劉宏嘉，范 琨，常文平，馬 駿

（1.中國(guó)聯(lián)合網(wǎng)絡(luò)通信有限公司 浙江省分公司，浙江 杭州 310084；2.中國(guó)聯(lián)合網(wǎng)絡(luò)通信集團(tuán)有限公司，北京 100033）

0 引 言

隨著移動(dòng)通信行業(yè)與互聯(lián)網(wǎng)技術(shù)的持續(xù)進(jìn)程，軟件定義網(wǎng)絡(luò)（Software Defined Networking，SDN）/網(wǎng)絡(luò)功能虛擬化（Network Function Virtualization，NFV）技術(shù)日益成熟，5G 技術(shù)也應(yīng)運(yùn)而生。5G 作為新一代基礎(chǔ)設(shè)施，對(duì)眾多行業(yè)的發(fā)展產(chǎn)生了極大的影響，并帶來(lái)了諸多改變，在助推各行各業(yè)數(shù)字化、智能化革命，助推經(jīng)濟(jì)高質(zhì)量發(fā)展方面發(fā)揮著巨大作用[1]。

如今，5G 已經(jīng)成為數(shù)字化轉(zhuǎn)型的新型信息基礎(chǔ)設(shè)施、驅(qū)動(dòng)行業(yè)數(shù)字流動(dòng)和系統(tǒng)變革的關(guān)鍵性支撐技術(shù)，同時(shí)重構(gòu)行業(yè)數(shù)字化轉(zhuǎn)型新生態(tài)。相關(guān)統(tǒng)計(jì)結(jié)果顯示，截至2022 年5 月底，我國(guó)建成開通5G 基站170 萬(wàn)個(gè)，平均每萬(wàn)人5G 基站數(shù)超過(guò)12 個(gè)。當(dāng)前我國(guó)5G 建設(shè)正處于加速期，預(yù)計(jì)未來(lái)5G 基站建設(shè)將會(huì)持續(xù)提速，從而給網(wǎng)絡(luò)可視化市場(chǎng)帶來(lái)廣闊的發(fā)展空間。5G 時(shí)代，通信網(wǎng)絡(luò)融合化程度空前加強(qiáng)，終端和業(yè)務(wù)持續(xù)向多樣化方向發(fā)展，技術(shù)迭代速度越來(lái)越快，網(wǎng)絡(luò)環(huán)境日趨復(fù)雜。與此同時(shí)，通信網(wǎng)絡(luò)承載的服務(wù)越來(lái)越多，從高清視頻、互動(dòng)游戲、各類邊緣計(jì)算場(chǎng)景，到智慧工廠、車聯(lián)網(wǎng)、智慧城市等，一旦出現(xiàn)故障，帶來(lái)的影響就不可估量。目前，在電信運(yùn)營(yíng)商中開展運(yùn)維工作的主要模式為人為運(yùn)維，具有效率較低等一些問題，無(wú)法確保未來(lái)5G網(wǎng)絡(luò)的穩(wěn)定運(yùn)行。為此，開展有關(guān)5G 網(wǎng)絡(luò)智能運(yùn)維的研究工作，具有極為重要的意義[2]。此外，由于運(yùn)營(yíng)商本身的網(wǎng)管系統(tǒng)龐大而臃腫，輕量級(jí)的5G 網(wǎng)絡(luò)智能運(yùn)維平臺(tái)更能夠在協(xié)助運(yùn)營(yíng)商為政企用戶提供運(yùn)維服務(wù)時(shí)，帶來(lái)更全面、便捷的體驗(yàn)。移動(dòng)通信系統(tǒng)作為數(shù)字化和智能化的“推動(dòng)者”，已從早期的人工運(yùn)維網(wǎng)絡(luò)向人工輔助的自動(dòng)運(yùn)維網(wǎng)絡(luò)演進(jìn)。面向5G 網(wǎng)絡(luò)持續(xù)建設(shè)，“極簡(jiǎn)”的網(wǎng)絡(luò)概念已經(jīng)深入人心[3]。在這種背景下，針對(duì)5G 發(fā)展目標(biāo)網(wǎng)絡(luò)，提出了一個(gè)極簡(jiǎn)網(wǎng)絡(luò)的智能運(yùn)維體系，以制定未來(lái)移動(dòng)通信網(wǎng)絡(luò)演進(jìn)策略，并一體化打造5G 多層協(xié)同的極簡(jiǎn)網(wǎng)絡(luò)。為了達(dá)成5G 極簡(jiǎn)網(wǎng)絡(luò)的核心目標(biāo)，提出遵循“去繁從簡(jiǎn)”的原則進(jìn)行網(wǎng)絡(luò)配置，對(duì)多層網(wǎng)互操作事件進(jìn)行統(tǒng)一規(guī)范，并對(duì)網(wǎng)絡(luò)重選優(yōu)先級(jí)以及切換策略進(jìn)行了積極的簡(jiǎn)化處理等多種手段，推動(dòng)極簡(jiǎn)網(wǎng)絡(luò)的演進(jìn)。

