IMT-2020(5G)推進(jìn)組報

告2024-12IMT-2020(5G)推進(jìn)組目 錄1. 前言............................................................................................................................................

12. 網(wǎng)絡(luò)智能化標(biāo)準(zhǔn)與架構(gòu)............................................................................................................22.1

標(biāo)準(zhǔn)進(jìn)展............................................................................................................................

22.2 智能化網(wǎng)絡(luò)架構(gòu)演進(jìn)......................................................................................................33.網(wǎng)絡(luò)智能化應(yīng)用場景................................................................................................................

73.1 體驗(yàn)保障..........................................................................................................................

73.2 潛客挖掘..........................................................................................................................

93.3 綠色上網(wǎng)........................................................................................................................

103.4 信令風(fēng)暴檢測和預(yù)防....................................................................................................113.5 跨域數(shù)據(jù)安全建模........................................................................................................134. 網(wǎng)絡(luò)智能化近期發(fā)展建議......................................................................................................154.1 核心網(wǎng)與接入網(wǎng)協(xié)同....................................................................................................154.2 網(wǎng)絡(luò)與終端能力協(xié)同....................................................................................................154.3 網(wǎng)絡(luò)與

B

域協(xié)同............................................................................................................174.4 體驗(yàn)評測體系建立........................................................................................................175. 網(wǎng)絡(luò)智能化演進(jìn)分析..............................................................................................................195.1 技術(shù)演進(jìn)........................................................................................................................

195.1.1 大模型+網(wǎng)絡(luò)......................................................................................................195.1.2 AI

Agent+網(wǎng)絡(luò)..................................................................................................205.1.3 數(shù)字孿生+網(wǎng)絡(luò)..................................................................................................215.2 架構(gòu)演進(jìn)........................................................................................................................

215.3 應(yīng)用展望........................................................................................................................

226. 總結(jié)..........................................................................................................................................

24貢獻(xiàn)單位..........................................................................................................................................

25IMT-2020(5G)推進(jìn)組1. 前言隨著

5G

技術(shù)的飛速發(fā)展，通信網(wǎng)絡(luò)正逐步邁向全新的智能化時代。5G-A（5G-Advanced）作為

5G

技術(shù)的演進(jìn)版本，不僅在網(wǎng)絡(luò)速度、延遲、連接數(shù)等方面實(shí)現(xiàn)了顯著提升，更引入了通感一體、無源物聯(lián)、內(nèi)生智能等革命性技術(shù)，為通信網(wǎng)絡(luò)的智能化發(fā)展開辟了廣闊的前景。在

5G-A

網(wǎng)絡(luò)中，智能化技術(shù)的應(yīng)用不僅提升了網(wǎng)絡(luò)性能和用戶體驗(yàn)，還推動了網(wǎng)絡(luò)運(yùn)維的自動化和高效化。從網(wǎng)絡(luò)數(shù)據(jù)分析功能（NWDAF）的引入，到基于

AI

的聯(lián)邦學(xué)習(xí)、數(shù)字孿生等前沿技術(shù)的探索，5G-A

網(wǎng)絡(luò)正逐步實(shí)現(xiàn)從單一的數(shù)據(jù)傳輸網(wǎng)絡(luò)向智能化、自適應(yīng)、可配置的下一代網(wǎng)絡(luò)轉(zhuǎn)型。本專題報告旨在深入探討

5G-A

網(wǎng)絡(luò)智能化場景及關(guān)鍵技術(shù)，全面梳理

5G-A

網(wǎng)絡(luò)智能化的最新研究成果和應(yīng)用實(shí)踐，涵蓋體驗(yàn)保障、潛客挖掘、綠色上網(wǎng)、信令風(fēng)暴檢測和預(yù)防等多個應(yīng)用場景，以及智能化網(wǎng)絡(luò)架構(gòu)的演進(jìn)趨勢和關(guān)鍵技術(shù)的深入剖析。通過詳細(xì)分析網(wǎng)絡(luò)智能化標(biāo)準(zhǔn)進(jìn)展、智能化網(wǎng)絡(luò)架構(gòu)演進(jìn)、網(wǎng)絡(luò)智能化應(yīng)用場景及技術(shù)分析等內(nèi)容，為通信行業(yè)的未來發(fā)展提供有價值的參考和指導(dǎo)。本專題報告希望未來通過多方合作伙伴通力協(xié)作，在場景、技術(shù)、產(chǎn)品、應(yīng)用等多方面深入探索，共同推進(jìn)

5G-A

網(wǎng)絡(luò)智能化產(chǎn)業(yè)發(fā)展與生態(tài)繁榮，為網(wǎng)絡(luò)智能化轉(zhuǎn)型升級打下堅(jiān)實(shí)基礎(chǔ)，迎接數(shù)智融合的新紀(jì)元。1IMT-2020(5G)推進(jìn)組網(wǎng)絡(luò)智能化標(biāo)準(zhǔn)與架構(gòu)為了規(guī)范和指導(dǎo)網(wǎng)絡(luò)智能化進(jìn)程，3GPP

SA

工作組在網(wǎng)絡(luò)智能化標(biāo)準(zhǔn)與架構(gòu)方面取得了顯著進(jìn)展。本章簡要介紹了

3GPP

SA

在網(wǎng)絡(luò)智能化方面的標(biāo)準(zhǔn)化工作，重點(diǎn)分析從

R15

到R19

版本的演進(jìn)過程，以及智能化網(wǎng)絡(luò)架構(gòu)的發(fā)展趨勢。標(biāo)準(zhǔn)進(jìn)展3GPP

SA

一直致力于網(wǎng)絡(luò)架構(gòu)相關(guān)標(biāo)準(zhǔn)化定義，SA2

側(cè)重網(wǎng)絡(luò)架構(gòu)，SA5

側(cè)重網(wǎng)絡(luò)管理，目前兩個工作組均就網(wǎng)絡(luò)智能化進(jìn)行了相關(guān)定義。3GPP

SA2

在

R15

版本的

5G

網(wǎng)絡(luò)架構(gòu)中引入了網(wǎng)絡(luò)數(shù)據(jù)分析功能（

Network

DataAnalyticsFunction，NWDAF），初步定義了網(wǎng)絡(luò)數(shù)據(jù)分析網(wǎng)元的主要功能接口。3GPPR16版本定義了基于

NWDAF

的通用智能網(wǎng)絡(luò)架構(gòu)，并定義了多種網(wǎng)絡(luò)數(shù)據(jù)分析的價值場景及對應(yīng)的流程，包括網(wǎng)絡(luò)業(yè)務(wù)體驗(yàn)、網(wǎng)絡(luò)性能、切片負(fù)載、網(wǎng)絡(luò)功能負(fù)載、終端移動性/通信/異常事件、服務(wù)質(zhì)量（QoS）可持續(xù)性、用戶數(shù)據(jù)擁塞情況等。3GPP

R17

版本，在架構(gòu)方面，完成了

NWDAF

的功能解耦，將

NWDAF

分解為模型訓(xùn)練邏輯功能（Model

Training

LogicalFunction，MTLF）與分析邏輯功能（Analytics

Logical

Function，AnLF）；多

NWDAF

實(shí)例支持分層部署，通過數(shù)據(jù)分析任務(wù)分發(fā)和分析結(jié)果聚合，實(shí)現(xiàn)大任務(wù)場景下的數(shù)據(jù)分析推理目標(biāo)；支持

