AI容量预测，助力精准5G投入

随着移动通信技术的快速发展和智能终端多媒体技术的应用，数据业务流量出现成倍增长。流量是用户业务量在网络中的直接体现，也是运营商经营收入的基础。如何在有限投资下充分挖掘用户业务流量需求，精准预测未来网络容量发展趋势，越来越成为运营商关注的焦点。在运营商网络中，由于用户和业务分布的不均衡，会导致网络中存在大量热点区域，甚至会出现因小区容量受限导致用户潜在业务需求被压抑的情况。同时，针对于现网已有容量瓶颈以传统方式进行扩容，无法真正满足未来需求，而大规模扩容又会导致投资收益率降低。

针对以上现状，中兴通讯提出了基于大数据分析和机器学习算法实现的AI容量预测分析方案，有效分析流量压抑小区，确定网络痛点，精准预测网络容量未来的发展需求。一方面，可以消除网络潜在瓶颈，做厚做强网络；另一方面，可以确保价值投资。

压抑流量分析

在无线通信系统中，随着小区用户数的增加，小区总流量逐渐增加。但是当用户数达到一定值后，由于小区容量能力有限，实际流量不再增长。随着用户数进一步增加，单用户感知速率会降低，进而导致用户可能会放弃某些流量业务，导致流量压抑（见图1）。流量随着用户非线性增长，一定程度限制着运营商的收益，因此需要释放被压抑流量。

压抑流量分析，通过提取网管内的流量、用户数、资源利用率等数据，结合大数据分析和机器学习算法，输出小区流量压抑分析结果。
－输入数据要求
小区级近1个月、小时粒度、每天24小时的网管数据，包含流量、用户数、资源利用率、单用户速率等指标。数据应尽量避开校园场景寒暑假期间、交通枢纽场景长假期间等受用户行为影响的时间段。
－分析算法
通过DBSCAN聚类算法删除异常点；通过SVM支持向量机算法识别压抑小区和非压抑小区；提取平均激活用户数、下行PRB利用率、COI和SINR等数据，通过训练学习建模，拟合特征曲线，输出流量压抑模型。
－分析结果
标识小区是否压抑；如果是非压抑小区，输出合适压抑和未来压抑点对应的流量；如果是压抑小区，输出被压抑流量、压抑点对应的流量、结果表格和图示。
－结果用途
根据小区压抑标识确定是否需要扩容，压抑小区需要扩容，非压抑小区不需要扩容；根据压抑量确定扩容载波数目；根据压抑量判断小区是否需要扩容，如果压抑流量高于某门限值，则进行扩容，反之则不需要扩容；根据压抑量的高低比较，进行扩容优先级排序，压抑量大的小区扩容优先级高于压抑量小的小区。

指标预测分析

随着4G和5G技术的飞速发展，运营商为了避免因市场快速发展带来的用户感知恶化风险，同时为了提升竞争力，越来越关注未来用户发展和网络容量的变化趋势。通过指标预测分析，提前做好网络的规划和部署是行之有效的措施。

指标预测分析通过提取历史用户数、历史流量、历史资源利用率和历史速率数据进行训练建模，综合了SARIMA和LSTM的各自优势，并结合LGB算法，提供网络级、簇级和小区级容量进行预测分析，预测未来流量、用户数、资源利用率和单用户感知速率，这些指标可以按需组合作为未来是否扩容的依据。

－数据要求

历史数据的时长要求：需要至少一年的历史数据，越久越好。基于经验的预测需要从足够长的历史数据中学习到规律。粒度要求：天忙时粒度数据，或每周的天忙时平均粒度数据。
－预测时长对历史数据时长的要求
预测未来3个月，需至少1年的历史数据；预测未来半年，需至少1.5年的历史数据；预测时长越长，准确率越低。如果只存有3个月的历史数据，则最长预测未来1个月。

中兴通讯AI容量预测方案推出后，分别在国内外多个运营商完成了一系列的外场验证。在印尼TSEL项目，将预测结果作为滚动规划输入，完成8，000个站点的压抑分析和1，000个站点的预测，预测结果导入远程扩容平台输出滚动规划方案；在巴基斯坦CMPAK项目，完成AI扩容工具的首次现场部署，应用于现场13，000小区的扩容分析，并输出扩容判决；在缅甸MPT、南非MTN、广州移动、江苏电信、河南联通等项目都完成了初步验证。