面向6G的雙循環數字孿生網絡架構設計

楊婷婷，賀虹艦，霍雨佳，孔令政

(1.大連海事大學 航海學院，遼寧 大連 116026；2.鵬城實驗室，廣東 深圳 518038；3.東南大學 網絡空間安全學院，江蘇 南京 211189)

0 引言

以網絡化、信息化與智能化的深度融合為核心的“第四次工業革命”驅動全球加速進入以“萬物互聯”為顯著特征的數字化時代[1]。工業互聯網的基礎模型和技術依托于數字孿生。數字孿生自2002年提出后，初期并未引起太多關注。但隨著信息化、數字化技術的快速發展，數字孿生得到了各行各業的積極響應。全球最具權威的咨詢顧問公司Gartner連續三年將數字孿生列為十大戰略性科技趨勢之一[2]。中國也開始跟進數字孿生的相關研究，包括工業4.0研究院在內的多家國內機構和企業正在進行數字孿生的相關研究[3]。

在制造業，產品設計、產品生命周期管理(Product Lifecycle Management,PLM)、產品售后服務、設備故障診斷都在使用數字孿生。如今數字孿生這一概念，已迅速走出制造業，應用到了智慧城市、智慧交通、智慧工業、智慧醫療、智慧軍事等各個行業。在智慧城市方面，阿里的城市大腦、華為的“5G+AI”、科大訊飛的數字超腦、51VR的51City OS等利用5G、WLAN、LET以及城市專網，多網協同布局數字孿生城市方案[4]。Sim Cure、法國公司達索系統、西門子“數字心臟”、Philips的HeartModel等在數字孿生醫療方面開啟了研究[5]。

本文聚焦于數字孿生網絡的整體架構，提出了“基于內外雙循環機制的數字孿生網絡”架構，其中內循環旨在以數字孿生的方式提高網絡運行的效率、降低網絡運維的成本，外循環則利用自適應的數字孿生來解決實際問題。該架構以智能化網絡為通道，打通了數字孿生網絡各部分的隔閡，將數字孿生網絡視作一個系統的整體，成為未來涉及智慧應用的通用架構，實現全場景的任務覆蓋。本文介紹業界對數字孿生的定義以及相關技術的研究現狀，闡述了數字孿生網絡的重要特性，并提出了“基于內外雙循環機制的數字孿生網絡”架構以及其應用示例，最后總結了數字孿生網絡所面臨的問題與挑戰。

1 數字孿生定義及相關技術概述

1.1 數字孿生定義

數字孿生的概念最早在2002年由密歇根大學的邁克爾·格里夫斯(Michael Grieves)教授提出[6]，是指通過數字化手段，在虛擬空間構建一個與物理實體相一致的虛擬實體的技術。數字孿生不僅是虛擬再現物理對象，還可以模擬物理對象在現實環境中的各種行為。2010年，美國國家航空航天局(National Aeronautics and Space Administration,NASA)在其太空技術路線圖[7]中首次引入了數字孿生的表述。定義數字孿生為一種集成化的多種物理量、多種空間尺度的運載工具或系統的仿真模型。中國電子信息產業發展研究院在《數字孿生白皮書》[8]中指出數字孿生是綜合運用感知、計算、建模等信息技術，通過軟件定義，對物理空間進行描述、診斷、預測、決策，進而實現物理空間與賽博空間的交互映射。中國技術標準化研究院、樹根互聯技術有限公司在《數字孿生應用白皮書》[5]中提出數字孿生是具有數據連接的特定物理實現或過程化的數字化表達，該數據連接可以保證物理狀態和虛擬狀態之間的同速率收斂，并提供物理實體或流程過程整個生命周期的集成視圖，有助于優化整體性能。北京航空航天大學等在《數字孿生及其應用探索》[3]中提出數字孿生是一種集成多物理、多尺度、多科學屬性，具有實時同步、忠實映射、高保真度特性，能夠實現物理世界與信息世界交互與融合的技術手段。

1.2 數字孿生相關技術概述

文獻[9]建立了地面網絡的動態數字孿生系統，提出利用數字孿生提供空地網絡的虛擬表示反應狀態，結合聯邦學習，設計基于Stackelberg游戲激勵機制實現更好的分布式空域地面集成網絡監控。文獻[10]提出一種基于數字孿生的可擴展網絡切片方案，該數字孿生利用新的圖神經網絡模型，實現將網絡狀態映射到復雜的切片網絡的端到端服務質量(Quality of Service,QoS)的能力。

