陆屹 赵巍
关键词：WebSocket；
音视频通信；
WebRTC；
SIP；
视频营业厅
0 引言
随着全社会数字化转型的加快，电信运营商内部也正在不断推送业务向着线上化、智能化、云化方向发展，做强做大线上触点，拉通线下线上能力。随着5G 时代移动互联网VOIP 技术发展，以及视频应用的普及，大众客户在日常生活中越来越接受与认可视频通话的交流方式，传统的线下营业厅服务方式正呈现客流下降、厅店减少的趋势。与此同时，线上自助服务方式发展迅猛。
然而，对于不了解运营商业务、不熟悉智能手机操作的各类人群，线上服务存在一定的使用门槛，特别是面对复杂业务处理流程的场景，难以通过自助的方式顺畅的完成信息查询与业务办理。因此，探索和建设基于音/视频协同的远程自助营业厅，在线上服务中融入视频交互人工服务非常必要。
1 视频营业厅定义
视频营业厅是以4、5G 网络技术、WebRTC 实时通讯、在线业务办理等手段为基础的新型服务平台，通过音视频交互的方式实现客户与营业员进行一对一、面对面沟通与业务办理操作，为客户提供一种方便快捷的服务方式。通过该新型服务设施的建设，建立起客户与运营商的在线纽带，帮助运营商降低实体营业厅数量及规模，有效降低固定资本和运营成本，提升运营成效。
2 关键技术
2.1 WebRTC 音视频通信
WebRTC（Web Real-Time Communications）是一项基于Web 的实时通讯技术，由Google 收购VoIP软件开发商Global IP Solutions 的GIPS 引擎后于2011 年开放并更名为“WebRTC”。它允许网络上不同的应用或者Web 站点，在不借助中间媒介的情况下，建立点对点（Peer-to-Peer）的连接，实现音、视频流或者其他任意数据的传输。WebRTC 提供的核心技术有音视频的采集、编解码、网络传输功能[1]，其技术框架如图1 所示。
WebRTC 具备良好的跨平台支持，应用开发者可以集成WebAPI 进行自有应用的构建，主要通过Network Stream API、RTCPeerConnection、Peer-topeerData API 三类开放接口，其分别负责媒体流定义、通信控制和数据交换[2]。本文设计的端侧应用，将开放接口集成在NativeAPP 中，以SDK 方式封装，和手机营业厅客户端整合。
本文在设计实现中，采用的视频通信技术架构主要包含用户端、视频网关、信令媒体、资源服务模块，如图2 所示。用户端实现PC 端和APP 移动端的WebRTC 客户端，视频网关实现了SIP over Websoket与WebRTC 的RTP 转换为SIP 网络所支持的标准SIP与RTP 协议，信令媒体模块提供PBX 和媒体服务，资源服务提供文件NAS 存储服务。
2.2 WebSocket
WebSocket 是HTML5 开始提供的一种浏览器与服务器间进行全双工通讯的网络技术，是一种在单个TCP 连接上进行全双工通信的协议。WebSocket 通信协议于2011 年被IETF 定为标准RFC 6455，并由RFC7936 补充规范[3]。WebSocket API 也被W3C 定为标准。相对于HTTP这种非持久的协议来说，WebSocket是一个持久化网络通信的协议，它不仅可以实现客户端请求服务器，同时可以允许服务端主动向客户端推送数据，是真正的双向平等对话[4]。
在本文视频营业厅系统的设计实现中采用了基于WebSocket 的SIP over WebSocket 信令方案，并通过WebSocket 实时同步客户端与服务端之间的排队信息、接续状态、网络延迟信息等。
3 系统设计
3.1 架构设计
视频营业厅基于微服务架构设计，主体部分采用了JavaEE 的Sping 框架开发，数据库使用MySQL，并运用了Redis 缓存基础配置和热点数据，各个微服务之间主要采用RabbitMQ 消息队列进行数据状态同步，主要架构可分为四个部分，包括用户端系统、视频通信系统、座席工作台、配套基础应用组成，如图3 所示。
⑴ 用户端是提供给客户、座席人员操作界面，可支持智能手机、PC 的接入，手机端通过集成了WebRTC功能SDK 的手机营业厅客户端实现接入，PC 端通过Chrome、Edge 等原生支持WebRTC 的浏览器接入。
⑵ 视频通信系统是视频营业厅的核心组件，包括接入管理、视频网关、信令控制、媒体处理、音视频录制等功能模块，用于实现客户与座席人员的语音、视频及数据传输等实时通讯功能。
