如何运用AI/ML实现以意图为导向的自动化，改造5G RAN

零接触网络进程

运营商网络的自动化类似于汽车自动化发展到自动驾驶汽车。目前，有自适应巡航控制、变道辅助、自动泊车等几个分散的功能，虽然实现了自动化，但仍需人类驾驶员手动启动。随着时间的推移，这些功能将相互连接，并与其他新功能一起演进升级为一个统一的自动驾驶系统。自动驾驶系统将允许人类乘客（注意角色从“驾驶员”变为“乘客”）请求汽车驾驶到一个目的地，并由自动驾驶系统自主执行上述功能以及加速、刹车等操作。例如，一辆自动驾驶汽车接收乘客的“带我回家”意图，并确定最佳路径，同时自动处理复杂的任务，如变换车道和避开障碍物等。同样，具有以意图为导向的自动化的“自动驾驶”网络可以根据运营商的意图“在高峰时段最大限度地提高视频流媒体质量”，并自动调整网络参数以满足该意图，例如优先传输流媒体视频或动态分配资源以确保最佳性能，就像自动驾驶汽车根据实时交通信息调整路线一样。具有以意图为导向的自动化网络是实现零接触网络这一长期愿景的先驱，零接触网络能够自行配置、修复、优化和保护自身，无需人类主动参与。

使无线接入网自动化为何很重要?

随着5G的引入，RAN变得更加复杂，许多方面都需要调整和协调。新空口（NR）不仅大幅增加了需要管理的频段组合的数量，还将网络能力从支持单个移动宽带数据服务扩展到支持具有不同特征的多个数据服务（切片）。固定无线接入网和时间关键型通信（time-critical communication）是适合采用切片的服务的示例。云原生RAN有望通过微服务的实例化和扩展提供高度的敏捷性和灵活性。在这一方面，人工干预管理流程变得不可能。因此，RAN自动化对于运行这种复杂程度的网络至关重要。RAN自动化的目标是，用自动化流程取代开发、安装、部署、管理、优化和淘汰RAN功能的手动工作来提升RAN的性能。从商业的角度来看，以意图为导向的自动化将使运营商能够以有利可图的方式提供基于服务水平协议（SLA）的服务，从而更好地利用网络盈利。

传统上，运营商有一组关键性能指标（KPI）类别，每个类别包含有各自目标值的单个KPI。KPI类别的例子包括可访问性、可保留性、完整性、移动性和可用性。移动性KPI的一个例子就是切换成功率。运营商的运营团队会有一套网络参数配置值（也称为“黄金参数”），是能够实现给定KPI目标值的理想设置。黄金参数将手动配置，这通常会导致网络性能不佳。黄金参数问题的另一方面是由于参数和KPI之间的依赖关系而导致的复杂性——许多参数以一种重要的方式影响多个KPI。例如，调整一个参数来优化一个KPI可能会导致另一个KPI的性能变差，但这种变化并不明显。

总的来说，通过解决复杂性，以意图为导向的自动化将使业务创新加速，让运营商可以更快推出新的服务产品。

什么是意图?

电信管理论坛（TM Forum）将意图定义为“所有期望的正式规范，包括对技术系统的需求、目标和限制。”RAN意图基于运营商的总体业务意图和优先级，专门指导RAN自动化解决方案在给定一组已部署资源(站点、扇区载波、传输容量、软件许可证等)的情况下优化其行为。

由于RAN意图指导RAN自动化解决方案，RAN意图必须定义影响终端用户体验的KPI的目标值，例如用户吞吐量、延迟和覆盖范围。KPI的目标值应为，RAN自动化解决方案应该用可用的已部署资源来达成的目标。每个KPI目标值必须根据RAN自动化解决方案可以测量的量精确详细地定义。此外，由于RAN的特性，目标KPI需要用统计学的术语表示——即可以满足多少比例用户的体验目标。

虽然需要输入KPI的目标值，但它们不足以作为RAN的意图。如果系统满足了目标KPI，并且仍然有资源可用，系统需要其他意图来提供关于它应该优化什么的信息，例如峰值吞吐量、容量或能效。如果系统无法满足目标KPI，它需要一个指南来详细说明如何按优先级分配可用资源。是否应该优先考虑某些服务或用户群？是否应该断开或降低蜂窝边缘用户的优先级？此外，在这种情况下，RAN自动化解决方案应向运营商提供关于特定地理区域内瓶颈和额外容量需求的信息。

意图存在于系统的各个部分，用于指导整个网络的自动化运行和管理。

将意图作为输入，RAN自动化解决方案可调整RAN的资源使用和行为，以达到必要的目标。图1展示了运营商如何利用RAN自动化，从手动网络运营升级为以意图为导向的自动化服务运营。

图1. 从手动网络运营升级到以意图为导向的自动化服务运营

以意图为导向的自动化

当自动化功能正确地添加到RAN解决方案中时，自动化RAN解决方案与运营商运营团队之间的接口就会在更高抽象层次上处理。这种方法使得运营商能够将高层次的RAN意图作为输入，提供给自动化RAN解决方案，而不是使用各个RAN功能的详细配置参数。这样，意图就可以被视为未来零接触网络的先决条件。爱立信的RAN自动化方案包括一个自动化的RAN管理接口（ARMI），它将端到端（E2E）管理和编排的意图传递给RAN自动化解决方案，如下图所示。

在自动化解决方案中，意图和AI/ML相辅相成。一方面，AI/ML将取代或补充传统的算法，来解决以意图为导向优化的复杂任务。另一方面，意图本身也将促进AI/ML的应用，因为它们可以为训练AI/ML模型所需的优劣/奖励函数奠定基础。

