5G承载网数字孪生技术与应用方案完整版

引言 近年来，数字孪生技术在5G承载网智能化管控领域的应用成为一个新的热点和研究方向。国内外各研究机构和标准化组织纷纷开展数字孪生应用场景探索和关键技术研究，数字孪生技术相关标准化工作正稳步推进，数字孪生相关生态正在逐步形成。根据全球最具权威的IT研究与顾问咨询公司Gartner顶级战略技术趋势的预测[1]：到2027年，全球超过40%的大型企业机构将在基于元宇宙的项目中使用Web3、增强现实（AR）云和数字孪生的组合来增加收入。根据全球市场研究公司VantageMarketResearch发布的《数字孪生市场规模、份额和趋势分析报告》[2]称，2021年全球数字孪生市场规模为65亿美元，预计到2028年将增长到535亿美元，2022至2028年复合增长率（CAGR）达到42.1%。由此可见，数字孪生技术在全球的应用规模在未来几年将呈现高速增长态势，成为经济增长的重要技术驱动力之一，也反映出数字孪生技术在各领域的应用前景和重要价值。数字孪生在信息通信领域的应用尚处于起步阶段，相关理论与技术研究成果陆续发布。目前处于概念研讨、应用探索和起步研究阶段。工信部推动成立IMT-2030（6G）推进组，将“万物智联、数字孪生”作为6G网络愿景，数字孪生成为6G的关键技术之一。本白皮书梳理了当前数字孪生在信息通信领域的产业应用和标准化进展，分析提出了信息通信网数字孪生关键技术。并从数字孪生在5G承载网领域的应用场景和需求出发，分析提出面向5G承载网的数字孪生体系架构、数字孪生系统部署方案，以及面向应用场景的服务应用方案等，为数字孪生技术在承载网中的实际部署提供指导和参考。后续业界应进一步推动技术方案收敛、标准化、形成产业合力，加速推动5G承载网数字孪生技术及方案的逐步成熟，共建5G承载网数字孪生产业生态。 信息通信领域数字孪生产业应用与标准化进展 数字孪生产业应用各领域逐步渗透数字孪生产业应用研究正向各专业领域逐步渗透。数字孪生在信息通信领域的应用目前处于概念研讨、应用场景探索的研究起步阶段，数字孪生体系和关键技术研究正在各专业领域逐步展开。从2018年起，运营商、设备商、高等院校开始针对信息通信领域的数字孪生应用和关键技术进行超前探索，探索方向包括面向B5G/6G通信、光网络、移动通信、无线通信等方向的数字孪生应用及精准数理建模、数据与仿真模型融合、大规模物理网络数字孪生仿真验证等关键技术，产业已发布的相关成果如下表1所示。表1信息通信领域数字孪生已发布的主要成果2信息通信领域数字孪生产业主体基本形成。数字孪生产业链主要的产业主体如下图1所示，主要有产业引导方、需求牵引方、软件服务方及硬件服务方四大类主体。政府/产业联盟及研究/咨询机构以依托产业联盟、发布相关政策文件及研究报告为主，引导产业发展；运营商如中国移动、中国联通、中国电信等以发布总体技术架构及愿景、提出网络数字孪生需求为主，以需求牵引技术发展和应用；软硬件服务方则以提供相应解决方案和应用案例为主，通过软硬件解决方案支撑落地部署。从产业发展情况来看，烽火、亚信科技、锐捷等多家公司已提出网络数字孪生解决方案，当前产业发展的挑战主要集中在技术路线的选择、标准规范的制定以及产业应用需求的驱动三大方面。图1信息通信领域数字孪生产业各关键方视图国内外通信领域数字孪生技术应用研究的热情高涨，但尚未实现真正产品落地。运营商、设备商、仪器仪表厂商、科研机构等均开始布局相关研究。目前信息通信领域数字孪生产业链尚未成熟，产业界对网络数字孪生的探索多以研究类型的工作为主，处于单领域、单功能的Demo验证阶段，现阶段落地难度较大；同时由于研发成本较高，研发原动力有待加强，与其他领域相比，通信领域数字孪生产业链上下游支撑推动产品化的进程相对缓慢。数字孪生国际标准化工作有序开展国际标准化工作正有序开展，吸引各方广泛关注。数字孪生技术作为新兴的虚实映射仿真模拟技术，在工业制造、智慧交通等领域得到了广泛研究与应用。数字孪生技术所提供的全生命周期仿真、模拟能力在通信网及网络管控中同样具有技术应用的优势，在近几年吸引了通信领域的广泛关注。国际各标准化组织对网络数字孪生的标准化研究工作于2019年起陆续开启，以国际电信联盟-电信标准化部分（ITU-T）为代表发布的数字孪生网络相关规范具备引领行业发展的关键作用，IETF、ETSI、ISO、IEC等组织也在积极开展相关标准化工作，并且正在逐步有序开展。当前研究主要聚焦于整体概念、架构、典型案例的标准化工作，对数据、模型、接口、管理等要素的标准化研究仍在探索中。ITU-T率先开展网络数字孪生标准化研究工作。ITU-TSG13于2019年10月正式立项课题——《数字孪生网络需求及架构》。该项目成果于2022年2月正式以Y.3090发布，其中规范了数字孪生网络的功能需求、业务需求、安全性需求以及架构。该标准的发布成为数字孪生网络标准化工作里程碑式的开端。2022年9月在SG15全会上提出研究传送网数字孪生技术的提案，会上明确将从进一步研究数字孪生对传送网络架构的影响及在传送网中的功能入手，逐步完善相关定义。IETF于2022年3月正式于NMRG工作组启动“DTN概念和架构”标准项目立项。此后，NMRG陆续开展DTN数据采集、DTN接口技术、DTN流量模拟、DTN时延测量、性能导向DTN等方向的研究。ETSI也于2022年开始在ZSM（Zero-touchnetworkandServiceManagement，零接触网络与业务管理）工作组开启数字孪生在ZSM架构的应用场景及关键技术研究。ZSM于2022年12月发布了关于用于数字孪生的表示和处理的NGSI-LD信息模型和API标准文稿。此外ETSI的其他工作组还开展了与内容信息管理（ContextInformationManagement,CIM），城市数字孪生等议题相关的标准研究工作。数字孪生国内标准化进程加速推进国内标准化整体处于起步阶段，关键技术研究有待突破。中国通信标准化协会（CCSA）是国内的数字孪生网络标准化工作开展的主要标准组织，TC3、TC6、TC7、TC8、TC10在各分领域正在开启相关研究。网络数字孪生标准化研究已经具备初步规划架构，整体处于研究起步阶段。TC3WG3单独设置了SWG1数字孪生网络工作组，针对数字孪生架构及技术要求、评价方法、运营管理要求、数字地图等议题已完成10项团标和行标的研究与立项。其中，行标《数字孪生网络架构及技术要求》所规范的数字孪生网络架构与ITU-T保持一致。在各专业领域方面，TC6WG1、TC6WG2分别针对传送网、接入网等领域探索数字孪生的应用，TC7针对网络数字孪生的应用场景与需求、运营管理等开展研究，TC8WG1针对数字孪生制定对应安全指南标准。TC10的WG3和TF2工作组针对数字孪生城市、物联网等行业应用展开研究。国内标准化工作目前初步形成网络数字孪生的体系架构，研究主要聚焦在网络架构、典型应用场景、评估方法、运营管理等方面，数字孪生模型、数据、接口等关键要素的研究有待突破。