本发明涉及通信领域的统计技术， 特别是指一种基于用户事件的用户 行为统计方法及装置。 背景技术

随着移动网络的发展， 运营商的关注对象， 已经从承载赢利模式向内 容服务赢利模式转变， 因此， 传统的性能统计对象， 已经不能满足运营商 对移动业务进行精细化运营的要求， 应运而生的用户行为分析成为运营商 的关注目标和提高赢利能力的基础。 用户行为分析可以通过对用户的呼叫 记录和媒体报文内容进行统计， 而这些呼叫记录和媒体报文所包含的内容 已远远超过传统的性能统计对象， 在呼叫记录和媒体报文的基础上进行统 计和分析， 能够对系统性能、 用户行为等一系列指标进行深层分析， 获得 更有价值的信息。

对于一个移动用户， 他的业务行为具有多种属性， 比如： 用户位置必 定归属于某个位置区、 路由区、 服务区等， 其接入方式必定归属为某种接 入方式， 比如第二代移动通信技术（2G, Second Generation )、 第三代移动 通信技术 （3G , 3rd-Generation )、 或第四代移动通信技术 （4G , Fourth Generation ) , 其接入点必然归属某个接入点名称 ( APN , Access Point Name )„在以下的描述中，将与事件相关的用户位� �、接入方式和归属 APN 等属性， 称为维度， 将用户的业务行为类型， 称为事件， 将特定业务过程 的统计结果， 称为指标。

在用户行为的分析应用中， 运营商需要能够从多个维度或组合维度、 多指标对用户行为进行分析， 举个例子来说， 对于通用分组无线服务技术 服务支持节点 （SGSN, Serving GPRS Support Node ), 运营商关注的维度， 可能为路由区、 位置区、 服务区、 跟踪区、 接入点、 接入方式、 业务类型、 用户类别以及终端类型等一系列维度中某个特 定或组合维度， 关注指标包 含附着用户数、 激活用户数、 附着成功率、 激活成功率、 寻呼成功率、 时 延、 服务质量（QoS, Quality of Service ), 以及终端类型分布等一系列统计 结果， 因此， 要求统计系统能对统计结果自由组合， 实现灵活查询。

对于这种多维度、 多指标灵活运算的统计分析需求， 通常的处理方法 是： 在统计系统建立一个关注指标的笛卡尔模型， 具体地， 假设用户信息 中存在 M个维度， 运营商关注的指标涉及其中的 N个维度， 其中， N≤M, 以 D ₁ D ₂ D _n 表示 N个维度，对应的各维元素数分别为 N 、 N ₂

N _n , 则对于笛卡尔模型的记录总数， 可以表示为：

N=NixN ₂ x xN _n

然而， 对于移动通信领域， 用户相关的维度数通常都比较大， 比如： SGSN维度包括路由区、 位置区、接入点以及服务区等， 如果按照上述计算 公式， 则对应的记录总数将非常巨大， 按照这种方法分配内存及进行运算 操作， 现有系统的资源和性能通常很难满足要求， 因此， 需要对上述方法 进行改进， 现有技术中有如下两种解决方法：

第一， 针对上述模型， 根据维度的关联关系， 对维度空间进行压缩。 举个例子来说， 网络模型中的某个固定位置区， 必定归属于特定的路由区， 对于其它的非关联路由区， 则该位置区与其它非关联路由区不可能出现组 合。 通过这种方法， 可以将某些不可能出现的维度组合剔除， 从而实现维 度空间的压缩。 这种处理方法， 虽然可以节约部分内存资源， 但是， 维度 压缩方法过于复杂， 如果网元的组网模型发生变化时， 则难以实现自动处 理。

第二， 根据预定义的模型， 对运营商关注的维度和指标， 建立固定的 统计模型， 分别进行数据统计分析。 这种统计方法比较适合实时监控， 可 以获得比较高的压缩比， 但是， 由于该方法基于固定模型和固定指标， 统 计功能单一， 难以满足维度的灵活组合要求。

