 既要求配置必要的邻区, 又要避免过多的邻区。 (4) 对于市郊和郊县的基站, 虽然站间距很大, 但一定要把位置上相邻的作为邻区, 保证能够及时切换, 避免掉话。 (5) 邻区要区分优先级, 不论是软切换/更软切换/硬切换, 都把更容易发生切换的邻区的优先级设置为高, 依此类推。否则手机不能及时搜索到最强的信号而无法切换, 容易发生掉话。

2 GSM900/1800双频网络邻区配置

在话务高密度区GSM900/1800的双频网络中GSM900和GSM1800基站一般采用同站址建设:当GSM900站距较近, 两网基站各自形成连续覆盖, 在这种情况下GSM900/1800将形成连续的双层网络结构;但在GSM900基站站距较远或相隔多个基站建设时, 由于GSM1800覆盖半径小于GSM900, 网络结构将类似孤岛 (或同心圆) , 在孤岛的内圆与外圆之间地域会形成较多的切换, GSM1800基站将因覆盖半径小而导致切换频繁, 掉话问题较为严重。

在进行GSM900/1800双频网络优化时, 通常对GSM1800小区进行分类处理, 根据基站分布和小区覆盖情况, 可以将现有网络中GSM1800小区分为A、B、C三类。A类:孤岛小区, GSM1800与GSM1800基站之间相隔较远, GSM900小区切向GSM1800较为困难, 而GSM1800小区切向GSM900相对而言较为容易。B类:连续覆盖小区, GSM1800与GSM1800基站之间相隔较近, 并且能形成连续覆盖, GSM900或GSM1800相互切换较为困难, 而GSM900或GSM1800同层之间切换较为容易。C类:连续覆盖的边缘小区, 这些小区处在GSM900与GSM1800双层网络边缘, 边缘非同站GSM900小区切向GSM1800较为困难, 而GSM1800同层网或切换到边缘非同站GSM900小区相对而言较为容易。

(1) MS开机时:由CBQ (即cell_bar_qualify) 来控制, 由于GSM900层有良好的覆盖, GSM900层的小区CBQ=0, 而1800层A类和C类的小区CBQ=1, B类的小区CBQ=0。 (2) Idle Mode:通过设置CRO (即cell_reselect_offset) 使手机较多停留在1800层, GSM900层的小区CRO=0, A类和C类的小区CBO=5, B类的小区CRO=10;但对于容量配置比较小的1800基站, 为了不产生太多的拥塞, CRO不宜设置过大。 (3) 通话状态下:可以设定频段优先级或不同的切换算法来控制话务流量。然后考虑使用PBGT等不同切换算法来控制双频网的话务流向。

3 2/3G邻区配置注意事项

WCDMA网络开通向GSM进行重选和切换的功能后, 需要通过正确配置邻接小区, 实现UE选择目标小区, 顺利完成重选或切换操作。 (1) 2G邻区原则上配置不少于3个----即要避免邻区过少造成切换或重选困难, 又要避免过多的邻区造成UE测量性能下降。 (2) 宏小区应当将共站点的GSM宏小区全部互配为邻区, 并优选临近1~2个宏小区互配邻区。邻区不得有同频同色码。 (3) 室内覆盖及微小区, 应当将同覆盖的GSM室内小区互配为邻区。 (4) 对于已经配置完成的3G小区, 需要检查其2G邻接小区列表中有无同频点的情况。如有, 3G宏小区, 应当将GSM同频邻区一律删除;3G微小区, 应当将GSM同频同色码邻区一律删除。并重新合理配置邻区。 (5) 后续的优化过程中, 对切换成功率较低的3G小区, 首先检查门限和迟滞时间, 再适当降低切换触发门限或增加调整GSM邻区。还需要检查其GSM邻区附近有无同BCCH或TCH的其他GSM小区, 如有也需要规避, 并视2G覆盖情况删除该邻区。 (6) 2/3G邻区表中邻区顺序号不能有重复项, 若有则修改为不同值, 注意值需要小于31。对于新增的2/3G邻区顺序号, 从界面上添加会自动分配一个和已配置的数据不同的值, 不会冲突。通过导入EXCEL的方式, 清空这一列, 也会自动生成不冲突的值。

综述, 邻区配置虽然不是KPI指标所考核的内容, 但是由于邻区配置不合理造成用户通话过程中的干扰和掉话, 成为用户感知网络的不利因素, 在集团公司注重对用户感知度进行考核的背景下, 在用户对网络的要求越来越完美的情况下, 做好邻区配置规划和优化工作显得尤为重要了。

4 结语

邻区配置不合理造成用户通话过程中的干扰和掉话, 成为用户感知网络的不利因素, 在集团公司注重对用户感知度进行考核的背景下, 在用户对网络的要求越来越完美的情况下, 做好邻区配置规划和优化工作显得尤为重要。3G室内分布系统的关键是根据建筑内的话务构成、建筑的结构、建筑外的无线环境以及具体的工程可实施性等进行规划设计。在设计过程中不仅要考虑到覆盖、容量、成本、安全等问题, 还要考虑市场的发展和多网的兼容问题, 这样才能用最小的投资建设最好的网络, 从而换来最大的收益。在工程建成后, 还需要根据实际网络情况和业务的发展不断进行优化, 最终为用户提供高质量的移动业务。

