一個夏日的夜晚，臺灣遠傳電信在臺南某地區網絡流量突然暴增，發出告警，沒有人預料到夜半時分的臺南會迎來流量高峰。調查發現，當時TikTok剛剛在臺南興起，很多年輕人熱衷于睡前用手機刷短視頻，導致夜半時分的網絡流量陡升。

為了更精準地提前掌握網絡流量，讓流量調度最優化，遠傳在2018年加入微軟亞洲研究院“創新匯”，成為微軟長期的AI戰略合作伙伴，期望通過雙方的緊密合作，運用微軟在AI領域突破性的技術成果，結合遠傳長期布局物聯網產業應用、大數據平臺建設，以及強大的ICT整合實力，讓雙方的創新研發能力與行業經驗形成優勢互補。

遠傳與微軟合作的重要成果之一，包含共同研發的AI網絡流量預測模型，可以精準預測未來一周中每15分鐘內核心基站、二級基站以及OTT服務的流量，實現網絡流量的智能動態配置。

優化全網性能，需要智能流量預測

遠傳一直致力于為用戶提供多元化、豐富的優質體驗和創新應用服務。遠傳電信總經理井琪表示：“電信行業競爭激烈，遠傳很早就啟動了轉型計劃，確定了‘大人物’戰略，即借助大數據、人工智能、物聯網技術去轉型和創新。遠傳的AI策略是由內而外的：對內進行員工AI培訓、培養AI人才、逐步強化AI產品；對外針對消費者和企業級客戶，提供‘大人物’解決方案。通過內外兼具的AI策略，給客戶提供最好的服務。”

臺灣地區的電信用戶的網絡使用量在全球名列前茅，經常會發生上文所提到的網絡流量需求大增的情況，如何進行最有效的調度并優化網絡，尤為關鍵。

在加入微軟亞洲研究院創新匯以后，遠傳電信就著手收集公司各部門的痛點，并與微軟亞洲研究院一起率先開啟智能流量預測方面的探索。遠傳電信的工程師提出，希望設計一個智能流量預測模型，可以預測核心基站、二級基站的流量，以及每個基站上Top 100網站等OTT服務的流量。

由于不同地區用戶的喜好不同，基站位置也不同，A地區的用戶可能偏愛某些短視頻應用，而B地區的用戶則愛用某些游戲或視頻網站，就會使每個基站的流量因用戶的偏好存在相當大的差異。如果有了AI流量預測模型，就可以有效判斷網絡用戶的上網行為，預測出某一地區、某一時段的用戶可能使用的應用服務、觀看的節目、進行的游戲，進而將用戶所喜歡的內容推送到離他最近的網絡節點上，甚至將用戶常用的應用程序部署在靠近用戶一端的節點上，大幅降低網絡延遲，提升用戶體驗。此外，智能流量預測也能為遠傳電信5G基站選址提供更精準的依據。

傳統的預測模型只能針對核心大基站進行線性的全流量預測，只有少量第三方的開源工具可以針對具體的網絡應用流量進行預測，但準確率不高，無法提供有效的指導。“對于AI來說，做預測恰恰是它的強項，”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‘創新匯’項目與行業領軍企業合作，在金融、物流、醫療等領域都發揮出了AI的巨大潛能。我們相信，AI也一定能夠在優化電信網絡、智能預測流量、提升電信服務性能等方面發揮獨特作用，成為賦能電信領域的核心技術支撐。”

突破四大挑戰，破解流量預測難題

經過4個多月的努力，雙方合作研究的AI流量預測模型效果顯著：核心基站的EPG總流量預測準確率達99%；二級基站的eNB總流量預測準確率達90.5%；針對Top 100網站等OTT服務流量預測準確率達74%；可精準預測未來一周每15分鐘內的流量。據微軟亞洲研究院首席研究經理邊江博士介紹，針對具體的網絡環境，研究員們從四個方面突破挑戰，通過AI技術大大提升了不同層級基站上不同服務的流量預測準確率。

其一，創新神經網絡實現超長序列建模。流量趨勢具有明顯的周期性，或天、或周、或月的某個時間段的某個應用服務會出現高峰，因此長時間序列模型的訓練更容易找到其中的規律。而傳統基于統計的方法不能有效利用較長時間的數據，對此，微軟亞洲研究院采用了跨層鏈接的擴張循環神經網絡（Dilated RNN + Skip Connections），在局部對數據進行跳躍式選取，確保了模型可以利用長時間數據進行建模。

