数字孪生赋能核心网数智化演进

        数字孪生诞生自航空界，在工业界众多领域持续拓展并带来了生产范式的变革。在通信领域数字孪生起步较晚，当前还处于初级探索阶段，正因如此数字孪生在通信领域有着巨大的发展潜力。

        随着5G云化核心网规模部署，传统人工为主的运维难以为继，需要持续探索数字化运维。数字孪生作为关键技术之一，实现了对物理网络的全面数字化建模，支持对网络的描述、诊断、仿真、验证、预测和决策，为5G-A/6G网络的智能内生、安全内生、柔性定制和按需服务提供支持。

        中兴通讯核心网在网络自智中引入四级数字孪生能力，提出从可视化到闭环自治的可分阶段演进的完整孪生自智解决方案：L1（全生命周期的孪生可视）→L2（全息监控分析诊断）→L3（仿真验证预测）→L4（虚实交互的闭环优化）。

        核心网是大规模全互联且不断生长的超分布网络，高可靠是对核心网最基本的诉求。通信网络历年均会发生长时间大范围服务中断的重大故障，根因上与故障引发的次生灾害信令风暴有关。信令风暴是通信网络的顽疾，利用数字孪生技术进行信令风暴的防范是当前业界研究的热点。基于孪生网络进行信令风暴仿真预测，可以解决现网风暴演练风险大、成本高、周期长等问题。

        图1是中兴通讯核心网信令风暴场景数字孪生实践的整体框架。架构整体分为三层，包括物理网络层、孪生网络层和孪生应用层。其中孪生网络层有两种孪生方法，包括物理孪生方法和规则/数据驱动的数字孪生方法。

物理网络层

        物理网络层对应图中生产网络，作为真实物理网络，对孪生网络提供数据收集和命令执行能力。物理网络位于整个孪生网络闭环的两端，涵盖初始孪生数据的输入和最终孪生决策结果的执行。

        数据从来源可以分为终端、无线、传输、网元数据，从类型分为配置、统计、日志、告警、跟踪数据。在信令风暴数字孪生场景下，这些数据基于物理网络拓扑、终端和网元状态真实数据进行风暴发生时刻孪生模型初始上下文的构建。

孪生网络层

        孪生网络是物理网络的“复制”，与物理网络具有相同网元、拓扑和数据，结合模型在孪生域内对物理网络进行仿真、预测、寻优和控制。孪生方式包括数字孪生和物理孪生，其中结合AI的数字孪生是孪生网络演进的主要方向。

物理孪生网络

        物理孪生网络是对物理网络部分裁减或等比例缩小，或完全复制，用于学习、采样和验证。物理孪生网络在仿真和验证精度方面有天然优势，在诊断、预测、决策方面存在短板。

        信令风暴场景采用等比例缩减的真实核心网，叠加综测仪生成终端/基站信令流量，构成完整物理孪生网络，可验证风暴发生、发展和恢复过程是否符合预期。由于物理网络发生信令风暴概率极低，获取大量样本数据困难，可通过物理孪生网络生成海量样本数据作为数字孪生网络数据的输入源，提升数据驱动的数字孪生网络中数据的精准度。

数字孪生网络

        数字孪生网络是物理网络的动态虚拟表示，通常跨越其生命周期的多个阶段。它使用真实世界的数据、模拟或机器学习模型，结合数据分析，以实现理解、学习和推理。

        数字化模型是数字孪生的核心，信令风暴场景数字化模型包括终端模型、信令模型、网元模型、拓扑模型、流控模型等。

        - 终端模型：终端是触发信令风暴的源头，模型准确性对于孪生结果有着重要影响。终端模型一般指批量终端行为模型，通过获取海量终端日常行为数据提炼事件发生规律，通过离散事件仿真驱动模型运行。

        - 信令模型：对风暴过程中涉及的端到端信令流程进行建模，数据主要来自协议规范、现网信令和知识库等。

        - 网元模型：对风暴过程涉及的网元处理及资源消耗进行建模，和流控模型、拓扑模型、传输模型一起影响着风暴演进。

        - 流控模型：各网元面临信令风暴时的策略建模，策略包括限流、降质、隔离和自愈等。

        - 拓扑模型：对网络拓扑、路由、网元负荷分担等进行建模。

        - 传输模型：对传输时延、抖动、丢包、重传建模。

孪生应用层

        孪生应用平台是实现完整孪生过程的关键控制节点。平台首先对外部孪生意图进行理解，然后在此基础上任务分解，调用孪生网络执行任务，并根据反馈结果闭环处理。

        同时，孪生应用平台在多个孪生网络的互通过程中也扮演着关键角色。

        中兴通讯孪生自智解决方案是数智运维的利器，中兴通讯将和业界领先运营商以及合作伙伴持续合作，打造新一代中兴通讯核心网自智运维产品，为运营商网络的高稳、高效、智能运行提供坚实保障。