网络智能化需求与应用

刘芷若 中国信息通信研究院技术与标准研究所助理工程师

穆琙博 中国信息通信研究院技术与标准研究所工程师

张宇华 中国信息通信研究院技术与标准研究所工程师

1 引言

随着云计算、大数据等新兴信息技术应用的规模落地，新业务和新应用对网络的要求越来越高，电信网络进入快速变革时期。各大网络运营商纷纷布局网络转型战略，利用软件定义网络（Software Defined Network，SDN）和网络功能虚拟化（Network Function Virtualization，NFV）技术减少对专有硬件的依赖，解决网络运营商面临的网络灵活性差、组网成本高、管理复杂、运维量大以及新业务上线慢等问题。此外，随着更多新制式和新技术的演进，众多新型网络服务所产生的流量特点与现在智能手机的流量特点不同，这些新兴网络服务对网络的要求更高，导致网络规模更加庞大，网络结构更加复杂。因此，人工方式不足以支撑未来网络高效运营的要求，特别是在提升网络运维效率、业务和资源编排精准性，以及降低运营成本等方面，网络运营亟需更加高效智能的解决方案。而人工智能技术（ArtificialIntelligence，AI）恰恰能为网络运营者解决智能化运营变革过程中的诸多难题。

2 电信网络运营面临的挑战

电信网络是一个复杂、异构、动态的网络系统。为了构建敏捷、个性化的服务，网络运营商必须对不同的设备进行编程，统一集成多种标准化平台，这使得网络和操作环境变得越来越复杂。在未来，网络数据量将继续爆发，5G和物联网的应用还将为网络带来更加庞大的数据量和连接数。多种新型网络、新型业务和新型应用（如工业互联网、车联网、智能家居等）都对网络的带宽、时延、可靠性和安全性有着极高的要求。人机交互挑战将成为高级服务推向市场的主要障碍，传统的人工方式不足以支撑未来网络快速适应变化多端的网络环境。

本文从电信网络运营的角度对当前网络中存在的问题进行分析。电信网络运营应当呈现为一个闭环，主要包括规划、构建和维护3个环节（见图1）。

图1 电信网络运营闭环

2.1 规划环节

网络规划环节是分析网络流量，对未来网络设施资源规划进行仿真的过程，是通过分析计算过去网络流量的特点对未来网络资源的分配进行“预言”的过程。然而，由于多种不同的网络服务叠加在相同的物理硬件上，因此有必要在单个网络或硬件单元的流量预测中考虑所有服务的流量。若还要依赖专业知识或专家，人类手工完成这样的计算费时费力。

（1）以往移动网络规划及优化建设更多以网络自身的指标为核心，而非以用户体验为核心。

（2）使用人工智能或其他机制来改善对环境的理解和认知，不断加强网络运营者经验。

2.2 构建环节

广泛地说，构建环节包括设计、建造和测试网络设备。当网络虚拟化后，网络管理员可以通过软件增减虚拟机数量，分配网络资源，大大缩短构建时间，加速构建过程。

（1）定义最佳虚拟化方案，如何提供和管理网络服务，改善网络管理和运营。

（2）移动网络资源整体过剩，但局部不足，网络质量与移动互联网业务需要存在差距。

目前的流量预测，主要是对测量所得流量数值按照时序进行分析。然而，这种分析方法所预测的流量无法应对突发的影响因素，比如由于事件引发的临时流量波动。因此，流量趋势预测应当消除这种造成巨大偏差的不安因素或异常方面。此外，还应该对短期流量趋势进行分析。很多时候，网络根据流量变化动态分配资源，长期流量趋势分析使网络无法对网络流量变化做出快速反应，导致资源分配不足或过剩。然而，本文提到的精准分析不仅需要巨大的工作量，而且开发长期或短期模型也要具备多项技能。假设网络中有多种不同的服务，人类也无法对这些服务产生的巨大流量进行分析。

