智能优化服务方案，实现网络优化手段质的飞跃
发布时间：2021-03-04 作者：中兴通讯 黄武襄 阅读量：
网络优化是运营商网络建设运营不可或缺的一环，也是整个网络运营中周期最长、成本最高、最为繁琐复杂
的工作。随着5G网络建设的大规模开展及各种网络新技术的引入，网络结构越来越复杂，各类网络问题也更加突出。以往传统的人工优化手段准确率和效率越来越低，投入成本却越来越高，已很难适应当前网络发展的需要。各大运营商、设备商都在积极探索如何转变思路，提升网络优化效率、降低优化成本。
为了解决当前传统优化手段的问题与不足，中兴通讯提出了智能优化服务方案。
中兴通讯智能优化服务方案总体架构如图1所示，方案基于中兴通讯开发的VMAX-AI硬件系统，对接网管及NDS、DPI等大数据采集平台，自动采集各类历史及实时网络数据，通过不断实践修正的k-means、GMM、图论等一系列深度学习算法模型，实现运营商网络各种复杂场景的自动、智能、闭环分析优化。
高效迭代，提升优化效率
传统网络优化高度依赖专家经验，需要不断地进行网络参数调整、路测及网管指标对比分析等，循环往复，一个优化循环周期往往需要1~2个月，效率低下。智能优化服务方案采用特有的AI模型算法，实现高效迭代运算，可以在1周甚至1天内迅速得出小区参数最优解，避免了对专家的依赖和人工反复调优的繁琐，优化效率得到近10倍的提升。以某地市电信运营商智能同频干扰优化及基于RCA的用户速率优化项目为例，仅用不到1周时间完成现网数据采集、学习建模，并自动输出天馈调整方案，边缘用户速率提升22.9%；区域内5%以下平均用户速率提升15.84%。
有效预测，动态精细调优
随着网络结构越来越精细复杂，传统优化手段受人力等各项资源的限制，对于复杂的网络场景很难做到针对性的细分优化，参数门限设置比较单一，优化粒度较粗，已难以满足网络质量提升需求。而且，通过手工或部分工具对网管或路测数据进行统计分析，问题发现处理具有较大的滞后性。智能优化服务方案可以按照各类复杂的网络实际场景实现簇级、小区级，甚至栅格级的动态调优，避免了一刀切式的阈值参数部署；同时，通过对历史数据的深度学习训练，可有效预测未来周期的指标走向趋势，预防指标劣化，解决传统优化中难以发现或应对的问题，保障网络质量。
在某地市移动运营商进行的5G KPI智能劣化检测及根因定位项目试点中，充分验证了异常检测算法的阈值动态性及检测精准性，指标异常识别率达85%，异常指标的根因定位准确率达到97%；另一地市运营商扇区智能负荷不均衡优化项目中，采用AI算法进行预测、降维及均衡优化，不均衡扇区占比从优化前的26.67%下降到8.33%。
最简部署，降低优化成本
智能优化服务方案基于中兴通讯开发的VMAX-AI系统，可依据现场硬件配置或客户需求情况，灵活采用服务器现场极简化部署或远程化集群部署。现场部署的硬件配置要求较其它工具系统大幅降低。在某地市移动运营商项目中，6000个小区仅需1台服务器便可完成所有AI功能运算及参数下发，安装调试更加简便易行。
中兴通讯智能优化服务方案可实现自动样本数据采集、智能建模分析及调优参数的网管自动下发，基本全程无需人工干预，在提升效率的同时，也减少了人力投入，有效协助运营商降低人力资源成本。方案自推出以来，引起国内外众多运营商的极大兴趣，在近期国内外多个区域的试点落地中，其优化效果也到了一致认可及好评。
通过与各大运营商的不断合作实践，中兴通讯将致力于不断提升智能优化服务方案算法的精确性、可预测性、操作及呈现的可视化等，提升产品功能模块的易用性，做到即部署即使用，平滑融入各运营商自有大数据生产运营系统，助力其提升网络运营效率，降低OPEX。
.png)
.png)
.png)