摘要：本文主要是介绍室内分布系统和室外宏站频点规划, 邻区关系添加的不合理影响用户的感知。在网络建设和网络优化中如何做好这方面的工作提出一些注意事项。

关键词：掉话,邻区配置,参数设置

参考文献

[1]韩斌杰.《GSM原理及其网络优化》.机械工业出版社,

[2]胡捍英, 杨峰义.《第三代移动通信系统》.人民邮电出版社,

用户感知满意度第4篇

1 用户感知体系综述

1.1概念简述

用户感知是指用户实际感受到供应商提供产品和服务与达到用户期望得到产品和服务间的差距。是指用户对业务服务质量的一种感估。

用户感知主要是一个主观的概念。不同用户、不同终端、不同业务、不同地点, 不同网络制式接入都是影响用户感知的因素, 这样就使得用户感知的分析和评价工作比较复杂。移动通信中的用户感知是指终端用户对移动网络提供的业务在主观感受上的综合满意程度。它表示了终端用户对业务和网络的体验和感受, 反映了当前业务和网络的质量与用户期望之间的差异。

1.2用户感知体系发展现状

传统的网络优化方法主要包括基于网管指标的网络优化, 基于路测指标的网络优化。其中路测指标主要是通过DT (dimensiontest) 测试、CQT (Call Quality Test) 测试获得, 其特点是从终端侧收集数据, 主要用于检测网络运行质量, 反映测试路线上的网络情况。网络指标主要为网管KPI, 其获取方式是网管数据、告警数据、用户投诉数据等, 该指标的特点是从网络侧收集数据, 主要用于反映网络运行质量, 统计不同范围的网络情况。从用户感知出发的Qo E->KQI->KPI映射分解, 以此对网元的KPI统计进行优化, 强化关联KPI设计, 使其贴合用户感知。在传统的评估模型建立过程中, 主要是通过对信令数据、路测数据等网络数据进行分析, 从而获得各关键指标, 虽然能够反映网络侧因素对用户体验质量的影响, 但是不同的用户群体对每种业务都会有不同的体验要求, 该模型不能直观、全面地反映用户的主观感受, 并且整个用户体验质量评估工作不够智能化, 自动化。目前提出了改进型用户感知体系模型, 加入了用户反馈, 如图1所示。

改进型用户体验质量评估模型主要根据影响用户体验质量的技术因素和非技术因素, 将Qo E分为两个层面进行评估而建立的。考虑到了用户投诉对Qo E的影响, 提高的Qo E指标的可靠性。

但是实际情况中, 数据参数的复杂、庞大, 以及用户感知体系各层变量及权值的确立多变、繁琐, 往往会浪费大量人力财力。神经网络算法的巨量并行性、自组织学习记忆能力等特点使其在简化用户感知体系诸多方案中显得尤为突出。

2 神经网络算法介绍及引入

基于神经网络的用户感知研究现状:

目前的研究中, 神经网络算法被用于改变KPI-Qo E的映射关系, 运用人工神经网络理论, 可以将复杂的映射模型简化。一个人工神经网络包括输入层、输出层和隐含层, 隐含层在输入层和输出层之间, 对使用者是不可见的, 结构如图2所示。

输入层到隐含层, 隐含层到输出层的每一条连线都代表一个权重值, 在设计人工神经网络时首先就要确定隐含层节点的个数和权重值的限制, 而权重值的调整是人工神经网络本身要完成的工作。利用BP神经网络算法进行对改进型用户感知体系的建模仿真, 通过样本数据对神经网络进行学习训练, 使其仿真的Qo E数据误差曲线收敛, 录入样本数据能得到期望输出。从而确认完成了KPI到用户感知Qo E的映射结构, 大大简化了用户感知体系的映射关系。下面是基于BP神经网络设计出一种用户感知建模方法, 如图3所示。

该模型主要分为调整和测试两条主线:调整主线是根据样本, 反复调整权值使其达到误差要求;测试主线是在权值确定后, 用样本对模型进行测试, 看是否能够到达要求。该模型的工作过程分为两个阶段, 循环交替。在学习阶段, 通过样本对权值进行调整, 达到误差要求;在工作阶段, 权值是不发生改变的, 输入层的值就可以得出输出。该模型通过模拟大量类似于神经元的抽象形式的互连简单处理单元而运行。

训练完成后, 取出样本中的输入层节点数值.录入训练好的BP神经网络进行验证。使训练后输出与期望输出基本一致。即认为训练后的神经网络能够作为从KPI到用户感知度的映射。

通过上述两模型可以看出, 改进型用户感知体系运用神经网络算法重新改变了用户感知体系的映射关系, 由原有的KPI-KQI-Qo S-Qo E的映射关系层, 简化为了KPI-Qo E的直接映射。大大节省了用户感知体系构建中的人力、财力, 也使用户体验对网络层面KPI的影响作用更显著直接。

在网络的规划优化方式上, 随着LTE的逐步部署, 现网中多种网络制式并存, 使得通信参数已变得越来越复杂。传统的用户感知体系确立, 需要大量的人员来从事数据采集、处理和评估过程。同时, 巨量的网络参数及数据也几乎无法由人工来完成操作。因此, 面对数据量繁多、用户感知体系结构复杂的局面, 神经网络算法理论的引入显得应时应运。

3 结语

无线网络技术已从2G演进到3G, 并正以较快的速度进一步演进到LTE, 而传统的无线网络优化在目标、手段和技术等方面已经难以跟上无线网络技术演进的步伐。用户体验是多个因素互相综合作用的结果。现有的研究成果表明, 用户体验可以通过接近量化的方法来表达终端用户对业务与网络的体验和感受, 反映当前业务和网络的质量与用户期望之间的差距。未来的无线网络优化目标不再是仅仅提高网络质量, 而必然会指向更高层次的用户体验。可是落后的用户感知评估体系滞后了用户体验对网络质量的直接影响, 使得传统的Qo E体系不能完全真实的反映用户感知, 常常会出现网络的KPI情况很好, 但是从用户的真实感受来看, 网络的质量却不如人意。用户感知是用户对网络提供的业务性能的主观感受, 反映当前的业务和网络质量与用户期望间的差距, 而网络KPI反映的是网络提供用户通信机制的能力, 通常是网络层面的可监视可测量的重要客观性能的参数, 在某种意义上是可以优化的。因此, 运营商特别关注用户的体验质量 (Qo E) , 希望通过提高网络质量, 来提升用户尤其是价值用户的体验满意度。换言之, 解决目前现网普遍存在的网络KPI好, 用户反应差的状况, 是用户感知优化的必行之务。

参考文献

[1]李荣.浅析移动通信中的用户感知[J].电信快报, 2008 (5) .

