迎接5G时代，远传电信借助AI预测模型动态优化网络流量
一个夏日的夜晚，台湾远传电信在台南某地区网络流量突然暴增，发出告警，没有人预料到夜半时分的台南会迎来流量高峰。调查发现，当时 TikTok 刚刚在台南兴起，很多年轻人热衷于睡前用手机刷短视频，导致夜半时分的网络流量陡升。
为了更精准地提前掌握网络流量，让流量调度最优化，远传在2018年加入微软亚洲研究院“创新汇”，成为微软长期的 AI 战略合作伙伴，期望通过双方的紧密合作，运用微软在 AI 领域突破性的技术成果，结合远传长期布局物联网产业应用、大数据平台建设，以及强大的 ICT 整合实力，让双方的创新研发能力与行业经验形成优势互补。
远传与微软合作的重要成果之一，包含共同研发的 AI 网络流量预测模型，可以精准预测未来一周中每15分钟内核心基站、二级基站以及 OTT 服务的流量，实现网络流量的智能动态配置。
远传一直致力于为用户提供多元化、丰富的优质体验和创新应用服务。远传电信总经理井琪表示：“电信行业竞争激烈，远传很早就启动了转型计划，确定了‘大人物’战略，即借助大数据、人工智能、物联网技术去转型和创新。远传的 AI 策略是由内而外的：对内进行员工 AI 培训、培养 AI 人才、逐步强化 AI 产品；对外针对消费者和企业级客户，提供‘大人物’解决方案。通过内外兼具的 AI 策略，给客户提供最好的服务。”
在微软亚洲研究院创新论坛2019上，微软亚洲研究院院长洪小文（左）为远传电信总经理井琪（右）颁发会员证书
台湾地区的电信用户的网络使用量在全球名列前茅，经常会发生上文所提到的网络流量需求大增的情况，如何进行最有效的调度并优化网络，尤为关键。
在加入微软亚洲研究院创新汇以后，远传电信就着手收集公司各部门的痛点，并与微软亚洲研究院一起率先开启智能流量预测方面的探索。远传电信的工程师提出，希望设计一个智能流量预测模型，可以预测核心基站、二级基站的流量，以及每个基站上 Top 100 网站等 OTT 服务的流量。
由于不同地区用户的喜好不同，基站位置也不同，A 地区的用户可能偏爱某些短视频应用，而 B 地区的用户则爱用某些游戏或视频网站，就会使每个基站的流量因用户的偏好存在相当大的差异。
如果有了 AI 流量预测模型，就可以有效判断网络用户的上网行为，预测出某一地区、某一时段的用户可能使用的应用服务、观看的节目、进行的游戏，进而将用户所喜欢的内容推送到离他最近的网络节点上，甚至将用户常用的应用程序部署在靠近用户一端的节点上，大幅降低网络延迟，提升用户体验。此外，智能流量预测也能为远传电信 5G 基站选址提供更精准的依据。
传统的预测模型只能针对核心大基站进行线性的全流量预测，只有少量第三方的开源工具可以针对具体的网络应用流量进行预测，但准确率不高，无法提供有效的指导。“对于 AI 来说，做预测恰恰是它的强项，”微软亚洲研究院副院长刘铁岩博士表示，“近年来微软亚洲研究院通过‘创新汇’项目与行业领军企业合作，在金融、物流、医疗等领域都发挥出了 AI 的巨大潜能。我们相信，AI 也一定能够在优化电信网络、智能预测流量、提升电信服务性能等方面发挥独特作用，成为赋能电信领域的核心技术支撑。”
经过4个多月的努力，双方合作研究的 AI 流量预测模型效果显著：核心基站的 EPG 总流量预测准确率达99%；二级基站的 eNB 总流量预测准确率达90.5%；针对 Top 100 网站等 OTT 服务流量预测准确率达74%；可精准预测未来一周每15分钟内的流量。据微软亚洲研究院首席研究经理边江博士介绍，针对具体的网络环境，研究员们从四个方面突破挑战，通过 AI 技术大大提升了不同层级基站上不同服务的流量预测准确率。
其一，创新神经网络实现超长序列建模。流量趋势具有明显的周期性，或天、或周、或月的某个时间段的某个应用服务会出现高峰，因此长时间序列模型的训练更容易找到其中的规律。而传统基于统计的方法不能有效利用较长时间的数据，对此，微软亚洲研究院采用了跨层链接的扩张循环神经网络（Dilated RNN + Skip Connections），在局部对数据进行跳跃式选取，确保了模型可以利用长时间数据进行建模。
