5G-IoT-Edge-ML/AI: Technologies That Will Transform
5G-IoT-Edge-ML / AI：將會轉變的技術
frontiers in Communications and Networks
毫無疑問，世界正在經歷一場全球流行病，這種流行病正在改變我們的日常生活，以及開展業務活動的方式。
由於社交隔離，是遏制感染迅速蔓延的有效手段，許多個人、機構和行業，不得不依靠電信，作為確保服務連續性的手段，以防止其營運完全停止。這給固定和行動網路，都帶來了巨大的壓力。
儘管第五代行動網路（5G）的佈署，尚處於起步階段，但它擁有廣泛的服務類別，包括增強型行動寬頻（eMBB）、超可靠的低延遲通信（URLLC）和大規模的機器類型通信（ mMTC），可以幫助應對與大流行相關的挑戰。
因此，在本文中，我們確定了由於 COVID-19 大流行，而導致的流量需求激增，現有網路面臨的挑戰，並強調了由人工智慧支持的 5G，在解決這些問題中的作用。此外，我們還簡要介紹了人工智慧驅動的 5G 網路，在預測未來大流行爆發中的應用，以及在未來爆發大流行的情況下，發展具有抗災能力的社會。
1. 簡介
自從 COVID-19 疫情大流行以來，我們的日常生活和展開業務活動的方式，發生了翻天覆地的戲劇性變化。從字面上看，經濟的每個部門（例如衛生、教育、製造業、交通運輸等）都受到了大流行的影響。
許多公司已經關閉，原因是建議工人在家中工作，學校被關閉並在會議被推遲或轉移到網上時，訴諸在線上學習。為了減少與患者的接觸並減少感染的傳播，甚至取消、延後或遠端任命醫生。現在，所有這些領域，都主要依賴於有線和無線通信網路，以確保持續運行。
結果，線上學習平台（例如Zoom、Microsoft Teams、Canvas等）的使用量大大增加，社交媒體平台（例如 Facebook、Twitter、WhatsApp ⋯⋯等，用於社交互動。此外，在許多國家，在封鎖期間有效的娛樂活動也使諸如線上遊戲，Netflix、YouTube 等多媒體平台的使用激增。
這些因素導致現有網路上的流量需求激增，因為在不同國家/地區實施的行動限制政策，降低了感染的傳播，迫使許多工人和學生留在家中，從而改變了學校、醫院，和行業到在線上平台。
此外，由於居家政策、交通需求模式，也從市中心突然轉移到住宅區。對於現有網路而言，這是非常具有挑戰性的，因為尚未將其設計為，適應這種數量級的流量需求，以及當前正在經歷的流量需求模式的突然轉變。
此外，隨著交通需求向居民區的轉移，對城市中心的基地台（BS）的交通需求很少甚至沒有，從而導致能源浪費。此外，行動限制還導致維護人員數量的減少，這些維護人員可以在基地台故障，或服務故障的情況下，訪問 BS 基地台，以恢復其正常功能。
因此，網路營運商不得不應對無線電接入網（RAN），以及住宅區回程網路中，不斷增加的容量需求，如何即時將故障站點恢復到正常運行狀態，以防止由於小區造成的長時間服務故障停電，以及如何防止由於城市中心 BS 利用率不足，而造成的能源浪費等諸多挑戰。
值得注意的是，由於現有的無線聯網技術，大流行的影響已大大減少，因此，開發和佈署了更先進的無線通信技術，例如第五代行動網路（5G）和超越 5G（B5G）在減輕大流行，對各個部門的負面影響方面，將更為有效。
5G 網路目前正在某些國家進行佈署，並且與現有的無線網路相比，它將提供更高的數據速率、更高的容量，以適應大規模設備連接，更低的延遲，更高的可靠性，更高的行動性支持，以及更高的能源效率。
所有這些可以透過 5G 網路提供的三大類服務來提供，即：增強型行動寬頻（eMBB）、超可靠的低延遲通信（URLLC）和大規模機器類型通信（mMTC）。
此外，自組織網路（SON）和人工智慧（AI），已在 5G 網路中實現，以使網路能夠以智慧和自主的方式運行。儘管 AI 僅部分包含在 5G 中，但 5G（B5G）以外的網路，將體驗到 AI 的全面實施。
5G 網路中的 AI，將實現智慧和自主操作，這在當前和未來的大流行情況下非常重要，這是由於政府和各種組織制訂的行動限制，和遠端工作政策，導致網路服務需求，和操作程序的急劇變化，以減少 COVID-19 的傳播。
人工智慧將實現主動和動態的資源分配，這將使網路能夠根據即時需求，將資源分配給需要它們的位置，這與現有網路中，當前實現的靜態資源分配方法不同。
這將有助於解決由於大流行，而導致的交通需求，突然從城市中心轉移到住宅區的問題，這正給 RAN 和網路回程帶來壓力。此外，人工智慧還將幫助流量預測和小區中斷檢測，並透過關閉未充分利用的基地台，或激活 SON 的自愈功能，來使網路自動重新配置自身。
由於大幅度減少了，應對網路挑戰所需的可用人力，因此在大流行期間這是必要的。此外，人工智慧將能夠實現主動切換優化，這是應對大流行期間緊急醫療挑戰的必要條件，在大流行中，危急情況下的患者，必須透過影像/語音通信，進行遠端護理醫院中的醫護人員，而在救護車途中醫院，以防止由於從一個基地台切換到另一個基地台，而造成的間歇性服務中斷或故障。
因此，在本文中，我們重點介紹了 AI 驅動的 5G 網路，在應對因 COVID-19 大流行，而導致的現有網路所面臨的挑戰中的作用。我們專注於與網路相關的挑戰，這些挑戰可以透過在 5G 中，使用 AI 來解決。
但是應注意的是，由於在 5G 中只能實現，少數幾個基於 AI 的解決方案，因此本工作重點介紹的某些 AI 解決方案，將在 B5G 網路中實現。
此外，我們希望指出，由於已經撰寫了大量關於 AI 和機器學習（ML）技術，在 5G 和 B5G 網路中的應用的評論論文，以及對在 5G 和 B5G 網路中，使用 ML 算法，我們無意重複他們在這項工作中，已經做過的事情。我們的目標是，確定由於 COVID-19 大流行，而導致現有網路面臨的一些具體網路挑戰，並著重強調一些可以幫助 5G 和 B5G 網路，解決此類問題的 AI / ML 驅動的解決方案。
1.1. 會費
據我們所知，有三篇與我們的工作密切相關的主要評論論文。Ahmadi 等人首先強調了行動連接，在大流行期間協助醫療保健、教育和零售領域的作用，此後，對一些關鍵的 5G 技術（包括 URLLC、mMTC、雲等）進行了非常簡短的討論，這將是有益的介紹了各個部門。
在 Chamola 等人，作者最初對 COVID-19 暴發進行了回顧，包括先前的大流行，大流行暴發的各個階段，診斷測試，以及治療和預防措施。然後，簡要討論了流行病對經濟不同部門的影響，以及相關的統計數據。
此外，還介紹了一些減少流行病影響所需的技術，包括物聯網、無人機、機器人，可穿戴設備、5G等。透過特別考慮醫療保健、教育和經濟問題，考慮了無線通信在抗擊大流行中的作用，並探索了透過無人機、氣球和衛星，將網路連接擴展到未連接區域的可能方法。
他們還考慮了使用無線通信，對抗 COVID-19 大流行，所帶來的三個挑戰，即隱私、安全和錯誤資訊，以及無線通信在確保經濟生存方面的作用。此外，還介紹了一些在大流行期間具有相關性，並在以後仍然有用的啟用無線網路的技術。
關於 AI 在 5G 和 B5G 網路中的應用，評論文章很多，以及對 5G 和 B5G 網路中，各種 ML 算法使用的深入分析。
但是，在這項工作中，我們採用一種方法論方法，來討論 AI 驅動的 5G 網路，在應對不同部門中，與大流行相關的挑戰中的作用，以及由於在大流行期間增加使用，而面臨的現有網路所面臨的挑戰。
從網路的角度來看，我們特別關注 5G 網路中 AI 的使用，如何應對大流行帶來的，現有網路所面臨的挑戰。我們還討論了 AI 驅動的 5G 作為，其他技術的推動者的作用，例如IoT、機器人、自動駕駛汽車、無人機等，這些技術是應對，各個領域大流行病影響所必需的。
本文的見解如下：
