5G數(shù)字孿生實(shí)驗(yàn)室構(gòu)建技術(shù)及實(shí)現(xiàn)

游 佳

（移動網(wǎng)絡(luò)和移動多媒體技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，廣東 深圳 518055）

0 引言

第五代移動通信技術(shù)，英語縮寫為5G。與4G相比，5G具有更高的速率、更大的帶寬、更高的可靠性、更低的時(shí)延等特征，能夠滿足未來虛擬現(xiàn)實(shí)、超高清視頻、智能制造、自動駕駛等用戶和行業(yè)的應(yīng)用需求。隨著5G建設(shè)不斷深入，5G與人工智能（Artificial Intelligence，AI）、智能邊緣等垂直行業(yè)正加速突破和融合。作為智能世界的新型基礎(chǔ)設(shè)施，5G不僅自身成為新的經(jīng)濟(jì)增長點(diǎn)，還與人工智能、邊緣計(jì)算等行業(yè)加速融合，催生出更多創(chuàng)新應(yīng)用以及場景，推動新一輪智能創(chuàng)新和應(yīng)用發(fā)展[1,2]。

隨著5G網(wǎng)絡(luò)的快速發(fā)展，網(wǎng)絡(luò)創(chuàng)新技術(shù)方案不斷更新迭代，如何快速地驗(yàn)證、收斂及部署，從而滿足5G商用網(wǎng)絡(luò)應(yīng)用的業(yè)務(wù)保障，是目前運(yùn)營商和設(shè)備商面臨的挑戰(zhàn)。傳統(tǒng)的實(shí)施方案是基于線下的算法仿真平臺進(jìn)行算法仿真后，通過現(xiàn)網(wǎng)進(jìn)行功能及性能驗(yàn)證，從而確認(rèn)方案的可行性。然而由于真實(shí)網(wǎng)絡(luò)組網(wǎng)的復(fù)雜性、突發(fā)性，往往算法仿真模型不能匹配復(fù)雜的真實(shí)網(wǎng)絡(luò)，導(dǎo)致驗(yàn)證結(jié)果時(shí)常不符合預(yù)期，造成較長的時(shí)間消耗及較高的現(xiàn)網(wǎng)運(yùn)行業(yè)務(wù)風(fēng)險(xiǎn)，加大了網(wǎng)絡(luò)運(yùn)營成本。對于外場出現(xiàn)的重大故障，往往需要多次復(fù)現(xiàn)解決，影響故障解決效率。

本文基于傳統(tǒng)實(shí)施方案的缺點(diǎn)，提出5G數(shù)字孿生實(shí)驗(yàn)室構(gòu)建方案[3-5]。該方案通過外場場景化的模型學(xué)習(xí)，以及虛擬化數(shù)字孿生鏡像平臺構(gòu)建，可以全生命周期地獲取實(shí)際物理網(wǎng)絡(luò)的運(yùn)營狀態(tài)。對于網(wǎng)絡(luò)中出現(xiàn)的重大故障，通過時(shí)間的鏡像回溯，達(dá)到免復(fù)現(xiàn)定位，結(jié)合算法方案優(yōu)化驗(yàn)證，將生成的網(wǎng)絡(luò)優(yōu)化策略部署在真實(shí)網(wǎng)絡(luò)，并通過物理網(wǎng)絡(luò)和孿生平臺的實(shí)時(shí)交互，不斷迭代學(xué)習(xí)，助力物理網(wǎng)絡(luò)實(shí)現(xiàn)低成本試錯(cuò)、智能化決策和高效率創(chuàng)新。

1 方案設(shè)計(jì)原理

本方案基于數(shù)字孿生技術(shù)構(gòu)造與現(xiàn)實(shí)物理網(wǎng)絡(luò)匹配的鏡像，通過從物理網(wǎng)絡(luò)采集的狀態(tài)數(shù)據(jù)，結(jié)合大數(shù)據(jù)處理、云計(jì)算、人工智能技術(shù)，構(gòu)造外場場景化的業(yè)務(wù)模型，將該業(yè)務(wù)模型應(yīng)用于虛擬化數(shù)字孿生鏡像平臺，可以全生命周期地獲取實(shí)際網(wǎng)絡(luò)的運(yùn)營狀態(tài)，并結(jié)合算法優(yōu)化方案，可以快速迭代生成網(wǎng)絡(luò)優(yōu)化策略。通過人工智能技術(shù)，能夠預(yù)測未來業(yè)務(wù)需求增長，提前做出擴(kuò)容預(yù)案。