這種能力確保在片上執行任何更改后，都能滿足QoS需求，且片間的資源分配不會超過服務器的資源容量。文獻[11]提出數字孿生邊緣網絡的新愿景，其中邊緣服務器的數字孿生估計邊緣服務器狀態，整個移動邊緣計算系統的數字孿生為卸載決策提供訓練數據，是一種靈活的移動卸載方案。文獻[12]將數字孿生納入無線網絡，提出了數字孿生無線網絡(Digital Twin Wireless Network,DTWN)，將實時數據處理和計算遷移到邊緣平面；本文還提出了一個運行在DTWN中的區塊鏈賦權的聯邦學習框架，可以進行協同計算，提高系統的可靠性和安全性，增強數據隱私。文獻[13]提出了“三層三域雙閉環”的數字孿生網絡架構，實現網絡實時閉環控制，網絡配置在“內閉環”進行調整和優化，在“外閉環”進行實時控制、反饋和優化，最終實現網絡的自學習、自驗證、自演進的實時閉環控制。

數字孿生技術的相關研究目前還處于初級階段，數字孿生技術的應用更側重于單一循環，用于特定場景的控制與規劃，用來解決某一種或幾種有限的問題，沒有做到數字世界和現實世界全場景的交互，難以成為通用架構。或者數字孿生平臺被當作仿真工具，忽略了與現實世界的交互，沒有打通數字世界和現實世界的連接通道。為了解決上述問題，本文提出了基于雙循環機制的數字孿生網絡，以大數據為“基石”、智能化網絡為“血管”、AI為“指揮家”，打通數字孿生網絡結構各部分的隔閡，利用智能的資源調度算法，實現更好的資源調度。將數字孿生網絡看作一個系統的整體，成為未來涉及智慧應用的通用架構，以實現全場景的任務覆蓋。

2 基于雙循環機制的數字孿生網絡

2.1 數字孿生網絡的描述

數字孿生是物理世界與數字空間交互的技術范式，它的主要價值是實現物與物、人與物之間的交互機制。在物理世界中，每一個物理實體都包括若干狀態參數，可以等效成特定功能或者過程[14]，物理世界映射到虛擬世界后，每一個數字孿生子可以看成一個對象，由若干狀態參量描述。而多個物理實體可以組成一個更大的系統，對應多個數字孿生子組成數字孿生網絡。數字孿生網絡相對于其他技術的不同在于構筑了一個完整的數字世界，支撐其運行的不是單個或幾個技術，而是一個復雜的高科技復合體。與人工智能、信息網絡等單個技術對思維的單項作用不同，數字孿生提供了一個技術與認知的作用與反作用、影響與反影響的互構空間。在這個空間里，能夠仿真、演示、模擬、驗證這種雙向互構互促的過程與結果，進行更加準確高效的認知。數字孿生不是簡單的物理映射，因為沒有網絡可以承擔如此龐大數據量的實時交互。所以，數字孿生是通過大數據分析和AI預測，只用很少但是關鍵的數據，完成對物理本體的模擬，而不是直接映射。

2.2 數字孿生網絡重要特性

數字孿生網絡的三個重要特性是：以大數據為“基石”、以6G網絡為“血管”、以AI為“指揮家”。

大數據是數字孿生的“基石”數字孿生的起點就是從物理本體收集起來的龐大數據，這些數據經過層層處理，才能實現終端虛擬孿生。大數據構成數字孿生的基礎，快速的網絡讓數字孿生成為可能。

6G網絡是構建數字孿生的“血管”網絡在數字孿生中無處不在，采集數據需要網絡的參與。云端大數據分析、AI的推理與預測，以及反饋用戶端的策略等，都需要網絡作為載體，網絡需要還為虛擬系統提供一定的靈活性和便利性。網絡對數字孿生技術的影響可見一斑，6G網絡的發展使上述要求的滿足成為了可能。

