6G移动网络架构SOLIDS——驱动力、特征及功能拓扑

刘光毅 ,  李娜 ,  邓娟 ,  王莹莹 ,  孙军帅 ,  黄宇红

工程（英文） ›› 2022, Vol. 8 ›› Issue (1) : 42 -59.

PDF (7789KB)
工程（英文） ›› 2022, Vol. 8 ›› Issue (1) : 42 -59. DOI: 10.1016/j.eng.2021.07.013

6G移动网络架构SOLIDS——驱动力、特征及功能拓扑

作者信息 +

The SOLIDS 6G Mobile Network Architecture: Driving Forces, Features, and Functional Topology

Author information +
文章历史 +
PDF (7975K)

摘要

随着第五代（5G）移动网络的大规模商用部署，面向2030 年的新服务和新应用正逐渐兴起，信息、通信和数据技术（ICDT）的深度融合已成为未来网络发展趋势。新应用需求、新技术趋势以及5G实践经验，构成了下一代移动网络发展的三大驱动力。本文回顾了移动网络架构演进的历史和驱动力，提出了第六代（6G）移动网络的逻辑功能架构。所提6G网络架构称为SOLIDS，由其六大基本网络特征构成，即柔性（soft）、按需服务（on-demand fulfillment）、至简（lite）、内生智慧（native intelligence）、数字孪生（digital twin）和内生安全（native security）。该网络架构可以有效解决5G网络面临的高成本、高功耗、操作和维护难等主要问题，可在无需人工参与的情况下支持网络的自生成、自修复、自演进和自免疫。

Abstract

With the large-scale commercial launch of fifth generation (5G) mobile network, the development of new services and applications catering to the year 2030, along with the deep convergence of information, communication, and data technologies (ICDT), and the lessons and experiences from 5G practice will drive the evolution of the next generation of mobile networks. This article surveys the history and driving forces of the evolution of the mobile network architecture and proposes a logical function architecture for sixth generation (6G) mobile network. The proposed 6G network architecture is termed SOLIDS (related to the following basic features: soft, on-demand fulfillment, lite, native intelligence, digital twin, and native security), which can support self-generation, self-healing, self-evolution, and self-immunity without human involvement and address the primary issues in the legacy 5G network (e.g., high cost, high power consumption, and highly complicated operation and maintenance), significantly well.

关键词

第六代 / 网络特征 / 网络架构

Key words

Sixth generation / Network features / Network architecture

引用本文

引用格式 ▾
刘光毅,李娜,邓娟,王莹莹,孙军帅,黄宇红. 6G移动网络架构SOLIDS——驱动力、特征及功能拓扑[J]. 工程（英文）, 2022, 8(1): 42-59 DOI:10.1016/j.eng.2021.07.013

登录浏览全文

4963

注册一个新账户 忘记密码

1. 引言

第五代（5G）移动通信系统由第三代合作伙伴项目（3GPP）定义，可满足2020年以后三种典型应用场景的需求，即增强移动宽带（eMBB）、海量机器类通信和超高可靠低时延通信（URLLC）[1]。5G将开启万物互联的新时代，成为各行各业创新发展的助推器。

5G网络自2019年开始全球商用。截至2020年年底，全球已建成129个5G网络。早期的5G网络旨在满足eMBB场景需求，如云游戏、高清视频、增强现实和虚拟现实。随着研究推进，URLLC能力被引入5G系统，这将助力工业互联网和企业应用的发展。

5G的商用将促进人工智能（AI）、云计算、大数据技术的应用。5G不仅深刻地改变了人们的生活方式，还加速了整个社会的信息化和数字化，推动社会走向“数字孪生和智慧泛在”[2‒3]。如图1所示，在全新的“数字孪生”世界中，每个物理实体都有一个虚拟映射。物理世界中人与人、人与物、物与物之间的信息与智能传递，可通过数字世界来实现。数字世界是对物理实体的模拟和预测，能准确反映和预测物理世界的真实状态。在数字世界提前干预，可预防物理世界中意外事故和自然灾害的发生。“数字孪生”世界将有利于进一步解放人类，提高人们的生活水平、生产效率和社会治理水平，实现“数创世界新，智通万物灵”的美好愿景。

图1 数字孪生世界。

数字孪生世界将催生更多新的移动网络应用场景，如通感互联网、全息交互、数字孪生人、智能交互、智能交通、精准医疗等[2‒3]。如图2所示，这些场景需要更高的网络能力，如更高的数据速率、更低的延迟、更精确的定位、更确定的服务质量（QoS）等，这将推动5G移动网络向下一代网络演进，即第六代（6G）移动通信系统。

图2 5G关键性能指标（KPI）与6G KPI的对比。DL：下行链路；UL：上行链路；CP：控制面；UP：用户面。

网络架构是6G移动系统的基石，它为不同使能技术提供基础框架，来支撑目标服务与应用。本文提出了一种可以应用于6G移动通信系统的逻辑网络架构，并提出6G移动网络六大特征。在提出网络架构之前，有必要先对网络演进的驱动力进行分析。

网络演进的第一个驱动力是2030年新应用和新场景带来的新需求[4‒5]。如上所述，5G的商业化激发了人们对下一代移动网络的想象和期待。一方面，新的业务/应用和用例将被开发出来，它们需要更高的网络性能，如更高的数据速率、更低的时延、更高的可靠性、更高的定位精度，这些都超出了5G系统的能力范围。另一方面，6G网络需要提供全新的网络能力，如内生智能和内生安全。

网络演进的第二个驱动力是信息、通信和数据技术（ICDT）的深度融合[6‒7]，这将推动网络的服务能力和运行效率全面提升[8‒9]。计算、存储等资源将从中心扩展到边缘，网络也将具备内生计算能力和资源感知与控制能力。边缘AI和分布式AI在当今越来越流行[10‒11]，这促使我们在网络设计中考虑AI部署方法，支持实时AI应用。与此同时，数据治理已然成为趋势，在网络设计中也需要考虑数据安全与合规、数据分析与应用、数据安全流通等技术的应用。

网络演进的第三个驱动力是5G网络面临的问题和挑战。在设计6G移动网络架构时，应继承5G移动网络的成熟技术和理念，深刻吸纳5G网络在系统设计、商业部署和运营经验等方面的教训。此外，为了保证6G网络的成功和可持续发展，5G网络面临的高建设成本（CAPEX）/运营成本（OPEX）、高功耗、运维难度大等问题和挑战也需要在6G中得到有效解决。

本文组织结构如下：第2节回顾了移动网络架构演进的历史。第3节总结了6G移动网络架构创新的驱动力。第4节提出了一个称为SOLIDS的三层四面逻辑网络架构。“SOLIDS”一词由六大6G网络特性的第一个字母组成，即柔性（soft）、按需服务（on-demand fulfillment）、至简（lite）、内生智慧（native intelligence）、数字孪生（digital twin）和内生安全（native security）。这些网络特征将在第5节中详细阐述。最后，第6节总结全文。

