ENI輔助的5G網(wǎng)絡切片智慧運營

（英特爾（中國）有限公司，北京 100013）

(Intel China Ltd., Beijing 100013, China)

下一代移動通信網(wǎng)絡運營商聯(lián)盟（NGMN）在2015年初發(fā)布的5G白皮書[1]中引入了網(wǎng)絡切片的概念。5G網(wǎng)絡切片通過組合特定的控制面和用戶面5G網(wǎng)絡功能來支持一類特定的通信連接業(yè)務。例如，第1個5G網(wǎng)絡切片用來支持智能手機寬帶業(yè)務，第2個5G網(wǎng)絡切片用來支持自動駕駛業(yè)務，第3個5G網(wǎng)絡切片用來支持大規(guī)模物聯(lián)網(wǎng)業(yè)務。這些邏輯獨立的網(wǎng)絡切片是端到端的，包括接入網(wǎng)、承載網(wǎng)及云化核心網(wǎng)。切片內部可以按照業(yè)務需求來選擇所需的5G網(wǎng)絡功能進行組網(wǎng)，切片間可以共享通用的物理基礎設施，并保持良好的業(yè)務隔離。

以5G網(wǎng)絡切片為代表的網(wǎng)絡新技術，一方面為5G網(wǎng)絡帶來了靈活的業(yè)務提供能力，另一方面大大增加了網(wǎng)絡運維的復雜性。傳統(tǒng)的依賴專家經(jīng)驗和人機交互的被動式網(wǎng)絡運維方式，成本高昂并且容易出錯，將阻礙網(wǎng)絡業(yè)務的快速創(chuàng)新和部署上線，不足以支撐5G網(wǎng)絡運營。上述問題觸發(fā)了運營商將人工智能（AI）引入網(wǎng)絡運維的思考和探索。ETSI于2017年2月正式批準成立的網(wǎng)絡人工智能標準工作組（ENI）[2]，致力于通過引入閉環(huán)人工智能機制來改善網(wǎng)絡運營體驗。ENI目前已有近60家來自全球的成員和參與單位，是ETSI最活躍的4大工作組之一。經(jīng)過3年的研究工作，ENI輸出了用例、需求、術語、架構等系列規(guī)范，并啟動了10余個基于ENI架構和用例的概念驗證項目。其中，5G網(wǎng)絡切片智慧運營是ENI的一類重要應用場景，也是ENI的重點概念驗證方向。

1 ENI系統(tǒng)功能架構

ENI系統(tǒng)是一套基于“觀察-調整-決策-行動”控制循環(huán)模型的功能集合，它利用人工智能技術輸出命令、建議及知識，用于輔助或直接管理其他系統(tǒng)實現(xiàn)智慧運營[3]。ENI系統(tǒng)功能架構如圖1所示：

ENI系統(tǒng)通過可選的應用程序編程接口（API）代理與業(yè)務支撐系統(tǒng)（BSS）/運營支撐系統(tǒng)（OSS）等外部系統(tǒng)交互，從外部獲取數(shù)據(jù)，經(jīng)過內部智能化分析，對外輸出建議或命令。ENI系統(tǒng)內部主要包括以下3類功能模塊。

1）輸入處理類功能模塊

（1）數(shù)據(jù)攝取功能模塊：從多個輸入源收集數(shù)據(jù)，并使用通用的數(shù)據(jù)處理技術使攝取的數(shù)據(jù)能夠被其他ENI功能模塊進一步處理和分析。

（2）數(shù)據(jù)規(guī)范化功能模塊：將對數(shù)據(jù)攝取功能模塊接收到的數(shù)據(jù)進行處理，并將其轉換為其他ENI功能塊能夠理解和使用的形式，以便進行進一步分析。

2）分析類功能模塊

（1）知識管理功能模塊：負責管理ENI系統(tǒng)的知識數(shù)據(jù)庫，是AI建模的基礎。知識管理包括使用共識性知識表示來創(chuàng)建、修改、維護和增強知識資產的存儲、評估、使用、共享和完善。

（2）上下文感知功能模塊：持續(xù)地收集ENI系統(tǒng)自身及外部系統(tǒng)信息，構建ENI系統(tǒng)進行決策的基礎環(huán)境。

（3）認知管理功能模塊：使用已有知識來生成和驗證新知識。

（4）態(tài)勢感知功能模塊：識別當前情況以及未來可能發(fā)生的情況，理解環(huán)境如何變化及為何變化，明確這些將如何影響ENI系統(tǒng)試圖實現(xiàn)的目標，決定對給定事件的處理操作。

