互聯(lián)網(wǎng)的迅速普及使得網(wǎng)絡(luò)流量激增，傳統(tǒng)的流量監(jiān)控方式是給監(jiān)測(cè)指標(biāo)設(shè)置水位線或波動(dòng)幅度，當(dāng)?shù)陀?高于水位或超過波動(dòng)范圍時(shí)觸發(fā)報(bào)警，但靜態(tài)閾值沒有適應(yīng)變化的能力，需要人工維護(hù)，但在線路非常多的情況下，人工維護(hù)將耗費(fèi)非常大。隨著軟硬件的發(fā)展，機(jī)器算力大幅提高，人工智能（Artificial Intelligence，AI）的應(yīng)用得以實(shí)現(xiàn)。讓系統(tǒng)具備自動(dòng)適應(yīng)變化的能力，能夠預(yù)測(cè)網(wǎng)絡(luò)流量，將網(wǎng)絡(luò)流量作為閾值主要參考，自動(dòng)調(diào)整閾值水位，并且對(duì)網(wǎng)絡(luò)故障進(jìn)行定位，成為了網(wǎng)絡(luò)監(jiān)控領(lǐng)域的關(guān)鍵問題。利用人工智能實(shí)現(xiàn)自適應(yīng)的智能網(wǎng)絡(luò)是當(dāng)前階段運(yùn)營(yíng)商可以落地且直接受益的人工智能運(yùn)用方向。

人工智能加速發(fā)展人工智能是研究機(jī)器以人類思維方式學(xué)習(xí)、推理、決策的當(dāng)前最前沿研究方向之一，是計(jì)算機(jī)科學(xué)中難度很大、挑戰(zhàn)性很強(qiáng)的一個(gè)分支，當(dāng)前人工智能僅能模仿人類能力的子片段，還處于弱人工智能階段。

人工智能這個(gè)概念已經(jīng)存在幾十年，20世紀(jì)60年代神經(jīng)網(wǎng)絡(luò)的概念就已經(jīng)被提出，但神經(jīng)網(wǎng)絡(luò)的正式使用是最近幾年由于整體算力的大幅提高才得以實(shí)現(xiàn)的。20世紀(jì)80年代，人工智能主要專注于定義明確的領(lǐng)域，發(fā)展基于規(guī)則的專家系統(tǒng)。人工智能的知識(shí)來自于人類專家，并通過“if-then”邏輯去表達(dá)，隨后集成在硬件中，這些系統(tǒng)被成功用于解決某些嚴(yán)格定義的問題，然而這種系統(tǒng)無(wú)法處理不確定性，即使存在明顯缺陷，但其系統(tǒng)引領(lǐng)了重要的解決方案，該方面的技術(shù)開發(fā)目前仍然很活躍。近年來，得益于數(shù)據(jù)量的增大，計(jì)算能力的增強(qiáng)，以及優(yōu)化的機(jī)器學(xué)習(xí)技術(shù)，人工智能興起，人工智能系統(tǒng)常常能在特定任務(wù)方面勝過人類，如象棋、語(yǔ)音圖像識(shí)別、圍棋等并且發(fā)展速度正在加快。可以預(yù)見，性能最強(qiáng)大的系統(tǒng)都會(huì)基于機(jī)器學(xué)習(xí)方法，而不是一套人工編碼的規(guī)則。

運(yùn)營(yíng)商網(wǎng)絡(luò)監(jiān)控需求近幾年，4G時(shí)代的移動(dòng)互聯(lián)網(wǎng)迅速普及，中國(guó)基本進(jìn)入人聯(lián)網(wǎng)時(shí)代，這帶來了網(wǎng)絡(luò)流量的激增。由于通信業(yè)的充分競(jìng)爭(zhēng)，服務(wù)定制化、套餐多樣化、定向流量、不限量套餐等新業(yè)務(wù)開始大規(guī)模運(yùn)營(yíng)，這種大流量、多樣化、定制化的流量服務(wù)給網(wǎng)絡(luò)管理施加了很大壓力。不論是從安全性還是服務(wù)優(yōu)化的角度考慮，網(wǎng)絡(luò)監(jiān)控都是運(yùn)營(yíng)商必須重點(diǎn)部署的一環(huán)，網(wǎng)絡(luò)監(jiān)控出問題，給用戶最直接的感受就是服務(wù)質(zhì)量下降，會(huì)降低民眾對(duì)運(yùn)營(yíng)商的好感度。

傳統(tǒng)監(jiān)控方式有兩種做法：一是給指標(biāo)M1設(shè)置一個(gè)水位線，當(dāng)M1低于（或高于）水位，觸發(fā)報(bào)警；二是給指標(biāo)M1設(shè)置同比、環(huán)比波動(dòng)幅度，比如，同比波動(dòng)20%、環(huán)比波動(dòng)10%觸發(fā)報(bào)警。

