人工智能視角下5G無(wú)線網(wǎng)規(guī)劃和優(yōu)化分析

張 歡

（廣州杰賽科技股份有限公司，廣東 廣州 510310）

0 引 言

傳統(tǒng)移動(dòng)通信網(wǎng)絡(luò)以人工方式進(jìn)行規(guī)劃和部署，浪費(fèi)了人力資源，增加了運(yùn)營(yíng)成本。現(xiàn)今，5G網(wǎng)絡(luò)的運(yùn)營(yíng)與管理應(yīng)用大數(shù)據(jù)分析技術(shù)實(shí)現(xiàn)了可持續(xù)發(fā)展。大數(shù)據(jù)分析與行業(yè)基本技術(shù)存在明顯區(qū)別，巨大的信息量對(duì)5G無(wú)線網(wǎng)絡(luò)發(fā)揮了重要影響，增強(qiáng)了用戶的網(wǎng)絡(luò)體驗(yàn)[1]。

1 人工智能發(fā)展概述

人工智能在發(fā)展過(guò)程中，可以分為6個(gè)階段。

1.1 萌芽階段

形式邏輯符號(hào)化是人工智能在萌芽階段的重要特點(diǎn)，為建立神經(jīng)網(wǎng)絡(luò)模型奠定了基礎(chǔ)，也為今后的人工神經(jīng)網(wǎng)絡(luò)研究創(chuàng)造了條件。計(jì)算機(jī)技術(shù)的普及促進(jìn)了后階段人工智能的研發(fā)與應(yīng)用。

1.2 產(chǎn)生階段和首個(gè)興旺階段

該階段主要是處理與解決問題，極少注意知識(shí)層面等無(wú)形資產(chǎn)，重要項(xiàng)目方向包括設(shè)備翻譯和定理定義證明等。科學(xué)家通過(guò)梳理人類思維實(shí)現(xiàn)了研發(fā)工作，進(jìn)一步完成了計(jì)算機(jī)處理操作，預(yù)計(jì)建立一個(gè)強(qiáng)大的邏輯推理系統(tǒng)。

1.3 首個(gè)波折階段

此時(shí)，與人工智能有關(guān)的數(shù)學(xué)算法存在一定缺陷，增加了計(jì)算指數(shù)的難度。經(jīng)深入研究可知，感知設(shè)備和邏輯證明設(shè)備等處理的任務(wù)比較普通和簡(jiǎn)單，不能處理超出范圍的工作。

1.4 第二個(gè)興旺階段

專業(yè)知識(shí)與經(jīng)驗(yàn)豐富的科學(xué)家設(shè)計(jì)出了具有綜合性與全面性的有關(guān)系統(tǒng)，這一過(guò)程的人工智能技術(shù)進(jìn)入了全新階段。在不斷優(yōu)化理論知識(shí)結(jié)構(gòu)的過(guò)程中，計(jì)算機(jī)設(shè)備的軟硬件也實(shí)現(xiàn)了較快發(fā)展，多項(xiàng)人工智能的發(fā)展強(qiáng)調(diào)了商業(yè)特點(diǎn)，收獲了豐厚的經(jīng)濟(jì)利益，無(wú)形中擴(kuò)大了人工智能的市場(chǎng)發(fā)展空間。這說(shuō)明此時(shí)的人工智能又一次進(jìn)入興旺階段。

1.5 第二個(gè)蕭條波折階段

個(gè)人計(jì)算機(jī)性能的發(fā)展較快，看似增強(qiáng)智能的發(fā)展空間更大。而專家系統(tǒng)的機(jī)器需投入較高的維護(hù)成本，增加了升級(jí)難度，軟件與算法所面臨的挑戰(zhàn)無(wú)法突破，人工智能技術(shù)在該階段進(jìn)入低迷時(shí)期。

1.6 平穩(wěn)建設(shè)時(shí)期

互聯(lián)網(wǎng)技術(shù)持續(xù)發(fā)展和計(jì)算機(jī)設(shè)備功能增強(qiáng)，人工智能產(chǎn)生很多分支，并表現(xiàn)出協(xié)同發(fā)展的趨勢(shì)，簡(jiǎn)化了發(fā)展任務(wù)，推動(dòng)了人工智能的繁榮發(fā)展。目前，人工智能得到全社會(huì)的注意，其包括了基礎(chǔ)技術(shù)與通用技術(shù)，前者涉及云計(jì)算與大數(shù)據(jù)，后者牽涉了機(jī)器設(shè)備學(xué)習(xí)和人機(jī)交互等。在這個(gè)前提下，人工智能技術(shù)涉及了更多的產(chǎn)品和場(chǎng)景[2-4]。

