隨著移動互聯網、云計算、物聯網、機器類型通信等新興信息通信技術的飛速發展，信息社會進入了網絡化的大數據時代。快速普及的智能化移動終端應用助推了全球移動數據流量的大幅度增長。在移動大數據時代，海量數據、業務類型演進、數據多樣化、數據空-時域分布不均勻等特征給無線網絡帶來了嚴峻的挑戰。為了應對挑戰，一方面，無線網絡從新頻譜拓展、傳輸技術、智能立體化組網等多維度進行演進以滿足大數據傳輸與應用的需求;另一方面，移動大數據作為一種新的生產要素改變著人們認知網絡的方法，無線網絡可以充分借鑒互聯網數據挖掘的理論與方法，實現網絡的靈活部署、無線資源的優化配置和低能耗綠色通信。

當今，移動互聯網、云計算、物聯網、機器類型通信等新興信息通信技術的飛速發展導致數據流量的爆炸式增長和數據結構類型的高度復雜化，信息社會進入了網絡化的大數據(bigdata)時代。宏觀上大數據即指海量的數據;從微觀上定義，大數據是指需要通過快速獲取、處理、分析以從中提取有價值的海量、多樣化的交易數據、交互數據與傳感數據等數據，其主要特征包括：海量(volume)、類型繁多(variaty)、增長迅速(velocity)、價值巨大(value)等。隨著智能手機、平板電腦等智能化終端的快速普及，移動數據流量和信令呈現非線性指數增長趨勢，將逐漸成為大數據的主體，這對無線網絡的演進與發展產生重要的影響。

在移動大數據時代下，無線網絡的挑戰與機遇并存。一方面，未來無線網絡需具備承載大數據的能力;另一方面，有效地利用海量數據中的離散信息可充分實現網絡的潛在價值。基于上述考慮，本文介紹了移動大數據的主要特征，分析了其給無線網絡帶來的主要挑戰和發展機遇。

1.移動大數據的主要特征

1.1 海量數據

在信息社會，人、機、物之間的高度融合與互聯互通激發了海量數據的涌現。思科統計顯示，到2013年底，全球移動數據流量為1.5EB/月，接近2000年全球互聯網總流量的18倍，預計到2018年總流量將增長至15.9EB/月(圖1)。同時，快速普及的智能化移動終端應用助推了全球移動數據流量的大幅度增長。以智能手機為例，截止到2013年底，智能手機的數量僅占全球在用手機總量的27%，但其產生的流量占全球手機總流量的95%(每部智能手機的移動數據流量為529MB/月)。

1.2 業務類型演進

隨著移動互聯網應用的發展，傳統蜂窩網絡所承載的業務正在由傳統語音、短信向多樣化的具有互聯網特征的新業務類型拓展。例如，微信等即時通訊類業務、社交網站和搜索引擎等交互類業務、在線視頻和在線音樂等流媒體業務等。新業務繼承互聯網的特征，而傳統無線通信網在通信機制、互聯互通規則等方面與互聯網有完全不同的設計理念，難以適應新業務的需求。

例如，以即時通信類業務為代表的小包持續性突發實時在線業務類型，其包含頻繁的文本、圖像信息和周期性的pings，這導致無線網絡在連接和空閑狀態間進行頻繁的切換，不僅增加設備的能耗，還造成嚴重的信令開銷，使得資源利用率十分低下。然而，在移動互聯網業務中，即時通信業務的比例日益增高。如圖2所示，截至2014年6月底，我國手機即時通信網民數為4.59億，比2013年底增長了2842萬，半年增長率達6.6%;手機即時通信使用率為87.1%，比2013年底提升了1個百分點。

