5G網絡維護自動化及優(yōu)化智能化研究

張國光，趙占強，許國平，孫 宏，趙 煜，褚 旭（.中國聯(lián)通江蘇省分公司，江蘇南京 009；.中國聯(lián)合網絡通信集團有限公司，北京 00033）

1 概述

隨著5G 時代來臨，AI 技術蓬勃發(fā)展，新業(yè)務和新應用不斷涌現(xiàn)，業(yè)界已經認識到需要一個高度智能的自動化網絡，中國聯(lián)通以5G 建設為契機，全面引入云化、大數據、智能化等技術，探索網絡自動化與智能化轉型升級之路，并于2020 年5 月發(fā)布了《中國聯(lián)通自動駕駛網絡白皮書V1.0》，首次公布了構建中國聯(lián)通自動駕駛網絡目標架構的關鍵要素和網絡智能化指數的分級評估方法，為電信產業(yè)的數字化轉型提供指導。2019年6月6日，工信部頒發(fā)5G牌照，2019年9月中國聯(lián)通、中國電信聯(lián)合推進5G 網絡共建共享，加快5G 網絡部署。5G 新技術、新網絡給運維帶來新變化、新挑戰(zhàn)，網絡NFV 化、基礎設施IT化、第三方新應用常態(tài)化，也給網絡運維運營帶來新挑戰(zhàn)。

隨著5G 網絡的部署，運營商將會面對4 代共存的復雜網絡，設備存量與技術復雜度都成倍增加，基于當前的運維生產關系與生產力預測，未來1～2 年內運維優(yōu)化人力需求將會有大幅度的持續(xù)增長，但隨著大數據、AI 技術的不斷成熟，將會持續(xù)驅動運維工作自動化、優(yōu)化智能化程度提升，預期5G 試商用的2～3 年后運維人力會回歸當前規(guī)模，甚至通過運維模式轉變低于當前人力規(guī)模并持續(xù)優(yōu)化組織人員，提升運維效率。

2 5G維護自動化及優(yōu)化智能化

2.1 5G自動化排障

2.1.1 方案架構

5G 自動化排障方案架構如圖1 所示。其主要特點如下：

a）自動識別根因告警，基于根因告警生成衍生告警和派單，提升派單準確性。

b）自動統(tǒng)計規(guī)模退服所影響的基站數量，并支持導出退服告警清單，縮短規(guī)模退服通報時長。

c）提供故障根因診斷結果和關聯(lián)拓撲圖查詢，提升代維人員故障處理效率。

d）通過故障自動愈合，減少工單數量，降低運維成本。

2.1.2 5G自動化排障業(yè)務流程

如圖2 所示，整個5G 智能排障業(yè)務流程分為2 個部分：故障跨域根因定位和故障自動診斷和愈合。

2.1.2.1 故障跨域根因定位

圖1 5G自動化排障方案架構

圖2 5G智能排障業(yè)務流程

故障跨域根因定位包括如下關鍵步驟。

a）從資源平臺采集的資源存入資源模型庫。

b）通過拓撲還原算法，將各個獨立的資源，還原成有跨域鏈接關系的拓撲。

c）RCA 分析模塊利用跨域關聯(lián)規(guī)則和拓撲資源模塊信息，對海量跨域告警進行分析，輸出定位根因。

d）將定位根因返回給綜合監(jiān)控系統(tǒng)。

至此，系統(tǒng)通過一系列的自動化和智能化手段，完成跨域告警的定界和定位。

2.1.2.2 跨域根因RCA算法

RCA 模塊為跨域告警關聯(lián)引擎，通過調用跨域關聯(lián)規(guī)則與網絡拓撲（業(yè)務路徑）對實時告警進行關聯(lián)，識別跨域P/C關系。

支持跨域告警關聯(lián)及壓縮，通過告警邏輯運算以及規(guī)則配置，系統(tǒng)給符合規(guī)則告警進行PC 標注（規(guī)則關聯(lián)類型=P/C/KC），方便運維人員在告警列表中觀察重要告警，以提升監(jiān)控效率。