2.3 维护环节

维护过程是基于网络告警信息分析问题对用户服务的影响，并通过合适的手段进行恢复，确定问题设备并根据告警信息修复问题。随着NFV和网络切片技术的进步，用户服务网络配置分为两部分：逻辑网络配置和硬件配置。这些复杂的网络配置使得网络运营者很难快速精准分析或定位硬件错误对用户服务产生的影响。

（1）难以精确掌握网络运行的整体情况，难以呈现网络运行情况的整体视图。

（2）自动化运维复杂的、依赖于人做决策的处理过程。

通常，提供服务的逻辑网络配置与配置逻辑网络的硬件之间有孤星的映射关系。当硬件失效时，运维人员会根据这种固定的映射关系检查服务拓扑信息，分析确认受影响的服务。当网络引入NFV和网络切片技术后，用于提供服务的逻辑网络配置还包括多种虚拟化逻辑资源，提供服务的方式也变得更复杂多样，根据设备单元的告警来手工分析确认的传统办法是无法快速精准得知用户服务受到的影响。

3 人工智能及其在网络中的应用价值

3.1 人工智能

人工智能指机器能够实现的智能，是与人类和其它动物表现出的人类智能和自然智能相对的概念。人工智能技术是计算机科学的一个分支，致力于了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，感知环境并采取行动以最大限度地实现目标。

跨界应用人工智能技术时，研究者需要对多个学科知识进行交叉融合，所以人工智能技术的综合性特征比较突出。人工智能核心产业链分为基础层、技术层和应用层。智能驾驶、智能金融、智能医疗、智能安防等应用都依托基础物理硬件和相关算法模型，利用人工智能技术，将人工智能与传统行业相结合而形成的。将人工智能引入电信网络是人工智能技术在电信行业的一种应用。

网络运营过程产生大量网络数据、业务数据和用户数据，包括以语音、图像和文本数据等多媒体形式存在的状态数据、检测数据、临时数据以及一些感兴趣的非网络信息数据。如图2所示，将人工智能技术引入电信网络，必须要依赖大数据、云计算和高性能计算芯片，利用模式识别、机器学习等人工智能技术对海量而且丰富的网络数据进行处理、学习和分析，并将分析结果反馈于电信网络运营的各个环节，为电信网络运营者提供可靠的决策依据，简化运营过程，降低运营成本，提高服务品质。

3.2 应用价值

人工智能技术以优异的学习能力、分析处理能力、跨层协作能力和资源利用效率，帮助运营商解决目前网络中存在的问题，提供更加快速、可靠、安全、节能的服务。

图2 网络数据流动环

●学习能力强。当前网络结构复杂、网络服务多样，巨大的数据流量中存在大量过程、管理和监控数据，传统的数据处理方式无法有效管理和使用这些数据。以大数据、云计算为基础的人工智能可以通过数据挖掘进行机器学习，掌握运营管理和维护网络的专家经验。

●分析处理能力强。人工智能技术能有效处理网络中的模糊信息。网络环境复杂多变，有时候信息不准确或不确定，使用机器学习就能对这种模糊信息进行处理，对网络资源进行有效管控。此外，为传统的控制理论加入智能化技术，人工智能技术还能进行非线性处理，弥补传统控制理论无法有效管理拓扑结构网络的缺陷。

●协作能力强。电信网络规模不断扩大，网络结构越来越复杂，网络服务越来越多样，层次化、分布式的网络导致管理数据和管理手段越来越分散，人工智能可以帮助不同层次的网络管理者协同管理网络。

●资源消耗小。由于用户和数据的爆炸式增长，网络管理和维护的难度加大，对大量数据进行处理所消耗的资源也随之增加。而人工智能技术的应用消耗资源比较少，计算成本比较低，大大提高信息资源利用效率，有效降低运营成本。

4 网络人工智能的应用方向

网络人工智能（Network Artificial Intelligence，NAI）指将人工智能技术应用在网络中，使用机器替代或优化目前依靠人工进行的工作，使运营商能够更加便捷地提供更加优质的网络服务。