以上兩種方式對(duì)于大流量的監(jiān)控效果不理想，這種靜態(tài)閾值長(zhǎng)期來看沒有適應(yīng)變化的能力，需要人工維護(hù)，而且報(bào)警準(zhǔn)確性也依賴于同環(huán)比數(shù)據(jù)的穩(wěn)定性。在線路非常多的情況下，人工維護(hù)將耗費(fèi)非常大。讓系統(tǒng)具備自動(dòng)適應(yīng)變化的能力，能夠預(yù)測(cè)網(wǎng)絡(luò)流量，根據(jù)網(wǎng)絡(luò)流量作為閾值主要參考，自動(dòng)調(diào)整閾值水位，并且對(duì)網(wǎng)絡(luò)故障進(jìn)行定位，成為了網(wǎng)絡(luò)監(jiān)控領(lǐng)域的關(guān)鍵問題。利用人工智能實(shí)現(xiàn)自適應(yīng)的智能網(wǎng)絡(luò)是當(dāng)前階段運(yùn)營(yíng)商可以落地且直接受益的人工智能運(yùn)用方向。

基于人工智能的智能網(wǎng)絡(luò)監(jiān)控網(wǎng)絡(luò)流量預(yù)測(cè)方法網(wǎng)絡(luò)流量監(jiān)控的核心問題是對(duì)網(wǎng)絡(luò)流量的精確預(yù)測(cè)，預(yù)測(cè)讓被動(dòng)應(yīng)對(duì)轉(zhuǎn)變?yōu)橹鲃?dòng)選擇應(yīng)對(duì)策略，預(yù)測(cè)問題是目前人工智能較為成熟的應(yīng)用方向。預(yù)測(cè)結(jié)果的好壞除了受客觀條件的影響外，預(yù)測(cè)模型是流量預(yù)測(cè)的關(guān)鍵，按建模方法一般把預(yù)測(cè)模型分為兩類。

一是基于線性時(shí)間序列建模的預(yù)測(cè)方法。該建模方法結(jié)構(gòu)簡(jiǎn)單、運(yùn)算快，可用于短期預(yù)測(cè)，但簡(jiǎn)化了實(shí)際流量的假設(shè)條件，模型中流量隨時(shí)間序列平滑變化，未考慮流量的波動(dòng)性等非線性變化。典型模型有AR、ARMA、ARIMA、FARIMA等。

二是基于人工智能的網(wǎng)絡(luò)流量預(yù)測(cè)。網(wǎng)絡(luò)流量不是平穩(wěn)變化，而是存在很大的波動(dòng)性，因此接近真實(shí)情況的模型必定是非線性的，融合多種理論的人工智能流量預(yù)測(cè)相比于線性時(shí)間序列，精度大幅提升。其中，神經(jīng)網(wǎng)絡(luò)算法以其自學(xué)習(xí)、非線性逼近性強(qiáng)，是當(dāng)前廣泛使用的網(wǎng)絡(luò)流量預(yù)測(cè)算法。

人工智能網(wǎng)絡(luò)重構(gòu)

人工智能雖然由互聯(lián)網(wǎng)科技公司推動(dòng)，但對(duì)于通信運(yùn)營(yíng)商而言，人工智能帶來更多機(jī)遇。運(yùn)營(yíng)商在有多年的數(shù)據(jù)積累，形成了超大規(guī)模的數(shù)據(jù)，這些數(shù)據(jù)尚未給運(yùn)營(yíng)商帶來很大的價(jià)值，人工智能讓數(shù)據(jù)變現(xiàn)成為可能，海量數(shù)據(jù)成為了寶貴的資源。在產(chǎn)業(yè)互聯(lián)網(wǎng)領(lǐng)域，運(yùn)營(yíng)商先天具有構(gòu)建數(shù)據(jù)壁壘的能力，具有數(shù)據(jù)先發(fā)優(yōu)勢(shì)。

當(dāng)前，運(yùn)營(yíng)商積極進(jìn)入ICT產(chǎn)業(yè)鏈，在發(fā)展創(chuàng)新業(yè)務(wù)轉(zhuǎn)型升級(jí)的同時(shí)，也讓網(wǎng)絡(luò)運(yùn)維變得更加復(fù)雜，依靠人力支撐迅猛發(fā)展的網(wǎng)絡(luò)已越來越不可行。使用人工智能來重構(gòu)通信網(wǎng)絡(luò)，通過網(wǎng)絡(luò)智能化來提升運(yùn)維效率、保證用戶體驗(yàn)、完成智能化的升級(jí)和轉(zhuǎn)型，成為運(yùn)營(yíng)商的必然選擇。

人工智能可以在以下三個(gè)層面對(duì)網(wǎng)絡(luò)進(jìn)行重構(gòu)。

基礎(chǔ)設(shè)施層：按基礎(chǔ)設(shè)施的作用，針對(duì)不同層次的硬件，提供不同的人工智能學(xué)習(xí)推理能力，例如中心數(shù)據(jù)機(jī)房最先使用人工智能，用于全局流量調(diào)度，并且具有數(shù)據(jù)集中、數(shù)據(jù)量大、易于集中訓(xùn)練等優(yōu)勢(shì)，在邊緣側(cè)提供現(xiàn)場(chǎng)級(jí)的人工智能加速器，加快設(shè)備的智能化。

