摘要：相比较4G网络而言，5G时代的到来，预计将在2019年时形成端到端商用产品和预商用网络，并于2020年的时候，实现万站规模化商用。可见，5G不仅提高了传输速率，更是在传输的过程中呈现超可靠低时延、广覆盖大连接等特点，若是说4G网络是面向于个人通信的话，那么5G网络就能拓展到工业互联网和智慧城市等应用中。
关键词：大数据；5G；移动网络；服务优化
引言
5G时代即将到来。和4G网络相比，5G网络在各个方面都有很大提升，不仅传输速率更高，而且在传输中还呈现出增强移动宽带、超可靠低时延、广覆盖大连接的特点。如果说1G~4G主要面向个人通信，那么5G则扩展到工业互联网和智慧城市应用。根据《CiscoVNI:globalmobiledatatrafficforecastupdate,2016–2021》的数据显示，2016—2021年全球移动数据流量增长7倍，平均年增47%，增长速度非常快。3G时代全球每个用户每个月的连接流量只有3GB，4G时代这个数值已经达到了6GB，5G时代将达到30GB（是4G网络平均连接流量的4.7倍）。2017年我国每个用户每个月产生的移动数据流量为1.775GB，是2016年的2.3倍，与全球平均水平相当。而且2018年上半年的数据已经远远超过了2017年的全年数据，也就是说，5G时代的到来将进一步加速移动数据的发展。按照《中华人民共和国国民经济和社会发展第第十三个五年规划纲要》的要求，5G网络将在2020年商用。
1移动大数据的来源
移动大数据包括用户产生的数据和运营商产生的数据，其中用户产生的数据包括自媒体数据和富媒体数据，运营商产生的数据包括日志数据和基础网络数据。在运营商的网络上有很多环节可以进行数据采集，在终端可以采集路测（DT）/最小化路测（MDT）、测试报告（MR）、传输分组大小、使用习惯、终端类型等数据；在基站端可以获得用户的位置信息、用户通话记录（CDR）、链路状态信息（CSI）、接收信号强度（RSSI）等数据；通过后台的运维系统可以采集测量、信令、话务统计等数据；通过互联网可以采集新闻、资讯、地图、视频、聊天、应用等数据。也就是说，在运营商的网络中不但可以获得业务类型、上下行流量、访问网站等业务数据，还能掌握整个信道的状况。
如图1所示，5G网络应是以用户为中心、上下文感知与先应式的网络，且5G无
.png)
图1大数据分析在5G网络优化中的应用
线网可实现通信、缓存与计算能力的汇聚，因此在网络运营管理设计时，需要利用大数据技术进行优化，在网络体系架构设计时要适应大数据的传送，以实现5G网络的运营智能化和网络智能化。
5G网络是数据终端到数据中心的主要通道，从互联网、物联网终端或移动用户处采集的数据，通过具有边缘缓存和计算能力的基站和无线接入网进行数据预处理与存储，最后通过核心网络将数据传输给数据中心和云计算中心进行数据分析。5G网络除了传输数据终端的数据之外，智能终端的多功能业务还将触发终端与回传网络和核心网络内数百个服务器、路由器和交换机的各种交互。例如一个用户的HTTP请求可能只有1KB，而内部数据流可能会增加930倍。因此，5G网络不仅要承载移动用户数据，还要承载来自不同后台、数据库、缓存服务器和网关以及回传链路的数据。
2大数据驱动5G网络服务优化的方向
2.15G无线接入网的资源管理
针对4G网络系统而言，当4G网络处于扁平化设计理念中时，会把基站划分成为：基带处理单元和射频拉远模块，同时还会把多个基站中存有的基带处理单元集中在一起，从而形成基带池；而针对5G网络系统而言，就会把基带处理单元实现二次分解，通过二次分解的形式，获取到其中的集中单元和分布单元，集中单元主要负责的管理内容是若干个分布单元，是对其中存在的干扰问题进行分析和管理，然后在把相同业务实现整合处理；而分布单元主要是负责实现多天线的处理工作，是针对不同业务需求展开的实时处理，以此来起到节约硬件成本的作用。
2.2大数据支撑大规模天线与分布式天线
5G将使用大规模天线（MIMO），天线数高达128个，甚至是256个。高阶MIMO为每条信道提供一条赋形的天线发射波束，实现空分复用，但各波束间存在干扰，降低了MIMO的效率，需要收集密集波束间的干扰数据，并基于系统的计算能力进行复杂的优化。此外，网络终端在基站中心接收的功率比较大，在基站边缘接收的信号比较差。此问题可以利用分布式天线解决，但是分布式天线互相之间也有干扰，如果能够收集到所有天线的信道数据和干扰数据，通过大数据分析技术对所有无线访问接入点（accesspoint，AP）进行联合信号处理，就可以指导各天线和微基站实现对干扰的抵消，容量可较LTE系统提高约2个量级。此外，如果可以收集到MIMO数据和网络数据，并利用大数据技术进行分析决策，就可以提高定位精度。随着三维仿真、三维射线追踪技术的发展，通过室内天线和WLAN技术的结合，还能精确定位用户在室外或室内，甚至用户所在的具体楼层。
2.3优化5G网络移动边缘计算
基于现代社会发展背景下，要想有效适应于视频、虚拟现实等业务的时延要求，就可以通过降低核心网带宽的压力，把这些业务的存储和内容，分别融入到移动边缘计算中进行处理。5G网络不仅可以在边缘感知和分析数据，还可以在毫秒内触发相应措施，促使所有的数据都能无缝接的从云平台，逐渐传送到大量的端点或云平台中。但是针对哪些业务需要在云计算中实现处理亦或者而是下沉到移动边缘计算处理中，则是需要针对网络收集到的业务流数据，展开较为深入的分析。
2.4大数据支撑5G终端与云端的智能
现在智能终端的能力非常强，但是在终端上的人工智能处理能力还是有限的。比如手机智能可完成2D人脸识别，但识别效果容易受光线、角度和表情及化妆等的影响，而且识别的是照片还是真人也不好区分，现在的3D人脸识别就需要利用网络云端的智能来处理，从而提供安全的识别能力。云计算可强化无线网，有效支持诸如增强现实等计算强度的应用，将用户端很重的计算任务卸载到云端。然而，无论是终端还是云端的智能，都需要基于大数据的分析。如AI需要训练与推断，训练包括前向计算和后向更新（通过大数据调整模型参数），推断主要是前向计算，将训练得到的模型用于应用。通常云端负责训练和推断，终端只负责推断。因此仅靠终端的计算与软件能力的发展还不够，很多智能应用也需要云端的支持，如云端训练和云端推理、云端训练和终端推理。
结语
综上所述，虽然5G时代的到来，能够凭借认知和预测等多元丰富功能，在不同领域中发挥重要应用价值，具有较为广阔的发展空间，但同时还要面临很多严峻的挑战，基于此，需要相关人员能够高度重视时效性和安全性等问题，并通过合理运用大数据强化网络结构和优化服务体验等方式，为5G网络的标准化建设提供必要的支撑依据。
参考文献
[1]刘明,刘丽生.5G新型网络架构无线接入与资源优化分析[J].通讯世界，2019,26(09):59-60.
[2]赵文君,周金和.面向5G网络的Stackelberg博弈的缓存优化策略[J/OL].计算程:2019,25(62):1-10.
[3]张涛,王法权.5G移动通信网络优化技术研究[J].中国新通信，2019，21(16):22.