当前，电信网络架构正处在转型期。转控分离、集中控制的SDN架构和资源虚拟化的NFV技术帮助电信网络结构分层解耦，为智能化网络运营带来了新的机遇。

通过控制与转发分离，SDN为网络运营者提供了逻辑的集中控制和灵活的可编程接口，极大促进了网络自动化管理和控制的能力。在SDN的3层架构中，软件驱动的控制器和可编程的南向和北向接口为人工智能的引入提供了可能。通过引入人工智能技术，网络管理者不仅可以安排自动化智能业务编排器，而且可以对人工智能优化的网络策略进行编程，并将这些程序自动化编译到任务脚本中，然后通过应用编程接口（ApplicationProgrammingInterface，API）进行网络任务分配。网络管理者还可以通过手机网络状态信息来持续优化网络。必要的时候，还可以使用SDN应用为网络环境智能地添加一些新功能。

NFV的虚拟化技术可以将网络层级的功能和应用划分为多个功能块，并让这些功能块以软件形式独立运行。NFV使得网络软件不再依赖固定单一的硬件设备。NFV的3层架构包括基础设施层、资源管理层和业务编排层，可以通过虚拟网络功能实现按需的动态网络配置。人工智能参与网络基础设施配置与管理、业务组织与编排，实现对网络的智能管理及对全局资源的智能监控。

电信网络运营商持续探索网络智能化建设，积极研究和实践包括数据挖掘、大数据技术、机器学习和自然语言处理在内的智能分析技术。人工智能为电信网络运营商提供了更加广阔的网络智能化建设方案，让网络运营商看到了其在4G/5G协同、无线覆盖和容量调优、故障分析、根因分析与定位、自愈与预测、网络资源编排与管理、能耗管理等方面的智能化应用机遇。

国内外主流运营商在人工智能应用方面纷纷踏出试探性的一步，积极投入跨界创新，通过大数据、物联网及人工智能等技术的有机结合寻找网络人工智能技术的切入点。国内三大运营商积极探索人工智能在网络故障告警、网络性能优化、网络模式分析、网络部署管理、智能5G和智能客服等方面的应用。AT&T研制推出UNI（UAS Network Inspection）系统，在智能运维系统中引入无人机，实现塔台的智能巡检和运维派单。德电将人工智能技术引入客服系统，为行业客户提供更加便捷的咨询服务。Vodafone提出了智能故障告警、参数优化、业务预测、射频指纹等重要的网络人工智能研究方向。

4.1 网络可视化

网络可视化是构建统一的网络视图，以便对网络的服务质量有更加清晰化、数据化和直观化的洞察。网络运营者可以从多个维度，多个视角全局和局部观察网络。主要内容包括网络质量分析、业务质量分析和网络质量监控。

4.2 智能运维

对电信网络和业务的运行状况进行持续有效的监控、对故障进行及时恢复是业务保障的重要工作。运营商通过部署相应的性能监控类、告警处理类应用帮助运维人员履行上述职责。随着网络规模扩大、网络复杂度增加和用户数量增长，网络已经越来越难以管理和维护。传统的性能监控、告警类应用通常处理的数据量较小、数据相关性分析不足、故障前瞻性预测不够。

通信网络出现故障时，会引发一系列网络告警。网络结构复杂，网络由众多厂商、不同类型的设备组成，运维人员需要对告警进行全面、多层次、深度地关联分析，精准找到根源告警原因。使用人工智能技术，对网络告警和故障征兆进行预处理，通过建立类似人类大脑认知的过程模型，借助高性能硬件和强大软件平台，对数据进行关联分析，能够提升准确率和处理效率，针对海量告警数据和复杂网络结构自动选择最优方法和最优技术完成一系列告警操作，并通过不断学习提升告警处理速度和效果，保障和管理好整个通信网络。

4.3 网络优化

网络优化主要包括流量优化、能耗优化、无线网络覆盖和容量优化3方面。

通过在SDN控制器上引入人工智能技术，实现网络流量智能优化。智能SDN控制器将根据大带宽短路径算法，重新计算所有隧道路径，实现网络流量优化。对流量过载的路径进行全局优化算路，实现全网负载均衡。通过对拥塞数据进行分类和分析，识别拥塞网络特征和用户模式，可以提高智能流量优化的调整效率和准确性。

