大数据技术驱动5G网络优化分析

黄 静

（中移铁通有限公司蚌埠分公司，安徽 蚌埠 233000）

5G通信技术推出后，通信行业发展速度加快，而且对各行业的发展也起到了重要的助力支持。在5G网络发展和应用过程中，需要依托于大数据技术对5G网络进行不断优化，更好地满足时代发展过程中通信技术传输的需求。而且将5G网络与大数据技术相融合，不仅能够构建智能化的发展格局，而且还有利于实现大数据技术和5G通信技术的协调发展。

1 基于大数据技术的5G通信网络架构

1.1 大数据技术

5G通信网络运营过程中，不仅涉及到庞大的数据，而且数据种类较多，因此在5G通信网络架构中，需要做好数据收集、传输、存储和查询等工作。通过将大数据技术引入到5G通信网络架构中来，高效采集数据，并针对数据进行深入分析和有效处理。在实际5G通信网络中应用大数据技术过程中，由于涉及到的技术形式较多。因此在具体应用过程中，可以借助于数据挖掘技术深入挖掘有效的数据信息，并在图表形式下针对数据进行分析和评价。借助于收集到的数据开展智能计算，并从中提取有效信息，将大数据的收集和筛选能力更好地凸显出来。在5G通信网络中，还要重视应用可视化数据分析技术，将网络架构中涉及到的数据采用图表形式进行展示，这样能够带来更为直观的体验，并实现对数据的精准分类。而且依托于大数据技术构建专门的数据库，能够为数据的进一步应用打下坚实的基础。

1.2 5G通信网络架构

在5G通信网络中，依托于大数据技术构建网络架构，这其中涉及到网络数据中心的建设，并以此来完成信息输入输出，实现信息的高效传递。而且通过大数据技术的应用，可以针对各类网络业务进行有效协调。因此在具体设计5G网络架构过程中，需要提高实际设计过程中的水准，确保网络架构具备良好的扩展性，充分地发挥出网络架构的重要价值。将大数据技术作为5G通信网络架构建设过程中的重要驱动，不仅能够提高5G通信网络运行的高效性和稳定性，而且二者的有效结合，还能够促进5G通信网络社会效益的提升。

1.3 5G通信网络架构的发展瓶颈

信息技术在5G通信网络架构完善过程中发挥着重要的作用。在大数据技术与5G通信网络架构融合发展过程中，还需要重视5G通信网络在发展过程中存在的瓶颈问题。在实际5G通信网络运行过程中，天线数量较多，这主要是5G通信网络覆盖范围较大，因此对天线数量具有一定的要求。但实际运行过程中，天线与天线之间必然会存在相应的干扰，从而给5G通信网络的通信质量带来影响。再加之整个网络架构过于复杂，这也导致网络架构中存在许多环节，在具体运营过程中也易出现各种问题。特别是5G通信网络架构具备超密集异构网络的特点，因此在运营过程中必然会出现边界数据传输质量差及边缘数据感知不敏感的问题。

2 5G通信网络中常用的大数据技术

2.1 大数据收集和分析技术

对于5G通信网络而言，在实际运营过程中需要精准对客户定位，这种情况下则可以通过应用大数据技术，针对5G通信网络运行中的天线数据和干扰数据等进行收集和处理，以此来排除干扰，全面提高网络传输的效率。在针对相关数据分析过程中，还要通过应用大数据分析技术，实际分析人员与GPS技术相结合，应用三维射线跟踪数据，获取天线及网络等数据，通过对数据进行深入分析，以此来对客户位置精准定位，确保5G网络的科学布局，进一步提高5G通信网络的整体服务水平。

2.2 大数据挖掘技术

利用大数据挖掘技术可以针对5G通信网络中的数据深度挖掘，发现数据潜在的价值，以此来促进5G通信网络的完善。在具体大数据挖掘技术应用过程中，技术人员则应通过计算模型，并对其应用获得反馈情况，通过深层次的处理，从而促进5G通信网络的更新和优化。

2.3 大数据存储技术

在5G通信网络中大数据存储技术应用也十分广泛。通常在数据分析完成后需要对数据实施分类存储，这个过程中还涉及到异构数据库的构建。技术人员需要对各基站信息、干扰信息和义务流数据等进行分析，并实施分类存储。通过在5G通信网络中将不同的云有效地接入其中，从而增强5G通信网络云数据的感知能力。同时还要利用大数据技术分析通信网络中的各种数据，重要部署接入云的位置，实现5G通信网络环境的优化。

