智能運維在基站入網管理上的應用與分析

摘要：文章針對基站入網引發的運維工作量大幅增長問題，提出采取智能運維手段加強基站入網管理，通過優化基站入網流程降低故障概率，提升服務質量；在基站入網管理智能運維思路的基礎上，從硬件架構和軟件架構兩方面編寫了智能運維系統建設方案，通過加強基站入網相關數據采集、管理，建立多維AI模型實現退服預警、異常檢測等功能，結合項目實例分析系統應用效果，發現系統各項功能可以正常實現，為加強基站入網全流程監管和網絡運維提供了支撐。

關鍵詞：智能運維；基站；入網管理

doi：10.3969/J.ISSN.1672-7274.2023.06.036

中圖分類號：TN 929.5" " " " " "文獻標志碼：B" " " " " " "文章編碼：1672-7274（2023）06-0-03

Abstract： In response to the significant increase in the operation and maintenance workload caused by the network access of base stations， it is proposed to adopt intelligent operation and maintenance measures to strengthen the network access management of base stations， reduce the probability of failures and improve the quality of service by optimizing the network access process of base stations. Based on the idea of intelligent operation and maintenance for base station network access management， an intelligent operation and maintenance system construction plan is prepared from both hardware architecture and software architecture. By strengthening data collection and management related to base station network access， a multi-dimensional AI model is established to achieve early warning of service withdrawal， exception detection， and other functions. Analyze the application effect of the system based on a project example and find that various functions of the system can be implemented normally， providing support for strengthening the supervision of the entire process of base station access and network operation and maintenance.

Key words： intelligent operation and maintenance; base station; network access management

伴隨著5G技術的快速發展，相關企業建設了大量移動通信基站，在實現新站入網期間應加強網絡資源監控，確保建設的移動網絡能夠可靠工作。而依靠人力實現基站入網管理，涉及環節較多，僅能確認基站是否退服、通信速率是否達標等情況，未能對基站入網后的同步異常、服務性能降級等進行告警，將造成網絡質量下降；無法在事前或事中主動發現問題，僅能在事后被動處理問題，將給基站運維工作開展帶來較大壓力。針對這一局面，只有建設配套智能運維系統實現站點入網監管，才能夠滿足基站建設的長期戰略發展需求。

1" 基站入網管理的智能運維方案

1.1 系統建設思路

針對基站入網管理中存在的運維痛點，決定采用智能運維技術實現運維流程重構，以基站入網數據資源為基礎，通過與工單、報表等管理系統聯動，實現入網流程化監管，實現指令派發等過程控制。通過加強應用各種智能設備，全面采集基站運行數據信息，在大數據等技術支撐下建立數據模型，實現異常預警等功能，能夠建立集基站入網狀態監控、故障管理為一體的運維體系[1]。遵循自主化管理原則建設智能運維系統，能夠實現基站退服預測等操作，在基站入網前期及時發現隱患，開展專項整治工作排查問題，高效開展預防性維護工作。在入網期間對照相關參數完成異常檢測，可以實現故障精準定位和原因快速查找，生成運維工單，并精準派單，高效排除故障，完成快速運維。通過系統收集基站入網數據信息，總結異常項，合理制定巡檢計劃，根據退服率下降等情況評價運維效果，加強事后反饋，為改進運維工作提供依據。通過智能運維系統實現基站運維資源集中調配，可以全方位提高基站入網運維效率，減少無效巡檢工時，為重構高效運維組織體系提供有力技術支撐[2]。

1.2 系統建設方案

1.2.1 硬件架構

在把握基站入網智能運維需求的基礎上，可以搭建基站入網管理智能運維平臺，做好系統硬件部署，確保可以通過平臺對接基站入網工單管理等系統，在獲取工單信息的同時，通過前端智能設備實現移動網絡狀態數據采集，為系統實現入網流程監控提供支持，并為系統數據后續分析和利用奠定扎實基礎。從總體上來看，可以將平臺劃分為感知層、數據層和應用層。

感知層布置各種智能感知設備，能夠利用自帶無線通信模塊連接物聯網，完成機房內部風機、空調、紅外、監控視頻等各種設備運行狀態參數采集，并且對基站周圍環境數據進行采集，通過集中監控方式為遠程運維工作開展提供支持，實現對基站入網設備、設施高效管理。平臺感知層需要配備邊緣智能網關設備，在初步匯集基站數據信息的基礎上，完成簡單的AI分析，減少冗余、無效的數據信息，確保格式統一的信息能夠順利傳遞至平臺數據層[3]。

