【摘要】数字孪生流域建设是智慧水利建设的重要标志，是推动新阶段水利高质量发展的必然要求。流域物联感知能力、模型算法仿真计算水平、通信传输网络资源等方面的不足已成为数字孪生流域建设的重要挑战，本文结合云网融合的云网协同、按需互联、敏捷智能的服务能力特性，研究了面向数字孪生流域的云网融合体系，阐述了云网融合在基于云-边-端的流域物联感知、快速响应弹性可控的通信网络、统一编排灵活调度的算力资源等数字孪生流域建设内容上的服务模式和应用过程。
【关键词】智慧水利；数字孪生流域；云网融合
1 引言
数字孪生（Digital Twin，DT）是可以将物理场景中的人、机、物、工况、环境等要素映射到虚拟空间的一种信息技术[1]。依靠历史数据、实时数据以及算法模型，数字孪生技术可以实现精准映射、虚实互动、智能决策等功能特性，已成为构建新一代信息基础设施的使能技术[2]-[4]。数字孪生流域是数字孪生技术在智慧水利方面的应用场景创新，其定义为以物理流域为单元、时空数据为底座、数学模型为核心、水利知识为驱动，对物理流域全要素和水利治理管理活动全过程的数字化映射、智能化模拟，实现与物理流域同步仿真运行、虚实交互、迭代优化，实现对物理流域的实时监控、发现问题、优化调度的新型基础设施[5]。
随着云计算、大数据、人工智能等新一代信息技术广泛应用，网络、云、算力等新型信息化基础设施成为了数字孪生流域高效稳定运行的重要支撑[6]。受流域地理位置和环境影响，流域数据采集智能感知、模型算法仿真计算、通信传输会商资源等方面需求对网络和云的结合提出了更高的要求[7]。云网融合是一种面向云和网的基础资源层，通过虚拟化、云化、一体化的技术架构， 实现网络与云的高度协同、敏捷打通、按需互联[8]。云网融合依靠其智能化、自服务、高速、灵活的特性，被认为是网络、云和算力基础设施之间的粘合剂，成为了新型信息基础设施的底座[9]。
本文通过分析数字孪生流域的运行机制和云网融合的架构，研究了数字孪生流域对于云网融合的需求，提出了面向数字孪生流域的云网融合执行架构，阐述了云网融合在基于端-边-云的流域监测感知、快速响应弹性可控的通信网络、统一编排灵活调度的算力资源等数字孪生流域建设内容上的服务模式和应用过程。
2 研究背景
2.1 数字孪生流域运行机制
在数字孪生流域中，物理空间中的流域自然地理、干支流水系、水利工程、经济社会信息、水管理活动等要素数字化映射至虚拟空间中，形成以基础空间数据和水利专业数据为底板的数字化场景[10]。根据数字孪生流域智慧化模拟的要求，在虚拟空间中，建立数字孪生流域的几何模型、信息模型和机理模型[11]。几何模型是通过在虚拟空间以二维或三维图形的形式来表示与流域的物理空间实体及实体之间存在的交互关系，实现对河道、水库、蓄滞洪区及泵站涵闸等实体的虚拟可视化。信息模型是将流域实体采集的感知数据形成水利对象关联关系和水利规律信息知识，并沉淀至虚拟空间，进行智能分析和知识利用。机理模型真实地反应流域物理空间的客观规律，包括流域内的要素变化、活动规律和相互关系等。通过人工智能模型提升水利感知能力，可视化模型动态呈现流域的各类业务场景，水利专业模型提供计算分析，模拟推演物理流域的运行状态和发展趋势支撑流域实体物理空间中的各项业务应用，最终实现精准化决策的目标[12]。
图1数字孪生流域运行机制
2.2 云网融合架构
云网融合是为适应云计算技术快速发展的需要，充分整合业务需求和利用网络服务资源对网络架构的一种创新性技术变革[8]。随着云服务商的云平台对于网络需求的日益增加，云网融合可以为多样化云计算应用场景提供高效的基础连接和一体化的云网资源管控能力[9]。从逻辑功能结构上分，如图2所示，云网融合逻辑架构分为物理层、虚拟化层、资源层、编排层[13]-[15]。云网物理层主要包括云网接入的基础设施以及各种物理网络、存储、计算设备。云网虚拟化层包括对云平台资源的虚拟化以及SDN/NFV(软件定义网络/网络功能虚拟化）的各类网络设备。云网资源层是基于云网数据融合能力汇聚形成的网络、计算、存储以及提供保障服务的安全资源。云网编排层是建立在云网软硬件基础上的运营设计平台，通过云网切片、敏捷交付机制，把云资源整合调配满足不同业务所需的差异化网络需求，将有关云、算、网、安服务协同编排、快速集成，形成智能融合的云网资源管控、智能调度体系。
图2云网融合逻辑功能架构
3 数字孪生流域云网需求
