中國移動韓柳燕：突破挑戰(zhàn)，構(gòu)筑智能高效的下一代智能化光網(wǎng)絡(luò)

4月26日消息（九九）在今天舉辦的“2022中國光通信高質(zhì)量發(fā)展論壇-網(wǎng)絡(luò)智能化專場”上，中國移動研究院基礎(chǔ)網(wǎng)絡(luò)技術(shù)研究所傳送網(wǎng)研究室經(jīng)理韓柳燕表示，運營商網(wǎng)絡(luò)引入AI是數(shù)字化轉(zhuǎn)型的必然方向，需要分階段逐步落實AI在光網(wǎng)絡(luò)中的應(yīng)用。

其近期目標(biāo)是提升啞資源感知能力，實現(xiàn)光網(wǎng)絡(luò)全參量感知、光纜和資源規(guī)劃預(yù)測、故障智能定位定界及風(fēng)險預(yù)測；長期目標(biāo)是突破光網(wǎng)絡(luò)智能仿真決策技術(shù)，推進AI優(yōu)化類場景應(yīng)用，實現(xiàn)光網(wǎng)絡(luò)主要運維場景的AI落地。

應(yīng)用場景：分析、預(yù)測和優(yōu)化

韓柳燕指出，光網(wǎng)絡(luò)是業(yè)務(wù)傳送的基礎(chǔ)。目前我國已經(jīng)建成全球最大規(guī)模光纖網(wǎng)絡(luò)，光纜總長超過5488萬公里，光網(wǎng)絡(luò)設(shè)備超過3億端，服務(wù)超16億移動客戶、超5.4億家庭寬帶客戶，以及4000余萬政企客戶。面對規(guī)模如此巨大光網(wǎng)絡(luò)，引入AI的數(shù)據(jù)分析和信息提取能力，能夠高效診斷網(wǎng)絡(luò)質(zhì)量，優(yōu)化業(yè)務(wù)性能，減輕運營負(fù)擔(dān)，改善用戶體驗。

與此同時，光網(wǎng)絡(luò)以光纖等物理媒介為基礎(chǔ)，現(xiàn)網(wǎng)運行會產(chǎn)生各層參數(shù)數(shù)據(jù)，具備大數(shù)據(jù)基礎(chǔ)。其集中化管控架構(gòu)，也可以為AI算法的模型訓(xùn)練及迭代提供天然的數(shù)據(jù)池。

韓柳燕介紹，AI在光網(wǎng)絡(luò)中的應(yīng)用場景聚焦在分析類場景、預(yù)測類場景和優(yōu)化類場景。

分析類場景中，網(wǎng)絡(luò)風(fēng)險智能分析方面，AI智能識別主備業(yè)務(wù)、關(guān)聯(lián)業(yè)務(wù)是否存在同纜風(fēng)險，保障網(wǎng)絡(luò)高可靠運行；業(yè)務(wù)故障智能分析方面，AI對業(yè)務(wù)故障進行歷史分析，實現(xiàn)根因定位和定界。

預(yù)測類場景中，資源預(yù)測方面，AI對全網(wǎng)流量增長進行預(yù)測，為網(wǎng)絡(luò)擴容預(yù)算評估提供支撐；資源預(yù)警方面，AI對鏈路的波道/容量利用率進行預(yù)警，支撐網(wǎng)絡(luò)提前擴容。

優(yōu)化類場景中，光性能智能調(diào)測調(diào)優(yōu)方面，AI結(jié)合自動性能檢測，實時監(jiān)控關(guān)聯(lián)路徑的性能，保障網(wǎng)絡(luò)處于穩(wěn)定、較優(yōu)狀態(tài)；光網(wǎng)絡(luò)資源智能優(yōu)化方面，AI完成整網(wǎng)生命周期內(nèi)的精細(xì)化、動態(tài)化、智能化的優(yōu)化。

