运营商数字孪生网络能力成熟度模型研究

doi:10.11959/j.issn.1000-0801.2023118

摘要/Abstract

摘要：

数字孪生网络是通信产业转型升级的重要方向，是电信运营商落实国家战略和赋能数字经济的关键抓手。借鉴业界数字孪生成熟度研究成果，分析数字孪生网络内涵，提出了一套适用于电信运营商的数字孪生网络能力成熟度模型和评估实施方法；通过对数字孪生网络发展阶段进行系统性描述、对数字孪生网络能力成熟度进行量化评价，有助于运营商识别技术或组织短板、改善预期结果，促进产业不同组织的创新和协作。

关键词: 数字孪生网络, 能力成熟度模型, 指标体系, 实施流程, 电信运营商

Abstract:

The digital twin network is an important direction for the transformation and upgrading of the communication industry, and a key lever for telecom operators to implement national strategies and empower the digital economy.The research results of digital twin maturity in the industry were drawn on, the connotation of digital twin network was analyzed, and a set of digital twin network capability maturity model and evaluation method suitable for telecom operators was put forward.Through systematic description of the development stage of digital twin networks and quantitative evaluation of the maturity of digital twin networks capability, it is helpful for operators to identify technical or organizational weaknesses, improve expected results, and promote innovation and collaboration among different organizations in the industry.

Key words: digital twin network, capability maturity model, index system, implementation process, telecom operator

中图分类号:

TP18
TN915

李姗姗, 许建宏, 李涛, 赵永建, 刘志飞. 运营商数字孪生网络能力成熟度模型研究[J]. 电信科学, 2023, 39(6): 149-158.

Shanshan LI, Jianhong XU, Tao LI, Yongjian ZHAO, Zhifei LIU. Research on digital twin network capability maturity model of telecom operators[J]. Telecommunications Science, 2023, 39(6): 149-158.

图/表 9

图1

图2

图3

表1

孪生网络能力维度评价指标特征描述"

评价指标	成熟度等级特征描述
资源模型与管理	L1：数据模型对单个物理网元的编码、名称、厂商、形态等进行数据描述
	L2：构建单网单域物理网元、拓扑和场景功能的数字胚胎模型
	L3：构建单网跨域物理网元、拓扑、场景功能和自然环境的数字化映射模型，可对物理网络部分网元的模型参数调整
	L4：构建全网物理实体和环境的超写实映射模型，模型参数可根据物理网络运行状态实时更新
	L5：构建物理网络全要素全生命周期的智能孪生模型，模型可根据物理网络反馈智能优化
网络感知	L1：以结构化数据采集为主、孤岛式数据所有权
	L2：基于单域多源异构的高精度数据实现网络动态可视
	L3：跨域多源异构实时网络数据感知能力
	L4：利用外部数据源，支持对实体网络先进的数据分析和人工智能驱动的网络超敏感知
	L5：基于数字孪生网络与合作伙伴数据交换共享，实现网络感知预测
模拟仿真	L1：对物理网元静态描述、可视化模拟展示
	L2：对物理网络离线模拟仿真，对趋势状态模拟预览
	L3：对物理网络在线模拟仿真，评估仿真结果和物理指标差异
	L4：对物理网络实时仿真，可实时监测物理网络要素状态
	L5：对物理网络预测仿真，可基于仿真结果实时控制物理网络
智能决策	L1：基于专家经验运营，认知决策以人工为主
	L2：基于手工配置的静态规则，辅助认知决策自动化
	L3：基于外部注入或AI推理动态生成知识，结合预定义规则甄别，辅助认知决策智能化
	L4：基于外部注入或AI推理动态生成知识，实现认知决策全流程智能化
	L5：知识自学习、自演进，实现全网面向多业务、多领域、全生命周期的全场景智能闭环
智能管控	L1：物理网络与数字孪生网络之间无交互，由人工操作
	L2：物理网络与数字孪生网络之间单向动态交互，根据人工预配置规则完成指令下发执行
	L3：物理网络与数字孪生网络之间双向动态交互，基于认知决策结果完成指令自动下发执行
	L4：物理网络与数字孪生网络之间双向实时交互，根据决策方案实现智能调度执行
	L5：物理网络与数字孪生网络之间双向智能闭环，可实时控制物理网络，也可基于物理网络反馈智能优化数字孪生网络