2. 移动网络架构演进的历史

2.1. 网络架构演进

随着移动通信技术的发展，移动网络架构也在不断变革。第三代（3G）移动网络采用三层架构，如图3（a）所示[12]。第四代（4G）移动网络采用全互联网协议，结构缩减为两层，包括基站（eNodeB）和演进分组核心网（EPC）[13]。如图3（b）所示，EPC的主要组成部分包括移动性管理实体（MME）、归属用户服务器（HSS）、服务网关（S-GW）和分组数据网络网关（P-GW）。得益于这种扁平网络结构以及控制平面（CP）与用户平面（UP）的分离，端到端数据传输延迟得到大大缩减。5G网络架构通过引入信息技术（IT）实现了核心网（CN）架构的变革，包括服务化架构（SBA）[14]、CP与UP的进一步分离、网络切片等，如图3（c）所示。

图3 网络架构演进。（a）3G网络架构[12]；（b）4G网络架构[13]；（c）5G网络架构[14]。UE：用户设备；RNC：无线网络控制器；MSC：移动交换中心；GMSC：网关MSC；HLR：归属位置寄存器；SGSN：GPRS服务支持节点；GGSN：GPRS网关支持节点；CS：电路交换；PS：分组交换；PSTN：公共交换电话网络；eNodeB：演进型Node B；DN：数据网络；PDN：分组数据网；NSSF：网络切片选择功能；NEF：网络开放功能；NRF：网络存储库功能；PCF：策略控制功能；AUSF：认证服务器功能；AMF：接入和移动性管理功能；SMF：会话管理功能；UDM：统一数据管理；UPF：用户面功能。

为满足2020年典型应用场景的多样化业务需求，5G网络引入了基于软件定义网络（SDN）[16]和网络功能虚拟化（NFV）[17]的网络切片技术[15]，通过专用逻辑或虚拟网络提供适当的功能和处理能力，来满足QoS、隐私性、安全性等业务需求。网络切片有望为5G网络提供弹性扩容、快速功能升级和网络功能按需部署的能力。通过网络切片，可以实现在单一网络中支持企业和行业应用的多样化业务需求。

无线接入网（RAN）通过将集中单元（CU）和分布式单元（DU）分离，实现灵活部署。一方面，可以通过集中部署CU来降低网络成本，比如将CU与多接入边缘计算和（或）UP功能部署在同一基础设施平台上；另一方面，可以将DU部署在尽可能靠近用户的位置来满足URLLC业务需求，提升无线网络的可扩展性。

2.2. 不断演进的5G系统

早期对工业互联网和企业应用场景的研究表明，5G CN相对于OTT运营商的网络复杂得多，对多样化业务需求的适应性还需进一步提高。5G网络功能或网元之间接口的开放性及软硬件的分离，对5G CN的测试验证工作带来巨大压力。5G CN的运行与维护已经成为传统移动运营商的一大挑战。

目前网络切片的主要工作由CN完成，RAN和传输网（TN）仍然需要付出较大的努力来支持端到端网络切片。3GPP仍在持续推动网络切片的标准化工作，以支持网络切片的自动化管理和编排[18]。

此外，5G移动运营商还面临着成本高、基站功耗高，以及由于5G与传统3G/4G网络的互操作带来的运维复杂度高等挑战。

为应对5G网络高功耗的挑战，引入了一些基站智能节能方案，包括载波关断、射频前端关断、时隙关断、符号级关断等。此外，通过5G和4G系统之间的负载均衡，可实现轻负载5G基站的关断。

为了解决运维效率低的问题，3GPP等标准化组织正被引入AI技术[19‒21]。在3GPP服务和系统方面第5工作组（SA5）中，除了将自组织网络的工作从4G扩展到5G之外，还设立了自治网络相关工作项目，这些工作项目受到了业界广泛关注。在这些工作项目中，“自治网络分级”[19]将网络自治定义为电信系统在最小或没有人工干预的情况下由自身管理的能力，并描述了自治能力在网络管理工作流中的六个级别的应用。“闭环通信服务保证”描述了开放和封闭控制循环的概念，以及闭环通信服务保证的用例、需求和模型。在“意图驱动的移动网络管理”[20]中，3GPP研究了能够简化管理接口的概念、场景和解决方案。“管理数据分析服务”[21] 利用AI和机器学习（ML）技术为管理系统带来智能化和自动化，并通过处理和分析网络数据产生价值。一些移动运营商和制造商也在合作研究自治网络，旨在实现O&M;的“零接触”[22]。在参考文献[23]中，使用39个场景来识别运营商和垂直行业在业务和自动化方面面临的挑战，对这些场景的分析派生出架构、功能和操作需求。自治网络的框架在参考文献[23]中也有定义。

但是，受限于当前网络架构，对AI在运维方面的应用，只能逐个案例分析，并且以“打补丁”的方式应用到网络中。AI带来的网络效率提升远低于预期。为了进一步提高效率，未来需要一个内生智慧的网络架构。

为了解决5G网络部署带来的高成本问题,多家移动运营商和制造商共同推进开放式RAN（OpenRAN）项目[24]，该项目旨在开放基站不同模块之间的接口，并基于白盒硬件和开源软件设计整个基站架构,。

作为Open RAN的先驱，日本第四大移动运营商乐天移动（Rakuten Mobile，以下简称乐天）的目标是重新定义移动通信产业，通过提供有吸引力的、敏捷的服务，满足不同客户的需求。2019年2月，乐天宣布在一个完全虚拟化的云原生移动网络上进行首个现实世界、商业友好的端到端试验[25]。乐天公开宣称，已成功验证系统的稳定性和可扩展性，这一方式可降低35%~40%的CAPEX和30%的OPEX。对于未来应用云原生技术的5G演进网络而言，预计可节省50%的成本。

作为移动网络架构演进的下一步，6G网络创新将吸收历史经验，融入ICDT融合的最新进展，实现网络的自生成、自修复、自演进、自免疫。

3. 移动网络架构创新的驱动力

6G网络架构创新的驱动力主要来自三个方面[26]。一是，新业务和新应用场景带来的需求，包括更高的用户体验速率、更低的CP和UP延迟、更高的峰值速率、更高的连接数密度，以及空天地海无处不在的覆盖。二是，ICDT融合的技术趋势。随着云计算、大数据和人工智能技术的快速进步，更高效的软硬件解决方案将推动6G网络架构朝着更高效、更低成本的方向发展。具体来说，6G网络的设计必须考虑新的网络架构、更强大的网络功能，以及使用基于商用现货产品而非专用硬件的通用处理器平台。三是，传统4G和5G网络面临的问题和挑战必须在6G网络架构中解决。例如，5G网络的成本和能耗是4G网络的三倍，网络的运维也变得更加复杂，这就需要引入新的思维方式，在未来6G网络设计中解决这些问题。