传送网数字孪生标准体系规划建议持续推进数字孪生标准研究，建立传送网数字孪生标准体系。目前国内各方关于网络数字孪生开展的研究百花齐放，各运营商、设备商各自在定义实现方式。针对传送网领域，基于当前传送网数字孪生技术发展现状，有必要尽早规划本领域标准化工作的发展方向。当前CCSATC6WG1已完成《数字孪生和大数据技术在传送网领域的应用研究》研究课题，并立项行标《传送网数字孪生总体技术要求》。2023年TC7WG2已立项行标《传送网数字孪生应用场景与需求》和《传送网数字孪生应用技术研究》的研究课题。基于当前标准化现状，从架构与技术、测试与评估、运营与管理、应用与服务等方面出发，针对传送网领域的特殊需求构建起传送网数字孪生标准体系（如图2所示），以指导传送网数字孪生的标准化研究。图2传送网数字孪生标准体系规划根据以往CCSATC6和TC7的标准化界定原则，TC6侧重于网元层和网络管控层的标准化工作；TC7更侧重于网络管控层单域系统北向接口以上及网络协同层的标准化内容。因此，图2中架构与技术以及测试与评估两个板块涉及的大部分标准建议在TC6WG1立项;运营与管理以及应用与服务两个板块涉及的大部分标准建议TC7WG2立项。 引入数字孪生技术的驱动力和应用价值 虽然网络数字孪生标准化研究、应用及商业化部署的进程还有待进一步推进，但是网络中引入数字孪生技术的应用价值和驱动力日渐清晰。驱动力一：助力网络智能化运营管控数字孪生技术有效助力网络智能化运营管控，深度推进数字化转型。数字孪生技术能够在数字空间中实现物理网络的实时镜像。在完全不影响现网业务的前提下，实现网络状态和运维功能的精确仿真和模拟，弥补传统管控方式的不足。随着承载网管控体系向着智能化管理、控制和分析能力的不断演进，引入数字孪生技术是未来网络智能化管控的补充和增强，可以提供更深入的分析、预测和试验能力，是现有管控系统所不具备的。它提供了一种在现网无法实施的全生命周期的实验验证手段，像是一个加速器，将深度推进网络的数字化转型。驱动力二：节省产品研发周期和成本数字孪生技术的实时仿真和模拟功能有效节省产品研发周期和验证成本。与传统的离线仿真不同，数字孪生技术的实时或近实时仿真和模拟功能，需要在现网数据和状态保持同步的基础上，在网络孪生体上执行仿真、模拟验证操作，因而具有更高及时性和准确性的仿真模拟特征。特别是对及时性要求较高的紧急故障定位、在线业务发放等场景，需要引入数字孪生技术秒级/毫秒级的及时仿真模拟能力。在特殊的抗破坏性试验、灾害恢复模拟实验中，利用数字孪生体可以预先探索解决方案，防范特殊情况发生。同时，在不影响现网和业务正常运行的前提下，在同步的虚拟空间数字孪生技术提供一种抗破坏性、高效可靠的验证手段，从而有效节省试验周期和成本，提升网络运营管理效率。驱动力三：成为网络自智化演进新引擎数字孪生技术成为未来达到更高网络自智等级水平的新引擎。未来5G网络将向L4、L5自智能力等级持续演进，作为提升网络自智能力的关键技术，数字孪生通过实现物理实体与虚拟孪生体的交互映射，构建实时的网络仿真系统。目前，网络数字孪生已经成为业界公认的实现未来更高级别的网络智能化、自动化的关键技术手段。数字孪生的终极目标是实现虚实之间的控制闭环，以控制物理网络。随着自智网络向L5等级演进，需要引入数字孪生技术，将仿真分析决策反向控制物理网络，以实现网络的动态自调整能力。 网络数字孪生关键技术 体系构建技术孪生体及核心要素的有效构建，满足数字孪生应用诉求。网络数字孪生技术包含数据、模型、接口等多个核心要素。数字孪生体通过要素间的相互配合协作完成数字空间中物理网络孪生体的模型构建、数据同步、网络编排及孪生管理等功能。为实现数字孪生体与原有网络管控系统的深度兼容协同及有效融合，实现数字孪生网络仿真、预测及回溯能力的构建，网络数字孪生的核心元素必须遵循系列构建原则及方法，以满足数字孪生应用诉求。为实现数字孪生体的有效构建，实现物理在数字空间中的精准镜像。数字孪生体的构建需满足如下总体原则：精准化原则：数字孪生网络构建需遵循精准化原则以实现对物理网络在数字空间的精准还原。孪生域基础模型要能实现对网络网元、链路等物理对象的精准描述及刻画，功能模型要能实现对网络管理运营的分析、仿真、模拟等功能精准的结果输出。精准的基础模型和功能模型是发挥数字孪生能力的重要基础。层次化原则：网络数字孪生构建需遵循层次化原则以满足不同网络层次数据采集及孪生建模诉求。孪生域需对不同网络层次的基础器件、单板、网元、链路对象及约束关系进行精准建模；孪生域也需要对网络数据进行层次划分及层次化采集，建立不同层次数据间的关联，实现数据的按需采集及按策略采集。兼容性原则：网络数字孪生构建需遵循兼容性原则以应对多厂商、多设备异构组网环境。在数字孪生体模型建立过程中应遵循兼容性原则，预留模型演进接口，保障后续模型可演进、可更新以及扩展新的设备及链路模型。其次在数据采集部分，需要保留兼容不同设备、不同采集协议的多源异构的接入能力。扩展性原则：网络数字孪生构建需遵循可扩展性原则以应对城域汇聚、城域核心、省干等不同类型及不同规模网络的孪生诉求。网络数字孪生需在孪生数据采集、存储及孪生模型、南向接口元素构建时进行扩展性设计。在网络规模实现动态变化时，承载网数字孪生能够实现孪生网络基础能力的自调整。标准化原则：网络数字孪生构建需遵循标准化原则以满足接口制定、模型构建、模型管理及孪生能力开放等诉求。孪生模型的标准化可促进模型的有效集成及复用，满足复杂网络组网环境下的孪生能力轻量化原则：网络数字孪生构建需遵循轻量化原则以满足大规模网络数字孪生构建需求。孪生域数据采集模式应尽可能进行轻量化设计，避免数据全量采集对存储资源及通信带宽的占用，降低数据采集及存储成本。孪生模型构建时也需遵循轻量化设计原则，在满足模型精度、功能的前提下，基于AI技术尽可能实现模型的精简，降低孪生模型建模成本及硬件资源的消耗。单一性原则：网络数字孪生构建需遵循模块化原则以实现孪生能力的高效构建。数字孪生涉及数据采集、数据存储、数据治理、孪生基础模型、孪生功能模型以及孪生体编排、管理等多个子模块，各子模块之间通过孪生接口相互通信。为了避免模块之间过度耦合，因此在模块设计时，需要通过高内聚低耦合的模块化设计，保持模块功能的单一及接口的标准开放，最大实现模块的功能复用。可靠性原则：数字孪生网络构建需遵循可靠性原则以确保孪生功能的稳定可靠。数字孪生的数据采集及存储部分需要进行可靠性设计，针对冗余数据、异常数据、缺失数据需要进行去除、校正、补全等可靠性操作；同时对重要的孪生历史数据需进行分布式存储及灾备设计。此外，网络数字孪生在收到用户异常能力调用时，需及时拦截，避免异常调用导致的孪生网络功能崩溃。模型构建技术数字孪生技术是基于模型的体系工程，模型是数字孪生的核心要素。数字孪生模型是物理实体对象在数字空间的表示，任何数字孪生功能的实现都必须基于数字孪生模型来完成。