一種挖掘6G 應用場景的方法
——基于遺傳算法的思想*

侯文軍，白 冰，喻 煒，楊本植

（1.北京郵電大學，北京 100876；2.網絡系統與網絡文化北京市重點實驗室，北京 100876；3.中國移動研究院，北京 100053）

0 引言

研究顯示，在5G 的基礎上，6G 將對通信發展的智能化進程產生深遠的影響，6G 的前景、核心技術、應用場景、面對的挑戰以及相關問題在全世界范圍內引起了廣泛的討論[1]，關于未來6G 的特征也出現了很多研究與觀點[2-12]。中國信息通信研究院發布的《6G總體愿景與潛在關鍵技術白皮書》[13]提到，6G 將會是一個空天地海一體化的網絡布局。該白皮書從社會結構變革、經濟高質量發展、環境可持續發展等高層次視角分析了6G的發展驅動力，同時也提出了“萬物智聯，數字孿生”的總體愿景。

可以預見，在6G 時代，通信的技術、應用場景、交互方式和體驗都將發生巨大的變化，在引發行業變革的同時也會催生大量全新的場景。這些變化對技術有著新的要求，也會帶來巨大的發展契機。6G 系統的主要驅動因素，包括應用和適應技術趨勢[14]。然而研究發現，大部分關于6G 的討論都是圍繞著未來的技術趨勢[15]，很少有關于應用場景的研究。現有的6G 應用場景方面的討論，可以分成兩類：一類是在宏觀的角度對6G 應用場景做概述，另一類是針對某一具體場景做系統性分析。在第一類中，有研究[16]提出6G 的應用場景為大規模通信（Big Communications，Big Com）、安全低延遲超可靠通信（Secure Ultra-Reliable Low-Latency Communications，SURLLC）、三維集成通信（Three-Dimensional Integrated Communications，3D-InteCom）、非常規數據通信（Unconventional Data Communications，UCDC）。李正茂[17]借鑒馬斯洛需求模型，將人對于通信的需求分成溝通泛在、信息泛在、感官泛在和智能泛在4 個階段。文獻[18]歸納了3 種拓展思路：5G 三大場景升級、5G 三大場景間的融合以及結合新技術的未來多樣化場景研究。文獻[19]和文獻[20]對6G 時代的應用場景及關鍵技術做了暢想。以上的研究具有很好的科學性與前瞻性，但比較宏觀。在第二類中，有一些工作聚焦6G 時代的專一場景，如無人機通信[21]、無線通信[22]、萬網互聯[12]、網絡安全[23]、室內定位[24]等，這些工作針對單一場景進行了研究，但忽略了普適性。由此筆者發現，面向整個6G 時代的場景挖掘研究工作是很有必要的。6G 作為下一代無線通信技術，世界各國很早便開始布局，但是6G 的研究尚處于摸索階段，因此明確6G 時代的應用場景，不僅可以輔助6G 的未來形態布局，還可以為6G 的建設起到很好的參考作用。

本文給出了具體的場景挖掘思路：（1）建立6G 時代的新技術集合；（2）梳理新技術具備的以及潛在的功能列表，并整合為功能模塊；（3）引入遺傳算法的思想，結合行業需求、用戶需求綜合推斷新的場景。本文的方法是基于客觀數據與主觀評判相結合構建的，因此在第2 節、第3 節將詳細介紹本文方法以及測評結果，并在第4 節中舉例證明該方法的有效性。

1 方 法

1.1 準備工作

場景概念的提出正值移動互聯網興起的時候，因此場景被認為是移動媒體的新入口和移動互聯網時代的主要爭奪目標。筆者認為應該明確研究對象的定義與特征。“場景”這一概念是2014 年由Robert Scoble 和Shel Israel 在《即將到來的場景時代：移動、傳感、數據和未來隱私》中提出的，他們指出，大數據、移動設備、社交媒體、傳感器、定位系統是與場景時代息息相關的5 大要素[25]，并認為：“5 種要素正在改變你作為消費者、患者、觀眾或者其他身份的體驗，它們同樣改變著大大小小的企業。”[26]文獻[27]提到的場景理論將上面的5 大要素定義為構成移動互聯網時代場景的5種技術趨勢，而彭蘭[28]教授認為，場景的終極目標是提供特定場景下的適配信息或服務，理解用戶并提供滿足用戶需求的內容與服務。結合文獻[25]中基于馬斯洛需求層次理論對場景功能的劃分，可以確定場景的基本構成要素包含技術與需求兩個方面。