3.1. 面向2030年的新用例和新场景

5G网络的快速部署和应用将促进AI、云计算、大数据的应用和发展，加快整个社会的数字化进程，显著提高运营、生产和生活效率，明显提升人们的生活质量，并推动整个社会走向数字化。物理世界中的每一个物体在数字世界中都将有一个数字映射，这些数字映射共同构成了数字世界。物理世界和数字世界构成了数字孪生世界[2‒3]。数字孪生世界可以提前预测物理世界的变化，也可以提前进行干预，避免物理世界突发事故和自然灾害的发生。数字孪生世界将催生出更多与移动通信密切相关的新应用场景，包括通感互联网、全息交互、数字孪生人、智能交互、智能工农业等，如图4所示。

图4 面向2030年的典型应用场景[4]。

2030年及以后的应用和业务特征可以概括为如下六个方面：①业务与应用的需求将更加多样化；②覆盖立体化，以满足不同场景间的无缝切换和业务连续性；③交互形式与内容多样化，用户将获得更加沉浸式的体验；④业务趋向定制化和个性化，需要端到端网络按需编排与配置；⑤通信、计算、感知一体化，丰富服务类型和业务场景；⑥安全融合化，这需要更有效的安全支持，而不是打补丁的支持方式。

为了满足这些需求，6G网络必须支持按需服务，通过端到端网络功能和资源的定制化编排和参数配置，确保以用户为中心的体验。

3.2. ICDT深度融合趋势

IT的快速发展加快了互联网的普及，各种应用不断涌现。云计算的出现和快速发展，加速了这一过程。大型云计算公司可以使用廉价的商用现成硬件，快速、大规模地部署计算和存储等IT服务能力。企业或个人可以根据业务需求租用云计算公司的IT服务能力，将自己的数据存储在云数据中心，并按需调用。这些计算能力保证了互联网业务的快速部署和应用。

通信技术也在以惊人的速度发展和迭代。4G网络和智能手机的普及，给移动互联网服务带来了前所未有的繁荣，深刻改变了人们的日常生活。智能手机已经成为人们日常生活的重要平台，可以满足人们出行、购物、娱乐等各种需求，这些需求产生了海量数据，包括位置、轨迹、个人偏好、娱乐、购物习惯等。通过对这些用户行为数据的收集和分析，互联网服务提供商可以获得用户肖像，实现提供个性化服务，包括精准的内容推送和便捷的服务获取，推动了大数据应用和处理技术的快速发展。随着全球移动通信系统、窄带物联网[27]、增强机器类通信[28]等物联网技术的快速崛起，通信对象已经从人延伸到物，物联网用户的数量已经超过人的数量。例如，中国移动约有9.5亿人类用户，而物联网用户约为20亿。大量的连接产生了海量的数据，而对这些海量数据的分析和应用，推动了社会的信息化和数字化。随着5G网络的部署和应用，无线传输速率可以达到千兆每秒（Gbps）甚至10 Gbps，无线传输延迟可以缩短到毫秒级，数据传输可靠性也从99.999%提高到99.99999%。这些都将把移动通信技术的应用带到社会的每一个角落，实现万物互联。数字化转型将为各行各业带来繁荣，加速整个社会的数字化进程，实现“5G改变社会”的目标。

大数据已成为企业和社会的重要战略资源，是研究人员和业界关注的新热点。随着4G和5G系统的普及和应用，我们可以看到，整个移动通信网络及其应用始终在产生海量数据。这些数据包含整个社会大量丰富的信息，而数据技术（DT）的快速发展将使这些数据应用到人类生活和社会治理中，如智能购物、智能交通、智能医疗、智慧校园、智慧城市等。

大数据离不开云处理，云处理是生成大数据的平台[29‒30]。大数据与云计算自2013年开始紧密融合，预计未来它们的关系会更加紧密。此外，物联网、移动互联网等新兴计算方式将推动大数据革命，大数据营销将发挥更大的影响力。

大数据可能是继计算机和互联网之后的新一轮技术革命。随之而来的数据挖掘、ML、AI等新兴技术，可能会改变数据世界的许多算法和基础理论，实现科学技术的突破。

随着数字化的加速，每个社会元素都将产生大量的数据，这些数据来自个人、公司、基础设施等。由于这些数据的所有权完全不同，数据存储、数据管理、数据共享、数据安全和隐私以及数据交易等问题变得非常难以处理。因此，未来必然会出现相关的大数据立法，明确数据的所有权和相关利益分配。与此同时，大数据存储和管理平台将出现，帮助大家进行数据存储、管理和交易。

大数据的大规模部署，推动了AI应用的发展。AI是研究和发展模拟、延伸和扩展人类智能的理论、方法、技术和应用系统的一门新兴技术科学。AI是计算机科学的一个分支。它试图理解智能的本质，并制造一种能够以类似人类智能的方式做出反应的新的智能机器。自AI诞生以来，相关理论和技术日趋成熟，应用领域不断拓展。可以想象，未来AI带来的科技产品将是人类智慧的“容器”。AI可以模拟人类意识和思维的信息过程。目前，AI的研究领域主要包括知识表示、自动推理和搜索方法、ML、知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动编程等。AI的应用主要包括机器翻译、智能控制、专家系统、机器人、语言、图像识别（如人脸识别和车牌识别）、基于遗传算法的机器人工厂、自动编程和航空航天应用。这些应用深刻地影响着我们的日常生活和工作。

在5G网络设计中，ICDT融合的趋势已经出现。5G CN的设计充分引入了先进的IT理念，通过SDN/NFV和SBA实现了网络切片，为5G网络赋能垂直行业提供了重要支持。5G移动通信网络通常由数百万个基站、路由器、CN网元和其他基础设施设备以及数十亿用户组成，产生大量的数据，包括各网元的运行数据、通信过程中产生的信令数据、事件报告以及用户在网络中移动的相关信息。如果在这些数据中添加时间、位置等标签，将为网络运维的自动化和智能化带来不可估量的价值。因此，基于用户在网络中的位置信息，运营商开始研究基于大数据和人工智能的网络自动化，如大规模多输入多输出（MIMO）权值优化、网络异常分析、用户体验分析与优化[31]等。与此同时，3GPP已经开始研究无线网络中的大数据采集[32]、网络运维中的自动化与智能化[33]以及AI在无线资源调度中的应用[20]。可以看出，在5G标准制定的后期，DT的应用将进一步与通信技术融合。ICDT融合正在成为一种新的发展趋势，将进一步降低5G网络的运维成本，提升网络业务能力和用户体验。

但是，我们认为现有5G系统无法与ICDT的深度融合完美匹配。网络数据分析功能（NWDAF）就是一个例子。NWDAF是一个基于网络数据自动感知和分析网络的数据分析网元，参与网络规划、建设、运维、优化和运行的全生命周期，使网络易于维护和控制，提高网络资源利用率，提升用户体验。虽然NWDAF可以有效地提升网络性能，但这种基于补丁式AI的5G系统暴露了一些问题：一个是数据安全问题和大量测量数据上报导致的信号开销问题；另一个是低延迟的挑战，因为所有数据都必须上传到集中分析单元（如NWDAF）并在其上进行处理，而该分析单元可能部署在远离数据源的地方。在设计6G系统时需要充分考虑这些问题。

