5G承载智能化 前沿技术及应用探索

发布时间:2020-04-20  作者:薄开涛 中兴通讯  阅读量:

5G时代,行业应用需求极大丰富,带来网络规模和业务容量的极速增长,网络结构呈现多维度复杂性,同时网络用户对服务交付的质量和高效性的期许值逐年提升。5G的发展对承载网络提出新的挑战,高效便捷地构建网络,快捷发布业务,实时感知网络状态并进行业务自愈、快速故障诊断、流量预测和优化、系统开放可靠是5G承载网络建设好坏的关键。而满足这些新的需求,对于网络运营商和设备商都是巨大的挑战。面对挑战,运营商和设备商积极探索5G时代网络发展的新模式,经过近几年的探索,特别是随着AI、大数据、云计算等技术的发展和在通信行业的应用,业界一致认为智能化是5G承载网络的必由之路,是5G承载繁荣发展的关键。

5G承载智能化关键技术

5G承载智能化需要很多新技术的支撑,其中关键技术包括意图网络、智能控制、机器学习、知识图谱、网络镜像和云原生。

意图网络
意图网络(Intent Based Network,IBN)是一种在掌握网络自身“全息状态”的条件下,基于人类业务意图,借助AI技术进行搭建和操作的闭环网络架构。传统网络依赖于人下发具体的策略甚至网络配置命令,但意图网络中人只需关注自身所期望达到的网络状态,即意图,意图网络会根据用户业务意图自动完成后续的操作,并实时地验证实际网络与意图是否匹配,不断调整,形成一个闭环的运维控制系统。

智能控制
承载网络智能控制技术在5G时代主要包括SR控制协议、集中控制、切片、Telemetry。SR技术简化了控制协议,把网络演变成简单的积木,更利于网络端到端的编程。集中控制技术能够统一控制全网资源,以最符合用户业务需求的路由和SLA满足不同行业客户需要,并使网络资源效益最大化。切片,通过基于统一的物理网络设施提供多个逻辑网络,满足不同行业客户或者特定场景的差异化需求,每个切片网络聚焦于特定的需求,简单而高效,而且切片相互隔离,确保安全。Telemetry采用细粒度周期主动推送数据,实现秒级甚至毫秒级的实时反馈,为网络控制提供精准的数据支撑。

机器学习
机器学习(Machine Learning)是AI的重要领域,在5G承载智能化中起到关键的作用。机器学习基于5G承载网络的大数据,进行模型的训练,在网络流量分析、流量预测、异常分析、网络仿真、意图识别、故障诊断等方面起到核心作用。机器学习在上述的应用场景使用不同的具体技术、算法,比如分类聚类、随机森林、贝叶斯网络、强化学习等。

知识图谱
知识图谱是由Google公司在2012年提出来的一个概念。知识图谱本质上是语义网络(Semantic Network)的知识库。从应用角度看,知识图谱是一种多关系图,即包含多种类型的节点和多种类型的边。知识图谱在5G承载的应用,就是使用图将离散的数据联系起来,图中的边自带语义属性,基于图理论的算法高效完成数据搜索、推理,提供有价值的分析结果和决策支持,典型的应用是网络配置稽核、故障分析和诊断等。知识图谱可以通过人工积累和机器学习方式,不断完善、优化知识逻辑和模型,使得网络智能形成闭环的提升。

网络镜像
网络镜像是现实网络的一个实时同步的模拟网络,保有网络的全面实时的数据,包括网络拓扑、流量、业务、协议等数据,数据涉及配置数据、状态数据、实时数据等。网络镜像不仅包括网络的现时数据,也包括历史数据、未来数据。网络镜像为机器学习、知识图谱、智能控制、意图网络的应用以及各种网络服务提供强大的数据支撑。

云原生
5G时代,新业务的开发能力、新场景的应用能力、新需求的响应速度越来越重要。云原生架构通过采用PaaS构建开放的服务平台,采用APP模式构建开放应用模式,通过OpenAPI提供开放的接口,通过DevOps实现持续集成、持续交付,从而构建高效弹性安全的开放能力。能力开放将产品研发、质量保证、网络运维等流程连接起来,使业务发布周期更短,上市时间更快,实现更少侵入性的升级和更高的交付质量。能力开放可以让更多的角色参与网络智能化的建设,构建合谐高效的网络应用生态,加速网络创新。云原生架构为5G承载智能化提供了基础的平台。

中兴通讯打造5G承载智能化高地的应用实践
基于对5G承载网络新需求的深刻把握和在智能化技术领域的强大技术实力,中兴通讯着力打造5G承载智能化高地,以加速5G网络的建设并简化网络建成之后的运维复杂度。
这里介绍几项运营商最为关注的典型实践。