根据是否对物理实体对象或复杂系统内部机理的掌握程度不同，数字孪生模型构建方式具有物理驱动模型、数据驱动模型、物理和数据混合驱动模型三种建模方式，如图3所示。图3数字孪生模型构建方式物理驱动模型：当建模对象具有比较完备的理论支撑时，采用物理机理建模方式。利用物理理99论，推导精准可解释的理论模型，直接对请求做出相应响应。因此物理驱动模型也被称为白盒模型。例如，为了实现对EDFA增益及噪声特性的准确建模，可以基于吸收系数、增益系数等参数，实现对EDFA进行精准的数学模型构建。EDFAGiles模型为业界常用EDFA物理模型。数据驱动模型：随着网络规模的不断扩大和新型业务应用的持续深化，网络的复杂性和数据量逐渐增加，机理模型的方法难以满足超大规模网络的完全覆盖时，需要引入数据驱动的建模方式来建立精准的网络模型。对于建模过程较为复杂的模型，可以直接将系统当作黑盒，利用机器学习算法和数据驱动的思想，向输入、输出端口直接发送仿真服务指令，探索其输入输出之间的函数关系，模拟系统真实的模型机理，例如EDFA的神经网络模型。目前机器学习算法类型包括有监督学习、无监督学习和强化学习三种类型，其中有监督学习包含分类算法、回归算法和深度学习算法等；无监督学习包含聚类算法和降维算法等。较成熟的机器学习算法分类与通信网应用场景见表2。物理和数据混合驱动模型：当子系统模块部分已知，数理模型复杂、难以获知全部的模块运行原理时，在现有已知部分基础上，根据历史数据或者专家经验与机器学习模型相结合，构建接近真实机理的灰盒模型。混合驱动模型是目前在实际网络中被广泛应用的建模方式。表2主要机器学习算法分类与应用场景表2主要机器学习算法分类与应用场景续表三种建模方式的特征比较见表三。表3三种建模方式特征比较数字孪生模型可分为基础模型和功能模型两大类。基础模型是指基于网元基本配置、环境信息、运行状态、链路拓扑等信息建立的对应于物理实体网络的网元模型和拓扑模型。功能模型是指针对特定的应用场景，基于数据库中的网络数据，建立用于支持网络特征感知、网络业务分析优化、智能推理决策的模型。根据承载网络全生命周期运行过程，将功能模型分为网络规划建设功能模型、网络维护功能模型、网络优化功能模型、网络运营功能模型四类。无论是基础模型，还是功能模型，在模型构建过程中，根据实际情况均可以选择物理驱动建模、数据驱动建模、物理和数据混合驱动建模方法建模。数据服务技术数据作为网络数字孪生运行的血液，是提供正确应用分析决策的基础。在不同的能力阶级，数据处理的能力也由低级的基础数据供给向高等级的数据处理、分析、建议、决策的能力进阶。实时有效的、准确的、完整的数据处理能力是网络数字孪生赋能产业应用分析过程提供准确的预测和正确的决策基础。其中，数据采集主要体现在采集对象、采集数据类型和采集协议等方面。采集对象包括设备、端口、时隙、链路、光器件、光纤等，并不是所有的数据都需要在数字孪生网络上呈现，采集对象的选择取决于数字孪生的应用。采集数据类型包括设备配置信息、设备运行状态信息、网络拓扑信息、网络流量信息、性能数据和告警数据等。不同的数据采集方案具备不同的特点，适用于不同的应用场景。Telemetry技术在高频性能采集、实时性、可扩展性和灵活性等方面具有较大优势。结合数字孪生对数据采集全面、高效的要求，采集协议的选择与应用场景、协议技术特征等因素相关。根据网络常用的采集协议，表4对比说明了sFlow、Telemetry、NetFlow和NetStream四种采集协议在特征上的差异，这些差异决定了在不同场景下选择哪种协议技术进行数据采集。表4不同数据采集技术特征对比网络数字孪生数据以结构化数据为主，可基于大规模分布式（MPP）数据库构建数字孪生数据库。根据不同类型数据的应用场景、实时性要求等特性，选择数据存储技术。数据类型包括结构化、半结构化和非结构化数据。Hadoop云平台存储和处理技术可用于管理非结构化和半结构化数据，采用HDFSMapReduceNoSQL数据库支持半结构化或者非结构化数据的海量存储、高扩展性、高可用及并发要求，其中的图形数据库和列存储数据库适用于网络特定场景下的数据处理，可作为传统数据库的有效补充。表5列举并对比了国内外主流数据库的特征、优劣和适用场景等方面特性。表5国内外主流数据库121313接口技术数字孪生体接口能力需满足数字孪生体架构和交互的需求。以传统管控系统南北向接口为基础，扩展数字孪生体与物理平面之间的南向接口、与应用层之间的北向接口、与传统管控系统之间的东西向接口，以及数字孪生系统内部接口。南向接口为数字孪生网络与物理平面之间接口，通过南向接口实现孪生网络与物理平面数据及控制信息的实时交互，实现物理网络信息的实时感知，配置及日志等网络状态信息的高效采集、网络配置及控制信令的发放，南向接口需支持多厂商、多类型设备数据接入及控制信令发放能力。北向接口为网络数字孪生与应用层间的消息交互接口，实现数字孪生能力的开放及管理配置功能的开放。应用层基于北向接口实现数字孪生体孪生能力的调用，包括仿真能力、预测能力以及复现能力等。同时应用层可通过北向接口实现数字孪生模型、数据采集、数据存储等策略的配置；数字孪生网络仿真、预测的运行结果可通过北向接口返回至应用层。东西向接口实现传统管控系统与数字孪生体之间的信息及控制交互，实现管控系统告警同步、拓扑同步、业务发放、配置下发等管理及控制能力的复用，也可实现对云端故障诊断、流量预测等AI知识库能力的调用；此外，管控系统可基于东西向接口实现对数字孪生仿真、预测等能力的调用，实现端到端仿真性能计算及仿真推演，仿真结果可为数字孪生应用管控算法提供决策依据。内部接口实现数据服务、模型服务及孪生体服务等核心元素之间信息交互，是单域孪生功能实现的桥梁。孪生核心要素通过内部接口实现功能的统一开放及海量信令收发。数字孪生的孪生接口根据接口功能和位置在接口实时性、兼容性、扩展性及灵活性等方面存在差异化诉求。当前，传统管控软件存在Restconf,NetConf,NetStream等多种管理类、控制类及性能和状态感知类接口协议，不同协议类型在协议特性、工作模式、数据精度、资源消耗及实时性等方面存在较大差异。因此，孪生域南北向接口及孪生域内部接口根据功能可选择不同具体协议开发简洁、易用、高效及可扩展的接口。不同的接口协议具备的协议特性、分类及南北向适用性等详细信息如表6所示。表6不同网络协议特性及特征分析表14图图45G承载网数字孪生框架总览15数字孪生各类接口可根据不同应用或功能需求采用不同实时性、扩展性及轻量化的协议实现。孪生域南向接口可选择Telemetry、sFlow、NetStream等性能状态感知协议来实现对网络资源、业务运行状态性能的实时感知，基于推模式的Telemetry类协议可以在保证信息实时性的同时也能够减少承载网管控软件CPU资源的占用。北向接口可以采用RestConf、Restful、SFTP类管理及控制类协议接口，将各域原子化的孪生能力以GET、POST、DELETE等HTTP接口类型向上开放。