人工智能在5G網(wǎng)絡(luò)優(yōu)化中的應(yīng)用

曹顏輝，王 瑞，朱 寧，張利峰，梁 星

（中國(guó)移動(dòng)通信集團(tuán)設(shè)計(jì)院有限公司 山西計(jì)劃單列分院，山西 太原 100089）

1 人工智能概述

人工智能又叫AI，體現(xiàn)在模擬人類思維模式實(shí)現(xiàn)創(chuàng)新性智能，是現(xiàn)階段最符合時(shí)代性的理論方式和技術(shù)系統(tǒng)，具有一定的可執(zhí)行性。近年來(lái)，信息社會(huì)的發(fā)展推動(dòng)了人工智能的發(fā)展，其應(yīng)用范圍也越來(lái)越廣，從專項(xiàng)應(yīng)用轉(zhuǎn)變?yōu)橥ㄓ眯愿鼜?qiáng)的技術(shù)。信息社會(huì)的互聯(lián)網(wǎng)技術(shù)與人工智能結(jié)合，產(chǎn)生了更為先進(jìn)的數(shù)據(jù)算法和場(chǎng)景建設(shè)。人工智能在應(yīng)用之初主要用于模擬人類的各項(xiàng)行為活動(dòng)和思維模式，而隨著深入研究，逐漸呈現(xiàn)出泛智能的發(fā)展趨勢(shì)，即形成一套發(fā)現(xiàn)問(wèn)題、分析問(wèn)題以及解決問(wèn)題的問(wèn)題處理體系，當(dāng)問(wèn)題較為復(fù)雜或不常見時(shí)依然可以對(duì)其進(jìn)行分析[1]。

現(xiàn)階段，通信運(yùn)營(yíng)商為了滿足用戶越來(lái)越廣泛的需求，加大了通信網(wǎng)絡(luò)運(yùn)營(yíng)和升級(jí)的資金投入，5G通信技術(shù)得以推廣和普及。與此同時(shí)，運(yùn)營(yíng)商需要有針對(duì)性地調(diào)整現(xiàn)有的運(yùn)營(yíng)體系和商業(yè)模式。因此，人工智能技術(shù)如何與5G通信技術(shù)進(jìn)行技術(shù)融合，并應(yīng)用到5G網(wǎng)絡(luò)建設(shè)中去，是運(yùn)營(yíng)商降低網(wǎng)絡(luò)運(yùn)營(yíng)成本和提升用戶體驗(yàn)的一大研究方向。

2 5G網(wǎng)絡(luò)優(yōu)化流程及目標(biāo)分析

2.1 5G網(wǎng)絡(luò)優(yōu)化流程

5G網(wǎng)絡(luò)的優(yōu)化是現(xiàn)階段5G網(wǎng)絡(luò)應(yīng)用推廣的一大研究方向，而優(yōu)化的具體流程較為復(fù)雜。作為新型的系統(tǒng)網(wǎng)絡(luò)，5G網(wǎng)絡(luò)優(yōu)化的參數(shù)、對(duì)象以及方法與傳統(tǒng)的通信網(wǎng)絡(luò)有一定的差別，但最終的目標(biāo)都是提升網(wǎng)絡(luò)的通信速度，降低網(wǎng)絡(luò)的整體延時(shí)[2]。5G網(wǎng)絡(luò)優(yōu)化流程示意如圖1所示。

2.2 5G網(wǎng)絡(luò)優(yōu)化目標(biāo)

2.2.1 數(shù)據(jù)傳輸速率優(yōu)化

隨著4G網(wǎng)絡(luò)的全覆蓋，人們?cè)谶M(jìn)行移動(dòng)通信和數(shù)據(jù)傳輸?shù)倪^(guò)程中已經(jīng)享受到了較高的便利和較低的資費(fèi)標(biāo)準(zhǔn)，而人們網(wǎng)絡(luò)通信的需求也在日漸提高?，F(xiàn)行的5G網(wǎng)絡(luò)技術(shù)標(biāo)準(zhǔn)與現(xiàn)在使用的4G網(wǎng)絡(luò)相比已經(jīng)出現(xiàn)大幅度提速，但這只是目前的理想化標(biāo)準(zhǔn)，距離完全實(shí)現(xiàn)還有一定的差距?，F(xiàn)階段，試運(yùn)行的5G網(wǎng)絡(luò)速度測(cè)試結(jié)果已經(jīng)可以達(dá)到1.5 Gb/s，現(xiàn)有的4G網(wǎng)絡(luò)數(shù)據(jù)傳輸速度還不足100 Mb/s。對(duì)比來(lái)看，5G網(wǎng)絡(luò)已經(jīng)比4G網(wǎng)絡(luò)的傳輸速度有了極大的提高，但與想要實(shí)現(xiàn)的技術(shù)標(biāo)準(zhǔn)還有一定的差距，原因在于5G網(wǎng)絡(luò)于2019年開始研發(fā)，目前還處于研發(fā)階段，現(xiàn)有的網(wǎng)絡(luò)傳輸速度提升主要依賴于多單元自適應(yīng)陣列傳輸技術(shù)，這也是目前研發(fā)的主要方向[3]。