NWDAF

重選場景下訂閱和分析上下文信息的轉(zhuǎn)移，提高切換場景數(shù)據(jù)分析效率；引入數(shù)據(jù)采集協(xié)調(diào)功能（Data

Collection

Coordination

Function，DCCF）、消息框架適配功能（Messaging

Framework

Adaptor

Function）和數(shù)據(jù)分析存儲庫功能（Analytics

DataRepositoryFunction，ADRF），大大提升數(shù)據(jù)采集、處理和存儲效率；引入應(yīng)用數(shù)據(jù)收集功能（Data

Collection

Application

Function）用于收集終端應(yīng)用數(shù)據(jù)。在價值場景方面，進(jìn)一步增強(qiáng)，新增定義了數(shù)據(jù)網(wǎng)絡(luò)性能、終端與應(yīng)用的離散分布、無線局域網(wǎng)（WirelessLocal

Area

Network，WLAN）性能、會話管理擁塞控制、冗余傳輸?shù)?。R18

版本致力于解決NWDAF

分析結(jié)果和模型的正確性問題，定義分析結(jié)果和模型的精度度量指標(biāo)，NWDAF

支持精度監(jiān)控和精度調(diào)整；定義漫游數(shù)據(jù)分析架構(gòu)，支持漫游場景下數(shù)據(jù)采集和分析結(jié)果共享；NWDAF

支持橫向聯(lián)邦學(xué)習(xí)提高模型訓(xùn)練效率；定義模型跨廠商共享能力，提供模型共享機(jī)制。同時，價值場景也進(jìn)一步豐富和增強(qiáng)，新增

NWDAF

輔助加密流檢測和

PCF

更新

URSP

功能；支持細(xì)粒度區(qū)域

QoS

穩(wěn)定性分析，車聯(lián)網(wǎng)場景下精細(xì)粒度

QoS

控制需求；新增相對臨近分析，2IMT-2020(5G)推進(jìn)組NWDAF

輸出對一個或一組

UE

與周邊其它

UE

之間的距離，速度，相對方向，移動軌跡，相互可能發(fā)生碰撞的時間分析或預(yù)測等。3GPP

R19

版本當(dāng)前已經(jīng)啟動研究和標(biāo)準(zhǔn)制定工作，其中包含

AI

輔助定位增強(qiáng)，基于

NWDAF

和

AF

的縱向聯(lián)邦學(xué)習(xí)，NWDAF

輔助策略控制和

QoS

增強(qiáng)以及信令風(fēng)暴檢測和抑制等，伴隨著以

NWDAF

為核心的架構(gòu)和場景的逐步增強(qiáng)和完善，智能和網(wǎng)絡(luò)已經(jīng)深度融合。3GPP

SA5

一直致力于網(wǎng)絡(luò)自動化與智能化相關(guān)的使能與管理工作。在

R16

版本中完成了基于

NFV

場景下的移動網(wǎng)絡(luò)策略管理（Network

policy

management

for

mobile

networksbased

on

NFV

scenarios），5G

自組織網(wǎng)絡(luò)（Self-Organizing

Networks

(SON)

for

5Gnetworks），閉環(huán)服務(wù)等級保障（Closed

loop

SLS

Assurance），管理數(shù)據(jù)分析服務(wù)（Management

Data

Analytics

Service）等標(biāo)準(zhǔn)的制定。在

R17

版本中除了對

5G

自組織網(wǎng)絡(luò)、閉環(huán)服務(wù)登記保障、管理數(shù)據(jù)分析服務(wù)進(jìn)行增強(qiáng)外，增加了對于網(wǎng)絡(luò)智能化以及自智網(wǎng)絡(luò)支撐的相關(guān)標(biāo)準(zhǔn)化工作，其中包括：自智網(wǎng)絡(luò)分級（Autonomous

network

levels），

基于移動網(wǎng)絡(luò)的意圖驅(qū)動管理服務(wù)（Intent

driven

management

service

for

mobile

networks）。在

R18

版本中繼續(xù)對意圖驅(qū)動管理服務(wù)，管理數(shù)據(jù)分析等功能進(jìn)行增強(qiáng)，同時開始了

AI/ML管理的標(biāo)準(zhǔn)化工作，對網(wǎng)絡(luò)的自動化功能進(jìn)行了增強(qiáng)，制定了針對

RAN

NE

的自配置管理等規(guī)范。在當(dāng)前正在研究的

R19

版本中，管理驅(qū)動的網(wǎng)絡(luò)智能化研究進(jìn)一步深入，在增強(qiáng)

AI/ML管理，意圖驅(qū)動管理服務(wù)，管理數(shù)據(jù)分析，閉環(huán)管理等研究之外，還開始了對于網(wǎng)絡(luò)數(shù)字孿生管理的研究。2.2 智能化網(wǎng)絡(luò)架構(gòu)演進(jìn)隨著通信技術(shù)的不斷演進(jìn)，網(wǎng)絡(luò)的智能化需求日益凸顯。5G

的部署為網(wǎng)絡(luò)的數(shù)字化轉(zhuǎn)型奠定了基礎(chǔ)，5G-A

進(jìn)一步推動了網(wǎng)絡(luò)智能化的轉(zhuǎn)變。在這一過程中，網(wǎng)絡(luò)架構(gòu)從傳統(tǒng)的集中式控制逐漸向分布式和智能化的方向發(fā)展，以應(yīng)對復(fù)雜多變的業(yè)務(wù)需求和動態(tài)的網(wǎng)絡(luò)環(huán)境。圖

2.2-1

引入

NWDAF

網(wǎng)元2017

年，3GPP

在

R15

版本中首次引入了網(wǎng)絡(luò)數(shù)據(jù)分析功能（NWDAF），用于支持網(wǎng)絡(luò)切片的負(fù)載分析，幫助優(yōu)化網(wǎng)絡(luò)切片選擇和

5G

服務(wù)質(zhì)量（QoS）決策，消費(fèi)者為策略控制功能3IMT-2020(5G)推進(jìn)組（PCF）和網(wǎng)絡(luò)切片選擇功能（NSSF），輸入信息的內(nèi)容和分析計(jì)算的流程均為

NWDAF

內(nèi)部實(shí)現(xiàn)。圖

2.2-2智能化網(wǎng)絡(luò)架構(gòu)3GPP

R16

版本完成了通用智能網(wǎng)絡(luò)新架構(gòu)定義，打通控制面、管理面以及應(yīng)用服務(wù)器，使得

NWDAF

的輸入數(shù)據(jù)來源多樣化，NWDAF

實(shí)現(xiàn)數(shù)據(jù)收集、分析計(jì)算、分析結(jié)果反饋功能。數(shù)據(jù)收集來源包括：5GC

內(nèi)數(shù)據(jù)收集：通過

NF

的

EventExposure

服務(wù)向

NF

網(wǎng)元收集特定數(shù)據(jù)；第三方數(shù)據(jù)收集：通過

NEF

向第三方

AF

收集數(shù)據(jù)；管理面數(shù)據(jù)收集：從

OAM

收集管理面數(shù)據(jù)，如

RAN

和

5GC

的性能，5G

端到端

KPI等；UE

數(shù)據(jù)收集：通過

OAM

的

MDT

機(jī)制可收集到

UE

相關(guān)數(shù)據(jù)，如上下行吞吐量。4圖

2.2-3

支持?jǐn)?shù)據(jù)收集和存儲的智能化網(wǎng)絡(luò)架構(gòu)2020

年，隨著

R17

版本的研究啟動，3GPP

設(shè)計(jì)了分層的智能網(wǎng)絡(luò)架構(gòu)，提供

AI

平臺化IMT-2020(5G)推進(jìn)組能力，以滿足大型運(yùn)營商的網(wǎng)絡(luò)部署需求，并使其支持垂直行業(yè)的業(yè)務(wù)拓展。NWDAF

