Akıllı ağ dönüşümüne doğru ilerlemek, yapay zeka tabanlı yeni nesil esnek kablosuz ağ araştırmasının analizi
Kang Zheng Nanjing Üniversitesi MBA ve Güneydoğu Üniversitesi İletişim ve Bilgi Sistemi çift master, Nanjing Posta ve Telekomünikasyon Üniversitesi Yoğun Sınıf Lisansı, China Mobile Jiangsu Eyaleti Şirketin beşinci nesil mobil iletişim geliştirme proje lideri, Nanjing Üniversitesi öğrenci girişimci öğretmeni, China Mobile çift yenilik "teknik eliti Club "ve inovasyon inceleme uzmanları grubunun bir üyesidir. Uzun süredir 4G / 5G, Araçların İnterneti, Endüstriyel İnternet, uç bilgi işlem ve ağ yapay zekası ve ağ yatırım yönetimi gibi yeni nesil bilgi teknolojisi geliştirme stratejilerinin araştırılmasıyla uğraşmaktadır. 8 ulusal buluş patenti ve çok sayıda yerli makalesi bulunmaktadır. Yabancı belgeler. Çin Mobil Bilim ve Teknoloji İlerleme Ödülü'nün birincilik ödülünü, Jiangsu Bilgi ve İletişim Endüstrisi Bilim ve Teknoloji İlerleme Ödülü'nün birincilik ödülünü ve Jiangsu MBA Girişimcilik Yarışması'nın şampiyonunu kazandı.
Bu araştırma, China Mobile Communications Group Jiangsu Co., Ltd., China Mobile Communications Group Co., Ltd. Network Department ve China Mobile Communications Group Co., Ltd. Araştırma Enstitüsü tarafından ortaklaşa tamamlandı. Proje ekibinin ana üyeleri Zheng Kang, Bian Guodong, Wang Bing, Sun Qi, Cai Weiming ve Dong'dur. Wei, Ding Zhi, Zhang Jiankui, Wang Cheng, Xin Yongchao.
Giriş
Maliyet azaltma ve verimlilik artışı, kurumsal inovasyonun ebedi itici gücüdür. Moore Yasasından yararlanarak, iletişim endüstrisindeki yeni nesil donanım yetenekleri, eskisinden birkaç kat daha büyük. 4G çağında, geleneksel "katı" ağın yumuşak kaynakları, donanım yeteneklerinin yalnızca% 30'unu kullanıyordu. Yumuşak kaynakların etkili kullanımı, yatırım verimliliğini ve ağ zekasını geliştirmenin anahtarı haline geldi. "Sınırsız" paketlerin ortaya çıkmasıyla birlikte, artan gelir eksikliği, operatörleri her yönden reformlar yapmaya zorlar.Teknik düzeyden itibaren, ağ seviyesi ve veri boyutları giderek daha karmaşık hale geliyor ve statik ağ kaynak yönetimini gerçekleştirmek için manuel ağ optimizasyonuna güvenmenin verimsiz modeli bir reform haline geldi. anahtarı.
"Algılama veridir, zeka verimliliktir ve ağ hizmettir" üzerine odaklanan bu araştırma, dünyanın ilk algılanabilir, yeniden yapılandırılabilir ve geliştirilebilir "esnek ağ" mimarisini ve yapay zeka teknolojisine dayalı akıllı ağ beynini oluşturuyor. Taşıyıcı, frekans spektrumu ve parametreler gibi temel yumuşak kaynakların dinamik yönetimi, yazılım ve donanım ayırma, spektrum paylaşımı ve makine öğrenimi parametre optimizasyonu gibi anahtar teknolojilerdeki atılımları içeren "ağın insanlarla birlikte hareket ettiğini" gerçekleştirmiştir. Araştırma, verimlilik, kalite ve fayda açısından üç iyileştirme sağlayabilir, yatırımda 100 milyon yuan'dan fazla tasarruf sağlayabilir, işletme ve bakım verimliliğini 1.000 kat hızlandırabilir, insan gücünün% 90'ından tasarruf edebilir, ani trafiği emebilir, yüksek yüklü toplulukların% 30'unu azaltabilir ve kalitesizliği% 49 oranında azaltabilir. Önceden 5G akıllı işletim ve bakım için birikmiş deneyim ve iş modellerinin temelini oluşturmuştur. Bu araştırmanın sonuçları, Jiangsu, Guangdong, Zhejiang, Sichuan, Liaoning ve diğer eyaletlerde ülke çapında tanıtıldı.
