電信運營商云網規劃數字化研究和實現

熊小明，趙靜

電信運營商云網規劃數字化研究和實現

熊小明，趙靜

（中國電信股份有限公司研究院，北京 102209）

基于電信運營商數字化轉型，系統性地提出了數據驅動的云網發展規劃體系，以及六大關鍵數字化能力構建，設計和實現了一種云網規劃數字化平臺，該平臺可用于實現目標網絡精細規劃、邊緣計算精準預測等場景，并探討了數字孿生在規劃領域的應用前景，對運營商推進云網融合戰略、推進高質量發展具有指導和參考意義。

云網規劃；數字化平臺；數字孿生；云網融合

0 引言

企業數字化轉型指利用數字技術，如大數據、云、人工智能、區塊鏈等，把企業各環節要素數字化，推動要素資源配置優化、業務流程生產方式重組變革，從而提高企業經濟效率的過程。自新型冠狀病毒肺炎疫情暴發以來，全球數字化進程不斷加快，推動數字經濟成為國家經濟增長的中流砥柱。加快數字化轉型，實現企業信息系統架構和運營管理模式的數字化，是國家順應時代發展大勢所趨，也是企業深化改革的必經之路。

運營商既是數字產業化的重要參與者，也是產業數字化的賦能者，其自身數字化轉型至關重要。隨著云網融合深入推進[1]，云網發展全方位數字化管理成為運營商面臨的一大難題。在云網規劃建設領域推進數字化轉型，從管理與流程變革入手優化流程，從規劃?建設?運維數據共享入手閉環管控，構建數字化平臺能力，推進云網升級和重構，提高建設和投資效益，是實現云網融合高質量發展的必然要求[2]。

當前運營商的云網規劃建設信息化，多聚焦于工程建設流程和投資管理，或無線網絡規劃優化等特定場景[3]，而針對云網全局規劃建設的系統性研究非常少。數據驅動的云網精細規劃、精確建設、精準投資，不僅要求云網規劃建設人員靈活應用數據，更迫切要求適時引入云網規劃數字化平臺，通過數字化、智能化技術推進數據驅動和精準規劃，從數據和計算強化方案編制決策，全面提升規劃質量和科學水平。

1 云網規劃數字化設計

1.1 數據驅動的云網規劃體系

在國家政策、行業發展和技術演進等的驅動下，運營商云網發展出現了新特點。一方面，智能化綜合性數字信息基礎設施建設不斷加快，拓寬了網和云的范疇，對云網規劃體系提出更高要求；另一方面，通信和信息技術的快速融合，推動云和網從獨立發展走向全面融合，傳統規劃體系無法滿足一體化特征。本文設計了一種數據驅動的云網發展規劃體系，如圖1所示，包括四大部分。

圖1 數據驅動的云網發展規劃體系

（1）云網資源專業體系

云網資源專業體系包括互聯網數據中心/數據中心（IDC/DC）基礎設施、IP和傳輸承載網、業務網絡、云資源池，以及云網安全等核心專業云網，各專業之間規劃統籌協作，互為輸入輸出關系。

（2）內外部多維數據驅動

內外部多維數據驅動為云網精準規劃提供行業市場、業務客戶、網絡資源和規劃執行等基礎數據，為云網規劃數字化方案編制和優化提供基礎數據來源。

（3）計劃建設對接及評估

云網規劃輸出年度方案，為工程建設提供項目來源，并從規劃角度開展建設進度跟蹤和效益后評價，為當年規劃質量和下一年滾動投資提供評價依據。

（4）跨專業間協同和共享

跨專業間協同和共享可實現云網跨專業規劃之間的資源數據共享，以及流量、帶寬、端口、設備、機架、機房等建需匹配協作，實現云網規劃方案一體化，提升整體資源效益。

1.2 云網規劃數字化能力設計

構建數據驅動的云網規劃體系，應從以下 6個關鍵方面開展數字化能力設計。

（1）構建云網發展能力指標和評估體系

以云網規劃建設為中心，制定以集團、省級、地市為主體的指標和評估標準，涵蓋業務市場、云網能力、云網性能、投資預算等多方面，為云網發展方向、方案制定、項目審核、投資決策提供量化指引。

（2）打造云網資源和數據的可視化能力

通過地理信息系統（geographic information system，GIS）地圖等技術，構建局站機房、光纜、云池、網絡設備、網絡拓撲等“點?線?面”視圖，支持云網一體化規劃布局和設計施工等落圖。同時，云網發展能力和評估關鍵數據應可視、可評、可對標。

（3）實現規劃編制流程在線和數據入庫

形成集團、省級、地市三級聯動的線上標準流程，構建云網規劃大數據湖，實現規劃數據入湖、規劃方案入庫、規劃過程留痕。通過數字化手段，不斷提高規劃科學性、質量和效率。

（4）推進多源多維數據采集和協同共享

打通規劃平臺與企業業務支撐系統（business support system，BSS）/管理支撐系統（management support system，MSS）/運營支撐系統（operation support system，OSS）對接，獲取現網資源、工程建設、業務和用戶數據，通過當前發展和歷史回溯，實現市場和效益導向的精準規劃投資決策。

