港口AIS网络的构建

构建港口船舶自动识别系统通信(AIS)网络是港口现代化建设的重要方面,文章以宁波港为例,提出港口AIS网络的构建方案,对基站选址与港口信息管理系统融合问题做了重点分析。

基于AIS网络的差分GPS数据广播

高精度的差分GPS船位数据是港口船舶导航的必要条件,沿海AIS岸基网为差分数据的广播提供了新手段,通过AIS标准消息格式和GPS差分信息国际标准RTCM-SC104格式的转换,能够实现基于AIS岸基网的GPS差分修正数据的播发,从而为改善沿海航行船舶定位精度提供新途径。

基于AIS的网络入侵检测安全策略研究

基于AIS网络入侵检测安全策略设计过程中，需要对网路入侵检测模块进行分析，通过对异常检测问题和误用检测问题研究，发现系统漏洞。通过对否定选择算法、克隆选择算法、基因库优化算法的研究，达到优化网络系统性能，提高系统安全性的目标。网络入侵检测系统设计过程中需要从框架设计入手，建立动态自体集合，从而能够更好的发生系统漏洞，产生拒绝访问，保证网络系统的安全。

基于AIS岸基网络的船舶报告技术

船舶报告能够有效的确保船舶行业安全,目前主要是依靠无线电通信技术进行。就目前的情况来看,船舶报告种类比较多,同时也没有统一的标准,并且也没有实现电子化和自动化,不能进行信息的实时共享。对于这种情况,国际海事组织提出使用电子的方式进行标准化和自动化的船舶报告,使用该种技术能够有效的确保船舶报告的信息传输,同时也能够进一步统一船舶报告的形式,实现实时共享,能够进一步提高工作效率,降低人力消耗,确保整个船舶运行安全,因此需要重点加强对其的研究。基于此本文分析了基于AIS岸基网络的船舶报告技术。

基于网络级AI节能推动网络低碳运行研究

5G基站由于更大的带宽、更多的通道数和器件集成度低等因素影响,功耗相当于4G基站的3~4倍。5G基站节能已成为5G商用中不得不考虑的一个问题。因此,其能耗管理也成为运营商的一大重点任务。本文基于现有5G网络结构和基站设备情况,通过智慧节能终端结合能耗管理平台的AI能力,全面开展网络级宏站AAU和室分RRU/RHUB节能研究。

AIS岸基网络方案的设想(续)

AIS岸基网络的基本功能 由多个"AIS应答器岸台"、"AIS岸台控制器"和"AIS路由器/服务器"组成的AIS岸基网络单元,通过运行相应的软件,便可形成区域、全国乃至国际间的AIS岸基网络系统.为了使各网络单元之间能够实现有效的信息传输,网络系统自身必须具备类似TCP/IP的路由或编址协议.每个网络单元都必须有一个独立的地址.无论逻辑或物理网络传输层的情况如何,采用相应的NMR协议的信息可同时发送给多个用户或岸台单元.

任务为中心的6G网络AI架构

5G通信系统采用了NWDAF的叠加方式支持人工智能(Artificial Intelligence,AI),其效率和性能较差,6G通信系统迫切需要从架构层面考虑对AI的高效支持。基于此需求,提出了一种以任务为中心的6G网络AI架构,使能6G网络原生支持AI。介绍了6G网络AI的驱动力、场景需求等背景,其中AI驱动力包括三个类别的智能:网元智能、网络智能和业务智能。重点阐述从会话为中心到任务为中心的架构变化,以及任务为中心的架构面临的技术问题。其中,架构变化包括从会话管控到任务管控,从通信QoS到任务QoS,从通信数据到任务数据等。基于以上所述6G架构变化和对应技术问题,提出了一种以任务为中心的无线网络架构。首先,通过统一架构来提供AI4NET、NET4AI、AIaaS的服务;其次,针对无线网络分布式系统的固有特征,提出了任务管控的三层逻辑架构,从而满足实时和灵活的任务部署需求;并进一步提出了在无线接入网域和核心网域独立部署任务锚点TA和任务调度器TS,从而实现不同域内任务的独立部署和各域自治;然后,通过控制信令的方式实现任务控制功能,给出了具体的接口、协议框架和流程设计,并给出针对任务执行期间的任务QoS保障、AI用例自生成和任务应用实例等;最后给出了下一步的研究方向建议。

建设AIS海峡两岸航运信息平台

台湾海峡位于大陆与台湾岛东南海面上，是太平洋西侧的航运通道。早在三国吴黄龙二年（公元230年），孙权派遣将军卫温、诸葛直率将士万人，浮海到夷州（台湾岛），开创海峡两岸直航的先河；继后，近600年前，伟大的航海家郑和下西洋，开拓台湾海峡为通往西洋的航道。

基于AI+神经网络的数字化故障电弧识别方案研究

线路故障电弧的特征随着电力电子技术的提高更趋复杂,传统的故障电弧识别方式已无法应对新型用电系统。对比传统故障电弧识别方案,研究故障电弧产生类型和新型检测技术,提出基于谐波因素、总谐波畸变率、电流零休时间、电流变化速率、电流周期性等典型时域、频域特征的AI+神经网络的数字化故障电弧识别方案。该方案运用回归算法向量机对特征图进行分类处理,通过正向传输运算、反向传输运算和迭代回归运算三个步骤执行卷积神经网络,频繁迭代回归以获得最佳特征识别图。本文以调光器的故障电弧识别为例,对故障识别方案进行验证,结果表明采用此方案可实现更高效、更精准、更稳定地识别故障电弧。