1.3 數據多樣化

1.4 數據的空-時域大動態變化

用戶的隨機趨同性使得網絡的業務密度分布在空-時域上呈現不均勻的特性，熱點區域業務量占70%。圖3是來自于某移動運營商現網實測話務數據樣本的業務分布圖，數據流量的密度呈現空-時域非均勻特性。空間域上，城市中心的局部地區業務量超大，而城市邊緣地區數據業務量卻低于平均水平;時間域上，數據流量的變化劇烈，工作時間商務區數據流量大而居民區數據流量小，休息時間則剛好相反。數據流量在空-時域上的大動態變化使得無線網絡在站點部署、熱點覆蓋、資源分配等問題上的靈活性和智能性需求更加迫切。

2.移動大數據對無線網絡的挑戰

如前所述，移動大數據的涌現對無線網絡提出了更高的需求:海量數據要求網絡具有更大的承載能力;業務類型演進和數據多樣化要求資源管理策略更加智能高效;數據空-時域分布不均勻要求網絡部署更加合理等。為應對移動大數據的沖擊，無線網絡節點不再扮演單純轉發的角色，而要同時具備計算、存儲、分析、決策、動態和智能化的功能。因此，移動大數據時代的到來，在網絡部署、資源管控、移動通信安全、網絡能耗等多方面對傳統無線網絡提出了諸多挑戰。

2.1 網絡部署

移動數據流量和信令均呈非線性高速增長，給無線接入網絡帶來巨大壓力。超密集化的小小區(smallcell)部署被認為是應對海量數據增長和數據分布不均勻的最有效手段，小小區增強已成為3GPPLTE-AdvancedRelease12中最重要的候選技術。

與此同時，受限于低頻范圍內寬帶連續頻譜資源極度匱乏，未來5G網絡將不得不向更高頻段擴展。由于小小區部署主要針對室內熱點區域，高頻段無線信號傳播的特征(高損耗、低穿透)恰好可以削弱小小區與其他小區之間的干擾。因此，室內高頻段小小區部署將是未來超密集化網絡部署的關鍵問題。

嚴重的信號衰落及信號傳播通常在視距范圍內，使得室內小區形狀呈現“準”確定性和小區邊緣銳利化的特征，這對室內網絡覆蓋規劃引入了難題。室內節點的密集程度主要受建筑物布局的影響，若以最小化室內無線節點為網絡規劃目標，銳利的小小區邊緣會使問題建模異常復雜。

2.2 資源管控

新型業務類型的不斷涌現，數據多樣化和流量空-時域大動態變化給傳統資源管理體系帶來了新的難題。目前的資源管控策略是既定且自發的，資源分配方式依賴于網絡的當前負載和擁塞狀態、終端業務請求等，使得全局的資源管控效率較低：從資源管控的目標看，以網絡吞吐量為主體的優化目標無法實現基于大數據業務歸類的差異化控制目標，導致管控策略靈活性低，用戶體驗差;從資源管控的約束條件分析，數據多樣化和需求異質化導致資源管控的維度增加且各維度間不對稱，資源管控優化策略的制定和優化目標的求解變得異常復雜。其次，對于繼承了互聯網設計理念的新業務類型(QQ、微信等)，在當前的移動網絡中針對各種不同業務(如不同的傳輸速率、業務達到間隔、時延等)只設計了一種面向連接的信令/控制機制，對于突發性業務會導致相對較高的信令開銷;同時，相對于移動互聯網新業務的不斷創新，資源管控的智能化進程滯后，使得用戶附著度較低。最后，傳統移動網絡資源管控主要是基于以小區為中心的均勻設計理念，且總是針對網絡最差的狀態進行宏觀的資源配置，這與實際系統中海量業務空-時域的不均勻分布特征不符，網絡資源管理須從以小區為中心向以用戶體驗為中心、以數據為中心轉變。

2.3 數據安全性

數據安全一直是無線網絡中備受關注的核心問題。在移動大數據時代，用戶接入更加頻繁、靈活。當用戶在QQ，Facebook等社交網絡上分享信息時，大量個人信息不僅存儲在終端里，也分散在互聯網上。惡意用戶利用大數據分析技術處理這些海量數據，更容易竊取他人隱私，甚至可以針對用戶進行全景觀察，通過對用戶所有數據的分析了解各因素之間的關系，判斷用戶的狀態、預測用戶行為。除了用戶隱私安全之外，數據的訪問控制和可信度也面臨挑戰。用戶屬性和訪問需求的多樣化使保密權限設置更加困難。數據源偽造(偽基站、釣魚WiFi等)、數據篡改、數據竊聽和數據失真造成數據可信度降低。

