1、 中国联通中国联通云网智能优化白皮书云网智能优化白皮书 中国联合网络通信有限公司中国联合网络通信有限公司研究院研究院 20202121 年年 1010 月月中国联通云网智能优化白皮书 I 版权所有 中国联通研究院，2021 目录目录 一、一、 概述概述 . 1 1 二、二、 技术现状和演进需求技术现状和演进需求 . 2 2 ( (一一) ) 技术现状技术现状 . 2 2 ( (二二) ) 演进需求演进需求 . 5 5 三、三、 目标架构和关键技术目标架构和关键技术 . 7 7 ( (一一) ) 目标架构目标架构 . 7 7 ( (二二) ) 关键技术关键技术 . 9 9 四、四、 总结与展望总
2、结与展望 . 2323 ( (一一) ) 标准化智能优化技术架构体系，实现产业协同标准化智能优化技术架构体系，实现产业协同 . 2323 ( (二二) ) 构建智能优化通用模型研发体系，建设开放、开源生态构建智能优化通用模型研发体系，建设开放、开源生态 . 2323 ( (三三) ) 产学研合作，打通云网智能优化新技术落地转化通道产学研合作，打通云网智能优化新技术落地转化通道 . 2323 五、五、 附录附录 . 2323 附录附录 A A：缩略语：缩略语 . 2323 附录附录 B B：参考文献：参考文献. 2525 中国联通云网智能优化白皮书 1 版权所有 中国联通研究院，2021 一、一
3、、 概述概述 从国际上看，以大数据、云计算、物联网、人工智能等新一代信息技术为核心的世界新一轮科技革命和产业变革正加速演进；从国内来讲，我国经济已经由高速增长阶段向高质量发展阶段转变， 数字经济作为实体经济发展和创新驱动发展的重要内容，已经成为中国落实国家重大战略的关键力量。 网络作为数字经济发展基础设施之一，是实体经济的神经系统，顺应新一轮科技革命趋势，大力发展数字经济， 从供给侧为实现经济高质量发展提供有效途径成为企业“数字化转型”的内在动力。 随着 5G 网络的建设部署，四代网络共存，网络复杂度显著提升、网络运营压力大幅增加。同时，数字化转型的内、外部驱动力对网络的敏捷运营提出更高的要求
4、，网络的传统运营方式亟待变革。电信运营的数字化转型需要以数据为核心， 驱动运营的效率革命。海量的原生数据只有叠加了智能技术才能挖掘其潜在价值，为企业在精准定位、主动服务、智慧运营等方面发挥重要作用。电信运营商必须加快业务流程的数字化和智能化， 以数字化的角度重塑网络服务与运营优化流程，力争从传统网络服务提供商的角色向多元智能服务的角色迈进。 中国联通坚持“聚焦、创新、合作”战略，加快推进全面数字化转型。经过多年的探索和实践，联通 5G 网络已经基本完成网络的云化转型，在基础设施云化、网元虚拟化、网络 SDN 化方面逐步完成商用实践。从 2020 年起，中国联通以自动驾驶网络为目标网络1，推进自
5、动驾驶网络标准化分级体系，建设智能网络中台，推动全国开展数字化运营达标活动。2021 年，中国联通又发布了“CUBE-Net3.0 新型数字基础设施计划” 2， 提出网络智能运营体系， 以大数据及 AI 技术为引擎，构建“网络全景掌控、服务对象跟踪、智能需求匹配、客户体验提升”智能服务能力，建立云网、数据、应用的智能联动服务体系，实现敏捷的业务调度管理与优化，动态智能的供需服务匹配，推动网络运营智能化。 在智能运营体系中，智能优化是网络智能化的关键技术和应用方向之一。网络优化工作既是在有限的资源条件下寻找最优化的资源配置组合， 以实现更好的运营服务质量。这与人工智能技术的多目标优化、海量数据挖
6、掘、人工经验替代等特点具有高度的特征一致性。因此，智能优化是需求最明确的网络 AI 场景之一，也是最适合通过新一代信息化技术完成数字化、智能化转型的方向之一。 中国联通云网智能优化白皮书 2 版权所有 中国联通研究院，2021 与此同时， 5G 业务需求的多样性的发展、 网络的复杂度提升， 使得原有的技术架构逐渐难以满足新的数字化运营需求， 限制了云网优化工作的进一步智能化。这促使我们对网络技术架构体系提出新的要求，在关键技术方面寻找新的突破，也必将促使网络优化工作的理念发生改变。 为落实数字化转型战略， 聚焦云网智能优化领域， 中国联通将以架构性创新、以标准技术引领，协同产业合作推进行业发展
