NWDAF,为5G注入智能

发布时间:2020-07-15  作者:中兴通讯 涂小勇  阅读量:

5G时代,许多新的业务场景提出了对SLA(Service Level Agreement,服务级别协议)的差异化需求,带来了网络运营的复杂性。依托5G网络能力和丰富的业务发展,业务体验也将呈现出多元化、个性化发展态势。

面对未来通信场景的复杂化、业务需求的多样化、业务体验的个性化,目前的5G网络仍缺乏足够的智能来提供按需服务和更高的网络资源利用效率。因此,3GPP拟将AI(人工智能)引入5G网络,新增了一个NF(Network Function):NWDAF(Network Data Analytics Function,网络数据分析功能)。

NWDAF协议标准

NWDAF是一个数据感知分析网元,以网络数据为基础对网络进行自动感知和分析,并参与到网络规划、建设、运维、网优、运营全生命周期中,使得网络易于维护和控制,提高网络资源使用效率,提升用户业务体验。

3GPP针对5G网络智能化的研究很早就已启动。2017初,R15版本首次引入NWDAF网元,用于辅助网络切片负荷分析,以优化网络切片选择和5G QoS决策。2019年6月,R16版本完成NWDAF stage2(架构部分)标准研究工作,涵盖移动性管理策略、5G QoS增强、动态流量疏导和分流、UPF选择等方面的优化。2019年10月启动R17版本的研究,目标是设计一个分层/分布式的智能网络架构,提供平台化能力,满足大型运营商的网络部署要求,使能垂直业务拓展。

3GPP定义的NWDAF,从NF、AF(Application Function)、OAM(Operation Administration and Maintenance)收集原始数据,并对原始数据进行智能分析,输出分析数据给NF、AF、OAM等,用于优化网络和业务。

NWDAF典型应用场景

随着NWDAF不断演进,利用AI技术对5G移动网络实现智能化管理,助力5G网络保证更优的网络服务质量、提升网络资源使用效率的场景越来越多。

终端参数的定制或优化

NWDAF通过收集用户连接管理、移动性管理、会话管理、接入的业务等信息,利用可靠分析和预测模型,对不同类型用户进行评估和分析,构建用户画像,确定用户的移动轨迹和业务使用习惯,以及预测用户行为,5G网络基于分析和预测数据,优化用户移动性管理参数和无线资源管理参数等。

网络切片的优化

网络切片是5G网络引入的重要技术,在同一套硬件基础设施上按需切分出多个虚拟的逻辑的端到端网络,每个网络切片在逻辑上隔离,适配各种类型业务的不同网络需求。NWDAF通过收集网络切片的资源使用、业务量、用户业务体验等信息,利用可靠分析和预测模型,实现对网络切片业务量、资源需求、网络切片用户业务体验的统计和预测,构建网络切片画像,优化网络切片资源分配和网络切片选择策略等。

业务(路径)的优化

NWDAF通过收集网络性能、特定区域业务负荷、用户业务体验等信息,利用可靠网络性能分析和预测模型,对不同类型业务进行评估、分析,构建业务画像,确定业务的QoE和业务路径、5G QoS等内在关联,优化业务路径(优化UPF选择)、业务路由(优化URSP)、5G边缘计算、业务对应5G QoS等。

AF对业务参数的优化

车联网是5G网络的重要技术,在车联网的自动驾驶场景中,车辆即将经过的基站的网络性能(例如QoS信息、业务负荷)预测对提高车联网的服务质量有着重要作用。例如车联网服务器可以基于网络性能的预测信息判断是否继续保持无人驾驶模式。NWDAF通过收集网络性能、特定区域业务负荷等信息,利用可靠网络性能分析和预测模型,实现对网络性能的统计和预测,辅助AF优化参数。

中兴通讯NWDAF方案

中兴通讯NWDAF产品依托中兴智能业务统一框架,提供强大的数据收集存储能力、数据自动智能的统计分析和预测能力,便于扩展支持各种新的应用场景。其系统架构如图1所示。

NWDAF部署AI能力的基础硬件环境,可以是专用AI硬件,也可以是通用服务器。中兴智能业务统一框架在大数据平台基础上,嵌入AI算法模型,进行离线训练和准实时在线训练,进行模型推理和快速迭代更新,满足不同场景下对AI的需求。AI算法模型中的预测模型,支持多种预测算法,如目前比较成熟Prophet算法;预测模型可以基于大量静态的历史信息进行长期性预测,也可以基于准实时数据进行分析预测。

5G时代,自动化或者AI不仅仅是组成部分,而是成为一个核心的部分。5G与AI是相互使能的关系,一方面AI能够帮助提升5G的能力,另一方面5G也将推动AI不断成熟,使其能够更大地发挥作用,最终通过网络人工智能使整个社会受益。

分享到:

 选择国家/语言

Global - English China - 中文