Esnek ağa genel bakış
Sınırsız paketler, kullanıcı alışkanlıklarında değişiklikler getirdi ve trafiğin patlayıcı büyümesini teşvik ederek ağ taşıma kapasitesinde ciddi zorluklar yarattı. Ağ trafiği yıldan yıla üç katına çıktı ve kullanıcı DOU 10 GB'a yakın. Douyin ve HD video gibi hizmetlerin yaygınlaşmasıyla birlikte, gelecekte 4G trafiğinde büyüme için hala çok yer var.
Bununla birlikte, trafik "lahana fiyatı", ağ yatırım faydalarının bir bükülme noktasına yol açtı. Geleneksel kaynak istifleme genişlemesi, uyumsuz girdi kaynaklarına ve çıktı gelirine sahip ve gelirde bir artış olgusu yok. Sınırlı yatırımla karşı karşıya kaldığında, devam etmek zor. Taşıyıcı, frekans spektrumu ve ağ parametrelerinin tümü, ağ kapasitesini belirleyen faktörlerdir, ancak teknik nedenlerden dolayı, geleneksel işletim ve bakım sistemi, insan deneyimi yargısı, statik kaynak tahsisi, yani bir "katı ağ" sistemi aracılığıyla manuel yönetime dayanır. Geleneksel ağ modeli her zaman bir "kara kutu", görünmez, ayarlanması zor, esneklik eksikliği ve kapsamlı yönetim olmuştur. Gelgit etkileri ve 3D-MIMO gibi yeni teknolojilerin "güçsüzlüğü" karşısında, büyük veri ve yapay zeka tarafından temsil edilen yeni trendlere büyük bir muhalefet içindedir. "Katı ağ", kullanıcı dalgalanmasının neden olduğu baskı nedeniyle kaynakları düzgün bir şekilde tahsis edemezken, esnek ağ, yazılımı mevcut donanım olanakları temelinde ayarlayarak bu eksikliği giderir. Bu şekilde ağ esnek hale gelir, kaynakları hızla planlayabilir ve yeni bir ağ mimarisi oluşturabilir.
Bu nedenle, geleneksel katı ağların (yüksek yatırım, yüksek işletme maliyetleri ve yüksek enerji tüketimi) "üç yüksek" sorununa yanıt olarak, bu araştırma, algılanabilir, yeniden yapılandırılabilir, iyileştirilebilir, maliyet tasarrufu sağlayan, iş gücü tasarrufu sağlayan ve güç tasarrufu sağlayan yeni nesil dinamik taşıyıcılar önermektedir. Dinamik spektrum ve makine optimizasyonu "Trinity" esnek bir ağa sahiptir. Ağ mimarisi, geleneksel ağ kaynaklarının dinamik olarak tahsis edilememesi sorununu çözmek için yazılım ve donanımın ayrıştırılması, spektrum paylaşımı ve yapay zeka optimizasyonu gibi temel teknolojilerde çığır açmıştır. Kullanıcılar, ağ kapasitesine ihtiyaç duyar, istedikleri kadar artar veya azalır, gerektiğinde artışı veya azalmayı ayarlayabilir ve küçük ölçekli, özelleştirilebilir ve ağ, işteki değişikliklerle birlikte değişebilir, böylece "ağ insanlarla birlikte hareket eder".
Esnek ağın sistem mimarisi ve anahtar teknolojileri
(1) Dinamik taşıyıcı
4G taşıyıcı kaynaklarının statik dağıtımı, zaman içindeki dinamik hizmet talebi değişiklikleriyle eşleşemez ve ani trafikle baş edemez ve bu da trafik kaybına neden olur. Ağın "gelgit etkisi" açıktır ve iş talepleri hava sahasında ve zaman alanında açıkça dengesizdir. Mevcut "katı" ağ, müşteri algılamasını sağlamak için ağın iş ihtiyaçlarına göre ancak meşgul olduğunda statik olarak genişletilebilir, ancak boşta kalma süresindeki fazla kapasite önemli yatırım israfına neden olur. "2" lisanslarının değerini anlamak için sınırlı "1" lisans kaynaklarının nasıl kullanılacağı, mevcut ağın en önemli önceliği haline geldi.