與有線通信相比，無線通信固有的廣播特性和傳輸媒介的開放性使其更易受到竊聽等安全攻擊。而且，未來無線網絡呈現網絡架構扁平化、信息交互IP化、異構融合等趨勢，一方面為無線通信帶來更多來自無線網絡以及互聯網的安全威脅，另一方面，安全攻擊更容易擴散并產生較大影響。隨著大數據分析能力的增強，單純依賴高層安全措施已不足以保障無線通信安全，特別是網絡節點數目增多、隨機性增強使高層安全措施的部署愈發復雜和困難。因此，應充分結合無線通信的基本特征，利用信道編碼、信號處理等技術從物理層入手搭建無線通信的第一道安全屏障，即物理層安全。該技術利用多天線、人工噪聲、多點協作、等措施保障無線傳輸安全，但是，將消耗部分網絡資源，犧牲系統容量、能效性能。因此，安全性與其他性能指標的合理折中也是亟待考慮的問題。

2.4 高能耗

在全球能源匱乏和建設資源節約型社會的背景下，高能耗問題已經成為制約信息通信行業發展的瓶頸問題之一。移動網絡的能耗主要分為兩部分：網絡側能耗(圖4)和移動終端能耗。其中，前者所占比重較大，其能耗在不同層面的分布比例如圖4所示，基站是最主要的耗能部分，其能耗占總能耗的一半以上。據統計，中國通信網基站的年消耗電量超過200億度，2012年中國聯通繳納的電費超過了其員工薪酬及福利開支的1/3)。

在大數據背景下，用戶在享受QQ、微信、社交網站、搜索引擎、在線視頻等新業務的同時，無論在網絡側還是終端側均需要消耗更多的計算、存儲、能量等資源。在無線接入網絡側，超密集化的網絡站點部署會顯著加劇高能耗問題。在終端側，由于終端能耗在總耗能中的比例較低，在過去的幾十年，終端能耗不被重視，終端節能技術主要考慮如何延長其待機時間。然而，隨著智能終端的迅速增長，今天已步入后摩爾時代，多樣化的業務應用增加了智能終端負載與日平均使用率，這導致移動終端能耗成為迫切解決的關鍵難題。

3.移動大數據對無線網絡帶來的機遇

為了應對移動大數據給無線網絡帶來的前述挑戰，無線網絡將從資源、傳輸、組網3個方面不斷演進，以滿足用戶對傳輸速率和業務質量的更高要求。例如，挖掘毫米波頻段、通過認知的方式提高頻譜資源的利用率;引入新的傳輸技術，通過大規模天線、同時同頻全雙工及新型編碼調制方案等提高系統的傳輸速率;組建智能立體化網絡，實現不同應用場景下的人與人、人與物、物與物的立體化接入。

與此同時，快速地從價值密度低的海量數據中分析提煉出有效信息能進一步優化無線網絡。初期的無線網絡演進，以提升網絡整體的容量為目標，是一種以網絡為中心的演進思路;隨著移動通信的發展，用戶的主觀體驗成為移動網絡優化的主要目標，網絡將從以網絡為中心向以用戶為中心演進;而隨著大數據時代的到來，海量數據已經成為移動網絡的核心財富，使得無線網絡向著以數據為中心的方向發展。

