|
本文经《邮电设计技术》授权发布
如需要转载，请联系《邮电设计技术》获取授权
邮电设计技术公众号：ydsjjs，欢迎关注！
摘要：当前人工智能正处在飞速发展周期，已在多行业取得实质性突破。对通信行业而言，随着通信网络的繁杂化和通信业务的多样化，网络运营正面临更大的挑战和压力，将人工智能引入通信网络作为网络智能化的必要过程。围绕网络运营重要环节之一的网络运维优化工作，探讨人工智能在其中的应用需要、方向和面临的挑战，经过详细应用场景介绍人工智能怎样为网络运营降本增效、提高业务质量。 0引言
近年来，随着大数据、计算办法、运算存储能力的飞速发展，人工智能技术在历经60余年的沉浮之后迎来新的发展拐点，作为将来一个时期全世界最重要的科学技术，为各类产业供给重要的技术支撑。当前人工智能技术在图像、语音、文本处理等行业已取得实质性的发展，人工智能颠覆性的革命成果为各行各业带来巨大变革，并快速、全面地渗透到人类活动的各个行业。
随着信息通信技术的快速发展，ICT产业融合逐步深入，网络进行重构转型，众多新技术在持续演进升级，现有的电信网络较之以往更为繁杂化、异构化、动态化，电信业务亦跟随时代的发展和用户的需要呈现多元化和个性化，这给网络运营带来更大的压力和挑战。将人工智能引入电信网络是网络智能化的一大趋势，这般能够有效加强网络运营效率、降低运营成本、提高业务质量。本文将对人工智能技术在电信网络运营过程重要环节——网络运维优化中的应用进行关联探讨。 1人工智能在网络运维优化中的应用需要
人工智能（AI——ArtificialIntelligence）是一门融合了计算机科学、统计学、脑神经学和社会科学的前沿综合性学科。它的目的是期盼计算机持有像人同样的智力能力，能够替代人类实现识别、认知、归类和决策等多种功能。人工智能从1956年正式提出起始已然发展了60余年，时期经历了三起两落的兴衰过程，各类算法结合应用亦在持续地发展和升级。设备学习做为人工智能的重要分支和办法，在许多行业表现出色。任何经过数据训练的学习算法的关联科研都属于设备学习，运用学习算法从海量的数据中解析得到有用的信息并从中学习，而后对之后真实世界中会出现的事情进行预测或做出判断。设备学习需要海量的数据来进行训练，并从这些数据中得到有用的信息，而后反馈到真实世界的用户中，详细的算法包含非常多已然发展数年的技术，如线性回归、K均值、决策树、随机森林、聚类、SVM、人工神经网络等。设备学习三要素为数据、算法、算力，近年来随着大数据和运算能力的高速发展，人工智能呈现爆炸式发展，深度学习技术从众多设备学习算法中脱颖而出，在图像识别、语音识别等方面取得巨大发展和突破，对人工智能在各行业行业进行落地应用打下坚实基本。
着眼于通信行业，因为移动互联网、智能终端等技术的快速发展，数据呈现爆发式增长，电信运营商在大数据发展中装扮重要角色。运营商处理的海量数据涵盖了用户基本信息、通话数据、上网数据、网络运行数据等多方面，人工智能技术的引入提高了通信大数据的分析、挖掘速度和管理效率，使网络智能化变得更为现实，给网络运营成本、效率和管理带来新的突破方向。
网络智能化是将来网络的必然发展趋势，运维优化做为电信网络运营的重要环节，对人工智能技术的引入亦有着剧烈的需要。随着2G、3G、4G以及即将到来的5G等多种无线接入技术的应用，运营商网络变得越来越繁杂，用户网络行径和网络性能亦比以往更动态化而难以预测。与此同期，因为移动通信业务的多样化和个性化，网络的运营优化焦点亦逐步从网络性能转变为用户体验。
