5G 无线网络数据采集设计方法

［林高全］

1 引言

本文提出了一种5G[1]无线网络数据采集的设计方法。新一代信息技术的5G 网络作为使能千行百业的基础网络，要求具备全覆盖、高速率、广连接、低时延等能力来满足各行业的需求，另一方面，5G 可以使用较高的频段，必然带来网络部署的复杂性，网络自动化必然是5G 的一个最直接的需求。而网络自动化包括自动网络驾驶与网络人工智能，2021 年4 月，第三代伙伴项目（3rd Generation Partnership Project，3GPP）决定从5G R18[2]（5G 第18版本）即5G-Advanced 中引入人工智能（AI，Artificial Intelligence）/机器学习（ML，Machine Learning），并进一步增强自组织网络（SON，Self-Organising Networks）即自动网络驾驶；众所周知，“无数据不智能”，即5G网络的AI/SON 依赖于5G 网络的大数据，而5G 网络大数据又依赖于5G 网络数据采集。因此，5G 网络数据采集是5G 网络自动驾驶与人工智能的一个前提条件，而数据采集方法是需要设计的。所以，本文介绍了数据采集设计的方法，在考虑了采集的数据内容、数据的组织方式、数据采集的触发规则、以及数据采集周期等信息的基础上，根据确定的设计原则设计不同的事件块及其字段内容来满足5G 人工智能等应用的需求，以促进5G 与AI/SON 的共同发展。

2 背景介绍

国家十四五规划中，新一代信息技术产业包括下一代信息网络产业、电子核心产业、新兴软件和新型信息技术服务、互联网与云计算大数据服务、人工智能等行业，其应用横跨国民经济中的农业、工业和服务业等三大产业。而其中的下一代信息网络产业主要是指5G 网络，它是新一代信息技术产业的基础。5G 作为基础网络，就要保证100%的无线网络覆盖，当前，以5G 为代表的新一代信息技术正日益成为推动经济社会数字化、网络化、智能化转型升级的关键驱动力，并成为国家战略的一部分，例如，现在国家大力推动的智慧城市建设，需要物联网设备连接到互联网以访问来自这些设备的数据。我们知道，由于5G 使用的频率较高，根据无线信号衰减原理，信号衰减与频率的平方成正比，可知，5G 的无线覆盖就会受到限制，特别是在FR2（频率2，即大于6 GHz）频率下，相同覆盖面积要求的基站数量差不多要增加一个数量级，由于基站密集且数量众多，基站的密集部署会要求网络做到自维护、自优化，因为大量的基站不可能靠人工来维护与优化，另一方面，提供全覆盖、广连接且稳定、可靠、高效的5G 网络成为必然要求，而要达成这些目标，考虑到5G 网络的复杂性，在5G 网络中引入SON，与AI/ ML技术就成为一种必然趋势。我们知道，自动网络驾驶与人工智能技术都是依赖于大数据的，即所谓的“无数据不智能”，因此，数据采集技术就成为5G 引入SON 与AI 技术的必然前提条件。

3GPP 于12 月6 日-17 日召开RAN#94-e 次会议，确定了R18 的首批28 个课题成功立项，标志着5G-Advanced标准化正式启动，相应的技术研究和标准化进入实际性阶段，其中表1 中的3 个课题都需要数据采集才能支持。

表1 5G-Advanced 确定的其中3 个课题

其中表1 中的序号2、24、25 这3 个课题即5G 无线空口的人工智能/机器学习（AI/ML）、5G 无线网络的人工智能/机器学习（AI/ML）、SON/MDT自动网络驾驶增强，它们都依赖于无线网络数据信息的采集。正如我们所知道的，“无数据不智能”，所有的人工智能/机器学习一定是建立在大数据之上的，而大数据本身除了分析之外，最基本的还包括数据的来源、数据的有效性、数据的采集方法等内容，本课题正是针对最基本的数据源采集的技术研究。下面是引用的5G R18 中几个最新的提案内容。