3.1 基于大數據挖掘的網絡部署

如前所述，海量的移動數據具備較高的空-時變化特征，傳統固定的移動網絡部署無法有效匹配某一特定區域內的流量與負載特征，超密集化的小小區部署也無法實時適配業務需求的動態變化，從廣義角度而言，移動大數據的出現需要無線網絡部署由靜態轉變為動態、由固定配置轉變為靈活配置。為解決此問題，中國移動提出了CRAN(centralized，co-operative，cloud-RAN)架構，將多個基帶匯聚形成大覆蓋下的“大基站”，多個覆蓋區域內的無線射頻單元共享基帶設備和資源，可實現計算資源的按需有效分配。這在一定程度上體現了以數據為中心進行網絡部署的思想。進一步地，以SDN(softwaredefinednetwork)和NFV(networkfunctionvirtualiza-tion)為代表的無線虛擬化技術能夠實現基于業務特征的網絡協議動態部署，通過對網絡節點抽象和統一調配，網絡的部署和管控更加靈活。

3.2 基于大數據挖掘的無線網絡資源精準投放

海量數據在空-時域分布不均勻的特性對無線網絡中的資源調度與分配提出了更高的要求，對大數據中蘊含的抽象信息進行分析和歸納，挖掘規律性并預測業務走勢，有針對性地進行資源分配，能為未來無線網絡提供新的發展契機。

首先，基于數據挖掘的聚類分析能有效完成相同特性的小區聚類，便于針對不同特性的小區進行特定的資源分配，如基于經緯度、網絡覆蓋和業務分布特征進行小區聚類，從而指導資源精準投放和業務推送。

其次，隨著移動數據業務用戶數量的增多和需求的差異化，用戶出現等級分化，無線網絡中的策略控制與計費(PCC)方式需進一步考慮用戶的匹配性，從而制定更合理的資源分配方式以適配不同層級的用戶體驗。大數據可以應用于PCC，通過分析用戶特性、業務特性以及對用戶的行為習慣進行預測，從而對資源進行合理的分配與控制，提高PCC的效率，提供差異化服務，提升無線網絡智能管控水平。

再次，海量數據挖掘能夠實現以用戶體驗(QoE)為導向的資源精準投放。未來無線網絡對QoE的研究需兼顧環境因素、用戶因素及服務因素，考慮混合多業務場景下的個性化資源分配和管理。對QoE的評價方法也不僅僅限于客觀評價或主觀評價，偽主觀評價因既有主觀評價與用戶感知一致的特點，又有客觀評價方法簡便、可實時應用、可移植的優勢，從而成為更貼合用戶需求的評價方法，但其所需要的數據量遠高于前兩種。基于大數據的海量數據分析能為有效評價用戶體驗提供充分的信息，從而有力支撐偽主觀評價的QoE評價體系。

3.3 基于大數據挖掘的低能耗綠色通信

通過對移動大數據的分析，可以獲取用戶行為習慣、業務特征、移動性等相關信息，并在此基礎上對用戶行為趨勢做出預測，從而為無線網絡低能耗的綠色通信提供重要參考依據。

基于大數據的分析結果，網絡側可以更精準地掌握不同地理區域的用戶分布及業務需求，完成多樣化基站的智能部署，從而有效實現匹配用戶業務需求的動態資源分配;結合用戶的移動性等信息(如位置信息、移動速度、移動方向等)實現超密集異構網絡中不同層級基站的動態激活與休眠、資源共享、協作傳輸等，從而降低網絡整體能耗，提高傳輸效率。

與此同時，終端側可以基于自身業務特性和行為習慣，選擇合適的接入網絡，輔助優化網絡間協作;針對具有相似特征的業務需求或地理位置臨近的終端組，還可以通過終端間直接通信(D2D)的方式完成信息交互與推送，從而節省網絡資源，降低發射功率，實現低能耗通信。

4.結論

 移動大數據時代，無線網絡在資源管控、數據安全、網絡能耗方面面臨著新的挑戰。但移動大數據是友好可控的，是無線通信發展的助推劑，給無線通信帶來了新的發展機遇。無線網絡可以充分借鑒互聯網數據挖掘的理論與方法，實現網絡的靈活部署、無線資源的優化配置和低能耗綠色通信。同時，移動運營商可充分利用自身的數據優勢，充分挖掘大數據的隱性價值，不斷提升業務營銷水平和服務質量，實現跨領域融合，更多的服務于科技進步和國家政策等方面。