内部接口可以采用HTTP/3或XMPP等实时性较强的协议，在保证消息实时交互的同时，能够保证消息交互的可靠性。孪生域东西向接口可以采用RESTCONF或Restful接口。承载网数字孪生体系架构 总体架构建立新一代5G承载网数字孪生体系，满足未来L5智能化需求。在5G承载网领域，从5G承载网全生命周期的应用场景和需求出发，基于数字孪生五维模型理论[3]，形成5G承载网的数字孪生框架总览，见图4所示，主要包括：物理承载网、承载网的数字孪生体、数据、服务和各要素之间的交互。物理承载网和承载网的数字孪生体之间是对等的关系，数字孪生体是物理承载网的虚拟实体，形成虚拟空间，与物理网络实体之间实现实时或准实时的交互和数据同步。数据融合了物理承载网实际产生的物理数据和数字孪生体生成的信息数据，并满足物理空间和虚拟信息空间之间数据的一致性和同步性需求。服务是面向用户的5G承载网数字孪生能力的开放，体现在数字孪生体在网络全生命周期过程中支持提供的面向各种应用功能的仿真器或模拟器。它们是将特定应用所需的各类数据交互、模型算法处理、仿真/模拟结果输出等进行服务化封装，并通过标准接口对外实现能力开放的过程。与原有管控系统共同构建新一代智能化5G承载网管控体系。5G承载网数字孪生体系架构如图5所示，可分为网络应用层、网络孪生层和物理网络层，三个层面相互交互。图5适用于网络管控层的孪生体架构，网络协同层也可参考。图55G承载网数字孪生体系架构在原有管控体系中引入数字孪体，有效增强了管控体系全生命周期的网络业务仿真和模拟能力，提供丰富的主动运营手段，助力运营商向着网络业务的主动运营模式转换。网络应用层通过网络应用层的应用服务需求向下驱动承载网数字孪生体系的运行。用户向网络应用层发起应用服务意图请求，经意图处理映射成业务意图，通过孪生北向接口向网络孪生层发起请求，并在网络孪生层构建功能模型和基础模型的实例，将指定的数据、模型、服务和交互要素封装成特定功能的仿真器或模拟器组件，在验证空间中进行充分验证和分析比对后，将控制策略反馈给管控系统，下发到物理网络。同时，网络应用层通过标准化的API接口对外实现特定的仿真和模拟服务的能力开放。中在网络应用层定义了面向5G承载网的十大典型场景和应用服务能力，覆盖了网络运营管理的全生命周期，主要包括：网络规划和建设阶段的网络设计仿真和切片资源规划仿真；网络运营阶段的用户意图仿真试验和业务开通仿真；网络维护阶段的层次化性能监控和预测、海量业务承载下的多重故障模拟、端到端专线业务SLA保障、业务割接演练和模拟，以及网络业务灾害应急模拟；网络优化阶段的图图6端到端的孪生模型构建过程示意图17网络资源优化仿真。根据应用需求，网络应用层可以按需灵活配置相应的应用服务和仿真器/模拟器组件，以更低的成本、更高的效率和更小的现网业务影响实现新需求、新技术、新业务的快速验证和部署。同时，网络应用层具有应用服务的可扩展性。网络孪生层网络孪生层是承载网数字孪生体系的核心，按实际应用场景和需求定制孪生模型、数据、管理和交互方案。网络孪生层包括孪生模型、孪生数据和孪生体管理三个功能模块。（一）孪生模型孪生模型包括基础模型和功能模型。基础模型包括网元模型和拓扑模型。基于5G承载网传送技术分层，网元模型主要涉及的层次包括：L0（光层管道）、L1（电层）、L2和L3（分组层）。其中L0光层网元模型主要包括：设备网元、光器件和光模块等多个单元。L1~L3以设备网元模型为主，L2/L3还会涉及流量模型和协议模型等。拓扑模型是层次化的，物理层拓扑反映了网元间的光纤连接关系，L0~L3层拓扑分别反映了上层业务服务路径的连接关系。功能模型是支撑并实现应用层定义的功能服务的模型算法或多个数据模型的组合。功能模型可以按不同维度构建，提供仿真、模拟、预测、验证等功能。根据应用服务需求，功能模型调用相关网络的基础模型，经过模型编排，通过实例或实例的组合向上层提供服务，过程见图6所示。功能模型的适用范围可以是基于单网元、子系统、全网范围，也可以是基于单域、多域的系统。其中域的划分可以按地理位置、管控域等不同策略。结合应用场景和需求，根据数据流向解析模型之间的关联关系，通过模型编排完成各数据模型之间的数据传递。通过设置模型的在线仿真时序，将各类仿真任务序列化，实现孪生模型的编排。基于网络应用层提出的十大应用服务能力，对应在中的网络孪生层定义了核心功能模型，以支撑应用服务的实现。表7描述了十个应用服务能力对应的功能模型和包含的子功能模型。表7应用服务能力和功能模型通用算法库：是为孪生模型提供一个基础算法资源，可以服务于基础模型和功能模型使用，算法分类主要包括：分类算法、回归算法、聚类算法、降维算法、深度学习算法和强化学习算法等。（二）孪生数据数据采集方案由面向应用场景和需求的目标来驱动，不同应用场景其数据采集方案不同。数据采集方案主要涉及采集的数据类型和参数、数据采集接口、采集协议、采集频率、采集模式（全量/部分采集）等方面，以实现数据采集的灵活和高效。孪生数据模块的数据来源可以通过孪生南向接口（TSBI）直接从5G承载网物理设备上采集数据，也可以通过孪生东西向接口（TEWI）从管控系统或其他数据共享系统中同步现网数据。孪生数据模块的主要职责包括：数据采集、数据处理、数据存储、数据分析和数据服务五项任务。孪生数据模块通过双向的孪生北向接口（TNBI）提供所需数据服务，通过内部接口与孪生模型实现交互；并能将经孪生模型验证后的网络配置策略等数据反馈至管控系统。（三）孪生体管理孪生体管理完成承载网数字孪生的管理功能，主要包括孪生体各要素的管控，全生命周期记录、可视化呈现、安全管理等功能。面向5G承载网应用场景和需求的孪生体管理包括服务、模型和数据三个要素的管理能力，三者之间的关系如图7所示。图7孪生体管理关键要素之间的关系示意图（四）交互与接口根据5G承载网孪生体服务、模型、数据三要素之间的数据交互关系，包括孪生南向接口（TSBI）、孪生北向接口（TNBI）和孪生东西向接口（TEWI）。孪生南向接口是物理网络层与网络孪生层之间的单向接口，是高频数据采集接口，一般为外部接口，可采用Telemetry、sFlow、NetStream等接口协议。孪生北向接口是网络应用层与网络孪生层之间的双向接口，实现业务意图请求和服务能力调用接口，可采用RestConf、Restful等接口协议。孪生东西向接口（TEWI）是网络孪生层与原有5G承载网管控系统或其他系统之间的双向接口，实现与管控系统的数据同步和决策控制等，可采用RestConf或Restful接口协议。TEWI可以是内部接口，也可以是外部接口。5G承载网孪生体数据交互和接口如图8所示。在5G承载网跨域管控体系中，如图9所示，跨域网络孪生位于管控体系中的网络协同层，它与单域网络孪生之间通过单域网络孪生层北向接口与上层互连，实现网络孪生的跨域协同能力。