基于以上分析，本文對場景的定義、內容、特征進行了桌面調研，目前收集到共計206 條當前5G 的場景詞條。對收集到的詞條，做了聚類分析后的結果顯示，并對場景類型進行劃分。分析發現，詞條多從網絡通信技術、技術功能、服務行業及用戶需求4 個角度對場景進行描述。前兩個角度說明場景需要技術以及技術的功能來支撐，后兩個角度說明場景要在具體的行業與需求上才有意義。可以得出，移動通信的場景取決于兩個大的方面：一是移動通信可以支撐的新技術，二是技術落地的行業或需求。換句話說，場景=技術+需求，而連接二者的是功能。

1.2 數據準備

在得出場景=技術+需求的結論后，本文分別建立了數據池，包括技術池、技術對應的功能集、行業集合和需求池。行業集合與需求池來自《中華人民共和國國民經濟行業分類標準》[29]，因此本文僅對技術池與功能集作介紹。

1.2.1 技術池

通過文獻調研收集了35 條未來具有發展潛力的新技術，內容如表1 所示。按照文獻分析（聚類分析、研究熱度排序、時效性分析）的結果將這些技術分為新型設備、6G 新一代網絡技術、熱門話題技術和具有潛力的發展中技術這4 個類別。

表1 技術池內容

構建技術池時，設立了技術的篩選標準：首先該技術一定是具有一定發展潛力，或具有一定熱度的技術；其次是該技術有廣闊的應用前景；最后是該技術會受到6G 的助力。第3 點體現在圖1 中。從圖中可以看出，現有技術的瓶頸大多集中在數據量、算力、算法、效率和安全性問題上，這些問題可以在6G 時代得到解決。

圖1 6G 促進新技術發展

1.2.2 功能池

本文對技術的支持功能做了梳理，其同樣來自技術的文獻。因為技術與功能之間存在多對多的關系，且技術池中的內容有層級關系，同時也存在很多的相關性和互斥性，這也是本文不直接對技術做抽樣而選擇功能模塊的原因之一。功能池的內容如表2 所示。

表2 功能模塊與對應技術

1.3 方法主邏輯

方法的主邏輯圖如圖2 所示。首先，將收集到的技術池與功能模塊之間做映射，它們之間是多對多的關系；其次，將需求、行業整合得到需求池；最后，在功能池和需求池中分別進行多次的隨機抽樣，將抽出的結果進行價值判別，最終得到新型的應用場景。

圖2 技術角度挖掘場景方法主流程

1.4 方法理論基礎

本文方法的提出主要基于兩個底層理論：世界發展的底層規律模型和新事物產生的隨機性理論。

（1）世界發展的底層規律模型理論。哲學上[30]，世界被按照抽象度分為抽象世界和現實世界兩部分。按照抽象度從大到小的排列，又分為抽象世界中的智慧世界、知識世界、概念世界，以及現實世界中的信息社會、工業社會、農業社會。具體的模型由圖3 所示。這個模型將人類世界的發展規則描述得非常清楚，即在抽象世界中產生的理論進步會促成技術進步，技術進步隨著時間的變化，就會瓜熟蒂落，對具象世界造成一次又一次的沖擊，就會改變具象世界。換句話說，人類社會的發展是由新技術來驅動的，所以為了探索未來的場景，應該從新技術發展的角度出發。

圖3 人類世界發展規律模型

（2）新事物產生的隨機性理論。支撐本文方法的另一個理論基礎是新事物出現的隨機性與偶然性[31]因素。本文嘗試引入遺傳算法的研究思路，這也是本文的核心創新點之一。二十世紀中期，Holland[32-33]和Bremermann[34]等人創立了遺傳算法，Schwefel 等人[35]創立了進化策略，Fogel 等人[36-37]創立了進化規則。遺傳算法是模擬自然界遺傳機制和生物進化論而形成的一種過程搜索最優解的算法[38]，發展至今，已經經歷了很多的改進。

