張嗣宏　左羅

摘要：梳理了當前人工智能在通信領域的研究和應用進展，提出了中興通訊基于人工智能的網(wǎng)絡智能化解決方案。認為網(wǎng)絡可以在網(wǎng)元智能、運維智能和業(yè)務智能3個層面引入人工智能（AI），并按照分層、按需、分階段的引入原則，最終實現(xiàn)網(wǎng)絡泛在智能。同時提出了一套多維度智能化分級標準，結合通信工作流程和智能化范圍，將網(wǎng)絡智能化水平分為5個等級，這將有助于網(wǎng)絡逐步向目標架構演進。

關鍵詞：5G;AI;網(wǎng)絡智能化;架構;分級演進

Abstract： The research and application progress of artificial intelligence （AI） in the field of communication are reviewed， and the network intelligent solution of ZTE based on AI is proposed. It believes that the AI can be introduced into network in three levels： network element intelligence， operation and maintenance （O&M） intelligence and business intelligence， with the principles of tiered， on-demand， and phased. In this way， ubiquitous intelligence can be achieved. At the same time， a set of multi-dimensional intelligent grading standards is proposed. Combined with telecom workflow and intelligent scope， the level of network intelligence is divided into five levels， which help the network evolve to the target architecture.

Key words： 5G; AI; network intelligence; architecture; phased evolution

1 通信網(wǎng)絡目前面臨的挑戰(zhàn)

5G時代即將來臨，隨著云化轉型深入和物聯(lián)網(wǎng)（IoT）等業(yè)務的融入，電信運營商面臨網(wǎng)絡復雜化、業(yè)務差異化和用戶需求多樣化等挑戰(zhàn)，對降低運營成本，提升網(wǎng)絡運維效率及便捷性等方面提出更高的要求。這些要求和挑戰(zhàn)具體包括[1-8]：

（1）網(wǎng)絡運維更加復雜。2G、3G、4G、5G多種制式將長期共存，網(wǎng)絡管理和優(yōu)化的難度大大增加，對運維人員提出了更高要求。另外，虛擬化分層解耦，故障的定界、定位更加困難。此外，云化網(wǎng)絡動態(tài)變化，資源調度和管理也是一個巨大的挑戰(zhàn)。

（2）網(wǎng)絡能力要求高。和傳統(tǒng)網(wǎng)絡相比，5G網(wǎng)絡在帶寬、時延、可靠性、連接數(shù)等關鍵業(yè)務指標上都有量級上的提升，并且需要同時滿足不同業(yè)務的差異化需求。如何充分發(fā)揮網(wǎng)絡潛能，快速適應網(wǎng)絡需求變化，對新一代的網(wǎng)絡設備提出了較高的智能化要求。

（3）業(yè)務需求多樣化。一方面，人與人通信的單一模式將逐漸演變?yōu)槿伺c人、人與物、物與物的全場景通信模式，業(yè)務場景將會更加復雜，這將帶來對服務等級協(xié)議（SLA）的差異化需求，以及與之配套的網(wǎng)絡管理復雜性等。另一方面，依托5G網(wǎng)絡能力和豐富的業(yè)務發(fā)展，業(yè)務體驗也將呈現(xiàn)出多元化、個性化發(fā)展態(tài)勢，網(wǎng)絡對于體驗的支撐保障將顛覆傳統(tǒng)模式，迎來全新挑戰(zhàn)。

2 當前通信領域對人工智能

的研究和應用進展

2.1 通信領域標準/開源組織在人

工智能應用方面的研究進展

目前第3代合作伙伴項目（3GPP）、歐洲電信標準化協(xié)會（ETSI）、國際電信聯(lián)盟電信標準化部門（ITU-T）、中國通信標準化協(xié)會（CCSA）、深度學習基金會的人工智能開源平臺項目（Acumos）等眾多標準/開源組織都已經(jīng)開始在各方面研究人工智能技術在通信網(wǎng)絡中的應用，研究進展如下[9-10]。

