一种数字孪生赋能视联网的低延迟通信方法及系统

本发明属于低延迟通信，特别涉及一种数字孪生赋能视联网的低延迟通信方法及系统。

背景技术：

1、web 3.0的出现被设想为构建未来数字世界的基础，提供间隔，沉浸式和个性化的服务体验。web 3.0代表了互联网的新发展，通过将用户从被动客户转换为参与者和创作者，提供了更聪明和分散的用户体验。与itu-t的感知一致，下一代网络是在各种应用程序中的所有维度上融合数字和物理世界，为用户提供无缝和无处不在的服务，例如，虚拟/增强现实，工业自动化，触觉，触觉互联网和全息通信。根据认知市场研究的报告，web 3.0的全球市场规模从2023年到2030年迅速增长，每年46.7％。

2、web 3.0的最终视野的实现取决于实时渲染的新兴计算智能的广泛普及。因此，网络对服务质量(qos)和经验质量(qoe)施加了严格的要求，尤其是关于端到端延迟，例如亚毫秒延迟。为了迎合web 3.0的用户中心服务，该网络不仅提供了通信功能(例如，数据包传输)，还提供计算功能(例如，任务处理)。为保证端到端(e2e)延迟限制具有高度可靠性，以实现有效的服务，低延迟通信的定义需要从只关注通信重塑到通信和计算的编排。为此，e2e延迟应全面考虑通信延迟以及计算延迟，这是对web 3.0进行低延迟通信的关键本质。然而，随着数据速率需求(例如，千兆比特)的跨越式增长，以及访问用户数量的快速增加(例如，连接密度为1亿/平方公里)，在有限的计算和通信资源内提供低延迟服务成为一个棘手的问题。低延迟通信的执行依赖于动态感知和智能决策，由于存在大量的异构设备和高度动态的网络，因此这一点具有挑战性。

3、为了驱动上述功能并实现web 3.0的低延迟通信，可以深入研究数字孪生(dts)的概念。数字孪生，作为一种新兴的技术，有能力数字化地创建网络的实时状态映射和仿真模型。具体来说，数字孪生表现出以下优点。精确映射：通过各种建模工具和人工智能(ai)算法，数字孪生可以对整个网络进行全面和精确的模拟。这使得他们能够描述网络的当前状态，并预测未来的状态，包括网络资源的供求关系。快速响应：数字孪生可以弥合物理网络和web 3.0应用程序之间的差距，以实现更好的qos交互(网络提供有效的服务)和及时的qoe反馈(用户对他们的实际体验做出响应)。智能决策：通过与人工智能的协作，数字孪生使网络能够与网络物理系统集成，并在资源分配、任务卸载和其他方面做出智能决策。这导致了自适应和自我调整的网络管理，实现了以用户为中心的服务。

4、数字孪生已经在各种网络场景中被探索，如移动边缘计算(mec)、汽车互联网(iov)和元宇宙，目的是提高网络性能。为了降低网络成本，有研究者利用数字孪生对大型物理设备进行状态采集，打破了异构设备带来的互操作障碍。还有研究者提出了一个支持数字孪生的元宇宙与实时和准确的数字孪生和物理对象之间的交互，以保持为元宇宙应用程序的可靠和低延迟的服务。为了减轻延迟，数字孪生可以准确地估计和监控网络的状态，从而实现了基于实时状态的高效管理。此外，数字孪生可以捕获网络的资源需求和供应，实现有效的资源分配。有研究者还提出了一种状态预测方法，可以对资源分配做出准确的预先决策。数字孪生和实体之间的频繁交互给网络带来了机会，但也会导致额外的资源消耗(即通信开销)，导致可靠性和延迟的挑战，特别是在web 3.0服务中，它依赖于丰富的周围网络资源来存储和处理大量的数据。

技术实现思路

1、本发明的目的在于提供一种数字孪生赋能视联网的低延迟通信方法及系统，以解决数字孪生和实体之间的频繁交互过程中资源消耗大的问题。

2、为实现上述目的，本发明采用以下技术方案：

3、第一方面，本发明提供一种数字孪生赋能视联网的低延迟通信方法，包括：

4、构建包括物理层、映射层和web 3.0层的数字孪生授权的低延迟网络架构；

5、在上述架构的基础上，将任务从用户卸载到资源充足的物理层数据库中；

6、采用深度强化学习获取最优卸载决策，将最优卸载决策用于web 3.0的低延迟通信。

7、进一步的，数字孪生授权的低延迟网络架构，包括具有服务器功能和低延迟所需用户或设备的异质基站bss，以及其相应的数字孪生；bss用于提供通信和计算资源来支持用户的web 3.0服务；数字孪生用于反映bss的实时状态和用户的要求，进一步评估bss为用户实施低延迟服务的能力。

8、进一步的，基于不同的功能，数字孪生授权的低延迟网络架构分为三层，即物理层，映射层和web 3.0层：

9、物理层：物理层由现有的bss和用户或设备组成；用户向bss请求资源支持，同时，bss可以提供通信和计算资源；web 3.0利用这些实体组成的分散和自主网络体系结构将计算和通信功能卸载到边缘方面；

