互聯網尤其是4G時代的移動互聯網近幾年迅速普及大眾，中國基本進入人聯網時代，同時也帶來了網絡流量的激增，并且由于通信業的充分競爭，服務定制化、套餐多樣化、定向流量、不限量套餐等新業務開始大規模運營，這種大流量、多樣化、定制化的流量服務給網絡管理施加了很大壓力。

傳統監控存瓶頸

不論是從安全性還是服務優化的角度考慮，網絡監控都是運營商必須重點部署的一環，網絡監控出問題，給用戶最直接的感受就是服務質量下降，降低民眾對運營商的好感度。

傳統監控方式有兩種做法：一是給指標M1設置一個水位線，當M1低于（或高于）水位，觸發報警；二是給指標M1設置同比、環比波動幅度，比如同比波動20%、環比波動10%觸發報警。

以上兩種方式，對于大流量的監控效果不理想，這種靜態閾值長期來看沒有適應變化的能力，需要人工維護，而且報警準確性也依賴于同比、環比數據的穩定性。在線路非常多的情況下，人工維護將耗費非常大的人力。

隨著軟硬件的發展，機器算力大幅提高，人工智能的應用得以實現。讓系統具備自動適應變化的能力，能夠預測網絡流量，根據網絡流量作為閾值主要參考，自動調整閾值水位，并且對網絡故障進行定位，成為了網絡監控領域的關鍵問題。利用人工智能實現自適應的智能網絡是當前階段運營商可以落地且直接受益的人工智能運用方向。

基于人工智能的智能網絡

監控網絡流量預測方法

網絡流量監控的核心問題是對網絡流量的精確預測，預測讓“被動應對”轉變為“主動選擇”應對策略，預測問題是目前人工智能較為成熟的一個應用方向。

預測結果的好壞除了客觀條件的影響外，預測模型是流量預測的關鍵，按建模方法一般把預測模型分為兩類。

·基于線性時間序列建模的預測。該建模方法結構簡單、運算快，可用于短期預測；但簡化了實際流量的假設條件，模型中流量隨時間序列呈平滑變化，未考慮流量的波動性等非線性變化。典型模型有AR、ARMA、ARIMA、FARIMA等。

·基于人工智能的網絡流量預測。網絡流量不是平穩變化，而是存在很大的波動性，因此接近真實情況的模型必定是非線性的，融合多種理論的人工智能流量預測，相比于線性時間序列，精度大幅提升。其中，神經網絡算法以其自學習、非線性逼近性強，是當前廣泛使用的網絡流量預測算法。

人工智能網絡重構

人工智能雖然是互聯網科技公司推動并處于領先地位，但對于通信運營商而言，人工智能帶來的更多是機遇。運營商擁有多年的數據積累，形成了超大規模的數據，這些數據更多時候沒有為運營商帶來很大的價值，人工智能讓數據變現成為可能，海量數據成為了寶貴的資源。在產業互聯網領域，運營商先天具有構建數據壁壘的能力，具有數據先發優勢。

當前，運營商積極進入ICT產業鏈，在發展創新業務轉型升級的同時，也讓網絡運維變得更加復雜，依靠人力支撐迅猛發展的網絡已越來越不可行。使用人工智能來重構通信網絡，通過網絡智能化來提升運維效率，保證用戶體驗，完成智能化的升級和轉型，成為運營商的必然選擇。

人工智能通過在下面三個層面上對網絡重構進行重構。

·基礎設施層

按基礎設施的作用，針對不同層次的硬件，提供不同的人工智能學習推理能力，例如中心數據機房最先使用人工智能，用于全局流量調度，并且具有數據集中、數據量大、易于集中訓練等優勢；在邊緣側提供現場級的人工智能加速器，加快設備的智能化。

·網絡和業務控制層

人工智能具有自學習自推理能力，對于網絡的部署、優化、維護有更快的計算和更優的結果，按照網絡層級，實現KPI、路由、網絡策略的優化等以及智能優化網絡的覆蓋能力、高熱點區域等。

·運營和編排層

在大數據平臺，運營商的OSS（Operation Support System，運營支撐系統）和BSS（Business Support System，業務支撐系統）數據可基于人工智能做深度挖掘，在編排層（包括產品編排、業務編排、端到端資源編排）引入人工智能，對分析運營業務量并進行預測，由靜態應對轉為動態規劃。

智能網絡監控系統

一個完整的智能網絡監控系統包含以下幾個部分：人工智能流程預測模塊、異常初步檢測模塊、疑似異常二次檢測/故障初步定位模塊、故障報警模塊等4個主要模塊（如圖1所示）。

人工智能流量預測模塊：通過人工智能算法，歷史數據學習，形成流量預測能力。

異常初步檢測模塊：通過人工智能流量預測模塊預測的實時流量和檢測策略配置的策略組合成檢測策略，與實時數據進行檢測，初步檢測出疑似異常。

疑似異常二次檢測/故障初步定位模塊：根據初步檢測出的疑似異常，對相關的日志進行分析并且對相關的網絡設備進行自動檢測，根據日志分析和自動檢測的結果，判定是否是故障并對故障進行初步定位。

故障報警模塊：根據故障分析的結果和告警策略的配置，對告警進行過濾，發送告警給客戶。

智能網絡監控系統的工作流程如下：通過人工智能的智能預測的功能預測流量，通過流量差異初步判斷網絡是否存在故障；初步分析故障是真實故障還是誤報；利用診斷型分析技術，找出產生故障的原因，及時精準地發現并解決網絡問題，從而降低故障的響應和處理時間，降低運維成本，提高用戶滿意度。

小結

網絡監控是運營商通信服務中重要的一環，網絡流量監控的核心問題是對網絡流量的精確預測，本文分析對比了當前的預測方法，相比于線性時間序列，基于人工智能的網絡流量預測精度大幅提升；對于智能網絡重構，提出在基礎設施層、網絡和業務控制層、運營和編排層等不同的層級選擇不同的人工智能策略；在實際應用中的智能網絡監控系統應由人工智能流程預測、異常初步檢測、疑似異常二次檢測/故障初步定位、故障報警等4個主要模塊組成。搭建基于人工智能的智能網絡監控在提高檢測準確度、削減人工成本、提升用戶感知等方面幫助運營商實現價值。
? ? ? ?責任編輯：tzh