因此，我们认为ICDT的深度融合必将成为6G网络设计的重要驱动力，云原生、大数据、AI将在未来的网络架构设计中发挥重要作用。

3.3. 5G网络面临的问题与挑战

自2019年以来，5G网络已在全球大规模部署。5G网络与云计算、大数据、AI，必将催生更多新的业务和应用，从而推动整个社会的数字化。随着5G网络的发展和新业务、新应用的不断涌现，5G网络将不可避免地面临一些新的问题和挑战。其中一些问题可能会在5G网络的发展中得到解决；但由于5G网络本身的局限性，有些问题可能难以解决。这些问题和挑战将成为6G网络设计创新的重要动力和源泉。

从5G网络特点和近期发展来看，5G网络将面临以下几个方面的挑战。

3.3.1. 分层协议栈

在5G网络中，空口协议采用分层模型，包括物理层、媒体访问控制（MAC）层、无线链路控制（RLC）层和分组数据汇聚协议（PDCP）层。所有服务数据都必须经过这些层进行处理。每一层的处理都会引入特定的时延，从而导致时延成为瓶颈。例如，eMBB数据包在空口的典型时延为3 ms。在5G网络研究过程中，引入了一些可以降低处理时延的方案，包括：①允许在PDCP层进行重排序前先执行数据包解密，减少包处理量和延迟；②去除RLC层的包级联功能，通过解耦自动重传请求和级联/分段功能，实现更多线下包头计算；③在MAC层，允许MAC子头放在MAC有效负荷旁边，解决从上行链路授予到上行传输之间大约一个符号时间的潜在需求[34‒37]。

所有这些修改都是为了通过优化处理顺序来减少时延。尽管其中一些修改是有益的，并已在5G标准中得到认可，但这些修改仍局限于现有分层体系。如果需要进一步降低空口时延，最直接的方法是突破传统的分层体系，在数据处理通道中创造捷径。

3.3.2. 持续演进的技术

面向垂直行业，5G网络需要具备更多样化的网络能力和部署灵活性。为了满足这些需求，5G CN引入了SBA和基于SDN/NFV的网络切片。5G系统预期将支持端到端网络切片。然而，在标准设计之初，网络切片的设计和优化主要在CN和TN中进行。在5G标准早期版本，RAN并没有针对网络切片进行特殊设计，而是在R17版本中才开始相关研究。网络切片的标准化涉及六个主要行业组织，它们有各自的工作分工[38]。组织间协调进展缓慢，限制了端到端网络切片技术的商业化。虽然3GPP发布的早期5G规范支持eMBB切片相关功能，但切片管理规范还不完善。国际电信联盟（ITU）和互联网工程工作组（IETF）已经从切片标识和管理接口等方面定义了TN切片的规范，但尚未定义与CN和RAN之间的协调机制。欧洲电信标准协会（ETSI）的零接触网络和服务管理开发了端到端切片管理实现框架和解决方案，但目前仍处于研发早期阶段。电信管理论坛（TMF）正在研究3GPP切片管理架构与现有TMF架构的集成，但只发布了初稿。全球移动通信系统协会（GSMA）定义了网络切片的应用场景和常用切片模板，发布了8种场景的切片参数和技术要求。

支持网络切片的商用CN设备比较成熟。由于RAN切片的技术难度较大，不同设备厂家在RAN切片的实现上存在差异。总体而言，端到端网络切片的实现还存在一些技术挑战，需要多域协调和连接，复杂性较高。

为了更好地挖掘网络切片的价值，有必要在切片管理域对网络切片进行合理的编排和管理。图5为网络切片管理域示意图，给出了切片管理域与切片网络域的关系。在商业网络中，这些网络切片管理功能（NSMF）不是独立存在的，而是嵌入到运营商的运营支持系统（OSS）和业务支持系统（BSS）中[39]。不同运营商有不同的网络切片管理方案，需要运营商的运维部门、IT部门、政企部门、网络部门一起参与到切片管理域与BSS/OSS系统的集成工作中来。这对运营商来说是一个挑战，在未来的网络设计中应充分考虑这一点。

图5 网络切片管理示意图。CSMF：通信服务管理功能；NSSMF：网络切片子网管理功能；BOSS：业务运营支撑系统；EMS：网元管理系统；VNFM：虚拟网络功能管理器；VIM：虚拟基础设施管理器；SDN-O：SDN编排器；SDN-C：SDN控制器；NFVI：网络功能虚拟化基础设施。

3.3.3. 固化的网络架构

3.3.3.1. 5G网络部署分析

对于移动网络而言，由于用户的移动性，基站间的负载存在显著差异。一般来说，在中国20%的基站是重载的，而80%的基站是轻载的。但是，每个基站通常配置满容量，造成硬件处理能力和功耗的浪费。由于5G基站具有更大的带宽和大规模MIMO配置，5G基站的成本和功耗约为4G基站的3倍，进一步加剧了网络成本和功耗浪费问题。

降低网络部署成本的一个简单方法是，在不同的站点之间动态配置和共享硬件及处理能力。5G系统也尝试共享硬件和处理能力。为支持5G网络的灵活部署，引入了基站CU和DU分离架构，并讨论了多种可能的CU和DU功能分割选项，如图6所示[40]。针对不同选项，分析讨论了网络架构和标准影响等多个方面，包括需要标准化的分割选项的数量、对长期演进（LTE）与NR互操作的影响、功能拆分的粒度等。值得注意的是，哪一种CU-DU功能分割是最合适的取决于无线网络部署场景、约束条件和预期支持的业务等因素。经过多维对比分析，最终标准只支持了一种高层分割选项，即选项2（PDCP/RLC分割）。

图6 CU和DU之间的功能分割[40]。RRC：无线电资源控制；PHY：物理层；RF：射频。

采用CU-DU分离架构， CU可以集中部署，不同站点间共享处理能力。但是在实际部署中，CU仍然与DU部署在一起，因为从网络性能的角度来看，集中式CU的好处并不明显。

而移动运营商为了节省CU和DU的机房租金，将多个站点的CU-DU部署在一起，如图7所示，为不同站点间共享容量和硬件处理能力奠定了基础。但是，由于CU和DU的硬件和软件都是专用的，池中不同站点依然不能共享容量和硬件处理能力。实现共享的一种简单可行的方法是使用基于SDN和NFV的云原生方法来设计CU和DU，由此可以实现物理硬件资源的动态共享，按需提供容量。当池的负载较轻时，池中的大部分硬件可以关闭以节省功耗；当负载变重时，可以启动必要硬件来支撑站点需求。

图7 CU部署位置示意图。AAU：有源天线单元。

3.3.3.2. 5G网络功耗分析

高功耗是5G基站的棘手问题，也是移动运营商最重的负担。除了CAPEX，以能耗为主的OPEX是决定5G系统发展的最重要因素。2017—2020年期间，在业界共同努力下，基站功耗得以显著降低。但尽管如此，5G基站的功耗仍约为4G基站的3倍。