7、。本白皮书提出了中国联通云网优化的数字化、智能化的技术演进目标和愿景。面向未来 3 至 5 年，对业务需求、网络架构和关键技术的演进方向进行了阐述， 期望能推动智能化技术在云网优化领域的加速孵化和落地。 我们认为智能化智能化技术技术的发展的发展，将推动将推动云网云网优化优化工作工作实现实现五五个转变个转变： 从静态平均最优到动态实时最优从静态平均最优到动态实时最优 从投诉驱动的被动优化到实时数据感知驱动的主动优化从投诉驱动的被动优化到实时数据感知驱动的主动优化 从外部平台辅助分析到内生智能闭环决策从外部平台辅助分析到内生智能闭环决策 从尽力而为的性能保障到智能的供需服务匹配从尽力而为的性能保障
8、到智能的供需服务匹配 从人工操作到意图“轻触点”控制从人工操作到意图“轻触点”控制 二、二、 技术现状和演进需求技术现状和演进需求 (一一) 技术现状技术现状 网络优化的主要作用是提升网络质量，保证用户体验，因此运营商在网络优化工作中投入了大量人力物力。传统网优工作依靠路测、系统统计数据分析、投诉信息等手段采集相关信息，再结合专家经验进行问题诊断和优化调整。在网络复杂化和业务多样化的趋势下，传统优化工作模式显得被动、低效，在网络动态变化的情况下无法满足实时性网络优化需求。 1)1) 网络动态变化，但优化目标仍是“平均”最优网络动态变化，但优化目标仍是“平均”最优 5G 网络为客户提供了更多的业
9、务类型，网络大数据拓展了更多的网络服务领域，但与 5G 业务的多样性以及大数据技术发展所不匹配的是目前网络优化目标的评价标准，仍是以小区历史性能最优为目标的“平均”最优网络。 现网数据采集和主要参数的控制粒度均为小区级，受限于此， 网络质量评价和网络优化目标指标仍以小区级 KPI 的历史统计为主。也是就说， 优化工作的目中国联通云网智能优化白皮书 3 版权所有 中国联通研究院，2021 标是寻找小区级网络性能平均最优。无论用户在何种时间、何种位置、进行何种业务， 网络优化只能为用户提供 “无差别” 的网络保障。 基于 PCF （Policy Control Function）的策略控制等技术，
10、能为签约用户和业务提供专载保障，但尚不能实现全网能力的动态调整，网络性能在时间和空间维度仍存在很大的优化空间。 2)2) 跨域多元数据采集、融合，但硬件和运维成本高跨域多元数据采集、融合，但硬件和运维成本高 由于移动网络存在多个网络域，当前数据采集机制以分域全量采集、再跨域融合分析为主。运营商网络产生海量数据，但目前真正发挥价值的数据并不多。然而， 为了建设与数据量所匹配的运算和存储能力，运营商进行了大量的软硬件投入。在现有技术架构下，随着网络规模及数据量的不断增大，系统处理速度无法支撑网络数据的快速分析，只能不断进行软、硬件扩容，推高运营成本。 长期以来，各个网络领域设备分别研发、管理，例如
11、无线网、核心网、传输网、 OSS 域等。 在数据层面， 一般由 EMS/NMS 提供北向接口， OSS 系统进行集成。这种烟囱式的研发机制造成了跨域数据采集和建模标准化程度不足， 网络端到端的运行数据拉通困难，数据即使集中存储也是一个个信息孤岛。 而多厂商设备实现、接口协议等差异性问题更加剧了这一情况。例如，为实现用户级的端到端网络体验分析，现网全量采集无线 MR、核心网 XDR、传输及承载网 KPI 指标，并建设专用支撑系统以实现从跨域的海量数据中搜索并关联出单用户的网络体验信息，这需要投入大量硬件资源和软件研发费用。 3)3) 业务实时性增强，但业务体验难以实时分析业务实时性增强，但业务体
12、验难以实时分析 当前网络数据的采集周期长、业务体验统计粒度粗，难以实现对用户、业务体验的实时感知和分析。很多网络问题在发生后，需要通过客户投诉驱动，再进行人工分析、决策和实施优化。 现状无线侧主要基于设备软采实现 counter、KPI、MR、Trace 等运行数据的采集，数据在基站生成，层层汇聚至 OMC，最终通过北向接口汇聚至 OSS。采集接口以文件接口为主， 时间最小粒度为 15 分钟， 网元统计最小粒度通常为小区；核心网侧以专用硬件采集为主， 采集设备以分光等方式全量采集用户面和业务面数据，数据采集量极大，数据解析、处理和存储均需要高性能硬件支持，处理时延一般为小时/天级。 中国联通云
13、网智能优化白皮书 4 版权所有 中国联通研究院，2021 分域数据的全量采集处理时延、网络跨域层层汇聚时延、和跨域数据关联分析时延造成了网络业务体验分析的时间粒度以月/周为周期， 难以满足更细粒度、更实时的业务体验洞察和优化调整需求， 更无法提前预判网络瓶颈和潜在的问题。 4)4) 网络复杂度攀升，但人工优化仍占比大网络复杂度攀升，但人工优化仍占比大 5G 网络规模大幅度增长， 新特性不断引入， 业务场景更加多样。 随着基础设施的虚拟化、云化，网络配置、资源调度更灵活，但也引入了更多的厂商设备组合和网络管理层次。与此同时，四网并存、共建共享、多频段、多厂商、多版本已成为网络运营的常态，造成网络
