开放智能无线网络架构和平台设计研究.pdf

第48 卷总第52 3期网络首发：2 0 2 3-0 4-11开放智能无线网络架构和平台设计研究薛旭，孙奇，李男，吴杰，王佳木，韩延涛”，池刚毅3（1.中国移动通信有限公司研究院，北京10 0 0 53；2.中国移动通信集团安徽有限公司，安徽合肥2 30 0 6 1；3.中国移动通信集团有限公司，北京10 0 0 33）【摘要】随着5G与行业应用的深度融合，千行百业对5G网络提出了定制化、智能化和敏捷响应的新需求。为了应对这些挑战，从无线网络智能化演进的角度提出了开放智能无线网络架构，设计了基于云原生的开放无线智能控制平台架构、功能、接口和关键流程。提出的架构和平台设计通过开放的标准接口和基于容器的虚拟化技术，支持无线智能应用xApp的灵活部署，赋予5G网络可编程的柔性特征，更好实现无线网络能力定制。结合典型的视频业务场景开展测试，实验表明，利用开放无线智能控制平台加载基于人工智能的可用带宽预算法，可实现网业协同和实时视频码率优化，有效提升用户的业务体验。【关键词】5G；架构；开放；智能；可编程；网业协同doi:10.3969/j.issn.1006-1010.20221124-0003文献标志码：A文章编号：10 0 6-10 10(2 0 2 4)0 3-0 143-0 9引用格式：薛旭,孙奇,李男,等.开放智能无线网络架构和平台设计研究.移动通信,2 0 2 4,48(3):143-151.XUE Xu,SUN Qi,LI Nan,et al.Exploring the Design of an Open Intelligent Wireless Network Architecture and PlatformJJ.MobileCommunications,2024,48(3):143-151.Exploring the Design of an Open Intelligent Wireless Network Architecture and PlatformAbstractWith the deep integration of 5G and industry applications,various industries have put forward new requirements for customized,intelligent,and agile responses from the 5G network.To address these challenges,an open intelligent wireless networkarchitecture is proposed from the perspective of wireless network inteligence evolution.Based on cloud-native design principles,an open wireless intelligent control platform architecture,functions,interfaces,and key processes are designed.The proposedarchitecture and platform design support flexible deployment of wireless intelligent xApp through open standard interfaces andcontainer-based virtualization technology,endowing 5G networks with programmable and flexible characteristics to achievecustomized wireless network capabilities.Tests conducted in typical video service scenarios show that by using the open wirelessintelligent control platform to load Al-based available bandwidth budget algorithms,network and industry collaboration and real-time video bitrate optimization can be achieved,effectively improving user experience.Keywords15G;architecture;openness;intelligence;programmability;network and industry collaboration3中图分类号：TN929.5XUE Xu,SUN Qi,LI Nan,WU Jie,WANG Jiamu,HAN Yantao,CHI Gangyi?