2 5G無(wú)線網(wǎng)絡(luò)智能規(guī)劃

2.1 頻率規(guī)劃

大數(shù)據(jù)時(shí)代，移動(dòng)通信覆蓋了多元化的場(chǎng)景，形成多元化的頻譜需求，而業(yè)務(wù)發(fā)展也在不斷變化，業(yè)務(wù)量小的頻率資源不能釋放，業(yè)務(wù)量大的頻率資源不足，對(duì)資源造成了浪費(fèi)，無(wú)法高效利用。基于頻率資源的缺乏，迫切需要提高頻率的利用水平。AI利用無(wú)線網(wǎng)設(shè)備憑借成熟的共享技術(shù)，靈活調(diào)整了系統(tǒng)頻率。基于人工智能的頻率規(guī)劃如圖1所示。

圖1 基于人工智能的頻率規(guī)劃

收集業(yè)務(wù)量和頻率資源的數(shù)據(jù)，建立一個(gè)包括了頻率與業(yè)務(wù)的周期性數(shù)據(jù)庫(kù)。根據(jù)各種業(yè)務(wù)量和其對(duì)應(yīng)的頻率信息，實(shí)行訓(xùn)練，發(fā)現(xiàn)數(shù)據(jù)的內(nèi)在聯(lián)系。結(jié)合周期內(nèi)某網(wǎng)絡(luò)頻率，預(yù)測(cè)該時(shí)間段內(nèi)網(wǎng)絡(luò)的功能，找出網(wǎng)絡(luò)限制的時(shí)間段。在空閑時(shí)間段釋放頻率，自適應(yīng)模塊運(yùn)行，調(diào)整頻率。

2.2 站址規(guī)劃

站址同質(zhì)化增加了規(guī)劃站址的經(jīng)濟(jì)收益，減少了投入成本，業(yè)務(wù)差異化提高了站址精細(xì)規(guī)劃的要求[5-7]。以基站數(shù)據(jù)評(píng)估站址規(guī)劃的網(wǎng)絡(luò)能力、干擾因素以及工程建設(shè)標(biāo)準(zhǔn)等，通過(guò)智能算法得到最佳的站址列表，形成投資收益比。科學(xué)規(guī)劃站址，以周期性指標(biāo)判斷站址級(jí)別，推動(dòng)規(guī)劃與運(yùn)維操作。

2.3 Massive MIMO參數(shù)設(shè)置與精準(zhǔn)部署

5G大規(guī)模天線技術(shù)擴(kuò)大了網(wǎng)絡(luò)覆蓋面積，根據(jù)AI技術(shù)建立經(jīng)驗(yàn)庫(kù)，實(shí)行規(guī)則訓(xùn)練，優(yōu)化了網(wǎng)絡(luò)功能。基于人工智能的Massive MIMO參數(shù)設(shè)置如圖2所示。

圖2 基于人工智能的 Massive MIMO參數(shù)設(shè)置

5G的大規(guī)模天線技術(shù)，提高網(wǎng)絡(luò)覆蓋，減少干擾，增加系統(tǒng)功能。仿真各種配置的網(wǎng)絡(luò)功能，通過(guò)寬波束實(shí)現(xiàn)全局覆蓋與配置，以窄波束完成場(chǎng)景覆蓋與密集組網(wǎng)。此外，提高地面覆蓋和垂直覆蓋的靈活性時(shí)，Massive MIMO參數(shù)配置也更復(fù)雜，此時(shí)根據(jù)AI輔助技術(shù)建立經(jīng)驗(yàn)數(shù)據(jù)庫(kù)，完成規(guī)則性訓(xùn)練，從而優(yōu)化網(wǎng)絡(luò)功能[8]。

Massive MIMO科學(xué)應(yīng)用空分復(fù)用技術(shù)和多天線技術(shù)，由水平方向和垂直方向產(chǎn)生三維波束，有效增加了容量，擴(kuò)大了立體覆蓋的范圍，部分技術(shù)已經(jīng)應(yīng)用在4G網(wǎng)，主要是為了有效解決高容量和高負(fù)荷問題，但Massive MIMO基站設(shè)備投資相當(dāng)2～3倍的傳統(tǒng)擴(kuò)容方式，因此在具體部署中需重點(diǎn)解決精準(zhǔn)投放Massive MIMO基站的問題。傳統(tǒng)方法主要指工程師的工作經(jīng)驗(yàn)和手工審查數(shù)據(jù)，無(wú)形消耗了大量的人工與時(shí)間，降低了部署的精確度，故采取機(jī)器學(xué)習(xí)的K-means聚類方法有效解決上述問題[9]。

