中文引用格式: 徐丹,王海宁,袁祥枫,等. 基于AI的5G网络切片管理技术研究[J].电子技术应用,2020,46(1):6-11,16. 英文引用格式: Xu Dan,Wang Haining,Yuan Xiangfeng,et al. Research on AI based 5G network slice management technology[J]. Application of Electronic Technique,2020,46(1):6-11,16.
0引言5G时代电信业务呈现出多场景、差异化、需求动态变化等特点,网络切片作为5G的关键使能技术之一,将现有物理网络进行业务逻辑分割,形成独立的业务逻辑网络,能够为具有不同性能要求的垂直行业提供差异化、相互隔离、功能可定制的网络服务。5G网络切片技术使多个逻辑网络能够通过云和虚拟化技术共享同一套物理基础设施,在保证服务等级协议(Service Level Agreement,SLA)的同时,可以有效节约成本。然而网络基础设施变得越来越复杂、异构、大规模,而新应用的涌现却越来越快,业务需求变化更加实时动态,网络切片管理面临很大挑战。人工智能(Artificial Intelligence,AI)是指在理论、方法、技术及应用系统方面研究人脑的智能行为,通过计算机智能模拟人类的思维观点,使人类对自身活动的认知程度更进一步。自1956年诞生以来,人工智能理论和技术日益成熟,应用领域也不断扩大。人工智能的准确性得益于大量的数据训练,若将运营商在运营过程中累积的大量数据应用到人工智能技术中,则可大大提升网络自动化水平,降低网络运营成本,为用户提供更精确的数据服务以及覆盖范围更广的网络区域。总而言之,人工智能技术在应对网络复杂重复性工作方面具有天然优势。国内外的学者对人工智能技术和网络切片技术融合开展了研究工作。文献[1]提出了基于人工智能微服务的智能物联网5G集成架构,在该架构中AI服务将作为微服务提供,5G集成平台同时允许在集中式数据中心和靠近物联网设备边缘处不间断地提供AI服务,可以部署在集成化的5G网络切片上,替代了当前单片集成的物联网云服务。文献[2]中为了能满足多样化、异构化网络需求,提出了一种基于网络切片的灵活的、可适应的、可编程的体系结构,这种架构框架允许引入资源弹性作为有效利用5G系统计算资源的关键手段,使5G系统自动化适应负载和其他系统变化,保证在每个时间点,可用资源尽可能匹配需求。文献[3]利用人工智能技术学习各网络切片的流量需求量,并预测下一区间的流量需求。根据对切片需求的预测,提出了一种新的弹性片间无线资源管理模型,在不影响片间连接服务质量的前提下提高复用增益。文献[4]提出了智能切片理论,即按需实例化人工智能功能模块,并以分布式方式部署这些模块,以实现灵活且可扩展的框架,解决了将人工智能集成到无线网络技术的主要局限问题。文献[5]提出了一个基于长短期记忆循环神经网络与传统神经网络的网络流量预测模型。通过与传统机器学习流量预测方法相对比,验证了该模型在网络流量预测中的适用性与更高的准确性。将上述流量预测模型应用在基于软件定义网络技术的智能化承载网切片系统中,以提升网络资源利用率。另外国内外标准组织(包括3GPP、CCSA、ETSI、ITU-T、TMF、Linux Foundation等)均已开展将AI应用于网络切片的相关协议研究和概念验证原型系统研发等工作中。目前仍然缺乏将AI技术和网络切片管理系统融合的架构,因此本文将基于3GPP提出的三层网络切片管理系统,考虑引入AI能力,提出一个统一的基于AI的智能切片管理架构。基于该统一的架构设计,介绍了智能切片管理流程,主要包括切片设计、切片创建、切片更新、切片监控和切片业务体验评估。并通过车联网和医疗的应用案例说明智能切片管理通过灵活智能调度网络资源从而保障业务性能。1网络切片管理系统针对网络切片编排和管理,3GPP定义了网络切片管理系统,逻辑上包括通信业务管理功能(Communication Service Management Function,CSMF)、网络切片管理功能(Network Service Management Function,NSMF)、网络切片子网管理(Network Slice Subnet Management Function,NSSMF)三大部分功能,如图1所示。其中CSMF实现用户的业务需求到网络切片需求的映射,NSMF将网络切片的需求转换成对子网切片的需求,负责网络切片实例的管理和编排,NSSMF将各子网切片的需求转换为对网络功能的需求,NSSMF又分为无线(Access Network,AN)切片子网管理(AN-NSSMF)、核心网(Core Network,CN)切片子网管理(CN-NSSMF)和传输网(Transport Network,TN)切片子网管理(TN-NSSMF)。
[1] MYOUNGLEE G,UM T,CHOI J K.AI as a microservice(AIMS) over 5G networks[C].2018 ITU Kaleidoscope:Machine Learning for a 5G Future(ITU K),Santa Fe,2018.
[2] GUTIERREZ-ESTEVEZ D M.Artificial intelligence for elastic management and orchestration of 5G networks[J].IEEE Wireless Communications,2019,26(5):134-141.
[3] KHATIBI S,JANO A.Elastic slice-aware radio resource management with AI-traffic prediction[C].2019 European Conference on Networks and Communications(EuCNC),Valencia,Spain,2019:575-579.
[4] JIANG W,ANTON S D,SCHOTTEN H D.Intelligence slicing:a unified framework to integrate artificial intelligence into 5G networks[C].2019 12th IFIP Wireless and Mobile Networking Conference(WMNC),Paris,France,2019:227-232.