(1.China Mobile Research Institute,Beijing 100053,China;2.China Mobile Communications Group Anhui Co.,Ltd.,Hefei 230061,China;3.China Mobile Communications Group Co.,Ltd.,Beijing 100033,China)OSID:扫描二维码与作者交流移动通信0引言5G作为国家的新型基础设施之一，具有大带宽、低时延、高可靠、大容量等基础特性，除了为大众提供高速的无线传输服务外，还承担着为垂直行业赋能、赋智，使能千行百业，加快传统产业数智化转型升级的历史使命。随着5G与行业应用的深度融合，传统的无线网收稿日期：2 0 2 2-11-2 4络不能完全满足行业专网需求的问题越来越凸显。行业专网的定制化、开放化和敏捷部署等需求远远高于公众网络。面向垂直行业市场，传统的无线建网方式通常面临复杂的业务开通和昂贵的网络维护成本，成为无线网络建设和规模化应用过程中的难点。更加智能的、可敏捷定制的5G无线网络已成为产业的现实诉求。云化、开放化和智能化是无线网络演进的重要趋势，国内外学术界和产业界积极布局相关研究-5。云化可实现1432024年3月第3期第48 卷1研究与探讨1总第52 3期网络和业务服务能力的灵活定制和快速部署，新特性和新业务的敏捷交付，满足行业专网对无线网络和业务敏捷部署和一体服务的需求6 。智能化将进一步助力提升网络的定制化能力、自动化智能运维能力以及保障无线网络和业务性能，满足客户网络能力灵活定制和使用简便的需求。本文就O-RAN提出的无线网络智能化和开放化的架构和接口进行了研究，在此基础上，重点进行了无线智能控制平台的架构、接口和关键流程设计，并通过一个端到端的视频业务优化智能应用实例验证了该无线智能化架构在能力定制、信息开放和部署敏捷等方面的特点，通过该架构可以很好地满足客户的业务保障需求。1开放智能无线网络架构面向DICT深度融合的技术趋势，基于云化、智能和开放的核心技术理念，O-RAN联盟提出了基于云原生的智能无线接人网架构7 ，如图1所示。O-RAN基于通用服务器，利用虚机、容器等IT技术形成云化和虚拟化的网络基础设施，为各网络功能以及业务应用提供了统一的虚拟化平台，可按需灵活加载5G无线网元功能（例如CU-CP、CU-U P、D U 等），无线网络智能化组件以及服务管理与编排功能（Service Management and Orchestration,SMO），实现业务的快速部署、一键开通、敏捷扩容等。为了实现在云化平台上的敏捷部署，O-RAN的智能化平台、组件和应用等均基于云原生微服务化架构进行设计，从而可以利用Kubernetes等管理工具以容器的方式部署在云化平台，并可以按需灵活扩缩容8。服务管理和编排（SMO）非实时无线智能控制器（Non-RTRIC）1近实时无线智能控制器（Near-RTRIC）0211E211111111为了提升网络性能和用户体验以及更好的服务行业应用，O-RAN在3GPP的无线接入网架构基础上，引人了无线智能控制器一一RANIntelligent Controller（RI C），根据处理时延和可获取的数据范围和时效特性，将RIC划分为非实时无线智能控制器（Non-RealTime RAN Intelligence Controller,Non-RT RIC）和近实时无线智能控制器（Near-RealTimeRANIntelligentController，Ne a r-RT RI C），分别用于实现1s以上时间粒度的智能控制和10 ms到1s时间粒度的智能控制功能3。其中，Non-RT RIC属于SMO的一个逻辑功能，主要功能是为Near-RTRIC训练AI/ML模型和生成网络优化资源和/或目标策略，通过A1接口下发给Near-RTRIC。