喻鵬　豐雷　李文璟　張俊也　周凡欽　邱雪松

【摘? 要】網(wǎng)絡(luò)管控是業(yè)務(wù)服務(wù)質(zhì)量的重要保障，面向未來B5G/6G的應(yīng)用場景和業(yè)務(wù)特征，分析網(wǎng)絡(luò)管理和控制的智能化需求，重點(diǎn)針對B5G/6G邊緣網(wǎng)絡(luò)，提出基于人工智能的管理控制架構(gòu)，具體包括邊緣網(wǎng)絡(luò)的資源模型構(gòu)建方法、網(wǎng)絡(luò)智能管理的功能范疇、人工智能計(jì)算單元的部署方法，以及意圖驅(qū)動的網(wǎng)絡(luò)資源自主調(diào)度流程等內(nèi)容，最后通過一個應(yīng)用場景描述架構(gòu)的實(shí)現(xiàn)方法。

【關(guān)鍵詞】B5G/6G;邊緣網(wǎng)絡(luò);人工智能;網(wǎng)絡(luò)管控;模型和架構(gòu)

0? ?引言

目前，第四代移動通信（4G， the 4th Generation）系統(tǒng)發(fā)展成熟，第五代移動通信（5G， the 5th Generation）系統(tǒng)進(jìn)入規(guī)模商用的起步階段。超五代移動通信（B5G， Beyond 5G）系統(tǒng)以5G系統(tǒng)為基礎(chǔ)，向下一代演進(jìn)。第六代移動通信（6G， the 6th Generation）系統(tǒng)面向2030年以后的通信需求，是B5G的后向演進(jìn)[1]。為了滿足未來B5G/6G網(wǎng)絡(luò)的業(yè)務(wù)需求，需要高效的智能化管控方法。已有的4G/5G網(wǎng)絡(luò)的管控以被動處理為主，且特定的管控問題需要特定的求解方法，缺乏自適應(yīng)的智能化方法的支撐。基于這些問題，本文重點(diǎn)針對B5G/6G邊緣網(wǎng)絡(luò)的需求，提出了對應(yīng)的網(wǎng)絡(luò)智能管控架構(gòu)，明確了管控功能和需要解決的關(guān)鍵技術(shù)問題。

1? ?B5G/6G的應(yīng)用場景和管控需求分析

1.1? 5G向6G的演進(jìn)

5G的愿景是實(shí)現(xiàn)“萬物互聯(lián)”，但5G與垂直行業(yè)融合應(yīng)用的需求仍然不明確，且5G通信系統(tǒng)的性能指標(biāo)尚不足以滿足未來智慧城市的愿景需求。B5G/6G將在5G基礎(chǔ)上進(jìn)一步擴(kuò)展和深化物聯(lián)網(wǎng)應(yīng)用的范圍和領(lǐng)域，并與人工智能、大數(shù)據(jù)等技術(shù)相結(jié)合，實(shí)現(xiàn)萬物智能互聯(lián)。與5G相比，6G將具備“更強(qiáng)性能、更加智能、更加綠色、更廣覆蓋”等特點(diǎn)。6G峰值速率將達(dá)到100 Gbit/s～

1 Tbit/s;空口時延低至0.1 ms;連接數(shù)密度支持1 000萬連接/平方公里;定位精度將達(dá)到厘米量級。6G網(wǎng)絡(luò)將有效降低成本和能耗，大幅提升網(wǎng)絡(luò)能效，實(shí)現(xiàn)可持續(xù)發(fā)展[2-3]。

不同于5G側(cè)重面向人、車聯(lián)網(wǎng)和物聯(lián)網(wǎng)之間通信，6G將更加側(cè)重于以人類個性化需求為中心，并將向空天地海外太空、全維度感知世界和網(wǎng)絡(luò)空間不斷延伸，為人類提供無處不在、無時不在、無人不在和無事不在的信息基礎(chǔ)設(shè)施[4]。ITU-T“網(wǎng)絡(luò)2030”焦點(diǎn)組對6G網(wǎng)絡(luò)提出了甚大容量、超越“盡力而為”與高精度通信和融合多類網(wǎng)絡(luò)等需求[5]。

