由于冠狀病毒疫情的影響改變了人們工作和生活的許多方面，其中一個改變的領域就是全球互聯網。由于許多人在疫情期間在家遠程工作，其結果是移動設備的使用率達到了歷史最高水平，數據的上傳和下載率也在不斷提高，并且視頻會議的數量激增。
由于許多組織和個人改變了他們的互聯網消費習慣，這意味著電信運營商不得不迅速適應這些變化。隨著許多國家和地區依靠數字基礎設施來保持經濟發展，這也導致了對網絡性能的更大依賴。
隨著這些使用方法和行為模式不斷變化，在過去幾年能夠準確預測的許多網絡事件現在更難預測。然而伴隨著這些挑戰，許多電信運營商面臨創收和盈利能力的更大壓力。
以下將回顧電信運營商在這些變革時期所面臨的一些具體挑戰，然后對人工智能和機器學習如何被用來監控和提高網絡性能進行探討。
變革時期管理網絡性能和使用模式的挑戰
在冠狀病毒疫情發生之前，全世界的寬帶消費模式是可以預測的——大多數人白天都在工作或上學，其使用率也會下降。到了晚上，全球互聯網的使用量就會增加。
如今，員工的父母和孩子全天都在家中，從社交媒體到視頻會議的使用都在猛增。在無法預測網絡停機時間的情況下，許多網絡提供商盡力滿足用戶需求。因此，他們需要最大程度地減少網絡停機時間和對網絡流量的連續預測，以適應不斷變化的使用模式。
導致網絡問題的上行鏈路流量變化
在疫情發生之前，大多數人的互聯網應用主要是使用下行鏈路，其中包括打開網頁、下載文件，以及視頻流傳輸等。
現在，隨著越來越多的人在家工作，很多人的數據上傳率大幅提高。無論是用于遠程學習、視頻會議，還是上傳到社交媒體，網絡的設計都不足以處理如此多的上行鏈路流量。
這意味著，盡管電信運營商需要監視網絡中的故障，但同時需要能夠預測未來的需求并提高支撐能力。
同樣，現在許多電信運營商的員工需要在家工作，他們也需要遠程管理網絡。由于他們現有的工具并不是為此而構建的，電信運營商需要升級工具，以便其員工能夠更好地管理網絡。
簡而言之，他們需要更有效地利用資源并利用自主網絡監控的優勢。這就是人工智能和機器學習發揮作用的地方。
人工智能與機器學習在網絡監控中的應用
現在，許多電信運營商正在使用大數據、機器學習和人工智能來監視和優化其網絡。
盡管現在正處于電信行業采用人工智能的早期階段，但通信網絡是如此復雜且數據量如此巨大，這一事實使得預防中斷的可能性變得越來越重要。
為了利用這些新興技術，應該考慮人工智能與機器學習在通信網絡中的兩個主要應用，其中包括：
·異常檢測：如上所述，由于消費行為和數據使用方式發生了巨大變化，因此無法檢測具有靜態閾值的異常。取而代之的是，可以將無監督學習的機器學習技術用于單獨學習單獨的指標正常行為。隨著這種正常行為的不斷變化，異常閾值也會自動變化，從而導致粒度增加和誤報減少。
·需求預測：隨著對網絡性能的依賴性越來越高，準確的需求預測變得比以往任何時候都更加重要。與異常檢測類似，人工智能和機器學習可以接收100%的數據以預測用戶需求，因此可以及時提供適當的網絡設置。
現在已經討論了人工智能在通信網絡中的應用，以下回顧實際的用例，以了解電信運營商如何利用數據。
使用案例：固定寬帶接入網絡的人工智能
許多電信運營商已將自己的角色轉變為固定和移動服務提供商，其中可能包括多種復雜的技術，例如：
·光纖到住宅、節點或路邊
·數字用戶環路(DSL)
·混合光纖同軸(HFC)
·WiFi
·衛星寬帶
這些技術中的每一種都會經歷用戶的上行鏈路和下行鏈路事件，如吞吐量下降、數據包丟失和許多其他關鍵性能指標，這意味著每種技術都需要實時監控。
通過伴隨每個異常的關聯引擎，基于人工智能的監視解決方案能夠將事件與以下事件聯系起來。
·上行吞吐量下降
·上游代碼錯誤(CER)激增
·上游信噪比(SNR)下降
基于這些事件，電信運營商可以更快發現異常情況，并能夠將服務降級通知該地區的客戶。而且，通過準確地找出引起事件的相關異常，他們的技術團隊能夠比以前更快地解決問題。
電信行業采用人工智能技術的總結：
全球經濟變得越來越復，對網絡性能的依賴程度空前提高。從消費模式的轉變到上行鏈路流量的激增，電信運營商不得不迅速調整網絡，而且在許多情況下是遠程進行的。
由于這些原因，許多電信公司開始采用人工智能和機器學習來進行網絡監控。特別是人工智能在通信網絡中的兩個主要應用是異常檢測和需求預測。
雖然現在還處于人工智能應用的早期，但全球性變化使這些新興技術比以往任何時候都更加重要，它們可以提高性能、提高效率，并提供了企業在競爭中處于領先地位的機會。
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號