（5）引入算法模型提升規劃精準度和智能性

提供數據驅動的規劃工具和算法模型，支持不同專業領域的業務預測、建需匹配、配置優化、滾動迭代；提供專家型、智能化的分析研判和基準方案，滿足不同區域、不同階段的云網發展規劃定制化要求。

（6）打通云網規劃?建設?投資閉環管控

以5G、光纖寬帶接入、云計算、IDC等重點產能類專業為切入，構建云網規劃?建設?投資?放號等過程閉環管理體系，強化規劃執行的效果評估，增強效益導向的規劃審核，嚴格把關資源投放合理性和科學性。

2 云網規劃數字化實現

2.1 云網規劃數字化平臺架構

依托云、大數據、人工智能、數字孿生等數字技術融合底座，構建云網規劃數字化手段，支撐運營商集團、省級、地市公司的管理組織架構，賦能數據驅動的云網規劃數字化轉型。結合當前云網規劃建設實際，本文提出一種適用于運營商的云網規劃數字化平臺架構，如圖2所示，從功能架構分成以下3個層級。

（1）融合數據底座

該層包括云網規劃的數據采集、數據存儲和數據計算等基礎底座。數據采集，實現多維多源數據匯聚和獲取，數據來源涵蓋云?網?邊?端、用戶、業務、市場等；數據存儲，實現云網資源、指標體系、規劃方案、工程建設等大數據存儲，以及云網業務和運營等數據倉庫；數據計算，實現實時、離線、大數據和AI等計算。

（2）規劃能力層

該層包括云網規劃基礎能力和核心能力。基礎能力實現GIS視圖、智能表格、日志管理、權限管理和認證等；核心能力包括規劃在線流程管理、指標體系及可視化、精準規劃方法支撐、規劃建設閉環管控、業務場景驅動建設，以及工程設計施工輔助等。

（3）規劃服務層

該層主要以統一門戶網站為建設重點。面向不同區域、不同權限的用戶群，提供云網融合的融合視圖、專業視圖、個人工作臺等場景服務。

圖2 云網規劃數字化平臺架構

2.2 云網規劃數字化實踐案例

（1）目標網絡精細規劃，“網格化”管理

為滿足4G/5G基站、政企專線、家庭寬帶等各類業務接入需求，運營商結合行政區、自然區、路網結構和客戶分布，將城市區域或發達鄉鎮等業務密集區，劃分為能獨立完成業務接入和匯聚的“網格”，統稱為綜合業務接入區。落實綜合業務接入區目標規劃和建設管理，云網規劃數字化平臺采用了5個核心步驟推進在線規劃管理、工程和建設輔助服務，為全業務經營提供基礎資源保障。

綜合業務接入區“一區一案”規劃管理架構如圖3所示。目標網絡規劃，結合移動和寬帶業務和本地接入光纜現狀，基于地圖開展城鄉的綜合業務接入區目標網格規劃；“一區一案”規劃，以綜合接入區為基本單位，涵蓋接入機房、電源空調、主干接入光纜等諸多資源的年度方案編制和落圖；方案審核批復立項，由集團和省專家團隊集中審核，完成建需匹配、建設投資審批，批復后可納入項目立項；工程設計資源核查，輔助完成工程設計的現網資源勘查、稽核和新建資源預錄入等；施工進展資源交付，支持對工程建設施工進度跟蹤和造價評估，并完成資源入庫等。

圖3 綜合業務接入區“一區一案”規劃管理架構

（2）邊緣計算精準預測，助力精準布局

以“網格化”為基礎，通過對區域內發展用戶、業務數據和資源數據等的綜合收集和分析，基于大數據和算法模型設計，構建邊緣計算業務需求熱度模型，促進邊緣云和邊緣網絡協同發展。數據驅動的邊緣計算業務熱度模型參數如圖4所示。云網規劃數字化平臺提出了區域已有存量規模、區域政企用戶規模、區域政企樓宇分布、雙千兆網絡能力、邊緣數據中心分布和邊緣云節點分布6類一級指標維度以及系列細分二級指標參數，采用分級賦權重、區域歸一化等處理，開展不同區域范圍的邊緣計算業務需求熱度評估。

圖4 數據驅動的邊緣計算業務熱度模型參數

該模型可有效實現地市/區縣/網格等多維度的邊緣計算需求熱度視圖和排序，為省市公司開展共享型邊緣云建設布局提供精準指導，真正實現數據驅動的云網精準建設投資能力。

3 數字孿生在規劃領域應用展望

數字孿生是物理實體的實時數字表示，能全面、準確映射物理實體并對其進行全生命周期管控，具備描述、診斷、預測和決策能力[4-5]。數字孿生技術已被廣泛應用于航空航天、工業制造等領域[6-10]，帶來了明顯的效率提升和成本下降[11]。同樣，數字孿生技術在云網發展規劃和運營領域，具備廣闊的應用前景。數字孿生概念模型如圖5所示。

