中國(guó)聯(lián)通云網(wǎng)智能優(yōu)化白皮書2022

1、 HYPERLINK / 中國(guó)聯(lián)通云網(wǎng)智能優(yōu)化 HYPERLINK / 白皮書 2022目錄TOC o 1-2 h z u HYPERLINK l _TOC_250017 一、背景 4 HYPERLINK l _TOC_250016 （一）新一代信息技術(shù)變革加速產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型 4 HYPERLINK l _TOC_250015 （二）網(wǎng)絡(luò)運(yùn)營(yíng)與優(yōu)化的數(shù)字化轉(zhuǎn)型探索 5 HYPERLINK l _TOC_250014 （三）中國(guó)聯(lián)通智能優(yōu)化技術(shù)演進(jìn) 6 HYPERLINK l _TOC_250013 二、技術(shù)現(xiàn)狀和演進(jìn)需求 7 HYPERLINK l _TOC_250012 （一）技術(shù)現(xiàn)狀 7

2、 HYPERLINK l _TOC_250011 （二）演進(jìn)需求 12 HYPERLINK l _TOC_250010 三、目標(biāo)架構(gòu)和關(guān)鍵技術(shù) 15 HYPERLINK l _TOC_250009 （一）目標(biāo)架構(gòu) 15 HYPERLINK l _TOC_250008 （二）關(guān)鍵技術(shù) 19 HYPERLINK l _TOC_250007 四、實(shí)驗(yàn)基地建設(shè)與技術(shù)應(yīng)用實(shí)踐 46 HYPERLINK l _TOC_250006 （一）云網(wǎng)智能優(yōu)化鄭州實(shí)驗(yàn)基地建設(shè) 46 HYPERLINK l _TOC_250005 （二）研發(fā)成果落地實(shí)踐 47 HYPERLINK l _TOC_250004 （三）研

3、發(fā)支撐：DevOps 研發(fā)架構(gòu) 65 HYPERLINK l _TOC_250003 五、總結(jié)與展望 72 HYPERLINK l _TOC_250002 （一）強(qiáng)網(wǎng)絡(luò)之基，標(biāo)準(zhǔn)化智能優(yōu)化網(wǎng)絡(luò)技術(shù)架構(gòu) 72 HYPERLINK l _TOC_250001 （二）建設(shè)開放生態(tài)，構(gòu)建智能優(yōu)化通用模型研發(fā)體系 72 HYPERLINK l _TOC_250000 （三）產(chǎn)學(xué)研融合，打通智能優(yōu)化新技術(shù)落地轉(zhuǎn)化通道 73前言當(dāng)前我國(guó)已邁入“十四五”的新征程，信息化進(jìn)入加快數(shù)字化發(fā)展、建設(shè)數(shù)字中國(guó)的新階段。網(wǎng)絡(luò)作為數(shù)字經(jīng)濟(jì)發(fā)展基礎(chǔ)設(shè)施之一，是經(jīng)濟(jì)社會(huì)發(fā)展的信息“大動(dòng)脈”和數(shù)字化底座。中國(guó)聯(lián)通作為數(shù)字信息基

4、礎(chǔ)設(shè)施運(yùn)營(yíng)服務(wù)國(guó)家隊(duì)，網(wǎng)絡(luò)強(qiáng)國(guó)、數(shù)字中國(guó)、智慧社會(huì)建設(shè)主力軍，數(shù)字技術(shù)融合創(chuàng)新排頭兵，將全面發(fā)力數(shù)字經(jīng)濟(jì)主航道，發(fā)揮運(yùn)營(yíng)商的核心優(yōu)勢(shì)，著力提升新一代信息基礎(chǔ)設(shè)施建設(shè)服務(wù)能力，加速網(wǎng)絡(luò)數(shù)字化、智能化升級(jí)，為經(jīng)濟(jì)社會(huì)高質(zhì)量發(fā)展打造堅(jiān)實(shí)數(shù)字底座。基于網(wǎng)絡(luò)數(shù)字化轉(zhuǎn)型方面的研究和創(chuàng)新實(shí)踐，中國(guó)聯(lián)通制定了 “CUBE-Net3.0 新型數(shù)字基礎(chǔ)設(shè)施計(jì)劃”，提出網(wǎng)絡(luò)智能運(yùn)營(yíng)體系：以大數(shù)據(jù)及 AI 技術(shù)為引擎，構(gòu)建“網(wǎng)絡(luò)全景掌控、服務(wù)對(duì)象跟蹤、智能需求匹配、客戶體驗(yàn)提升”智能服務(wù)能力，建立云網(wǎng)、數(shù)據(jù)、應(yīng)用的智能聯(lián)動(dòng)服務(wù)體系，實(shí)現(xiàn)敏捷的業(yè)務(wù)調(diào)度管理與優(yōu)化，動(dòng)態(tài)智能的供需服務(wù)匹配，推動(dòng)網(wǎng)絡(luò)運(yùn)營(yíng)智能化。云網(wǎng)優(yōu)化工作

5、的數(shù)字化轉(zhuǎn)型是智能運(yùn)營(yíng)體系中的關(guān)鍵一環(huán)，聚焦這一細(xì)分領(lǐng)域，2021 年中國(guó)聯(lián)通協(xié)同產(chǎn)業(yè)伙伴發(fā)布中國(guó)聯(lián)通云網(wǎng)智能優(yōu)化白皮書 1.0，提出了中國(guó)聯(lián)通云網(wǎng)優(yōu)化的數(shù)智化演進(jìn)目標(biāo)和技術(shù)架構(gòu)。同時(shí)成立了“中國(guó)聯(lián)通云網(wǎng)智能優(yōu)化鄭州實(shí)驗(yàn)基地”開展相關(guān)技術(shù)研發(fā)和應(yīng)用試點(diǎn)。鄭州基地作為聯(lián)通首個(gè)從集團(tuán)、研究院貫通到分公司一線生產(chǎn)單元的優(yōu)化技術(shù)研究、開發(fā)和落地轉(zhuǎn)化一體化-1-的現(xiàn)網(wǎng)示范基地，以數(shù)字化新技術(shù)解決一線運(yùn)維優(yōu)化工作中的痛點(diǎn)問題、提升一線網(wǎng)絡(luò)運(yùn)營(yíng)智慧化水平，打通了研究成果到生產(chǎn)運(yùn)營(yíng)轉(zhuǎn)化的通道，把研究成果寫在經(jīng)營(yíng)發(fā)展的大地上。經(jīng)過半年多的研發(fā)與實(shí)踐，我們編制了中國(guó)聯(lián)通云網(wǎng)智能優(yōu)化白皮書 2022，一方面持續(xù)跟蹤

6、和推動(dòng)技術(shù)演進(jìn)，在技術(shù)棧中創(chuàng)新性地建立“知識(shí)平面”；另一方面著重分享聯(lián)通在實(shí)驗(yàn)基地建設(shè)和技術(shù)落地實(shí)踐方面的工作進(jìn)展和經(jīng)驗(yàn)。我們期望以白皮書為藍(lán)圖，以中國(guó)聯(lián)通云網(wǎng)智能優(yōu)化實(shí)驗(yàn)基地為載體，協(xié)同產(chǎn)、學(xué)、研各方加速技術(shù)成果孵化及落地應(yīng)用轉(zhuǎn)化，共同推動(dòng)優(yōu)化工作的數(shù)字化、智能化轉(zhuǎn)型，切實(shí)為一線網(wǎng)絡(luò)賦能智慧運(yùn)營(yíng)服務(wù)能力。編寫組成員（排名不分先后）：中國(guó)聯(lián)合網(wǎng)絡(luò)通信集團(tuán)有限公司：王睿、李巍、許國(guó)平、孟寧 中國(guó)聯(lián)合網(wǎng)絡(luò)通信有限公司研究院：葉曉煜、程新洲、朱佳佳、呂非彼、劉亮、喬金劍、狄子翔、王昭寧、只璐、楊子敬、張亞南中國(guó)聯(lián)合網(wǎng)絡(luò)通信有限公司河南省分公司：張宏濤、李鋼、李志強(qiáng)、梁松柏中國(guó)聯(lián)合網(wǎng)絡(luò)通信有限公司鄭州

7、市分公司：吳建峰，王寶君，王一帆，王峰，程麗君，翟金羽，臧賓，楊國(guó)娟，李政，王琪，鄧羽翼，楊怡帆，王蒞濱，申沛羽華為技術(shù)有限公司：馬國(guó)軍、魏宏、朱雷、李世濤、鄧輝、陸烽中興通訊股份有限公司：李永樂，張晨紅，賈皓昕，王連臣，金友興一、背景（一）新一代信息技術(shù)變革加速產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型從國(guó)際上看，當(dāng)今世界正經(jīng)歷百年未有之大變局，新一代信息技術(shù)加速迭代升級(jí)和融合應(yīng)用，世界經(jīng)濟(jì)數(shù)字化轉(zhuǎn)型加速，數(shù)字經(jīng)濟(jì)引領(lǐng)生產(chǎn)要素、組織形態(tài)、商業(yè)模式全方位變革。以信息技術(shù)生態(tài)優(yōu)勢(shì)、數(shù)字化轉(zhuǎn)型勢(shì)能、數(shù)據(jù)治理能力為核心的激烈競(jìng)爭(zhēng)前所未有。從國(guó)內(nèi)來看，“十四五”時(shí)期邁入加快數(shù)字化發(fā)展、建設(shè)數(shù)字中國(guó)的新階段。十四五國(guó)家信息化規(guī)劃

8、中指出，當(dāng)前我國(guó)經(jīng)濟(jì)已轉(zhuǎn)向高質(zhì)量發(fā)展階段，堅(jiān)持技術(shù)創(chuàng)新和制度創(chuàng)新雙輪驅(qū)動(dòng)，以數(shù)字經(jīng)濟(jì)引領(lǐng)現(xiàn)代產(chǎn)業(yè)體系建設(shè)，有利于推動(dòng)經(jīng)濟(jì)發(fā)展質(zhì)量變革、效率變革、動(dòng)力變革1。網(wǎng)絡(luò)作為數(shù)字經(jīng)濟(jì)發(fā)展基礎(chǔ)設(shè)施之一，是經(jīng)濟(jì)社會(huì)發(fā)展的信息 “大動(dòng)脈”和數(shù)字化底座。數(shù)字化、智能化的網(wǎng)絡(luò)是承接“網(wǎng)絡(luò)中國(guó)”、“數(shù)字中國(guó)”和“智慧社會(huì)”國(guó)家戰(zhàn)略的重要交匯點(diǎn)2。中國(guó)聯(lián)通作為數(shù)字信息基礎(chǔ)設(shè)施運(yùn)營(yíng)服務(wù)國(guó)家隊(duì)，網(wǎng)絡(luò)強(qiáng)國(guó)、數(shù)字中國(guó)、智慧社會(huì)建設(shè)主力軍，數(shù)字技術(shù)融合創(chuàng)新排頭兵，將全面發(fā)力數(shù)字經(jīng)濟(jì)主航道，以“大聯(lián)接、大計(jì)算、大數(shù)據(jù)、大應(yīng)用、大安全”為主責(zé)主業(yè)，著力提升新一代信息基礎(chǔ)設(shè)施建設(shè)服務(wù)能力，加速網(wǎng)絡(luò)智能化、數(shù)字化升級(jí)，建設(shè)泛在智能的網(wǎng)

