（中國信息通信研究院，中國 北京 100191）

(China Academy of Information and Communication Technology,Beijing 100191, China)

傳統(tǒng)的網(wǎng)絡(luò)運維與優(yōu)化往往是基于人工經(jīng)驗與建模的方法來進行的，因此在當(dāng)前復(fù)雜異構(gòu)的網(wǎng)絡(luò)中存在越來越多的局限性和低效性[1]，例如：網(wǎng)絡(luò)參數(shù)眾多，難以獲得精確的網(wǎng)絡(luò)模型；計算復(fù)雜度較高，很多優(yōu)化問題屬于非確定性多項式難（NP-hard）問題；缺乏對網(wǎng)絡(luò)參數(shù)的實時獲取與適應(yīng)；難以獲得多方統(tǒng)一和全局最優(yōu)解。利用人工智能技術(shù)與機器學(xué)習(xí)算法，可以為網(wǎng)絡(luò)提出基于數(shù)據(jù)驅(qū)動的實時感知、預(yù)測和管控能力，實現(xiàn)網(wǎng)絡(luò)的自治運維、自主決策、智能優(yōu)化、精準(zhǔn)市場推廣與服務(wù)創(chuàng)新等。

高質(zhì)量的電信數(shù)據(jù)是實現(xiàn)網(wǎng)絡(luò)智能化應(yīng)用的前提。與傳統(tǒng)大數(shù)據(jù)相比，高質(zhì)量的電信數(shù)據(jù)有很多特殊性[2]，對實時處理、統(tǒng)一管理、隱私保護和質(zhì)量保證有很高要求。

1 面向智能應(yīng)用的電信網(wǎng)絡(luò)數(shù)據(jù)

1.1 電信網(wǎng)絡(luò)數(shù)據(jù)來源

電信網(wǎng)絡(luò)中的數(shù)據(jù)可以從多個數(shù)據(jù)源來獲得，根據(jù)電信數(shù)據(jù)的時空特點，可以將其分為實體數(shù)據(jù)和時序數(shù)據(jù)；根據(jù)數(shù)據(jù)的域級可以將其分為網(wǎng)絡(luò)級數(shù)據(jù)、鏈路級數(shù)據(jù)和設(shè)備/用戶級數(shù)據(jù)。

（1）網(wǎng)絡(luò)級數(shù)據(jù)。

網(wǎng)絡(luò)級實體數(shù)據(jù)包括站點基礎(chǔ)信息（站點的歸屬、類型和配置、部署方式、布局信息等）、有源/無源的物理資源信息（物理設(shè)備類型、物理設(shè)備板卡信息等）、網(wǎng)元配置信息（小區(qū)參數(shù)、無線站點工參配置信息、核心網(wǎng)網(wǎng)絡(luò)配置數(shù)據(jù)等）、網(wǎng)絡(luò)拓?fù)鋽?shù)據(jù)（實體、邏輯和業(yè)務(wù)拓?fù)鋽?shù)據(jù)等），以及供應(yīng)商信息數(shù)據(jù)和網(wǎng)絡(luò)知識庫數(shù)據(jù)。網(wǎng)絡(luò)級數(shù)據(jù)還包括網(wǎng)絡(luò)級時序數(shù)據(jù)（網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)例如網(wǎng)絡(luò)資源利用率等）、網(wǎng)絡(luò)性能數(shù)據(jù)（關(guān)鍵性能指標(biāo)、服務(wù)質(zhì)量、資源利用率和其他業(yè)務(wù)指標(biāo)數(shù)據(jù)）、網(wǎng)絡(luò)質(zhì)量數(shù)據(jù)（丟包、抖動、時延和吞吐量數(shù)據(jù)等）、故障類數(shù)據(jù)（網(wǎng)絡(luò)告警、事件和日志等）、運營類數(shù)據(jù)（信令、話務(wù)量等數(shù)據(jù)）。