2.4 移动云计算技术

移动云计算技术作为大数据技术的代表技术，将其在5G通信网络中进行应用时，相关人员需要加强对移动设备的关注。特别是随着信息技术的快速发展，人们对移动端设备的要求不断提升，迫切需要提高智能控制水平。在物联网技术不断完善的新形势下，技术人员越来越重视移动端设备与网络连接的高效性。这就需要重视移动云计算技术的应用，将5G通信网络与移动云计算相结合，打造云服务平台，从而为用户提供更便捷的操作。并通过积极完善基础设施、平台和计算存储等，借助于远程操控，实现万物的有效互联。而且在应用移动云计算技术过程中，还能够实现分布式文件处理和存储，在云端存储复杂的信息，为信息查询和利用效率的提升打下坚实的基础。

2.5 无线监控技术

5G通信网络中，数据中心作为重要的运营中心，其存储了大量的信息。这也使数据中心的稳定性与5G通信网络运营效率和质量息息相关。这就需要工作人员加强对数据中心的重视，并加大对数据中心的监控力度，保证其稳定和可靠的运行。技术人员还要集中对数据中心实施监控，特别是对各种参数进行监控。具体可以将无线传感技术在数据中心监控系统中进行应用，其作为一种无线监控形式，更具安全性和交互性。但5G通信网络对无线监控的要求较高，因此在实际应用无线传感技术的过程中，还要与5G通信网络的具体运行需求相结合，积极对无线传感技术进行改进，保证5G通信网络稳定运营的基础上，还能够为无线监控技术的高效应用提供一个良好的环境。

3 大数据支撑5G网络的优化

3.1 大数据支撑大规模天线与分布式天线

在5G通信网络中，由于需要使用大规模天线（MIMO），而且5G网络中数据终端到数据中心的主要通道数量较多。高阶MIMO能够为每条信道提供1条赋形的天线发射波束，实现空分复用，但各波束间会存在一定的干扰，导致MIMO的效率下降。这就需要对密集波束间的干扰数据进行收集，并借助于系统的计算能力加以优化。由于网络终端在基站中心接收的功率较大，基站边缘接收的信息相对较差，这种情况下可以采用分布式天线。但在应用分布式天线过程中，由于分布式天线之间也会存在干扰问题，这种情况下，借助于大数据技术通过对所有天线信道数据和干扰数据进行收集，并借助于大数据分析技术对所有无线访问接入点实施信息处理，能够为各天线和微基站提供有效指导，抵消干扰。另外，也可以对MIMO数据和网络数据进行收集，并通过大数据技术进行分析，实现精准定位。具体可以将室内天线与WLAN技术进行结合，重视三维仿真和三维射线追踪技术的有效应用，针对用户在室外或是室内实施精确定位，从而保证信号的接收质量。

3.2 大数据支撑5G无线接入网资源管理

在传统2G、3G时代环境下，其无线接入网属于多层次的网络，基于这种网络结构下产生的潮汐效应会造成基站发生忙闲不均匀现象。针对这种情况，4G通信网络则采用扁平化设计，通过将基站分解为基带处理单位和射频拉远模块，多个基站的基带处理单元集中为基带池，从而实现资源的集约化利用。在5G通信网络中，通过将基带处理单元进一步进行分解，以集中单元和分布单元为主，这其中集中单元可以实现对多个分布单元的有效管理，实现了干扰管理和业务聚合，分布单元还可以实现多天线处理与前传压缩，这样则能够针对传输与业务需求的变化进行灵活应对，确保实时性能的优化，实现硬件成本的有效控制。而且通过这样的设计，还可以拉近与用户之间的距离，实现集中化管理。但在集中单元对多个分布单元管理工作中，需要利用大数据技术来收集大量用户的空间行为和时间行为等信息，根据这些信息进行优化设计，从而基于能效角度实现忙闲时不同资源的合理调配。