對于外場場景化模型定義，本文從用戶在某個(gè)時(shí)刻、某個(gè)地點(diǎn)，發(fā)起某種業(yè)務(wù)，獲得怎樣的體驗(yàn)出發(fā)，將外場場景模型定義為用戶行為、信道分布、運(yùn)營商策略3個(gè)維度，多種維度的組合構(gòu)成外場常用場景[3-5]。場景定義如圖1和表1所示。

圖1 外場場景化模型定義

表1 外場常用商用場景

本方案基本流程如下：

（1）通過外場多種場景下數(shù)據(jù)采集，構(gòu)建商用外場的用戶行為模型、信道分布模型[6,7]、運(yùn)營商組網(wǎng)策略；

（2）基于虛擬化數(shù)字孿生鏡像平臺，將步驟1中構(gòu)建的用戶行為模型、信道分布模型、運(yùn)營商組網(wǎng)策略應(yīng)用于該平臺，構(gòu)建實(shí)際物理場景的虛擬化數(shù)字孿生網(wǎng)絡(luò)；

（3）基于虛擬化數(shù)字孿生網(wǎng)絡(luò)，獲取實(shí)際網(wǎng)絡(luò)的運(yùn)營狀態(tài)，對于網(wǎng)絡(luò)中出現(xiàn)的重大故障，通過時(shí)間的鏡像回溯，達(dá)到免復(fù)現(xiàn)定位，結(jié)合相關(guān)創(chuàng)新算法的功能、性能驗(yàn)證，輸出網(wǎng)絡(luò)優(yōu)化策略；

（4）真實(shí)物理網(wǎng)絡(luò)部署網(wǎng)絡(luò)優(yōu)化策略，并通過物理網(wǎng)絡(luò)和孿生平臺的實(shí)時(shí)交互，不斷地迭代學(xué)習(xí)，優(yōu)化性能算法。

2 方案實(shí)施用例

本方案具體實(shí)施提供的系統(tǒng)結(jié)構(gòu)如圖2所示。物理網(wǎng)絡(luò)通過基站內(nèi)置的數(shù)據(jù)采集子卡，定時(shí)采集基站內(nèi)部鏡像數(shù)據(jù)，并通過物理傳輸接口將數(shù)據(jù)上傳到多接入邊緣計(jì)算（Multi-Acess Edge Computing，MEC）。邊緣云利用大數(shù)據(jù)處理、人工智能、云計(jì)算技術(shù)，構(gòu)造外場場景化的業(yè)務(wù)模型。將提取的業(yè)務(wù)模型應(yīng)用到數(shù)字孿生鏡像平臺，其中用戶行為模型應(yīng)用于模擬UE（virtual User Equipment，vUE），模擬物理網(wǎng)絡(luò)用戶業(yè)務(wù)行為；信道模型應(yīng)用于信道模擬（virtual Channel，vChannel），模擬物理網(wǎng)絡(luò)空口信道條件；組網(wǎng)策略應(yīng)用于虛擬基站，由虛擬主控板（Virtual Switch，vVSW）、虛擬基帶板（Virtual Baseband Processing，vVBP）、虛擬射頻單元（Virtual Active Antenna Unit，vAAU）組成，模擬物理網(wǎng)絡(luò)開通功能、組網(wǎng)策略等。通過虛擬化數(shù)字孿生網(wǎng)絡(luò)，獲取實(shí)際網(wǎng)絡(luò)的運(yùn)營狀態(tài)，可以對物理網(wǎng)絡(luò)全生命周期實(shí)時(shí)監(jiān)控，對于網(wǎng)絡(luò)中出現(xiàn)的重大故障，通過時(shí)間的鏡像回溯，達(dá)到免復(fù)現(xiàn)快速定位；通過人工智能技術(shù)，預(yù)測未來業(yè)務(wù)需求增長，提前做出擴(kuò)容預(yù)案；基于數(shù)字孿生平臺的創(chuàng)新算法功能、性能驗(yàn)證，輸出網(wǎng)絡(luò)優(yōu)化策略。將網(wǎng)絡(luò)優(yōu)化策略部署到真實(shí)的物理網(wǎng)絡(luò)，并通過物理網(wǎng)絡(luò)和孿生平臺的實(shí)時(shí)交互，不斷地迭代學(xué)習(xí)，優(yōu)化性能算法。

