通信界訊 一個(gè)夏日的夜晚，臺灣遠(yuǎn)傳電信在臺南某地區(qū)網(wǎng)絡(luò)流量突然暴增，發(fā)出告警，沒有人預(yù)料到夜半時(shí)分的臺南會迎來流量高峰。調(diào)查發(fā)現(xiàn)，當(dāng)時(shí)TikTok剛剛在臺南興起，很多年輕人熱衷于睡前用手機(jī)刷短視頻，導(dǎo)致夜半時(shí)分的網(wǎng)絡(luò)流量陡升。
為了更精準(zhǔn)地提前掌握網(wǎng)絡(luò)流量，讓流量調(diào)度最優(yōu)化，遠(yuǎn)傳在2018年加入微軟亞洲研究院“創(chuàng)新匯”，成為微軟長期的AI戰(zhàn)略合作伙伴，期望通過雙方的緊密合作，運(yùn)用微軟在AI領(lǐng)域突破性的技術(shù)成果，結(jié)合遠(yuǎn)傳長期布局物聯(lián)網(wǎng)產(chǎn)業(yè)應(yīng)用、大數(shù)據(jù)平臺建設(shè)，以及強(qiáng)大的ICT整合實(shí)力，讓雙方的創(chuàng)新研發(fā)能力與行業(yè)經(jīng)驗(yàn)形成優(yōu)勢互補(bǔ)。
遠(yuǎn)傳與微軟合作的重要成果之一，包含共同研發(fā)的AI網(wǎng)絡(luò)流量預(yù)測模型，可以精準(zhǔn)預(yù)測未來一周中每15分鐘內(nèi)核心基站、二級基站以及OTT服務(wù)的流量，實(shí)現(xiàn)網(wǎng)絡(luò)流量的智能動(dòng)態(tài)配置。
優(yōu)化全網(wǎng)性能，需要智能流量預(yù)測
遠(yuǎn)傳一直致力于為用戶提供多元化、豐富的優(yōu)質(zhì)體驗(yàn)和創(chuàng)新應(yīng)用服務(wù)。遠(yuǎn)傳電信總經(jīng)理井琪表示：“電信行業(yè)競爭激烈，遠(yuǎn)傳很早就啟動(dòng)了轉(zhuǎn)型計(jì)劃，確定了‘大人物’戰(zhàn)略，即借助大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)技術(shù)去轉(zhuǎn)型和創(chuàng)新。遠(yuǎn)傳的AI策略是由內(nèi)而外的：對內(nèi)進(jìn)行員工AI培訓(xùn)、培養(yǎng)AI人才、逐步強(qiáng)化AI產(chǎn)品；對外針對消費(fèi)者和企業(yè)級客戶，提供‘大人物’解決方案。通過內(nèi)外兼具的AI策略，給客戶提供最好的服務(wù)。”
臺灣地區(qū)的電信用戶的網(wǎng)絡(luò)使用量在全球名列前茅，經(jīng)常會發(fā)生上文所提到的網(wǎng)絡(luò)流量需求大增的情況，如何進(jìn)行最有效的調(diào)度并優(yōu)化網(wǎng)絡(luò)，尤為關(guān)鍵。
在加入微軟亞洲研究院創(chuàng)新匯以后，遠(yuǎn)傳電信就著手收集公司各部門的痛點(diǎn)，并與微軟亞洲研究院一起率先開啟智能流量預(yù)測方面的探索。遠(yuǎn)傳電信的工程師提出，希望設(shè)計(jì)一個(gè)智能流量預(yù)測模型，可以預(yù)測核心基站、二級基站的流量，以及每個(gè)基站上Top 100網(wǎng)站等OTT服務(wù)的流量。
