|
（CWW）针对现网光缆同路由给业务带来的巨大风险，烽火通信创新地推出“AI同缆风险智能识别”方案，通过机器自主进行特征提取，采用集成学习方法，并通过智能策略对多类基础学习器进行联合，最终构建了可自适应于网络不同环境、不同光纤质量的光缆同路由检测创新智能解决方案。该方案不局限于单一设备厂商和单一网络类型，可检测各种网络的同路由风险；同时适应不同网络情况，对不同光缆质量场景均有良好泛化能力，能有效识别折损、压损等低质量光纤的同缆风险。针对网络管理软件，可植入可视化人机界面，一键生成基于GIS地理信息的同路由风险信息，提供逐点排查详细路径。同缆识别准确率达到96%以上，同缆识别效率提升300%，整体网络安全大幅提升。有效的助力运营商降本增效增收，助力自智网络转型。 一、 方案简介 由于光缆的无源特性，庞大的光缆、纤芯等“哑资源”数据全靠人工录入和手动维护，光缆管线的资源数据实时更新困难，数据同步及时性差，准确率越来越低，导致物理网络和逻辑网络的对应关系偏差越来越大。在实际业务规划建设过程中，极易出现主备路径处于同一物理光缆的情况。一旦发生主备光路同缆同沟的情况，会导致主备业务或关联业务实际部署到同一条光缆上，单条光缆中断后主备业务或关联业务同时失效，不仅将造成业务中断，同时会使部分网络成为缺乏远程应对手段的网络孤岛。 基于此，烽火通信推出“AI同缆风险智能识别”解决方案，针对现网业务同缆存在的风险，通过机器自主进行特征提取，采用集成学习方法，并通过智能策略对多类基础学习器进行联合，最终构建了可自适应于网络不同环境、不同光纤质量的光缆同路由检测创新智能解决方案。功能和架构如下图所示。
通过现网光纤瑞丽散射等物理特性对被测光纤做初步的特征提取，并基于该类特征构建集成学习模型，集成学习模型将构造数个独立的模型对原始数据进行学习，再通过一定策略将独立模型的输出结果结合起来，达到比单一模型更优的学习结果。本方案采用异构集成学习方案对光纤数据进行分析，从瑞利散射数据中事件大小与距离的角度、瑞丽散射数据自身曲线图像特征的角度构建异构基学习器，再对基学习器结果构建深度神经网络元学习器完成同缆与非同缆判断的分类任务。助力现网快速、精准的实现业务同缆风险的识别，大大的降低现网因同缆导致的业务风险。 二、 技术创新 相比于业界其他的同路由检测机制，烽火同路由检测具有以下优势：
1、以同缆检测机制为基础，更进一步完善同沟检测理论，并应用于实践。
2、不局限于单一设备厂商和单一网络类型，可检测各种网络的同路由风险。
3、适应不同网络情况，对不同光缆质量场景均有良好泛化能力，能有效识别折损、压损等低质量光纤的同缆风险。
4、针对网络管理软件，可植入可视化人机界面，一键生成基于GIS地理信息的同路由风险信息，提供逐点排查详细路径。 三、 功能介绍： 1. 同缆检测功能：OTDR设备采集被测光纤散射信号，通过智能算法分析被测光纤同缆风险。 2. 同沟检测功能：将通过外接振动传感设备对重点业务的主备路由进行光缆同沟检测分析，对存在主备路由同沟风险的业务提出主动预警，提升网络安全可靠能力，避免造成现网重大事故导致严重财产损失。 四、 应用案例 为加速自智网络建设步伐，烽火积极配合运营商，推动AI同缆风险智能识别解决方案的试点应用。在江西移动干线以及景德镇本地网进行了现网试点。 针对现网116组同缆数据测试，同缆识别准确率达到95%以上，针对现网60组不同缆数据测试，不同缆识别准确率达到96%以上，针对现网86组纤芯折损数据测试，检测准确率97%以上。 五、 方案价值 一方面能极大的减少网络因为同缆导致的风险，可以减少90%以上因为同缆导致的故障发生，使能网络朝着“零故障”的目标迈进；另一方面相比于传统的人工手段，同缆识别效率及准确性大幅提升，有力的帮助运营商节省人力、物力成本，实现降本增效。
| 