14、复杂度空前提高，给 5G 网络的优化工作带来了前所未有的挑战。 时至今日，日常运维优化的人力成本占比仍高达 70% 左右9。大量问题需要人工路测、分析性能数据进行诊断；定位问题后，优化人员操作 NMS 或 EMS 平台来进行配置调整；优化实施后，优化效果的后评价也经常依赖人工对比分析。另外， 这一过程需要优化工程师理解大量设备相关信息，面对海量数据却利用有限，工作效率较低。因此，在网络运维成本居高不下的情况下，如何使运营商从复杂的网络参数设置与海量的网络数据中解脱出来， 如何平衡资产利用率和提高能源效率成为重要关注点。 5)5) AIAI 优化研究众多，优化研究众多，但现网但现网落地落地应用应
15、用不畅不畅 目前业内在智能优化上已开展了大量的研究和试验， 但由于机器学习等技术的模型训练过程可能导致网络质量回退， 因此该类新技术在现网落地中仍存在一定困难。 现阶段的智能优化新技术，特别是机器学习、强化学习等技术，往往需要从现网中采集足够的训练数据，以完成 AI 模型的学习，并通过不断的参数调整使模型性能收敛。这一过程可能造成一定时间内的网络质量和业务体验下降。 这与电信运营商一直以来致力于提供的高可靠性网络服务存在一定矛盾。 由于担忧这类技术带来的性能回退和造成的用户投诉，现网往往难以进行落地。然而，采用实验网先进行技术试验，又不能真实地模拟现网用户、业务的动态分布等特征，造成机器学习模
16、型过拟合、泛化能力差。 中国联通云网智能优化白皮书 5 版权所有 中国联通研究院，2021 6)6) ToBToB 业务的优化需求显现，但优化标准和方法尚不成熟业务的优化需求显现，但优化标准和方法尚不成熟 ToB 方面，行业应用业务类别及指标需求差异化更加明显。网络切片等技术能实现网络差异化的配置。专网国内外标准组织和产业联盟已制定了 5G 切片业务分级体系、行业业务分级体系、端到端网络 KPI 指标要求等，但尚未形成共识3。业务需求指标与网络指标的映射与转换方法也没有统一的标准，因此针对ToB 网络的优化技术体系和标准也未形成。 (二二) 演进需求演进需求 随着 5G 网络建设不断完善，应用
17、场景更加多样化，业务模式和流程愈加多样和复杂，服务对象由 ToC 向 ToB 转变，5G 运营急需高弹性、高质量的网络服务。但原有的网络技术架构，逐渐难以满足新的网络数字化运营需求，限制了云网优化工作的进一步智能化。需要创新网络技术架构，充分运用大数据、人工智能等技术， 以实现敏捷精准的业务调度与优化， 动态智能的供需服务匹配为目标，推动云网优化工作实现五个转变。 1)1) 从静态平均最优到动态实时最优从静态平均最优到动态实时最优 网络优化的目标由基于小区历史性能“平均最优”的静态网络，转变为实时的、基于用户位置的、网络资源与业务需求智能匹配的动态性能最优网络。 在过去的三十年，受限于硬件能力
18、，网络优化工作被视为在有限的资源下进行平衡，找到一个“平均”最优解。 然而，随着 5G 网络的云化、虚拟化以及 AI 技术、大数据基础的快速发展，网络的数据、算力、算法三要素已能够支撑网络优化实现智能化变革。从网络的角度看，多样的网络场景、动态的业务流向和业务体验需求，为网络资源的调配提供了新的优化空间。从机器学习的角度看，智能化技术将引入时间、空间、业务、 OTT 等多维数据， 使数据分析步入 “高维” 空间， 云网优化问题的求解目标，从单目标优化演变为多目标优化。 2)2) 从投诉驱动的被动优化到从投诉驱动的被动优化到实时实时数据感知驱动的主动优化数据感知驱动的主动优化 网络数字化是实现网
19、络状态和业务感知的前提，依赖更加动态、实时的网路资源、业务体验、运行状态、故障日志等等数据，为下一步的网络 AI 分析、预中国联通云网智能优化白皮书 6 版权所有 中国联通研究院，2021 测和决策提供数据基础。现状的网络架构难以实现实时的数据感知，网络需要通过扁平的数据闭环架构、跨域统一的数据模型、极简的交互协议以及网络、业务双向感知等机制以确保数据的准确性和实时性。最终通过数据分析，洞察和预测用户业务需求和网络资源供给，驱动网络实现实时、动态的主动优化。 3)3) 从外从外部平台辅助分析到内生智能闭环决策部平台辅助分析到内生智能闭环决策 智能优化由现状外挂平台分析、跨域、跨厂商逐级配置调整
