當前人工智能正處在飛速發(fā)展階段，已在多領(lǐng)域取得實質(zhì)性突破。對通信領(lǐng)域而言，隨著通信網(wǎng)絡(luò)的復(fù)雜化和通信業(yè)務(wù)的多樣化，網(wǎng)絡(luò)運營正面臨更大的挑戰(zhàn)和壓力，將人工智能引入通信網(wǎng)絡(luò)成為網(wǎng)絡(luò)智能化的必要步驟。圍繞網(wǎng)絡(luò)運營重要環(huán)節(jié)之一的網(wǎng)絡(luò)運維優(yōu)化工作，探討人工智能在其中的應(yīng)用需求、方向和面臨的挑戰(zhàn)，通過具體應(yīng)用場景介紹人工智能如何為網(wǎng)絡(luò)運營降本增效、提升業(yè)務(wù)質(zhì)量。

引言

近年來，隨著大數(shù)據(jù)、計算方法、運算存儲能力的飛速發(fā)展，人工智能技術(shù)在歷經(jīng)60余年的沉浮之后迎來新的發(fā)展拐點，成為未來一個時期全球最重要的科學技術(shù)，為各類產(chǎn)業(yè)提供重要的技術(shù)支撐。當前人工智能技術(shù)在圖像、語音、文本處理等領(lǐng)域已取得實質(zhì)性的進展，人工智能顛覆性的革命成果為各行各業(yè)帶來巨大變革，并快速、全面地滲透到人類活動的各個領(lǐng)域。

隨著信息通信技術(shù)的快速發(fā)展，ICT產(chǎn)業(yè)融合逐步深入，網(wǎng)絡(luò)進行重構(gòu)轉(zhuǎn)型，眾多新技術(shù)在不斷演進升級，現(xiàn)有的電信網(wǎng)絡(luò)較之以往更為復(fù)雜化、異構(gòu)化、動態(tài)化，電信業(yè)務(wù)也跟隨時代的發(fā)展和用戶的需求呈現(xiàn)多元化和個性化，這給網(wǎng)絡(luò)運營帶來更大的壓力和挑戰(zhàn)。將人工智能引入電信網(wǎng)絡(luò)是網(wǎng)絡(luò)智能化的一大趨勢，這樣可以有效提高網(wǎng)絡(luò)運營效率、降低運營成本、提升業(yè)務(wù)質(zhì)量。本文將對人工智能技術(shù)在電信網(wǎng)絡(luò)運營過程重要環(huán)節(jié)——網(wǎng)絡(luò)運維優(yōu)化中的應(yīng)用進行相關(guān)探討。

1

人工智能在網(wǎng)絡(luò)運維優(yōu)化中的應(yīng)用需求

人工智能（AI——ArtificialIntelligence）是一門融合了計算機科學、統(tǒng)計學、腦神經(jīng)學和社會科學的前沿綜合性學科。它的目標是希望計算機擁有像人一樣的智力能力，可以替代人類實現(xiàn)識別、認知、分類和決策等多種功能。人工智能從1956年正式提出開始已經(jīng)發(fā)展了60余年，期間經(jīng)歷了三起兩落的興衰過程，各類算法結(jié)合應(yīng)用也在不斷地發(fā)展和升級。機器學習作為人工智能的重要分支和方法，在諸多領(lǐng)域表現(xiàn)出色。任何通過數(shù)據(jù)訓練的學習算法的相關(guān)研究都屬于機器學習，使用學習算法從大量的數(shù)據(jù)中解析得到有用的信息并從中學習，然后對之后真實世界中會發(fā)生的事情進行預(yù)測或做出判斷。機器學習需要海量的數(shù)據(jù)來進行訓練，并從這些數(shù)據(jù)中得到有用的信息，然后反饋到真實世界的用戶中，具體的算法包括很多已經(jīng)發(fā)展多年的技術(shù)，如線性回歸、K均值、決策樹、隨機森林、聚類、SVM、人工神經(jīng)網(wǎng)絡(luò)等。機器學習三要素為數(shù)據(jù)、算法、算力，近年來隨著大數(shù)據(jù)和運算能力的高速發(fā)展，人工智能呈現(xiàn)爆炸式發(fā)展，深度學習技術(shù)從眾多機器學習算法中脫穎而出，在圖像識別、語音識別等方面取得巨大進展和突破，對人工智能在各行業(yè)領(lǐng)域進行落地應(yīng)用打下堅實基礎(chǔ)。

