大家读完觉得有帮助记得关注和点赞摘要O-RAN架构与AI/ML解决方案正不断提升蜂窝网络的管理能力实现对多种用例的RAN自动化智能控制闭环。确保能源可持续性对于最小化移动网络对全球能耗的影响至关重要。本演示展示了BeGREEN智能平面——一种面向O-RAN网络高效节能管理的AI驱动解决方案。所呈现的工作流聚焦于控制仿真小区的运行状态凸显了AI引擎等关键组件的集成以及通过rApp与xApp实现的优化成效。I. 引言正如ITU《IMT-2030报告》[1]所强调6G的核心目标之一是最小化全网能耗。为应对这一挑战O-RAN联盟正开发控制机制以管理多厂商环境下的节能特性。人工智能与机器学习AI/ML的引入至关重要它能分析历史数据、主动适配动态网络状况并驱动能源优化的自动化决策。为此SNS BeGREEN项目¹提出智能平面作为跨域管理实体整合RAN、核心网与边缘域的控制与监控功能并促进其AI引擎组件中托管的先进ML模型的创建。本文展示了集成BeGREEN架构的实现演示了目标用例之一自动化网络小区的运行状态动态适配预测的流量需求。II. 架构本演示展示了BeGREEN智能平面的三大核心组件如图1所示。非实时RAN智能控制器Non-RT RIC托管用于RAN优化的rApp利用基于仿真E2节点数据训练的AI/ML模型。这些模型部署于AI引擎中借助MLRun²与Nuclio³框架通过AI引擎辅助AIArApp实现无服务器模型推理。AIA rApp将ML模型管理与控制闭环解耦充当ML模型与控制rApp之间的代理。推理过程中AIA rApp作为数据生产者通过R1接口的数据管理与暴露DME服务暴露模型输出。在BeGREEN中该接口由O-RAN软件社区的信息协调服务ICS[4]实现——这是一个简化数据生产者与消费者交互的数据订阅平台[2]。图1包含BeGREEN智能平面的演示架构AI引擎还提供能源评分Energy Score与能源评级Energy Rating功能以识别需实施节能策略的网络区域或组件并评估已执行优化的效益[2]。能源评分基于数据量与能耗报告能源效率的绝对值比特/焦耳能源评级则通过比较同区域同厂商等同类网络实体的历史数据监控相对性能。基于这些洞察控制rApp确定合适的A1节能策略[3]并通过A1接口传达至近实时RICNear-RT RIC。控制rApp与AIA rApp均依赖通过关键性能测量KPM生产者rApp采集并暴露的RAN节点数据该rApp通过O1接口连接至Near-RT RIC。Near-RT RIC处理RAN的快速遥测与控制操作。它使用节能xApp管理RAN配置并实施从Non-RT RIC接收的节能策略。该组件集成于Accelleran的dRAX™平台⁴配备遥测采集器可从符合及不符合O-RAN规范的接口收集数据。这些遥测被处理为符合3GPP规范的消息通过dRAX数据总线分发经O1接口暴露并预处理后在Grafana仪表板可视化。此外Near-RT RIC通过E2接口实施基于E2的RAN控制并与仿真RAN环境交互以监控RAN KPI。III. 演示描述本演示展示了图1所示组件的完整工作流⁵体现AI驱动的小区管理如何兼顾能效提升与业务性能保障。场景包含多个5G SA小区其中部分作为容量层小区可在低需求时段关闭。场景中引入固定与移动UE以生成下行流量。仿真RAN基于Viavi的TeraVM AI RSG⁶实现该工具通过仿真符合O-RAN规范与实际部署的环境支持rApp与xApp的可扩展、真实性评估并生成符合3GPP规范的KPM为AI模型训练与测试提供数据。实现智能自动化控制闭环需三大核心组件详述如下小区负载-能耗ML模型支撑控制rApp的小区运行状态决策。具体而言包含一个训练用于预测各小区预期负载的流量负载预测器。由其关联的AIA rApp管理需输入多项KPM包括小区标识、当前负载需求与连接UE数量。这些输入通过订阅KPM生产者rApp定期获取。小区控制rApp实现生成A1节能策略的控制逻辑。部署于Non-RT RIC的k8s集群后它创建对AIA与KPM生产者rApp的订阅以收集决策所需输入。基于预测负载与小区能源评分/评级识别需开启或关闭的候选小区。生成的A1策略按O-RAN定义[3]逐步调整能耗百分比直至小区完全开启或关闭。能源评分/评级随后作为反馈用于评估所应用策略的效率。节能xApp基于接收的节能策略确定小区运行状态并通过E2接口实施控制。若策略涉及多个小区xApp须为每个小区选择所需操作以满足策略目标。此外当小区关闭时集成于Near-RT RIC框架的智能切换xApp将管理所需切换并通过冲突避免机制确保网络运行平稳。演示通过Non-RT RIC的Swagger接口图2a直观呈现R1接口内DME服务的使用凸显相关rApp间的数据交换。Viavi的TeraVM AIA RSG仪表板图2b展示场景细节包括小区与UE状态。dRAX Grafana仪表板图2c则显示接收的A1策略及演示运行期间的KPM演变。结果显示在网络服务质量不受影响的前提下最高可实现40%的节能。图2演示可视化