跨域告警關聯(lián)（RCA）技術方案如圖3所示。

a）將拓撲還原模塊輸出的“通用拓撲路徑表（link）”進行數據抽取，抽取后按照一定的資源模型算法運算，計算出拓撲二層資源模型。即通用拓撲路徑表里的數據，包含了各個層次的結果，但是RCA 跨域關聯(lián)可能只需要某一層次的結果。

b）將拓撲二層資源數據放入Redis 高速緩存，便于RCA引擎調用。

c）告警過濾：通過過濾規(guī)則篩選出要做RCA分析的告警。

d）告警-資源映射：根據映射規(guī)則抽取告警字段中的值拼接成資源模型ID，如果拼接的資源模型ID在拓撲資源庫中存在，則建立告警和拓撲資源模型的映射關系。

e）狀態(tài)傳遞：在拓撲路徑中標注受影響的資源節(jié)點（Eg：A→B→C，發(fā)現(xiàn)A有故障告警，則將B，C也做上標記）。

f）跨域關聯(lián)：根據告警關聯(lián)關系規(guī)則，查看受影響的資源節(jié)點是否有對應的告警，并分析出根因告警及子告警（Eg：查找B，C 上是否也有對應的故障告警，若B 有，C 沒有，則將A 節(jié)點故障告警標識為P（Parent），B節(jié)點故障告警標識為C（Child））。

g）關聯(lián)結果回寫：在RCA 關聯(lián)分析完成后，需要對分析的結果進行合并，因為一個告警可能存在于多個跨域場景中，必須對此類告警的結果進行合并。在合并完成后，將關聯(lián)結果（RCA Result：P/C）回寫到告警的RCA Result字段。

其中，RCA 資產包中告警過濾/關聯(lián)關系規(guī)則（PC），也可通過AABD 智能算法基于歷史告警&拓撲數據自動生成，生成后由專家再進行優(yōu)化。

2.1.3 故障自動診斷及愈合

故障自動診斷及愈合包括如下關鍵步驟。

a）通過綜合告警監(jiān)控系統(tǒng)采集告警，入告警管理庫。

b）匹配到診斷規(guī)則庫中的診斷規(guī)則，觸發(fā)診斷流程。

c）診斷流程中觸發(fā)對應的診斷執(zhí)行動作，通過統(tǒng)一指令平臺下發(fā)到對應的設備。

圖3 跨域告警關聯(lián)流程

d）滿足復位條件時，復位決策模塊進行復位。

e）最后將診斷根因和自愈結果再回寫到對應的告警信息中。

至此，系統(tǒng)通過一系列的自動化手段，完成了對告警的診斷和愈合，找到了根因并完成告警的自愈。

2.1.3.1 診斷模塊

通過診斷表或診斷API 匹配故障規(guī)則、故障樹實現(xiàn)故障診斷，診斷成功時，輸出對應的根因和處理建議，并具備把可進行遠程恢復的故障，推送到故障事件恢復子模塊能力。

a）基于診斷表診斷：對于有些故障場景，在原始告警中已經攜帶根因，或者故障識別模塊已經分析出根源告警，則無需再進行深入診斷，這一類故障，可通過配置一些診斷表的規(guī)則快速診斷，減少系統(tǒng)開銷。

b）基于診斷命令診斷：對于通過告警無法直接得到故障根因的場景，則需要向設備下發(fā)命令進行深入診斷。

2.1.3.2 恢復模塊

實現(xiàn)故障事件恢復前的業(yè)務影響查詢判決，對滿足遠程恢復條件的故障事件進行遠程恢復，并對遠程恢復的結果進行確認。記錄所有的遠程恢復日志和結果信息。