其二，流量峰值预测，把握分寸最重要。为了达到最优的效果，AI 技术不仅需要精准预测出某段时间流量高峰的来临，而且还要确保预测的偏差值要稍微高于峰值，让流量配置有适当的冗余，但预测峰值也不宜过高，以免造成带宽资源的浪费。研究员们采用了两个函数来保证预测偏差值处于最佳状态，一个确保整体预测的准确度，另一个针对实际应用环境，将峰值适当向上偏移。在不同的网络环境下，两个函数进行加权组合，确保相应场景下的最合适的预测准确率。
其三，数据抖动和噪声需正则化处理。不同基站上不同服务的属性差别相当大，例如一线城市需要经常访问海外搜索网站，三、四线城市对视频、游戏类应用的需求较大，不同属性的流量数据存在巨大差异，有着较大的抖动和噪声，而且部分数据的比例缺失，不利于模型学习。基于此，微软亚洲研究院针对不同基站节点和服务的数据进行正则化处理，使得在不同时间点训练模型时，数据都可以在相对一致的分布区间，保证模型在不同时间、不同信号上都能做到更加精确的学习。
其四，AI 技术与行业洞察相结合，更精准。基于远传电信专业人员的行业经验，双方建立了一个知识库，与多层次智能预测模型结合使用。例如运营人员会有些常规经验总结，类似 A 应用一般在中午12点左右出现流量高峰、B 搜索网站的峰值可能会是晚上7、8点钟等，行业洞察和经验积累与预测模型动态加权，更好地保证了整体流量预测的准确率。
事实上，在解决业务难题的同时，微软亚洲研究院希望通过合作“授之以渔”，帮助合作伙伴具备 AI 的思维和能力。远传电信执行副总裁饶仲华表示：“远传电信一直在寻找将时间序列融入到机器学习中的突破点。此次超长建模的实现，让远传电信更好地掌握了将时间序列与神经网络模型关联的方法，这样的模型算法并不只局限于流量预测上，只要数据丰富，有大量的时间序列，举一反三之后，类似的 AI 模型可以解决更多与时间序列有关的业务问题。”
除此之外，远传电信对机器学习所需的数据也有了进一步的了解，对数据的收集、处理与存储也形成了较为系统的方法。“过去，我们认为原始数据只要做了数据清洗之后就可以使用，但事实远比想象的复杂，其中数据的收集手段、存储时间、规模大小、处理过程都会影响数据的品质，影响机器学习的训练进程，”远传电信执行副总裁饶仲华表示。以 AI 流量预测模型为例，预测周期为15天时，需要连续3、4个月的数据；周期为一年，就需要3、4年的数据，而并不是一个月或一年的数据就足够。“在与微软研究员的探讨中，我们也形成了良好的数据收集方式，为将来的 AI 模型训练奠定高质量的数据基础。”
一直以来，远传电信都将用户体验放在第一位，希望可以让用户享受到更高质量的网络服务，提升用户满意度。
“远传电信坚信技术能够改变世界，所以我们从来没有停止探索新技术对于自身业务的提升。”远传电信总经理井琪表示，“很高兴与微软亚洲研究院合作，用 AI 预测通信网络流量场景，让我们看到了 AI 技术在电信行业的无限潜力。”
微软亚洲研究院副院长刘铁岩表示，“为了将 AI 与电信场景相结合，远传电信和微软亚洲研究院在多个业务领域做过探讨，AI 流量预测模型的成功合作得益于远传电信一直以来对于数字化转型战略的坚持。此次合作开启了双方在 AI+电信领域的携手创新，同时也是远传电信在数字化转型路上的诸多里程碑之一。”
在新冠疫情席卷全球、颠覆人们生活和工作方式的今天，越来越多的企业意识到数字化转型的重要性和紧迫性。而多年前就开始进行数字化转型的远传电信认识到，企业转型的最大挑战和核心，是心态和文化上的转变，这需要管理者具有强大的领导力和魄力，能够引领所有员工达成共识，才能使转型顺利进行。同时，企业数字化转型还需要从上至下、由内而外、从人才文化到组织架构全方位做好准备。
“在转型的过程中，远传电信不断提升自身的能力以及核心价值。未来，我们将持续利用大数据、人工智能和物联网技术转型成为数字化企业。我们希望通过与微软亚洲研究院持续合作，探索数据驱动的新服务，利用数据模型增值现有应用，深耕 AIoT 领域，时刻准备好迎接新机遇。”远传电信总经理井琪表示。
你也许还想看：