面向6G的意图驱动边缘智能网络

宋延博，张静雯，弥欣汝，欧阳颖，杨春刚

（西安电子科技大学，陕西 西安 710071）

0 引言

6G将兼容5G中增强型移动宽带、海量机器类通信和高可靠低时延等典型通信场景。单一的网络特性难以支持6G网络中不断涌现的新服务，无法支撑网络按时交付，且无法贴近实际的商业需求，从而影响用户的服务质量和体验质量。此外，异构移动通信网络难以实现有效的互联互通和全局资源优化调度，造成宝贵的设备和无线资源浪费[1-2]。网络复杂度也因继承大容量和大连接等优势而日益凸显，为6G网络的运营、维护和管理带来前所未有的挑战[3]。

移动通信网络中人工智能以辅助-代理-取代的方向演进，在应对各类虚拟服务需求的同时，已经考虑将用户的意图纳入网络运营中。2015年开放网络基金组织的北向接口工作组发布了《基于意图的网络》白皮书[4-5]。Gartner、思科、华为先后提出IDN（Intent Driven Network，意图驱动网络）的定义[6-8]，明确IDN中意图转译、意图验证、自动实施、全息感知等基本组成要素。IDN以其北向交互强、网络自优化等突出优势，在固网[9]、云网络[10-11]、物联网[12]和5G网络[13-14]均得到了充分重视和应用。北向接口模式[15]、服务管理方法[16]与网络配置方式[17]得到进一步革新。当前IDN的应用以部署在网络控制器及其北向接口为主，并以集中式的形式存在。

6G时代，移动通信网络发展将进一步以现代人工智能、边缘计算平台和移动物联网等为科技基础，实现智能设备与信息网络设备的更加深度融合，构建新型服务化网络[18]。行业寄希望于通过引入人工智能，带领6G网络走出当前遇到的重重困境[19-21]。以云计算为典型代表技术的集中式人工智能系统存在数据实时性低和传输带宽容量不足等实际问题，从而可能无法及时处理由边缘设备所产生出来的海量数据。可以通过将边缘智能部署在边缘设备上使其更贴近用户，实现在数据源端进行数据处理和智能化部署，从而缩短服务的响应时间。

为了真正实现融合、灵活、弹性发展的愿景，需要继续研究一种基于边缘智能的意图驱动6G网络，从系统架构层次上进一步考虑边缘智能系统的多级网络部署，实现意图、边缘计算、人工智能系统的完美结合，将智能服务推送到边缘设备。

1 意图驱动网络基本理论

意图是系统状态的声明性描述，其中声明性指无需关注网络操作细节，仅表达对网络的需求。意图从需求的角度抽象网络的对象和能力，并将其转化为高级策略[22]。

IDN是一种可编程可定制的自动化网络。网络可根据用户意图自动转换、验证、部署、配置、优化，达到目标网络状态，并能自动解决异常事件，保证网络的可靠性[23]，包括意图使能层、业务应用层、基础设施层。

如图1所示，从执行动作来讲，IDN网络主要包括意图的转译、验证和部署。从意图形态转换来讲，形成了“自然语言-意图原语-可执行策略-可靠性配置”的意图流。意图、策略与配置是一组联结概念，意图是自由表达的具有最高级抽象网络需求的描述；策略是以具体方式描述的意图；配置是根据策略为当前网络环境更新有关物理或虚拟网络设备的信息[24]。从层级关系来讲，IDN主要包括业务应用层、意图使能层、基础设施层以及北向接口和南向接口。业务应用层支持可视化运维平面，提供开放的网络能力，并完成应用意图的挖掘。通过意图使能层提供的编程接口对底层设备进行编程，将网元能力抽象封装，把网络的控制权开放给用户及其他业务伙伴。意图使能层将应用请求经意图北向接口转译成的意图原语，并进行解析和一致性校验，处理成可被当前网络资源执行的网络意图；通过意图与资源的映射算法，获得网络中具体资源的对应操作；采用基于意图管理和编排的系统实现全局应用意图的统一规划、资源的统一调度，采用闭环编排的方式实现网元的生命周期管理、智能引擎提供策略库模型和网元状态信息分析的支持。基础设施层部署海量遥测设备，分布式网络数据分析中心进行实时/非实时运算。

图1 意图驱动网络架构

目前，学术界在意图在移动网络领域还在进一步探索。在5G云服务的实时保障、服务质量的有效提升以及回程网络方面论证了意图部署的初步想法[25]，但对于接入网、回程网和核心网的一体化意图驱动设计方案尚不清晰。