（1）3GPP。

在2017年5月的業(yè)務與系統(tǒng)工作組（SA WG2）#121會上通過了“Study of Enablers for Network Automation for 5G SI”的立項，在核心網(wǎng)領域增加網(wǎng)絡數(shù)據(jù)分析功能（NWDAF）來進行數(shù)據(jù)分析，并將分析結果反饋給網(wǎng)元來決策。

在2018年6月的無線接入網(wǎng)（RAN）#80全會上通過了“RAN-Centric Data Collection and Utilization SI”立項，研究面向網(wǎng)絡自動化與智能化的無線大數(shù)據(jù)采集與應用，并且探索在RAN側引入數(shù)據(jù)分析的潛在影響。

在2018年9月的SA WG5#81會上通過“Intent Driven Management Service for Mobile Networks”立項，調查意圖驅動的移動網(wǎng)絡管理場景，研究可用于實現(xiàn)移動驅動目標的、包括自組織網(wǎng)絡（SON）在內的自動化機制，以及描述意圖的適當機制。

（2）ETSI。

在2017年2月，業(yè)界首個網(wǎng)絡智能化標準組——“體驗式網(wǎng)絡智能（ENI）”宣布成立，該組織使用人工智能來提升運營商在網(wǎng)絡部署和操作方面的體驗。其核心理念是網(wǎng)絡感知分析， 數(shù)據(jù)驅動決策， 基于人工智能（AI）的閉環(huán)控制。

在2018年1月，零觸摸網(wǎng)絡及業(yè)務管理行業(yè)規(guī)范小組（ISG-ZSM）的相關會議召開，會議聚焦端到端網(wǎng)絡和服務管理，目標是在理想情況下100%自動執(zhí)行所有操作過程和任務。

（3）ITU-T。

在2017年11月的SG13會議上，ITU-T成立了面向5G未來網(wǎng)絡的機器學習焦點組（FG-ML5G）。FG-ML5G的工作目標是提高面向5G的機器學習的互操作性、可靠性和可模塊化能力，制定用于未來網(wǎng)絡的機器學習研究報告和標準，包括接口、架構、協(xié)議、算法和數(shù)據(jù)格式，分析用于未來網(wǎng)絡的機器學習的適應性及影響。

（4）CCSA。

CCSA已經(jīng)在多個應用領域展開相關研究工作，在2017年7月的TC1-WG1#58會上討論通過了“人工智能在電信網(wǎng)絡演進中的應用研究”課題立項。2017年12月的TC5-WG6#47會上通過“人工智能和大數(shù)據(jù)在無線通信網(wǎng)絡中的應用研究”課題立項。2017年12月的TC5-WG12#2會上通過“智能化5G核心網(wǎng)絡切片技術研究”課題立項。2018年8月的TC5-WG6#49次會議上通過“移動通信網(wǎng)絡智能化能力分級研究”課題立項。

（5）開源組織：深度學習基金會和Acumos項目。

2018年3月，linux基金會下成立了專門研究人工智能技術的深度學習基金會，并宣布了第1個開源項目Acumos。該項目由美國電信巨頭AT&T牽頭運作，項目的2大目標是開源平臺和Marketplace，希望構建一個開放的AI應用和服務生態(tài)圈。Acumos項目已經(jīng)于2018年11發(fā)布第1個版本Athena，并計劃2019年5月發(fā)布第2個版本Boreas。

（6）開放無線接入網(wǎng)絡（ORAN）聯(lián)盟。

2018年2月，中國移動、美國AT&T、德國電信、日本NTT DOCOMO以及法國Orange等5家電信運營企業(yè)宣布聯(lián)合成立ORAN聯(lián)盟，目標是使無線網(wǎng)絡實現(xiàn)標準化、通用化、開源化、智能化。該聯(lián)盟計劃引入RAN智控平臺，通過實時數(shù)據(jù)分析、機器學習及人工智能技術，讓網(wǎng)絡更具智慧性。

