无线云网融合智慧服务白皮书.pdf

无线云网融合智慧服务白皮书（2020）无线云网融合智慧服务无线云网融合智慧服务白皮书白皮书（2020 年）年）中国移动通信有限公司研究院中国移动通信有限公司研究院无线云网融合智慧服务白皮书（2020）3前前言言5G 作为当前信息通信业发展的焦点，正在逐步部署和商用。5G 网络将涵盖To C 到 To B，满足多样化的业务和场景需求，提供用户体验个性化服务，其所带来的复杂度和挑战前所未有1。应对这些挑战，需要新理念、新技术的支撑。随着近些年业界对 AI、大数据等技术的探索，智能化已经成为 5G 及未来无线网络服务能力的重要组成要素。此外，为满足不同的 5G 业务应用场景，尤其是 To B 场景下差异化的业务需求，需要无线网络具备从网络层到业务层的多维环境感知能力，实现网络和业务跨层协同的定制化业务保障与优化。本白皮书围绕着实现面向行业多样化需求的无线定制确定性网络的目标，首先从需求场景、标准演进、产业研发三个方面全面分析了基于云网融合的无线智慧服务发展趋势。基于此，白皮书提出了以无线智能控制平台和无线智能管理平台相结合的无线云网融合智慧服务总体架构、核心功能及关键技术，并相应地给出多个典型用例说明。此外，白皮书还提出无线云网融合智慧服务的产业和标准推进思路。最后结合全文内容和无线云网融合智慧服务的发展前景给出对未来的展望。旨在与产业界同仁共同探讨，凝聚共识，深入合作，共同推动无线云网融合智慧服务的关键技术研究和落地，增强网络优势，共同构建 5G 网络开放智能新生态。无线云网融合智慧服务白皮书（2020）4目目录录前言.31.基于云网融合的无线智慧服务发展趋势.61.1 需求场景趋势.71.1.1 业务 SLA 体验保障.71.1.2 无线能力定制与开放.71.1.3 无线资源精细管控.81.2 标准演进趋势.81.3 产业研发趋势.92.无线智慧服务架构.102.1 总体架构.102.2 核心功能.122.3 关键技术.132.3.1 定制化数据采集与控制.132.3.2 基础数据分析服务能力.142.3.3 无线能力微服务化.183.典型用例.193.1 基于业务感知的无线 SLA 保障.193.1.1 基于业务体验预测的视频业务保障.193.1.2 工业互联网上行业务保障.213.1.3 工业互联网下行业务保障.243.1.4 工业互联网业务可靠性保障.273.1.5 适配上下行业务模型的帧结构优化.283.2 基于无线状态预测的业务体验优化.293.2.1 基于空口感知的 TCP 优化.293.2.2 基于链路质量预测的视频缓存优化.303.2.3 基于链路质量预测的视频码率优化.313.3 基于无线状态预测的无线网络优化.32无线云网融合智慧服务白皮书（2020）53.3.1 基于虚拟栅格的负载均衡.324.产业推进思路.354.1 研发、测试和应用推进思路.354.2 标准推进思路.355.总结与展望.35缩略语列表.37参考文献.38无线云网融合智慧服务白皮书（2020）61.基于云网融合的无线智慧服务发展趋势基于云网融合的无线智慧服务发展趋势无线云网络已经成为业界重要的发展趋势之一。在灵活应对未知世界的多种挑战时，基于无线云网融合的架构，需要一个类似人脑的“大脑”来帮助无线网络完成向高等智能的演进。无线网络中的大脑（以下简称“无线智脑”）在应对外部需求挑战时，首先需要能够完成需求映射，并采集、存储大量来自不同网元的多种无线状态信息及业务状态信息；通过获取跨网元、跨层的全局信息，无线智脑经过“学习”，训练生成各种 AI/ML 模型、统计分析模型，综合感知或预测无线环境及业务质量的状态，如感知干扰环境、感知业务特征、预测无线网络带宽/延迟及网络拥塞状态等。基于感知/预测能力，结合基础通信机制完成复杂的逻辑分析和推理，最终做出主动性的无线网络优化决策，或者将感知/预测的无线信息开放给业务，辅助业务进行优化决策，进而完成闭环的无线智能管控（如图 1），面向业务提供无线智慧服务能力，实现网随业动，网络业务协同。本白皮书所提无线智能控制平台和无线智能管理平台从整体上正是具备以上能力的“大脑”，其在传统无线网元自动化基础之上进行能力升级，具备业务需求的映射、数据感知和采集、智能数据分析和推理决策，通过网络和业务信息的联合分析，完成复杂的跨层决策判断的能力，是一种可有效支持面向未知需求的网络设计。图图 1.