‧ 我們對受 COVID-19 大流行影響的五個關鍵部門，以及大流行對經濟的整體影響，進行了全面回顧。與 Chamola 等人不同，只關注大流行在這些部門的經濟影響，我們還考慮了大流行的社會和心理影響。
‧ 我們著重強調了現有網路所面臨的主要問題，因為隨著用戶透過在線上平台從正常營運，遷移到遠端營運，對網路的流量需求突然增加。在 Ahmadi 等人的文章中，幾乎沒有提到對現有網路的影響。
‧ 我們特別關注 AI 驅動的 5G 網路，在減少大流行，對已確定的關鍵部門的負面影響中的作用，以及它如何成為應對大流行相關挑戰，所需的其他技術的推動者。
‧ 此外，全面討論了人工智慧驅動的 5G，在應對現有網路面臨的挑戰中的作用。同樣，關於人工智慧驅動的 5G，如何解決上述現有工作中，現有網路面臨的挑戰的報導探討很少。
‧ 最後，我們簡要介紹了 AI 驅動的 5G，如何在未來流行病的預測中發揮推動作用，以及它在發展抗流感大流行的社會中的作用，以證明該社會免受流行病造成的突然破壞。還簡要強調了從大流行中汲取的經驗教訓，這些經驗教訓，應在未來網路的設計中加以考慮。
1.2. 組織
本文的其餘部分安排如下：
第 2 節確定了受到大流行影響的一些關鍵部門。第 3 節討論了由於行動限製，而導致的用戶遷移到在線平台後，現有網路在處理來自各個部門的流量，需求增加時所面臨的挑戰。
第 4 節重點介紹了 5G 及其技術支持者（例如 SON 和 AI）在解決因 COVID-19 大流行，而導致的不同經濟部門所面臨的問題，以及應對現有網路所面臨的挑戰中的作用。
第 5 節簡要介紹了 5G，以及其他支持技術如何用於預測未來的流行病，並幫助發展一個對流行病具有抵抗力的社會。此外，我們簡要討論了從大流行中汲取的教訓，將如何影響未來網路的設計。最後，第 6 節總結了論文。
2. COVID-19大流行對不同部門的影響
COVID-19 的爆發及其隨後被世界衛生組織（WHO）宣佈為大流行病，極大地改變了我們的生活和社會。世界各地都在感受到其破壞的影響。儘管它影響了我們生活和經濟的幾乎所有方面，但在圖1 中，我們重點介紹了其中，影響最為明顯的幾個關鍵部門。
圖1. 該圖突出顯示了 COVID-19 大流行對主要經濟部門的影響，這些主要部門包括醫療保健、農業、旅行和旅遊，製造和分銷以及農業。
2.1. 衛生保健
COVID-19 大流行嚴重影響了醫療保健部門。爆發的規模使醫療機構不堪重負，導致缺乏訓練有素的重症監護專業人員，床位不足，測試套件、通風機、個人防護設備（PPE）等嚴重短缺。
這直接和直接的後果是，每天記錄的死亡人數很高，既是病毒直接造成的死亡，也有其他疾病間接造成的死亡，因為在某些國家，非 COVID-19 病人的醫療幾乎停止了，某些情況導致其他疾病的定期醫療諮詢，無限期延遲。醫院和護理設施轉向 COVID-19 的治療，導致對其他疾病的長期護理短缺，導致了所謂的「超額死亡」，該死亡人數直接導致了死亡人數與 COVID-19 相關，並且間接地由於無法獲得護理，否則本來可以為患者提供這種病毒。
非 COVID-19 疾病的醫療保健覆蓋率下降，可能會比中低收入國家的疾病本身，引起的孕產婦和兒童死亡率更高。
迄今為止，全球已經有 39 萬多人死亡，僅在美國就有 11 萬多人死亡。前所未有的患者數量激增，使醫院設施不堪重負，導致許多國家的患者，在醫院的走廊和臨時病床位接受治療。一些歐洲國家不得不將患者，空運到德國以接受治療，而古巴的醫生則去了義大利，以增加人員短缺。
此外，由於大流行，精神衛生問題激增。對於醫護人員來說，這是由於工作時間增加，睡眠不足以及對患者感染病毒的焦慮所致。對於普通大眾來說，有幾個因素在起作用，例如失業或謀生手段，在家中的禁閉，對病毒感染的焦慮等。這導致不良的睡眠和進食習慣，體重增加，抑鬱行為和焦慮，以及家庭暴力和藥物濫用。
在此期間，社會護理部門也經歷了嚴重的困難，致死率很高，並且敬老院中老年人的患病風險增加。個人防護設備和訓練有素的人員短缺，也意味著養老院的設備，不足以應對這種大流行病。
在所有這一切中，衛生和社會護理人員工作過度，壓力重重，其中一些人不幸因公殉職，導致對其彈性、心理健康，以及對健康的長期影響感到焦慮部門。
行動通信和應用 app，視訊會議和其他資訊技術（IT）工具，正在幫助在大流行期間，在醫院外提供護理。其他系統依賴於通信技術，進行跟踪和追踪遠端患者監測，COVID-19 診斷和遠端醫療服務。我們將在第 4 節中探討 5G，和其他技術如何幫助阻止 COVID-19。
2.2. 教育
截至 2020 年 5 月，COVID-19 大流行，導致全球 153 個國家的學校關閉，影響了約 12 億學習者。這已導致許多學生的學業評估和學習發展受到重大干擾。
它還使數百萬國際學生滯留在國外，那裡與同學缺乏社交聯繫，對感染的擔憂加劇，大學和學生宿舍的關閉，以及與家人的孤立，對他們的心理健康造成了傷害。
聯合國教育科學及文化組織（教科文組織）稱，學校的停課對學習者有許多負面影響，並加劇了貧富之間教育的不平等。大流行已經破壞了成長和學習的機會，特別是對處境不利的學習者而言，這已被證明會導致認知技能的喪失，這是教育的主要目標。
對於即將畢業的學生來說，這種流行病影響了他們的最終評估和就業能力，因為他們將在全球經濟嚴重衰退的時候畢業。
對兒童教育的影響包括：與成年人相比，創傷後應激水平高，飲食習慣差，體育活動減少，睡眠習慣差，心肺適應性差，以及處境不利的兒童營養差，依靠學校膳食來保持健康飲食。
此外，來自較貧困家庭的兒童，遭受的痛苦不成比例，因為他們中的許多人沒有線上學習所需的電腦和其他電子產品，而且與來自較富裕且受過高等教育的同齡人相比，他們的父母，對於沒有老師繼續接受教育的任務更加無準備。
這些影響完全導致危險行為，不健康的同伴影響和藥物濫用。對於父母和家庭而言，育兒責任和家庭輔導迫使許多人停止工作，這影響了家庭收入，並進一步減少了醫療保健工作人員。
當學校關閉時，許多父母也沒有足夠的裝備，準備在家教孩子。根據父母的可獲得性，以及他們的技能和教育程度，兒童的學習會有很大的不同。
關閉學校的整體後果，包括因育兒責任，而被迫停工的家庭蒙受經濟損失，危險行為激增，同伴不健康和兒童和年輕人濫用藥物，由於人員短缺，而給醫療系統帶來的壓力增加，對於所有年齡段的學習者而言，他們的社交孤立和孤獨感、抑鬱、焦慮、慢性壓力和失眠、暴力行為激增、性剝削、童工，以及因喪失財務能力而輟學的風險，較高許多父母和監護人。
2.3. 旅行、旅遊和航空
這是受影響最嚴重的經濟領域之一。現在已經在全球 100％ 的目的地實施了出行限制，這導致大多數經濟領域的勞動力減少。旅行禁令直接或間接導致航空公司，和相關行業損失數十億美元。隨著航班取消，以遏制該病毒的傳播，全球旅客量幾乎降至零。客運航空公司在航空業受到的影響最大，導致幾家航空公司休假或裁員。
隨著世界各國關閉邊界，並實施旅行禁令，許多航空公司也紛紛倒閉或進入了行政管理。同樣，機場一直在遭受經濟損失之苦，估計到 2020 年將損失 766 億美元。國際民用航空組織估計，航空公司提供的座位數量，最多將下降 60％，客運量減少 80％ 以上，航空公司的營業收入損失超過 4,000 億美元，具體取決於大流行持續多長時間，政府採取的遏制措施，以及大流行對其他經濟狀況的影響。
貨運航空公司繼續從中國等製造中心，向世界各地空運重要物資，例如個人防護設備，與 2019 年同期相比，航空貨運量下降了約 25％。隨著飛機停放在機場，對備件和新飛機的需求已大大減少，許多航空公司延後了新飛機的交付，還有許多其他航空公司取消了先前的訂單。
國際航空運輸協會估計，在危機之後，航空業至少需要 2000 億美元的救助資金才能重新啟動。