（5）模型驅動工程功能模塊：使用模型驅動的工程機制將態(tài)勢感知功能模塊輸出的操作轉換成統(tǒng)一的格式，在此基礎上可以進一步被策略管理功能塊構建為命令式、聲明式及意愿式的策略。

（6）策略管理功能模塊：制定對外部系統(tǒng)的管理、監(jiān)控和編排等策略。

3）輸出生成類功能模塊

去規(guī)范化和輸出生成功能模塊：將ENI系統(tǒng)內部格式的數(shù)據(jù)和信息轉譯成外部系統(tǒng)能夠理解的格式。

2 5G網(wǎng)絡切片智慧運營場景

圖1 ENI系統(tǒng)功能架構（頂層）[4]

ENI 001規(guī)范[5]定義了20余種網(wǎng)絡智慧運營的場景，其中涉及網(wǎng)絡切片的有7個，覆蓋了前傳網(wǎng)絡切片管理編排、承載網(wǎng)切片生命周期管理、接入網(wǎng)和核心網(wǎng)虛擬網(wǎng)元彈性伸縮及云間遷移、切片服務等級協(xié)議（SLA）保證等方面。

2.1 智能前傳網(wǎng)絡管理編排

目前全球廣泛應用的集中式無線接入網(wǎng)（C-RAN）將基站的基帶處理單元（BBU）部分集中部署，與射頻拉遠單元（RRU）之間通過前傳接口連接，具體使用通用公共無線接口（CPRI）協(xié)議。CPRI采用點對點連接模式，需要高帶寬、低延遲、嚴格同步和額外的傳輸設備。

5G無線網(wǎng)絡對BBU和RRU的功能進行了重新劃分，將部分BBU功能轉移到RRU以減少對前傳帶寬的壓力，重構后分別稱為無線云中心（RCC）和射頻拉遠系統(tǒng)（RRS）。其中RRS又包括天線、RRU以及傳統(tǒng)BBU的部分基帶處理功能即射頻聚合單元（RAU）。RCC與RAU之間采用增強的CPRI（eCPRI）接口，基于分組交換協(xié)議將前傳由點對點的模式重新定義為多點對多點的模式。換句話說，下一代前傳網(wǎng)絡是一個多層共享網(wǎng)絡，可以按需動態(tài)調整RCC和RAU之間的網(wǎng)絡資源切片。

前傳網(wǎng)絡對資源的切片受多種因素及環(huán)境變化影響，例如：RRU群集的大小和如何組成群集，RCC和RAU之間的功能劃分，以及前傳網(wǎng)絡需要保留網(wǎng)絡資源的解決方案空間的維度（比如功率、處理能力、無線資源、緩沖內存、跨多個前傳節(jié)點的路徑選擇等）。在這種情況下，引入基于AI的前傳網(wǎng)絡切片管理編排，可以充分考慮并平衡上述影響網(wǎng)絡切片的多維度因素，以實現(xiàn)靈活、動態(tài)的資源切片和功能拆分。例如，當前傳關鍵性能指標低于目標值時，將觸發(fā)ENI系統(tǒng)從不同RAU/ RCC單元收集前傳參數(shù)、當前配置以及過去和當前的流量，基于歷史學習得到的經(jīng)驗和當前上下文對未來需求進行預測，決定前傳參數(shù)并反饋給RAU/ RCC單元執(zhí)行調整，重新分配前傳網(wǎng)絡資源，新的前傳KPI也會反饋給ENI系統(tǒng)，這樣就形成了前傳網(wǎng)絡切片的閉環(huán)智能化管理編排。

2.2 智能承載網(wǎng)切片生命周期管理

承載網(wǎng)切片是5G端到端切片的一部分，通過對網(wǎng)絡的拓撲資源進行虛擬化，形成按需組織的網(wǎng)絡切片以實現(xiàn)特定的性能要求[6]。承載網(wǎng)切片管理器（TNSM）和承載網(wǎng)節(jié)點設備之間采用軟件定義網(wǎng)絡技術，實現(xiàn)TNSM對多個承載網(wǎng)節(jié)點設備的集中控制。承載網(wǎng)轉發(fā)面的切片技術包括基于靈活以太網(wǎng)（FlexE）的硬切片技術和基于分段路由（SR）的軟切片技術，其中，軟硬切片技術可以結合使用。

為了避免流量高峰期資源緊缺，承載網(wǎng)切片的資源一般以滿足業(yè)務峰值的要求進行分配，但是這也造成了大多數(shù)非高峰期時段網(wǎng)絡帶寬、服務質量等專屬資源的冗余和浪費；因此，引入AI技術對業(yè)務未來的流量進行精準預測，結合承載網(wǎng)上下文信息，制定智能化承載網(wǎng)切片配置策略，能夠有助于實現(xiàn)承載網(wǎng)切片資源的按需動態(tài)擴展和縮減，提升承載網(wǎng)資源的利用率。

