立即注册
查看: 434|回复: 1

中国联通云网智能优化白皮书(2021)

已绑定手机
发表于 2022-7-25 10:26:03 | 显示全部楼层 |阅读模式 来自 广东省深圳市
一、 概述
从国际上看,以大数据、云计算、物联网、人工智能等新一代信息技术为核心的世界新一轮科技革命和产业变革正加速演进;从国内来讲,我国经济已经由高速增长阶段向高质量发展阶段转变,数字经济作为实体经济发展和创新驱动发展的重要内容,已经成为中国落实国家重大战略的关键力量。网络作为数字经济发展基础设施之一,是实体经济的神经系统,顺应新一轮科技革命趋势,大力发展数字经济,从供给侧为实现经济高质量发展提供有效途径成为企业“数字化转型”的内在动力。
随着 5G 网络的建设部署,四代网络共存,网络复杂度显著提升、网络运营压力大幅增加。同时,数字化转型的内、外部驱动力对网络的敏捷运营提出更高的要求,网络的传统运营方式亟待变革。电信运营的数字化转型需要以数据为核心,驱动运营的效率革命。海量的原生数据只有叠加了智能技术才能挖掘其潜在价值,为企业在精准定位、主动服务、智慧运营等方面发挥重要作用。电信运营商必须加快业务流程的数字化和智能化,以数字化的角度重塑网络服务与运营优化流程,力争从传统网络服务提供商的角色向多元智能服务的角色迈进。
中国联通坚持“聚焦、创新、合作”战略,加快推进全面数字化转型。经过多年的探索和实践,联通 5G 网络已经基本完成网络的云化转型,在基础设施云化、网元虚拟化、网络 SDN 化方面逐步完成商用实践。从 2020 年起,中国联通以自动驾驶网络为目标网络[1],推进自动驾驶网络标准化分级体系,建设智能网络中台,推动全国开展数字化运营达标活动。2021 年,中国联通又发布了 “CUBE-Net3.0 新型数字基础设施计划”[2],提出网络智能运营体系,以大数据及 AI 技术为引擎,构建“网络全景掌控、服务对象跟踪、智能需求匹配、客户体验提升”智能服务能力,建立云网、数据、应用的智能联动服务体系,实现敏捷的业务调度管理与优化,动态智能的供需服务匹配,推动网络运营智能化。在智能运营体系中,智能优化是网络智能化的关键技术和应用方向之一。网 络优化工作既是在有限的资源条件下寻找最优化的资源配置组合,以实现更好的运营服务质量。这与人工智能技术的多目标优化、海量数据挖掘、人工经验替代等特点具有高度的特征一致性。因此,智能优化是需求最明确的网络 AI 场景之一,也是最适合通过新一代信息化技术完成数字化、智能化转型的方向之一。与此同时,5G 业务需求的多样性的发展、网络的复杂度提升,使得原有的技术架构逐渐难以满足新的数字化运营需求,限制了云网优化工作的进一步智能化。这促使我们对网络技术架构体系提出新的要求,在关键技术方面寻找新的突破,也必将促使网络优化工作的理念发生改变。
为落实数字化转型战略,聚焦云网智能优化领域,中国联通将以架构性创新、以标准技术引领,协同产业合作推进行业发展。本白皮书提出了中国联通云网优化的数字化、智能化的技术演进目标和愿景。面向未来 3 至 5 年,对业务需求、网络架构和关键技术的演进方向进行了阐述,期望能推动智能化技术在云网优化领域的加速孵化和落地。