網(wǎng)絡(luò)級數(shù)據(jù)一般通過互聯(lián)網(wǎng)公司越過運營商（OTT）或網(wǎng)絡(luò)運營商的服務(wù)器進行收集。OTT服務(wù)器收集的數(shù)據(jù)包含大量的文字、用戶個人資料、系統(tǒng)日志、流量內(nèi)容和其他業(yè)務(wù)指標(biāo)數(shù)據(jù)等。由運營商進行收集的典型的電信數(shù)據(jù)集有呼叫詳細(xì)記錄（CDR）數(shù)據(jù)、用戶平面流量（UPT）數(shù)據(jù)和控制平面流量（CPT）數(shù)據(jù)等。CDR是電信網(wǎng)絡(luò)中被研究最多的數(shù)據(jù)集，最初主要記錄用戶的語音和本文從而進行計費。CDR數(shù)據(jù)集主要包括用戶標(biāo)識、服務(wù)事件發(fā)生的時間、地點以及持續(xù)時間，還可能包括流量類型和大小等。CDR數(shù)據(jù)集結(jié)構(gòu)性和可用性較高，但往往只提供連接中的終端信息，僅通過CDR數(shù)據(jù)集難以實現(xiàn)對用戶行為的全面精準(zhǔn)分析。UPT數(shù)據(jù)通常包含互聯(lián)網(wǎng)協(xié)議（IP）會話的開始、結(jié)束時間、設(shè)備/用戶的標(biāo)識符、服務(wù)類型、上下行流量以及位置信息等。CPT數(shù)據(jù)通常在網(wǎng)絡(luò)的控制面進行收集，數(shù)據(jù)字段通常包括用戶標(biāo)識符、時間類型、基站身份標(biāo)識號（ID）和時間戳等。

（2）鏈路級數(shù)據(jù)。

網(wǎng)絡(luò)鏈路數(shù)據(jù)包括在無線側(cè)通過導(dǎo)頻信號或追蹤技術(shù)進行收集的鏈路測量數(shù)據(jù)，例如信號參考接收功率（RSRP）、參考信號接收質(zhì)量（RSRQ）、路徑損失、信道狀態(tài)信息、資源塊（RB）承載量等、傳輸/接收狀況、光纖傳輸?shù)逆溌窢顟B(tài)（如光信噪比、光纖中斷事件信息等）。在無線網(wǎng)絡(luò)中，無線測量報告（RMR）是常見的鏈路級數(shù)據(jù)，它是基于無線電測量所生成的用戶終端（UE）側(cè)報告，用來指導(dǎo)無線網(wǎng)絡(luò)的接入操作和性能評測。數(shù)據(jù)字段通常包括用戶ID、寬帶信道質(zhì)量指示、服務(wù)RSRP、RSRP，有時也包含用戶吞吐量、終端和所服務(wù)的網(wǎng)元設(shè)備的精確位置等信息。

（3）用戶/設(shè)備級數(shù)據(jù)。

用戶/業(yè)務(wù)類實體數(shù)據(jù)包括用戶基礎(chǔ)信息（終端類型、終端配置信息、網(wǎng)絡(luò)標(biāo)識、用戶設(shè)置、個人信息等）、應(yīng)用類數(shù)據(jù)（社交偏好、健康狀況等）。時序類數(shù)據(jù)包括系統(tǒng)log（軟硬件故障和事件信息）、用戶狀態(tài)數(shù)據(jù)（移動軌跡、速度、溫度等）、應(yīng)用數(shù)據(jù)（應(yīng)用流量、會話、使用情況等和應(yīng)用質(zhì)量數(shù)據(jù)等）。除了傳統(tǒng)用戶相關(guān)數(shù)據(jù)外，還包括來自智能網(wǎng)聯(lián)汽車的車輛狀態(tài)信息、道路感知數(shù)據(jù)和社交數(shù)據(jù)等，物聯(lián)網(wǎng)中射頻識別（RFID）數(shù)據(jù)、傳感數(shù)據(jù)，以及來自智能電網(wǎng)、智慧家庭、智慧醫(yī)療、工業(yè)互聯(lián)網(wǎng)等各類應(yīng)用與設(shè)備的數(shù)據(jù)等。