[2]冯国玲, 徐旭东.用户感知评估体系的设计与实现[J].河北工业科技, 2009 (3) .

[3]金宏彬, 马智良.基于用户感知度的移动业务评估体系和方法的探讨[R].信息通信网技术业务发展研讨会, 2007.&

[4]王萍, 单超.神经网络在通信中的应用[J].现代电子技术, 2013 (13) .

[5]李校林, 金渝, 李雪松.高速率业务用户体验质量评估模型及KQI指标权重计算方法[J].计算机工程, 2013, 39 (2) .

感知无线电用户有效吞吐量的优化第5篇

传统的固定频谱分配方案降低了频谱利用率[1]。随着无线通信的迅速发展, 可分配的频谱资源越来越少, 而人们对传输速率的需求不断提高, 未来新的无线通信技术可能面临没有频段可用的局面[2]。

为此, 学术界提出了对某时、某地的空闲频谱可以进行二次使用的感知无线电技术, 通过机会频谱共享方式实现频谱的使用[3]。使用授权频段通信的用户称为授权用户, 或第一用户 (PU) , 它拥有频谱的绝对使用权。非授权用户, 又称为第二用户 (SU) , 以不影响PU的正常通信为前提, 可以选择空闲频段进行通信。通过对PU行为的监测, 就可以在不改变原PU的协议, 即不需要让PU知道SU存在的情况下, 与PU共享频谱且不干扰PU正常使用授权频段[4,5]。

IEEE 802.22 WRAN工作组的任务是对没有VHF/UHF频谱使用许可证的设备, 制定基于感知无线电的PHY和MAC层空中接口标准, 以使这些设备能够工作于VHF/UHF频段且不对电视广播业务产生干扰。在WRAN里, 每个MAC帧由一个感知时隙和一个数据传输时隙组成, 即周期性的谱感知。与谱感知有关的参数有两个:检测概率和虚警概率。检测概率越高, 则虚警概率越高, 这样第一用户的通信是得到了很好的保护, 但对于第二用户, 频谱的重复利用率降低, 导致整个感知网络的有效吞吐量减小。因此在感知能力和有效吞吐量之间存在一个基本的权衡的感知时间。

已有的研究中, 很少有涉及到感知时间的优化。本文即针对感知时间的优化问题, 在感知能力和吞吐量之间找到一个很好平衡。

1 基于能量检测的频谱感知

1.1 信道感知模型

为了避免对主用户产生干扰, 感知无线电需要检测出可用的频谱资源。频谱检测过程可视为一个二元假设检验问题。当第一用户出现的时候假设为H1, 第一用户没有出现的时候假设为H0。因此, 第二用户接收到的信号为:

H0:x (n) =u (n) (1)

H1:x (n) =s (n) +u (n) (2)

式中, u (n) 为独立同分布循环对称复高斯 (CSCG) 噪声, 其均值为0, 方差为E[u (n) 2]=σu2;s (n) 为第一用户的信号, 它是一个均值为0, 方差为E[s (n) 2]=σs2的独立同分布的随机过程;且s (n) 与u (n) 相互独立。

在频谱感知中我们关心的是检测概率Pd和虚警概率Pf。其中检测概率是指有信号的时候检测到信号的概率, 而虚警概率是指没有信号的情况下误判为有信号的概率。无论何时、何种情况, 当检测到第一用户信号的时候, 第二用户要迅速让出信道给第一用户。因此, Pd越高则第一用户越能得到很好的保护, 而Pf越低则信道的重复使用越高, 所以一个好的算法应该具有高的Pd和低的Pf。

1.2 能量检测

由于感知无线电是在对第一用户信号s (n) 一无所知的情况下对假设检验进行判决的。此时, 如果被检测的信号为零均值的星座信号, 那么能量检测的性能最优[6]。本文中我们假设第一用户为QPSK的调制信号, 并且采用能量检测。其检验统计量由下式给出:

$Τ (x) = \frac{1}{Ν} \sum_{n = 1}^{Ν}$ x (n) 2 (3)

设τ为一个数据帧中的感知时间, fs为采样频率, N为采样数 (N是不超过τfs的最大整数) 。简便起见, 设N=τfs。在假设H0 下, 检验统计量T (x) 是一个概率密度函数为χ2分布的随机变量。由中心极限定理知T (x) 的概率密度函数近似为高斯分布。那么对于一个给定的检测门限ε虚警概率为:

Pf (ε) =Pr (T (x) >εH0)

$\begin{array}{l} = \frac{1}{\sqrt{2 π} σ_{0}} \int_{ε}^{\infty} e^{- (Τ (x) - μ_{0})^{2} / 2 σ_{0}^{2}} d x \\ = Q ((\frac{ε}{σ_{u}^{2}} - 1) \sqrt{τ f_{s}}) (4) \end{array}$