同樣，預計旅遊業將損失約 4500 億美元，幾乎佔 2019 年旅遊業總收入的三分之一，全球將有 5000 萬個工作崗位，處於風險之中。世界旅遊組織指出，旅遊業是當前大流行的重災區之一。據估計，到 2020 年，國際旅遊收入將下降多達 30％。在許多國家政府關閉旅遊目的地，實行旅行禁令和簽證限制的背景下，所有不必要的旅行和旅行均被取消。
儘管全球旅遊業經受了重大衝擊，例如美國發生 9/11 恐怖襲擊、SARS、MERS 等，但有跡象顯示，COVID-19 的影響，是前所未有的，和經濟損失是巨大的。例如，在蘇格蘭，多達 99％ 的旅遊企業報告說，他們經歷了取消和預訂下降的情況。由於出行限制和重大全球預定活動的取消，酒店預訂量直線下降。
2.4. 製造與分銷
隨著 COVID-19 大流行在全球關閉工廠，以保護無法遠端工作的員工，並減少病毒的傳播，製造業也受到了 COVID-19 大流行的沉重打擊。更糟糕的是，受病毒打擊最嚴重的國家，在全球製造業中所佔比例最高。
由於製造業工作的性質，通常很難執行社會隔離規則，因此，製造業工人極易受到病毒傳播的影響。汽車、飛機、化學和電子產品的製造商，受到全球供應鏈中斷的影響最大。例如，中國生產全球 90％ 的電腦和 70％ 的手機，幾乎所有電子產品，都需要中國製造的零組件，甚至在宣布 COVID-19 大流行之前，幾乎就已經導致這些產品，在其他國家的生產停頓。
由於全球病毒傳播，中國還生產了約 60％ 的全球活性藥物成分，當中國因 COVID-19 進入禁閉狀態時，導致世界基本藥物的嚴重短缺。因此，這迫使許多公司延後其產品的發布日期，並且還由於零組件缺乏，而導致組件成本增加。
此外，由於全球製造業的相互聯繫，和所謂的全球價值鏈，在這些價值鏈中，製成品在到達最終消費者之前，先在全球主要地區進行了數次裝運，因此即使在有生產能力的國家中，成千上萬的工廠也被迫關閉。
由於全球供應鏈中斷，尚未獲得 COVID-19。例如，早在 2 月份該病毒在中國肆虐之時，歐洲由於備件不足，而關閉了許多汽車廠。在韓國和美國也發現了同樣的趨勢。隨著大流行在歐洲和美國的蔓延，它在全球供應鏈網路中，造成了進一步的混亂。
根據歐洲汽車製造商協會的數據，英國和歐盟其他國家/地區損失了近兩百五十萬輛汽車，截至 2020 年 5 月開始，平均停機時間約為 1 個月然而，儘管發生了大流行，醫療產品製造商仍取得了成長，這不足為奇，因為他們必須崛起，以滿足醫療設備短缺，和世界各地醫院日益成長的需求。一些公司迅速改組，以應對救生產品短缺的問題，例如洗手液、呼吸機和個人防護設備。這使幾家公司保持開燈，員工得以保留其工作。儘管許多國家政府提供了刺激性資金，但工廠的停工時間延長，需求下降，以及生產和收入損失，將迫使一些製造商永久關閉自己的大門。
2.5. 農業與糧食生產
大流行已經破壞了食品供應鏈，使本應生產食品的農民無法在家中生活。此外，飯店和觀光業需求的減少，導致無法保存的食品變質，並給農民造成收入損失。此外，大多數農民所居住的農村地區的網路設施較差，這使他們難以或不可能實施偏遠農業。
在貧窮和發展中國家，糧食生產仍然高度依靠手工操作，而保育設施仍處於起步階段，這種情況更加惡化。對於撒哈拉以南非洲的許多國家來說，大流行是在每年降雨週期之後，農耕季節開始時爆發的，從而使農民無法在適當的時間播種，這有可能在即將到來的時候導致飢荒。
由於許多國家採取了封鎖措施，全球食品供應鏈已經中斷，使農民無法獲得必需的農產品，例如化學藥品，飼料和其他農產品。在那些依賴進口，這些食品來補充當地供應的國家中，它也使人們脫離了必需食品的重要供應，例如維生素和蛋白質。
還有人擔心，各國可能在大流行後採取保護主義政策，選擇加強自給自足，不鼓勵國際農業參與，這可能會影響從屬國家的糧食供應充足和多樣化，並破壞發展中國家農民的收入。
2.6. 對經濟的總體影響
截至 2020 年 6 月 7 日，在 216 個國家已經確認了超過 670 萬例 COVID-19 病例，超過 39 萬例死亡。對於全球經濟而言，這是一個艱難的時期，全球經濟繼續受到該病毒的多部門影響。隨著國家努力為醫院配備設備，來應對這種大流行，醫療保健費用已急劇上升。
此外，由於賺錢能力下降，以及對流動和社會生活的限制，導致經濟活動普遍下降，導致對商品和服務的需求下降。由於冠狀病毒大流行，全球經濟預計將萎縮多達 3％。這是餐飲、旅行和航空等行業萎縮的結果；製造、供應鏈和分銷；運輸和能源；消費電子產品以及金融市場，其中一些衰退衝擊影響，已經在上面進行了強調。
由於製造和供應鏈的中斷，全球貿易持續下降，世界貿易組織估計下降幅度高達 32％。全球旅行和航空業的下降，以及製造業的下降，對石油和天然氣行業產生了連鎖反應，導致石油價格暴跌，並導致許多公司在合同中規定了不可抗力條款，因為條件已使合同具有約束力。
例如，非洲兩個最大的原油生產國尼日和安哥拉，幾乎完全依靠原油出口為其經濟提供資金。沙烏地阿拉伯等其他大型生產國，也削減了 2020 年的國家預算，並由於冠狀病毒而提高了增值稅。
作為歐洲最大經濟體的德國，在 2020 年第一季經濟萎縮 2.2％ 之後，已經陷入衰退。緊隨其後的是法國、義大利和其他歐洲國家，它們在衰退之前就陷入了衰退。大流行造成了更大的損失，全球許多經濟體的成長均低於零。由於企業關閉或倒閉，以及組織努力維持生計，上述結果導致失業率飆升。
據估計，到 2020 年第二季，僅在美國，失業人數就可能高達 30％，而在英國，六分之一的工人可能會因 COVID-19 大流行而失業。
截至 2020 年 5 月 14 日，僅美國就有近 4000 萬人失業。在歐洲、英國、德國、西班牙、法國和義大利的薪金和工資，也依靠政府的支持超過 3000 萬人。就業支持目前使英國政府，每月損失 140 億英鎊。
COVID-19 大流行病正威脅著，扭轉過去十年中取得的經濟進步，從而使發展中經濟體中的數百萬人擺脫貧困，並縮小經濟差距。聯合國貿易和投資會議（UNCTAD）預測，外國直接投資可能下降多達 15％，這對發展中經濟體造成了可怕的後果。非洲國家由於資金有限，和醫療系統配置不佳，而受到嚴重打擊，許多家庭不得不自掏腰包購買醫療保健產品。
預計大流行對非洲一些經濟體的影響將持續數年。在亞洲，由於冠狀病毒的影響，約有 2900 萬人處於陷入貧困的危險中。大流行的經濟損失將取決於大流行之後，政府和組織能夠支持企業和經濟重新啟動的程度，以及遵守公共衛生指導，以減少該病毒的水平。
未來要遏制類似的大流行，將需要採取一種整體的方法，即所有國家共同努力，以加強世界上每個國家的衛生設施，因為沒有一個國家能夠安全，直到每個國家由於全球互聯互通而變得安全為止。
研究人員正在研究無線通信的總體位置，尤其是 5G 在應對新現實帶來的挑戰方面的地位。在第 4 節中，我們提供了有關如何利用 5G 提供的獨特功能，來遏制當前的大流行和使我們的社會免受未來大流行的影響的見解。
3. COVID-19 對現有網路的影響
在本節中，我們簡要描述了現有行動網路所面臨的挑戰，因為在 COVID-19 大流行期間，由於正常運行的中斷，以及向線上平台的轉移，各個部門對它們的利用有所增加。圖2 總結了 COVID-19 大流行對現有行動網路的影響。
圖2. 該圖總結了由於 COVID-19 大流行而導致的現有網路，所面臨的一些與網路相關的挑戰。
3.1. 容量限制
由於多個部門突然增加對行動和固定網路的依賴，以及交通需求從市中心到住宅區的突然變化，交通需求的變化使服務提供商沒有意識到。住宅區中的網路未經過優化，無法滿足交通需求的激增，因為隨著時間的推移，人們對網路的交通需求不旺，因為大多數需要大量網路資源的活動，主要在主要位於城市中心的工作地點進行。然而，隨著向遠端工作的轉變，交通需求出現了前所未有的成長，從而給住宅區 RAN 的有限容量帶來了巨大壓力。
