本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：近年来，多媒体内容成为移动网络用户最重要的业务之一，用户更加关注端到端的5G网络用户业务感知质量。应用机器学习算法，构建5G网络中端到端视频业务和文件下载业务的感知质量模型，探索关键质量指标（KQI）与关键性能指标（KPI）的关系。仿真结果显示，该评估方法对提升 5G 网络运维的质量、实时性和准确性具有指导意义。
关键词：关键质量指标；5G；关键性能指标；机器学习
doi：10.12045/j.issn.1007-3043.2022.10.006
引言
服务质量（QoS）根据关键性能指标（KPI）来定义，可反映网络质量，如丢包、延迟和抖动的情况。体验质量（QoE）则表示用户主观感知的质量，用关键质量指标（KQI）表示，例如“非常好”“好”“差”。KPI不是面向应用服务的，没有考虑用户业务感知，只能反映部分网络性能。即使 KPI 正常时，也存在用户业务感知差的情况。5G网络采用网络切片技术，旨在提供具有不同业务需求的端到端应用。预计未来几年，5G网络业务感知问题主要依靠KQI指标优化定界。由于KQI指标涉及网元多，数据流程长，端到端影响因素众多等问题，运维人员主要靠专家经验数据判断，准确定位问题原因较难。随着计算机处理性能的不断提升，机器学习算法得到了较好发展，例如线性回归（LR）、逐步线性回归（SWLR）、支持向量回归（SVR）、随机森林回归（RFR）和决策树回归（DTR）等机器学习算法在行业都得到了较好应用。为了改善用户业务感知，提升网络运行性能，本文提出基于机器学习算法的KQI与 KPI指标关系分析模型，重点评估 5G网络中端到端视频业务和文件下载业务的业务感知质量模型，探索关键质量指标（KQI）与底层KPI指标的关系。