综上所述， 现有的用户行为统计方法， 不能实现基于事件的用户行为 的多维度统计和组合多维度统计。 发明内容

有鉴于此， 本发明的主要目的在于提供一种基于用户事件 的用户行为 统计方法及装置， 能实现基于事件的用户行为的多维度统计和组 合多维度 统计。

为达到上述目的， 本发明的技术方案是这样实现的：

本发明提供了一种基于用户事件的用户行为统 计方法， 该方法包括： 收到一个用户事件报文后， 从当前保存的用户基本信息中获取用户当 前状态的维度信息；

根据用户当前状态的维度信息和事件类型， 将对应的统计对象实例中 的事件相关指标的计数值累加。

上述方案中， 在从当前保存的用户基本信息中获取用户当前 状态的维 度信息之前， 该方法进一步包括：

当用户事件报文中携带本次事件发生变化的维 度时， 根据用户事件报 文中携带的用户维度更新保存的用户基本信息 。

上述方案中， 所述根据用户当前状态的维度信息和事件类型 ， 将对应 的统计对象实例中的事件相关指标的计数值累 加， 为：

根据当前保存的用户状态的维度信息， 查找对应的统计对象实例， 如 果找到对应的统计对象实例， 则根据事件类型， 将统计对象实例中的事件 相关指标的计数值加 1 , 如果未找到对应的统计对象实例， 则创建一个新的 统计对象实例， 并根据事件类型， 将统计对象实例中的事件相关指标的计 数值加 1。 上述方案中， 所述根据当前保存的用户状态的维度信息， 查找对应的 统计对象实例， 为：

根据当前保存的用户状态的维度信息， 计算维度信息对应的索引； 根据维度信息对应的索引， 查找索引对应的统计对象实例。

上述方案中， 该方法进一步包括：

定时器超时后， 保存统计结果， 并清除所有统计对象实例， 重新开始 统计。

上述方案中， 该方法进一步包括：

原始统计完成后， 根据用户需求， 对统计结果进行进一步分析和运算， 并输出运算结果。

本发明还提供了一种基于用户事件的用户行为 统计装置， 该装置包括： 报文分析模块及统计模块； 其中，

报文分析模块， 用于收到一个用户事件报文后， 从当前保存的用户基 本信息中获取用户当前状态的维度信息， 并将获取到的用户当前的维度信 息发送给统计模块；

统计模块， 用于收到 "^文分析模块发送的用户当前状态的维度信息� ��， 根据用户当前状态的维度信息和事件类型， 将对应的统计对象实例中的事 件相关指标的计数值累加。

上述方案中， 该装置进一步包括存储模块， 用于保存用户基本信息及 统计对象实例， 所述用户基本信息包含用户当前状态的维度信 息。

上述方案中， 该装置进一步包括釆集模块， 用于收到用户事件报文， 且当用户事件报文中携带本次事件发生变化的 维度时， 根据用户事件报文 中携带的维度更新存储模块保存的用户基本信 息。

上述方案中， 该装置进一步包括： 定时器及清除模块； 其中， 定时器， 用于在超时后， 触发清除模块； 清除模块， 用于被定时器触发后， 保存统计结果， 并清除所有统计对 象实例。

上述方案中， 该装置进一步包括计算模块， 用于在统计完成后， 根据 用户需求， 对统计结果进行进一步分析和运算， 并输出运算结果。

本发明提供的基于用户事件的用户行为统计方 法及装置， 收到用户事 件报文后， 根据用户当前状态的维度信息和事件类型， 将对应的统计对象 实例中的事件相关指标的计数值累加， 如此， 能将用户行为按用户维度属 性和事件类型， 进行归类和压缩， 即： 能实现用户行为多维度和组合维度 的统计， 进而能节约系统资源； 另外， 例如在移动通信系统中， 一个特定 的位置区必定归属于一个特定的路由区， 两个没有隶属关系的位置区和路 由区组合， 必然不会有用户事件发生， 因此， 本发明的方案还能自动实现 无效维度空间事件的剔除。

