一個夏日夜晚，遠傳電信在台南某區域網路流量突然暴增，沒人預料到半夜會突然出現流量高峰，經調查發現，當時TikTok剛在台南興起，很多年輕人喜歡在睡前用手機觀看短片，導致半夜網路流量暴增。
遠傳在2018年加入微軟亞洲研究院”創新匯”，成為微軟長期的AI戰略合作夥伴，其中一個重要目標，即為更精準地提前掌握網路用量，優化流量調度，期望透過雙方的緊密合作，運用微軟在AI領域突破性的技術成果，結合遠傳長期佈局物聯網產業應用、大數據平台建設，以及強大的ICT整合實力，讓雙方的創新研發能力與產業經驗形成優勢互補。
遠傳與微軟合作的重要成果之一，包含共同研發的AI網路流量預測模型，可以精準預測未來一週中每15分鐘內核心基地台、二級基地台以及OTT服務的流量，建立網路流量的智慧動態配置。
優化全網性能，需要智慧流量預測
遠傳一直致力為使用者提供多元、豐富的優質體驗和創新應用服務。遠傳電信總經理井琪表示：「電信業競爭激烈，遠傳很早就啟動轉型計劃，制定『大人物』策略，即利用大數據、人工智慧、物聯網技術轉型和創新。遠傳的AI策略是由內而外的：對內進行員工AI培訓、培養AI人才、逐步強化AI產品；對外針對消費者和企業客戶，提供『大人物』解決方案。透過內外兼具的AI政策，為客戶提供最好的服務。」
台灣用戶的網路使用量在全球名列前茅，經常會發生網路流量需求大增的情況，如何進行最有效的調度並優化網路，正是關鍵。
加入微軟亞洲研究院創新匯以後，遠傳電信開始收集公司各部門的痛點，並與微軟亞洲研究院一起進行智慧流量預測研究，希望設計智慧流量預測模型，可以預測核心基地台、二級基地台的流量，以及每個基地台上Top100網站等OTT服務的流量。
由於不同地區使用者的喜好不同，基地台位置也不同，A地區的使用者可能偏愛某些影片應用，而B地區的使用者則愛用某些遊戲或影片網站，就會使每個基地台的流量因使用者的偏好，存在相當大的差異。有了AI流量預測模型，就可以有效判斷網路使用者的上網行為，預測出某一地區、某一時段的使用者可能使用的應用服務、觀看的節目、進行的遊戲，進而將使用者喜歡的內容排序到離他最近的網路節點上，甚至將使用者常用的應用程式部署在靠近使用者一端的節點上，大幅降低網路延遲的問題，提升用戶體驗。此外，智慧流量預測也能為遠傳電信5G基地台選址提供更精準的依據。
傳統的預測模型只能針對核心基地台進行線性的全流量預測，只有少數第三方的開源軟體可以針對具體的網路應用流量進行預測，但準確度不高，無法提供有效的預測。「對於AI來說，做預測恰恰是它的強項。」微軟亞洲研究院副院長劉鐵岩博士表示。「近年來微軟亞洲研究院透過『創新匯』專案與業界領軍企業合作，在金融、物流、醫療等領域都發揮出了AI的巨大潛能。我們相信，AI也一定能夠在優化電信網路、智能預測流量、提升電信服務性能等方面發揮獨特作用，成為電信領域的核心技術。」
突破四大挑戰，破解流量預測難題
經過4個多月的努力，雙方合作研究的AI流量預測模型效果顯著： 核心基地台的EPG總流量預測準確率達99%；二級基地台的eNB總流量預測準確率達90.5%；針對Top100網站等OTT服務流量預測準確率達74%；可精準預測未來一週每15分鐘內的流量。根據微軟亞洲研究院首席研究經理邊江博士的介紹，針對實體的網路環境，研究員們從四個方面突破挑戰，透過AI技術大大提升了不同層級基地台上，不同服務的流量預測準確率。
一、創新神經網路實現超長序列建模
流量趨勢具有明顯的週期性，以天、週或月來計算，並在某個時間點時，某個應用服務會出現高峰，因此長時間序列模型的訓練更容易找到其中的規律。由於傳統的統計方法不能有效利用較長時間的數據，對此，微軟亞洲研究院採用了跨層連結的擴張迴圈神經網路(Dilated RNN + Skip Connections)，對局部數據進行跳躍式選取，確保模型可以利用長時間數據進行建模。
二、流量峰值預測，把握分寸最重要
