查先毅

（中通服咨詢設(shè)計研究院有限公司，江蘇 南京 210019）

0 引 言

人工智能屬于一種新型通用技術(shù)，5G網(wǎng)絡(luò)中人工智能技術(shù)的融合應(yīng)用有利于提升場景感知能力，能夠快速響應(yīng)感知到的場景，可以為網(wǎng)絡(luò)執(zhí)行策略制定提供技術(shù)支持，并有效預(yù)測通信場景的特征。隨著人工智能技術(shù)與軟件定義網(wǎng)絡(luò)（Software Defined Network，SDN）、網(wǎng)絡(luò)功能虛擬化（Network Functions Virtualization，NFV）等技術(shù)的融合發(fā)展，為構(gòu)建新型智能信息基礎(chǔ)設(shè)施，需要將無線網(wǎng)絡(luò)優(yōu)化與智能配置作為5G網(wǎng)絡(luò)智能化的核心，通過重新設(shè)定5G無線網(wǎng)絡(luò)規(guī)劃與優(yōu)化方法，以此確保高效無線的有效接入，并滿足用戶的個性化需求。

1 5G無線網(wǎng)絡(luò)智能規(guī)劃的前期分析

1.1 新型傳播模型分析

相較于4G網(wǎng)絡(luò)，5G網(wǎng)絡(luò)的應(yīng)用頻段更高，無線波傳播特性也與其有所不同。以往所應(yīng)用的COST231-Hata模型等主要用于長期演進（Long Term Evolution，LTE）方面的經(jīng)驗傳播，設(shè)計頻段為2 GHz以下。由于5G無線網(wǎng)絡(luò)的頻段為0.5～100 GHz，該模型無法應(yīng)用，因此要應(yīng)用3GPP TR 38.901模型等可承載5G頻段的新型傳播模型或是對傳統(tǒng)超級位置模型（Super Position Model，SPM）的參數(shù)進行調(diào)整，從而使其可以在5G新頻段傳播預(yù)測中得到應(yīng)用[1]。3GPP TR 38.901模型共有3種，適用于不同的場景且不同場景下應(yīng)用的典型高度也不一致，如表1所示。

表1 3GPP TR 38.901傳播模型適用場景與典型高度區(qū)分

1.2 不同頻段穿透損耗覆蓋差異分析

從鏈路預(yù)算方面分析，5G無線通信網(wǎng)絡(luò)應(yīng)用的空口技術(shù)有所改變，從而產(chǎn)生了一些可變因素，可能會干擾最終的計算結(jié)果，例如5G的上行鏈路、成形天線技術(shù)均會出現(xiàn)相應(yīng)的變化[2]。對5G無線網(wǎng)絡(luò)智能劃分時，需要對頻段不同、傳播及穿透時所產(chǎn)生損耗的差異展開分析，如穿透木門、玻璃門等單純介質(zhì)時，測試點的透射損耗并無明顯差異。而穿透樓層、電梯等實際組網(wǎng)場景時，由于存在繞射或衍射等多種穿透路徑，測試點存在較大的覆蓋差異。

1.3 不同應(yīng)用場景的波束形態(tài)配置分析

5G無線通信網(wǎng)絡(luò)應(yīng)用了陣列天線，此類天線波束成形時會對空口鏈路的計算產(chǎn)生干擾，而且會影響到其覆蓋方式[3]。以一百多個甚至幾百個天線組成的大規(guī)模陣列天線，基于波束成形技術(shù)在公共控制信道或業(yè)務(wù)信道方面可應(yīng)用方向不一的窄波束，且穿波束比寬波束所產(chǎn)生的增益要高出許多。

1.4 室外與室內(nèi)覆蓋分析

5G無線通信網(wǎng)絡(luò)規(guī)劃仿真時，需以具備高精度且附帶建筑物信息的數(shù)字地圖為支持，同時需應(yīng)用射線跟蹤傳播模型。此外，應(yīng)根據(jù)覆蓋位置是室外還是室內(nèi)進行覆蓋分析。室外覆蓋時，需結(jié)合地貌地物類型差異展開針對性分析，以低速率區(qū)域圖為依據(jù)對新站址的方案進行優(yōu)化[4]；室內(nèi)區(qū)域覆蓋分析時，需先進行高度切片，然后結(jié)合室內(nèi)高度的不同展開仿真分析，以便充分展現(xiàn)建筑物室內(nèi)高度不同時的上下行速率，在了解建筑物室內(nèi)實際覆蓋情況的基礎(chǔ)上為后續(xù)網(wǎng)絡(luò)建設(shè)提供指導(dǎo)。