图85G承载网孪生体系的交互与接口物理网络层5G承载网的数字孪生体系架构和方案适用于L0~L3层网络，物理网络层可由L0~L3层承载网设备形态构建。5G承载网物理层涉及物理光纤、L0（光层管道）、L1（电层）、L2和L3（分组层），覆盖的设备形态包括：L0层OTN光交叉设备、OTN光电混合交叉设备、ROADM设备、WDM设备等；L1层OTN终端设备、OTN光电混合交叉设备、OTN电交叉设备等；L2/L3层切片分组网（SPN）设备、IPRAN设备等。承载网数字孪生体（DT）部署方案 与现有管控体系的关系数字孪生技术的引入将有效增强现有传送网管控体系的智能化水平，成为各层管控手段的有利补充。图9描述了传送网数字孪生在原管控体系[4]中的位置。在网络管控层面向单厂家分别部署传送网单域数字孪生体；在网络协同层部署运营商跨域数字孪生体。传送网数字孪生与现有管控系统将共同构建新一代智能化传送网管控体系，具有管理、控制、分析、仿真、模拟等管控能力。网络管控层单域数字孪生体通过单域孪生北向接口接入网络协同层跨域数字孪生体；并通过孪生南向接口从物理设备直接采集数据，或通过东西向接口与现有管控系统实现数据交互和同步。图9传送网数字孪生在管控体系中的位置当参考数字孪生成熟度模型对网络数字化成熟度进行评价时，需要将原有管控系统与数字孪生体系相结合，对构建的完整的管控体系进行成熟度评价，更符合当前传送网智能化发展现状。数字孪生体部署方案数字孪生体的部署根据实际应用情况提出三种部署方案，包括分离部署、融合部署和扁平化部署，如图10所示。图10数字孪生体部署方案方案一：分离部署。DT与现有管控系统分离部署，与物理网络之间通过独立的高频数据采集接口互连，与5G承载网管控系统之间通过东西向接口交互信息，此接口属于外部接口，如图10方案一所示。DT中的网络设备配置、拓扑等静态数据可以从管控系统中同步数据获取，性能数据可以直接从物理网络通过SBI接口获取。并通过独立的NBI接口接入上层网络应用层。方案一适用于在不影响现网管控系统的条件下，新扩展部署DT，增强实时或近实时的智能化仿真模拟能力，而不影响现网的运营。原有管控系统仅扩展东西向接口以支持与DT的数据同步。此方案适用于现网已部署的系统场景。方案二：融合部署。DT与现有管控系统融合部署，可作为数字孪生功能模块嵌入管控系统，以提供统一的平台，与原管控系统之间通过内部的东西向接口交互信息，并共享管控系统的南向数据采集接口，如图10方案二所示。为满足高频性能数据的采集需求，管控系统的南向接口需支持新的例如Telemetry等高频采集接口。并可共享管控系统北向接口接入到上层中。方案二适用于新建系统，或对现网管控系统进行升级改造，升级改造期间对现网管控系统自身存在一定影响。方案三：扁平化部署。将网络管控层中各单域的数字孪生模型封装后，分别迁移到网络协同层系统中，同时实现域内和域间的网络孪生需求，如图10所示。此方案简化上下层DT之间的信息交互，可有效提高运行效率。为满足数字孪生模型的高频数据拟合需求，此方案需要解决各域高频数据采集问题。方案三适用于孪生技术相对成熟的中远期系统的部署。以上三种部署方案的选择，需结合当前现状和可持续发展策略，并综合考虑多种因素确定。表8根据不同方案的应用场景和特征进行了比较说明。表8三种方案特征对比数据库部署方案孪生实时数据及历史数据的存储是实现网络孪生层孪生能力的基石。相对于传统的网络管控系统，承载网数字孪生数据具有频次高、数据量大、结构多样、时序特征强及实时性强等特点。因此，需要结合孪生数据的结构特点，选择数据存储方式。当前5G承载网数字孪生实时数据及历史数据的存储方式主要有集中式存储、分布式存储、云存储及分布式云存储等。集中式存储:孪生数据全部存储在一个中央数据库中。数据的存储与控制机制均由中央数据库完成，各客户端仅负责数据的输入和输出。集中式存储数据库部署方式简单，不用考虑多个节点之间的协作。然而，集中式存储需要将数据库部署在大型主机上，随着数据规模的扩大，集中式存储方式可能面临存储及访问的性能瓶颈和单点故障的风险，特别是在数据规模较大或访问量较高的情况下，且集中式存储方式不易扩展，灵活性较差。分布式存储:承载网孪生数据被分散存储在多个节点或服务器上，这些服务器或节点通过网络进行协作，对外提供数据存储及访问能力。分布式存储将数据分散存储在多个网络节点上，单个网络节点的故障不会影响整个系统的运行，因此分布式存储具有较高的可靠性。此外，分布式数据库通过数据分片及负载均衡等技术实现数据的高效读写，因此分布式数据存储模式具备高性能读写能力及良好的可扩展能力。但分布式数据库需要复杂的数据同步机制来保障数据的一致性，存储过程通信成本高，系统结构复杂，部署维护成本高。云存储:承载网孪生数据存储将被存储在云服务提供商的基础设施中，用户通过互联网进行数据的存储及访问。云存储具有公有云存储、私有云存储、混合云存储等多种方式。通过云存储，可以有效降低维护数据中心带来的硬件成本及运营成本，且云存储可根据数据量提供灵活的扩容策略活缩容策略进行弹性扩展。云存储还可以受益于云提供商提供的安全性和备份机制。但是，云存储存在数据的访问实时性、可靠性存在一定安全隐患，且对于数据的安全性及隐私性上存在较大短板。云原生存储:是一种基于云原生架构设计的存储解决方案。它利用容器化和微服务及自动化管理等概念，以更高的可伸缩性和灵活性来构建和管理数据库。云原生存储与云原生应用程序无缝集成，提供文件存储、块存储及对象存储等灵活存储选项，可根据应用需求自动扩展存储容量。因此，云原生存储具有较高灵活性、扩展性。但云原生存储需要通过Kubernetes等自动化管理工具实现存储过程高效管理，管理配置较复杂。且云原生存储需要依赖互联网，如果网络不稳定或出现故障，存储的可用性会受到挑战。集中式存储、分布式存储、云存储及云原生存储在实时性、可靠性、安全性、扩展性及成本的优缺点如下表9所示。表9不同存储方式比较在5G承载网数字孪生场景中，数据库部署方式的选择取决于多个因素，包括数据规模、性能需求、可用性需求、安全性需求以及预算限制。因此，需要根据承载网数据不同类别的特征采用不同的数据库部署方案来满足数据存储的诉求。例如，针对性能数据的数据量规模大、实时性能高、数据结构复杂等特点，可以使用分布式存储来处理大规模的数据，并结合云存储来提供弹性扩展。综合考虑通用应用服务方案框架基于数字孪生的通用应用服务方案是利用事先创建的数字孪生模型，根据上层业务应用需求，在信息空间内设计网络，对带宽、时延、路由等各项网络指标进行仿真决策。当完成满足用户意图方案后，在承载网的孪生体上进行仿真，验证孪生决策对网络性能的影响，包括流量，主备路径，压力，潜在风险隐患等，如果仿真决策验证无误，则最终将孪生决策信息下发到5G承载网管控系统，并通过管控系统将意图决策反馈至物理网络层和网络应用层。通用应用服务方案框架和交互流程如图所示。