1.2 電信網(wǎng)絡(luò)數(shù)據(jù)特點

（1）5V特性。

電信數(shù)據(jù)具備一般大數(shù)據(jù)的5V特性[3]：大量（Volume）、價值（Value）、多元（Variety）、高速（Velocity）和真實（Veracity）。大量是指近年來隨著5G、移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)等相關(guān)技術(shù)的發(fā)展，電信網(wǎng)絡(luò)中的數(shù)據(jù)量正在呈爆炸式增長，據(jù)預(yù)測，2021年中國的移動數(shù)據(jù)流量每個月達(dá)到9.3 EBs[4]；多元是指電信網(wǎng)絡(luò)異構(gòu)的網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)設(shè)備、多樣化和個性化互聯(lián)網(wǎng)應(yīng)用，使得電信網(wǎng)絡(luò)數(shù)據(jù)的來源、類型、結(jié)構(gòu)等呈現(xiàn)多樣化；價值是指來自億萬級網(wǎng)絡(luò)設(shè)備和終端的電信數(shù)據(jù)呈現(xiàn)出低價值密度的特性，同時這些電信數(shù)據(jù)中包含很多冗余的、低精度和噪聲數(shù)據(jù)；高速是指電信網(wǎng)絡(luò)數(shù)據(jù)的生成和傳輸具有高速性，對電信數(shù)據(jù)的獲取和處理需要迅速及時；真實是指對電信大數(shù)據(jù)的分析和處理可以反映真實世界的用戶行為和網(wǎng)絡(luò)狀況等。

（2）多維。

目前幾乎所有的網(wǎng)絡(luò)設(shè)備和移動終端都具備了記錄位置信息和時間的能力，并嵌入越來越多的傳感器，例如加速度計、指南針、溫度計、陀螺儀和環(huán)境光傳感器等，可以提供多維度的數(shù)據(jù)。這些多維度的電信數(shù)據(jù)可以用來實現(xiàn)多種數(shù)據(jù)分析應(yīng)用，包括描述類、預(yù)測類和指令類應(yīng)用等。

（3）多邊。

電信網(wǎng)絡(luò)大數(shù)據(jù)可能來自于多個數(shù)據(jù)采集點，由OTT服務(wù)器提供的終端應(yīng)用所產(chǎn)生的數(shù)據(jù)可能無法被運營商所采集，不同類型的電信網(wǎng)絡(luò)數(shù)據(jù)因此被不同的數(shù)據(jù)擁有方所獲取。

（4）多粒度。

由于不同傳感技術(shù)精度的不同、應(yīng)用信息粒度和采集時間顆粒的不同等原因，電信大數(shù)據(jù)的屬性呈現(xiàn)多種顆粒度。

（5）個性化。

電信數(shù)據(jù)中包含大量與用戶個人信息相關(guān)的數(shù)據(jù)，例如身份、位置信息和軌跡等，這使得在電信大數(shù)據(jù)分析和人工智能應(yīng)用的過程中必須高度重視用戶隱私問題。

1.3 電信網(wǎng)絡(luò)智能化應(yīng)用數(shù)據(jù)要求

電信數(shù)據(jù)在智能化應(yīng)用中的一般流程包括數(shù)據(jù)獲取、數(shù)據(jù)預(yù)處理（數(shù)據(jù)清洗、數(shù)據(jù)脫敏、數(shù)據(jù)聚合等）、數(shù)據(jù)存儲、數(shù)據(jù)處理（數(shù)據(jù)標(biāo)注、訓(xùn)練、推理等）和數(shù)據(jù)銷毀等，在其應(yīng)用的全生命周期內(nèi)需要實現(xiàn)以下關(guān)鍵要求，來支撐高質(zhì)量機器學(xué)習(xí)應(yīng)用的開展。

（1）實時處理。

為保證智能電信網(wǎng)絡(luò)的實時感知與推理對低時延傳輸?shù)囊螅S著5G網(wǎng)絡(luò)的發(fā)展部署，在網(wǎng)絡(luò)超高密度的連接下，對來自海量設(shè)備的數(shù)據(jù)包進行實時、無損、均衡的采集、傳輸、存儲、去冗余、壓縮和標(biāo)注等是需要解決的技術(shù)難點。