9、絡(luò)連接設(shè)施、構(gòu)建云網(wǎng)融合的新型算力設(shè)施，為經(jīng)濟(jì)社會(huì)高質(zhì)量發(fā)展打造堅(jiān)實(shí)數(shù)字底座。（二）網(wǎng)絡(luò)運(yùn)營(yíng)與優(yōu)化的數(shù)字化轉(zhuǎn)型探索隨著 5G 網(wǎng)絡(luò)的建設(shè)部署，四代網(wǎng)絡(luò)共存，網(wǎng)絡(luò)復(fù)雜度顯著提升、網(wǎng)絡(luò)運(yùn)營(yíng)壓力大幅增加。同時(shí)，數(shù)字化轉(zhuǎn)型的內(nèi)、外部驅(qū)動(dòng)力對(duì)網(wǎng)絡(luò) 的敏捷運(yùn)營(yíng)提出更高的要求，網(wǎng)絡(luò)的傳統(tǒng)運(yùn)營(yíng)方式亟待變革。電信運(yùn) 營(yíng)的數(shù)字化轉(zhuǎn)型需要以數(shù)據(jù)為核心，驅(qū)動(dòng)運(yùn)營(yíng)的效率革命。海量的原 生數(shù)據(jù)只有疊加了智能技術(shù)才能挖掘其潛在價(jià)值，為企業(yè)在精準(zhǔn)定位、主動(dòng)服務(wù)、智慧運(yùn)營(yíng)等方面發(fā)揮重要作用。電信運(yùn)營(yíng)商必須加快業(yè)務(wù) 流程的數(shù)字化和智能化，以數(shù)字化的角度重塑網(wǎng)絡(luò)服務(wù)與運(yùn)營(yíng)優(yōu)化流 程，力爭(zhēng)從傳統(tǒng)網(wǎng)絡(luò)服務(wù)提供商的角色向多元智能服務(wù)的角

10、色邁進(jìn)。經(jīng)過多年的探索和實(shí)踐，聯(lián)通 5G 網(wǎng)絡(luò)已經(jīng)基本完成網(wǎng)絡(luò)的云化轉(zhuǎn)型，在基礎(chǔ)設(shè)施云化、網(wǎng)元虛擬化、網(wǎng)絡(luò) SDN 化方面逐步完成商用實(shí)踐。從 2020 年起，中國(guó)聯(lián)通啟動(dòng)自治網(wǎng)絡(luò)探索2，建設(shè)智能網(wǎng)絡(luò)中臺(tái)，推動(dòng)全國(guó)開展數(shù)字化運(yùn)營(yíng)達(dá)標(biāo)活動(dòng)。2021 年，中國(guó)聯(lián)通發(fā)布了“CUBE-Net3.0 新型數(shù)字基礎(chǔ)設(shè)施計(jì)劃”3，提出網(wǎng)絡(luò)智能運(yùn)營(yíng)體系，以大數(shù)據(jù)及 AI 技術(shù)為引擎，構(gòu)建“網(wǎng)絡(luò)全景掌控、服務(wù)對(duì)象跟蹤、智能需求匹配、客戶體驗(yàn)提升”智能服務(wù)能力，建立云網(wǎng)、數(shù)據(jù)、應(yīng)用的智能聯(lián)動(dòng)服務(wù)體系，實(shí)現(xiàn)敏捷的業(yè)務(wù)調(diào)度管理與優(yōu)化，動(dòng)態(tài)智能的供需服務(wù)匹配，推動(dòng)網(wǎng)絡(luò)運(yùn)營(yíng)智能化。在聯(lián)通智能運(yùn)營(yíng)體系中，智能優(yōu)化是網(wǎng)絡(luò)智能

11、化的關(guān)鍵技術(shù)和應(yīng)用方向之一。網(wǎng)絡(luò)優(yōu)化工作即是在有限的資源條件下，以大數(shù)據(jù)分析為手段，尋找最優(yōu)化的資源配置組合，以實(shí)現(xiàn)更好的運(yùn)營(yíng)服務(wù)質(zhì)量。這與人工智能技術(shù)的多目標(biāo)優(yōu)化、海量數(shù)據(jù)挖掘、人工經(jīng)驗(yàn)替代等特點(diǎn)具有高度的特征一致性。因此，智能優(yōu)化是需求最明確的網(wǎng)絡(luò) AI 場(chǎng)景之一，也是最適合通過新一代信息化技術(shù)完成數(shù)字化、智能化轉(zhuǎn)型的方向之一。與此同時(shí)，5G 業(yè)務(wù)需求的多樣性發(fā)展、網(wǎng)絡(luò)的復(fù)雜度提升，使得原有的技術(shù)架構(gòu)逐漸難以滿足新的數(shù)字化運(yùn)營(yíng)需求，限制了云網(wǎng)優(yōu)化工作的進(jìn)一步智能化。這促使我們對(duì)網(wǎng)絡(luò)技術(shù)架構(gòu)體系提出新的要求，在關(guān)鍵技術(shù)方面尋找新的突破，也必將促使網(wǎng)絡(luò)優(yōu)化工作的理念發(fā)生改變。（三）中國(guó)聯(lián)通智能

12、優(yōu)化技術(shù)演進(jìn)聚焦云網(wǎng)智能優(yōu)化領(lǐng)域，落實(shí)數(shù)字化轉(zhuǎn)型戰(zhàn)略，中國(guó)聯(lián)通以架構(gòu)性創(chuàng)新、以標(biāo)準(zhǔn)技術(shù)引領(lǐng)，協(xié)同合作伙伴共同推進(jìn)行業(yè)發(fā)展，2021年于鄭州成立了“中國(guó)聯(lián)通云網(wǎng)智能優(yōu)化實(shí)驗(yàn)基地”，并發(fā)布了中國(guó)聯(lián)通云網(wǎng)智能優(yōu)化白皮書 1.0。白皮書提出了中國(guó)聯(lián)通云網(wǎng)優(yōu)化的數(shù)字化、智能化技術(shù)演進(jìn)目標(biāo)和愿景。面向未來 3 至 5 年，對(duì)業(yè)務(wù)需求、網(wǎng)絡(luò)架構(gòu)和關(guān)鍵技術(shù)的演進(jìn)方向進(jìn)行了闡述。我們認(rèn)為智能化技術(shù)的發(fā)展，將推動(dòng)云網(wǎng)優(yōu)化工作實(shí)現(xiàn)六個(gè)轉(zhuǎn)變：從靜態(tài)平均最優(yōu)到動(dòng)態(tài)實(shí)時(shí)最優(yōu)從投訴驅(qū)動(dòng)的被動(dòng)優(yōu)化到實(shí)時(shí)數(shù)據(jù)感知驅(qū)動(dòng)的主動(dòng)優(yōu)化從外部平臺(tái)輔助分析到內(nèi)生智能閉環(huán)決策從盡力而為的性能保障到智能的供需服務(wù)匹配從人工操作到意圖“輕觸點(diǎn)”

13、控制從數(shù)據(jù)驅(qū)動(dòng)到數(shù)據(jù)、知識(shí)融合驅(qū)動(dòng)中國(guó)聯(lián)通云網(wǎng)智能優(yōu)化白皮書 2022作為中國(guó)聯(lián)通云網(wǎng)智能優(yōu)化白皮書1.0的繼承與延續(xù)，一方面持續(xù)跟蹤和推動(dòng)技術(shù)演進(jìn)，在技術(shù)棧中創(chuàng)新性地建立“知識(shí)平面”；另一方面著重分享了中國(guó)聯(lián)通在實(shí)驗(yàn)基地建設(shè)和技術(shù)落地實(shí)踐方面的工作進(jìn)展和經(jīng)驗(yàn)。我們期望以白皮書為藍(lán)圖，以中國(guó)聯(lián)通云網(wǎng)智能優(yōu)化實(shí)驗(yàn)基地為載體，協(xié)同產(chǎn)、學(xué)、研各方，共同推動(dòng)智能化技術(shù)在云網(wǎng)優(yōu)化領(lǐng)域的加速技術(shù)成果孵化及落地應(yīng)用轉(zhuǎn)化，切實(shí)為一線網(wǎng)絡(luò)賦能智慧運(yùn)營(yíng)服務(wù)能力。二、技術(shù)現(xiàn)狀和演進(jìn)需求（一）技術(shù)現(xiàn)狀網(wǎng)絡(luò)優(yōu)化的主要作用是提升網(wǎng)絡(luò)質(zhì)量、保證用戶體驗(yàn)，因此運(yùn)營(yíng)商在網(wǎng)絡(luò)優(yōu)化工作中投入了大量人力物力。傳統(tǒng)網(wǎng)優(yōu)工作依靠路測(cè)、系

14、統(tǒng)統(tǒng)計(jì)數(shù)據(jù)分析、投訴信息等手段采集相關(guān)信息，再結(jié)合專家經(jīng)驗(yàn)進(jìn)行問題診斷和優(yōu)化調(diào)整。在網(wǎng)絡(luò)復(fù)雜化和業(yè)務(wù)多樣化的趨勢(shì)下，傳統(tǒng)優(yōu)化工作模式顯得被動(dòng)、低效，在網(wǎng)絡(luò)動(dòng)態(tài)變化的情況下無法滿足網(wǎng)絡(luò)調(diào)整的實(shí)時(shí)性需求。網(wǎng)絡(luò)動(dòng)態(tài)變化，但優(yōu)化目標(biāo)仍是“平均”最優(yōu)5G 網(wǎng)絡(luò)為客戶提供了更多的業(yè)務(wù)類型，網(wǎng)絡(luò)大數(shù)據(jù)拓展了更多的網(wǎng)絡(luò)服務(wù)領(lǐng)域，但與 5G 業(yè)務(wù)的多樣性以及大數(shù)據(jù)技術(shù)發(fā)展所不匹配的是目前網(wǎng)絡(luò)優(yōu)化目標(biāo)的評(píng)價(jià)標(biāo)準(zhǔn)，仍是以小區(qū)歷史性能最優(yōu)為目標(biāo)的“平均”最優(yōu)網(wǎng)絡(luò)?，F(xiàn)網(wǎng)數(shù)據(jù)采集和主要參數(shù)的控制粒度均為小區(qū)級(jí)，受限于此，網(wǎng)絡(luò)質(zhì)量評(píng)價(jià)和網(wǎng)絡(luò)優(yōu)化目標(biāo)指標(biāo)仍以小區(qū)級(jí) KPI 的歷史統(tǒng)計(jì)為主。也是就說，優(yōu)化工作的目標(biāo)是尋找小區(qū)級(jí)