3.3 大数据分析支撑异构接入组网

5G网络存在频段高及带宽大的特点，当采用高功率宏基站时，具体设置和运营都需要较高的成本，但采用大量微基站还会存在严重的干扰问题，站点选址优化难度较大。针对这种情况，可以借助于大数据技术进行宏微蜂窝混合组网。宏蜂窝负责广覆盖，为高优先级业务提供支持；微蜂窝覆盖热点，主要支持低优先级高速业务。也可以采用控制面与数据面分离组网的方式，通过集中化管理大量微基站，防止干扰问题，分离控制面信令数据与同用户数据，将控制面信令数据接入到宏蜂窝。在这种情况下，终端在微基站之间切换过程中不会受宏基站信令带来影响，并通过小区分簇化集中控制，能够有效解决小区间干扰协调和负载均衡的问题。还可以采用上下行解耦异构组网的方式。由于终端的MIMO数量远远少于基站，这也使上行覆盖低于下行，在蜂窝边缘，可以采用“5G下行+4G上行”的异构方式运行。由于传统移动网络的控制面、用户面和上下行数据链路等处于同一个蜂窝小区内，但5G通信网络的控制面和用户面能够接入不同基站，上下行也能够接入不同的蜂窝，甚至分别处于4G和5G系统，每一个终端都能够同时与几个基站连接。因此在具体操作时，需要应用到大数据分析技术，具体结合用户分布数据和网络负载情况来决定选择哪个基站和哪个系统。

3.4 大数据支撑5G云网

5G通信网络属于云化的网络，其具体包括了接入云、转发云和控制云。在接入云中，其是基于微蜂窝超密集覆盖场景环境下，一簇微基站组成虚拟小区，以此来实现对微基站之间资源的协同管理和干扰协调。转发云则为各业各流共享高速存储转化、防火墙及视频转码等业务单元。控制云具体以网络资源重审、网络能力开发及控制逻辑等模块为主。另外，基于5G场景下还涉及到移动云计算、移动边缘计算、微云和飞云等多种云，具体在无线网的不同位置进行部署，借助于网络和用户大数据分析来实现优化配置。

3.5 大数据支撑5G终端与云端的智能

当前智能终端能力较强，但终端人工智能处理能力相对较弱。如在手机采用2D人脸识别时，识别效果会受到光线、角度、表情及化妆等因素的影响。识别过程中是照片还是真人不好区分。但在3D人脸识别应用过程中，其需要利用网络云端实现智能处理，这有效地提高了安全识别能力。通过云计算可以对无线网起到强化的效果，并对计算强度的应用起到有效的支持作用，即可以将用户端的计算任务转移至云端。但无论是终端智能还是云端智能，具体实现都需要应用到大数据分析技术。

3.6 大数据支撑5G网络切片

网络切片是5G通信网络中较为重要的一项功能。由于5G通信网络运营过程中需要支持不同的业务需求，当带宽不一样时，对于网络的性能要求也会存在差异性。切片是针对网络转化资源的有效分割，而且不同切片之间业务相互隔离，切片的实现涉及到转发面和控制面等功能，在每个切片上都可以运行不同的L2/L3网络协议。通过针对不同业务需求，用户组织不同的切片，这其中则要应用到深度分组检测数据，以此来构建预测模型，通过对热点数据请求进行精准预测。另外，还可以利用大数据技术对网络资源进行分析，从而实现网络资源在切片间分配的联合优化。

3.7 借助网络大数据优化5G源选路

切片分组网是依托于切片以太网和分段选路技术，承担着中传和回传的任务。在传统IP网络中，由于采用无连接方式进行工作，针对具有相同源地址和相同目的地址的同属一次通信的各IP分组进行独立处理，对前后关联性考虑较少，同属一次通信的各IP分组在沿途各节点独立选路，甚至会走不同的路由，这影响了网络的可靠性。当前网络性能有了大幅度地改进，如果根据每次通信中首个分组的特征进行数据平面设备配置，那该次通信的后续数据分组被抽象为同一流，同一次通信的后续各IP分组不需要再选路。由于在源节点已设置了有序的指令集，并对沿途结过的节点和链路进行了有效标训，这些节点不需要对业务状态进行感知，只需要做好拓扑信息维护即可，简单按配置流表执行转化功能，这对于提升网络效率具有极为重要的意义。在具体实施过程中，分段选路也被称为源选路，具体需要借助于网络大数据设计源选路指令集，并进行有效的优化，整个过程中不需要LDP/RSVP-TE（标签分发协议/基于流量工程扩展的资源预留协议）等信令协议，适合接受SDN（软件定义网络）的控制。

4 结束语

5G通信网络具有良好的发展前景，随着5G通信网络的发展和应用，技术人员也需要积极转变自身的观念，树立大局观，在实际工作中要重视大数据技术与5G网络的深度融合。这就需要技术人员深入了解大数据技术和5G网络，并明确基于大数据技术的5G网络架构的构建需求，积极应用各种先进技术手段来推动5G网络的建设，进一步优化5G网络环境，从而为智能化场景的实现提供重要的保障。