Ne a r-RTRIC的核心功能是通过标准E2接口实现与基站的信息和控制交互，为行业定制化的无线智能应用xApp提供感知、预测和控制无线资源的方法和平台，根据行业业务对无线网络的不同需求，开发和加载对应的无线智能应用，实现无线能力的按需定制，提供业务的SLA保障。Near-RTRIC是无线接人网络实现能力定制、信息开放和敏捷部署的关键组件，其内部逻辑架构如图2 所示5，由Near-RTRIC平台和无线智能应用xApp两部分组成，两者之间通过Near-RTRICAPI实现解耦。Near-RTRIC无线智能控制平台通过服务开放接口实现对内部无线智能应用和外部平台应用的赋能，提供无线状态信息和预测信息的输出以及业务需求的输入。Near-RTRIC平台将与基站交互的能力通过统一的接口（Near-RTRICAPI）开放给无线智能应用，方便第三方应用开发者针对业务需求进行定制化开发。此外，Near-RTRIC平台具备服务开放功能（ServiceExposureFunction），通过统一的服务化接口RAIEAPI（RA NAnalysis InformationExposureAPI，无线信息开放API）与个NEF（Ne t w o r k Ex p o s u r e Fu n c t i o n，网络开放功能）、MEC（M u l t i-a c c e s s Ed g e Co mp u t i n g，多接人边缘计算）或其他应1o1用平台进行双向交互，一方面，RIC将无线性能信息以及智1能应用计算或预测的信息开放出去，使得业务平台可感知无开放式CUCP(O-CU-CP)F1-C开放式DU(O-DU)开放前传接口开放式RU(O-RU)开放式云化平台（O-Cloud）图1开放式无线接人网架构E1一线网络的状态和变化，及时做出调整；另一方面，外部平台开放式CUUP(O-CU-UP)一F1-UT一一SLA（Se r v i c e Le v e l A g r e e me n t，服务级别协议）。作为无线接入网的功能增强，Near-RTRIC平台为5G基站提供了内生智能和可编程的能力。（1）内生智能：Near-RTRIC平台具备AI/ML功能，可为xApp提供基础的AI/ML通用服务，包括数据清洗、模型训练和模型存储等，从而助力xApp的智能化算法实现，为网络提供智能能力。可以通过该接口向RIC输人业务需求，使得无线系统可及时感知业务需求并调整无线资源的调度策略，保障关键业务的144移动通信2024年3月第3期第48 卷总第52 3期薛旭，孙奇，李男，等：开放智能无线网络架构和平台设计研究移动通信（2）可编程能力：Near-RTRIC平台提供了标准统一的RICAPI接口，为xApp通过RIC平台访问基站提供了开放的途径，比如获取基站的无线侧数据信息并向基站下发控制指令等。利用该接口机制，通过开发不同的xApp就可实现对网络的定制化优化和控制，为网络提供了可编程能力，从而可灵活适配不同的业务保障需求和网络性能优化需求。服务管理与编排（SMO）非实时无线智能控制器(Non-RTRIC)01A101接口处理A1接口处理Near-RTRICAPIsforxAppXApp1XApp2消息基础设施冲突解决XApp订阅功能管理功能管理功能安全AI/ML支持共享数据层数据库图2 Near-RTRIC的内部逻辑架构92Near-RT RIC平台功能和接口设计Near-RTRIC平台为无线智能应用xApp提供了调用无线网络能力的接口，并实现无线能力的开放。因此核心功能模块包括xApp管理、xApp间策略协同、数据订阅管理和无线信息存储等；关键接口包括与基站间的E2接口、无线服务开放接口和Near-RTRICAPI接口等。各功能模块采用微服务化的设计，以容器镜像形式封装，从而可以在云平台上实现灵活部署和扩缩容，例如，由于数据订阅需求的增加，可通过扩展容器资源或新增容器实例实现对数据订阅管理服务的扩展。2.1 Near-RTRIC平台的核心功能设计Near-RTRIC平台主要功能是为xApp提供服务，核心功能模块包括管理服务、数据订阅服务、策略控制服务以及数据信息存取服务。xApp通过Near-RICAPI可以调用这些平台服务5。（1）x A p p 管理（Management Services）：用于实现对xApp的生命周期管理以及Near-RTRIC平台的FCAPS管理，包括xApp的注册、激活、去激活、初始配置等，并维护xApp的状态。