大數據驅動5G網絡與服務優化

鄔賀銓

中國工程院，北京 100088

?

摘要：5G時代的到來將進一步加速移動數據的發展。介紹了移動大數據的來源，分析了大數據分析在5G網絡優化中的應用方向。針對5G網絡的新特點，系統闡述了大數據在5G網絡中的大規模天線與分布式天線、無線接入網資源管理、異構接入組網、云網、移動邊緣計算、終端與云端的智能、SDN與NFV、網絡切片、跨層聯合優化、源選路優化等方面可能的應用。并結合5G大數據的特點，分析了其在智慧城市、智慧醫療、智慧交通、工業互聯網方面的應用。

關鍵詞：5G ; 大數據 ; 移動數據 ; 網絡優化 ; 服務優化

論文引用格式：

鄔賀銓.?大數據驅動5G網絡與服務優化. 大數據[J], 2018, 4(6): 1-8
WU H Q.?Big data driven 5G network and service optimization. Big data research[J], 2018, 4(6): 1-8

1 引言

5G時代即將到來。和4G網絡相比，5G網絡在各個方面都有很大提升，不僅傳輸速率更高，而且在傳輸中還呈現出增強移動寬帶、超可靠低時延、廣覆蓋大連接的特點。如果說1G~4G主要面向個人通信，那么5G則擴展到工業互聯網和智慧城市應用。根據《Cisco VNI:global mobile data traffic forecast update,2016–2021》的數據顯示，2016—2021年全球移動數據流量增長7倍，平均年增47%，增長速度非常快。3G時代全球每個用戶每個月的連接流量只有3 GB，4G時代這個數值已經達到了6 GB，5G時代將達到30 GB（是4G網絡平均連接流量的4.7倍）。2017年我國每個用戶每個月產生的移動數據流量為1.775 GB，是2016年的2.3倍，與全球平均水平相當。而且2018年上半年的數據已經遠遠超過了2017年的全年數據，也就是說，5G時代的到來將進一步加速移動數據的發展。按照《中華人民共和國國民經濟和社會發展第第十三個五年規劃綱要》的要求，5G網絡將在2020年商用。

2 移動大數據的來源

移動大數據包括用戶產生的數據和運營商產生的數據，其中用戶產生的數據包括自媒體數據和富媒體數據，運營商產生的數據包括日志數據和基礎網絡數據。在運營商的網絡上有很多環節可以進行數據采集，在終端可以采集路測（DT）/最小化路測（MDT）、測試報告（MR）、傳輸分組大小、使用習慣、終端類型等數據；在基站端可以獲得用戶的位置信息、用戶通話記錄（CDR）、鏈路狀態信息（CSI）、接收信號強度（RSSI）等數據；通過后臺的運維系統可以采集測量、信令、話務統計等數據；通過互聯網可以采集新聞、資訊、地圖、視頻、聊天、應用等數據。也就是說，在運營商的網絡中不但可以獲得業務類型、上下行流量、訪問網站等業務數據，還能掌握整個信道的狀況。

如圖1所示，5G網絡應是以用戶為中心、上下文感知與先應式的網絡，且5G無線網可實現通信、緩存與計算能力的匯聚，因此在網絡運營管理設計時，需要利用大數據技術進行優化，在網絡體系架構設計時要適應大數據的傳送，以實現5G網絡的運營智能化和網絡智能化。

圖1?大數據分析在5G網絡優化中的應用

5G網絡是數據終端到數據中心的主要通道，如圖2所示。從互聯網、物聯網終端或移動用戶處采集的數據，通過具有邊緣緩存和計算能力的基站和無線接入網進行數據預處理與存儲，最后通過核心網絡將數據傳輸給數據中心和云計算中心進行數據分析。5G網絡除了傳輸數據終端的數據之外，智能終端的多功能業務還將觸發終端與回傳網絡和核心網絡內數百個服務器、路由器和交換機的各種交互。例如一個用戶的HTTP請求可能只有1 KB，而內部數據流可能會增加930倍。因此，5G網絡不僅要承載移動用戶數據，還要承載來自不同后臺、數據庫、緩存服務器和網關以及回傳鏈路的數據。