2.2 運營商在人工智能應用方面

的研究進展

全球主流運營商都已經(jīng)將網(wǎng)絡智能化轉型上升到戰(zhàn)略層面，積極研究人工智能技術在通信領域的應用，探索跨界創(chuàng)新，通過人工智能、大數(shù)據(jù)、5G、IoT等技術的融合尋找價值應用場景。

中國移動提出“促進傳統(tǒng)產業(yè)向數(shù)字化、智能化轉型升級，努力成為人工智能應用的先行者和人工智能產業(yè)的賦能者”的目標，自研“九天”人工智能平臺，并積極參與開放網(wǎng)絡自動化平臺（ONAP）和ORAN等開源組織，希望將AI技術賦能到通信網(wǎng)絡的設計、規(guī)劃、運營、維護、業(yè)務服務等每一個環(huán)節(jié)，提升網(wǎng)絡的能力和服務質量，大幅降低運維運營成本[11-13]。

中國電信提出了“網(wǎng)絡智能化、業(yè)務生態(tài)化、運營智慧化”的轉型3.0目標，發(fā)布了燈塔AI平臺，積極參與ENI等國際標準組織，牽頭產業(yè)界共同編制發(fā)布了《網(wǎng)絡人工智能應用白皮書》，以CTNet2025為指引，將AI技術與軟件定義網(wǎng)絡（SDN）/網(wǎng)絡功能虛擬化（NFV）技術結合，打造新一代智能信息基礎設施。

中國聯(lián)通提出“以智慧網(wǎng)絡做基礎設施建設的提供者、以智慧應用做新業(yè)務新業(yè)態(tài)的推動者、以智慧技術做技術創(chuàng)新的引領者”的目標，通過引入AI等新技術，打造智能、敏捷、集約、開放的CUBE-Net 2.0+網(wǎng)絡，給出了從網(wǎng)絡云化到網(wǎng)絡自動化，最終走向網(wǎng)絡智能化的智能化演進路徑。同時，中國聯(lián)通結合混改轉型，引入互聯(lián)網(wǎng)公司等戰(zhàn)略合作方，成立了多個智能化技術聯(lián)合實驗室。

美國AT&T也走在引領行業(yè)智能化轉型的前列，提出了Network 3.0 Indigo的下一代網(wǎng)絡轉型計劃，構建數(shù)據(jù)社區(qū)，積極打造智能化的產業(yè)生態(tài)系統(tǒng)，成立了第1個由電信運營商牽頭的AI開源項目Acumos，并且計劃通過Acumos和ONAP的協(xié)同，建設智能化網(wǎng)絡，提供各類智能業(yè)務應用。

此外，軟銀、德國電信、沃達豐等國際領先運營商都提出了智能化轉型計劃，在網(wǎng)絡運維優(yōu)化、業(yè)務運營等多個領域積極引入AI技術。

3 基于人工智能的網(wǎng)絡

智能化演進

3.1 網(wǎng)絡智能化總體架構

當前通信網(wǎng)絡正在從傳統(tǒng)網(wǎng)絡向SDN/NFV云化網(wǎng)絡轉型，并基于云化網(wǎng)絡架構，引入AI 3大能力，即數(shù)據(jù)感知、AI分析、意圖洞察，云化網(wǎng)絡將進一步向智能化網(wǎng)絡演進。面向未來的智能化網(wǎng)絡架構如圖1所示[14]。

3大AI能力為：數(shù)據(jù)感知能力、AI分析能力、意圖洞察能力。

（1）數(shù)據(jù)感知能力。數(shù)據(jù)感知能力包括數(shù)據(jù)采集、存儲、預處理，可以為AI分析提供訓練和推理所需要的高質量基礎數(shù)據(jù)。

（2）AI分析能力。AI分析能力包括訓練和推理2大能力，使用人工智能技術來訓練數(shù)據(jù)，生成各場景所需的算法模型，為各類策略提供支撐，同時也可以使用訓練出來的AI模型進行應用推理。

（3）意圖洞察能力。通過意圖洞察能力，可以實現(xiàn)用戶意圖的識別、轉譯、驗證和保障等功能，在自動化管控系統(tǒng)的配合下，精準實現(xiàn)用戶意圖。