網(wǎng)絡(luò)和業(yè)務(wù)控制層：人工智能具有自學(xué)習(xí)自推理能力，對(duì)于網(wǎng)絡(luò)的部署、優(yōu)化、維護(hù)有更快的計(jì)算和更優(yōu)的結(jié)果，按照網(wǎng)絡(luò)層級(jí)，實(shí)現(xiàn)KPI、路由、網(wǎng)絡(luò)策略的優(yōu)化等，智能優(yōu)化網(wǎng)絡(luò)的覆蓋能力、高熱點(diǎn)區(qū)域等。

運(yùn)營(yíng)和編排層：在大數(shù)據(jù)平臺(tái)，運(yùn)營(yíng)商的OSS（Operation Support System，運(yùn)營(yíng)支撐系統(tǒng)）和BSS（Business Support System，業(yè)務(wù)支撐系統(tǒng)）數(shù)據(jù)可基于人工智能做深度挖掘，在編排層（包括產(chǎn)品編排、業(yè)務(wù)編排、端到端資源編排）引入人工智能，分析運(yùn)營(yíng)業(yè)務(wù)量并進(jìn)行預(yù)測(cè)，由靜態(tài)應(yīng)對(duì)轉(zhuǎn)為動(dòng)態(tài)規(guī)劃。

智能網(wǎng)絡(luò)監(jiān)控系統(tǒng)一個(gè)完整的智能網(wǎng)絡(luò)監(jiān)控系統(tǒng)包含：人工智能流程預(yù)測(cè)模塊、異常初步檢測(cè)模塊、疑似異常二次檢測(cè)/故障初步定位模塊、故障報(bào)警模塊等4個(gè)主要模塊。

人工智能流量預(yù)測(cè)模塊：通過人工智能算法，進(jìn)行歷史數(shù)據(jù)學(xué)習(xí)，形成流量預(yù)測(cè)能力。

異常初步檢測(cè)模塊：通過人工智能流量預(yù)測(cè)模塊預(yù)測(cè)的實(shí)時(shí)流量和檢測(cè)策略配置的策略組合成檢測(cè)策略，與實(shí)時(shí)數(shù)據(jù)進(jìn)行檢測(cè)，初步檢測(cè)出疑似異常。

疑似異常二次檢測(cè)/故障初步定位模塊：根據(jù)初步檢測(cè)出的疑似異常，對(duì)相關(guān)的日志進(jìn)行分析并且對(duì)相關(guān)的網(wǎng)絡(luò)設(shè)備進(jìn)行自動(dòng)檢測(cè)，根據(jù)日志分析和自動(dòng)檢測(cè)的結(jié)果，判定是否是出現(xiàn)故障，并且對(duì)故障進(jìn)行初步定位。

故障報(bào)警模塊：根據(jù)故障分析的結(jié)果和告警策略的配置，對(duì)告警進(jìn)行過濾，發(fā)送告警給客戶。

另外，智能網(wǎng)絡(luò)監(jiān)控系統(tǒng)的工作流程如下：通過人工智能的智能預(yù)測(cè)功能預(yù)測(cè)流量，通過流量差異初步判斷網(wǎng)絡(luò)是否存在故障；初步分析故障是真實(shí)故障還是誤報(bào)；利用診斷型分析技術(shù)，找出產(chǎn)生故障的原因，及時(shí)精準(zhǔn)地發(fā)現(xiàn)并解決網(wǎng)絡(luò)問題，從而降低故障的響應(yīng)和處理時(shí)間，降低運(yùn)維成本，提高用戶滿意度。

小結(jié)網(wǎng)絡(luò)監(jiān)控是運(yùn)營(yíng)商通信服務(wù)中重要的一環(huán)，網(wǎng)絡(luò)流量監(jiān)控的核心問題是對(duì)網(wǎng)絡(luò)流量的精確預(yù)測(cè)，通過分析對(duì)比當(dāng)前的預(yù)測(cè)方法可以發(fā)現(xiàn)，相比于線性時(shí)間序列，基于人工智能的網(wǎng)絡(luò)流量預(yù)測(cè)精度大幅提升；對(duì)于智能網(wǎng)絡(luò)重構(gòu)，可以在基礎(chǔ)設(shè)施層、網(wǎng)絡(luò)和業(yè)務(wù)控制層、運(yùn)營(yíng)和編排層等不同的層級(jí)選擇不同的人工智能策略；在實(shí)際應(yīng)用中的智能網(wǎng)絡(luò)監(jiān)控系統(tǒng)應(yīng)由人工智能流程預(yù)測(cè)、異常初步檢測(cè)、疑似異常二次檢測(cè)/故障初步定位、故障報(bào)警等4個(gè)主要模塊組成。搭建基于人工智能的智能網(wǎng)絡(luò)監(jiān)控在提高檢測(cè)準(zhǔn)確度、削減人工成本、提升用戶感知等方面能夠幫助運(yùn)營(yíng)商實(shí)現(xiàn)價(jià)值。
責(zé)任編輯；zl