著眼于通信行業(yè)，由于移動互聯(lián)網(wǎng)、智能終端等技術(shù)的快速發(fā)展，數(shù)據(jù)呈現(xiàn)爆發(fā)式增長，電信運營商在大數(shù)據(jù)發(fā)展中扮演重要角色。運營商處理的海量數(shù)據(jù)涵蓋了用戶基本信息、通話數(shù)據(jù)、上網(wǎng)數(shù)據(jù)、網(wǎng)絡(luò)運行數(shù)據(jù)等多方面，人工智能技術(shù)的引入提升了通信大數(shù)據(jù)的分析、挖掘速度和管理效率，使網(wǎng)絡(luò)智能化變得更為現(xiàn)實，給網(wǎng)絡(luò)運營成本、效率和管理帶來新的突破方向。

網(wǎng)絡(luò)智能化是未來網(wǎng)絡(luò)的必然發(fā)展趨勢，運維優(yōu)化作為電信網(wǎng)絡(luò)運營的重要環(huán)節(jié)，對人工智能技術(shù)的引入也有著強烈的需求。隨著2G、3G、4G以及即將到來的5G等多種無線接入技術(shù)的應(yīng)用，運營商網(wǎng)絡(luò)變得越來越復(fù)雜，用戶網(wǎng)絡(luò)行為和網(wǎng)絡(luò)性能也比以往更動態(tài)化而難以預(yù)測。與此同時，由于移動通信業(yè)務(wù)的多樣化和個性化，網(wǎng)絡(luò)的運營優(yōu)化焦點也逐漸從網(wǎng)絡(luò)性能轉(zhuǎn)變?yōu)橛脩趔w驗。

傳統(tǒng)的運維優(yōu)化生產(chǎn)模式是以工程師的經(jīng)驗為準則，借助人工路測、網(wǎng)絡(luò)KPI分析、告警信息等手段處理網(wǎng)絡(luò)問題并進行優(yōu)化調(diào)整，其缺點伴隨著網(wǎng)絡(luò)發(fā)展越來越明顯：生產(chǎn)效率低、處理周期長、優(yōu)化效果存在片面性，故傳統(tǒng)的網(wǎng)絡(luò)生產(chǎn)模式很可能無法再滿足運營商的未來需求，需考慮在網(wǎng)絡(luò)運維優(yōu)化中引入人工智能技術(shù)，人工智能可根據(jù)網(wǎng)絡(luò)承載、網(wǎng)絡(luò)流量、用戶行為和其他參數(shù)來不斷優(yōu)化網(wǎng)絡(luò)配置，進行實時主動式的網(wǎng)絡(luò)自我校正和優(yōu)化，同時通過人工智能為復(fù)雜的無線網(wǎng)絡(luò)和用戶需求提供強大的決策能力，從而驅(qū)動網(wǎng)絡(luò)的智能化轉(zhuǎn)型。

2

人工智能在網(wǎng)絡(luò)運維優(yōu)化中的應(yīng)用

人工智能技術(shù)有著自身獨特的優(yōu)勢，能解決很多傳統(tǒng)方法無法解決的難題。人工智能技術(shù)主要具備能力有：

a）超強的學習能力，能對大量的輸入信息進行分析和學習，并通過不斷的學習加強模型，掌握專家經(jīng)驗，提升解決問題的準確性。

b）良好的全面性，能處理和發(fā)掘人類工作不容易注意的問題和不確定的信息。

c）效率高，能模擬人類方式進行大量重復(fù)的工作，提升生產(chǎn)效率。

為了最大限度地降低網(wǎng)絡(luò)運維成本，最大程度地提升網(wǎng)絡(luò)優(yōu)化工作效率，需利用人工智能技術(shù)的良好學習能力、分析處理能力、跨域協(xié)同能力和資源利用效率，發(fā)展網(wǎng)絡(luò)智能化、自動化（見圖1）。