由于不同地區(qū)用戶的喜好不同，基站位置也不同，A地區(qū)的用戶可能偏愛某些短視頻應(yīng)用，而B地區(qū)的用戶則愛用某些游戲或視頻網(wǎng)站，就會使每個(gè)基站的流量因用戶的偏好存在相當(dāng)大的差異。如果有了AI流量預(yù)測模型，就可以有效判斷網(wǎng)絡(luò)用戶的上網(wǎng)行為，預(yù)測出某一地區(qū)、某一時(shí)段的用戶可能使用的應(yīng)用服務(wù)、觀看的節(jié)目、進(jìn)行的游戲，進(jìn)而將用戶所喜歡的內(nèi)容推送到離他最近的網(wǎng)絡(luò)節(jié)點(diǎn)上，甚至將用戶常用的應(yīng)用程序部署在靠近用戶一端的節(jié)點(diǎn)上，大幅降低網(wǎng)絡(luò)延遲，提升用戶體驗(yàn)。此外，智能流量預(yù)測也能為遠(yuǎn)傳電信5G基站選址提供更精準(zhǔn)的依據(jù)。
傳統(tǒng)的預(yù)測模型只能針對核心大基站進(jìn)行線性的全流量預(yù)測，只有少量第三方的開源工具可以針對具體的網(wǎng)絡(luò)應(yīng)用流量進(jìn)行預(yù)測，但準(zhǔn)確率不高，無法提供有效的指導(dǎo)。“對于AI來說，做預(yù)測恰恰是它的強(qiáng)項(xiàng)，”微軟亞洲研究院副院長劉鐵巖博士表示，“近年來微軟亞洲研究院通過‘創(chuàng)新匯’項(xiàng)目與行業(yè)領(lǐng)軍企業(yè)合作，在金融、物流、醫(yī)療等領(lǐng)域都發(fā)揮出了AI的巨大潛能。我們相信，AI也一定能夠在優(yōu)化電信網(wǎng)絡(luò)、智能預(yù)測流量、提升電信服務(wù)性能等方面發(fā)揮獨(dú)特作用，成為賦能電信領(lǐng)域的核心技術(shù)支撐。”
突破四大挑戰(zhàn)，破解流量預(yù)測難題
經(jīng)過4個(gè)多月的努力，雙方合作研究的AI流量預(yù)測模型效果顯著：核心基站的EPG總流量預(yù)測準(zhǔn)確率達(dá)99%；二級基站的eNB總流量預(yù)測準(zhǔn)確率達(dá)90.5%；針對Top 100網(wǎng)站等OTT服務(wù)流量預(yù)測準(zhǔn)確率達(dá)74%；可精準(zhǔn)預(yù)測未來一周每15分鐘內(nèi)的流量。據(jù)微軟亞洲研究院首席研究經(jīng)理邊江博士介紹，針對具體的網(wǎng)絡(luò)環(huán)境，研究員們從四個(gè)方面突破挑戰(zhàn)，通過AI技術(shù)大大提升了不同層級基站上不同服務(wù)的流量預(yù)測準(zhǔn)確率。
其一，創(chuàng)新神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)超長序列建模。流量趨勢具有明顯的周期性，或天、或周、或月的某個(gè)時(shí)間段的某個(gè)應(yīng)用服務(wù)會出現(xiàn)高峰，因此長時(shí)間序列模型的訓(xùn)練更容易找到其中的規(guī)律。而傳統(tǒng)基于統(tǒng)計(jì)的方法不能有效利用較長時(shí)間的數(shù)據(jù)，對此，微軟亞洲研究院采用了跨層鏈接的擴(kuò)張循環(huán)神經(jīng)網(wǎng)絡(luò)（Dilated RNN + Skip Connections），在局部對數(shù)據(jù)進(jìn)行跳躍式選取，確保了模型可以利用長時(shí)間數(shù)據(jù)進(jìn)行建模。
