5G RAN的架構(gòu)演進及智能化

關(guān)鍵字：標(biāo)準(zhǔn)演進；架構(gòu)演進；開放化；智能化；系統(tǒng)化

與以往不同，5G時代面臨著網(wǎng)絡(luò)結(jié)構(gòu)及業(yè)務(wù)的復(fù)雜化、業(yè)務(wù)數(shù)據(jù)的海量化以及人工成本的不斷升高等挑戰(zhàn)，這些都需要行業(yè)在網(wǎng)絡(luò)優(yōu)化的方向上進行革新。因此，如何將人工智能等新技術(shù)應(yīng)用于網(wǎng)絡(luò)優(yōu)化，以實現(xiàn)更高的效率、更低的成本和更優(yōu)質(zhì)的用戶體驗，是當(dāng)前移動通信領(lǐng)域亟待解決的重要問題之一。

隨著機器學(xué)習(xí)、深度學(xué)習(xí)等人工智能（ArtificialIntelligence，AI）技術(shù)趨于成熟，依靠深層結(jié)構(gòu)和強大的特征學(xué)習(xí)機制，性能卓越的AI 算法不僅在數(shù)字圖像處理、語音識別和自然語言處理等計算機科學(xué)方面表現(xiàn)出色，還可以促進其他科學(xué)領(lǐng)域的研究。

通過在傳統(tǒng)行業(yè)中采用人工智能技術(shù)，可以實現(xiàn)提升效率、降低運營成本，這已成為當(dāng)下產(chǎn)業(yè)界和學(xué)術(shù)界的重要研究方向和應(yīng)用場景。移動通信網(wǎng)絡(luò)目前存在著網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、設(shè)備種類多樣、網(wǎng)絡(luò)業(yè)務(wù)繁多等問題，并且隨著當(dāng)前5G 及物聯(lián)網(wǎng)的規(guī)模部署，問題更加突出。因此，積極利用機器學(xué)習(xí)、深度學(xué)習(xí)等AI 技術(shù)來進行網(wǎng)絡(luò)規(guī)劃、診斷、優(yōu)化和預(yù)測，可以應(yīng)對這些問題，同時減少人工干預(yù)，提高網(wǎng)絡(luò)的“智能化”。

一、通信行業(yè)智能化方向的標(biāo)準(zhǔn)研究

近年來，各標(biāo)準(zhǔn)化組織、運營商和通信企業(yè)對人工智能技術(shù)在通信網(wǎng)絡(luò)中的應(yīng)用和發(fā)展進行了廣泛研究，發(fā)布了一系列規(guī)范標(biāo)準(zhǔn)和白皮書，這極大促進了該領(lǐng)域的發(fā)展。例如，O-RAN 聯(lián)盟在2018 年10 月發(fā)布的白皮書《面向開放與智能的RAN》中明確指出了未來RAN 的兩大方向：開放和智能化，并引入了智能控制器（RIC）來實現(xiàn)智能化的網(wǎng)絡(luò)架構(gòu)。此外，TM Forum 于2021 年10 月發(fā)布的《自智網(wǎng)絡(luò)白皮書3.0》詳細闡述了自智網(wǎng)絡(luò)的愿景、需求、架構(gòu)和能力，還匯集了最新的行業(yè)動態(tài)和標(biāo)準(zhǔn)成果，尤其值得關(guān)注的是聚焦“如何開啟和推進自智網(wǎng)絡(luò)”這一行業(yè)焦點，從“挑戰(zhàn)分析、實現(xiàn)方法和參考案例”三個方面，給出了觀點和建議，旨5G RAN 的架構(gòu)演進及智能化在“進一步深化產(chǎn)業(yè)共識，指引更多運營商加快建設(shè)自智網(wǎng)絡(luò)”。同時，中國移動在2021 年7 月發(fā)布的《中國移動自動駕駛網(wǎng)絡(luò)白皮書2021》中重點介紹了中國移動的自動駕駛網(wǎng)絡(luò)“234”體系架構(gòu)，該架構(gòu)圍繞兩大目標(biāo)，即支撐客戶發(fā)展和夯實質(zhì)量領(lǐng)先優(yōu)勢，并實現(xiàn)了三個閉環(huán)和協(xié)同四個層次。其中三個閉環(huán)分別為單專業(yè)資源閉環(huán)、跨專業(yè)端到端業(yè)務(wù)閉環(huán)和客戶需求閉環(huán)；四個層次為網(wǎng)元、網(wǎng)絡(luò)、業(yè)務(wù)、商務(wù)四個層次的自動化協(xié)同。同時，中國移動提出推動管理模式升級的理念，要實現(xiàn)從職能型組織到流程型組織、到中臺型組織、到智慧型組織的組織體系變化，來適應(yīng)網(wǎng)絡(luò)轉(zhuǎn)型發(fā)展的需要。中興通訊于2020 年11 月發(fā)布了《無線網(wǎng)絡(luò)智能化白皮書》，其中提出了構(gòu)建網(wǎng)元級、單域級和跨域級的智能網(wǎng)絡(luò)體系，并通過1 個智慧大腦和3 個智慧引擎，將AI能力微型化、模塊化，按需應(yīng)用于網(wǎng)元管理、網(wǎng)絡(luò)管理、運營管理，構(gòu)建能力逐級進化、價值持續(xù)疊加的自主進化網(wǎng)絡(luò)。此外，3GPP 于2022 年6 月宣布R17 凍結(jié)，在TR37817 中描述了智能化RAN 的流程圖，包含數(shù)據(jù)收集、模型訓(xùn)練、模型推理和執(zhí)行模塊，并明確了三種智能場景：網(wǎng)絡(luò)節(jié)能、負荷均衡和移動性優(yōu)化。

