中国电信胡骞：数字化+AI助力光网络智能化演进升级

4月26日消息（水易）在今日举行的“2022中国光通信高质量发展论坛——网络智能化专场”上，中国电信研究院高级工程师胡骞发表“光网络管控与运维的智能化演进”的主题演讲。

回顾光网络运营管控技术演进路径，过去呈现“分散+封闭”特征，烟囱式的单厂商单域，以及私有接口的管理模式，北向能力较难开放或有限开放。

随着SDN普及，呈现“集约+开放”特性，通过统一定义数据接口，实现跨域跨厂商的统一管理，北向能力开放。胡骞表示，中国电信构建的新一代云网运营系统符合上述集约和开放理念。

但是现阶段光网络运营管控在数据分析方面尚有不足。破局需要“数字化+AI助力”，也就是所谓智能光网络。要通过引入AI技术，使采集到的数据发挥价值，进而实现人工到自动化的转变，例如通过机器学习实现分析、优化、预测等。

构建新一代云网运营系统

为什么要构建新一代云网运营系统？胡骞表示，现有集团/省两级建设的烟囱式OSS系统存在数据信息孤岛，系统间接口多、系统能力不透明、功能集成度差，无法适应新一代云网融合业务的发展要求。迫切需要从技术架构、业务功能、运营体系等维度统一规划、统一构建“新一代云网运营系统”。

新一代云网运营系统，能够实现简洁、敏捷、集约、开放、安全的云网端到端运营，按照云、网、系统 融合方式，拉通 M域、B域、O域及网络，通过全数字化转型提升网络和资源运营效率。其中，数据采集层通过采控平台获取全网数据构建大数据湖并打造共享平台，最终通过应用能力层实现数字化赋能，这也是推动光网络智能化的基础。

自主研发光网络管控系统

具体到光网络，作为中国电信云网基础设施的重要部分，如何融入新一代云网运营系统中并发挥作用？胡骞介绍，中国电信目前总体思路是末端传输设备网元直控；城域/骨干传输设备分层管控。

ROADM和城域/骨干OTN设备采用分层管控方式，由厂商网管管理各自设备，但北向统一通过中国电信定义的I2接口与全光网智慧运营传输底座对接；接入型OTN设备则采用直控网元方式，引入自研接入型OTN设备统一管控系统（UMS）实现多厂商统一管理。胡骞强调，无论是直控网元还是分层管控模式，最终都实现了对设备数据的统一采集。

目前中国电信已经基于这一套运营管控体系进行了诸多实践。胡骞介绍，UMS在统一NETCONF/YANG接口的前提下实现了多厂商统一纳管。同时，它不仅具备传统厂商网络的能力，也在易用性方面做了较多探索。

“从统一的接口到数据采集，从能力的抽象到开放，就可以达到数字化赋能和智能化演进的目的。”胡骞指出。

数字化+AI助力光网络智能化

从封闭到开放，从构建新一代到实现数字化，我们距离智能光网络越来越近。” 胡骞指出，但是想要实现从数字化到智能化仍有一定的差距，而数据采集是其中关键之一。

Telemetry采用推模式，可以达到秒级甚至亚秒级，极大程度丰富数据量。胡骞指出，“解决了数据问题，那么再结合新一代云网运营系统提供的开放能力和数字化平台，就可以引入人工智能技术来挖掘数据价值，打造智能光网络，实现优质服务、简化运维、优化网络、降低成本的价值。”

胡骞介绍，智能光网络能够在流量预测、故障根因分析、光纤态势感知等多种典型应用场景发挥作用。

流量预测对于价值比较高的业务更能体现价值，比如专线业务，如果能够实现对未来流量的分析，就能够为客户提供更好的服务，或者为不同类别客户画像，用于指导后续业务开通和网络扩容。作为时间序列预测典型场景，流量预测算法本身不是障碍，但需要长期、大量的数据采集，希望后续能够“应采尽采”打造数据湖，再逐步提高数据质量，在后SDN时代发挥数据价值。

故障根因分析，可以在发生故障时能以较快的速度定位出根因。传统人工排障方式过于依赖专业技能，而伴随AI引入，可以对发生故障后产生的各种告警进行综合分析，化繁为简，准确定位根因。目前中国电信正在探索光模块的统一管控，并引入调顶技术推动实现跨域光模块的综合运维，也希望业界能够共同努力推动这项技术。

态势感知是现在比较热门的研究方向。光纤光缆由于无源特性，一直处于难以监管的哑资源状态。通过引入φ-OTDR传感器，根据瑞利散射信号强度的变化实现振源定位，依据解调后相位的变化实现振动大小的解调。由于不同振源引起的相位变化存在差异，结合AI算法训练，可实现对光纤光缆附近不同振源的识别、外破预警以及同沟同缆检测等，使哑资源监管自动化与智能化。

最后，胡骞指出，要实现光网络智能化，需要数字化和AI的助力。在此过程中，需要渗透数字化理念，SDN理念的集约和开放有利于打破烟囱壁垒，统一接口和北向能力开放是引入AI的重要架构基础。同时重视数据获取，运用Telemetry对网络管理数据实现“应采尽采”，打造数据湖。另外，数据是石油，提炼才能产生价值。此外，还需关注AI算法，这是未来光网智能化的重要技术抓手。

生成海报

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。