1 5G 極簡(jiǎn)網(wǎng)絡(luò)智能運(yùn)維體系的構(gòu)建

1.1 多層網(wǎng)互操作事件的規(guī)范

5G 環(huán)境下，想要打造極簡(jiǎn)網(wǎng)絡(luò)，實(shí)現(xiàn)網(wǎng)絡(luò)的極簡(jiǎn)化，首先需要對(duì)多層網(wǎng)互操作事件進(jìn)行嚴(yán)格的規(guī)范。這一過(guò)程中，考慮到不同頻段的特點(diǎn)，需要針對(duì)不同頻段的終端滲透率、容量能力、站點(diǎn)比例以及覆蓋能力等具體情況，制定出全網(wǎng)統(tǒng)一的多層網(wǎng)互操作措施。在配置各種互操作事件的過(guò)程中，總體遵循“去繁從簡(jiǎn)”的原則。對(duì)于不同的頻段空閑態(tài)，均實(shí)施統(tǒng)一重選優(yōu)先級(jí)。

1.2 同頻重疊覆蓋清理

在打造極簡(jiǎn)網(wǎng)絡(luò)的過(guò)程中，在具體的運(yùn)維方面，還需要高度重視同頻重疊覆蓋干擾問題。這一過(guò)程中，首先需要收集多方面信息，全面評(píng)估不同小區(qū)的重疊覆蓋情況，并對(duì)其中的關(guān)鍵小區(qū)予以準(zhǔn)確的識(shí)別，進(jìn)而針對(duì)關(guān)鍵小區(qū)的實(shí)際情況，實(shí)施針對(duì)性的處理。結(jié)合極簡(jiǎn)網(wǎng)絡(luò)智能運(yùn)維的實(shí)際需求，提出一種智能評(píng)估方法，以實(shí)現(xiàn)對(duì)同頻重疊覆蓋關(guān)鍵小區(qū)的準(zhǔn)確識(shí)別，最終達(dá)到對(duì)網(wǎng)絡(luò)結(jié)構(gòu)予以有效優(yōu)化，改善網(wǎng)絡(luò)質(zhì)量的效果。具體智能評(píng)估步驟如下：第一步，對(duì)小區(qū)重疊覆蓋干擾能力進(jìn)行評(píng)估，識(shí)別出影響周邊重疊覆蓋度的關(guān)鍵因素；第二步，對(duì)小區(qū)整體干擾能力進(jìn)行評(píng)估，以確定每個(gè)小區(qū)的干擾能力；第三步，對(duì)同頻重疊覆蓋關(guān)鍵小區(qū)予以確定。被評(píng)估小區(qū)覆蓋區(qū)域中干擾能力最強(qiáng)的小區(qū)即為該區(qū)域同頻重疊覆蓋的關(guān)鍵小區(qū)。在這一過(guò)程中，需要遵照一定的規(guī)則進(jìn)行具體的選取，相應(yīng)的規(guī)則內(nèi)容如表1 所示。其中，X代表區(qū)間基準(zhǔn)干擾強(qiáng)度，不同的區(qū)間會(huì)出現(xiàn)等量干擾強(qiáng)度的增加。如果同時(shí)出現(xiàn)模三干擾，那么對(duì)應(yīng)的干擾強(qiáng)度會(huì)發(fā)生翻倍。

