《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 通信與網(wǎng)絡(luò) > 設(shè)計應(yīng)用 > 基于AI的5G網(wǎng)絡(luò)切片管理技術(shù)研究
基于AI的5G網(wǎng)絡(luò)切片管理技術(shù)研究
2020年電子技術(shù)應(yīng)用第1期
徐 丹1,,王海寧1,,袁祥楓1,朱雪田2
1.中國電信研究院AI研發(fā)中心,,北京102209,;2.中國電信智能網(wǎng)絡(luò)與終端研究院,北京102209
摘要: 5G網(wǎng)絡(luò)切片支持增強型移動寬帶,、超可靠低時延通信和大規(guī)模機器類通信三大類業(yè)務(wù)場景,,可以共享物理資源,并保證切片之間隔離性需求,。網(wǎng)絡(luò)切片按需定制,、實時部署、動態(tài)保障等特性給網(wǎng)絡(luò)帶來了極大的靈活性,,但使得網(wǎng)絡(luò)管理和運維更加復(fù)雜和具有挑戰(zhàn)性,。人工智能(AI)技術(shù)是解決網(wǎng)絡(luò)切片管理復(fù)雜性的潛在方案。因此將研究AI和切片管理融合,,提出了一個基于AI的智能切片管理架構(gòu),,詳述了智能切片管理流程,并給出部分典型應(yīng)用案例,。
中圖分類號: TN919
文獻標(biāo)識碼: A
DOI:10.16157/j.issn.0258-7998.191355
中文引用格式: 徐丹,,王海寧,袁祥楓,,等. 基于AI的5G網(wǎng)絡(luò)切片管理技術(shù)研究[J].電子技術(shù)應(yīng)用,,2020,46(1):6-11,,16.
英文引用格式: Xu Dan,,Wang Haining,Yuan Xiangfeng,,et al. Research on AI based 5G network slice management technology[J]. Application of Electronic Technique,,2020,46(1):6-11,,16.
Research on AI based 5G network slice management technology
Xu Dan1,,Wang Haining1,Yuan Xiangfeng1,,Zhu Xuetian2
1.China Telecom Research Institute AI R & D Center,,Beijing 102209,China,; 2.China Telecom Intelligent Network and Terminal Research Institute,,Beijing 102209,China
Abstract: 5G network slicing supports three major service scenarios including enhanced mobile broadband(eMBB), ultra-reliable low-latency communication(uRLLC), and massive machine-type communication(mMTC). It can share physical resources and ensure the isolation requirements between slices. Network slicing features,,such as on-demand customization, real-time deployment, and dynamic guarantee,,enable network flexibility, but make network management and operation more complex and challenging. Artificial intelligence(AI) technology is a potential solution to the complexity of network slice management. Therefore, this article will study the integration of AI and network slice management, propose an AI-based intelligent slice management architecture, introduce the intelligent slice management processes in detail, and present some typical application cases.
Key words : network slicing;artificial intelligence,;intelligent slice management

0 引言

    5G時代電信業(yè)務(wù)呈現(xiàn)出多場景,、差異化、需求動態(tài)變化等特點,,網(wǎng)絡(luò)切片作為5G的關(guān)鍵使能技術(shù)之一,,將現(xiàn)有物理網(wǎng)絡(luò)進行業(yè)務(wù)邏輯分割,形成獨立的業(yè)務(wù)邏輯網(wǎng)絡(luò),,能夠為具有不同性能要求的垂直行業(yè)提供差異化,、相互隔離、功能可定制的網(wǎng)絡(luò)服務(wù),。5G網(wǎng)絡(luò)切片技術(shù)使多個邏輯網(wǎng)絡(luò)能夠通過云和虛擬化技術(shù)共享同一套物理基礎(chǔ)設(shè)施,,在保證服務(wù)等級協(xié)議(Service Level Agreement,SLA)的同時,,可以有效節(jié)約成本,。然而網(wǎng)絡(luò)基礎(chǔ)設(shè)施變得越來越復(fù)雜、異構(gòu),、大規(guī)模,,而新應(yīng)用的涌現(xiàn)卻越來越快,業(yè)務(wù)需求變化更加實時動態(tài),,網(wǎng)絡(luò)切片管理面臨很大挑戰(zhàn),。