15、網(wǎng)絡(luò)性能平均最優(yōu)。無論用戶在何種時(shí)間、何種位置、進(jìn)行何種業(yè)務(wù)，網(wǎng)絡(luò)優(yōu)化只能為用戶提供“無差別”的網(wǎng)絡(luò)保障?；?PCF（Policy Control Function）的策略控制等技術(shù)，能為簽約用戶和業(yè)務(wù)提供專載保障，但尚不能實(shí)現(xiàn)全網(wǎng)能力的動(dòng)態(tài)調(diào)整，網(wǎng)絡(luò)性能在時(shí)間和空間維度仍存在很大的優(yōu)化空間?？缬蚨嘣獢?shù)據(jù)采集、融合，但硬件和運(yùn)維成本高由于移動(dòng)網(wǎng)絡(luò)存在多個(gè)網(wǎng)絡(luò)域，當(dāng)前數(shù)據(jù)采集機(jī)制以分域全量采集、再跨域融合分析為主。運(yùn)營(yíng)商網(wǎng)絡(luò)產(chǎn)生海量數(shù)據(jù)，但目前真正發(fā)揮價(jià)值的數(shù)據(jù)并不多。然而，為了建設(shè)與數(shù)據(jù)量所匹配的運(yùn)算和存儲(chǔ)能力，運(yùn)營(yíng)商進(jìn)行了大量的軟硬件投入。在現(xiàn)有技術(shù)架構(gòu)下，隨著網(wǎng)絡(luò)規(guī)模及數(shù)據(jù)量的不斷增大，

16、系統(tǒng)處理速度無法支撐網(wǎng)絡(luò)數(shù)據(jù)的快速分析，只能不斷進(jìn)行軟、硬件擴(kuò)容，推高運(yùn)營(yíng)成本。長(zhǎng)期以來，各個(gè)網(wǎng)絡(luò)領(lǐng)域設(shè)備分別研發(fā)、管理，例如無線網(wǎng)、核心網(wǎng)、傳輸網(wǎng)、OSS 域等。在數(shù)據(jù)層面，一般由 EMS/NMS 提供北向接口，OSS 系統(tǒng)進(jìn)行集成。這種煙囪式的研發(fā)機(jī)制造成了跨域數(shù)據(jù)采集和建模標(biāo)準(zhǔn)化程度不足，網(wǎng)絡(luò)端到端的運(yùn)行數(shù)據(jù)拉通困難，數(shù)據(jù)即使集中存儲(chǔ)也是一個(gè)個(gè)信息孤島。而多廠商設(shè)備實(shí)現(xiàn)、接口協(xié)議等差異性問題更加劇了這一情況。例如，為實(shí)現(xiàn)用戶級(jí)的端到端網(wǎng)絡(luò)體驗(yàn)分析，現(xiàn)網(wǎng)全量采集無線 MR、核心網(wǎng) XDR、傳輸及承載網(wǎng) KPI指標(biāo)，并建設(shè)專用支撐系統(tǒng)以實(shí)現(xiàn)從跨域的海量數(shù)據(jù)中搜索并關(guān)聯(lián)出單用戶、單業(yè)務(wù)的網(wǎng)絡(luò)體

17、驗(yàn)信息，這需要投入大量硬件資源和軟件研發(fā)費(fèi)用。業(yè)務(wù)實(shí)時(shí)性增強(qiáng)，但業(yè)務(wù)體驗(yàn)難以實(shí)時(shí)分析當(dāng)前網(wǎng)絡(luò)數(shù)據(jù)的采集周期長(zhǎng)、業(yè)務(wù)體驗(yàn)統(tǒng)計(jì)粒度粗，難以實(shí)現(xiàn)對(duì)用戶、業(yè)務(wù)體驗(yàn)的實(shí)時(shí)感知和分析。很多網(wǎng)絡(luò)問題在發(fā)生后，需要通過客戶投訴驅(qū)動(dòng)，再進(jìn)行人工分析、決策和優(yōu)化實(shí)施?，F(xiàn)狀無線側(cè)主要基于設(shè)備軟采實(shí)現(xiàn) counter、KPI、MR、Trace等運(yùn)行數(shù)據(jù)的采集，數(shù)據(jù)在基站生成，層層匯聚至 OMC，最終通過北向接口匯聚至 OSS。采集接口以文件接口為主，時(shí)間最小粒度為 15 分鐘，網(wǎng)元統(tǒng)計(jì)最小粒度通常為小區(qū)；核心網(wǎng)側(cè)以專用硬件采集為主，采集設(shè)備以分光等方式全量采集用戶面和業(yè)務(wù)面數(shù)據(jù)，數(shù)據(jù)采集量極大，數(shù)據(jù)解析、處理和存儲(chǔ)均

18、需要高性能硬件支持，處理時(shí)延一般為小時(shí)或天級(jí)。分域數(shù)據(jù)的全量采集處理時(shí)延、網(wǎng)絡(luò)跨域?qū)訉訁R聚時(shí)延和跨域數(shù)據(jù)關(guān)聯(lián)分析時(shí)延造成了網(wǎng)絡(luò)業(yè)務(wù)體驗(yàn)分析的時(shí)間粒度以天/月/周為周期，難以滿足更細(xì)粒度、更實(shí)時(shí)的業(yè)務(wù)體驗(yàn)洞察和優(yōu)化調(diào)整需求，更無法提前預(yù)判網(wǎng)絡(luò)瓶頸和潛在的問題。網(wǎng)絡(luò)復(fù)雜度攀升，但人工優(yōu)化仍占比大5G 網(wǎng)絡(luò)規(guī)模大幅度增長(zhǎng)，新特性不斷引入，業(yè)務(wù)場(chǎng)景更加多樣。隨著基礎(chǔ)設(shè)施的虛擬化、云化，網(wǎng)絡(luò)配置、資源調(diào)度更靈活，但也引入了更多的廠商設(shè)備組合和網(wǎng)絡(luò)管理層次。與此同時(shí)，四網(wǎng)并存、共建共享、多頻段、多廠商、多版本已成為網(wǎng)絡(luò)運(yùn)營(yíng)的常態(tài)，造成網(wǎng)絡(luò)復(fù)雜度空前提高，給 5G 網(wǎng)絡(luò)的優(yōu)化工作帶來了前所未有的挑戰(zhàn)。時(shí)至今

19、日，日常運(yùn)維優(yōu)化的人力成本占比仍高達(dá) 70%左右10。大量問題需要人工路測(cè)、分析性能數(shù)據(jù)進(jìn)行診斷；定位問題后，優(yōu)化人員操作 NMS 或 EMS 平臺(tái)來進(jìn)行配置調(diào)整；優(yōu)化實(shí)施后，優(yōu)化效果的后評(píng)價(jià)也經(jīng)常依賴人工對(duì)比分析。另外，這一過程需要優(yōu)化工程師理解大量設(shè)備信息并面對(duì)海量數(shù)據(jù)，僅憑人力已無法充分利用這種高維度、大體量的數(shù)據(jù)，分析效率較低。因此，在網(wǎng)絡(luò)運(yùn)維成本居高不下的情況下，如何使運(yùn)營(yíng)商從復(fù)雜的網(wǎng)絡(luò)參數(shù)設(shè)置與海量的網(wǎng)絡(luò)數(shù)據(jù)中解脫出來，如何平衡資產(chǎn)利用率和提高能源效率成為重要關(guān)注點(diǎn)。AI 優(yōu)化研究眾多，但現(xiàn)網(wǎng)落地應(yīng)用不暢目前業(yè)內(nèi)在智能優(yōu)化上已開展了大量的研究和試驗(yàn)，但由于機(jī)器學(xué)習(xí)等技術(shù)的模型訓(xùn)練過

20、程可能導(dǎo)致網(wǎng)絡(luò)質(zhì)量回退，因此該類新技術(shù)在現(xiàn)網(wǎng)落地中仍存在一定困難?，F(xiàn)階段的智能優(yōu)化新技術(shù)，特別是機(jī)器學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等技術(shù)，往往需要從現(xiàn)網(wǎng)中采集足夠的訓(xùn)練數(shù)據(jù)，以完成 AI 模型的學(xué)習(xí)，并通過不斷的參數(shù)調(diào)整使模型性能收斂。這一過程可能造成一定時(shí)間內(nèi)的網(wǎng)絡(luò)質(zhì)量和業(yè)務(wù)體驗(yàn)下降。這與電信運(yùn)營(yíng)商一直以來致力于提供的高可靠性網(wǎng)絡(luò)服務(wù)存在一定矛盾。由于擔(dān)憂這類技術(shù)帶來性能回退或造成用戶投訴，現(xiàn)網(wǎng)往往難以進(jìn)行落地應(yīng)用。然而，采用實(shí)驗(yàn)網(wǎng)進(jìn)行技術(shù)試驗(yàn)，又不能真實(shí)地模擬現(xiàn)網(wǎng)用戶、業(yè)務(wù)的動(dòng)態(tài)分布等特征，造成機(jī)器學(xué)習(xí)模型過擬合、泛化能力差。ToB 業(yè)務(wù)的優(yōu)化需求顯現(xiàn)，但優(yōu)化標(biāo)準(zhǔn)和方法尚不成熟ToB 方面，行業(yè)應(yīng)用業(yè)務(wù)類

21、別及指標(biāo)需求差異化更加明顯。網(wǎng)絡(luò)切片等技術(shù)能實(shí)現(xiàn)網(wǎng)絡(luò)差異化的配置。專網(wǎng)國(guó)內(nèi)外標(biāo)準(zhǔn)組織和產(chǎn)業(yè)聯(lián)盟已制定了 5G 切片業(yè)務(wù)分級(jí)體系、行業(yè)業(yè)務(wù)分級(jí)體系、端到端網(wǎng)絡(luò) KPI 指標(biāo)要求等，但尚未形成共識(shí)3。業(yè)務(wù)需求指標(biāo)與網(wǎng)絡(luò)指標(biāo)的映射與轉(zhuǎn)換方法也沒有統(tǒng)一的標(biāo)準(zhǔn)，因此針對(duì) ToB 網(wǎng)絡(luò)的優(yōu)化技術(shù)體系和標(biāo)準(zhǔn)也未形成。（二）演進(jìn)需求隨著 5G 網(wǎng)絡(luò)建設(shè)不斷完善，應(yīng)用場(chǎng)景更加多樣化，業(yè)務(wù)模式和流程愈加多樣和復(fù)雜，服務(wù)對(duì)象由 ToC 向 ToB 轉(zhuǎn)變，5G 運(yùn)營(yíng)急需高彈性、高質(zhì)量的網(wǎng)絡(luò)服務(wù)。但原有的網(wǎng)絡(luò)技術(shù)架構(gòu)，逐漸難以滿足新的網(wǎng)絡(luò)數(shù)字化運(yùn)營(yíng)需求，限制了云網(wǎng)優(yōu)化工作的進(jìn)一步智能化。因此需要?jiǎng)?chuàng)新網(wǎng)絡(luò)技術(shù)架構(gòu)，充分運(yùn)

