面向下一代网络的 AI 驱动数字孪生体：5G/6G 中的流量预测与资源管理
网络与互联网体系结构
2026-01-08 v3
摘要
随着5G和未来6G移动网络日益复杂，对于实现对实时服务 provisioning 所需的敏捷性、可扩展性、韧性和精确性，传统和基于启发式的方法已无法满足这些需求。为了克服这些限制，网络运营商正将数字孪生体 (DT) 视为关键使能器。数字孪生网络 (DTN) 被设计为网络基础设施的动态虚拟副本，允许运营商在不影响运行网络的情况下对各种操作进行建模、分析和优化。然而，面对运营商尤其是资源管理方面的挑战，数字孪生网络需要一个驱动引擎。本文提出一种基于人工智能 (AI) 的方法，通过将长短期记忆 (LSTM) 神经网络集成到数字孪生框架中，旨在预测网络流量模式并主动管理资源分配。通过分析实验，AI 驱动的数字孪生框架在基准方法面前表现优异。我们的研究得出结论，将 AI 能力嵌入数字孪生体为未来移动网络实现完全自治、自适应和高性能网络管理铺平了道路。
引用
@article{arxiv.2510.20796,
title = {AI-Enabled Digital Twins for Next-Generation Networks: Forecasting Traffic and Resource Management in 5G/6G},
author = {John Sengendo and Fabrizio Granelli},
journal= {arXiv preprint arXiv:2510.20796},
year = {2026}
}
备注
Accepted at IEEE Global Communications Conference (GLOBECOM) 2025