5G网络生命周期管理的认知推理（英）

爱立信白皮书 GFTL-22:001015Uen2022年9月 认知 再保险作为5g的一 个 净功Lifecycle 管理 连续反馈环路对高效5G的重要性规划、设计、实现和保证 内容 介绍3 当前网络LCM中的分阶段方法和挑战4 提出了网络模块更改6 认知基于框架网络模块9 相关工作19 结论20 术语表21 引用22 作者24 介绍duc起跳 借助5G，服务提供商将面临大量 设备，种类繁多的服务要求（传统尽力增强移动 宽带[eMBB]以及基于服务水平协议[SLA]的超可靠低延迟通信[URLLC]服务）和复杂网络中的动态更改环境。通信服务提供商[CSP]需要解决新出现的问题在严格的期限内，积极引进新技术，确保积极 业务成果和市场领导地位。 目前应对这些挑战的方法包括不同的生命周期范围网络、服务和资源/软件等管理。这些生命周期范围 由不同的阶段组成，这些阶段在很大程度上由不同的团队独立实施，有几个交接点。虽然模块化方法导致关注点分离 易于管理，无法应对规模惊人、要求严格 5g网络和服务。 在本白皮书中，我们特别讨论了分阶段方法的缺点：通过1）自动执行反馈和重新配置来管理网络生命周期 网络生命周期阶段之间的信息，避免不可接受的部署延迟和保证服务，2）持续监控和重新配置以解决 业务需求和网络状态的动态变化，3）适应性 技术演进。我们提出了一种基于认知的自动化方法。框架，包括机器推理和基于机器学习的代理。这将 使服务提供商能够处理5G网络的多样性，规模和可变性，以及服务编排。 分阶段的方法当前网络 中国大陆和挑战 交通 预测 计划 设计 实现 调优 保证&优化 图1.传统网络生命周期管理 当前通过5G/5G以外的新客户或服务引入新客户或服务的分阶段方法通常是一个漫长的过程，涉及以下阶段（见图1）： •需求收集(6-12周):这是一个手动过程涉及详细的 与利益相关者进行讨论，以捕获功能和非功能需求。 •规划(12周):网络规划人员使用各种工具进行流量估算，容量预算、频谱评估和现场监测[9]。 •设计和仿真(12周):计划将转换为高级设计文档 （例如，可以实现的小区位置、频谱、边缘计算能力）通过低级编排（例如物理资源块分区、库伯内特斯容器）位置)。 •满足(12-24周):设计必须（最好）在可用范围内实现 网站。如果没有合适的地点或运营商，将有进一步的延误在时间线。 •优化(12周):履行后的另一个漫长过程是将网络调整为 满足现实的流量模式。扩展调整可能会否定生成的计划和设计在前面的阶段。 •保证和优化:保证阶段涉及SLA合规性评估， 服务质量（QoS）流管理和网络切片生命周期管理。这保证环路持续监控、配置和维护QoS性能 SLA规定的级别。此循环对潜在问题执行根本原因分析并使用自动化工具以最小的用户影响解决这些问题。 阶段中的各种任务由CSP中的单个团队处理[8]。任务， 数据和知识工件、工具和流程在各个阶段之间可能会有很大差异。跟人工智能[AI]的出现，可以设想许多任务在阶段内 将使用数据驱动的、基于机器学习[ML]的算法[2]来解决。 缺点 在各个阶段之间分离关注点可以简化管理和 独立进化。但是，由于分阶段进行，因此存在缺点建筑本身。 首先，要么没有来自后续阶段的反馈，要么当它存在时，它是手动的，稀疏，并且会产生很大的延迟。例如，来自履行阶段的反馈可以 提示在网络正常运行之前重新规划或重新设计网络。在没有此反馈，在保证阶段触发的网络的重新规划或重新设计 将导致已部署服务的中断/降级，并可能违反SLA。是的因此，定义和实现相间闭环是必要的。 其次，该架构不适合按需接受新的要求，并且 处理交通模式中的漂移，这需要不断的重新规划，设计，调优,保证。 第三，分阶段架构不够敏捷，无法考虑技术演变。例如自动化功能，虚拟化和交互闭环控制，可以大大提高了网络性能和管理能力。 