數據層需要實現系統各種數據集中管理，依靠4G/5G網絡實現系統終端和平臺對接，提供數據傳輸鏈路。與此同時，數據層將面向基站入網工單管理等系統提供開放的數據接口，實現系統數據信息匯集和存儲。通過WebService接口，能夠利用Web網頁直接訪問系統，實現系統間信息交互和聯動，保證系統數據信息快速更新，增強數據準確性。通過Corba接口，可以與網管系統對接，自動采集基站入網配置信息等。在系統數據存儲方面，在明確入網工單和設備配置信息等數據關聯的基礎上，通過關系型數據庫實現數據分類存儲，在實現數據集中管控的同時，方便用戶實現數據多路存儲，確保系統擁有良好并發性。

平臺應用層將在數據層支撐下實現各種系統應用，如實現基站入網審核管理、基站設備遠程監控、基站告警管理等，能夠通過智能分析減少運維人員工作量，輔助工作人員制定科學的檢修、巡檢等計劃，提高基站入網運維效率。如在平臺接收到基站入網管理系統中的工單信息后，將實現工單自動流轉，觸發審核流程，在確認網管審核通過后自動開展網絡測試，保證網絡質量。在通過測試后，將實現基站入網操作，變更網管狀態，后續自動進行基站設備遠程監控等操作。通過平臺查看基站設備實時運行數據，能夠查看站內動態畫面，在獲取設備電流、電壓等參數信息的同時，完成對基站入網信號監測，做到全方位監管基站入網狀態。在告警管理方面，系統可以自動完成基站運行參數異常判斷，以數據表格等形式呈現運行數據信息，生成和顯示告警記錄，通過發送短信的方式提醒管理人員處理。通過查詢相關數據，評價基站入網情況，能夠為制訂運維計劃提供依據。完成平臺服務器部署，能夠為系統調取、分析和處理數據提供支持，確保各種應用功能順利實現。為保證系統數據安全，需要完成用戶角色權限分級，根據權限確定用戶能否進行數據導入導出、統計分析等操作。

1.2.2 軟件架構

通過智能運維系統實現基站入網退服預警、異常檢測、故障告警等操作，需通過開發相應軟件實現系統核心功能。具體來講，就是采用多AI模型完成基站設備、網絡等各種數據分析，為實現入網運維事前、事中和事后管理提供支持。運用AI深度學習算法完成多維建模，需完成系統軟件架構搭建，該架構大致劃分為數據采集、算法模型、核心功能和應用呈現四個層面。

數據采集層需要對系統采集的各種數據進行預處理，為后續完成模型訓練和數據分析奠定基礎。在該層實現與系統數據流的對接，通過電子運維系統、集中維護系統等獲取數據，可以建立模型訓練數據集。針對入網工單、基站設備告警、入網KPI等各種指標數據，需要運用大數據技術挖掘數據變化規律，完成數據清洗、過濾等操作，在清除無效數據的同時，增強數據完整性、準確性。

在智能運維功能實現上，算法模型建立為重中之重。在建立專家經驗庫的基礎上，運用人工智能、大數據等技術，根據以往基站入網管理和運維經驗建立基站退服預測、故障原因診斷等各種模型，實現模型組合應用，能夠精準分析和判斷基站入網可能存在的問題，為查找故障原因提供數據依據。

應用各種AI模型指導運維工作開展，需要建立核心功能層確保相關網絡運維系統能夠接收和應用模型分析結果，開展事前預防、事中處理和事后評價等工作，實現基站入網全過程的閉環管理。具體來講，就是需要與電子運維、集中維護等各種系統聯動，對接基站入網運維生產流，通過準確進行故障定位、定界等操作為系統運維工單生成提供數據依據，依靠智能算法改善系統運維流程[4]。

在系統應用呈現層，應對外提供軟件操作窗口。在可視化應用界面上，用戶可以選擇瀏覽基站退服風險預測信息，也能獲取基站異常信息清單，查詢基站入網運維工單信息等。點擊界面上的應用選項，系統可以將各種模型分析結果以可視化形式呈現，方便用戶快速獲取相關信息，輔助人員制定管理決策。

2" 智能運維在基站入網管理上的應用分析

2.1 項目概況

某省在建設4G/5G基站的過程中，每天需處理的基站入網工單多達3 000個。在基站集中入網的情況下，管理人員缺少精力對各基站入網狀況實施監測，給移動網絡安全穩定運行帶來了一定威脅。考慮后續仍會有大量基站入網，為避免前期積累隱患過多造成后期運維面臨較大挑戰，決定實施智能運維系統建設方案以加強基站入網管理。按照系統建設要求，需要對接系統和省內移動網絡基站入網工單管理、電子運維等系統，自動識別基站入網工單信息，完成基站退服預警、異常檢測等操作，派發智能巡檢工單。

