智簡5G無線網絡技術初探

黃宇紅，孫奇，賈民麗，段然，陳卓

（中國移動通信有限公司研究院，北京 100053）

1 引言

我國的信息通信業發展正處在重要戰略機遇期，5G作為“新基建”之首，重要性日益提高。作為承載我國經濟社會轉型升級的新型基礎設施，5G“超大帶寬、超廣連接、超低時延”的三大新型特性和網絡切片、邊緣計算兩大特色能力共同推動移動通信技術從消費側向生產側全面滲透，5G將成為社會信息流動的主動脈、產業轉型升級的加速器、數字社會建設的新基石。目前，5G已經開始商用部署，但推進5G發展是一個極為復雜的系統工程，遠不止建設幾十萬個基站。5G如何承載眾多業務需求，如何真正走向商業成功還面臨很多挑戰，比如5G基站仍然存在功耗大、成本高問題，5G的高度靈活導致其運維優化難度大到無法用傳統方式實施，更重要的是，5G成功的關鍵是要服務千行百業，而行業應用需求多樣、差異大、場景復雜，如何能夠快速有效滿足各種需求？解決這些困難，僅靠傳統的通信思維是無法實現的，需要云網一體化、網業協同等整體方案。但當前5G和人工智能（AI）、大數據、云計算等新興技術在應用上仍處于“單兵作戰”模式，“組合拳”效益發揮不足，必須加強科技協同，開展融合創新，擁抱新技術，創造新理念，才能打造強大的、有生命力的5G網絡。

針對以上問題，本文以5G無線網絡為基礎，用創新的思維和技術發展無線網絡，將5G與AI、云計算、大數據、邊緣計算等新科技融合創新，意在持續提升5G技術創新支撐能力、促進DOICT（data，operation，information，communications technology）融合發展。在此考慮上，本文提出了智簡5G無線網絡技術，以融合為手段，以簡化為原則，對5G無線網絡進行完善和增強，從而解決上述5G實現復雜度高、基站功耗高、網絡優化難度和成本高、垂直行業新需求多等問題。

2 智簡5G無線網絡技術

智簡5G無線網絡技術以無線網絡為基礎，以融合為手段，以簡化為原則，通過構建DT（數據技術）、OT（運營技術）、IT（信息技術）、CT（通信技術）四者融合創新的理論和產業基礎，形成DOICT深度融合的一體化技術，實現 “加性能”“加能力”“減成本”“減復雜度”，助力運營商降本增效，不斷滿足千行百業、大眾客戶的業務發展需求，消除數字鴻溝，促進數字經濟發展。

· “加性能”：通過技術演進提供極致時延/可靠性/確定性能，智能多天線提升覆蓋/速率性能，智能多頻多網協同提升速率/容量，智能網業協同提升端到端業務體驗。

· “加能力”：引入無線智控平臺，促進DOICT融合，提升行業深度服務能力和服務保障水平，泛無線技術融合提升綜合服務能力，開放生態提升服務能力豐富性。

· “減成本”：智慧綠色節能降低運營成本，能力定制降低成本，行業本地服務降低組網成本。

· “減復雜度”：智慧自組織網絡和資源調度降低運維、管理和優化復雜度。

從技術架構上，智簡5G無線網絡包括基礎設施層、平臺層和應用層，如圖1所示，其中基礎設施層由5G無線網絡構成，是智簡5G無線網絡的基礎，為平臺層和應用層提供5G通信和連接能力支撐、設備數據、網絡數據和業務數據等數據支撐和軟硬件基礎設施支撐。平臺層基于基礎設施的云化/虛擬化環境，引入無線數據+AI能力的開放平臺：無線智控平臺[1]。平臺層是云網融合的關鍵要素，基于云資源、網絡和業務的多維智能感知，使能云、網絡和業務的深度融合和協同。應用層主要包括CT增強應用，例如i-RRM（智慧資源調度）、i-Green（綠色節能）、i-SON（智慧自組織網絡）和本地服務應用（通過網絡功能下沉和增強，實現敏捷的云網業協同），還可進一步擴展支持各種個人和行業業務應用。無線智控平臺和上層應用將基于基礎設施層的數據和通信機制，利用AI和數據分析等技術，提升網絡資源和能量利用效率，并面向行業的多樣化需求，靈活地提供定制化的網絡能力，保障用戶體驗。智簡5G無線網絡技術為5G復雜度高、基站功耗高、網絡優化難度和成本高、垂直行業新需求多等問題提供系統性解決方案。

