![]()
![]()
![]()
随着智能手机应用程序的爆炸性增长，包括高清视频、在线游戏和直播等高带宽应用，用户对网络体验的需求不断攀升，追求更快的速度、更低的延迟以及更稳定的连接。这一趋势不仅促进了移动网络的持续升级，同时也对无线网络优化提出了更高的要求，随着各大城市的通讯网络持续发展，市区核心CBD地段网络及环境复杂度日益提升，尤其在香港这样的特殊环境中显得尤为突出：楼宇林立，人口密度极高，基站密布且频谱资源分散，多种通信制式（2/3/4/5G）基站相互交织，上站、路测成本极高，使得现场优化工作复杂度大增。网优工程师需多次迭代优化，同时配合塔工调整天线和现场路测验证才能找到相对可接受的方案。这不仅受限于专业人才的稀缺，而且还导致成本高昂、路测车辆碳排放增多和塔工高空作业的安全风险等问题。因此，迫切需要一种精简高效的智能方案，以模拟并优化复杂的现实网络环境。此外，5G技术的广泛应用已深入至垂直行业领域，如远程控制和车辆数据实时传输等，这些场景进一步加剧了网络优化的复杂性与成本负担。在此背景下，“RAN! Reinforcing Autonomous Networks: AI-empowered digital twin for optimization”项目应运而生，该项目旨在利用人工智能增强的数字孪生技术，为网络优化带来可视化、智能化、自动化的解决方案，大幅提升优化效率。通过构建虚拟的无线网络环境数字孪生，该项目能够精准模拟真实无线网络覆盖及网络参数，通过大数据模拟结合人工智能算法，匹配通讯网络中的常见业务模型，做到寻求特定场景下的网络性能的“最优解”，从而实现更加精准、高效且经济的网络优化策略。![]()
在无线电波传输过程中，多种影响损耗的因素以及物理环境的持续动态变化，使得准确还原无线信号覆盖和网络优化变得十分复杂。5G和Massive MIMO技术的出现——使得单个天线能够同时向多个方向收发信号，就像发射多束光一样——进一步增加了其复杂性，尤其是在干扰优化方面。- 目标之间的相互制约：增强信号覆盖往往会无意中加剧干扰问题；而改善无线接口性能可能会导致物理资源成为瓶颈；
- 基站之间的“相互干扰”：提升一个基站的性能可能会以牺牲周围基站性能为代价，导致整体性能没有提升或出现失衡；
- 参数配置的复杂性：单个基站涉及数百个参数设置。随着基站数量的增加，参数组合的可能性呈指数级增长，使得选择最佳配置方案成为一项极其复杂的任务；
- 需要反复调优和驱车测试：每次参数调整后，都需要通过实地驱车测试进行多次优化迭代，同时也可能需要塔工爬塔调整天线。这一过程不仅消耗大量资金和时间，还会增加车辆的碳排放、带来高空作业安全风险。
综上所述，5G网络优化，特别是采用先进MIMO天线技术的优化，高度复杂且需要大量资源，并会带来环境和安全问题。
![]()
本项目旨在用数字孪生和AI技术，并参考TM Forum的DT4DI（数字孪生使能智能决策）方法论来解决移动网络优化中的挑战。以香港移动在无线网络优化中最常见的干扰优化（PCI）问题为例，项目组开发了：1. 密集城区覆盖场景下的通信网络现实模拟，其特点包括：- 真实网络数据和AI加持的无线网络覆盖还原：利用AI加持的数字孪生建模还原真实信号覆盖，实现高精度的覆盖仿真。具体来说，就是将基于天线发射功率和传播模型来理论上估算真实覆盖情况，转变为基于终端真实上报的数据，使用AI建立通信网络的现实孪生来准确仿真真实覆盖情况，使得仿真精度提升了4倍（误差从10db提升到4db）；
- 基于通信网络的现实孪生的PCI资源优化：在建立了上述的“通信网络的现实孪生”后，下一步我们就能够将复杂的PCI资源复用问题，在数字孪生世界中转换为图划分和图染色问题（即相邻的区域必须用不同的颜色渲染，代表PCI不冲突，类似世界地图的四色问题），再利用AI进行求解，大大增强了PCI优化的准确性和效率；
2. 故障快速恢复：通过备用端口确保5G CSR上行链路的恢复，该过程由链路告警触发，并包含前后检查。3. 可扩展的方案架构：以无线网络优化场景切入，为AN场景构建了一个端到端的、适用于行业的解决方案架构。![]()
- 增强网络效果：项目实施后，无线网络干扰减少了79.4%，用户速率提升了15.6%，游戏卡顿次数降低了50%，单向语音通话率下降了10%。
- 提高运维效率：多层链路恢复时间从1小时缩短至5分钟。
- 优化成本节约：仅在中国移动香港，PCI优化成本降低了60%，相当于每年节省了242,775美元。
- 减少碳排放：仅在中国移动香港/北京/河南，每年就可减少12吨由路测带来的直接碳排放，相当于种植了554棵树。如果应到到全行业，产生的影响更是不可限量。
![]()
![]()
