面向6G智能城市的能耗与时延优化：基于边缘CyberTwin
网络与互联网体系结构
2025-11-07 v3
摘要
智能城市中IoT设备的快速增长对6G网络提出了跨异构切片的能耗-时延冲突要求挑战。现有方法在大规模部署（超过50,000设备/km）时难以解决能耗-时延权衡问题。本文提出一种边缘感知CyberTwin框架，集成混合联邦学习实现6G网络切片的能耗-时延联合优化。该方法结合集中式人工智能调度器用于时延敏感切片，以及分布式联邦学习用于非关键切片，辅以压缩感知式数字孪生体和可再生能源感知资源分配。混合调度器采用三层架构，引入基于物理不可克隆函数（PUF）的安全认证，实现99.7%攻击检测准确率。综合仿真结果表明：相较于扩散强化学习基线，本文框架对非实时切片实现52%能耗降低，同时维持URLLC应用的0.9ms时延，SLA符合率达99.1%。该框架可扩展至50,000设备/km，CPU开销低于25%，通过NS-3混合仿真验证于真实智能城市场景下。
引用
@article{arxiv.2511.00955,
title = {Optimizing Energy and Latency in 6G Smart Cities with Edge CyberTwins},
author = {Amine Abouaomar and Badr Ben Elallid and Nabil Benamar},
journal= {arXiv preprint arXiv:2511.00955},
year = {2025}
}