面向算网的数字孪生关键技术研究及应用探讨

来源：邮电设计技术

作者：李珊珊 刘阳等

数字孪生被业界视为物理世界和数字世界之间的桥梁。通过数字孪生技术建立动态数字化模型，借助机器对系统进行监测、预测、辅助决策，能够将系统的复杂度提升到新的高度。2003年左右关于数字孪生的设想首次出现在美国密歇根大学的产品全生命周期管理课程上，2010年“数字孪生”一词在NASA的技术报告中被正式提出，Gartner在2017年、2018年和2019年连续3年将数字孪生列为十大技术趋势之一，这对数字孪生发展起到了积极的推动作用。目前随着数字孪生与5G、物联网、云计算、大数据、人工智能、AR/VR等新一代信息技术深度融合，数字孪生技术正从制造业快速走入千行百业。

算力网络是以算为中心、网为根基，网、云、数、智、安、边、端、链等深度融合，提供一体化服务的新型基础设施，是电信运营商落实国家战略和赋能数字经济的关键抓手。随着不断涌现的算网新业态、新技术、新模式，算网感知实时精度不断提升、融合管控智能化不断增加、系统场景复杂度不断提升、新技术部署难度不断增长，给算力网络智能运营带来挑战。将数字孪生技术应用于算力网络，通过构建与算网基础设施网元一致、算力一致、拓扑一致、用户一致、数据一致的数字孪生网络，能够助力算力网络实现低成本试错、智能化决策和高效率创新。

数字孪生网络目前还没有明确的定义，它通常是指一个具有物理网络实体及数字虚拟孪生体，且二者可进行（准）实时交互映射的网络系统。数字孪生网络可以作为算力网络的一个有机整体，也将是未来涉及算网物理基础设施全生命周期数字化管控的通用能力，服务于算力网络规划、建设、维护、优化和感知，以及自智网络、意图网络等网络创新技术的应用，提升算网的自动化和智能化水平。目前数字孪生网络的关键技术及场景应用均处于探索阶段，不管是宏观政策、国内外标准组织还是运营商实践都在助推数字孪生网络加速发展。

在宏观政策驱动方面，我国从2020年提出新基建战略，随后陆续发布东数西算、新型数据中心发展规划等相关政策文件。2021年发布的《十四五规划纲要》中明确提出以“新基建”为代表推动各领域利用数字孪生技术创新发展。因此，发展面向算网的数字孪生网络是响应国家发展战略的必然选择。

在标准化方面，国内外标准化组织高度关注数字孪生网络，陆续成立工作组推动算力网络及数字孪生产业和标准化进程。国际标准化组织（ISO）/国际电工委员会（IEC）第一联合技术委员会、物联网和数字孪生分技术委员会于2020年11月成立了数字孪生工作组（SC 41/WG6），侧重对数字孪生技术概念、术语、需求等标准进行研究和制定；国际电信联盟电信标准化部门（ITU-T）未来网络和新兴网络技术研究组（SG13）一方面关注未来网络（包括IMT-2020）、云计算、可信网络基础设施、自智网络标准等预研工作，另一方面也正在积极开展网络数字孪生需求、架构、成熟度等多项标准的研究与制定；中国通信标准化协会（CCSA）则于2021年10月在网络与业务能力技术工作委员会、新型网络技术工作组下成立了“数字孪生网络”工作子组（TC3/WG3/SWG1），聚焦于数字孪生网络架构、模型构建、数据感知等关键能力的标准化研究。

电信运营商创新实践数字孪生网络，中国移动、中国联通、中国电信等均在网络性能和用户感知方面，开展数字孪生的技术研发和应用实践。同时在面向未来网络战略方面，中国电信发布了面向未来网络愿景的泛在超融合网络体系架构，提出让未来信息基础设施具备数字孪生、智能内生、安全内生等内生基因，以实现自组织、自优化、自学习、自免疫、自进化等关键特征；中国移动发布面向6G的数字孪生网络架构，提出数字孪生网络是一个具有物理网络实体及虚拟孪生体，且二者可进行实时交互映射的网络系统；中国联通则在发布的CUBE-Net3.0网络创新体系中提出运用感知、计算、建模等信息技术构建数字孪生网络，为网络的诊断、预测、决策、共享等问题提供虚拟化的支撑能力。

