Анализ качества мобильной сети для ВКР: метрики QoE и обработка данных измерений
Телеком-операторы давно соревнуются не покрытием как таковым, а качеством абонентского опыта. Свежий рейтинг DMTEL по метро Санкт-Петербурга — наглядный тому пример: победу Билайна определили не заявления маркетологов, а агрегированные измерения реальных сессий в час пик. Для выпускника направления «Прикладная информатика», «Инфокоммуникационные технологии» или «Data Engineering» это готовый полигон: качество сети — это классическая задача сбора, очистки и агрегации больших объёмов телеметрии. Если грамотно перенести её в диплом, вы получите работу с живыми метриками, а не абстрактное сравнение «технологий будущего». Ниже разберём, как это оформить в защищаемую ВКР.
Что чаще всего спрашивают студенты по таким темам
Где вообще брать исходные данные измерений?
Идеальный вариант — открытые crowdsourced-датасеты (например, выгрузки speedtest-провайдеров) плюс собственный синтетический генератор. Публичные данные Роскомнадзора и открытые порталы операторов дают агрегаты по региону. Если тема закрытая — стройте модель на симулированных логах: сгенерируйте 500 000 сессий с реалистичным распределением RSRP/RSRQ и докажите методику на них.
Какую метрику брать за «истину» — RSRP или скорость?
Ни одну из них в одиночку. Нужен композитный показатель уровня QoE: скорость загрузки + задержка (RTT) + jitter. RSRP — это сигнал радиоуровня, а пользователь чувствует именно QoS сессии (по ISO/IEC 25010 «производительность» и «надёжность» — разные характеристики, их нельзя смешивать в один столбец без обоснования весов).
Как оформить схемы, если это не чисто «софтовый» проект?
Используйте C4 (контекст и контейнеры) для архитектуры сбора данных и BPMN — для процесса обработки измерения «от смартфона до дашборда». Такой микс закрывает и техническую, и процессную часть, что любят в нормоконтроле.
Что даст новизну, если все считают те же метрики?
Новизна — в подходе: потоковая агрегация (Kafka + ClickHouse), геопространственная привязка к станциям метро (PostGIS), ML-кластеризация «проблемных» интервалов суток. Даже перенос методики DMTEL на один город — уже самостоятельный результат.
Темы ВКР, которые реально защитить
-
Тема 1. «Разработка ETL-конвейера для агрегации метрик качества мобильной сети»
Актуальность: кейс DMTEL показал, что лидерство определяется массовыми измерениями — значит, нужен надёжный пайплайн сбора и очистки.
Цель: спроектировать и реализовать ETL, обрабатывающий ≥1 млн замеров в сутки.
Задачи: (1) обзор источников телеметрии; (2) проектирование схемы хранения и ETL; (3) реализация на Kafka + ClickHouse; (4) оценка пропускной способности и задержки агрегации.
Структура: Гл.1 — анализ источников и метрик (QoS/QoE); Гл.2 — проектирование архитектуры (C4); Гл.3 — реализация и замеры throughput. -
Тема 2. «Сравнительный анализ качества мобильного интернета операторов по станциям метро»
Актуальность: прямое продолжение рейтинга DMTEL по Санкт-Петербургу.
Цель: построить методику ранжирования операторов с корректными весами метрик.
Задачи: (1) выбор метрик и источников; (2) нормализация данных; (3) расчёт композитного индекса; (4) визуализация и проверка устойчивости ранжирования.
Структура: Гл.1 — теория качества услуг (ISO/IEC 25010); Гл.2 — методика и геоаналитика; Гл.3 — эксперимент и выводы. -
Тема 3. «Мониторинг QoE сети с применением OpenTelemetry и Grafana»
Актуальность: операторам нужен не отчёт раз в квартал, а онлайн-наблюдаемость — тренд задаёт та же DMTEL, только в аналитике.
Цель: собрать наблюдаемый контур на открытом стеке.
Задачи: (1) описать модель телеметрии; (2) настроить коллектор и хранилище; (3) собрать дашборды и алерты; (4) провести нагрузочный тест.
Структура: Гл.1 — обзор observability; Гл.2 — архитектура и реализация; Гл.3 — метрики и оценка эффективности.
