本文版權為《郵電設計技術》所有，如需轉載請聯系《郵電設計技術》編輯部
摘要：針對在保障用戶帶寬需求的前提下，如何提前評估擴容升級并主動規劃光接入網絡的問題，提出了一種基于樹模型的接入網擴容規劃算法，即通過決策樹ID3算法定量分析影響 PON 口峰值速率的關鍵因素，根據決策樹的結果使用回歸樹CART算法預測PON口峰值速率區間。實驗表明，基于該方案構建的2個模型準確率均達 80% 以上，可為 F5G 時代光接入網精準評估并規劃擴容提供借鑒。
關鍵詞：人工智能；F5G網絡；光接入網；擴容評估
doi：10.12045/j.issn.1007-3043.2023.02.013
概述
2021年的《政府工作報告》中明確指出，要加大5G網絡和千兆光網建設力度，豐富應用場景。這是“千兆光網”首次被寫入政府工作報告，F5G作為千兆光網建設的第 5 代固定網絡技術，成為我國重要的新型基礎設施。隨著我國加快推進千兆光網建設，千兆光網的發展勢如破竹，固定網絡已經進入F5G時代。
截至2021年底，三大運營商的固定互聯網寬帶接入用戶總數達 5.36 億戶，其中 1 千兆及以上接入速率的用戶數達到3 456萬戶，根據工信部發布的《“雙千兆”網絡協同發展行動計劃》以及國務院常務會議要求，預計到 2023 年底，千兆光纖網絡具備覆蓋 4 億戶家庭的能力。
為配合千兆寬帶上線，運營商需將原有的1G PON擴容到 10G PON。然而，評估規劃接入設備升級擴容不是一蹴而就的，而且在運營商投資成本受限時，擴容工作也需要分階段持續進行。當前主要通過判斷PON口下是否具有千兆用戶，或者根據PON端口單位時間峰值流量（即峰值速率）擁塞后上報的工單作為評估擴容的依據。當前方式主要依賴人工經驗判斷，無法量化PON口峰值速率影響因子，特別是在運營商成本受限的情況下，依靠經驗難以更精準地找到有升級需求的節點。另外，收到工單后由人工重新評估規劃，會導致處理時間變長，擴容不及時，影響用戶體驗。如何量化PON口峰值速率影響因子，預測PON口峰值速率區間，更合理地提前評估規劃設備升級擴容是當前亟需解決的問題之一。因此需要引入智能化的手段來解決上述問題。
隨著AI的蓬勃發展，AI技術與F5G的深度融合將助力解決 F5G 網絡新問題，驅動智慧光網絡不斷升級。目前擴容規劃領域的擴容規劃算法主要有：基于相似度分析的擴容規劃算法、基于網格化的擴容規劃算法、基于用戶特征分析的擴容規劃算法、基于最小生成樹的規劃算法等，但尚未有針對 PON口峰值速率影響因子量化，構建PON口全參量模型的研究。而監控PON口流量（OLT PON口利用率），可以避免端口出現擁塞，影響端口下掛用戶體驗；提前預判擁塞跡象，為PON口下用戶的發展和遷移及PON口擴容（1G PON到10G PON）提供指導；通過流量異常的PON口挖掘出流量異常的用戶，輔助市場部的用戶營銷工作。
針對以上問題，本文提出了一種面向 F5G 光接入網的基于決策樹和回歸樹算法的擴容規劃算法，可實現全面綜合的量化 PON 口峰值速率影響因子，預測PON 口峰值速率區間，精確指導擴容升級，克服人工方案的局限性。該算法采用決策樹（ID3）算法對PON口峰值速率影響因子進行量化分析，可有效量化擴容指標；使用回歸樹（CART）算法預測 PON 口峰值速率區間，為精準規劃擴容提供科學依據。為進一步優化實驗效果，本文采用SMOTE均衡化函數解決樣本類數量不均衡導致的算法結果具有傾向性的問題，并通過實驗測試驗證了本算法的效果。