22、用大數(shù)據(jù)、人工智能等技術(shù)，以實(shí)現(xiàn)敏捷精準(zhǔn)的業(yè)務(wù)調(diào)度、動(dòng)態(tài)智能的供需服務(wù)匹配為目標(biāo)，推動(dòng)云網(wǎng)優(yōu)化工作實(shí)現(xiàn)六個(gè)轉(zhuǎn)變。從靜態(tài)平均最優(yōu)到動(dòng)態(tài)實(shí)時(shí)最優(yōu)網(wǎng)絡(luò)優(yōu)化的目標(biāo)由基于小區(qū)歷史性能“平均最優(yōu)”的靜態(tài)網(wǎng)絡(luò)，轉(zhuǎn)變?yōu)閷?shí)時(shí)的、基于用戶位置的、網(wǎng)絡(luò)資源與業(yè)務(wù)需求智能匹配的動(dòng)態(tài)性能最優(yōu)網(wǎng)絡(luò)。在過去的三十年，受限于硬件能力，網(wǎng)絡(luò)優(yōu)化工作被視為在有限的資源下進(jìn)行平衡，找到一個(gè)“平均”最優(yōu)解。然而，隨著 5G 網(wǎng)絡(luò)的云化、虛擬化以及 AI 技術(shù)、大數(shù)據(jù)基礎(chǔ)的快速發(fā)展，網(wǎng)絡(luò)的數(shù)據(jù)、算力、算法三要素已能夠支撐網(wǎng)絡(luò)優(yōu)化實(shí)現(xiàn)智能化變革。從網(wǎng)絡(luò)的角度看，多樣的網(wǎng)絡(luò)場(chǎng)景、動(dòng)態(tài)的業(yè)務(wù)流向和業(yè)務(wù)體驗(yàn)需求，為網(wǎng)絡(luò)資源的調(diào)配提供了新的優(yōu)化

23、空間。從機(jī)器學(xué)習(xí)的角度看，智能化技術(shù)將引入時(shí)間、空間、業(yè)務(wù)、OTT 等多維數(shù)據(jù)，使數(shù)據(jù)分析步入“高維”空間，云網(wǎng)優(yōu)化問題的求解目標(biāo)，從單目標(biāo)優(yōu)化演變?yōu)槎嗄繕?biāo)優(yōu)化。從投訴驅(qū)動(dòng)的被動(dòng)優(yōu)化到實(shí)時(shí)數(shù)據(jù)感知驅(qū)動(dòng)的主動(dòng)優(yōu)化網(wǎng)絡(luò)數(shù)字化是實(shí)現(xiàn)網(wǎng)絡(luò)狀態(tài)和業(yè)務(wù)感知的前提，依賴更加動(dòng)態(tài)、實(shí)時(shí)的網(wǎng)絡(luò)資源、業(yè)務(wù)體驗(yàn)、運(yùn)行狀態(tài)、故障日志等等數(shù)據(jù)，為下一步的網(wǎng)絡(luò) AI 分析、預(yù)測(cè)和決策提供數(shù)據(jù)基礎(chǔ)?，F(xiàn)狀的網(wǎng)絡(luò)架構(gòu)難以實(shí)現(xiàn)實(shí)時(shí)的數(shù)據(jù)感知，網(wǎng)絡(luò)需要通過扁平的數(shù)據(jù)閉環(huán)架構(gòu)、跨域統(tǒng)一的數(shù)據(jù)模型、極簡(jiǎn)的交互協(xié)議以及網(wǎng)絡(luò)、業(yè)務(wù)雙向感知等機(jī)制以確保數(shù)據(jù)的準(zhǔn)確性和實(shí)時(shí)性。最終通過數(shù)據(jù)分析，洞察和預(yù)測(cè)用戶業(yè)務(wù)需求和網(wǎng)絡(luò)資源供給，驅(qū)動(dòng)網(wǎng)絡(luò)實(shí)現(xiàn)

24、實(shí)時(shí)、動(dòng)態(tài)的主動(dòng)優(yōu)化。從外部平臺(tái)輔助分析到內(nèi)生智能閉環(huán)決策智能優(yōu)化由現(xiàn)狀外掛平臺(tái)分析、跨域、跨廠商逐級(jí)配置調(diào)整，轉(zhuǎn)變?yōu)榫W(wǎng)絡(luò)內(nèi)生智能的閉環(huán)自優(yōu)化網(wǎng)絡(luò)。網(wǎng)絡(luò)架構(gòu)方面，需要加強(qiáng)云、網(wǎng)、端、邊、業(yè)的智能協(xié)同，增強(qiáng)網(wǎng)元數(shù)字化、智能化能力，增加網(wǎng)內(nèi)的智能分析和管控網(wǎng)元，建立單域自治和跨域協(xié)同機(jī)制，使網(wǎng)絡(luò)具備內(nèi)生智能閉環(huán)優(yōu)化能力。在網(wǎng)絡(luò)內(nèi)部的 AI 模型上，一方面需要推進(jìn)可服務(wù)化能力的專家知識(shí)和優(yōu)化經(jīng)驗(yàn)數(shù)字化，另一方面需要制定開放的、標(biāo)準(zhǔn)化的 AI 模型應(yīng)用架構(gòu)，逐步構(gòu)建面向領(lǐng)域生態(tài)的 AI 標(biāo)準(zhǔn)服務(wù)，促進(jìn)同領(lǐng)域AI模型快速?gòu)?fù)用，跨領(lǐng)域 AI 模型簡(jiǎn)化開發(fā)，共同推進(jìn)網(wǎng)絡(luò)內(nèi)生的智能能力。面向機(jī)器學(xué)習(xí)技術(shù)的不確

25、定性和多目標(biāo)優(yōu)化任務(wù)，需要通過數(shù)字孿生等技術(shù)建立網(wǎng)絡(luò)沙盒，結(jié)合小樣本學(xué)習(xí)技術(shù)和數(shù)據(jù)自標(biāo)注技術(shù)，推動(dòng)實(shí)現(xiàn)新的智能優(yōu)化技術(shù)孵化和落地應(yīng)用模式。從盡力而為的性能保障到智能的供需服務(wù)匹配面對(duì)網(wǎng)絡(luò)ToB、ToC 千差萬別的業(yè)務(wù)需求，云網(wǎng)優(yōu)化工作需要由 對(duì)網(wǎng)絡(luò)質(zhì)量的無差別保障和調(diào)優(yōu)，轉(zhuǎn)變?yōu)橹悄軆?yōu)化能力的研發(fā)和提供，實(shí)現(xiàn)優(yōu)化能力的原子化、可編排和服務(wù)化。云網(wǎng)優(yōu)化的服務(wù)對(duì)象也將 由網(wǎng)絡(luò)本身，轉(zhuǎn)變?yōu)閷?duì)內(nèi)服務(wù)網(wǎng)絡(luò)運(yùn)營(yíng)的效率提升、對(duì)外賦能行業(yè)數(shù) 字化轉(zhuǎn)型與發(fā)展。從人工操作到意圖“輕觸點(diǎn)”控制為將一線人員從越發(fā)復(fù)雜的網(wǎng)絡(luò)和龐雜的數(shù)據(jù)、參數(shù)中解放出來，降低低效、重復(fù)的操作和試錯(cuò)流程，使優(yōu)化工程師能更聚焦于網(wǎng)絡(luò)運(yùn) 營(yíng)的核

26、心業(yè)務(wù)邏輯中，網(wǎng)絡(luò)需要為一線人員提供“輕觸點(diǎn)”。所謂優(yōu) 化的“輕觸點(diǎn)”，既是要扁平化一線的問題定位、分析和優(yōu)化執(zhí)行操 作流程。通過網(wǎng)絡(luò)運(yùn)營(yíng)管理的智能化技術(shù)，逐步實(shí)現(xiàn)以數(shù)據(jù)驅(qū)動(dòng)定位 問題根因，以意圖控制來設(shè)定優(yōu)化目標(biāo)、執(zhí)行優(yōu)化策略。優(yōu)化工程師 逐步轉(zhuǎn)型為算法研發(fā)工程師、網(wǎng)絡(luò)策略規(guī)劃師、業(yè)務(wù)編排工程師等。從數(shù)據(jù)驅(qū)動(dòng)到數(shù)據(jù)知識(shí)融合驅(qū)動(dòng)隨著 5G 時(shí)代的到來，云網(wǎng)融合的發(fā)展趨勢(shì)下，云網(wǎng)運(yùn)營(yíng)工作復(fù)雜度快速增加，對(duì)運(yùn)營(yíng)系統(tǒng)的智能化程度的要求也越來越高。在目前的運(yùn)營(yíng)系統(tǒng)中，通常圍繞運(yùn)營(yíng)過程中產(chǎn)生的日志、報(bào)告、參數(shù)等數(shù)據(jù) 的分析驅(qū)動(dòng)系統(tǒng)的智能化決策，存在著理論分析困難、可解釋性差、過度依賴高質(zhì)量和計(jì)算機(jī)算力等

27、問題，限制了系統(tǒng)智能化的進(jìn)程。在 網(wǎng)絡(luò)日常運(yùn)營(yíng)的過程中，除了設(shè)備產(chǎn)生的客觀數(shù)據(jù)，還存在著實(shí)踐過 程中總結(jié)出的操作經(jīng)驗(yàn)、案例文檔等專家知識(shí)，充分發(fā)掘知識(shí)在運(yùn)營(yíng) 過程中的價(jià)值，才能進(jìn)一步深化運(yùn)營(yíng)系統(tǒng)的智能程度。第三代人工智 能的發(fā)展方向是融合知識(shí)和數(shù)據(jù)，實(shí)現(xiàn)一個(gè)雙向驅(qū)動(dòng)的人工智能框架。在這個(gè)新的框架里，簡(jiǎn)單地把知識(shí)和數(shù)據(jù)疊加起來是不行的，因?yàn)閿?shù) 據(jù)與知識(shí)的融合任務(wù)面對(duì)著很多計(jì)算科學(xué)理論、算法和基礎(chǔ)設(shè)施的挑 戰(zhàn)。只有克服了這些挑戰(zhàn)，讓機(jī)器把所有的數(shù)據(jù)和知識(shí)都真正的利用 起來，才能實(shí)現(xiàn)真正的智能。三、目標(biāo)架構(gòu)和關(guān)鍵技術(shù)（一）目標(biāo)架構(gòu)5G 業(yè)務(wù)需求和智能化技術(shù)的發(fā)展要求優(yōu)化工作的理念進(jìn)行改變，對(duì)云網(wǎng)運(yùn)維

