下一代無線網(wǎng)絡(luò)由于服務(wù)需求的多樣性，應(yīng)用程序，設(shè)備和網(wǎng)絡(luò)的異構(gòu)性而發(fā)展成為非常復(fù)雜的系統(tǒng)。移動(dòng)網(wǎng)絡(luò)運(yùn)營商（MNO）需要充分利用可用資源，例如功率，頻譜以及基礎(chǔ)架構(gòu)。
傳統(tǒng)的網(wǎng)絡(luò)方法（即反應(yīng)性，集中管理的，一刀切的所有方法）和能力（空間和時(shí)間）有限的常規(guī)數(shù)據(jù)分析工具不再具有競爭力，就以下方面而言，它們無法滿足并服務(wù)于未來的復(fù)雜網(wǎng)絡(luò)：以經(jīng)濟(jì)有效的方式進(jìn)行操作和優(yōu)化。非常需要主動(dòng)，自我意識(shí)，自適應(yīng)和預(yù)測性網(wǎng)絡(luò)的新穎范例。 MNO可以訪問大量數(shù)據(jù)，尤其是來自網(wǎng)絡(luò)和訂戶的數(shù)據(jù)。大數(shù)據(jù)的系統(tǒng)開發(fā)極大地有助于使網(wǎng)絡(luò)變得智能，智能，并促進(jìn)經(jīng)濟(jì)高效的操作和優(yōu)化。
有鑒于此，我們考慮了數(shù)據(jù)驅(qū)動(dòng)的下一代無線網(wǎng)絡(luò)模型，其中MNO在其網(wǎng)絡(luò)中采用了高級數(shù)據(jù)分析。我們討論了數(shù)據(jù)來源以及采用數(shù)據(jù)分析和機(jī)器學(xué)習(xí)，人工智能使網(wǎng)絡(luò)智能化的強(qiáng)大動(dòng)力，這些知識(shí)包括自我感知，自適應(yīng)，主動(dòng)和規(guī)范性。結(jié)合數(shù)據(jù)分析，提出了一組網(wǎng)絡(luò)設(shè)計(jì)和優(yōu)化方案。本文最后討論了在下一代通信系統(tǒng)中采用大數(shù)據(jù)分析和人工智能的挑戰(zhàn)和好處。
在服務(wù)驅(qū)動(dòng)的下一代網(wǎng)絡(luò)中，單個(gè)基礎(chǔ)架構(gòu)需要有效，靈活地提供多種服務(wù)，例如增強(qiáng)的移動(dòng)寬帶，超可靠和低延遲的通信以及大規(guī)模的機(jī)器類型通信。它還應(yīng)支持第五代（5G），長期演進(jìn)（LTE）和Wi-Fi等多種標(biāo)準(zhǔn)的共存訪問，并協(xié)調(diào)具有不同類型的基站（BS）（例如宏，微基站）的異構(gòu)網(wǎng)絡(luò)，毫微微，微微BS和各種用戶設(shè)備以及應(yīng)用程序[1]。對于移動(dòng)網(wǎng)絡(luò)運(yùn)營商（MNO）而言，有效地運(yùn)營能夠促進(jìn)這種靈活性同時(shí)滿足多樣化服務(wù)需求的網(wǎng)絡(luò)所面臨的挑戰(zhàn)是巨大的。最重要的是，移動(dòng)網(wǎng)絡(luò)運(yùn)營商在擴(kuò)大覆蓋范圍和滿足不斷增長的容量需求，有限的資金和頻譜等資源匱乏方面面臨巨大挑戰(zhàn)。手動(dòng)配置網(wǎng)絡(luò)規(guī)劃，控制和優(yōu)化將使事情變得更加復(fù)雜。而且，人機(jī)交互有時(shí)可能很耗時(shí)，容易出錯(cuò)并且昂貴。因此，考慮到減少運(yùn)營費(fèi)用，蜂窩網(wǎng)絡(luò)的各種實(shí)體和功能的自動(dòng)化已經(jīng)成為MNO的主要關(guān)注之一。
