互聯(lián)網的迅速普及使得網絡流量激增，傳統(tǒng)的流量監(jiān)控方式是給監(jiān)測指標設置水位線或波動幅度，當?shù)陀?高于水位或超過波動范圍時觸發(fā)報警，但靜態(tài)閾值沒有適應變化的能力，需要人工維護，但在線路非常多的情況下，人工維護將耗費非常大。隨著軟硬件的發(fā)展，機器算力大幅提高，人工智能（Artificial Intelligence，AI）的應用得以實現(xiàn)。讓系統(tǒng)具備自動適應變化的能力，能夠預測網絡流量，將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(jiān)控領域的關鍵問題。利用人工智能實現(xiàn)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。

人工智能加速發(fā)展人工智能是研究機器以人類思維方式學習、推理、決策的當前最前沿研究方向之一，是計算機科學中難度很大、挑戰(zhàn)性很強的一個分支，當前人工智能僅能模仿人類能力的子片段，還處于弱人工智能階段。

人工智能這個概念已經存在幾十年，20世紀60年代神經網絡的概念就已經被提出，但神經網絡的正式使用是最近幾年由于整體算力的大幅提高才得以實現(xiàn)的。20世紀80年代，人工智能主要專注于定義明確的領域，發(fā)展基于規(guī)則的專家系統(tǒng)。人工智能的知識來自于人類專家，并通過“if-then”邏輯去表達，隨后集成在硬件中，這些系統(tǒng)被成功用于解決某些嚴格定義的問題，然而這種系統(tǒng)無法處理不確定性，即使存在明顯缺陷，但其系統(tǒng)引領了重要的解決方案，該方面的技術開發(fā)目前仍然很活躍。近年來，得益于數(shù)據(jù)量的增大，計算能力的增強，以及優(yōu)化的機器學習技術，人工智能興起，人工智能系統(tǒng)常常能在特定任務方面勝過人類，如象棋、語音圖像識別、圍棋等并且發(fā)展速度正在加快。可以預見，性能最強大的系統(tǒng)都會基于機器學習方法，而不是一套人工編碼的規(guī)則。

運營商網絡監(jiān)控需求近幾年，4G時代的移動互聯(lián)網迅速普及，中國基本進入人聯(lián)網時代，這帶來了網絡流量的激增。由于通信業(yè)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(yè)務開始大規(guī)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。不論是從安全性還是服務優(yōu)化的角度考慮，網絡監(jiān)控都是運營商必須重點部署的一環(huán)，網絡監(jiān)控出問題，給用戶最直接的感受就是服務質量下降，會降低民眾對運營商的好感度。

傳統(tǒng)監(jiān)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(fā)報警；二是給指標M1設置同比、環(huán)比波動幅度，比如，同比波動20%、環(huán)比波動10%觸發(fā)報警。

以上兩種方式對于大流量的監(jiān)控效果不理想，這種靜態(tài)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環(huán)比數(shù)據(jù)的穩(wěn)定性。在線路非常多的情況下，人工維護將耗費非常大。讓系統(tǒng)具備自動適應變化的能力，能夠預測網絡流量，根據(jù)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(jiān)控領域的關鍵問題。利用人工智能實現(xiàn)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(jiān)控網絡流量預測方法網絡流量監(jiān)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?yōu)橹鲃舆x擇應對策略，預測問題是目前人工智能較為成熟的應用方向。預測結果的好壞除了受客觀條件的影響外，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。

一是基于線性時間序列建模的預測方法。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。

二是基于人工智能的網絡流量預測。網絡流量不是平穩(wěn)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

人工智能雖然由互聯(lián)網科技公司推動，但對于通信運營商而言，人工智能帶來更多機遇。運營商在有多年的數(shù)據(jù)積累，形成了超大規(guī)模的數(shù)據(jù)，這些數(shù)據(jù)尚未給運營商帶來很大的價值，人工智能讓數(shù)據(jù)變現(xiàn)成為可能，海量數(shù)據(jù)成為了寶貴的資源。在產業(yè)互聯(lián)網領域，運營商先天具有構建數(shù)據(jù)壁壘的能力，具有數(shù)據(jù)先發(fā)優(yōu)勢。

當前，運營商積極進入ICT產業(yè)鏈，在發(fā)展創(chuàng)新業(yè)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(fā)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。

人工智能可以在以下三個層面對網絡進行重構。

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(shù)據(jù)機房最先使用人工智能，用于全局流量調度，并且具有數(shù)據(jù)集中、數(shù)據(jù)量大、易于集中訓練等優(yōu)勢，在邊緣側提供現(xiàn)場級的人工智能加速器，加快設備的智能化。

網絡和業(yè)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(yōu)化、維護有更快的計算和更優(yōu)的結果，按照網絡層級，實現(xiàn)KPI、路由、網絡策略的優(yōu)化等，智能優(yōu)化網絡的覆蓋能力、高熱點區(qū)域等。

運營和編排層：在大數(shù)據(jù)平臺，運營商的OSS（Operation Support System，運營支撐系統(tǒng)）和BSS（Business Support System，業(yè)務支撐系統(tǒng)）數(shù)據(jù)可基于人工智能做深度挖掘，在編排層（包括產品編排、業(yè)務編排、端到端資源編排）引入人工智能，分析運營業(yè)務量并進行預測，由靜態(tài)應對轉為動態(tài)規(guī)劃。

智能網絡監(jiān)控系統(tǒng)一個完整的智能網絡監(jiān)控系統(tǒng)包含：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。

人工智能流量預測模塊：通過人工智能算法，進行歷史數(shù)據(jù)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(shù)據(jù)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(jù)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(jù)日志分析和自動檢測的結果，判定是否是出現(xiàn)故障，并且對故障進行初步定位。

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

另外，智能網絡監(jiān)控系統(tǒng)的工作流程如下：通過人工智能的智能預測功能預測流量，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(fā)現(xiàn)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(jiān)控是運營商通信服務中重要的一環(huán)，網絡流量監(jiān)控的核心問題是對網絡流量的精確預測，通過分析對比當前的預測方法可以發(fā)現(xiàn)，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，可以在基礎設施層、網絡和業(yè)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(jiān)控系統(tǒng)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(jiān)控在提高檢測準確度、削減人工成本、提升用戶感知等方面能夠幫助運營商實現(xiàn)價值。
責任編輯；zl