其二，流量峰值預(yù)測，把握分寸最重要。為了達(dá)到最優(yōu)的效果，AI技術(shù)不僅需要精準(zhǔn)預(yù)測出某段時(shí)間流量高峰的來臨，而且還要確保預(yù)測的偏差值要稍微高于峰值，讓流量配置有適當(dāng)?shù)娜哂啵A(yù)測峰值也不宜過高，以免造成帶寬資源的浪費(fèi)。研究員們采用了兩個(gè)函數(shù)來保證預(yù)測偏差值處于最佳狀態(tài)，一個(gè)確保整體預(yù)測的準(zhǔn)確度，另一個(gè)針對實(shí)際應(yīng)用環(huán)境，將峰值適當(dāng)向上偏移。在不同的網(wǎng)絡(luò)環(huán)境下，兩個(gè)函數(shù)進(jìn)行加權(quán)組合，確保相應(yīng)場景下的最合適的預(yù)測準(zhǔn)確率。
其三，數(shù)據(jù)抖動(dòng)和噪聲需正則化處理。不同基站上不同服務(wù)的屬性差別相當(dāng)大，例如一線城市需要經(jīng)常訪問海外搜索網(wǎng)站，三、四線城市對視頻、游戲類應(yīng)用的需求較大，不同屬性的流量數(shù)據(jù)存在巨大差異，有著較大的抖動(dòng)和噪聲，而且部分?jǐn)?shù)據(jù)的比例缺失，不利于模型學(xué)習(xí)。基于此，微軟亞洲研究院針對不同基站節(jié)點(diǎn)和服務(wù)的數(shù)據(jù)進(jìn)行正則化處理，使得在不同時(shí)間點(diǎn)訓(xùn)練模型時(shí)，數(shù)據(jù)都可以在相對一致的分布區(qū)間，保證模型在不同時(shí)間、不同信號上都能做到更加精確的學(xué)習(xí)。
其四，AI技術(shù)與行業(yè)洞察相結(jié)合，更精準(zhǔn)。基于遠(yuǎn)傳電信專業(yè)人員的行業(yè)經(jīng)驗(yàn)，雙方建立了一個(gè)知識庫，與多層次智能預(yù)測模型結(jié)合使用。例如運(yùn)營人員會有些常規(guī)經(jīng)驗(yàn)總結(jié)，類似A應(yīng)用一般在中午12點(diǎn)左右出現(xiàn)流量高峰、B搜索網(wǎng)站的峰值可能會是晚上7、8點(diǎn)鐘等，行業(yè)洞察和經(jīng)驗(yàn)積累與預(yù)測模型動(dòng)態(tài)加權(quán)，更好地保證了整體流量預(yù)測的準(zhǔn)確率。
授人以魚不如授人以漁
事實(shí)上，在解決業(yè)務(wù)難題的同時(shí)，微軟亞洲研究院希望通過合作“授之以漁”，幫助合作伙伴具備AI的思維和能力。遠(yuǎn)傳電信執(zhí)行副總裁饒仲華表示：“遠(yuǎn)傳電信一直在尋找將時(shí)間序列融入到機(jī)器學(xué)習(xí)中的突破點(diǎn)。此次超長建模的實(shí)現(xiàn)，讓遠(yuǎn)傳電信更好地掌握了將時(shí)間序列與神經(jīng)網(wǎng)絡(luò)模型關(guān)聯(lián)的方法，這樣的模型算法并不只局限于流量預(yù)測上，只要數(shù)據(jù)豐富，有大量的時(shí)間序列，舉一反三之后，類似的AI模型可以解決更多與時(shí)間序列有關(guān)的業(yè)務(wù)問題。”