圖2?5G網絡是數據終端到數據中心的主要通道

3 5G系統中大數據分析能力的設置

5G系統的數據分析應該在核心網大數據平臺和基站端進行。在核心網大數據平臺應進行數據清洗、解析、格式化、統計分析、可視化等數據分析，按照內容預測算法執行計算并推斷策略內容，然后主動地將決策指令存儲在具有緩存能力的基站中，從而將決策行為從云傳遞到邊緣（即基站）。而基站端負責收集上下文信息（如用戶觀看時長和位置信息），對用戶空間-時間行為進行分析與預測，對數據進行匯總、壓縮與加密，同時從核心網大數據平臺獲得決策指令。具有緩存能力的基站可以使大眾內容靠近用戶，改進用戶體驗并減輕回傳網的負載。經過統計，當網絡中有16個具有13 GB存儲容量和30%的內容分級的基站時，采用主動緩存方式可以獲得100%的用戶滿意度和98%的回傳卸載。緩存能力可以部署在無線接入網或核心網，或者兩處均部署，緩存能力的分配也需要靠積累運行數據做出優化決策。

4 大數據支撐5G網絡優化的方向

4.1 大數據支撐大規模天線與分布式天線

5G將使用大規模天線（MIMO），天線數高達128個，甚至是256個。高階MIMO為每條信道提供一條賦形的天線發射波束，實現空分復用，但各波束間存在干擾，降低了MIMO的效率，需要收集密集波束間的干擾數據，并基于系統的計算能力進行復雜的優化。此外，網絡終端在基站中心接收的功率比較大，在基站邊緣接收的信號比較差。此問題可以利用分布式天線解決，但是分布式天線互相之間也有干擾，如果能夠收集到所有天線的信道數據和干擾數據，通過大數據分析技術對所有無線訪問接入點（access point，AP）進行聯合信號處理，就可以指導各天線和微基站實現對干擾的抵消，容量可較LTE系統提高約2個量級。此外，如果可以收集到MIMO數據和網絡數據，并利用大數據技術進行分析決策，就可以提高定位精度。隨著三維仿真、三維射線追蹤技術的發展，通過室內天線和WLAN技術的結合，還能精確定位用戶在室外或室內，甚至用戶所在的具體樓層。

4.2 大數據支撐5G無線接入網資源管理

2G、3G時代的無線接入網是多層次的網絡，在這種網絡結構下，潮汐效應經常導致基站忙閑不均。因此4G系統將網絡進行了扁平化設計，將基站分解為基帶處理單元（BBU）和射頻拉遠模塊（RRU），多個基站的BBU可集中為基帶池，實現集約化資源利用。5G網絡將BBU功能進一步分解為集中單元（CU）與分布單元（DU）， CU可管理多個DU，實現干擾管理與業務聚合，DU實現多天線處理與前傳壓縮，靈活應對傳輸與業務需求變化，優化實時性能，降低硬件成本。這樣的設計也可以更靠近用戶，有利于集中化的管理。然而，一個CU管理多少個DU，需要基于大量用戶空間-時間行為的大數據來優化設計，特別是如何從能效的角度實現忙閑時不同的資源調配。

4.3 大數據分析支撐異構接入組網

由于5G網絡的頻段很高、帶寬很大，若采用高功率的宏基站，則布設與運營成本高，但采用大量微基站，則干擾嚴重，且難以進行站點選址優化。以上問題可以通過以下幾種方式解決。

● 宏微蜂窩混合組網。宏蜂窩負責廣覆蓋，支持高優先級業務；微蜂窩實現熱點覆蓋，面向低優先級高速業務。

● 控制面與數據面分離組網。大量微基站需要集中化管理，以防止干擾，將控制面信令數據與數據面用戶數據分離，控制面信令數據接入宏蜂窩。這樣，終端在微基站之間切換就不影響宏基站信令了，而且通過小區分簇化集中控制，可以解決小區間的干擾協調和負載均衡的問題。

● 上下行解耦異構組網。終端的MIMO數遠少于基站，上行覆蓋低于下行；在蜂窩邊緣，可采用“5G下行+4G上行”的異構方式運行。

通過分析可以看出，傳統移動網絡的控制面、用戶面、上下行數據鏈路都在同一個蜂窩小區內。而5G網絡的控制面、用戶面可以接入不同的基站，上下行可以接入不同的蜂窩，甚至分別在4G和5G系統，每個終端可能同時接入不止一個基站。因此，具體選擇接入哪個基站和哪個系統，應該根據用戶的分布數據和網絡負載來決定，此時就要用到大數據的分析和決策方法。