Şekil 1 Ağ gelgit etkisinin şematik diyagramı
Bu işlev için iki temel teknoloji vardır:
(1) Makine öğrenimi için esnek sistem mimarisi
(2) Yazılım ve donanımın ayrıştırılması için sistem yeteneği. detaylar aşağıdaki gibidir:
1. Bulut tabanlı, ölçeklenebilir kablosuz esnek ağın akıllı dinamik yönetimini gerçekleştirmek için makine öğrenimi odaklı mimari tasarımın benimsenmesi
Bu araştırma, Şekil 2'de gösterildiği gibi, makine öğrenimi odaklı bir kablosuz ağ akıllı yönetim mimarisi ve süreci önermektedir.
Şekil 2 Büyük veri odaklı esnek akıllı ağ mimarisi şeması
Bunlar arasında, veri toplama birimi, model eğitim birimi, gerçek zamanlı strateji birimi ve yürütme birimi, ağ öğelerine ve platform hesaplamasına, depolama yeteneklerine ve kablosuz ağ karar vermenin gerçek zamanlı gereksinimlerine göre esnek bir şekilde konuşlandırılabilir ve dağıtılabilir ve kaynak tahsisi ve iletişim modu kararları alabilir.
2. Yazılım ve donanımın ayrıştırılması, sanal kaynak havuzu, heterojen ağlarda 4G taşıyıcı kaynak havuzunun dinamik zamanlama problemini aşma
İstatistiklere göre, mevcut ağda 4G yumuşak taşıyıcı veriminin fiili kullanımı, donanımın maksimum destek kapasitesinin yalnızca% 30'unu oluşturuyor ve mevcut donanım çok fazla "esnek" genişleme alanına sahip. Bu araştırma, ağ kaynak tahsisini gerçekleştiren ve iş ihtiyaçlarına dinamik olarak uyum sağlayan ve makro ve mikro ağ iletişimi kapasitesinden tam olarak yararlanan, kullanıcı iş ihtiyaçlarına dayalı esnek bir kaynak tahsis yöntemi önermektedir. Yazılım ve donanımın ayrıştırılması için genel yönetim gereksinimleri aşağıdaki gibidir:
(1) Mekanizma garantilidir:
İldeki yazılım ve donanım lisans kaynakları paylaşılır ve baz istasyonuna veya OMC'ye bağlı olmamalıdır.Tüm işlemler, komut satırları aracılığıyla ağ yönetimi tarafından desteklenmeli ve herhangi bir dış kısıtlama olmamalıdır; planlama süresi sınırı, şehrin ve şehrin yerel ağından 5 dakika içindedir. Saatler içinde
(2) Kapasite daha esnektir:
4G mevcut ağ ve gelecekte tüm yeni yazılım ve donanım lisansları, ağ içinde ve baz istasyonları arasında ücretsiz programlamayı gerçekleştirmek için bir birim olarak ilde uygulanacaktır.
(3) Daha esnek ayar:
TDD ağlarında, tüm lisansların (tek taşıyıcı frekans lisansları hariç) gerçek zamanlı olarak planlanması gerekir ve çift (ve üzeri) taşıyıcı frekanslarını içeren taşıyıcı frekans lisansları gerçek zamanlı olarak planlanabilir; FDD ağlarında, dahil olan tüm lisansların gerçek zamanlı olarak planlanması gerekir.