（2）規(guī)范統(tǒng)一。

不同電信網(wǎng)絡(luò)智能化應(yīng)用對于數(shù)據(jù)的需求在數(shù)據(jù)類型、實時性、范圍和顆粒度等方面各不相同。隨著電信網(wǎng)絡(luò)架構(gòu)區(qū)域扁平化，機器學(xué)習(xí)應(yīng)用過程需要支持對數(shù)據(jù)的分布式處理[5]，還需要針對電信網(wǎng)絡(luò)數(shù)據(jù)類型、特征、格式和顆粒度的多樣性來進行統(tǒng)一的數(shù)據(jù)表示、數(shù)據(jù)融合、數(shù)據(jù)預(yù)處理、數(shù)據(jù)存儲和數(shù)據(jù)應(yīng)用。

（3）隱私保護。

電信網(wǎng)絡(luò)數(shù)據(jù)包含了豐富的用戶個人信息。為了保證數(shù)據(jù)安全和個人隱私，在電信網(wǎng)絡(luò)智能化應(yīng)用開展過程中一方面要確保電信數(shù)據(jù)智能化應(yīng)用全生命周期內(nèi)的個人信息保護，目前常用的技術(shù)包括數(shù)據(jù)擾動、差分隱私、同態(tài)加密、聯(lián)邦學(xué)習(xí)等；另一方面要考慮隱私保護技術(shù)的開銷以及對數(shù)據(jù)可用性和機器學(xué)習(xí)應(yīng)用性能的影響。

（4）質(zhì)量保證。

高質(zhì)量數(shù)據(jù)集是保證機器學(xué)習(xí)在電信網(wǎng)絡(luò)中應(yīng)用性能的關(guān)鍵，現(xiàn)階段電信行業(yè)仍缺乏公開高質(zhì)量的標(biāo)注數(shù)據(jù)集。與此同時，通信系統(tǒng)的數(shù)據(jù)往往具有一定的稀疏性，在遍歷性上有所欠缺，在進行機器學(xué)習(xí)應(yīng)用前需要對數(shù)據(jù)集進行質(zhì)量檢驗等。電信數(shù)據(jù)集的質(zhì)量保證需要包括準(zhǔn)確性（標(biāo)注正確率高于一定閾值，臟數(shù)據(jù)比率定于一定閾值等）、完整性（數(shù)據(jù)字段或?qū)傩匀笔П嚷实陀谝欢ㄩ撝怠?shù)據(jù)遍歷網(wǎng)絡(luò)）、一致性（網(wǎng)絡(luò)特定上下文數(shù)據(jù)應(yīng)符合一定的邏輯關(guān)系，不同網(wǎng)絡(luò)層域的數(shù)據(jù)之間滿足映射關(guān)系上的一致性）、時效性（數(shù)據(jù)的獲取滿足機器學(xué)習(xí)應(yīng)用對于數(shù)據(jù)實時性的需求）等維度。

2 數(shù)據(jù)驅(qū)動的網(wǎng)絡(luò)智能化算法與應(yīng)用

根據(jù)應(yīng)用的類型，智能電信網(wǎng)絡(luò)的應(yīng)用包括感知類、預(yù)測類與決策類應(yīng)用。

2.1 感知類應(yīng)用

利用標(biāo)注電信數(shù)據(jù)集來對網(wǎng)絡(luò)操作行為模式和屬性進行分類，對電信網(wǎng)絡(luò)和用戶的性能和行為進行回歸、分類、歸因和規(guī)則匹配等，可以用來解決電信網(wǎng)絡(luò)中難以統(tǒng)一建模和以往依賴于人工經(jīng)驗的運維問題[6]，適用的方法和應(yīng)用主要包括：