基于AI可视化技术的桥梁荷载试验应用研究

我国在经历大规模的高速公路建设之后,需进行荷载试验的大桥、特大桥数量越来越多。但国内荷载试验指挥管理方式仍采用传统人工指挥、手动记录试验结果的方式,没有充分利用数字化、智能化等信息技术开展指挥调度工作。为解决以上问题,本文致力于研究一套AI可视化现场指挥系统,首先通过远程采集现场数据,将采集结果上传至可视化平台进行数据处理、实时分析和预警;然后采用三维视图实时动态展示当前工况测试内容、测点布置,动态监测各小组测试过程;最后利用高清影像,动态监测车辆加载状态,实时显示每辆加载车的位置与动态,对所有加载车辆实行统一调度,提高车辆调度效率以及夜间调度的便捷性。

6G通算融合网络架构

边缘计算在物理位置上部署在通信网络内,但是在逻辑上计算与通信拥有彼此独立的管控体系,协同是非实时的,在应对超低时延业务场景下用户信道状态、用户移动性等的动态变化时,存在技术挑战。因此,6G网络架构在设计之初,就需要原生的支持通信与计算的深度融合机制,基于此,提出了一种在无线网络内通信资源与分布式计算资源实时协同的计算面方案,来实现6G网络业务适配能力上的突破,提升综合资源能效。在终端和基站联合模型拆分推理场景下,通过仿真对比了控制面融合和管理面融合技术方案,验证了控制面融合方案能更好地应对终端空口连接带宽发生的变化,大幅降低业务时延抖动。

5G时代利用人工智能提升运营商网络竞争力的研究

近年来,人工智能技术已被应用于通信网络智能化领域,以解决传统技术面对通信网络复杂化、用户体验多样化、业务场景多样化等新发展趋势所遇到的瓶颈问题。总结了中国联通在网络智能化应用方面取得的一些成果,对网络AI中台、网络智慧运营、网络服务智能化等方面的人工智能应用进行了深入分析,探讨了多种场景下的智能化应用。同时指出,中国联通在网络智能化应用方面仍有巨大潜力,未来需将网络AI应用在价值闭环、网络演进、组织变革等方面进行深度融合。

5G基站节能AI技术研究

文章介绍了通信基站电源系统中的节能技术,设计了基于差异化发电与备电控制和远程指令控制策略。利用所设计的智能开关实现分路电量计量、分路逻辑控制或差异化发电控制管理,可以实现话务量分析指令动态管控5G设备运行状态,实现精准节能效果。

阿拉丁神灯抑或潘多拉魔盒:AI视野下电信网络诈骗犯罪的整体性治理

近年来,随着科技的发展,人工智能技术成为一把“双刃剑”,在不断提升社会治理水平的同时,也开始被不法分子所利用,带来一定的风险隐患。特别是AI技术,被不法分子应用于电信诈骗,危害性被进一步集聚和放大,引起社会各界的广泛关注。目前,AI电信诈骗治理面临相关法律法规滞后、宣传防范有所欠缺、行业监管积弊较多、打击难度不断增大等问题。因此,可以从整体性治理的视角切入,通过完善立法、打防并举、加强宣传、技术赋能等途径,提高AI电信网络诈骗治理的水平和能力。

船舶管理系统eMonitor运用

本文介绍了eMonitor监控系统V4.1软件的组成、各项功能和使用方法,并提出了推广、拓展AIS系统软件的意见和建议。

通信人工智能的下一个十年

移动通信技术走过了37年的发展历程,人工智能技术也已走过了64年的发展历程。从早期的各自独立演进,到5G与人工智能开始深度融合发展,“5G与人工智能”已被业界视为一组最新的通用目的技术组合,对垂直行业的发展起到提振生产力与赋能的作用。首先介绍了早期移动通信和人工智能各自的发展路线,并重点回顾了人工智能与通信技术在3G到5G阶段开始融合发展。针对通信人工智能,详细阐述了当前人工智能技术在移动通信生态系统中各领域的发展情况,包括通信网络基础设施、网络管理与运营、电信业务管理、跨领域融合智能化、垂直行业与专网等,并总结了通信国际标准组织对人工智能技术在移动通信系统中的分级定义与演进路线。面向下一个十年,展望了通信人工智能未来的发展路线与演进趋势,并结合3GPP与ITU-R的5G/6G时间表,前瞻性探索了基于3GPP和O-RAN路线的网络智能化、基于体验感知与意图的网络管理与运营系统的发展、网络AI信令体系、面向智慧中台演进的电信业务与支撑体系、跨领域融合的智能化体验管理与策略管理、从SLA向ELA的演进以及面向垂直行业的智能专网等。最后建议行业达成共识,在下一个十年中全面加速推进人工智能在通信生态领域的发展。

无人机动态智能管线分析检测研究

我国油气管道具有运行里程长、建设年代跨度大、安全事故多发等特点。通过无人机对管线进行图像采集,并对图像进行正摄性矫正,在矫正后的图像中标注管线位置;然后以管线位置为基准,在图像的警戒范围内进行异常目标检测;接着通过神经网络识别异常目标类别,并由人工确认检测到的异常目标是否需要矫正;最后计算获取异常目标的警戒距离以及面积,将异常目标及特征与异常目标的处理状态存入数据库,并生成报告。