此問題在發達國家可能並不普遍，因為大多數地區都有固定的寬頻網服務，但是在發展中國家，RAN 上的流量需求將會激增，這可能導致網路擁塞，低數據速率，增加的延遲和連接不良，因此很難進行遠端操作。因此，需要開發和優化能夠優化動態資源，適應交通需求變化的容量優化技術，以及其他容量增強技術，以優化改善這些地區的服務品質。
3.2. 回傳限制
隨著交通需求從市中心轉移到住宅區，由於越來越多地使用多媒體服務（例如線上遊戲，影像串流，視訊會議等），住宅區的交通流量將激增，從而帶來了很大的壓力。固定寬頻和蜂窩網路有限的回程容量，這些容量沒有經過優化，無法支持如此巨大的流量需求。
例如，在宏小區覆蓋區域下佈署了大量小型小區（SC）的 UDN 中，回傳容量的問題比 RAN 容量更具挑戰性，因為回傳中可能沒有足夠的容量，成功地將 SC 產生的流量路由到宏小區以及核心網路。這可能導致回程擁塞，從而導致延遲增加和服務品質下降。因此，需要探索各種回程優化技術，以及其他回程容量提升技術，這些技術可以減少回程上的流量擁塞。
3.3. 電池中斷
陰謀論和將 5G 與 COVID-19 的傳播聯繫起來的錯誤資訊，導致了多個 BS 的毀壞，以及對世界各地不同國家的電信工程師的攻擊。據報導，僅在英國，迄今已有約 77 個 BS 被攻擊。
另外，為了減少感染的傳播，並確保現場工人的安全，著重在家工作，較少的工人從事現場作業，因此可能會發現並恢復停電的電池單元的正常運行，這個時期很有挑戰性。如果不採取主動措施，來減輕這些小區中斷的影響，所有這些都會導致網路故障和服務品質下降。
因此，有必要完全融合網路措施，以自動檢測，並恢復故障的 BS 或重新配置網路，以防止 BS 受損，從而防止服務品質下降或網路長時間出現失敗。
3.4. 服務中斷
為了防止高行動用戶（例如行動車輛，火車等行動用戶）的服務中斷或間歇性服務品質，對高行動性支持的需求不斷成長，尤其是在這種大流行期間，可能需要遠端醫療服務急救人員和醫院專家之間，需要影像連接的緊急情況。但是，在現有網路的情況下，由於對高行動性寬頻服務的支持不足，這些連接將易於頻繁中斷。改進的行動性管理和主動切換（HO）優化技術，以確保高速公路或高速列車路線上的服務品質始終如一。
3.5. 能量浪費
行動網路營運商面臨的主要挑戰之一，是需要減少 BS 消耗的能量。這是因為增加的能源消耗，會導致更高的網路營運成本（即能源賬單），以及由於 CO2 排放量增加，而造成的環境污染。COVID-19 大流行導致用戶流量需求，從市中心轉移到居民區，因為許多人不得不在家工作，繼續學術活動或參加會議，研討會和商務會議。結果，儘管很少或根本沒有交通需求，但城市中心的 BS 仍在繼續使用，因此利用率不高。這相當於網路營運商的能源浪費和財務損失。
因此，需要開發智慧流量預測和負載自適應小區切換技術，以便可以對網路上的流量需求進行調整。持續監控以發現未充分利用的 BS，並自動將其關閉。這將大大節省能源並減少電費，尤其是在大流行期間。
3.6. 有限的農村連通性
由於有限的連接，以及固定寬頻和行動網路的覆蓋範圍較弱，農村地區受大流行影響最大。這是因為此類地區主要包括低收入家庭，稀疏的定居點，以及電力供應不穩定的地區（針對發展中國家），以及與網路營運商進行寬頻有線或無線連接所需的投資相比，人們認為的低利潤。
由於可用的網路可能無法滿足在線上的工作和學習的寬頻需求，因此在此期間農村居民的生活確實非常困難。
此外，由於人們對由於流動限制，和許多工廠關閉而造成的糧食短缺的可能性表示懷疑，因此發生了緊急購買事件，導致大流行期間對食品的需求急劇增加。但是，由於實施了「留在家中」政策，農活活動受到影響，因為農民無法定期進入自己的農場，這可能導致糧食產量下降。
在這方面，農村地區的連通性有限，會對原本可以利用基於網路的技術（例如物聯網網路）促進智慧農業活動（如灌溉、植物葉子病害的檢測）的農民的生產率產生不利影響。並從農場收集和分析相關資訊，以維持和提高糧食產量。
因此，有必要通過低成本網路的設計和佈署，以及政府參與補貼網路佈署成本，來提高農村地區的寬帶滲透率。激勵網路營運商，以促進其網路擴展到這些區域。
4. 5G 網路和人工智慧如何提供幫助？
無線通信徹底改變了我們的生活，娛樂和工作方式。COVID-19 大流行，已經破壞了正常的生活和工作方式，並造成了嚴重的經濟損失。在圖 3 中，我們總結了應對當前大流行和支持此類服務所需的 5G 應用所面臨的挑戰，每個部門所需的服務。5G 的強度受到 AI 的調節，從而為網路提供了自治功能。
這些功能使網路無需人工支持，即可執行大多數功能，例如配置自身，適應網路狀況的變化，以及在故障發生時進行修復。
圖3. 5G 技術（eMBB、URLLC、mMTC）在各個部門中發揮的作用，使它們能夠透過支持每個部門中的各種營運或技術，來應對 COVID-19 大流行所帶來的挑戰。
AI 技術通常是數據驅動的，因此透過 5G 網路中的 mMTC 服務，提供對大型設備連接性和 IoT 網路的支持，將為 AI / ML 模型的訓練和實施，提供足夠的數據。此外，內存和處理器技術的改進，以及在 5G 中包括暫存和邊緣計算，也將有助於 AI 技術的佈署和利用，因為它們通常需要大量計算。
此外，軟體定義的 5G 網路的性質，及其相關架構，例如網路功能虛擬化（NFV）、網路切片、數據與控制平面分離等，也將有助於將 AI 方法學，用於智慧和動態網路管理和編排。有關 5G 和 B5G 中 AI 啟用技術的更多詳細資訊。
在本節中，我們首先描述如何使用 5G 服務（eMBB、URLLC和 mMTC）為各種領域的大流行所帶來的一些問題，提供解決方案，然後介紹 AI / ML 輔助 SON，在其中扮演的角色。使 5G 能夠應對因 COVID-19 大流行而導致的現有網路所面臨的與網絡相關的挑戰。
4.1. 5G 網路如何提供幫助？
在這裡，我們重點介紹了 3GPP 定義的 5G 特性，這些特性可以幫助減少 COVID-19 大流行和未來大流行的蔓延。這涵蓋了三個用例類別，包括 eMBB、URLLC 和 mMTC。eMBB 是當前 4G 標準的演進，可以支持更高的數據速率，和任何地方的寬頻，以及更低的用戶體驗延遲，即使在高行動性（例如行動的車輛和火車）中也是如此。
URLLC 可確保關鍵任務服務（例如遠端手術或無人駕駛汽車）的延遲極短，具有高可用性，可靠性和安全性。mMTC 致力於為數十億個低功率廣域網技術（例如窄頻 IoT 設備）提供蜂窩覆蓋。雖然 5G 實際上幾乎在日常生活的所有領域都有大量應用，但為了簡潔起見，我們僅強調與應對當前 COVID-19 爆發，和未來大流行有關的幾個方面。
除了以下突出顯示的用例類別外，5G 還採用了諸如軟體定義的網路、網路功能虛擬化、網路切片等技術，來提供增強的網路功能，處理擁塞並增加回程容量。例如，網路切片可從通用或共享的實體基礎設施中，分割出虛擬網路，這些虛擬基礎設施，可快速用於動態轉移資源，以增強需求增加的區域的容量，而無需額外的硬體或網路重新配置。透過在基地台和交換中心之間使用光纖連接，5G 擴展了回程容量，以適應不同地區數據流量的預期成長。
另外，軟體定義的網路範例和暫存，可改善回程使用。當交通從市中心轉移到居民區時，由於交通負荷的變化，可以採用動態 BS 交換來確保能效。下一部分將在認知網絡討論中全面探討使 5G 網路能夠自主，並動態適應流量變化的高級功能。
4.1.1.電子銀行
由於遠端工作、遠端教育、電子商務的興起，以及行動影像串流的增加，5G 具有在 COVID-19 大流行期間，滿足對數據不斷成長的需求，所需的能力和工具。由於全球多個國家就地庇護秩序，由於影像串流網站和應用程序（例如 Netflix 和 YouTube）的流量增加、視訊會議、在線上協作，教學和學習的增加，數據需求激增應用，例如Zoom、Slack、Microsoft Teams、Cisco Webex 等。但是，可以利用 5G 提供的任何地方的寬頻承諾，以使公司能夠完全轉移到遠端工作，甚至超越當前的大流行。
