11月28日消息（九九）5G网络将同时支持To C和To B的万物互联，复杂度和挑战也前所未有，为应对这些挑战，5G需要 融合云、AI等新技术，探索云网融合、网业协同等整体方案。
在日前举行的“i无线-智简5G技术系列研讨会”第四场“i-RRM无线智能管控技术研讨会”上，中国移动研究院无线与终端技术研究所资深研究员孙奇表示，i-RRM是“i 无线-智简5G”理念的重要组成部分，通过引入智能管控算法，提升无线网络技术的创新能力。
孙奇指出，5G作为第一个同时面向To C和To B的网络，面临诸多挑战：一是确定性无线SLA保障“难”，由于空口动态变化特性，面向To B的确定性速率、时延、抖动和可靠性要求挑战大；二是现网多制式、多频段、多厂商的复杂组网环境协作要求“高”，难以通过简单算法实现优化；三是网络配置灵活性能优化“繁”，5G协议和空口特性更加灵活，流程逐渐复杂，需要拓展新的维度，采用新的算法，实现网络、业务和用户的主动式精细化 协同。
孙奇进一步指出，i-RRM（智能管控）可以有效提升无线网络运营效率。
在智能无线SLA保障方面，行业场景对确定性网络存在较高需求，可以通过“配”-“看”-“控”实现无线闭环SLA保障。“配”是需求导入/网络配置，行业业务分级分档，业务需求自动映射为无线网络行为逻辑；“看”是在线监测，可视可感，感知网络状态，支持异常检测、故障预警，基于网络数据提供业务KQI预测；“控”是闭环调整/能力开放，基于闭环SLA监测支撑实时网络调整和业务保障，无线能力开放，支撑行业自运维，实现网业协同。
在多网协同方面，4G/5G将长期共存，共同为客户提供优质的无线网络服务，面向1.8/1.9/2.6/4.9G等多频点协同，需要引入智能算法来实现多频点、多制式下的高效负载均衡、载波选择和切换优化。
在智能调度方面，信道信息优化可以借助神经网络的非线性还原优势，在基站侧还原UE实际信道特征，提升系统吞吐量；调制编码方式优化可以利用监督学习方法建立多种无线信息与MCS映射关系，简化现有的测量-反馈流程，优化小包传输效率；调度器优化可以通过人工智能算法实现简单、灵活的调度机制，提升用户体验，改善QoS指标。
在QoE业务保障方面，基于秒级、UE级数据，包括无线特征、传输特征、业务特征以及业务质量标签数据，利用AI算法分析网络和业务历史指标对业务质量的影响，预测下一时刻业务体验。基于KQI预测结果，实时向基站提供RRM参数优化建议优化资源调度，保障业务体验。
在调制编码方式优化方面，利用监督学习算法，建立无线指标与MCS的联系，简化无线系统针对MCS的决策链，节约CQI反馈开销，提供快速准确的调制编码方式，改善小包用户的业务体验。根据验证结果，相比传统方式增益约10%。
另外，孙奇介绍，在标准化方面，3GPP在Rel-17开展无线+AI数据采集增强和AI/ML功能框架和流程研究，CCSA也启动了5G无线网络智能化研究相关项目。在测试进展方面，2020年9月，中国移动联合合作伙伴在福建完成智能负载均衡外场测试，利用无线指纹降低异频测量开销，提升负载均衡效率和用户体验速率；2019年12月，在上海5G外场完成云VR QoE优化测试，有效降低业务的卡顿和黑边现象；2018年基于杭州现网数据完成智能MCS优化测试，中高负载小区用户频谱效率提升10%。
后续，中国移动将立足无线网痛点需求，持续推进无线智能化测试验证，促进技术和标准成熟，推动广泛应用。2019-2020年进行智能负载均衡、智能QoE优化和智能MCS初步测试验证，2021-2022年进一步推进SLA保障等垂直行业智能新特性测试验证，规划无线智能化企标特性。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