圖1 智簡5G無線網絡技術架構

3 智簡5G基礎設施層-無線網絡

智簡5G無線網絡技術架構中的基礎設施層主要包含5G無線網絡基礎設備及其產生的海量網絡數據。5G無線網絡基礎設備主要包括由多頻段（如700 MHz、2.6 GHz、4.9 GHz）、多站型5G基站（如宏基站、微基站、皮基站）所組成的無線網絡，后期可能還會引入毫米波基站、衛星空域網等，組成泛在的通信基礎設施，并逐步向云化演進。5G網絡提供增強型移動寬帶（eMBB）、超可靠低時延通信（uRLLC）和大連接物聯網（mMTC）等通信與連接能力，滿足不同應用的差異化業務需求。在此基礎上，5G無線網絡還將產生豐富的高價值無線網絡大數據，為大數據分析和AI等能力提供了豐富的生產資料。隨著5G網絡的云化演進發展，也為引入無線智控平臺和無線智能應用的敏捷部署和拓展提供了通用便捷基礎。

4 智簡5G平臺層：無線智控平臺

無線智控平臺基于無線云網融合架構，通過引入無線大數據分析、AI等技術，進一步使能云網、業務的深度協同，增強無線網絡實時數據分析能力，支持無線網絡服務能力靈活拓展，實現面向業務差異化需求的無線能力定制、用戶體驗優化和無線網絡資源效率提升。平臺作為一個開放的無線智能中心，可按需獲取近實時無線數據和業務需求和特征，支持近實時控制優化，基于DOICT的深度融合，不僅賦能網絡優化的智能化演進，更將進一步提升網絡面向垂直行業的服務能力。無線智控平臺還可為業務應用提供軟件平臺（platform as a service，PaaS）。

針對云化/虛擬化基站，基站也可與無線智控平臺、移動邊緣計算（MEC）共平臺部署，一方面實現基礎設施的池化增益，另一方面也支持邊緣業務應用與無線智控平臺的網絡增強應用和本地服務應用的直接互動，實現網絡業務的實時跨層協同優化。例如，無線智控平臺的無線智能應用可實時預測無線網絡能力，通過無線能力開放接口開放給業務應用，實現業務應用優化。

4.1 平臺架構及功能設計

無線智控平臺旨在提供不同無線智能應用所需的公共平臺功能，如圖2所示。基本功能包括沖突解決、訂閱管理、共享數據層/無線數據庫、消息基礎設施、管理服務、安全和管理接口處理、E2接口處理功能[2]。無線數據庫包含存儲無線智控平臺所需的無線資源數據和其他數據，可分為半靜態參數和動態數據兩類。半靜態參數主要是網管提供的配置參數，以及基站/用戶的狀態參數，動態數據主要是基站/用戶的測量數據。共享數據層的作用是為不同類型數據庫提供一致的訪問接口。

圖2 無線智控平臺架構

4.2 定制化數據采集與控制

傳統無線接入網絡的數據采集主要指面向網絡管理提供告警、配置和性能管理等數據，主要特點之一是全網統一數據集。現網中兼顧對無線基站設備資源要求和數據傳輸帶寬，網管數據的時間顆粒度通常在分鐘及以上，并且以小區級性能參數為主。無線智控平臺則采用基于用例的數據訂閱方式，通過觸發條件和數據項兩個方面的信息向基站訂閱數據。同時，無線智控平臺所支持的數據訂閱項不僅包括小區級的信息，還包括用戶級的信息。這在數據訂閱方面不僅能夠按需滿足用例更小時間顆粒度的數據獲取需求，而且能夠大幅度降低基站設備處理資源開銷和數據傳輸帶寬要求。前期試點驗證顯示，對于71項1 ms～1 s的小區級和用戶級數據采集項，以14 000個小區、每個小區100個用戶為例，傳統網絡方式采集1天的數據量為14 PB。采用無線智控平臺基于用例的數據訂閱方式，通過觸發條件、數據項、小區和用戶的定制，可將數據采集情況精準表述為某小區某個用戶的1個1 ms的UE級數據項，采集時間區間為9:00—10:00的信息，那么對應的數據量將降至0.413 GB。因此，無線智控平臺的基于用例的定制化數據采集以更加靈活和更低開銷的方式獲取無線資源數據，是按需開放無線能力、支持用戶無線空口差異化服務以及實現網絡和業務協同優化的基礎。

4.3 平臺數據分析和AI能力

隨著無線智能應用的豐富，無線智控平臺可擴展提供數據分析、AI模型倉庫和AI模型推理能力。AI模型倉庫旨在提供多種無線智能應用所需的公共AI模型。AI模型推理旨在提供上述公共AI模型的推理服務，根據平臺資源為無線智能應用提供優化的AI模型推理服務，縮短AI模型推理時間。平臺數據分析和AI模型推理服務可包括如業務體驗QoS/QoE評估、用戶無線測量預測等基礎無線預測能力。

