智能时间网部署及应用研究

发布时间:2020-10-26 作者:中兴通讯 何力 阅读量 :

 

4G时期,中国移动开展了大规模时间网建设。时间网与PTN/IPRAN的基站回传业务网在物理上是一张网,暴露的主要问题是时钟网规划复杂,配置效率不高,大规模组网缺乏有效的故障隔离方案,一个区域内的时钟故障可能会影响另一个无关区域的时钟服务,故障定位困难。为了解决规模部署的问题,逐步发展出智能时间网综合解决方案。智能时间网方案打破4G时期时间网与业务网的同网限制,其核心思路是核心汇聚环部署单纤双向时间专网,接入网采用基站回送GNSS信号,时间网络分域,利用大数据或AI技术实现有效管控。

智能时间网关键技术

智能时间网针对城域时间网规模大复杂度高的问题,通过智能管控系统进行层次化故障隔离、智能故障分析,解决了大规模时间网部署和定位难题。

时间网分域

时间网的组网算法由适应MESH结构的BMC算法动态实时生成。

未进行分割的时间环按照所配置的主从时间优先级进行时间同步,各设备时间环环相扣。当某一接入环设备出现故障,例如优先级变为最高或较高优先级,本接入环以及其他接入环和汇聚核心环的较低优先级设备的时间则会跟随该故障设备的时间,影响范围大,且易出现网络反复震荡,故障定位困难。

为了加快故障定位,约束故障涉及范围,可以将网络根据等级划分片区。

分割时间网,可以下沉时间源到汇聚接入网交汇处,物理上实现多源多区域划分,也可以从逻辑上将网络切分,将一些承载节点抽象成虚拟时间源注入点(见图1)。


           图1   时间网分域

网管控制器根据节点所处的网络层次,将时间网分为核心汇聚、普通汇聚、接入环时间环。不同层级间单向授时,授时的方向为核心汇聚→普通汇聚→接入环时间环,处于较低层次的环路不能向高级环路授时,实现接入环间故障隔离。每个层次的故障及影响范围明确,易于手动BMC算法快速隔离故障区域。

自动规划

自动规划是指根据物理拓扑和网元时钟同步属性,自动计算和规划所有或指定区域内网元的主备用时钟同步拓扑,根据规则解决时钟时间配置,消除新老设备的差异性问题,实现端口的自动优选,例如,建网优先单纤双向路径。

当网络发生变更时,根据变化后的拓扑自动对变化的网络区域重新进行同步规划及配置,以实现最小变更,网络其他区域的已有同步配置不受影响。

时间网的自动规划高效简易,配置简单,减少建网规划的复杂度,降低人为差错。

单纤双向时间传递技术

承载网汇聚环以上设备部署,存在长距、OTN和分组设备共存的情况,时间精度直接影响下游接入环精度。利用专用链路采取GE/10GE单纤双向光模块组建汇聚层以上专用时钟时间环,可以减少光纤不对称导致的时延偏差,也能规避相干光模块引入的不确定误差,在增强稳定性的同时,保证了OTN和分组设备同方案的对接。

引入单纤双向后,同时需要考虑不同波长在光纤中长距离传输导致的时延差。以GE 40km光模块方案为例,IEEE标准定义的激光器波长范围为1310nm~1490nm,1310nm和1490nm窗口色散系数不同,如果采用G.652光纤,对应传输时延差为+/-1.28ns/km,40km的传送将引起+/-25.6ns的时间差。因而,采用单纤双向光模块组网,如果没有进行补偿,在不适当的匹配关系下,不能忽略现网波长累积带来的时间误差。

由于波长和时延是线性关系,在已知波长的情况下,可以通过自动估算时延推算时延偏差,从而抵消波长偏差带来的误差。

管控设备根据现网设备自动优选单纤双向路径。

基站时间回送承载网

无线基站主要采用GNSS和1588V2地面同步技术实现空口时间同步。为保证同步性能的稳定可靠,基站通常同时开通两种技术,相互之间形成保护。系统将基站GNSS获取的时间与1588获取的时间差值回传给接入层承载设备,并上报给承载网管控制器系统,控制器可以根据上下游各站点的数据进行分析,从而推断出基站或承载网的性能,并进一步确定故障根源。

基站回送的卫星与承载设备的比对信息,提供了基站相对于地面授时的绝对偏差,承载接入设备根据自身收到的多个基站及上下游节点获取的信息,可以推算当前设备时间的可信度。

由于基站回送的卫星与承载设备的比对信息是绝对偏差,可以作为重要的智能故障诊断特征,与其他时钟时间告警、配置和性能数据,共同组成智能故障诊断的特征数据,用于计算网络中非接入GNSS设备的状态。

时钟时间智能故障诊断

时钟时间智能故障诊断主要包括时钟时间网故障识别、时钟时间故障位置的确定和故障根因的确定,其基本思路是网管控制器利用时钟时间相关的配置、告警和性能数据,进行大数据分析,进行智能故障诊断。

时钟时间网故障识别

时钟时间网故障识别主要基于采集到的时钟时间网拓扑结构,以及各网元节点的时钟和时间类配置、告警和性能特征数据,采用知识图谱分析或基于AI技术识别时钟时间网是否存在故障。

AI故障分析是机器学习技术在通信网应用的一个方向,适合网络复杂具有一点模糊性的故障分析。如果使用AI技术,为了完成时钟时间网的故障识别,首先,需要采集已标注的时钟时间网样本数据,并将其转换为训练样本集;然后,需要建立相应的AI模型;最后采用训练样本集训练模型,从而让模型具备时钟时间网故障识别的能力。

故障位置的确定

针对故障定位,中兴通讯有两种技术方案,一种是基于故障依赖关系图和规则的故障位置定位技术,另一种是基于图神经网络的故障位置定位技术。

基于故障依赖关系图和规则的故障位置定位

该方案首先需要基于现网时钟时间配置以及时钟和时间实际路径,建立故障依赖关系图。当需要进行故障位置定位时,基于已建立的故障依赖关系图进行搜索,根据节点判断规则,找出存在异常的实体节点。通常位于依赖关系最底层的异常实体节点,就是要确定的故障位置。

基于图神经网络的故障位置定位

图神经网络是一种机器学习连接模型,它通过图的节点之间的消息传递来捕捉图的依赖关系,将深度神经网络从处理传统非结构化数据推广到更高层次的结构化数据。利用图神经网络技术的这一特点进行故障定位时,不仅利用了自身节点的特征信息,还充分利用了周围相邻节点的特征信息,故障特征信息采集更充分,故障定位准确率更高。

为了实现基于图神经网络的故障位置定位,首先,需要对故障定位的场景进行抽象定义,将故障位置定位问题转换为图神经网络的节点分类问题;其次,需要建立一个端到端的基于图神经网络的节点分类模型;然后,需要采集时钟时间网已标注的样本数据,并将其转换为训练样本集,对已建立的基于图神经网络的故障定位模型进行训练,从而具备故障位置定位的能力。

中兴通讯的智能时间网总结了4G时期PTN时间网大规模部署的经验,在江苏移动、福建移动、北京移动等现网逐步展开试点,在迭代中完善,逐步解决了4G时期时间网大规模建设开局不易、故障排除较难的问题,为5G承载时间网的建设铺平了道路。