故障事件診斷及恢復流程如下。

a）接收事件識別模塊傳遞的事件信息，或者直接從數據采集和治理模塊接收告警數據。

b）根據故障識別模塊傳遞的“是否需要ADX”標識，判決是否需要啟動該時間對應的診斷流程，如果該標識為“否”，不用啟動診斷任務。如果該標識為“是”，進入場景判決。

c）根據“設備領域”字段進行判決，當前“設備領域”為“無線”時，進入現(xiàn)像告警判決。

d）當“現(xiàn)象告警”為“告警ID/告警名稱”時，進入“XXX”對應的診斷支持診斷流程。

e）根據“現(xiàn)象告警”告警中，攜帶的告警源，在Datahub中，查詢到對應的物理站點、機房站點信息、對應的控制器父節(jié)點信息等關聯(lián)站點的信息。

f）通過查詢到的關聯(lián)物理站點信息、機房站點信息，獲取在規(guī)定時間窗內該站點的全量告警信息。

g）如果需要基礎公共信息，登陸對應的物理站點或者父節(jié)點信息，下發(fā)MML 命令，獲取對應的公共參數信息。

h）根據故障樹，故障規(guī)則，診斷輸出診斷根因、診斷概要、處理建議；如果診斷模塊中，未診斷輸出根因，調用OWS 系統(tǒng)功能AI 模塊，根據歷史根因，提供推薦根因。

i）通過接口模塊輸出診斷結論到SDM 模塊或者事件模塊，對具備恢復能力的故障，傳遞恢復需要的參數X 柜X 框X 槽X 端口號、設備類型、設備編號等信息到恢復模塊。

j）恢復模塊收到診斷模塊信息后，判斷告警是否恢復，生成對應的恢復腳本。

k）收集恢復預置條件數據，判決本次恢復是否會影響本制式的其他小區(qū)業(yè)務、是否會影響其他制式的小區(qū)業(yè)務。當預置條件滿足的時候，進入恢復流程。

l）執(zhí)行恢復措施，并對恢復結果進行驗證。

2.1.3.3 應用場景

單域：完成5G 小區(qū)不可用、gNodeB 退服智能排障場景。

跨域：完成單域/跨域告警關聯(lián)、拓撲還原的基礎功能驗證。

2.2 5G優(yōu)化智能化

2.2.1 5G網絡優(yōu)化面臨的挑戰(zhàn)

5G網絡優(yōu)化面臨如下挑戰(zhàn)。

a）5G 產品形態(tài)豐富，單產品安裝特性、質量和前期產品有較大的差異，RF 調整更加復雜，需要專門的輔助工具，增加了傳統(tǒng)人工RF優(yōu)化方式的難度。

b）需要同時考慮SSB 和CSI-RS 兩層波束覆蓋優(yōu)化，權值不同，一損俱損。

c）道路與整網覆蓋優(yōu)化如何兼顧？

d）G/U/L/NR 多制式共天饋，RF 優(yōu)化難度大幅增加。

2.2.2 基于Pattern尋優(yōu)的5G網絡優(yōu)化智能化

基于當前的優(yōu)化挑戰(zhàn)以及降本增效的大趨勢，本文嘗試基于5G MIMO 特性的波束優(yōu)化研究，分別選取點、面進行基于Pattern 尋優(yōu)的5G 網絡優(yōu)化智能化試點。通過大數據以及智能算法的支撐，不僅解決了傳統(tǒng)人工優(yōu)化存在的各類問題，而且大大減少了傳統(tǒng)人工優(yōu)化周期長、不能兼顧、大量人員車輛投入等一系列問題。不僅可以更精準快速地解決網絡問題，而且大大降低了同樣優(yōu)化效果的成本投入。

通過設定的弱覆蓋、干擾和重疊覆蓋的優(yōu)化目標，結合準確的數據輸入，對數據進行柵格化評估得出質差網格，然后利用迭代尋優(yōu)算法對質差網格進行多次模擬優(yōu)化直到總體網絡性能達到設定的優(yōu)化目標，最后將優(yōu)化方案輸出并預測優(yōu)化結果。

