人工智能在5G网络优化中的应用

曹颜辉，王 瑞，朱 宁，张利峰，梁 星

（中国移动通信集团设计院有限公司 山西计划单列分院，山西 太原 100089）

1 人工智能概述

人工智能又叫AI，体现在模拟人类思维模式实现创新性智能，是现阶段最符合时代性的理论方式和技术系统，具有一定的可执行性。近年来，信息社会的发展推动了人工智能的发展，其应用范围也越来越广，从专项应用转变为通用性更强的技术。信息社会的互联网技术与人工智能结合，产生了更为先进的数据算法和场景建设。人工智能在应用之初主要用于模拟人类的各项行为活动和思维模式，而随着深入研究，逐渐呈现出泛智能的发展趋势，即形成一套发现问题、分析问题以及解决问题的问题处理体系，当问题较为复杂或不常见时依然可以对其进行分析[1]。

现阶段，通信运营商为了满足用户越来越广泛的需求，加大了通信网络运营和升级的资金投入，5G通信技术得以推广和普及。与此同时，运营商需要有针对性地调整现有的运营体系和商业模式。因此，人工智能技术如何与5G通信技术进行技术融合，并应用到5G网络建设中去，是运营商降低网络运营成本和提升用户体验的一大研究方向。

2 5G网络优化流程及目标分析

2.1 5G网络优化流程

5G网络的优化是现阶段5G网络应用推广的一大研究方向，而优化的具体流程较为复杂。作为新型的系统网络，5G网络优化的参数、对象以及方法与传统的通信网络有一定的差别，但最终的目标都是提升网络的通信速度，降低网络的整体延时[2]。5G网络优化流程示意如图1所示。

2.2 5G网络优化目标

2.2.1 数据传输速率优化

随着4G网络的全覆盖，人们在进行移动通信和数据传输的过程中已经享受到了较高的便利和较低的资费标准，而人们网络通信的需求也在日渐提高。现行的5G网络技术标准与现在使用的4G网络相比已经出现大幅度提速，但这只是目前的理想化标准，距离完全实现还有一定的差距。现阶段，试运行的5G网络速度测试结果已经可以达到1.5 Gb/s，现有的4G网络数据传输速度还不足100 Mb/s。对比来看，5G网络已经比4G网络的传输速度有了极大的提高，但与想要实现的技术标准还有一定的差距，原因在于5G网络于2019年开始研发，目前还处于研发阶段，现有的网络传输速度提升主要依赖于多单元自适应阵列传输技术，这也是目前研发的主要方向[3]。

2.2.2 网络数据安全优化

人们对于网络速度的要求日渐提升，主要原因是人们对于移动终端设备的过度依赖，在此过程中需要进行大量的数据传输和数据处理分析，因此数据的安全性是人们较为关注的。5G通信技术在应用的过程中应该注意数据保护问题，通过更高强度的加密算法提高数据信息的抗干扰能力和防窃取能力，以此来实现5G数据网络安全的优化，进而完成5G网络数据的优化。在进行5G网络通信研发的过程中，需要制定出严格的技术安全标准，保证人们的数据安全性。

3 人工智能在5G网络优化中的应用

人工智能技术需要通过4步融入到5G网络优化工作中，一是智能识别，二是智能分析，三是智能规划，四是智能优化。通过这4步有条不紊的进行5G网络的迭代优化，形成标准化的优化流程，进而达到5G网络优化的高度自动化。5G网络智能规划流程如图2所示。

图2 5G网络智能规划流程示意图

3.1 基于机器学习建立覆盖优化系统

传统的人工经验优化技术虽然是现阶段的主流优化技术，但是不能完全满足当下5G网络通信的个性化需求，所以需要通过人工智能技术进行一定的机器学习，进而形成更高效和更具针对性的网络覆盖优化。现阶段的另一主流网络优化技术是仿真技术，但是其无法将实际应用场景完全还原出来。在5G网络的背景下，需要建立起更加完善的覆盖优化系统，集体系统设计流程主要包括以下4点。

一是对于全覆盖网络的小区通过测量报告MRO进行网络覆盖优化关系，以此份测量报告为基础建立起相应的评估矩阵，分析现有的系统预置规则，掌握小区的网络软件和硬件先关参数，便于网络优化的各个阶段，可以有针对性地调整网络设备的方向角与运行功率等参数信息，并在此基础上制定出针对性的优化方案[4]。