数据分析闭环控制数据分析闭环控制无线云网融合智慧服务白皮书（2020）7本章将具体从需求场景趋势、标准演进趋势和产业研发趋势分析无线网络智慧服务能力当前现状与发展趋势。1.1 需求场景趋势需求场景趋势1.1.1业务业务 SLA 体验保障体验保障5G 业务应用场景将越来越多样，尤其是 To B 业务场景，不同的场景有着差异化的业务需求，而无线空口又存在不确定性，使得网络难以通过一套参数或者固定多套参数配置来满足灵活的业务接入需求并保障用户 SLA（Service LevelAgreement）。提升未来无线网络服务能力，为 To B 用户提供确定性的业务保障需要网络具备从资源层到业务层的多维智能环境感知能力，达到网络和业务协同的跨层业务保障与优化：业务状态感知，分析业务流特性，包括带宽、时延、时延抖动、帧率等；用户状态感知，通过终端上报的方式掌握用户的位置信息、移动速度、终端续航能力、信道质量及用户行为特征等；网络状态感知，通过大量信息交互获取频率占用情况、负荷开销、流量负载、邻区发送功率、射频指纹等。协同分析不同业务、用户和网络规律特征，挖掘三者之间的关联性，构建以业务为中心的优化模型，预测用户行为和业务趋势，实现快速的资源匹配，进行网络资源提前分配、功率动态调整、本地缓存预留等从而优化业务体验是未来网络演进的必然趋势。1.1.2无线能力定制与开放无线能力定制与开放未来运营商需要从面向传统个人业务向面向全行业服务转变。无线能力定制主要是指无线网络根据应用，尤其是面向千差万别的垂直行业的上下行速率、时延和可靠性等性能和数据隔离需求，可灵活对无线网络能力进行定制。无线网络能力开放可以分为多个层次，包括：空口资源开放，将空时频资源进行划分并结合网络切片允许针对客户需求进无线云网融合智慧服务白皮书（2020）8行设计和定制；网络信息开放，如将无线网络状态信息通过 API 的方式提供应用或给边缘计算平台作为 PaaS 能力进行调用，辅助 QoE 优化等客户业务需求。为支持无线能力定制和开放，需要 DT、IT 和 CT 的深度融合和开放化的网络架构，以进一步增强无线网络即服务能力。1.1.3无线资源精细管控无线资源精细管控运营商通信服务需要在有限的无线资源情况下，对网络资源进行高效的管理控制，提升资源利用效率，尽可能地为更多的用户提供满意的业务体验。5G 无线网络将同时服务于公众和行业市场，不同业务对网络时延、带宽、连接密度、应对突发性的能力等 KPI 指标需求大相径庭。传统的无线网络资源管理控制方式以小区和用户为中心优化资源利用率，业务和网络联动性弱，管理实时性差，管控粒度相对较粗，难以应对高度复杂的场景建模。未来无线网络优化面向业务流，将大数据和人工智能融入网络管控系统，通过对历史空口速率数据、覆盖数据、网络负载、业务流和无线指标的关联数据等进行采集学习，训练生成管控优化模型，实现对无线资源的精细化管控、高效的资源调度，提升资源和能量利用效率。1.2 标准演进趋势标准演进趋势无线网络服务智能化是网络智能化需求从核心网和管理域到无线网的延伸。数据分析功能是实现智能化的关键要素，3GPP 在核心网和管理功能基于服务化架构，均已引入核心网和管理面的数据分析功能。3GPP 在核心网中定义了 NWDAF(Network Data Analytics Function)功能2，此功能通过网管获取无线网数据，结合核心网数据，产生 UE 级的数据分析和预测结果，辅助核心网完成 QoS 参数制定、移动性管理等功能。此功能主要是面向核心网的优化。由于无法获得实时的无线网信息且核心网集中在较高的部署位置，无法实现对无线侧的策略控制优化。3GPP 在管理面中定义了 MDAF(Management Data Analytics Function)功能无线云网融合智慧服务白皮书（2020）93，此功能基于网管数据进行分析预测，主要面向网络“规建维优”等场景展开优化，如实现站点级别的参数配置优化及切片管理等。由于网管数据的实时性差，因此对无线网络管控粒度较粗。无线接入网中需要引入实时数据分析功能以支持无线侧 UE 级、业务级、QoS级和切片级的精细管控优化，与核心网和管理面形成互补，面向业务提供无线智慧服务能力。目前，3GPP RAN3 在无线大数据采集增强方面完成了立项4，将对无线侧引入数据分析和 AI 能力的数据采集增强和功能框架开展研究。1.3 产业研发趋势产业研发趋势无线移动通信产业已经在无线智慧服务方面开展了诸多的研究、探索和验证。