隨著5G、物聯網
、云計算、數字孿生等新興一代
技術的發展以及層出不窮的網絡新業務涌現, 網絡負載不斷增加, 網絡規模持續擴大
。
由此帶來的網絡復雜性, 使得網絡的運行和維護變得越來越復雜
。
同時, 由于網絡運營的高可靠性要求, 網絡故障的高代價以及昂貴的試驗成本, 網絡的變動往往牽一發而動全身, 新技術的部署愈發困難
。講
數字孿生之前先
具體來說
一下
, 超大規模網絡發展面臨的
哪些
典型挑戰
：
1) 網絡靈活性不足
2) 網絡新技術研發周期長、部署難度大
3) 網絡綜合管理運維復雜
4) 網絡優化成本高、風險大
為解決上述困難, 網絡智能化越來越為各行業、產業界所重視 。 基于 “ 意圖網絡”, “自動駕駛網絡”, “零接觸(Zero-Touch)網絡”等概念和技術相繼被業界提出和推廣, 希望借助網絡智能化技術, 實現網絡自動化和自主化運行的愿景 。 數字孿生 系統 構建物理網絡的實時鏡像, 可增強物理網絡所缺少的系統性仿真、優化、驗證和控制能力, 助力上述網絡新技術的部署, 更加高效地應對網絡問題和挑戰 。
將數字孿生技術應用于網絡, 創建物理空間的虛擬鏡像, 即可搭建數字孿生網絡平臺 。 通過物理 空間 和 數字孿生技術 實時交互、相互影響, 數字孿生網絡平臺能夠助力網絡實現低成本試錯、智能化決策和高效率創新 。 數字孿生網絡的研究和應用在產業和學術界還處于起步階段 。
1、數字孿生的起源（超越現實的概念）
“孿生”的概念最早起源于美國國家航空航天局的“阿波羅計劃”；2003年前后，關于數字孿生（Digital Twin）的設想首次出現于美國密歇根大學的產品全生命周期管理課程上；直到2010年，“Digital Twin”一詞在NASA的技術報告中被正式提出；2012年，美國國家航空航天局與美國空軍聯合發表了關于數字孿生的論文，重點應用于未來飛行器發展。
近年來, 隨著多學科建模與仿真技術的飛速發展, 數字孿生技術研究成為熱點 ， 得益于物聯網、大數據、云計算、人工智能等新一代信息技術的發展，數字孿生在虛擬樣機、數字孿生車間 、數字孿生工業 、數字孿生衛星、智慧能源、 智慧工廠、交通、醫療健康等諸多領域得到成功運用 。 面向未來網絡發展, 伴隨著云計算、大數據、人工智能等技術的不斷發展以及信息的泛在化, 數字孿生技術也將更廣泛地運用于人體活動監控與管理、家居生活和科學研究等領域, 使得整個社會走向虛擬與現實結合的 “數字孿生” 世界 。
什么是數字孿生？學術界和產業界有不同的定義，通俗地可以理解為：以數字化的方式建立物理實體的虛擬模型，物理世界數字化，借助歷史數據、實時數據和算法模型，實現對物理實體的分析預測和改善優化，具有實時性和閉環性。數字孿生將割裂的虛擬世界與現實世界融合，是前沿科技下一個代際的發展主題。
Gartner在其物聯網(Internet of things, IoT)數字孿生技術報告中提出構建一個物理實體的數字孿生體需要4個關鍵要素: 模型、數據、監控和唯一性 。 提出了數字孿生的五維模型 {PE, VE, Ss, DD, CN}, 其中, PE表示物理實體, VE表示虛擬實體, Ss表示服務, DD表示孿生數據, CN表示各部分之間的連接 。 國際標準化組織(International Organization for Standardization, ISO)發布了面向制造的數字孿生系統框架標準草案, 提出包含數據采集域、設備控制域、數字孿生域和用戶域的參考框架, 該草案即將成為數字孿生領域第一個國際標準 。
2、 數字孿生定義
數字孿生網絡業界尚無統一的定義, 本文將 “數字孿生網絡” 定義為: 一個具有物理網絡實體及虛擬孿生體, 且二者可進行實時交互映射的網絡系統 。
在此系統中, 各種網絡管理和應用可利用數字孿生技術構建的虛擬孿生體, 基于數據和模型對物理 實體 進行高效的分析、診斷、仿真和控制 。 基于此定義, 數字孿生應當具備4個核心要素: 數據、模型、映射和交互 。
1）
數據
數據是構建數字孿生 可視化 的基石, 通過構建統一的數據共享倉庫作為數字孿生網絡的單一事實源, 高效存儲物理網絡的配置、拓撲、狀態、日志、用戶業務等歷史和實時數據, 為 數字 孿生提供數據支撐 。
2）模型
數字孿生中的模型既包含了對應已知物理對象的機理模型，也包含了大量的數據驅動模型。其中，“動態”是模型的關鍵，動態意味著這些模型需要具備自我學習、自主調整的能力。
3）映射
在數字虛體空間中創建的虛擬事物，與物理實體空間中的現實事物形成了在形、態、質地、行為和發展規律上都極為相似的虛實精確映射關系，讓物理孿生體與數字孿生體具有了多元化映射關系，具備了不同的保真度（逼真、抽象等） 特征。