表1 同頻小區(qū)干擾能力評(píng)估表

例如，如果在A 小區(qū)的鄰區(qū)中，B 小區(qū)的同頻重疊覆蓋干擾能力處于最強(qiáng)的狀態(tài)，且在B 小區(qū)的鄰區(qū)中，B 小區(qū)的同頻重疊覆蓋干擾能力處于最強(qiáng)的狀態(tài)，那么綜合分析之后，可以將同頻重疊覆蓋干擾能力最強(qiáng)的小區(qū)認(rèn)定為B 小區(qū)。在分析過(guò)程中，還需要綜合考慮其影響的小區(qū)數(shù)量是否達(dá)到5 個(gè)以上。

1.3 可視化優(yōu)化平臺(tái)構(gòu)建

隨著城市的發(fā)展，由于地形、建筑物的結(jié)構(gòu)、高度、密度及其他一些環(huán)境因素的影響，移動(dòng)通信網(wǎng)絡(luò)的傳播模型也發(fā)生了改變，這使得移動(dòng)通信基站的實(shí)際覆蓋情況發(fā)生了較大的變化[4]。但是，在傳統(tǒng)的運(yùn)維模式下，只能通過(guò)工作人員進(jìn)行現(xiàn)場(chǎng)測(cè)試和分析的方式來(lái)了解基站的實(shí)際情況。整個(gè)過(guò)程的工作量較大，耗費(fèi)的時(shí)間較多，整體工作效率較低，且工作質(zhì)量不夠理想。同時(shí)，不同工作人員的專業(yè)水平和綜合能力之間存在一定的差異，傳統(tǒng)運(yùn)維模式下，也無(wú)法避免人員水平差異所帶來(lái)的誤差。針對(duì)上述問題，在本次研究中，選擇應(yīng)用采集基站的最小化路測(cè)（Minimization of Drive Tests，MDT）數(shù)據(jù)，結(jié)合不同小區(qū)的基礎(chǔ)工參數(shù)據(jù)以及鄰區(qū)配置數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行一定的智能化處理，最終打造出可視化優(yōu)化平臺(tái)。該平臺(tái)可以將基站的覆蓋情況實(shí)現(xiàn)可視化顯示。具體來(lái)看，該平臺(tái)可以實(shí)現(xiàn)多種功能，包括站點(diǎn)覆蓋位置可視、站點(diǎn)覆蓋參考信號(hào)接收功率（Reference Signal Receiving Power，RSRP）可視、鄰區(qū)添加情況可視、鄰區(qū)漏配預(yù)判并可視、方位角問題預(yù)判并可視、越區(qū)覆蓋預(yù)判并可視等?？梢暬瘍?yōu)化平臺(tái)能夠快速準(zhǔn)確地呈現(xiàn)站點(diǎn)鄰區(qū)覆蓋問題、方位角誤差問題、站點(diǎn)經(jīng)緯度問題以及鄰區(qū)漏配問題，并且能夠呈現(xiàn)每個(gè)覆蓋點(diǎn)的平均電平?？梢暬瘍?yōu)化平臺(tái)可以為5G 極簡(jiǎn)網(wǎng)絡(luò)提供專業(yè)的運(yùn)維管理服務(wù)，針對(duì)整個(gè)網(wǎng)絡(luò)狀態(tài)、環(huán)境檢測(cè)等進(jìn)行全面監(jiān)控管理，可建立標(biāo)準(zhǔn)化的可視化運(yùn)維管理模式，用戶可清晰查看整個(gè)網(wǎng)絡(luò)的實(shí)時(shí)運(yùn)行狀態(tài)，具體的運(yùn)維數(shù)據(jù)可查看后臺(tái)日志管理模塊。針對(duì)綜合管理平臺(tái)，可以有效提高日常運(yùn)營(yíng)管理效率、提升服務(wù)質(zhì)量、增強(qiáng)處置突發(fā)事件能力以及降低能耗。通過(guò)將網(wǎng)絡(luò)問題可視化直觀呈現(xiàn)，網(wǎng)絡(luò)優(yōu)化人員可以更加方便地分析網(wǎng)絡(luò)覆蓋問題。該平臺(tái)具備調(diào)整后可視化評(píng)估能力，可以打破傳統(tǒng)優(yōu)化思維，優(yōu)化效率較高，實(shí)用性較強(qiáng)。通過(guò)可視化優(yōu)化平臺(tái)，可以在后臺(tái)精準(zhǔn)定位鄰區(qū)覆蓋、方位角誤差、站點(diǎn)經(jīng)緯度以及鄰區(qū)漏配問題，從而全面提升網(wǎng)絡(luò)整體質(zhì)量[5]。同時(shí)，該平臺(tái)可以實(shí)現(xiàn)對(duì)不同移動(dòng)通信基站覆蓋情況的核查，以分析不同移動(dòng)通信基站的合理性，避免出現(xiàn)越區(qū)覆蓋情況。