目前，5G基站满载时的功耗甚至高达3800 W，而4G基站的平均功耗约为1000 W。在正常负载下，射频单元消耗5G基站的大部分功率。由于大带宽和高数据速率对基带处理能力的要求较高，基带处理消耗了剩余部分功率。

业界提出了多种基站节能解决方案。目前的解决方案是基于基站设备类型、覆盖场景、节能目标、关机时间等因素，通过AI算法自动生成节能策略。这些策略包括小区关断、载波关断、射频通道关断和符号关断。每种策略都有其特定的应用场景和对网络质量不同程度的影响。

在6G网络设计中，应充分考虑网络节能方面的积累。

3.3.4. 高度复杂的运维管理

由于网络管理和维护的方法比较传统，目前网络运维效率仍然较低。对5G网络而言，运维复杂性源于基站的大规模部署、5G与4G/3G系统的互操作、5G与4G网络的动态频谱共享、数百个参数的配置、基于SDN/NFV的CN、网络切片、垂直行业多样化业务需求等多个方面。据早期报道，日本和欧洲都曾发生网络级关闭事故，大大降低了移动运营商的声誉。目前，运营商已经开始研究使用AI和大数据来支持智能网络运营。但是，由于这些技术在5G网络设计之初没有得到充分考虑，在当前的5G网络中难以有效支持智能运营。因此，我们认为运维自动化将是实现6G网络低成本、高效率的重要方向。

如上考虑都在推动我们创新6G网络，思考如何解决这些根本问题，实现灵活、低成本的网络部署。

4. SOLIDS——一种6G移动网络架构

针对第3节中的网络演进三大驱动力， 6G网络预期将在以下五个方面发生新的变化，以提高网络部署和成本效率：①网络中需要引入数字孪生技术；②需要考虑多方数据和资源的协同管理；③需要进一步探索支持云原生和基于微服务的网络架构；④需要简化协议栈；⑤需要进一步解耦信令和数据。

基于如上考虑，我们提出了未来6G网络的功能架构，称为SOLIDS。这些网络特性将在下一节详细说明。所提出的网络结构由三层四面组成，如图8所示。分为资源层、网络功能层和应用与服务层。资源层提供无线、计算、存储等底层资源，并为网络功能层的功能生成提供相应的支持和服务。网络功能层形成特定的网络功能，或将一种或多种网络功能组合在一起，以满足应用与服务层的需求。应用与服务层为客户的业务和应用提供相应支持，实现服务定制化。

图8 SOLIDS——三层四面6G网络功能架构。

同时，引入数据采集面、AI面、安全面与共享协作面。数据采集面负责端到端网络中数据的采集、清理、处理和存储，并向其他层、其他面提供数据订阅和更新服务。AI面提供AI引擎。AI面结合网络中各个领域的功能需求，提供相应的大数据分析、AI算法、模型训练服务以及相关解决方案的仿真验证。AI面的功能可以是集中式的，也可以是分布式的，可以分布在网元和终端上，支持实时的AI应用，也可以集中在云上，利用云端海量数据实现复杂的算法。同时，可以将AI面的AI能力对外开放，也可以通过共享与协作面将外部AI能力引入AI面，实现AI能力的众筹。安全面通过从数据采集面订阅数据，从AI面订阅模型，从资源层订阅所需资源，为整个网络提供内生安全支持。甚至可以通过共享与协作面为客户提供安全服务，也可以将安全能力开放给外部合作伙伴，或者实现外部安全能力的众筹。共享与协作面实现了数据、模型、网络能力的安全共享以及众筹、众包。

由于虚拟化和云化技术的引入，5G CN实现了三层架构，包括资源层、虚拟化层和网络功能层。然而5G CN仅考虑了两个面CP和UP。对于5G RAN，硬件和软件没有解耦，因此，与5G CN相比，5G RAN没有层的定义。对于6G网络，需要端到端虚拟化和云化，因此，三层的概念可以扩展到RAN和CN。此外，在6G网络中引入数据采集面和AI面，使内生智慧成为可能。沿用5G网络中基于插件的补丁式安全技术很难为网络提供无懈可击的安全支持，因此需要专门的安全面。

4.1. 资源层

在通信、计算、感知一体化的发展趋势下，除了无线资源外，计算和存储资源也是需要关注和管理的重要资源。从网络部署的角度，必须综合考虑分布式和集中式计算资源的使用，包括终端与网络之间的计算资源共享机制。

4.2. 网络功能层

网络功能层提供最基本的网络服务能力。该层通过RAN、TN、CN功能的灵活组合，为个人用户提供有保障的数据传输服务，为垂直行业提供定制化的网络切片服务能力。当然，网络功能层的服务能力效果离不开其他层和面的支持。网络功能层需要从应用与服务层获取用户的准确需求，借助AI面合理调用网络资源、智能编排网络功能，通过安全面提供的安全策略为用户提供安全服务保障。

4.3. 应用与服务层

应用与服务层为未来多样化的、不可预测的应用和业务确定可量化的需求。作为最重要的参考信息，每一层或每一面都需要被量化的需求。例如，资源层可以基于此为特定的应用分配合理的计算资源或存储资源。另一方面，应用与服务层也需要其他层或面的支持，如安全面的安全保障、数据采集面提供的用户信息、AI面的分析服务等。

4.4. 数据采集面

数据采集面包括全局的数据采集与处理以及本地的数据采集与处理两种处理模式，如图9所示。在未来的很多场景中，用户数据并不会被上传到网络中，而是在本地被处理和存储。因此，需要集中式和分布式的数据处理和存储。

图9 数据采集面逻辑部署模型。

4.5. AI面

从整体角度来看，集中式AI和分布式AI都是需要的。如图10所示，集中式AI平台利用外部和内部数据进行全局处理，并根据具体用例的需求调用AI能力，然后将结果分发到特定执行域的AI平台。基于此，网络将具备泛在AI能力。

图10 AI面逻辑部署模型。

应尽可能紧密地部署RAN、TN、CN，甚至用户设备（UE）域内的AI能力，以提供包括模型和算法在内的实时AI能力支撑。

未来6G网络还应该能够向用户开放其AI能力，就像网络今天提供的通信能力一样。此外，网络还应该能够将感知功能作为服务提供给用户。根据用户的要求，帮助终端调度相应的AI算法和模型，便于用户更好地使用网络的AI能力。

4.6. 安全面

内生安全系统由智能策略引擎、安全能力库和智能安全运维三部分组成。智能策略引擎根据AI学习模型、智能调整网元和安全设备的策略，构建安全能力库。安全能力库根据应用和业务的安全需求，或者网络功能的网络安全需求，精准部署安全功能，实现主动、纵深的安全防御。智能安全运维功能将实现基于AI和大数据的安全运维自动化。

