網絡切片在電動汽車充換電網絡中的發展研究與展望

郭長江

（燕山大學里仁學院，河北 秦皇島 066004）

0 引言

隨著我國電動汽車相關技術的發展，電動汽車用戶設備與電力設備的功能逐漸齊全，但電力專網缺乏智能化管理機制，且不同通信供應商的設備難以實現互相轉換，使得電力專網無法滿足電動汽車用戶的通信需求。隨著網絡功能虛擬化技術的不斷發展，移動網絡逐漸被應用于云平臺上，通信運營商通過提供演進型分組核心網絡服務，再搭配上網絡切片技術，就可滿足電動汽車用戶和用電設備的通信需求［1］。網絡切片技術是一種彈性化和定制化組網方式，電動汽車充換電運營商可利用移動通信來構建網絡切片，根據用戶的不同需求對網絡資源進行優化分配，提高網絡資源利用效率和電力專網安全性。研究網絡切片在電動汽車充換電網絡中的發展與應用，可以促進網絡切片技術在電動汽車充換電網絡中的應用。

1 網絡切片技術概述

1.1 網絡切片概念架構

網絡切片技術是近些年移動通信行業中備受關注的關鍵技術，中國移動等網絡運營商對網絡切片技術的概念、架構和用例進行全面深入的研究。網絡切片的概念架構分為三層，即服務實例層、網絡切片實例層和資源層［2］。網絡切片概念架構中的任意實例都是一個獨立結構，在其運行時，應該由與之對應的范例或藍圖生成。服務實例層是網絡切片概念架構用戶終端的集合，可為用戶提供不同的網絡需求，包括網絡運營商的通信服務和第三方提供給專屬用戶的專屬服務。網絡切片實例層是由網絡運營商提供的網絡切片集合，網絡運營商可為不同用戶需求提供網絡切片實例化服務。網絡運營商可根據網絡切片藍圖來提供服務，且網絡切片實例化服務可共享給多個用戶。一個網絡切片實例由多個子網絡切片實例組成，且可由多個網絡切片同時使用［3］。子網絡切片實例可生成子網絡切片藍圖，且這些藍圖中都有一系列能應用到邏輯資源上的網絡功能。資源層是網絡基礎設施、網絡資源和網絡功能的集合，要聯合網絡切片實例層中各類實例（網絡切片實例及其子網絡切片實例）來進行網絡資源的優化分配，為用戶提供切片化網絡服務。

1.2 網絡切片典型用例

中國移動公司對未來移動通信網絡用例的定義多是來自應用類型和通信性能指標，且大多具有對稱性和互補性，如將對時延敏感的實時通信與對時延不敏感的視頻業務進行配對、對移動性具有高要求的高速移動車輛業務和對移動性沒有高要求的低速移動用戶業務配對等。雖然未來通信網絡發展呈多樣性，但未來移動通信網絡可根據網絡切片的用例場景和需求，分為增強型移動寬帶通信應用場景、高可靠低延時通信應用場景和大規模物聯網通信應用場景。

增強型移動寬帶應用場景對網絡服務要求較高，要提高網絡數據傳輸速度和網絡覆蓋范圍，可讓用戶在網絡覆蓋范圍內享受6.25 MB/s 以上的網速，為偏遠地區的高質量通信需求提供了可能性，用戶即便是在人煙稀少的偏遠地區也可通過移動寬帶服務進行視頻通話、大文件傳輸等需要高質量網速支持的活動［4］。

高可靠低延時通信應用場景可為用戶提供超低丟包率的可靠通信服務與時延低于1 ms 的低延時通信服務，基于此，網絡切片可應用于車輛自動駕駛、自然災害應急處理和公共安全監管等場景中。為更好地服務這些應用場景，通信服務業務大多具有較高的通信優先級，能提供延時小的通信服務，業務數據也可進行高效處理。由于該類應用場景大多關系到用戶的生命安全，因此對通信網絡的可靠性有很高的要求。

大規模物聯網通信應用場景的特點是低功耗、低成本、高密度設備支持和高覆蓋率，其主要應用場景是傳感器網絡、智能可穿戴設備及智慧城市建設等領域。雖然這種應用場景對用戶設備的通信功能和接入密度具有很高的要求，但對網絡通信服務的網絡時延和移動性沒有要求。很多物聯網通信設備都是低速移動和固定設備，對網絡移動性和時延沒有要求，且很多物聯網都應用于非時延敏感場景中，可忽略網絡時延［5］。