Uygulamada, bazı üreticilerin (ZTE) yumuşak taşıyıcılarının şehir birimlerinde yönetildiği ve donanımla hiçbir bağlayıcı ilişkisi olmadığı bulunmuştur. Üreticinin dahili komut arayüzünü açarak, zamanlama şeması MML komut toplu işlemeye kapsüllenir ve uzak taşıyıcının yalnızca yazılım yoluyla genişletilmesi ve azaltılması Telnet / ssh2 protokolü aracılığıyla gerçekleştirilebilir. Şekil 3'te gösterildiği gibi, bir birim olarak şehir içeren sanal bir taşıyıcı kaynak havuzu oluşturulur ve bu, dinamik taşıyıcı programlamasının temelini oluşturur. Bu şema aynı zamanda tüm ağ yumuşak kaynak lisansları için de geçerlidir.
Şekil 3 Sanal kaynak havuzunun şematik diyagramı
Yazılım ve donanımı ayrıştırılamayan üreticiler için (Huawei, Ericsson), farklılaştırılmış bir çözüm gereklidir.Şekil 4'te gösterildiği gibi, bağlanmak için platformlar arası çözüm devreye alma yöntemini kullanarak gerçek zamanlı zamanlama kaybolacaktır.
Şekil 4 Farklılaştırılmış yürütme planı
(2) Dinamik spektrum
Kullanıcıların 4G ağlara taşınmasıyla 2G ağları üzerindeki yük hızla düştü ve 2G spektrum kaynaklarının bir kısmı 4G kullanımı için serbest bırakılabilir. Geleneksel 2G ve LTE aynı frekans bandında konuşlandırılabilse de, ikisi arasında belirli bir frekans koruma aralığı bırakılması gerekir. 2020'den sonra, GSM ağının uzun kuyruğu korumak için hala 5-10M spektruma ihtiyacı vardır. Orijinal 2G düşük frekanslı altın spektrumdan tam olarak nasıl yararlanılır ve 4G'nin uzun vadeli uyumlu bir arada bulunması bir meydan okuma haline geldi. Özellikle, farklı bölgelerdeki 2G ağları aynı zamanda düzensiz yoğunluğa ve gelgit etkilerine sahiptir ve düşük iş yüküne sahip 2G ağları daha fazla spektrum kaynağını serbest bırakabilir. Bununla birlikte, mevcut "her boyuta uyan" statik spektrum tahsisi, senaryolara göre talep üzerine spektrum kaynaklarını tahsis edemez. Eski 2G sistemi uzun vadeli işlemlerle karşı karşıyadır. 2G spektrum kaynaklarının mevcut ağ üzerinde serbest bırakılması yavaş ve aşamalı bir süreçtir.Etkili spektrum paylaşımı, ağ kapasitesini artırmak için önemli bir araçtır. Aynı zamanda 5G'nin gelecekteki gelişimi açısından bakıldığında 5G ve 4G spektrum paylaşımı önemli bir teknik nokta haline gelecektir.
Bu çalışmada, özel spektrum özel ağını kıran 2G / 4G spektrum bulut tabanlı dinamik paylaşım, ülkede 2G / 4G farklı sistemler arasındaki dinamik zaman bölünmesine dayalı aynı spektrum kaynağını paylaşan ve hizmet doluluğu ve sistemler arası girişim değerlendirmesine dayalı olarak daha fazla frekans kaynağı yayınlayan ilk ülkedir. LTE, LTE hava arayüzü kapasitesini geliştirir, 900/1800 çift bantlı esnek bant genişliğini destekler ve 4G / 5G spektrumunun dinamik paylaşımının yolunu keşfeder.
Sistem mimarisinin temel teknik noktaları şunları içerir:
(1) Çift frekanslı isteğe bağlı spektrum paylaşımı ve
(2) 2G / 4G ortak tahsisi ve çizelgeleme.
1. Çift bantlı isteğe bağlı spektrum paylaşımı: 900M / 1800M frekans bantlarında 2G / LTE çok modlu dağıtım, aynı spektrumun talep üzerine esnek kullanımı, paylaşılan spektrumun 2G öncelikli kullanımı ve yeniden kullanılabilir seviye farkının ayarlanması, LTE tarafından paylaşılan spektrumun kullanımını artırabilir Spektrum verimliliğini artırma olasılığı.