關(guān)鍵技術(shù)：融合感知、云管端協(xié)同、智能分析預(yù)測和智能仿真決策

韓柳燕介紹，中國移動傳送網(wǎng)智能化架構(gòu)分為網(wǎng)元管理、專業(yè)運維、網(wǎng)管平臺和綜合應(yīng)用四級，旨在面向垂直行業(yè)、政企專線等各類客戶提供智能化的創(chuàng)新網(wǎng)絡(luò)，打造自服務(wù)、自修復(fù)、自優(yōu)化的傳送網(wǎng)絡(luò)。

韓柳燕坦言，當(dāng)前光網(wǎng)絡(luò)AI的發(fā)展水平還處于努力提升的階段，由于光網(wǎng)絡(luò)自身的技術(shù)特點，在引入AI方面會面臨一些獨特的技術(shù)挑戰(zhàn)，具體而言包括精準(zhǔn)感知、AI模型泛化、主動預(yù)測和現(xiàn)網(wǎng)穩(wěn)定性四方面。

針對這些挑戰(zhàn)，中國移動總結(jié)出光網(wǎng)絡(luò)AI四大關(guān)鍵技術(shù)。一是融合感知，設(shè)備和管控系統(tǒng)協(xié)同，分層采集/感知光網(wǎng)絡(luò)性能參數(shù)，結(jié)合高性能數(shù)據(jù)傳輸技術(shù)，實現(xiàn)光網(wǎng)絡(luò)參數(shù)融合感知。采集內(nèi)容方面，在光鏈路層、光信道層、光部件層、光業(yè)務(wù)層分別采集相應(yīng)的數(shù)據(jù)，對這些數(shù)據(jù)進行綜合分析；網(wǎng)元設(shè)備方面，增強設(shè)備主控板處理和存儲能力，統(tǒng)一數(shù)據(jù)采集框架/模型，靈活控制多單板多端口的數(shù)據(jù)并發(fā)采集；交互協(xié)議方面，增強DCN吞吐量，提升設(shè)備主控、管控系統(tǒng)性能，同時引入訂閱式訪問機制（如Telemetry）；管控系統(tǒng)方面，根據(jù)存儲結(jié)構(gòu)和內(nèi)容的差異性對采集的數(shù)據(jù)進行分類匯聚，基于AI算法對設(shè)備上報的數(shù)據(jù)進行數(shù)據(jù)挖掘獲得額外信息。

二是云管端協(xié)同，通過云管端邏輯架構(gòu)和協(xié)同技術(shù)，解決AI模型訓(xùn)練關(guān)鍵問題，提升AI模型泛化能力。針對AI模型泛化能力差、模型部署對算力要求高、樣本少/標(biāo)注難和大數(shù)據(jù)管理困難等問題，數(shù)據(jù)云化是有效方案，可以有效減輕管控系統(tǒng)的壓力。管控系統(tǒng)就近處理本地數(shù)據(jù)并上報至AI云服務(wù)，目前多部署在本地服務(wù)器，后期隨業(yè)務(wù)擴展逐步演進至云化部署。

三是智能分析預(yù)測，充分利用管控層、網(wǎng)元層分析能力，分析大量關(guān)聯(lián)告警，定位根因告警識別和靜默故障，實現(xiàn)精準(zhǔn)智能分析預(yù)測。網(wǎng)元設(shè)備計算、存儲能力較弱，本地性能數(shù)據(jù)獲取時延較短，因而可以在網(wǎng)元本地執(zhí)行高精度數(shù)據(jù)（毫秒級/秒級/分鐘級）的采集處理和短周期預(yù)測，提升分析效率；管控系統(tǒng)設(shè)備計算、存儲能力較強，但數(shù)據(jù)獲取存在一定時延，可以執(zhí)行數(shù)據(jù)粒度較大（天級/周級/月級）的長周期預(yù)測，進行長周期數(shù)據(jù)采集和分析預(yù)測閉環(huán)。

