АНАЛІЗ МЕТОДІВ АВТОМАТИЗАЦІЇ УПРАВЛІННЯ ТРАНСПОРТНИМИ МЕРЕЖАМИ З ВИКОРИСТАННЯМ ТЕХНОЛОГІЇ ШТУЧНОГО ІНТЕЛЕКТУ

Автор(и)

  • О. А. Симоненко Військовий інститут телекомунікацій та інформатизації імені Героїв Крут https://orcid.org/0000-0001-8511-2017
  • І. Ю. Пилипчук Військовий інститут телекомунікацій та інформатизації імені Героїв Крут https://orcid.org/0000-0002-5550-8026
  • С. О. Романенко Військовий інститут телекомунікацій та інформатизації імені Героїв Крут https://orcid.org/0009-0004-0240-0777
  • А. В. Кондрусь Військовий інститут телекомунікацій та інформатизації імені Героїв Крут https://orcid.org/0000-0001-8815-6517

DOI:

https://doi.org/10.58254/viti.8.2025.15.183

Ключові слова:

штучний інтелект, автономне управління мережею, транспортні мережі, автоматизація мереж, планування мережі, проактивне управління відмовами, API SDN, IP-over-DWDM

Анотація

Зростання попиту на персоналізовані можливості зв’язку спонукає транспортні мережі до еволюції в бік
автономного управління, орієнтованого на потреби користувачів. У статті проводиться ґрунтовний аналіз
концепції автономності транспортних мереж через впровадження штучного інтелекту, що дозволяє
автоматизувати процеси на різних рівнях мережевої інфраструктури. Розглядаються сценарії застосування
ШІ у транспортних системах IP-over-DWDM для таких завдань, як прогнозування трафіку, забезпечення високої
якості передачі даних, виявлення аномалій, оптимізація мережевих ресурсів, а також проактивне управління
відмовами. Особливу увагу приділено ролі штучного інтелекту у вдосконаленні ключових аспектів роботи
мереж. Центральною частиною дослідження є запропонована архітектура управління, побудована на
відкритих і стандартних API SDN. Вона дозволяє ефективно розподіляти транспортну мережу для
багаторівневих систем та забезпечує доступ до нормалізованих даних у реальному часі, що стає основою
автономного функціонування. Інтеграція штучного інтелекту сприяє оптимізації використання ресурсів,
підвищенню якості послуг, зменшенню простоїв і скороченню операційних витрат, водночас забезпечуючи
високу масштабованість мережевої інфраструктури. Використання методів машинного та глибокого
навчання дає можливість реалізувати адаптивне управління мережею, враховуючи змінний рівень навантажень
і невизначені події. Такий підхід відкриває перспективу створення самокерованих, самовідновлюваних та
самонавчальних мереж, здатних адаптуватися до умов без людського втручання. Підсумовуючи, у статті
наголошується на тому, що майбутнє транспортних систем тісно пов’язане з повною інтеграцією штучного
інтелекту, стандартизованих платформ і відкритих екосистем. Це забезпечує сталий розвиток
телекомунікаційної інфраструктури в умовах зростаючих вимог до продуктивності й надійності. Застосування
ШІ дозволяє знизити витрати, покращити якість обслуговування та адаптувати мережі до постійного
збільшення вимог споживачів.

Cover_8_2025

##submission.downloads##

Опубліковано

2025-12-03

Схожі статті

<< < 4 5 6 7 8 9 10 > >> 

Ви також можете розпочати розширений пошук схожих статей для цієї статті.