接入管理：对用户端的呼叫接入请求进行处理，并根据技能信息路由分配座席，反饋排队状态和接续应答通知。
视频网关：提供SIP 与流媒体的代理服务，将SIP over Websoket 与WebRTC 的RTP 转换为SIP 网路所支持的SIP 与RTP。
信令控制：控制音视频媒体的开启与关闭，并交换双方网络信息、协商媒体编码、分辨率等功能。
媒体处理：对音视频媒体的采集、编解码、渲染等进行统一处理。
音视频录制：对音视频媒体进行转码、录制、存储等功能。
⑶ 座席工作台提供了营业厅座席人员使用的统一操作平台，集成了CRM（客户关系管理）系统、业务中台、人像比对的系统能力。
CRM 系统：提供客户基础信息与业务信息的查询功能。
业务中台：提供业务的订单下单、二次确认、订单的处理能力。
人像比对：提供实现视频图像的人像识别、实人认证能力。
⑷ 配套基础服务包含日志中心、配置中心、数据分析、监控告警等模块。
日志中心：实现座席接续操作日志，用户接入流转日志，会话信息等日志信息的记录与管理。
配置中心：对技能与技能组、平台工号权限、路由分配策略等进行统一的配置管理。
数据分析：对系统和业务数据进行统计分析，并提供相关报表查询功能。
监控告警：实时监控系统个模块的运行状态、性能、负载等各项指标，并对异常情况进行实施的维护告警。
3.2 高可用设计
视频营业厅系统采用高可用、高并发、高可扩展的设计思路，核心模块均支持跨机房的集群化部署，集群间通过KeepAlived 保活机制实现服务的高效连续运行，避免单点故障。KeepAlived 是一个TCP/IP 协议栈中第3，4，5 层交换机制的软件，它的作用是检测服务器状态，如果有一台服务器死机或故障，它将有故障的服务器从系统中剔除，当服务器工作正常后，KeepAlived 自动将Web 服务器加到服务器群中，这些工作全部自动完成，不需要人工干涉[5]，即使部分应用节点即使宕机也能做到前台无感知或者快速自动恢复。视频营业厅的核心组件视频通信系统的部署架构，如图4 所示。
3.3 业务流程设计
客戶使用手机营业厅APP 的视频通话申请，经过接入管控层、视频通信系统，与视频营业厅座席人员建立视频通信，座席人员通过视频工作台与CRM系统、业务中台等协同实现客户信息查询、人像比对、业务下单、订单信息推送、客户远程确认后，完成业务办理。主要流程如图5 所示。
⑴ 客户通过手厅APP 申请视频服务，视频通信系统进行技能队列排队，反馈排队进度，手厅端展示排队信息；
⑵ 排队完成后，视频通信系统根据策略分配座席人员，同步反馈手厅APP 端和通知座席工作台端，手厅端展示等待接听，座席侧进行振铃；
⑶ 座席侧接续应答后，通过视频通信系统通知手厅APP 侧，并建立视频通信连接，实现视频通话，手厅APP 和座席工作台分别展示客户和座席人员视频图像，如图6 所示；
⑷ 座席工作台根据呼入的客户号码展示业务信息，如果客户有办理业务需求，则根据视频图像关键帧，通过人像比对功能完成实人认证，并提交业务订单；
⑸ 座席工作台将业务订单信息、协议远程推送给客户，客户进行业务二次确认，如图7 所示。确认后系统完成订单处理，并通知客户业务办理结果；
⑹ 当客户完成所有业务咨询、办理后，进行挂断操作，视频通信系统接收到挂断指令后，通知座席工作台，结束通信；
4 平台应用效果
中国移动浙江公司已于2021 年9 月将视频营业厅投入使用，目前已在全省开设了22 个视频营业厅共44 个专席，月均通话服务量2391 单，系统建设容量可支持200 个专席同时进行视频通话，并可根据开设专席的需要随时进行扩容，有效的解决了客户在到实体厅店、线上自助办理时遇到的困境，并将线上面对面咨询、业务办理的模式融入千家万户的日常生活，满足不同的服务需求。同时视频营业厅在日常的使用中也不断进行优化打磨，努力打造出更规范、更智能的服务平台，积极推进数智化转型。
2022.1-2022.12 期间，浙江移动使用视频营业厅的情况如表1 所示。
5 结束语
本文通过对WebSocket、WebRTC 等技术的研究，设计并实现了视频营业厅系统，客户通过手机营业厅APP 与视频营业厅座席人员进行实时音视频通信，运用在各类的服务咨询、业务办理等场景，提供了全新的服务方式与用户体验，实现了营业厅的降本增效。后续将进一步优化客户端接入能力，扩展通过微信、手机浏览器等更多种的接入方式，提升客户使用的便捷性。同时不断扩展平台的能力，将音视频通信平台的能力运用于视频客服、视频会议和远程视频培训等更多场景中。