實(shí)現(xiàn)功能解耦，包括：模型訓(xùn)練邏輯功能（MTLF）：MTLF

負(fù)責(zé)機(jī)器學(xué)習(xí)模型的存儲、管理和訓(xùn)練。它還負(fù)責(zé)根據(jù)分析邏輯功能（AnLF）的請求，將所需的機(jī)器學(xué)習(xí)模型下發(fā)給

AnLF，以支持后續(xù)的數(shù)據(jù)分析和推理。分析邏輯功能（AnLF）：AnLF

基于分析消費(fèi)者的請求，使用從

MTLF

獲取的機(jī)器學(xué)習(xí)模型進(jìn)行數(shù)據(jù)分析和推理，生成所需的分析結(jié)果。面對網(wǎng)絡(luò)中產(chǎn)生的海量數(shù)據(jù)和復(fù)雜的分析需求，3GPP

在

R17

中定義了一個包含數(shù)據(jù)采集協(xié)調(diào)功能（DCCF）、數(shù)據(jù)存儲功能（ADRF）以及消息框架適配器功能（MFAF），從而高效收集數(shù)據(jù)，避免數(shù)據(jù)的重復(fù)收集等。引入

DCCF，用于協(xié)調(diào)多

NWDAF

數(shù)據(jù)收集，避免數(shù)據(jù)重復(fù)收集，協(xié)調(diào)

NWDAF

分析結(jié)果開放，避免多個消費(fèi)者重復(fù)請求相同或相似的分析結(jié)果，提高數(shù)據(jù)收集和分析結(jié)果開放的效率。引入

ADRF

用于存儲數(shù)據(jù)和分析結(jié)果，其中

DCCF

和

ADRF

可獨(dú)立部署，或和

NWDAF合設(shè)。引入

MFAF，允許

NF/NWDAF

基于消息總線收集數(shù)據(jù)和分析結(jié)果，并支持對數(shù)據(jù)和分析結(jié)果根據(jù)指定格式進(jìn)行格式化處理。圖

2.2-4

橫向聯(lián)邦學(xué)習(xí)架構(gòu)2022

年，3GPP

啟動了

R18

版本的研究，深入探討分布式智能架構(gòu)及跨域智能協(xié)同等課題，旨在全面滿足智能化落地的需求。由于隱私數(shù)據(jù)保護(hù)等原因，不同通信設(shè)備之間的數(shù)據(jù)無法直接共享，為解決這一問題，R18

中引入了橫向聯(lián)邦學(xué)習(xí)技術(shù)，使得多個

NWDAF

可以在不跨域傳遞數(shù)據(jù)的情況下，實(shí)現(xiàn)高效的機(jī)器學(xué)習(xí)模型訓(xùn)練，避免了潛在的安全隱患。5IMT-2020(5G)推進(jìn)組圖

2.2-5漫游場景支持?jǐn)?shù)據(jù)和分析結(jié)果交換的網(wǎng)絡(luò)架構(gòu)R18

的智能網(wǎng)絡(luò)架構(gòu)另一個重要改進(jìn)是支持漫游場景。引入支持漫游能力的

RE-NWDAF，實(shí)現(xiàn)在

HPLMN

與

VPLMN

之間的數(shù)據(jù)及分析結(jié)果交換。6IMT-2020(5G)推進(jìn)組網(wǎng)絡(luò)智能化應(yīng)用場景智能化技術(shù)在優(yōu)化網(wǎng)絡(luò)性能、提升用戶體驗(yàn)等方面有廣泛的應(yīng)用前景，本章將探討網(wǎng)絡(luò)智能化的若干應(yīng)用場景及其關(guān)鍵技術(shù)，包括體驗(yàn)保障、潛客挖掘、綠色上網(wǎng)、信令風(fēng)暴檢測和預(yù)防以及跨域數(shù)據(jù)安全建模，以期為網(wǎng)絡(luò)智能化的進(jìn)一步發(fā)展提供有益參考。體驗(yàn)保障體驗(yàn)保障是網(wǎng)絡(luò)智能化的重要應(yīng)用場景，隨著用戶對網(wǎng)絡(luò)服務(wù)的需求日益多樣化和個性化，其不僅期望網(wǎng)絡(luò)能夠提供高速率、低延時的基本服務(wù)，還希望在不同場景下能夠獲得定制化的優(yōu)質(zhì)體驗(yàn)。因此，傳統(tǒng)的網(wǎng)絡(luò)管理和服務(wù)提供模式已經(jīng)無法滿足需求，智能化的體驗(yàn)保障成為解決這一問題的關(guān)鍵。智能化體驗(yàn)保障通過引入人工智能和機(jī)器學(xué)習(xí)技術(shù)，能夠?qū)崟r監(jiān)測和分析用戶行為和網(wǎng)絡(luò)狀態(tài)，動態(tài)調(diào)整網(wǎng)絡(luò)資源和服務(wù)策略，從而實(shí)現(xiàn)個性化的體驗(yàn)保障。關(guān)鍵技術(shù)智能化體驗(yàn)保障技術(shù)關(guān)鍵技術(shù)包括實(shí)時數(shù)據(jù)收集與分析、機(jī)器學(xué)習(xí)模型訓(xùn)練與應(yīng)用、智能化資源調(diào)度與優(yōu)化、自適應(yīng)服務(wù)策略調(diào)整、以及異常檢測與故障預(yù)警。圖