20、，转变为网络内生智能的闭环自优化网络。 网络架构方面， 需要加强云、 网、 端、 边、 业的智能协同， 增强网元数字化、智能化能力，增加网内的智能分析和管控网元，建立单域自治和跨域协同机制，使网络具备内生智能闭环优化能力。 在网络内部的 AI 模型上，一方面需要推进可服务化能力的专家知识和优化经验数字化，另一方面需要制定开放的、标准化的 AI 模型应用架构，逐步构建面向领域生态的 AI 标准服务，促进同领域 AI 模型快速复用，跨领域 AI 模型简化开发，共同推进网络内生的智能能力。 面向机器学习技术的不确定性和多目标优化任务， 需要通过数字孪生等技术建立网络沙盒， 结合小样本学习技术和数据自
21、标注技术，推动实现新的智能优化技术孵化和落地应用模式。 4)4) 从尽力而为的性能保障到智能的供需服务匹配从尽力而为的性能保障到智能的供需服务匹配 面对网络 ToB、ToC 千差万别的业务需求，云网优化工作需要由对网络质量的无差别保障和调优，转变为智能优化能力的研发和提供，实现优化能力的原子化、可编排和服务化。云网优化的服务对象也将由网络本身，转变对内服务网络运营的效率提升，对外赋能行业数字化转型与发展。 5)5) 从人工操作到意图“轻触点”控制从人工操作到意图“轻触点”控制 为将一线人员从越发复杂的网络和庞杂的数据、 参数中解放出来， 降低低效、重复的操作和试错流程，使优化工程师能更聚焦于网
22、络运营的核心业务逻辑中，网络需要为一线人员提供“轻触点” 。所谓优化的“轻触点” ，既是要扁平化一线的问题定位、分析和优化执行操作流程。通过网络运营管理的智能化技术，逐步实现以数据驱动定位问题根因，以意图控制来设定优化目标、执行优化策略。优中国联通云网智能优化白皮书 7 版权所有 中国联通研究院，2021 化工程师逐步转型为算法研发工程师、网路策略规划师、业务编排工程师等。 三、三、 目标目标架构和关键技术架构和关键技术 (一一) 目标架构目标架构 5G 业务需求和智能化技术的发展要求优化工作的理念发生改变，对云网技术体系提出了更高的要求，在网络架构、关键技术方面需要有新的突破。 1)1) 云
23、网云网自治自治层次化架构层次化架构 在网络的闭环自治层次化设计上，中国联通参考 TM Forum 自动驾驶网络定义的三层四闭环网络自治架构4，逐步推进网络的单域自治和跨域协同。 图 1 中国联通云网自治层次化架构目标 其定义的三层，由下至上分别是： 网络管理层:提供网元智能化、网络的智能化资源配置和管理能力，可以包含多个自治域； 运营管理层:提供网络智能运营，规划、运维、优化等管理能力，跨域协调多个自治域； 业务管理层:面向客户、业务，生态系统，支撑自治网络服务的管理。 四个闭环，由上之下分别是： 用户层闭环：串联所有三层的交互，支撑端到端的用户业务的达成； 业务层闭环：跨域端到端的业务管理，
24、实现跨域协同闭环，支撑商业和服务中国联通云网智能优化白皮书 8 版权所有 中国联通研究院，2021 的管理交互； 服务层闭环：支撑服务和资源的管理交互； 资源层闭环：支撑对应自治域内的资源管理。 2)2) 云网云网智能优化技术架构智能优化技术架构 为实现分层的闭环自优化网络能力， 我们将联通云网智能优化的技术演进方向总结为：以意图驱动为触点、数据和模型为核心，创新云网数据采集、分析和闭环控制机制，基于数字化、智能化、服务化的运营管理架构升级，实现单域自治、跨域协同的数据驱动闭环智能优化能力。 从对数据本身的技术增强到上层网络架构的革新， 我们将云网智能优化新技术的研发划分为 4 个层次： 数据
25、数据采集采集层：层：关注云网运行中所生成的源数据本身，引入新的资源模型设计（NRM） 、增强的业务体验感知技术（QoE） 、5G 最小化路测(MDT)、网络共享数据等新技术； 数据治理数据治理层：层：强化 ICT 技术融合，提升多元数据存储、交互和跨域融合能力，引入新的数据发现、采集和控制机制； 智能分析层：智能分析层： 基于机器学习等技术构建云网优化的智能 “大脑” ， 建设云网优化知识库和通用 AI 模型平台，引入运行闭环 SLA 服务保障技术、自组织网络技术（SON） ，持续增强网元智能化能力； 跨域跨域 管理管理 层：层： 提供意图“轻触点” 和优化服务化能力， 引入MDAF(Mana