Pattern 尋優(yōu)主要是通過參數調整AAU 的覆蓋場景、數字方位角、數字下傾角來提升柵格級、小區(qū)級、網絡級的指標。為應對覆蓋場景的多樣性，當前5G Massive MIMO 波束具備覆蓋場景、水平波瓣、垂直波瓣調整能力，共支持17類覆蓋場景（見表1）。

表1 17類覆蓋場景

根據不同的覆蓋目標和覆蓋場景，Pattern 尋優(yōu)會充分考慮SSB 波束和CSI 波束覆蓋，自動選擇最優(yōu)化的覆蓋場景ID 并給出最優(yōu)的方位角、下傾角搭配，充分考慮外包絡天線的覆蓋，可以實現(xiàn)單點及連片區(qū)域的網絡質量、用戶感知的提升，可以通過后臺調整快速響應，免去了塔工上站工作。

Pattern尋優(yōu)圍繞通信網絡優(yōu)化智能化，基于DT數據、現(xiàn)網工參對優(yōu)化區(qū)域設定目標，對SSB 弱覆蓋、SINR 質差和重疊覆蓋路段進行識別，然后通過參數迭代調優(yōu)提升道路覆蓋、質量、速率等網絡指標。實現(xiàn)技術主要分為以下幾個方面。

a）高維解空間迭代尋優(yōu)?；谠O定的參數調整優(yōu)先級，搜索各小區(qū)Pattern 和RF 參數最佳取值（見圖4）。

圖4 Pattern尋優(yōu)迭代示意

b）網絡質量評分和增益預測?；趦?yōu)化目標和權重計算進行網絡質量評分（Fitness），計算調整前后分值變化，預測優(yōu)化增益，正增益保留并繼續(xù)尋優(yōu)，負增益回退。Fitness 計算公式如下：Fitness=wrsrp×SSB_RSRPf+woverlap×Overlapf+wsinr×SSB_SINRf基于DT實測數據獲取空間初始路損，在迭代尋優(yōu)過程中，基于3D 天線文件和BT 傳播模型，計算RF 或Pattern 參數調整后天線增益和路損的變化，準確預測RF調整后各柵格內各小區(qū)的RSRP 變化，并進一步預測優(yōu)化后的SINR以及重疊覆蓋率指標：

Step1：計算初始路損

Pathloss=TX Power -Feeder loss+Antenna Gain-RSRPbefore。

Step2：計算天線增益變化。

Step3：利用BT傳播模型仿真路損變化。

c）波束場景選擇?；诘匚锸噶枯喞_定水平和垂直波寬可調范圍。Pattern 尋優(yōu)目前已集成14 款AAU 及RRU 天線文件，遍歷所有波束場景、數字傾角和數字方位角組合，并考慮時隙配比、波束加密等特性對波束數量的影響，單款AAU 天線文件數超過10 000+，支持SSB 波束方向圖3D 和2D 呈現(xiàn)，支持廣播波束Pattern 全量范圍尋優(yōu)。天線文件能夠表征AAU 或無源天線在三維空間中各個方向（水平0～359°，垂直-90～90°，步長1°）上的天線增益，是Pattern 尋優(yōu)覆蓋預測的重要輸入。為提高工具運行效率，數字方位角以5°為步長進行迭代尋優(yōu)。

d）建模優(yōu)化。在Cluster 單用戶峰值速率優(yōu)化場景，綜合考慮道路周邊小區(qū)的覆蓋、質量、速率和距離等因素，進行各條路段最優(yōu)服務小區(qū)建模（即切換鏈建模），并基于建模結果進行RF參數尋優(yōu)，以獲得更好的道路覆蓋和峰值速率。具體如下：