传统的运维优化生产模式是以工程师的经验为准则，借助人工路测、网络KPI分析、告警信息等手段处理网络问题并进行优化调节，其缺点伴同着网络发展越来越显著：生产效率低、处理周期长、优化效果存在片面性，故传统的网络生产模式很可能没法再满足运营商的将来需要，需思虑在网络运维优化中引入人工智能技术，人工智能可按照网络承载、网络流量、用户行径和其他参数来持续优化网络配置，进行实时主动式的网络自我校正和优化，同期经过人工智能为繁杂的无线网络和用户需要供给强大的决策能力，从而驱动网络的智能化转型。 2人工智能在网络运维优化中的应用
人工智能技术有着自己独特的优良，能处理非常多传统办法没法处理的困难。人工智能技术重点具备能力有：
a）超强的学习能力，能对海量的输入信息进行分析和学习，并经过持续的学习加强模型，把握专家经验，提高处理问题的准确性。
b）良好的全面性，能处理和发掘人类工作不易重视的问题和不确定的信息。
c）效率高，能模拟人类方式进行海量重复的工作，提高生产效率。
为了最大限度地降低网络运维成本，最大程度地提高网络优化工作效率，需利用人工智能技术的良好学习能力、分析处理能力、跨域协同能力和资源利用效率，发展网络智能化、自动化（见图1）。
▲ 图1人工智能在网络运维优化中的应用模式
2.1智能运维
运营商会安排各级网管系统/平台，对网络和业务运行状况进行监控和保证。现网中倘若网络设备显现故障和告警，通常由运维工程师按照历史经验和理论知识归纳总结出来的关联规则进行处理。传统运维方式存在处理效率低、实时性不强、运维成本高、问题前瞻性不足等缺点。为认识决以上问题，能够人工智能技术为基本，结合运维工程师的经验，构建一种智能化、自动化的故障处理监控系统/功能模块，能够在通信网络中实现对故障告警的全局监控、处理，实时采集告警和网管数据并相关分析处理，进行灵活过滤、匹配、归类、溯源，对网络故障快速诊断，协同相应的通信业务模型和网络拓扑结构实现故障的精细定位和根因分析，并经过历史数据持续自学习实现故障预测，提高处理效率和准确性。
2.2智能优化
网络优化的重点功效是保证网络的全覆盖及网络资源的恰当分配，提高网络质量，保准用户体验，因此运营商在网络优化工作中投入了海量人力物力。网络优化触及多个方面，如无线覆盖优化、干扰优化、容量优化、端到端优化等，传统网优工作通常依靠路测、系统统计数据分析、投诉信息等手段采集关联数据信息，再结合网优工程师的专家经验进行问题诊断和优化调节。在网络繁杂化和业务多样化的趋势下，传统网优工作模式显出被动，处理问题片面化，难以保准优化质量，况且生产效率低，在网络动态变化的状况下难以保准实时性。采用人工智能技术可对网优大数据进行训练，并将海量的专家经验模型化，构建智能优化引擎，模拟专家思维驱动网络主动实时做出决策，进行主动式优化和调节，使网络处在最佳工作状态。
人工智能在网络运维优化中的应用需要有高质量的数据做基本，需要利用合适的人工智能算法在关联的方向或场景进行实践。高质量的数据要经过整合网络关联运行、测试和信息数据来获取，数据源包含路测数据、MR数据、性能数据、配置数据、工参数据、信令采集数据、告警数据、用户信息数据、投诉数据、互联网数据等等。按照区别应用场景需要和特征，选取并相关有效的数据源，结合运维网优工程师的优秀工作经验，匹协同适的人工智能算法设计特征工程、训练及创立模型。 3人工智能在网络运维优化中的应用场景
利用人工智能技术时需思虑实质网络运维优化工作的生产流程和模式，按照应用场景需要选取合适的人工智能算法，对关联的数据进行清洗、标注、训练，创立靠谱有效的系统模型，来实现人工智能在网络运维优化中的应用。下面给出几个应用场景示例进行参考。
3.1智能故障溯源
网络故障分析和溯源是运维的重点工作，网络出现故障的现象和原由有非常多，会产生非常多区别类型的告警信息，从告警中快速准确地判断故障信息是咱们的目的和需求。在设计智能分析系统时，可思虑从海量告警信息中结合网络拓扑、网络配置、KPI、历史告警故障处理经验等信息提取共性特征，融合已有的历史处理故障经验对提取数据进行训练形成专家诊断规则库，对新产生的告警信息匹配规则进行诊断，给出故障原由和处理办法，在处理故障后结合网络运行状态对专家诊断规则库进行反馈优化，详细流程如图2所示。