5G 无线空口的人工智能：确定引入人工智能/机器学习的目标是增强性能与降低复杂度与开销,主要研究AI/ML 在物理层的应用，包括智能波束管理/移动性自动预测、信道状态信息（CSI）智能反馈、非视距（NLOS）的定位精度提升、基站与终端协作级别、空口AI 的建模架构与评估方法，以及评估AI/ML 带来的性能增益与潜在影响等内容。该项课题对数据源的实时性要求比较高，因此，数据的采集与上报要求毫秒级或者准实时完成。

5G 无线网络的人工智能：为了更好的支持基于AI/ML（机器学习）的业务，研究数据采集增强、支持现有NG-RAN 接口的信令流程、以及基于AI/ML 的网络能源节约、负载均衡与移动性优化的整体架构设计，包括不分离架构与分离架构。该课题对数据源的有效性与完备性要求较高，能够支撑无线网络的智能控制，而对实时性要求不高，数据的采集与上报要求秒级完成。

SON/MDT 增强：支持SON 特性的数据采集，包括支持双连接、多载波、系统间语音切换等，支持随机接入信道（RACH）增强的SON/MDT（Minimization of Drive Test）增强，推动5G 网络实现更高效的自动网络驾驶功能。该课题对数据源的有效性与完备性要求较高，能够支撑无线网络的智能控制，而对实时性要求不高，数据的采集与上报可以分钟级完成。

我们都知道，人工智能与网络自动驾驶必然基于网络数据，而网络数据的采集就成为了首要条件。人工智能以及网络自动驾驶都依赖于无线网络数据，而无线网络数据包括无线信号质量类数据、无线网络本身运行的数据、无线业务数据、无线网络KPI 数据等，需要强调的是，这些数据可能产生于不同的节点，本文聚焦5G 网络无线基站的数据采集技术，即包括：为了满足5G 空口的人工智能化、无线网络的人工智能化与无线网络自动驾驶三种应用，应该采集什么样的数据、数据的组织方式、数据采集的触发规则与采集&上报的时间&频度等，从而保证数据采集的及时性/实时性、高效性与可靠性，满足该场景下人工智能与自动网络驾驶的应用需求。

3 数据采集设计

3.1 5G 网络结构及接口

为了便于下面的设计方法理解，图1 给出了5G 无线网络的简化架构及接口[19,20]，其中的核心网用5GC（5G Core）表示，Ng 接口是5G 基站gNB 与5GC 之间的接口，Xn 接口是gNB 与gNB 之间的接口，F1 接口是gNB 内部分离成的gNB-CU（Central Unit，中心单元）与gNB-DU（Distributed Unit，分布单元）之间的接口。

图1 5G 网络简化架构及接口

3.2 数据采集方法

3.2.1 采集数据的设计原则

根据5G 网络的数据生成规则及对象，我们把数据分为三大类，第一类是网络KPI（Key Performance Indicator）数据，主要对象是小区级的非实时数据，一般按照分钟级统计（说明：站点级别的数据主要是传输网络的数据，本文暂不涉及），对应话统指标，主要用于网络观察与评估；第二类是用户级或用户承载级或小区级的准实时数据，一般按照秒级统计，主要用于解决网络故障与无线网络优化；第三类是用户级或承载级的实时数据采集，一般是毫秒级别，主要用于实时算法。三类数据的关系是第三类数据是TTI（传输时间间隔，Transmission Time Interval）级的采样或检测，但不进行数据采集，即数据用后即丢弃，所以不在本文的讨论范围；第一类数据可以由第二类数据汇总而成，可以认为是第二类数据的大尺度汇总统计结果。因此，本文聚焦第二类数据源的采集方法研究。

根据5G 网络数据源产生的时间规则，我们把数据源分为两种类型，即事件性数据源与周期性数据源。事件性数据源就是网络中的某个事件触发产生的数据，比如网络发生切换时，会首先有UE 测量上报事件，对应标准定义的事件性A1/A2/A3/A4/A5/A6/B1/B2 测量报告，然后是切换事件，切换事件由于涉及到切出基站与切入基站，而两个基站间不可能协同产生一份切换事件数据，因此，需要切出基站产生一个切出事件的数据，而切入基站产生一个切入事件的数据，上层应用如果要针对切换过程进行分析，就至少需要关联这两个切出与切入事件的数据。周期性数据源是周期性的检测或统计的数据，比如UE 周期性测量上报的无线信号质量信息，对应标准定义的周期性测量报告（MR，Measurement Report）。