（a）候選小區(qū)集合：篩選每個路測采樣點上與最強小區(qū)的RSRP差值在6 dB內的小區(qū)作為候選集。

（b）質量排序：綜合考慮SINR、速率、距離、扇區(qū)朝向等因素進行候選小區(qū)排序。

（c）異常小區(qū)排除：排除存在越區(qū)覆蓋、覆蓋不連續(xù)和采樣點數量小于10的候選小區(qū)。

（d）生成最優(yōu)切換鏈：考慮候選小區(qū)排序和減少切換因素，生成各路段目標服務小區(qū)輸出調整方案。

2.2.3 5G網絡優(yōu)化智能化應用

5G網絡優(yōu)化智能化具體操作流程如下。

a）數據采集。采集準確的工程參數、電子地圖、DT測試數據、現(xiàn)網XML配置數據。

b）現(xiàn)網覆蓋問題評估。通過得到的數據進行弱覆蓋、質差問題柵格識別。

c）迭代尋優(yōu)。對識別出的問題柵格進行區(qū)域性匯聚，并分析問題區(qū)域之間的關聯(lián)性以及相關覆蓋小區(qū)，隨后對相關覆蓋小區(qū)進行優(yōu)先級排序并分析問題小區(qū)當前參數設置，隨后嘗試對問題小區(qū)的參數設置修改并建模模擬調整后效果，將模擬出的效果與設置的優(yōu)化目標進行對比，若不滿足設定的優(yōu)化效果則繼續(xù)對相關小區(qū)進行參數調整，直至模擬出的效果滿足設定的優(yōu)化目標。

d）參數優(yōu)化調整。輸出優(yōu)化調整建議，包括覆蓋場景選擇（17 種可選覆蓋方案）以及相應的數字方位角和數字下傾角設置。

以某試驗區(qū)為例，Pattern尋優(yōu)方案利用5G的Massive MIMO 特性，在大型綜合居民密集區(qū)域，對不同場景使用不同Pattern 進行立體覆蓋調優(yōu)。仿真結果顯示SSB RSRP≥-115 dBm的室內覆蓋率提升10.86%，根據仿真結果進行方案調優(yōu)后，選取高層樓宇、中層樓宇進行實地測試來驗證。

Pattern 調優(yōu)前后，室內CQT 測試，低、中層樓宇覆蓋稍微改善，高層樓宇調優(yōu)前無信號，調優(yōu)后覆蓋改善明顯（見圖5）。

圖5 改善對比分析圖

3 結束語

5G 維護自動化以5G 智能故障管理解決方案為主，聚焦故障識別與故障診斷、自動化排障。通過采集各領域的告警與資源信息，還原出無線與IPRAN/動環(huán)設備的拓撲信息，并基于標準化故障場景與告警關聯(lián)壓縮規(guī)則，將現(xiàn)網告警根據故障進行分類；通過對已分類的故障中根源告警進行診斷，定位故障的真正根因，并通過自愈手段遠程修復，或派單進行上站精準修復；通過系列的自動化手段，完成了對告警的診斷，找到了根因告警并完成了告警的自愈。

5G 優(yōu)化智能化通過參數化調整覆蓋場景、數字傾角、數字方位角，解決了傳統(tǒng)人工RF優(yōu)化難以應對5G產品形態(tài)各異且優(yōu)化手段不盡相同的問題，并且減少了傳統(tǒng)優(yōu)化手段所需的大量車輛、塔工、網優(yōu)人員支出，簡化了優(yōu)化操作；同時考慮SSB 和CSI-RS 的覆蓋和干擾，在不影響5G終端的初始接入和切換性能的情況下提升網絡覆蓋能力，在不影響5G 終端的CQI 上報、MCS 選階、RANK 等的情況下提升用戶的體驗速率；5G 商用初期用戶較少但高價值用戶多，RF 優(yōu)化以DT 數據為主。DT 數據僅能反映道路覆蓋水平，單純優(yōu)化道路覆蓋可能導致真實用戶感知下降，需要提升道路覆蓋和速率的同時考慮整網覆蓋優(yōu)化，兼顧初期的測試比拼和高價值用戶感知；另外優(yōu)化5G的同時還應兼顧對存量制式的影響。