4.4 無線能力微服務化和平臺開放接口

面對高度差異化和不斷新增的業務需求，無線智控平臺的微服務化架構為無線智能應用的按需定制、持續開發和快速部署提供了原生支持。在統一的服務框架下，首先，基站的底層技術機制（如雙連接、預調度、小區切換等）被從基站實現中解耦為不同的微服務，由無線智控平臺的基礎平臺功能向無線智能應用提供，從而屏蔽了異廠商設備的互操作性差異；在此基礎上，無線智能應用生成的無線能力同樣封裝為獨立的微服務，對其他無線智能應用或授權外部應用提供通用的微服務接口，屏蔽了內部算法實現，便于升級和維護；此外，服務管理框架對新能力的定義和引入提供了較好的可擴展性。

此外，無線智控平臺的微服務化架構提供了開放API，允許網絡所有者復用通用的基礎平臺功能，定制和組合無線智能應用，實現無線智控平臺功能的靈活擴展和裁剪。未來，借助開放API，無線智能應用還可由運營商、基站設備提供商之外的第三方提供，為豐富無線智能應用生態提供了必要基礎。

5 智簡5G應用層：典型應用

智簡5G無線網絡技術架構的應用層承載各類無線智能應用，例如智慧資源調度（i-RRM）、綠色節能（i-Green）、智慧自組織網絡（i-SON）等典型應用。未來，隨著該技術架構的進一步發展和需求驅動，智簡5G無線網絡可支撐更多CT增強應用、DOICT融合應用，并逐步擴展個人和行業業務應用。下面對上述典型應用進行詳細介紹。

5.1 智慧資源調度（i-RRM）

無線資源調度是無線網絡核心功能，旨在高效利用寶貴的空口資源，為用戶提供有質量保障的服務。隨著5G大規模MIMO、端到端切片等復雜技術的引入，同時用戶業務從純消費類業務到消費和行業混合業務的轉變，以及多系統、多頻段組網的出現，無線資源的調度更加復雜，要求更高。

i-RRM是基于無線智控平臺的AI、數據采集等能力，利用深度學習等新技術手段高效解決傳統RRM的難點問題。以下以多頻段組網下的負載均衡過程為例。

隨著運營商網絡部署的逐漸深化，多頻段組網成為網絡中主要的組網方式。相應地，多頻段負載均衡也成為保障用戶體驗和運營商投資效益的重要手段。

傳統算法主要存在兩方面挑戰。一是現有的負載均衡機制流程較長，影響均衡效率。由于涉及多頻測量和切換，當異頻點較多時將帶來較大的測量反饋開銷和時延，負載均衡速度慢，用戶體驗差。另外，下發的異頻測量具有盲目性，處于異頻差點的用戶無法反饋測量結果。二是參數量大。多個頻點之間的測量/重選/切換參數量達百余個，同時負載均衡算法參數20余個（如小區負載相對/絕對門限，測量配置用戶數，均衡周期等），采用人工調整耗費時間較多，而且參數互相影響，難以優化。

引入i-RRM功能進行智能化負載均衡可有效解決上述問題。圖3為傳統負載均衡和智能優化的負載均衡流程對比。在i-RRM的異頻測量環節可以應用基于AI監督學習的無線指紋方案，將同頻測量結果與異頻信息進行關聯，減少或免去異頻測量，加快負載均衡速度，提升用戶體驗[3]。在參數調整環節，可以利用強化學習算法，將網絡狀態和獎懲判斷（如負載差、關鍵績效指標（key performance indicator，KPI）等）告知強化學習大腦，由算法自動尋找最合適的行為（對特定參數進行調整），達到高效、高質量的網絡參數優化，確保網絡各項指標保持穩定，大大降低了復雜網絡場景下的參數優化復雜度，并有效提升用戶體驗速率。

圖3 傳統負載均衡和智能優化的負載均衡流程對比

后續還將基于i-RRM的思路，探索更多智能化資源調度應用場景，不斷提高網絡資源利用效率和網絡運營優化效率。

5.2 綠色節能（i-Green）

在移動通信網絡中，大約80%的能耗來自廣泛分布的基站。越密集的基站意味著能耗越高，這是5G網絡面臨的一大成本挑戰。據統計預測，5G基站功耗將是4G基站的3～4倍，5G在給產業帶來眾多機會的時候也帶來了巨大的能耗挑戰。

傳統節能方案大多針對不同網絡場景，人工選擇節能方案，消耗大量人力，方案選擇不恰當甚至影響網絡性能與用戶體驗。此外，在特定時間點開啟/關閉軟件功能實現節電的方法策略相對保守，無法自適應匹配網絡情況最大程度發揮節能效果。

i-Green技術基于無線智控平臺從網絡級、精細化運營的角度來解決5G網絡的能耗問題，主要技術理念如下。

一方面，基于無線側的大數據采集，對現網多頻多模的小區覆蓋情況深度分析，通過AI算法對小區負荷或資源（如業務量、資源利用率等時序信息）進行精準預測，實現對小區能耗、性能的實時掌握，然后可以有序地將目標小區（節能小區）用戶引導到低負荷低能耗小區（補償小區），如圖4所示，從而關閉目標小區，實現網絡更加高效的節能。

