浅析5G网络智慧运营管理系统解决方案

2022-05-18肖志锋

中国设备工程 2022年8期

肖志锋

（武汉虹信技术服务有限责任公司，湖北武汉 430205）

1 科研目标

基于大数据用户画像的网络运营解决方案，颠覆传统无线网络被动的运维、后知后觉的市场运营机制，实现网络运营实时化、精准化及智能化，低端重复的网络运营工作通过用户大数据模型实现机器自学习、自分析、自优化。本解决方案旨在打造5G网络智慧运营市场的一片蓝海，提升企业知名度及市场地位。

2 技术规划

本业务领域的具体技术规划，包括资源投入、技术研究方向、关键技术开发等方面，以及其它有关内容。

（1）网络变化：云化网络在5G规模商用，NSA组网，切片网络；网络云化分层，核心网规模云化；用户面与控制面分离，引入边缘计算；网络切片，业务运行要求网络逻辑隔离；5G NSA/SA架构下4G-5G互操作；站点增加4～5倍（以小微站为主），能耗增加2～3倍。

（2）业务变化：2C业务转变到2B+2C，管道模式转向平台模式；运营商进入垂直行业，以网络切片的方式向垂直行业提供租户业务，运营商既要打造管道能力，也需要平台能力；差异化的QoS保障（带宽、时延、可靠性、安全性等）；DevOps支持自动化编排和敏捷运维，业务和应用敏捷开发，持续集成，持续交付。

（3）5G网络：一张网络使能多种服务、多个行业。

（4）商业模式：管道模式转向平台型模式。

（5）NSA一体化运维：NSA组网下，5G基站利用X2口，通过4G网元和4G核心网交互信令。用户面可通过X2口或者5G基站直接和4G核心网建S1-U链路。5G依赖于4G，同时也会影响到4G资源，因此需构建NSA组网4/5G的联合维测能力，包括：4/5G拓扑对端查看，4/5G X2口自建立，4/5G联合用户跟踪，4/5G联合数据采集等维测特性。

（6）NSA运维能力总览（如表1）。

表1 NSA运维能力分类

NSA 4/5G对端拓扑可查看，基于X2接口建立完成后，自动生成NSA 4/5G拓扑关联关系。主拓扑界面上支持LTE找对端NR基站，NR侧找对端NSA组网的LTE基站。

NSA 4/5G联合用户跟踪，4/5G用户信令和监控统一启动/呈现；NSA组网，支持4G&5G用户级跟踪监控一次性启动，统一界面呈现，便于运维人员启动跟踪监控和查看数据，提高定位问题效率；5G无线智能告警压缩。

（7）1min指标实时上报：需求背景；大事件/高铁等网络资源评估及问题定位场景；5min or 15min周期太长，将网络中的异常平滑掉，无法精准评估优化，需要更实时的话统，来更真实的反映网络资源状态；5G对于1min话统指标有诉求的客户，5G网络保障与维护要求闭环周期更短，希望能提供实时的（如1min）性能指标数据，用于网络监控及后续快速优。成功案例：在青岛上合峰会保障期间，山东移动LTE网络部署1min性能指标监控北向上报特性。该特性作为青岛移动在青岛上合峰会期间的最大亮点，青岛移动也受到了工信部和移动集团领导的表扬。解决方案：20A，1min话统北向，支持OSS&服务工具获取1min话统；20B，支持1min全对象采集和上报，支持1min全指标采集和上报，支持1min话统指标的流控补采，5G实时话统架构：文件->流，日常监控（5/15/30/60min话统），实时监控（1min话统）。

3 产品规划

本业务领域的具体产品规划，包括资源投入、所需技术和技术储备情况、重点产品开发等方面，以及其它有关内容，如表2。

表2 重点产品开发计划

4 项目创新点

4.1 网络特征建模

研究场景栅格化，对区域进行地块栅格化处理及精细化场景划分，从而可以直观分析用户、资源、业务3个维度间的关联性,并以栅格为单位将特征指标映射至气泡象限图中进行分析,为网络特征建模提供基础。研究时间切片化，针对网络通信多线性和关系复杂的问题，通过构建时间切片，建立多个通信任务主线在各阶段的全局关系视图，高效处理复杂的任务流程。研究业务分段化，利用分段线性混沌加密实现对多种敏感信息的保护,确保数据安全和保护隐私数据。

4.2 业务质量建模

研究KQI量化模型，结合移动通信业务的特点，提出了两层权值的KQI量化评价模型，通过层次分析法(AHP)计算出所有的一级权值和二级权值，有效的分析影响层面和影响因素，KQI量化体系助力精细化网络运维，为差异化业务服务奠定基础。研究知识库匹配，将网络问题在结构化知识库中进行查询、推理、匹配得到相应答案，引入深度神经网络，通过问题聚类，将向量锐化后传入分类器中得到匹配结果，使得知识库具备自学习能力，不断进行完善。研究业务质量与资源匹配，从用户需求出发,以节省功率资源为目标,借助凸优化和博弈理论,实现动态网络环境下无线网络资源匹配。

4.3 用户画像建库

本技术主要研究用户画像，通过收集电信DPI数据、建立用户标签体系、确定用户画像框架、确定优先级别、为用户打标签等流程,将移动网络用户进行精准的标签化，勾勒出用户在特定情境下的全貌。基于十折交叉验证的方法,在训练集中寻找主题模型和向量空间模型的最优参数,进行用户建模并训练分类器，使用户画像更加逼近现实，实现电信业务针对性营销。