本文构建了面向算网的数字孪生“三层架构、闭环机制”的体系架构（见图1），通过对算网用户、业务、网元、算力等全要素数字化，构建与算网实体精准映射、动态交互的数字孪生体，实现算网全客户全场景智慧运营，赋能新技术和新业务可持续创新。

三层架构自上而下分别为应用层、孪生网络层、物理网络层。

a）应用层。基于前端业务、算网智能运营需求，通过调用孪生网络层的技术能力，实现全网、全客户、全场景的智慧运营。

b）孪生网络层。建立物理网络层算网基础设施的孪生映射，实现对业务、流程、网络、算力的端到端透视和全息感知，对物理实体状态高效仿真和智能交互。

c）物理网络层。包含构成端到端算力网络的所有物理实体、云化虚拟网络及算力异构资源，通过持续推动算网SDN化、NFV化、云原生、智能化，支撑数字孪生网络构建和管控交互。

闭环机制包括数字孪生体从构建、仿真到优化的孪生体闭环，以及基于三层架构的物理实体与数字孪生体之间的“感知-决策-管控”智能化闭环。

3.2.1 算网感知

算网感知指借助物联网、传感器、流处理等技术，汇聚全域实时算、网、数等资源以及云、边、端分布数据，将物理网络状态实时同步至孪生网络，为数字孪生体构建和迭代提供数据服务，实现算网动态感知和可视化呈现。算网感知包括数据采集、数据存储、数据处理、数据服务、数据治理和可视化呈现六大部分（见图2）。

a）数据采集。通过南向接口的不同采集技术，对各类算网资源交互协议进行适配，提供标准的格式化数据，统一接入各类DPI、OMC/EMS、专业综合网管、云管平台、IT系统、传感器等的数据。数据类型包括数据库表、数据血缘等元数据，网络资源、网络性能、网络拓扑、网络告警等网络数据，算力资源、算力性能、算力拓扑等算力数据，市场标价、资产成 本价、服务商品价、资源计量、产品计量等算网管理数据，客服、用户、产品、服务等业务数据，园区、机房、环境等空间数据，实现实时数据和非实时数据的采集。当前随着传感器、5G及NB-IoT的发展，对离线和实时数据采集及传输形成了一系列开源技术，不同的数据采集技术具备不同的特点，适用于不同的应用场景，结合数字孪生网络对数据采集全面、高效的要求，建议可采用被广泛应用的SNMP、NetConf技术，也可采用支持原始码流采集的Netflow、Sflow技术，还可采用支持数据源端推送模式的网络遥测（Network Telemetry）技术等。

b）数据存储。电信数据具有规模大、多样化等特性，可利用多种数据存储技术，构建分层的存储硬件环境，在对结构化数据、半结构化数据和非结构化数据完成清洗后进行存储，以满足不同类型的业务数据在不同生命周期阶段的存储要求。

c）数据处理。由于越来越多的文件、文本、日志等半结构化、非结构化数据的加入，数据处理的底层架构主要包括分布式文件系统、MPP数据库、传统数据仓库、流计算引擎、交互式计算引擎和离线计算引擎等。

d）数据服务。完成数据的注册管理、认证管理、安全管理，为各种服务于应用的数字孪生模型提供准确完备的数据服务。通过不同的安全策略、网络链路将数据封装到不同的网络层级中，利用IT/CT的协议、加密、传输规则完成数据的传输。

e）数据治理。结合业务场景开展数据治理工作，夯实数据基础，提升数据质量，确保数据在采集、清洗、传输、关联、计算、入库等环节的准确性、完整性、实时性、合规性、有效性和一致性；同时要加强在流程、规范、技术方面的数据安全管理。

f）可视化呈现。利用计算机图形学和图像处理技术，将数据转换成图形或图像在屏幕上显示出来，再进行交互处理，高保真地可视化呈现数字孪生网络中的数据和模型，同时对模拟仿真、分析、预测和决策的结果进行可视化表达。通过可视化呈现，可以辅助用户监测物理网络的内部结构，挖掘隐藏在网络内部的价值信息，同时直观反映物理网络实体和网络数字孪生体的交互映射。

3.2.2 算网资源孪生建模与管理

以算网资源数据为基础，从空间环境、算网设施、网络传送和用户业务等不同维度对网络资源数字化建模，并通过孪生应用场景将算网和业务全流程信息输入到模型中，实现对模型的迭代优化管理（见图3）。

a）模型构建。数字孪生模型是数字孪生网络的关键组成部分，是基于感知的算网数据，将算力网络从物理实体向虚拟空间映射，构建与物理实体一致的数字孪生网络。数字孪生模型构建主要是对多源异构数据进行分类与归并，针对不同的网络域建立对应网络层级的数字孪生模型，涵盖基础属性信息和场景功能信息，并具备指令接受与事件反馈的能力。数字孪生模型通过实例或者实例的组合向上层网络应用提供服务，最大化网络业务的敏捷性和可编程性。