    人工智能(Artificial Intelligence,AI)是指在理論,、方法,、技術(shù)及應(yīng)用系統(tǒng)方面研究人腦的智能行為,,通過計算機智能模擬人類的思維觀點,使人類對自身活動的認(rèn)知程度更進一步,。自1956年誕生以來,,人工智能理論和技術(shù)日益成熟,應(yīng)用領(lǐng)域也不斷擴大,。人工智能的準(zhǔn)確性得益于大量的數(shù)據(jù)訓(xùn)練,,若將運營商在運營過程中累積的大量數(shù)據(jù)應(yīng)用到人工智能技術(shù)中,則可大大提升網(wǎng)絡(luò)自動化水平,,降低網(wǎng)絡(luò)運營成本,,為用戶提供更精確的數(shù)據(jù)服務(wù)以及覆蓋范圍更廣的網(wǎng)絡(luò)區(qū)域??偠灾?,人工智能技術(shù)在應(yīng)對網(wǎng)絡(luò)復(fù)雜重復(fù)性工作方面具有天然優(yōu)勢。

    國內(nèi)外的學(xué)者對人工智能技術(shù)和網(wǎng)絡(luò)切片技術(shù)融合開展了研究工作,。文獻[1]提出了基于人工智能微服務(wù)的智能物聯(lián)網(wǎng)5G集成架構(gòu),,在該架構(gòu)中AI服務(wù)將作為微服務(wù)提供,5G集成平臺同時允許在集中式數(shù)據(jù)中心和靠近物聯(lián)網(wǎng)設(shè)備邊緣處不間斷地提供AI服務(wù),,可以部署在集成化的5G網(wǎng)絡(luò)切片上,,替代了當(dāng)前單片集成的物聯(lián)網(wǎng)云服務(wù)。文獻[2]中為了能滿足多樣化,、異構(gòu)化網(wǎng)絡(luò)需求,,提出了一種基于網(wǎng)絡(luò)切片的靈活的、可適應(yīng)的,、可編程的體系結(jié)構(gòu),,這種架構(gòu)框架允許引入資源彈性作為有效利用5G系統(tǒng)計算資源的關(guān)鍵手段,使5G系統(tǒng)自動化適應(yīng)負載和其他系統(tǒng)變化,,保證在每個時間點,,可用資源盡可能匹配需求。文獻[3]利用人工智能技術(shù)學(xué)習(xí)各網(wǎng)絡(luò)切片的流量需求量,,并預(yù)測下一區(qū)間的流量需求,。根據(jù)對切片需求的預(yù)測,提出了一種新的彈性片間無線資源管理模型,,在不影響片間連接服務(wù)質(zhì)量的前提下提高復(fù)用增益,。文獻[4]提出了智能切片理論,即按需實例化人工智能功能模塊,,并以分布式方式部署這些模塊,,以實現(xiàn)靈活且可擴展的框架,解決了將人工智能集成到無線網(wǎng)絡(luò)技術(shù)的主要局限問題,。文獻[5]提出了一個基于長短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測模型,。通過與傳統(tǒng)機器學(xué)習(xí)流量預(yù)測方法相對比,,驗證了該模型在網(wǎng)絡(luò)流量預(yù)測中的適用性與更高的準(zhǔn)確性。將上述流量預(yù)測模型應(yīng)用在基于軟件定義網(wǎng)絡(luò)技術(shù)的智能化承載網(wǎng)切片系統(tǒng)中,,以提升網(wǎng)絡(luò)資源利用率,。

    另外國內(nèi)外標(biāo)準(zhǔn)組織(包括3GPP、CCSA,、ETSI,、ITU-T,、TMF,、Linux Foundation等)均已開展將AI應(yīng)用于網(wǎng)絡(luò)切片的相關(guān)協(xié)議研究和概念驗證原型系統(tǒng)研發(fā)等工作中。

