随着 5G 大规模商用部署以及不断出现的网络新技术、新业务，网络负载不断增加、网络规模持续扩大、网络复杂性日益增长，对网络的运维保障、运营效率以及业务创新带来巨大挑战。在这样的背景下，数字孪生网络的理念应运而生。数字孪生网络旨在通过对全网用户、业务、网元等要素的数字化，构建与物理网络实体精准映射的孪生网络，提供仿真、决策、管控所需要的可信和可解释的技术验证能力，提升网络自智水平，支撑低成本试错寻优，加速新技术、新业务的可持续创新，助力电信运营商数智化转型，推动产业数字化建设。
当前数字孪生技术在通信领域的应用尚处于探索阶段，本白皮书探讨了数字孪生网络发展需求和面临挑战，提出了数字孪生网络目标架构、创新与实践方向、演进建议、未来展望，部分内容仍需进一步深入研究。希望本白皮书的发布能够吸引更多的行业伙伴与中国联通一起对数字孪生网络架构、技术以及标准化等内容开展合作研究，共同推动数字孪生网络生态的发展。
一、数字孪生网络架构
数字孪生网络（Digital Twin Network）用于表示具有数字孪生能力的网络。参考 TM Fornm 自智网络框架，基于市场需求和技术发展，依托“一个联通、一体化能力聚合、一体化运营服务”的核心优势，提出联通数字孪生网络“三层架构、闭环机制”的目标架构，通过对全网用户、业务、产品、网元、资源等全要素的数字化，构建与物理网络实体精准映射、动态交互的数字孪生体，实现全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，牵引自智网络演进，助力公司高质量发展。
图 1 数字孪生网络目标架构
数字孪生网络“三层架构”指应用层、孪生网络层、物理网络层， “闭环机制”指孪生网络层内对数字孪生体的“构建-仿真-优化”闭环迭代，以及基于三层架构的物理实体与数字孪生体之间“感知-决策-管控”智能化闭环。其中：
应用层是数字孪生网络的关键驱动。基于前端业务、网络及管理的智慧运营需求，通过调用孪生网络层的服务能力，实现“虚实映射、以虚控实、以虚优实、虚实共生”全网全客户全场景智慧运营。
孪生网络层是数字孪生网络的核心引擎。通过建立物理网络的完整映射，打造模型构建、网络感知、模拟仿真、智能决策、智能管控五大核心能力，支撑孪生应用的数据和算法需求，同时在减少对现网影响情况下，加速新技术和新业务的可持续创新赋能。
物理网络层是数字孪生网络的基础底座。物理网络层包含构成端到端网络的所有物理实体以及云化虚拟网络，通过持续推动网络 SDN 化、NFV 化、云化、智能化，支撑数字孪生网络构建和管控交互，牵引自智网络演进。
（一）应用层：数字孪生网络的关键驱动
数字孪生网络覆盖和支撑的运营场景范围越全面，企业智慧运营水平会越显著。根据前端不同应用场景的运营需求，可分为虚实映射类运营需求、以虚控实类运营需求、以虚优实类运营需求、虚实共生类运营需求等四大类运营需求。运营商在数字孪生网络引入初期，主要以满足虚实映射类运营需求为主，随着技术能力发展成熟，再逐渐扩充到其它场景范围，最终实现“虚实映射、以虚控实、以虚优实、虚实共生”全网全客户全场景智慧运营。
一是虚实映射类运营需求。该类场景需求主要是借助孪生网络层开放的模型构建和网络感知能力，实现对网络资源实体的属性、模型、事件、指令的数字化定义，对网络拓扑组网的逻辑关系表达，以及对网络资源实体及组网拓扑的物理可视化呈现。具体场景包括网络资源可视化、网络设备拓扑可视、缆线物理路由可视、设备面板示意等。
二是以虚控实类运营需求。该类场景需求主要是基于孪生网络层开放的仿真、认知等能力，对孪生网络运行状况分析判断，通过智能决策能力实现对整个实体网络的交互与控制。具体场景包括网络运行状况监控、网络故障告警、网络性能使用、网络全生命周期动态管理等。
三是以虚优实类运营需求。该类场景需求主要是基于孪生网络层开放的仿真、认知、决策等能力，实现对物理网络的高效仿真，同时根据不同场景、环境下的相关参数设定，能够有效评估出相关的运行状态，达到网络的推演仿真，从而进行网络决策优化。具体场景包括网络动态扩容、网络参数调整优化、网络故障诊断分析、网络割接影响评估等。
四是虚实共生类运营需求。基于孪生网络层关键能力，捕获网络运行中的相关”意图”，基于数字孪生场景的相关信息进行分析，让”意图”转换成策略，充分验证后，再通过孪生网络层南向接口将策略更新下发至物理网络层，从而基于”意图”实现网络的智慧运行。该类场景需求主要是网络策略分析、网络智能规划、网络智能配置与部署等。
（二）孪生网络层：数字孪生网络的核心引擎
孪生网络层通过对全网用户、业务、网元、资产等全要素数字化建模，构建物理网络实体的数字孪生体，打造数字孪生模型构建与管理、网络感知、模拟仿真、智能决策和智能管控五大关键能力，通过 API 服务、SDK 等标准接口方式对外开放，实现对前端应用的敏捷响应，对业务、流程、网络的端到端透视和全息感知，对物理网络状态高效仿真和智能交互，赋能新技术和新业务可持续创新。