Şekil 52G / 4G spektrum paylaşım ilkesi diyagramı
2. 2G / 4G ortak tahsis ve programlama: Girişim koordinasyon bilgilerinin etkili iletimi için BSC ve eNodeB arasına bir arayüz ekleyin BSC ve eNodeB, LTE'nin paylaşılan frekans spektrumunu GL parazit komşu ilişkisine ve paylaşılan frekansın kullanıcı doluluk durumuna göre hesaplayabilir. İnternetteki mevcut zaman-frekans kaynakları ve makul tahsis ve planlama.
Şekil 62G / 4G ortak tahsis ve programlama ilke şeması
(3) Dinamik parametreler
3D-MIMO, sahnelerden ve iş segmentlerinden bağımsız olarak varsayılan olarak birleşik bir ağırlık ayarına geçer ve bu da performans kaybına neden olur. Bununla birlikte, 3D-MIMO yayın huzmesi optimizasyonunda, anten ağırlıklarının ve aşağı eğim açısı parametrelerinin 283 kombinasyonu vardır.Kenar kullanıcı oranı optimize edildiğinde, frekanslar arası anahtarlama parametreleri A1 / A2 / A4 / A5'in her biri 10'u aşan bir değer alanına sahiptir ve kombinasyon aşar 10.000 çeşit; birçok optimizasyon parametresi nedeniyle, optimizasyon hedeflerinde farklılıklar vardır, bu da çok fazla insan gücüne, zaman alan optimizasyona yol açar ve ağ performansını etkiler.
3D-MIMO gibi karmaşık parametrelerin optimizasyonu üzerine araştırma, 5G parametrelerinin dinamik ayarı için deneyim biriktirme, "kapasite ve kalite" gibi çok boyutlu ağırlıklandırma hedeflerini kullanarak, ağ büyük verisine dayalı parametrelerin yinelemeli dinamik kendi kendine optimizasyonunu çözmek için makine öğrenimi ile birlikte, trafik% 11 arttı ve düşük kalite azaldı % 49. Servisler, sahneler, kullanıcılar ve terminallerin ağdaki dinamik değişikliklere uyarlanabilmesi için 283 parametre kombinasyonu arasından en iyisini hızla bulun.
Başlıca temel teknik noktalar aşağıdaki gibidir:
(1) MR tarafından bildirilen Apollonius çemberinin zayıf kapsama kullanıcı konumlandırma yöntemine ve LOG günlüğüne kazma hizmet dağıtım özelliği analiz yöntemine dayanarak, yüksek hizmet, yüksek parazit ve zayıf kapsama sahnelerini geleneksel yöntemlerden daha iyi belirleyerek 3D-MIMO'yu etkinleştirebilir Daha makul dağıtım senaryoları
(2) MR konumlandırma ve ışın LOG günlüğüne dayanan yapay zeka tarafından sunulan 3D-MIMO optimizasyon modu, makine öğreniminin modelleme girdisi olarak kullanılan trafik ve kapsama dağılımını elde eder (takviye öğrenme + denetimli öğrenme) ve ardından optimum parametreler tahmin edilir
(3) Makine öğrenimi ile birleştirilen çok boyutlu uzamsal modelleme yoluyla, ilk olarak en uygun parametre kombinasyonunu hızlı bir şekilde bulmak için "çok parametreli" ortak optimizasyonu tanıtın
Farklı optimizasyon hedeflerine göre, farklı optimizasyon çok amaçlı makine parametresi optimizasyon sistemi tasarımları ayarlanabilir. Spesifik durumlar aşağıdaki gibidir:
örnek 1
3D-MIMO kapasitesi: Y = {kullanıcı sayısı, veri trafiği} X = {yatay kiriş trafiği, dikey kiriş trafiği}
Örnek 2
VoLTE yukarı bağlantı paket kaybı oranı parametrelerinin kendi kendine optimizasyonu: Y = {VoLTE yukarı bağlantı paket kaybı oranı} X = {Güç kontrolü ve kapsama parametreleri}
Örnek 3
Kullanıcı downlink oranı promosyon parametrelerinin kendi kendine optimizasyonu: Y = {downlink kullanıcı oranı} X = {güç kontrolü, geçiş, programlama parametreleri}
Araştırma uygulaması etkisi
Bu araştırma, esnek ağ mimarisi aracılığıyla ağ "yumuşak kaynak" havuzlama planlaması sorununu ortadan kaldırıyor. Ek yatırım olmadan, çok sayıda ağa bağlı olarak, ağ kapasitesi ve diğer yazılım kaynakları, "ağdan bağımsız" elde etmek için kullanıcıların ihtiyaçlarına göre dinamik olarak ayarlanır. İnsanlar hareket ediyor ". Çok çeşitli uygulama senaryoları ile yapay zekaya dayalı verimli ve düşük maliyetli merkezi yönetimi araştırdı ve gerçekleştirdi. Ani trafik, gelgit etkileri, potansiyel iş, büyük olaylar ve tatil korumasının beş ana senaryosuyla etkili bir şekilde başa çıkabilir.