    目前仍然缺乏將AI技術(shù)和網(wǎng)絡(luò)切片管理系統(tǒng)融合的架構(gòu),,因此本文將基于3GPP提出的三層網(wǎng)絡(luò)切片管理系統(tǒng),,考慮引入AI能力,提出一個統(tǒng)一的基于AI的智能切片管理架構(gòu),?;谠摻y(tǒng)一的架構(gòu)設(shè)計,介紹了智能切片管理流程,,主要包括切片設(shè)計,、切片創(chuàng)建、切片更新,、切片監(jiān)控和切片業(yè)務(wù)體驗評估,。并通過車聯(lián)網(wǎng)和醫(yī)療的應(yīng)用案例說明智能切片管理通過靈活智能調(diào)度網(wǎng)絡(luò)資源從而保障業(yè)務(wù)性能。

1 網(wǎng)絡(luò)切片管理系統(tǒng)

    針對網(wǎng)絡(luò)切片編排和管理,,3GPP定義了網(wǎng)絡(luò)切片管理系統(tǒng),,邏輯上包括通信業(yè)務(wù)管理功能(Communication Service Management Function,CSMF),、網(wǎng)絡(luò)切片管理功能(Network Service Management Function,,NSMF)、網(wǎng)絡(luò)切片子網(wǎng)管理(Network Slice Subnet Management Function,,NSSMF)三大部分功能,,如圖1所示。其中CSMF實現(xiàn)用戶的業(yè)務(wù)需求到網(wǎng)絡(luò)切片需求的映射,,NSMF將網(wǎng)絡(luò)切片的需求轉(zhuǎn)換成對子網(wǎng)切片的需求,,負責(zé)網(wǎng)絡(luò)切片實例的管理和編排,NSSMF將各子網(wǎng)切片的需求轉(zhuǎn)換為對網(wǎng)絡(luò)功能的需求,,NSSMF又分為無線(Access Network,,AN)切片子網(wǎng)管理(AN-NSSMF)、核心網(wǎng)(Core Network,,CN)切片子網(wǎng)管理(CN-NSSMF)和傳輸網(wǎng)(Transport Network,,TN)切片子網(wǎng)管理(TN-NSSMF),。

5g2-t1.gif

    為滿足多樣的、動態(tài)變化的切片業(yè)務(wù)需求,,需要靈活智能編排有限的切片資源,,實現(xiàn)切片最快部署上線,保障業(yè)務(wù)服務(wù)質(zhì)量,,以及最大化復(fù)用切片資源等目標(biāo),。這些復(fù)雜的任務(wù)使網(wǎng)絡(luò)切片管理系統(tǒng)面臨很大挑戰(zhàn),需要將AI技術(shù)引入5G網(wǎng)絡(luò)以實現(xiàn)切片管理自動化,、智能化,,因此下一節(jié)將介紹基于AI的智能切片管理架構(gòu)。

2 智能切片管理

    根據(jù)網(wǎng)絡(luò)切片基礎(chǔ)設(shè)施層和切片管理系統(tǒng)的不同層面所能提供的計算資源和需要的智能化能力差異,,將不同的AI能力引入基礎(chǔ)設(shè)施網(wǎng)元層及切片管理系統(tǒng)的不同層面,,提出一個統(tǒng)一的基于AI的智能切片管理架構(gòu),如圖2所示,。在基礎(chǔ)設(shè)施網(wǎng)元層嵌入設(shè)備級AI分析能力,,在NSSMF層部署AI組件以提供單域AI分析能力,AI賦能平臺為NSMF和CSMF提供跨域AI分析能力,,利用AI分析生成的動態(tài)控制策略形成從網(wǎng)元到全網(wǎng)的動態(tài)控制閉環(huán),,促進網(wǎng)絡(luò)管理自動化、智能化,。具體每一層引入的AI智能化能力介紹如下:

5g2-t2.gif

    (1)設(shè)備AI智能:在網(wǎng)元設(shè)備內(nèi)部嵌入AI算法,,提供場景化的AI模型庫。通過數(shù)據(jù)采集和預(yù)處理,,一些預(yù)處理的有用樣本數(shù)據(jù)可以被暫時存儲在某些網(wǎng)元節(jié)點上,,通過嵌入式的AI框架進行實時的AI模型推理和簡單的智能決策,場景匹配和參數(shù)調(diào)優(yōu)過程可以在網(wǎng)元本地處理而不需要卸載到網(wǎng)絡(luò)切片子網(wǎng)管理層,,支持實時智能分析和控制閉環(huán),,滿足業(yè)務(wù)的時延需求。例如slice#1通過AI能力嵌入到網(wǎng)元層以及用戶面(User Plane Function,,UPF)下沉到邊緣,,可以支持具有超低時延需求的業(yè)務(wù)。嵌入AI能力的網(wǎng)元層一方面可以獨立進行簡單的智能決策,,另一方面需要和網(wǎng)絡(luò)切片子網(wǎng)管理層協(xié)同執(zhí)行其下發(fā)的智能策略,。

    (2)單域AI智能:在網(wǎng)絡(luò)切片子網(wǎng)管理NSSMF層,引入AI分析能力,,進行無線接入網(wǎng)絡(luò),、傳輸網(wǎng)絡(luò)、核心網(wǎng)單域內(nèi)的數(shù)據(jù)分析、輕量化的訓(xùn)練和推理,,對單域內(nèi)的網(wǎng)絡(luò)和資源狀態(tài)進行趨勢預(yù)測,,對異常情況進行根因分析,并給出智能決策,,從而實現(xiàn)單域內(nèi)智能化閉環(huán),。例如基于AI的AN-NSSMF可以進行無線網(wǎng)絡(luò)切片頻譜、功率資源優(yōu)化管理調(diào)度,,引入基于AI的TN-NSSMF可以支持傳輸網(wǎng)切片故障分析和根因定位,,基于AI的CN-NSSMF可以進行核心網(wǎng)切片虛擬資源編排以及網(wǎng)絡(luò)功能負載分析等?;贏I的NSSMF層一方面可以獨立進行單域閉環(huán)優(yōu)化,,也能夠把來自于網(wǎng)絡(luò)切片管理功能層分發(fā)的策略轉(zhuǎn)換為網(wǎng)絡(luò)能夠執(zhí)行的原語下發(fā)給下層設(shè)備執(zhí)行。

    (3)跨域AI智能:跨域AI分析需要全網(wǎng)的數(shù)據(jù),、豐富的AI模型庫以及用來訓(xùn)練,、推理和分析的集中算力,,由AI賦能平臺提供給NSMF和CSMF,。AI使能的CSMF層接收各種不同的用戶意圖,通過意圖轉(zhuǎn)譯為端到端網(wǎng)絡(luò)切片需求下發(fā)給NSMF層,。AI使能的NSMF層基于全域經(jīng)驗和數(shù)據(jù),,完成AI模型訓(xùn)練,為業(yè)務(wù)編排和全局策略提供最優(yōu)的業(yè)務(wù)模型和決策判斷,,完成跨域,、整網(wǎng)的閉環(huán)控制??缬駻I智能化能力適合對全局性的策略和定義集中進行訓(xùn)練及推理,,對實時性要求一般敏感度較低。AI使能的CSMF層和NSMF層相互協(xié)同,,并通過對全域網(wǎng)絡(luò)狀態(tài)的分析和學(xué)習(xí),,持續(xù)、閉環(huán)地保障用戶意圖實現(xiàn),,基于長期趨勢進行智能分析和管理,。NSMF層也可以將端到端切片資源調(diào)度策略下發(fā)到NSSMF層,指導(dǎo)全局資源編排,。