2 基于人工智能的5G無線網(wǎng)絡(luò)智能規(guī)劃的實施過程

5G無線網(wǎng)絡(luò)智能規(guī)劃是指結(jié)合覆蓋情況、容量大小、頻譜效率高低以及業(yè)務(wù)熱點區(qū)域等多方面數(shù)據(jù)進行分析，智能化評估建筑物、基站、小區(qū)以及柵格的價值，進而結(jié)合場景或業(yè)務(wù)差異實現(xiàn)更為精準(zhǔn)的5G智能規(guī)劃[5]。5G智能規(guī)劃需要構(gòu)建一個持續(xù)迭代更新的閉環(huán)流程，以此固化規(guī)劃流程，并以應(yīng)用需求為依據(jù)實現(xiàn)5G無線網(wǎng)絡(luò)的自動優(yōu)化。

2.1 智能識別

2.1.1 貶損人群用戶畫像

以B域及O域的調(diào)查樣本為依據(jù)，結(jié)合MR、KPI、NPS以及XDR/信令等其他調(diào)查樣本，提取不同維度特征，在此基礎(chǔ)上建立NPS貶損人群用戶畫像[6]。應(yīng)用聚類算法、降維算法以及協(xié)同過濾算法，在深度神經(jīng)網(wǎng)絡(luò)建立的基礎(chǔ)上完成NPS貶損預(yù)測。用戶畫像算法及流程詳見圖1所示。

圖1 用戶畫像算法及流程

2.1.2 智能化業(yè)務(wù)識別

以4G無線通信網(wǎng)絡(luò)數(shù)據(jù)挖掘的場景標(biāo)識為基礎(chǔ)，結(jié)合業(yè)務(wù)類型對業(yè)務(wù)區(qū)域及柵格級別數(shù)據(jù)進行收集統(tǒng)計。針對現(xiàn)網(wǎng)展開數(shù)據(jù)挖掘，對各個場景進行智能化識別，整合各場景的標(biāo)識與業(yè)務(wù)后完成業(yè)務(wù)區(qū)域及柵格級別數(shù)據(jù)的建立。

2.2 智能分析

2.2.1 基于AI的流量壓抑評估

人數(shù)持續(xù)增多的同時感知能力會下降，同時人數(shù)的增長會加大流量壓抑度。受壓抑流量的大小是流量潛在激發(fā)價值的決定因素，需要以目前流量為依據(jù)對小區(qū)流量的真正價值展開評估分析?，F(xiàn)有流量與受壓抑流量之和便是小區(qū)應(yīng)用流量。受壓抑流量的產(chǎn)生存在兩個影響因素，一是無線質(zhì)量，二是資源問題。

2.2.2 5G以現(xiàn)有網(wǎng)絡(luò)為基礎(chǔ)實施覆蓋預(yù)測

在現(xiàn)有4G無線通信網(wǎng)絡(luò)的MR場強基礎(chǔ)上展開覆蓋預(yù)測，可防止出現(xiàn)較多假設(shè)。在傳播模型基礎(chǔ)上開展差異分析，然后通過補償實現(xiàn)5G無線網(wǎng)絡(luò)的全面覆蓋。計算5G無線通信網(wǎng)絡(luò)柵格場強時，需要在4G柵格場強基礎(chǔ)上加入功率、天線、空口以及穿透損耗等差異。

2.2.3 多維價值評估與排列

多維價值的計算需要以覆蓋、業(yè)務(wù)、負(fù)荷維度為基礎(chǔ)，結(jié)合終端、投訴以及戰(zhàn)略等其他維度共同構(gòu)建一個價值分析模型，以該模型為基礎(chǔ)對價值較高的柵格或區(qū)域進行鎖定。在對覆蓋范圍、流量大小以及用戶數(shù)量預(yù)測分析時，可以快速得出價值順序的排列結(jié)果。

2.3 智能規(guī)劃

2.3.1 問題柵格鎖定

以不同維度的問題柵格作為判定依據(jù)，通過點、線、面的方式鎖定各個問題柵格。一是利用聚類方式對面問題的核心區(qū)域進行鎖定，在基本覆蓋層較為適用；二是運用線狀聚合方式鎖定線問題，在專線或路段方面較為適用[7]；三是通過線狀聚合方式鎖定點問題，在深度覆蓋區(qū)域或室內(nèi)較為常用。

2.3.2 策略魔方制定

對決策樹進行梳理，將問題對象與基站一一對應(yīng)，依據(jù)制定好的下鉆流程逐一解決各個場景的核心柵格問題。以業(yè)務(wù)邏輯為依據(jù)，自動化完成建站類型的配置，并對建站種類做出推薦，同時將相應(yīng)的信息附上以作參考。