其中μ0为T (x) 的均值, σ $_{0}^{2}$ 为T (x) 的方差。

在假设H1下, 由中心极限定理, T (x) 的概率密度函数同样可以近似为高斯分布。对于给定的检测门限ε, 同理得出检测概率为:

Pd (ε) =Pr (T (x) >εH1)

$= Q ((\frac{ε}{σ_{u}^{2}} - γ - 1) \sqrt{\frac{τ f_{s}}{2 γ + 1}}) (5)$

其中γ为第二用户接收处第一用户的信噪比。联合式 (4) 、式 (5) 得:

$Ρ_{f} = Q (\sqrt{2 γ + 1} Q^{- 1} (\bar{Ρ}_{d}) + \sqrt{τ f_{s}} γ)$ (6)

$Ρ_{d} = Q (\frac{1}{\sqrt{2 γ + 1}} (Q^{- 1} (\bar{Ρ}_{f}) - \sqrt{τ f_{s}} γ))$ (7)

2 感知吞吐量的权衡

802.22 WRAN数据帧如图1所示, 假设感知持续时间为τ, 帧的持续时间为T, 如果在CR网络里只考虑点对点之间的传输, 那么第二用户的SNR可以表示为SNRs=Ps/N0, Ps为第二用户信号的平均功率。

T-τ为数据发送持续时间, N0为噪声功率。设Pp为第二用户接收处第一用户的干扰功率。则第一用户未出现且没有虚警时第二用户的吞吐量为C0= (1+SNRs) , 第一用户出现时第二用户的吞吐量为C1=log2 (1+SNRs/ (1+SNRp) ) , 其中SNRp=Pp/N0, 显然, C0>C1。

对于给定的感兴趣的频带, 定义P (H0) 为第一用户未出现的概率, P (H1) 为第一用户出现的概率, 从而有P (H0) +P (H1) =1。结合上述条件, 我们定义:

$R_{0} (ε, τ) = \frac{Τ - τ}{Τ} C_{0} (1 - Ρ_{f} (ε, τ)) Ρ (Η_{0})$ (8)

$R_{1} (ε, τ) = \frac{Τ - τ}{Τ} C_{1} (1 - Ρ_{d} (ε, τ)) Ρ (Η_{1})$ (9)

则CR网络的有效吞吐量为:

R (τ) =R0 (ε, τ) +R1 (ε, τ) (10)

由于C0>C1, 故式 (10) 右边的第一项为主要可得到的吞吐量, 我们称之为近似有效吞吐量, 或者近似吞吐量, 表示为:

$\tilde{R} (τ) = R_{0} (ε, τ)$ (11)

显然对于给定的帧持续时间T, 感知时间τ越长, 则数据传输时间T-τ越短, 而Q函数为单调递减函数, 对于一个给定的检测概率 $\bar{Ρ}$ d, 感知时间越长则虚警概率越低。相应的式 (8) 实际上有可能变大, 也有可能变小, 而感知吞吐量权衡的目标就是找到一个最佳的感知时间τ使得第一用户在得到充分保护的情况下第二用户的有效吞吐量达到最大。最终最佳问题归结为:

$\max_{τ} {R (τ) = R_{0} (ε, τ) + R_{1} (ε, τ)}$

s.t: $Ρ_{d} (ε, τ) \geq \bar{Ρ}_{d}$ (12)

$\bar{Ρ}$ d一般是接近于1但是小于1, 尤其对于低的SNR区域, 如在IEEE 802.22 WRAN, 我们选择 $\bar{Ρ}_{d} = 0.95$ 。正常情况下我们假设第一用户出现的概率很小, 一般认为小于0.3。因为C0>C1, 所以式 (12) 右边的第一项占有效吞吐量的主要部分, 故优化问题被进一步近似为:

$\max_{τ} {\tilde{R} (τ) = R_{0} (ε, τ)}$

s.t: $Ρ_{d} (ε, τ) \geq \bar{Ρ}_{d}$ (13)

对于一个给定的感知时间τ, 依据式 (5) , 我们可以选择一个检测门限ε0, 使的 $Ρ_{d} (ε_{0}, τ) = \bar{Ρ}_{d}$ , 我们也可以选择一个门限ε1<ε0使得 $Ρ_{d} (ε_{0}, τ) > \bar{Ρ}_{d}$ , 很显然Pf (ε1, τ) >Pf (ε0, τ) 。由式 (8) 和式 (9) 可得到R0 (ε0, τ) <R0 (ε0, τ) 和R1 (ε1, τ) <R1 (ε1, τ) 。即:

R0 (ε1, τ) +R1 (ε1, τ) <R0 (ε0, τ) +R1 (ε0, τ) (14)

因此在满足约束条件的情况下可以找到一个最佳的感知时间τ, 使得第二用户的有效吞吐量最大。当然, 这只是一种推测, 文献[7]从数学的角度证明了在Pf (τ) ≤0.5的情况下R (τ) 是一个关于τ的凸函数, 即总存在一个τ使得R (τ) 达到最大值。

3 仿真与分析

提高有效吞吐量对于大量连续发送数据业务非常重要。本文假设感知无线电网络中只有一个SU节点A在发送数据, 一个SU节点B在接收数据。根据实际情况, 设 $Ρ (Η_{0}) = 0.2 ‚ \bar{Ρ}_{d} = 0.95 ‚ f_{s} = 6$ MHz, SNRp=-15dB, SNRs=20dB, T=200ms。Monte Carlo仿真基于20000个检验统计量。

