叶晓斌，姚丽红，刘惜吾，马丹丹，程亚锋（中国联通广东分公司，广东广州 510627）

1 概述

2019年6月6日中国联通获颁5G运营牌照，5G网络的建设和商用进一步提速。广东联通作为5G 的先发城市，到2019 年底预计全省开通10 000 个以上5G站点。

1.1 5G网络运维面临挑战

5G 网络建设的推进，促使网络规模不断扩大、网络复杂度不断提升，2G/3G/4G/5G 四代同堂，故障修复越来越难。与此同时，传统的维护手段和工具，如性能监控、告警类应用通常处理的数据量较小、数据相关性分析不足、故障前瞻性预测不够。对5G网络和业务的运行状况进行持续有效的监控，迅速实现故障恢复是5G业务保障的重要工作。

1.2 AI技术的发展和推广应用

AI 技术诞生于20 世纪中叶，几经沉浮，近年来借助现代计算和数据存储技术的迅猛发展再次复兴，凡是给定场景涉及到了数据的统计、推断、拟合、优化及聚类，AI 均能找到其典型应用。目前，AI 应用已经渗透到语音识别、图片识别、视频识别等技术领域，覆盖行业包括车联网、物联网、互联网等。

AI 技术为5G 网络运维面临的挑战提供了一种超越传统理念与性能的可能，已成为业界重点关注的研究方向，3GPP、ITU 等组织均提出了5G 与AI 相结合的研究项目。AI 取代缓慢易错的人力决策部分，快速给出决策建议或提前规避故障，基于AI的运维创新将大大提升网络运维效率。

2 解决方案

广东联通2018 年底启动“5G+AI 项目组”，选取基站及回传网的主要故障场景进行了详尽的分析，提出了基于AI的基站及回传网故障定因解决方案，方案主要包括三大部分。

a）资源管理：通过移动回传网与基站的资源动态关联，实时感知业务状态。

b）事件推理：基于设备日志的学习及抓取，还原网络中的关联事件，提供最佳抢修建议。

c）根因定位：对关联事件中的关键信息进行学习，由专家进行标注，直达故障根源。

2.1 资源管理

广东联通目前无线基站数量已经超过12万，作为回传网的IPRAN 设备数也已经超过3万，随着5G 网络建设的进一步加快，网元数量会更多。按照传统的资源管理模式，广东联通要安排至少22个专职的工程师进行网络资源数据的管理。

作为整个方案的基础，提出通过基于基站与回传网的信令链监测，实现资源自动关联，同时做到4G/5G基站的自动识别，在故障处理时强化业务感知能力。基站和回传网资源数据的自动识别为AI 算法在事件推理和根因分析中的应用提供必备的基础。

目前IPRAN 网络中对基站的地址管理，网络部署方案采用L2VPN+L3VPN（简称L2+L3）和L3VPN+L3VPN（简称L3+L3）2 种，在不同的网络部署方案中，基站的网关会配置在不同角色的设备上，其中L2+L3组网的基站网关配置在汇聚设备ASG，L3+L3 组网中基站网关配置在CSG上。

L2+L3基站发现流程如图1所示。

a）无线侧：通过FTP 服务器获取无线基站相关信息，包括基站名称、MAC、IP地址、GPS信息等。

b）IPRAN 侧：采集所有基站的MAC 地址、IP 地址，采集ASG 至CSG PW 的连接信息，构建CSG 与基站MAC的关系。

c）无线侧与IPRAN 跨专业关联：通过基站MAC与IP把无线的基站信息与IRPAN的CSG进行关联。

L3+L3基站发现流程如图2所示。

图1 L2+L3基站发现流程

图2 L3+L3基站发现流程

a）无线侧：通过FTP 服务器获取无线基站相关信息，包括基站名称、MAC、IP地址、GPS信息等。

b）IPRAN 侧：采集所有基站的MAC 地址、IP 地址，构建CSG与基站MAC的关联关系。

c）无线侧与IPRAN 跨专业关联：通过基站MAC与IP把无线的基站信息与IRPAN的CSG进行关联。

以广东某地（市）为例，通过上述方式发现的基站占比到达98%，准确度100%。

研究发现，基站如支持新一代发现协议，如LLDP，系统可以通过60 s 刷新的粒度进行监测，满足后续分析的需要。

2.2 事件推理

基于基站及回传网设备的资源信息，系统可以快速收集全量网络日志信息，并通过AI算法实现事件推理，最大程度地还原网络发生的事件，从而给出最佳的抢修建议。事件推理通过离线分析积累故障经验库，通过在线分析推理出故障原因。系统架构如图3 所示。

图3 事件推理技术架构

日志量、模块数异常检测：以5 min 的颗粒度对日志量以及模块数以3σ准则进行异常数量检测，假设当前时刻t6 的日志量和模块数分别为N6 和C6，分别计算出前6 个周期（t0～t5）的日志量和模块数的均值u1、u2和方差σ1、σ2，若（|N6-u1|＞3 σ1）and（|C6-u2|＞3σ2）则判定此时刻的日志为疑似异常，触发日志异常检测模块。