2 架构演进思路

传统网络架构中存在着控制平面和用户平面紧耦合等问题，对运营商布网在成本和时间上都是一个考验。软件定义网络的引入，使网络控制面功能逐渐与网络用户面完全解耦，部署网络也随之变得方便与灵活，从而提高用户服务质量与应用体验，比如可以大幅度降低时延。

基于控制面和用户面解耦的背景下，连接控制面与用户面的南向接口已经形成了一定的标准化接口。例如软件定义网中的OpenFLow协议，隐藏了具体网络设备的转发细节，利用这些功能接口的组合可以部署常见业务，即通过修改流表规则控制网络设备的转发。南向接口抽象了网络转发行为，简化了管理网元的流程，但是仍需掌握协议的相关知识并熟悉命令行操作。此外，用户面向差异化方向演进。

随着网络功能的不断创新，网络业务需要进一步与网络接口，面向新需求的北向接口的标准化正在进行中。基于意图的北向接口有望成为北向接口的标准化，意图北向接口采用声明式的方式，网络用户或应用通过自然语言等只需描述网络需求的意图，而无需关注如何实现（技术细节），使不了解网络相关知识背景的用户也能更容易地操作网络。如图2所示，网络架构正朝着应用、控制、用户平面解耦的方向发展，南北向接口的标准化工作也需要进一步研究。

图2 网络架构解耦演进

3 意图驱动边缘智能网络架构

为了高效利用网络资源并释放意图驱动网络潜力，下沉人工智能到靠近用户终端的网络边缘。意图驱动边缘智能网络架构由两个管理中心、三个数据分析中心、四个平面组成，如图3所示。CU（Centralized Unit，集中单元）、DU（Distributed Unit，分布单元）和AAU（Active Antenna Unit，有源天线单元）组成接入网侧eNB/gNB基站。CU为集中式单元，向上通过核心网接口与核心网相连接，而在接入网内部则能够控制和协调多小区，涉及的主要协议包括：无线资源控制功能、数据服务协议、分组数据汇聚协议等。DU为分布式单元，实现射频处理功能和RLC（Radio Link Controlstructure，无线链路控制层）、MAC（Media Access Control，媒体接入控制层）以及PHY（Physical Layer，物理层）等基带处理功能。有源天线单元负责射频处理功能，DU和AAU之间通过通用公共无线电接口相连。

图3 意图驱动边缘智能网络架构

两个管理平面为意图使能中心和收敛同步中心。意图使能中心是该架构的核心，将来自应用的请求进行解析，完成应用意图的表征、转译、验证与自动化部署。收敛同步中心实现CU和DU之间的时间与频率同步，同时，以映射的方式解决在分布式最终一致性控制模型中管理运营复杂性的问题。

三个数据分析中心是指位于核心网的NWDA（Network Data Analysis，网络数据分析）与位于接入网的RANDA（Radio Access Network Data Analysis，无线接入网络数据分析），RANDA包括CU处数据中心CUDA（Central Unit Data Analysis，中心单元数据分析）以及DU处数据中心DUDA（Distributed Unit Data Analysis，分布式单元数据分析），三个数据分析中心共同构成层级式、分布式部署的数据驱动的网络架构，更好地使能无线大数据业务。同时，经由大数据分析中心训练的模型也将为意图校验环节提供必要支持[3]。

相比于位于核心网的NWDA，CUDA和DUDA更贴近用户侧。CU具有准实时性，算力较高，主要应用于多连接、干扰管理、移动性管理等优化。具体包含数据分析、准实时的决策模型的训练、模型在线预测以及基于预测结果的策略生成和配置，为DUDA提供数据特征、模型的订阅分发功能。CUDA可以有主从两种模式，从模式的CUDA可以请求主模式的CUDA进行部分计算任务，如模型训练。DU具有实时性，算力较低，承担实时数据收集处理、预测、参数调优和一些计算量较小的模型训练任务。DUDA通过数据的清洗、集成、变换和规约，为CUDA提供可能需要的预处理后的用于训练/决策模型的数据特征。CUDA协助DUDA进行一些计算量较大的模型训练任务。训练好的模型可下发至DUDA处安装执行，基于实时采集的全息数据进行实时在线预测，并根据预测结果生成相应的策略，对DU中处理过程（如调度、链路自适应等）进行实时闭环控制。处于接入网侧的网络数据分析中心获取网络全局信息并实时传输给意图使能中心。

四个平面是指控制面、用户面、意图使能平面以及收敛同步平面。

4 意图驱动的无线网络用例

基站配置时，每一个基站的配置参数可达数千个，其中和无线性能指标紧密相关的网络参数非常多，而大量无线参数都以小区或者局部区域为单位进行设置，具有强相关性。规模大、参数配置复杂、有主观经验导致优化的局部功能障碍或者指标降低甚至对全网产生不利影响，故考虑将无线网络中的基站配置作为意图驱动网络边缘智能的用例进行研究。