分佈式計算和雲端儲存，正日益成為許多行業的規範，這支持了從家中或偏遠地區安全工作的願景，這對於保持阻止傳播的社會和實體距離是必不可少的 COVID-19。為了確保人們可以在任何地方安全地工作，5G 提供了所需的網路容量和低延遲，以將員工連接到他們的辦公室網路，並確保無縫的團隊工作和溝通。
5G 的一個方面，還包括許多國家的政府和營運商，致力於改善偏遠地區的寬頻接入，這可以解決居民區的容量問題，即使對於那些居住在農村地區的人也是如此。
在醫療保健領域，5G 有許多專門為提供下一代護理和安全性而定義的用例。一些示例包括可穿戴技術與無線通信的結合使用，以遠端監測患者的生命體徵，並向專家報告，從而減少了諮詢時間並減少了病床佔用率，從而使他們可以接觸更多的人。
這是一個最近幾年出現了巨大成長的領域。就當前的 COVID-19 大流行而言，已經開發了一種用於掃描患者的遠端非接觸式定位系統，從而消除了醫療專業人員與患者接觸的需求，從而防止了潛在的醫院感染。5G 提供了滿足因連接設備數量激增而增加的需求的能力，以及某些可穿戴應用（例如起搏器）可能需要的高可靠性和低延遲。
5G 還可以用於支持觸覺控制通信，以實現遠端手術和患者監測。5G 支持遠端醫療，可透過電話或影像提供諮詢服務，尤其是在醫療機構經常供不應求的偏遠地區。在當前的大流行中，中國等國家使用支持 5G 和 5G 的機器人，在醫院和公共場所提供護理、消毒表面、分配藥物和測量溫度，追踪可疑病例等。它還可以透過提供即時翻譯和轉錄服務，來幫助打破語言障礙，使各國能夠複製受大流行早期感染者，實施的經過測試的解決方案；這項技術還使得使用無人機同時以多種語言提供公共公告變得容易。
當前用於抗擊病毒的工具的一個常見限制是訪問，可用數據的時間滯後，通常會出現長達 1 個月或更長時間的延遲，這使得難以對疾病的時空分佈做出快速響應，並預測可能更容易傳播不久的將來的區域。同樣，5G 的高速、頻寬和軟體定義功能，可以彌合這一時間差距，並確保及時提供數據，從而有可能挽救許多生命。
由於大多數運動和娛樂場所的關閉，COVID-19 大流行也扭曲了社會生活和互動。在家中監禁會增加苦惱和動盪。5G 支持的沉浸式虛擬現實，可以將我們的社交生活帶入我們的家中，並重新定義社交互動，從而使人們可以在不體會的情況下擁有更深，更豐富的社交關係。這也可以適用於教育和體育運動，其中沉浸式體驗可以使學生的教學更加真實，或者為在家中的體育迷提供運動場沉浸式體驗。虛擬現實耳機已經用於在遊戲和娛樂行業中提供沉浸式體驗。但是，當前的無線技術無法支持實現此目的所需的高解析度影像和數據幀的數量。
4.1.2. URLLC
透過確保零感知的等待時間，和極高的可靠性通信，這支持了關鍵任務服務。COVID-19 大流行擴大了大多數國家的衛生系統，並導致其他疾病引起的死亡人數激增。儘管許多國家要求公民僅在絕對必要時，才留在家中並就診，但由於勞累過度的醫護人員正竭力遏制接診潮，因此衛生設施不堪重負。
5G 在這個領域，可以透過遠端醫療和遠端諮詢、遠端手術、機器人輔助藥房，內置式機器人和可穿戴設備，幫助醫院和專家補充資訊。URLLC 使遠端手術、智慧電網、工業網路和自動運輸系統，能夠以不到幾毫秒的延遲，來傳達決策和反饋，因為長時間的延遲，可能會造成災難性的後果。遠端診斷可以透過設備監測和傳達患者的生命體徵，例如心電圖（ECG）、血壓、溫度和血糖指數。如果任何生命體徵觸發任何警報，通常需要超快速反饋。遠端手術可以在緊急情況下挽救生命，例如在途中醫院、救災區或醫療設施較差的發展中國家的救護車中。
5G 能夠提供高清影像和可靠的語音通信，以指導初級醫生執行複雜的操作。英國的一些「無國界醫生」小組，已使用此工具來指導同事，透過敘利亞和也門等衝突地區的緊急手術。
此外，配備觸覺反饋和控制系統的機器人設備，使專家可以即時感覺到機器人的感受。即使在擁有先進醫療保健系統的國家，URLLC 和增強的寬頻容量也將使急診醫療技術人員（EMT）可以在到達醫院之前，進行救護車內的初始醫療服務。
5G 可以為工業物聯網和製造業提供支持，以確保自動化製造，並遵守必須在現場工作的員工的社交疏散規則。網路實體系統與無線通信的整合，使自主機器人可以在工廠中協作，以控制流程，實現既定目標，並避免彼此和與人類工人的碰撞。透過提供基於 URLLC 的工業網路，5G 可以透過觸覺反饋和遠端操作控制來確保工廠、過程和電力系統，在製造和配電之間的可靠通信。
這些系統通常要求 <1 ms 的延遲和極低的誤塊率，而當前的通信標準無法滿足這些要求。同樣，無人駕駛車輛將從 5G URLLC 中受益，從而能夠遠端交付基本的醫院用品和貨物。這已經在許多非洲國家中廣泛使用，這些國家的無人駕駛飛機繞著計劃的路線飛行以運送血液、藥品甚至食物。與 4G 相比，5G 改進的通信功能，將為這種模式增加靈活性，以充分利用自動駕駛汽車的全部功能，並增加決策者的響應時間。
4.1.3. 多媒體卡
透過提供高容量，來連接所有可以連接的東西，5G 已被認為是迎接第四次工業革命的關鍵技術。5G 規範涵蓋了工業，消費者和企業 IoT 的要求，包括時敏網路（TSN），該服務可確保工廠自動化的高可靠性和低延遲。也可以將當前專有的工廠通信系統，和其他非公共網路整合到 5G 中。除了成為智慧製造的關鍵推動力之外，研究還顯示，工業 4.0 中使用的 IoT 設備和網路實體系統，正在迅速適應醫療保健中的使用，以提供自動化的家庭護理。這些都基於 5G 提供的高速、低延遲和高頻寬通信。
國際電信聯盟（ITU）提出了，允許在未來幾年內，預計將大量增加連接設備的要求，這可能會達到每平方公里一百萬個機器類型的連接。在目前的大流行中，5G 可以幫助為協作型機器人和自主的物料移動提供連接，以確保工人與工廠和倉庫中的同事保持安全距離，這已經在中國、加拿大和一些歐洲國家使用。現在，許多行動電話都配備了近場通信（NFC）功能，以使其能夠與數百萬個可穿戴設備進行交互，以即時監控患者的健康狀況。
透過啟用智慧物流，可以利用 5G 來挽救因 COVID-19 大流行，而造成的全球供應鏈中斷，以確保及時交付醫療用品，以及日常工作和生活所需的用品。從工廠，零組件到運輸工具，感測器，可以連接到 5G 網路，以提供價值鏈中所有組件的即時狀態和運營狀況。5G mMTC 傘涵蓋了工業自動化，自動駕駛汽車和智慧運輸系統，能源等所需的關鍵應用，以及要求低數據速率和低功耗的非關鍵連接。
由於他們的溝通能力，現在可以將非重要的患者諮詢工作，轉移到可穿戴設備和行動應用程序上，從而在需要專家干預時，向衛生官員發出警報。此外，物聯網設備已佈署在老年人家中，以監控環境並在緊急情況下尋求幫助。除了使用NFC或藍牙外，許多設備還配備了網路通信協議，使它們可以將其讀數直接傳輸到公司伺服器，該伺服器可以即時顯示疾病分佈圖。例如，已經用於監視 COVID-19 症狀，並跟踪其傳播的智慧溫度計，以及用於消毒醫院和其他公共場，所受污染表面的機器人。
其他包括可用於預篩查，顯示 COVID-19 初始症狀的患者的不同類型的應用程序，類似於 Sait 等人的應用程序。用於透過 X 射線圖像篩查肺炎；如果出現特定症狀，其中一些應用還會提醒衛生當局進行後續跟踪。
大規模的連通性使跟踪可疑病例的聯繫，和繪製易於傳播的區域更加容易，並且可以監控對社會疏遠規則的遵守情況。行動電話數據（例如，特定用戶所處的位置）也可用於跟踪人員的活動，並繪製疾病傳播圖。