4.7. 共享与协作面

如前所述，6G系统将从外部引入AI能力或数据到网络中，以提供新服务和新能力，或进一步提高数据处理效率。与此同时，网络内的AI能力和分析的数据也将开放给第三方，以向其提供服务和所需的支持。这种众筹、众包行为是在共享与协作面上进行的。除了AI能力和数据信息开放之外，安全能力、资源、应用与服务需求以及网络功能也将引入到6G网络中或实现对外开放。因此，共享与协作面与所有其他层和面都密切相关。

5. SOLIDS网络特征

6G网络架构SOLIDS支持六大网络特性，包括柔性、按需服务、至简、内生智慧、数字孪生、内生安全，如图11所示。

图11 六大网络特征。

5.1. 柔性

6G网络的第一个特征是柔性。未来的网络将是端到端软件可定义和云原生的网络，这将有助于实现快速业务部署、功能软件版本的快速迭代、资源（如无线频谱、计算和存储）的动态共享，以及网络自动化和智能化。6G网络的柔性体现在以下三个方面。

在应用与服务层，实现以用户为中心的网络。网络是为用户服务的，因此网络的设计必须充分考虑用户的需求，按需激活网络功能，使网络随用户“移动”。

在资源层，网络应该具备按需调度分布式网络资源的能力。为了满足新的场景与应用对数据流量和传输时延的需求，未来网络将具备在网计算、在网存储等更多维度的能力，从“傻瓜式管道”转变为真正的“智能网络”。与之相应的，计算、存储、传输等资源也将遍布于端到端网络的每个节点。通过引入区块链等新技术，实现云、网、边之间资源的按需分配和灵活调度，从而在资源维度实现网络柔性。

在网络功能层，网络应能灵活、独立地扩展网元能力，并能快速迭代和演进软件功能。具体来说，6G网络应该是端到端SBA的，如图12所示。为了实现这一点，6G系统需要重点关注RAN的服务化。与5G网络中已经基本完成的SBA CN相比，服务化RAN需要对网络架构做出更多的改变，比如修改分层协议栈。

图12 柔性网络。

5.2. 按需服务

6G网络的第二个特征是按需服务。数字孪生世界将催生大量新的业务和场景，这些业务和场景的需求将会千变万化。因此，6G网络必须具备更好的用户行为、用户意图的感知能力，同时能够根据用户的需求进行功能部署、参数配置和资源配置，如图13所示。此外，6G网络应该提供粒度更小的功能服务，用户可以根据自己的需求自由组合服务类型和服务等级。

图13 按需服务网络示例。RRM：无线资源管理。

实现按需服务的第一个先决条件是实时感知应用和业务需求。可以通过应用与服务层、数据采集面、AI面之间的协作，提前预测未来业务和应用的需求。当用户需求发生变化时，网络按需为用户实现业务模式和业务内容的无缝切换。第二个先决条件是无线资源的按需配置。分布式资源层作为统一的基础设施平台，提供无线、计算、存储等资源。将应用和业务需求与采集的网络和资源状态相结合，实现按需资源分配。第三个先决条件是网络功能的按需编排。未来，这些服务对RAN、TN和CN各子域网络的要求会更加多样化和个性化。网络需要结合感知的数据，将用户需求分解到RAN、TN、CN三个域中，每个域根据自己的能力匹配最合适的功能组合。

5.3. 至简

6G网络的第三个特征是至简网络。6G网络需要考虑空天地海立体覆盖。在未来的6G网络中[41]，同构或异构网络需要被统一管理，以为用户提供一致的用户体验。

在传统方法中，需要设计不同网络来支持不同场景，如卫星、蜂窝、电缆和水下等。为了保证业务连续性，不同网络之间引入了互操作，但这些互操作是非常受限的。由于不同网络在协议设计和访问机制上的差异，传统网络无法支持有QoS保证的业务连续性。当用户离开目标网络时，其服务可能会被丢弃或降级。

图14所示的网络架构是未来网络架构的一个示例，其中设计了一个统一的CN以简化网络架构。通过融合无线接入技术（RAT）和统一接入机制，一个CN可以连接到不同的RAT，实现不同RAT之间的无缝切换。

图14 统一接入CN。

至简网络的第二层含义是统一的信令控制。通过统一的信令和动态数据接入，保证可靠的移动性管理和快速业务接入、一致的用户业务体验、低接入时延、低小区间干扰。如图15所示，未来网络将分为两层：一层是广域信令层，可工作在700 MHz等低频频段；另一层是数据接入层，可工作在大带宽的高频段，如3.5 GHz、毫米波、太赫兹频率和可见光。数据基站的按需开启可以显著降低并发服务基站的数量，从而大大降低网络的成本和功耗。

图15 统一信令控制。

5.4. 内生智慧

6G网络的第四个特征是内生智慧。近年来，AI技术取得了重大进展，作为一种工具，可以帮助运营商提高网络的运维效率、业务的效率和能力。文献[42]采用了不同核心的支持向量机算法，通过移动网络关键性能指标（KPI）识别流量热点以及预测小区热点。文献[43]提出了一种能够准确预测一个区域长期移动流量的时空神经网络结构。在移动边缘计算系统中，深度神经网络和数字孪生体被用来实时计算用户关联方案，确定最优资源分配策略，优化系统能耗[44]。文献[45]采用具有噪声的基于密度的聚类算法（DBSCAN密度聚类算法）和大数据技术来跟踪预测用户的移动轨迹，挖掘用户的移动模式。

在5G网络中，运营商一直在考虑如何利用AI实现网络的自动化运维，实现智能网络。然而，由于4G/5G网络架构的设计没有考虑到对AI的支持，所以在4G/5G网络中的AI应用是作用在某些具体情况，其中数据收集、算法优化、运算处理是在相应的网元上进行或者说是将一个外部处理单元作为一个新的网元添加到网络当中。对于不同的AI用例，可能需要对网络进行不同的修改，这给网络的管理和运营带来了困难。相反，由于在先前的网络架构和协议中没有预先定义数据收集接口，而当前基于实现的数据收集服务器/设备，如深度包检测、数据探针等，无法及时提供高效的数据，数据有效性也面临挑战。这些因素决定了AI的性能和效率远远落后于预期。

如图16所示，6G网络架构将支持泛在AI能力，并按需提供AI能力，这种AI能力可以是分布式的，也可以是集中式的，类似于人体的大脑和神经网络。同时，6G通过AI平台将外部AI功能引入网络，提供新的业务和新的容量，并且也将外部数据引入网络，进一步提高数据处理效率。此外，网络中的分析数据和AI能力也可以开放给第三方，以向其提供服务和所需的支持。

