5G极简网络智能运维体系的构建研究

刘宏嘉，范 琨，常文平，马 骏

（1.中国联合网络通信有限公司 浙江省分公司，浙江 杭州 310084；2.中国联合网络通信集团有限公司，北京 100033）

0 引 言

随着移动通信行业与互联网技术的持续进程，软件定义网络（Software Defined Networking，SDN）/网络功能虚拟化（Network Function Virtualization，NFV）技术日益成熟，5G 技术也应运而生。5G 作为新一代基础设施，对众多行业的发展产生了极大的影响，并带来了诸多改变，在助推各行各业数字化、智能化革命，助推经济高质量发展方面发挥着巨大作用[1]。

如今，5G 已经成为数字化转型的新型信息基础设施、驱动行业数字流动和系统变革的关键性支撑技术，同时重构行业数字化转型新生态。相关统计结果显示，截至2022 年5 月底，我国建成开通5G 基站170 万个，平均每万人5G 基站数超过12 个。当前我国5G 建设正处于加速期，预计未来5G 基站建设将会持续提速，从而给网络可视化市场带来广阔的发展空间。5G 时代，通信网络融合化程度空前加强，终端和业务持续向多样化方向发展，技术迭代速度越来越快，网络环境日趋复杂。与此同时，通信网络承载的服务越来越多，从高清视频、互动游戏、各类边缘计算场景，到智慧工厂、车联网、智慧城市等，一旦出现故障，带来的影响就不可估量。目前，在电信运营商中开展运维工作的主要模式为人为运维，具有效率较低等一些问题，无法确保未来5G网络的稳定运行。为此，开展有关5G 网络智能运维的研究工作，具有极为重要的意义[2]。此外，由于运营商本身的网管系统庞大而臃肿，轻量级的5G 网络智能运维平台更能够在协助运营商为政企用户提供运维服务时，带来更全面、便捷的体验。移动通信系统作为数字化和智能化的“推动者”，已从早期的人工运维网络向人工辅助的自动运维网络演进。面向5G 网络持续建设，“极简”的网络概念已经深入人心[3]。在这种背景下，针对5G 发展目标网络，提出了一个极简网络的智能运维体系，以制定未来移动通信网络演进策略，并一体化打造5G 多层协同的极简网络。为了达成5G 极简网络的核心目标，提出遵循“去繁从简”的原则进行网络配置，对多层网互操作事件进行统一规范，并对网络重选优先级以及切换策略进行了积极的简化处理等多种手段，推动极简网络的演进。

1 5G 极简网络智能运维体系的构建

1.1 多层网互操作事件的规范

5G 环境下，想要打造极简网络，实现网络的极简化，首先需要对多层网互操作事件进行严格的规范。这一过程中，考虑到不同频段的特点，需要针对不同频段的终端渗透率、容量能力、站点比例以及覆盖能力等具体情况，制定出全网统一的多层网互操作措施。在配置各种互操作事件的过程中，总体遵循“去繁从简”的原则。对于不同的频段空闲态，均实施统一重选优先级。

1.2 同频重叠覆盖清理

在打造极简网络的过程中，在具体的运维方面，还需要高度重视同频重叠覆盖干扰问题。这一过程中，首先需要收集多方面信息，全面评估不同小区的重叠覆盖情况，并对其中的关键小区予以准确的识别，进而针对关键小区的实际情况，实施针对性的处理。结合极简网络智能运维的实际需求，提出一种智能评估方法，以实现对同频重叠覆盖关键小区的准确识别，最终达到对网络结构予以有效优化，改善网络质量的效果。具体智能评估步骤如下：第一步，对小区重叠覆盖干扰能力进行评估，识别出影响周边重叠覆盖度的关键因素；第二步，对小区整体干扰能力进行评估，以确定每个小区的干扰能力；第三步，对同频重叠覆盖关键小区予以确定。被评估小区覆盖区域中干扰能力最强的小区即为该区域同频重叠覆盖的关键小区。在这一过程中，需要遵照一定的规则进行具体的选取，相应的规则内容如表1 所示。其中，X代表区间基准干扰强度，不同的区间会出现等量干扰强度的增加。如果同时出现模三干扰，那么对应的干扰强度会发生翻倍。

表1 同频小区干扰能力评估表

例如，如果在A 小区的邻区中，B 小区的同频重叠覆盖干扰能力处于最强的状态，且在B 小区的邻区中，B 小区的同频重叠覆盖干扰能力处于最强的状态，那么综合分析之后，可以将同频重叠覆盖干扰能力最强的小区认定为B 小区。在分析过程中，还需要综合考虑其影响的小区数量是否达到5 个以上。