圖5 數字孿生概念模型

構建云網數字孿生體，并與云網實體保持實時交互，可實現云網全局資源、設備、拓撲以及三維地圖的全息可視，可實現云網規劃過程、實時運行狀態以及現網建設效果的動態跟蹤，可實現復雜算法模型的高效仿真驗證和迭代優化，可根據階段建成效果調整和改進實施策略，可結合人工智能引擎不斷推進云網自規劃、自驗證、自調優和自演進，全面提升云網規劃、建設和運營數字化、自動化水平。

4 結束語

服務經濟社會的數字化轉型，服務千行百業的“上云用數賦智”，對運營商云網融合的信息基礎設施建設提出了更高要求。云網規劃數字化是技術創新，又是管理模式創新，可以帶來更高效的數字手段與更先進的管理模式，并適應未來不斷出現的技術形態和不斷提升的服務要求，是實現運營商云網高質量發展的關鍵基礎。借助云、大數據、人工智能和數字孿生等新技術，本文系統性地提出了云網規劃體系、數字能力設計、數字平臺架構和典型場景實踐，對推進云網發展規劃?建設?運營的體系化、數字化、智能化具有很強的現實指導意義，助力運營商企業數字化轉型之路。

[1] 中國電信集團有限公司. 云網融合2030技術白皮書[R]. 2020.

China Telecom Group Co., Ltd.. Cloud network convergence 2030 technical white paper[R]. 2020.

[2] 中國信息通信研究院云計算與大數據研究所. 云網融合產業發展研究報告（2021年）[R]. 2021.

Institute of Cloud Computing and Big Data, China Institute of Information and Communication. Research report on the development of cloud network convergence industry (2021)[R]. 2021.

[3] 孫仲鍇. 無線網絡規劃的大規模MIMO的波束跟蹤研究與實現[D]. 北京: 北京郵電大學, 2021.

SUN Z K. Research and implementation of large-scale MIMO beam tracking for wireless network planning[D]. Beijing: Beijing University of Posts and Telecommunications, 2021.

[4] SCHLUSE M, ROSSMANN J. From simulation to experimentable digital twins: simulation-based development and operation of complex technical systems[C]//Proceedings of 2016 IEEE International Symposium on Systems Engineering. Piscataway: IEEE Press, 2016: 1-6.

[5] Fourgeau E, Gomez E, Adli H, et al. System engineering workbench for multi-views systems methodology with 3DEXPERIENCE platform[J]. Springer International Publishing, 2016: 269-270.

[6] GRIEVES M, VICKERS J. Digital twin: mitigating unpredictable, undesirable emergent behavior in complex systems trans disciplinary Perspectives on complex systems[M]. Transdisciplinary Perspectives on Complex Systems. Cham: Springer, 2017: 85-113.

[7] FRANCISCO A, MOHAMMADI N, TAYLOR J E. Smart City digital twin–enabled energy management: toward real-time urban building energy benchmarking[J]. Journal of Management in Engineering, 2020, 36(2): 04019045.1-04019045.11.

[8] DALSTAM A, ENGBERG M, N?FORS D, et al. A stepwise implementation of the virtual factory in manufacturing industry[C]//Proceedings of 2018 Winter Simulation Conference (WSC). Piscataway: IEEE Press, 2020(8): 3229-3240.

[9] ZHANG J, LI L, LIN G J, et al. Cyber resilience in healthcare digital twin on lung cancer[J]. IEEE Access, 2020(8): 201900-201913.

[10] JAGANNATH J, RAMEZANPOUR K, JAGANNATH A. Digital twin virtualization with machine learning for IoT and beyond 5G networks: research directions for security and optimal control[C]//Proceedings of the 2022 ACM Workshop on Wireless Security and Machine Learning. New York: ACM Press, 2022.

[11] ZHANG J, LI L, LIN G J, et al. Cyber resilience in healthcare digital twin on lung cancer[J]. IEEE Access, 2020(8): 201900-201913.

Digital research and implementation of cloud-network planning of telecom operators

XIONG Xiaoming, ZHAO Jing

Research Institute of China Telecom Co., Ltd., Beijing 102209, China

Based on the perspective of digital transformation of telecom operators, a data-driven cloud-network development planning system was proposed systematically, six key digital capabilities were built, and a cloud-network planning digital platform was designed and implemented, which could be used for scenarios such as fine planning of target networks, accurate prediction of edge computing, etc., and the application prospects of digital twins in the field of future cloud-network planning were discussed. The proposed system has guiding and reference significance for operators to promote cloud-network integration strategies and promote high-quality development.

cloud-network planning, digital platform, digital twin, cloud-network integration

TP393

A

10.11959/j.issn.1000–0801.2022287

2022–08–05；

2022–11–10

熊小明（1974-），男，中國電信股份有限公司研究院高級工程師，主要研究方向為云網融合、數據中心、云網規劃、數字化平臺等。

趙靜（1996-），女，中國電信股份有限公司研究院工程師，主要研究方向為云網融合、接入網、數字孿生、云網規劃、數字化平臺等。