根据当前的用户状态的维度信息， 计算维度信息对应的索引； 根据维 度信息对应的索引， 查找索引对应的统计对象实例， 如此， 能快速地找到 维度信息对应的统计对象实例。

除此以外， 在原始统计完成后， 根据用户需求， 针对用户关注对象， 对统计结果进行进一步分析和运算， 并为用户输出运算结果， 如此， 能在 原始统计结果的基础上实现二次运算， 进一步满足用户需求。 附图说明

图 1为本发明基于用户事件的用户行为统计方法� �程示意图； 图 2为实施例一的原始统计结果示意图；

图 3为实施例一的维度组合查询结果示意图；

图 4为实施例一统计的激活成功率的输出结果示� �图；

图 5为本发明基于用户事件的用户行为统计装置� �构示意图。 具体实施方式

下面结合附图及具体实施例对本发明再作进一 步详细的说明。

本发明基于用户行为的事件统计方法， 如图 1所示， 包括以下步骤： 步骤 101: 收到一个用户事件报文后， 从当前保存的用户基本信息中获 取用户当前状态的维度信息；

这里， 所述用户事件报文包含用户标识、 事件类型及执行结果， 可以 根据用户标识找到当前保存的用户基本信息， 即： 用户标识为当前保存的 用户基本信息的索引信息； 所述当前保存的用户基本信息包含用户当前状 态的维度信息； 所述用户当前状态的维度信息是指用户当前状 态的所有维 度的具体信息； 收到用户事件报文后， 根据用户事件报文中的用户标识查 找当前保存的用户基本信息， 如果没有找到， 则说明是第一次收到该用户 的用户事件报文， 保存该用户基本信息， 再次收到该用户事件报文后， 则 该用户基本信息在第一次保存的基础上进行更 新；

在从当前保存的用户基本信息中获取用户当前 状态的维度信息之前， 该方法还可以进一步包括：

当用户事件报文中携带本次事件发生变化的维 度时， 根据用户事件报 文中携带的维度更新保存的用户基本信息；

其中， 当用户的维度信息发生变化时， 用户事件报文中携带的用户基 本信息包含该用户当前发生变化的维度， 对于未发生变化的维度， 可以不 包含在用户事件报文携带的用户基本信息中， 如果该用户的所有维度都发 生变化时， 则用户事件报文中携带的用户基本信息包含该 用户当前的所有 维度； 如果所述用户事件报文携带的用户基本信息包 含该用户当前发生变 化的维度， 则只将保存的该用户基本信息中的发生变化的 维度进行更新， 而对于未发生变化的维度， 则不做任何修改；

如果用户的维度没有发生变化时， 则用户事件报文中携带的用户基本 信息不会包含用户的维度， 相应的， 在收到用户事件报文后， 不会更新保 存的用户基本信息中的维度信息， 直接从当前保存的用户信息中获取用户 当前状态的维度信息。

步骤 102: 根据用户当前状态的维度信息和事件类型， 将对应的统计对 象实例中的事件相关指标的计数值加累加；

具体地， 根据当前保存的用户状态的维度信息， 查找对应的统计对象 实例， 如果找到对应的统计对象实例， 则根据事件类型， 将统计对象实例 中的事件相关指标的计数值加 1 , 如果未找到对应的统计对象实例， 则创建 一个新的统计对象实例， 并根据事件类型， 将统计对象实例中的事件相关 指标的计数值加 1 ;

所述根据当前保存的用户状态的维度信息， 查找对应的统计对象实例 , 具体为：

根据当前保存的用户状态的维度信息， 计算维度信息对应的索引； 根据维度信息对应的索引， 查找索引对应的统计对象实例；

其中， 由于用户状态的维度信息包含多个维度的具体 信息， 为了能够 快速地找到维度信息对应的统计对象实例， 可以釆用哈希 （Hash ) 算法、 或消息摘要算法第五版（MD5 )、 或其它用于数字签名的算法先计算维度信 息对应的索引， 进而利用索引找到对应的统计对象实例； 所述索引可以是 一个特征值；