3.1-1

展示了網(wǎng)絡(luò)智能化中的體驗(yàn)保障應(yīng)用。圖

3.1-1

網(wǎng)絡(luò)智能化的體驗(yàn)保障應(yīng)用智能化體驗(yàn)保障技術(shù)的關(guān)鍵在于實(shí)時數(shù)據(jù)收集與分析、機(jī)器學(xué)習(xí)模型訓(xùn)練與應(yīng)用、智能化資源調(diào)度與優(yōu)化、自適應(yīng)服務(wù)策略調(diào)整以及異常檢測與故障預(yù)警。實(shí)時數(shù)據(jù)收集與分析是智能化體驗(yàn)保障的基礎(chǔ)。通過在網(wǎng)絡(luò)節(jié)點(diǎn)部署傳感器和監(jiān)測設(shè)備，7IMT-2020(5G)推進(jìn)組實(shí)時收集用戶行為、網(wǎng)絡(luò)流量和設(shè)備狀態(tài)等數(shù)據(jù)，經(jīng)過預(yù)處理和清洗后，輸入到云中心的數(shù)據(jù)分析系統(tǒng)進(jìn)行深度分析。這些數(shù)據(jù)為后續(xù)的個性化服務(wù)提供了依據(jù)，同時也有助于運(yùn)營商實(shí)時掌握網(wǎng)絡(luò)運(yùn)行狀況和設(shè)備健康狀態(tài)。機(jī)器學(xué)習(xí)模型的訓(xùn)練與應(yīng)用是智能化體驗(yàn)保障的核心。通過訓(xùn)練多種機(jī)器學(xué)習(xí)模型，如回歸分析、決策樹、神經(jīng)網(wǎng)絡(luò)等，對收集到的數(shù)據(jù)進(jìn)行分析和預(yù)測，學(xué)習(xí)和識別用戶行為模式和網(wǎng)絡(luò)狀態(tài)變化規(guī)律，預(yù)測潛在問題和瓶頸。例如，預(yù)測網(wǎng)絡(luò)流量高峰時段，提前進(jìn)行資源調(diào)度，避免網(wǎng)絡(luò)擁塞。此外，機(jī)器學(xué)習(xí)模型還能識別異常用戶行為和流量模式，為異常檢測和故障預(yù)警提供支持。智能化資源調(diào)度與優(yōu)化是實(shí)現(xiàn)高效網(wǎng)絡(luò)運(yùn)營和優(yōu)質(zhì)用戶體驗(yàn)的關(guān)鍵。根據(jù)實(shí)時數(shù)據(jù)和預(yù)測結(jié)果，智能化體驗(yàn)保障可以動態(tài)調(diào)整網(wǎng)絡(luò)資源的分配和服務(wù)策略。在用戶密集區(qū)域，自動增加帶寬和計(jì)算資源，確保用戶高速率需求；在用戶稀少區(qū)域，減少資源投入，降低運(yùn)營成本。同時，根據(jù)用戶個性化需求，動態(tài)調(diào)整服務(wù)策略，如視頻分辨率、數(shù)據(jù)傳輸路徑、應(yīng)用優(yōu)先級等，提升用戶體驗(yàn)，減少網(wǎng)絡(luò)延時和卡頓。異常檢測與故障預(yù)警是保障網(wǎng)絡(luò)穩(wěn)定運(yùn)行和用戶體驗(yàn)的重要環(huán)節(jié)。智能化體驗(yàn)保障能夠?qū)崟r監(jiān)測網(wǎng)絡(luò)狀態(tài)，快速識別異常情況和潛在故障，及時預(yù)警并采取措施處理，避免對用戶體驗(yàn)造成負(fù)面影響。這依賴于實(shí)時數(shù)據(jù)的監(jiān)測和分析，以及機(jī)器學(xué)習(xí)模型的預(yù)測能力。此外，高效的數(shù)據(jù)管理和處理能力、良好的可擴(kuò)展性和兼容性也是智能化體驗(yàn)保障實(shí)施的重要支撐。引入分布式計(jì)算和大數(shù)據(jù)技術(shù)，實(shí)現(xiàn)對海量數(shù)據(jù)的高效管理和處理；靈活適應(yīng)不同網(wǎng)絡(luò)環(huán)境和應(yīng)用場景，支持多樣化用戶需求；兼容不同設(shè)備和協(xié)議，保證網(wǎng)絡(luò)的開放性和靈活性。典型應(yīng)用高清視頻流媒體服務(wù)中，智能化體驗(yàn)保障通過實(shí)時監(jiān)測用戶觀看數(shù)據(jù)，了解實(shí)際觀看體驗(yàn)。當(dāng)檢測到體驗(yàn)下降時，立即觸發(fā)優(yōu)化機(jī)制，動態(tài)調(diào)整視頻碼率和分辨率，減少緩沖時間，提升觀看體驗(yàn)。在用戶密集區(qū)域，如大型賽事直播或熱門電視劇首播時，動態(tài)分配更多網(wǎng)絡(luò)資源，確保視頻內(nèi)容順暢播放。在線游戲中，智能化體驗(yàn)保障實(shí)時監(jiān)測玩家游戲流量和行為數(shù)據(jù)，如操作延遲、幀率等。當(dāng)檢測到體驗(yàn)下降時，立即采取措施優(yōu)化，動態(tài)調(diào)整網(wǎng)絡(luò)資源分配，優(yōu)化路由，減少延遲和抖動，提高游戲響應(yīng)速度。同時，檢測異常流量模式和操作行為，及時預(yù)警并處理網(wǎng)絡(luò)攻擊8IMT-2020(5G)推進(jìn)組或作弊行為，保障游戲公平性和穩(wěn)定性。虛擬現(xiàn)實(shí)（VR）和增強(qiáng)現(xiàn)實(shí)（AR）應(yīng)用中，智能化體驗(yàn)保障通過實(shí)時監(jiān)測用戶

VR/AR使用數(shù)據(jù)和網(wǎng)絡(luò)狀態(tài)，了解實(shí)際體驗(yàn)情況。根據(jù)用戶需求和網(wǎng)絡(luò)狀態(tài)，動態(tài)調(diào)整網(wǎng)絡(luò)資源和數(shù)據(jù)傳輸策略，優(yōu)化渲染和數(shù)據(jù)處理策略，提高響應(yīng)速度和圖像質(zhì)量。通過預(yù)測用戶行為，提前緩存和預(yù)加載虛擬內(nèi)容，減少加載時間，提高沉浸感。同時，實(shí)時監(jiān)測和分析用戶數(shù)據(jù)，快速檢測和識別潛在異常情況，及時采取措施處理，并持續(xù)優(yōu)化和改進(jìn)體驗(yàn)保障策略。3.2 潛客挖掘9為保持市場競爭力，運(yùn)營商必須深入挖掘用戶行為，精準(zhǔn)識別潛在客戶并提供個性化服務(wù)。隨著大數(shù)據(jù)和人工智能技術(shù)的飛速發(fā)展，運(yùn)營商所掌握的海量用戶數(shù)據(jù)，包括流量使用情況、網(wǎng)絡(luò)使用偏好、地理位置信息等，成為了挖掘潛在客戶的重要資源。這些數(shù)據(jù)中蘊(yùn)含著豐富的用戶行為模式和潛在需求信息，通過先進(jìn)的機(jī)器學(xué)習(xí)、人工智能技術(shù)，運(yùn)營商可以構(gòu)建精準(zhǔn)的推薦模型和算法，自動從海量用戶中篩選出潛在客戶，從而提升營銷效率，增強(qiáng)市場競爭力?；诖髷?shù)據(jù)和智能化算法的潛客挖掘在市場營銷領(lǐng)域被廣泛應(yīng)用，對于運(yùn)營商同樣具備豐富的應(yīng)用場景，包括基于個性化推薦的新業(yè)務(wù)推廣、發(fā)現(xiàn)具有升級需求或流失風(fēng)險的潛在用戶并采取措施、分析業(yè)務(wù)關(guān)聯(lián)度以實(shí)現(xiàn)交叉銷售和增值服務(wù)等。關(guān)鍵技術(shù)潛客挖掘的核心是各類機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘算法技術(shù)在用戶研究與業(yè)務(wù)分析等領(lǐng)域的使用，同時持續(xù)涌現(xiàn)的前沿