其他應用包括交通監控、監控對鎖定協議和政府指令的遵守情況，智慧城市規劃以及指揮交通，以使緊急車輛能夠以最快的速度到達醫院。5G 可以使其他行業受益，並可以幫助旅遊業，建築業，公共交通等領域重新振興經濟。在旅遊業中，交互式地圖可以幫助遊客找到最有趣的站點。此外，由於限製而無法旅行的遊客可以享受到相同的效果，例如當地的氣味、觸覺、語言、街道的噪音，並透過身臨其境的虛擬旅行來感受，並伴有鳥聲、溪流聲等。尚未找到 COVID-19 的疫苗或治療方法，這種方法可以幫助旅遊業獲得急需的收入，並在封鎖期間使遊客滿意。在公共交通中，如果車輛中的某人對該病毒呈陽性反應，則可以使用 5G 功能，追踪共乘同一車輛的人員的聯繫方式。它也可以用來確保在所有公共交通系統上，都保持所需的社會距離。這同樣適用於建築行業，除了保持社會距離之外，虛擬和增強現實，還可以用於向建築工人提供遠端培訓。
4.2. 自組織如何協助 5G 網路？
認知網路的標準定義，為「一個認知網路具有一個認知過程，可以感知當前的網路狀況，然後對這些狀況進行計劃，決策和採取行動。網路可以從這些適應中學習，並使用它們做出未來的決策，同時還要考慮到端到端的目標」，這與引入的認知環相匹配：觀察、定向、計劃、決定、採取行動和行動。因此，根據Thomas等人的定義，這是不言而喻的。2005 年和 2007 年的認知圈，人們認為網路應該感知（觀察/感知）給定的環境，以瞭解當前情況，然後透過評估/分析所獲得的環境資訊，來確定方向。可以根據感測到的資訊的緊迫性，來繞過計劃階段，但是，如果它是常規資訊，則可以準備替代計劃。最後，選擇一個替代計劃，代理程序透過執行計劃來採取措施。從感興趣的環境中感測到的資訊，也有助於學習階段，以便在將來借助經驗做出更明智的決策。
在這方面，認知網路的思想目的在透過引入自我控制，使網路自動化進入無線通信系統，以使系統更加動態、敏捷和高效。換句話說，由於主要目標是最大程度地，減少對通信網路的人工干預，因此縮短了對系統中，任何更改和/或故障的響應時間，從而改善了網路的動態性和敏捷性。此外，如果人為干預使通信系統的管理，更加耗時和昂貴，則減少通信量，將導致更有效地利用資源。此外，這對蜂窩網路營運商也有利，因為減少了營運和資本支出，從而使他們的業務更具可持續性和盈利能力。
據 Fortuna 和 Mohorcic（2009）報導，認知網路具有自我配置，自我優化，自我修復和自我保護的特徵，其中前三個與SON 階段一致。由於自我保護可以以某種方式，包含在自我優化和自我修復中，因此這項工作的重點，將是認知網路和 SON 概念。 在表1 中，我們總結了由於大流行，而導致的現有網路，面臨的網路挑戰，解決此問題所需的條件，以及應對這些挑戰所需的一些 AI 驅動的解決方案。
表1. 由於 COVID-19，要求和一些基於 AI 的解決方案，而導致的與網路相關的挑戰。
4.2.1. 自我配置
從網路自動化的角度來看，自配置是指在有新的 BS 部署和/或更改時，配置 BS 初始參數（包括 IP 設置，天線輻射方向圖和鄰居列表等）的過程。
網路，就時間和成本效率而言，此過程非常重要，因為人工干預（在常規網路中就是這種情況）會給蜂窩網路運營商帶來金錢和時間成本。此外，由於未來蜂窩網路的複雜性增加，工程師或技術人員更容易犯錯誤和錯誤，這些昂貴的配置過程可能會重複多次，從而放大了成本並破壞了可持續性。營運商業務。
4.2.2. 自我優化
初始配置後，需要對系統參數進行連續監控，以保持通信系統高效且無差錯。在這一點上，自我優化的概念透過提供自主的網路優化而沒有或只需很少的外部干預，就發揮了非常重要的作用。
例如，HO 管理、能效、無線電資源管理和負載平衡，是一些需要自我優化的領域。鑑於無線通信網路由於環境（例如，天氣、建築物等）和行為（例如，用戶在不同日期和時間的不同行為）的變化而非常動態，因此優化是一個永無止境的過程。
但是，這裡的重點是，雖然耗時的常規方法，會使網路優化任務效率極低，但透過自動操作集，可以使其變得更容易且非常有效。
4.2.3. 自我修復
自我修復（在蜂窩網路中，提供主動故障檢測，以及針對已發現問題的自主修復）是 SON 的關鍵階段。在傳統的網路管理中，系統故障和中斷的檢測，主要取決於客戶的投訴，因此，一旦收到投訴，工程師或技術人員就需要訪問相應的部門網站，來確定並解決問題。
一方面，從用戶的角度來看，由於檢測和校正都需要時間，因此它們可能會被停用或品質下降。另一方面，從營運商的角度來看，這可能會損害他們的業務，因為熟練的人力資源，會導致訪問成本很高，並且不滿意的用戶可能會改用其他營運商。
因此，透過利用自我修復功能，蜂窩網路能夠在出現問題後，立即自動檢測並修復問題，從而通過減少以下方面來緩解挑戰：（1）用戶透過快速而準確的行動獲得的不滿意；以及（2）營運支出透過消除人工干預，來對營運商進行（OPEX）。
4.3. 人工智慧如何在 COVID-19 爆發期間啟用 SON？
鑑於蜂窩網路已經越來越流行，並且一代又一代變得越來越複雜，需要認知（智慧）來應對更具挑戰性的場景中，不斷成長的需求。
數據是智慧的主要成分，幸運的是，由於以下原因，下一代蜂窩網路生成的數據量將更高：（i）物聯網設備的普及； （ii）更多的 BS 部署，以及網路密集化； （iii）用戶傳輸的更多數據。另一方面，學習在利用大量數據方面，起著非常重要的作用，隨後可以實現認知網路。在這方面，機器學習（ML）是 AI 的重要且有前途的子集，它在蜂窩網路優化中越來越受歡迎。
4.3.1. 機器學習作為促成因素
ML 在蜂窩網路中的應用範圍非常廣泛，從無線電資源管理到能效。這是因為 ML 除了在動態環境中，具有適應性之外，還具有強大的優化能力。
特別是在系統級別，由於問題是針對特定情況的，並且很難獲得易於採用的通用解決方案，因此 ML 應用更為普遍。因此，透過學習的適應性，使 ML 成為優化這些類型問題的不錯的選擇。此外，在最佳解決方案過於複雜，而無法實現和/或無法擴展的情況下，機器學習可以幫助降低複雜性，並使解決方案具有更高的可擴展性。但是，要實現這一點，機器學習的實現也應該高效且經過精心設計，否則可能會加劇現有的複雜性。
此外，機器學習的實現始終是可擴展的，這並不是憑經驗而定的。這也可以透過適當和仔細的設計來實現。例如，在人工神經網路的情況下，如果輸入或輸出神經元的數量隨無線網路的大小呈指數成長，則該解決方案不能說是可擴展的。
ML 的三個主要子類別：在以下各段中，將分別探討監督學習，無監督學習和強化學習。
4.3.1.1. 監督學習
這是一種 ML，其中數據集由輸入和輸出（也稱為標籤）組成。更具體地講，在訓練階段將監督學習算法，與輸入一起提供給輸入，並且期望開發一種提供它們之間關係的模型。然後，在測試階段，僅為算法提供新的輸入數據（在訓練過程中從未見過），並且可以預測相關的輸出。透過測量預測的準確性來評估算法的性能。即比較實際和預測的輸出。
監督學習有兩種主要類型：分類和回歸。在分類中，與輸入一起提供給算法的輸出包含多個類別，其中每個輸入都與一個輸出類別匹配。因此，在訓練階段，該算法嘗試查找輸入和輸出類別之間的相關性，以便在給定新數據時，可以確定其屬於哪個類別。對象辨識是這種學習的典型示例，其中使用衣服、杯子、書籍等不同對象的照片，及其準確的標籤對算法進行訓練。
相反，在回歸中，預測的輸出是連續值而不是類（離散值）。一個很好的例子可能是確定便攜式電腦的價格：品牌、處理器速度、內存大小等可能是輸入功能，而輸出可能是電腦的價格。因此，可以使用給定的輸入和輸出來訓練算法，以便在給定新的輸入特徵時預測新電腦的價格。
4.3.1.2. 無監督學習
與監督學習的情況不同，在監督學習中，數據包括輸入和輸出，而提供給無監督學習算法的數據集，僅由輸入組成。取而代之的是，該算法有望揭示給定輸入數據中的隱藏模式，規律性或屬性。這類學習的一個很好的例子是聚類，其中數據根據其關鍵特徵，被聚類為一些組，而無監督學習算法則嘗試，以一定的邊界將聚類彼此區分開。但是，與監督學習不同，在執行聚類後，不希望對聚類進行辨識。