数字孪生模型构建包括基础模型构建和业务模型构建2个部分。基础模型是针对单个物理网络实体的模型定义，从多个维度建立的数字孪生模型，与物理网络实体的类型强相关。根据刻画维度的不同，基础模型可分为实体数据模型、几何模型、属性定义模型、可视化规则模型、运行规则模型五大类。基础模型构建主流技术包括图纸/照片导入建模技术、3D BIM高精建模技术、互联网智能抓取建模技术等。

业务模型是针对特定的孪生应用场景对基础模型组装融合，利用采集的算网数据，从不同的维度构建或扩展的数字孪生模型。业务模型用来刻画孪生体的内在运行逻辑，支持对孪生体进行反馈和控制，不同维度的模型通过搭配和组合可以创建面向不同孪生应用场景的业务模型。业务模型按网络类型划分，可分为服务于单网络域（如移动接入网、传输网、核心网、承载网等）的模型和服务于多网络域的模型。按照实现功能划分，可分为事件检测模型、质量分析模型、拓扑规则模型、路径拟真模型、流量拟真模型、孪生体反馈模型、孪生体控制模型、网络推演模型等。

b）孪生体管理。孪生体管理是通过应用场景将算网和业务端到端全流程的信息与数据输入到数字孪生模型中，持续迭代优化，将出现的问题进行反馈构成闭环，使其与实际值的偏离值在允许误差范围之内。

孪生体管理涉及算网各个部分、各个阶段，在数字孪生网络中，孪生场景将物理对象全生命周期涉及的孪生体间的数据信息进行传递和回溯，提供访问、整合以及将不同数据转换为可操作信息的能力，支撑当前状态实时评估和未来决策的能力。孪生场景多种多样，涉及到多个网络域的交互且不同场景业务逻辑策略各不相同，依赖相应算网业务规则将流程涉及的不同孪生体进行连接，同时进行孪生体之间的交互调度与设置，并配置对应的动态逻辑，精准管理数字孪生体的全生命周期闭环流程。

3.2.3 模拟仿真

模拟仿真是一项基于模型的活动，是用模型模拟来代替真实环境进行实验和研究。数字孪生网络模拟仿真是基于AI智能与现网数据双驱动，对用户通信、算网运营等业务场景进行数字建模，构建算力网络业务场景运行测试的沙箱，支撑低成本试错寻优（见图4）。

在通信领域，模拟仿真技术包括器件级仿真、场景级仿真和链路级仿真等。场景级仿真用于模型、场景方案的性能评价，当前在数字孪生网络应用中以场景级仿真为主；链路级仿真用于评价点对点通信的质量关系，随着4G、5G无线仿真技术发展，链路级仿真需求正在快速增长；器件级仿真用于对影响半导体器件的外部电学、热学和光学特性模拟，在数字孪生网络中使用较少。

在数字孪生网络场景级仿真中，为了达到高保真的算网模拟仿真，既要考虑网元设备、算力资源和连接组网内部因素，也需模拟影响网络传播的建筑物、植被、空气、天气等外部环境，并借助计算机视觉增强保真度，通过虚实交互来迭代提升对算网智能运营的支撑能力。

考虑到部分场景下对仿真的精确度与实时性要求较高，因此建议采用动态仿真建模技术，即对算网分层和建模，将各层次的仿真对象模型进行组件化设计，同时基于仿真场景、业务模型映射得到仿真模型组件和仿真参数，再通过动态配置的规则组合成具体的仿真流程。由于仿真对象模型设计实现了组件化，重要的仿真设计实现可以得到充足复用，一方面提高了模拟仿真设计和开发效率，另一方面也提高了模拟仿真的可扩展能力。

3.2.4 智能决策

智能决策指基于算网业务数据和流程，利用AI和知识图谱等技术，对仿真流程和孪生网络模型进行分析，判断和识别出问题的类型及所在，并构建价值函数实现最优方案寻解和决策推荐。