1.2? B5G/6G邊緣網(wǎng)絡(luò)架構(gòu)和特征

在未來的B5G/6G時代，海量的原始數(shù)據(jù)在無線網(wǎng)絡(luò)邊緣產(chǎn)生并匯入通信網(wǎng)絡(luò)，不僅占用大量的帶寬資源，還對快速、可靠的傳輸和計(jì)算提出了巨大的挑戰(zhàn)。然而無線通信帶寬有限，有線網(wǎng)絡(luò)帶寬也不可能無限增加，使得當(dāng)前的云計(jì)算網(wǎng)絡(luò)架構(gòu)難以滿足廣大終端日益增長的任務(wù)處理需求[6]。

為了解決云計(jì)算所面臨的困境，移動邊緣計(jì)算（MEC， Mobile Edge Computing）應(yīng)運(yùn)而生。移動邊緣計(jì)算將網(wǎng)絡(luò)的資源、內(nèi)容和功能遷移到網(wǎng)絡(luò)邊緣，即更靠近終端的位置。然而，邊緣服務(wù)器的計(jì)算能力有限，遠(yuǎn)沒有云計(jì)算中心的計(jì)算能力強(qiáng)大，面對大量計(jì)算密集型任務(wù)時仍然難以為繼。因此，單層邊緣服務(wù)器是遠(yuǎn)遠(yuǎn)不夠的，未來的B5G/6G的邊緣網(wǎng)絡(luò)將是一種多層異構(gòu)的混合架構(gòu)。如圖1所示，該混合架構(gòu)中邊緣節(jié)點(diǎn)到云計(jì)算中心的上行鏈路中包含多層不同功能的網(wǎng)絡(luò)節(jié)點(diǎn)。越上層的邊緣服務(wù)器計(jì)算能力越強(qiáng)、覆蓋范圍越大、距離邊緣設(shè)備越遠(yuǎn)[6] ，下層邊緣服務(wù)器難以處理的任務(wù)可以卸載到上層邊緣服務(wù)器繼續(xù)處理。該架構(gòu)可以應(yīng)對眾多物聯(lián)網(wǎng)應(yīng)用場景，如健康監(jiān)測、智慧家庭、安全監(jiān)控等多種智慧城市應(yīng)用。

作為城市群的基礎(chǔ)設(shè)施之一，6G邊緣網(wǎng)絡(luò)可由多家運(yùn)營商投資共建，并集成網(wǎng)絡(luò)功能虛擬化、軟件定義網(wǎng)絡(luò)和網(wǎng)絡(luò)切片等技術(shù)，通過與人工智能（AI， Artificial Intelligence）的深度融合，在高效傳輸、無縫組網(wǎng)、內(nèi)生安全、大規(guī)模部署、自動維護(hù)等多個層面得到實(shí)際應(yīng)用[7-8]。為了滿足邊緣網(wǎng)絡(luò)用戶的高可靠、低時延、高帶寬等不同業(yè)務(wù)需求，已有的人工為主的被動管控方式將不再適用。

1.3? B5G/6G邊緣網(wǎng)絡(luò)智能管控需求分析

未來的B5G/6G邊緣網(wǎng)絡(luò)中，由于服務(wù)需求的多樣化和連接設(shè)備數(shù)量的爆炸式增長，迫切需要一種新的人工智能支撐的管控范式，基于高度異構(gòu)的基礎(chǔ)設(shè)施、無線接入、計(jì)算和存儲資源，實(shí)現(xiàn)網(wǎng)絡(luò)的自我感知、自我配置、自我優(yōu)化和自我修復(fù)[9]。