10、映射层：映射层包括数字孪生，与基础设施和用户同时构建一对一的映射，实现与现有网络的交互和同步演化；在数字孪生的支持下，映射层为web 3.0服务提供状态监控、预测和智能决策；

11、web 3.0层：web 3.0层提供不同的web 3.0应用程序，web 3.0创建了一个分散的网络，该网络使应用程序和平台相互连接，交互和互动，以实现广泛的功能和服务。

12、进一步的，通过将任务从用户卸载到资源充足的数据库中，来支持web 3.0中的低延迟通信；数字孪生根据同步频率和dt错误以及dt的位置，以实现在web 3.0中对状态和服务需求的实时监控。

13、进一步的，采用深度强化学习方法来探索最优卸载决策，将最优决策描述为马尔可夫决策过程，具体的，将数字孪生获得的bss的状态信息作为状态空间输入到深度q网络dqn中，即s＝{s1，s2，...，sm，…sm}，其中sm为bs m的状态；基于目标网络的当前状态，dqn通过不断的经验训练和网络更新，将一个动作作为卸载决策返回给用户；设置奖励rn＝wnlog(1+max(tn-tn,0)-(1-wn)ρcn)表示一个动作的值，以评估用户n的任务的可靠性和延迟，其中wn是一个权重因子，cn表示分配给用户n的cpu周期，ρ为计算周期的单位成本，tn为任务截止日期，tn为任务的实际完成时间。

14、进一步的，当tn超过最后期限tn时，将接受负奖励来表示卸载失败的惩罚；所有卸载信息都通过数字孪生在映射层同步获取。

15、进一步的，将最优卸载决策用于web 3.0的低延迟通信：

16、数字孪生同步获取bss的实时状态，根据这些信息，首先估计bss处理所有用户任务的可靠性，并选择能够满足用户n任务可靠性要求的bss；特别地，通信的可靠性是通过连通性来衡量的，连通性定义为用户成功与bs建立传输链路的概率。

17、对于web 3.0层中用户n的任务，数字孪生可以估计任务卸载到可用bss时的延迟，去掉不能满足任务延迟要求的bss；

18、当用户n的任务候选bss状态信息输入dqn时，首先需要从重放缓冲区中随机批采样进行训练；通过训练经验对q网络的不断更新，确定任务的最优卸载决策；

19、用户n将按照步骤3中给出的最佳卸载决策对任务进行卸载，同时数字孪生同时更新当前状态，实现准确、实时的数字映射，并等待下一个任务卸载。

20、第二方面，本发明提供一种数字孪生赋能web3.0的低延迟通信系统，包括：

21、网络架构构建模块，用于构建包括物理层、映射层和web 3.0层的数字孪生授权的低延迟网络架构；

22、任务卸载模块，用于在上述架构的基础上，将任务从用户卸载到资源充足的物理层数据库中；

23、最优决策获取模块，用于采用深度强化学习获取最优卸载决策，将最优卸载决策用于web 3.0的低延迟通信。

24、第三方面，本发明提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现一种数字孪生赋能视联网的低延迟通信方法的步骤。

25、第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现一种数字孪生赋能视联网的低延迟通信方法的步骤。

26、与现有技术相比，本发明有以下技术效果：

27、本发明数字孪生授权的低延迟网络架构可以满足web 3.0驱动器的多样化和个性化服务需求，实现了物理对象(bss和用户)与其数字孪生之间、不同数字孪生之间以及不同物理对象之间的交互。同时，利用获取的信息作为训练数据，在映射层使用数字孪生进行智能决策。基于数字孪生的编排，web 3.0实现了分散和自主的资源调度数字孪生实现了固有网络和用户需求的数字化，使通信和计算资源可以自由分解和灵活集成，以满足web 3.0中以用户为中心的服务需求，例如，确定能够为低延迟服务提供足够的计算和通信资源的最优bs。接下来，总结了由dt授权的低延迟网络架构的优点如下：

28、1)高效的资源分配：web3.0增加了连接密度，扩大了网络覆盖范围，进一步加剧了对有限资源的竞争。数字孪生可以通过web 3.0实时获取资源的状态，然后基于对数字孪生的模拟，分析每个任务的bss的性能。在分析了web3.0服务的资源需求和bss的资源状态后，数字孪生可以选择满足低延迟通信qos要求的候选bss。同时，以状态信息作为训练数据，对人工智能和数字孪生的编排可以确定最优的资源分配决策。

29、2)增强可靠性：数字孪生减轻了像web 3.0这样的分布式和自主架构的不可靠性。在有限的通信和计算资源中，传输链路的成功建立和以用户为中心的服务的成功执行是web 3.0应用程序的可靠性的基础。由于实时状态监控，数字孪生可以诊断物理层的故障，如信道拥塞和bss停机等。然后，数字孪生可以快速响应用户进行频道切换和bs切换的合理解决方案，避免了故障bs提供的不可靠服务。此外，用户从web 3.0层获得的服务反馈也可以帮助数字孪生进一步提高未来服务提供的可靠性。