无线网络智慧服务能力正在从尽力而为的服务向着面向 To B 业务的确定性保障服务转变，以实现“网随业动、业随网动”的业务 SLA 保障与优化。运营商、设备商已开展无线切片保障和业务质量体验优化相关的无线网络智慧服务能力探索。2020 年在广东联合南方电网完成基于 PRB 硬切片和分级业务保障调度的 5G+智能电网方案验证，实现低时延高可靠业务的确定性保障。2019年在上海5G外场完成基于QoE 预测和无线带宽预测的云 VR用户体验保障方案的测试，结果显示通过 AI 对 UE 网络状况进行预测以及对业务质量进行评估，提前调整业务带宽，能够使业务及时适应网络状态变化，保证业务质量。在浙江嘉兴完成基于空口带宽预测的 TCP 窗口优化现网测试，测试结果显示开启 TCP优化后，用户平均速率增益可达 62%-107%。此外，OTT 厂商，如咪咕、阿里、腾讯等目前也都正在积极开展基于无线侧信息开放的业务和网络联合优化的研究。面向 To B 场景的确定性时延、速率、可靠性等无线服务能力需求，需进一步结合垂直行业的特点深入研究，基于云网融合，形成统一的无线智慧服务体系架构和解决方案。无线云网融合智慧服务白皮书（2020）102.无线智慧服务架构无线智慧服务架构2.1总体架构总体架构图图 2.无线智慧服务总体架构无线智慧服务总体架构无线智慧服务架构如图 2 所示，无线智能控制平台和无线智能管理平台可面向行业客户需求提供切片级、用户级和业务级的无线能力定制和无线信息开放服务。面向 To B 场景，无线智能控制平台主要目标是使能本地场景下的用户级/业务级的实时网络业务协同优化，通过实时业务体验预测和智能无线资源管理等方案，实时保障用户业务体验。无线智能管理平台将配合无线智能控制平台，提供辅助的切片级、业务类/用户类的静态业务需求和业务特征信息。同时，基于静态业务需求和特征，指导无线网络规划、静态的小区级无线参数配置（如帧结构配置、预调度开关设置、可靠性相关的 MCS 表格配置等）并进行资源评估，得出静态/半静态的整体网络资源、切片资源需求规划建议和初步的保障能力评估。无线智能管理平台的静态/半静态参数和资源规划方案将为To B场景下的差异化和确定性的需求提供基础的能力保障，无线智能控制平台作为无线网络与业务的协同锚点，将进一步通过实时的无线网络数据和动态业务特征感知和分析，最终实现动态实时的确定性业务保障。面向 To C 场景，基于无线智能控制平台可提供跨基站间的无线资源协调优无线云网融合智慧服务白皮书（2020）11化能力、无线性能增强和面向切片及 QoS 机制的业务体验优化。近期的无线智能服务能力开放的研发侧重点聚焦在 To B 场景的研究，随着技术的成熟逐步向To C 场景演进。无线智能控制平台是无线侧的实时数据采集和智能分析中心，并向基站提供业务需求映射和策略控制能力。面向无线网络差异化业务和网络性能提升需求，无线智能控制平台北向可接收用户/业务实例的动态业务特征和无线需求，提供用户级的无线能力定制服务和无线信息开放两类服务。南向连通无线基站，通过统一定义的无线数据采集和策略控制接口，使能近实时的无线信息采集上报和无线能力定制调用。无线能力定制无线能力定制：无线智能控制平台可感知网络业务/应用策略与业务特征和用户行为信息，通过无线网络智能策略控制，实现无线接入网定制服务，以满足业务确定性的速率、可靠性、时延、丢包率等 SLA 保障；无线信息开放无线信息开放：提供用户级无线可用带宽、时延预测等增值无线信息，使能业务状态监控和业务/应用服务本身优化。无线智能控制平台支持开放 API 接口，连接基础平台功能和无线控制智能应用。基础平台功能为 AI 模型的搭载和应用提供了完整的过程支持和工具支持；无线智能应用可由运营商、设备商或第三方提供，根据实际业务需求定制和裁剪，提供智能化的无线功能和服务增强。开放 API 接口为丰富无线智能应用生态提供了良好基础。考虑不同应用场景、业务和用户的差异化需求，无线智能应用的功能可按需定制，无线智能控制平台的功能通过无线智能应用增加或减少实现灵活扩展和裁剪。无线智能应用基于无线智能控制平台提供的无线数据和控制能力，提供特色化的无线定制功能，例如业务质量体验保障等。无线智能管理平台北向可连接 NSMF 切片管理及 CSMF 平台，获取切片级的无线 SLA 业务需求和特征。也可进一步拓展支持获取用户/业务类别的静态无线 SLA 业务需求和业务特征信息，以支持无切片场景和更精细的静态/半静态的网络参数和无线网络资源规划。