一个维度信息对应一个统计对象实例， 所述统计对象实例包含维度的 具体信息及事件相关指标的计数值； 其中， 可以通过计数器实现事件相关 指标的计数； 对于所述事件相关指标的计数值， 每种事件类型对应一套相 关指标的计数值， 一个统计对象实例中可以包含多种事件类型的 相关指标 的计数值； 在实际应用过程中， 可以根据需要选择需要统计的事件类型， 再据此分配相关指标的计数器； 对于步骤 102, 举个例子来说， 需要统计的事件类型为激活和寻呼， 相 应的， 统计对象实例中激活相关指标的计数器有两个 ， 即： 统计激活成功 次数的计数器及统计激活失败次数的计数器， 寻呼相关指标的计数器也有 两个， 即： 统计寻呼成功次数的计数器及统计寻呼失败次 数的计数器， 当 收到的用户事件报文中的事件类型为激活， 执行结果为激活成功时， 则将 相应统计对象实例中的统计激活成功次数的计 数器的数值加 1。

依据用户业务的属性， 设置一个维度信息， 所述用户业务的属性包含 用户的位置区、 路由区、 服务区、 接入方式以及接入点等等， 一个维度信 息对应一个维度空间， 通过步骤 101和 102, 可以将同一个维度空间发生的 多个事件， 聚合为一个统计记录， 举个例子来说， 假设一个统计周期内发 生的事件总次数是 X, 在每个维度空间的事件平均发生次数为 P ( P≥1 ), 则 统计对象实例的个数为 X/P,因此，在每个维度空间的事件发生的次数� �高， 统计对象实例数越少。 例如， 对于一个网元， 假设在一个统计周期内， 比 如 15 分钟， 每秒钟事件发生数为 10000, 则 15 分钟内事件发生总数为 10000*60*15=9000000,如果每个维度空间各类事件的� ��均发生次数为 100, 则对应的统计对象实例将为： 9000000/100=90000, 压缩比为 1/100。

当然， 在极限情况下， 比如统计周期非常短， 当在每个维度空间的事 件平均发生次数为 1 时， 即： 发生的所有事件都不重复， 则统计对象实例 的个数等于事件发生数。 对于一个网元来说， 一般单位时间内发生的事件 数固定， 因此， 可以通过设置统计周期， 将事件总数控制在一个可以预知 的范围。

步骤 101~102的过程可以称为原始统计的过程， 在原始统计完成后， 根据用户需求， 针对用户关注对象， 对统计结果进行进一步分析和运算， 并输出运算结果； 其中， 输出的方式可以釆用图形方式， 能让用户很直观 的看到运算结果； 所述用户需要可以是关注的某个维度下的某个 事件统计 结果， 还可以是维度组合下的某个事件统计结果等。

在实际应用过程中， 可以设置统计周期， 比如： 设置统计周期为 15分 钟， 每隔 15分钟， 定时器超时后， 将该段时间的统计结果保存到磁盘， 之 后清除所有统计实例， 对新上报的用户事件报文重新开始统计， 以便用户 可以对统计结果进行进一步地分析和运算， 从而能更好的满足用户需求。

实施例一

本实施例的应用场景是： SGSN的激活成功率的统计。

本实施例中用户的维度信息包含： 位置区识别码（ LAI , Location Area Identity )、路由区域识别码（ RAI , Routing Area Identity )、服务区标识（ S AI , Service Area Identity )、 APN、 无线接入技术 （ RAT , Radio Access Technology ), 以及无线网络控制器 （RNC, Radio Network Controller )名 称等； 需要统计的事件为附着、 激活、 去活、 以及寻呼等， 相应的， 分 别配置用于统计附着成功次数、 附着失败次数、 激活成功次数、 激活失 败次数、 去活成功次数、 去活失败次数、 寻呼成功次数、 寻呼失败次数 等的计数器， 并设置计算维度信息对应的索引的方法， 比如： 哈希算法， 设置统计周期为 15分钟。