4）交互
交互是達成虛實同步的關鍵, 數字孿生 通過標準化的接口連接網絡服務應用和物理實體 系統 , 完成對于物理網絡的實時信息采集和控制, 并提供及時診斷和分析 。
基于四要素構建的網絡孿生體可借助優化算法、管理方法、專家知識等對物理網絡進行全生命周期的分析、診斷、仿真和控制, 實現物理網絡與孿生網絡的實時交互映射, 幫助網絡以更低成本、更高效率、更小的現網影響部署各種網絡應用, 助力網絡實現極簡化和智慧化運維 。
3、 從數字孿生的定義可以看出，數字孿生具有以下幾個典型特點：
1
）
互操作性 ：數字孿生中的物理對象和數字空間能夠雙向映射、動態交互和實時連接，因此數字孿生具備以多樣的數字模型映射物理實體的能力，具有能夠在不同數字模型之間轉換、合并和建立“表達”的等同性 。
2
）
可擴展性 ：數字孿生技術具備集成、添加和替換數字模型的能力，能夠針對多尺度、多物理、多層級的模型內容進行擴展。
3
）
實時性 ：數字孿生技術要求數字化，即以一種計算機可識別和處理的方式管理數據以對隨時間軸變化的物理實體進行表征。表征的對象包括外觀、狀態、屬性、內在機理，形成物理實體實時狀態的數字虛體映射。
4
）高
保真性：數字孿生的保真性指描述數字虛體模型和物理實體的接近性。要求虛體和實體不僅要保持幾何結構的高度仿真，在狀態、相態和時態上也要仿真。值得一提的是在不同的數字孿生場景下，同一數字虛體的仿真程度可能不同。例如工況場景中可能只要求描述虛體的物理性質，并不需要關注化學結構細節 。
5 ） 閉環性 ：數字孿生中的數字虛體，用于描述物理實體的可視化模型和內在機理，以便于對物理實體的狀態數據進行監視、分析推理、優化工藝參數和運行參數，實現決策功能，即賦予數字虛體和物理實體一個大腦。因此數字孿生具有閉環性 。
數字孿生關鍵技術
一個數字孿生系統，按照其所能實現的功能來分，大致可分為4個發展階段：
（1）數化仿真階段
在這個階段，數字孿生要對物理空間進行精準的數字化復現，并通過物聯網實現物理空間與數字空間之間的虛實互動。這一階段，數據的傳遞并不一定需要完全實時，數據可在較短的周期內進行局部匯集和周期性傳遞，物理世界對數字世界的數據輸入以及數字世界對物理世界的能動改造基本依賴于物聯網硬件設備。
這一階段主要涉及數字孿生的物理層、數據層和模型層（尤其是機理模型的構建），最核心的技術是建模技術及物聯網感知技術。通過3D測繪、幾何建模、流程建模等建模技術，完成物理對象的數字化，構建出相應的機理模型，并通過物聯網感知接入技術使物理對象可被計算機感知、識別。
（2）分析診斷階段
在這個階段，數據的傳遞需要達到實時同步的程度。將數據驅動模型融入物理世界的精準仿真數字模型中，對物理空間進行全周期的動態監控，根據實際業務需求，逐步建立業務知識圖譜，構建各類可復用的功能模塊，對所涉數據進行分析、理解，并對已發生或即將發生的問題做出診斷、預警及調整，實現對物理世界的狀態跟蹤、分析和問題診斷等功能。
這一階段的重點在于結合使用機理模型及數據分析型的數據驅動模型，核心技術除了物聯網相關技術外，主要會運用到統計計算、大數據分析、知識圖譜、計算機視覺等相關技術。
（3）學習預測階段
實現了學習預測功能的數字孿生能通過將感知數據的分析結果與動態行業詞典相結合進行自我學習更新，并根據已知的物理對象運行模式，在數字空間中預測、模擬并調試潛在未發覺的及未來可能出現的物理對象的新運行模式。在建立對未來發展的預測之后，數字孿生將預測內容以人類可以理解、感知的方式呈現于數字空間中。
這一階段的核心是由多個復雜的數據驅動模型構成的、具有主動學習功能的半自主型功能模塊，這需要數字孿生做到類人一般靈活地感知并理解物理世界，而后根據理解學習到的已知知識，推理獲取未知知識。所涉及的核心技術集中于機器學習、自然語言處理、計算機視覺、人機交互等領域。
（4）決策自治階段
到達這一階段的數字孿生基本可以稱為是一個成熟的數字孿生體系。擁有不同功能及發展方向但遵循共同設計規則的功能模塊構成了一個個面向不同層級的業務應用能力，這些能力與一些相對復雜、獨立的功能模塊在數字空間中實現了交互溝通并共享智能結果。而其中，具有“中樞神經”處理功能的模塊則通過對各類智能推理結果的進一步歸集、梳理與分析，實現對物理世界復雜狀態的預判，并自發地提出決策性建議和預見性改造，并根據實際情況不斷調整和完善自身體系。
在這一過程中，數據類型愈發復雜多樣且逐漸接近物理世界的核心，同時必然會產生大量跨系統的異地數據交換甚至涉及數字交易。因此，這一階段的核心技術除了大數據、機器學習等人工智能技術外，必然還包括云計算、區塊鏈及高級別隱私保護等技術領域。
注：部分文章及圖片節選自網絡，如有版權問題請聯系作者刪除！