為了實(shí)現(xiàn)網(wǎng)絡(luò)的智能管控，B5G/6G系統(tǒng)需要自動檢測客戶的意圖，從網(wǎng)絡(luò)邊緣到核心智能地使用通信、計(jì)算和存儲資源[10]，并實(shí)現(xiàn)智能化的任務(wù)分解和卸載，最終實(shí)現(xiàn)業(yè)務(wù)所需資源的按需服務(wù)[11]。其中，意圖是一種描述系統(tǒng)狀態(tài)的聲明方式，它從需求的角度抽象出網(wǎng)絡(luò)的操作對象和功能，并可以轉(zhuǎn)換為高級策略[12]。此外，當(dāng)用戶的需求發(fā)生改變時，網(wǎng)絡(luò)可無縫切換服務(wù)方式和內(nèi)容，實(shí)現(xiàn)網(wǎng)絡(luò)服務(wù)能力與用戶需求的實(shí)時精準(zhǔn)匹配，為用戶帶來極致無差異化的性能體驗(yàn)[13]。

2? ? 無線邊緣網(wǎng)絡(luò)管控現(xiàn)狀分析

2.1? 無線網(wǎng)絡(luò)管理架構(gòu)現(xiàn)狀分析

網(wǎng)絡(luò)管理技術(shù)是網(wǎng)絡(luò)正常、經(jīng)濟(jì)、可靠、安全、高效運(yùn)行的重要保障，其主要管理功能包含配置、性能、計(jì)費(fèi)、故障、安全五大管理功能域。伴隨著網(wǎng)絡(luò)架構(gòu)的不斷演進(jìn)，網(wǎng)絡(luò)管理技術(shù)也在不斷發(fā)展[14-15]。隨著無線網(wǎng)絡(luò)從4G、5G向6G演進(jìn)，網(wǎng)絡(luò)結(jié)構(gòu)越來越復(fù)雜，對網(wǎng)絡(luò)管理技術(shù)也提出了更高的要求。

網(wǎng)絡(luò)管理功能需要依據(jù)網(wǎng)絡(luò)生成的大量數(shù)據(jù)，實(shí)現(xiàn)對網(wǎng)絡(luò)的異常/故障/入侵的分析檢測。同時，新型的網(wǎng)絡(luò)架構(gòu)也對網(wǎng)絡(luò)管理帶來了巨大的挑戰(zhàn)，例如，需要集中且動態(tài)的管理功能來實(shí)現(xiàn)及時的配置、調(diào)度和分析操作[16]。在這種需求下，基于機(jī)器學(xué)習(xí)（ML， Machine Learning）的技術(shù)和策略能夠支持從網(wǎng)絡(luò)/服務(wù)數(shù)據(jù)中學(xué)習(xí)，從而支持對網(wǎng)絡(luò)和系統(tǒng)的監(jiān)控、分析和控制，與網(wǎng)絡(luò)管理控制功能的需求能力相匹配[17]。

在無線網(wǎng)絡(luò)邊緣，第三代合作伙伴計(jì)劃（3GPP， 3rd Generation Partnership Project）在自主計(jì)算的基礎(chǔ)上，提出了自組織網(wǎng)絡(luò)（SON， Self-Organizing Network）的概念，旨在指導(dǎo)無線蜂窩網(wǎng)絡(luò)通過自我感知和主動的資源調(diào)度，實(shí)現(xiàn)網(wǎng)絡(luò)的自配置、自優(yōu)化和自修復(fù)，進(jìn)而完成網(wǎng)絡(luò)的自主管理[18]?；诖髷?shù)據(jù)的SON功能也被認(rèn)為是5G的關(guān)鍵技術(shù)之一[19]。從趨勢來看，未來的B5G/6G網(wǎng)絡(luò)中必然會包含自組織網(wǎng)絡(luò)的演進(jìn)架構(gòu)，以保障網(wǎng)絡(luò)的高可靠運(yùn)行。