AI是數字孿生無處不在的“指揮家”AI使用少量的數據預測物理體動作，讓數字孿生高效而準確地運行。數字孿生網絡對AI推理有著很高的依賴[15]：數字孿生在終端模仿物理本體的狀態，用戶在終端對虛擬目標進行操作。物聯網實時收集虛擬對象的決策數據，利用智能的云計算平臺對龐大的數據進行篩選、分析、預測，進一步優化數據；最后將數據部署給AI模型。AI模型將推理結果再反饋回虛擬目標，如此形成一個閉環，利用AI實現了虛擬目標狀態的更新。AI算法還以數字孿生為基礎來解決實際問題：在工業制造領域，數字孿生在虛擬世界搭建出實時模仿流水線控制的虛擬系統，可以利用機器學習、深度學習等AI算法實現產品制造、過程優化、目標制定等功能，反饋到物理世界進行調整以解決實際問題；在網絡業務領域，通過網絡設備的數據采集感知系統，獲取網絡實時狀態信息，構建出與物理網絡一致的數字孿生體，形成平行的伴生網絡，利用AI推理技術對網絡新業務進行評估、預測，為實際網絡及相關業務提供建模、驗證及保障。

2.3 基于雙循環機制的數字孿生網絡

根據數字孿生網絡的描述和重要特性,數字孿生網絡可以設計為如圖1所示的“基于雙循環機制的數字孿生網絡”架構：雙循環指的是內循環(Digital Twin for Network,DT4Net)和外循環(Network for Digital Twin,Net4DT)。其中DT4Net以數字孿生的方式,提高網絡運行的效率、降低網絡運維的成本，實現網絡極簡化和智慧化運維；Net4DT利用自適應的數字孿生解決實際問題。

圖1 基于雙循環機制的數字孿生網絡架構

2.3.1 DT4Net架構

文獻[13]中，提出了“三層三域雙閉環”的架構，用于提高網絡運行的效率，降低網絡運維的成本。本文將該架構作為網絡層的內部循環，即DT4Net，是智能化網絡的重要環節。

“三層三域雙閉環”的“三層”指的是構成數字孿生網絡的物理網絡層、孿生網絡層和網絡應用層；“三域”指的是孿生網絡層的數據域、模型域和管理域，分別對應數據共享倉庫、服務映射模型和網絡孿生體管理三個子系統；“雙閉環”指的是孿生網絡層內基于服務映射模型的“內閉環”進行仿真和優化，以及基于三層架構的“外閉環”對網絡應用的控制、反饋和優化。

2.3.2 Net4DT架構

孿生層通過智能化網絡作為通道獲取物理世界的數據，AI使用數據預測物理本體動作，讓數字孿生在終端模仿物理本體的狀態。孿生層根據用戶的需求利用AI算法實現目標功能，反饋到物理世界進行調整以解決實際問題。外循環實現物理層和孿生層之間的交互和反饋，而基于內循環的智能化網絡打通了物理世界和數字世界之間的隔閡。

在物理層和孿生層之間的交互中，為實現物理到虛擬的通信(Physical to Virtual,P2V)，物理對象可通過6G通信技術實現與數字孿生系統的信息傳輸，實時共享該物理對象的數據，并接受來自該數字孿生系統的反饋。多種傳感器之間需要在時間上同步，并標有空間信息，還要帶有ID信息，為不同的傳感器數據融合分析提供便利。

孿生層內部也存在交互。為實現數字孿生體的通信(V2V)，在邏輯上占據虛擬空間，反映在現實物理世界中發生的通信行為。這種虛擬模式主要依賴于數字孿生服務器的計算能力來模擬數據傳輸行為。可以通過一種可擴展的網絡切片數字孿生[10]來實現，利用作為狀態特性生成切片基礎設施的共享節點和鏈接的虛擬表示圖結構中元素之間關系信息，捕捉鄰域的依賴性，形成端到端切片度量。對于孿生層內數字孿生體的管理，即數字孿生體的部署與編排，可將數字孿生體分布部署，可以部署在云上、網絡邊緣等不同位置。綜合考慮計算能力進行負荷分擔，或者直接采用就近原則等；對于基于微服務的數字孿生體的編排，可以對已經存在的數字孿生子進行替換，比如替換成更好的模型。數字孿生子可以在不同的網元之間遷移，對已經存在的數據孿生子進行擴展，比如提供更多的輸入、輸出數據。將不斷引入新的數字孿生子，擴展數字孿生子庫，利用已經存在的多個數字孿生子，編排出新的系統(更大的數字孿生子)，新的系統中應該包含子系統沒有的狀態參量。多個孿生子組合成一個更大的孿生子,實現物理實體與數字孿生子之間多對多的映射關系。