Proje sonuçları Jiangsu Mobile tarafından önerildi.İlk olarak, Jiangsu Eyaletinde on milyonlarca kullanıcıya hizmet veren yüz binlerce toplulukta denendi ve doğrulandı ve pilotlar eyalette yürütüldü ve tanıtıldı, ağ inşaatı, işletme ve bakım maliyetlerinden tasarruf sağlandı. Bir gösteri etkisi oluşturdu ve nihayet tüm China Mobile Group'ta ülke çapında bir promosyon aldı.
Şu anda, Zhejiang, Hubei ve Anhui dahil olmak üzere 22 ilde taşıyıcı planlaması uygulandı.ZTE ve Datang bölgelerinde tam otomatik planlama gerçekleştirilebilir.Huawei, Ericsson ve Nokia, üreticilerin yardımına ihtiyaç duyuyor.
Araştırma sonuçlarının başlıca uygulama faydaları aşağıdaki gibidir:
1. Yatırımdan tasarruf edin:
İkinci operatör LİSANSININ% 20'sine kadar tasarruf edin. İkinci taşıyıcı dağıtım aralığının genişletilmesiyle, zamanlama sayısı artmaya devam edecek ve etki daha da artacaktır. Yalnızca Jiangsu yaklaşık 100 milyon yuan tasarruf edebilir.
2. İşletme maliyetlerini azaltın:
İşçilik maliyetlerinin 20 milyon yuan'ı aşmasını sağlamak için ağ optimizasyonundan ve genişletmeden tasarruf edin.
3. Geliri artırın:
Pilot bölgede kaynak kıtlığının üstesinden gelmek, trafik akışında% 10,5 ek artış ve on milyonlarca yuan gelir.
4. Verimliliği artırın:
Varlık yönetiminin entegrasyonu sayesinde, tüm bağlantıların manuel olarak gözden geçirilmesi iptal edildi, ağ optimizasyonu kapasite planlamasının tüm süreci 2 haftadan en az 8 dakikaya indirilerek insan gücünden% 90 tasarruf sağlandı.
5. Ağ kapasitesinin uzamsal dengesini iyileştirin ve T trafiği başına yüksek yüklü hücrelerin sayısını% 68 oranında azaltın.
Özet ve görünüm
Bu çalışmadaki 4G esnek ağ önerisi ve uygulaması, akıllı ağ dönüşümüne yönelik yalnızca ilk adımdır. Gelecekteki 5G ağları için China Mobile, veri olarak algılanan, yüksek verimlilik sağlayan zeka ve uçtan uca bir hizmet olarak ağa sahip bir 5G akıllı ağ önermiştir. Bilgeliğin "yeni mimarisi", uçbirim her yerde bulunma, ağ sanallaştırma, bilgi işlem marjinalleştirme, kapsamlı zeka ve açık yetenek gibi büyük planı gerçekleştirir. 5G yeni algı, yeni yetenekler, yeni ekoloji, yeni mimari ve akıllı ağlar üst düzey tasarımla ortaya çıkacak.
Bununla birlikte, 4G ve 5G ağlarının uzun süre bir arada var olacağını belirtmekte fayda var, 5G tasarımının başlangıcında birden fazla ağın akıllı işbirliğini nasıl düşünmek, sonraki araştırmalar için zor bir nokta haline gelecektir.
