AI+5G,哪些应用场景令人期待?

发表时间:2019-06-14 14:59

         5G不仅是无线通信产业的一次升级换代,更是一次重大的技术变革,与数字化转型技术、人工智能技术一起,成为国民经济转型升级的重要推动力。那么,AI在5G中的有哪些应用场景呢?


5G.jpg


应用场景1:5G端到端切片智能编排和运营


·         5G端到端切片智能编排

1.    采集数据,掌握网络的实时运行状况

2.    利用人工智能技术,根据历史数据和实时数据对网络业务以及相应的资源需求进行预测和评估

3.    给出恰当的建议措施(如网络切片的扩容、缩容、变更等)

·         5G端到端切片智能运营

网络切片不是一段核心网或无线就能搞定的,可能是无线加上承载网加上核心网。对用户来说,这种快速的开通和按需变更要能做到端到端的自动化管理。引入切片服务智能客服,能够提供智能化的交流、咨询、切片套餐推荐等服务,并完成智能化的端到端切片业务开通。


应用场景2:基于AI的Massive MIMO参数优化


5G 引入Massive MIMO技术后,无线侧配置参数的pattern组合有了指数级的增加。我们了解到,3G无线配置的组合是13种,4G大概有283种,5G大约是13000种。就算可以梳理一些基本的配置模板,但在后面的优化过程中,也还是会涉及各个参数的调整。所以,需要在这件事上引入人工智能的技术,来实现5G大规模天线复杂参数的智能化配置智能权值搜索和监控

基于UE(User Equipment,用户终端)的分布情况,根据覆盖用户数最多的原则,搜索和预测最优的水平/垂直波瓣宽度,方位角和下倾角。

·        UE位置估算和预测

基于收集的信息可以估算UE的位置及分布

MM基站周期性收集一段时间内小区内所有UE的位置信息

·        场景自学习

可充分运用于类似体育赛事、演唱会等大型活动。

比如,利用MR(Measurement Report,测量报告)信息描绘出终端在体育馆内的大致分布,进一步利用分布识别场景。根据不同场景,推荐最优权值,并将最终的权值反馈到场景识别模块,使得推荐不断进化。


应用场景3:AI辅助的智能无线网络规划


这件事其实在4G网络上已经在开展了。无线网络开通前后要做路测和评估,根据收集上来的MR信息,对多个场景进行识别和分析。综合用户投诉、各种网络优化的KPI等要素做大数据分析以及AI辅助的决策,帮助运维人员更好地确定把站点部署在哪里,如何配置参数,哪些质差小区能通过扩容来解决,以及哪些是无法通过扩容来解决的……并会给到一个整体的网络部署的评估。

在5G网络部署的时候,也一定会考虑基于4G网络的大数据和AI分析,来决定应该在哪里部署5G的站点,以及一些4G、5G协同的调整。


应用场景4:基于AI的智能边缘计算


边缘计算在5G阶段是非常重要的发展方向,它在边缘的DC(数据中心)里引入了服务器,也引入了支持AI运算的能力,使得可以在边缘节点上,配合中心的DC以及用户的终端来做AI业务的智能优化。

主要有以下四点——

·        本地缓存

基于AI对用户的业务流和用户移动模式进行预测分析,有针对性地确定预存内容和内容推送,从而提高内容分发效率。

·        智能定位

通过位置已知的终端测量的各无线通信系统信号特征,借助AI、大数据收集分析和边缘计算节点的实时计算能力,利用指纹信息指导实际应用中的终端定位。

·        频谱感知

边缘计算节点,基于不同无线系统的频谱测量结果,利用AI技术对各无线系统在不同区域的无线环境特征、用户行为特征,以及不同用户的业务特征等,进行分析建模,支撑具体应用场景。

·        业务感知

在边缘节点上部署高算力的硬件解析资源,结合AI和大数据能力,分析挖掘数据、业务和无线环境之间的内在关联,提供更为准确、智能的业务特性识别。

网络边缘缓存已成为内容分发的趋势,可大幅提升用户体验、网络吞吐量和能效。AI技术可预测用户偏好,精准推荐内容给用户,并结合用户推荐预测无线边缘缓存。


应用场景5:智能基础设施节能


·        基于AI的智能基站节能

在5G的基站中,希望通过AI辅助的业务分析、场景识别建立一个流量变化模型,来控制载波的智能关断,从而降低基站功耗。

·        基于AI的数据中心(DC)节能

通过自动学习数据中心里服务器上的业务、流量的变化模式,根据这些信息,在非高峰时间段,把一些可迁移的业务集中部署在某一些服务器上,把空闲的服务器置成“睡眠”状态,同时会考虑整个机房制冷的控制。工作状态的服务器会消耗200-500W,睡眠状态的服务器仅消耗20W。DC实际的负载情况对效果会有一些影响。

应用场景6:AI辅助的运维优化

·        网络故障预测

从传统的事后优化转化为事前的预测和提前防备。网络健康度检查

基于大数据和人工智能技术的网络健康度分析,预测网格内未来一天、一周、一月的小区网络质量并提前预警,针对质差小区,分析引起质差的关键指标及可能的原因。

·         网络告警关联和故障定位

传统网络运维管理人员分析网络警告、判断告警原因、查找告警根源、定位并排除故障,耗时耗力。神经网络系统通过不断学习和训练,计算、翻译和调整分布于神经网络当中的连接权值,以整体的方式表达关联规则和故障诊断结果,准确定位网络故障。

(声明:图文均来自网络,如涉及侵权,请留言联系删除,谢谢!)

分享到:
湖南睿图智能科技有限公司

联系我们


商务合作:bd@retoomv.com



人才招聘:hr@retoomv.com



联系方式:0731-82273661


公司地址:湖南省长沙市岳麓区桃子湖路桃子湖文
化创意产业园B3栋



识你所见
鉴你所识
用计算机的眼睛,带你认识一个全新的世界