二、 技术现状和演进需求
(一) 技术现状
网络优化的主要作用是提升网络质量,保证用户体验,因此运营商在网络优化工作中投入了大量人力物力。传统网优工作依靠路测、系统统计数据分析、投诉信息等手段采集相关信息,再结合专家经验进行问题诊断和优化调整。在网络复杂化和业务多样化的趋势下,传统优化工作模式显得被动、低效,在网络动态变化的情况下无法满足实时性网络优化需求。
1) 网络动态变化,但优化目标仍是“平均”最优
5G 网络为客户提供了更多的业务类型,网络大数据拓展了更多的网络服务领域,但与 5G 业务的多样性以及大数据技术发展所不匹配的——是目前网络优 化目标的评价标准,仍是以小区历史性能最优为目标的“平均”最优网络。
现网数据采集和主要参数的控制粒度均为小区级,受限于此,网络质量评价和网络优化目标指标仍以小区级 KPI 的历史统计为主。也是就说,优化工作的目标是寻找小区级网络性能平均最优。无论用户在何种时间、何种位置、进行何种业务,网络优化只能为用户提供“无差别”的网络保障。基于 PCF(Policy ControlFunction)的策略控制等技术,能为签约用户和业务提供专载保障,但尚不能实现全网能力的动态调整,网络性能在时间和空间维度仍存在很大的优化空间。
2) 跨域多元数据采集、融合,但硬件和运维成本高
由于移动网络存在多个网络域,当前数据采集机制以分域全量采集、再跨域融合分析为主。运营商网络产生海量数据,但目前真正发挥价值的数据并不多。
然而,为了建设与数据量所匹配的运算和存储能力,运营商进行了大量的软硬件投入。在现有技术架构下,随着网络规模及数据量的不断增大,系统处理速度无法支撑网络数据的快速分析,只能不断进行软、硬件扩容,推高运营成本。长期以来,各个网络领域设备分别研发、管理,例如无线网、核心网、传输网、OSS 域等。在数据层面,一般由 EMS/NMS 提供北向接口,OSS 系统进行集成。
这种烟囱式的研发机制造成了跨域数据采集和建模标准化程度不足,网络端到端的运行数据拉通困难,数据即使集中存储也是一个个信息孤岛。而多厂商设备实现、接口协议等差异性问题更加剧了这一情况。例如,为实现用户级的端到端网络体验分析,现网全量采集无线 MR、核心网 XDR、传输及承载网 KPI 指标,并建 设专用支撑系统以实现从跨域的海量数据中搜索并关联出单用户的网络体验信 息,这需要投入大量硬件资源和软件研发费用。
3) 业务实时性增强,但业务体验难以实时分析
当前网络数据的采集周期长、业务体验统计粒度粗,难以实现对用户、业务体验的实时感知和分析。很多网络问题在发生后,需要通过客户投诉驱动,再进行人工分析、决策和实施优化。
现状无线侧主要基于设备软采实现 counter、KPI、MR、Trace 等运行数据的采集,数据在基站生成,层层汇聚至 OMC,最终通过北向接口汇聚至 OSS。采集接口以文件接口为主,时间最小粒度为 15 分钟,网元统计最小粒度通常为小区;核心网侧以专用硬件采集为主,采集设备以分光等方式全量采集用户面和业务面数据,数据采集量极大,数据解析、处理和存储均需要高性能硬件支持,处理时延一般为小时/天级。
分域数据的全量采集处理时延、网络跨域层层汇聚时延、和跨域数据关联分析时延造成了网络业务体验分析的时间粒度以月/周为周期,难以满足更细粒度、更实时的业务体验洞察和优化调整需求,更无法提前预判网络瓶颈和潜在的问题。
4) 网络复杂度攀升,但人工优化仍占比大
5G 网络规模大幅度增长,新特性不断引入,业务场景更加多样。随着基础设施的虚拟化、云化,网络配置、资源调度更灵活,但也引入了更多的厂商设备组合和网络管理层次。与此同时,四网并存、共建共享、多频段、多厂商、多版本已成为网络运营的常态,造成网络复杂度空前提高,给 5G 网络的优化工作带来了前所未有的挑战。
时至今日,日常运维优化的人力成本占比仍高达 70% 左右[9]。大量问题需要人工路测、分析性能数据进行诊断;定位问题后,优化人员操作 NMS 或 EMS 平 台来进行配置调整;优化实施后,优化效果的后评价也经常依赖人工对比分析。另外,这一过程需要优化工程师理解大量设备相关信息,面对海量数据却利用有限,工作效率较低。因此,在网络运维成本居高不下的情况下,如何使运营商从复杂的网络参数设置与海量的网络数据中解脱出来,如何平衡资产利用率和提高能源效率成为重要关注点。
5) AI 优化研究众多,但现网落地应用不畅目前业内在智能优化上已开展了大量的研究和试验,但由于机器学习等技术的模型训练过程可能导致网络质量回退,因此该类新技术在现网落地中仍存在一 定困难。现阶段的智能优化新技术,特别是机器学习、强化学习等技术,往往需要从现网中采集足够的训练数据,以完成 AI 模型的学习,并通过不断的参数调整使模型性能收敛。这一过程可能造成一定时间内的网络质量和业务体验下降。这与电信运营商一直以来致力于提供的高可靠性网络服务存在一定矛盾。由于担忧这类技术带来的性能回退和造成的用户投诉,现网往往难以进行落地。然而,采用实验网先进行技术试验,又不能真实地模拟现网用户、业务的动态分布等特征,造成机器学习模型过拟合、泛化能力差。

更多详细内容请下载附件查看
游客,如果您要查看本帖隐藏内容请回复
已绑定手机
发表于 2024-3-19 17:13:34 | 显示全部楼层 来自 重庆市
好东西,下载学习
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

合作/建议

TEL: 19168984579

工作时间:
周一到周五 9:00-11:30 13:30-19:30
  • 扫一扫关注公众号
  • 扫一扫打开小程序
Copyright © 2013-2024 一牛网 版权所有 All Rights Reserved. 帮助中心|隐私声明|联系我们|手机版|粤ICP备13053961号|营业执照|EDI证
在本版发帖搜索
扫一扫添加微信客服
QQ客服返回顶部
快速回复 返回顶部 返回列表