26、gement Data Analysis Function， 管理数据分析功能)、 NWDAF（Network Data Analytics Function，网络数据分析功能）等内生智能化管理网元，协同 OSS 系统，通过网络架构革新实现跨域的智能化能力协同。 中国联通云网智能优化白皮书 9 版权所有 中国联通研究院，2021 图 2 中国联通云网智能优化目标技术架构 (二二) 关键技术关键技术 1)1) 数据数据采集采集层：层： RARAN N 数据数据技术技术演进演进 基于尽量减少对终端功耗的影响和尽量增加位置信息可用性的设计理念， 5G MDT 技术将持续演进。MDT 技术主要通过扩展
27、现有的 RRM（无线资源管理）测量功能和 Trace 功能实现， 基站根据网管配置的 MDT 测量任务下发相关测量配置给终端，由终端进行测量并上报测量信息至传统 OMC 或 MDAF 网元。5G MDT 将结合5G 新的高精度定位能力，实现更精确的位置信息采集、支持室内场景的蓝牙和WLAN（无线局域网）位置相关信息测量，以及方位角、气压计（表征高度）等传感器数据采集，并在原始数据中完成测量数据关联。同时 MDT 支持空闲态测量报告采集和异常事件测量数据采集。5G 中 MDT 数据对波束，非激活态和双连接特性进行增强，支持非激活态终端执行 logged MDT，支持记录服务小区最好的SSBID
28、和 RSRP/RSRQ，以及质量超过一定门限的 SSB 的个数，运营商可配置只记录特定频点或邻区的测量结果，减少对终端缓存的压力。 网络网络和和管理管理域域数据数据技术技术演进演进 现有网管不能收集终端或者群组级别的数据，只能收集全域性 (Global 级，区域、切片、网元集合、网元标识) 数据，例如现状的 KPI 数据、NG RAN 或 5GC中国联通云网智能优化白皮书 10 版权所有 中国联通研究院，2021 性能测量数据 (Performance Measurement)、5G 端到端 KPI 数据 (End to End KPIs)、故障监测数据 (Fault Supervision)
29、、MDT 数据。 联通将推动标准化的网元侧数据软采能力，基于 5GC 和管理域分别引入的NWDAF、MDAF 系统，以服务化接口实现轻量化、端到端的用户、业务级数据实时采集。例如，典型的网元数据接口需求如下表： 表 1 典型网元数据接口需求 5G 网元 采集的用户数据 AMF 用户接入信息，包括： 1、用户 ID（SUPI，PEI），终端能力 2、接入状态（注册状态、连接状态、UE 是否可达） 3、接入类型（2/3/4/5G） 4、实时位置（PLMN，小区） SMF 用户会话信息，包括 1、用户 ID（SUPI、GPSI） 2、PDU session 信息（DNN、S-NSSAI、UEIP、P
30、DU session ID、Qos flow 参数等） UPF 用户业务信息，包括 1、用户 ID（SUPI、GPSI） 2、IP Flow 信息（IP 五元组、速率、丢包、时延、流量等） 3、DPI 信息（协议、应用、网站等） 4、PCC 策略匹配信息 UDM 用户签约信息，包括 1、用户注销 2、用户换卡、换机 用户漫游信息，包括 1、用户漫游状态 2、漫游出 LMN PCF 用户套餐信息，包括 1、用户签约套餐名称、配额信息 2、用户配额消耗信息 3、用户策略匹配信息 RAN 小区拥塞状态 1、PDCH 信道比 2、无线资源使用率 UE MDT 数据 1、经纬度 2、信号覆盖 RSRP
31、数据建模技术演进数据建模技术演进 联通将推动网络跨域数据的标准化、 ID 化， 实现数据来源可识别、 可管理，支撑数据分析链的建立，具备数据血缘跟踪能力。建立基于场景的数据整合关系中国联通云网智能优化白皮书 11 版权所有 中国联通研究院，2021 和公共数据模型，实现数据接口场景化、标准化、自动化，形成数据到信息的转化。增强元数据驱动的复杂对象关系建模，根据业务对象的建模关系，自动抽取对象转换逻辑，自动生成业务数据 Pipeline。 基于行业组织共同推动，标准化下一代管理信息模型（NRM）的静态建模方法。目前各大标准化组织（SDO）都提出了各自的管理信息模型定义方法学，以指导信息模型的定义
32、过程和描述方法。典型的方法包括 ITU-T 的 UTRAD 方法、3GPP 的集成参考点方法（IRP） 、TMF 的 MTNM 方法。基于云网智能优化动态、实时性的需求， 采用知识图谱研发动态数据建模方法。 基于知识图谱构建网络资源模型的方法包括数据感知、数据库构建、场景抽象等过程，实现不同业务场景驱动的知识库模型建模。通过图谱的知识抽取、知识融合和知识推理过程，基于网络多元数据完成对网络态势的感知和表达。 2)2) 数据治理层：数据治理层： 实时、非实时实时、非实时数据数据采集采集和和文件管理文件管理技术技术 为改变现状网络的文件传输、逐级汇聚的传统数据归集模式，5G 将通过服务化接口和流式