SGSN 收到用户事件报文后， 根据用户事件报文中携带的用户标识找 到保存的用户基本信息， 如果用户事件报文中携带本次事件发生变化的 维 度时， 根据用户事件报文中携带的维度更新保存的用 户基本信息； 如果没 有携带维度信息时， 则不更新保存的用户基本信息中的维度信息； 其中， 用户事件报文为现有传递的报文， 在本实施例中， 用户事件报文可以是附 着、 激活、 去活、 以及寻呼等事件的报文； 当用户所处的地理位置、 和 /或 接入方式、 和 /或接入点等发生变化时， 用户的维度信息会发生变化， 在本 实施例中， 具体地， 可以是 LAI、 LAI、 RAI、 SAI、 APN、 RAT, 以及 RNC 名称等其中的一个或几个发生变化时， 则认为用户的维度信息发生了变 化；

之后根据当前保存的用户状态的维度信息，计 算维度信息对应的索引， 再根据维度信息对应的索引， 查找索引对应的统计对象实例， 如果找到对 应的统计对象实例时， 根据事件类型， 将统计对象实例中的事件相关指标 的计数值加 1 , 如果未找到对应的统计对象实例时，创建一个 新的统计对象 实例， 并根据事件类型， 将统计对象实例中的事件相关指标的计数值加 1 , 并每隔 15分钟， 保存统计结果， 之后清除所有统计实例， 对新上报的用户 事件报文重新开始统计， 则得到如图 2所示的原始统计结果示意图， 在图 2 中只列出了激活相关指标的计数值， 即： 激活成功次数及激活失败次数。

选择关注的维度或维度组合， 比如： 选择的维度组合为 （LAI=32432,

RAI=3256, SAI=3247, APN=xcom.net, RAT=UTRAN ), 选择的时间段为： 16:00:00到 18:15:00, 根据原始统计结果， 则可以得到如图 3所示的维度组 合查询结果， 再根据查询结果， 统计激活成功率， 则得到如图 4所示的输 出结果； 在实际应用时， 可以利用结构化查询语言（SQL, Structured Query Language )选择关注的维度或维度组合， 之后再计算出激活成功率。 其中， 统计激活成功率的计算公式为：

激活成功率 =激活成功次数 / (激活成功次数 +激活失败次数） *100； 这里， 激活成功次数、 激活失败次数分别为该段时间下关注的维度或 维度组合查询结果的激活成功次数与激活失败 次数。

从上面的描述中可以看出， 可以实现 SGSN任意维度或维度组合的指 标分析和对比。

实施例二

本实施例的应用场景是： 网关通用分组无线服务技术支持节点 ( GGSN, Gateway GPRS Support Node ) 的承载更新成功率的统计。

本实施例中用户的维度信息包含： LAI、 RAI、 SAL APN、 RAT, 以 及 RNC名称等； 需要统计的事件为激活、 去活、 以及承载更新等， 相应 的， 分别配置用于统计激活成功次数、 激活失败次数、 去活成功次数、 去活失败次数、 承载更新成功次数、 承载更新失败次数等的计数器， 并 设置计算维度信息对应的索引的方法， 比如： 哈希算法， 设置统计周期 为 15分钟。

