使用 IBM Cloud Pak for Data 来预测、管理和监控手机信号塔的呼叫中断

摘要

本 Code Pattern 是使用 IBM Cloud Pak for Data、Data Virtualization、Watson OpenScale 和 Cognos Analyics 探索电信呼叫中断预测的系列 Code Pattern 的一部分。

呼叫中断是指在呼叫者结束呼叫之前,无线网络上的呼叫已断开的情况。呼叫中断的一些主要原因包括:

  • 信号覆盖范围不足,原因可能有多种:

    • 缺乏信号塔基础设施
    • 网络规划不当
    • 网络未经优化
  • 手机信号塔超负荷 – 用户数量每天都在增加,而且其中大部分用户都在使用智能手机。网络容量并没有以相同的速度增长,因而导致网络超负荷。

  • 城市景观的变化 – 在一些情况下,新修建的多层建筑物导致相邻建筑物的用户无法接收到信号塔的信号。在城市景观快速变化的情况下,这种情况很常见,这就要求对服务提供商的日常网络数据进行分析。

  • 切换信号塔 – 如果用户在通话时正在旅行或四处走动,就会发生这种情况。如果发生呼叫切换(从一个基地收发台 (BTS) 转移到另一个基地收发台),则发生呼叫中断的可能性会增加,特别是在网络超负荷的情况下更甚。

  • 技术故障 – 这是任何人都无法控制的,运营商通常通过设备完善的网络运营中心来监控停机时间。

本 Code Pattern 旨在创建一个模型来预测呼叫中断,并针对上述故障进行训练。借助交互式仪表板,我们使用时间序列模型来更好地了解呼叫中断。对于电信提供商及其客户的好处是,可以使用这个模型来提前确定问题,从而有更多时间来采取必要措施以缓解问题。此解决方案的主要特征包括:

  • 基于 IBM Cloud Pak for Data 进行构建。
  • 数据可以来自多个数据库源,例如,Cloud Pak for Data 实例中的内部 Db2 Warehouse (SMP) 或者其他外部数据源(如 IBM Db2 on Cloud、Oracle 数据库和 Postgres 数据库)。将使用 Data Virtualization 把这些数据源全部整合到一个数据库源中。
  • 时间序列模型使用内置的 Notebook 服务来预测未来 24 小时的呼叫中断。
  • 每个手机信号塔的呼叫中断预测模型。将使用 AI OpenScale 来监控这些模型的质量和公平性。
  • Cognos Analytics 仪表板,用于向用户提供呼叫中断情况的总体区域级视图。借助 Watson OpenScale,时间序列模型将以图形方式输出,并且性能也会提升。

学完本 Code Pattern 之后,您将掌握如何:

  • 使用 Data Virtualization
  • 创建与多云环境(AWS、Azure 或 IBM Cloud)或企业内部环境中托管的数据库的连接。
  • 通过合并来创建视图并将数据发布到当前项目
  • 使用开源技术在 Watson Machine Learning 中存储自定义模型
  • 部署模型并将模型部署连接到 Cloud Pak for Data 和 IBM Cloud 上的 Watson OpenScale
  • 使用 Python Notebook,在 Cloud Pak for Data 和 IBM Cloud 上的 Watson OpenScale 中设置模型公平性和模型质量监视器
  • 在 Cloud Pak for Data 上创建项目和设置 Python Notebook

流程

流程

  1. 跨各种数据源(如 AWS Cloud 和 IBM Cloud)存储的数据将根据 AI 模型的需要进行虚拟化和合并。
  2. 合并后的数据将重新存储到 Cloud Pak for Data 的内部数据库中,并且分配给当前工作项目。
  3. 使用 Jupyter Python Notebook 创建机器学习模型以预测每个信号塔的呼叫中断,并创建一个时间序列模型以根据实时条件预测呼叫中断率。
  4. 在 Watson Machine Learnin 中训练和/或存储的模型,此模型也连接到 Watson OpenScale。
  5. 使用 Cognos Analytics 仪表板,显示和分析来自训练模型的洞察和数据。
  6. 为每个信号塔的模型配置公平性、质量和可解释性监视器。

操作说明

可以在 README 中找到本 Code Pattern 的详细步骤。这些步骤将展示如何:

  1. 克隆存储库。
  2. 从 Data Virtualisation 获取数据。
  3. 在 IBM Cloud Pak for Data 中创建一个新项目。
  4. 将数据集上载到 IBM Cloud Pak for Data。
  5. 将 Notebook 导入到 IBM Cloud Pak for Data。
  6. 按照 Notebook 中的步骤进行操作。
  7. 设置用于监控呼叫中断的 Notebook。
  8. 在 IBM Cloud Pak for Data 实例上设置 Cognos Analytics 仪表板以实现可视化。

本文翻译自:Predict, manage, and monitor the call drops of cell towers using IBM Cloud Pak for Data(2019-10-15)