5G工具箱，加速5G新基建

        2020年春，随着三大运营商陆续公布5G二期招标结果，中国5G大规模部署全面启动，近50万基站的建设规模让中国大地瞬间成为5G网络的热土。如何实现5G站点的快速开通入网，实现基础覆盖优化，形成市场竞争力，成为运营商关注的焦点。为迎接5G新基建大潮，中兴通讯精心打造了系列工具利器，推出多种网络部署和优化的自动化、智能化工具，为实现快速部署高质量5G网络做好准备。

SON自配置自优化，高效优质第一步

        对于5G网络，邻区配置及优化、ENDC X2和Xn配置、PCI配置优化等工作，是站点开通部署的第一步，而人工操作的低效很难满足大规模开站的需求。中兴通讯5G SON（Self-Organizing Network，自组织网络）功能，借助AI算法识别问题，提高维护效率，实现邻区及链路的智能识别、自动组织、编排和纠错，助力5G网络的快速建设。当5G站点上电并建链成功后，网管SON模块监听到站点建链，根据导入的邻区规划表，自动为该站点进行邻区配置。完成邻区自配置后，系统会自动检查4G-5G站点间ENDC X2和5G Xn接口链路是否建立，如未建立，则自动发起X2/Xn接口链路的建立，无需人工操作，高效快捷。对网络中可能存在的邻区配置错误、PCI冲突和混淆，SON对此可以进行自优化。针对目前5G终端芯片还不支持5G NCGI测量的情况，中兴通讯采用空口发现未知PCI+工参辅助确定目标邻区NCGI的方案，通过设置距离门限、未知PCI测量时RSRP门限、未知PCI测量到的次数等多维度的综合判断，确保邻区配置合理准确。基于X2/Xn和邻区配置，系统对PCI进行冲突混淆检测，综合考虑5G-5G和4G-5G邻区，对发现的PCI冲突进行自动优化，重新分配PCI。

        在福建5G建设现场，通过SON功能，将传统单站开站时间所需的20分钟缩减到100个站点开站时间仅3分钟，并且实现自动监听，确保数据不会漏配，效率提升上百倍。而自优化功能则节省网络优化人员40%的时间，大幅提高5G网络部署的效率和精准度，保障网络质量。

WNG自动路测，验收优化更轻松

        大规模站点开通必然带来大量路测验收工作。传统单站验收3人一组，需要背上笔记本，带着GPS、扫频仪、MOS仪，拿着测试终端，白天“扫”街采数据，晚上加班出报告，测试人员工作量大、效率低，影响站点验收入网。

中兴通讯5G工具箱里，有一款新式武器WNG（Wireless Network Guardian）。WNG是采用云服务器+APP架构的自动路测解决方案，可以实现无线路测数据采集、网络评估分析报告输出全流程的自动化，提升路测效率。

WNG业务分析和处理系统部署在云服务器，专业人员只需通过客户端登陆服务器，就可以远程进行测试任务设置，测试条目包括参数验证、小区性能指标验证，系统提供标准模板，也可以对测试条目进行定制，还可以多任务下发。现在，单验只需一人一车一终端，轻轻松松就可出发了。终端接收任务后自动测试采集数据并实时上报，服务器对相应的数据进行自动分析处理，并在测试完成后自动输出测试报告，对于报告模板，同样也可以根据现场需求定制。

        在国内5G建设中，有50多个外场规模应用WNG作为5G站点单验工具，500多部终端穿梭在大街小巷，周输出报告1000多篇，相比传统路测模式，人员减少60%，效率提升65%。

AAPC天线权值自优化，覆盖提质精细化

        5G的关键技术之一Massive MIMO（Multiple Input Multiple Output），通过利用大规模阵列天线和三维波束赋形，有效提升复杂场景下立体纵深覆盖和系统容量。相比传统天线，Massive MIMO大规模阵列天线具有更多参数调整维度，包括水平波瓣宽度、垂直波瓣宽度、方位角、下倾角和波束数量，每个维度都可以进行精细化调整，一个小区理论上可能的天线参数权值达上万种。在实际网络中靠人工根据场景/业务变化进行多小区协同优化调整，几乎是不可能完成的任务。

        中兴AAPC（Antenna Automatic Pattern Control）方案采用人工智能蚁群算法，基于优化目标和搜索时间的平衡，对解空间（天线权值组）进行优化，通过仿真学习，舍弃效果不明显的权值组，并设置最大迭代次数，降低对算力的要求，同时也大幅减少最优解的搜索时间。AAPC根据不同场景、用户分布和优化目标，给出优化权值，下发网元执行后再通过UE上报数据验证优化效果，进行下一次优化迭代，如遇KPI劣化，则直接回退上一权值组。在外场试点中，测试验证原来人工优化天线权值需要40多人天的工作量，现在只需要2人天就可完成，效率高，效果好。

AI慧眼察异动，网络故障早排除

        无线网络关键性能指标（KPI）是网络质量好坏的直接体现，KPI异动往往预示着网络某个层面出现问题。运维人员每天面对成百上千KPI变化和大大小小的告警处理，很多时候疲于奔命，对KPI监控无法做到精确化和快速化处理，经常等到用户投诉了才发现KPI的异常，才启动处理流程，十分被动。中兴通讯无线智能运维系统借助AI人工智能，结合机器学习（Machine Learning）和专家规则来实现无线网络KPI的异常检测和故障诊断的自动化，相当于一个24小时运行的“网络健康监测和诊断仪”，为网络医生们提供分析数据和根因诊断。系统引入了基于结构特征的时间序列聚类方法，对KPI进行分类，每个KPI类别选择适当的时间序列模型，预测KPI在下个时间粒度的正常基线，如果网络KPI实时测量值超过了在线检测的基线，能够在首个时间粒度内及时发现，也避免因潮汐效应以及网络基础条件等差异导致误报、漏报。

        当系统检测到KPI异常时，如是已定义的已知故障，系统根据关联告警、操作日志、网络拓扑和专家规则库进行综合分析，给出根因判断和故障排查操作建议。

        当检测到的异常是未知故障，基于ML的诊断模块使用部分最小二乘回归算法（Partial Least Square）进行根因分析和定位，通过对可能原因进行贡献度分析，找出顶端的根计数器指标作为异常根因判定。

        在外场验证期间，某子网LTE的E-RAB建立成功率突然从99.9%下降到99.2%，系统异动根因检测功能很快发现并下钻分析本次异动的根因，快速定位到ID 208203的eNodeB，发现这个基站的一个小区的成功率指标下降到0，引发全网相应指标异常波动。通过告警关联分析，在KPI异动时间点，小区出现一次RRU异常导致退服，得出RRU故障导致本次指标下降异动的结论。整个故障定位分析时间不到10分钟。而以前通过人工分析，一个有经验的工程技术人员通过网管统计KPI分析指标异动，关联告警、日志，下钻TopN小区直至找出问题所在，至少需2小时。

        5G作为新基建之首，将成为社会信息流新的动脉，成为产业转型和社会经济发展的加速器，打造覆盖完善、品质优良和业务领先的5G网络是运营商和合作伙伴的共同目标。中兴通讯5G工具箱聚焦新基建建设浪潮和未来网络长期高质运营，通过对部署、运维、优化中遇到的痛点分析，借助AI新技术引入，提高开站效率、快速优化网络，打造5G建设快车道，助力网络强国和经济战略转型的实现。