步驟1對(duì)小區(qū)級(jí)數(shù)據(jù)以K-means完成聚類操作，有效分離了繁忙小區(qū)簇與普通小區(qū)簇，得到了影響Massive MIMO的特征數(shù)據(jù)，如CQI、下行用戶平均速率、上行用戶平均速率、下行PRB利用率、上行PRB利用率以及上行VoLTE占用PRB數(shù)。步驟2圍繞中心點(diǎn)值聚類產(chǎn)生門限值，針對(duì)全網(wǎng)小區(qū)科學(xué)布置Maassive MIMO小區(qū)，得到相對(duì)繁忙的小區(qū)集合，之后根據(jù)場(chǎng)景類別篩選超出門限值的小區(qū)，該小區(qū)成為擬建對(duì)象，保證了建設(shè)質(zhì)量。

根據(jù)以上算法，對(duì)某城市現(xiàn)網(wǎng)的23 953個(gè)小區(qū)實(shí)行了聚類，發(fā)現(xiàn)565個(gè)小區(qū)超過(guò)了門限值，作為擬部署Massive MIMO的基站。對(duì)小區(qū)的現(xiàn)網(wǎng)數(shù)據(jù)實(shí)行專家分析與研判，AI算法傳輸數(shù)據(jù)與專家判斷結(jié)果高度匹配，為解決Massive MIMO精準(zhǔn)部署提供了科學(xué)建議。

2.4 CU-DU-MEC規(guī)劃

5G網(wǎng)絡(luò)復(fù)雜，要求小區(qū)間深化合作，以提升CU-DU-MEC部署方案的靈活性。5G網(wǎng)絡(luò)利用AI技術(shù)和數(shù)據(jù)庫(kù)，經(jīng)系統(tǒng)訓(xùn)練，制定了最理想的方案，進(jìn)而達(dá)到了業(yè)務(wù)發(fā)展需要。之后延伸至端對(duì)端的網(wǎng)絡(luò)預(yù)測(cè)能力，滿足了5G各類業(yè)務(wù)的多樣化要求。基于人工智能的CU-DU-MEC規(guī)劃如圖3所示。

圖3 基于人工智能的CU-DU-MEC規(guī)劃

首先利用CU-DU-MEC部署位置、網(wǎng)絡(luò)能力以及現(xiàn)網(wǎng)退服率等建立數(shù)據(jù)庫(kù)，其次根據(jù)CU-DU-MEC部署位置與網(wǎng)絡(luò)能力開展系統(tǒng)化訓(xùn)練，再次結(jié)合4G網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)與網(wǎng)絡(luò)能力，評(píng)估方案部署的5G網(wǎng)絡(luò)的運(yùn)行速率，以4G網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)與DU部署位置評(píng)估方案部署的5G網(wǎng)絡(luò)運(yùn)行時(shí)延，最后反復(fù)迭代，根據(jù)業(yè)務(wù)特征輸出相應(yīng)部署方案。

3 5G無(wú)線網(wǎng)絡(luò)智能優(yōu)化

人工智能擴(kuò)大了5G網(wǎng)絡(luò)的優(yōu)化范圍，在構(gòu)建場(chǎng)景過(guò)程處理高緯度網(wǎng)絡(luò)結(jié)構(gòu)，解決網(wǎng)絡(luò)的隱性問題，發(fā)現(xiàn)故障，以智能定位方式解決問題，相關(guān)范例如下。