1. 模型构建与管理
以物理网络资源数据为基础，从几何、数字、控制、反馈和空间地理位置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网络和业务全流程信息输入到模型中，实现对模型迭代优化管理。
（1） 模型构建
数字孪生模型是数字孪生网络的关键组成部分，是基于感知的网络数据，将网络从物理实体向虚拟空间映射，构建与物理实体一致的孪生数字网络。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两部分。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。
表 1：基础模型描述、表 2：业务模型描述详见白皮书，请在文末下载全文。
（2） 孪生体管理
孪生体管理是通过应用场景将网络和业务端到端全流程信息和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。孪生体管理涉及网络各个部分、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，依赖相应网络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/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。
2. 网络感知
网络感知能力指汇聚全网离线数据，实时获取网络状态信息，构建多源异构的数据库，对跨域数据融合和治理，面向数字孪生体提供数据服务，实现对网络动态感知和可视化呈现。网络感知能力为数字孪生体构建和迭代提供数据支撑，数据越完备越准确，数据模型的丰富性和准确性就越高。
网络感知包括数据采集、数据存储、数据处理、数据服务、数据治理和可视化呈现六部分。
（1） 数据采集：通过南向接口不同的采集技术，屏蔽底层物理网络差异，对各类网络交互协议进行适配，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、IT 系统、传感器的数据。数据类型包括配置、性能、告警、信令、参数、资源等网络数据，客服、用户、产品、服务等业务数据，财务、人力、供应链、项目等管理数据以及外部数据，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，建议可采用应用广泛的 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。
（2） 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。
（3） 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。
（4） 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。
（5） 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。
（6） 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. 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能力是指在模型构建完成后，通过孪生网络模拟仿真能力验证和确认模型的正确性和有效性。
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，为了达到高保真的进行网络模拟仿真，需要对物理网络中的实体进行全要素刻画，即除了网络自身信息外，还包括影响网络传播的建筑物、植被、空气、天气等因素，同时为了兼顾仿真的精确度与效率，建议采用动态仿真建模技术，即对网络分层和建模，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。
4. 智能决策
智能决策能力指利用 AI 和知识图谱等技术对仿真流程和孪生网络模型分析，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三部分。
（1） 知识库
知识库是利用图数据库和机器学习技术，对企业各类数据进行信息加工、知识提取后形成的。基于日常生产运营中的网络数据、工单、业务手册、维护手册、专家知识，通过自然语言处理技术抽取出知识图谱三元组（实体、属性、关系），从而形成事件对应的解决方案三元组，包括实体节点、事件节点、解决方案节点、事件与解决方案属性、事件与解决方案关联关系等。知识库对外提供查询接口，通过查询接事件、属性等特征信息，对外提供客户、业务/产品、渠道、网络、平台、客服等方面的资源信息、标准配置信息、常见故障及特征、问题解决方案等。