圖2 本方案具體實(shí)施提供的系統(tǒng)結(jié)構(gòu)

本文實(shí)施用例通過介紹某商用場景的虛擬化數(shù)字孿生建模過程，詳細(xì)介紹本系統(tǒng)的處理流程，并列舉一種算法優(yōu)化方案，在數(shù)字孿生鏡像環(huán)境驗(yàn)證后，評估在該商用場景下的性能表現(xiàn)。

2.1 物理網(wǎng)絡(luò)數(shù)據(jù)采集

物理網(wǎng)絡(luò)主要采集的數(shù)據(jù)包括商用網(wǎng)的地理環(huán)境信息、站點(diǎn)分布信息、網(wǎng)管參數(shù)及版本信息、基站天線參數(shù)、基站NG接口（NG intetface,NGI）數(shù)據(jù)及測量控制數(shù)據(jù)采集，具體如下文所述。

（1）商網(wǎng)的地理環(huán)境信息：通過地圖軟件，獲取地圖數(shù)據(jù)、建筑物數(shù)據(jù)。

（2）站點(diǎn)分布信息：通過網(wǎng)絡(luò)工參數(shù)據(jù)，了解站點(diǎn)位置和掛高。

（3）網(wǎng)管參數(shù)及版本信息：獲取網(wǎng)絡(luò)組網(wǎng)策略。

（4）基站天線參數(shù)：如天線增益、天線數(shù)、單元方向圖等信息。

（5）基站NG口（NG-RAN無線接入網(wǎng)和5G核心網(wǎng)之間的接口）數(shù)據(jù)、測量控制（Measure Report,MR）數(shù)據(jù)采集：用于用戶行為、信道模型學(xué)習(xí)。

利用上述信息進(jìn)行商用場景建模，模型包括地理環(huán)境模型、路徑損耗（Path Loss，PL）模型、天線模型、用戶信道分布模型、用戶業(yè)務(wù)習(xí)慣模型。

2.2 模型學(xué)習(xí)

根據(jù)物理網(wǎng)絡(luò)采集數(shù)據(jù)，獲取用戶行為模型、信道分布模型、運(yùn)營商組網(wǎng)策略。

2.2.1 運(yùn)營商組網(wǎng)策略

通過網(wǎng)絡(luò)無線參數(shù)配置，可以獲取運(yùn)營商的相關(guān)策略，主要包括制式、頻點(diǎn)、互操作、相關(guān)特性開啟等。

2.2.2 信道模型

本文信道模型的建立[8,9]，采用射線跟蹤方式，射線跟蹤是一種被廣泛用于移動通信和個(gè)人通信環(huán)境中的預(yù)測無線電波傳播特性的技術(shù)，可以用來辨認(rèn)出多徑信道中收發(fā)之間所有可能的射線路徑。一旦所有可能的射線被辨認(rèn)出后，就可根據(jù)電波傳播理論來計(jì)算每條射線的幅度、相位、延遲和極化，然后結(jié)合天線方向圖和系統(tǒng)帶寬就可得到接收點(diǎn)的所有射線的相干合成結(jié)果。射線跟蹤模型原理如圖3所示，圖中ray0、ray1、ray2為水平切面?zhèn)鞑ヂ窂?。ray3、ray4為全3D方向傳播路徑。