此外，静态特征信息也可通过辅助无线智能控制平台进行实时业务保障优化。无线云网融合智慧服务白皮书（2020）12在部署方案上，面向 To B 本地园区场景，无线智能控制平台、无线智能管理平台和本地 UPF 可共平台部署，提供本地化无线极简解决方案。无线智能管理平台可支持对行业园区场景多个网元的统一管理，引入机器学习等智能化组件，使能自动化管理优化，并最终可通过策略意图化接口向行业提供极简的运维服务界面。白皮书提出的无线智慧服务架构在 3GPP 5G 网络架构的基础上，在下列特性上进一步增强：网络业务协同网络业务协同：引入更精细的用户类/业务类别的静态和动态特征，促进网络和业务的跨层协同优化，可基于相对确定性的业务特征，提升无线空口的确定性保障能力；实时数据分析：实时数据分析：支持近实时无线数据的定制化采集，可实时分析和预判业务质量及无线环境变化；基于智能算法向基站提供优化策略，实时保障用户体验，提升网络资源效率；无线网络即服务无线网络即服务：无线智能控制和管理平台基于服务化架构，可将无线侧的业务保障能力、无线状态信息预测能力、无线定位等能力通过服务形式对行业用户开放；并支持面向行业差异化、定制化需求的第三方无线控制类应用和无线服务能力的灵活拓展；基于上述新型无线智慧服务架构，无线网络将能够充分运用网络业务协同优化和数据分析、机器学习等技术带来的潜力，提升数据驱动的无线网络业务 SLA保障能力和智能化水平，为行业客户提供确定性的无线智慧服务。2.2 核心功能核心功能无线智能控制平台作为无线侧的数据分析单元，基于北向接口导入的业务需求和业务特征，以及从南向接口获取的基站实时上报数据，可提供三层能力，分别是业务质量感知、无线质量分析及无线业务保障策略：业务质量感知业务质量感知：用于感知业务故障的发生，如业务 SLA、KQI/QoE 感知/预测；无线质量分析无线质量分析：用于分析故障产生原因，如链路质量分析/预测、用户速无线云网融合智慧服务白皮书（2020）13率分析/预测、干扰分析/预测、小区负载分析/预测；无线业务保障策略：无线业务保障策略：用于提供无线 SLA 保障和性能优化策略，如 QoS策略、资源分配、调度优先级优化、用户连接优化。图图 3.无线智能控制平台核心功能无线智能控制平台核心功能2.3 关键技术关键技术2.3.1定制化数据采集与控制定制化数据采集与控制传统无线接入网络的数据采集主要指面向网络管理提供告警、配置和性能管理等数据，主要特点之一是全网统一数据集。现网中兼顾对无线基站设备资源要求和数据传输带宽，网管数据的时间颗粒度通常在分钟及以上，并且以小区级性能参数为主。无线智能控制平台则采用基于用例的数据订阅方式，通过触发条件和数据项两个方面的信息向基站订阅数据，数据颗粒度可为 100ms1S 级。无线智能控制平台所支持的数据订阅包括小区级和用户级信息。定制化数据采集不仅能够按需满足用例更细时间颗粒度的数据获取需求，而且能够大幅度降低基站设备处理资源开销和数据传输带宽要求。以一个企业园区 1000 个用户为例，以 1秒为测量周期持续全量数据采集 24 小时，将产生 770GB 的数据量。而仅采集指定用户 1 小时特定网络测量，仅须 1.6MB 数据。无线智能控制平台的基于用例的定制化数据采集可以以更加灵活和更低开销的方式获取无线资源数据，是按需开放无线能力，支持用户无线空口差异化服务，实现网络和业务协同优化的基础。无线云网融合智慧服务白皮书（2020）14无线智能控制平台的无线资源控制分为两类：一类是预置条件（condition）和控制信息（action）的形式；另一类是只有控制信息。当无线智能控制平台发送预置条件（condition）和控制信息（action）给基站时，基站根据内部信息判断是否满足预置条件，如果满足则执行控制信息。这一类无线资源控制可为基站层 3 或层 2 的无线资源调度提供近实时的辅助信息，从而实现对无线带宽和时延等性能指标的近实时优化。如前所述，由于引入无线之外的增强信息和机器学习技术，所以无线智能控制平台具有更全面的信息和更优化的算法。无线智能控制平台直接发送控制信息给基站时，无线智能控制平台已经根据接收到的数据自行判断进行无线资源控制的时机，因此基站仅负责控制指令的执行即可。2.3.2基础数据分析服务能力基础数据分析服务能力无线智能控制平台中的数据分析服务能力包括业务质量感知能力、链路质量预测能力、干扰检测与定位能力、无线指纹能力等。