4.4 大數據支撐5G云網

如圖3所示，5G網絡是一個云化的網絡，包括接入云、轉發云、控制云。接入云是指在微蜂窩超密集覆蓋的場景下，一簇微基站組成虛擬小區，實現微基站之間的資源協同管理和干擾協調；轉發云是指各業務流共享高速存儲轉發與防火墻及視頻轉碼等各類業務使能單元；控制云包括網絡資源管理、網絡能力開放、控制邏輯等模塊。此外，在5G的場景下還可以有移動云計算、移動邊緣計算（mobile edge computing，MEC）、微云和飛云（femtocloud）等多種云，它們可以被部署在無線網的不同位置，其配置需要借助網絡和用戶大數據分析來尋優。

圖3?云化5G網絡

4.5 大數據優化5G移動邊緣計算

為適應視頻、虛擬現實/增強現實與車聯網等業務的時延要求，減輕核心網帶寬的壓力，需將這些業務的存儲和內容分發下沉到MEC處理。5G網絡不僅可在邊緣感知和分析數據，而且可在亞秒或毫秒內觸發響應措施，所有的數據無縫地從云平臺轉到大量的端點或從大量的端點轉到云平臺。那么哪些業務需要放到云計算中心處理，哪些業務需要下沉到MEC處理，這需要基于網絡收集到的業務流數據進行分析。

4.6 大數據支撐 5G終端與云端的智能

現在智能終端的能力非常強，但是在終端上的人工智能處理能力還是有限的。比如手機智能可完成2D人臉識別，但識別效果容易受光線、角度和表情及化妝等的影響，而且識別的是照片還是真人也不好區分，現在的3D人臉識別就需要利用網絡云端的智能來處理，從而提供安全的識別能力。云計算可強化無線網，有效支持諸如增強現實等計算強度的應用，將用戶端很重的計算任務卸載到云端。然而，無論是終端還是云端的智能，都需要基于大數據的分析。如AI需要訓練與推斷，訓練包括前向計算和后向更新（通過大數據調整模型參數），推斷主要是前向計算，將訓練得到的模型用于應用。通常云端負責訓練和推斷，終端只負責推斷。因此僅靠終端的計算與軟件能力的發展還不夠，很多智能應用也需要云端的支持，如云端訓練和云端推理、云端訓練和終端推理。

4.7 大數據支撐軟件定義網絡與網絡功能虛擬化

軟件定義網絡（SDN）全局優化路由的能力來自對全網流量流向、跨層網絡資源大數據及業務流QoS需求大數據的掌控與分析，需要很強的計算能力支撐，以實現網絡路由的快速收斂和穩定。網絡功能虛擬化（NFV）功能的選擇也基于網絡大數據的分析。

4.8 大數據支撐5G網絡切片

5G很重要的功能是網絡切片。5G需要支持不同的業務需求，如超寬帶業務、低時延業務、大連接業務。若帶寬不一樣，那么對網絡的性能要求也不一樣，切片是網絡轉發資源的分割，不同切片間的業務相互隔離，切片的實現涉及轉發面與控制面功能，每個切片上可以運行不同的L2/L3網絡協議。為不同業務需求的用戶組織不同的切片，需要利用深度分組檢測（DPI）數據建立預測模型，精準預測熱點數據請求。網絡資源在切片間分配的聯合優化，也需要利用網絡資源大數據進行學習和分析。

4.9 基于大數據實現 5G跨層聯合優化

5G網絡中，IP層的選路適用于細顆粒的業務流，但時延大；MAC層的交換適用于大顆粒的業務流，但時延也較大；靈活以太網中繼的業務流顆粒較大，但優點是時延低。對于每一種業務流來說，選擇在哪一層做交換或路由是一個跨層聯合優化問題，可以借助網絡大數據進行優化。

4.10 借助網絡大數據優化5G源選路

切片分組網（SPN）基于切片以太網和分段選路（SR）技術，用于中傳和回傳。

傳統的IP網絡按無連接方式工作，對具有相同源地址和相同目的地址的同屬一次通信的各IP分組進行獨立處理，不考慮它們前后的關聯，同屬一次通信的各IP分組在沿途各節點均獨立選路，甚至會走不同的路由，這是在互聯網之初的網絡可靠性不高的情況下，以時延和效率為代價換取靈活性和生存性。現在的網絡性能已有很大的改進，如果按照每次通信中首個分組的特征來配置數據平面的設備（即配置流表），那么該次通信的后續數據分組被抽象為同一流，同一次通信的后續各IP分組無需再選路。由于在源節點已設置了有序的指令集，標識了沿途經過的節點或鏈路，這些節點無需感知業務狀態，只需維護拓撲信息，簡單地按配置流表執行轉發功能，這就相當于面向連接分組的通信，顯著提升了網絡效率。因此，分段選路又稱源選路，它無需LDP/RSVP-TE等信令協議，適合接受SDN的控制。源選路指令集的設計需要借助網絡大數據來優化。