日志截取：基于日志量、模块数，对疑似异常时间段取前后5 min 日志进行截取分析。对日志以10 s 时间粒度为界限，以滑动窗口方式进行截取，若10 s内出现新的日志窗口继续后延10 s，直至无日志出现。

如将09：30：39 的数据进行合并，10 s 内的日志归并为同一事件所产生的日志，即09：30：39—09：30：43的日志为同一个事件的日志。同理09：31：09—9：31：11的日志共4条为同一事件的日志。

基于日志内容NLP 异常检测：基于历史日志，使用异常检测算法Autoencoder 对截取的日志内容进行异常检测，判断日志内容是否为异常。该方法采用autoencoder 作为编解码器，分别为编码encoder 与解码decoder，其中encoder 和decoder 分别有2 层，其中encoder参数分别为16维、8维，decoder参数分别为8维、16维，输入one-hot编码的文本。

日志分类模型：若检测日志内容为异常，利用离线训练好的分类模型，对日志内容进行类别区分。

故障推理：故障推理是根据故障日志类别与故障经验库进行比较，识别出故障类型，并根据日志中关键信息，提取出故障主体信息，从而绘制出完整的故障事件。

2.3 根因分析

系统通过对日志信息的提取和分析，对关联事件中的关键信息进行学习，并由专家进行标注，直达故障根源。

以日志The physical status of the port changed to Down.（EntPhysicalName=“GigabitEthernet0/5/0”，hw-PortDownReason=“LOS”）为例：

a）提取日志模板：将检测出异常的日志，转换为数字词典的形式，同一类日志对应同一个数字，并提取其中变量，如案例日志提取为：［日志1，“GigabitEthernet0/5/0”，“LOS”］。

b）抽取重要日志：由专家进行标注训练二分类模型，实现抽取性文本摘要功能，抽取出能反映根因的日志，并按照日志手册返回时间、可能原因以及处理意见。

c）工程师注解：光丢失，建议派单至传输专业。

3 现网验证

以广东某地（市）2019 年3 月25 日发生双开故障为例，通过该方法快速感应到故障所在位置，并且快速得出故障根因。

3.1 拓扑及故障还原

通过移动回传网与基站的资源动态关联快速感应到故障所在位置（见图4）。

图4 故障所在环路拓扑图

3.2 异常检测及预警

3.2.1 流量异常告警

环路中的ASG 设备接口GigabitEthernet4/0/4 从2019-03-25T14：15就开始陆续出现流量异常告警。

3.2.2 日志异常告警

系统实时检测环路中的设备，以5 min的颗粒度对日志量以及模块数以3σ准则进行异常数量检测，发现设备10.28.74.14在2019-03-25的14：15和14：50都有日志预警，该设备日志数量环比上升2 266%，日志成分数量环比上升466.6%，超过3σ 准则动态阈值，判定此时刻的日志为异常。此外算法还监控到设备10.28.74.11 在2019-03-25 的14：50、设备10.28.74.19在2019-03-25的15：40均有日志异常。

3.3 事件推理分析

上述算法识别出来的异常事件点的日志进一步模板格式化，为每一条日志打上分类标签，并分配一个离线训练好的模板ID，调用日志内容NLP 异常检测算法Autoencoder，检测到设备10.28.74.14 日志的还原误差是918.2828993、设备10.28.74.22 日志的还原误差是908.7424327、设备10.28.74.11 日志的还原误差是595.5569471，还原误差均超过误差阈值50（经验设定值）。

系统通过算法Autoencoder 分析出＜10.28.74.14＞、＜10.28.74.22＞、＜10.28.74.11＞3 台设备日志有异常。同时，捕捉到＜10.28.74.14＞设备在2019-03-25T14：17：18 有环口链路中断日志，在2019-03-25T17：07：34有环口链路中断恢复日志；捕捉到＜10.28.74.22＞设备在2019-03-25T14：49：00 有环口链路中断日志，在2019-03-25T15：38：32 有环路链路恢复日志；算法捕捉到＜10.28.74.11＞设备在2019-03-25T14：49：00 有环口链路中断日志，在2019-03-25T15：38：32 有环路链路恢复日志。

根据捕捉到的异常日志中的关键信息，结合故障主体信息，从而绘制出完整的故障事件。

与故障经验库进行比较，进一步推理识别出故障类型，分析该故障的根因为链路双开：2019-03-25T04：49，某地（市）AR**环路双开引起大面积断站。

4 结束语

基于研究的成果，先后在广东联通多个地（市）进行测试验证，试点应用情况如下。

2019 年5 月在广东某地（市）开始试用，完成2 次抢修验证，抢修优先级统筹时间由30 min 大幅缩减至3 min，提速90%。

对于故障的定因分析，2019 年5 月开始某地（市）试点，在线监测分析22 个接入环、200 台设备的日志，基于日志对历史故障离线验证5 次，跟工程师验证效果吻合，准确率100%。

综上所述，基于AI 的基站及回传网故障定因方案，可以借助AI 算法和IT 系统的能力，切实解决困扰运维部门的维护难题，为广东联通在5G网络运维提供了高效可行的技术手段，有望在未来的5G网络运维中大幅提升工作效率和降低运营成本。