1.4 基于人工智能的鄰區(qū)精簡(jiǎn)

為了滿足不同場(chǎng)景下的覆蓋需求，移動(dòng)通信網(wǎng)絡(luò)采用多頻段組網(wǎng)，不可避免地導(dǎo)致網(wǎng)絡(luò)中小區(qū)鄰區(qū)數(shù)添加過(guò)多、鄰區(qū)冗余和設(shè)置不合理等問題日益凸顯。超大數(shù)據(jù)量的鄰區(qū)處理給鄰區(qū)優(yōu)化工作的開展帶來(lái)瓶頸，需要借助鄰區(qū)精簡(jiǎn)工具進(jìn)行鄰區(qū)數(shù)據(jù)處理以及鄰區(qū)合理性優(yōu)化。基于人工智能的鄰區(qū)精簡(jiǎn)能夠精準(zhǔn)快速地對(duì)超大數(shù)據(jù)量進(jìn)行解析提取。采用鄰區(qū)密度算法結(jié)合人工智能識(shí)別的方法，從鄰區(qū)配置合理性、鄰區(qū)漏配、鄰區(qū)錯(cuò)配和鄰區(qū)冗余等方面進(jìn)行鄰區(qū)精簡(jiǎn)。這一過(guò)程中，涉及的技術(shù)主要包括解析站原始數(shù)據(jù)、鄰區(qū)密度算法、人工智能評(píng)估等，具體內(nèi)容如下。

（1）基站原始數(shù)據(jù)解析。在進(jìn)行數(shù)據(jù)分析的過(guò)程中，在選擇數(shù)據(jù)源時(shí)，選擇對(duì)基站原始數(shù)據(jù)進(jìn)行提取，并將其作為數(shù)據(jù)源。通過(guò)這一方式，可以確保鄰區(qū)配置信息具備較高的準(zhǔn)確性以及良好的時(shí)效性，有效避免信息不對(duì)稱問題的出現(xiàn)，減少結(jié)果誤差。在對(duì)基站原始數(shù)據(jù)進(jìn)行提取時(shí)，需要從基站原始數(shù)據(jù)文件中進(jìn)行提取，對(duì)于其中鄰區(qū)信息的關(guān)鍵字段進(jìn)行提取，可以對(duì)不同小區(qū)的異系統(tǒng)鄰區(qū)、同頻鄰區(qū)、異頻鄰區(qū)以及各頻點(diǎn)鄰區(qū)的詳細(xì)列表進(jìn)行解析，進(jìn)而快速得到準(zhǔn)確的數(shù)據(jù)結(jié)果。

（2）鄰區(qū)密度算法。在此次研究中，選擇對(duì)小區(qū)周邊最近12 個(gè)鄰區(qū)實(shí)際站間距離進(jìn)行計(jì)算評(píng)估，并針對(duì)不同距離的大小實(shí)施排序，對(duì)距離最近的前3、6、9、12 個(gè)小區(qū)平均站間距離進(jìn)行計(jì)算。之后，參照一定的鄰區(qū)密度加權(quán)系數(shù)，對(duì)所明確的評(píng)估小區(qū)所屬密度區(qū)域進(jìn)行計(jì)算。以M來(lái)表示鄰區(qū)密度，對(duì)該數(shù)值進(jìn)行計(jì)算的公式為