提出了变化 净工作模块 我们建议对当前的网络生命周期管理进行一些改进 （LCM）架构纠正了上述弊端。间期反馈回路 我们提出了多个新的闭环，允许在 生命周期（见图2）。例如，低级设计资源约束中的任何偏差可以为规划阶段提供反馈，以获取更多资源。自履行以来 阶段涉及实际实施的低级设计，任何偏差 实施必须向设计阶段提供快速反馈，以分拆出替代方案设计。在调整阶段，如果流量模式出现漂移，可以反馈进入流量预测阶段，考虑重新训练影响 规划和设计阶段。同样，保证偏差可能会触发重新实现 使用新的切片模板。在以下情况下，可能需要进行物理现场检查和更改其他替代方案失败;来自各个生命周期阶段的持续反馈将 最大限度地减少昂贵且耗时的手动操作。 6 5 1 2 交通 预测 计划 设计 实现 调优 保证&优化 3 7 4 图2.网络设计和优化中的连续反馈回路 图2由以下反馈循环组成： 1.高/低级设计中的偏差触发重新规划。2.在满足触发重新设计偏差 3.系统调整会触发重新设计（而不是在调整期间发生重大变化）。 4.调整触发重新估计流量模式预测。 5.保证和优化触发重新设计。 6.保证和优化触发重新规划阶段。7.保证和优化触发流量预测的变化。 请注意，循环子集的实现将取决于移动服务 供应商。一些阶段，例如实现，即设计的部署，可能会其他没有尽可能多的反馈阶段。 连续接收和处理 阶段之间的签核可以从常见的本体和工件中受益，这些本体和工件可以作为当前网络LCM的增强来实现。但是，快速， 自动响应任何类型的更改-无论是流量模式、功能还是服务要求，或技术演进，提供不同且更好的解决方案—需要连续触发相位，如果没有主要触发，就无法执行范式转变。 图3显示了外部上下文（垂直循环显示了与服务和 下层），其中网络LCM必须在其中运行。它显示了以下附加内容生命周期循环与不同的范围: 1.用户体验自动化（客户体验管理） 2.服务自动化（服务配置和管理） 3.用于编排脚本和管理基于AI/ML的代理的自动化工具(模型更新和培训) 4.软件LCM作为持续交付和部署的一部分（此处未表示简单) 计划 设计 实现 调优 保证& 优化 客户体验管理 用户体验自动化 分析 设计 监督 服务生命周期管理 服务自动化 配置 设计 监督 网络生命周期管理 网络自动化 计划 实现 保证 人工智能和机器学习模型 自动化工具 生命周期训练 配置 图3。交互控制回路 用户体验和服务自动化循环与网络LCM循环的交互通过规划和保证阶段进行。自动化工具循环提供 整个系统的高质量工具在所有阶段都与网络LCM环路相互作用。 当我们设想持续规划、设计、保证和优化时，我们会分多个阶段和自动化周期可以同时处理。可引进更高等级 进入系统，底层系统会影响相位选择，代理选择用于任务和因果传播。这将增加重用并优化使用知识的阶段。 适应新情况 拟议的LCM将认识到理解和处理新情况以及无缝集成新技术。例如，网络功能的虚拟化 在无线接入网[RAN]和核心中部署将改变容量规划和设计过程。由于需要规划聚合容量，因此虚拟化将指向节点的扩展/缩减和功能部署/迁移 流量模式变化的结果。这将影响规划、设计、验证和实现阶段。 随着AI代理的功能和复杂性的不断增加，两者之间的界限这些阶段可能会减少。例如，调谐阶段可能会随着 持续的保证/优化和反馈到设计阶段 自动化保证循环。这将导致知识的最佳重用和网络模块的工具。 认知框架- 基于网络的工作中国大陆 基于认知框架的LCM可以解决快速反馈的三大挑战不同阶段，持续响应和对新场景的适应性。使用认知框架的认知推理和意图处理能力（认知 基于自适应意图的网络的过程），作为一个保护伞，我们建议链接网络模块的不同阶段。 认知框架 认知框架[6]由三个基本组成部分组成：知识库，知识库推理引擎和代理体系结构。如图4所示，知识 base包含意图的本体以及特定于领域的知识，例如系统的当前状态。独立于域的推理引擎充当核心协调器函数，并使用知识图谱来编排许多已注册的 用于查找解决方案操作、评估其影响并对其执行进行排序的代理。