在流域物联感知方面，随着天空地一体化水利感知网的建设，逐步实现了对物理流域信息的自动在线监测与采集，取得了丰富的物联感知数据，尤其是在卫星、无人机、无人船等遥感技术的应用下，物理流域及其影响区域的数字化表达可以得到充分的体现。但是，由于流域产生的数据多是传感器采集到的实时数据，这些数据包含着时间、位置、环境和行为等明显颗粒型的信息，同时这些数据呈现出鲜明的异构型、多样性、非结构化及价值密度低的特征。因此，为了灵活支撑对带宽和时延有严格要求的数字孪生流域应用场景，需要对数据进行智慧化数据采集和在网络边缘侧分析、处理与存储，并对数据进行实时高效的数据清洗和数据计算，以强化数据更新，保持与物理流域的同步性、及时性[17]。
在通信传输网络方面，以基础网络和物理连接为核心的网络模式逐步集中到虚拟化、平台化的云上，私有云、公有云、混合云承载了流域内的网络体系，流域内的网络基础设施需要满足数字孪生高带宽、低时延、精确仿真等多种性能要求。同时，水利云支撑数字孪生流域各类业务场景的不断更新，流域内网络基础设施需要更好的适应云计算应用的需求，网络要为云及云上的各类应用提供按需连接和服务质量开放能力，云既要与网协同驱动网络连接自动部署，还要为上层应用提供开放平台[18]。因此，通过网络资源云化部署，破除网络与地理位置和物理形态的绑定，达到网络在互联互通的基础上，按照数字孪生流域业务应用需求，实现网络信息多维感知、协作通信、智能计算功能的深度融合，以确保网络的灵活性、智能性和可运维性[19]。
在算力资源管理方面，物理流域作为数字孪生虚拟仿真的研究主体，是一个高度复杂的机体对象，包含着复杂的基础数据体系，存在着数据体量大、业务类型多、价值密度低、处理速度快等特征，同时，数字孪生流域模拟过程和流域物理过程要求实现高保真，数字孪生流域数学模型计算、“四预” 等重要业务场景应用构建需要高性能计算环境作为支撑[11]。因此，承载数字孪生流域泛在计算、存储的各类服务及应用的水利云，需要有效应用分布式计算、并行计算、大数据实时计算等技术，使得数字孪生模型与算法服务在云计算技术体系的推动下，演进为可进行算力运营和算力服务编排的云化模式，满足高精度仿真计算需求，提高网络和计算资源利用率[20]。
4 面向数字孪生流域的云网融合体系
依据水利部印发的《数字孪生流域建设技术大纲（试行）》关于数据孪生流域建设框架内容，数字孪生流域建设框架由数字孪生平台和信息化基础设施两部分组成，其中数字孪生平台由数据底板、模型平台、知识平台组成，信息化基础设施包括水利感知网、水利信息网、水利云[21]。以数字孪生流域建设内容和建设目标为基础，结合数字孪生流域云网需求，充分发挥云网融合功能特性，从物联感知、通信网络、资源池化以及数字孪生平台算力资源管理四个维度展示了云网融合在数字孪生流域上的应用服务过程，如图3所示。
图3面向数字孪生流域的云网融合执行架构
4.1 基于云-边-端的流域物联感知
算据是数字孪生流域的基础，为强化数字孪生平台的数据底板更新，各种新型监测手段与传感器技术得到充分应用，物理流域内要素的监测内容和数据类型不断丰富，水利监测站网的网络末端产生了海量异构数据，若大量的数据分析处理完全依赖于水利云计算平台，网络带宽会被大量占用，时延增加，从而无法满足数字孪生场景对数据实时计算服务的要求，特别是，对带宽资源要求很高的监测预警、视频监控、图像识别等场景。云网融合从云-边-端一体的角度考虑，将资源密集性任务从云端的计算框架卸载迁移至边缘计算平台和物联设备端侧，同时，依靠云原生平台架构，提供全网资源管控调度的能力，实现云-边-端资源共享。
如图4所示，云-边-端流域物联感知体系在架构上包含三层，物联设备层包含大量泛在流域物联感知设备，主要是面向物理流域的数据采集、智能实时响应、简单数据计算处理。边缘云计算层是中间层，实现数据缓存、分布式数据处理、智能算法部署和计算，扩展端的数据计算处理能力。云计算层是水利云平台中心，可以提供海量的数据计算存储能力，是支撑数字孪生平台的核心与关键。
图4云-边-端流域物联感知架构
在逻辑功能上，如图5所示，接入层是设备之间、设备与云之间有线或者无线连接的接入媒介，为数据采集提供数据传输链路，包含接入、感知功能。资源抽象层是依赖虚拟化技术，将基础设施与网络功能解耦、数据平面与控制平面分离，实现对宏观资源的抽象。服务编排层利用容器技术进行资源的隔离、调度和编排，将设备弹性空闲资源高效利用，实现物联感知设备的数据智能分析，并在边缘节点处对数据过滤，策略性调整端到云的数据流量，减少网络资源占用，降低时延。
图5云-边-端流域物联感知逻辑层次
4.2 快速响应弹性可控的通信网络