四是智能仿真決策，在配置和優(yōu)化結(jié)果下發(fā)前，進行事前仿真決策，確保配置和優(yōu)化結(jié)果的準(zhǔn)確、可信，確保現(xiàn)網(wǎng)業(yè)務(wù)不受影響。在初始化階段，認(rèn)識物理網(wǎng)絡(luò)，確定仿真優(yōu)化目標(biāo)；在模型設(shè)計階段，建立網(wǎng)絡(luò)仿真模型，驗證模型完整性、一致性；在仿真與結(jié)果分析階段，通過模型建立仿真場景，構(gòu)建仿真設(shè)計，執(zhí)行仿真，分析結(jié)果。

韓柳燕進一步介紹，數(shù)字孿生是智能仿真決策的基礎(chǔ)，將實際網(wǎng)絡(luò)進行數(shù)字化映射，構(gòu)建離線仿真和在線仿真能力，滿足不同應(yīng)用場景訴求?；跀?shù)字孿生的仿真的本質(zhì)是建模，關(guān)鍵是實現(xiàn)理想庫與現(xiàn)實庫的鏡像。數(shù)字建模仿真適于現(xiàn)網(wǎng)，過程中需考慮準(zhǔn)確度、運行速度與資源開銷之間的平衡，準(zhǔn)確性越高，速度越慢，資源開銷越大；速度越快，資源開銷越小，準(zhǔn)確性越低。網(wǎng)絡(luò)配置建模從網(wǎng)元獲取配置數(shù)據(jù)，利用知識圖譜建立新特性的關(guān)系；網(wǎng)絡(luò)動態(tài)協(xié)議建?？梢钥紤]引入AI機器學(xué)習(xí)，簡化傳送網(wǎng)新協(xié)議引入后的模型建立過程。

應(yīng)用實踐：光纖同纜、同溝檢測和光網(wǎng)健康預(yù)測

韓柳燕介紹，光纖同纜和同溝檢測是中國移動在光網(wǎng)絡(luò)智能化方面的典型案例之一。光纖同纜和同溝檢測對于現(xiàn)網(wǎng)可靠性而言是亟需解決的問題。主備業(yè)務(wù)或關(guān)聯(lián)業(yè)務(wù)實際部署到同一條光纜上，單條光纜中斷后主備業(yè)務(wù)或關(guān)聯(lián)業(yè)務(wù)同時失效，不僅導(dǎo)致業(yè)務(wù)中斷，而且部分網(wǎng)絡(luò)成為孤島導(dǎo)致缺乏遠(yuǎn)程應(yīng)對手段。

光纖同纜檢測機制，是利用瑞利散射的作用，從光纖各部分（包括光纖的不均勻性、光連接器、光纖接頭、光纖的故障或斷點）返回光功率成比例分布。光纖同溝檢測機制是利用光在光纖中傳輸時光偏振變化原理，感知光纖沿線特定加擾事件。

通過對現(xiàn)網(wǎng)光纖信息、站點地理信息、光性能信息、環(huán)境信息等數(shù)據(jù)進行采集和分析，通過AI實現(xiàn)了同纜風(fēng)險自動識別。同纜檢測在北京現(xiàn)網(wǎng)實際驗證30組，準(zhǔn)確率達到97%；同溝檢測達到準(zhǔn)確率100%。

光網(wǎng)健康預(yù)測是中國移動在光網(wǎng)絡(luò)智能化方面另一典型案例，基于光網(wǎng)絡(luò)設(shè)備的數(shù)字化光層能力和管控平臺的AI推理功能構(gòu)建光網(wǎng)健康預(yù)測系統(tǒng)，通過機器學(xué)習(xí)和AI預(yù)測算法，分析光纖和波道健康度，并根據(jù)光性能變化趨勢，提前預(yù)測劣化類故障風(fēng)險，以及自動定位和定界光纖故障、自動分析割接質(zhì)量。

通過發(fā)現(xiàn)故障、定位故障、恢復(fù)故障和結(jié)果輸出，實現(xiàn)性能實時監(jiān)控、故障提前預(yù)測、故障自動定位，通過光層數(shù)字化+AI實現(xiàn)主動運維，提升運營效益和效率。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。