AI

算法不斷擴(kuò)展了其挖掘能力。機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘算法作為核心技術(shù)，已被廣泛應(yīng)用于各領(lǐng)域的潛客挖掘，如使用分類模型預(yù)測客戶是否會訂購某個產(chǎn)品、套餐等，實(shí)現(xiàn)定向推送；使用聚類算法將客戶分成不同的群體，每個群體內(nèi)部的客戶具有相似的特征，從而幫助運(yùn)營商構(gòu)建更個性化的客戶運(yùn)營策略。通過這些算法，運(yùn)營商可以從海量用戶數(shù)據(jù)中提取出有價值的信息，為潛客挖掘提供有力支持。前沿

AI

算法的創(chuàng)新應(yīng)用進(jìn)一步提升了潛客挖掘的潛力。例如，引入時空大數(shù)據(jù)算法，將用戶所處的時空信息納入用戶畫像的構(gòu)建中，使運(yùn)營商能夠根據(jù)用戶所處的特殊動態(tài)時空環(huán)境進(jìn)行需求挖掘和業(yè)務(wù)推薦。這種算法的應(yīng)用，使得運(yùn)營商能夠更準(zhǔn)確地把握用戶需求，IMT-2020(5G)推進(jìn)組提供更具針對性的服務(wù)。此外，通過引入圖數(shù)據(jù)結(jié)構(gòu)，將用戶在網(wǎng)絡(luò)中的產(chǎn)品數(shù)據(jù)、行為數(shù)據(jù)、特征數(shù)據(jù)等異構(gòu)數(shù)據(jù)轉(zhuǎn)化為圖結(jié)構(gòu)，采用圖神經(jīng)網(wǎng)絡(luò)等面向圖數(shù)據(jù)的

AI

算法實(shí)現(xiàn)業(yè)務(wù)推薦，突破了傳統(tǒng)基于用戶特征的推薦模式，將關(guān)系信息應(yīng)用到潛客挖掘算法中，進(jìn)一步提高了挖掘的精準(zhǔn)度和效率。典型應(yīng)用新業(yè)務(wù)推廣：利用智能化算法實(shí)現(xiàn)個性化的業(yè)務(wù)推薦，提高新業(yè)務(wù)推廣的轉(zhuǎn)化率。其基本思路為：通過收集和分析用戶歷史數(shù)據(jù)，構(gòu)建詳細(xì)的用戶畫像，這些畫像不僅包含用戶的基本信息，還涵蓋了用戶的消費(fèi)習(xí)慣、興趣偏好等深層次特征；然后利用機(jī)器學(xué)習(xí)算法構(gòu)建預(yù)測模型，評估用戶對新業(yè)務(wù)的接受度和購買意愿；最后根據(jù)模型的預(yù)測結(jié)論，有針對性地制定個性化推薦策略，將新業(yè)務(wù)精準(zhǔn)推送給潛在用戶。例如運(yùn)營商推出了一項(xiàng)新的家庭寬帶服務(wù)，通過潛客挖掘算法，識別出對高速網(wǎng)絡(luò)有需求的家庭用戶，并向他們精準(zhǔn)推送該服務(wù)，以提升推廣轉(zhuǎn)化率。用戶升級與留存場景：通過實(shí)時監(jiān)測和分析用戶行為數(shù)據(jù)，運(yùn)營商可以及時發(fā)現(xiàn)用戶使用習(xí)慣的變化趨勢，并采取相應(yīng)的措施來提高用戶滿意度和忠誠度。針對潛在流失客戶，運(yùn)營商構(gòu)建了預(yù)警模型，實(shí)時預(yù)測客戶的流失概率，并提前采取干預(yù)措施，如提供優(yōu)惠套餐、贈送流量等，以降低用戶流失率。同時，針對可能升級套餐或服務(wù)的客戶，運(yùn)營商通過潛客挖掘算法提供個性化的升級推薦方案，如根據(jù)用戶的流量使用情況推薦更高流量的套餐，或根據(jù)用戶的

APP

使用偏好推薦相關(guān)的增值服務(wù)。3.3 綠色上網(wǎng)近年隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展和普及，網(wǎng)絡(luò)上色情、販毒、邪教等有害站點(diǎn)也迅速增加，未成年人在網(wǎng)絡(luò)上聊天、交友引發(fā)的社會問題日益突出，許多電信運(yùn)營商先后推出“綠色上網(wǎng)”服務(wù)，以期為青少年提供潔凈的互聯(lián)網(wǎng)環(huán)境?！熬G色上網(wǎng)”通過技術(shù)手段為網(wǎng)民提供健康、安全、文明的網(wǎng)絡(luò)環(huán)境和內(nèi)容，其通過內(nèi)容過濾手段禁止或限制用戶訪問黃色、暴力、有害、反動的互聯(lián)網(wǎng)內(nèi)容的業(yè)務(wù)，是一種利用互聯(lián)網(wǎng)內(nèi)容控制技術(shù)實(shí)現(xiàn)用戶對訪問的互聯(lián)網(wǎng)內(nèi)容、時間、端口進(jìn)行控制的互聯(lián)網(wǎng)增值業(yè)務(wù)。電信運(yùn)營商提供的“綠色上網(wǎng)”服務(wù)不需要用戶在計(jì)算機(jī)上安裝任何軟件即可享受，青少年可以正常使用互聯(lián)網(wǎng)服務(wù)，一旦訪問有害站點(diǎn)或不健康內(nèi)容，電信運(yùn)營商的相關(guān)系統(tǒng)即會阻10IMT-2020(5G)推進(jìn)組止這種訪問。對運(yùn)營商來說，“綠色上網(wǎng)”可為用戶提供增值服務(wù)，為無線寬帶上網(wǎng)家庭用戶提供綠色上網(wǎng)功能，提高企業(yè)公信力；對用戶來說，“綠色上網(wǎng)”可為政府、企業(yè)、學(xué)校等用戶提供屏蔽互聯(lián)網(wǎng)有害信息、管理用戶上網(wǎng)行為的解決方案。“綠色上網(wǎng)”系統(tǒng)通過支持

URL

規(guī)則庫的自動更新，常態(tài)化保持?jǐn)r截規(guī)則的最新，并支持運(yùn)營商自定義特殊的規(guī)則庫，滿足差異化攔截訴求；其攔截能力可包裝成套餐形式，支持用戶按需訂閱，支撐運(yùn)營商面向

2C

客戶的攔截能力變現(xiàn)；同時，系統(tǒng)支持?jǐn)r截記錄推送功能，能夠?qū)崟r通知用戶攔截內(nèi)容，使用戶對攔截效果有直觀感知。“綠色上網(wǎng)”服務(wù)的實(shí)施涵蓋了攔截內(nèi)容定義、攔截庫導(dǎo)入、攔截執(zhí)行、記錄推送等多個關(guān)鍵環(huán)節(jié)。首先，父母可通過