未來網(wǎng)絡的人工智能能力是泛在化的，可以根據(jù)不同的建設需求，在網(wǎng)絡的不同層面，分層逐步引入AI能力。網(wǎng)絡的幾大層面，如基礎設施層、網(wǎng)絡及業(yè)務控制層、運營及編排層，都將根據(jù)對智能能力的細化要求，逐步使能AI。

在網(wǎng)絡層中，越上層的位置越集中化，跨領域分析能力越強，適合對全局性的策略集中進行訓練及推理，比如跨域調度、端到端編排等。通常對計算能力要求很高、需要跨領域的海量數(shù)據(jù)支撐，對實時性要求一般敏感度較低。越下層位置，越接近端側，專項分析能力越強，對實時性往往有較高要求，比如5G 新空口（NR）的移動性策略移動邊緣計算（MEC）的實時控制等;但對計算能力依賴度不高，一般適合引入嵌入式推理能力或結合MEC，部署具備一定實時處理能力的輕量級訓練引擎。

3.2 網(wǎng)絡智能化總體規(guī)劃原則

（1）5G云化網(wǎng)絡優(yōu)先。網(wǎng)絡智能化整體架構優(yōu)先以5G云化網(wǎng)絡架構為基礎，重點在5G網(wǎng)絡中實現(xiàn)，同時也兼顧傳統(tǒng)網(wǎng)絡，因為傳統(tǒng)的網(wǎng)絡也可以進行局部智能化升級改造。

（2）統(tǒng)一架構設計。架構設計和能力規(guī)劃以整網(wǎng)智能化為主要目標，所有子網(wǎng)遵循統(tǒng)一架構，便于未來跨域跨子網(wǎng)的綜合場景智能化的推進。

（3）解耦設計，多場景部署。智能化涉及的大數(shù)據(jù)、AI、下一代運營運維系統(tǒng)等多平臺實現(xiàn)組件化解耦設計，可分可合，滿足各種部署場景需求。

（4）聚焦價值場景，逐步推進。智能化切入可以由點及面，逐步實施，從單專業(yè)局部功能增強切入，再延伸向同領域跨專業(yè)場景，最終向全網(wǎng)端到端等高智能場景演進。

3.3 網(wǎng)絡智能化分級演進

考慮到當前網(wǎng)絡發(fā)展的現(xiàn)狀和AI技術發(fā)展水平，我們認為全網(wǎng)智能化難以一蹴而就，需要經(jīng)過一個長期的發(fā)展過程，逐步達到最終理想的智能化水平。有必要借鑒自動駕駛領域分級演進的方法，研究形成通信網(wǎng)絡智能化的分級標準，一方面可以在行業(yè)內就智能化形成統(tǒng)一認識和理解，另一方面也有助于向行業(yè)內各參與方在技術引入、產品規(guī)劃方面提供一個參考依據(jù)。

參考自動駕駛分級標準，我們對網(wǎng)絡智能化水平也細化了5個智能化等級，具體如圖2所示。相對于自動駕駛以駕駛員為核心的單一場景，通信網(wǎng)絡的智能化分級評估要復雜得多，難以通過單一場景或維度來衡量，需要既充分考慮通信網(wǎng)絡規(guī)劃設計、安裝部署、運維優(yōu)化、業(yè)務運營等不同的工作流程，又要考慮從網(wǎng)元到整網(wǎng)的端到端網(wǎng)絡子系統(tǒng);因此，需要對網(wǎng)絡的智能化水平進行多維度綜合衡量[15]。

每個級別的智能化水平可以用一組關鍵特征來體現(xiàn)， 每個階段都有一些關鍵能力的進步，具體的特征如圖3所示。

當前網(wǎng)絡的智能化水平大致處于L1～L2之間，大部分場景處于L1，局部場景具備L2水平。不同的網(wǎng)絡架構也會對智能化的水平產生制約，相比傳統(tǒng)網(wǎng)絡，云化網(wǎng)絡更容易實現(xiàn)高級別智能化。我們建議5G等新建網(wǎng)絡可以參考L2級水平來建設，并逐步向L3/L4演進;而傳統(tǒng)網(wǎng)絡只能做局部智能化增強，最多也只能達到L2級，難以實現(xiàn)更高等級的智能化。