图16 内生智慧。MEC：多接入边缘计算。

如图17所示，内生智慧系统包括AI模型管理、训练数据管理、AI模型评估、AI模型优化、数据分析和知识库管理六大功能实体。AI模型管理包括模型的选择、生成、存储、更新、传输和删除。管理的模型包括网络资源层、网络功能层、应用与服务层的各种模型，它们用于优化这些层上的相关实体。训练数据管理提供模型训练所需的训练样本，并根据模型性能要求对训练数据进行定制和预处理。AI模型评估用于评估AI模型的性能。利用AI模型的推理结果对各实体进行优化后，收集生成的性能指标，计算评估结果，然后将其传递给AI引擎。然后对AI模型进行相应的优化（如更改模型结构、更改算法、再训练等）。数据分析是主要功能，包括AI模型训练和基于实时数据的推理。通过数据采集面获得所需数据。知识库对AI模型的应用结果进行总结和提取，提取规则或关系模式，并从外部导入专家经验。AI模型、训练数据和知识可以被第三方重用和共享。同时，内生智慧系统的六大功能/服务也可以在网络功能层与其他各方共享，提供所需的应用和服务。

图17 内生智慧的逻辑部署模型。

5.5. 数字孪生

6G网络的第五个特征是数字孪生网络[46]。2030年后的社会将是上文提到的数字孪生社会，数字孪生技术也可以应用到6G网络中，实现完全数字化。通过数字孪生，每个网络实体和用户服务都可以通过实时信息采集实现数字化。实时状态监测、轨迹预测，对可能发生的故障和服务恶化进行早期干预将成为可能；从而提高整个网络的运行效率和服务效率。还可以通过数字孪生提前验证网络新功能部署的效果，加快对新功能的改进和优化，实现新功能的快速、自动引入，从而实现网络的自我演进。

开发数字孪生网络，从所有网络域获取数据是至关重要的。如图18所示，通过对各个网络实体和功能的数据处理和参数化建模，可以得到虚拟空间中整个网络的数字建模。用户的数字孪生可能包括用户轨迹、移动速度、流量类型、流量模型、数据速率和通道状态等数据。云原生RAN的数据可能包括无线资源模型、硬件资源模型、无线协议模型、无线信道模型、网络服务状态以及KPI和指标数据。类似的建模过程和数字孪生也可以发生在TN和CN中。AI引擎根据获得的数字孪生数据，利用AI算法预测网络状态。网络规划实体将不断寻找实体网络的最优状态，并通过仿真进行验证，然后在管理域执行相应的操作将其映射到现实世界中的网络上。

图18 基于数字孪生的网络自治。OAM：运行、管理与维护中心。

反之，网络的数字孪生还可以验证数字领域的新功能、服务和优化特性，以避免任何负面影响，从而实现高水平的网络自动化和“零接触维护”。

任何网络资源对象都可以在数字域中生成相应的数字孪生体，包括底层的物理资源、网络功能以及上层的各种应用和服务。数字孪生体的产生依赖于各种数据采集、数据处理和存储以及数字孪生建模技术。为了实现资源对象的优化，数字孪生网络根据采集到的数据和信息，建立其优化模型，生成其未来时间点的数字规划体。然后，通过调用配置函数，可以为每个资源对象实现数据规划。上述数字孪生网络功能以及数字域与物理域之间的连接管理、同步优化等功能都是网络功能。数字孪生网络的数据包括数字孪生体、数字规划体和智能模型。数字孪生网络通过这些功能和数据，向上提供各种应用和服务，向下调用和优化各种资源对象。同时，数字孪生网络可以通过各种共享技术与第三方共享上述功能和数据。此外，它还可以通过各种安全技术防止攻击和篡改。

5.6. 内生安全

数字孪生社会是未来社会发展远景的必然趋势。物理世界的每个对象都将数字化，具备数字副本。因此整个社会在生产、生活、社会治理等诸多方面将发生重大变化。

虚拟空间中数字孪生体的变化和操作将直接影响到物理实体，因此也会带来更多的安全风险。如果虚拟空间的安全受到威胁，将直接影响到物理世界的安全。有人预测，未来的战争将不是对物理世界的攻击，而是对数字孪生世界的攻击，这可能直接导致物理世界的毁灭。因此，安全对未来社会将会更加重要。在6G时代，运营商网络、人、工厂、企业、政府基础设施等的数字孪生将存在于数字空间，因此网络安全至关重要。

从当前网络设计角度来看，安全设计独立于网络架构，基本上采用打补丁的方式。因此在安全和效率方面仍存在改进的空间。云计算、大数据、AI技术的快速发展和进步，为6G网络的安全设计提供了新的手段和支撑。6G网络安全系统应该像人体免疫系统一样，能够主动防御风险和安全攻击，当主动防御失效时，还可以通过外部干预进行保障和控制。

因此，6G网络的最后一个特征是内生安全，如图19所示。网络将实时监控其安全状态，预测潜在风险。将攻击防御与风险预测相结合，实现风险预测、主动免疫等智能安全。通过网络智能实体间的交互与协作，形成智能共识，消除干扰，为信息和数据提供高水平的安全保障。基于AI和大数据技术，精准部署安全功能，优化安全策略，实现主动、纵深安全防御。对网络基础设施、软件等提供主动免疫，利用可信计算技术提升基础平台的安全水平。通过端、边、网、云的泛在协同，准确感知整个系统的安全状态，妥善处置安全风险，使6G网络的安全最大化，实现网络安全向网络空间安全的全面升级。

图19 内生安全逻辑部署模型。

6. 总结

5G网络的快速商用加速了大数据、云计算和AI的发展，推动了ICDT的深度融合。ICDT的融合孕育出一个云原生和软件可定义的移动网络。6G移动网络的设计需要考虑5G网络面临的问题和挑战、ICDT融合趋势以及2030年后数字孪生世界催生的新业务和应用需求。本文回顾了移动网络架构的演进历史，提出了三层四面6G移动网络的功能架构，并分析了其内在网络特征，即柔性、按需服务、至简、内生智慧、数字孪生和内生安全。详细的机制、流程、协议和接口设计将在今后的工作中进一步研究。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

[5G vision and requirements]. Report. Beijing: IMT-2020 (5G) Promotion Group; 2014 May. Chinese.
[2]

Liu G, Jin J, Wang Q, Dong J, Lou M, Huang Y, et al. Vision and requirements of 6G: digital twin and ubiquitous intelligence. Mob Commun 2020;44(6):3–9. Chinese.
[3]

Liu G, Huang Y, Li N, Dong J, Jin J, Wang Q, et al. Vision, requirements and network architecture of 6G mobile network beyond 2030. China Commun 2020;17(9):92–104.
[4]

[Vision and requirements for 2030+ (version 2.0)]. Report. Beijing: China Mobile Research Institute; 2020 Nov. Chinese.
[5]

Nakamura T. 5G evolution and 6G. In: Proceedings of 2020 International Symposium on VLSI Design, Automation and Test; 2020 Aug 10–13; Hsinchu, China. Piscataway: IEEE; 2020. p. 1–5.
[6]

[Technology trends for 2030+ white paper]. Report. Beijing: China Mobile Research Institute; 2020 Nov. Chinese.
[7]

Saad W, Bennis M, Chen M. A vision of 6G wireless systems: applications, trends, technologies, and open research problems. IEEE Netw 2020;34(3):134–42.
[8]