数字孪生流域通信网络是更加底层的连接支撑，保障数据可以从感知采集端高效实时传输至数字孪生平台数据底板。以基础物理网络连接的模式，提升网络带宽，是可以满足对通信流量要求不高的业务和应用资源需求的，但是，数字孪生流域对高带宽、低时延、精确仿真等有严格的性能要求，数字孪生平台业务和应用的资源也逐渐汇聚至水利云上，网络布局和架构必须适应云计算技术要求，在满足网络服务质量（QoS）的同时，需要具备充分的弹性和灵活性。云网融合通过云网络可靠的云接入和基础连接能力，为业务应用上云、云间互联、云边协同提供高质量的可靠的承载能力，基于云原生开发环境，构建弹性伸缩、灵活高效的网络能力资源池，使业务具备调用底层网络资源的能力，实现云网设备和资源智慧化管控。
图6云网融合通信网络架构
云网融合通信网络架构如图6所示，流域网络连接中，部门网、城域网、广域网组成流域网络体系，网络入云和云间互联破除流域地理位置界限，网络边界深入云内，突出灵活接入、带宽可调的特性，使得流域基础网络具备弹性和差异化的网络服务保证能力。网络编排调度承接了网络的虚拟化功能并可以进行网络资源的调度，以实现诸如“四预”业务应用、通信会商、安全策略、计算资源等数字孪生流域的多场景网络资源智能编排，完成按需分配的网络资源配置，提升多场景网络资源的利用效率。网络协作管控建立起俯瞰云网态势全局的云网管理平台，通过对网络信息进行实时的采集和分析，并感知网络需求，把场景需求、网络状态和资源数据转换为可响应的网络参数，生成更优的网络资源配置策略，例如，针对视频会商重要场景，可以智能配置更高服务质量等级的网络连接。最后通过开放式的API，提供云网更加开放、智能、灵活的调度和控制能力。
4.3 统一编排灵活调度的算力资源
为保障数字孪生流域运行，数字孪生平台承载的模型包括水利专业模型、智能识别模型、可视化模型等，这些不仅业务应用场景种类多，而且有的模型结构复杂，很多参数还具有时变性，形成众多的业务模型。不同的模型有不同的特点，比如，描述流域要素变化、活动规律的水利模型以机理分析为主；水文模型、泥沙动力学模型以数学计算为主；水土保持模型、水利工程安全模型融合机理分析和数学计算。同时，不同处理器擅长处理的任务也不同，简单串行逻辑任务CPU就可以处理，精细时空分析、海量数据分析、大场景渲染等并行处理的复杂任务则GPU更加胜任。
图7统一编排调度的算力资源管理方案
因此，针对数字孪生平台，云网融合可以提供统一编排灵活调度的算力资源管理方案，将不同的模型快速、高效的分配到不同平台环境中处理。基于云原生平台搭建的资源编排中心，根据数字孪生平台持续演进需求，将从流域实体中提取的标准化模型进行分析，统一编排调度顺序分为模型整合、分类管理、编排设计、资源分配、部署交付。如图7所示，以水利专业模型为例，统一调度编排首先需要根据水文模型、水资源模型、水利学模型等模型进行整合，整合后的模型进行分类管理，再以水文模型为例，水文模型可分解为降水预报、洪水预报、枯水预报、冰凌预报、咸潮预报等子模型，对这些子模型分类管理并标识分析出对CPU、GPU算力类型的需求，然后基于业务编排组件，按照事件触发机制，将子模型以事件的形式通过若干策略微服务组件，调度到计算资源池中的不同的算力环境中，同时，灵活调度存储资源池中的数据或其它模型处理后的数据完成模型的构建，最后，集成模型的计算结果和服务，实现模型的应用部署交付，完成数字孪生平台对物理流域的数字映射。
4 结语
数字孪生流域是智慧水利建设的核心与关键，建设数字孪生流域也是一项极为复杂的系统性工程，云网融合是利用大数据、云计算、人工智能等新一代信息技术对网络架构的一种创新性技术变革，破除了云和网相对独立的局面，随着容器、微服务为代表性的云原生技术的引入，云网融合表现出云网协同、按需互联、敏捷智能的服务能力特性，本文阐述了云网融合在基于云-边-端的流域物联感知、快速响应弹性可控的通信网络、统一编排灵活调度的算力资源等数字孪生流域建设内容上的服务模式和应用过程，对促进新一代信息技术在数字孪生流域的应用具有重要的参考意义。
【参考文献】
[2] Tao F，Cheng J，Qi Q，et al. Digital twin-driven product design，manufacturing and service with big data[J]The International Journal of Advanced Manufacturing Tech⁃nology，2018，94：3563-3576.