APP

定義攔截內(nèi)容并轉(zhuǎn)換成控制策略下發(fā)到

UPF；其次，NWDAF通過手動導(dǎo)入或者自動導(dǎo)入方式從外源獲取到數(shù)據(jù)庫，并將其下發(fā)到

UPF

生成本地?cái)r截庫；在攔截執(zhí)行階段，UPF

識別兒童上網(wǎng)業(yè)務(wù)并從本地庫查詢是否攔截，本地庫未命中則向

NWDAF查詢攔截源庫，任一命中則阻斷業(yè)務(wù)；最后，NWDAF

生成攔截記錄，通過運(yùn)營商的北向系統(tǒng)推送至父母

APP，讓用戶隨時掌握攔截情況。11圖

3.3-1

綠色上網(wǎng)業(yè)務(wù)流程3.4 信令風(fēng)暴檢測和預(yù)防移動無線網(wǎng)絡(luò)技術(shù)近年來空前發(fā)展，根據(jù)目前的網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)，運(yùn)營商面對是一張2G/3G/4G/5G

融合的網(wǎng)絡(luò)，其規(guī)模和復(fù)雜程度都遠(yuǎn)超以往的網(wǎng)絡(luò)。同時，隨著通信業(yè)務(wù)的普及，大量終端涌入網(wǎng)絡(luò)，除普通終端外，物聯(lián)網(wǎng)終端用戶的規(guī)模也高速增長，這類終端數(shù)量IMT-2020(5G)推進(jìn)組大，單次通信流量小，分布于各行各業(yè)。因而，網(wǎng)絡(luò)故障的影響范圍也被空前放大，一處故障經(jīng)常引發(fā)的是對各個網(wǎng)元海量的信令沖擊，給網(wǎng)絡(luò)帶來巨大的影響。近幾年，多家移動運(yùn)營商均發(fā)生過大規(guī)模通信故障。根據(jù)披露的信息，可以發(fā)現(xiàn)故障發(fā)生的主要原因涉及以下兩個方面：網(wǎng)絡(luò)方面：設(shè)備廠商眾多，缺乏足夠的集成能力，網(wǎng)絡(luò)缺乏足夠的健壯性和自愈能力。運(yùn)營方面：應(yīng)急處理不及時和處理方式不當(dāng)，錯過最佳處理時機(jī)，導(dǎo)致更進(jìn)一步的信令風(fēng)暴?？梢姡槍Υ笠?guī)模的信令風(fēng)暴，現(xiàn)有的應(yīng)對方法缺乏前瞻性且高度依賴于運(yùn)維人員的操作。然而，智能化技術(shù)恰恰能在大量數(shù)據(jù)分析、預(yù)測和自動化維護(hù)上發(fā)揮有效作用。應(yīng)用實(shí)施在

3GPP

R19

的

AIML_CN

項(xiàng)目中，核心網(wǎng)智能化網(wǎng)元

NWDAF

輔助信令風(fēng)暴的檢測和預(yù)防也成為其中的關(guān)鍵問題之一。在

R19

的討論中，NWDAF

輔助解決的信令風(fēng)暴問題主要包括

NF故障引起的信令風(fēng)暴和大規(guī)模用戶接入引起的信令風(fēng)暴，并通過

Analytics

ID“SignallingStorm

Analytics”為消費(fèi)者網(wǎng)元提供智能化服務(wù)。在

NF

引起的信令風(fēng)暴中，NWDAF

主要對信令類型、信令數(shù)量、網(wǎng)元心跳等數(shù)據(jù)進(jìn)行收集，通過監(jiān)測信令的變化對故障網(wǎng)元進(jìn)行感知，提供對未來數(shù)據(jù)的預(yù)測，能夠有效輔助網(wǎng)絡(luò)在信令風(fēng)暴來臨之前敏銳感知信令數(shù)量的突增、異常等，并及時采取有效策略。在大規(guī)模用戶引起的信令風(fēng)暴中，NWDAF

除了對信令相關(guān)數(shù)據(jù)的收集，還將進(jìn)一步收集定時器信息，從而輔助網(wǎng)絡(luò)判斷可能發(fā)生大規(guī)模用戶的時間窗口，以及識別異常的終端行為。針對大量的物聯(lián)網(wǎng)設(shè)備，NWDAF

提供的智能化分析能力能夠輔助網(wǎng)絡(luò)對物聯(lián)網(wǎng)用戶組進(jìn)行合理的分組接入機(jī)制，通過設(shè)置定時器來分散其接入時間，避免同一時間的大量信令涌入。典型應(yīng)用在目前的網(wǎng)絡(luò)中，存在大量

IoT

設(shè)備。在一些

IoT

場景下，同一地區(qū)的

IoT

終端經(jīng)常會在同一時間激活，通過

NAS

層發(fā)送大量小數(shù)據(jù)包。例如，某社區(qū)的抄表上報抄表數(shù)據(jù)時，同時激活開始向網(wǎng)絡(luò)發(fā)起連接。在這種情況下，大量同一時間并發(fā)的信令經(jīng)常會造成信令擁塞。并且，部分存在欠費(fèi)等問題的

IoT

設(shè)備，根據(jù)現(xiàn)有流程，僅會在認(rèn)證的過程中被拒絕服務(wù)，12IMT-2020(5G)推進(jìn)組因此，此類設(shè)備將會持續(xù)給網(wǎng)絡(luò)發(fā)送注冊信息，造成更嚴(yán)重的信令擁塞。利用智能化的解決方案，通過對終端信令類型、數(shù)量、計(jì)時器信息等的數(shù)據(jù)收集和分析，可以輔助網(wǎng)絡(luò)識別出上述

IoT

設(shè)備、激活時間、激活地區(qū)等，從而為

IoT

設(shè)備安排更合理的接入時間，例如分批接入等，從而避免信令擁塞的情況?？缬驍?shù)據(jù)安全建模在核心網(wǎng)網(wǎng)元的運(yùn)營和管理中，數(shù)據(jù)隱私保護(hù)至關(guān)重要。核心網(wǎng)網(wǎng)元擁有大量涉及用戶通信行為、位置信息、簽約信息的敏感數(shù)據(jù)，這些數(shù)據(jù)一旦在模型訓(xùn)練過程中泄露，可能引發(fā)嚴(yán)重的隱私與安全問題。因此，如何在不泄露用戶隱私數(shù)據(jù)的前提下使用數(shù)據(jù)進(jìn)行模型訓(xùn)練變得尤為關(guān)鍵。然而，傳統(tǒng)的集中式模型訓(xùn)練模式存在數(shù)據(jù)集成和傳輸中的隱私泄露風(fēng)險。關(guān)鍵技術(shù)聯(lián)邦學(xué)習(xí)作為一種新興的分布式機(jī)器學(xué)習(xí)技術(shù)，能夠在模型訓(xùn)練過程中有效保護(hù)各個參與者的數(shù)據(jù)隱私。它通過將模型訓(xùn)練過程分布在各個網(wǎng)元上，避免了對數(shù)據(jù)的集中處理，從而實(shí)現(xiàn)了數(shù)據(jù)隱私的保護(hù)與高效的模型訓(xùn)練并行推進(jìn)。在聯(lián)邦學(xué)習(xí)中，訓(xùn)練數(shù)據(jù)不需要集中在一個地方，而是通過本地模型訓(xùn)練進(jìn)而更新全局模型。這減少了不同設(shè)備廠商、運(yùn)營商對數(shù)據(jù)隱私和安全的擔(dān)憂。在核心網(wǎng)的協(xié)議