2.3.3 智能找站與站點配置方案確定

獲取區(qū)域中加站權(quán)重數(shù)據(jù)，由于高權(quán)重的柵格加站更契合加站設(shè)計要求，因此需要遵循從高至低的原則進行權(quán)重分析，對各個找站點位置進行推薦，并明確具體的找站點范圍[8]。以策略魔方中所推薦的站型為依據(jù)，在適宜的范圍內(nèi)智能找站。以3D數(shù)據(jù)作為參照，將視距阻擋因素納入考量，明確具體的推薦位置，并分別設(shè)定不同的推薦級別，結(jié)合附近的2D或3D信息將無阻擋且穿透量較小的位置設(shè)定為建站位置。

3 以人工智能為基礎(chǔ)的5G無線網(wǎng)絡(luò)智能優(yōu)化

3.1 波束管理優(yōu)化

3.1.1 優(yōu)化內(nèi)容

通過在5G無線網(wǎng)絡(luò)優(yōu)化中引入大規(guī)模多輸入多輸出天線技術(shù)，并結(jié)合應(yīng)用波束成形技術(shù)，可以擴大網(wǎng)絡(luò)覆蓋并減少其他干擾因素，促進頻譜效率的提升。利用射頻指紋庫、數(shù)據(jù)地圖實現(xiàn)波束成形，基于人工智能（Artificial Intelligence，AI）算法對形成規(guī)則進行訓(xùn)練，強化波束跟蹤效果，實現(xiàn)波束聯(lián)合管理，在室內(nèi)外判斷、基站定位方面應(yīng)用效果較為顯著[9]。4G無線通信網(wǎng)絡(luò)只是業(yè)務(wù)信道具有波束成形能力，而5G無線通信網(wǎng)絡(luò)的全部信道均可實現(xiàn)波束成形，并且公共信道與業(yè)務(wù)信道分別采用的是靜態(tài)波束與動態(tài)波束。

3.1.2 優(yōu)化方法

由于當(dāng)前人工算法較為成熟、算力相對充足，因此可以利用人工智能實現(xiàn)調(diào)優(yōu)。調(diào)優(yōu)過程分為訓(xùn)練、推進、執(zhí)行與迭代，可在較短時間內(nèi)調(diào)節(jié)優(yōu)化大規(guī)模MIMO天線Pattern值。在大規(guī)模MIMO波束調(diào)整原理的基礎(chǔ)上，可完成各種場景的波束調(diào)節(jié)，并基于AI算法總結(jié)用戶分布規(guī)律，調(diào)節(jié)廣播波束分布，得到最佳的網(wǎng)絡(luò)覆蓋并選用最佳的容量配置，以此降低干擾[10]。

3.2 參數(shù)配置優(yōu)化

在數(shù)據(jù)處理單元支持下，采集性能與配置管理、測量報告、呼叫跟蹤等多個維度的原始數(shù)據(jù)，存儲后實施預(yù)處理。在人工智能平臺基礎(chǔ)上對經(jīng)過預(yù)處理的高質(zhì)量數(shù)據(jù)展開訓(xùn)練，然后構(gòu)建優(yōu)化模型，對最優(yōu)參數(shù)配置進行預(yù)測，輸出天線下傾、切換參數(shù)或功率參數(shù)等調(diào)整建議。以輸出的調(diào)整建議為依據(jù)，自動下發(fā)執(zhí)行參數(shù)，采用人工方式手動調(diào)節(jié)天線下傾角、方位角或天線懸掛高度等參數(shù)值。

4 結(jié) 論

與4G無線通信技術(shù)相比，5G無線通信網(wǎng)絡(luò)具有更加多元化的業(yè)務(wù)應(yīng)用需求，并且涉及更加復(fù)雜的應(yīng)用環(huán)境與應(yīng)用場景，以自配置技術(shù)、自優(yōu)化技術(shù)、自愈技術(shù)為支持優(yōu)化自組織網(wǎng)絡(luò)的需求更高。為此，需要將人工智能應(yīng)用于5G無線網(wǎng)絡(luò)智能規(guī)劃與優(yōu)化的過程中，在此之前，應(yīng)展開新型傳播模型分析、不同頻段傳播損耗與穿透損耗的覆蓋差異分析、不同應(yīng)用場景配置不同波束形態(tài)分析、室外與室內(nèi)覆蓋分析，以這些分析結(jié)果為基礎(chǔ)確定5G無線網(wǎng)絡(luò)的智能規(guī)劃流程，基于人工智能技術(shù)，通過智能識別、智能分析之后實現(xiàn)智能優(yōu)化，最后還要以人工智能為支持完成波束管理與參數(shù)配置的優(yōu)化，進而提升5G無線通信網(wǎng)絡(luò)的質(zhì)量，優(yōu)化用戶體驗感知效果。