Как встроить кейс из статьи в главы работы
Глава 1: анализ и постановка задачи
Откройте публикацию DMTEL и разберите, по каким параметрам ранжировались операторы. Оформление: таблица «оператор — метрика — значение — источник», схема «класс характеристик по ISO/IEC 25010» с выделением подмножества для сетевого качества (производительность, надёжность, удобство). Так вы покажете, что не выдумали метрики, а опираетесь на отраслевую практику.
Глава 2: проектирование и реализация
Здесь появляется архитектура. Диаграмма C4 уровня «Контейнеры»: источники (мобильные SDK, зонды) → брокер (Kafka) → обработчик (Flink/Spark Streaming) → хранилище (ClickHouse) → BI/дашборд. Для потоковой агрегации по станциям подойдёт такой оконный запрос:
-- Средняя скорость и RTT по станции метро за 5-минутные окна
SELECT
station_id,
toStartOfFiveMinute(ts) AS window_start,
count() AS sessions,
quantile(0.5)(throughput_mbps) AS p50_mbps,
quantile(0.95)(throughput_mbps) AS p95_mbps,
avg(rtt_ms) AS avg_rtt,
stddevPop(jitter_ms) AS jitter_std
FROM measurements
WHERE ts >= now() - INTERVAL 1 DAY
GROUP BY station_id, window_start
HAVING sessions > 30
ORDER BY station_id, window_start;
Поясните, почему используете перцентили, а не среднее: среднее «съедает» провалы в час пик, а p95 показывает именно деградацию — это близко к логике рейтинга DMTEL.
Глава 3: оценка эффективности
Метрики тут двух типов — технические (throughput конвейера, лаг потребителя, задержка от измерения до дашборда) и пользовательские (доля сессий ниже порога, время обнаружения деградации). Сведите их в таблицу «до/после» и посчитайте, сколько минут вы экономите на ручной обработке. Дашборд в Grafana покажите скриншотом в приложении — на защите это работает лучше абстрактных графиков.
Нормоконтроль: где чаще валят
Обратите внимание: схемы — по ГОСТ 19 (для ПО) или ГОСТ 34 (для систем), листинги кода — в приложении с нумерацией, список литературы — по ГОСТ Р 7.0.5. Названия операторов и источников пишите одинаково во всей работе: если в Гл.1 «Билайн», то и в таблицах «Билайн». Метрики — с единицами измерения (Мбит/с, мс), иначе выводы формально считаются некорректными.
Чему вы научитесь на этой теме
- Проектировать ETL/ELT-конвейеры под большие объёмы телеметрии.
- Корректно считать и обосновывать композитные метрики качества (QoS против QoE).
- Строить геопространственную аналитику (PostGIS, тайлы, привязка к станциям).
- Настраивать observability-контур на OpenTelemetry + Grafana.
- Оформлять техническую работу по ГОСТ 34/19 и защищать выбранные критерии эффективности.
- Задачи из введения дословно совпадают с пунктами в заключении?
- Для каждой метрики указана единица измерения и источник.
- Схемы оформлены по ГОСТ 34/19, а не «просто картинкой из Miro».
- Есть минимум одна диаграмма C4 или BPMN, подтверждающая архитектуру.
- В приложении — рабочий листинг ETL-скрипта или конфигурации.
- Ссылки на источники (включая публикацию DMTEL) оформлены и датированы.
- Раздел «Эффективность» содержит числа, а не только рассуждения.
1. Смешивают радиоуровень и пользовательский опыт. RSRP не равен «скорости у абонента». Разделяйте уровни измерения в разных таблицах — как это делает DMTEL, оценивая конечные сессии, а не только сигнал в эфире.
2. Берут средние значения по всем станциям. Пиковый час профиль «съедается» ночным спокойствием. Используйте перцентили и отдельные интервалы суток, иначе вывод развалится на первом вопросе комиссии.
3. Забывают про воспроизводимость. Если данные синтетические — приложите генератор и seed. Если публичные — укажите дату выгрузки и ссылку. Иначе работу невозможно проверить, а значит — защитить.
Источник: DMTEL: Билайн лидирует по качеству мобильного интернета в метро Санкт-Петербурга (опубликовано 2026-03-24)