4 人工智能在通信網(wǎng)絡的

典型應用場景

4.1 基于AI的大規(guī)模天線技術

5G的大規(guī)模天線技術，可以有效提升網(wǎng)絡覆蓋，降低干擾，增強系統(tǒng)性能，其在Pre5G 長期演進（LTE）系統(tǒng)中已經(jīng)得到了較好的驗證。5G 大規(guī)模多輸入多輸出（MIMO）的波束賦型，基于射頻指紋庫，結合數(shù)據(jù)地圖，通過AI算法訓練形成規(guī)則，能夠在波束跟蹤、聯(lián)合波束管理、室內外判決、基站定位等領域發(fā)揮至關重要的作用。

利用大規(guī)模MIMO波束調整原理，可以針對高樓的垂直面、場館、具備潮汐效應的區(qū)域等場景，通過AI算法來分析用戶的分布規(guī)律，靈活調整廣播/控制信道的波束分布，達到覆蓋和容量的最優(yōu)，減少干擾。

比如針對固定場館類的場景，由于人員分布在長時間內相對固定，可以根據(jù)這一特點設計廣播權值自適應來達到最優(yōu)覆蓋?；诰W(wǎng)管、測量報告（MR）等數(shù)據(jù)，結合相關AI算法，進行場景識別，我們可以判斷出是體育賽事場景還是演唱會場景，并計算出基于此場景和當前用戶分布下的最優(yōu)權值，以提升場館區(qū)域內的信道質量指示（CQI）、信號與干擾加噪聲比（SINR）等指標。我們將權值組合與關鍵性能指標（KPI）、用戶分布等信息建立關聯(lián)數(shù)據(jù)庫，便于后期同類場景快速匹配獲取優(yōu)化權值。

4.2 無線覆蓋智能優(yōu)化

無線網(wǎng)絡的覆蓋質量一直是導致用戶投訴的關鍵因素之一。無線小區(qū)的參數(shù)設置與小區(qū)內部、周邊小區(qū)、周邊環(huán)境的參數(shù)需要合理協(xié)同，來保障網(wǎng)絡質量。傳統(tǒng)方式下，對覆蓋問題分析，通常需要依托于路測、呼叫跟蹤、人工經(jīng)驗判斷等手段來解決，一般人力消耗大，處理時間長，處理成本高，且優(yōu)化效果差異性較大，難以精準控制。

基于人工智能的無線覆蓋智能優(yōu)化，可以利用大數(shù)據(jù)和人工智能技術，通過對歷史覆蓋數(shù)據(jù)、關聯(lián)數(shù)據(jù)進行學習，訓練生成優(yōu)化控制模型，自動輸出無線參數(shù)規(guī)劃和調優(yōu)建議，實現(xiàn)無線覆蓋的智能優(yōu)化。

無線覆蓋職能優(yōu)化的整個流程主要包含如下步驟：

（1）網(wǎng)絡數(shù)據(jù)采集和預處理。現(xiàn)網(wǎng)提供包括KPI指標、性能管理、配置管理、工程參數(shù)、測量報告、呼叫跟蹤、深度報文檢測（DPI）等在內的綜合性歷史數(shù)據(jù)，通過數(shù)據(jù)處理單元對多維度原始數(shù)據(jù)進行收集、存儲和預處理。

（2）人工智能平臺訓練和模型輸出。人工智能平臺利用大數(shù)據(jù)系統(tǒng)預處理后的高質量數(shù)據(jù)進行模型訓練、模型生成，同時提供預測和決策的推理能力，給出各種優(yōu)化建議，如：天線下傾調整建議、功率參數(shù)建議、鄰區(qū)建議、專用優(yōu)化參量建議、工程實施建議等。

