AIIA ：2021电信行业人工智能应用白皮书（45页）.pdf

《AIIA ：2021电信行业人工智能应用白皮书（45页）.pdf》由会员分享，可在线阅读，更多相关《AIIA ：2021电信行业人工智能应用白皮书（45页）.pdf（45页珍藏版）》请在三个皮匠报告上搜索。

1、人工智能在电信行业中的应用实践（一） 移动网应用实践案例案例一：物联网端到端质差识别与定位定段随着物联网技术的发展，目前物联网的业务类型与业务量与日俱增，物联网业务呈现流程繁、规模大、环节多的特点，故障发现与定位困难的问题日益显著，亟需在对物联网客户端到端的业务质量进行更有效的质量监控及故障定界定段。然而不同厂商的质差评价标准存在相似性但也存在差异性，现阶段需要对不同厂商不同型号终端建立质差识别模块，费时费力。物联网业务涉及设备终端、物联网平台、无线小区网、地市本地网、省核心网等多个环节，采用人工智能技术、利用和关联各环节业务数据，可以提供业务故障的快速诊断、定界定段能力，整体提升物联网业务质

2、量。同时，通过搭建基于大数据的质差量化感知指标体系，基于现有的物联网质差评价方法，结合离线大数据分析手段建立量化的质差感知指标体系，可以实现日常业务故障排查、潜在隐患预警。而不同企业的质差评价标准存在差异性但也存在相似性或者相关性，因此可以基于关键指标分布与迁移学习，建立企业特征库，支撑终端升级、变更等业务场景。在中国电信的物联网业务保障项目中，基于大数据聚合分析手段，通过建立分厂家的企业特征指纹库，结合终端历史行为构造单用户行为画像，利用“标准值+偏移量”的方法搭建动态的质差感知体系，适配多种复杂情况，目前已经完成多场景多厂家的终端质差识别，上线推广应用可得到较高的准确率。案例二：智能基站节

3、能传统网络能耗居高不下、能耗不均衡造成浪费，随着5G的到来， 5G基站耗能更大，如何制定基站节能策略、定制自动化节能方案、提高能源效率已经成为构建全网覆盖的基站智慧节能核心能力。结合B（业务）-O（运营）域关联、测量报告覆盖分析来，利用时序预测等AI技术，能够更精准的预测基站业务量，结合客户感知分析，制定节能策略。在5G 基站方面，对 5G基站和数据中心服务器进行适时的休眠和唤醒操作，实现动态节能。通过构建基站节能分析引擎、节能智慧决策引擎及相关模型算法完成从4G节能分析建议手动执行到 4G 节能分级策略半自动实施再到4/5G 协同的自动节能。利用时序预测等 AI 技术，结合客户感知分析，能够

4、更精准的预测基站业务量，制定节能策略。在5G 基站方面，对 5G 基站和数据中心服务器进行适时的休眠和唤醒操作，实现动态节能。通过构建基站节能分析引擎、节能智慧决策引擎及相关模型算法完成从4G 节能分析建议手动执行到4G节能分级策略半自动实施再到4G/5G协同的自动节能。现网当前已经出现利用机器学习、时间序列预测等人工智能模型构建基站节能分析引擎，实现多种节能场景分析、节能时段寻底、多维场景识别、多层覆盖分析、时空智能预测、B（业务） -O（运营）关联分析；利用深度学习、自动机器学习等人工智能模型构建的节能智能决策引擎，来实现智能分级决策、参数自动寻优、业务感知分析、智能刹车/唤醒。通过构建基站节能分析引擎和节能智慧决策引擎，中国电信已经构建4G基站智慧节能系统，并完成节能系统迭代优化，操作维护中心（OMC）节能打通，省级自动节能策略试点优化，支持二阶段的半自动节能；初步建立集团-省基站节能体系和闭环流程，对3 个以上省提供节能分析推荐建议，实现4G自动节能策略试点，场景节能策略日综合节能效率提升显著。