智能决策包括知识库、认知管理和决策管理3个部分（见图5）。在智能决策过程中，首先需要构建知识库，主要是利用图数据库和机器学习技术，对企业生产运营中的工单、业务手册、维护手册、专家知识等各类数据进行信息加工、知识提取后形成。知识库对外提供查询接口，通过查询事件、属性等特征信息，对外提供算网资源信息、标准配置信息、常见故障及特征、问题解决方案等。

认知管理模块则依据算网状态数据，利用AI模型和企业知识库，进行算网全景分析评估、多维问题聚类识别、问题根因分析、方案查找与迭代。对于未查找到合适方案或根据建议方案处理效果不理想的根因分析过程，实际执行方案将作为新的历史经验对知识库进行迭代更新。

现实工作中，针对问题的解决方案往往不止一种，因此决策管理模块主要是在数字孪生网络空间中，借助模拟仿真手段，从不同业务SLA要求、网络整体负载、可用算力资源池分布等维度构建价值函数，通过AI模型和传统经验相结合的方式，对价值函数不断迭代优化，智能、动态地计算出算、网、数的最优协同策略，实现方案协同收敛、最优方案寻解和决策推荐。

 图5 智能决策流程示意

3.2.5 智能管控

智能管控实现对智能决策后的方案调度执行，通过南向接口对接算网基础设施，完成解决方案自动下发执行，实现算网维护优化和为用户提供算力资源绑定服务等，也可通过工单流程将工单信息自动派发进行现场施工。决策方案在现网执行后，需对现网执行效果综合评估，为方案调优和经验积累提供手段，实现方案从物理网络向孪生网络的信息回流，完成闭环管控（见图6）。

在智能管控流程中，智能管控模块首先接收智能决策推荐方案，根据方案类型和操作类型，通过对算网操作指令进行适配、自动封装、任务创建，自动生成执行指令。同时会将执行指令路由至相应算网网络专业管控单元进行执行，并提供对算网操作指令的路由管理、执行安全管理、执行策略管理等，最终实现指令自动生成和自动下发。方案在现网执行后，通过对现网执行效果综合评估、对方案迭代调优完成管控闭环管理。

算网业务是融合了算力（云、边、端）、连接和能力（安全、大数据、AI和区块链）等多要素的资源式产品服务。随着业务应用的不断丰富，客户需要更加敏捷、弹性、随需随取、按量付费的算网服务。目前在算网业务订购、使用及变更全流程交付过程中，受制于算网基础设施复杂性，算网资源匹配、路径分配、扩缩容、故障迁移等的方案制定和现网部署主要依赖人工经验，而且业务全流程不可视，容易引起客户感知下降甚至投诉。

借助数字孪生网络，可利用实时感知、仿真推演、闭环管控等技术能力，解决算网业务交付各阶段的痛点问题。例如，在业务订购阶段，以拓扑形式展示业务订购全流程，并根据客户网络、存储及算力需求生成算力网络方案请求，基于数字孪生网络对订购方案高效仿真，充分验证后部署至物理网络，完成算网资源开通，可降低现网部署的试错风险和成本，提高方案部署的效率；在业务使用阶段，精准实时采集算网算力、存力、运力信息，智能评估算网资源使用情况，当资源使用达到阈值时，及时展示异常情况，并利用AI技术辅助问题定位，发送告警通知及变更提醒；在业务变更阶段，可视化展示客户提出的变更需求，对变更方案进行高效仿真及资源开通，对变更申请过程以及订单完成情况进行全流程展示，提升客户业务感知服务质量。

运营商算网运营的全生命周期可分为规划、建设、维护及优化4个阶段。随着算力网络的部署，网络规模变得庞大、结构变得复杂、资源呈现异构性，算网运营主要依赖于人工，存在工作量大、周期长、试错成本高等问题。借助数字孪生技术可推动算网规、建、维、优工作向自动化、智能化模式换挡升级（见表1）。

表1 数字孪生赋能算网智能运营典型场景

数字孪生技术既是支撑算力网络实现算力泛在、算网共生的关键使能技术，也是算网一体能力开放化、智能运营的先导试验领域，正在成为未来网络的重要内生技术。目前数字孪生网络在通信领域的应用还在探索中，面临技术成熟度低、部署难度大、场景不清晰等问题与挑战。应用有望大规模爆发。因此，运营商应汇聚政产学研等各方力量，加强顶层设计，加快关键技术突破，积极制定统一产业标准，在提升客户服务感知和网络运营降本增效等场景探索推进。