2.3.2.1 业务质量感知能力业务质量感知能力对于业务数据的传输，不同的网络传输状态和无线空口质量，会对应终端用户不同的业务体验。基于业务数据和传输信道相关参数的分析，能够较准确的预测用户的业务体验情况。（1）数据需求数据类别数据类别数据名称数据名称数据来源数据来源数据时间颗粒度数据时间颗粒度业务数据上下行无线网络 IP 传输特性数据，如：数据包平均长度、数据包个数、网络传输抖动基站秒级UE 数据空口信道数据，如 ACK、基站百毫秒级无线云网融合智慧服务白皮书（2020）15NACK、CQI、MCS、BLER输入数据：输入数据：UE 级业务数据和无线网络业务数据特征输出数据输出数据：业务质量 SLA，(Key Qulity Indicator,KQI)客观评价或评分值（2）能力应用模型应用一：监控网络中某类业务的业务质量情况，指导后续的网规或实时无线网络优化；2.3.2.2 链路质量预测能力链路质量预测能力无线接入网络的链路质量预测可包含对用户速率、频谱效率和时延等特性的预测。基于无线网络历史和实时数据，可使用机器学习技术动态预测无线接入网络链路的质量，构建无线网络性能视图，揭示业务随时间推移的无线网络性能表现，并优化应用级行为以及无线网络行为。（1）数据需求数据类别数据类别数据名称数据名称数据来源数据来源数据时间颗粒度数据时间颗粒度UE 级RSRP、RSRQ、SINR、CQI、MCS基站百毫秒/秒级小区级PRB 利用率基站10 秒级输入数据：输入数据：上述表格中数据输出数据：输出数据：随时间推移的无线链路质量，包括速率、时延、频谱效率等。（2）能力应用模型应用一：辅助视频流传输的业务层优化基于无线智能控制平台提供的链路质量预测服务，用户端视频流传输缓冲区内缓存的数据量可以根据链路质量动态做出调整。例如当预测可能出现覆盖质量变差的情况时，可以提前缓存足量视频数据以避免视频卡顿，保障用户良好的业务体验。另外，还可将链路质量预测与内容分发网络优化相结合，将所需内容预先缓存到距离用户预期消费点更近的边缘计算节点。无线云网融合智慧服务白皮书（2020）16应用二：实时无线质量预警移动运营商和 OTT 实时业务服务提供商可利用无线智能控制平台提供的无线链路质量预测服务进行无线质量预警，例如，语音或者视频连接将在何时断开以及重新连接需要多长时间。应用三：多载波联合调度通过对用户频谱效率的预测，可以辅助基站结合待调度的用户数和可用带宽进行用户的智能载波选择，优化用户服务体验。2.3.2.3 干扰检测定位能力干扰检测定位能力无线干扰检测与干扰源定位是基于无线空口信号特征进行干扰检测，同时实现干扰源的定位，便于网络侧进行干扰优化，提高网络通信质量。（1）数据需求数据类别数据类别数据名称数据名称数据来源数据来源数据时间颗粒度数据时间颗粒度工参站点名称、类型、经纬度、邻区列表网管非实时动态数据，一次采集即可UE 级服务小区及邻区RSRP、RSRQMR 数据百毫秒/秒级ACK、NACK基站百毫秒级CQI、MCS基站百毫秒级BLER基站百毫秒级小区级PRB 利用率基站秒级输入数据：输入数据：上表中 UE 级数据及小区级数据；输出数据：输出数据：干扰强度指示、干扰源指示（2）能力应用模型应用一：干扰规避根据给 UE 发送信息的 PRB 资源以及 UE 上报的 MR 信息，检测 UE 受到干无线云网融合智慧服务白皮书（2020）17扰的子频带范围，选择没有受到干扰或干扰较小的子频带进行 UE 数据传输。输入为 UE 上报 MR 信息，干扰检测模块的结果。输出为未受到干扰（干扰较小）的子频带。图图 4.干扰源频点规避示意图干扰源频点规避示意图应用二：干扰协调服务小区检测到干扰强度大于阈值时，通知施扰基站进行功率调整，包括降低施扰基站发射功率，以缩小小区的覆盖范围，在降低小区基站的发射功率的过程中离开该小区基站的覆盖范围的用户被切换至其他小区。2.3.2.4 无线指纹能力无线指纹能力无线网络按照无线信号强度进行逻辑栅格划分，每个逻辑栅格包括两部分内容：栅格索引和栅格属性，分别用于定位某个栅格及记录此栅格的无线特性，如异频邻区平均信号强度、切换次数、切换成功率等，进而能够给位于此栅格的UE 提供行为指导，可以达到网络精细化控制，提升用户体验的目的。（1）数据需求数据类别数据类别数据名称数据名称数据来源数据来源数据时间颗粒度数据时间颗粒度MR 数据同频和异频RSRP/RSRQ/SINR基站百毫秒/秒级KPI 数据切换成功率，切换次数网管15 分钟级输入数据：输入数据：UE 服务小区及同频邻区 RSRP；输出数据：输出数据：UE 异频邻区 RSRP、UE 异频邻区切换成功率等。