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

5G時(shí)代需綜合考慮網(wǎng)絡(luò)的覆蓋密度與個(gè)性化需求，無(wú)法簡(jiǎn)單的依靠人工經(jīng)驗(yàn)，故通過(guò)機(jī)器學(xué)習(xí)的方式產(chǎn)生覆蓋優(yōu)化，具體包括以下步驟。首先優(yōu)化覆蓋過(guò)程科學(xué)應(yīng)用了測(cè)量報(bào)告MRO，梳理與小區(qū)有關(guān)的覆蓋關(guān)系，建立應(yīng)對(duì)性較強(qiáng)的評(píng)估矩陣。根據(jù)系統(tǒng)預(yù)制規(guī)則科學(xué)判斷，獲得小區(qū)的軟件數(shù)據(jù)和硬件參數(shù)等，形成后階段的優(yōu)化內(nèi)容，即電平、功率、下傾角以及方向角等，為改善劣化小區(qū)提供合理化建議。其次了解小區(qū)的專有屬性，通過(guò)業(yè)務(wù)邏輯方式對(duì)樣本實(shí)現(xiàn)處理。在網(wǎng)絡(luò)覆蓋內(nèi)以預(yù)處理方式提高精準(zhǔn)性，獲得精細(xì)的畫像，達(dá)到動(dòng)態(tài)管理的目標(biāo)，進(jìn)而協(xié)調(diào)各個(gè)指標(biāo)。再次利用決策樹算法與網(wǎng)絡(luò)優(yōu)化經(jīng)驗(yàn)形成優(yōu)良的學(xué)習(xí)環(huán)境，以參數(shù)優(yōu)化和天饋優(yōu)化構(gòu)建規(guī)則樹，根據(jù)聚類回歸算法和指標(biāo)信息，基于網(wǎng)絡(luò)場(chǎng)景建立關(guān)系模型。最后在數(shù)據(jù)預(yù)處理中應(yīng)高度注意數(shù)據(jù)特點(diǎn)，全面分析關(guān)鍵指標(biāo)，科學(xué)處理與網(wǎng)絡(luò)有關(guān)的因素，提高對(duì)網(wǎng)絡(luò)數(shù)據(jù)信息的處理效率。

3.2 以深度神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的參數(shù)智能優(yōu)化

提高參數(shù)的管理與分析水平，培養(yǎng)智能意識(shí)，增強(qiáng)網(wǎng)絡(luò)優(yōu)化效果，以降低網(wǎng)絡(luò)管理成本。在5G網(wǎng)絡(luò)技術(shù)的發(fā)展過(guò)程中，無(wú)線參數(shù)已初具規(guī)模，龐大的數(shù)據(jù)無(wú)法憑借人工經(jīng)驗(yàn)提高配置的精細(xì)化水平。

首先綜合小區(qū)特點(diǎn)實(shí)行建模，初步形成具有量化屬性的多元無(wú)限場(chǎng)景，即地形地貌和周圍小區(qū)結(jié)構(gòu)等。其次利用深度神經(jīng)網(wǎng)絡(luò)算法，聯(lián)系樣本個(gè)體距離和附近相似度產(chǎn)生若干個(gè)體，強(qiáng)化了算法時(shí)間與樣本規(guī)模的關(guān)系，最終憑借經(jīng)驗(yàn)比較，掌握無(wú)限接近的無(wú)線小區(qū)。最后以深度神經(jīng)網(wǎng)絡(luò)建立多維度模型，提高參數(shù)信息的精細(xì)化水平，同時(shí)注意結(jié)合圖像預(yù)測(cè)要求，優(yōu)化網(wǎng)絡(luò)，突出地形地貌照片的針對(duì)性，以循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)具有時(shí)間特點(diǎn)的數(shù)據(jù)[10]。

3.3 基于遺傳算法的智能隱患預(yù)測(cè)與自動(dòng)巡檢

在應(yīng)用遺傳算法的過(guò)程中，突出了告警特點(diǎn)。遺傳算法不只能發(fā)現(xiàn)網(wǎng)絡(luò)問題，還減少了網(wǎng)絡(luò)故障，全面推進(jìn)事前預(yù)防。通過(guò)集中維護(hù)的方法實(shí)行預(yù)測(cè)和巡檢，綜合若干維度，提高運(yùn)維效率。根據(jù)關(guān)聯(lián)工單系統(tǒng)內(nèi)容，采取自動(dòng)輸出的關(guān)聯(lián)診斷方法，實(shí)現(xiàn)智能化操作。緊密結(jié)合自動(dòng)巡檢與挖掘數(shù)據(jù)的能力，及時(shí)找出問題。

4 結(jié) 論

目前，各種智能終端逐漸普及，帶動(dòng)了移動(dòng)數(shù)據(jù)流量的增長(zhǎng)。在這種發(fā)展環(huán)境下，應(yīng)利用人工智能技術(shù)設(shè)智慧城市，從而綜合規(guī)劃了5G無(wú)線網(wǎng)絡(luò)，保證了信息化建設(shè)質(zhì)量。另外，對(duì)5G網(wǎng)絡(luò)的優(yōu)化整合經(jīng)濟(jì)建設(shè)與云計(jì)算，也為發(fā)展智慧城市奠定了基礎(chǔ)。