基于AI和大数据的5G切片业务负荷分析、预测及调度方案.pdfVIP

技术方案

TechnologyScheme数据通信2025(3)

基于AI和大数据的5G切片业务负荷分析、预测及

调度方案

邢剑卿

王笃炎陈华旺刘子建（中国联合网络通信有限公司广东省分公司广东广州510632）

摘要：随着网络切片业务规模化部署进程的加速，其业务类型与应用场景呈现出异构化与动态化的特征。

在此背景下，函需构建一套差异化的评估体系，以实现切片业务负荷的量化分析,并在特定时段内对未来网络的负

荷趋势进行预测。基于上述需求，本文提出一种针对5G网络切片业务负荷的数据采集、分析、预测及资源调度的

方法。该方法从核心网指标、无线资源、SLA签约指标三大维度出发，对切片业务负荷进行全方位综合评估，实现

全流程端到端的线上智能化分析与预测，显著提升了时效性。此外，还提供了切片业务级的小时级颗粒度负荷数

据分析与预测,进一步提高了精确度。最终,基于上述分析预测结果,提出一种业务资源调度系统方案，能够快速

实现切片网络资源自适应配置，从而为多样化业务的服务质量保障提供有力支撑。

关键词：5G网络切片；负荷分析；资源调度；AI和大数据

中图分类号：TN929.5文献标识码：A

0引言1总体方案

网络切片技术作为5G的关键特性之一[],通过将现有的5G负荷评估方案大多采用数据采集后由

一个物理网络按需分割成多个端到端的虚拟网络切人工进行线下分析的方式，存在周期长、易出错等弊

片，以高效实现满足各类业务对网络服务等级协议端[3],在时效性和精确度方面存在明显不足。此外,传

(SLA)的定制化需求,并助力5G专网实现低成本、快统方案的负荷分析及预测仅限于网元级颗粒度，而细

速部署。颗粒度的业务级指标却无法呈现,精准度有待提高。再

随着网络切片业务部署数量的持续增长，以及业者,现有5G负荷评估方案无法跨域实现在线分析,仅可

务类型和场景的复杂多变，为确保各类业务的稳定运针对无线、承载、核心网中的某一专业子域进行评估分

行,函需一种差异化的评估手段来分析切片业务的负析。同时,传统的5G网络负荷预测方案仅支持天级时

荷状况,并在特定的时间区间内预测未来的网络负荷间粒度的数据分析预测，不利于网络资源的精准管控。

1.1关

情况。关键性能指标及评估要素

针对上述需求,本文提出一种切片业务级的指标针对上述现有技术的不足，本文提出一种5G切片

采集与分析方案。同时，借助时间序列自回归模型,预业务负荷分析及预测方法。该方法针对核心网指标、

测切片业务在未来时段的资源负荷趋势。基于这一预无线资源、SLA签约指标三大维度，对切片业务负荷进

测趋势，实现网络切片资源的敏捷编排与调度。行综合评估，实现了全流程线上智能化端到端分析。

关键评估要素详见表1。

12

技术方案

2025(3)数据通信TechnologyScheme

表1关键评估要素

开始

基线指标采集指标采集源

切片开通的AMF负载

步骤1：5G切片业

关联网元负载切片开通的SMF负载