運(yùn)營商一直在優(yōu)化其網(wǎng)絡(luò)，但是直到今天，流行的方法還是獨(dú)立地優(yōu)化單個(gè)關(guān)鍵績效指標(biāo)（KPI）或網(wǎng)絡(luò)中的一個(gè)元素[2]，從而使用少量數(shù)據(jù)源。 MNO大多依賴于網(wǎng)絡(luò)不同位置/部分積累的KPI來采用各種數(shù)據(jù)分析工具進(jìn)行決策。網(wǎng)絡(luò)監(jiān)視和優(yōu)化仍然主要在舊數(shù)據(jù)/記錄的數(shù)據(jù)上執(zhí)行，但這極大地限制了它們的容量。通常，MNO可以/可以從其自己的網(wǎng)絡(luò)和訂戶訪問大量數(shù)據(jù)。借助適當(dāng)?shù)姆治?，大?shù)據(jù)可從多個(gè)來源汲取以揭示以前未知的模式和相關(guān)性，因此可以傳達(dá)更廣泛的直觀性和理解力[3]。受益于對各種未知值的透徹了解，并提出了各種措施來提高不同級別無線網(wǎng)絡(luò)的性能。
分析為優(yōu)化帶來的價(jià)值來自擴(kuò)大數(shù)據(jù)源范圍，并采用以客戶為中心的基于體驗(yàn)質(zhì)量（QoE）的方法來優(yōu)化端到端網(wǎng)絡(luò)性能。在擴(kuò)大數(shù)據(jù)源范圍時(shí)，與傳統(tǒng)的優(yōu)化相比，分析需要更多的精力，但它也為多個(gè)優(yōu)化目標(biāo)提供了一個(gè)統(tǒng)一的融合平臺(tái)?，F(xiàn)在，在第三代合作伙伴計(jì)劃（3GPP）中，引入了網(wǎng)絡(luò)數(shù)據(jù)分析（NWDA），以自動(dòng)提供切片和流量控制與分離（在3GPP和非3GPPaccess之間）相關(guān)的分析[4]。歐洲電信標(biāo)準(zhǔn)協(xié)會(huì)（ETSI）已創(chuàng)建了一個(gè)稱為實(shí)驗(yàn)網(wǎng)絡(luò)智能（ENI）的行業(yè)規(guī)范小組，該小組定義了一種基于人工智能（AI）技術(shù)和上下文感知策略的認(rèn)知網(wǎng)絡(luò)管理體系結(jié)構(gòu)。 ENI模型可幫助MNO自動(dòng)化網(wǎng)絡(luò)配置和監(jiān)控過程。
從運(yùn)營費(fèi)用的角度來看，該系統(tǒng)需要是智能的，自我感知的，自適應(yīng)的，并且必須能夠經(jīng)濟(jì)地運(yùn)行網(wǎng)絡(luò)服務(wù)并能夠自主管理和運(yùn)行網(wǎng)絡(luò)[5]。 常規(guī)的無功維護(hù)不再有效。 利用大數(shù)據(jù)分析，可以對網(wǎng)絡(luò)元素進(jìn)行預(yù)測性和主動(dòng)性維護(hù)。 隨著數(shù)據(jù)量，流入數(shù)據(jù)的速度以及數(shù)據(jù)源的范圍和類型，網(wǎng)絡(luò)甚至超出了預(yù)測范圍，即，它可以幫助和/或規(guī)定操作和維護(hù)單元以及決策選項(xiàng)和行動(dòng)的影響 機(jī)器學(xué)習(xí)（ML）和AI可以幫助發(fā)現(xiàn)無線網(wǎng)絡(luò)的未知屬性，識(shí)別我們無法通過檢查看到的關(guān)聯(lián)和異常，并提出優(yōu)化網(wǎng)絡(luò)部署和運(yùn)營的新穎方法。