其中，在xApp的注册过程中，xApp向RIC发的注册请求需要包含两大类信息，一类是xApp的特征描述，例如功能、提供商、版本、生产日期等；一类是对RIC平台的需求描述，例如所需的RICAPI接口信息、所需的A1策略类型以及所需的E2接口服务模型等；通过xApp的注册过程，RIC平台可以获取xApp的信息，并判断是否可以完全支持该xApp。x A p p 的配置则是对xApp所需的参数进行设置，比如xApp算法所需要的输入参数、关注的E2Node信息等。xApp的激活和去激活是RIC平台控制xApp是否可以执行相关程序和流程，包括通过RIC平台与相对应的E2Node交互、算法过程的执行等。（2）x A p p 间策略协同（ConflictMitigation）：针对不同的业务需求以及功能需求，会存在多个xApp共RAIENEF/边缘计算服务开放功能APIsXAppNAP使能功能E2接口处理E2E2 Nodes平台业务应用同部署和同时工作的情况，从而也不可避免的存在多个xApp间执行策略出现冲突的可能性，因此需要有对xApp指令冲突或潜在冲突的协同。RIC平台按照设置的协同策略对每个xApp的控制命令做分析，包括xApp控制的小区ID、U EI D、配置的参数信息以及执行的过程等。（3）数据订阅管理（SubscriptionManagement）：实现对xApp向E2Node发出的订阅请求消息的处理，除了将订阅消息通过E2接口发送给对应的基站外，还负责处理重复的或部分重复的订阅请求。针对多个xApp订阅了相同的性能参数和相同周期的情况，RIC平台只向E2Node发送一次订阅请求，E2Node上报性能数据后分发给不同的xApp；针对订阅的性能参数相同但周期不同的情况，RIC以最小采集周期和上报周期向E2Node发起订阅，收到E2Node的性能数据后，针对不同的xApp进行相应的处理后再分发。（4）信息存储（Database）：用于存储xApp以及Near-RTRIC平台的数据，包括E2Node配置数据、UE级测量数据以及xApp和平台本身的配置和状态数据，并且在数据变化时主动通知相关组件或xApp。采用REDIS+MYSQL的解决方案实现，可同时满足数据读写的实时性和大容量需求。通过REDIS数据库存储E2接口数据采集的原始数据与xApp处理后有效数据，提高数据实时读写能力，并将数据同步更新至MYSQL数据，提升数据存储能力。2.2Near-RTRIC平台的关键接口设计Near-RTRIC的关键接口包括E2接口、RAIEAPI和Near-RTRICAPI，根据不同的功能要求采用了不同的设计原则。E2接口提供了与基站的交互，需要满足可靠和快速的传输要求，因此采用SCTP传输协议和ASN.1的编码方式；无线信息开放接口是将无线状态信息和分析结果以服务的方式开放给业务应用，采用基于HTTP的Restful接口进行设计，更加通用和友好；Near-RTRICAPI是RIC平台与xApp的交互接口，选用了更加适合微服务间高效通信的gRPC，并采用protobuf进行编码封装。1452024年3月第3期第48 卷1研究与探讨总第52 3期（1）E2 接口：Near-RT RIC平台与E2Node（可以为CU、D U、C U-C P、C U-U P等无线基站BBU逻辑单元）之间的交互接口，用于获取细粒度（用户级/业务级/5QI级、秒级以下）的无线状态信息和下发细粒度的控制指令。以此接口功能为基础，可向xApp提供无线状态数据采集与无线资源控制的能力。为了满足E2接口的传输实时性、可靠性和高效性，在传输层采用SCTP协议，在应用层采用ASN.1的编码方式。(2)RAIE（RA N A n a l y s i s In f o r m a t i o n Ex p o s u r e,无线信息开放）API：Ne a r-RT RI C（包括xApp）向外部实体开放无线信息的接口，实现了将Near-RTRIC平台或xApp采集或分析处理后的无线状态信息开放给外部应用平台，供外部应用根据网络状态进行优化，保障用户的业务体验。为了更好的为外部的业务应用平台提供服务，采用IT行业普遍采用的基于HTTP的Restful接口设计。XAppsxApp数据订阅和上报过程1.无线资源信息数据订阅6.