（1）監(jiān)督學(xué)習(xí)。

監(jiān)督學(xué)習(xí)是指，由標(biāo)注好的訓(xùn)練數(shù)據(jù)集中學(xué)到或建立一個模式（函數(shù)/學(xué)習(xí)模型），并依此模式推測新的實例（網(wǎng)絡(luò)參數(shù)、用戶特征等）。在電信網(wǎng)絡(luò)中適用的模型和算法包括貝葉斯理論、決策樹、隨機森林、K-近鄰、支持向量機、回歸分析和（深度）神經(jīng)網(wǎng)絡(luò)等[7]。在物理層，監(jiān)督學(xué)習(xí)可以用來實現(xiàn)無線頻譜管理、功率控制、調(diào)制格式識別、傳輸性能檢測等，在網(wǎng)絡(luò)層可以實現(xiàn)故障檢測與分類、故障根因分析、智能路由、負(fù)載均衡等，在應(yīng)用層可以實現(xiàn)流量分類、用戶關(guān)系鏈發(fā)現(xiàn)、經(jīng)營分析、精準(zhǔn)營銷和實時營銷、個性化推薦等。

（2）序列模式挖掘。

序列模式挖掘是指，用于在包含時間或序列的電信數(shù)據(jù)集中發(fā)現(xiàn)頻繁發(fā)生的有序時間或子序列模式。序列模式挖掘與關(guān)聯(lián)規(guī)則挖掘之間的區(qū)別在于前者需要序列間的先后順序，后者不關(guān)注事物之間的先后順序。典型的算法包括Apriori算法、Agrawal和Srikant提出的廣義序列模式概念（GPS）、等價類發(fā)現(xiàn)序列模式（SPADE）、PrefixSpan以及在此基礎(chǔ)上進行改進的CloSpan算法等，可以用來進行網(wǎng)絡(luò)資源利用率預(yù)測、用戶行為分析、客服生命周期管理、Web訪問預(yù)測等。

（3）聚類。

聚類是指，不需要標(biāo)注，直接根據(jù)對象之間相似性來進行分組。典型的算法包括K均值、凝聚層次聚類和DBSCAN等，可以用來進行流量分類、用戶內(nèi)容推薦、移動性管理、異常檢測和攻擊防御等多類應(yīng)用。

（4）知識圖譜。

知識圖譜用于描述電信網(wǎng)絡(luò)中的各種概念、術(shù)語及其相互關(guān)系，可以用來進行電信網(wǎng)絡(luò)的專家知識與運維經(jīng)驗的數(shù)字化。

2.2 預(yù)測類應(yīng)用

預(yù)測類分析主要利用現(xiàn)有電信數(shù)據(jù)集來對未來的行為和趨勢進行預(yù)測，是電信網(wǎng)絡(luò)實現(xiàn)網(wǎng)絡(luò)自適應(yīng)調(diào)整與優(yōu)化的基礎(chǔ)，主要的算法和應(yīng)用包括：

（1）時間序列分析算法。

時間序列分析算法是指，利用前期數(shù)值與后期數(shù)值的相關(guān)關(guān)系，建立包含前期數(shù)值和后期數(shù)值的回歸方程，從而達(dá)到預(yù)測的目的。該算法包括自回歸（AR）模型、移動平均（MA）模型、自回歸移動平均（ARMA）模型和差分自回歸移動平均（ARIMA）模型等。在電信網(wǎng)絡(luò)中，可以用來實現(xiàn)網(wǎng)絡(luò)長時流量預(yù)測、設(shè)備熱遷移、異常檢測、入侵檢測等。

（2）回歸算法。

回歸算法用來確立目標(biāo)特征之間關(guān)系函數(shù)，從而對連續(xù)值進行預(yù)測。電信網(wǎng)絡(luò)中服務(wù)質(zhì)量（QoS）參數(shù)、流量、網(wǎng)絡(luò)資源利用率、無線路徑損耗等數(shù)值往往是連續(xù)的，適合采用回歸算法來進行預(yù)測分析。