集群化在從客戶細分，到農業等領域都有廣泛的應用，但它在無線通信網路中，也發揮著重要作用。例如，在無線感測器網路（WSN）中，群集在檢測網路異常中，起著非常重要的作用。此外，無人駕駛飛行器（UAV）在蜂窩網絡中得到了極大的關注，以增強網絡容量並在災難情況下，提供幫助。在這方面，群集可以幫助對無人機進行定位，例如，以最大化覆蓋範圍或連接的用戶數量。
4.3.1.3. 強化學習
這是 ML 的一個獨特類別，因為它具有與監督和非監督學習技術，區分開的固有屬性。首先，與感興趣的環境進行交互，是強化學習中採用的學習方案，而學習是透過在有監督/無監督學習中，標記/未標記的數據進行的。與有監督和無監督的學習相反，在強化學習中，期望代理通過與給定環境，進行交互並評估相應的獎勵來採取行動（目的在最大化）。
環境是可以為所採取的任何措施產生輸出的東西。例如，在蜂窩通信的情況下，環境可以是由具有各種信道條件的 BS 和 UE 組成的無線網路。在這方面，代理採取的動作可以是所選參數中的一組可能的運動。
以蜂窩網路為例，並假設 BS 是代理，出於負載平衡的目的，為 BS 設置的動作可以是 HO 裕量值的範圍。在執行每個操作之後，代理會進入一種狀態（即代理的狀態），並從上一個負載平衡示例繼續進行，根據所採取的操作，代理可能處於過載，滿載或負載狀態。
正如報導的那樣，強化學習下需要討論四個主要要素，即政策、獎勵（或懲罰/成本）、價值函數和模型。政策決定了行動者如何採取行動，並構成了行動與國家之間的接口。
獎勵功能是目的在最大化的預定義功能。從優化的角度來看，這可以解釋為問題的目標函數。根據當前問題的性質，有時可以將獎勵函數轉換為懲罰函數，在該函數中，目標變為最小化而不是最大化。值函數有兩種類型，即狀態值函數和動作值函數。前者表示拜訪某州的期望值，而後者則表示在特定狀態下，採取行動的期望值。
模式代表了感興趣的環境，它被用來理解環境如何對主體採取的行動做出反應。請注意，一些強化學習算法不需要模式，因為它們以無模式的方式執行。
4.3.2. 機器學習作為 SON 推動者的作用
精心設計的機器學習解決方案，已引起廣泛關注。文獻中提供了在不同領域中的各種類型的 ML 實現，並且在下面的段落中，將討論第 3 節中突出顯示的，與 COVID-19 所帶來的挑戰，有關的一些最新示例。
4.3.2.1. 無人機協助提高能力
由於無人機具有靈活性和移動性等多重優勢，因此已經被認為是無線網路的有前途的解決方案。它們可用於各種目的，例如增強容量和緊急情況。例如，地震、火災等。通常將 SC 安裝在無人機上，以使其充當飛行 BS，與傳統的地面 SC 佈署相比，它具有多個優點：
‧ 它們佈署在空中，因此更有可能與用戶建立視線，這反過來又增強了網路的容量，並提供了改進的數據向用戶收費；
‧ 它們是可移動的，因此它們不僅可以調整經度和緯度，還可以調整高度，以便在變化的條件下，提供更好的 QoS；
‧ 它們可以按需佈署，因此具有成本效益，因為它們可以在不同的位置/場景多次使用。換句話說，無需考慮地理區域周圍的高峰流量，來佈署固定地面 SC，而是可以在需要時佈署 UAV。這不僅降低了行動網路營運商的佈署成本，而且為蜂窩網路帶來了靈活性。
在這方面，2018 年使用強化學習，來定位無人機以維持，或增強地面網路提供的 QoS 水平，以使地面網路在所考慮的情況下正常運行。另一種基於增強學習的無人機定位算法，在緊急情況下設計了無人機輔助的蜂窩網路，在這種情況下，由於遭受的損壞，現有的蜂窩基礎設施可能無法使用。基於 Q 學習的安裝，有 SC 的多個 UAV 的定位，旨在增加 UAV SC 服務的用戶數量。即使他們的工作是針對緊急情況而開發的，也證明了無人機可以為蜂窩網路提供更多的容量。
4.3.2.2. 回傳優化
由於增加的數據速率需求，以及所連接設備的數量激增，回傳是下一代蜂窩網路的主要問題之一。特別是對於 UDN，其中設備和 BS 的強度相對要高得多，預計瓶頸將更多地出現在回程中，而不是接入網路中。
為此，機器學習是回程優化中，使用的重要技術之一，因為它提供了智慧的回程解決方案，最終可以幫助解決問題。基於此，Jaber 等人提出了一種以用戶為中心的回程優化技術。其中作者建議通過考慮用戶的需求，以及 RAN 和回程條件，為用戶 - 小區關聯優化小區範圍擴展偏移。特別是，設計了一種 Q 學習算法，來解決給定的優化問題，從而在保持用戶體驗品質的同時，最大化系統吞吐量。
4.3.2.3. 智慧小區中斷檢測
ML 還是用於蜂窩網路中，異常檢測的可行且強大的工具。例如，由於難以辨識問題，因此電池故障可能是要應對的挑戰性問題。行動網路營運商通常依賴於客戶的投訴，這會延遲維修時間，而且並不總是可靠的。
但是，透過 ML 實施，可以更快，更可靠地完成小區中斷的辨識，從而幫助行動網路營運商降低營運成本，同時保持用戶滿意度。2015 年提出了一種學習輔助的電池故障檢測和恢復方法，該方法利用有監督和無監督學習算法來檢測故障，同時為恢復部分開發了基於模糊的強化學習，該學習透過調整功率來執行，和相應的天線參數。
此外，研究了用於異常檢測的深度學習模型。其中使用了來自義大利米蘭市的真實呼叫詳細記錄數據集。作者採用了行動邊緣計算概念，並實現了超過 98％ 的有希望的檢測精度。
4.3.2.4. 預測性移動性管理，可避免服務中斷
在蜂窩通信網路中，UE 對某些信號品質指示符執行測量。例如，來自服務基地台和鄰近基地台的信號干擾、干擾加噪聲比（SINR），接收信號強度指示符（RSSI）和參考信號接收功率（RSRP），以使其信號品質保持在一定水準以上級別，然後再決定是否需要 HO。
在滿足多個條件（包括磁滯和觸發時間（TTT））後決定 HO，需要某些步驟，這些步驟可以分為三個主要階段：準備、執行和完成。然而，這些階段和步驟需要一些時間，並導致 HO 延遲以及信令開銷。
因此，歷史記錄中提出了預測 HO 方案來克服這些問題。如移動性預測確實已經被認為，是管理蜂窩網路中的無線電，內置（例如，處理能力、儲存器等），能量等方面的資源的有效且強大的工具。
這些方案主要嘗試預測用戶的未來 HO，以便在 HO 發生之前執行一些前述 HO 步驟，從而可以減少 HO 信令成本。儘管可以透過各種方法提供這些預測，包括統計分析，機器學習和數據挖掘算法，但機器學習是最常用的技術。在這方面，預測性移動性管理方案，以最大程度地減少 HO 信令成本，從而減少服務中斷。
4.3.2.5. 節能網路
蜂窩通信網路中的各種節能技術，包括；基於硬體的能效增強、組件關閉、基於無線電傳輸的能效改進，可再生能源的使用，以及使網路更加異構。在所有這些技術中，雖然可以將可再生能源的使用，歸類為一種能源收集方法，但其餘的將屬於節約能源的類別。
在上述節能技術中，由於以下原因，組件關閉具有特殊的地位。
‧即使實施了所有其他技術（例如，先進的硬體和傳輸效率，以及增強的網路異構性）之後，仍然存在透過將組件處於未使用狀態或未使用狀態，而使它們進入睡眠狀態來節省能量的餘地。
‧要提高硬體組件的能效並使其網路更加異構，要嘛需要進行新的佈署，要嘛引入新的問題。例如，無線電傳輸優化將需要新的無線通信標準和/或概念。但是，無需進行大量新的替代或通信標準，即可實現小區切換，因此將其插入現有的蜂窩網路非常簡單。
為此，小區切換的基本思想，是在低業務量下去激活 BS 的組件，這通常被稱為將 BS 置於睡眠模式。Debaillie 等人已經確定了各種類型的睡眠模式。 其中睡眠模式根據與被關閉組件的停用時間，相關的睡眠深度而改變。
特別地，在 Debaillie 等人中，BS 中的組分根據它們的失活時間進行分類。睡眠深度決定了要入睡的成分；隨著深度的增加，更多組件將進入睡眠模式。