智能化管控产品ZENIC ONE
中兴通讯基于云原生、微服务架构,采用自研ICT-PAAS平台,采用APP框架支持第三方APP开发,支持OpenAPI开放接口,实现智能化管控产品ZENIC ONE。ZENIC ONE由丰富的服务/微服务构成,按照网络整个生命周期的闭环组织这些服务/微服务,并可根据业务场景部署或扩展相应的服务/微服务,同时支持节点与容器弹性扩展,具备管理规模无上限能力。ZENIC ONE包括AI平台、BigData平台,以提供强大的数据分析和智能化处理能力。2019年,ZENIC ONE管理等效网元规模已由传统OMC的3万左右提升到30万+,且成功在广东移动等多个省份云化平台上部署,满足全省承载网络的统一管控。

基于意图的业务自动开通
ZENIC ONE从技术架构上包括意图引擎、自动化引擎和感知引擎,并形成功能闭环。意图引擎包括意图翻译、意图感知、意图保障三大组件,基于意图的业务开通主要涉及意图翻译组件。中兴通讯基于意图的业务自动开通,过程简单快捷,用户只需选择业务的场景,系统智能分析后只显示该场景必须输入的信息,其他数据则由意图引擎通过场景和自学习提供默认推荐数据;然后系统会自动形成多个符合用户意图的业务方案。用户选择业务方案后,系统按照内部处理流程转换为设备配置信息通过自动化引擎下发给有关设备,从而完成业务的开通。基于意图的业务开通服务已在白俄A1现网应用,使得业务开通效率提升80%。
基于机器学习的光层自适应控制
光层自适应控制功能主要是在不需要人为干预的情况下,使系统能够自动处理光网络突发状况,保持客户业务的稳定性。中兴通讯光层自适应控制功能能够在不变速率、不变频谱间隔、不变调制方式的情况下,通过使用机器学习算法进行光功率优化和光损伤补偿,使光链路获得更好的OSNR性能;在资源受限的情况下,通过使用机器学习算法可实现频谱的灵活调制变换和速率控制,提高路径选择的空间;在故障出现的情况下能最大限度利用当前物理资源,保证客户业务的连通性,从而为客户提供最优性能的网络服务、最可靠的业务保障。该功能已通过了多个运营商的测试和验证。

基于网络镜像和机器学习的网络仿真
网络仿真功能可在网络建设和运维阶段,在不影响现网运行的情况下,及时识别潜在的隐患或瓶颈,提高网络规划、网络运维的质量和效率。中兴通讯网络仿真功能基于网络镜像,模拟现实网络中可能会发生的内外部环境变化,触发仿真行为的执行,具体的网络仿真行为有:故障仿真、流量仿真、质量仿真、协议仿真等,除此之外,还可以通过模拟一次、二次故障来评估网络的整体抗打击能力,研究网络的生存性(健壮性),给出量化结果,支撑后续的网络规划、网络调整或隐患消除工作。以流量仿真为例,仿真服务基于网络镜像服务提供的网络拓扑、协议、业务流量历史数据及变化信息,根据用户期望增加的流量,调用流量仿真及预测算法,给出网络的流量仿真结果,以流量拓扑图方式展现给用户,识别网络瓶颈,给出网络优化或扩容具体建议。该功能已通过了多个运营商的测试和验证。

基于机器学习和知识图谱的配置稽核
配置稽核的目的是快速、自动识别网络配置异常和潜在风险,提高网络运维的效率。中兴通讯配置稽核功能,使用知识图谱技术从现有网络中抽取设备的配置特征结构形成角色指纹,并挖掘网络结构子图,利用统计/联结的方法学习语义规则,结合图神经网络来进行分析,最后基于设备角色和NLP语言处理技术扫描设备配置,识别出异常配置和可能的隐患。该功能于2019年6月MWC上海展上首次展示,并于2019年世界宽带论坛上荣获最佳网络智能奖,现已在广东联通IPRAN全网部署,2020年春节网络保障期间发挥了重要作用,得到用户高度评价。

基于机器学习和知识图谱的故障诊断
故障诊断是网络运维的高频工作,故障诊断的效率一定程度决定了网络质量。中兴通讯故障诊断功能,通过使用基于知识图谱技术的故障依赖关系图自动进行各种网络和业务对象的故障诊断,使用基于贝叶斯网络的故障传播图,提高疑似故障根因的概率分析,使得故障定位更加精准。该功能在深圳移动等现网验证,诊断效率提升70%。

随着机器学习、知识图谱、大数据等一系列新技术的发展与应用,5G承载智能化正在逐步成为现实。中兴通讯会通过在智能化方面的大力投入,以及与运营商及行业伙伴紧密合作,使ZENIC ONE应用到更多的商用网络中,更灵活、更快速地满足行业与细分市场的需求,助力5G网络建设,引领5G承载智能化的发展。

分享到:

 选择国家/语言

Global - English China - 中文