除此之外，遠(yuǎn)傳電信對機(jī)器學(xué)習(xí)所需的數(shù)據(jù)也有了進(jìn)一步的了解，對數(shù)據(jù)的收集、處理與存儲也形成了較為系統(tǒng)的方法。“過去，我們認(rèn)為原始數(shù)據(jù)只要做了數(shù)據(jù)清洗之后就可以使用，但事實(shí)遠(yuǎn)比想象的復(fù)雜，其中數(shù)據(jù)的收集手段、存儲時(shí)間、規(guī)模大小、處理過程都會影響數(shù)據(jù)的品質(zhì)，影響機(jī)器學(xué)習(xí)的訓(xùn)練進(jìn)程，”遠(yuǎn)傳電信執(zhí)行副總裁饒仲華表示。以AI流量預(yù)測模型為例，預(yù)測周期為15天時(shí)，需要連續(xù)3、4個(gè)月的數(shù)據(jù)；周期為一年，就需要3、4年的數(shù)據(jù)，而并不是一個(gè)月或一年的數(shù)據(jù)就足夠。“在與微軟研究員的探討中，我們也形成了良好的數(shù)據(jù)收集方式，為將來的AI模型訓(xùn)練奠定高質(zhì)量的數(shù)據(jù)基礎(chǔ)。”
數(shù)字化轉(zhuǎn)型，心態(tài)和文化是核心
一直以來，遠(yuǎn)傳電信都將用戶體驗(yàn)放在第一位，希望可以讓用戶享受到更高質(zhì)量的網(wǎng)絡(luò)服務(wù)，提升用戶滿意度。
“遠(yuǎn)傳電信堅(jiān)信技術(shù)能夠改變世界，所以我們從來沒有停止探索新技術(shù)對于自身業(yè)務(wù)的提升。”遠(yuǎn)傳電信總經(jīng)理井琪表示，“很高興與微軟亞洲研究院合作，用AI預(yù)測通信網(wǎng)絡(luò)流量場景，讓我們看到了AI技術(shù)在電信行業(yè)的無限潛力。”
微軟亞洲研究院副院長劉鐵巖表示，“為了將AI與電信場景相結(jié)合，遠(yuǎn)傳電信和微軟亞洲研究院在多個(gè)業(yè)務(wù)領(lǐng)域做過探討，AI流量預(yù)測模型的成功合作得益于遠(yuǎn)傳電信一直以來對于數(shù)字化轉(zhuǎn)型戰(zhàn)略的堅(jiān)持。此次合作開啟了雙方在AI+電信領(lǐng)域的攜手創(chuàng)新，同時(shí)也是遠(yuǎn)傳電信在數(shù)字化轉(zhuǎn)型路上的諸多里程碑之一。”
在新冠疫情席卷全球、顛覆人們生活和工作方式的今天，越來越多的企業(yè)意識到數(shù)字化轉(zhuǎn)型的重要性和緊迫性。而多年前就開始進(jìn)行數(shù)字化轉(zhuǎn)型的遠(yuǎn)傳電信認(rèn)識到，企業(yè)轉(zhuǎn)型的最大挑戰(zhàn)和核心，是心態(tài)和文化上的轉(zhuǎn)變，這需要管理者具有強(qiáng)大的領(lǐng)導(dǎo)力和魄力，能夠引領(lǐng)所有員工達(dá)成共識，才能使轉(zhuǎn)型順利進(jìn)行。同時(shí)，企業(yè)數(shù)字化轉(zhuǎn)型還需要從上至下、由內(nèi)而外、從人才文化到組織架構(gòu)全方位做好準(zhǔn)備。
“在轉(zhuǎn)型的過程中，遠(yuǎn)傳電信不斷提升自身的能力以及核心價(jià)值。未來，我們將持續(xù)利用大數(shù)據(jù)、人工智能和物聯(lián)網(wǎng)技術(shù)轉(zhuǎn)型成為數(shù)字化企業(yè)。我們希望通過與微軟亞洲研究院持續(xù)合作，探索數(shù)據(jù)驅(qū)動(dòng)的新服務(wù)，利用數(shù)據(jù)模型增值現(xiàn)有應(yīng)用，深耕AIoT領(lǐng)域，時(shí)刻準(zhǔn)備好迎接新機(jī)遇。”遠(yuǎn)傳電信總經(jīng)理井琪表示。