图11通用应用服务方案框架承载网数字孪生典型应用场景与应用服务方案 网络规划与建设阶段（一）5G承载大规模网络设计、海量业务规划和仿真典型场景描述：随着业务和用户数量的日益增长，5G承载网络的规模和复杂度也不断增加，大规模网络高效设计、海量用户规划与开通面临巨大挑战。依赖基于人类专家经验的网络设计、业务规划图图12网络规划设计仿真器组件26方式效率低下，周期长，很难满足大规模5G承载网络设计和海量业务规划的需要。基于数字孪生的5G承载网络设计和业务规划仿真，利用事先创建的数字孪生模型，根据上层业务应用需求，在信息空间设计网络，对带宽、时延、路由等各项网络指标进行规划。完成网络设计以后，在承载网的孪生体上进行仿真，包括流量、主备路径、压力、潜在风险隐患等，如果仿真结果准确无误，则最终导出为网络设计方案和业务规划方案。另外，当前5G承载网络是不断演进升级的，各种类型的设备在运行过程中都可以进行升级，从而提升速率、容量、距离等性能指标。在升级过程中，同样可以基于数字孪生模型在信息空间完成网络在线升级、业务在线规划仿真，从而更好地指导或者辅助5G承载网络扩容升级。通过数字孪生模型实现5G承载网络设计和海量业务规划和仿真试验验证，提升网络设计和业务规划效率。本场景能够通过从数字孪生模型库中选择网络模型，构建大规模5G承载网或者网络的扩容优化，设计好的数字孪生网络能够仿真网元、链路、网络、业务，能够在承载网的数字孪生体中验证网络设备方案、业务规划方案的正确性。仿真器组件定义：为实现该场景应用服务，需要引入网络规划设计仿真器组件。网络规划设计仿真器组件功能需由网元模型、拓扑模型、业务路径选择模型，需求匹配模型以及网络性能评估模型等构建。组件的数据输入输出特性见图12所示。通过对该组件模型、数据和接口等要素的定义，该组件可对外提供基础网络功能、业务路径选择功能、需求匹配功能和网络性能评估功能。基础网络功能提供网络资源的统计和呈现，并构建孪生网络。业务路径选择功能是在孪生网络上根据策略设计，选择空闲通道，并提供选择通道的性能仿真功能。其中仿真性能包含路径的业务时延、误码率等，光层OSNR等性能。需求匹配功能提供选择的业务路径的性能值与客户需求之间的匹配可视化，提供给客户不同选择路径的优缺点对比，并提供最优化路径选择建议。网络性能评估功能是针对选择的业务路径对全网性能进行评估分析，提供新业务开通后，原业务路径性能变化情况，并分析新业务开通对原业务路径的影响原因。（二）5G网络切片资源划分和变更仿真典型场景描述：随着5G多种业务类型的承载需求，以前采用一张网络统一承载已不能满足要求，需要通过网络切片方式满足不同业务的多种承载需求，如图13所示。网络切片是由运营商使用的，根据应用场景和业务指标需求的不同，基于同客户签订的SLA业务服务协议的不同，将从无线接入网、承载网，核心网的物理基础设施上切成多张相互独立的端到端逻辑隔离的虚拟网络。目前有三种网络切片典型应用场景，分别是增强移动带宽（eMBB）、超高可靠低时延（uRLLC）和海量大连接（mMTC）。图135G承载网切片应用场景当前，在进行切片资源划分时，无法预知通过规划后划分的切片网络是否满足网络流量质量需求，需要在实际网络切片配置应用后进行验证，并在验收不通过的情况下需要多次沟通调整网络切片，导致业务受到影响，同时浪费大量的人力、物力。切片资源划分是在网络规划过程中，根据不同的网络切片对业务LSA的诉求，形成规划的网络切片组网方案，并在网络建设过程中对规划各个切片组网方案进行资源划分，分配切片资源需要验证是否满足各个网络切片业务的带宽、时延、广连接特性和组网灵活性方面诉求。切片资源变更是在网络运营过程中，当用户感知变差时，通过用户投诉或者告警等触发切片资源的变更。此外，切片资源优化调整时，也会触发切片资源的变更。在切片资源变更情况下，变更下发到实际网络之前，急需一种切片网络预变更环境提前验证变更对现有业务的影响。基于承载网数字孪生技术，通过人工智能、大数据、专家经验等智能新技术在孪生体中进行切片资源划分和变更仿真验证，能主动发现问题、解决问题，大大节省了人力物力，提高网络维护效率。5G网络切片资源部署阶段的主要目标是通过对网络切片资源划分和资源的设置部署下发达到对网络的带宽、时延、广连接特性和组网灵活性方面需求目标。切片资源变更阶段的主要目标是通过各种技术使网络性能达到我们需要的最佳平衡点，合理分析系统需求后在网络流量方面作出最优解方案，并通过对软件参数的设置以取得在软件可调整范围内达到最高性能负载。无论在切片资源部署阶段和运营中的切片资源变更阶段，均需通过孪生体实现切片资源划分和变更的仿真验证功能，以提前预知部署或变更后的效果和影响。仿真器组件定义：为实现该场景应用服务，需要引入切片资源划分和变更仿真器组件。切片资源划分和变更仿真器组件功能需由网络基础模型、网络切片需求分析模型、切片资源划分模型、切片资源变更模型，以及切片资源变更验证模型等构建。组件的数据输入输出特性见图14所示。通过对该组件功能、模型、数据和接口等要素的定义，该组件可对外提供基础网络功能、网络切片资源需求分析功能、网络切片资源规划功能、网络切片资源变更功能、网络切片资源规划/变更方案验证功能等仿真能力。其中，网络切片资源规划功能是根据网络切片要求来规划各个网络切片对应的硬切片资源和软切片资源。为每个切片分配资源，并设置对应的服务质量参数，输出切片资源划分方案。网络切片资源变更功能是根据现网无法满足切片业务SLA诉求的切片网络，对切片资源做变更输出切片资源变更方案。网络切片资源规划/变更方案验证功能是根据切片资源规划/变更，对规划/变更的切片网络进行模拟计算，得出网络切片中L0-L3层资源分配情况和切片业务指标属性。对规划方案做仿真预验证和评估分析，判断规划的切片网络是否满足用户业务的诉求。当采用不同变更策略，输出多个切片资源变更方案时，可提供多个方案的分析比对，给出变更方案选择策略或最优方案。图14切片资源规划和变更仿真器组件图图15用户意图仿真器组件29网络运营阶段（一）5G业务意图仿真试验典型场景描述：承载网络作为基础通信设施，需要支撑各种5G业务需求，而用户业务随机、复杂、多样。如何让高性能、高可靠的承载网络高效地匹配上层业务需求，一直是通信行业的研究重点。传统的意图识别、意图翻译引擎等技术能够对用户意图进行分类、理解，但是理解后的意图并不能直接通过网管或者控制器下发指令到真实通信网络，以免复杂多样的用户意图指令影响承载网络的正常运行，导致重大承载网络故障。基于数字孪生技术可以在信息空间对5G业务意图进行仿真验证，如果验证无误，将意图对应的指令下发设备，并通过意图保障功能确保用户意图得到实施。基于数字孪生技术实现5G业务意图仿真验证，支持自智网络“自配置”能力。业务意图通过意图识别、意图翻译引擎处理后，交给业务意图仿真验证引擎，根据业务意图所需要的承载网络选取对应数字孪生模型，构建仿真验证网络，验证业务意图各项需求。仿真器组件定义：实现该场景应用服务，需要引入用户意图仿真器组件。