网络覆盖和容量优化需要根据业务负荷、位置情况、无线环境自适应调节导频功率、天线下倾角、天线方向、MassiveMIMO模式参数。引入机器学习算法，分析当前网络状态与覆盖和容量之间的关系模型，再对网络进行分析，指导调整无线参数配置。

由于网络的忙闲状态与人类作息有较强的相关性，所以网络能耗也有较大的优化空间。引入人工智能技术对网络覆盖、用户分布、业务特点进行综合分析，借助流量预测技术，精准预测热点小区，智能设置休眠和唤醒设备的时间，提供可靠的用户体验，提高区域网络资源利用率，有效降低区域网络能耗。

4.4 网络规划部署

网络可视化的一个重要目的就是发现网络服务中的问题，提升网络规划的科学性。目前，可引入人工智能的网络规划部署技术主要包括网服务部署和网络切片编排管理等方面。

在网络功能虚拟化技术领域中，网络服务部署通过网络功能虚拟化编排和虚拟化网络功能管理两个功能实现。将人工智能与网络服务部署相结合，设计智能部署和编排系统，预测虚拟资源利用率，评估反馈部署结果，动态优化部署模型分析的精准度，实现网络自动高效部署。

网络切片对网络的自动化、可编程性和模块化要求更高，人工智能能够帮助网络运营商解决网络切片实例数量多、切片实例生命周期动态管理、动态扩缩容等问题。通过数据采集掌握网络的实时运行情况，利用人工智能技术根据采集数据对用户行为、网络业务及相应资源需求进行预测和评估，保障网络能够及时调整相应资源，维持网络正常运行。

4.5 智慧经营

运营商网络资源云化进程中，依托大数据资源和数据挖掘能力进行业务创新，提升用户体验，是运营商提升运营能力、向智慧经营转型的手段。数据记录的采集和分析处理，可以更加精准地对用户轨迹和偏好进行分析预测。分析的结果除了进行智能业务经营，还可以作为网络规划优化的输入，以及用于更加广泛的公益类及行业类大数据应用。

4.6 智能安全

人工智能技术支持下的网络安全的保障有着坚强后盾，把人工智能和网络安全管理紧密结合，能够大大提高网络技术的应用水平，有效保障网络运行的安全。如人工智能垃圾邮件安全检查、智能防火墙安全技术、入侵检测和异常检测等。

5 结束语

近年来，人工智能技术取得了长足发展，但是人工智能与电信网络的结合仍然存在重重困难。

（1）大数据资源。大数据是人工智能的基础，虽然现网中的数据体量巨大，但是网络数据、业务数据和用户数据相互独立，跨地域、跨层级、跨业务的各类检测数据、运维数据和告警信息的全局共享程度较低。此外，人工模式下的数据种类不足、数据格式不统一的问题都是人工智能系统对数据进行学习、分析和决策的障碍。因此，构建统一共享的数据资源池、定义格式化的数据接口、丰富数据资源种类是网络运营商在探索网络人工智能时要迈出的第一步。

（2）网络建模。当前比较成熟的人工智能算法模型主要针对目的单一的场景进行设计，如棋类博弈、语言翻译、寻路导航等。而电信网络状况千变万化，影响某一决策的因素众多，影响因素之间的制约关系十分复杂，各个决策之间的逻辑关系环环相扣，导致人工智能在电信网络中的跨界算法模型更加复杂。因此，如何建立适合电信网络的人工智能算法模型是网络人工智能技术的核心和难点。

参考文献

[1]Luo Song, Peng Zhao, HainingWang, et al. ETSI White Paper No.22[J].www.etsi.org,2018.

[2]XU Guibao, MU Yubo, LIU Jialiang. Inclusion of artificialintelligence communication networks and services[J].ICT Discoveries,2017(11):1-6.

[3]王志军.大数据在移动网络智能化建设中的应用研究[J].信息通信技术,2016(4):58-64.

[4]李娜,陈卓,刘亮,等.关于无线网络智能化的思考[J].移动通信,2017,41(4):29-33.