28、優(yōu)化技術(shù)體系提出了更高的要求，在網(wǎng)絡(luò)架構(gòu)、關(guān)鍵技術(shù) 方面需要有新的突破。云網(wǎng)自治層次化架構(gòu)在網(wǎng)絡(luò)的閉環(huán)自治層次化設(shè)計(jì)上，產(chǎn)業(yè)共同推進(jìn)網(wǎng)絡(luò)的單域自治和跨域協(xié)同能力。中國(guó)聯(lián)通參考 TM Forum 自智網(wǎng)絡(luò)定義的三層四閉環(huán)網(wǎng)絡(luò)自治架構(gòu)5，又結(jié)合智能優(yōu)化的技術(shù)研究和實(shí)踐，對(duì)該框架進(jìn)行了進(jìn)一步的解釋和細(xì)化。圖 1 中國(guó)聯(lián)通云網(wǎng)自治層次化架構(gòu)目標(biāo)其中，三個(gè)層次分別是指網(wǎng)絡(luò)運(yùn)營(yíng)管理的不同平面，分別是：資源運(yùn)營(yíng)層：提供網(wǎng)元智能化和自治域內(nèi)網(wǎng)絡(luò)的智能化資源配置和管理能力。網(wǎng)元智能化是網(wǎng)絡(luò)智能化的基石。網(wǎng)元需要對(duì)運(yùn)行環(huán)境及自身信息有深度的感知能力，基于預(yù)定的規(guī)則進(jìn)行優(yōu)化，如業(yè)務(wù)量低時(shí)降低設(shè)備功耗、網(wǎng)元故障自動(dòng)隔

29、離和容災(zāi)處理、網(wǎng)元內(nèi)組件間負(fù)荷均衡等；服務(wù)運(yùn)營(yíng)層:接收業(yè)務(wù)需求，并為業(yè)務(wù)提供網(wǎng)絡(luò)智能運(yùn)營(yíng)、運(yùn)維、優(yōu)化、規(guī)劃等管理和服務(wù)能力，實(shí)現(xiàn)網(wǎng)絡(luò)運(yùn)營(yíng)策略的跨域協(xié)同管理和分發(fā)。服務(wù)運(yùn)營(yíng)層是實(shí)現(xiàn)跨域協(xié)同的關(guān)鍵，包括業(yè)務(wù)協(xié)同與網(wǎng)絡(luò)協(xié)同等功能；業(yè)務(wù)管理層:面向用戶，提供不同的網(wǎng)絡(luò)業(yè)務(wù)服務(wù)。用戶既可以是運(yùn)營(yíng)商的網(wǎng)絡(luò)運(yùn)營(yíng)優(yōu)化人員，為之提供高效的網(wǎng)絡(luò)運(yùn)營(yíng)服務(wù)能力；也可以是普通用戶或行業(yè)用戶，為之提供靈活、多樣的網(wǎng)絡(luò)服務(wù)和新業(yè)務(wù)能力。業(yè)務(wù)管理層通過不同層次的能力開放，對(duì)外部客戶與內(nèi)部客戶提供差異化的業(yè)務(wù)服務(wù)。四個(gè)閉環(huán)，分別實(shí)現(xiàn)全流程的自治和層間的自治：用戶閉環(huán)：面向端到端的用戶業(yè)務(wù)服務(wù)保障，接收和評(píng)估用戶的意圖，并驅(qū)動(dòng)其

30、他層進(jìn)行相應(yīng)的運(yùn)營(yíng)管理動(dòng)作；業(yè)務(wù)閉環(huán)：面向業(yè)務(wù)制定相應(yīng)的網(wǎng)絡(luò)服務(wù)要求和服務(wù)策略，評(píng)估業(yè)務(wù)與網(wǎng)絡(luò)的匹配度以及全局下多業(yè)務(wù)的健康度，快速敏捷的實(shí)現(xiàn)業(yè)務(wù)質(zhì)量保障和新業(yè)務(wù)的開通；服務(wù)閉環(huán)：面向網(wǎng)絡(luò)服務(wù)能力的運(yùn)營(yíng)管理，實(shí)現(xiàn)網(wǎng)絡(luò)跨域協(xié)同管理；資源閉環(huán)：面向自治域內(nèi)的網(wǎng)絡(luò)、網(wǎng)元的性能優(yōu)化和資源調(diào)度。云網(wǎng)智能優(yōu)化技術(shù)架構(gòu)為實(shí)現(xiàn)分層自治的閉環(huán)智能優(yōu)化網(wǎng)絡(luò)能力，聯(lián)通云網(wǎng)智能優(yōu)化的技術(shù)研發(fā)將以意圖驅(qū)動(dòng)為觸點(diǎn)，以數(shù)據(jù)、知識(shí)和模型為核心，創(chuàng)新云網(wǎng)數(shù)據(jù)采集、分析和閉環(huán)控制機(jī)制，基于數(shù)字化、智能化、服務(wù)化的運(yùn)營(yíng)管理架構(gòu)升級(jí)，實(shí)現(xiàn)數(shù)據(jù)和知識(shí)雙輪驅(qū)動(dòng)的單域自治、跨域協(xié)同閉環(huán)智能優(yōu)化能力。在白皮書 2022 版本的迭代中，在技術(shù)

31、棧垂直方向上，聯(lián)通創(chuàng)新性的引入知識(shí)平面概念，細(xì)化“知識(shí)”的獲取、表示、存儲(chǔ)和應(yīng)用等關(guān)鍵技術(shù)，以推動(dòng)網(wǎng)絡(luò)中流動(dòng)的海量數(shù)據(jù)的知識(shí)化、持久化，從而為網(wǎng)絡(luò)內(nèi)生智能的持續(xù)進(jìn)化奠定基礎(chǔ)。聯(lián)通云網(wǎng)智能優(yōu)化在技術(shù)架構(gòu)上劃分 4 個(gè)層次：數(shù)據(jù)采集層：關(guān)注云網(wǎng)運(yùn)行中所生成的源數(shù)據(jù)本身，引入新的資源模型設(shè)計(jì)（NRM）、5G 最小化路測(cè)(MDT)、標(biāo)準(zhǔn)化網(wǎng)元數(shù)據(jù)軟采接口、知識(shí)獲取與建模等新技術(shù)；數(shù)據(jù)治理層：強(qiáng)化 ICT 技術(shù)融合，提升多元數(shù)據(jù)存儲(chǔ)、交互和跨域融合能力，引入新的數(shù)據(jù)發(fā)現(xiàn)、采集和控制機(jī)制，建立數(shù)據(jù)的知識(shí)化和知識(shí)的數(shù)字化技術(shù)方法；智能分析層：底層建立優(yōu)化知識(shí)圖譜和 AI 模型算法通用平臺(tái)作為原子能力庫，網(wǎng)絡(luò)

32、沙盒實(shí)現(xiàn)優(yōu)化調(diào)整效果的孿生模擬，支撐網(wǎng)絡(luò)的根因診斷和網(wǎng)絡(luò)自愈、自優(yōu)、自配置；跨域管理層：基于對(duì)運(yùn)營(yíng)優(yōu)化意圖的理解和轉(zhuǎn)譯，簡(jiǎn)化運(yùn)維優(yōu)化人員的人機(jī)交互流程，實(shí)現(xiàn)全局優(yōu)化分析；服務(wù)化架構(gòu)的升級(jí),拓展 5G 與外部系統(tǒng)的協(xié)同能力，建立優(yōu)化即服務(wù)的能力;引入 MDAF、 NWDAF 等網(wǎng)絡(luò)域內(nèi)智能化數(shù)據(jù)分析網(wǎng)元，協(xié)同 OSS 系統(tǒng)，通過網(wǎng)絡(luò)架構(gòu)革新實(shí)現(xiàn)跨域的智能化能力協(xié)同。圖 2 中國(guó)聯(lián)通云網(wǎng)智能優(yōu)化目標(biāo)技術(shù)架構(gòu)（二）關(guān)鍵技術(shù)數(shù)據(jù)采集層：RAN 側(cè)數(shù)據(jù)采集基于盡量減少對(duì)終端功耗的影響和盡量增加位置信息可用性的設(shè)計(jì)理念，5G MDT 技術(shù)將持續(xù)演進(jìn)。MDT 技術(shù)主要通過擴(kuò)展現(xiàn)有的RRM（無線資源管理）測(cè)量

33、功能和 Trace 功能實(shí)現(xiàn)，基站根據(jù)網(wǎng)管配置的MDT 測(cè)量任務(wù)下發(fā)相關(guān)測(cè)量配置給終端，由終端進(jìn)行測(cè)量并上報(bào)測(cè)量信息至傳統(tǒng) OMC 或 MDAF 網(wǎng)元。5G MDT 將結(jié)合 5G新的高精度定位能力，實(shí)現(xiàn)更精確的位置信息采集、支持室內(nèi)場(chǎng)景的藍(lán)牙和 WLAN（無線局域網(wǎng)）位置相關(guān)信息測(cè)量，以及方位角、氣壓計(jì)（表征高度）等傳感器數(shù)據(jù)采集，并在原始數(shù)據(jù)中完成測(cè)量數(shù)據(jù)關(guān)聯(lián)。同時(shí) MDT 支持空閑態(tài)測(cè)量報(bào)告采集和異常事件測(cè)量數(shù)據(jù)采集。 5G 中 MDT 數(shù)據(jù)對(duì)波束，非激活態(tài)和雙連接特性進(jìn)行增強(qiáng)，支持非激活態(tài)終端執(zhí)行 logged MDT，支持記錄服務(wù)小區(qū)最好的 SSBID 和 RSRP/RSRQ，以及質(zhì)量

34、超過一定門限的 SSB 的個(gè)數(shù)，運(yùn)營(yíng)商可配置只記錄特定頻點(diǎn)或鄰區(qū)的測(cè)量結(jié)果，減少對(duì)終端緩存的壓力。網(wǎng)絡(luò)和管理域數(shù)據(jù)采集現(xiàn)有網(wǎng)管不能收集終端或者群組級(jí)別的數(shù)據(jù)，只能收集全域性 (Global 級(jí)，區(qū)域、切片、網(wǎng)元集合、網(wǎng)元標(biāo)識(shí)) 數(shù)據(jù)，例如現(xiàn)狀的 KPI 數(shù)據(jù)、NG RAN 或 5GC 性能測(cè)量數(shù)據(jù) (Performance Measurement)、5G 端到端 KPI 數(shù)據(jù) (End to End KPIs)、故障監(jiān)測(cè)數(shù)據(jù) (Fault Supervision)、MDT 數(shù)據(jù)。聯(lián)通將推動(dòng)標(biāo)準(zhǔn)化的網(wǎng)元側(cè)數(shù)據(jù)軟采能力，基于 5GC 和管理域分別引入的NWDAF8、MDAF9系統(tǒng)，以服務(wù)化接口實(shí)現(xiàn)