圖3 射線跟蹤模型原理

通過大量的物理網(wǎng)絡(luò)采集的MR數(shù)據(jù)，基站天線參數(shù)以及商網(wǎng)的地理環(huán)境信息，構(gòu)建外場信道模型。

2.2.3 用戶行為模型

通過采集的基站NG口數(shù)據(jù)，以及基于深度包識別（Deep Packet Inspection，DPI）的深度包檢測技術(shù)[10,11]，可以學(xué)習(xí)外場用戶典型業(yè)務(wù)場景，基于識別結(jié)果，對一定時(shí)間內(nèi)的流量行為進(jìn)行統(tǒng)計(jì)，如流量流向、業(yè)務(wù)占比、訪問網(wǎng)站等，最終得出用戶業(yè)務(wù)習(xí)慣模型。基于DPI識別的業(yè)務(wù)行為模型如 圖4所示。

圖4 基于DPI識別的業(yè)務(wù)行為模型

2.3 數(shù)字孿生平臺學(xué)習(xí)

利用物理網(wǎng)絡(luò)的商用場景模型，將提取的用戶行為模型、信道模型、組網(wǎng)策略應(yīng)用于虛擬數(shù)字孿生鏡像平臺?；谔摂M化數(shù)字孿生網(wǎng)絡(luò)，獲取實(shí)際網(wǎng)絡(luò)的運(yùn)營狀態(tài)，結(jié)合網(wǎng)絡(luò)中性能感知問題，本文在數(shù)字孿生平臺上，驗(yàn)證下行單用戶多入多出技術(shù)（Single-User Multiple-Input Multiple-Output，SUMIMO）[12]傳輸模式自適應(yīng)優(yōu)化算法方案，并利用該方案提升網(wǎng)絡(luò)下行流量和頻譜效率，輸出網(wǎng)絡(luò)優(yōu)化策略。

2.4 物理網(wǎng)絡(luò)優(yōu)化策略部署

在商用外場部署數(shù)字孿生平臺輸出的基于下行SU-MIMO傳輸模式自適應(yīng)優(yōu)化策略，通過實(shí)測數(shù)據(jù)驗(yàn)證，性能達(dá)到算法方案預(yù)期，方案優(yōu)化前后性能對比如圖5所示。

圖5 下行SU-MIMO傳輸模式自適應(yīng)優(yōu)化前后性能對比

3 方案實(shí)施效果

本方案通過外場商用場景的全生命周期的數(shù)字孿生鏡像，實(shí)時(shí)感知物理網(wǎng)絡(luò)的運(yùn)行狀態(tài)，提前預(yù)測、發(fā)現(xiàn)網(wǎng)絡(luò)中存在的性能感知問題，通過時(shí)間的鏡像回溯，可以全流程地獲取業(yè)務(wù)的運(yùn)行過程，并對網(wǎng)絡(luò)中存在的重大問題免復(fù)現(xiàn)定位，結(jié)合算法優(yōu)化方案虛擬化驗(yàn)證，輸出適合外場應(yīng)用的網(wǎng)絡(luò)優(yōu)化策略。

通過實(shí)踐應(yīng)用本方案，結(jié)合數(shù)字化的評估度量系統(tǒng)，網(wǎng)絡(luò)算法優(yōu)化方案驗(yàn)證迭代周期降低70%，外場故障泄露率降低40%，外場故障定位提升效 率50%。

4 結(jié)語

本文通過外場場景化的模型學(xué)習(xí)，搭建數(shù)字孿生平臺鏡像外場環(huán)境，達(dá)到快速迭代驗(yàn)證新方案和解決外場重點(diǎn)問題的目的。數(shù)字孿生技術(shù)在通信領(lǐng)域目前還處于起步階段，業(yè)界對數(shù)字孿生的概念和內(nèi)涵還沒有達(dá)成共識，并且缺乏可商用的數(shù)字孿生網(wǎng)絡(luò)平臺。本文提供的實(shí)現(xiàn)方案是具有一定優(yōu)勢的可行解決方案，希望本技術(shù)方案對讀者有一定的參考作用。