2 網絡切片在電動汽車充換電網絡中的發展研究與展望

2.1 網絡切片在電動汽車充換電網絡中的發展研究

網絡切片最早是由下一代移動網絡（NGMN）引入的新概念，想要開發特定的網絡功能和接入技術來滿足特定用戶的特定通信服務需求，由規范統一的物理資源商來實現網絡切片的邏輯化和孤立化。2016 年，第三代合作伙伴計劃（3GPP）成立了專門的科研小組來對網絡切片技術進行專項研究，研究結果顯示，網絡運營商可采用網絡切片技術來為用戶提供專門的通信網絡業務，滿足不同用戶的不同網絡需求。Taleb 等總結了網絡切片概念結構的設計原則、方法和路徑，認為網絡切片要自動化部署，且要做到各個功能的邏輯孤立，這樣才能為用戶提供定制化、彈性化和開放式的網絡服務，但這樣的網絡服務需要一定的技術支持。首先，為確保物力資源上網絡切片的邏輯孤立，要利用VMware Workstations player、Kernel-based Virtual Machine 等虛擬機技術支持來實現底層硬件資源的信息共享。其次，要想提高網絡切片的定制化、彈性化和開放化功能，就要充分利用SDN 技術和NFV技術來控制虛擬化網絡。SDN 技術通過控制虛擬化網絡可使網絡切片更加穩定和便捷，提高網絡服務的自適應性和擴展性。NFV 可通過特定硬件的網絡功能部署來實現網絡功能的虛擬化，進而實現整個接入和傳輸網絡功能的虛擬化。最后，為提高網絡切片自動化和靈活化，要通過人工智能技術來優化網絡切片方式和網絡資源調度，從而滿足不同用戶的不同網絡應用需求。

要想真正實現接入網的虛擬化，就要接入網內基站的軟件化，通過接入基站軟件化來為網絡切片提供底層資源和開放式的API，從而實現網絡切片的動態化管理。要想實現端到端的網絡切片管理，需要接入網和核心網提供網絡切片所需的全部功能，利用NFV 技術，核心網可滿足網絡切片的大部分網絡需求，并實現虛擬平臺向虛擬核心網的部署。Taleb 等還研究出一種將EPC 作為網絡服務的一部分的解決方案，即通過將虛擬EPC 應用到云端，就可為廣大用戶提供可靠穩定的核心網服務。Ksentini 等通過使用eDECOR 來實現核心網在網絡切片上的應用，也可通過網絡切片來修改核心網中的數據參數。Mahmood 等通過模塊化的網絡功能設計來為網絡切片提供控制平臺。Afolabi 等基于EPC 編輯器、SDN 控制器和NFV 編輯器，提出虛擬化的網絡切片概念結構，確保網絡切片能根據不同用戶的不同需求提供定制化的網絡功能。

根據不同用戶的不同需求來對網絡切片資源進行優化組合和高精度流量預測，能確保網絡切片資源的優化分配，降低由網絡切片資源分配不均而帶來的經濟損失。為準確預測用戶通信需求，很多專家學者對整個問題進行深入研究。Zhang等主要對中國移動網絡的用戶通信需求進行深入全面的調研，用深度學習理論和技術來解決用戶通信需求的預測問題，并認為移動通信網絡中的深度學習技術能幫助網絡運營商準確預測用戶的通信需求。Wang 等利用機器學習理論來解決用戶網絡需求預測問題，并利用大數據分析法對loT（物聯網）的混合性、時空相關性和大規模連續性等特點進行分析。Sivanathan 等通過試驗采集到大量物聯網流量數據，并將其歸納為攝像頭等智能設備的流量特征，基于該特征研發出一種基于網絡流量的對物聯網設備進行分類的計算機學習算法。Khan 等根據智能電網在應用過程中的流量特點來開發監控設備，并實現對電動汽車電池狀態等動態顯示和上報功能。Ali 等對物聯網用戶網絡需求預測方法進行改善，根據物聯網流量特點，將其分為周期型和事件驅動型這兩種流量預測類型。事件驅動型流量預測能很好地解決由同一個事件多個設備隨機接入而引發的沖突問題，且可控制一個事件接入設備的數量或接入時間，確保這些接入設備能有序進行。在電動汽車充換電應用場景中，利用流量預測法可對物聯網中的流量進行優化配置，并能準確預測電動汽車的行駛狀態及所消耗的流量。

在電動汽車充換電的應用場景中，為確保電動汽車運行的穩定性，要對其使用的網絡流量進行準確預測。目前，國內外對移動網絡流量預測的研究比較多。Hess 等對移動網絡中人類運動模型進行深入研究，并以此來研究電動汽車在移動過程中的狀態變化，為電動汽車移動模型的構建提供了重要信息和思路。Yayeh 等通過深度學習理論，來對移動自組網絡中電動汽車移動過程的網絡流量進行預測，通過隨機路點模型來模擬電動汽車的移動規律，并提供Matlab 仿真證實該系統能成功預測出電動汽車的運動軌跡與具體位置。Ansari 基于專用短程通信和全球導航衛星系統，實現對電動汽車行駛過程中準確位置的預測，并根據位置預測結果對電動汽車所消耗的流量進行預測，根據預測結果對移動網絡進行優化配置，從而提高網絡服務質量。Mao 等基于移動網絡流量預測電動汽車自組網路由協議及駕駛員的行車意圖，能準確預測車輛的具體位置和行駛狀態，并通過電動汽車自組網來實現車輛數據信息的傳輸和車輛行駛狀態的監控。