二、RAN 架構(gòu)演變

（一）C-RAN 架構(gòu)

C-RAN（Centralized，Cooperative，Cloud and CleanRAN）是一種基于分布式基站的無線網(wǎng)絡(luò)架構(gòu)，通過搭建BBU 池對基帶資源進行集中管理和動態(tài)分配，可以提高資源利用率和降低能耗，并通過負荷均衡技術(shù)實現(xiàn)拆閑補忙，從而實現(xiàn)網(wǎng)絡(luò)資源優(yōu)化。隨著5G 網(wǎng)絡(luò)的發(fā)展，C-RAN 的架構(gòu)也跟著與時俱進，采用了CU（CentralizedUnit）、DU（Distributed Unit）架構(gòu)，從而實現(xiàn)更高的頻譜效率和更快的網(wǎng)絡(luò)數(shù)據(jù)傳輸速率。CU 位于中心位置，主要負責(zé)核心業(yè)務(wù)的處理和控制；DU 部署在邊緣位置，負責(zé)無線傳輸信號的轉(zhuǎn)發(fā)和處理。通過CU 和DU 之間的協(xié)作，可以實現(xiàn)更高效、更智能的網(wǎng)絡(luò)管理，提高網(wǎng)絡(luò)性能和用戶體驗。除了提高網(wǎng)絡(luò)性能，C-RAN 還可以降低基站的建設(shè)和運維成本，同時減少了對環(huán)境的影響，因此被廣泛應(yīng)用于5G 網(wǎng)絡(luò)中。

5G 將BBU 設(shè)計成CU 和 DU 兩個邏輯單元。CU 處理控制面和用戶面中的低時延業(yè)務(wù)，DU 則負責(zé)用戶面無線交互的信令處理和基帶處理功能。3GPP 在R15 中選擇了RRC/PDCP作為集中單元，將RLC/MAC/PHY 作為分布單元。此外，CU 單元還支持核心網(wǎng)UPF 下沉以及MEC 邊緣計算，以更好地支持業(yè)務(wù)應(yīng)用和滿足低時延的需求。通用硬件平臺技術(shù)、網(wǎng)絡(luò)功能虛擬化技術(shù)（NFV）、管理編排技術(shù)（MANO）、軟件定義網(wǎng)絡(luò)技術(shù)（SDN）的應(yīng)用為BBU 的平臺化提供了很好的發(fā)展方向。3GPP 采用了通用+ 專用混合平臺，為CU 單元逐步走向通用平臺及虛擬化提供了條件。CU 單元的平臺化、虛擬化將更有利于AI 應(yīng)用，網(wǎng)絡(luò)智能化和網(wǎng)絡(luò)端到端資源的靈活配置，從而更好地滿足運營商的配置自由度的需求。

（二）Open RAN 架構(gòu)

在O-RAN 架構(gòu)中，服務(wù)管理和協(xié)調(diào)（SMO）框架包含Non-RT RIC 功能。Non-RT RIC 的作用是通過對采集數(shù)據(jù)進行分析，利用AI/ML 進行培訓(xùn)和推理，基于既定的策略輸出相應(yīng)的配置方案，從而實現(xiàn)RAN 的非實時智能優(yōu)化。非RT RIC 可以利用SMO 服務(wù)，例如O-RAN節(jié)點的數(shù)據(jù)收集和調(diào)配服務(wù)。