圖2是智能化網絡支持下外循環的P2P、P2V、V2V的工作機制。在物理層，大數據面從物理本體收集起感知數據和外部數據，AI計算面得到物理終端的通信、計算和存儲的維度模型和圖模型。在網絡連接層，大數據面得到網絡的相關數據和相關的用戶數據，AI計算面根據用戶需求和控制需求得到算法模型和標簽模型。在數字孿生層，大數據面得到相關的用戶數據和業務數據上傳到AI計算面進行AI推理得到指標模型。最后在應用層，大數據面根據在各層收集到的龐大數據進行數據控制和數據推理，由AI計算面得到推理結果，實現萬物互聯，智慧共生。

圖2 智能化網絡支持下外循環的P2P、P2V、V2V的工作機制

2.4 應用示例：算力眾籌

當前，計算能力供需關系不平衡成為產業創新升級演進的瓶頸。構建彈性開放、高效協同的計算基礎設施，成為信息技術產業與通信技術產業融合發展的重要共識[16]。算力眾籌能夠利用泛在網絡連接和空閑的算力服務實現算力資源的靈活調度。

圖3描述的架構利用數字孿生網絡實現了資源的雙循環，以及網絡內外的算力、存儲等資源的眾籌、開放及共享。用戶在完成自己的計算任務、通信任務時，仍有空閑算力可供調配，如果將這些空閑算力直接下發到物理網絡上可能會影響其他業務的正常處理，所產生的影響可能很糟糕。利用數字孿生網絡模型，在數字世界提前校驗和模擬空閑算力的調配，提前發現調配過程中出現的一些異常問題，例如信息無法精準傳輸、算力分配不均衡而影響單一設備能耗等。可利用AI技術進行原因分析，生成新的改進策略，再在數字世界進行驗證，直到算力調配既能滿足用戶的業務要求，提高資源的利用率，又對其他業務沒有影響后，再將算力調配下發到現實世界。

圖3 基于數字孿生網絡的算力眾籌框架

算力調配采用的是強化異構聯邦學習，針對邊-端多智能體數據異構性問題，不同用戶價格敏感性的異質性，采用基于動態定價及契約機制的任務(模型)卸載方案，為用戶提供最佳計算任務-價格合約(動態定價)，即任務與資源的分配與編排機制。

3 數字孿生網絡面臨的問題與挑戰

單個物理實體映射到其數字孿生體并不困難，比較困難的是多個物理實體組成系統的虛擬映射或者多個數字孿生子組成復雜的虛擬系統，虛擬系統要提供一定的靈活性和便利性。6G網絡的發展使用戶通過與數字模型的交互實現對真實世界的信息交互成為了可能，未來網絡架構在6G基礎上構建數字孿生需要如下的功能：

① 讓AI無處不在：AI是數字孿生平臺的重要組成部分，不僅參與虛擬目標的狀態更新，還負責資源的高效管理等工作。AI的大規模使用讓數字孿生網絡更加高效。

② 實現大規模的接入： 需要構建大規模MIMO，利用AI的高效規劃，能夠同時覆蓋上千對終端的接入。

③ 實現資源的高效利用：任何時候，某些資源，如帶寬，永遠是稀缺資源，所以需要利用AI實現對稀缺資源的利用和復用。

④ 實現高效的資源管理調度：利用AI，高效調度大數據的采集和云計算，以及數字孿生中各個步驟的數據轉發等。

⑤ 實現全場景任務覆蓋：網絡需要適應多種數據。大規模的網絡中有許多設備，采集來的數據包含視頻、圖片、語音等，所以網絡需要根據不同類型的任務自適應地做到轉發、調度、推理重建等。

4 結束語

本文對數字孿生的發展和業界對其的定義進行了概述，并對部分數字孿生的探索和相關工作進行了探討，發現數字孿生技術的應用更側重于某種特定的網絡或者某種特定的場景中。所以本文提出“基于雙循環機制的數字孿生網絡”架構，通過智能化網絡打通數字孿生網絡各部分隔閡，將數字孿生網絡看作一個系統的整體，實現全場景的任務覆蓋，并探討了該框架在算力眾籌上的可行性。基于本文提出的系統架構，下一步工作將在關鍵技術上深入研究，選取更多經典場景對該系統架構進行可行性驗證。