本文的目的是挖掘未來6G 時代的新的應用場景。由第1 個理論得出，挖掘未來場景需要從新技術的發展和現有需求出發；由第2 個理論得出，可以用隨機抽取技術功能與需求組合的方式模擬遺傳算法中的豐富的個體，其中，不同的組合形式代表不同個體具有的基因多樣性，隨后經過專家的主觀評估，選擇去掉不合適的組合，這一過程模擬了遺傳算法中的適應度選擇，這樣就完成了一輪的挖掘，經過多次迭代，最終留下的組合就是一種在未來6G 時代很有潛力的應用場景。方法模型如圖4 所示。

圖4 方法模型

1.5 方法執行流程

方法的執行過程如圖5 所示。先確定一個需求，再抽樣N個功能，形成技術功能+需求的組合，由專家評價的結果決定是否滿足產出新場景的要求，若評價結果為不滿足就返回重新抽樣。

圖5 方法執行流程

專家評判的標準主要參考兩個方面：（1）抽樣結果是否足夠解決行業需求；（2）抽樣結果的成本是否合適。一次性抽取的功能模塊數量N由多次實驗后的統計結果決定，后續將詳細介紹參數N的確定過程。

本文提出方法的數學表達為：

首先全部的功能池和需求池的集合表示為：

式中：m為功能池的總數；k為需求池的總數。而一次輪執行，需要在集合F中隨機抽取N個元素，并從集合D中隨機抽取1 個元素，來組成專家評價環節的輸入，這一過程表示為：

式（4）與式（5）中，J(·)的輸入為單次抽取的結果，當專家判定結果合理時，輸出為1，否則輸出為0。

本文提出的方法需要同時對技術功能池和需求池分別進行不放回隨機抽樣。因為隨機抽樣的不確定性，產生的大量結果中，可能存在一部分不合理的結果，需要將它們剔除，因為這種類型的結果不是沒有可能發生，只是筆者認為它們超出了6G 的討論范疇；同時也會產生一部分的已知結果，這部分結果的創新性不足，也沒有在筆者重點考慮的范圍內；最后一部分的結果是比較中性的，這是筆者重點關注的一類結果，它們具有比較強的前瞻性和創新性，且具有技術落地的可行性。

2 實 驗

在實驗時，為了確定N值，本文將需求鎖定，對功能模塊的各種N的取值隨機抽取了20 次，但由于技術模塊的數量限制，當N=1 時，將10 種情況全部列出。經過專家打分后，將專家打分結果中判定合理的情況進行統計，結果如圖6 所示。

圖6 判定合理的概率隨N 值變化的曲線

從圖6 可以看出，當N=5 時，產出新場景的判定合理的比率最高。經過結果分析發現，當N取值過小時，會出現大量的技術功能無法滿足行業需求的情況，因此會導致判定合理比率變低；而當N值過大時，技術功能可以超額滿足行業需求，但會導致成本過高，這可以在圖7 中看出。

場景的價值取決于它是否解決了需求以及它的成本[39]。結合上文的結果，筆者請專家對每一組抽樣結果，從功能對技術的支撐程度和成本兩個方面進行7 點量表打分，并假設這兩個方面對最終判定抽樣結果是否合適的影響是獨立且重要性相等的。最終取5 位專家的均值作為實驗結果，如圖7 所示。由圖可知，當N值逐漸增加，成本的增加趨勢較快，并越來越趨近于成本極高的水平，因此筆者認為趨近7 是非常不好的，而功能對技術的支撐程度的增長趨勢較為緩慢，二者的最優結合點在N=5 處，因此筆者將方法的N值設定為5。

圖7 成本與解決需求程度的趨勢變化

3 案 例

目前6G 尚未部署，發展受技術限制較大，并沒有成熟的場景體系可供參考。于是，筆者根據場景結構將場景模型定義為包含真實世界、虛擬世界、數據世界、體驗世界的四維模型，并根據抽樣組合的功能，對未來場景進行設計，以滿足用戶未來在該場景下的需求。最后，探討場景發展的可能性。