（3）自動化優(yōu)化實施。根據(jù)大數(shù)據(jù)和人工智能平臺輸出的調優(yōu)建議，運營商實施優(yōu)化調整。調整可以是自動的優(yōu)化參數(shù)下發(fā)執(zhí)行，也可以是人工執(zhí)行物理調優(yōu)，如調整下傾角、方位角、掛高等。

4.3 智能5G切片

網(wǎng)絡切片的引入給網(wǎng)絡帶來了極大的靈活性，使網(wǎng)絡可以按需定制、實時部署、動態(tài)保障，但同時也帶來了運維管理方面的復雜性。AI技術的引入，可以使得網(wǎng)絡切片的運維管理更加智能、靈活。

（1）切片智能部署。

在端到端切片部署過程中，網(wǎng)絡切片管理功能（NSMF）將端到端切片的SLA拆分為各子切片的SLA是關鍵的一個環(huán)節(jié)。基于切片部署的歷史數(shù)據(jù)，利用AI算法，對業(yè)務類型、模板信息、云網(wǎng)資源特性、配置參數(shù)等上下文信息，以及無線、核心網(wǎng)、承載等子切片實例SLA的測量數(shù)據(jù)（如時延、帶寬、用戶數(shù)、速率等）進行建模分析，挖掘切片模板、網(wǎng)絡資源、配置參數(shù)和SLA指標之間的關聯(lián)關系。在實際應用時，根據(jù)實時需求的輸入，自動給出最優(yōu)的SLA拆分及資源部署建議，精準匹配客戶需求，提升資源使用效率。

（2）切片智能保障。

端到端切片智能保障的基礎是自動化閉環(huán)控制，通過數(shù)據(jù)自動采集和分析、策略自動決策、策略自動執(zhí)行實現(xiàn)端到端切片的SLA保障。同時，閉環(huán)控制系統(tǒng)可以實現(xiàn)分層保障，包括端到端閉環(huán)保障、子切片閉環(huán)保障、網(wǎng)絡功能（NFs）閉環(huán)保障，各層關注的對象和KPI可以存在差異，并能夠獨立實現(xiàn)自動化保障?；诒O(jiān)測控制采集的數(shù)據(jù)，進行AI智能分析，一旦觸發(fā)預定義事件則上報到策略中心，由策略中心進行自動化的自愈和自優(yōu)處理，最后下發(fā)編排執(zhí)行。

（3）切片智能運營。

切片運營是5G網(wǎng)絡重要的特性，與4G時代流量運營主要以個人用戶為對象不同，切片運營主要針對垂直行業(yè)客戶提供差異化SLA服務，同時結合垂直行業(yè)應用，打包提供給個人客戶。用戶使用某類應用時，即自動享受對應的切片服務，從而實現(xiàn)企業(yè)-企業(yè)-消費者的新商業(yè)模式，為運營商帶來新的收入。

4.4 承載網(wǎng)智能流量預測及路徑

調優(yōu)

隨著未來網(wǎng)絡規(guī)模和復雜度的持續(xù)增長，尤其是物聯(lián)網(wǎng)、網(wǎng)絡切片等新技術的引入，承載網(wǎng)絡在路徑規(guī)劃和流量調度方面，需要滿足高吞吐、低時延、隨需而動的需求，但使用傳統(tǒng)的路徑規(guī)劃方法很難根據(jù)鏈路的動態(tài)情況，實時地給出最優(yōu)的流量調度和路徑優(yōu)化方案?；贏I技術，我們利用眾多項目和場景所積累的多維歷史數(shù)據(jù)，進行智能分析和算法探索，并結合某個實際網(wǎng)絡的需求，進行流量預測和路徑優(yōu)化推理，例如：中長期流量增長預測、短期流量峰值評估、區(qū)域流量仿真、路徑策略優(yōu)化等。

同時我們還利用大數(shù)據(jù)系統(tǒng)實時采集網(wǎng)絡狀態(tài)數(shù)據(jù)，結合當前負載狀態(tài)、資源冗余情況、和業(yè)務要求等信息，通過AI算法對未來流量進行預測，并依據(jù)預測結果來指導路徑選擇和資源調度，自動得到最優(yōu)路徑和最佳資源，從而提高網(wǎng)絡使用效率，保障用戶體驗。

