本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：针对在保障用户带宽需求的前提下，如何提前评估扩容升级并主动规划光接入网络的问题，提出了一种基于树模型的接入网扩容规划算法，即通过决策树ID3算法定量分析影响 PON 口峰值速率的关键因素，根据决策树的结果使用回归树CART算法预测PON口峰值速率区间。实验表明，基于该方案构建的2个模型准确率均达 80% 以上，可为 F5G 时代光接入网精准评估并规划扩容提供借鉴。
关键词：人工智能；F5G网络；光接入网；扩容评估
doi：10.12045/j.issn.1007-3043.2023.02.013
概述
2021年的《政府工作报告》中明确指出，要加大5G网络和千兆光网建设力度，丰富应用场景。这是“千兆光网”首次被写入政府工作报告，F5G作为千兆光网建设的第 5 代固定网络技术，成为我国重要的新型基础设施。随着我国加快推进千兆光网建设，千兆光网的发展势如破竹，固定网络已经进入F5G时代。
截至2021年底，三大运营商的固定互联网宽带接入用户总数达 5.36 亿户，其中 1 千兆及以上接入速率的用户数达到3 456万户，根据工信部发布的《“双千兆”网络协同发展行动计划》以及国务院常务会议要求，预计到 2023 年底，千兆光纤网络具备覆盖 4 亿户家庭的能力。
为配合千兆宽带上线，运营商需将原有的1G PON扩容到 10G PON。然而，评估规划接入设备升级扩容不是一蹴而就的，而且在运营商投资成本受限时，扩容工作也需要分阶段持续进行。当前主要通过判断PON口下是否具有千兆用户，或者根据PON端口单位时间峰值流量（即峰值速率）拥塞后上报的工单作为评估扩容的依据。当前方式主要依赖人工经验判断，无法量化PON口峰值速率影响因子，特别是在运营商成本受限的情况下，依靠经验难以更精准地找到有升级需求的节点。另外，收到工单后由人工重新评估规划，会导致处理时间变长，扩容不及时，影响用户体验。如何量化PON口峰值速率影响因子，预测PON口峰值速率区间，更合理地提前评估规划设备升级扩容是当前亟需解决的问题之一。因此需要引入智能化的手段来解决上述问题。
随着AI的蓬勃发展，AI技术与F5G的深度融合将助力解决 F5G 网络新问题，驱动智慧光网络不断升级。目前扩容规划领域的扩容规划算法主要有：基于相似度分析的扩容规划算法、基于网格化的扩容规划算法、基于用户特征分析的扩容规划算法、基于最小生成树的规划算法等，但尚未有针对 PON口峰值速率影响因子量化，构建PON口全参量模型的研究。而监控PON口流量（OLT PON口利用率），可以避免端口出现拥塞，影响端口下挂用户体验；提前预判拥塞迹象，为PON口下用户的发展和迁移及PON口扩容（1G PON到10G PON）提供指导；通过流量异常的PON口挖掘出流量异常的用户，辅助市场部的用户营销工作。
针对以上问题，本文提出了一种面向 F5G 光接入网的基于决策树和回归树算法的扩容规划算法，可实现全面综合的量化 PON 口峰值速率影响因子，预测PON 口峰值速率区间，精确指导扩容升级，克服人工方案的局限性。该算法采用决策树（ID3）算法对PON口峰值速率影响因子进行量化分析，可有效量化扩容指标；使用回归树（CART）算法预测 PON 口峰值速率区间，为精准规划扩容提供科学依据。为进一步优化实验效果，本文采用SMOTE均衡化函数解决样本类数量不均衡导致的算法结果具有倾向性的问题，并通过实验测试验证了本算法的效果。
