Az Open API-k elősegitik a különböző xApp és rApp alkalmazások Open RAN RIC platformba történő integrálását. Ezek az alkalmazások támogatják a mobil hálózat üzemeltetőket, hogy több szolgáltatási opciót és felhasználási lehetóséget alkalmazzanak, beleértve a hibaelhárításhoz és optimalizáláshoz szükséges átfogó hálózatelemzési megoldásokat. Már teszteltek és élőben is bemutattak több Open API fejlesztők és más külső partnerek által kifejlesztett alapvető intelligens alkalmazásfunkciót.
1.Ábra. xApp-ok a near-RT RIC-ben
Néhány a legfontosabb AI és ML alapú RIC alkalmazások közül
Az Open API-fejlesztők AI és ML technológiát használnak alkalmazásaik intelligenciájának és automatizálásának maximalizálása érdekében. Ezzel lehetővé téve, hogy ezek átfogóbb elemzéseket és hálózati optimalizációkat végezzenek. Néhány ilyen alapvető funkció:
- Anomaly Detection, vagy Anomália-észlelés automatikusan észleli a főbb kulcsfontosságú teljesítménymutatók (KPI-k) romlását vagy bármilyen változását az elüre definiált határértékektől, cluster és cellaszinten. Ezt a funkciót AI-alapú intelligencia támogatja, mely pontosabbá és megbizhatóbbá teszi a működést. Ez a funkció segít csökkenteni a hibajegyek kezelési idejét azáltal, hogy még a korai szakaszában észleli a rendellenes működést.
- Energy Saving Manager (ESM) egy innovatív megoldás a cellák energiafogyasztásának optimalizálására. Az ESM intelligensen kezeli a cella aktiválását és deaktiválását, minimális energiafelhasználást biztosítva anélkül, hogy negativan befolyásolná az ügyfélélményt vagy a KPI-ket. A fejlett prediktív algoritmusok felhasználásával az ESM folyamatosan ellenőrzi a felhasználói élményt és a KPI-ket, miközben döntést hoz arról, hogy mely cellák kapcsolhatók be és ki intelligensen a szolgáltatás minőségének befolyásolása nélkül, ezzel biztosítva az energiatakarékosságot.
- Load Balancing Manager (LBM) megbecsüli az adat sebességet és a felhasználók mennyiségét, majd ez alapján előrejelzi a lehetséges torlódási helyzeteket, amelyek hatással lehetnek a meghatérozott KPI-kre. Az LBM áthelyezi az UE-ket a torlódásos cellából más kevésbé torlódó cellákba, miközben a szektor adat sebessége nem csökken. Az LBM-nek köszönhetően a szolgáltatók a dinamikus terhelést költséges emberi beavatkozás nélkül tudják kezelni.
- QoS–based Handover (HO) paraméter optimalizálás értékeli a QoS-változásokat, amelyeket a mobilok cellák közötti mozgása okoz. Ez alapján optimalizálja a bázisállomások handover paramétereit.
- Network Traffic Prediction (NTP) adaptív eszközöket kínál a hálózati forgalom előrejelzésére. Ezeknek az előrejelzéseknek a hálózati control plane-ba történő integrálása proaktívabbá és rugalmasabbá teszi a hálózatokat.
- Quality of Service (QoS) Prediction előrejelzése a KPI-k előrejelzésével és a QoS értékek biztosításával javítja a hálózatot. Ezek az előrejelzések javítják a hálózati teljesítményt azzal, hogy lehetővé teszik a proaktív erőforrás-allokációt és a dinamikus network slicing-ot.
Ezekről az applikációkról részletes leirás lesz a következő irásokban.