2.3 切片內虛擬網(wǎng)絡功能的彈性伸縮和云間遷移

核心網(wǎng)切片基于網(wǎng)絡功能虛擬化（NFV）技術，使5G的網(wǎng)絡功能（NF）從傳統(tǒng)的專有硬件設備轉變?yōu)樵谶\行在共享云資源池上的虛擬網(wǎng)絡功能（VNF）。通過網(wǎng)絡切片管理器（NSMF）及NFV 管理編排系統(tǒng)（MANO），可以按需編排核心網(wǎng)切片內所需的NF，并為每個NF分配所需的虛擬資源。NFV技術提供了VNF彈性伸縮和遷移的功能，例如為一個VNF實例增加或減少虛擬機數(shù)量，或者直接增加或減少VNF實例的數(shù)量，或者將VNF實例從一個資源池遷移到另外一個資源池，以便更靈活地按照業(yè)務需求分配資源。

引入AI技術后，對業(yè)務趨勢和資源需求進行預測，并根據(jù)核心網(wǎng)切片的上下文信息，給出NF的資源分配建議策略。通過NSMF和MANO執(zhí)行資源分配和業(yè)務遷移，可以在實時業(yè)務過程中實現(xiàn)VNF動態(tài)彈性伸縮和云間遷移。

3 ENI輔助的智能切片概念驗證

為了驗證ENI技術的有效性，并在互操作等方面更好地引導ENI后續(xù)規(guī)范制定工作，ENI在2018年啟動了概念驗證（PoC）項目[7]。目前ENI已有10項PoC項目，最早完成的兩個PoC項目很好地驗證了AI技術可以輔助實現(xiàn)網(wǎng)絡切片智慧運營。

3.1 PoC#1智能網(wǎng)絡切片的生命周期管理[8]

該項目針對本文2.2節(jié)所述的場景進行了驗證，具體包括兩個方面：一是利用基于意愿的接口將用戶業(yè)務意愿自動翻譯為配置并創(chuàng)建切片；二是利用AI技術預測網(wǎng)絡流量變化趨勢并對網(wǎng)絡切片資源進行預調整。

項目采用的方案驗證架構如圖2所示。

驗證方案及結果如下：

1）基于業(yè)務意愿的承載網(wǎng)切片自動化創(chuàng)建。用戶通過TNSM操作界面輸入業(yè)務意愿，例如業(yè)務類型、優(yōu)先級、帶寬和時延需求等，TNSM將上述業(yè)務意愿自動轉譯為創(chuàng)建承載網(wǎng)切片所需的配置信息，結合對承載網(wǎng)實際情況的分析，計算得到最佳的切片配置信息，經(jīng)過驗證后下發(fā)到承載網(wǎng)節(jié)點執(zhí)行，從而實現(xiàn)承載網(wǎng)切片的快速自動化創(chuàng)建。

圖2 ENI系統(tǒng)輔助的智能承載網(wǎng)切片驗證架構

2）基于AI的流量預測及切片帶寬智能化調整。使用27 312條按小時聚合的真實網(wǎng)絡流量數(shù)據(jù)對基于長短期記憶（LSTM）網(wǎng)絡疊加傳統(tǒng)神經(jīng)網(wǎng)絡的AI流量預測模型進行訓練。ENI系統(tǒng)通過TNSM收集承載網(wǎng)切片實例的準實時流量數(shù)據(jù)和網(wǎng)絡切片資源分配情況，并使用預訓練的流量預測模型根據(jù)準實時流量數(shù)據(jù)預測未來6小時的流量趨勢，并傳遞給智能策略生成器。智能策略生成器根據(jù)接收到的預測結果判斷承載網(wǎng)切片的帶寬在下一個小時是否需要調整以及如何調整，并在需要調整時生成智能擴縮容策略，例如需要擴容兩個單位的帶寬，之后ENI系統(tǒng)將智能策略轉譯為配置建議下發(fā)至TNSM。最后，TNSM通過重新配置承載網(wǎng)節(jié)點的端口帶寬來執(zhí)行相應的智能擴縮容策略，從而實現(xiàn)承載網(wǎng)切片帶寬根據(jù)未來流量變化趨勢進行動態(tài)智能化調整。經(jīng)實驗驗證，使用上述方法在真實網(wǎng)絡流量測試數(shù)據(jù)集基礎上，網(wǎng)絡資源利用率可提高30%左右[9]。