（2）能力应用模型应用一：异频测量流程优化5通常执行异频切换时，UE 需要先执行异频测量。异频测量会造成 UE 和原服务小区业务短暂中断。可以根据无线智能控制平台提供的无线指纹信息，比如无线云网融合智慧服务白皮书（2020）18异频邻区 RSRP、切换成功率等，来判定是否可以进行异频免测量盲切换，以避免异频测量切换流程带来的短时业务中断。应用二：负载均衡目标 UE 选择在执行移动负载均衡时，会挑选执行负荷均衡的目标 UE，如果盲目挑选，则部分 UE 由于不满足切换条件而不会进行负荷迁移；或者对于异频邻区需要下发多频段异频测量带来 UE 业务的短暂中断及较大的测量反馈时延。根据无线智能控制平台提供的无线指纹信息来挑选合适的UE执行负载均衡可以解决如上的问题。应用三：双/多连接辅助节点选择在 UE 进行 DC 连接时，运用无线指纹库可以帮助 UE 定位所处栅格，并通过查询栅格属性，如邻区信号强度等，辅助 UE 进行双连接第二节点的选择。2.3.3无线能力微服务化无线能力微服务化源自 IT 领域的服务化架构将网络功能对外抽象为可被灵活调用的服务，从而允许运营商根据业务需求对网络进行灵活定制。在 3GPP 5G 标准中，服务化架构已成为网络管理和核心网的基础架构。面对高度差异化和不断新增的业务需求，无线智能控制平台的微服务化架构为无线智能应用的按需定制、持续开发和快速部署提供了原生支持。在统一的服务框架下，首先是基站的底层技术机制，如双连接、预调度、小区切换等，被从基站实现中解耦为不同的微服务，由无线智能控制平台的基础平台功能向无线智能应用提供，从而屏蔽了异厂商设备的互操作性差异；在此基础上，无线智能应用生成的无线能力同样封装为独立的微服务，对其它无线智能应用或授权外部应用提供通用的微服务接口，屏蔽了内部算法实现，便于升级和维护；此外，服务管理框架对新能力的定义和引入提供了较好的可扩展性。此外，无线智能控制平台的微服务化架构提供了开放 API 接口，允许网络所有者复用通用的基础平台功能，定制和组合无线智能应用，实现无线智能控制平台功能的灵活扩展和裁剪。未来，借助开放 API 接口，无线智能应用还可由运营商、基站设备提供商之外的第三方提供，从而为丰富无线智能应用生态提供无线云网融合智慧服务白皮书（2020）19了必要基础。开放 API 接口使用开发者友好和轻量化的接口定义，支持无线智能应用调用基础平台功能提供的服务，并支持无线智能应用间的相互调用。开放 API 接口应包括以下类别：管理类 API，负责服务发现和注册，以及无线智能应用的配置、性能管理等；业务策略和增强信息类 API，允许无线智能应用接收无线智能管理平台的策略和业务侧的增强信息；无线数据采集和策略控制类 API，支持无线智能应用通过基础平台功能向基站获取无线数据或下发策略控制信息。3.典型用例典型用例基于无线智慧服务架构，本章重点阐述了三类典型用例，分别是基于业务感知的无线 SLA 保障、基于无线状态预测的业务优化和基于无线状态预测的无线网络优化。3.1 基于业务感知的无线基于业务感知的无线 SLA 保障保障3.1.1基于业务体验预测的视频业务保障基于业务体验预测的视频业务保障3.1.1.1 痛点问题痛点问题随着网络运营思维从网络思维到客户思维的转变，网络运营商也逐渐由对网络 KPI 转向对业务 KQI 的考量。而在传统的层级网络模式下，业务开展于网络之上，网络侧无法感知业务运行状况，因此无法根据业务特征变化动态调整资源分配。在网络资源受限的情况下，势必会造成网络资源的浪费以及用户体验的降低。另一方面，随着高清视频、VR、工业视觉、云游戏等高带宽需求业务的发展和推广，智能应用对时延、网络稳定性和传输带宽的实时性保障要求越来越高。基于 3GPP 的 QoS 资源保障机制相对静态，难以做到实时精确的无线资源调整。3.1.1.2 技术方案技术方案基于 QoE/KQI 预测的用户业务体验优化包括 QoE/KQI 预测和用户业务体验保障两个部分。其中 QoE/KQI 预测的关键在于同时获取业务侧业务特征和无线无线云网融合智慧服务白皮书（2020）20侧网络特征，将网络质量与业务需求相结合，通过基于 AI 的数据分析预测业务的运行状况。用户体验保障模块基于业务的运行状况预测，实时调整无线侧资源分配，保障业务的高质量运行，提升用户体验。