33、 （streaming） 数据传输技术满足实时、 非实时的数据采集需求。行业共同研究和推进实时、 非实时的数据采集接口以及基于文件的管理数据接口标准化。 其中实时数据采集接口基于 HTTP WebSocket 协议进行流式的数据传输： 表 2 3Gpp WebSocket 协议示例说明 接口名称 作用说明 establishStreamingConnection 建立连接以及WebSocket通道 terminateStreamingConnection 关闭WebSocket通道以及连接 reportStreamData 获取实时数据流 addStream 增加一个实时数据流 deleteS
34、tream 删除一个实时数据流 getConnectionInfo 获取WebSocket通道连接信息 getStreamInfo 获取传输的实时数据流信息 例如，实现无线网络 Trace 数据的实时传输， Trace 报告的生成方可以和获取方之间建立 steaming 传输的通道，从而生成方可以实时的将产生的 trace report 发送给获取方。 非实时接口方面，采用 RESTful HTTP 规范，并且通过增删改查操作对数据中国联通云网智能优化白皮书 12 版权所有 中国联通研究院，2021 采集进行服务化管理。 3GPP 还定义了文件形式数据管理的接口，支持多种传输协议，比如 SFT
35、P, FTPS。目前可以采用文件传输的数据类型主要有性能数据，trace 数据，MDAS 分析报告等。管理系统通过将文件同具体的性能报告（PerfMetric）或者 Trace 关联的方式，实现文件的获取。比如一个性能报告任务（PerfMetricJob）下可以定义 1 个多个文件（File）对象，并且对 File 对象的属性做定义，比如 File 的获取地址，File 是否压缩，File 的 format 等，当需要获取该性能报告时，性能报告将于文件形式进行传输。 图 3 Trace 文件管理接口设计示例 在系统的实现层面，通过引入 hadoop、kafka、flink 等等大数据技术，支持
36、海量数据的分布式和流式处理。 数据数据接口接口的服务化的服务化 基于 5G SBA(Service-based Architecture)服务化架构，3GPP 已定义了服务化的数据采集、分析和反馈流程机制。但具体业务用例、数据规范和接口能力尚未统一，聚焦智能优化的业务用例，我们将以业务需求为驱动，研究并推动服务化数据接口能力标准化演进和落地应用。 新的服务化数据采集机制依托 NWDAF、NEF(Network Exposure Function)网元，支持 NF（网络功能）和第三方 AF（外部应用）的数据采集，实现云网端到端的轻量化、实时数据采集，并能由 NWDAF 实现实时的数据关联拼接。
37、中国联通云网智能优化白皮书 13 版权所有 中国联通研究院，2021 NWDAF Service Consumer (5GC NF/Operator AF) NWDAF 1. Nnwdaf_AnalyticsSubscription_Subscribe/ Nnwdaf_AnalyticsSubscription_Unsubscribe 2. Nnwdaf_AnalyticsSubscription_Notify 图 4a 网元 NF 数据采集流程 NWDAF1. Nnef_EventExposure_Subscribe/Nnef_EventExposure_Unsubscribe3. Naf_
38、EventExposure_NotifyNEF3rd AF2. Naf_EventExposure_Subscribe/Naf_EventExposure_Unsubscribe4. Nnef_EventExposure_Notify0. Registration of Available Data 图 4b 第三方应用 AF 数据采集流程 采集的数据结果通过订阅/通知模式进行周期性发送，消费者（5G NF/AF，比如 PCF）可以通过请求/响应获取 NWDAF 数据分析结果的反馈 NWDAF Service Consumer NWDAF 2. Nnwdaf_AnalyticsInfo_Req