圖4 節能小區與補償小區示意圖

圖5 節能參數門限自適應調整系統流程

另一方面，基于業務、用戶、用電負荷在時間、空間的分布和變化趨勢特征分析，采用非監督學習方法實現小區時空場景劃分和識別，針對同類時空場景利用強化學習等技術迭代更新尋優模型，實現節能參數配置的動態調整和迭代優化，從而為不同時空場景生成個性化的節能參數配置建議，如圖5所示。此外，借助深度學習算法對各參數量化關系的深層挖掘，可進一步實現對網絡能耗相關參數、功能、模塊、設備開關等進行不同顆粒度的動態自適應控制，在保證用戶體驗和網絡正常運行的前提下提高能源利用率，降低網絡能耗，從而實現“一站一策，一時一策，動態靈活”，進一步深度挖掘網絡的節能潛力，降低網絡運營成本。

5.3 智慧自組織網絡（i-SON）

5G網絡支持更高的頻率、靈活的組網方式以及多樣化的基站類型，使得網絡拓撲更加復雜、協議設計更加靈活，帶來網絡運營的復雜度和運營成本的顯著提高。研究表明，一個成熟的商用移動網絡在其生命周期內，由運營和維護產生的成本占30%以上。運營商急需自動化手段降低網絡部署和操作管理的復雜度，降低運營維護成本，提升性能指標和用戶體驗。在此背景和需求下，SON（自組織網絡）已經成為3GPP 5G網絡優化的關鍵技術。

SON技術包括自配置、自優化和自治愈3項主要功能，旨在使網絡能夠自動、自主地進行相關操作，最小化對網絡的人工操作，盡量節約運營維護成本。具體的功能點如圖6所示，包括基站自啟動、PCI自配置自優化、自動鄰區關系（automatic neighbor relation，ANR）、移動負載均衡（mobility load balance，MLB）、節能、移動魯棒性優化（mobility robust optimization，MRO）、RACH優化、自治愈等功能[4-5]。

智簡5G無線網絡技術中，i-SON功能以傳統的SON體系為基礎，分階段、分功能點不斷創新和優化。首先，i-SON功能的第一階段是先考慮將SON技術在5G網絡運營發展的不同階段加以引入，以適應不同網絡運營維護階段的需要。例如，按照網絡生命周期考慮，在5G建網初期，可以考慮引入基站自啟動、PCI自配置自優化和ANR等功能，解決新建站帶來的PCI規劃、鄰區錯配漏配等問題，提升網絡的切換率，降低掉線率等性能；在網絡發展中期可以考慮引入MRO、自治愈等問題；在網絡成熟期可以考慮引入MLB、RACH優化等技術。另外，在SON部署的過程中，需要進行充分的先期驗證，以確保引入的SON技術能有效降低網絡運行維護成本，提高網絡質量。以4G 某省開啟存量站點數17 687個為例，開啟ANR功能后，自動優化配置LTE鄰區195 178條，根據自動配置各環節工時成本核算，開啟ANR站點合計節約約2 500工時。當然，在現網中也發現一些不足，例如超遠鄰區的錯誤添加等，需對這些問題進行總結和解決，迭代優化后進行現網推廣和規模應用。其次，在i-SON的第二階段，考慮結合新興的AI方法（例如機器學習、云計算、神經網絡等），對現有流程和算法進一步改革創新和優化，例如基于無線智控平臺，考慮將MLB、MRO參數調整更智能化，進一步減少人工參與等。i-SON功能可以使得5G網絡更智能、更高效、更低成本。

圖6 傳統SON體系功能點

6 結束語

目前，作為新基建之首，5G正處在重要戰略機遇期。5G牌照發放后，在政府的領導和大力支持下，在產業鏈全力以赴的努力下，5G發展速度超過以往任何一代，同時5G面臨的復雜度和挑戰也前所未有，因此5G與DOICT的技術融合成為必然趨勢。智簡5G無線網絡技術正是探索5G與DOICT融合的一種新思維、新技術、新模式。本文詳細闡述了智簡5G無線網絡技術的技術理念以及架構，并對架構中無線智控平臺和3種典型應用——i-RRM、i-Green、i-SON進行了詳細介紹，后續將通過對智簡5G無線網絡技術新發展理念的進一步完善和現網驗證與部署，夯實5G網絡基礎，深化DOICT融合應用，力爭打造綠色智簡、高效運營、支撐萬物互聯的5G新網絡、新生態！