以高清视频的卡顿预测和业务体验保障为例，从数据采集、卡顿预测和调度优化三个方面说明如下：数据采集无线智能管理平台从基站采集秒级或百毫秒级 RAN 侧数据，包括 UE 信道状态信息、协议栈状态和小区级负载信息等；从业务侧采集业务特征信息，包括视频码率或分片大小、分片时长等；为进行离线卡顿预测模型训练，还需要采集业务侧标签数据，例如 QoE 评分、业务 KQI（视频初缓、卡顿起止时间、卡顿占比）数据。视频卡顿预测无线智能控制平台基于实时数据采集，对数据进行用户 ID 和时间上的关联，并对数据进行清洗和预处理。然后利用 AI 算法（如 LSTM、决策树等）对一段历史时间窗口（如 10s）内的网络状况和业务特征进行学习，通过分析网络层面和业务层面对业务质量的影响，给出秒级视频业务的运行质量状况，如视频是否卡顿，从而使网络能够从用户体验的角度实时预测业务质量。调度优化无线智能控制平台上的调度优化模块统计 VIP 用户连续 10 秒内视频卡顿时长，根据卡顿严重程度实时向基站提供 DRB 控制和调度优化建议，提升视频观看流畅度。通过业务实时体验预测，动态提升和降低 VIP 用户的调度优先级，在降低 VIP 用户卡顿率的同时可保证其他用户的业务体验。方案流程如下图所示。无线云网融合智慧服务白皮书（2020）21图图 5.基于基于 QoE/KQI 预测的业务体验优化流程预测的业务体验优化流程3.1.1.3 方案效果方案效果视频卡顿预测：基于 RAN 侧 UE 级别和 Cell 级别的数据，实现秒级的流媒体卡顿预测；通过不同模型，如 LR，SVM，LightGBM，LSTM，LSTM+Attention模型的实验发现，其中 LSTM 算法具有更好的性能，算法召回率可达到 90%。调度优化保障：从视频播放来看可以明显提升 VIP 视频用户的观看流畅度；相比静态提升用户优先级而言，VIP 视频用户的优先级可以实时提升和降低，提升 VIP 用户体验的同时可以有效保证其他背景用户的业务体验。3.1.2工业互联网上行业务保障工业互联网上行业务保障3.1.2.1 痛点问题痛点问题在典型的 3C 制造工厂中，设备/单板的加工质量检测是通过双目工业相机拍照上传至本地 PC 机，利用 PC 机的 GPU 图像处理器结合 AI 算法来检测效果，示意图如下。图图 6.3C 制造工厂检测工序示意图制造工厂检测工序示意图无线云网融合智慧服务白皮书（2020）22在实际产品加工过程发现本地检测方案存在如下三个痛点问题：本地 PC 检测精度不高，存在较高的误检率和漏检率，影响生产效率；这主要是本地 PC 的训练样本数限制和处理性能限制导致；而本地 PC的数量较多，如果部署高性能 PC、并采用大量样本进行训练会导致生产成本的极大提升；新产品导入时检测程序训练调优周期长；生产调整时，需要重新进行检测程序的训练和调优，而本地 PC 可获取的样本数量少，训练与调优周期长，影响新产品导入的时间；本地 PC 串行处理时间长、效率低；由于图片处理大小和速度的限制，工业相机需要先定位、然后拍照上传、再由本地 PC 识别检测，整体过程串行处理，处理时间长、效率低。为提高检测精度和效率，主流趋势是部署高性能边缘服务器，将各个工位拍摄的工业相机图片统一传输到边缘服务器，利用边缘服务器的 GPU 硬件算力和海量样本训练来检测，检测后将结果反馈给本地；由于 3C 工厂经常存在产线调整、需要柔性化部署，有线方案不够灵活，部署时间长、成本高，因此无线方案（5G）成了迫切需求；但工业相机拍摄的图片文件大且存在较大波动、检测的工序时间要求苛刻（秒级），对上行速率提出了较高要求；由于无线环境的动态变化，以及目前 5G 网络的 QoS 资源保障机制相对静态，难以做到实时精确的无线资源调整，无法充分保障检测业务的稳定运行。3.1.2.2 技术方案技术方案检测保障方案包括检测业务信息获取和上行业务体验保障两个部分。其中检检测业务信息获取测业务信息获取的关键在于同时获取检测的业务特征和无线侧网络特征，将网络质量与业务需求相结合，通过基于 AI 的数据分析预测业务的运行状况。上行体上行体验保障验保障模块基于检测业务的运行状况预测，实时调整无线侧资源分配，保障业务的高质量运行，提升用户体验。