39、uest response 1. Nnwdaf_AnalyticsInfo_Request 图 5 基于事件的请求/响应获取数据分析结果 跨域跨域数据数据采集采集和和协同协同机制机制 现状 5GC 和 RAN 采集数据分域全量采集，均以文件形式通过 ESB（企业数据服务总线） 逐级汇总至 OSS 系统。 OSS应用在海量跨域数据中， 通过时间戳+NGAPID等标识搜索并关联用户、业务级数据，数据存储和运算量极大。 5G 网络将通过内生的数据分析网元和服务化接口采集机制，实现更加扁平的数据分析架构，简化数据流转、拼接和分析流程。通过定制化的网元服务化数据软采，按业务接口需求进行数据采集，不再全量
40、采集数据。RAN 和 5GC 同步采中国联通云网智能优化白皮书 14 版权所有 中国联通研究院，2021 集，形成天然的端到端用户业务数据关联窗，支撑高实时、低成本的完成数据拼接和融合。 图 6 端到端网络数据采集架构的演进方向 3)3) 智能智能分析分析层：层： 云网优化知识库云网优化知识库 中国联通已着手研发云网优化知识库并构建相应知识图谱。 目前中国联通已建成并运营了世界上规模最大、网络结构最复杂的共享网络，但也面临着多网协同优化、共享共建优化等诸多技术难题。相关知识与专家经验严重碎片化、分散化，因此，拉通云网优化知识体系、构建统一云端平台，实现专家经验和知识的“数字化” 、 “图谱化”
41、 ，将为联通网络运营数字化转型工作打造知识底座，推进网络问题的智能诊断和科学决策能力。 构建云网优化知识库计划分为开放知识获取、构建云网领域知识图谱、基于知识图谱应用三个阶段，逐步实现智能化根因定位分析和优化决策能力。 现网专家经验、设备信息、典型案例等数据将对云网优化知识库进行持续输入，将经验数字化、资产化。这种知识资产在后续的机器学习模型研发过程中将发挥重要作用，为网络问题根因定位、故障自愈自优、人工优化辅助决策等工作提供良好的推理基础。 中国联通云网智能优化白皮书 15 版权所有 中国联通研究院，2021 图 7 联通云网优化知识库构建和应用逻辑 通用通用算法算法模型模型平台平台和关键技
42、术和关键技术 构建网络 AI 模型算法通用平台，涵盖 AI 模型的开发、调测和发布，推进全生命周期的可服务化能力的知识沉淀，逐步构建面向领域生态的 AI 标准服务，促进同领域 AI 模型快速复用，跨领域 AI 模型简化开发。构建云网协同的 AI 模型分层架构，结合联邦学习、迁移学习和 AutoML 等技术，实现 AI 模型的跨层、跨域和跨局点协同和长周期模型劣化的自调整。 基于网络分层的自治架构，联通也将建设不同域内的算法模型平台。 网络智5G 网络域和管理域内，依托 NWDAF、MDAF 的智能化数据分析能力，建设具有内生智能的模型算法平台，支撑 5G 网络域内的闭环自优化。在 OSS 域，
43、联通将持续建设网络智能中台，提升智能化运营能力。 针对优化工作参数繁杂、数据维度高、因果关系强、数据集建设成本高等业务特点，我们将进一步加强在多目标优化、强化学习、图神经网络等 AI 算法领域的核心技术攻关，逐步实践根因分析指导优化和无人闭环自优化。 中国联通云网智能优化白皮书 16 版权所有 中国联通研究院，2021 图 8 通用智能优化算法研发框架示意图 网元网元级级智能智能增强增强 为增强网络的整体智能化，网元也需进行数字化、智能化的技术增强。一方面需要引入更多的传感器件，对资源、业务、位置、环境、运行事件、拓扑状态等等具备感知能力；另一方面网元自身也会具备 AI 算法和算力资源，以完成
44、网元级的智能自治。 无线侧（RAN）将首先推进 SON 功能以及其他智能网络优化特性。其中，5G SON 技术包括基站自启动、 参数自动配置、 PCI 自优化、 自动邻区关系优化(ANR)、最小化路测(MDT)、移动鲁棒性优化(MRO)、移动负荷均衡(MLB)、随机接入优化（RACH 优化） 、基站自治愈等功能；基于 AI 的移动性管理、智能切换、基站节能、负载均衡以及 MassiveMIMO 权值优化等参数自配置技术。 网络侧通过引入 URLLC、网络切片、TSN 等技术，并利用 NWDAF、 PCF 等，实现对网络资源的端到端管理、调度、策略实施，提供确定、稳定的网络能力。 网管域引入 M
