zh
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z 0-9
  • 中文

发布日期: 2020年10月30日

5G和人工智能——对运营商意味着什么

保持联系!

获取与网络测试,监测和分析有关的最新新闻!

本网站受reCAPTCHA保护,且适用Google隐私政策服务条款

谢谢!

人工智能在5G网络部署中的作用

5G的大幕正在开启。尽管5G才刚刚起步,但预计它会飞快地普及开来,在接下来的5年内让网络流量增长700%1。即使在目前的流量下,运营团队已经每天使用十几种工具来管理网络和服务性能。现在,解决网络故障平均需要近7个小时2。流量即将猛增,此时运营商需要认真检查人工流程和现有的系统,并进行相应的改变,从而准备好迎接5G的到来。

在这个复杂的背景下,十分之九的运营商表示将在未来的18个月内部署实时的网络自动化。他们认为这对其5G的成功至关重要3。他们还表示,各种工具实时地采集数据并提供一个综合的视图是成功实施自动化的必要条件。但目前只有3%的运营商能做到这些2

很明显,5G运营团队需要立即采取自动化操作来维持控制并优化动态的服务。我们仍处于5G的起步阶段,流量的多样性和密度将继续呈指数级增长,这背后的推动因素是机器对机器通信将呈现爆炸式增长,到2024年,移动网络上机器间通信的流量将超过人际通信的流量4

5G服务保障

移动运营商是否需要更换和更新其监测工具,并重新思考其服务保障策略?需要。

他们需要将一切推倒重来吗?不需要。

运营团队需要确保在海量流量、加密视频、应用以及动态服务造成可视性缺口不断扩大的情况下,能够通过进行自适应、积极主动且基于跟踪的监测来加以弥补。他们还需要采用人工智能(AI)来克服大数据开销,否则会导致宝贵的“小数据”出现延迟或丢失在海量数据中。

但这些并不能代替他们已有的东西:他们赖以完成任务的数十种基本工具。需要采用新方法来更快地采集和挖掘数据,但这还不够。全面完整地了解所有服务、网络、层和位置,从而推动自动化的发展,还需要一样东西:集成化——97%的运营商都说自己缺少这一基本要素。

集成化和AI分析必不可少

只要数据源处于各自为战、相互独立的状态,它们的集体智能就无法实现。通过将散乱的数据作为一个整体进行调整和分析,就有可能让检测和诊断达到一个全新的水平。将每个系统的独特视角叠加在一起,就可以让整个网络的状况变得更加清晰明了。多样性带来了一致性。一旦将数据统一起来,AI就可以从现有系统和新系统获取更有价值的信息。

在5G带来的各种用例中,确保强大的性能和卓越的客户体验,也需要多种多样的监测数据。每个数据源都具有独特的价值。AI分析需要能够访问这些系统数据源以检测异常,并将网络状态、告警和环境背景信息整合起来,进行近乎即时的故障根因诊断。

AI推动的数据分析

AI可以将跨空间、时间、背景和状态的多维数据关联起来,揭示各种关系、相关性、共现性和故障情况,以便减少大量的告警,从而采取有针对性的优先行动。需要调整的主要维度包括:

  • 时间:来自被动和主动监测、流量指标和遥测的数据
  • 空间:将基础设施与用户位置和体验联系起来的网络和服务拓扑
  • 背景:非网络数据,包括客户资料、情绪、天气和外部事件
  • 状态:网元的配置和状态、流量策略、端口和流量统计

AI可以分析跨越这些维度的不同数据集,从而将许多事件关联起来,否则这些事件将孤立于各个相互独立的系统中。它能揭示无形的东西。

每个数据源都有唯一的属性。以下是如何在多维度的关联和分析中利用来自常用监测工具和运营支持系统的数据:

被动监测——CDR/XDR

借助通话和数据详细记录,用户可以从客户和设备层次洞悉QoE、位置、服务、事件影响和事务。

主动监测——QoS/QoE

一致、精细的指标可以实时地显示从网络核心到边缘的网络和服务性能,而不受用户设备或行为的影响。

光纤监测——光QoS

要高效地排除故障,就需要深入了解光纤故障和传输性能劣化如何影响QoS和QoE。

拓扑——相关性

拓扑可以帮助用户使用基础设施之间的相关性,显示并隔离故障位置。通过它,可以进行服务影响分析和事件关联。

故障/告警——各类告警

许多告警都与QoE无关。通过将它们与影响客户的事件关联起来,运营团队可以确定操作的优先级,从而优化业务成果。

配置/状态——状态、策略、KPI

通过网元配置和状态、流量策略和性能KPI(流量统计),可以确定基础设施如何影响QoS和QoE。

应用AI获得整体网络洞察力

我们已经了解了运营商如何在相关数据源使用AI分析,从而将运营和排障过程自动化。通过逐渐添加新的数据集,AI可以满足新的用例要求。

这意味着运营商可以采用灵活的方法来实现自动化,首先从一些比较突出的场景开始,例如,对共生的RAN和传输问题进行自动的故障根因分析,以提供可靠的吞吐量,然后扩展其仪表和AI分析平台的功能来满足新的应用要求。这是一种利用现有工具实现未来目标的可靠方法。

了解如何利用AI来获得整体洞察力。

阅读信息简报

参考文献:

1 TMF, “The foundation of intelligent automation”, 2018-10
2 Heavy Reading global study of 150 mobile operators, 2019-07
3 Futurium global operator survey, 2018-12
4 GSMA Intelligence, 2020-08SEO

保持联系!

获取与网络测试,监测和分析有关的最新新闻!

本网站受reCAPTCHA保护,且适用Google隐私政策服务条款

Thank you.