3 智能切片管理流程

    本節(jié)將詳細闡述基于AI的智能切片管理系統(tǒng)對網(wǎng)絡(luò)切片進行管理的流程,。

3.1 切片設(shè)計

    針對切片用戶的不同業(yè)務(wù)意圖,運營商需要設(shè)計不同的切片模板,,以支持超高帶寬,、超低時延、超大連接等需求。切片模板設(shè)計過程如圖3所示,,AI使能的CSMF層收集用戶通過語音,、視頻、文字等方式表達的業(yè)務(wù)意圖,,將用戶的業(yè)務(wù)意圖數(shù)據(jù)進行預(yù)處理,,標(biāo)注有對應(yīng)的業(yè)務(wù)場景的意圖信息作為訓(xùn)練樣本,構(gòu)建機器學(xué)習(xí)模型,,以進行業(yè)務(wù)場景分類識別,。將業(yè)務(wù)意圖輸入訓(xùn)練好的機器學(xué)習(xí)模型,輸出對應(yīng)的業(yè)務(wù)場景,;根據(jù)業(yè)務(wù)場景,,確定對應(yīng)的切片設(shè)計模板。切片模板包括切片業(yè)務(wù)配置參數(shù),,如時延等級,、速率等級、丟包率等級,、抖動等級,、最大用戶數(shù)等級、覆蓋區(qū)域等級,、用戶移動性等級,、資源共享等級中一項或多項?;谝鈭D的切片設(shè)計將有助于適用于不斷涌現(xiàn)的新業(yè)務(wù),,提供定制化的網(wǎng)絡(luò)切片服務(wù)。

5g2-t3.gif

3.2 切片創(chuàng)建

    針對需要新創(chuàng)建一個切片的請求,,基于用戶對切片SLA的要求,、虛擬資源當(dāng)前消耗的狀態(tài)以及現(xiàn)有切片業(yè)務(wù)的資源需求預(yù)測等條件,在不影響現(xiàn)有切片業(yè)務(wù)且滿足新切片的SLA需求時,,通過端到端資源配置,,成功創(chuàng)建新的切片。切片創(chuàng)建流程如圖4所示,,AI使能的NSMF層收到端到端SLA參數(shù)需求,,基于切片部署的歷史數(shù)據(jù),利用AI算法對業(yè)務(wù)類型,、模板信息,、實際關(guān)聯(lián)的云網(wǎng)資源特性、配置參數(shù)等上下文信息,,以及接入網(wǎng),、傳輸網(wǎng),、核心網(wǎng)各域子切片實例SLA測量數(shù)據(jù)(如時延、帶寬,、用戶數(shù),、速率等)進行建模分析,挖掘切片模板,、云網(wǎng)資源,、配置參數(shù)和SLA指標(biāo)之間的關(guān)聯(lián)關(guān)系,推理給出最優(yōu)SLA拆分策略,,以及將各域資源配置建議輸出到NSSMF層,,NSSMF層調(diào)用切片創(chuàng)建算法分配路徑和資源,完成新切片的創(chuàng)建,。

5g2-t4.gif

3.3 切片更新

    切片運行過程中,,網(wǎng)絡(luò)狀態(tài)和切片業(yè)務(wù)的流量動態(tài)變化,切片的初始資源配置可能無法適應(yīng)切片的流量變化,,需要精準(zhǔn)預(yù)測流量使用狀況,,按需動態(tài)配置切片資源。切片更新流程如圖5所示,,收集切片流量數(shù)據(jù)和KPI數(shù)據(jù)等,,通過AI模型(如序列預(yù)測算法)預(yù)測流量變化趨勢以及輸出切片資源調(diào)整策略,并下發(fā)到各域執(zhí)行,。也可以收集單域切片流量數(shù)據(jù),,通過智能分析,,執(zhí)行單域資源配置更新,。切片之間,由于業(yè)務(wù)分布特性的不同,,業(yè)務(wù)高峰存在錯峰和互補,,對預(yù)測業(yè)務(wù)流量高峰的切片進行擴容,對預(yù)測業(yè)務(wù)負載降低的網(wǎng)絡(luò)切片進行縮容,,使多切片最大復(fù)用切片資源同時避免資源沖突,。切片更新過程中,通過預(yù)測不同切片中的負載,,預(yù)先更新/調(diào)整切片資源配置,,保障業(yè)務(wù)服務(wù)質(zhì)量,同時提高切片資源利用效率,。

