中國移動韓柳燕：突破挑戰(zhàn)，構(gòu)筑智能高效的下一代智能化光網(wǎng)絡

4月26日消息（九九）在今天舉辦的“2022中國光通信高質(zhì)量發(fā)展論壇-網(wǎng)絡智能化專場”上，中國移動研究院基礎網(wǎng)絡技術(shù)研究所傳送網(wǎng)研究室經(jīng)理韓柳燕表示，運營商網(wǎng)絡引入AI是數(shù)字化轉(zhuǎn)型的必然方向，需要分階段逐步落實AI在光網(wǎng)絡中的應用。

其近期目標是提升啞資源感知能力，實現(xiàn)光網(wǎng)絡全參量感知、光纜和資源規(guī)劃預測、故障智能定位定界及風險預測；長期目標是突破光網(wǎng)絡智能仿真決策技術(shù)，推進AI優(yōu)化類場景應用，實現(xiàn)光網(wǎng)絡主要運維場景的AI落地。

應用場景：分析、預測和優(yōu)化

韓柳燕指出，光網(wǎng)絡是業(yè)務傳送的基礎。目前我國已經(jīng)建成全球最大規(guī)模光纖網(wǎng)絡，光纜總長超過5488萬公里，光網(wǎng)絡設備超過3億端，服務超16億移動客戶、超5.4億家庭寬帶客戶，以及4000余萬政企客戶。面對規(guī)模如此巨大光網(wǎng)絡，引入AI的數(shù)據(jù)分析和信息提取能力，能夠高效診斷網(wǎng)絡質(zhì)量，優(yōu)化業(yè)務性能，減輕運營負擔，改善用戶體驗。

與此同時，光網(wǎng)絡以光纖等物理媒介為基礎，現(xiàn)網(wǎng)運行會產(chǎn)生各層參數(shù)數(shù)據(jù)，具備大數(shù)據(jù)基礎。其集中化管控架構(gòu)，也可以為AI算法的模型訓練及迭代提供天然的數(shù)據(jù)池。

韓柳燕介紹，AI在光網(wǎng)絡中的應用場景聚焦在分析類場景、預測類場景和優(yōu)化類場景。

分析類場景中，網(wǎng)絡風險智能分析方面，AI智能識別主備業(yè)務、關(guān)聯(lián)業(yè)務是否存在同纜風險，保障網(wǎng)絡高可靠運行；業(yè)務故障智能分析方面，AI對業(yè)務故障進行歷史分析，實現(xiàn)根因定位和定界。

預測類場景中，資源預測方面，AI對全網(wǎng)流量增長進行預測，為網(wǎng)絡擴容預算評估提供支撐；資源預警方面，AI對鏈路的波道/容量利用率進行預警，支撐網(wǎng)絡提前擴容。

優(yōu)化類場景中，光性能智能調(diào)測調(diào)優(yōu)方面，AI結(jié)合自動性能檢測，實時監(jiān)控關(guān)聯(lián)路徑的性能，保障網(wǎng)絡處于穩(wěn)定、較優(yōu)狀態(tài)；光網(wǎng)絡資源智能優(yōu)化方面，AI完成整網(wǎng)生命周期內(nèi)的精細化、動態(tài)化、智能化的優(yōu)化。

關(guān)鍵技術(shù)：融合感知、云管端協(xié)同、智能分析預測和智能仿真決策

韓柳燕介紹，中國移動傳送網(wǎng)智能化架構(gòu)分為網(wǎng)元管理、專業(yè)運維、網(wǎng)管平臺和綜合應用四級，旨在面向垂直行業(yè)、政企專線等各類客戶提供智能化的創(chuàng)新網(wǎng)絡，打造自服務、自修復、自優(yōu)化的傳送網(wǎng)絡。

韓柳燕坦言，當前光網(wǎng)絡AI的發(fā)展水平還處于努力提升的階段，由于光網(wǎng)絡自身的技術(shù)特點，在引入AI方面會面臨一些獨特的技術(shù)挑戰(zhàn)，具體而言包括精準感知、AI模型泛化、主動預測和現(xiàn)網(wǎng)穩(wěn)定性四方面。

針對這些挑戰(zhàn)，中國移動總結(jié)出光網(wǎng)絡AI四大關(guān)鍵技術(shù)。一是融合感知，設備和管控系統(tǒng)協(xié)同，分層采集/感知光網(wǎng)絡性能參數(shù)，結(jié)合高性能數(shù)據(jù)傳輸技術(shù)，實現(xiàn)光網(wǎng)絡參數(shù)融合感知。采集內(nèi)容方面，在光鏈路層、光信道層、光部件層、光業(yè)務層分別采集相應的數(shù)據(jù)，對這些數(shù)據(jù)進行綜合分析；網(wǎng)元設備方面，增強設備主控板處理和存儲能力，統(tǒng)一數(shù)據(jù)采集框架/模型，靈活控制多單板多端口的數(shù)據(jù)并發(fā)采集；交互協(xié)議方面，增強DCN吞吐量，提升設備主控、管控系統(tǒng)性能，同時引入訂閱式訪問機制（如Telemetry）；管控系統(tǒng)方面，根據(jù)存儲結(jié)構(gòu)和內(nèi)容的差異性對采集的數(shù)據(jù)進行分類匯聚，基于AI算法對設備上報的數(shù)據(jù)進行數(shù)據(jù)挖掘獲得額外信息。

