通信網(wǎng)絡(luò)項(xiàng)目背景問題

通信網(wǎng)絡(luò)項(xiàng)目背景問題網(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)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?；赑CF(PolicyControlFunction)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。.跨域多元數(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)營成本。長期以來，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、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。現(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)整使模型性能收斂拉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。.T0B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