·一些配置不良的互联终端可能会导致信号风暴，激进型互联终端引发的信号风暴会对物联网网络拥塞和性能产生负面影响

·Telenor Connexion将实时流量监控与对物联网终端和网络的数据分析相结合，降低信令拥塞的风险，提高运营绩效

·Telenor Connexion使用大数据分析，避免网络拥塞；监控物联网网络KPI；应用大数据分析，进行预测分析

最新版《爱立信移动市场报告》预测，到2022年，将有约290亿台联网终端，其中约180亿物联网终端。在全球范围内，大量不同的物联网终端正通过移动网络进行部署和连接。激进型互联终端引发的信号风暴会对物联网网络拥塞和性能产生负面影响。为了避免这种情况，就需要对来自终端的控制平面数据及其连接的网络进行实时监控、分析和管理。提高可靠性也是采集、处理和分析互联终端生成的用户平面数据的前提条件。

Telenor Connexion拥有超过15年的机器类通信经验，一直是物联网领域的先驱。Telenor Connexion将实时流量监控与对物联网终端和网络的数据分析相结合，降低信令拥塞的风险，提高运营绩效。

高级实时故障排除工具集（ARTS）

ARTS是一种基于云的网络连接分析工具，专为互联物联网终端而设计。它可以通过企业客户支持或操作团队的Web界面访问，根据大数据分析技术和以域为中心的数据模型提供对物联网终端和网络性能的实时洞察。它还基于网络行为的模式提供预测分析，发现潜在问题，从而支持更快、更有效地做出决策。

一小部分终端就可能产生严重的网络问题

过去7年中，Telenor Connexion管理的互联终端（基于SIM卡）以超过50％的复合年增长率（CAGR）增长。目前，安装的互联终端总数为大约600万个，大多数流量通过GPRS和SMS传输。

2014年，Telenor Connexion遭遇了一小部分互联终端引起的网络恶化，这促使该公司调查他们客户的终端在移动网络中的行为。该公司发现，不到500个激进型终端就可能创建网络信令风暴，从而导致拥塞。事实上，一些客户终端每小时生成超过100个网络事件——是每小时大约20个网络事件这一可接受限值的5倍。这种过激的信令行为可能快速发展为导致一个网络拥塞，并开始影响其他网络。

为了解决这一问题，物联网运营商需要与漫游运营商紧密合作，关闭或重定向所有物联网漫游终端的控制平面消息。这会影响所有物联网客户，因为整个漫游网络被阻塞。一旦网络完全拥塞，可能就需要长达两个小时才能完全重新路由漫游物联网终端，然后再用两个小时让网络操作正常化。对于漫游运营商，这可能影响消费者的流量和客户体验，对品牌产生不良影响。

使用大数据分析，避免网络拥塞

通过采集和分析物联网终端生成的每个网络事件，可以识别激进型终端行为。采取适当的行动以避免信令风暴，从而确保网络性能满足服务水平协议的要求。

激进型行为的一个示例是当终端尝试附接到网络但不成功时，立即连续快速尝试多次。这就会产生信令数据流，当类似终端也生成比往常更多的信令时，信令网络就会过载。识别此类行为，然后重新配置终端，使每次连续尝试连接到网络的时间加倍，给网络运营商时间识别情况并解决根本原因，从而避免网络拥塞。

此外，互联终端的流量可以迁移到不同网络，以避免特定网络过载。例如，一些客户在多个国家的多个网络中都有终端；在这些情况下，互联终端中的SIM可以被配置为基于网络性能分析附接到某国的特定网络。

监控物联网网络KPI

该图显示了2016年10月16日 - 18日期间的一些网络KPI：绿色柱状图表示流量活动，红色柱状图标识了SMS和PDP的相应成功率KPI（即物联网终端建立专用数据承载的能力）。

左上方的柱状图表明，在此特定客户案例中，平均网络活动展示了每个物联网终端每小时进行三到六个网络事务（从基础到峰值）。在中间的图表中，蓝线表示每个物联网终端的平均数据量峰值略高于30 KB /小时，所有物联网终端在10月17日上午9点至中午12点之间每小时消耗的数据总量为24 GB。在同一时期，每个物联网终端每小时的SMS活动平均为大约3个，总SMS流量大约为每小时5万个。

因此，柱状图提供了有关物联网网络活动和成功率的概览，使人们可以轻松发现在显示的48小时内发生的任何偏离。

应用大数据分析，进行预测分析

自动报告系统监控来自所有客户的流量，并为未来六个月至一年生成带宽预测。基于这些报告，控制平面中的信令业务和用户平面中的有效载荷业务规模的预测变得越来越精确，确保用户避免网络拥塞问题。

将数据分析应用于互联终端网络中的控制平面数据可以为网络运营商和企业带来诸多益处。由于可以了解网络的哪些部分需要改进，信令流量对物联网终端网络造成的垃圾邮件威胁已经减少。基于这些洞察，可以实施公平网络使用策略，详细说明可接受的终端信令行为。过去两年，由Telenor Connexion管理的物联网网络中的潜在激进型客户终端数量从38％下降到16％（其余的16％分布在几个网络上，不会立即构成威胁）。这是由于对网络中物联网终端执行情况的综合了解以及连接效率指南的实施。此外，通过预测性分析功能，控制平面流量和用户平面流量带宽规模预测均可实现超高的精确度，从而改进资源规划。