3.2 PoC#2彈性網(wǎng)絡切片管理[10]

該項目是歐盟的5G-MoNArch項目[11]的一部分。針對本文2.3節(jié)所述的場景，該項目目標是驗證AI輔助的網(wǎng)絡切片彈性管理和編排的可行性和收益。

該項目在意大利都靈市的馬達馬宮藝術博物館搭建了如圖3所示的測試床，使用虛擬現(xiàn)實（VR）游覽業(yè)務進行了現(xiàn)場驗證和展示，驗證方案及結果如下。

1）系統(tǒng)包括邊緣云和中心云兩個資源池，首先通過MANO創(chuàng)建3個切片：第1個切片用于承載來自VR業(yè)務所需的展覽室360°視頻流，屬于增強型移動寬帶類（eMBB）切片；第2個切片用于處理VR業(yè)務的其他所有通信服務，例如基于IP的語音傳輸（VoIP）、多用戶交互及3D模型注冊和控制等，屬于超高可靠低時延通信（URLLC）切片；第3個切片用于加載4K視頻流作為背景流量模擬資源占用，也是eMBB類切片。

2）VR業(yè)務兩個切片的NF部署在邊緣云。當背景流量增加，同時影響到URLLC切片的性能時，觸發(fā)ENI的智能編排算法將制定NF編排策略，通過MANO將eMBB切片的NF遷移部署到中心云，以便保證URLLC切片的性能。

3）當eMBB切片的視頻分辨率和視頻流的編碼速率引起資源需求變化時，將觸發(fā)ENI的跨切片資源分配算法制定資源重分配策略，通過MANO對VNF進行擴縮容。例如，將背景流量eMBB切片的部分資源調整給VR業(yè)務eMBB切片使用，從而保證最佳的業(yè)務體驗。

上述測試驗證了ENI系統(tǒng)可以根據(jù)業(yè)務需求對核心網(wǎng)切片進行NF部署位置和資源數(shù)量兩個維度做出智能化調整，保證切片業(yè)務的SLA。

圖3 網(wǎng)絡人工智能標準工作組系統(tǒng)輔助的彈性網(wǎng)絡切片管理測試床[12]

圖4 ENI輔助的端到端網(wǎng)絡切片管理框架

4 ENI系統(tǒng)輔助的端到端網(wǎng)絡切片管理框架

ENI系統(tǒng)通過可選的API代理與接入網(wǎng)、承載網(wǎng)、核心網(wǎng)各切片子網(wǎng)的切片管理器對接，實現(xiàn)對整個端到端切片的智慧運營。ENI輔助的端到端網(wǎng)絡切片管理框架如圖4所示。

1）ENI系統(tǒng)利用歷史數(shù)據(jù)訓練基于AI的各網(wǎng)絡域切片資源預測模型，并利用最新的數(shù)據(jù)知識進行周期性迭代訓練和模型優(yōu)化。

2）ENI系統(tǒng)通過各網(wǎng)絡域的切片管理器收集網(wǎng)絡切片的各類信息，包括網(wǎng)絡切片的資源分配情況和關鍵參數(shù)等，構建端到端網(wǎng)絡切片上下文。

3）資源預測模型根據(jù)實時數(shù)據(jù)預測未來的資源需求趨勢形成資源需求認知，并傳遞給智能策略管理器。

4）智能策略管理器結合接收到的資源需求預測和網(wǎng)絡切片上下文，制定網(wǎng)絡切片資源分配策略。

5）ENI系統(tǒng)將網(wǎng)絡切片資源分配策略通過模型驅動工程方式，轉譯為各網(wǎng)絡域切片配置建議，例如前傳網(wǎng)絡切片的資源配置建議、承載網(wǎng)切片的帶寬調整建議、核心網(wǎng)VNF的擴縮容建議等，并下發(fā)給各網(wǎng)絡域的切片管理器執(zhí)行。

上述框架可以實現(xiàn)端到端網(wǎng)絡切片的閉環(huán)智能化資源動態(tài)調整，輔助5G網(wǎng)絡切片智慧運營。

5 結束語

網(wǎng)絡切片是5G網(wǎng)絡的重要創(chuàng)新特性，為5G網(wǎng)絡提供了一個靈活的生態(tài)系統(tǒng)。該生態(tài)系統(tǒng)將端到端云網(wǎng)資源集成在一起，面向多樣化的5G業(yè)務需求，提供軟件化、虛擬化、可編程的網(wǎng)絡創(chuàng)新能力和網(wǎng)絡連接服務。引入基于AI的閉環(huán)自動化技術，可以更好地發(fā)揮網(wǎng)絡切片的優(yōu)勢，提升網(wǎng)絡資源利用率和業(yè)務體驗，實現(xiàn)網(wǎng)絡切片的智慧運營。