2.2.2 網(wǎng)絡(luò)數(shù)據(jù)安全優(yōu)化

人們對(duì)于網(wǎng)絡(luò)速度的要求日漸提升，主要原因是人們對(duì)于移動(dòng)終端設(shè)備的過(guò)度依賴，在此過(guò)程中需要進(jìn)行大量的數(shù)據(jù)傳輸和數(shù)據(jù)處理分析，因此數(shù)據(jù)的安全性是人們較為關(guān)注的。5G通信技術(shù)在應(yīng)用的過(guò)程中應(yīng)該注意數(shù)據(jù)保護(hù)問(wèn)題，通過(guò)更高強(qiáng)度的加密算法提高數(shù)據(jù)信息的抗干擾能力和防竊取能力，以此來(lái)實(shí)現(xiàn)5G數(shù)據(jù)網(wǎng)絡(luò)安全的優(yōu)化，進(jìn)而完成5G網(wǎng)絡(luò)數(shù)據(jù)的優(yōu)化。在進(jìn)行5G網(wǎng)絡(luò)通信研發(fā)的過(guò)程中，需要制定出嚴(yán)格的技術(shù)安全標(biāo)準(zhǔn)，保證人們的數(shù)據(jù)安全性。

3 人工智能在5G網(wǎng)絡(luò)優(yōu)化中的應(yīng)用

人工智能技術(shù)需要通過(guò)4步融入到5G網(wǎng)絡(luò)優(yōu)化工作中，一是智能識(shí)別，二是智能分析，三是智能規(guī)劃，四是智能優(yōu)化。通過(guò)這4步有條不紊的進(jìn)行5G網(wǎng)絡(luò)的迭代優(yōu)化，形成標(biāo)準(zhǔn)化的優(yōu)化流程，進(jìn)而達(dá)到5G網(wǎng)絡(luò)優(yōu)化的高度自動(dòng)化。5G網(wǎng)絡(luò)智能規(guī)劃流程如圖2所示。

圖2 5G網(wǎng)絡(luò)智能規(guī)劃流程示意圖

3.1 基于機(jī)器學(xué)習(xí)建立覆蓋優(yōu)化系統(tǒng)

傳統(tǒng)的人工經(jīng)驗(yàn)優(yōu)化技術(shù)雖然是現(xiàn)階段的主流優(yōu)化技術(shù)，但是不能完全滿足當(dāng)下5G網(wǎng)絡(luò)通信的個(gè)性化需求，所以需要通過(guò)人工智能技術(shù)進(jìn)行一定的機(jī)器學(xué)習(xí)，進(jìn)而形成更高效和更具針對(duì)性的網(wǎng)絡(luò)覆蓋優(yōu)化?，F(xiàn)階段的另一主流網(wǎng)絡(luò)優(yōu)化技術(shù)是仿真技術(shù)，但是其無(wú)法將實(shí)際應(yīng)用場(chǎng)景完全還原出來(lái)。在5G網(wǎng)絡(luò)的背景下，需要建立起更加完善的覆蓋優(yōu)化系統(tǒng)，集體系統(tǒng)設(shè)計(jì)流程主要包括以下4點(diǎn)。

一是對(duì)于全覆蓋網(wǎng)絡(luò)的小區(qū)通過(guò)測(cè)量報(bào)告MRO進(jìn)行網(wǎng)絡(luò)覆蓋優(yōu)化關(guān)系，以此份測(cè)量報(bào)告為基礎(chǔ)建立起相應(yīng)的評(píng)估矩陣，分析現(xiàn)有的系統(tǒng)預(yù)置規(guī)則，掌握小區(qū)的網(wǎng)絡(luò)軟件和硬件先關(guān)參數(shù)，便于網(wǎng)絡(luò)優(yōu)化的各個(gè)階段，可以有針對(duì)性地調(diào)整網(wǎng)絡(luò)設(shè)備的方向角與運(yùn)行功率等參數(shù)信息，并在此基礎(chǔ)上制定出針對(duì)性的優(yōu)化方案[4]。