接下來本文給出一個實踐案例：在行業中抽取到健身行業，而在功能模塊中，抽取到了信息傳遞、人機交互、新型顯示、算力支持、智慧賦能5 個功能。經過專家的評測證明，挖掘到的場景具有很好的前瞻性和創新性，并能夠在6G 時代落地。

隨著身體健康越來越受到國民重視，全民健身已成為一大發展趨勢。每個公民都或多或少的以跟學或自發的形式進行身體鍛煉。全息顯示提供了健身用戶之間的真實視野，以及無障礙的多媒體具身交互，打破地理限制，靈活高效地支撐了全息健身房全新的生態建設。全息健身房場景具備的技術能力功能模塊，針對用戶視野受限，專業技能不足等問題，提供隨時隨地360°全息顯示功能，以及健身動作專業實時語音指導的幫助。具體的功能 如下：

（1）信息傳遞：各類傳感器與采集設備可以將用戶的身體信息精確實時地進行傳遞。

（2）人機交互：全息教練輔導用戶進行健身。

（3）新型顯示：場景可以提供全息的信息顯示、教練的全息影像以及動作標準度的全系參考。

（4）算力支持：完成各類功能需要龐大的算力支持。

（5）智慧賦能：對于用戶上傳的數據可以進行智能化處理，以及人機交互的過程中有智能算法進行輔助。

由此可見，基于傳感器、XR 設備、交互技術、人工智能技術、云計算、邊緣計算、光場技術實現信息傳輸、人機交互、新型顯示、算力支持、智慧賦能的全息健身場景，在未來也必將大放異彩。全息健身房場景的邏輯如圖8 所示。

圖8 全息健身房場景

4 結語

本文提出了一種6G 時代從技術角度挖掘場景的方法。首先，介紹了方法提出的背景，以及6G場景研究的重要性；其次，介紹了本文研究的客觀數據基礎、方法邏輯、理論基礎和方法流程；再次，對所提方法中的重要參數進行實驗，并根據實驗結果，將一次性抽取的功能數確定為5；最后，給出了一個6G 新型場景的應用案例，證明了方法的前瞻性與可行性。

本文最核心的貢獻在于：

（1）為未來6G 時代的場景挖掘提供了方法。該方法從現有的客觀數據（技術、行業需求）出發，得出了未來有價值的場景。

（2）引入遺傳算法的思想進行建模。在場景挖掘的研究中，從人類社會發展的底層規律出發，結合場景理論的研究成果與新事物出現的偶然性提出了本文的思路。該思路具有一定的創新性。

（3）提出了未來場景價值衡量的標準。本文參考場景價值相關的研究，將未來場景價值衡量標準判定為需求滿足度+成本，為挖掘到的場景的實現提供了參考。

（4）N值的判定。在專家打分的統計結果中發現，一次性同時抽取的功能數量N，如果大于5則會導致成本的飆升，小于5 則很難滿足場景的需求，因此最終將N值確定為5 是非常合理的。

本文研究還存在的一些問題：首先，技術池的構建是一個動態的過程，需要持續進行補充和完善，隨著時間的演進，技術池與功能模塊的結構會發生變化，因此如何及時地更新數據需要進一步研究；其次，本文在應用遺傳算法的思路中，利用隨機組合模擬了基因型狀的多樣性，然而遺傳過程中的基因突變率卻無法模擬，盡管它一般被設置得很低；最后，整個方法的主觀性占據一定的比重，因此會帶來比較高的人員成本。

此外，筆者發現了很多值得深入研究的方向，例如，針對技術池和功能模塊之間存在的多對多對應關系，可以引入知識圖譜、網絡科學的理論方法進行更深入的關系挖掘；在本文中，整個流程是正向走通的，也可以嘗試反向走通，從場景一步步挖掘最關鍵的功能和技術，也可以對其他行業的場景研究起到指導性作用；此外，最后的功能結合需求推斷場景的步驟中，如果數據量級滿足條件，可以嘗試用機器學習來形成樣本生成式模型。