基于大数据的5G网络智能规划建设分析

卢胜奇

摘 要：5G通信在全球范围内成功商用，使得5G建设和规划成为了目前各国基础建设的重要分支。随着网络规划的不断深入和普及，传统的依赖经验的人工式建设规划已经无法充分满足网络高密度布设的要求，使得目前在网络规划过程中逐步引入人工智能技术，期望通过发展智能化规划建设，提高网络规划的科学性和合理性，同时为提高网络规划建设效率做出贡献。人工智能本质上是一种数据科学的深度应用，因此可通过业务网络及监测数据，利用人工智能技术对大数据特征提取进行深度数据分析，实现数据价值的挖掘，为网络建设规划提供支撑。本文将从5G网络智能规划建设入手进行探讨，主要针对智能业务预测、智能规划、智能设计及智能运维等方向进行探讨。期望本文的研究能够对5G网络规划建设提供帮助。

关键词：5G;智能规划;大数据

1 前言

通信技术的发展总是与社会、经济的发展对于通信的要求相契合。随着世界经济和社会的发展，用户对通信业务的性能、形式等要求都发生了根本性的变化。通信技术也逐步从最初的有线通信发展为无线语音通信、无线数据传输乃至高速的无线数据传输。5G通信技术作为目前最新一代进入商用阶段的通信技术，根本上也是为了解决无线通信下的带宽、速率、时延等问题[1]。随着5G通信技术的发展和普及，世界各国都先后將5G网络建设纳入到本国的基础建设队列中，我国也将5G作为新基建的重要分支之一。随着对5G网络规划诉求的升级，传统的依赖经验的人工网络规划建设已经无法充分满足5G网络规划建设差异化和精益化的需求。也正是基于这一原因，在5G规划建设阶段引入了人工智能，期望通过人工智能应对人为经验的局限性，以提升网络规划建设的合理性和科学性。人工智能技术是一种典型的数据科学，通过对海量的经验数据进行分析挖掘和特征提取，获得诸多网络规划决策建议。本文将对基于大数据的5G网络智能规划建设进行探讨，期望本文的研究能够为相关工作提供一些帮助和支撑。

2 5G网络规划建设中的难点

（1）网络规划难点

5G网络的建设，使得移动通信具备了更高效的传输通道，可显著提升当前网络的传输效率。然而在实际规划过程中，网络规划会受到来自各个方面的约束。例如，在数据跨层传输的过程中，由于不同网络层对数据包的映射方式有显著差异，因此数据在跨层传输过程中会产生偏差。同时，针对4G和5G网络共存的场景，由于5G网络规划呈现出从NSA逐步向SA扩展的趋势，因此NSA就是网络规划的中间形态，这就使得4G和5G在数据传输处理时常常出现耦合的情况，从而引发站址约束上的一系列冲突。因此通常在组网规划中，不仅要合理考虑4G和5G的差异，还要兼顾高密度组网，以进一步提升网络质量。正是基于上述种种原因，传统的人工网络规划耗时耗力，其难度和成本始终居高不下。

（2）空间利用的难点

与上一代通信网络相比，5G网络的建设，特别是基站设计安装，对于空间和土地有较高的要求。众所周知，5G网络建设的重点在于超密集组网和大规模阵列天线，上述两个技术是5G的核心，也是网络建设过程中的重点。由于传统的通信网络中的RRU网络结构与5G无法通用，因此需要额外为5G通信网络建立AAU网络，以确保5G的高带宽和低时延的特性。尽管从结构布局来看，AAU也可视作RRU网络结构分升级优化，然而二者在实际业务中无法互通。因此若要在现有4G网络基础上构建5G网络，必然会产生空间利用不足的问题，最终影响基站资源的有效利用。与此同时，由于5G设备本身的精密程度较高，安装和维护条件要求也较高，这就使得5G天线及射频设备的安装难度增加[3]。

（3）基站系统的难点

为进一步提高网络建设的效率，降低总投入，目前5G网络的建设通常是基于现有的4G基础设施开展的，整体网络运行在原有的网络系统基础上，这就使得现有的3G和4G网络的使用受到了一定的影响。同时受到现有空间和安装技术的限制，目前在5G网络建设过程中通常还有一定的架设需求，因此原有空间会受到侵占，只能在现有可用空间内为5G设备提供新的资源。针对能源动力部分，尽管原有基站已经存在了能源动力基础，但5G设备的加入对于基站提出了更高的能源要求，因此对基站进行能源动力扩充也是一个必要环节。

除上述三点典型的网络规划建设难点外，在实际操作中还有诸多其他规划、应用、维护方面的难点，例如Massive MIMO部署规划、网络切片资源及业务匹配、频率规划等。总体而言，在目前的4G和5G交融的过渡期，5G网络规划建设还存在一系列的难点，这些难点靠堆叠人力和资金固然能够得以解决，但效率低、成本较高，在5G加速建设过程中显然得不偿失，这就对5G网络的智能规划建设提出了要求。