二是云管端協(xié)同，通過云管端邏輯架構(gòu)和協(xié)同技術(shù)，解決AI模型訓練關(guān)鍵問題，提升AI模型泛化能力。針對AI模型泛化能力差、模型部署對算力要求高、樣本少/標注難和大數(shù)據(jù)管理困難等問題，數(shù)據(jù)云化是有效方案，可以有效減輕管控系統(tǒng)的壓力。管控系統(tǒng)就近處理本地數(shù)據(jù)并上報至AI云服務，目前多部署在本地服務器，后期隨業(yè)務擴展逐步演進至云化部署。

三是智能分析預測，充分利用管控層、網(wǎng)元層分析能力，分析大量關(guān)聯(lián)告警，定位根因告警識別和靜默故障，實現(xiàn)精準智能分析預測。網(wǎng)元設備計算、存儲能力較弱，本地性能數(shù)據(jù)獲取時延較短，因而可以在網(wǎng)元本地執(zhí)行高精度數(shù)據(jù)（毫秒級/秒級/分鐘級）的采集處理和短周期預測，提升分析效率；管控系統(tǒng)設備計算、存儲能力較強，但數(shù)據(jù)獲取存在一定時延，可以執(zhí)行數(shù)據(jù)粒度較大（天級/周級/月級）的長周期預測，進行長周期數(shù)據(jù)采集和分析預測閉環(huán)。

四是智能仿真決策，在配置和優(yōu)化結(jié)果下發(fā)前，進行事前仿真決策，確保配置和優(yōu)化結(jié)果的準確、可信，確?，F(xiàn)網(wǎng)業(yè)務不受影響。在初始化階段，認識物理網(wǎng)絡，確定仿真優(yōu)化目標；在模型設計階段，建立網(wǎng)絡仿真模型，驗證模型完整性、一致性；在仿真與結(jié)果分析階段，通過模型建立仿真場景，構(gòu)建仿真設計，執(zhí)行仿真，分析結(jié)果。

韓柳燕進一步介紹，數(shù)字孿生是智能仿真決策的基礎，將實際網(wǎng)絡進行數(shù)字化映射，構(gòu)建離線仿真和在線仿真能力，滿足不同應用場景訴求?；跀?shù)字孿生的仿真的本質(zhì)是建模，關(guān)鍵是實現(xiàn)理想庫與現(xiàn)實庫的鏡像。數(shù)字建模仿真適于現(xiàn)網(wǎng)，過程中需考慮準確度、運行速度與資源開銷之間的平衡，準確性越高，速度越慢，資源開銷越大；速度越快，資源開銷越小，準確性越低。網(wǎng)絡配置建模從網(wǎng)元獲取配置數(shù)據(jù)，利用知識圖譜建立新特性的關(guān)系；網(wǎng)絡動態(tài)協(xié)議建模可以考慮引入AI機器學習，簡化傳送網(wǎng)新協(xié)議引入后的模型建立過程。

應用實踐：光纖同纜、同溝檢測和光網(wǎng)健康預測

韓柳燕介紹，光纖同纜和同溝檢測是中國移動在光網(wǎng)絡智能化方面的典型案例之一。光纖同纜和同溝檢測對于現(xiàn)網(wǎng)可靠性而言是亟需解決的問題。主備業(yè)務或關(guān)聯(lián)業(yè)務實際部署到同一條光纜上，單條光纜中斷后主備業(yè)務或關(guān)聯(lián)業(yè)務同時失效，不僅導致業(yè)務中斷，而且部分網(wǎng)絡成為孤島導致缺乏遠程應對手段。

光纖同纜檢測機制，是利用瑞利散射的作用，從光纖各部分（包括光纖的不均勻性、光連接器、光纖接頭、光纖的故障或斷點）返回光功率成比例分布。光纖同溝檢測機制是利用光在光纖中傳輸時光偏振變化原理，感知光纖沿線特定加擾事件。

通過對現(xiàn)網(wǎng)光纖信息、站點地理信息、光性能信息、環(huán)境信息等數(shù)據(jù)進行采集和分析，通過AI實現(xiàn)了同纜風險自動識別。同纜檢測在北京現(xiàn)網(wǎng)實際驗證30組，準確率達到97%；同溝檢測達到準確率100%。

光網(wǎng)健康預測是中國移動在光網(wǎng)絡智能化方面另一典型案例，基于光網(wǎng)絡設備的數(shù)字化光層能力和管控平臺的AI推理功能構(gòu)建光網(wǎng)健康預測系統(tǒng)，通過機器學習和AI預測算法，分析光纖和波道健康度，并根據(jù)光性能變化趨勢，提前預測劣化類故障風險，以及自動定位和定界光纖故障、自動分析割接質(zhì)量。

通過發(fā)現(xiàn)故障、定位故障、恢復故障和結(jié)果輸出，實現(xiàn)性能實時監(jiān)控、故障提前預測、故障自動定位，通過光層數(shù)字化+AI實現(xiàn)主動運維，提升運營效益和效率。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。