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PON线路及家庭网络故障率高、运维响应滞后等问题，提出一种AI赋能的智能光网络运维方案。通过融合多源数据（性能、告警、用户行为），构建断纤投诉预测模型，采用密度聚类（DBSCAN）过滤无效告警，基于累积分布函数（CDF）量化用户活跃度，并利用随机森林（RF）算法实现区域自适应风险评估。方案部署后，用户投诉率压降19%，断纤工单准确率达80%，推动故障处理从“被动响应”向“主动预防”转型，显著提升运维效率与用户满意度，为光接入网智能化升级提供实践参考。
关键词：PON网络；AI赋能；智能光网络运维；断纤预测；用户投诉预测；密度聚类算法；随机森林算法
doi：10.12045/j.issn.1007-3043.2025.08.004
研究背景与挑战
“十四五”发展规划明确千兆宽带成为国家“新基建”战略性基础设施。随着超高清视频、VR等新业务的普及，光纤接入、千兆用户比例的大幅提升，制约宽带用户体验的不再是传统的接入带宽，更关键的是家庭宽带接入业务整体的网络质量。据统计，家庭宽带接入70%以上用户投诉的故障与接入无源光网络（Passive Optical Network，PON）线路和家庭网络有关，其中约80%的故障需要装维人员上门解决，家庭宽带光接入网络的故障管理和体验管理面临巨大的2025/08/DTPT挑战与机会。近年来，人工智能（ArtificialIntelligence，AI）技术的快速发展为通信网络运维领域带来了革命性突破。深度学习、知识图谱、自然语言处理等技术的成熟，使得海量网络数据的实时分析、故障模式的智能识别以及对用户行为的精准预测成为可能。