算法执行（3）Ne a r-RT RIC A PI：Ne a r-RT RIC平台提供给智能应用xApp调用的API，实现Near-RTRIC平台能力向xApp开放以及二者的解耦，包括xApp管理API、数据库操作API、E2 操作API等。考虑到E2操作和数据库操作API的实时性和大数据量需求，采用SCTP传输协议以及protobuf序列化方式；而管理类API采用IT领域更加普遍使用的基于HTTP/2传输协议的gRPC实现。2.3Near-RTRIC平台的关键流程设计本节重点介绍Near-RTRIC平台的关键流程口相关流程，包括订阅、数据上报和控制下发等3个子流程。涉及到数据订阅、xApp间协同、E2接口和信息存储等4个核心功能。数据订阅功能能够将多个xApp对同一个基站相同内容的订阅请求（即重复订阅）进行合并，以减小对基站Near-RTRIC平台订阅管理数据库2.数据订阅请求的合理性判断！3.数据订阅过程4.保存数据订阅的分发消息15.基站上报无线状态信息数据！呈一一E2接E2Nodes冲突解决服务基站11并线资源控制过程17.无线资源控制指令下发1选择制指令无冲案1.控制指令执行纯果返回控制指令冲突K-12.指全冲突指季18.控制指令冲突协同处理9.控制指令下发10.控制指令执行响应！146移动通信2024年3月第3期！图3xApp与基站的交互流程！第48 卷总第52 3期薛旭，孙奇，李男，等：开放智能无线网络架构和平台设计研究侧的订阅处理压力。为了实现这一目的，订阅服务需要记录新的订阅内容（对于基站侧来说是重复的订阅内容若来自不同的xApp，也需要分别记录）。为了将基站侧上报的订阅数据正确分发到xApp，订阅服务需要根据订阅请求信息来在数据库建立到xApp的数据分发表（route表）。E2接口功能收到E2Node的数据上报指示消息后，需要读取订阅服务在数据库中维护的数据分发表，通过kafka消息分发机制发给对应的xApp。xApp间协同通过冲突解决服务来实现，在收到xApp下发的控制执行指令后，会对其内容进行解析，判断与正在执行的过程或指令是否存在冲突，如果冲突则进行冲突处理；若无冲突，则通过E2接口发给对应的E2Node。图3展示了数据订阅请求的处理流程和后续的业务控制流程，其中xApp与Near-PTRIC平台间的交互即为E2相关API。按照标准的开放的RICAPI实现按需定制的智能化应用xApp，可以通过容器的形式灵活的快速部署在Near-RTRIC平台，从而可实现无线网络的业务保障能力增强，满足行业专网对网络定制化和敏捷响应的需求。在不同工业生产线有不同的业务需求，比如工业相机数据传输为大数据低时延需求，机械臂的数据传输为小数据低时延需求，针对这两种不同的工业生产业务，可以部署统一的基站软件版本，通过K8S管理平台快速拉起两个容器，在Near-RTRIC平台上加载不同的xApp镜像来实现对这两种不同生产业务的传输质量保障。当生产线业务发生变视频流视频流状态数据vUPFNG-UF1(R)vCU风VBBURRU5G终端（视频客户端）更时，只需加载对应的xApp镜像即可，不需要更新基站软件版本，从而减少了由于基站升级带来的对同覆盖范围内其他生产线业务的影响。3天无线智能控制平台应用验证3.1验证方案无线空口带宽的变化会影响业务的实时传输。垂直行业中的视频监控业务、语音对讲业务、AR/VR检修业务等进行传输时，无线空口带宽的变化会带来业务质量和体验的下降，从而影响到生产数据和指令的时延和准确性，进而降低生产的效率。产生空口带宽变化的原因可能是：1）信道条件的突然变化（比如因为移动带来的遮挡、突发干扰等原因）导致的信道恶化；2）由于服务基站下用户之间的相互竞争导致的优先级或者满足率下降。因此，及时准确的预测最大空口可用带宽（指无线网络可以为UE提供的最大空口传输速率）并将预测结果提供给业务应用，业务应用据此进行相应的参数调整，可以有效提升用户体验，保障业务的需求。（1）验证环境介绍无线智能控制平台应用验证测试组网环境如图4所示。验证环境基于商用5G云化基站、商用终端和中国移动商用MEC平台构建。云化基站vBBU、Ne a r-RT RI C平台、空口可用带宽预测xApp、无线能力开放xApp以及MEC、视频码率优化APP和视频业务服务器端等组件部视频QOE评估视频QOE评估结果视频码率优视频码率优化应化控制用MEC平台MEC可用带宽预测数据可用带宽预测空口可用带宽预无线能力开放无线状态数结果上报测xApp据采集vDUE2通用硬件服务器图4验证方案组网示意图视频服务器XApp近实时无线智能控制器平台Near-RTRIC移动通信2024年3月第3期147第48 卷1研究与探讨1总第52 3期署在通用服务器上。