Farooq等人提出了一個有趣的想法。 其中利用用戶的 HO 軌跡執行小區切換決策。這樣，作者開發了一個模式，該模式可以預測用戶的 HO 來確定小區的開/關狀態，而不是依賴於流量變化的觀察結果。
更具體地說，在開發的模型中，SC 的未來流量負載是透過 HO 預測確定的，HO 預測是透過半馬爾可夫過程實現的。基於估計的未來負載，在最小覆蓋範圍和比特率要求的約束下，創建了使能耗最小化的優化問題。
在這方面，對以下變量進行聯合優化。
‧出於節能目的而關閉/打開的最佳 SC 集合
‧ 特定於小區的偏移量用於負載平衡，從而有助於保持良好的 QoS 水平。
4.3.2.6. 改善農村連通性
如第 3.6 節所述，農村互聯互通已成為 COVID-19 爆發期間的關鍵因素之一。在這方面，如第 4.3.2.1 節所述，無人機的協助在鄉村地區的互聯互通中，也可能是有益的。無人機可以例如透過，收集由物聯網感測器，收集的必要數據，並將其透過網路傳輸到當地民眾，來實現和促進智慧農業。
此外，無人機還可以用於農村地區的回傳目的，而不是使用需要昂貴佈署的其他有線/無線選項。對於不定期的按需容量需求，它們也是很好的解決方案，只有特殊事件（例如 COVID-19 大流行）才需要這種需求。
基於此，Lottes等人 2017 年開發了一個智能農業用例的分類問題，其中使用攝影機安裝的無人機來監視相關領域，並使用已開發的機器學習算法（其中採用了隨機森林）將植物分類為甜菜作物和雜草。這樣做尤其是要集中在田間雜草密集的區域，而不是在整個田間以相同的密度使用所需的化學物質。
為此，Kouhdaragh等人討論了機器學習輔助的無人機佈署。 其中針對無人機和 ML 整合接解決方案闡述了不同的場景和挑戰。
5. 為將來的大流行做準備
本部分的目的是透過檢測區域或國家中特定感染病例上升的早期跡象，簡要介紹以 AI 輔助的 5G 可以用作促成未來流行病爆發的推動因素的方式。
此外，我們簡要討論了 5G 在透過增加數位化和採用自治系統，來使我們的社會抵禦未來的流行病中的作用。這將減少人類的直接參與，並增加對某些關鍵部門（例如衛生、教育、政府、製造業和交通運輸）的遠端操作的支持，從而使遠離社會成為我們日常生活的一部分。
此外，我們簡要介紹了從 COVID-19 大流行中汲取的一些經驗教訓，這些經驗教訓應在以後的網路設計中予以認真考慮。
5.1. 預測/檢測大流行
由於對物聯網網路的 5G 支持可實現智慧手機、可穿戴設備、感測器，智慧電錶等各種設備的大規模連接。加強了對可以儲存在雲中的各國電子病歷的獲取。
這些國家的電子健康記錄，國際機構（例如世界衛生組織（WHO））的電子健康記錄，以及患者的其他有用記錄（例如他們的旅行歷史記錄），都可以進行同步，以獲取更全面的大數據。然後，可以使用 ML 模式對這些綜合數據進行適當分析，以檢測不同國家中各種感染的發生，傳播和上升。
這些分析的結果可以透過積極的措施，例如行動限制，對離開受影響地區的人員進行隔離，以及快速跟踪等措施，可以迅速做出響應並採取干預措施，以防止感染的爆發和傳播到一個國家或其他國家或地區。治療程序。自世衛組織於 2019 年 12 月在武漢對武漢市未知來源的肺炎發病率上升，發出警報之時起，台灣就開始使用這種方法來遏制 COVID-19 的傳播。
5.2. 增強數位化
有必要更多地利用數位平台、例如電子支付、電子政務、電子身份證、電子健康記錄、線上或遠端學習等，以開展業務，進行交易，提供保健服務，教與學。 5G 將提供無處不在的寬頻服務，以支持固定和高行動性用戶，以確保透過增強的行動寬頻服務在任何位置，和任何時間進行無縫的遠端操作。
這將支持將遠端操作逐步納入各個部門，以便在將來需要全面遷移的未來大流行中，適應這種變化將比現在正在經歷的業務突然變化要容易得多。由於 COVID-19 大流行。
5.3. 擁抱大規模自動化
5G 為 mMTC 及其各種應用程序提供了完整的支持，例如IoT（工業IoT、醫療IoT等），設備到設備（D2D），車對車（V2V）和車對任何東西（V2X）通信。此外，人工智慧在大數據分析和智慧決策方面具有巨大潛力。
這些，以及機器人的開發和利用的進步，可以幫助推動關鍵領域，從傳統營運向智慧營運的轉變。這將導致智慧產業的製造過程，由機器人和工業 IoT 設備執行，而遠端監視和控制則由智慧交通系統完成；智慧交通系統，將使用自動駕駛汽車和火車，將乘客從一個地方，轉移到另一個地方；智慧交付系統將在其中無人機和機器人，用於將食品和藥品運送到各個地方等。
此外，5G 網路還將幫助提供執行遠端手術所需的所需連接性，醫生可以在遠端手術機器人的協助下進行手術，以及將虛擬實境，和增強實境技術用於沉浸式，更有效的遠端教與學、會議和商務會議。
5.4. 未來網路設計中應考慮的大流行教訓
大流行的爆發以及為控制感染傳播，而採取的各種措施，以及透過遠端網路輔助操作，確保服務的連續性，為我們提供了很多有關未來網路設計要求的經驗教訓。我們在此簡要討論了其中兩（2）項這樣的要求，這些要求對未來網路的設計非常關鍵：
‧ 彈性和健壯性：未來的網路必須能夠在故障或網路崩潰後恢復到穩定的運行狀態。它們的設計還必須使其能夠承受任何看不見的挑戰和失敗。這是必要的，因為將來的網路，需要滿足超可靠且關鍵任務的服務需求，例如遠程手術 無人駕駛車輛、工業控制流程等。
要在未來的網路中實現彈性和健壯性，就需要用於持續監視系統以檢測故障，對網路變化做出迅速響應，以及立即觸發糾正措施，以使網路恢復到正常功能。冗餘也必須內置到將來的網路中，以複製容量，從而使多個連接可用，以便一旦一個連接斷開，或沒有足夠的容量來處理特定的服務需求，就可以激活或分配另一個連接，來處理該服務需求。
人工智慧將在確保網路對網路突然變化，故障跟踪和網路恢復，以及根據需求動態分配網路資源的即時響應方面，發揮非常重要的作用。
‧ 安全性和隱私保護：未來網路的設計必須能夠為網路攻擊提供足夠的安全性。他們還必須透過確保對用戶數據進行適當的加密來保護隱私，以使即使未經授權的人也無法輕易辨識用戶。
由於 5G 和 B5G 網路將支持各種數據密集型技術，例如大規模的 IoT、MTC 等，因此與前幾代蜂窩網路相比，它們更容易受到安全性挑戰。因此，必須使用 AI 將這些網路的安全系統完全自動化，以確保動態調整和適應威脅和安全漏洞。
此外，使用區塊鍊或分佈式分類賬技術，也將有助於確保各種資訊在網路上的安全分佈。人工智慧和區塊鏈技術的結合，將進一步加強未來網路的安全性，並使它們能夠有效處理，將透過這些網路發送的資訊的本質（例如，關鍵、敏感等）和資訊量。
6. 結論
有線和無線通信在減少 COVID-19 大流行對健康、教育、交通、製造業等各個部門的負面影響方面，都發揮了重要作用。如果沒有這些通訊工具，大流行將產生更大的影響，並可能使其中許多部門停滯不前。
因此，在本文中，已經徹底討論了 5G 網路在遏制 COVID-19 大流行中的作用。
首先確定了受大流行影響的關鍵部門，以便深入了解在這些部門中遇到的問題的嚴重性。由於這些部門現在依靠電信網路來支持其遠端操作，因此導致了對現有網路的空前流量需求。
因此，我們簡要概述了現有網路在應對服務需求突然增加，以確保這些受影響部門的營運連續性方面面臨的一些挑戰。最重要的是，與現有網絡相比，增強的 5G 網路容量和更先進的技術，可以應對大多數與大流行相關的挑戰。在這方面，我們強調了 5G 及其支持技術在解決與 COVID-19 相關的挑戰，以及應對現有網路局限性方面的作用。
最後，為了避免被未來的流行病引起注意，我們簡要討論瞭如何利用 5G 網路，來預測未來的流行病，以及如何通過增強數位化和大規模自動化，來適應大流行性抗逆性社會的發展。還簡要討論了大流行，將如何影響未來網路的設計。
沒有留言:
張貼留言