2.2? 人工智能在邊緣網(wǎng)絡(luò)管控應(yīng)用分析

面對未來6G虛實(shí)結(jié)合、沉浸式、全息化、情景化、個性化、泛在化的業(yè)務(wù)需求[20]，當(dāng)前網(wǎng)絡(luò)中以規(guī)則式算法為核心的運(yùn)行機(jī)理受限于剛性預(yù)設(shè)式的規(guī)則，使得網(wǎng)絡(luò)沒有自進(jìn)化的能力，任何升級改進(jìn)必須依賴專業(yè)人員的大量工作，這對規(guī)模和復(fù)雜性空前的6G網(wǎng)絡(luò)是難以接受的。因此，通過在網(wǎng)絡(luò)中引入人工智能，使網(wǎng)絡(luò)具備智能化管理和自進(jìn)化能力，是解決上述問題的重要途徑。

針對網(wǎng)絡(luò)的管控需求，人工智能將通過對網(wǎng)絡(luò)數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、用戶數(shù)據(jù)等多維數(shù)據(jù)感知學(xué)習(xí)，高效實(shí)現(xiàn)地面、衛(wèi)星、機(jī)載等設(shè)備之間的無縫連接，并可進(jìn)行實(shí)時高速切換，最終實(shí)現(xiàn)類似“無人駕駛”的自主自治網(wǎng)絡(luò)[21]。

ML是一種重要的人工智能方法。目前，ML技術(shù)在無線網(wǎng)絡(luò)領(lǐng)域得到了廣泛的應(yīng)用，通過對大量的業(yè)務(wù)量數(shù)據(jù)、性能數(shù)據(jù)、告警信息、系統(tǒng)日志、業(yè)務(wù)數(shù)據(jù)等數(shù)據(jù)訓(xùn)練，ML在無線網(wǎng)絡(luò)管理所需的流量分析和預(yù)測、資源管理/準(zhǔn)入控制、故障管理、小區(qū)中斷自治愈、網(wǎng)絡(luò)性能優(yōu)化等領(lǐng)域都取得了大量的研究成果。這些都為B5G/6G網(wǎng)絡(luò)的智能管控打下了基礎(chǔ)。

2.3? 現(xiàn)有研究存在的挑戰(zhàn)

當(dāng)前，人工智能在5G網(wǎng)絡(luò)中的應(yīng)用局限于傳統(tǒng)網(wǎng)絡(luò)架構(gòu)的優(yōu)化，由于5G網(wǎng)絡(luò)在架構(gòu)設(shè)計(jì)之初沒有考慮人工智能，因此很難充分發(fā)揮人工智能在5G時代的潛力。為了實(shí)現(xiàn)智能網(wǎng)絡(luò)的愿景，6G體系結(jié)構(gòu)的設(shè)計(jì)應(yīng)綜合考慮網(wǎng)絡(luò)中人工智能的可能性，并遵循人工智能驅(qū)動的方法，其中智能將是6G體系結(jié)構(gòu)的內(nèi)在特征[8]。

當(dāng)前已有的網(wǎng)絡(luò)管理方式存在的問題包括以預(yù)置的策略為主、管理和控制過程相對獨(dú)立、缺乏無線側(cè)和核心側(cè)的協(xié)同優(yōu)化等問題。此外，人工智能本身還存在一些需要解決的問題，包括用于AI算法開發(fā)與評估的測試用例和數(shù)據(jù)集標(biāo)準(zhǔn)化、數(shù)據(jù)完整性和準(zhǔn)確性對人工智能算法性能增益的影響、人工智能在未來通信中的安全可靠性保障、人工智能算法的時延控制等，這些問題也制約著人工智能在網(wǎng)絡(luò)智能管控中的應(yīng)用[22]。因此，需要在完善現(xiàn)有人工智能能力的基礎(chǔ)上，提出自適應(yīng)的B5G/6G邊緣網(wǎng)絡(luò)智能管控架構(gòu)。

3? ?基于人工智能的管理控制架構(gòu)

為了實(shí)現(xiàn)對網(wǎng)絡(luò)的智能管控，首先需要構(gòu)建面向B5G/6G的網(wǎng)絡(luò)資源模型，進(jìn)一步，提出網(wǎng)絡(luò)智能管控的功能范疇，進(jìn)而確定人工智能計(jì)算單元的部署方式。最后，為了實(shí)現(xiàn)網(wǎng)絡(luò)管控的自主化，需要實(shí)現(xiàn)意圖驅(qū)動的網(wǎng)絡(luò)資源自主調(diào)度。具體的網(wǎng)絡(luò)管控架構(gòu)構(gòu)建過程如下。

3.1? 邊緣網(wǎng)絡(luò)的資源模型構(gòu)建方法

為了實(shí)現(xiàn)網(wǎng)絡(luò)的智能管控，首先要面向6G網(wǎng)絡(luò)通信、計(jì)算、存儲資源融合特征，通過多維信息感知完成對應(yīng)的資源建模。

面向未來B5G/6G的智能化管控需求，可分別面向靜態(tài)資源信息和動態(tài)資源信息，采用基于管理信息模型的靜態(tài)建模方法和基于知識圖譜的動態(tài)建模方法來構(gòu)建對應(yīng)的管理信息模型。

（1）基于管理信息模型的靜態(tài)建模方法

各大標(biāo)準(zhǔn)化組織都提出了各自的管理信息模型定義方法學(xué)來指導(dǎo)信息模型的定義過程和描述方法，典型的方法包括ITU-T的UTRAD方法、3GPP的集成參考點(diǎn)方法、TMF的MTNM方法。針對未來邊緣網(wǎng)絡(luò)的靜態(tài)資源信息，可以自主選擇上述建模方法，構(gòu)建包含傳輸資源模型、無線資源模型、天地一體化網(wǎng)絡(luò)模型和虛擬化資源模型等不同網(wǎng)絡(luò)模型的資源庫。

（2）基于知識圖譜的動態(tài)建模方法

隨著網(wǎng)絡(luò)結(jié)構(gòu)的不斷復(fù)雜化，需要完成對網(wǎng)絡(luò)態(tài)勢的感知和表達(dá)，知識圖譜是一種可行的表達(dá)方式，以圖結(jié)構(gòu)表示客觀世界的事物及其關(guān)系。知識圖譜的構(gòu)建主要包括知識抽取、知識融合和知識推理三個步驟，其中知識抽取包括目標(biāo)實(shí)體、對應(yīng)關(guān)系以及屬性三個要素?；谥R圖譜構(gòu)建邊緣網(wǎng)絡(luò)資源模型的方法包括數(shù)據(jù)感知、數(shù)據(jù)庫構(gòu)建、場景抽象等過程，實(shí)現(xiàn)不同業(yè)務(wù)場景驅(qū)動的知識庫模型。

3.2? 網(wǎng)絡(luò)智能管理控制的功能分析

作為面向網(wǎng)絡(luò)層和應(yīng)用層的功能，未來的B5G/6G邊緣網(wǎng)絡(luò)智能管控將需要依據(jù)網(wǎng)絡(luò)管控功能的不同需求和目標(biāo)，自主選擇不同類型的人工智能模型來完成不同類型的管控功能。對應(yīng)于經(jīng)典網(wǎng)絡(luò)管理的功能域，B5G/6G邊緣網(wǎng)絡(luò)的管控功能主要包括如下五個方面：

（1）配置管理，包括邊緣網(wǎng)絡(luò)配置合理性分析、無線網(wǎng)絡(luò)配置等功能。

（2）性能管理，包括性能門限管理、性能劣化分析、性能優(yōu)化等功能。

（3）計(jì)費(fèi)管理，包括計(jì)費(fèi)合理性分析、計(jì)算調(diào)整等功能。

（4）故障管理，包括異常檢測、故障定位、故障修復(fù)等功能。

（5）安全管理，包括網(wǎng)絡(luò)風(fēng)險預(yù)測、網(wǎng)絡(luò)安全防護(hù)等功能。

此外，還需要支撐業(yè)務(wù)管理、用戶管理、網(wǎng)絡(luò)拓?fù)涔芾淼容o助的管理功能。

3.3? 人工智能計(jì)算單元的部署和協(xié)作方法

在未來的B5G/6G網(wǎng)絡(luò)中，需要AI計(jì)算單元通過分布式的協(xié)作來完成對應(yīng)的網(wǎng)絡(luò)管理和控制。因此AI計(jì)算單元的部署成為了必須要考慮的問題。分布式AI通過并行訓(xùn)練過程利用網(wǎng)絡(luò)中分布式的通信、計(jì)算和存儲資源，并選擇聯(lián)邦學(xué)習(xí)等方式拆分?jǐn)?shù)據(jù)和模型[9]。因此，AI計(jì)算單元不僅僅是單一的功能部署，還需要依據(jù)任務(wù)的要求，自動完成相應(yīng)任務(wù)的卸載和分解，以通過智能協(xié)作高效快速地完成相應(yīng)的功能。

此外，邊緣的AI部署需要解決如下挑戰(zhàn)：1）高效訓(xùn)練不均勻地分布在基站或移動設(shè)備等邊緣節(jié)點(diǎn)上的大量數(shù)據(jù);2）每個邊緣設(shè)備僅可以訪問一小部分?jǐn)?shù)據(jù)，并且計(jì)算和存儲能力有限;3）網(wǎng)絡(luò)數(shù)據(jù)的快速抽象，清理和降維[23]。

最后，分布式的AI計(jì)算單元部署后形成對應(yīng)的智能管控平臺。該平臺將由具有不同處理能力的各種類型的節(jié)點(diǎn)和基礎(chǔ)結(jié)構(gòu)組成，這些節(jié)點(diǎn)或基礎(chǔ)結(jié)構(gòu)是邊緣節(jié)點(diǎn)，例如，工業(yè)或企業(yè)節(jié)點(diǎn)、智能城市服務(wù)器、智能家庭服務(wù)器、客戶房屋設(shè)備或網(wǎng)絡(luò)服務(wù)節(jié)點(diǎn)（例如，小型數(shù)據(jù)中心、應(yīng)用程序服務(wù)器、內(nèi)容交付和數(shù)據(jù)存儲節(jié)點(diǎn)）等，協(xié)作來完成對應(yīng)的任務(wù)。

3.4? 意圖驅(qū)動的網(wǎng)絡(luò)資源自主調(diào)度

基于之前的需求分析可知，未來6G網(wǎng)絡(luò)需要實(shí)現(xiàn)人機(jī)物的無縫融合和感知，需要實(shí)現(xiàn)人的五感和意圖的抽象和表達(dá)，實(shí)現(xiàn)從意圖到機(jī)器可識別的操作的轉(zhuǎn)換。意圖驅(qū)動網(wǎng)絡(luò)（IDN， Intent-Driven Network）是一項(xiàng)新興的網(wǎng)絡(luò)技術(shù)，可以根據(jù)用戶的意圖自動進(jìn)行轉(zhuǎn)換、驗(yàn)證、部署、配置和優(yōu)化，以達(dá)到目標(biāo)網(wǎng)絡(luò)狀態(tài)，提供自動化、高可靠和閉環(huán)優(yōu)化的網(wǎng)絡(luò)服務(wù)[12]。

基于用戶的意圖轉(zhuǎn)義結(jié)果，邊緣網(wǎng)絡(luò)要自主依據(jù)網(wǎng)絡(luò)的狀態(tài)，智能調(diào)度無線側(cè)網(wǎng)絡(luò)計(jì)算、通信、存儲等資源，面向配置、優(yōu)化、故障等不同的管理功能，自主選擇合適的人工智能模型，提出資源融合的動態(tài)決策推演機(jī)制，實(shí)現(xiàn)網(wǎng)絡(luò)的靈活編排和資源彈性利用，不斷優(yōu)化網(wǎng)絡(luò)資源的適配與管理，持續(xù)改善網(wǎng)絡(luò)服務(wù)質(zhì)量。進(jìn)而，通過構(gòu)建面向服務(wù)特征-用戶特性-網(wǎng)絡(luò)環(huán)境的質(zhì)量評估機(jī)制，適應(yīng)網(wǎng)絡(luò)的高度彈性變化，保證認(rèn)知過程和學(xué)習(xí)的自演進(jìn)，使未來B5G/6G網(wǎng)絡(luò)自主地認(rèn)知網(wǎng)絡(luò)環(huán)境變化以及服務(wù)特性。

4? ?應(yīng)用實(shí)例分析

智慧城市是B5G/6G的應(yīng)用場景之一。圖2給出了網(wǎng)絡(luò)主動實(shí)現(xiàn)應(yīng)急通信場景下邊緣網(wǎng)絡(luò)智能服務(wù)的一個管控實(shí)例。在該架構(gòu)下，管控中心基于邊緣網(wǎng)絡(luò)預(yù)測的業(yè)務(wù)量，針對因故障導(dǎo)致通信中斷的區(qū)域，以保障不同用戶的服務(wù)質(zhì)量為目標(biāo)，基于深度強(qiáng)化學(xué)習(xí)模型，自主利用通過資源的調(diào)度完成容量補(bǔ)償和用戶的接入。

具體地，為了滿足業(yè)務(wù)場景的需求，其被分解為多個子任務(wù)，分別為中斷用戶接入、局部容量增強(qiáng)和無人機(jī)容量補(bǔ)償?shù)裙δ?。面向業(yè)務(wù)需求，在信息知識圖譜的指導(dǎo)下，完成應(yīng)急通信所需感知信息的抽取。進(jìn)一步，AI管控功能依據(jù)資源信息，生成不同任務(wù)的子切片和對應(yīng)的資源調(diào)度方法的策略，并將具體的方案下發(fā)給網(wǎng)絡(luò)來執(zhí)行。最后，網(wǎng)絡(luò)執(zhí)行之后將效果反饋給感知單元，進(jìn)行下一個階段的自我管理，從而滿足整體的網(wǎng)絡(luò)管控需求。

5? ?結(jié)束語

本文面向未來B5G/6G邊緣網(wǎng)絡(luò)智能管控需求，提出了對應(yīng)的智能化管理控制架構(gòu)，并通過一個網(wǎng)絡(luò)實(shí)例進(jìn)行了介紹。下一步需要面向具體的網(wǎng)絡(luò)場景，提出對應(yīng)的動態(tài)知識圖譜構(gòu)建方案，并搭建B5G/6G的實(shí)驗(yàn)平臺，完成知識圖譜和人工智能算法的驗(yàn)證。

參考文獻(xiàn)：

[1] 趙亞軍， 郁光輝， 徐漢青. 6G 移動通信網(wǎng)絡(luò)：愿景、挑戰(zhàn)與關(guān)鍵技術(shù)[J]. 中國科學(xué)： 信息科學(xué)， 2019，8（49）： 963-987.

[2] 魏克軍. 全球6G研究進(jìn)展綜述[J]. 移動通信， 2020，44（3）： 34-36.

[3] 陳旭，尉志青，馮志勇，等. 面向6G的智能機(jī)器通信與網(wǎng)絡(luò)[J]. 物聯(lián)網(wǎng)學(xué)報(bào)， 2020，4（1）： 59-71.

[4] 陳亮，余少華. 6G移動通信發(fā)展趨勢初探（特邀）[J]. 光通信研究， 2019（4）： 1-8.

[5] R L. 5th ITU-T Workshop on Network 2030 Concluding Remarks[R/OL]. （2019-10-14）[2020-04-29]. https：//www.itu.int/en/ITU-T/Workshops-and-Seminars/2019101416/Documents/Richard_Li_Presentation_final.pdf.

[6] 王鵬飛，邸博雅，宋令陽，等. 6G異構(gòu)邊緣計(jì)算[J]. 物聯(lián)網(wǎng)學(xué)報(bào)， 2020，4（1）： 121-130.

[7] C X， S Q， Y L， et al. ThriftyEdge： Resource-efficient edge computing for intelligent IoT applications[J]. IEEE network， 2018，32（1）： 61-65.

[8] 王海明. 6G愿景：統(tǒng)一網(wǎng)絡(luò)賦能智慧城市群[J]. 中興通訊技術(shù)， 2019，25（6）： 55-58.

[9] H T， Y W， W J， et al. A Survey on Green 6GNetwork： Architecture and Technologies[J]. IEEE Access， 2019（7）： 175758-175768.

[10] L K B， C W， S Y， et al. The Roadmap to 6G：AI Empowered Wireless Networks[J]. IEEE Communications Magazine， 2019，57（8）： 84-90.

[11] Z Z， X Y， M Z， et al. 6G wireless networks： Vision， requirements， architecture， and key technologies[J]. IEEE Vehicular Technology Magazine， 2019，14（3）： 28-41.

[12] P L， Y C， C D， et al. A survey on intent-driven networks[J]. IEEE Access， 2020（8）： 22862-22873.

[13] 中國移動研究院. 2030+愿景與需求報(bào)告[R]. 2019.

[14] C W C， C H H ， L C F ， et al. Intelligent Architecture for Mobile HetNet in B5G[J]. IEEE Network， 2019，33（3）： 34-41.

[15] H J V D， C M， B N ， et al. Updated Taxonomy for the Network and Service Management Research Field[J]. J Netw Syst Manage， 2018（26）： 790–808.

[16] L D C， Z H， N. A Frontier： Dependable， Reliable and Secure Machine Learning for Network/System Management[J]. J Netw Syst Manage， 2020： 1-23.

[17] G H， W M. Artificial Intelligence Paradigm for Customer Experience Management in Next-Generation Networks： Challenges and Perspectives[J]. IEEE Network， 2019，33（2）： 188-194.

[18] A O G， I A， I M A， et al. A Survey of Self Organisation in Future Cellular Networks[J]. IEEE Communications Surveys & Tutorials， 2013，15（1）： 336-361.

[19] I A， Z A， A D A. Challenges in 5G： How to Empower SON with Big Data for Enabling 5G[J]. IEEE Network， 2014，28（6）： 27-33.

[20] D S， A O， S B， et al. What should 6G be？[J]. Nature Electronics， 2020，3（1）： 20–29.

[21] 賽迪智庫無線電管理研究所. 6G概念及愿景白皮書[R]. 2020.

[22] W T， W S， Z Z H. Machine learning for 5G and beyond： From model-based to data-driven mobile wireless networks[J]. China Communications， 2019，16（1）： 165-175.

[23] Z Z， X Y， M Z， et al. 6G wireless networks： Vision， requirements， architecture， and key technologies[J]. IEEE Vehicular Technology Magazine， 2019，14（3）： 28-41.

作者簡介

喻鵬（orcid.org/0000-0002-0402-5390）：

副教授，博士生導(dǎo)師，現(xiàn)任職于北京郵電大學(xué)網(wǎng)絡(luò)與交換技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，研究方向?yàn)闊o線網(wǎng)絡(luò)管理和優(yōu)化、自主管理和綠色通信。

豐雷：副教授，碩士生導(dǎo)師，現(xiàn)任職于北京郵電大學(xué)網(wǎng)絡(luò)與交換技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，研究方向?yàn)闊o線網(wǎng)絡(luò)和智能電網(wǎng)的資源管理。

李文璟（orcid.org/0000-0003-3852-1007）：教授，博士生導(dǎo)師，現(xiàn)任北京郵電大學(xué)網(wǎng)絡(luò)與交換技術(shù)國家重點(diǎn)實(shí)驗(yàn)室網(wǎng)絡(luò)管理研究中心主任，中國通信標(biāo)準(zhǔn)化協(xié)會TC7/WG1組長，研究方向?yàn)闊o線網(wǎng)絡(luò)管理和自組織網(wǎng)絡(luò)。