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。

遠傳運用微軟AI技術精準預測特定時段流量高峰，不僅需確保預測偏差值稍微高於峰值，使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。

台灣電信商遠傳致力為使用者提供多元、豐富的優質體驗和創新應用服務。因此已在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，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，讓雙方的創新研發能力與產業經驗形成優勢互補。

微軟表示，雙方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。

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，使得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，進而將使用者喜歡的內容排序到距離最近的網路節點上，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。

微軟亞洲研究院副院長劉鐵岩博士表示：「對於AI來說，做預測恰恰是它的強項。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。」

突破流量預測四大挑戰

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。

微軟亞洲研究院首席研究經理邊江博士表示，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。

1. 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。

2. 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。

3. 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。

4. 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。