▲ 图2基于人工智能的网络故障溯源流程
3.2无线覆盖智能优化
无线覆盖是移动通信网络质量的基本，基站站点的位置选取在现实中不会像仿真模型中同样完美，受到建设投资、地形、传播路径动态变化、网络负荷等原因的影响，移动网络总会存在弱覆盖、越区覆盖、干扰、容量等问题，这些会直接影响用户业务体验，需要经过优化持续调节，以满足用户对网络质量的需求。无线环境繁杂多变，影响覆盖质量的原因甚多且不确定性较强，咱们能够结合多维无线覆盖关联历史数据（MR、路测、工参、无线KPI、参数配置等），利用深度学习等人工智能技术对数据训练、调参，寻找影响无线网络质量的关键原因，以此来构建智能优化引擎。优化引擎能结合现网运行状态准确实时给出优化调节意见和决策，如天线下倾角和方位角调节、性能参数优化、邻区配置调节等，并进行关联自动化或人为处理，保准网络质量处在良好水平，优化系统模型如图3所示。
▲ 图3基于神经网络的无线覆盖智能优化系统模型
3.3业务流量预测优化
近年来移动互联网和智能终端的飞速发展带动了通信业务流量的激增，怎样平衡网络业务负荷为用户带来良好的业务体验亦是运营商关注的焦点。网络状况动态变化，用户业务需要随时间空间持续产生变化，需要从中挖掘特征，聚焦流量变化趋势，使网络在忙时能做到负荷平衡，保准用户体验，在闲时能智能关断部分基站设备，达到节能降本的效果。利用众多场景网络的多维度历史流量和网络质量数据，结合时间和场景特征基于人工智能技术进行数据分析挖掘，综合网络实质需要，进行流量预测，并运用负载平衡、动态资源调度、智能关断等策略，对网络流量进行优化调节。 4人工智能在网络运维优化中应用面临的挑战
人工智能在网络中进行关联融合应用是大势所趋，但仍处在起步周期，在网络中引入人工智能技术面临许多挑战，需要在实质应用中边思考边处理。
首要人工智能的实质应用需要海量有效靠谱的网络数据，网络数据在区别的网元或系统生成，数据采集和汇聚需要硬件能力和系统架构的支撑和升级，多维数据源的处理相关需要思虑数据格式、异厂家融合等特性问题。网络数据标签化的手段亦较少，有效数据获取成本较高，数据涵盖的场景和范围比较有限。
其次运维优化行业的知识专业性较强，在详细应用时需要知道业务规律，人工智能技术的学习特点拥有黑盒特征，难以确定应用的需要和流程，可能会使最后应用的效果不显著。
再次人工智能对应用需要和目的存在概率性误差，因为获取的数据存在片面性，在特定数据下训练得到的AI模型和架构可能很难适用所有的需要场景，这对高标准的电信级服务是个巨大挑战，在实质落地应用之前，需连续迭代学习自我完善。
最后人工智能的应用还需要思虑人为的掌控力怎样介入，通信网络的运维优化生产需要安全稳定，AI应用的输出效果存在不确定性，而通信网络的运维优化要以安全稳定为前提，AI最后的定位是主导还是辅助还需要经过发展确定。 
结语
人工智能已在非常多行业展现了强大的功效和效果，虽然日前在通信行业进行融合应用还需要跨越非常多阻碍，然则在将来网络持续发展和人工智能技术逐步成熟的趋势下，人工智能技术的引入必将给网络运营带来全新的状态。科研人工智能技术在网络运维优化中的应用将助力网络向智能化转型，达到降本增效的目的。
▎参考文献：
［1］
王西点，王磊，龙泉，等.人工智能及其在网络优化运维中的应用［J］.电信工程技术与标准化，2018，31（7）：81-86.
［2］刘芷若，穆琙博，张宇华.网络智能化需要与应用［J］.电信网技术，2018（5）：15-19.
［3］陈昆.人工智能在运营商网络中的应用［J］.中国新通信，2013，15（1）：54.
 倘若觉得本文有意思，欢迎点一个好看
| 
发表于 2024-8-30 21:18:11