其二，流量峰值預測，把握分寸最重要。為了達到最優的效果，AI技術不僅需要精準預測出某段時間流量高峰的來臨，而且還要確保預測的偏差值要稍微高于峰值，讓流量配置有適當的冗余，但預測峰值也不宜過高，以免造成帶寬資源的浪費。研究員們采用了兩個函數來保證預測偏差值處于最佳狀態，一個確保整體預測的準確度，另一個針對實際應用環境，將峰值適當向上偏移。在不同的網絡環境下，兩個函數進行加權組合，確保相應場景下的最合適的預測準確率。

其三，數據抖動和噪聲需正則化處理。不同基站上不同服務的屬性差別相當大，例如一線城市需要經常訪問海外搜索網站，三、四線城市對視頻、游戲類應用的需求較大，不同屬性的流量數據存在巨大差異，有著較大的抖動和噪聲，而且部分數據的比例缺失，不利于模型學習。基于此，微軟亞洲研究院針對不同基站節點和服務的數據進行正則化處理，使得在不同時間點訓練模型時，數據都可以在相對一致的分布區間，保證模型在不同時間、不同信號上都能做到更加精確的學習。

其四，AI技術與行業洞察相結合，更精準。基于遠傳電信專業人員的行業經驗，雙方建立了一個知識庫，與多層次智能預測模型結合使用。例如運營人員會有些常規經驗總結，類似A應用一般在中午12點左右出現流量高峰、B搜索網站的峰值可能會是晚上7、8點鐘等，行業洞察和經驗積累與預測模型動態加權，更好地保證了整體流量預測的準確率。

授人以魚不如授人以漁

事實上，在解決業務難題的同時，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。遠傳電信執行副總裁饒仲華表示：“遠傳電信一直在尋找將時間序列融入到機器學習中的突破點。此次超長建模的實現，讓遠傳電信更好地掌握了將時間序列與神經網絡模型關聯的方法，這樣的模型算法并不只局限于流量預測上，只要數據豐富，有大量的時間序列，舉一反三之后，類似的AI模型可以解決更多與時間序列有關的業務問題。”

除此之外，遠傳電信對機器學習所需的數據也有了進一步的了解，對數據的收集、處理與存儲也形成了較為系統的方法。“過去，我們認為原始數據只要做了數據清洗之后就可以使用，但事實遠比想象的復雜，其中數據的收集手段、存儲時間、規模大小、處理過程都會影響數據的品質，影響機器學習的訓練進程，”遠傳電信執行副總裁饒仲華表示。以AI流量預測模型為例，預測周期為15天時，需要連續3、4個月的數據；周期為一年，就需要3、4年的數據，而并不是一個月或一年的數據就足夠。“在與微軟研究員的探討中，我們也形成了良好的數據收集方式，為將來的AI模型訓練奠定高質量的數據基礎。”

數字化轉型，心態和文化是核心

一直以來，遠傳電信都將用戶體驗放在第一位，希望可以讓用戶享受到更高質量的網絡服務，提升用戶滿意度。

“遠傳電信堅信技術能夠改變世界，所以我們從來沒有停止探索新技術對于自身業務的提升。”遠傳電信總經理井琪表示，“很高興與微軟亞洲研究院合作，用AI預測通信網絡流量場景，讓我們看到了AI技術在電信行業的無限潛力。”

微軟亞洲研究院副院長劉鐵巖表示，“為了將AI與電信場景相結合，遠傳電信和微軟亞洲研究院在多個業務領域做過探討，AI流量預測模型的成功合作得益于遠傳電信一直以來對于數字化轉型戰略的堅持。此次合作開啟了雙方在AI+電信領域的攜手創新，同時也是遠傳電信在數字化轉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，越來越多的企業意識到數字化轉型的重要性和緊迫性。而多年前就開始進行數字化轉型的遠傳電信認識到，企業轉型的最大挑戰和核心，是心態和文化上的轉變，這需要管理者具有強大的領導力和魄力，能夠引領所有員工達成共識，才能使轉型順利進行。同時，企業數字化轉型還需要從上至下、由內而外、從人才文化到組織架構全方位做好準備。

“在轉型的過程中，遠傳電信不斷提升自身的能力以及核心價值。未來，我們將持續利用大數據、人工智能和物聯網技術轉型成為數字化企業。我們希望通過與微軟亞洲研究院持續合作，探索數據驅動的新服務，利用數據模型增值現有應用，深耕AIoT領域，時刻準備好迎接新機遇。”遠傳電信總經理井琪表示。
責任編輯：tzh