（3）分類算法。

分類算法是指，將電信數(shù)據(jù)集合中出現(xiàn)的列項分配到目標(biāo)類別的過程。典型的算法包括樸素貝葉斯、貝葉斯網(wǎng)絡(luò)、K最近鄰（K-NN）、支持向量機（SVM）、決策樹和隨機森林等，適用的應(yīng)用包括關(guān)鍵性能指標(biāo)（KPI）預(yù)測、故障檢測、傳感器成簇、流量分類、負(fù)載均衡、智能緩存、智能路由等。

（4）隨機建模算法。

電信網(wǎng)絡(luò)應(yīng)用較多的隨機模型包括動態(tài)貝葉斯網(wǎng)絡(luò)、馬爾科夫模型、卡爾曼濾波器和擴展卡爾曼濾波器等，這些模型一般用于系統(tǒng)狀態(tài)隨時間轉(zhuǎn)移的概率建模，例如馬爾科夫模型中在給定當(dāng)前信息的情況下，將來的狀態(tài)則與過去的狀態(tài)無關(guān)。通過收集一定數(shù)量和時間序列上的用戶信息，來對隨機模型進行參數(shù)估計，可以實現(xiàn)對未來用戶和網(wǎng)絡(luò)行為進行預(yù)測。

（5）深度學(xué)習(xí)算法。

隨著網(wǎng)絡(luò)計算能力的提升以及訓(xùn)練樣本的增加，深度學(xué)習(xí)算法得到了越來越多的重視，文獻[8]對深度學(xué)習(xí)算法在無線網(wǎng)絡(luò)中的應(yīng)用進行了總結(jié)，常用的模型包括循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、長短期記憶網(wǎng)絡(luò)（LSTM）等，可以實現(xiàn)信號檢驗、異常檢測、移動性預(yù)測、KPI預(yù)測等應(yīng)用。

2.3 決策類應(yīng)用

預(yù)測類分析利用電信數(shù)據(jù)集對網(wǎng)絡(luò)狀態(tài)進行分析，在特定目標(biāo)下輸出對網(wǎng)絡(luò)最優(yōu)的控制決策，從而實現(xiàn)網(wǎng)絡(luò)的自適應(yīng)調(diào)整與優(yōu)化控制，主要的算法和應(yīng)用包括：

（1）（深度）強化學(xué)習(xí)。

（深度）強化學(xué)習(xí)用來解決智能體在與環(huán)境交互的過程中通過學(xué)習(xí)策略以達(dá)到回報最大化或?qū)崿F(xiàn)特定目標(biāo)，環(huán)境中包含未知的變量或狀態(tài)信息等。在電信網(wǎng)絡(luò)中，（深度）強化學(xué)習(xí)可以在對網(wǎng)絡(luò)參與無法完全已知的情況下實現(xiàn)基站智能節(jié)能、多信道動態(tài)接入、功率分配、智能緩存等應(yīng)用。

（2）博弈論。

在存在多用戶的電信網(wǎng)絡(luò)中，博弈論可以針對具有競爭或合作性質(zhì)的個體，研究它們的優(yōu)化策略，在電信網(wǎng)絡(luò)中已經(jīng)出現(xiàn)了相關(guān)應(yīng)用，例如多用戶的頻譜感知、多用戶合作的內(nèi)容分發(fā)等。

3 結(jié)束語

基于AI技術(shù)的電信網(wǎng)絡(luò)智能化已經(jīng)成為目前通信行業(yè)的研究熱點，其核心為數(shù)據(jù)驅(qū)動的網(wǎng)絡(luò)感知、預(yù)測、推斷和決策能力的提升。在網(wǎng)絡(luò)智能化的實現(xiàn)過程中，高質(zhì)量的電信數(shù)據(jù)是進行機器學(xué)習(xí)應(yīng)用的先決條件。通過對電信數(shù)據(jù)進行實時處理、規(guī)范統(tǒng)一、隱私保護和質(zhì)量保證，有望在電信網(wǎng)絡(luò)中實現(xiàn)智能運維、智能網(wǎng)絡(luò)優(yōu)化、智能網(wǎng)絡(luò)控制優(yōu)化、用戶個性化服務(wù)與創(chuàng)新等內(nèi)生智能能力。