35、輕量化、端到端的用戶、業(yè)務(wù)級(jí)數(shù)據(jù)實(shí)時(shí)采集。通過 5GC 網(wǎng)元內(nèi)置的輕量化智能引擎，可實(shí)現(xiàn)網(wǎng)元內(nèi)的智能感知、處理、驗(yàn)證閉環(huán)。通過部署 NWDAF、MDAF 智能引擎實(shí)可實(shí)現(xiàn)網(wǎng)元間的智能閉環(huán)；并可按場(chǎng)景靈活適配網(wǎng)元內(nèi)生智能和 NWDAF 閉環(huán)。例如，典型的網(wǎng)元數(shù)據(jù)接口需求如下表：表 1 典型網(wǎng)元數(shù)據(jù)接口需求5G 網(wǎng)元采集的用戶數(shù)據(jù)AMF用戶接入信息，包括：1、用戶 ID（SUPI，PEI），終端能力2、接入狀態(tài)（注冊(cè)狀態(tài)、連接狀態(tài)、UE 是否可達(dá)）3、接入類型（2/3/4/5G）4、實(shí)時(shí)位置（PLMN，小區(qū)）SMF用戶會(huì)話信息，包括1、用戶 ID（SUPI、GPSI）2、PDU session 信

36、息（DNN、S-NSSAI、UEIP、PDU session ID、Qos flow 參數(shù)等）UPF用戶業(yè)務(wù)信息，包括1、用戶 ID（SUPI、GPSI）2、IP Flow 信息（IP 五元組、速率、丟包、時(shí)延、流量等）3、DPI 信息（協(xié)議、應(yīng)用、網(wǎng)站等）4、PCC 策略匹配信息5、不同業(yè)務(wù)的流量使用報(bào)告UDM用戶簽約信息，包括1、用戶注銷2、用戶換卡、換機(jī)用戶漫游信息，包括 1、用戶漫游狀態(tài)2、漫游出 LMNPCF用戶套餐信息，包括1、用戶簽約套餐名稱、配額信息2、用戶配額消耗信息3、用戶策略匹配信息RAN OAM小區(qū)擁塞狀態(tài)1、PDCH 信道比2、無線資源使用率 UE MDT 數(shù)據(jù)1、經(jīng)

37、緯度2、信號(hào)覆蓋 RSRPCN OAM資源利用狀態(tài)1、 控制面資料利用率2、 用戶面資料利用率指標(biāo)監(jiān)控1、 關(guān)鍵 KPI 指標(biāo)2、 重要告警信息數(shù)據(jù)建模技術(shù)聯(lián)通將推動(dòng)網(wǎng)絡(luò)跨域數(shù)據(jù)的標(biāo)準(zhǔn)化、ID 化，實(shí)現(xiàn)數(shù)據(jù)來源可識(shí)別、可管理，支撐數(shù)據(jù)分析鏈的建立，具備數(shù)據(jù)血緣跟蹤能力。建立基于場(chǎng)景的數(shù)據(jù)整合關(guān)系和公共數(shù)據(jù)模型，實(shí)現(xiàn)數(shù)據(jù)接口場(chǎng)景化、標(biāo)準(zhǔn)化、自動(dòng)化，形成數(shù)據(jù)到信息的轉(zhuǎn)化。增強(qiáng)元數(shù)據(jù)驅(qū)動(dòng)的復(fù)雜對(duì)象關(guān)系建模，根據(jù)業(yè)務(wù)對(duì)象的建模關(guān)系，自動(dòng)抽取對(duì)象轉(zhuǎn)換邏輯，自動(dòng)生成業(yè)務(wù)數(shù)據(jù) Pipeline?；谛袠I(yè)組織共同推動(dòng)，標(biāo)準(zhǔn)化下一代管理信息模型（NRM）的靜態(tài)建模方法。目前各大標(biāo)準(zhǔn)化組織（SDO）都提出了各自的

38、管理信息模型定義方法學(xué)，以指導(dǎo)信息模型的定義過程和描述方法。典型的方法包括 ITU-T 的 UTRAD 方法、3GPP 的集成參考點(diǎn)方法（IRP）、 TMF 的 MTNM 方法?；谠凭W(wǎng)智能優(yōu)化動(dòng)態(tài)、實(shí)時(shí)性的需求，采用知識(shí)圖譜研發(fā)動(dòng)態(tài)數(shù)據(jù)建模方法?；谥R(shí)圖譜構(gòu)建網(wǎng)絡(luò)資源模型的方法包括數(shù)據(jù)感知、數(shù)據(jù)庫構(gòu)建、場(chǎng)景抽象等過程，實(shí)現(xiàn)不同業(yè)務(wù)場(chǎng)景驅(qū)動(dòng)的知識(shí)庫模型建模。通過圖譜的知識(shí)抽取、知識(shí)融合和知識(shí)推理過程，基于網(wǎng)絡(luò)多元數(shù)據(jù)完成對(duì)網(wǎng)絡(luò)態(tài)勢(shì)的感知和表達(dá)。知識(shí)提煉傳統(tǒng)的網(wǎng)絡(luò)優(yōu)化往往把大量的精力放在數(shù)據(jù)的收集和存儲(chǔ)，數(shù)據(jù)的分析結(jié)果往往形成文檔或幻燈片后就失去了參考價(jià)值，嚴(yán)重缺乏對(duì)數(shù)據(jù)中隱含的深層信息進(jìn)行深

39、入地系統(tǒng)性地挖掘，造成數(shù)據(jù)的價(jià)值得不到有效發(fā)揮，進(jìn)而難以支撐更高層次的智能優(yōu)化。托馬斯斯特爾那斯艾略特曾經(jīng)提出 DIKW 理論，給出了一個(gè)關(guān)于數(shù)據(jù)（Data）、信息（Information）、知識(shí)（Knowledge）、智慧（Wisdom）的模型，人或機(jī)器的認(rèn)知與學(xué)習(xí)是遵循一個(gè)獲取數(shù)據(jù)、提煉信息、總結(jié)知識(shí)、通悟智慧的過程。知識(shí)通過人們的參與對(duì)信息進(jìn)行歸納、演繹、比較等手段進(jìn)行挖掘，使其有價(jià)值的部分沉淀下來，這部分有價(jià)值的信息就轉(zhuǎn)變成知識(shí)。通過知識(shí)才能支撐更高層的智慧。將數(shù)據(jù)轉(zhuǎn)化為知識(shí)進(jìn)而支撐預(yù)測(cè)和決策，是知識(shí)管理流程中的重要挑戰(zhàn)。知識(shí)驅(qū)動(dòng)的云網(wǎng)智能優(yōu)化目標(biāo)是創(chuàng)建一個(gè)閉環(huán)的運(yùn)營(yíng)模型，在其生命周期

40、的每個(gè)步驟中獲取的數(shù)據(jù)和知識(shí)被快速集成在網(wǎng)絡(luò)優(yōu)化過程中，不斷提高優(yōu)化的效率和質(zhì)量。數(shù)據(jù)治理層：實(shí)時(shí)、非實(shí)時(shí)數(shù)據(jù)采集和文件管理技術(shù)為改變現(xiàn)狀網(wǎng)絡(luò)的文件傳輸、逐級(jí)匯聚的傳統(tǒng)數(shù)據(jù)歸集模式，5G將通過服務(wù)化接口和流式（streaming）數(shù)據(jù)傳輸技術(shù)滿足實(shí)時(shí)、非實(shí)時(shí)的數(shù)據(jù)采集需求。行業(yè)共同研究和推進(jìn)實(shí)時(shí)、非實(shí)時(shí)的數(shù)據(jù)采集接口以及基于文件的管理數(shù)據(jù)接口標(biāo)準(zhǔn)化。其中實(shí)時(shí)數(shù)據(jù)采集接口基于HTTP WebSocket 協(xié)議進(jìn)行流式的數(shù)據(jù)傳輸：表 2 3Gpp WebSocket 協(xié)議示例說明接口名稱 作用說明 establishStreamingConnection 建立連接以及WebSocket通道 ter

41、minateStreamingConnection 關(guān)閉WebSocket通道以及連接 reportStreamData 獲取實(shí)時(shí)數(shù)據(jù)流 addStream 增加一個(gè)實(shí)時(shí)數(shù)據(jù)流 deleteStream 刪除一個(gè)實(shí)時(shí)數(shù)據(jù)流 getConnectionInfo 獲取WebSocket通道連接信息 getStreamInfo 獲取傳輸?shù)膶?shí)時(shí)數(shù)據(jù)流信息 例如，實(shí)現(xiàn)無線網(wǎng)絡(luò) Trace 數(shù)據(jù)的實(shí)時(shí)傳輸，Trace 報(bào)告的生成方可以和獲取方之間建立 steaming 傳輸?shù)耐ǖ?，從而生成方可以?shí)時(shí)的將產(chǎn)生的 trace report 發(fā)送給獲取方。非實(shí)時(shí)接口方面，采用 RESTful HTTP 規(guī)范，并

42、且通過增刪改查操作對(duì)數(shù)據(jù)采集進(jìn)行服務(wù)化管理。3GPP 還定義了文件形式數(shù)據(jù)管理的接口，支持多種傳輸協(xié)議，比如 SFTP, FTPS。目前可以采用文件傳輸?shù)臄?shù)據(jù)類型主要有性能數(shù)據(jù)，trace 數(shù)據(jù)，MDAS 分析報(bào)告等。管理系統(tǒng)通過將文件同具體的性能報(bào)告（PerfMetric）或者 Trace 關(guān)聯(lián)的方式，實(shí)現(xiàn)文件的獲取。比如一個(gè)性能報(bào)告任務(wù)（PerfMetricJob）下可以定義 1 個(gè)多個(gè)文件（File）對(duì)象，并且對(duì) File 對(duì)象的屬性做定義，比如 File 的獲取地址， File 是否壓縮，F(xiàn)ile 的 format 等，當(dāng)需要獲取該性能報(bào)告時(shí)，性能報(bào)告將于文件形式進(jìn)行傳輸。圖 3 Tr

43、ace 文件管理接口設(shè)計(jì)示例在系統(tǒng)的實(shí)現(xiàn)層面，通過引入 hadoop、kafka、flink 等等大數(shù)據(jù)技術(shù)，支持海量數(shù)據(jù)的分布式和流式處理。數(shù)據(jù)接口的服務(wù)化基于 5G SBA(Service-based Architecture) 服務(wù)化架構(gòu)， 3GPP 已定義了服務(wù)化的數(shù)據(jù)采集、分析和反饋流程機(jī)制。但具體業(yè)務(wù)用例、數(shù)據(jù)規(guī)范和接口能力尚未統(tǒng)一，聚焦智能優(yōu)化的業(yè)務(wù)用例，我們將以業(yè)務(wù)需求為驅(qū)動(dòng)，研究并推動(dòng)服務(wù)化數(shù)據(jù)接口能力標(biāo)準(zhǔn)化演進(jìn)和落地應(yīng)用。新的服務(wù)化數(shù)據(jù)采集機(jī)制依托 NWDAF 、 NEF(Network Exposure Function)網(wǎng)元，支持 NF（網(wǎng)絡(luò)功能）、OAM（Operat