(1) 检测概率与虚警概率

图2所示为基于20000个检验统计量的检测概率和虚警概率, 其中虚警概率为固定的检测概率下的虚警概率。仿真曲线与理论曲线基本重合, 验证了理论推导的正确性。

(2) 有效吞吐量随τ的变化

图3所示为有效吞吐量R (τ) 和近似有效吞吐量 $\tilde{R}$ (τ) 随感知时间τ的变化情况, 由仿真图可以看出, 最大有效吞吐量所对应的感知时间大约为3.15ms, 进一步说明了最佳感知时间的存在性。

4 结论

在感知无线电网络里, 第一用户和第二用户的需求是互相矛盾的。第一用户希望自己的通信能够得到很好的保护, 但是第二用户同时也希望自己的吞吐量能够最大, 而第一用户得到很好保护的同时必然以牺牲第二用户的吞吐量为代价。本文即针对解决这种问题, 考虑一个支持周期谱感知的MAC帧结构, 从全局利益出发, 使双方利益达到很好的权衡, 尤其提出在一个帧的持续时间内存在一个最佳感知时间, 使得在充分保护第一用户的前提下, 保证第二用户的有效吞吐量达到最大。

参考文献

[1]CabricD, Mishra SM, Willkomm D, et al.A cognitive radio approach forusage of virtual unlicensed spectrum[C]//ISTMobile Wireless Com-mu Summ it.Germany, 2005:19-23.

[2] NTIA (National Telecommunications and Information Administration) .U.S.frequency allocations.[EB/OL]. (2004) .http://www.ntia.doc.gov/osmhome/allochrt.pdf.

[3]Mangold S, Shankar S, Berlemann L.Spectrum agile radio:A society ofmachines with value-orientation[C]//Proc European Wireless Confer-ence.Nicosia, Cyprus, 2005:539-546.

[4]Weiss T, Jondral F.Spectrumpooling:An innovative strategy for the en-hancement of spectrum efficiency[J].IEEE Commun Mag, 2004, 42 (3) :8-14.

[5] Haykin S.Cognitive radio:brain-empowered wireless communications [J].IEEE J of Selcted Areas in Commu, 2005, 23:201-20.

[6]Sahai A, Hoven N, Tandra R.Some fundamental limits on cognitive ra-dio[C]//Proc.of Allerton Conf., Monticello, Oct.2004.

用户感知满意度第6篇

如何为用户提供具有精彩网络体验的高质量网络并实现对全网无线网络质量的全面管理及集中监控,从而为网络的优化、建设、运维、客服及市场部门提供有利的技术和数据支撑,对网络优化和网络质量保障工作提出了巨大挑战。

网络优化的关注点逐步从路面向深度覆盖区域转移,对室内分布系统各类重要场所的测试任务日益增加。但由于现有网络测试设备的体积大、连接复杂、隐蔽性差,给正常的室分测试及优化工作带来不必要的干扰。并且由于无法及时获得第一手测试数据,解决网络优化问题的时间点滞后,对于网络质量的提升造成一定负面影响。对于工程验收测试也存在同样的问题,由于测试受阻而无法全面细致地了解工程建设后的网络质量,难以评判建设效果的好坏,并导致工程进度延后。因此,如何有效规避测试场所存在的各种抵触和阻挠,保质保量完成测试任务成为一个迫切的问题。

传统省分公司测试人员利用常规路测工具和仪表采集网络质量信息,经过处理后层层上报、汇总和分析,方可形成最终的评测结果,过程冗长,时效性不高,需要较多的人力、物力和时间。另外,由于评测关系到省分公司切身利益,测试人员的正常工作难免受到当地分公司施加的压力和影响,即使总部的管控力度很大,数据保密性、真实性方面也可能存在不足,从而难以呈现出最真实的网络指标,也使得评测的公平性打折扣。如何将分散管理转为集中管理,实时获取网络指标,保障数据真实性,随时掌握全网质量,客观、公正、高效地做出评价,对评测提出了更高的要求和更严格的考验。

在数据挖掘和分析领域,海量数据的挖掘与分析及存储一直都是数据分析领域的关键,尤其在移动通信领域数据爆炸增长的3G时代,基于测试数据的挖掘与分析,已经从传统的单机小规模系统软件,演变为以大规模并行计算为主要特征的分布式软件体系架构。如何在有限的成本范围内,在存储和计算分析需求不断增长的情况下,对海量数据集中挖掘分析和快速决策便成为新形势下的一项挑战。

2 基于用户感知的网络质量分析系统设计

从提升用户感知的实际需求出发,以中央数据处理系统为核心、以大容量数据均衡负载为前端依托、以自动定位归档为后端数据管理、以统一的安全登入验证和热备份为保障、以在线数据分析引擎为辅助,结合移动互联、云存储等新技术手段,形成端到端网络质量分析系统设计思路( 见图1),满足在线全国日常巡测、室内外优化测试、三方管理、用户投诉等管理需求。

基于用户感知的网络质量分析系统分为前台和后台两部分,即客户端和服务端,其中客户端包括智能测试终端及管理客户端,智能测试终端集成度高,操作简单,支持远程配置与控制,自动统计,数据集中上传和管理,采集到的日志文件可自动上传到后台的文件传输服务器上,不需要用户干预,包括两种类型:专业版和普通版。服务端包括交互的应用程序、在线数据处理引擎和数据库,而在线数据处理引擎中还包括解码、分析、控制、安全服务,系统架构设计见图2。