众所周知，数据源只是一些基础数据，而各种上层应用可能需要其中一部分数据，也可能需要较多数据，而5G 网络产生数据的方式跟数据来源强相关，比如用户级数据是针对每个网络用户产生的数据源信息，而用户承载级数据是针对各用户的承载来产生的数据源，而小区级数据则是小区内各用户汇总的瞬时统计量/累积统计量。为了满足上层应用的统计分析，需要有相关数据事件的关联信息，比如属于同一个用户的两个事件块关联分析，就要求两个事件块是同一个用户的，而且时间点上要对齐，同时基站上的用户标识都是临时有效的，即相同的标识在不同时刻可能表示不同用户。

3.2.2 事件块名称与事件块头设计

基于前面的设计原则，我们首先区分不同事件块的级别，分为站点级、小区级、用户级、用户承载级4 个级别，并且用事件名称的开头字母分别区分，比如站点级的为S_开头命名，小区级的为C_开头命名，用户级的为U_开头命名，用户承载级的为B_开头命名，且事件块标识（ID）也进行相应的区分，比如用户级的为1 开头的事件ID，用户承载级的为3 开头的事件ID。具体设计的事件块命名示例如表2 所示。

为了方便多事件块的关联分析，每个事件块都设计了相同的事件块头，即事件块头包含时间信息、运营商设备信息、小区信息、用户临时标识、Ng 接口应用标识APID、F1 接口应用标识APID、事件块本身标识等信息，具体的事件块头设计示例如表3 所示。

3.2.3 典型事件块设计示例

表2 事件块命名示例（仅含典型的几个事件块）

表3 事件块头设计示例（仅含主要字段）

为了更好地描述事件块设计的方法，下面以前面介绍过的切换出事件块与同频周期性事件块作为示例介绍设计思路，其他事件块的设计可以参考借鉴，再赘述。

切换出事件块设计思路：需要包含切换原因，切换类型，比如Xn 口切换、Ng 口切换等不同切换类型，切换的Xn 接口的应用标识APID，目标基站信息及其频点，切换时长以及可能的切换失败原因等内容，特别是可以巧妙设计的最后一条失败信令可用于快速判定失败点。具体的切换出事件块设计示例如表4所示。

周期性同频测量事件块设计思路：需要包含频点信息，服务小区与邻小区的物理小区标识及其无线信号测量结果，以及满足条件的SSB（Synchronization Signal and Physical Broadcast CHannel block,同步信号和PBCH 块）波束的无线信号测量结果，为了方便分析建议波束的排序按照RSRP（Reference Signal Receiving Power，参考信号接收功率）的信号强弱排序。具体的周期性同频测量事件块设计示例如表5 所示。

3.2.4 设计的数据源采集

前面只是设计了相关的事件块，但真实的数据采集需要在基站设备中选择希望采集的事件块名称以及配置相关参数才能触发采集流程。所有事件块都有小区、采集起止时间等参数，而周期性事件块还需要输入周期参数，比如采集周期是5 秒或者10 秒等数值。需要说明的是，可以在网管操作界面或者其他方式来设置这些参数，只要有对应的配置接口即可。另外，采集到的数据还需要考虑保存到何处，比如基站的OMU（操作维护单元）或者保存在网管平台。

4 结语

本文介绍的5G 数据采集的设计方法已经在相关设备厂商的5G 基站设备中实现了数据采集，并已逐步用于5G SON 设计。随着5G 引入AI，对基站设备的数据采集会提出更多的需求，当然反过来也会助推AI 在5G 的快速落地与应用。本文的数据采集设计方法除了可应用于5G 基站，也可以适用于其他类似的无线站点的数据采集设计，包括未来的6G 基站等。

表4 切换出事件块设计示例（仅含主要字段）

表5 周期性同频测量事件块设计示例（仅含主要字段）