其中，空口可用带宽预测xApp通过从基站采集的无线状态数据利用AI算法预测UE未来1S可用的空口带宽；无线能力开放xApp将空口可用带宽预测xApp预测结果利用Restful接口提供给MEP平台上的视频码率优化APP；视频码率优化APP采用基于DDPG101（D e e p D e t e r mi n i s t i c Po l i c y G r a d i e n t，即深度确定性策略梯度）的AI算法，结合从Near-RTRIC平台获得的UE可用空口带宽预测结果、视频客户端上报的视频业务状态数据（视频码率、视频卡顿时间、视频平滑度、buffer缓存时长）以及视频QoE质量评估模块输出的QoE评估结果，按照视频码率调整策略向视频服务器输出码率调整控制指令，供视频服务器参考以调整视频码率。图4中的橙色线表示码率调整算法的控制流交互，包括E2接口无线状态数据的采集、可用带宽预测结果的传输与开放以及码率优化调整控制指令的传输；蓝色线表示视频业务状态数据流交互，UE侧视频客户端通过无线通信系统的用户面直接传输到MEP平台的视频码率优化APP和视频QoE评估模块；绿色线表示视频业务的数据流交互，UE侧视频客户端通过该传输通道获得视频业务数据。验证环境的参数配置和测试方法如下：无线小区参数配置：1个2 T2R的小区，小区中心频点为2 56 5MHz，系统带宽配置为10 0 MHz，子载波间隔为15kHz，子帧配比DDDDDDDSUU。测试方法：被测UE视频客户端正常播放所选视频流，期间背景UE执行灌包业务或FTP业务，挤占被测UE的可用带宽，观察被测UE视频流的情况。开启和关闭智能化算法分别进行测试。（2）空口可用带宽预测原理介绍本验证方案通过空口可用带宽预测，实现基站和UE的无线信道状态感知。具体地，本方案通过采集空口参数，并采用基于长短期记忆（LongShortTermMemory，LSTM2)）网络训练的AI模型预测未来1s内最大空口可用带宽。预测结果将辅助视频流业务进行码率的自适应调整，在保证流畅度的同时尽量提高视频流的清晰度，以保障用户体验。空口可用带宽预测模型利用LSTM网络拟合移动业务相关数据的时间趋势，即利用相关参数的历史信息进行时间序列上的预测，提取最大空口可用带宽在时间上的特性。本方案实现了多参数多数据时长输入，单步输出的预测算法，其原理是利用表1所示的s个参数的历史值（数据时长为m），对第k个时刻（下一时刻）空口带宽进行预测。假设多参数输人的空口带宽148移动通信2024年3月第3期预测的预测目标为第k个时刻的最大可用空口带宽Ck，第k个时刻的最大可用空口带宽的预测值为C，A I算法的输人是一个矩阵akm,ak-2,.k-，其中a,=aai.a表示时刻i的参数，共有s个参数作为AI算法的输人。示意图如图5所示。ak-2k-1k2图5多参数输人LSTM算法示意图输人：维度为sm，其中s（s=7）表示输人的特征数，本验证方案使用的数据参数集见表1所示，共有7 种数据指标参数；m（m=2 0）表示历史数据总时长，本方案输人数据的时间粒度为1 s，即前2 0 s的历史数据指标。输出：维度为1，即下一时刻k的最大空口可用带宽预测值。表1空口可用带宽预测算法涉及的数据集序号名称1UE_mcs_dl2UE_RSRP3UE_RSRQ4UE_CQLdl5UE_byte_sdu_dl_total 整型Byte6UE_ Throuput_ dl7byte_sdu_dl_totalUE基于在实验环境采集的数据进行分析，LSTM与均值、SVR、Ra n d o m Fo r e s t算法的性能对比如图6 所示。从验证结果可以看出，多UE场景下，LSTM预测算法的RMSE/MAE/SMAPE值均是最低的，表明LSMT在这4种算法中性能最优，具体性能指标见表2。