▲ 圖1人工智能在網(wǎng)絡(luò)運維優(yōu)化中的應(yīng)用模式

2.1智能運維

運營商會部署各級網(wǎng)管系統(tǒng)/平臺，對網(wǎng)絡(luò)和業(yè)務(wù)運行情況進行監(jiān)控和保障。現(xiàn)網(wǎng)中如果網(wǎng)絡(luò)設(shè)備出現(xiàn)故障和告警，一般由運維工程師根據(jù)歷史經(jīng)驗和理論知識歸納總結(jié)出來的相關(guān)規(guī)則進行處理。傳統(tǒng)運維方式存在處理效率低、實時性不強、運維成本高、問題前瞻性不夠等缺點。為了解決上述問題，可以人工智能技術(shù)為基礎(chǔ)，結(jié)合運維工程師的經(jīng)驗，構(gòu)建一種智能化、自動化的故障處理監(jiān)控系統(tǒng)/功能模塊，能夠在通信網(wǎng)絡(luò)中實現(xiàn)對故障告警的全局監(jiān)控、處理，實時采集告警和網(wǎng)管數(shù)據(jù)并關(guān)聯(lián)分析處理，進行靈活過濾、匹配、分類、溯源，對網(wǎng)絡(luò)故障快速診斷，配合相應(yīng)的通信業(yè)務(wù)模型和網(wǎng)絡(luò)拓撲結(jié)構(gòu)實現(xiàn)故障的精準定位和根因分析，并通過歷史數(shù)據(jù)不斷自學習實現(xiàn)故障預(yù)測，提升處理效率和準確性。

2.2智能優(yōu)化

網(wǎng)絡(luò)優(yōu)化的主要作用是保障網(wǎng)絡(luò)的全覆蓋及網(wǎng)絡(luò)資源的合理分配，提升網(wǎng)絡(luò)質(zhì)量，保證用戶體驗，所以運營商在網(wǎng)絡(luò)優(yōu)化工作中投入了大量人力物力。網(wǎng)絡(luò)優(yōu)化涉及多個方面，如無線覆蓋優(yōu)化、干擾優(yōu)化、容量優(yōu)化、端到端優(yōu)化等，傳統(tǒng)網(wǎng)優(yōu)工作一般依靠路測、系統(tǒng)統(tǒng)計數(shù)據(jù)分析、投訴信息等手段采集相關(guān)數(shù)據(jù)信息，再結(jié)合網(wǎng)優(yōu)工程師的專家經(jīng)驗進行問題診斷和優(yōu)化調(diào)整。在網(wǎng)絡(luò)復(fù)雜化和業(yè)務(wù)多樣化的趨勢下，傳統(tǒng)網(wǎng)優(yōu)工作模式顯得被動，處理問題片面化，難以保證優(yōu)化質(zhì)量，而且生產(chǎn)效率低，在網(wǎng)絡(luò)動態(tài)變化的情況下難以保證實時性。采用人工智能技術(shù)可對網(wǎng)優(yōu)大數(shù)據(jù)進行訓練，并將大量的專家經(jīng)驗?zāi)Ｐ突?，?gòu)建智能優(yōu)化引擎，模擬專家思維驅(qū)動網(wǎng)絡(luò)主動實時做出決策，進行主動式優(yōu)化和調(diào)整，使網(wǎng)絡(luò)處于最佳工作狀態(tài)。

人工智能在網(wǎng)絡(luò)運維優(yōu)化中的應(yīng)用需要有高質(zhì)量的數(shù)據(jù)做基礎(chǔ)，需要利用合適的人工智能算法在相關(guān)的方向或場景進行實踐。高質(zhì)量的數(shù)據(jù)要通過整合網(wǎng)絡(luò)相關(guān)運行、測試和信息數(shù)據(jù)來獲取，數(shù)據(jù)源包括路測數(shù)據(jù)、MR數(shù)據(jù)、性能數(shù)據(jù)、配置數(shù)據(jù)、工參數(shù)據(jù)、信令采集數(shù)據(jù)、告警數(shù)據(jù)、用戶信息數(shù)據(jù)、投訴數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)等等。根據(jù)不同應(yīng)用場景需求和特征，選擇并關(guān)聯(lián)有效的數(shù)據(jù)源，結(jié)合運維網(wǎng)優(yōu)工程師的優(yōu)秀工作經(jīng)驗，匹配合適的人工智能算法設(shè)計特征工程、訓練及建立模型。

