电信网络人工智能应用白皮书

电信网络人工智能应用白皮书总结

核心内容

本白皮书由中国人工智能产业发展联盟于2018年9月发布，旨在探讨人工智能技术在电信网络中的应用现状、应用场景、技术方式及标准化进展，为推动人工智能与电信网络的深度融合提供参考。

主要观点

人工智能在电信网络中的应用优势

1. 数据量优势
   电信网络拥有庞大的数据资源，包括网元状态、链路流量、告警事件、信号质量等，这些数据可被人工智能算法用于分析和优化。

2. 算力优势
   基础电信运营商具备强大的数据中心和云计算资源，特别是在“云网融合”趋势下，为人工智能算法的训练和推理提供了良好的计算环境。

3. 场景优势
   电信网络拥有丰富的应用场景，包括内部网络运维和外部行业应用，为人工智能技术提供了广泛的落地空间。

人工智能的应用方式

人工智能技术在电信网络中可以分为离线应用和在线应用两种方式：

• 离线应用：通过人工导入数据进行训练和分析，结果辅助人员决策，适用于非实时性需求，如故障定位、站点健康评估、流量预测等。
• 在线应用：智能化功能成为网络运行的一部分，如自动配置、自优化、智能客服等，强调实时性与自动化。

电信网络智能化分级

参考SAE自动驾驶分级标准，业内提出将网络智能化能力分为0到4级，其中4级为高度自治，具备自动数据采集、状态感知、意图映射、决策执行等能力。

关键信息

应用场景

网络运维支撑

1. 故障处理辅助

   • 告警过滤：通过分析告警关联性，自动过滤次要告警，提高故障排查效率。
   • 故障溯源：基于多维历史数据挖掘潜在规则，实现故障精准定位。

2. 日常维护

   • 站点健康评估：通过多维数据聚类和异常检测，识别高危站点。
   • 故障预测：基于历史数据和实时指标，预测故障发生概率，实现前瞻性维护。

3. 智能规划

   • 基站选址和射频规划：利用人工智能进行覆盖、容量、场景特征等分析，优化网络规划。

4. 智能预测

   • 流量预测：结合业务特性、历史流量、人口迁徙、节假日等因素，预测流量趋势。
   • 虚拟化平台负载预测：通过训练虚拟机负载数据，优化资源分配，提升能效。
   • KPI趋势预测：通过学习历史KPI变化，实现动态调整，提升服务质量。

5. 智能优化

   • 路径优化：基于流量预测和实时监控，优化网络资源调度。
   • 覆盖优化：利用人工智能学习无线覆盖特性，优化基站部署和信号质量。
   • 参数优化：自动识别场景并优化无线网络参数，提升业务体验。
   • 数据中心节能优化：通过分析能耗与环境数据，优化制冷系统配置。

6. 智能客服

   • 智能问答：基于自然语言处理技术，提升客服效率。
   • 智能服务导引：通过语音识别和交互技术，提升客户体验。
   • 客服信息挖掘：通过语义分析提取用户对网络质量和服务的反馈，辅助网络优化。

网络业务拓展

1. 业务应用

   • 垃圾信息治理：基于深度学习技术提升垃圾短信识别精度。
   • 威胁站点评估：通过流量特征分析，识别异常站点。
   • 智慧家庭：利用人工智能技术实现家庭终端的智能交互和控制。

2. 行业应用

   • 智能监控：提升视频监控的图像分类、对象检测等能力。
   • 智能交通：通过分析交通数据，辅助车辆驾驶、路线规划和交通疏导。

标准化进展

1. ETSI

   • 成立ISG-ENI，推动“感知-适应-决策-执行”认知网络管理架构。
   • 启动ISG-ZSM项目，目标实现端到端网络和业务的零接触管理。

2. ITU-T

   • 成立FG-ML5G焦点组，研究面向未来网络的机器学习标准化工作。
   • 下设三个工作组：用例与需求、数据格式与技术、感知网络架构。

3. 3GPP

   • 研究网络自动化与智能化的实现，如NWDA数据支持、RAN大数据采集与应用等。
   • 定义5G网络智能化相关功能和接口，推动网络切片、无线资源管理等智能化能力。

4. CCSA

   • 启动多项课题研究，包括人工智能在电信网络演进中的应用、无线通信网络中的AI应用、5G核心网切片智能化等。

未来展望

人工智能技术在电信网络中的应用仍处于起步阶段，但其潜力巨大，是实现网络智能化的重要手段。随着人工智能与网络技术的深度融合，其将在网络运维、业务拓展、通信与管控等多个层面发挥关键作用，推动电信网络向更加灵活、高效、智能的方向发展。

附录：缩略语