智能测试终端完成数据的采集,并记录成日志文件,终端将日志上传至文件传输服务器,文件传输服务器将数据发送至解码分析服务器,由解码分析服务器完成数据解码、分析及入库,并向文件传输服务器发出解码完成消息,文件传输服务器收到解码完成的消息后,将此日志文件向存储资源池进行转存。在转存成功后,删除本地存储文件,当Web服务器收到相关分析、计算请求时,将对汇总数据库的相应结果发出查询请求,并完成对查询结果的计算工作,返回计算结果,操作用户可直观的掌握各类信息。

数据管理方面,支持无线网络性能测试数据管理、基站数据管理、终端数据管理、楼宇数据管理、用户角色管理等;技术支撑方面,支持用户感知评估、网络质量监控、异常事件定位、高级客户保障、业务质量评估、特殊场景测试、用户投诉处理、终端性能评估、支撑系统数据核查等;管理考核方面,支持站点规划评估、代维工作管理、优化质量巡检、施工质量管理、作业计划管理、网络质量考核、设备入网验证、断站恢复验证、工单计划管理等。同时,系统能够支撑总部网络评测工作,支持分地市分时段的测试任务、测试工单下发,支持不同地市不同时段的测试结果汇总、统计、分析工作。系统支持室分系统及室外基站的工程验收测试、网络质量测试、网络优化测试、数据汇总分析、报表自动生成功能等。

3 基于用户感知的网络质量分析系统的实施策略

流量业务不断增长造成传统网络KPI指标已无法度量出用户网络使用的真正体验,而基于用户感知的网络质量分析系统从基层管理、网络质量、用户感知的角度实现运维转型。

3.1 建立面向用户感知的核心优化体系

基于用户感知优化体系的理论支持主要为Qo E标准及规范,即用户感觉到的“质量”或“性能”或“舒适度”。就技术层面而言,对Qo E的关键影响因素有:(1) 端到端的Qo S保证机制;(2) 端到端的业务质量KQI ;(3) 网络接通与传输能力KPI ;(4) 网络/ 服务覆盖能;(5) 终端性能。以用户感知为中心开展网络规划、网络优化、网络测评和网络管理工作是未来趋势。而以用户感知为核心的测评除了业务网络外,还需要深入关注后台支撑平台的服务和分析能力,继性能、覆盖、容量优化后,需要更多的新业务应用,用户感知的核心优化体系见图3。

3.2 完善端到端业务质量评测和评估考核体系

传统的网络KPI主要聚焦在“业务接入性”和“业务保持性”两方面,缺乏在“业务完整性”的统计,因此从异常发现到处理、再到总结考评可持续提升用户感知质量。

(1) 分布上传、统一访问

a.一级平台:系统由总部统一部署一套后台系统,各省不再设置独立的后台系统,分布在各地市的终端将测试数据,通过基站和分组核心网全部上传至集中设置的后台系统;

b. 三级应用:系统采用集中式数据与统一管理分权分域,面向多级用户, 各省及地市的人员通过互联网或数据专网的方式访问、使用和管理各自域内的功能;

c. 系统采用独立的分级管理机制,层层管理模式,确保访问安全,不同的授权用户,数据完全分离,确保数据安全,业务访问见图4。

(2)网络质量的评估和考核

a. 针对勘察、建设、运维中的网络质量、楼宇信息建设、流程监管等问题,建立全质量生命周期的考核平台,实现工作流程电子化,信息集中统一化;

b. 项目进度质量实时监控汇总,数据集中统一,节点信息可追溯,考核有理有据公平公正,网络质量清晰明了,管理严谨高效;

c. 基于海量用户上报数据实现网络质量全面评估,实现了网络评估的真实性、实时性和全面性,网络质量考核见图5。

3.3 提高智能测试终端的推广和应用

智能测试终端为用户提供选择界面,并可以附加异常或描述信息,使客户评估更为客观和全面。为更多地采集特定场景的数据,更好地覆盖特定场景,需要进一步制定终端推广人群、推广方案、优惠策略及定制机选型,应用场景见图6。

4 基于用户感知的网络质量分析系统演进趋势

用户感知满意度第7篇

网络质量评估是WLAN网络优化的第一步,承担着找问题和检验优化效果两个重要作用。评估指标往往是从WLAN设备(无线控制器或无线AP)获取到的各种性能统计数据,可以通过设备的命令行获取,也可以通过SNMP网络管理协议从设备获取。建立一种关注用户感受的、可量化的、多维度的WLAN网络质量评估体系至关重要,因为只有通过合理的网络质量评估体系,才能准确地了解WLAN网络空口的基本运行状况,才能协助网络优化人员发现薄弱区域,确认需要补点的位置;也才能协助网优人员确认体验差用户及可能原因,最终为后续的网络优化指明方向。

本文通过对现有WLAN网络的的各种评估指标进行分析,通过整合6个影响用户使用感知的关键指标,利用层次分析法和神经网络算法的计算,逐步得出量化的值来评估WLAN网络的好坏和用户使用的满意度。

一、现状分析

目前广东移动在日常的WLAN网络优化中,通过以下几种不同的测量指标评估WLAN的网络质量[1,2]:

(1)信号强度:无线适配器接收到的信号的强度,即值WLAN网络信号的强弱,以decibel-milliwatts(DBm)计量,绝对值越大,表示信号越强。在实际中可以用百分率来比较信号的强度,100%即为满信号,0%为无信号。(2)带宽:又叫频宽,是指在固定的的时间可传输的资料数量,亦即在传输管道中可以传递数据的能力。在数字设备中,频宽通常以bps表示,即每秒可传输之位数。在模拟设备中,频宽通常以每秒传送周期或赫兹(Hz)来表示。(3)连接耗时:搜索到WLAN信号后,开始连接到连接上AP的耗时,单位为毫秒或者秒,时间越长用户感知越差。(4)掉线次数:是指在使用WLAN过程中因网络原因掉线的次数,次数越多,用户感知越差。(5)在网时长:使用WLAN在网的时间,计算用户感知时,掉线次数要与在网时间结合考虑,即掉线频率。(6)重连成功率:在因意外原因与网络断连后自动成功建立连接的比率,比率越低,人们对网络的感知越差。(7)平均速率:使用WLAN时的平均下载速率,速率越高表明用户对带宽的需求越高。