相关参数释义如下：M A E（M e a n A b s o l u t e Er r o r，平均绝对误差）：ni=l输入类型量纲整型一UE速率匹配后下行MCS整型dBm整型dBm整型一UE下行链路SDU大小的总字节数，标签数据整型kbpsUE的下行速率背景UE下行链路SDU大小的总字E整型Byte节数输出LSTM预测模型说明UE下行参考信号接收功率UE下行参考信号接收质量UE下行CQI值第48 卷总第52 3期薛旭，孙奇，李男，等：开放智能无线网络架构和平台设计研究RM SE（Ro o t-me a n-s q u a r e Er r o r，均方根误差）：RMSE=n=SMAPE(Symmetric Mean Absolute PercentageError，对称平均绝对百分比误差）：SMAPE=n台(y:1+1,1/2其中y,为真实结果，为预测结果，n为观测次数。4.000RMSEMAE350030002 688.992 22.5002.020.6232.000150010005000图6 多UE场景下最大可用空口带宽预测算法的性能图9111315 17192123252729313335数据采集点图7预测带宽与码率变化统计25201510表2、最大可用空口带宽预测算法性能指标场景最大可用空口带宽预测算法Average-based多UE（2 个SVR背景UE）RandomRorestLSTM-3.2验证结果（1）预测的带宽与视频码率变化100如图7 所示，空口可用带宽预测算法和码率自动优化算SMAPE802.368.2412.373.5831766.0121749.8581512.9391094.65121.118:7Average-basedSVR算法500004500040000sdq率350003000025000200001500010000500001 357带宽受限开始，缓存时长开始减少RMSE2.688.9222.020.62321.1%2.368.241 1 766.0122373.5831749.85818.5%1512.9391094.65112.0%法开启后，可用带宽预测xApp输出的预测值随着信道带宽受限以及信道质量的变差逐渐降低，与实际趋势相符；视频码60率优化App综合收到的可用带宽预测结果与客户端视频业务40质量信息，对视频码率做出调整，最终调整为一个稳定值。（2）客户端缓存时长变化18.52012.00RFLSTMMAESMAPE18.7%客户端的视频缓存时长决定了是否会产生卡顿，如果播放进度追上缓存进度，即缓存时长接近0 s，则会出现视频卡顿。通过对客户端缓存时长变化（如图8 所示）分析可知，在智能算法（空口可用带宽预测算法、视频码率优化+视频码率一带宽预测值智能算法启动后，码智能算法启动前，码率自动优化，最终将率保持不变，缓存时缓存控制在10 s左长处于很低水平，导右，保证视频流顺畅致频繁出现卡顿播放50采集样本点移动通信245 67101112131415161718192021222324252627282930313233343536一智能预测开启前缓存图8 视频流缓存时长变化统计一智能预测开启后缓存2024年3月第3期149第48 卷1研究与探讨11总第52 3期50454035302520151050调整算法）开启后，通过预先调整视频码率来适配当前的空口带宽，使得客户端缓存时长最终可以维持下一个合理的区间（10 s）左右，从而可以保障视频播放的流畅度。（3）客户端弃顿数变化通过对客户端弃顿数变化（如图9所示）分析可知，在智能算法（空口可用带宽预测算法、视频码率优化调整算法）开启后，通过预先降低视频码率来适配当前的空口带宽，除由于码率变化过程中出现弃帧外，在码率稳定后，不再出现弃帧现象，从而保障视频不会出现画面卡顿现象。（4）卡顿次数统计通过对客户端卡顿次数的统计（当客户端的缓存时长接近0 s时，统计为卡顿一次）可知，在智能算法（空口可用带宽预测算法、视频码率优化调整算法）开启后，卡顿次数明显减少，只是在码率调整期间出现3次卡顿。而无智能算法的情况下，缓存减少后，频繁出现卡顿。如图10 所示。161414121086420通过以上数据的分析，智能算法开启后，视频体验有明显的提升。150移动通信2024年3月第3期启动智能算法后，弃顿出现在码率调整期间，码率稳定后极少出现234567891011121314151617181920212223242526272829303132采集样本点+智能预测开启前弃一智能预测开启后弃图9弃顿数变化统计开启智能算法前：带宽受限情况出现后，在无空口可用带宽预测以及视频码率调整的算法支持下，视频码率保持原有值，由于空口质量与带宽的减少，使得在高码率情况下，客户端侧的获得缓存逐渐减少，不能满足视频播放的正常速度，从而频繁出现弃帧、卡顿，体验变差。