5g2-t5.gif

3.4 切片監(jiān)控

    切片運行過程中,,需要監(jiān)控切片實時運行狀況,并需要識別異常行為,,對故障告警進行根因分析和自愈,。切片監(jiān)控流程如圖6所示,收集切片監(jiān)控數(shù)據(jù)包括大量系統(tǒng)日志、拓撲結(jié)構(gòu),、配置參數(shù)以及性能數(shù)據(jù)等,,可以基于設(shè)備或用戶的流量特征來預(yù)測其異常行為,基于告警之間的關(guān)聯(lián)規(guī)則來定位根源告警,,以及基于性能指標(biāo)分析來預(yù)測故障發(fā)生概率,,并通過強化學(xué)習(xí)進行自適應(yīng)的故障修復(fù)和預(yù)防策略制定。網(wǎng)絡(luò)監(jiān)控包括端到端切片監(jiān)控,、子切片監(jiān)控和網(wǎng)絡(luò)功能監(jiān)控,,各層次相互協(xié)同,一方面可以對已發(fā)生的故障告警進行快速,、高效的根因分析和修復(fù),;另一方面對潛在性能劣化進行預(yù)防,實現(xiàn)網(wǎng)絡(luò)自動化保障,。

5g2-t6.gif

3.5 切片業(yè)務(wù)體驗評估

    在提供切片服務(wù)時,,運營商需要能夠準(zhǔn)確感知和評估各類業(yè)務(wù)的服務(wù)質(zhì)量,以便進行服務(wù)質(zhì)量的保障,。切片業(yè)務(wù)體驗流程如圖7所示,,通過收集業(yè)務(wù)的SLA體驗數(shù)據(jù)和切片KPI指標(biāo)數(shù)據(jù),建立SLA體驗和網(wǎng)絡(luò)指標(biāo)數(shù)據(jù)的關(guān)聯(lián)模型,,基于此模型,,通過在線收集切片KPI指標(biāo)數(shù)據(jù)來評估對應(yīng)業(yè)務(wù)的體驗,并根據(jù)SLA體驗評估結(jié)果對網(wǎng)絡(luò)切片資源進行編排,,實現(xiàn)對業(yè)務(wù)的服務(wù)質(zhì)量保障,。由于不同類型業(yè)務(wù)差異較大,例如視頻,、游戲,、支付、車聯(lián)網(wǎng)業(yè)務(wù)等,,其關(guān)聯(lián)模型也不盡相同,,因此可以基于不同類型的業(yè)務(wù)進行分別建模和訓(xùn)練,相同類型的業(yè)務(wù)可進行遷移或泛化處理,。

5g2-t7.gif

4 應(yīng)用場景

4.1 車聯(lián)網(wǎng)場景

    5G網(wǎng)絡(luò)切片可以支持不同類型的車聯(lián)網(wǎng)業(yè)務(wù),,增強移動寬帶(Enhanced Mobile Broadband,eMBB)切片可以承載車載VR實時通信等業(yè)務(wù),,超可靠低時延(ultra-Reliable Low-Latency Communication,,uRLLC)切片可以承載AR導(dǎo)航、實時路況監(jiān)測等業(yè)務(wù),,大規(guī)模機器類通信(massive Machine-Type Communication,,mMTC)切片可以承載汽車分時租賃等業(yè)務(wù),。車聯(lián)網(wǎng)業(yè)務(wù)需求的多樣性和高動態(tài),使得網(wǎng)絡(luò)切片資源動態(tài)調(diào)整和調(diào)度面臨很大挑戰(zhàn),?;贏I的智能切片管理系統(tǒng)可以智能地調(diào)配切片資源,解決業(yè)務(wù)需求高動態(tài)帶來的網(wǎng)絡(luò)切片管理問題,。

    針對車聯(lián)網(wǎng)場景下道路交通業(yè)務(wù)量的潮汐效應(yīng),,采集車聯(lián)網(wǎng)場景的數(shù)據(jù),進行數(shù)據(jù)存儲和預(yù)處理,,并結(jié)合人工智能及大數(shù)據(jù)技術(shù),,構(gòu)建面向車聯(lián)網(wǎng)場景的業(yè)務(wù)量預(yù)測模型?;谌斯ぶ悄芩惴▽Φ缆方煌I(yè)務(wù)量的有效預(yù)測,,結(jié)合網(wǎng)絡(luò)切片實時負載狀態(tài)以及資源部署需求,輸出智能網(wǎng)絡(luò)切片資源動態(tài)調(diào)配策略,,實現(xiàn)滿足車聯(lián)網(wǎng)業(yè)務(wù)需求的同時節(jié)省網(wǎng)絡(luò)切片資源,。

