移动网络中基于人工智能的端到端网络切片技术研究

信息通信技术与政策 ›› 2020, Vol. 46 ›› Issue (10): 78-83.

移动网络中基于人工智能的端到端网络切片技术研究

Research on end-to-end network slicing technology based on AI in mobile networks

1. 中国联通网络技术研究院
2. 北京邮电大学

出版日期:2020-10-15 发布日期:2020-11-03
作者简介:
李静:中国联通网络技术研究院高级工程师,主要从事移动通信技术研究与标准化研究等工作董秋丽:中国联通网络技术研究院工程师,主要从事移动通信技术研究与标准化研究等工作叶宇凯:北京邮电大学在读硕士研究生,主要研究领域为基于人工智能的移动网络切片技术
基金资助:
国家自然科学基金项目(No. 61971060)资助

1. China Unicom Network Technology Research Institute
2. Beijing University of Posts and Telecommunications

Online:2020-10-15 Published:2020-11-03

摘要/Abstract

摘要： 为了应对未来移动网络差异化的垂直行业应用与海量数据分发挑战,利用网络切片技术变革现有网络架构受到广泛认同。围绕移动网络空中接口部分的切片化面临的问题,设计了包括无线接入网虚拟化的移动网络端到端的网络切片架构,提出了基于网络大数据的服务等级协议参数映射方法,讨论了智能网络切片资源管理可行方法,为移动网络中基于人工智能的端到端网络切片实现提供实践参考。

关键词: 网络切片, 人工智能, 虚拟化

Abstract: In order to cope with the challenges of vertical industry application and massive data distribution of mobile network differentiation in the future, the use of network slicing technology to transform the existing network architecture is widely recognized. Focused on the problems of air interface in mobile network, this paper proposes an end-to-end network slicing architecture including the virtualization of wireless access network, and a mapping method of service level protocol parameters based on network big data. A feasible method of slicing resource management provides practical reference for the realization of AI-based end-to-end network slicing in mobile networks.

Key words: network slicing, artificial intelligence, virtualization

李静, 董秋丽, 叶宇凯. 移动网络中基于人工智能的端到端网络切片技术研究[J]. 信息通信技术与政策, 2020, 46(10): 78-83.

LI Jing, DONG Qiuli, YE Yukai. Research on end-to-end network slicing technology based on AI in mobile networks[J]. Information and Communications Technology and Policy, 2020, 46(10): 78-83.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://ictp.caict.ac.cn/CN/Y2020/V46/I10/78

参考文献 7

[1]	P. Demestichas et al. 5G on the horizon: key challengesfor the Radio-Access network [ J ]. IEEE VehicularTechnology Magazine, 2013,8(3):47-53.
[2]	R. Li et al. Deep reinforcement learning for resourcemanagement in network slicing[J]. IEEE Access, 2018,
(6)	:74429-74441.
[3]	李静,董秋丽,廖敏. URLLC 应用场景及未来发展研究[J]. 移动通信,2020,44(2):20-24+29.
[4]	A. Aijaz, Hap-SliceR: a radio resource slicing frameworkfor 5G networks with haptic communications [J]. IEEE
	Systems Journal, 2018,12(3): 2285-2296.
[5]	J. C. Patni and M. S. Aswal, Distributed load balancingmodel for grid computing environment [ R ]. 2015 1st
	International Conference on Next Generation ComputingTechnologies (NGCT), Dehradun, 2015.
[6]	3GPP. System architecture for the 5G System (5GS)(Release 15)[S], 2018.
[7]	Y. Xu, W. Xu, Z. Wang, J. Lin and S. Cui. Loadbalancing for ultradense networks: a deep reinforcementlearning-based approach [ J ]. IEEE Internet of ThingsJournal, 2019,6(6):9399-9412.

[1]	程强, 刘姿杉. 电信网络智能化发展现状与未来展望[J]. 信息通信技术与政策, 2020, 46(9): 16-22.
[2]	易芝玲, 　孙奇, 　吴杰, 　段然. 人工智能在5G 无线网络中的标准与应用进展[J]. 信息通信技术与政策, 2020, 46(9): 23-30.
[3]	廖军, 　谈鹏驹, 　张冬月, 　刘永生. 人工智能在电信网络中的应用研究[J]. 信息通信技术与政策, 2020, 46(9): 31-34.
[4]	潘峰, 　吕博. 基于人工智能的同步测试巡检技术研究[J]. 信息通信技术与政策, 2020, 46(9): 55-62.
[5]	. 深度学习推理侧模型优化架构探索[J]. 信息通信技术与政策, 2020, 46(9): 42-47.
[6]	朱琳, 王光全, 王海军, 王泽林. 面向5G 承载的IP RAN 增强技术研究[J]. 信息通信技术与政策, 2020, 46(5): 11-16.
[7]	徐云斌. 5G 承载网络切片管控技术研究*[J]. 信息通信技术与政策, 2020, 46(5): 33-37.
[8]	杨明川. 大数据+A I:构筑数字化转型的未来[J]. 信息通信技术与政策, 2020, 46(4): 1-6.
[9]	刘丹妮, 李琦, 张艳, 张松. 5G 技术在电力应急通信中的应用研究[J]. 信息通信技术与政策, 2020, 46(4): 41-46.
[10]	张远晶, 王瑶, 谢君, 毕然. 5G 网络安全风险研究[J]. 信息通信技术与政策, 2020, 46(4): 47-53.
[11]	魏薇, 尚铁力, 周帅. 人工智能对电信网络诈骗治理的影响及应对思路[J]. 信息通信技术与政策, 2020, 46(4): 80-84.
[12]	陈婉玲, 刘青松, 林洁群. 浅析人工智能在数字孪生城市中的应用[J]. 信息通信技术与政策, 2020, 46(3): 16-19.
[13]	孔玲, 　孙燕杰, 　范典. 移动边缘计算发展与应用研究[J]. 信息通信技术与政策, 2020, 46(3): 81-85.
[14]	杨红梅, 　谢君. 5G 网络切片应用及安全研究[J]. 信息通信技术与政策, 2020, 46(2): 25-29.
[15]	张鉴, 　唐洪玉, 　刘文韬. 虚拟化平台安全漏洞分析与防护研究[J]. 信息通信技术与政策, 2020, 46(2): 41-45.

移动网络中基于人工智能的端到端网络切片技术研究

Research on end-to-end network slicing technology based on AI in mobile networks

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献 7

相关文章 15

编辑推荐

Metrics

本文评价