5 結束語

AI在電信領域的應用仍處于起步階段，未來5—10年將是運營商網(wǎng)絡智能化轉型的關鍵時期。隨著AI技術的逐步成熟，它將逐步引入電信網(wǎng)絡的各個應用場景中，幫助運營商將網(wǎng)絡由當前人治模式轉向自我驅動為主的自治模式轉變，真正實現(xiàn)網(wǎng)絡運營運維領域的智能化變革。

參考文獻

[1] 王威麗，何小強，唐倫， 等.5G網(wǎng)絡人工智能化的基本框架和關鍵技術[J]. 中興通訊技術，2018，24（2）：38-42.DOI：10.3969/j.issn.1009-6868.2018.02.008

[2] 尤肖虎，張川，談曉思等. 基于AI的5G技術——研究方向與范例[J]. 中國科學： 信息科學，2018， 48（12），1589-1602. DOI： 10.1360/N112018-00174

[3] 張琰，盛敏，李建東.大數(shù)據(jù)驅動的"人工智能"無線網(wǎng)絡[J].中興通訊技術， 2018， 24（2）： 2-5. DOI：10.3969/j.issn.1009-6868.2018.02.001

[4] 尤肖虎，潘志文，高西奇，等.5G移動通信發(fā)展趨勢與若干關鍵技術[J].中國科學：信息科學，2014，44（5）：551-563.DOI：10.1360/N112014-00032

[5] System Architecture for the 5G System： 3GPP TS 23.501[S].3GPP

[6] LI R P， ZHAO Z F， ZHOU X， et al. Intelligent 5G： When Cellular Networks Meet Artificial Intelligence [J].IEEE Wireless Communications， 2017， 24（5）： 175-183. DOI：10.1109/mwc.2017.1600304wc

[7] ETSI Launches Zero Touch Network and Service Management Group [EB/OL]. （2017-12-14）[2019-01-15]. http：//www.etsi.org/news-events/news

[8] WANG X F， LI X H， LEUNG V C M. Artificial Intelligence-Based Techniques for Emerging Heterogeneous Network： State of the Arts，Opportunities， and Challenges [J].IEEE Access， 2015， 3： 1379-1391. DOI：10.1109/access.2015.2467174

[9] IMRAN A， ZOHA A. Challenges in 5G： How to Empower SON with Big Data for Enabling 5G [J]. Network IEEE，2014，28（6）：27-33.DOI： 10.1109/MNET.2014.6963801

[10] HAN S F， CHIH-LIN I， LI G， et al. Big Data Enabled Mobile Network Design for 5G and Beyond [J]. IEEE Communications Magazine， 2017， 55（9）： 150-157. DOI：10.1109/mcom.2017.1600911

[11] BARCO R， LAZARO P， MUNOZ P. A Unified Framework for Self-Healing in Wireless Networks[J].IEEE Communications Magazine， 2012，50（12）： 134-142.DOI：10.1109/MCOM.2012.6384463

[12] HUANG Y D， TAN J J， LIANG Y C. Wireless Big Data： Transforming Heterogeneous Networks to Smart Networks [J]. Journal of Communications and Information Networks， 2017， 2（1）：19-32. DOI：10.1007/s41650-017-0002-1

[13] CHIH-LIN I， SUN Q， LIU Z M， et al. The Big-Data-Driven Intelligent Wireless Network： Architecture， Use Cases， Solutions， and Future Trends [J]. IEEE Vehicular Technology Magazine， 2017， 12（4）： 20-29. DOI：10.1109/mvt.2017.2752758

[14] KHATIB E J， BARCO R， MUNOZ P， et al. Self-Healing in Mobile Networks with BigData [J]. IEEE Communications Magazine， 2016， 54（1）： 114-120.DOI： 10.1109/MCOM.2016.7378435

[15] Study of Enablers for Network Automation for 5G： 3GPP TR 23.791[S].3GPP