表1

表2

图4

表3

图5

图6

参考文献 10

[1]	中国电子技术标准化研究院. 数字孪生应用白皮书（2020版）[R]. 2020.
	ESI. Digital twin application white paper (2020)[R]. 2020.
[2]	中国移动通信有限公司研究院. 基于数字孪生网络的 6G 无线网络自治白皮书（2022）[R]. 2022.
	China Mobile Research Institute. White paper on autonomous 6G wireless networks based on digital twin networks(2022)[R]. 2022.
[3]	陶飞, 张辰源, 戚庆林 ,等. 数字孪生成熟度模型[J]. 计算机集成制造系统, 2022,28(5): 1267-1281.
	TAO F , ZHANG C Y , QI Q L ,et al. Digital twin maturity model[J]. Computer Integrated Manufacturing Systems, 2022,28(5): 1267-1281.
[4]	中国电子技术节能协会. 数据中心数字孪生技术规范[S]. 2021.
	CEESTA. Data center digital twin technical specification[S]. 2021.
[5]	李培根, 高亮 . 智能制造概论[M]. 北京: 清华大学出版社, 2021.
	LI P G , GAO L . Introduction to intelligent manufacturing[M]. Beijing: Tsinghua University Press, 2021.
[6]	李涛, 李姗姗, 方虬 . 运营网络智能化体系研究[J]. 信息通信技术, 2022,16(5): 47-54.
	LI T , LI S S , FANG Q . Research on intelligent operation network system[J]. Information and Communications Technologies, 2022,16(5): 47-54.
[7]	中国联合网络通信有限公司智网创新中心. 中国联通自智网络白皮书（2.0）[R]. 2021.
	China United Network Communications Co.,Ltd.Intelligent Network Innovation Center. China Unicom’s intelligent network white paper(2.0)[R]. 2021.
[8]	张洁, 许建宏, 赵永建 ,等. 基于意图与编排的新型 ICT 基础架构[J]. 电信科学, 2022,38(S1): 184-193.
	ZHANG J , XU J H , ZHAO Y J ,et al. ICT infrastructure based on intent-based network and service orchestration[J]. Telecommunications Science, 2022,38(S1): 184-193.
[9]	中国信息通信研究院. 人工智能安全框架（2020）[R]. 2020.
	CAICT. Artificial intelligence security framework(2020)[R]. 2020.
[10]	李姗姗, 李涛, 刘辛炎 . 电信运营商数字化转型成熟度评价研究[J]. 信息通信技术, 2022,16(1): 58-63.
	LI S S , LI T , LIU X Y . Research on digital transformation maturity evaluation of telecom operators[J]. Information and Communications Technologies, 2022,16(1): 58-63.

评价指标	成熟度等级特征描述
网络资源管理	L1：对部分有源资源线上化管理和手工稽核
	L2：全网有源资源可视化管理和自动稽核，部分无源资源可线上管理
	L3：全网无源资源可视化管理，部分无源资源可自动稽核
	L4：全网无源资源全生命周期可视化管理和自动稽核
	L5：全网资源全生命周期可视化管理、智能化稽核
网络能力开放	L1：单网单域各业务平台间按需进行点对点能力接入调用
	L2：建设能力开放平台，实现部分网络能力的接入
	L3：建成全网统一能力开放平台，全部网络能力标准化接入，实现能力共享复用
	L4：网络能力开放平台实现与其他业务系统的打通，网络能力实现产品化
	L5：按业务场景对全网能力拉通，实现全网能力的供给、需求、管理、运营全生命周期管理
全网能力编排	L1：单网单域可编排，基于人工方式按需静态编排网络服务
	L2：单网跨域端到端可编排，根据预设编排规则实现局部半自动编排
	L3：主要业务跨网端到端可编排，根据认知分析结果实现局部自动编排
	L4：全网端到端可编排，根据决策形成的策略部分实现全流程自动编排
	L5：全网按业务意图实时智能编排网络服务
智能化安全	L1：以传统静态、被动式的安全防护为主
防护能力	L2：开始关注智能化应用安全防护，对业务安全合规性评估
	L3：加强AI算法安全、数据安全防护能力
	L4：实现动态、自适应的主动安全防御能力
	L5：引入和强化针对智能化恶意攻击的反制进攻能力

