中国移动孙奇：立足痛点需求，推进无线网智能优化

5G网络将同时支持To C和To B的万物互联，复杂度和挑战也前所未有，为应对这些挑战，5G需要深度融合云、AI等新技术，探索云网融合、网业协同等整体方案。 在日前举行的“i无线-智简5G技术系列研讨会”第四场“i-RRM无线智能管控技术研讨会”上，中国移动研究院无线与终端技术研究所资深研究员孙奇表示，i-RRM是“i 无线-智简5G”理念的重要组成部分，通过引入智能管控算法，提升无线网络技术的创新能力。 孙奇指出，5G作为第一个同时面向To C和To B的网络，面临诸多挑战：一是确定性无线SLA保障“难”，由于空口动态变化特性，面向To B的确定性速率、时延、抖动和可靠性要求挑战大；二是现网多制式、多频段、多厂商的复杂组网环境协作要求“高”，难以通过简单算法实现优化；三是网络配置灵活性能优化“繁”，5G协议和空口特性更加灵活，流程逐渐复杂，需要拓展新的维度，采用新的算法，实现网络、业务和用户的主动式精细化深度协同。 孙奇进一步指出，i-RRM（智能管控）可以有效提升无线网络运营效率。 在智能无线SLA保障方面，行业场景对确定性网络存在较高需求，可以通过“配”-“看”-“控”实现无线闭环SLA保障。“配”是需求导入/网络配置，行业业务分级分档，业务需求自动映射为无线网络行为逻辑；“看”是在线监测，可视可感，感知网络状态，支持异常检测、故障预警，基于网络数据提供业务KQI预测；“控”是闭环调整/能力开放，基于闭环SLA监测支撑实时网络调整和业务保障，无线能力开放，支撑行业自运维，实现网业协同。 在多网协同方面，4G/5G将长期共存，共同为客户提供优质的无线网络服务，面向1.8/1.9/2.6/4.9G等多频点协同，需要引入智能算法来实现多频点、多制式下的高效负载均衡、载波选择和切换优化。 在智能调度方面，信道信息优化可以借助神经网络的非线性还原优势，在基站侧还原UE实际信道特征，提升系统吞吐量；调制编码方式优化可以利用监督学习方法建立多种无线信息与MCS映射关系，简化现有的测量-反馈流程，优化小包传输效率；调度器优化可以通过人工智能算法实现简单、灵活的调度机制，提升用户体验，改善QoS指标。 在QoE业务保障方面，基于秒级、UE级数据，包括无线特征、传输特征、业务特征以及业务质量标签数据，利用AI算法分析网络和业务历史指标对业务质量的影响，预测下一时刻业务体验。基于KQI预测结果，实时向基站提供RRM参数优化建议优化资源调度，保障业务体验。 在调制编码方式优化方面，利用监督学习算法，建立无线指标与MCS的联系，简化无线系统针对MCS的决策链，节约CQI反馈开销，提供快速准确的调制编码方式，改善小包用户的业务体验。根据验证结果，相比传统方式增益约10%。 另外，孙奇介绍，在标准化方面，3GPP在Rel-17开展无线+AI数据采集增强和AI/ML功能框架和流程研究，CCSA也启动了5G无线网络智能化研究相关项目。在测试进展方面，2020年9月，中国移动联合合作伙伴在福建完成智能负载均衡外场测试，利用无线指纹降低异频测量开销，提升负载均衡效率和用户体验速率；2019年12月，在上海5G外场完成云VR QoE优化测试，有效降低业务的卡顿和黑边现象；2018年基于杭州现网数据完成智能MCS优化测试，中高负载小区用户频谱效率提升10%。 后续，中国移动将立足无线网痛点需求，持续推进无线智能化测试验证，促进技术和标准成熟，推动广泛应用。2019-2020年进行智能负载均衡、智能QoE优化和智能MCS初步测试验证，2021-2022年进一步推进SLA保障等垂直行业智能新特性测试验证，规划无线智能化企标特性。 [44] \t