3 基于大数据和人工智能的5G网络规划建设

进入大数据和人工智能时代后，许多传统环境下人为处理的业务，目前能够逐步开始通过既有的海量经验数据进行深度挖掘，通过人工智能技术捕捉特征，合理规划，快速、高效地提出解决方案。5G网络规划建设中，人工智能同样存在许多应用场景。根据笔者对目前5G智能网络规划建设领域的了解，目前相关的主要研究集中在这样几个方面：对Massive MIMO的增强和部署、基于OFDM时隙结构和视频资源划分的优化的空中接口技术、与云计算结合CU、DU分离的虚拟化及切片技术、非正交多用户接入技术等[2]。这些基于人工智能的5G网络规划建设方案技术可以促进5G网络的业务应用及运行维护效率进一步提升。下面本文将对几种典型的5G智能网络规划建设应用予以论述。

3.1 智能频率规划

在5G和大数据时代，网络应用的场景越来越广泛，这就使得各个应用对于网络系统产生了更高的频谱需求。在当前的5G网络运行过程中常常能发现因频谱资源分配不合理导致的资源浪费：大业务量的场景下频率资源不够，而小业务量场景下却无法将剩余的频谱资源进行共享。在这一现状下，应当逐步思考如何提高频谱资源的利用率，从而使得频率分配和应用更为合理。人工智能技术可以参与到频率规划工作中，如图3-1所示，人工智能在频率规划中主要是以采集到的应用数据为数据源，利用信息挖掘和预测模型，实现对各小区软件Lisence的分配和频率调整[4]。通过采集和分析一定周期内的业务数据，借助人工智能搭建一套业务量与频率分配数据的分类模型，挖掘诸多业务数据与频率之间的关系，从而使得系统能够智能化预测不同时段业务用户对网络的需求。一旦这种需求规律得以模型化，就可构建自适应的频率调整和重分配技术，实现对空闲网络的资源释放和重分配。

3.2 智能化Massive MIMO参数配置与精准部署

前文提到了Massive MIMO这一5G网络的关键技术。在该技术下，5G天线规模进一步扩大，能够有效提升覆盖、降低干扰。然而在不同的组网和性能需求下，Massive MIMO的配置有所不同：例如要提升全局覆盖，应当应用宽波束配置[5];而要应对小范围内的终端覆盖以及密集组网，则应当采用窄波束配置。同时，在不同的覆盖要求下，例如垂直覆盖和地面覆盖，其配置也有所差异。这就使得在进行Massive MIMO参数配置时工作较为复杂。传统方式是利用仿真进行规划，然而该方式不仅效率低，且仿真也具备一定的局限性。在这一现状下，可利用人工智能，基于大量经验库进行模型训练，实现网络优化模型的构建。如图3-2形象地表示了人工智能在Massive MIMO中的應用。

3-2 智能化Massive MIMO参数配置优化（建立经验库并进行迭代优化）

在部署过程中，常常需要考虑Massive MIMO的精准投放，以增强立体覆盖。传统的方式是基于工程师自身的经验和人工计算，然而其精准程度差强人意，人力成本也居高不下。通过引入机器学习中的K-means聚类算法，能够有效对基站部署效果进行优化和评估。首先对收集到的数字特征进行聚类分析，划分出繁忙和普通小区簇;此后以聚类的中心点值作为阈值，筛选高于此阈值的小区进行Massive MIMO部署，以更加精准提供建设规划建议[6]。

3.3 智能化CU-DU-EMC规划建议

随着5G网络应用的不断深入，诸如UDN、宏微异构网等架构和场景不断出现，对于-DU-EMC的规划灵活性提出了更高的要求。基于人工智能，可以在5G网络性能、基站地理位置等信息中挖掘规划的规律，并建立对CU-DU-EMC规划的最优解的评估和预测能力。如图3-3所示，在实践中，通常会对网络的退服率、通话质量、位置等进行收集，并通过这些数据对网络能力和位置的关系进行分类器训练[7]。获得相关模型后，可在相应的部署方案下应用该模型，对部署后的DU位置进行预测，评估可能的网络性能。通过对上述过程进行反复迭代，最终实现高可靠性能的CU-DU-EMC参数配置和规划。

4 小结

在人工智能时代，很多传统业务都能够通过人工智能实现能力和性能的扩充，5G网络规划建设也存在许多可以应用智能化规划的场景，这也是智能网络规划建设的核心诉求。在当前阶段，通过建立5G网络规划的人工智能基础能力平台，并搭建基于此平台的经验数字化转换框架，能够为5G网络规划提供诸多有益的决策建议。未来网络应用的业务场景更加复杂，5G网络规划也将面临着更多挑战，相信随着人工智能与5G通信网络建设规划的深度结合，5G网络必将为人类社会发展做出更多贡献。

参考文献：

[1]杨燚.人工智能视角下的5G无线网络智能规划和优化[J].现代工业经济和信息化，2021，11（04）：103-104.

[2]徐婷.大数据时代下5G规划方法分析[J].数字通信世界，2021（01）：173-174.

[3]李军.5G无线网络智能规划与仿真[J].电信科学，2020，36（10）：109-119.

[4]马威，李治.大数据分析在5G网络规划中的应用[J].中国新通信，2020，22（08）：121-122.

[5]戢运杰.大数据在通信网络规划中的运用[J].科技风，2020（05）：102.

[6]沈瑶. 基于大数据的基站流量预测与网络规划算法研究[D].南京邮电大学，2019.

[7]程日涛，尧文彬，汪况伦，王乐.5G网络智能规划建设研究[J].电信科学，2019，35（S1）：7-12.

作者简介：卢胜奇（1983.08.23-），男，籍贯：黑龙江省佳木斯市，硕士，高级工程师，主要研究移动通信无线专业。