4.2 醫(yī)療場景

    隨著我國新醫(yī)療改革的持續(xù)深入以及5G通信技術(shù)的快速發(fā)展,各大醫(yī)療機構(gòu)都在積極探索“互聯(lián)網(wǎng)+醫(yī)療”新模式,,以優(yōu)化醫(yī)療服務(wù)流程,,提升民眾就醫(yī)服務(wù)質(zhì)量,推進智慧醫(yī)療事業(yè)發(fā)展,。5G醫(yī)療專屬切片可以支持多種醫(yī)療應(yīng)用,,例如mMTC切片支持基于醫(yī)療設(shè)備數(shù)據(jù)無線采集的醫(yī)療監(jiān)測類應(yīng)用,eMBB切片支持基于視頻與圖像交互的醫(yī)療診斷與指導(dǎo)類應(yīng)用(如AR/VR/MR手術(shù)),,uRLLC切片支持基于視頻與力反饋的遠程操控類應(yīng)用,。

    智能切片管理對醫(yī)療專屬切片網(wǎng)絡(luò)進行端到端智能切分,保證了醫(yī)療專網(wǎng)的業(yè)務(wù)隔離安全和服務(wù)質(zhì)量,,也滿足了連續(xù)網(wǎng)絡(luò)覆蓋,、位置定位能力、低時延,、大帶寬和安全可靠性等網(wǎng)絡(luò)需求。

5 結(jié)論

    5G網(wǎng)絡(luò)切片管理面臨很大挑戰(zhàn),,AI算法可以根據(jù)海量網(wǎng)絡(luò)數(shù)據(jù)分析提供智能策略,,將AI和5G網(wǎng)絡(luò)切片結(jié)合已成為業(yè)界研究的焦點問題。本文調(diào)研了AI和網(wǎng)絡(luò)切片融合的研究現(xiàn)狀,,提出一個統(tǒng)一的基于AI的智能切片管理架構(gòu),,可以實現(xiàn)從網(wǎng)元到全網(wǎng)的動態(tài)控制閉環(huán)。然后重點介紹了基于該智能切片管理系統(tǒng)對網(wǎng)絡(luò)切片進行生命周期管理的流程,,包括切片設(shè)計,、創(chuàng)建,、更新、監(jiān)控,、切片業(yè)務(wù)體驗評估,。最后介紹了智能切片在交通和醫(yī)療領(lǐng)域的應(yīng)用?;贏I的智能切片管理系統(tǒng)可以使5G網(wǎng)絡(luò)更加智能化與自治化,,有效加快業(yè)務(wù)上線、部署開通以及彈性資源利用,,并為垂直行業(yè)客戶提供差異化SLA服務(wù)保障,。

參考文獻

[1] MYOUNGLEE G,UM T,,CHOI J K.AI as a microservice(AIMS) over 5G networks[C].2018 ITU Kaleidoscope:Machine Learning for a 5G Future(ITU K),,Santa Fe,2018.

[2] GUTIERREZ-ESTEVEZ D M.Artificial intelligence for elastic management and orchestration of 5G networks[J].IEEE Wireless Communications,,2019,,26(5):134-141.

[3] KHATIBI S,JANO A.Elastic slice-aware radio resource management with AI-traffic prediction[C].2019 European Conference on Networks and Communications(EuCNC),,Valencia,,Spain,2019:575-579.

[4] JIANG W,,ANTON S D,,SCHOTTEN H D.Intelligence slicing:a unified framework to integrate artificial intelligence into 5G networks[C].2019 12th IFIP Wireless and Mobile Networking Conference(WMNC),Paris,,F(xiàn)rance,,2019:227-232.

[5] 王海寧,袁祥楓,,楊明川.基于LSTM與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測及應(yīng)用[J].移動通信,,2019,43(8):37-44.



作者信息:

徐  丹1,,王海寧1,,袁祥楓1,朱雪田2

(1.中國電信研究院AI研發(fā)中心,,北京102209,;2.中國電信智能網(wǎng)絡(luò)與終端研究院,北京102209)

此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載,。