3

人工智能在網(wǎng)絡(luò)運維優(yōu)化中的應(yīng)用場景

利用人工智能技術(shù)時需考慮實際網(wǎng)絡(luò)運維優(yōu)化工作的生產(chǎn)流程和模式，根據(jù)應(yīng)用場景需求選擇合適的人工智能算法，對相關(guān)的數(shù)據(jù)進行清洗、標注、訓練，建立可靠有效的系統(tǒng)模型，來實現(xiàn)人工智能在網(wǎng)絡(luò)運維優(yōu)化中的應(yīng)用。下面給出幾個應(yīng)用場景示例進行參考。

3.1智能故障溯源

網(wǎng)絡(luò)故障分析和溯源是運維的重點工作，網(wǎng)絡(luò)發(fā)生故障的現(xiàn)象和原因有很多，會產(chǎn)生很多不同類型的告警信息，從告警中快速準確地判斷故障信息是我們的目標和要求。在設(shè)計智能分析系統(tǒng)時，可考慮從海量告警信息中結(jié)合網(wǎng)絡(luò)拓撲、網(wǎng)絡(luò)配置、KPI、歷史告警故障處理經(jīng)驗等信息提取共性特征，融合已有的歷史處理故障經(jīng)驗對提取數(shù)據(jù)進行訓練形成專家診斷規(guī)則庫，對新產(chǎn)生的告警信息匹配規(guī)則進行診斷，給出故障原因和處理方法，在處理故障后結(jié)合網(wǎng)絡(luò)運行狀態(tài)對專家診斷規(guī)則庫進行反饋優(yōu)化，具體流程如圖2所示。

▲圖2基于人工智能的網(wǎng)絡(luò)故障溯源流程

3.2無線覆蓋智能優(yōu)化

無線覆蓋是移動通信網(wǎng)絡(luò)質(zhì)量的基礎(chǔ)，基站站點的位置選擇在現(xiàn)實中不會像仿真模型中一樣完美，受到建設(shè)投資、地形、傳播路徑動態(tài)變化、網(wǎng)絡(luò)負荷等因素的影響，移動網(wǎng)絡(luò)總會存在弱覆蓋、越區(qū)覆蓋、干擾、容量等問題，這些會直接影響用戶業(yè)務(wù)體驗，需要通過優(yōu)化不斷調(diào)整，以滿足用戶對網(wǎng)絡(luò)質(zhì)量的要求。無線環(huán)境復(fù)雜多變，影響覆蓋質(zhì)量的因素甚多且不確定性較強，我們可以結(jié)合多維無線覆蓋相關(guān)歷史數(shù)據(jù)（MR、路測、工參、無線KPI、參數(shù)配置等），利用深度學習等人工智能技術(shù)對數(shù)據(jù)訓練、調(diào)參，尋找影響無線網(wǎng)絡(luò)質(zhì)量的關(guān)鍵因素，以此來構(gòu)建智能優(yōu)化引擎。優(yōu)化引擎能結(jié)合現(xiàn)網(wǎng)運行狀態(tài)準確實時給出優(yōu)化調(diào)整建議和決策，如天線下傾角和方位角調(diào)整、性能參數(shù)優(yōu)化、鄰區(qū)配置調(diào)整等，并進行相關(guān)自動化或者人為處理，保證網(wǎng)絡(luò)質(zhì)量處于良好水平，優(yōu)化系統(tǒng)模型如圖3所示。