近RT RIC、O-CU-CP、O-CU-UP、O-DU 和O-RU是無線接入側(cè)的網(wǎng)絡(luò)功能。近RT RIC 可利用近實時控制環(huán)路（即10ms 至1s）在E2 接口上實現(xiàn)對O-RAN（O-CU和O-DU）節(jié)點和資源的近實時控制和優(yōu)化。近RT RIC使用監(jiān)視器、掛起/ 停止、覆蓋和/ 或控制基元來控制O-RAN 節(jié)點的行為。在非RT RIC 提供的策略和A1 接口提供的增強數(shù)據(jù)的指導(dǎo)下，近RT RIC 托管xApp 使用E2 接口收集近實時RAN 信息，利用這些原語為增值服務(wù)提供支持。

O-RAN 規(guī)范定義的RAN 架構(gòu)，如圖1 所示。圖中的藍色部分表示3GPP 中通常定義的組件。開放FH 接口（O-DU 和O-RU 之間的接口）對應(yīng)于Option7，F(xiàn)1接口對應(yīng)于Option2。如圖所示，DU 和CU 之間的接口以及其他RAN 之間的接口（如X2、Ng、Xn 等）也由3GPP 共同定義。

三、RAN 智能化應(yīng)用

（一）自智網(wǎng)絡(luò)

基于對自智網(wǎng)絡(luò)的理解及產(chǎn)品實踐，中興提出自主進化網(wǎng)絡(luò)解決方案uSmartNet。通過在網(wǎng)絡(luò)的不同層面全面引入AI，實現(xiàn)了網(wǎng)絡(luò)智能化、運維智能化和運營智能化三大智能化目標(biāo)，實現(xiàn)網(wǎng)絡(luò)隨愿、運維至簡、業(yè)務(wù)隨心。

1.Massive MIMO 智能權(quán)值優(yōu)化

5G AAU 廣泛使用 Massive MIMO 技術(shù)，該技術(shù)采用大規(guī)模陣列天線和3D 波束賦形，可以有效提升復(fù)雜場景下深度覆蓋及網(wǎng)絡(luò)容量。相較于傳統(tǒng)天線，MassiveMIMO 大規(guī)模陣列天線具有更多參數(shù)調(diào)整策略，包括水平和垂直波瓣寬度、方位角、下傾角與波束數(shù)量，每套策略都有精細化調(diào)整方案。單個小區(qū)組理論上有上萬個無線參數(shù)權(quán)值可供選擇，多個小區(qū)相互關(guān)聯(lián)，優(yōu)化工作量指數(shù)級上升，實際操作只能根據(jù)專家經(jīng)驗，固化權(quán)值模型。中興通訊推出的AAPC（Automatic AntennaPattern Control）方案引入AI 算法，多輪迭代后找到天線權(quán)值設(shè)置的最優(yōu)解，大幅降低優(yōu)化搜索時間，同時可以根據(jù)不同優(yōu)化目標(biāo)和場景進行權(quán)值優(yōu)化和設(shè)置，實現(xiàn)流程閉環(huán)。2000 小區(qū)權(quán)值優(yōu)化只需 3 人天，不僅效率提升10 倍以上，覆蓋提升也很明顯，用戶速率亦改善10%。

2. 質(zhì)差小區(qū)智能分析

隨著網(wǎng)絡(luò)規(guī)模和用戶的不斷增長，網(wǎng)絡(luò)優(yōu)化工作量越來越大。根據(jù)二八原則，優(yōu)化工作的重點應(yīng)專注于主要 KPI 質(zhì)差排名落后的 TOPN 小區(qū)。系統(tǒng)可以根據(jù)任務(wù)周期自動識別出質(zhì)差小區(qū)，無需人工參與，效率高且準(zhǔn)確度高。對識別的質(zhì)差小區(qū)，自動進行異常 Counter 分析，根據(jù)排序確定根因給出處理建議，分析周期從近 10個小時縮短到 1 個小時左右。

質(zhì)差小區(qū)分析可以被視為宏觀層面的網(wǎng)絡(luò)優(yōu)化分析，而KPI 移動檢測用于從子網(wǎng)小區(qū)粒度的 15 分鐘KPI進行學(xué)習(xí)和預(yù)測。它通過實時采集的指標(biāo)和預(yù)測指標(biāo)進行比對，自動找到對指標(biāo)影響最大的計數(shù)器確定根因。