GGSN 收到用户事件报文后， 根据用户事件报文中携带的用户标识找 到保存的用户基本信息， 如果用户事件报文中携带本次事件发生变化的 维 度时， 根据用户事件报文中携带的维度更新保存的用 户基本信息； 如果没 有携带维度时， 则不更新保存的用户基本信息中的维度信息； 其中， 用户 事件报文为现有传递的报文， 在本实施例中， 用户事件报文可以是激活、 去活、 以及承载更新等事件的报文； 当用户所处的地理位置、 和 /或接入方 式、 和 /或接入点等发生变化时， 用户的维度信息会发生变化， 在本实施例 中， 具体地， 可以是 LAI、 LAI、 RAI、 SAI、 APN、 RAT, 以及 RNC名 称等其中的一个或几个发生变化时， 则认为用户的维度信息发生了变化； 之后根据当前保存的用户状态的维度信息，计 算维度信息对应的索引， 再根据维度信息对应的索引， 查找索引对应的统计对象实例， 如果找到对 应的统计对象实例时， 根据事件类型， 将统计对象实例中的事件相关指标 的计数值加 1 , 如果未找到对应的统计对象实例时，创建一个 新的统计对象 实例， 并根据事件类型， 将统计对象实例中的事件相关指标的计数值加 1 , 并每隔 15分钟， 保存统计结果， 之后清除所有统计实例， 对新上报的用户 事件报文重新开始统计， 得到的原始统计结果与图 2所示的原始统计结果 类似。

选择关注的维度或维度组合， 根据原始统计结果， 可以得到关注的维 度或维度组合查询结果， 再根据查询结果， 可以统计承载更新成功率， 在 实际应用时， 可以利用 SQL选择关注的维度或维度组合， 之后再计算出承 载更新成功率。 其中， 承载更新激活成功率的计算公式为：

承载更新成功率 =承载更新成功次数 / (承载更新成功次数 +承载更新 失败次数） *100；

这里， 承载更新成功次数、 承载更新失败次数分别为该段时间下关注 的维度或维度组合查询结果的承载更新成功次 数与承载更新失败次数。

从上面的描述中可以看出， 可以实现 GGSN任意维度或维度组合的指 标分析和对比。

为实现上述方法， 本发明还提供了一种基于用户事件的用户行为 统计 装置， 如图 5所示， 该装置包括： 报文分析模块 51、 及统计模块 52; 其中， 报文分析模块 51 , 用于收到一个用户事件报文后， 从当前保存的用户 基本信息中获取用户当前状态的维度信息， 并将获取到的用户当前的维度 信息发送给统计模块 52;

统计模块 52,用于收到报文分析模块 51发送的用户当前状态的维度信 息后， 根据用户当前状态的维度信息和事件类型， 将对应的统计对象实例 中的事件相关指标的计数值累加。

该装置还可以进一步包括存储模块 53 , 用于保存用户基本信息及统计 对象实例， 所述用户基本信息包含用户当前状态的维度信 息。

该装置还可以进一步包括釆集模块 54, 用于收到用户事件报文， 且当 用户事件报文中携带本次事件发生变化的维度 时， 根据用户事件报文中携 带的维度更新存储模块 53保存的用户基本信息。

所述统计模块 52, 具体用于： 根据当前保存的用户状态的维度信息， 查找对应的统计对象实例， 如果找到对应的统计对象实例， 则根据事件类 型， 将统计对象实例中的事件相关指标的计数值加 1 , 如果未找到对应的统 计对象实例， 则创建一个新的统计对象实例， 并根据事件类型， 将统计对 象实例中的事件相关指标的计数值加 1。 该装置还可以进一步包括： 定时器及清除模块； 其中，

定时器， 用于在超时后， 触发清除模块；

清除模块， 用于被定时器触发后， 保存统计结果， 之后清除所有统计 对象实例。

所述存储模块 53 , 还用于保存统计结果。

该装置还可以进一步包括： 计算模块， 用于在统计完成后， 根据用户 需求， 对统计结果进行进一步分析和运算， 并输出运算结果。

以上所述， 仅为本发明的较佳实施例而已， 并非用于限定本发明的保 护范围， 凡在本发明的精神和原则之内所作的任何修改 、 等同替换和改进 等， 均应包含在本发明的保护范围之内。