（2） 认知管理
认知管理是对态势的感知和认知，是依据状态数据，利用AI 模型和企业知识库，实现网络全景分析评估、多维问题聚类识别、问题根因分析、方案查找与迭代。具体说明如下：
网络全景分析评估：分析评估以全网配置类数据、周期性测量数据、符合运营管理的各类指标基准数据等基础数据为依据，通过动态感知网络状态，判断网络实时的显性运行情况，再结合人工智能和机器学习技术，完成对网络动态阈值判断、指标感知预测等全场景的自动化、智能化分析评估。
多维问题聚类识别：以孪生应用场景为基础，按照物理网络的实际部署状态，利用知识图谱技术构建物理网络实体之间的故障、性能、资源等全要素关联关系，快速形成图形化数据模型。通过统一的数据模型融合相关网络资源数据，利用 AI 算法实现数据和知识的汇聚、融合、推理及复杂运算，从而精准识别网络问题、问题影响范围及影响程度等。
问题根因分析：通过分析网络历史数据，结合资源、拓扑数据建模分析，实现告警关联规则动态挖掘，同时通过对网元告警关联关系聚合，生成关系表达图形，支撑自动化快速诊断已定位问题的根因，基于诊断结果推动根因的进一步处理。
方案查找与迭代：根据根因分析结果，通过知识库匹配问题特征，查找解决方案，为决策管理模块提供支撑；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。
（3） 决策管理
决策管理指在数字孪生网络空间中，借助模拟仿真手段，从实施周期、施工成本、网络增益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，实现方案协同收敛、最优方案寻解和决策推荐。
认知阶段主要是对问题分析并匹配初步解决方案，但现实工作中，针对问题的解决方案往往不止一种；决策阶段通过利用专家经验、 AI 模型等方式，根据初步解决方案的输出进行仿真测试，按照扇区、站点、场景、区域等不同粒度进行方案收敛，并对初步方案进行协同 检查，确保方案之间不存在冲突以及互相影响。对于天线调整、小区 扩容等能够进行解决方案效果预评估的场景，进行量化预评估，评估结果作为最终方案的决策依据；对于参数调整等难以进行定量预评估 的场景，按照小步快跑的方式，在专家设定的范围内进行“执行-评 估-执行”的闭环验证，以实现最优方案寻解和决策推荐。
5. 智能管控
智能管控能力实现对智能决策后的方案调度执行，指通过指令通道完成解决方案自动下发执行，实现网络参数自动配置，支持业务自动开通、云网差异化自动配置、系统排障、自助装维等；也可通过工单流程将工单信息自动派发进行现场施工；同时需对现网执行效果综合评估，为方案调优和经验积累提供闭环反馈。
指令通道是孪生网络层对接物理网络层下发网络操作指令的管道，通过对网络操作指令进行适配、自动封装、任务创建，将操作指令路由至相应物理网络控制单元进行执行，并提供对网络操作指令的执行安全管理和执行策略管理，最终实现指令自动生成和自动下发，达到以IT 操作CT 的管控目标。
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。
（三）物理网络层：数字孪生网络的基础底座
物理网络层由构成端到端网络的所有物理实体以及云化虚拟网络构成，通过持续推动物理网络软件定义网络（SDN）、网络虚拟化（NFV）、云化、智能化，向孪生网络层全方位提供格式化数据、开放网络能力和控制接口，接收和执行控制指令，支撑孪生网络的模型构建、网络感知、模拟仿真和智能管控，实现网元状态从感知到认知、运营场景从被动到主动、业务保障从无序化到可预测的能力升级，从而推动网络向自动化、智能化迈进。
物理网络层关键能力包括网络资源运维能力、云网能力开放、全网能力编排、智能化安全防护等，具体说明如下：
一是网络资源运维能力。物理网络资源数据包括基础空间资源、网络资源、云资源、管线资源、业务资源、码号资源、社区资源等。通过无源资源全量清查、有源资源和网管数据融合、流程驱动更新，实现全网全生命周期资源一点可视、动态更新和高效配置的资源自动化运维能力。
二是云网能力开放。持续推动网络能力解耦，打造标准化的网络能力API、服务接口对外开放。
三是云网能力编排。基于SDN 的网络能力对底层网络进行智能化编排调度，实现网络可编程。
四是智能化安全防护能力。在现有网络安全保障体系基础上，面向数字孪生网络加强网络安全系统建设和保障体系，在模型安全、业务安全、数据安全、接口安全、外网威胁防护等方面提升数字孪生网络及基础设施智能化安全防护能力。
二、数字孪生网络典型应用场景分析