為了達到最好的效果，AI技術不僅需要精準預測出某段時間流量高峰，還要確保預測的偏差值要稍微高於峰值，讓流量配置有適當的冗餘，但預測峰值也不宜過高，以免造成頻寬資源浪費。研究員們採用了兩個函數來確保預測偏差值處於最佳狀態，一個確保整體預測的準確度，另一個針對實際應用環境，將峰值適當向上偏移。在不同的網路環境下，兩個函數進行加權組合，確保相對應的場景下達最合適的預測準確率。
三、數據抖動和雜訊聲需正則化處理
不同基地台上不同服務的屬性差別相當大，例如大城市需要經常造訪海外搜尋網站，小城市對影片、遊戲類應用的需求較大，不同屬性的流量數據存在巨大差異，有著較大的抖動和雜訊，而且部分資料的比例缺失，不利於模型學習。因此，微軟亞洲研究院針對不同基地台節點和服務的數據進行正則化處理，使得在不同時間點訓練模型時，數據都可以在相對一致的分佈區間，確保模型在不同時間、不同信號上都能做到更加精確的學習。
四、AI技術與產業洞察相結合，更精準
基於遠傳電信工程師的豐富經驗，雙方建立了一個知識庫，與多層次智慧預測模型結合使用。例如維運人員會有些常規經驗總結，類似A應用一般在中午12點左右出現流量高峰、B搜索網站的峰值可能會是晚上7、8點等，產業洞察和經驗累積與預測模型動態相互加權，更加確保整體流量預測的準確率。
授人以魚不如授人以漁
事實上，在解決業務難題的同時，微軟亞洲研究院希望透過合作「授之以漁」，幫助合作夥伴具備AI思維和能力。遠傳電信執行副總饒仲華表示：「遠傳電信一直在尋找將時間序列融入到機器學習的突破點。此次超長建模的實現，讓遠傳電信更加掌握時間序列與神經網路模型相關聯的方法，這樣的模型演算法並不只侷限於流量預測上，只要數據豐富，有大量的時間序列，舉一反三後，類似的AI模型可以解決更多與時間序列有關的問題。」
除此之外，遠傳電信對機器學習所需的數據也有了進一步的瞭解，對數據的收集、處理與儲存也更具系統性。「過去，我們認為原始資料只要做了資料清洗之後就可以使用，但事實遠比想像的複雜，其中資料的收集方式、儲存時間、規模大小、處理過程都會影響數據的品質，也會影響機器學習的訓練過程。」遠傳電信執行副總饒仲華表示。以AI流量預測模型為例，預測週期為15天時，需要連續3、4個月的數據；週期為一年，就需要3、4年的數據，而非一個月或一年的數據就足夠。「在與微軟研究員討論後，我們也優化數據收集方式，為AI模型訓練奠定高品質的資料基礎。」
數位轉型，心態和文化是核心
一直以來，遠傳電信都將用戶體驗放在第一位，希望可以讓使用者享受到更高品質的網路服務，提升用戶滿意度。
「遠傳電信堅信技術能夠改變世界，所以我們從來沒有停止探索新技術對於服務的提升。」遠傳電信總經理井琪表示。「很高興與微軟亞洲研究院合作，用AI預測網路通訊流量場景，讓我們看到了AI技術在電信業的無限潛力。」
微軟亞洲研究院副院長劉鐵岩表示：「為了讓AI與電信場景做結合，遠傳電信和微軟亞洲研究院觀察過多個業務領域，發現AI流量預測模型的成功源於遠傳電信一直以來對於數位轉型策略的堅持。此次合作開啟了雙方在AI+電信領域的攜手創新，同時也是遠傳電信在數位轉型路上的眾多里程碑之一。」
在新冠疫情席捲全球、顛覆人們生活和工作方式的今天，越來越多的企業意識到數位轉型的重要性和緊迫性。而多年前就開始進行數位化型的遠傳電信更明白，企業轉型的最大挑戰和核心，是心態和文化上的轉變，這需要管理者具有強大的領導力和魄力，能夠引領所有員工達成共識，才能使轉型順利進行。同時，企業數位化轉型還需要從上至下、由內而外、從人才文化到組織架構做好全方位的準備。
「在轉型的過程中，遠傳電信不斷提升自身的能力以及核心價值。未來，我們將持續利用大數據、人工智慧和物聯網技術轉型。希望透過與微軟亞洲研究院持續合作，探索數據驅動的新服務，利用資料模型增值現有應用，深耕AIoT領域，時刻準備好迎接新機遇。」遠傳電信總經理井琪表示。