式中：d1、d2、d3、d4分別為鄰3、鄰6、鄰9、鄰12的平均站間距。鄰區(qū)密度占比加權(quán)與距離加權(quán)系數(shù)表如表2 所示。

表2 鄰區(qū)密度加權(quán)系數(shù)表

根據(jù)表3 中的鄰區(qū)加權(quán)系數(shù)評(píng)估站點(diǎn)距離加權(quán)后的平均站間距權(quán)值。通過(guò)鄰區(qū)密度計(jì)算將小區(qū)分為密集且連續(xù)區(qū)域、一般密集區(qū)域、一般區(qū)域、不連續(xù)覆蓋區(qū)域以及郊遠(yuǎn)農(nóng)村5 個(gè)維度。最后，輸出全網(wǎng)鄰區(qū)密度現(xiàn)狀。

（3）人工智能評(píng)估。在分析不同鄰區(qū)之間關(guān)系的過(guò)程中，選擇使用人工智能評(píng)估技術(shù)。在評(píng)估時(shí)，對(duì)于鄰區(qū)精簡(jiǎn)算法規(guī)則，均將其納入到人工智能識(shí)別中。對(duì)鄰區(qū)進(jìn)行精簡(jiǎn)的過(guò)程中，涉及的精簡(jiǎn)范圍主要包括鄰區(qū)冗余、鄰區(qū)配置合理性、鄰區(qū)錯(cuò)配以及鄰區(qū)漏配等方面，精簡(jiǎn)的維度主要為鄰區(qū)邏輯、頻段特性、鄰區(qū)密度、參數(shù)配置以及鄰區(qū)距離。經(jīng)精簡(jiǎn)，最終全網(wǎng)鄰區(qū)數(shù)量明顯下降，有效降低了網(wǎng)絡(luò)鄰區(qū)復(fù)雜度，下降幅度達(dá)到30%，

2 結(jié) 論

為了驗(yàn)證本次研究所提出的5G 極簡(jiǎn)網(wǎng)絡(luò)智能運(yùn)維體系的應(yīng)用效果，選擇對(duì)該體系進(jìn)行了實(shí)踐應(yīng)用。在具體的應(yīng)用過(guò)程中，結(jié)合實(shí)際情況，開展了一些智能運(yùn)維工作，部署網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)化、站點(diǎn)簡(jiǎn)化和運(yùn)維簡(jiǎn)化等內(nèi)容。在應(yīng)用該智能運(yùn)維體系的過(guò)程中，遵循“去繁從簡(jiǎn)”的原則進(jìn)行網(wǎng)絡(luò)配置，對(duì)多層網(wǎng)互操作事件進(jìn)行統(tǒng)一規(guī)范，并對(duì)網(wǎng)絡(luò)重選優(yōu)先級(jí)以及切換策略進(jìn)行了積極的簡(jiǎn)化處理。最終的應(yīng)用結(jié)果顯示，在異頻切換次數(shù)方面，應(yīng)用該智能運(yùn)維體系之后，相應(yīng)的次數(shù)明顯下降，下降幅度達(dá)到30%。調(diào)查發(fā)現(xiàn)，用戶的感知情況得到顯著的改善?？傮w來(lái)看，當(dāng)前網(wǎng)絡(luò)結(jié)構(gòu)越來(lái)越復(fù)雜，提出了一種5G 極簡(jiǎn)網(wǎng)絡(luò)智能運(yùn)維體系的總體思路和解決方案。通過(guò)大規(guī)模的實(shí)際應(yīng)用，驗(yàn)證了該方案可以顯著提升網(wǎng)絡(luò)資源利用率，在節(jié)能減耗的同時(shí)提升網(wǎng)絡(luò)優(yōu)化的工作效率。實(shí)踐之中，對(duì)提升運(yùn)營(yíng)效能、改善用戶感知、開拓市場(chǎng)價(jià)值等均有一定的應(yīng)用價(jià)值。智能運(yùn)維體系自動(dòng)化流程與工具同時(shí)也能帶來(lái)顯著的降本效益，證明方案的實(shí)用價(jià)值。