（一）家庭宽带组网场景
随着“宽带中国”战略的实施和推进，宽带接入市场进入存量千兆经营时代；同时伴随智慧家居市场的兴起，家庭用户更加关注业务体验和感知。目前在一线装维的触点服务过程中，受制于客户家庭环境的复杂性，宽带布线、设备布放等工作主要依赖装维工程师的个人经验，带来较大的不确定性，较易引发客户感知下降甚至投诉。
借助数字孪生网络，前端装维应用通过调用孪生网络层模型构建能力、认知分析和智能决策等能力，对用户的家庭网络环境建模，包括房屋户型、房间面积、智能家居家电分布、墙体特征等，为用户提供最优的宽带走线路径、设备布放点等方案，可极大的提升运维效率和改善客户感知水平。
（二）重点场景保障场景
网络保障首先需要考虑人的活动范围，在重大节日、重大活动期间，由于短时间较大的人流量在特定区域聚集，为网络保障带来挑战；日常网络运维中会面临大量针对重点场景的网络保障需求，由于时间紧、任务重等特点，如何快速、灵活、高效、准确建立保障方案，成为亟待研究解决的问题。
基于数字孪生网络，针对重点场景保障需求建立全景可视、弹性调度的驾驶舱支撑能力，包括保障区域的全景呈现、网络资源配置、网络运行负荷以及人流量预测等。事前，根据最低成本、最短路径等策略自动输出网络保障调度方案，包括网络资源、保障人员、应急通信车等；事中，实时推送网络变化及故障情况，结合AR/VR 等技术提供全景实时监控保障能力；事后，根据保障期间的实际情况对事前的评估模型进行迭代完善，打造网随业动的高效弹性网络。
（三）无线网络规划场景
为了满足不断增长的业务需求和提升客户感知，需要持续进行规划选址、勘察设计等工作。当前网络规划工作主要依赖于人为主观判断，对网络实际需求缺乏深入洞察，导致规划站点的合理性、可行性、高效性难以保证，造成站点资源无法达到精准投放。借助数字孪生网络，综合网络质量、客户感知、业务价值等维度建立规划站点价值评 估体系，智能推送高价值建站区域，输出推荐的站址、站型以及工参、参数等配置方案。规划设计人员可以对自动推荐的建站方案在线调整，在数字孪生网络中对建站方案进行高精度网络仿真，评估建站前后的效益以及建站方案的合理性。对评审确认可建站的方案，自动下发建设意见，对接目前需求规划设计流程，纳入到建站需求库进行跟踪管理。
（四）无线网络建设场景
无线网络建设主要包含勘察、设计、验收、维护等阶段。当前无 线网络建设工作主要依赖人工上站进行天面、机房等勘察和测量设计，通过抽检及图片辅助方式进行验收，通过定期巡检或者网络指标异常 发现、定位问题，存在效率低、成本高、安全性较低、人为因素影响严重等不足。
借助数字孪生网络，在网络建设过程中，可利用全景照片测量、基于无人机采集等数字化采集手段，结合 3D 建模及 AI 图像识别技术，解决无线网络建设各个阶段的痛点问题。例如，在勘察阶段，对新建/搬迁改造站点全量天面信息/机房及配套信息精准采集与建模，对天面周边无线环境采集，通过孪生模型实现数字工勘，提升工勘全面性和数据准确性（如机房、铁塔天面/抱杆空间，天线挂高、方位角、下倾角等）；在设计阶段，基于勘察信息完成 3D 建模，进行 3D 可视化站点设计，输出天面与机房设计方案，提升图纸准确性和精度，节约设计和辅料成本，减少二次上站；在验收阶段，对新安装的天面、机房等信息进行精准采集，更新站点孪生数据库，基于采集的天面和机房信息，智能评估安装质量，通过 AI 图像识别，快速完成站点远程+AI 验收，减少二次上站；在维护阶段，可利用 AI 技术辅助安装、环境原因导致的设备故障定位，减少上站排查。
（五）网络维护场景
在日常网络维护过程中，存在大量现场设备巡检、健康度检查等工作，目前主要依赖于人工线下完成，在工作效率、服务质量等方面存在明显短板。
借助数字孪生网络，将线下的网络维护工作场景，迁移至虚拟的孪生空间中，实现维护区域全景可视、维护作业自动执行、设备运行状态全面检查。
（六）网络分析优化场景
电信运营商网络规模庞大，需要持续进行网络分析优化。当前网优工作的开展，主要依赖于人工经验，针对网络参数、资源配置等不断迭代优化，还涉及调整天馈、干扰排查等大量现场工作，而且试错成本较高，如不当的网络调整，会影响用户的正常通话、上网等业务，导致用户感知下降，引起用户投诉，甚至影响网络口碑。
将数字孪生网络引入到网络分析优化领域，通过建立日常网优开展的智慧人机交互通道，提供迭代优化、低成本试错、远程操控等能力，实现网络全局一点掌控、在线智能交互、一站式操作支撑，从而推动网优工作向自智水平全面升级。
本文摘编自中国联通研究院发布的《中国联通数字孪生网络白皮书》，全文下载：
中国联通数字孪生网络白皮书
更多标准、白皮书、报告等高质量纯净资料下载，在文末扫码关注官方微信公众号“idtzed”，进入公众号菜单“治库”，或按自动回复发送引号内关键词。