▲圖3基于神經(jīng)網(wǎng)絡(luò)的無線覆蓋智能優(yōu)化系統(tǒng)模型

3.3業(yè)務(wù)流量預(yù)測優(yōu)化

近年來移動互聯(lián)網(wǎng)和智能終端的飛速發(fā)展帶動了通信業(yè)務(wù)流量的激增，如何平衡網(wǎng)絡(luò)業(yè)務(wù)負荷為用戶帶來良好的業(yè)務(wù)體驗也是運營商關(guān)注的焦點。網(wǎng)絡(luò)情況動態(tài)變化，用戶業(yè)務(wù)需求隨時間空間不斷產(chǎn)生變化，需要從中挖掘特征，聚焦流量變化趨勢，使網(wǎng)絡(luò)在忙時能做到負荷平衡，保證用戶體驗，在閑時能智能關(guān)斷部分基站設(shè)施，達到節(jié)能降本的效果。利用眾多場景網(wǎng)絡(luò)的多維度歷史流量和網(wǎng)絡(luò)質(zhì)量數(shù)據(jù)，結(jié)合時間和場景特征基于人工智能技術(shù)進行數(shù)據(jù)分析挖掘，綜合網(wǎng)絡(luò)實際需求，進行流量預(yù)測，并使用負載均衡、動態(tài)資源調(diào)度、智能關(guān)斷等策略，對網(wǎng)絡(luò)流量進行優(yōu)化調(diào)整。

4

人工智能在網(wǎng)絡(luò)運維優(yōu)化中應(yīng)用面臨的挑戰(zhàn)

人工智能在網(wǎng)絡(luò)中進行相關(guān)融合應(yīng)用是大勢所趨，但仍處于起步階段，在網(wǎng)絡(luò)中引入人工智能技術(shù)面臨諸多挑戰(zhàn)，需要在實際應(yīng)用中邊思考邊解決。

首先人工智能的實際應(yīng)用需要大量有效可靠的網(wǎng)絡(luò)數(shù)據(jù)，網(wǎng)絡(luò)數(shù)據(jù)在不同的網(wǎng)元或者系統(tǒng)生成，數(shù)據(jù)采集和匯聚需要硬件能力和系統(tǒng)架構(gòu)的支撐和升級，多維數(shù)據(jù)源的處理關(guān)聯(lián)需要考慮數(shù)據(jù)格式、異廠家融合等特性問題。網(wǎng)絡(luò)數(shù)據(jù)標簽化的手段也較少，有效數(shù)據(jù)獲取成本較高，數(shù)據(jù)涵蓋的場景和范圍比較有限。

其次運維優(yōu)化領(lǐng)域的知識專業(yè)性較強，在具體應(yīng)用時需要明確業(yè)務(wù)邏輯，人工智能技術(shù)的學習特點具有黑盒特征，難以確定應(yīng)用的需求和流程，可能會使最終應(yīng)用的效果不明顯。

再次人工智能對應(yīng)用需求和目標存在概率性誤差，由于獲取的數(shù)據(jù)存在片面性，在特定數(shù)據(jù)下訓練得到的AI模型和架構(gòu)可能很難適用所有的需求場景，這對高標準的電信級服務(wù)是個巨大挑戰(zhàn)，在實際落地應(yīng)用之前，需持續(xù)迭代學習自我完善。

最后人工智能的應(yīng)用還需要考慮人為的控制力如何介入，通信網(wǎng)絡(luò)的運維優(yōu)化生產(chǎn)需要安全穩(wěn)定，AI應(yīng)用的輸出效果存在不確定性，而通信網(wǎng)絡(luò)的運維優(yōu)化要以安全穩(wěn)定為前提，AI最終的定位是主導還是輔助還需要經(jīng)過發(fā)展確定。

結(jié)語

人工智能已在很多領(lǐng)域展現(xiàn)了強大的作用和效果，雖然目前在通信領(lǐng)域進行融合應(yīng)用還需要跨越很多障礙，但是在未來網(wǎng)絡(luò)不斷發(fā)展和人工智能技術(shù)逐步成熟的趨勢下，人工智能技術(shù)的引入必將給網(wǎng)絡(luò)運營帶來全新的狀態(tài)。研究人工智能技術(shù)在網(wǎng)絡(luò)運維優(yōu)化中的應(yīng)用將助力網(wǎng)絡(luò)向智能化轉(zhuǎn)型，達到降本增效的目標。