大家读完觉得有帮助记得关注和点赞摘要O-RAN架构与AI/ML解决方案正不断提升蜂窝网络的管理能力实现对多种用例的RAN自动化智能控制闭环。确保能源可持续性对于最小化移动网络对全球能耗的影响至关重要。本演示展示了BeGREEN智能平面——一种面向O-RAN网络高效节能管理的AI驱动解决方案。所呈现的工作流聚焦于控制仿真小区的运行状态凸显了AI引擎等关键组件的集成以及通过rApp与xApp实现的优化成效。I. 引言正如ITU《IMT-2030报告》[1]所强调6G的核心目标之一是最小化全网能耗。为应对这一挑战O-RAN联盟正开发控制机制以管理多厂商环境下的节能特性。人工智能与机器学习AI/ML的引入至关重要它能分析历史数据、主动适配动态网络状况并驱动能源优化的自动化决策。为此SNS BeGREEN项目¹提出智能平面作为跨域管理实体整合RAN、核心网与边缘域的控制与监控功能并促进其AI引擎组件中托管的先进ML模型的创建。本文展示了集成BeGREEN架构的实现演示了目标用例之一自动化网络小区的运行状态动态适配预测的流量需求。II. 架构本演示展示了BeGREEN智能平面的三大核心组件如图1所示。非实时RAN智能控制器Non-RT RIC托管用于RAN优化的rApp利用基于仿真E2节点数据训练的AI/ML模型。这些模型部署于AI引擎中借助MLRun²与Nuclio³框架通过AI引擎辅助AIArApp实现无服务器模型推理。AIA rApp将ML模型管理与控制闭环解耦充当ML模型与控制rApp之间的代理。推理过程中AIA rApp作为数据生产者通过R1接口的数据管理与暴露DME服务暴露模型输出。在BeGREEN中该接口由O-RAN软件社区的信息协调服务ICS[4]实现——这是一个简化数据生产者与消费者交互的数据订阅平台[2]。图1包含BeGREEN智能平面的演示架构AI引擎还提供能源评分Energy Score与能源评级Energy Rating功能以识别需实施节能策略的网络区域或组件并评估已执行优化的效益[2]。能源评分基于数据量与能耗报告能源效率的绝对值比特/焦耳能源评级则通过比较同区域同厂商等同类网络实体的历史数据监控相对性能。基于这些洞察控制rApp确定合适的A1节能策略[3]并通过A1接口传达至近实时RICNear-RT RIC。控制rApp与AIA rApp均依赖通过关键性能测量KPM生产者rApp采集并暴露的RAN节点数据该rApp通过O1接口连接至Near-RT RIC。Near-RT RIC处理RAN的快速遥测与控制操作。它使用节能xApp管理RAN配置并实施从Non-RT RIC接收的节能策略。该组件集成于Accelleran的dRAX™平台⁴配备遥测采集器可从符合及不符合O-RAN规范的接口收集数据。这些遥测被处理为符合3GPP规范的消息通过dRAX数据总线分发经O1接口暴露并预处理后在Grafana仪表板可视化。此外Near-RT RIC通过E2接口实施基于E2的RAN控制并与仿真RAN环境交互以监控RAN KPI。III. 演示描述本演示展示了图1所示组件的完整工作流⁵体现AI驱动的小区管理如何兼顾能效提升与业务性能保障。场景包含多个5G SA小区其中部分作为容量层小区可在低需求时段关闭。场景中引入固定与移动UE以生成下行流量。仿真RAN基于Viavi的TeraVM AI RSG⁶实现该工具通过仿真符合O-RAN规范与实际部署的环境支持rApp与xApp的可扩展、真实性评估并生成符合3GPP规范的KPM为AI模型训练与测试提供数据。实现智能自动化控制闭环需三大核心组件详述如下小区负载-能耗ML模型支撑控制rApp的小区运行状态决策。具体而言包含一个训练用于预测各小区预期负载的流量负载预测器。由其关联的AIA rApp管理需输入多项KPM包括小区标识、当前负载需求与连接UE数量。这些输入通过订阅KPM生产者rApp定期获取。小区控制rApp实现生成A1节能策略的控制逻辑。部署于Non-RT RIC的k8s集群后它创建对AIA与KPM生产者rApp的订阅以收集决策所需输入。基于预测负载与小区能源评分/评级识别需开启或关闭的候选小区。生成的A1策略按O-RAN定义[3]逐步调整能耗百分比直至小区完全开启或关闭。能源评分/评级随后作为反馈用于评估所应用策略的效率。节能xApp基于接收的节能策略确定小区运行状态并通过E2接口实施控制。若策略涉及多个小区xApp须为每个小区选择所需操作以满足策略目标。此外当小区关闭时集成于Near-RT RIC框架的智能切换xApp将管理所需切换并通过冲突避免机制确保网络运行平稳。演示通过Non-RT RIC的Swagger接口图2a直观呈现R1接口内DME服务的使用凸显相关rApp间的数据交换。Viavi的TeraVM AIA RSG仪表板图2b展示场景细节包括小区与UE状态。dRAX Grafana仪表板图2c则显示接收的A1策略及演示运行期间的KPM演变。结果显示在网络服务质量不受影响的前提下最高可实现40%的节能。图2演示可视化
![[C++]内存管理：串顺序存储的内存回收](http://pic.xiahunao.cn/yaotu/[C++]内存管理：串顺序存储的内存回收)
