面向真实时V2X数字孪生的网络预测实验
网络与互联网体系结构
2026-04-16 v2
摘要
新兴的安全关键车联网（V2X）应用需要网络主动适应快速的环境变化，而不仅仅是被动响应。虽然网络数字孪生（NDT）为实现此类预测能力提供了路径，但现有解决方案通常难以在严格的实时约束下实现高保真度物理建模。本文提出一种新型的端到端实时V2X数字孪生框架，将实时 mobility tracking 与确定性信道仿真集成。通过将提供实时感知和轨迹预测的东京 mobility 数字孪生与具备全栈仿真和光线追踪的VaN3Twin耦合，实现对物理事件发生前对网络性能的预测。我们通过在日本东京部署的实验性原型验证了这一方法，特别是连接车辆运行在60 GHz链路上。我们的结果表明，该系统能够以最大平均误差为1.01 dB的准确度预测接收信号强度（RSSI），并可靠地在最大平均端到端系统延迟为250 ms（取决于光线追踪的细节层次）内预测LoS（直射）转换。进一步，我们量化了数字模型保真度、计算延迟和轨迹预测时滞之间的根本性权衡，证明在真实世界城市环境中实现高保真度和预测性数字孪生是可行的。
引用
@article{arxiv.2601.16559,
title = {Predicting Networks Before They Happen: Experimentation on a Real-Time V2X Digital Twin},
author = {Roberto Pegurri and Habu Shintaro and Francesco Linsalata and Wang Kui and Tao Yu and Eugenio Moro and Maiya Igarashi and Antonio Capone and Kei Sakaguchi},
journal= {arXiv preprint arXiv:2601.16559},
year = {2026}
}
备注
Accepted to 103rd Vehicular Technology Conference: VTC2026-Spring