2.2 應用過程

2.2.1 基站入網退服預警

在基站入網前期，主要通過智能運維系統完成退服預警，提醒人員通過提前排查消除各種隱患，使運維工作變被動為主動。利用系統基站退服預測模型展開分析，結合以往基站入網數據分析挖掘隱患發生規律，對各基站入網后退服概率展開分析，能夠篩選出風險高的站點，提示人員處理。在系統退服預警功能應用實踐中，需加強對基站入網退服告警數據的收集，結合歷史數據建立模型樣本數據。在完成模型訓練后，向模型輸入基站入網信息，能夠輸出未來一周內基站退服預測結果。通過系統對各入網基站退服概率進行評判，完成高風險閾值的合理設定，系統可以自動生成存在退服隱患的基站清單。將清單內容傳遞給運維系統，完成相關預警信息發布，可以根據基站入網工單任務安排和預測結果開展預防性檢修工作，大大降低基站退服風險發生的概率，為基站可靠入網提供保障。

2.2.2 基站入網異常檢測

針對已經入網的基站，應用系統開展異常檢測工作，通過實時在線傳遞基站設備信息，做到動態開展入網管理工作。根據異常檢測結果，制定科學的巡檢計劃，能夠使各種異常得到及時發現和處理，降低故障發生概率。在系統功能實現階段，應用異常檢測模型需輸入基站歷史故障數據、退服告警信息等，建立深度自編碼器模型完成基站異常度分析，根據結果完成告警級別劃分，生成基站異常清單，為制訂預防性維護計劃提供支持。針對風險等級較高的基站，需即刻安排檢修工作，通過明確運維優先級做好巡檢工作安排，保證運維工作高效、有序開展，為基站入網后長時間穩定運行提供保障。

2.2.3 基站入網故障診斷

應用智能運維系統輔助開展基站運維活動，可以通過系統實現基站入網故障定位分析，準確劃分故障界限，為高效開展檢修工作提供支持，從而有效縮短基站退服時間，改善網絡通信服務質量。在故障診斷方面，系統能夠根據專家經驗完成故障分類，并對各種故障發生原因展開分析，指導工作人員快速排查故障。在現場開展運維活動時，工作人員可以通過系統查詢基站歷史信息，并通過故障診斷模型輸出結果確定基站是否發生電源設備故障、傳輸設備故障等各類故障，按照系統指示完成故障檢修作業。根據故障處理難度，系統能夠實現運維工單分類，為科學調度運維資源提供依據，全面提升基站入網運維管理水平。

2.3 應用效果

智能運維系統投運6個月以來，基站入網工單平均處理時長由44小時縮短至36小時，明顯提高了基站入網工單審批效率。與此同時，半年內系統累計預測存在入網退服隱患的基站多達11 000個以上，預測精確率高達87%，通過提前排除隱患以增強基站入網可靠性，使基站退服率降低至3%以下。通過系統實現基站異常檢測，及時開展檢修工作，使基站入網故障概率降低10%左右。此外，依靠系統實現基站故障定位，大大提高了基站運維效率，優化了移動網絡通信質量，使顧客滿意度達到了100%。從總體上來看，通過應用智能運維系統開展基站入網管理工作，能夠減少因基站頻繁退服引發的業務損失，同時通過降低故障概率和優化運維資源調配，降低管理成本，幫助企業樹立良好品牌形象，創造更多經濟效益和社會效益。

3" 結束語

建設智能運維系統加強基站入網過程管理，能夠通過預測基站退服情況提前消除基站入網安全隱患，并在基站入網后實時檢測異常情況及時發現問題，在系統支持下快速進行故障定位定界，為人員開展檢修活動提供指導。伴隨著基站入網活動的大量開展，后續應加強智能運維技術的運用，確保在大數據、人工智能等技術支持下高效開展運維活動，助力移動網絡服務性能提升。

參考文獻

[1] 劉靜鳴．物聯網+配網智能運維的創新技術研究[J]．現代工業經濟和信息化，2023（1）：115-116.

[2] 安紅波，黃亞亮．面向5G室內小基站的接入網開放突破研究[J]．信息記錄材料，2020（9）：146-147.

[3] 蔣燕，韓玉琪，莫亮亮．5G基站與寬帶接入網末端光纜資源整合策略研究[J]．信息通信，2020（6）：216-220.

[4] 吳立濤，張富強，王志杰．接入網、基站機房優化撤并的探討及實踐[J]．通信電源技術，2019（11）：155-156.