TS23.288

R18

版本中，3GPP

引入了

NWDAF

之間的橫向聯(lián)邦學(xué)習(xí)，即擁有一樣的特征空間和不同的樣本空間的橫向聯(lián)邦學(xué)習(xí)客戶端

NWDAF

在橫向聯(lián)邦學(xué)習(xí)服務(wù)器

NWDAF

協(xié)調(diào)下，進(jìn)行橫向聯(lián)邦學(xué)習(xí)，很好解決了異廠商

NWDAF

因?yàn)殡[私原因訓(xùn)練數(shù)據(jù)不互通而無法訓(xùn)練出高質(zhì)量模型的問題。在

R18

版本中，NWDAF

可以通過橫向聯(lián)邦學(xué)習(xí)來訓(xùn)練機(jī)器學(xué)習(xí)模型，并向消費(fèi)者網(wǎng)元提供網(wǎng)絡(luò)性能預(yù)測、用戶行為預(yù)測、網(wǎng)元負(fù)載預(yù)測、網(wǎng)絡(luò)不正常預(yù)測等多種場景的預(yù)測，從而提升預(yù)測的準(zhǔn)確性。然而在用戶體驗(yàn)預(yù)測的場景中，聯(lián)邦學(xué)習(xí)客戶端（NWDAF

和

AF）具有相同的樣本空間但是不同的特征空間。為了使聯(lián)邦學(xué)習(xí)適用于更多場景并優(yōu)化用戶體驗(yàn)，在

R19

版本的

TS23.288

協(xié)議中，3GPP

引入了

NWDAF

與

AF

之間縱向聯(lián)邦學(xué)習(xí)；引入的縱向聯(lián)邦學(xué)習(xí)相關(guān)流程沿襲了橫向聯(lián)邦學(xué)習(xí)保護(hù)數(shù)據(jù)隱私的優(yōu)勢，并且定義的相關(guān)流程不涉及中間訓(xùn)練模型的傳輸，進(jìn)一步保護(hù)了模型安全。13IMT-2020(5G)推進(jìn)組應(yīng)用實(shí)施為了支持使用橫向/縱向聯(lián)邦學(xué)習(xí)在核心網(wǎng)中進(jìn)行模型訓(xùn)練并為核心網(wǎng)網(wǎng)元提供各類預(yù)測結(jié)果，TS

23.288

定義了核心網(wǎng)網(wǎng)元間的參與者發(fā)現(xiàn)、選擇、訓(xùn)練、推理等一系列流程。TS

23.288

R18

版本定義了橫向聯(lián)邦學(xué)習(xí)參與者發(fā)現(xiàn)、選擇流程和橫向聯(lián)邦學(xué)習(xí)訓(xùn)練流程。在橫向聯(lián)邦學(xué)習(xí)參與者發(fā)現(xiàn)、選擇流程中，NWDAF

可以通過

NRF

發(fā)現(xiàn)并選擇其他的

NWDAF作為橫向聯(lián)邦學(xué)習(xí)服務(wù)器/客戶端。在定義的橫向聯(lián)邦學(xué)習(xí)訓(xùn)練流程中，橫向聯(lián)邦學(xué)習(xí)服務(wù)器初始化一個全局模型并發(fā)送給所有客戶端。每個客戶端使用本地?cái)?shù)據(jù)對全局模型進(jìn)行訓(xùn)練，得到更新的本地模型。隨后，客戶端將更新的本地模型發(fā)送給服務(wù)器，而不上傳本地?cái)?shù)據(jù)，從而保護(hù)數(shù)據(jù)隱私。橫向聯(lián)邦學(xué)習(xí)服務(wù)器在接收這些更新后的本地模型后，通過加權(quán)平均等聚合算法更新全局模型，然后把更新后的全局模型再次發(fā)送給客戶端。這一過程不斷重復(fù)，直到全局模型的質(zhì)量達(dá)標(biāo)、損失函數(shù)收斂或達(dá)到預(yù)設(shè)的訓(xùn)練輪數(shù)。在完成橫向聯(lián)邦學(xué)習(xí)訓(xùn)練后，橫向聯(lián)邦學(xué)習(xí)服務(wù)器

NWDAF

和橫向聯(lián)邦學(xué)習(xí)客戶端

NWDAF

都會得到高質(zhì)量的機(jī)器學(xué)習(xí)模型。在

NWDAF

收到消費(fèi)者網(wǎng)元的預(yù)測請求后可用聯(lián)邦學(xué)習(xí)過程中訓(xùn)練好的機(jī)器學(xué)習(xí)模型進(jìn)行本地推理，并把高質(zhì)量的預(yù)測結(jié)果發(fā)送給消費(fèi)者網(wǎng)元。TS

23.288

R19

版本沿用了

R18

版本中橫向聯(lián)邦學(xué)習(xí)參與者發(fā)現(xiàn)選擇、流程，并定義了新的縱向聯(lián)邦學(xué)習(xí)訓(xùn)練、推理流程。在縱向向聯(lián)邦學(xué)習(xí)訓(xùn)練流程中，縱向聯(lián)邦學(xué)習(xí)服務(wù)器（NWDAF/AF）和

NWDAF

客戶端（NWDAF/AF）之間不再進(jìn)行除了初始模型分發(fā)之外的模型傳輸，取而代之的是傳輸機(jī)器學(xué)習(xí)參數(shù)（中間訓(xùn)練結(jié)果、梯度、損失等），進(jìn)一步增強(qiáng)了對于模型的安全保護(hù)。與橫向聯(lián)邦學(xué)習(xí)相比，縱向聯(lián)邦學(xué)習(xí)的推理為分布式推理，即每個縱向聯(lián)邦學(xué)習(xí)客戶端生成推理結(jié)果并發(fā)送給縱向聯(lián)邦學(xué)習(xí)服務(wù)器，縱向聯(lián)邦學(xué)習(xí)服務(wù)器聚合之后發(fā)送給消費(fèi)者網(wǎng)元。14IMT-2020(5G)推進(jìn)組網(wǎng)絡(luò)智能化近期發(fā)展建議核心網(wǎng)與接入網(wǎng)協(xié)同在

5G-A

系統(tǒng)中，核心網(wǎng)和接入網(wǎng)均可引入

AI/ML

相關(guān)功能，包括數(shù)據(jù)采集、基于采集的數(shù)據(jù)進(jìn)行

AI/ML

模型訓(xùn)練和分析推理，進(jìn)而基于

AI

分析推理結(jié)果進(jìn)行網(wǎng)絡(luò)和終端控制，以提高網(wǎng)絡(luò)性能和用戶體驗(yàn)?；?/p>

5G-A

AI

相關(guān)標(biāo)準(zhǔn)和研究[TS

23.288,

TS

38.300]，核心網(wǎng)基于

NWDAF

提供的

AI/ML

功能，可以在移動性管理、會話管理、策略控制等方面進(jìn)行優(yōu)化，接入網(wǎng)可以應(yīng)用

AI/ML

功能在網(wǎng)絡(luò)節(jié)能、負(fù)載均衡、移動性管理等方面進(jìn)行優(yōu)化。核心網(wǎng)與接入網(wǎng)在使用

AI/ML

進(jìn)行網(wǎng)絡(luò)控制與優(yōu)化方面需要進(jìn)行協(xié)作，以充分發(fā)揮網(wǎng)絡(luò)智能化的優(yōu)勢與潛能，舉例如下：核心網(wǎng)依據(jù)