虽然评估技术中指标比较多,单从某一种指标数据无法整体评估当地WLAN网络信号的好坏,更不能体现出用户的使用感知和对网络的满意度。

而本文的网络质量评估方法,通过将影响用户WLAN使用感知的几个关键指标整合到一个数学模型中,通过该模型(算法)计算出反映用户满意度的量化值,从而更好的评估WLAN网络的质量和用户使用感知。

二、基于用户感知的评估方案

在本文中,我们提供一种体现用户对WLAN网络质量感知度的算法,将抽象的用户感知度量化,该算法根据实时统计的网络信号强度、连网耗时、实时带宽、掉线频率、重连成功率、平均速率6个关键指标数据,设计一套完整的科学的模型计算得出用户满意度值,模型(算法)中的各个权值通过对采集的实际指标数据和用户调查统计数据进行神经网络分析和层次分析计算得出,并经过不断的修正。用户满意度值越高表示在此WLAN网络下使用的用户对网络质量的满意度较高,越低则对网络质量越不满意,从而实现对WLAN网络的质量感知管理。具体如下:

2.1 建立层次结构模型

一般而言,用户对移动通信网络的感知主要集中在速度、稳定性、易用性等准则[1,2],而每个准则实际上对应无线网络实际测量的多个指标,如信号强度、平均速率、带宽等指标会影响用户对速度的感觉,而掉线频率、连接耗时、重连成功率会决定用户对稳定性的感觉。因此,可通过建立用户感知-准则-测量指标之间的多层结构模型,来最大程度的反映多种指标导致的用户感知变化。具体结构模型如下:(1)目标层:用户质量感知;(2)准则层:速度(S)、稳定性(P)、易用性(C)、其他因素(O)。(3)指标层:信号强度、平均速率、带宽、掉线频率、连接耗时、重连成功率、其他特性。

2.2 运用层次分析法估算准则层对于目标层的权重初始值

(1)构造成对比较矩阵

对四类准则:速度、稳定性、易用性、其他因素,进行成对比较,对用户质量感知进行相对评估,得出相对评估值,确定它们对于质量感知影响的优劣顺序,然后运用成对比较的结果构造矩阵A。

注:是通过大量问卷调查得出来的。具体方法是:1)受调查人员对速度(S)、稳定性(P)、易用性(C)、其他因素(O)四个准则对于质量感知影响的优劣程度进行一个排序。例如:某位受访用户认为,最影响WLAN上网感知的因素是速度(S),其次是稳定性(P),易用性(C),则S>P>C>O。2)按上述方式,对大量用户进行调查,可以得出N个调查的结果,例如,调查5个用户得到的结果:表15个用户结果。3)对上述调查结果,进行准则的成对比较,得出相对评估值,即。例如,即速度(S)和稳定性(P)的成对比较结果,为4:1。

(2)对矩阵A进行一致性检验

对于的成对比较矩阵,将它的一致性指标与同阶(指n相同)的随机一致性指标之比称为一致性比率,当时,认为矩阵A通过一致性检验。

通过一次性检验。即此特征向量可作为各项准则在综合评估中的权重。

2.3 运用BP神经网络算法估算指标层对于准则层的权重

根据BP神经网络三层结构[3,4],输入层、隐含层、输出层映射到指标层、准则层及目标层,即

指标层——输入层;

准则层——隐含层;

目标层——输出层。

BP网络的学习过程主要由输入信息的正向传播和误差的反向传播组成。在正向传播过程中,输入信息从输入层到隐含层再到输出层经过逐层求解,得到一个实际输入,如果实际输入与期望输出不一致,则计算输出误差,转入误差的反向传播过程,反向修正各个神经元的连接权值,以使误差达到最小。

根据调查得到的用户数据,可以把用户体验WLAN的感知划分为四类输入出:差、一般、好、很好,按数值划分为为差,为一般,为好,为很好。

BP网络的输入层有6个参数,分别为信号强度、平均速率、带宽、掉线频率、连接耗时、重连成功率。需要对这些参数进行归一化处理。

设为样本矩阵;为样本组数;为隐含层与输入层的权值矩阵;为隐含层与输入出层的权值矩阵;为迭代次数,取值10000;为期望值;为实际输出值;为输出层误差;为每组输入节点;为隐含层节点;为输出层节点;为sigmoid函数。

采用BP网络计算各层的权值矩阵的步聚为:

(1)对网络进行初始化。初始化,其中可以取一组之间的随机数,而已经由第二节利用调查问卷的方式通过层次分析方法估算到初始值。(2)初始化隐含层神经元个数,根据公式,其中,取,因此隐含层个数为4。另外,取学习效率为,精度要求取。

2.4 定义指标的等级标准

将指标层的各项实采数据进行归一化处理:

信号强度:这里信号强度以百分率来表示,100%即表示满信号,此时信号最强,0%表示无信号,信号最弱,我们用0—1的区间来表示信号强度的0%—100%,即0=0%的信号强度,1=100%的信号强度,0.65=65%的信号强度,以此类推。