[3] 中国电子技术标准化研究院，树根互联技术有限公司. 数字孪生应用白皮书（2020 版）[R].2020
[4] 李德仁. 数字孪生城市 智慧城市建设的新高度［J］. 中国勘察设计，2020（10）：13-14.
[5] 李国英. 李国英在2022年全国水利工作会议上的讲话［R/OL］．2022-01-07［2022-05-16］ http://www.mwr.gov.cn/xw/slyw/202201/t20220107_1558779.html.
[6] 水利部“. 十四五”智慧水利建设规划（水信息[2021]323）[R].2021.
[7] 李文学，寇怀忠. 关于建设数字孪生黄河的思考[J].中国防汛抗旱，2022，32（2）：27-31.
[8] 云计算开源产业联盟．云网融合发展白皮书(2019年)[R].2019．
[9] 云计算开源产业联盟,云网产业推进方阵. 云网产业发展白皮书[R].2021.
[10] 饶小康,马瑞,张力,等. 数字孪生驱动的智慧流域平台研究与设计[J]. 水利水电快报,2022,43(2):117-123. DOI:10.15974/j.cnki.slsdkb.2022.02.021.
[11] 水利部部署数字孪生流域建设工作[J]. 中国水利,2022(1): DOI:10.3969/j.issn.1000-1123.2022.01.005.
[12] 周超,唐海华,李琪,等. 水利业务数字孪生建模平台技术与应用[J]. 人民长江,2022,53(2):203-208. DOI:10.16232/j.cnki.1001-4179.2022.02.034.
[13] 段晓东,姚惠娟,付月霞,等. 面向算网一体化演进的算力网络技术[J]. 电信科学,2021,37(10):76-85. DOI:10.11959/j.issn.1000-0801.2021248.
[14] 陆钢,陈长怡,黄泽龙,等. 面向云网融合的智能云原生架构和关键技术研究[J]. 电信科学,2020,36(9):67-74. DOI:10.11959/j.issn.1000-0801.2020269.
[15] 陈泳,姚文胜,陈靖翔,等. 基于云原生技术敏捷交付云网融合应用[J]. 电信科学,2020,36(12):96-104. DOI:10.11959/j.issn.1000-0801.2020319.
[16] 张鑫. 基于随愿网络的运营商云网融合业务的研究与实现[J]. 电信科学,2021,37(8):136-141. DOI:10.11959/j.issn.1000−0801.2021207.
[17] 吴吉义,李文娟,曹健,等. 智能物联网AIoT研究综述[J]. 电信科学,2021,37(8):1-17. DOI:10.11959/j.issn.1000−0801.2021204.
[18] 史凡. 对云网融合技术创新的相关思考[J]. 电信科学,2020,36(7):63-70. DOI:10.11959/j.issn.1000-0801.2020195.
[19] 黄韬,刘江,汪硕,等. 未来网络技术与发展趋势综述[J]. 通信学报,2021,42(1):130-150. DOI:10.11959/j.issn.1000-436x.2021006.
[20] 王栋,孙琼,徐洪磊. 基于ONAP开源架构的云网操作系统研究[J]. 电信科学,2021,37(8):105-110. DOI:10.11959/j.issn.1000−0801.2021208.
[21] 水利部对数字孪生流域建设技术大纲等文件进行技术审查[J]. 人民黄河,2022,44(3):封2. DOI: 10.3969/j.issn.1000-1379.2022.03.001.