NWDAF

提供的

UE

通信和服務(wù)體驗(yàn)分析信息，確定提升特定應(yīng)用/業(yè)務(wù)的通信性能和服務(wù)體驗(yàn)的

RFSP

Index（無線接入類型/頻率選擇優(yōu)先級索引參數(shù)），將

RFSPIndex

提供給接入網(wǎng)，接入網(wǎng)基于

RFSPIndex

和本地的

AI/ML

功能（例如網(wǎng)絡(luò)節(jié)能、負(fù)載均衡、移動性管理相關(guān)的

AI

推理信息），進(jìn)一步確定和優(yōu)化的無線資源管理

RRM

策略。核心網(wǎng)依據(jù)

NWDAF

提供的

UE

移動性和通信行為分析信息確定預(yù)期

UE

行為信息（例如預(yù)期的

UE

位置/移動性、切換和通信活動），將預(yù)期

UE

行為信息提供給接入網(wǎng)，接入網(wǎng)基于核心網(wǎng)提供的預(yù)期

UE

行為信息和本地的

AI/ML

功能（例如基于小區(qū)的

UE

移動性軌跡推理信息），選擇目標(biāo)切換小區(qū)，實(shí)現(xiàn)對

UE

切換的優(yōu)化控制，從而保障業(yè)務(wù)連續(xù)性和提升服務(wù)體驗(yàn)。網(wǎng)絡(luò)與終端能力協(xié)同在通信網(wǎng)絡(luò)中，終端不僅是網(wǎng)絡(luò)服務(wù)的使用者，更是整個網(wǎng)絡(luò)生態(tài)系統(tǒng)中不可或缺的一部分。隨著

5G、5G-A

及未來網(wǎng)絡(luò)的發(fā)展，終端的作用變得越來越關(guān)鍵。它們不僅僅通過網(wǎng)絡(luò)進(jìn)行通信，還在網(wǎng)絡(luò)智能化相關(guān)的處理（例如數(shù)據(jù)收集、模型訓(xùn)練以及推理決策）中扮演著至關(guān)重要的角色。終端設(shè)備擁有與用戶相關(guān)的多種數(shù)據(jù)，如位置信息、接入方式、信號強(qiáng)度等。這些數(shù)據(jù)可以使網(wǎng)絡(luò)能夠更好地理解用戶當(dāng)前的通信環(huán)境，優(yōu)化資源分配和服務(wù)質(zhì)量。例如，位置信息可以幫助網(wǎng)絡(luò)智能預(yù)測用戶的移動軌跡，從而為即將到來的通信需求做好準(zhǔn)備。出于用戶隱私保護(hù)的考慮，這些數(shù)據(jù)需要經(jīng)由用戶授權(quán)才能由網(wǎng)絡(luò)用來進(jìn)行

AI/ML

模型訓(xùn)練與推理。15IMT-2020(5G)推進(jìn)組核心網(wǎng)中的智能化網(wǎng)元

NWDAF

能夠從

AF、AMF、SMF

等網(wǎng)元中獲取用戶的業(yè)務(wù)體驗(yàn)、UE位置和移動軌跡、無線接入技術(shù)等數(shù)據(jù)，作為

AI

模型的輸入。在確保合法性和用戶隱私保護(hù)的前提下，NWDAF

可以統(tǒng)計(jì)或推理出用戶使用特定業(yè)務(wù)、處于特定位置及特定網(wǎng)絡(luò)無線接入技術(shù)下的業(yè)務(wù)體驗(yàn)分析結(jié)果。策略管理網(wǎng)元PCF

可以基于NWDAF

提供的業(yè)務(wù)體驗(yàn)分析結(jié)果，對當(dāng)前策略（例如業(yè)務(wù)的

QoS

參數(shù)）進(jìn)行調(diào)整和優(yōu)化，以提升用戶的業(yè)務(wù)體驗(yàn)，滿足終端業(yè)務(wù)需求。圖

4.2-1AI

定位的不同情況終端、接入網(wǎng)與核心網(wǎng)協(xié)作，可以實(shí)現(xiàn)基于

AI

的定位?，F(xiàn)在的研究重點(diǎn)在于模型在核心網(wǎng)的情況，即上圖中的

case

2b

和

case

3b。核心網(wǎng)中的

LMF（定位管理功能）或者

NWDAF等網(wǎng)元可以從終端和接入網(wǎng)等設(shè)備收集到測量數(shù)據(jù)等，從而訓(xùn)練出用于

AI

定位的模型，再根據(jù)該模型進(jìn)行推理，得出更為精確的

UE

定位信息。精確的

UE

定位信息可以更好的滿足UE

或者業(yè)務(wù)的需求，也可以使網(wǎng)絡(luò)優(yōu)化

UE

通信和業(yè)務(wù)/應(yīng)用的相關(guān)參數(shù)，從而提升通信性能。為了輔助

PCF

更智能化地制定策略，NWDAF

應(yīng)提供更全面的分析。例如，NWDAF

可以綜合考慮終端和網(wǎng)絡(luò)的相關(guān)性能、狀態(tài)，業(yè)務(wù)需求，以及目標(biāo)的用戶服務(wù)體驗(yàn)（QoE）等信息，為業(yè)務(wù)/應(yīng)用生成

QoS

輔助信息，并將其發(fā)送給

PCF。這樣，PCF

可以基于

NWDAF

生成的

QoS輔助信息，制定出更符合終端業(yè)務(wù)需求的策略，從而提升用戶的業(yè)務(wù)體驗(yàn)。如果網(wǎng)絡(luò)的智能化程度進(jìn)一步提升，智能化網(wǎng)元或許可以直接生成推薦操作，通知

PCF制定或執(zhí)行某種策略，使策略制定過程更加高效和精準(zhǔn)，也更能滿足終端的需求，帶來更好的業(yè)務(wù)體驗(yàn)。針對

AI

定位等場景，模型不僅可以在核心網(wǎng)中使用，核心網(wǎng)也可能為終端和接入網(wǎng)提供用于

AI

定位的

AI/ML

模型，以便終端和接入網(wǎng)進(jìn)行

AI

定位的推理，從而得出更為精確的終端定位信息。16IMT-2020(5G)推進(jìn)組隨著網(wǎng)絡(luò)的智能化水平的提高，終端可能不僅僅是協(xié)助網(wǎng)絡(luò)進(jìn)行智能化處理，還將更深入地參與到網(wǎng)絡(luò)的相關(guān)操作中。網(wǎng)絡(luò)與

B

域協(xié)同突破傳統(tǒng)業(yè)務(wù)增長模式，探索體驗(yàn)經(jīng)營新模式是運(yùn)營商的迫切需求。除直播、視頻、游戲等傳統(tǒng)業(yè)務(wù)的持續(xù)發(fā)展外，未來云手機(jī)、智能車、AI

助理、3D/XR

等業(yè)務(wù)的迅猛發(fā)展