开启智能算法后：带宽受限情况出现后，由于开启了空口可用预测算法，因此Near-RTRIC可以实时的预测空口可用带宽，并开放给视频码率调整应用，视频码率调整应用综合预测的空口可用带宽以及业务体验指标数据（卡顿次数、缓存时长等）等因素，对视频的码率做出多次调整，即降低视频码率，在有限的带宽情况下及时的增加了客户端的缓存，减少了卡顿，最终在现有空口质量和带宽情况下，将码率调整为相对稳定值，保证缓存处于一个合理的区间（10 s左右），从而保障了用户的视频流畅度体验。3.3验证总结Near-RTRIC平台通过加载空口可用带宽预测xApp实现了从基站采集UE级无线状态数据推理得到空口可用带宽的预测结果，并通过无线信息开放接口开放给业务应用平台，从而为业务应用平台进行适当的码率优化调整提供了有价值的无线信息参考，最终保障了视频流畅不卡顿。通过该试验，初步验证了基于Near-RT RIC的内生智能能力和网络开放能力可以实现高效的网业协同，提智能预测开启前智能预测开启后图10 带宽受限后的卡顿次数统计未启动智能算法时，弃顿频繁出现，导致频繁卡顿1升业务体验。Near-RTRIC的开放架构设计也为未来加载面向多样化场景需求的xApp提供了基础的平台能力。4结束语本文介绍了基于O-RAN的开放智能网络架构，针对第48 卷总第52 3期薛旭，孙奇，李男，等：开放智能无线网络架构和平台设计研究无线网络智能化架构的核心组件无线智能控制平台的关键功能、关键接口和关键流程进行设计，最后将无线智能控制平台与边缘计算平台联合起来，通过加载空口可用带宽预测智能应用与视频码率优化应用实现了保障客户端视频体验的目标。证明了无线网络开放架构可以通过安装第三方智能应用的方式，便捷有效的改善业务体验，提升无线接人网的性能。无线智能控制平台基于云原生微服务化设计，一方面是无线接人网面向服务化演进的积极探索，是实现内生智能和可编程网络的可行方案，也为6 G智能化架构设计提供了重要参考；另一方面可以共享算力资源，与边缘应用共部署，从而进一步提升网络基础设施的使用价值。无线智能控制平台开放的架构设计，将有助于引入更多的产业合作伙伴，进一步促进网络服务能力创新，快速构建面向个人和行业用户的定制化网络能力。未来可进一步促进形成面向无线网络智能的App应用商店和产业生态，加速5G赋能千行百业。参考文献：1Chih-Lin I,Qi Sun,Zhiming Liu,et al.The Big-Data-Driven IntelligentWireless Network:Architecture,Use Cases,Solutions,and FutureTrendsJ.IEEE Vehicular Technology Magazine,2017,12(4):20-29.2 Rongpeng Li,Zhifeng Zhao,Qi Sun,et al.Deep ReinforcementLearning for Resource Management in Network SlicingJJ.IEEEAccess,2018,11(19):74429-74441.3O-RAN WhitepaperEB/OL.https:/assets-global.website- 0 2 1,37(5):1-8.5张聪，孙奇，李博然，等.5G无线网络与业务协同关键技术研究CJ/5G网络创新研讨会(2 0 2 1)论文集，移动通信杂志社，2021:334-340.6陆钢，陈长怡，黄泽龙，等.面向云网融合的智能云原生架构和关键技术研究,电信科学，2 0 2 0,36(9):6 7-7 4.7O-RAN Alliance.O-RAN-WG1-O-RAN ArchitectureDescriptionS.2020:11-12.8何震苇，黄丹池，严丽云，等.基于Kubernetes的融合云原生基础设施方案与关键技术1 电信科学，2 0 2 0,36(12):7 7-8 8.9O-RAN Alliance.O-RAN.WG3.RICARCH-Near-RT RICArchitectureS.2021:11-16.10时圣苗，刘全，采用分类经验回放的深度确定性策略梯度方法1.自动化学报,2 0 2 2,48(7):18 16-18 2 3.11 贺小伟，徐靖杰，王宾，等。基于GRU-LSTM组合模型的云计算资源负载预测研究.计算机工程，2 0 2 2,48(5):11-17+34.12诸葛斌