二是由于每個(gè)網(wǎng)絡(luò)覆蓋的小區(qū)各有不同的特征，因此在進(jìn)行優(yōu)化過(guò)程中需要針對(duì)性進(jìn)行相應(yīng)的指標(biāo)搜集，包括網(wǎng)絡(luò)參數(shù)、干擾程度以及網(wǎng)絡(luò)結(jié)構(gòu)等，根據(jù)現(xiàn)有的優(yōu)化業(yè)務(wù)步驟整合和分析搜集而來(lái)的信息。與此同時(shí)，在優(yōu)化之前可以采取一定的預(yù)處理方案，通過(guò)動(dòng)態(tài)管理的模式調(diào)整各項(xiàng)指標(biāo)和參數(shù)，更好得完成網(wǎng)絡(luò)的精準(zhǔn)優(yōu)化。

三是網(wǎng)絡(luò)優(yōu)化過(guò)程中加入機(jī)器學(xué)習(xí)，可以幫助網(wǎng)絡(luò)優(yōu)化創(chuàng)造出良好的優(yōu)化環(huán)境。根據(jù)以往的網(wǎng)絡(luò)優(yōu)化經(jīng)驗(yàn)歸納出已有的規(guī)則樹，加之決策樹算法的應(yīng)用結(jié)合實(shí)際情況，實(shí)現(xiàn)最終的網(wǎng)絡(luò)優(yōu)化。除了上述算法，還可以結(jié)合聚類回歸算法，預(yù)測(cè)和匹配網(wǎng)絡(luò)場(chǎng)景的一些指標(biāo)，并通過(guò)返回的指標(biāo)參數(shù)形成對(duì)應(yīng)的優(yōu)化關(guān)系模型[5]。

四是在網(wǎng)絡(luò)優(yōu)化的算法前置階段需要匯總和分析網(wǎng)絡(luò)中的數(shù)學(xué)特征，提取其中的特征信息和關(guān)鍵指標(biāo)，從而有效處理網(wǎng)絡(luò)運(yùn)維優(yōu)化中的相關(guān)因素，并且進(jìn)一步提升5G網(wǎng)絡(luò)的數(shù)據(jù)信息處理能力。

3.2 基于深度神經(jīng)網(wǎng)絡(luò)進(jìn)行參數(shù)智能優(yōu)化

5G網(wǎng)絡(luò)參數(shù)智能優(yōu)化的算法基礎(chǔ)是深度神經(jīng)網(wǎng)絡(luò)算法?，F(xiàn)階段的參數(shù)分析和管理水準(zhǔn)已經(jīng)有一定的提升，在這個(gè)過(guò)程中，網(wǎng)絡(luò)運(yùn)維優(yōu)化的效率和質(zhì)量也隨之提升，并且一定程度上降低了網(wǎng)絡(luò)優(yōu)化的成本。深度神經(jīng)網(wǎng)絡(luò)算法在應(yīng)用過(guò)程中需要從實(shí)際的優(yōu)化需求出發(fā)，不斷積累網(wǎng)絡(luò)優(yōu)化的優(yōu)化經(jīng)驗(yàn)，對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行更加針對(duì)性的配置[6]。

參數(shù)智能優(yōu)化系統(tǒng)的設(shè)計(jì)流程分3步，第一步根據(jù)優(yōu)化小區(qū)進(jìn)行合理性建模，包括用戶分布、小區(qū)網(wǎng)絡(luò)結(jié)構(gòu)以及外部環(huán)境等，在建立多元場(chǎng)景的過(guò)程中更好地應(yīng)用現(xiàn)有的量化特征屬性。第二步借助已經(jīng)應(yīng)用的深度神經(jīng)網(wǎng)絡(luò)算法和小區(qū)樣本的個(gè)體距離，綜合考慮樣本規(guī)模和算法時(shí)間，從而形成N個(gè)參考樣本。結(jié)合先前的優(yōu)化經(jīng)驗(yàn)對(duì)現(xiàn)有的樣本進(jìn)行個(gè)體比對(duì)，整體分析，推演出較為一致的無(wú)線小區(qū)和設(shè)備參數(shù)[7]。第三步使用循環(huán)神經(jīng)網(wǎng)絡(luò)算法的方式，以深度神經(jīng)網(wǎng)絡(luò)的模型和采集的樣本數(shù)據(jù)為基礎(chǔ)，對(duì)現(xiàn)有小區(qū)的地形地貌進(jìn)行特征收集，并推算出相關(guān)的時(shí)間性特征數(shù)據(jù)。

3.3 基于遺傳算法進(jìn)行隱患預(yù)測(cè)與巡檢

為了有效預(yù)測(cè)網(wǎng)絡(luò)問(wèn)題和網(wǎng)絡(luò)故障的產(chǎn)生，可以在網(wǎng)絡(luò)運(yùn)維和網(wǎng)絡(luò)監(jiān)控中應(yīng)用遺傳算法，同時(shí)亦可以提升用戶的體驗(yàn)感，間接降低了產(chǎn)生投訴問(wèn)題的概率。

