ODN網絡是家庭寬帶連接系統-無源光網絡 (PON) 的重要組成部分，是連接局端 OLT 和用戶 ONT 之間的光路通道，其質量直接影響整個PON系統的性能及可靠性。ODN光纖鏈路包括OLT PON口、ODF、主干光纖、一級分光器、分支光纖、二級分光器、入戶光纖、ONU光模塊等，主要涵蓋以下設備：
可以看到，ODN網絡設備均為無源設備，對無源設備進行弱光定位顯然非常不易的。再從ODN網絡連接圖（圖2）來分析光信號在 ODN 鏈路上傳輸損耗點：
并且光信號在 ODN 鏈路上傳輸的過程中，有一部分能量轉化成熱能或者被傳輸介質吸收、散射，從而造成信號強度不斷減弱，即信號衰減，體現為光功率劣化即為弱光。為優化PON網絡質量，對ODN光路耗損分析成為了當下PON網絡運維的重點，又因是ODN網絡中全為無源設備，其弱光定位與整治又是難點。傳統ODN網絡運維，缺乏有效預判和指導，通常依賴人工現場逐段排查檢測ODN網絡收發光功率，耗費大量時間和人力。
當前處理ODN弱光主要有以下幾個難點：
①寬帶速率持續提速—要求高
隨著網絡技術發展，用戶網絡帶寬不斷提高，正在從百兆向千兆、雙千兆普及，新型家庭網關以及各種應用業務對網絡質量提出更嚴格的要求。
②運維聚焦ODN弱光—維護難
為了進一步提升用戶有線業務感知，把優化網絡質量的焦點從用戶側 ONT 設備收光轉移到整個 ODN 網絡光路損耗，這對于有線業務運維來說，增加巨大運維難度。
③傳統人工處理方式—效率低
ODN 網絡故障處置依靠維護人員現場逐步排查檢測，缺乏預判和指導手段，處理耗費大量人力。雖然現在業內已能根據人工經驗設定固定規則逐漸自動化進行ODN弱光定界定位，但依舊存在定位不準等問題。
針對上述問題，本文對ODN網絡弱光智能化定界及整治進行探索。
分析ODN網絡光功率傳播規律，采集端到端光路收發光數據，同時定時對ODN網絡進行弱光巡檢，采集匯聚相關資源拓撲、告警、光功率等數據；建立寬帶上網ODN網絡弱光聚類定界模型，基于預測模型分析出弱光范圍；針對弱光范圍，派單閉環整治，實現ODN網絡高效運維。
定界知識庫構建模型：根據不同原因引起的光衰時，各設備節點的的關鍵特征表現，構建寬帶上網ODN網絡弱光聚類定界知識模型，自動精準定界弱光范圍。
高效運維：基于寬帶上網ODN網絡弱光聚類定界知識模型，精準分析出弱光范圍，快速排查故障點。
閉環處理：根據分析出的弱光范圍，及時進行派單整治，并將處理結果反饋到模型進行不斷調優，形成整個方案的閉環。
采集近三個月歷史弱光整治工單數據作為知識庫訓練樣本，并采集當前ODN網絡的資源信息、拓撲信息、以及網絡性能、告警等數據，建立知識庫模型標簽體系。
基于歷史弱光定界結果數據，結合OLT/一級分光器/二級分光器/ONU的收發光數據、損耗絕對值/相對值、弱光比例等特征信息，梳理不同原因引起的光衰時，各設備節點的的關鍵特征表現，初步形成弱光定界知識體系。
??步驟一：采集ODN網絡拓撲數據，包含ODN網絡從上至下的全鏈路光功率分析設備關聯關系：OLT/PON端口、主干光纖、分支光纖、入戶光纖、ONU。
??步驟二：以ODN網絡拓撲數據為基準，采集光功率、光損耗、弱光比例等數據篩選出弱光特征信息。
??步驟三：弱光特征信息與歷史弱光定界結果數據關聯匹配，梳理不同原因下的弱光特征表現。
整理結果樣本示例：
基于構建的弱光定界知識體系，可采用相似度算法進行檢索，從而進行弱光定界。
當有其他用戶發生光衰時，采集當前ODN網絡關鍵弱光特征數據，基于相似度計算，使用faiss架構對知識庫里的特征信息進行高校檢索匹配，匹配度最高的特征對應的弱光定界原因，即為該用戶弱光定界原因。
建議采用Faiss向量檢索，Faiss是Facebook AI團隊開源的針對聚類和相似性搜索庫，為稠密向量提供高效相似度搜索和聚類，支持十億級別向量的搜索，是目前較為成熟的近似近鄰搜索庫。
采用Faiss能根據弱光定界場景的多項特征快速檢索，其具有以下特點:
全量構建索引：基于原始向量，train訓練并且add構建，生成Faiss索引文件。
增量構建索引：后續若有新增向量，只需add操作，即可對Faiss索引文件做增量更新。
向量檢索查詢：提供目標樣本向量信息并檢索索引文件，獲取與目標樣本最為相似的N個向量索引。
構建寬帶上網ODN網絡弱光聚類定界模型，由ODN弱光定時自動巡檢，采集告警、資源、性能數據歸一化處理后，依賴弱光聚類定界模型，判斷是否存在弱光問題，判斷弱光范圍。
采集數據：對接外系統獲取模型輸入數據，包含告警、資源拓撲、性能數據等。
模型計算：使用寬帶上網ODN網絡弱光聚類定界模型快速定界弱光范圍，并輸出結果進一步處理。
閉環處置：通過模型計算的結果，確定弱光范圍，派出整治工單及時處理，并將處理結果反饋給模型。
持續調優：定期收集弱光定界數據，用以更新、補充知識庫。包括新增的弱光產生原因、已有原因由設備老化引起的整體數據分布的變動。
本方案解決ODN網絡定界弱光范圍難和不準的問題，采用構建弱光定界體系知識庫能快速進行故障范圍的定界定位，以此提高故障處理的效果，在未來可以將知識庫體系的應用范圍擴大。如在ODN上游設備和家庭網絡側終端設備都能采集相關故障場景特征數據，并結合用戶行為等特征，構建有線業務網絡其他故障場景的知識體系，解決更多的故障場景。