4.11 大數據支持5G核心網基于服務的體系

在基于服務的網絡體系（SBA）方面，網絡功能在4G是網元的組合，在5G是通過API交互的業務功能的組合，業務被定義為自包含、可再用和獨立管理。業務的解耦便于快速部署和維護網絡；輕型的接口便于引入新特性；模塊化為網絡切片提供靈活性；使用HTTP的API代替Diameter作為公共控制協議，更容易調用網絡服務。

然而，針對每一次會晤所調用的服務是否最優、網絡資源分配是否公平合理、同時進行的多個會晤所用的服務有無沖突、以API方式新增加的服務類型與功能是否與網絡能力兼容這些問題，不能僅依靠運維人員的經驗，還需要利用網絡大數據來支撐。

4.12 大數據對視頻業務傳輸體驗的保障

視頻是5G的主要應用場景，也是運營商的每用戶平均收入（average revenue per user，ARPU）的重要支撐。但視頻的傳輸質量受到以下因素的影響：

● 回傳路徑太長，時延超標；

● 因無線空口信道干擾或系統負載忙，使每一移動終端可獲得的帶寬受限，導致視頻信號傳輸控制協議（TCP）端到端時延過長，吞吐率下降；

● 將OTT視頻僅作為一般互聯網業務對待，沒有服務質量（QoS）保障；

● 對于視頻會議業務，可能因上行分組數據匯聚協議（packet data convergence protocol，PDCP）丟失而停止視頻接收。

因此，需要考慮基于業務流的大數據，對無線接入網（RAN）和App進行相互感知，例如網絡協助基于HTTP的動態自適應流（dynamic adaptive streaming over HTTP，DASH）、視頻感知調度等，實現對基于Web的視頻流的深度跨層優化和本地內容緩存。目前，3GPP已經開始研究改進上下文感知引擎，允許空口和核心網將流數據的指示傳到5G的控制面，實現對單個用戶或整個網絡的流管理。

5 5G大數據在其他領域中的應用

前文介紹的是大數據在5G網絡中的應用，然而結合了大數據的5G網絡更大的應用領域應該在社會生活中，如智慧城市、智慧醫療、智慧交通、工業互聯網等。5G大數據可以提供上下文感知、預測、規律發現、認知等功能，分別實現實時修正、下一步最佳措施、下一步自動應對、最好的決策的目的，見表1。

6 結束語

5G時代的到來正在加快無線大數據的增長。大數據在社會與產業各領域都將有廣泛的應用，并產生重要影響。大數據對5G網絡的發展（如網絡體系架構的設計、運維的提效和服務體驗的提升等）將起到強化和優化的作用。大數據在5G網絡的應用有很廣闊的空間，同時也面臨不少挑戰，需要解決數據挖掘計算復雜度、時效性、能效、安全性等問題，同時也給5G網絡標準化和實現提出了很多創新課題。

作者簡介

---

鄔賀銓（1943-），男，中國工程院院士，光纖傳送網與寬帶信息網專家。先后從事光纖傳輸系統和寬帶網研發、中國下一代互聯網（CNGI）和3G/4G/5G等項目的技術管理及工程科 技咨詢項目研究。曾任電信科學技術研究院副院長兼總工程師、中國工程院副院長。現任國家信息化專家咨詢委員會副主任、中國標準化專家委員會主任、國家“互聯網+”行動專家咨詢委員會主任、中國互聯網協會理事長、國家“新一代寬帶無線移動通信網”國家科技重大專項總師、中國下一代互聯網示范工程（CNGI）專家委員會主任、IEEE高級會員。

---

《大數據》期刊

《大數據（Big Data Research，BDR）》雙月刊是由中華人民共和國工業和信息化部主管，人民郵電出版社主辦，中國計算機學會大數據專家委員會學術指導，北京信通傳媒有限責任公司出版的中文科技核心期刊。

關注《大數據》期刊微信公眾號，獲取更多內容

---

往期文章回顧

專題導讀：大數據創新實踐

基于公開數據的特殊人群在線活動特征挖掘

基于社會化大數據的音樂文化研究進展

結合深度學習的工業大數據應用研究

冒煙指數：大數據監測互聯網金融風險

---

總結

以上是生活随笔為你收集整理的大数据驱动5G网络与服务优化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。