一级总指数	二级维度	二级维度权重	三级指标	三级指标适用范围	三级指标权重	三级指标量化评分规则
数字孪生网络能力成熟度总指数	网络智能运营场景维度	20%	网络智能运营场景覆盖率	企业级	20%	取值∈[0,20%]：20分
						取值∈(20%,40%]：40分
						取值∈(40%,60%]：60分
						取值∈(60%,80%]：80分
						取值∈(80%,100%]：100分
	孪生网络能力维度	40%	资源模型与管理	企业级、场景级	8%	成熟度达到L1级：20分
			网络感知	企业级、场景级	8%	成熟度达到L2级：40分
			模拟仿真	企业级、场景级	8%	成熟度达到L3级：60分
			智能决策	企业级、场景级	8%	成熟度达到L4级：80分
			智能管控	企业级、场景级	8%	成熟度达到L5级：100分
	物理网络能力维度	40%	网络资源管理	企业级、场景级	10%
			网络能力开放	企业级、场景级	10%
			全网能力编排	企业级、场景级	10%
			智能化安全防护能力	企业级、场景级	10%

[1]	徐亮, 王烨, 郑然, 张基恒, 袁萍, 李鑫阳, 田宇. 通信网络运维多维评估模型设计及应用[J]. 电信科学, 2023, 39(4): 142-151.
[2]	张海涛, 蒋熠, 竺士杰, 陈琦. 电信运营商威胁情报体系研究与应用探索[J]. 电信科学, 2022, 38(12): 121-132.
[3]	刘小忠, 方军予, 蒋永彬. 2G/3G转网视角下电信运营商物联网发展策略分析[J]. 电信科学, 2022, 38(10): 153-162.
[4]	张云勇,程刚,安岗,杨学红,邹贵祥. 区块链在电信运营商的应用[J]. 电信科学, 2020, 36(5): 1-7.
[5]	王聪丽,王锦华,薛伟佳. 公钥密码基础设施在电信运营商的应用[J]. 电信科学, 2020, 36(11): 98-103.
[6]	刘凯凯,张勋. 电信运营商物联网发展模式比较分析[J]. 电信科学, 2019, 35(9): 144-152.
[7]	康重庆,王毅,张靖,王永真,高峰,刘毅. 国家能源互联网发展指标体系与态势分析[J]. 电信科学, 2019, 35(6): 2-14.
[8]	赵雅迪,吴钊,李庆兵,陈小峰,王宝亭. 电费回收风险预测的大数据方法应用[J]. 电信科学, 2019, 35(2): 125-133.
[9]	张云勇. 5G将全面使能工业互联网[J]. 电信科学, 2019, 35(1): 1-8.
[10]	张云勇. 电信运营商大数据发展建议[J]. 电信科学, 2018, 34(1): 103-108.
[11]	刘觅,杨海川,李振华. 运营商构建电信大数据生态之道[J]. 电信科学, 2018, 34(1): 109-119.
[12]	马春宇,王军林,王宝旺,甘波华. 个性化推荐助力运营商数字化营销[J]. 电信科学, 2018, 34(1): 174-180.
[13]	周胜利,陈斌,吴礼发. 大数据环境下电信运营商数据安全保护方案[J]. 电信科学, 2017, 33(5): 119-125.
[14]	侯慧芳,潘洁. 大数据背景下运营商建设统一DPI系统的思考[J]. 电信科学, 2017, 33(4): 191-197.
[15]	李莉,罗田田,张亚娜,吴润泽. 基于可拓学的电力ICT网多目标分层诊断模型[J]. 电信科学, 2017, 33(2): 113-119.