自智網(wǎng)絡(luò)已經(jīng)帶領(lǐng)整個產(chǎn)業(yè)進入了數(shù)智化轉(zhuǎn)型的時代，同時也促成了合作模式的轉(zhuǎn)變。大量的智能化自動化的應(yīng)用介入，大幅提升了運維效率。在未來，基于自智網(wǎng)絡(luò)的運維合作也勢必會跳出傳統(tǒng)的人海模式。運營商對傳統(tǒng)的人海運維的投入會逐步下降，對知識的投入會逐步變成主流?？车投硕馗叨艘殉蔀楸厝悔厔?。隨著整個社會對知識經(jīng)濟的逐步認可和接受，通信行業(yè)也將不會例外。由于人力成本下降，通信業(yè)將逐步轉(zhuǎn)向為場景、模型和規(guī)則等知識付費的模式。設(shè)備商和運營商的合作模式將會從人力合作最終轉(zhuǎn)為知識合作，在知識經(jīng)濟的大潮中，雙方必將會擦出新的火花，點亮通信行業(yè)的未來，使能智能普惠的時代真正到來。

（二）3GPP 中關(guān)于AI/ML的標(biāo)準(zhǔn)

智能化RAN 功能流程

數(shù)據(jù)收集（Data Collection）：該功能是為模型訓(xùn)練和模型推理提供輸入數(shù)據(jù)的關(guān)鍵環(huán)節(jié)。數(shù)據(jù)收集功能不僅負責(zé)數(shù)據(jù)的收集，還包括數(shù)據(jù)的初步處理。例如，數(shù)據(jù)預(yù)處理、清理、格式化和轉(zhuǎn)換等。輸入數(shù)據(jù)的來源可以包括來自UE 或不同網(wǎng)絡(luò)實體的測量數(shù)據(jù)以及來自Actor 的反饋信息。

模型訓(xùn)練（Model Training）：該功能用于執(zhí)行AI/ML 模型的訓(xùn)練、驗證和測試。在模型訓(xùn)練之前需要對數(shù)據(jù)進行一定的特定于算法的處理，例如數(shù)據(jù)預(yù)處理、清洗、格式化和轉(zhuǎn)換。模型訓(xùn)練則主要包括訓(xùn)練模型和生成性能指標(biāo)兩個環(huán)節(jié)，這些性能指標(biāo)會被用來評估模型在測試數(shù)據(jù)集上的表現(xiàn)。

模型部署/ 更新（Model Deployment Update）：該功能用于將經(jīng)過訓(xùn)練、驗證和測試的AI/ML 模型部署到模型推理功能中，并且還支持在模型推理使用過程中對模型進行更新。

模型推理（Model Inference）：模型推理是提供AI/ML 模型推理輸出（例如：預(yù)測或判斷）的函數(shù)。

輸出（Output）：模型推理函數(shù)產(chǎn)生的AI/ML 模型的推理輸出。

模型性能反饋（Model Performance Feedback）：用于監(jiān)控AI/ML 模型的性能，模型推理執(zhí)行完成后可以反饋模型性能給模型訓(xùn)練模塊，用于觸發(fā)模型更新或模型重訓(xùn)練。

執(zhí)行模塊（Actor）：執(zhí)行模塊是接收模型推理的輸出并觸發(fā)或執(zhí)行相應(yīng)的網(wǎng)絡(luò)優(yōu)化動作。

反饋（Feedback）：用于反饋給模型訓(xùn)練或模型推理的性能及其對網(wǎng)絡(luò)影響的數(shù)據(jù)，例如網(wǎng)絡(luò)性能KPI。

四、結(jié)束語

未來的RAN 架構(gòu)將更加開放、智能化。雖然O-RAN聯(lián)盟為網(wǎng)絡(luò)架構(gòu)設(shè)計了理想的方向，但目前應(yīng)用場景還是以微站為主，且面臨安全性等問題，短期內(nèi)還不會大規(guī)模取代C-RAN 架構(gòu)。然而，O-RAN 聯(lián)盟為未來RAN 的發(fā)展指明了方向，即更開放、更智能、白盒化、軟件自定義。隨著機器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)的快速發(fā)展，RAN 的智能化發(fā)展也有了更多可能性。設(shè)備廠家和運營商對智能網(wǎng)絡(luò)研究的不斷深入，網(wǎng)絡(luò)智能化也從外掛式逐步發(fā)展為內(nèi)生且平臺化的形式，從單一功能逐漸向系統(tǒng)化功能發(fā)展。

未來網(wǎng)絡(luò)智能化將涉及廣泛的領(lǐng)域，包括網(wǎng)絡(luò)性能提升、智能運維、智慧中臺等各個方面?，F(xiàn)在，標(biāo)準(zhǔn)化組織、運營商、設(shè)備廠家正在持續(xù)投入智能化方面的資源，并不斷實踐。不久的將來，與人工智能深度融合的移動通信網(wǎng)絡(luò)系統(tǒng)將成為現(xiàn)實。

作者單位：方寅 中興通訊股份有限公司福建省分公司