Tang 等利用人工智能技術來準確預測電動汽車的行駛路線和軌跡，并完成對SDN集中路由的優化，然后隨機評估了隨機城市交通流量模型，結果顯示這種檢測方法能有效降低網絡系統中流量傳輸的時延，從而提高不同車輛速率的魯棒性。Huang 等研究出一種能通過命名車輛數據法來預測電動汽車上各類設備的網絡流量，在相似移動模式的車輛間建立相似的通信網絡，從而降低車輛移動對網絡流量速度的影響。Guo 等通過對邊緣節點移動緩存數據包的預測來提高車輛網絡服務質量，并且設計馬爾科夫深度學習模型，對車輛的行駛軌跡進行準確預測。由此可見，在電動汽車物聯網的應用場景中，通過車輛移動預測來選擇路由決策和緩存策略，但難以利用移動網絡流量預測為網絡切片的資源優化配置提供數據支持。

2.2 網絡切片在電動汽車充換電網絡中的發展展望

國內外對網絡切片資源優化配置的研究也比較多。近年來，比較流行的是基于規劃虛擬化網絡功能來優化資源配置的自動規劃算法，這種算法能優化網絡性能和網絡切片的操作時間。近年來，有學者基于評估數據中心構建虛擬化移動管理實體性能模型，利用該模型就可實現網絡用戶和虛擬化移動管理實體間的聯系，并滿足用戶對移動網絡的特殊需求。有學者采用vEPC-ORA 法來優化虛擬化核心網服務器的控制界面和數據顯示界面，從而實現資源優化配置，并滿足物聯網用戶的智能設備通信需求。有學者利用虛擬核心網實體多維度資源優化配置的啟發式算法來預測核心網的響應速度與響應時間。目前，網絡切片資源優化配置問題法大多采用啟發式算法進行建模解決，但較少將移動預測和網絡流量預測法應用于資源優化配置領域。

國內外對智能電網和車聯網中的網絡切片技術不斷進行研發。Hassedbo 等研究5G 技術在智能電網中的應用，提出5G 技術與融合光纖結合的電網通信網絡架構。Jeong 等對智能電網數據的采集及不同網絡用戶的不同網絡需求進行分析研究，研究成果顯示網絡切片能夠滿足不同網絡用戶的不同用網需求。Mendis 等深入研究能源分布式電網網絡切片的具體應用，并設計一個可擴展的網絡通信架構來滿足不同網絡用戶的不同網絡需求。Claudia 等為證實V2X 服務能服務網絡切片的觀點，設計出核心網和接入網的解決方案，結果證明該方案具有一定可行性。Tao等利用電動汽車移動的特點設計出一個基于foud 的云計算與霧計算混合的模型，該模型能準確預測車輛的行駛軌跡和網絡流量。Zhang等針對自動駕駛電動汽車充換電時可能發生個人數據信息泄露的問題，設計了ePPCP安全架構，可為電動汽車提供可靠的網絡切片服務。目前，國內外關于智能電網和車聯網中網絡切片中的應用研究大多集中在網絡架構、業務需求和安全性等方面，對智能電網和車聯網融合場景中的網絡切片和資源優化配置問題缺乏關注與研究，預測今后學術界關于網絡切片的研究會向智能電網和車聯網的融合應用場景中的網絡架構和行車安全方向發展。

3 結語

基于網絡切片技術的電動汽車充換電網絡具有彈性化和定制化優點，能實現端到端的網絡服務，能滿足不同網絡用戶的不同網絡需求。通過構建充電設備和電動汽車間的虛擬化網絡切片，可以實現對車輛行駛軌跡和網絡流量的監控，也能實現對網絡資源的優化配置。目前，國內外學者對網絡切片在電動汽車充換電網絡中的應用研究大多停留在啟發式算法建模及智能電網和車聯網的網絡架構、業務需求和行車安全等方面。今后，網絡切片技術在電動汽車充換電網絡中的應用會向移動預測、網絡流量預測及智能電網和車聯網融合場景中的網絡架構、業務需求和行車安全的方向發展。通過對網絡切片在電動汽車充換電網絡中的應用與發展研究，讓更多人了解網絡切片的優勢和發展前景，促進網絡切片技術在電動汽車充換電網絡領域的發展。