无线云网融合智慧服务白皮书（2020）23从检测的业务特征获取、无线侧网络特征获取、业务体验预测三个方面说明检测业务信息获取的技术方案：检测的业务特征获取从业务侧采集业务特征信息，包括双目工业相机拍摄照片大小、传输时间需求等；无线侧网络特征获取从基站采集 RAN 侧数据，包括 UE 信道状态信息、协议栈状态和小区级负载信息、小区级上下行吞吐率统计、UE 级上下行吞吐率统计等；基于 UE 信息上报，辅助获取关键 UE 的信道状态信息、协议栈状态信息和上下行吞吐率统计等；检测业务体验预测基于实时数据采集，对数据进行用户 ID 和时间上的关联，并对数据进行清洗和预处理。然后利用 AI 算法（如 LSTM、决策树等）对一段历史时间窗口（如10s）内的网络状况和业务特征进行学习，通过分析网络层面和业务层面对业务质量的影响，给出后续检测效果的预测，从而使网络能够从用户体验的角度实时预测检测业务质量。上行体验保障策略的技术方案描述如下：上行体验保障策略的技术方案描述如下：上行体验保障策略下发上行体验保障模块根据检测业务体验的实时预测结果动态下发控制策略，控制策略包括上下行调度优先级保证、上下行带宽切片、切片匹配的无线保障策略等内容。技术方案整体流程如图 7 所示。无线云网融合智慧服务白皮书（2020）24图图 7.工业检测业务保障流程工业检测业务保障流程3.1.2.3 方案效果方案效果检测业务信息获取：基于 RAN 侧 UE 级别和 Cell 级别的数据、辅助 UE 上报的 UE 级别的数据，实现检测业务检测效果的精准预测。无线网络保障：从检测效果看可以明显提升该业务运行的稳定性；相比于静态配置上行速率保障而言，技术方案可实时下发动态的控制策略，可以实时提升和降低优先级、增加或者减小上行保障速率，通过最适应网络的控制策略来实现网络整体容量和业务保障效果的均衡，也可同步提升其他背景用户的业务体验。3.1.3工业互联网下行业务保障工业互联网下行业务保障3.1.3.1 痛点问题痛点问题在典型的 3C 制造工厂中，设备硬件加工调测完成后，需要进行整机的移动化自动测试，在移动环境下动态下发各类版本程序并加载测试，测试整机的软件兼容性。现有的整机移动化程序加载测试方案采用 WiFi 连接，通过多个 WiFiAP 划分信道实现通讯。根 AP 固定，叶子 AP 部署于移动的托盘上，根 AP 与叶子 AP之间采用 WiFi MESH 的模式组网，支持多台受测设备并发进行程序加载测试。无线云网融合智慧服务白皮书（2020）25当前 WiFi 方案存在的如下两个痛点问题：下行带宽、速率不足：并发测试的设备数量较多、测试加载的版本较大，属于典型的大下行高并发场景；实测发现 WiFi 在该场景下的下行带宽大幅下降，无线 WiFi 传输成为瓶颈，严重影响测试效率；部署复杂、维护困难：产线现场部署了大量的 WiFi AP 和 AC，配置与改动复杂，不同生产线之间的信道划分、干扰规避方案复杂，部署周期长，且 AP 断电后重新组网的时间长。为提高整机移动化程序加载测试的效率，需要采用 5G 来实现多用户大下行高并发的连接方案。每台设备通过一台 5G 终端（CPE 或者模组）接入 5G 网络，在边缘服务器上部署要加载测试的多个版本，通过 5G 基站向多台 5G 终端下发加载测试命令和测试版本，5G 终端实时反馈下载进度、加载进度和测试结果；测试过程数据和结果可同步下发给本地另外一台 CPE，用于监控显示。由于测试版本的大小差异、测试时间的差异，下行速率需求并不是固定值；由于无线环境的动态变化，以及目前 5G 网络的 QoS 资源保障机制相对静态，难以做到实时精确的无线资源调整，无法充分保障整机移动化程序加载测试业务的稳定运行。3.1.3.2 技术方案技术方案整机移动化程序加载测试保障方案包括程序加载测试信息获取和下行业务体验保障两个部分。其中程序加载测试信息获取程序加载测试信息获取的关键在于同时获取程序加载测试的业务特征和无线侧网络特征，将网络质量与业务需求相结合，通过基于 AI 的数据分析预测程序加载测试的运行状况。下行体验保障下行体验保障模块基于业务的运行状况预测，实时调整无线侧资源分配，保障测试加载测试的高质量运行，提升用户体验。从程序加载测试的业务特征获取、无线侧网络特征获取、程序加载测试体验预测三个方面说明整机移动化程序加载测试业务信息获取的技术方案：程序加载测试的业务特征获取从业务侧采集业务特征信息，包括加载测试版本大小、传输时间需求等；无线云网融合智慧服务白皮书（2020）26无线侧网络特征获取从基站采集 RAN 侧数据，包括 UE 信道状态信息、协议栈状态和小区级负载信息、小