1.3 可视化优化平台构建

随着城市的发展，由于地形、建筑物的结构、高度、密度及其他一些环境因素的影响，移动通信网络的传播模型也发生了改变，这使得移动通信基站的实际覆盖情况发生了较大的变化[4]。但是，在传统的运维模式下，只能通过工作人员进行现场测试和分析的方式来了解基站的实际情况。整个过程的工作量较大，耗费的时间较多，整体工作效率较低，且工作质量不够理想。同时，不同工作人员的专业水平和综合能力之间存在一定的差异，传统运维模式下，也无法避免人员水平差异所带来的误差。针对上述问题，在本次研究中，选择应用采集基站的最小化路测（Minimization of Drive Tests，MDT）数据，结合不同小区的基础工参数据以及邻区配置数据，对数据进行一定的智能化处理，最终打造出可视化优化平台。该平台可以将基站的覆盖情况实现可视化显示。具体来看，该平台可以实现多种功能，包括站点覆盖位置可视、站点覆盖参考信号接收功率（Reference Signal Receiving Power，RSRP）可视、邻区添加情况可视、邻区漏配预判并可视、方位角问题预判并可视、越区覆盖预判并可视等。可视化优化平台能够快速准确地呈现站点邻区覆盖问题、方位角误差问题、站点经纬度问题以及邻区漏配问题，并且能够呈现每个覆盖点的平均电平。可视化优化平台可以为5G 极简网络提供专业的运维管理服务，针对整个网络状态、环境检测等进行全面监控管理，可建立标准化的可视化运维管理模式，用户可清晰查看整个网络的实时运行状态，具体的运维数据可查看后台日志管理模块。针对综合管理平台，可以有效提高日常运营管理效率、提升服务质量、增强处置突发事件能力以及降低能耗。通过将网络问题可视化直观呈现，网络优化人员可以更加方便地分析网络覆盖问题。该平台具备调整后可视化评估能力，可以打破传统优化思维，优化效率较高，实用性较强。通过可视化优化平台，可以在后台精准定位邻区覆盖、方位角误差、站点经纬度以及邻区漏配问题，从而全面提升网络整体质量[5]。同时，该平台可以实现对不同移动通信基站覆盖情况的核查，以分析不同移动通信基站的合理性，避免出现越区覆盖情况。

1.4 基于人工智能的邻区精简

为了满足不同场景下的覆盖需求，移动通信网络采用多频段组网，不可避免地导致网络中小区邻区数添加过多、邻区冗余和设置不合理等问题日益凸显。超大数据量的邻区处理给邻区优化工作的开展带来瓶颈，需要借助邻区精简工具进行邻区数据处理以及邻区合理性优化。基于人工智能的邻区精简能够精准快速地对超大数据量进行解析提取。采用邻区密度算法结合人工智能识别的方法，从邻区配置合理性、邻区漏配、邻区错配和邻区冗余等方面进行邻区精简。这一过程中，涉及的技术主要包括解析站原始数据、邻区密度算法、人工智能评估等，具体内容如下。

（1）基站原始数据解析。在进行数据分析的过程中，在选择数据源时，选择对基站原始数据进行提取，并将其作为数据源。通过这一方式，可以确保邻区配置信息具备较高的准确性以及良好的时效性，有效避免信息不对称问题的出现，减少结果误差。在对基站原始数据进行提取时，需要从基站原始数据文件中进行提取，对于其中邻区信息的关键字段进行提取，可以对不同小区的异系统邻区、同频邻区、异频邻区以及各频点邻区的详细列表进行解析，进而快速得到准确的数据结果。

（2）邻区密度算法。在此次研究中，选择对小区周边最近12 个邻区实际站间距离进行计算评估，并针对不同距离的大小实施排序，对距离最近的前3、6、9、12 个小区平均站间距离进行计算。之后，参照一定的邻区密度加权系数，对所明确的评估小区所属密度区域进行计算。以M来表示邻区密度，对该数值进行计算的公式为

式中：d1、d2、d3、d4分别为邻3、邻6、邻9、邻12的平均站间距。邻区密度占比加权与距离加权系数表如表2 所示。

表2 邻区密度加权系数表

根据表3 中的邻区加权系数评估站点距离加权后的平均站间距权值。通过邻区密度计算将小区分为密集且连续区域、一般密集区域、一般区域、不连续覆盖区域以及郊远农村5 个维度。最后，输出全网邻区密度现状。

（3）人工智能评估。在分析不同邻区之间关系的过程中，选择使用人工智能评估技术。在评估时，对于邻区精简算法规则，均将其纳入到人工智能识别中。对邻区进行精简的过程中，涉及的精简范围主要包括邻区冗余、邻区配置合理性、邻区错配以及邻区漏配等方面，精简的维度主要为邻区逻辑、频段特性、邻区密度、参数配置以及邻区距离。经精简，最终全网邻区数量明显下降，有效降低了网络邻区复杂度，下降幅度达到30%，

2 结 论

为了验证本次研究所提出的5G 极简网络智能运维体系的应用效果，选择对该体系进行了实践应用。在具体的应用过程中，结合实际情况，开展了一些智能运维工作，部署网络结构简化、站点简化和运维简化等内容。在应用该智能运维体系的过程中，遵循“去繁从简”的原则进行网络配置，对多层网互操作事件进行统一规范，并对网络重选优先级以及切换策略进行了积极的简化处理。最终的应用结果显示，在异频切换次数方面，应用该智能运维体系之后，相应的次数明显下降，下降幅度达到30%。调查发现，用户的感知情况得到显著的改善。总体来看，当前网络结构越来越复杂，提出了一种5G 极简网络智能运维体系的总体思路和解决方案。通过大规模的实际应用，验证了该方案可以显著提升网络资源利用率，在节能减耗的同时提升网络优化的工作效率。实践之中，对提升运营效能、改善用户感知、开拓市场价值等均有一定的应用价值。智能运维体系自动化流程与工具同时也能带来显著的降本效益，证明方案的实用价值。