您当前访问的的浏览器版本过低,为了给您带来更好的体验,建议您升级至Edge浏览器或者推荐使用Google浏览器
取消

AI容量预测,助力精准5G投入

发布时间:2020-03-25  作者:张文义 中兴通讯  阅读量:

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。

分享到: