B5G/6G网络智能数据采析
核心观点
随着移动通信网络的日益复杂和多样化服务需求的增长,深度融合人工智能、大数据与计算,发展可无人驾驶和精准服务定制的智能通信网络是5G演进和6G发展(B5G/6G)的最重要研究方向和必然发展趋势。如何嵌入数据与智能形成智慧内生、通算一体的网络智能新技术体系,面临架构、数据和AI算法等重大挑战,而其中数据是最重要的基础,它基本决定了网络智能的性能上限,而架构和算法只是逼近该上限。只有解决了移动通信大数据如何采集、如何分析、如何利用这一最基础的问题,并形成完备的数据采析体系,才能加速促进B5G/6G网络智能新技术体系的发展。
关键数据
- 移动通信网络涉及众多复杂的数据,有成千上万个数据字段和指标,涉及不同的软硬件、功能以及协议栈。
- 网络数据关键性能指标(KPI)可分为网络质量类指标和网络容量类指标,包括接入性、保持性、移动性、完整性、流量(吞吐率)、资源利用率等。
研究结论
- 网络智能化严重依赖数据基础支撑,建立完整的数据采析体系,解决数据如何采集、如何开放、如何利用这些最基础的问题,将加速促进B5G/6G网络智能新技术的发展,并成为网络智能化的重要里程碑进展。
- 知识图谱是解决移动通信网络数据采析面临的诸多挑战的高效工具,是B5G/6G网络智能采析体系中最重要的一环。
- 基于知识图谱的数据分析是实现移动通信知识获取、知识整理以及知识表示的重要一环。
- 特征数据集的构建是完成整个智能通信闭环的关键一环,其构建目的是在移动通信网络智能诊断、定位以及调优的过程中,直接围绕关键的目标指标获取与其紧密相关的重要特征,为进一步的网络智能感知、预测、优化甚至数字孪生提供重要参考。
技术路径
- 数据采集:通过硬采、软采、路测等方式获取试验网的各类数据,主要包括无线空口(UE侧)数据、无线空口(基站侧)数据、核心网数据、网管数据等。
- 知识图谱构建:基于移动通信原理与移动通信协议,将移动通信网络数据进行全面梳理,完成实体和关系的确立、三元组的建立、知识图谱的构建。
- 知识图谱分析:利用知识图谱进行知识表示、关联关系分析和深度挖掘,包括边权重计算、节点重要性度量、节点间影响效率分析等。
- 特征数据集构建:基于知识图谱中数据字段之间的关联分析及业务需求,将数据进一步分为不同的种类并对其进行特征提取,形成特征数据集。
- 特征数据集评估:从拟合度、特征提取效率、特征敏感度、最小信息准则等方面评估特征数据集的构建过程和构建完成的特征数据集本身。
应用场景
- 基于用户需求的内生智能优化网络:当网络级性能评估指标和用户级性能评估指标中某个或某类指标数据出现较大波动,超出其预设的阈值范围时,确定所有连通到目标指标的路径,从而确定路径上所有的节点对目标指标的影响效率,对各个影响效率进行排序,从中选择出对目标指标的影响效率较大的一个或多个节点作为目标节点,并针对这些目标节点的关联节点,找出可调型数据参数,提供智能调优方案,进行决策执行。
- 无线网络智能规划:利用知识图谱预先找出资源、业务等特征与待规划指标所形成的特征子集间的最相关集合,从而将复杂规划问题分解为若干子问题的联合优化。
- 网络运维智能快速故障定位:借助智能内生和知识图谱技术,将站点大量的历史告警数据,区分为初始告警信息和衍生告警信息,高效抽取出初始告警与衍生告警的关联规则,在高动态性的异构网络中,快速锁定异常站点或功能,实现故障原因的快速定位。
- 无线网络数字孪生:基于数字孪生网络和物理网络复用资源的方式可快速获得大量优质无线网络大数据,在此基础上充分利用知识图谱和人工智能构建无线网络元模型和元算法,最终形成泛化能力强,可迁移到多种无线网络环境的数字孪生网络。
- 多学科、跨行业广域协同的智能研发现:打造基于知识图谱的专业能力共享与协同系统,为5/6G基站设备这样涉及机、电、软多领域的产品研发,建立广域协同的智能研发体系。