用户意图仿真器组件功能需由网元模型、拓扑模型、意图识别模型、智能策略生成模型和意图保障机制模型等构建。组件的数据输入输出特性见图15所示。通过对该组件功能、模型、数据和接口等要素的定义，业务意图仿真组件可对外提供基础网络功能、意图识别功能、智能策略生成功能和意图保障功能。基础网络功能：提供网络资源的统计和呈现，并构建孪生网络。意图识别功能：根据业务关键词映射表，将快速提取用户业务的多样化特征，并实现对意图的解析。智能策略生成功能：根据孪生网络中网元和拓扑资源给出适配用户意图的网络业务调整策略，并对生成的网络配置进行仿真，若仿真结果不符合业务需求或影响网络现有业务，则反馈至用户进行业务意图调整直到仿真验证通过。意图保障功能：创建监控任务，持续验证网络状态是否满足业务意图，在网络出现不能满足业务意图的状态时，驱动智能策略生成功能对业务的验证采取纠正措施，以及对网络配置进行调整等。（二）5G跨域业务调度仿真典型场景描述：5G承载网络涉及多个域，需要在网络协同层管控系统上实现跨域调度。因为跨域调度涉及多业务域、多厂商负责运营维护的通信网络，在业务调度过程中一直面临统筹效果差、调度效率慢等困难。通过数字孪生技术在信息空间仿真、验证跨域业务调度策略，可以有效提高调度效率。通过数字孪生技术完成跨域网络构建后，需要采集和预处理来自不同域不同设备的数据。然后基于跨域孪生模型，根据跨域业务调度需求，进行仿真验证，将业务需求分解为各类跨域承载网络能力指标，将指标值下发至对应的子域数字孪生模型中进行仿真，通过仿真调度算法分析和评估5G跨域业务调度的性能，例如响应时间、带宽利用率、资源占用情况等指标，最后完成多域业务的统一编排和验证。仿真器组件定义：为实现该场景应用服务，需要引入跨域业务开通仿真器组件。跨域业务开通仿真器组件功能需由网元模型、拓扑模型、跨域业务开通模型和单域业务开通模型等构建。组件的数据输入输出特性见图16所示。通过对该组件功能、模型、数据和接口等要素的定义，跨域业务开通仿真组件可对外提供基础网络功能、跨域业务开通功能和单域业务开通功能。跨域业务开通功能是根据用户的5G跨域业务需求，选择单域数字孪生模型，并明确每个单域数字孪生模型需求，并执行跨域业务请求，路由计算，域计算等功能，从而构建跨域承载网络。单域业务开通功能是根据跨域业务分析模型解析的单域需求，规划单域业务开通。图16跨域业务开通仿真器组件网络维护阶段（一）层次化性能仿真和预测典型场景描述：5G承载网作为5G接入网与核心网连接的基础网络，其核心是要满足多层级承载网络、灵活调度连接、层次化网络切片以及4G/5G混合承载的诉求。随着5G承载网络的建设及规模扩大，差异化的L0-L3层传送技术的应用也加剧了网络运行维护的难度。主要是因为5G业务在时延、带宽、以及可靠性方面有着更高要求，任何网络资源的劣化或中断将极大影响5G业务的体验，因此如何保障5G承载网络的性能要求是亟待解决的问题。数字孪生技术可以有效的解决5G承载网的运行维护难题，通过对5G承载网网络态势的实时感知以及数字化建模，在数字空间中层次化孪生出L0-L3层网络和业务的性能仿真和趋势预测。通过孪生模型仿真推演网络及业务参数配置,观测网络各性能监测点的性能变化。基于仿真及预测结果实现对承载网络资源或业务运行风险（业务中断或降级等）的精准预测。在出现网络通道风险或业务性能风险时，及时实现预警或自动保护倒换。仿真器组件定义：为实现层次化性能仿真及预测应用服务，需要引入层次化性能仿真器组件。层次化性能仿真与预测组件功能需由网元模型、网络模型、光性能计算及预测模型、流量预测模型、时延预估统计分析模型、光通道统计分析模型、流量负载统计分析模型、时延预估统计分析模型等构建。组件的输入输出特性详见图17。图17层次化性能仿真器组件通过对层次化性能仿真器组件输入数据、输出数据、模型及接口等核心要素的定义，层次化性能仿真器组件可对外提供基础网络功能、孪生性能计算功能及仿真结果分析功能。基础网络功能是提供网络连接信息、通道性能信息、网络业务连接信息、性能信息的查询、可视及配置等能力。孪生性能计算功能是根据仿真意图，结合网络初始条件，实现端到端网络通道性能计算或网络业务性能预测，孪生网络根据性能计算结果及输入阈值信息判断网络连接是否中断，网络业务是否降级，从而调整网络参数及行为。孪生性能计算包括光性能仿真计算、流量仿真计算及业务性能仿真计算等。仿真结果分析功能是实现层次化性能仿真和预测的统计，分析预测网络业务的运行或操作是否造成网络通道性图图18多重故障模拟器组件32能风险，或造成业务性能违约风险，提前给出网络通道或业务的调优策略。同时结合流量仿真统计数据，分析网络瓶颈点，提前制定扩容计划。（二）5G海量业务承载下多重故障模拟典型场景描述：运营商需要为5G应用提供高带宽、低时延且稳定可靠的传输网络服务，在城域回传网络中，传输设备等网络设备的数量通常高达数万台，同时多种多样的海量业务被混合部署到同一环境中，因此对传输网的故障维护要求较高，需要准确定位故障原因并及时确定网络业务进行保护和恢复的行为和影响。通过数字孪生技术可以准确复现海量业务负载下出现多重故障的发生过程，确定故障点和故障类型，模拟故障发生后网络和业务的运行行为，实现单次或多重故障的评估和验证，为后续故障处理提供依据。通过孪生模型推演网络节点或链路等多次故障时，通过评估分析当前5G承载网资源是否能够保障业务时延、带宽SLA指标，仿真因多重故障可能导致的降级或中断行为。模拟器组件定义：为实现该场景应用服务，需要引入多重故障模拟组件。多重故障模拟器组件功能需由网元模型、拓扑模型、专线业务SLA保障需求分析模型、专线业务SLA预测模型、专线业务SLA保障模型、专线业务SLA质量保障方案验证模型等构建。组件的数据输入输出特性见图18所示。通过对多重故障模拟器组件功能、模型、数据和接口等核心要素的定义，多重故障模拟器可对外提供基础网络功能、多重故障模拟以及故障模拟分析功能。基础网络功能提供基础网络信息可视、查询及修改设置能力，实现网元及链路运行状态信息的查询及配置修改等。多重故障模拟功能可实现多重故障注入能力及故障模拟仿真能力。故障注入能力能够实现单个或多个网元故障、单条或多条链路故障的注入，故障注入方式可根据实际情况选择同时注入或按照故障先后顺序依次注入。故障模拟仿真能力能够提供多维度网络业务行为仿真验证，例如业务或通道的路由仿真及网络流量仿真，获知网络故障状态下业务路径、链路利用率、各链路负载等的变化情况。故障模拟分析功能是统计分析链路负载情况，流量路径及隧道路径等变化，以及故障影响业务情况。（三）5G业务割接演练和模拟典型场景描述：传统的割接过程较为复杂，网络业务的割接流程主要分为割接前的准备、割接过程中的配置、割接后测试验证和割接失败的倒回等。通过数字孪生模型实现5G承载网业务割接方案的仿真推演验证，确保实际割接时网络调整及配置操作的安全可靠。割接前能够评估不同割接方案对现网切片业务性能及网络健壮性的影响，辅助运维人员选择最低风险割接方案。