4.1 无线网络用例

根据上述意图驱动移动网络通信架构，对用户意图进行分析并完成基站部署，意图驱动6G网络的流程是：

（1）管理员操作应用，应用生成意图原语。

（2）意图原语通过控制器中的IE（Intent Engine，意图引擎）进行建模、优化，并且输出具体的网络配置。在通用机制模块的指导下，网络资源管理模块将网络配置转换为可让设备执行的具体网络命令，智能引擎收集来自NWDA的实时用户移动数据、业务流数据以及网元状态数据并进行处理分析，通过比较器与意图进行对比，调整网络命令，生成最终的执行命令，保障了命令的正确性和有效性。

（3）执行命令通过南向接口传入无线接入网络，通过虚拟化技术将相应实体设备进行虚拟化，并通过数据平面可编程进行相应的协议配置，进而下发数据规则，指导网络实体设备进行配置，完成从意图到网络部署的过程，网络建立完成，进入运行阶段。

基于意图驱动的移动网络利用虚拟化技术在边缘计算虚拟池中确定基站的配置参数，经过验证后通过高速数据链路连接实际基站进行配置，事件流程图如图4所示。

图4 基站参数配置事件流程图

（1）运营商用户表明部署基站意图。

（2）APP根据运营商所表意图，将其转换为机器能理解的意图原语：LTE、100 ms、吞吐量、网络容量等。

（3）北向接口理解意图原语并转化为网络设计语言，确定参数配置维度（网络关键绩效指标等），送入控制层。

（4）网络需求抵达控制层，控制层根据需求进行资源计算和估计，通过虚拟网元控制器控制高性能计算设备完成对实际网元的虚拟化和需求网元的虚拟构建。智能引擎利用数据挖掘、数理统计及人工智能等技术，已经训练学习了用户行为、无线资源配置参数、时间/事件场景、网络关键绩效指标相互之间的关系，建立了准确的典型小区参数配置模板。意图引擎根据这些模板指导控制器对虚拟的LTE BSC（Base Station Controller，基站控制器）、BBU（Base Band Unit，基带处理单元）、RRU（Radio Remote Unit，射频拉远单元）等进行初步参数配置，并构建无线网络协议。此外，现有网络可以为控制层提供大量本地数据，智能引擎基于这些数据可以对初步配置的参数进行优化调整确定参数，更符合当前网络场景。确定的参数在虚拟化的网元中进行配置。

（5）LTE基站硬件安装上电后通过南向接口与控制层相连，下载启动专属的配置数据进行无线服务。

（6）基站配置结束，进入运行阶段。

为快速地进行自动化管理，系统架构必须先兼具网元状态采集、网元管理功能和状态监控功能。通过网元状态采集实现系统资源的自动采集，并通过运行状态监控能力对所有资源设备运行工作状态的监测，最终能够分析实时结果管理网元，重新优化与调度目前已分配资源。通过不断闭环，对网元进行完整生命周期管理来产生可靠性策略。

4.2 仿真平台及性能评估

采用Open Air Interface 5G软件和FlexRAN控制器搭建面向6G的测试平台，利用OAI软件模拟了基站的所有功能。通过前端输入服务意图，识别并挖掘服务所需的性能需求，并将其发送到控制器北向接口。通过收集虚拟化资源切片的吞吐量和时延并计算满意度，DQN（Deep Q-learning，深度Q学习）收敛迅速调整并获得最佳的资源分配方法。

从运行DQN算法后得到的图5（a）可以看出，在100步后，损失函数变得平滑，误差很小，证明了系统模型的准确性。如图5（b），训练后的下行链路的吞吐量和延迟满意度更高，说明了DQN算法有效地提高了网络资源虚拟化切片时的资源分配中的时延和吞吐量。

图5 网络边缘智能资源优化算法

5 结束语

6G时代，灵活可编程可扩展的网络架构是保证“服务定制、智慧柔性”理念的关键。为实现意图驱动网络和边缘智能的深度融合，创新性地把意图驱动从软件定义网扩展到移动通信网，并重点介绍了意图驱动边缘智能网络架构，在靠近用户侧的分布式数据分析中心部署意图引擎及人工智能算法，通过转译、验证、部署完成移动网络的实时保障。以基站参数配置为例研究意图驱动网络配置流程，促使人工运维向智能运维发展，聚焦边缘智能，旨在为业界提供意图驱动边缘智能的研究思路。