对于自动化解决方案中的功能而言，针对不同意图进行优化是一项复杂的任务，很难使用传统算法设计解决，因此AI/ML作为开发自动化解决方案的技术将用于补充/取代传统算法。

图2. 以意图为导向的管理

以意图为导向的FWA和MBB自动化

随着FWA流量进入网络，管理网络以保证FWA和MBB服务都能提供满意的用户体验变得至关重要。图3展示了如何分别表示服务FWA和eMBB用户的意图。例如，为这两项服务设定目标，即90%的FWA用户吞吐量超过25Mbps，eMBB用户的平均吞吐量超过10Mbps。

图3. 为FWA和eMBB切片分别设置的意图目标

在网络中，有多种机制来保证不同切片的性能。在RAN中，无线资源分区（Radio Resource Partitioning）就是其中一种。无线资源分区可以通过自动化方案来配置，利用闭环控制根据时间变化（例如FWA流量随着入网用户的增加而增加）来调整每个小区的资源分配。通过设定95%的FWA用户吞吐量需要超过25Mbps，MBB用户的平均吞吐量需要超过10Mbps等目标，自动化功能将能够找到以最佳方式实现这些意图的配置。但在网络拥塞严重时，自动化功能可能无法找到任何一种无线资源分区配置来同时满足所有目标。在这些情况下，自动化功能将根据意图的相对优先级，以最令人满意的方式实现各个意图。然而，自动化功能将会发出警报信号，提醒我们需要采取其他措施来避免这种情况在未来频繁发生。当然，有时候意图也可能因为一些暂时性的故障或者短期网络拥塞而无法实现。

图4. 调度程序如何根据无线资源分区的配置将资源分配到不同切片的示意图

如果这种情况持续存在并且不是由于故障引起的，可能是网络没有根据流量适当设计，调度程序没有足够的资源来满足两个切片的意图。如果是这样，可以采取不同的措施。一种长期的措施是提升容量，以便有足够的资源来满足各个意图；否则可以降低特定领域的意图。这种措施需要详细的分析来确定最佳方案。提升容量需要进行成本分析，而放宽意图需要分析这对整体客户体验管理 （CEM）的影响。

以意图为导向的自动化，用于与AI/ML进行时敏通信

下图说明了如何将高效运行RAN、最佳利用RAN资源这一任务划分为不同的控制环路，这些控制环路在不同的时间尺度和范围内起作用。成功的RAN自动化解决方案将在所有控制环路中利用AI/ML技术，以最佳方式在不同的部署和环境中实现最佳的自主功能。

图5. 与运行的RAN相关联的控制环路

图底部两个最快的控制环路与传统无线资源管理（RRM）有关。例如，在最快的（第1层和第2层）控制环路中，有调度和链路自适应等功能，在第二快的（第3层）控制环路中，有承载管理和切换等功能。这些控制环路已经是自主的，它们根据内部状态做出决策，并在毫秒或微秒级时间框架内执行。链路自适应问题是指根据链路的干扰情况选择最优的调制和编码方案（MCS），这是用AI/ML来实现的。AI/ML模型可以根据不同的目标进行增强，例如最大化用户吞吐量或最小化特定用户的延迟。这样的模型可以直接接受意图作为输入，来为不同类型的用户（如MBB和TCC用户）选择合适的调制和编码方案。图6显示了针对TCC用户延迟目标设置的新意图。与MBB和FWA的意图一样，这个TCC意图将作为网络运营的总体目标以及闭环自动化功能的目标。

图6. 在意图制定中添加与时间敏感型通信用户相关的意图。

此外，负责选择调制和编码方案的AI/ML模型将直接促进自动闭环功能，因为能够直接根据意图操作。

以意图为导向的“自动无线资源分区”

以意图为导向的自动化功能的产品化是一个重要步骤，因为它需要与现有的无线接入网功能高效共存。分步产品化将为有效支持一些运营商近期推出5G新用例扫清障碍。第一步是定义功能需求，利用RAN内以意图为导向的自动化功能实现服务差异化，这种自动化可以基于切片或用户组（例如5QI/S-NSSAI/ARP/PLMN/SPID）。

从技术上讲，以意图为导向的RAN自动化的控制机制取决于基于现实粒度的可实现和可测量的需求，这些需求可以是吞吐量、延迟、数据包延迟等。一旦确定了服务差异化和可测量的需求，并且能够在短期内得到产品的支持，就需要有一个强大的“控制环路”机制，并且需要做出产品决策，选择合适的控制环路实现方式。

在这方面，一个重要的决策是确定这个智能模块应该放在节点的哪个位置，亦或是应该放在节点之外？还有一个因素是，确定怎样测量吞吐量、延迟、数据包延迟等关键指标？

一个近期可行的步骤是，根据不同分区的流量情况，动态地分配资源。无线资源分区会根据与其相关的流量的吞吐量KPI，动态地调节频谱资源的分配。无线资源分区还会根据爱立信目前的RAN切片方案，以毫秒为单位调整可用资源。

 

图7. 以意图为导向的自动化服务质量（QoS）

关键要点

 

爱立信致力于提供以意图为导向的自动化解决方案，使客户能够应对复杂性，从而降低运营成本（OPEX），为终端用户提供高水平的体验。以意图为导向的自动化利用AI/ML，将促进时间关键型通信以及MBB和FWA的交付，使运营商能够提高网络投资回报率（ROI）。鉴于以意图为导向的自动化不仅可以提高网络性能，还具有灵活性，我们认为这种方法将加速业务创新，带来许多新的服务产品。最后还有重要的一点，即以意图为导向的自动化将促进向零接触网络升级演进。