割接中，实时同步跟踪割接步骤，逐步评估割接操作结果，比对割接前后性能参数变化，分析割接是否出现风险，在出现潜在风险时及时预警，及时实现配置还原，操作回退。割接后，可以实现对割接失败过程的复原，分析原因，总结割接经验，制定解决方案。模拟器组件定义：为实现5G承载网业务割接演练及模拟应用服务，需要引入业务割接模拟器组件。业务割接模拟器组件功能需由网元模型、拓扑模型、路由仿真模型、流量仿真模型，以及割接可行性分析模型等构建。组件的数据输入输出特性见图19所示。通过对业务割接模拟器组件功能、模型、数据和接口等要素的定义，业务割接仿真器可对外提供基础网络功能、割接仿真验证功能，以及割接影响分析功能。基础网络功能可提供基础网络信息可视能力、查询能力及配置能力。网络基本信息包括网元信息、链路信息、通道信息、隧道信息及业务信息等。割接仿真验证功能是根据增删设备、链路或单板等割接意图，制定需要在孪生模型中进行割接模拟仿真的方案及仿真步骤，在孪生体中进行转发行为模拟仿真，触发关联承载通道或业务路由变更、业务路由保护恢复倒换等。割接影响分析功能是实现割接前后业务路由变化及网络流量负载情况分析比对；根据当前业务及流量统计分析结果，判断当前割接行为；完成所有割接步骤后，向用户返回当前割接方案业务及流量详情。图19业务割接模拟器组件（四）5G端到端专线业务SLA质量保障典型场景描述：运营商在对端到端专线业务进行SLA保障管理时，需要考虑其他业务的整体网络环境和运行状况。承载网端到端专线业务SLA管理流程涉及网络修改、配置、校正甚至实时闭环处理等网络运维的所有环节，一个动作可能会影响其他业务服务的性能。提高网络闭环管理能力与网络智能化水平至关重要。基于数字孪生技术实现承载网端到端专线业务SLA保障，针对实时的数据监控进行及时调整，通过历史数据分析预测提前调优，可主动发现问题、预测问题，并解决问题，提高客户满意度。数字孪生模型获取所需要的性能数据，同步监测网络和业务运行性能，实现业务SLA质量仿真，当分析出的结果不符合预期时，在数字孪生中进行模拟优化仿真验证，最终将优化方案下发于现网。仿真器组件定义：为实现该场景应用服务，需要引入专线业务SLA质量保障仿真器组件。端到端专线业务SLA质量保障仿真器组件功能需由网络基础模型、专线业务SLA保障需求分析模型、专线业务SLA预测模型、专线业务SLA质量保障模型，以及专线业务SLA质量保障方案验证模型等构建。组件的数据输入输出特性见图20所示。通过对该组件功能、模型、数据和接口等要素的定义，可对外提供基础网络功能、专线业务SLA质量保障需求分析功能、专线业务SLA预测功能、专线业务SLA保障功能、以及专线业务SLA质量保障方案验证能力。专线业务SLA保障功能是针对网络中专线业务SLA质量保障需求给出保障方案（调优、扩容），可提供多种保障策略，策略参数可设置，保障算法可选择；并可输出多个业务SLA保障方案。业务SLA保障方案仿真验证功能是针对输出的业务SLA保障方案进行评估分析，提供变更后的专线用户业务SLA，并仿真分析保障方案下发过程是否影响现有业务，及影响业务的原因。当采用不同优化策略、输出多个方案时，可提供多个方案的分析比对，给出保障方案选择策略或最优方案。图20专线业务SLA质量保障仿真器组件（五）5G网络业务灾害应急模拟典型场景描述：近年来各种自然灾害及突发性事件往往会造成较大的人员伤亡和严重财产损失，并造成当地常规通信系统性能严重下降甚至瘫痪，严重影响现场救援工作的顺利开展，如何在最短的图图21应急保障模拟器组件35时间内建立应急通信网络，恢复和保障灾区内的通信畅通成为通信领域一个热点课题。在应急通信网络构建过程中，当前环境无法预知，现有的通信基础设施往往无法适应这类多变且无法预知的需要。通信环境的复杂恶劣性，信息需求的多变性和保障通信畅通的紧迫性特点，对应急通信网络组织提出了更高的要求。采用数字孪生技术构建应急通信网络，不仅可以在数字域验证应急通信系统与现存地方通信网络的兼容性情况，并可以通过仿真后续可能出现的后续灾害类型，预测并防范未来可能出现的灾害事件，能够保持对重点区域实施监测以及数据的全面分析，验证所构建的应急通信系统的性能，保证其正常运行。仿真器组件定义：为实现该场景应用服务，需要引入灾害应急保障仿真/模拟器组件。应急保障模拟器组件需由网元模型、拓扑模型、网络资源状态分析评估模型、应急保障网络规划设计模型、灾害应急方案优化模型和应急保障网络模拟验证模型等构建。组件的数据输入输出特性见图21所示。通过对组件功能、模型、数据和接口等要素的定义，及对模型的合理编排和调用，对外提供网络资源状态分析、应急保障网络的规划设计、优化评估、应急保障网络模拟验证等子功能的实现。网络资源状态分析评估功能是基于5G承载网络资源状态、实时网络拓扑、业务路由、网络配置等数据，根据不同的应急程度，对网络资源状态以及网络拓扑结构进行分析评估，确定现存网络拓扑是否可用，分析判断是采用现网资源优化方式，还是采取新建应急网络方式保障通信畅通。应急保障网络规划设计仿真功能是规划应急保障网络规模、站点、网元类型、网络拓扑、网络和业务性能等，确定应急保障网络资源配置方案。灾害应急方案优化仿真功能，可以针对输出的完整网络应急保障方案进行评估分析，提供优化后的应急保障网络状态、性能等关键仿真结果，实现应急保障方案的最终输出。应急保障网络模拟验证功能是模拟应急保障网络中网元之间的信息传输模式和状态变化，以及用于评估应急保障网络搭建时所用的网络资源情况。并通过多种应急方案模拟演练及在孪生域进行实时分析验证，监测所构建的应急网络是否满足应急区域的应急通信需求。网络优化阶段（一）5G承载网资源优化仿真典型场景描述：全网资源优化需结合全网业务的增长需求和流量流向的变化趋势，根据当前全网资源配置数据和资源使用状态信息，分析全网资源使用率，提出全网优化策略。并根据优化策略，仿真实现全网资源优化配置，提供最终的优化配置数据。全网资源优化包括网络扩容优化和网络缩容优化。通过数字孪生模型实现5G承载网全网资源的优化仿真，提高网络资源优化决策效率。能够通过数字孪生空间同步5G承载网络资源配置和使用状态，判断资源使用瓶颈；根据未来业务需求，提出资源优化方案；并在数字孪生系统中仿真验证优化方案的有效性。仿真器组件定义：为实现该场景应用服务，需要引入网络资源优化仿真器组件。网络资源优化仿真器组件功能需由网元模型、拓扑模型、网络资源使用率分析模型、资源优化模型，以及优化方案仿真验证模型等构建。组件的数据输入输出特性见图22所示。通过对该组件功能、模型、数据和接口等要素的定义，对外可提供基础网络功能、网络资源使用率分析功能、网络资源优化功能、优化方案仿真验证功能、以及可视化呈现功能等仿真能力。其中，网络资源优化功能是针对网络中资源预警的网元和拓扑资源给出资源优化方案（扩/缩容配置），可提供多种优化策略，策略参数可设置，优化算法