45、DAF 实现跨域数据、功能的协同，与 RAN、5GC 共同构建网络内生的智能优化能力。 行业的众多标准组织也将共同推进的不同领域的网元智能化技术发展5 中国联通云网智能优化白皮书 17 版权所有 中国联通研究院，2021 表 3 不同标准组织在网元智能化方面的标准化工作5 闭环闭环 SLASLA 保障保障 5G 网络运营管理系统基于所收集的数据,将分层提供基于SLA的闭环优化保障。从优化人员在优化工作流程中部分参与的开环控制（Open control Loop）转化为优化人员通过管理和设计流程（包括规则、策略、工序等）进行的闭环控制（Close Control Loop ） ，大幅提升操作类工
46、作效率。 图 9 开环控制向闭环控制机制演进 3GPP 等标准化组织已对闭环 SLA 保障的工作流程进行了部分研究，联通与行业伙伴一起，完善闭环优化业务用例、技术需求，持续推进网络闭环控制中全生命周期的数据分析、处理和智能寻优技术研究。 中国联通云网智能优化白皮书 18 版权所有 中国联通研究院，2021 图 10 3GPP 闭环网络控制的工作流程 网络沙盒网络沙盒 面向 5G 网络的高复杂性和灵活度，在多个不确定场景和海量参数中，基于业务模型和历史运行数据，提供基于业务场景的数据仿真功能，提供基于网络数据到仿真模拟数据的映射、生成和有效性验证。基于数字孪生等技术通过对物理世界的用户、业务、设
47、备、事件等要素的数字化，在数字空间再造一个与之对应的“虚拟世界” ，通过对空间人、事、物、资源设施的孪生实例，以数据和模型为驱动，构建数字孪生体，结合小样本学习技术和数据自标注技术，解决网络异常数据少和数据标注成本高等问题， 支撑新的智能优化技术孵化和落地应用模式，实现云网智能优化新技术、新算法的快速开发、验证和发布。 中国联通云网智能优化白皮书 19 版权所有 中国联通研究院，2021 图 11 中国联通场景化云网优化沙盒系统实践 4)4) 跨域管理跨域管理层：层： 意图驱动意图驱动的的优化优化轻触点轻触点 什么是意图，意图是网络工程师对期望结果（expectation）的声明性的表达。 一
48、般来说表达移动的声明描述需要对网络基础设施对应的协作动作。 意图网络是一种业务模型，用创建面向结果的网络系统为基础，通过自动感知，自动调整的通信业务，实现智能、可视和策略驱动的自动化管理，可以根据用户的意图自动进行转换、验证、部署、配置和优化，以达到目标网络状态，提供自动化、高可靠和闭环优化的网络服务。 网络优化需要大量工程师依靠经验， 将优化目标分解为一个个具体的网络配置和参数策略， 而基于意图驱动的网络优化解决方案将为一线优化人员甚至业务编排人员提供“轻触点” ，将外部商业和业务意图自动转换为网络语言，并基于层次化的网元、网络、业务、客户和应用模型进大数据分析提供实时洞察和决策建议，驱动网
49、络自调整、自优化和自愈自治。 意图驱动的管理，得益于人工智能、大数据、云计算的城市，构建用户体验为中心的网络，实现网络的自动化配置，实时感知用户体现，进行预测性的分析和主动优化。意图网络还可以简化操作，提升敏捷性，强化安全，自动化；通过中国联通云网智能优化白皮书 20 版权所有 中国联通研究院，2021 高级别的计划和声明式模型，自动实现，并借助人工智能/机器学习实现。 图 12 3GPP 定义的意图驱动网络闭环管理业务逻辑 网络网络跨域协同跨域协同自治自治架构架构演进演进 在网络数字化、智能化转型的背景下，业内将网络智能化逐渐分为域内智能（网元智能） 、网络智能（OSS 层）和服务智能（应用
50、智能）三个层级。国内外行业组织对 5G 域内智能已开展了一定程度的研究，例如 3GPP 网络架构中引入了5G 内部的“AI 数据分析引擎”NWDAF，同时 R17 又开展了网络运营管理域内智能化网元 MDAF 的研究项目。也借助该类网元和 AI 技术，5G 网络有望逐步实现网络的闭环自治。 图 13 跨域协同自治网络架构演进计划和能力目标 基于上层管理面，引入网络 AI 技术，实现对复杂网络的自动化、智能化管理，最终提升网络管理效率，提升服务质量，针对未来自动驾驶网络目标，总体可分为三“零” ，分别为： 1) 网络部署变更“零”干预:未来海量边缘设备动态入驻企业园区，自助部中国联通云网智能优化
sgpjbg002
工作日 8:30 - 17:30
会员动态：
报告分类
新质生产力
ChatGPT
新能源汽车
大模型
Sora
机器人
微短剧
芯片
薪酬
白皮书
低空经济
数据要素
创新药
人工智能
AI产业
信息科技
互联网
消费经济
汽车交通
电商零售
传媒娱乐
医药健康
投资金融
能源环境
地产建筑
传统产业
英文报告
其它
扫码登录
手机快捷登录
账号登录