带宽:以B表示即时的带宽,Bmax表示使用的网络技术标准最大带宽,如802.11b/g技术的最大带宽为54Mbps,即Bmax=54Mbps,B=0表示无带宽,我们同样用0—1的区间表示带宽大小,即1=Bmax,0=0Mbps,0.5=0.5Bmax,以此类推。

连接耗时:假设连接耗时为T,Tmax为一般人无法忍受的最长耗时,即超过这个时间用户就会认为已经无法连接,同样用0—1的区间表示来接耗时的大小,即1=连接耗时T趋向于0,0=实际耗时≥Tmax,0.5=0.5Tmax,以此类推。

掉线频率:假设掉线频率为F,Fmax为一般人无法忍受的最大掉线频率,如12次/小时,即超过这个极限用户就不会使用WLAN网络,用0—1的区间表示掉线频率,则1=掉线频率为0,0=实际掉线频率≥Fmax,0.5=0.5Fmax,以此类推。

重连成功率:重连成功率用百分比表示,并且跟掉线频率相关,如果掉线频率为0,我们认为重连成功率为100%。用0—1区间表示重连成功率,则1=100%,0=0%,0.5=50%,以此类推。

平均速率:我们假设使用时最大的平均速率可以达到理论值带宽,即Vmax=Bmax,同样用0—1的区间表示平均速率的大小,即1=Vmax,0=平均速率为0,0.5=0.5Vmax,以此类推。

其它特性:直接用0—1区间的数值表示。

2.5 计算绝对评估值

将待评估方案的指标数值乘以各准则在综合评估中的权重并求和,即为待评估方案综合绝对评价的分值,即用户质量感知。

三、模型训练与验证

根据BP神经网络建立的WLAN网络质量评估模型[5],利用MATLAB的神经网络工具箱建立一个输入层、隐含层和输出层的节点数分别为7、4、1的BP神经网络模型,用于进行网络训练和检验。

本文事先采集到20个WLAN覆盖点的用户网络感知评价的实际数据和结果,通过对指标的归一化处理整理成为训练和检验的基本数据(表2)。

将其中第1、2、3、4、6、7、8、10、11、12、13、15、16、17、18、20个WLAN覆盖点的数据作为训练样本进行网络中权值的训练,可以得到输入层与隐含层、隐含层与输出层之间的权值和阈值。该网络经初始化,预设误差为0.01,当训练到3509步之后,网络误差达到了设定的误差要求。

当网络训练完成之后,将第5、9、14、19个WLAN覆盖点作为验证样本,输入验证样本以验证网络的适应性,网络输出的结果如表3所示,网络验证的结果和预期评价结果比较为表4所示。

从验证及比较的结果可以看出,模型评估的结果和实际评估的结果基本上是一致的,这标志着基于用户感知的WLAN网络质量评估模型已经成功建成,学习样本的训练也已结束。以后在对WLAN覆盖点采集的数据进行评估时,只需输入被评估样本的标准化指标数据,就可以得到的输出结果逼近真实用户感知。

四、应用效果

选择广东移动某地市公司,把本文提出的算法结合到windows、iphone、ipad、Anroid、Windows Mobile、Symbiam等平台的WLAN客户端软件进行试点应用,经过一段时间的监测,发现目前WLAN覆盖点多数问题点主要集中在下载速率慢和设备故障类等,经过反馈及处理,目前已全部解决。

通过以上测试结果分析,网络质量评估模型提供了一套新的的模型(算法),整合影响用户使用感知的关键指标,通过层次分析法和神经网络算法的计算,逐步得出量化的值来评估WLAN网络的质量,为网优提供可靠数据进行网络优化,及时优化升级存在的问题,提升用户满意度。

五、结束语

本文通过对WLAN网络质量评估各种指标进行分析,设计了一套不以单一的某项指标来评估WLAN的网络质量,而是用一套新的评估方案,整合6个影响用户使用感知的关键指标,通过层次分析法和神经网络算法的计算,逐步得出量化的值来评估WLAN网络的好坏和用户使用的满意度的评估算法。本文所提出的评估方案和指标评估体系,能够较全面地评估WLAN网络质量,有效地指导WLAN网络优化。本文提出的评估算法也具备一定的通用性,根据不同无线网络的各项评估指标,对评估算法进行适当调整,可应用于其他无线网络的质量评估,为无线网络优化提供一定的技术参考。

摘要：中国移动通信集团广东有限公司(以下简称广东移动)的WLAN(无线局域网络,Wireless Local Area Networks)网络的质量评估通常有多种评估指标,单一评估指标容易导致结果不客观。本文通过对WLAN网络质量评估各种指标进行分析,设计了一套不以单一的某项指标来评估WLAN的网络质量,而是用一套新的评估方案,整合6个影响用户使用感知的关键指标,通过层次分析法和神经网络算法的计算,逐步得出量化的值来评估WLAN网络的好坏和用户使用的满意度的评估算法。能够较全面地评估WLAN网络质量,有效地指导WLAN网络优化。

关键词：WLAN,网络质量评估,用户感知,BP神经网络

参考文献

[1]《中国移动WLAN业务手机端认证研究项目说明书》

[2]《关于WLAN手机接入认证与质量管理的研究_河源公司-科技项目申报书》

[3](加)Simon Haykin.神经网络与机器学习[M].北京:机械工业出版社,2011.3.

[4]吕俊,张兴华,几种快速BP算法的比较研究[J].现代电子技术,2003,24:96-99

本文来自 99学术网(www.99xueshu.com)，转载请保留网址和出处

【用户感知满意度】相关文章：

用户满意度08-03

用户满意度调查范文06-29

用户满意度调查问卷11-19

汽车用户满意度调查表03-15