Li R, Toy M, Trossen D, Humphreys D, Sarian V, Bhandari S, et al. Network 2030: a blueprint of technology, applications and market drivers towards the year 2030 and beyond. Report. Focus Group Technologies on Network 2030; 2019 Jul.
[9]

Weissberger A. ITU-R: future technology trends for the evolution of IMT towards 2030 and beyond (including 6G) [Internet]. IEEE ComSoc Technology Blog; 2020 Oct 16 [cited 2020 Nov 11]. Available from: https://techblog.comsoc.org/2020/10/16/itu-r-future-technology-trends-forthe-evolution-of-imt-towards-2030-and-beyond-including-6g/.
[10]

[Network architecture outlook for 2030+ white paper]. Report. Beijing: China Mobile Research Institute; 2020 Nov. Chinese.
[11]

Viswanathan H, Mogensen P. Communications in the 6G era. IEEE Access 2020;8:57063–74.
[12]

Dong H, Zheng D, Wang R. The beyond 3G network structure and system applications. Mob Commun 2004;S2:26–8. Chinese.
[13]

Li Z, Wang X, Huang Y, Liu G, Liu J, Tang H, editors. [Technology and standards of TD-LTE]. Beijing: Posts & Telecom Press; 2013. Chinese.
[14]

Liu G, Fang M, Guan H, Li Y, Sun C. 5G mobile communication: a fully connected world. Telecommun Sci 2019;9:166. Chinese.
[15]

TR 23.740: Study on enhancement of network slicing. 3GPP standard. France: 3GPP; 2018.
[16]

Software-defined networking: the new norm for networks. Report. Open Networking Foundation; 2012 Apr.
[17]

GSNFV-MAN 001-V1.1.1: Network functions virtualization (NFV); management and orchestration. ETSI standard. France: ETSI; 2014.
[18]

New WID enhancement on management aspects of 5G service-level agreement [presentation]. In: 3GPP TSG-SA5 Meeting 87e; 2020 Feb 24–Mar 4; online; 2020.
[19]

New WID on autonomous network levels [presentation]. In: 3GPP TSG-SA5 Meeting 88e; 2020 May 25–Jun 3; online; 2020.
[20]

New WID self-organizing networks (SON) for 5G networks [presentation]. In: 3GPP TSG-SA5 Meeting 85; 2019 Sep 17–20; Newport Beach, CA, USA; 2019.
[21]

Huawei. SP-180899: New WID on intent driven management service for mobile networks [presentation]. In: 3GPP TSG-SA5 Meeting 81; 2018 Sep 12– 14; Gold Coast, QLD, Australia; 2018.
[22]

GS ZSM 002: Zero-touch network and service management (ZSM); reference architecture (V1.1.1). ETSI standard. France: ETSI; 2019.
[23]

GS ZSM 001: Zero-touch network and service management (ZSM); requirements based on documented scenarios (V1.1.1). ETSI standard. France: ETSI; 2019.
[24]

Our community [Internet]. Palo Alto: Telecom Infra Project; c2021 [cited 2020 Nov 11]. Available from: https://telecominfraproject.com/.
[25]

Omar S. Rakuten Cloud platform is a blueprint for the future [Internet]. Cisco Blogs; 2019 Mar 22 [cited 2020 Nov 11]. Available from: https:// blogs.cisco.com/sp/rakuten-cloud-platform-is-a-blueprint-for-the-future.
[26]

[Vision and requirements for 2030+ white paper]. Report. Beijing: China Mobile Research Institute; 2019 Nov. Chinese.
[27]

Xie Y. The evolution of NB-IoT standard system and development of Internet of Things industry. Chin J Internet Things 2018;2(1):76–87. Chinese.
[28]

Zhang L, Li F, Hu Z, Zhao Y, Cao G, Hu Y. Study on key technology and deployment scheme of LTE-eMTC. Des Tech Posts Telecommun 2018;7:1–5. Chinese.
[29]

Mayer-Schönberger V, Cukier K, editors. Big data: a revolution that will transform how we live, work, and think. New York: Houghton Mifflin Harcourt; 2013.
[30]

Zhou T, Pan Z, Cheng X. Developing tendency prediction of big data in 2019 from CCF TFBD. Big Data Res 2019;5(1):109–15. Chinese.
[31]

Y.3173: Framework for evaluating intelligence levels of future networks including IMT-2020 (Study Group 13). ITU-T standard. Geneva: ITU; 2020.
[32]

TR 37.816: Study on RAN-centric data collection and utilization for LTE and NR. 3GPP standard. France: 3GPP; 2019.
[33]

TR 23.791: Study of enablers for network automation for 5G. 3GPP standard. France: 3GPP; 2019.
[34]

Way forward on U-plane modifications to LTE baseline [presentation]. In: 3GPP TSG-RAN2 95bis; 2016 Oct 10–14; Kaohsiung, China; 2016.
[35]

TS 38.321: 5G new radio-medium access control (MAC) protocol specification. 3GPP standard. France: 3GPP; 2021.
[36]

TS 38.322: 5G new radio-radio link control (RLC) protocol specification. 3GPP standard. France: 3GPP; 2021.
[37]

TS 38.323: 5G new radio-packet data convergence protocol (PDCP) specification. 3GPP standard. France: 3GPP; 2021.
[38]

Wang W, Lu G, Chen X. Key technologies and challenges of commercial 5G core network. ZTE Tech J 2020;26(3):9–16. Chinese.
[39]

Nie H, Zhao H, Mao C. Deployment issues and suggestions of 5G core network. ZTE Tech J 2020;26(3):3–8. Chinese.
[40]

TR 38.801: Study on new radio access technology-radio access architecture and interfaces. 3GPP standard. France: 3GPP; 2017.
[41]

Liu C, Lu L, Wang S, Hu Y. Prospects for a multi-access air–space-terrestrial integrated 6G network architecture. Mob Commun 2020;44(6):116–20. Chinese.
[42]

Zhou L, Chen X. SVM hotspot identification for cellular networks. In: Proceedings of IEEE 5th International Conference on Computer and Communications; 2019 Dec 6–9; Chengdu, China. Piscataway: IEEE; 2019. p. 1103–7.
[43]

Zhang C, Patras P. Long-term mobile traffic forecasting using deep spatiotemporal neural networks. 2017. arXiv:1712.08083.
[44]

Dong R, She C, Hardjawana W, Li Y, Vucetic B. Deep learning for hybrid 5G services in mobile edge computing systems: learn from a digital twin. IEEE Trans Wirel Commun 2019;18(10):4692–707.
[45]

Zhao Z, Zhang P, Huang H, Zhang X. User mobility modeling based on mobile traffic data collected in real cellular networks. In: Proceedings of 11th International Conference on Signal Processing and Communication Systems; 2017 Dec 13–15; Surfers Paradise, Australia. Piscataway: IEEE; 2017. p. 1–6.
[46]

Y.DTN-ReqArch; Requirements and architecture of digital twin network. ITU-T standard. Geneva: ITU; 2021.

基金资助

()

AI Summary AI Mindmap
PDF (7789KB)

9477

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