隱患預(yù)測(cè)與巡檢系統(tǒng)設(shè)計(jì)的主要流程有4部分。第一部分，有針對(duì)性地統(tǒng)計(jì)和分析各網(wǎng)絡(luò)站點(diǎn)的畫像屬性，以現(xiàn)有的維度指標(biāo)為基礎(chǔ)進(jìn)行網(wǎng)絡(luò)問(wèn)題評(píng)估。第二部分，梳理和分析網(wǎng)絡(luò)隱患問(wèn)題，通過(guò)深度神經(jīng)網(wǎng)絡(luò)和大數(shù)據(jù)技術(shù)落實(shí)后期的隱患預(yù)測(cè)工作和網(wǎng)絡(luò)警報(bào)工作，并根據(jù)以往的處理經(jīng)驗(yàn)構(gòu)建出更為完善的針對(duì)系統(tǒng)，能夠完成巡檢項(xiàng)目的自動(dòng)化更新，最終建立起完善的隱患專家診斷系統(tǒng)[8]。第三部分，對(duì)需要監(jiān)控和巡檢的小區(qū)進(jìn)行有效的位置信息定位，基于已有的站點(diǎn)畫像和隱患管理方式整合出較為完整的巡檢方案，達(dá)到針對(duì)性處理高隱患小區(qū)。第四部分，開展數(shù)據(jù)的挖掘和歸并工作，在此過(guò)程中梳理和整合工單數(shù)據(jù)，剔除高度相似的工單數(shù)據(jù)[9]。用戶畫像算法及流程如圖3所示。

圖3 用戶畫像算法及流程

3.4 基于智能算法進(jìn)行異常網(wǎng)絡(luò)定位與檢測(cè)

傳統(tǒng)的網(wǎng)絡(luò)運(yùn)維和監(jiān)控處理模式具有一定的滯后性，在處理投訴信息和軟硬件告警等問(wèn)題時(shí)往往等到問(wèn)題出現(xiàn)后才會(huì)進(jìn)行解決，事先的預(yù)警方案并不明確?，F(xiàn)階段的網(wǎng)絡(luò)運(yùn)維和監(jiān)控可以通過(guò)人工智能技術(shù)進(jìn)行提前預(yù)測(cè)，通過(guò)數(shù)據(jù)分析出網(wǎng)絡(luò)問(wèn)題的發(fā)生概率，在網(wǎng)絡(luò)問(wèn)題發(fā)生之前就形成針對(duì)性的預(yù)警方案，提高用戶的滿意度和體驗(yàn)感[10]。

異常網(wǎng)絡(luò)定位與檢測(cè)系統(tǒng)的設(shè)計(jì)流程主要包括3部分。第一部分梳理業(yè)務(wù)邏輯，對(duì)告警狀態(tài)、網(wǎng)絡(luò)參數(shù)以及運(yùn)行狀態(tài)進(jìn)行隨時(shí)的數(shù)據(jù)提取，將網(wǎng)絡(luò)運(yùn)行過(guò)程中的各項(xiàng)數(shù)據(jù)進(jìn)行向量化處理。第二部分基于人工智能算法進(jìn)行機(jī)器學(xué)習(xí)或使用自編碼器進(jìn)行降維運(yùn)算。第三部分及時(shí)進(jìn)行網(wǎng)絡(luò)投訴和網(wǎng)絡(luò)告警預(yù)診斷，通過(guò)人工智能算法計(jì)算出樣本點(diǎn)的分布密度，以此進(jìn)行相應(yīng)的網(wǎng)絡(luò)故障排查。

4 結(jié) 論

2020年5G網(wǎng)絡(luò)已開始初步進(jìn)行鋪排和覆蓋，加之5G牌照的發(fā)放，標(biāo)志著5G網(wǎng)絡(luò)從測(cè)試階段進(jìn)入了商用階段，為當(dāng)前的數(shù)字經(jīng)濟(jì)增長(zhǎng)開辟了新的途徑，主導(dǎo)了新一輪的信息科技革命。而新興的人工智能技術(shù)已經(jīng)在社會(huì)的各個(gè)領(lǐng)域涌現(xiàn)出相應(yīng)的功能應(yīng)用，且自身的優(yōu)勢(shì)十分明顯，在融合人工智能技術(shù)和5G網(wǎng)絡(luò)優(yōu)化工作的過(guò)程中，需要運(yùn)營(yíng)商進(jìn)行一定的經(jīng)濟(jì)投入，以期獲取更高的經(jīng)濟(jì)效益，提高整體的運(yùn)營(yíng)效率。