二是由于每个网络覆盖的小区各有不同的特征，因此在进行优化过程中需要针对性进行相应的指标搜集，包括网络参数、干扰程度以及网络结构等，根据现有的优化业务步骤整合和分析搜集而来的信息。与此同时，在优化之前可以采取一定的预处理方案，通过动态管理的模式调整各项指标和参数，更好得完成网络的精准优化。

三是网络优化过程中加入机器学习，可以帮助网络优化创造出良好的优化环境。根据以往的网络优化经验归纳出已有的规则树，加之决策树算法的应用结合实际情况，实现最终的网络优化。除了上述算法，还可以结合聚类回归算法，预测和匹配网络场景的一些指标，并通过返回的指标参数形成对应的优化关系模型[5]。

四是在网络优化的算法前置阶段需要汇总和分析网络中的数学特征，提取其中的特征信息和关键指标，从而有效处理网络运维优化中的相关因素，并且进一步提升5G网络的数据信息处理能力。

3.2 基于深度神经网络进行参数智能优化

5G网络参数智能优化的算法基础是深度神经网络算法。现阶段的参数分析和管理水准已经有一定的提升，在这个过程中，网络运维优化的效率和质量也随之提升，并且一定程度上降低了网络优化的成本。深度神经网络算法在应用过程中需要从实际的优化需求出发，不断积累网络优化的优化经验，对网络参数进行更加针对性的配置[6]。

参数智能优化系统的设计流程分3步，第一步根据优化小区进行合理性建模，包括用户分布、小区网络结构以及外部环境等，在建立多元场景的过程中更好地应用现有的量化特征属性。第二步借助已经应用的深度神经网络算法和小区样本的个体距离，综合考虑样本规模和算法时间，从而形成N个参考样本。结合先前的优化经验对现有的样本进行个体比对，整体分析，推演出较为一致的无线小区和设备参数[7]。第三步使用循环神经网络算法的方式，以深度神经网络的模型和采集的样本数据为基础，对现有小区的地形地貌进行特征收集，并推算出相关的时间性特征数据。

3.3 基于遗传算法进行隐患预测与巡检

为了有效预测网络问题和网络故障的产生，可以在网络运维和网络监控中应用遗传算法，同时亦可以提升用户的体验感，间接降低了产生投诉问题的概率。

隐患预测与巡检系统设计的主要流程有4部分。第一部分，有针对性地统计和分析各网络站点的画像属性，以现有的维度指标为基础进行网络问题评估。第二部分，梳理和分析网络隐患问题，通过深度神经网络和大数据技术落实后期的隐患预测工作和网络警报工作，并根据以往的处理经验构建出更为完善的针对系统，能够完成巡检项目的自动化更新，最终建立起完善的隐患专家诊断系统[8]。第三部分，对需要监控和巡检的小区进行有效的位置信息定位，基于已有的站点画像和隐患管理方式整合出较为完整的巡检方案，达到针对性处理高隐患小区。第四部分，开展数据的挖掘和归并工作，在此过程中梳理和整合工单数据，剔除高度相似的工单数据[9]。用户画像算法及流程如图3所示。

图3 用户画像算法及流程

3.4 基于智能算法进行异常网络定位与检测

传统的网络运维和监控处理模式具有一定的滞后性，在处理投诉信息和软硬件告警等问题时往往等到问题出现后才会进行解决，事先的预警方案并不明确。现阶段的网络运维和监控可以通过人工智能技术进行提前预测，通过数据分析出网络问题的发生概率，在网络问题发生之前就形成针对性的预警方案，提高用户的满意度和体验感[10]。

异常网络定位与检测系统的设计流程主要包括3部分。第一部分梳理业务逻辑，对告警状态、网络参数以及运行状态进行随时的数据提取，将网络运行过程中的各项数据进行向量化处理。第二部分基于人工智能算法进行机器学习或使用自编码器进行降维运算。第三部分及时进行网络投诉和网络告警预诊断，通过人工智能算法计算出样本点的分布密度，以此进行相应的网络故障排查。

4 结 论

2020年5G网络已开始初步进行铺排和覆盖，加之5G牌照的发放，标志着5G网络从测试阶段进入了商用阶段，为当前的数字经济增长开辟了新的途径，主导了新一轮的信息科技革命。而新兴的人工智能技术已经在社会的各个领域涌现出相应的功能应用，且自身的优势十分明显，在融合人工智能技术和5G网络优化工作的过程中，需要运营商进行一定的经济投入，以期获取更高的经济效益，提高整体的运营效率。