最后，代理体系结构允许使用任意数量的模型和服务。代理 可以包含机器学习模型或基于规则的策略，或实现认知推理过程。 业务意图 监控, 批准,升级 知识 工件 机 推理 知识 更新推断法 机器学习 数据库 代理 认知 框架 观察 驱动 网络 部署 跑 运输 核心 图4。认知框架 认知网络模块的解决方案 认知框架允许许多与外部环境交互的可能方式 （服务和基础结构层）以及定义和编排循环。一 在每个阶段（预测、设计、履行、调整、保证）所处的位置采用该方法代理。认知框架协调这些阶段（图5）。每个阶段 可能具有具有不同知识实体、时间线和操作的意图处理循环。请注意，这是实现的第一个近似值，可以集成 通过单个代理而不区分阶段（在第4.3.7节中描述）。 认知框架 代理 代理 代理 代理 代理 代理 交通 预测 规划 设计 实现 调优 保证和 优化 图5.网络LCM代理与认知框架的交互 图6提供了代理、认知意图处理和 网络设计/驱动。意图可以在计划/设计期间到达系统（对于例如，在给定地理区域内为5G容量提供网络），实现 （例如，确保一组基于SLA的用户设备（UE）接收到足够的QoS）或保证（例如，预配新的QoS流）。意图是多目标的，并且 可以针对功能（延迟，吞吐量），业务（每个用户，客户的平均收入）层）和效率（物理资源块[PRB]、计算利用率）要求。 为了处理此生命周期的各个方面，定义了六个代理。这些代理依靠认知框架的意图处理功能，如知识库， 推理和状态向量管理，以将意图映射到期望。 交通预测代理 代理 存储库 策划代理 建议 认知意图处理 设计代理 推理引擎 实现代理 优化代理 知识库 状态 保证&优化代理更新 驱动 观察 网片 跑 运输 核心 意图(多目标) 图6.认知意图处理与智能代理之间的交互 认知框架产品可能具有多种表现形式依赖性 关于第三代合作伙伴项目[3GPP]标准，运营支持系统 [开放源码软件]/业务支持系统[BSS]技术和产品。在初始设置中，认知框架将通过应用程序编程接口[API]进行接口 使用OSS/BSS调用各种模块，例如策略执行、订单管理、和产品目录。展望未来，这些认知特征将以本机方式集成。在OSS/BSS产品中，这与6G的AI原生愿景（AI原生 架构)。 如[6]所述，认知框架也将是分层的。可以有 有限网络拓扑情况下的中心认知框架。对于更大、更多复杂的网络，这可以实现为多域RAN，传输和核心 具有中央协调器的认知框架实现。部署 知识库，意图处理和机器推理将按层次结构进行援助在规模和模块化。 用于5G阶段生命周期管理的AI代理的描述 本节将介绍5G部署生命周期的各个阶段以及5G部署生命周期如何机器推理和学习解决方案（人工智能规划、知识）之间的相互作用图形，强化学习）可以实现。 交通预测阶段 为了预测5G无线网络（RAN，传输，核心）的要求，预测代理必须考虑多个因素。其中包括服务规范 （趋势），用户分布，增长模式和服务覆盖范围（全国，地区，集群)[5]。 图7.服务提供商的当前4G部署位置 由于大多数服务提供商都部署了4G站点（图7），因此一种策略是重用来自现有移动网络的数据集（观察到用户流量的逐月增长） 吞吐量）。然后，这将用于估计特定情况下的预测增长 时间段（例如，24个月）。由于流量仅由4G中的emBB设备组成，因此新业务流量的无机增长可以通过移动服务提供商进行估算 业务服务部署计划。 优化代理 接收 反馈 保证&优化 代理 预测代理 目前4g网站部署 预计SLA 基于服务的增长 环比 复合 流量的增长 交通 预测算法 预计eMBB基于服务的增长 提供了 输入 策划代理 图8。交通预测代理 图8表示预测代理执行的操作。给定历史数据 在给定地理区域的现有服务上，时间范围的业务计划，以及来自调整和保证&优化代理的实时流量状态，它提供 预测交通不同的服务。 计划阶段 设计代理 策划代理