44、ions, Administration and Maintenance）和第三方 AF（外部應(yīng)用）的數(shù)據(jù)采集，實(shí)現(xiàn)云網(wǎng)端到端的輕量化、實(shí)時(shí)數(shù)據(jù)采集，并能由 NWDAF進(jìn)行實(shí)時(shí)的數(shù)據(jù)關(guān)聯(lián)拼接。NWDAF1. Nnwdaf_AnalyticsSubscription_Subscribe/ Nnwdaf_AnalyticsSubscription_Unsubscribe2. Nnwdaf_AnalyticsSubscription_NotifyNWDAF Service Consumer (5GC NF/Operator AF)圖 4a 網(wǎng)元 NF 數(shù)據(jù)采集流程N(yùn)WDAFNEF3rd AF2. N

45、af_EventExposure_Subscribe/0. Registration of Available DataNnef_EventExposure_Subscribe/ Nnef_EventExposure_Unsubscribe4. Nnef_EventExposure_NotifyNaf_EventExposure_Unsubscribe3. Naf_EventExposure_Notify圖 4b 第三方應(yīng)用AF 數(shù)據(jù)采集流程Subscribe (Input)Subscribe (Output)4. Notification (notifyFileReady )3. Data

46、ProcessingOAMNWDAF圖 4c OAM 數(shù)據(jù)采集流程采集的數(shù)據(jù)結(jié)果通過訂閱/通知模式進(jìn)行周期性發(fā)送，消費(fèi)者（5G NF/AF，比如 PCF）可以通過請(qǐng)求/響應(yīng)獲取 NWDAF 數(shù)據(jù)分析結(jié)果的反饋1. Nnwdaf_AnalyticsInfo_Request2. Nnwdaf_AnalyticsInfo_Request responseNWDAFNWDAF Service Consumer圖 5 基于事件的請(qǐng)求/響應(yīng)獲取數(shù)據(jù)分析結(jié)果跨域數(shù)據(jù)采集和協(xié)同機(jī)制現(xiàn)狀 5GC 和 RAN 采集數(shù)據(jù)分域全量采集，均以文件形式通過 ESB（企業(yè)數(shù)據(jù)服務(wù)總線）逐級(jí)匯總至 OSS 系統(tǒng)。OSS 應(yīng)用

47、在海量跨域數(shù)據(jù)中，通過時(shí)間戳+NGAPID 等標(biāo)識(shí)搜索并關(guān)聯(lián)用戶、業(yè)務(wù)級(jí)數(shù)據(jù)，數(shù)據(jù)存儲(chǔ)和運(yùn)算量極大。5G 網(wǎng)絡(luò)將通過內(nèi)生的數(shù)據(jù)分析網(wǎng)元和服務(wù)化接口采集機(jī)制，實(shí)現(xiàn)更加扁平的數(shù)據(jù)分析架構(gòu)，簡(jiǎn)化數(shù)據(jù)流轉(zhuǎn)、拼接和分析流程。通過定制化的網(wǎng)元服務(wù)化數(shù)據(jù)軟采，按業(yè)務(wù)接口需求進(jìn)行數(shù)據(jù)采集，不再全量采集數(shù)據(jù)。RAN 和 5GC 同步采集，形成天然的端到端用戶業(yè)務(wù)數(shù)據(jù)關(guān)聯(lián)窗，支撐高實(shí)時(shí)、低成本的完成數(shù)據(jù)拼接和融合。圖 6 端到端網(wǎng)絡(luò)數(shù)據(jù)采集架構(gòu)的演進(jìn)方向知識(shí)管理與推理David Clark16首次在網(wǎng)絡(luò)中引入了知識(shí)平面的概念，提出知識(shí)平面應(yīng)當(dāng)在網(wǎng)絡(luò)管理系統(tǒng)中獲取和使用專家知識(shí)，基于這一理論，中國(guó)聯(lián)通提出了基于知識(shí)

48、構(gòu)建自治網(wǎng)絡(luò)和智能優(yōu)化的架構(gòu)，通過提供自適應(yīng)的管理決策提供 QoS 與彈性資源調(diào)度的保障。自主管理不僅是讓自治網(wǎng)絡(luò)自行做出決策，而且還涉及故障檢測(cè)、問題診斷，并為優(yōu)化人員提供可能采取措施的選項(xiàng)，同時(shí)對(duì)系統(tǒng)可能發(fā)生的變化進(jìn)行預(yù)測(cè)。圖 7 基于知識(shí)的閉環(huán)管理在知識(shí)驅(qū)動(dòng)的智能優(yōu)化架構(gòu)中，用戶或運(yùn)營(yíng)商提供的意圖被傳遞到意圖平面，意圖在知識(shí)平面進(jìn)行轉(zhuǎn)換、規(guī)范、分解和驗(yàn)證，然后再傳遞到管理平面。管理平面確保有足夠的資源來回答意圖。它主動(dòng)從數(shù)據(jù)平面收集數(shù)據(jù)，并使用持續(xù)集成、持續(xù)部署 (CI/CD) 等技術(shù)來確保新意圖不會(huì)對(duì)系統(tǒng)中的現(xiàn)有意圖產(chǎn)生不利影響。驗(yàn)證完成后，新配置將交付到控制平面以進(jìn)行應(yīng)用。與用戶的意

49、圖并行，系統(tǒng)從不同來源（例如，歷史案例、標(biāo)準(zhǔn)規(guī)范、公開知識(shí)等）收集知識(shí)，并將它們作為輸入提供給知識(shí)平面。知識(shí)平面首先過濾、調(diào)整和分類數(shù)據(jù)，然后使用大數(shù)據(jù)算法、機(jī)器學(xué)習(xí)或深度學(xué)習(xí)等人工智能技術(shù)，對(duì)知識(shí)進(jìn)行分析、推理、預(yù)測(cè)等一系列過程獲得決策，并自動(dòng)地應(yīng)用到管理平面，或者提供給優(yōu)化人員進(jìn)行進(jìn)一步的判斷操作。智能分析層：根因診斷根因診斷是近年來較為熱門的研究領(lǐng)域，就無線網(wǎng)絡(luò)問題的分析定位來說，一個(gè)問題的出現(xiàn)往往不是孤立的，而是伴隨著眾多問題同時(shí)出現(xiàn)。一直困擾移動(dòng)網(wǎng)優(yōu)化工作、使優(yōu)化動(dòng)作變得頻繁、低效的一個(gè)問題，是針對(duì)一個(gè)網(wǎng)絡(luò)異常，大量的、不同類型的數(shù)據(jù)源都過度依賴人工經(jīng)驗(yàn)逐一分析。如何從高維網(wǎng)絡(luò)數(shù)據(jù)分

50、析中找到問題的根因，是降低工作量、提升工作效率的關(guān)鍵。根因分析（ROOT CAUSE ANALYSIS，簡(jiǎn)稱 RCA）：在網(wǎng)絡(luò)運(yùn)行過程中，由于某些確定的因素，導(dǎo)致特定事件(焦點(diǎn)事件)的發(fā)生。根因問題分析的過程，是要了解發(fā)生這些問題與事件的根本原因，而不是伴隨出現(xiàn)的某些現(xiàn)象。RCA 是用來分析已經(jīng)發(fā)生的焦點(diǎn)事件的，因此分析的是過去（事后）。然而，對(duì)過去事件根源的了解，可以提前預(yù)知問題的發(fā)生。根因診斷的行業(yè)應(yīng)用：根因分析被用來分析具有積極和消極結(jié)果的焦點(diǎn)事件的根本原因，常用于分析失敗和事故。事件的原因可能是多種多樣的，包括設(shè)計(jì)過程和技術(shù)過程，組織特征、人的方面和外部事件。RCA 可用于調(diào)查質(zhì)量及管

51、理系統(tǒng)中不符合要求的原因，以及失敗分析，例如用于故障分析、設(shè)備測(cè)試分析等。圖 8 根因診斷過程根因診斷技術(shù)應(yīng)用：現(xiàn)階段根因診斷已經(jīng)規(guī)劃并設(shè)計(jì)了相關(guān)的技術(shù)來幫助分析員識(shí)別因果因素，并最終確定根本原因。分析技術(shù)可以發(fā)揮以下一個(gè)或多個(gè)功能。組織數(shù)據(jù)，為分析提供結(jié)構(gòu)，確定哪里需要進(jìn)一步的證據(jù)；提供與重點(diǎn)事件有關(guān)的證據(jù)的可視化顯示，例如，事件的時(shí)間順序或因果鏈；對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，特別是來自多個(gè)類似事件的數(shù)據(jù)，以確定共同的因果因素；提供指導(dǎo)，確定可能的因果因素，以便進(jìn)一步調(diào)查并與數(shù)據(jù)進(jìn)行比較（此類方法包括檢查清單和基于因果關(guān)系模型的方法）；引導(dǎo)分析人員通過因果鏈找到一系列的根本原因。表 3 根因診斷主要

52、分析技術(shù)應(yīng)用技術(shù)名稱 技術(shù)方案描述 事件和因果因素(ECF)圖表 ECF 分析識(shí)別一系列任務(wù)和/或操作的時(shí)間序列，以及導(dǎo)致焦點(diǎn)事件的周圍條件。這些都顯示在因果關(guān)系圖中 多線性事件排序(MES)和時(shí)序事件繪制(STEP) MES 和 STEP 是用于分析復(fù)雜焦點(diǎn)事件的數(shù)據(jù)收集和跟蹤方法。結(jié)果顯示為事件的時(shí)間-行動(dòng)者矩陣 “為什么”的方法 “為什么”方法通過多次提出“為什么”的問題來引導(dǎo)分析 原因樹法(CTM) CTM 是一種系統(tǒng)的技術(shù)，用于分析和圖形化描述事件和導(dǎo)致焦點(diǎn)事件的條件。CTM 在概念上類似于“為什么”方法，但構(gòu)建了一個(gè)更復(fù)雜的樹，明確地考慮了技術(shù)、組織、人類和環(huán)境的原因 原因分析(W

53、BA) WBA 使用雙因素比較，即反事實(shí)測(cè)試，建立了一個(gè)對(duì)焦點(diǎn)事件負(fù)責(zé)的因果因素網(wǎng)絡(luò)。因素網(wǎng)絡(luò)顯示在“為什么-因?yàn)椤眻D中 故障樹和成功樹方法 故障或成功樹是信息的圖形顯示，用于幫助用戶進(jìn)行演繹分析，以確定成功或失敗的關(guān)鍵路徑，這些路徑以圖形方式顯示在邏輯樹圖中 魚骨圖或石川圖 魚骨圖或石川圖是一種幫助識(shí)別、分析和呈現(xiàn)焦點(diǎn)事件的可能原因的技術(shù)。該技術(shù)說明了焦點(diǎn)事件與所有可能影響它的因素之間的關(guān)系 通過組織學(xué)習(xí)實(shí)現(xiàn)安全(SOL) SOL 是一個(gè)清單驅(qū)動(dòng)的分析工具，面向核電廠的焦點(diǎn)事件。從 MES/STEP 方法導(dǎo)出的結(jié)果以時(shí)間-角色圖的可視化形式呈現(xiàn) 管理監(jiān)督和風(fēng)險(xiǎn)樹(MORT) MORT 圖是一

54、個(gè)預(yù)填充的故障樹，包含事件，通常是故障或，用通用術(shù)語表示的疏忽。MORT 樹包含兩個(gè)主要的分支和許多子分支提供了高度的細(xì)節(jié)。一個(gè)主要分支確定了約 130 個(gè)具體的控制因素，而另一個(gè)主要分支識(shí)別超過 100 個(gè)管理系統(tǒng)因素。圖表還包含一個(gè)這棵樹的兩個(gè)主要分支共有另外 30 個(gè)信息系統(tǒng)因子 AcciMaps AcciMaps 主要是一種用于顯示因果分析結(jié)果的技術(shù)。它需要一個(gè)組織模型來將因素分離到各層，并引出各層中的因素;應(yīng)用反事實(shí)測(cè)試(見 WBA)來確定因素之間的因果關(guān)系 三腳架 Tripod Beta 是一個(gè)表示因果網(wǎng)絡(luò)的樹形圖，專注于人為因素，并尋找組織中可能導(dǎo)致人為錯(cuò)誤的失敗 SON 與網(wǎng)元

55、智能增強(qiáng)為增強(qiáng)網(wǎng)絡(luò)的整體智能化，網(wǎng)元也需進(jìn)行數(shù)字化、智能化的技術(shù)增強(qiáng)。一方面需要引入更多的傳感器件，對(duì)資源、業(yè)務(wù)、位置、環(huán)境、運(yùn)行事件、拓?fù)錉顟B(tài)等等具備感知能力；另一方面網(wǎng)元自身也會(huì)具備 AI 算法和算力資源，以完成網(wǎng)元級(jí)的智能自治。無線側(cè)（RAN）將首先推進(jìn) SON 功能以及其他智能網(wǎng)絡(luò)優(yōu)化特性。其中，5G SON 技術(shù)包括基站自啟動(dòng)、參數(shù)自動(dòng)配置、PCI 自優(yōu)化、自動(dòng)鄰區(qū)關(guān)系優(yōu)化(ANR)、最小化路測(cè)(MDT)、移動(dòng)魯棒性優(yōu)化 (MRO)、移動(dòng)負(fù)荷均衡(MLB)、隨機(jī)接入優(yōu)化（RACH 優(yōu)化）、基站自治愈等功能；基于 AI 的移動(dòng)性管理、智能切換、基站節(jié)能、負(fù)載均衡以及MassiveMIM

56、O 權(quán)值優(yōu)化等參數(shù)自配置技術(shù)。網(wǎng)絡(luò)側(cè)通過引入 URLLC、網(wǎng)絡(luò)切片、TSN 等技術(shù)，并利用 NWDAF、 PCF 等，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)資源的端到端管理、調(diào)度、策略實(shí)施，提供確定、穩(wěn)定的網(wǎng)絡(luò)能力。并可以實(shí)現(xiàn)網(wǎng)元內(nèi)自動(dòng)負(fù)荷感知、智能流控、智能尋呼、高價(jià)值 QoS 保障等增強(qiáng)網(wǎng)絡(luò)功能。網(wǎng)管域引入 MDAF 實(shí)現(xiàn)跨域數(shù)據(jù)、功能的協(xié)同，與 RAN、5GC共同構(gòu)建網(wǎng)絡(luò)內(nèi)生的智能優(yōu)化能力。行業(yè)的眾多標(biāo)準(zhǔn)組織也將共同推進(jìn)的不同領(lǐng)域的網(wǎng)元智能化技術(shù)發(fā)展。表 4 不同標(biāo)準(zhǔn)組織在網(wǎng)元智能化方面的標(biāo)準(zhǔn)化工作5通用算法模型平臺(tái)和關(guān)鍵技術(shù)構(gòu)建網(wǎng)絡(luò)AI 模型算法通用平臺(tái)，涵蓋 AI 模型的開發(fā)、調(diào)測(cè)和發(fā)布，推進(jìn)全生命周期的可服務(wù)

57、化能力的知識(shí)沉淀，逐步構(gòu)建面向領(lǐng)域生態(tài)的 AI 標(biāo)準(zhǔn)服務(wù)，促進(jìn)同領(lǐng)域 AI 模型快速?gòu)?fù)用，跨領(lǐng)域 AI 模型簡(jiǎn)化開發(fā)。構(gòu)建云網(wǎng)協(xié)同的 AI 模型分層架構(gòu)，結(jié)合聯(lián)邦學(xué)習(xí)、遷移學(xué)習(xí)和 AutoML 等技術(shù)，實(shí)現(xiàn)AI 模型的跨層、跨域和跨局點(diǎn)協(xié)同和長(zhǎng)周期模型劣化的自調(diào)整?；诰W(wǎng)絡(luò)分層的自治架構(gòu)，聯(lián)通也將建設(shè)不同域內(nèi)的算法模型平臺(tái)。5G 網(wǎng)絡(luò)域和管理域內(nèi)，依托 NWDAF、MDAF 的智能化數(shù)據(jù)分析能力，建設(shè)具有內(nèi)生智能的模型算法平臺(tái)，支撐 5G 網(wǎng)絡(luò)域內(nèi)的閉環(huán)自優(yōu)化。在 OSS 域，聯(lián)通將持續(xù)建設(shè)網(wǎng)絡(luò)智能中臺(tái)，提升智能化運(yùn)營(yíng)能力。針對(duì)優(yōu)化工作參數(shù)繁雜、數(shù)據(jù)維度高、因果關(guān)系強(qiáng)、數(shù)據(jù)集建設(shè)成本高等業(yè)務(wù)特

58、點(diǎn)，我們將進(jìn)一步加強(qiáng)在多目標(biāo)優(yōu)化、強(qiáng)化學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)等 AI 算法領(lǐng)域的核心技術(shù)攻關(guān)，逐步實(shí)踐根因分析指導(dǎo)優(yōu)化和無人閉環(huán)自優(yōu)化。圖 9 通用智能優(yōu)化算法研發(fā)框架示意圖網(wǎng)絡(luò)沙盒網(wǎng)絡(luò)沙盒是對(duì)現(xiàn)實(shí)世界已經(jīng)存在或未來可能會(huì)存在的網(wǎng)絡(luò)生態(tài)的數(shù)字孿生，主要包括對(duì)網(wǎng)絡(luò)生態(tài)中物理環(huán)境、基礎(chǔ)設(shè)施、實(shí)體網(wǎng)絡(luò)的特征、行為及性能進(jìn)行孿生?？梢酝ㄟ^無人機(jī)傾斜攝影或激光掃描的方式對(duì)實(shí)體網(wǎng)絡(luò)生態(tài)數(shù)據(jù)進(jìn)行采集，通過第三方建模軟件對(duì)模型數(shù)據(jù)進(jìn)行建模，通過圖形庫 API、其他數(shù)字化技術(shù)以及相關(guān)行業(yè)知識(shí)對(duì)模型進(jìn)行數(shù)字化建設(shè)，形成網(wǎng)絡(luò)沙盒?；跀?shù)字孿生等技術(shù)建立的網(wǎng)絡(luò)沙盒，通過對(duì)物理世界的用戶、業(yè)務(wù)、設(shè)備、事件等要素的數(shù)字化，在數(shù)

59、字空間再造一個(gè)與之對(duì)應(yīng)的 “虛擬世界”，通過對(duì)空間人、事、物、資源設(shè)施的孿生實(shí)例，以數(shù)據(jù)和模型為驅(qū)動(dòng)，構(gòu)建數(shù)字孿生體，結(jié)合小樣本學(xué)習(xí)技術(shù)和數(shù)據(jù)自標(biāo)注技術(shù)，解決網(wǎng)絡(luò)異常數(shù)據(jù)少和數(shù)據(jù)標(biāo)注成本高等問題，支撐新的智能優(yōu)化技術(shù)孵化和落地應(yīng)用模式，實(shí)現(xiàn)云網(wǎng)智能優(yōu)化新技術(shù)、新算法的快速開發(fā)、驗(yàn)證和發(fā)布。面向 5G 網(wǎng)絡(luò)的高復(fù)雜性和靈活度，網(wǎng)絡(luò)沙盒可以提供：對(duì)實(shí)體網(wǎng)絡(luò)生態(tài)中的物理環(huán)境、基礎(chǔ)設(shè)施的特征、行為及性能的模擬，通過傳感器等進(jìn)行實(shí)體數(shù)據(jù)和孿生數(shù)據(jù)的實(shí)時(shí)同步。通過對(duì)孿生網(wǎng)絡(luò)生態(tài)的監(jiān)測(cè)，及時(shí)發(fā)現(xiàn)基礎(chǔ)網(wǎng)絡(luò)設(shè)備損壞、故障等問題，通過對(duì)孿生基礎(chǔ)設(shè)施的虛擬調(diào)整達(dá)到對(duì)實(shí)體基礎(chǔ)設(shè)施的同步調(diào)整，節(jié)省人力、物力和時(shí)間。對(duì)實(shí)

60、體網(wǎng)絡(luò)生態(tài)中的實(shí)體網(wǎng)絡(luò)的孿生，可以增強(qiáng)實(shí)體網(wǎng)絡(luò)所缺少的仿真、優(yōu)化、測(cè)試和驗(yàn)證的能力。支撐新的智能優(yōu)化技術(shù)孵化和落地應(yīng)用，實(shí)現(xiàn)云網(wǎng)智能優(yōu)化新技術(shù)、新算法的快速開發(fā)、驗(yàn)證和發(fā)布。對(duì)實(shí)體網(wǎng)絡(luò)生態(tài)中的網(wǎng)絡(luò)數(shù)據(jù)的分析可視，將數(shù)據(jù)挖掘出的晦澀難懂的數(shù)據(jù)進(jìn)行多維度可視化呈現(xiàn)，網(wǎng)絡(luò)優(yōu)化工作者通過篩選、過濾、關(guān)聯(lián)、配置等人機(jī)交互手段來操作視圖，達(dá)到對(duì)網(wǎng)絡(luò)數(shù)據(jù)的精準(zhǔn)監(jiān)控、深入洞察和預(yù)測(cè)預(yù)判。圖 10 中國(guó)聯(lián)通云網(wǎng)優(yōu)化網(wǎng)絡(luò)沙盒示意圖云網(wǎng)優(yōu)化知識(shí)圖譜中國(guó)聯(lián)通已著手研發(fā)云網(wǎng)優(yōu)化知識(shí)庫并構(gòu)建相應(yīng)知識(shí)圖譜。目前中國(guó)聯(lián)通已建成并運(yùn)營(yíng)了世界上規(guī)模最大、網(wǎng)絡(luò)結(jié)構(gòu)最復(fù)雜的共享網(wǎng)絡(luò)，但也面臨著多網(wǎng)協(xié)同優(yōu)化、共享共建優(yōu)化等諸多技術(shù)難題