【6G专题】基于聚类算法的IMT-2030应用场景初步研究
相关链接：
基于聚类算法的IMT-2030应用场景初步研究
王庆扬，金宁
（中国电信股份有限公司研究院，广东 广州 510630）
【摘 要】IMT系统已进入新的研究周期，支持的业务种类将更为丰富，业务品质将更加高级，同时业务特性表现为更多的维度和更大的范围，如何对业务进行客观而高效的分析以得到典型的应用场景，对于IMT系统的标准化和产品开发具有重要的指导意义。提出了对IMT业务进行聚类处理，并根据聚类得到的若干类业务生成应用场景的初步方案，利用IMT-2020应用场景对所提方案进行了验证，并采用所提方案对IMT-2030应用场景进行了初步的探索。
【关键词】IMT-2030；6G业务；6G应用场景；聚类
doi:10.3969/j.issn.1006-1010.2021.04.018
中图分类号：TN929.5 文献标志码：A
文章编号：1006-1010(2021)04-0110-05
引用格式：王庆扬,金宁. 基于聚类算法的IMT-2030应用场景初步研究[J]. 移动通信, 2021,45(4): 110-114.
0 引言
ITU-R从IMT-2020（International Mobile Telecommunications-2020）开始提出IMT系统的应用场景（Usage Scenarios），包括增强型宽带（eMBB, enhanced Mobile Broadband）、超可靠和低延迟通信（URLLC, Ultra-Reliable and Low Latency Communications）以及大规模机器类型通信（mMTC, massive Machine Type Communications）三大经典应用场景[1-2] 。IMT-2020应用场景的制定为5G技术标准制定、系统和业务的开发指明了方向，具有极为重要的指导意义。IMT-2020应用场景主要由业界专家根据业务特性对业务进行提炼而得，本质上类似于机器学习中的聚类，因此也可看作是业务聚类，同时这种做法依赖于专家经验，主观性较强。而到了IMT-2030研究周期，随着垂直应用的蓬勃发展以及人们对于6G业务的超前构想，IMT系统需要支持的业务种类越来越多，业务特性也表现出更多维度和更大范围的特点，因此需要寻找一个客观而高效的办法来对丰富的6G业务进行分析和提炼，以生成IMT-2030的典型应用场景。本文提出了对IMT业务进行聚类处理并生成应用场景的思路和初步方案，利用5G应用场景对本文方案进行了验证，并对6G应用场景进行了初步的探索。
1 IMT业务的发展历程与趋势
1997年10月ITU-R批准了建议书M.816：IMT-2000支持业务的框架[3]，主要面向个人通信，提出了总体的业务目标和要求，例如基于IMT-2000先进技术提供既有业务和新的音频、视频、数据和多媒体服务的能力，同时还列举了IMT-2000应提供的具体业务，例如移动类业务（主要指定位）、交互类业务和分发类业务。2003年6月ITU-R批准了建议书M.1645：IMT-2000和Beyond IMT-2000未来发展的框架和总体目标[4]，指出多媒体业务增长速度远远快于语音业务，并将越来越主导业务流，与此相应，Beyond IMT-2000将支持广泛的对称、不对称和单向服务，并提供不同服务质量等级的管理，以实现高效传输分组业务的潜在目标。2007年10月ITU-R批准了建议书M.1822：IMT支持的业务框架[5]，指出IMT-Advanced系统在多用户环境中支持从低移动性到高移动性的应用以及一系列广泛的数据速率，也有能力在一系列广泛的业务和平台中提供高质量多媒体应用，同时该建议书首次引入了远程监测、ITS（Intelligent transport systems，智能交通系统）等机器类通信业务，引入了时延/抖动、移动性等较为丰富的业务特性，并按业务特性将业务划分为对话、互动、数据流、背景共4大类、8小类。2015年9月ITU-R批准了建议书M.2083：IMT愿景–2020年及之后IMT未来发展的框架和总体目标，指出以人为中心和以机器为中心等应用发展趋势，根据预测的2020年及之后的业务特性总结提出了eMBB、URLLC和mMTC三大应用场景，如图1所示：
业界对于5G业务的探讨已比较充分，实践工作也已广泛开展。eMBB聚焦于带宽需求，典型业务包括超高清视频、VR/AR等；URLLC场景强调低时延和高可靠性，典型业务如自动驾驶、配电自动化等；mMTC场景核心为较高的连接密度，典型业务有智能抄表、环境监测等。5G应用场景及对应业务见表1[6]。
业界对于6G业务的探讨也已启动。随着未来新技术的突破和网络性能的大幅提升，6G时代将支持更多形态的业务类型，如全息类、全感知类、虚实结合类、极高可靠性极低时延类及与卫星相关的业务[7]。表2详细列举了一些6G典型业务。
从以上历史进程可以看出，IMT-2000支持的业务以人为中心，强调个人体验，IMT-Advanced仍以人为中心但开始引入机器类通信业务以及时延等新特性，IMT-2020除了人中心之外还引入了机器中心，同时引入了能效等新特性，体现了IMT系统与自然的初步关联。展望IMT-2030，我们认为它是现实世界和虚拟世界连接贯通的桥梁，是人类社会和自然环境和谐发展的引擎，强调人、机器与自然的和谐共存，具有比IMT-2020更宏大的历史使命。
2 基于聚类算法的应用场景生成
聚类属于机器学习中的无监督学习，其方法较为丰富，如层次聚类、划分聚类、密度聚类、模糊聚类等[8]。本文总体思路是基于层次聚类法生成6G应用场景，具体方案如下：1）收集业务及相应特性指标，对每个业务生成原始指标向量；2）对原始指标向量进行标准化处理，得到标准化指标向量；3）对标准化指标向量进行层次聚类处理，得到若干类业务；4）对各类业务分别找出要求较高且具有共性的特性，根据这些特性生成相应的应用场景。因业务的不同特性指标的绝对值差异很大，不能直接用于指标向量之间欧式距离的计算，故采用5分制对特性指标进行标准化评分，分数越高说明业务对该特性的要求越高，例如5分代表最高可靠性、最大连接密度、最低时延、最高移动性、最大带宽及最低能耗。
下面首先利用较为成熟的5G应用场景对本方案进行验证，然后对6G业务进行聚类分析，完成6G应用场景的初步探索。
2.1 5G业务聚类与应用场景验证
我们首先收集5G典型业务，然后对可靠性、连接密度、时延、移动性、带宽及能耗六项特性指标进行标准化评分，得到具体业务及评分情况见表3，其中某业务对应的6项分数构成该业务的标准化指标向量。
对上述所有业务的指标向量进行层次聚类，输出如图2所示的聚类树状图，图中横坐标序号对应表3中5G业务。可见，将样品分成三类时效果较好，第一类业务为序号1-6与序号16业务，第二类业务为序号7-11业务，序号12-15为第三类业务。表4展示了5G业务聚类的最终结果，从各类业务的高要求特性来看，这三类业务与M.2083中的eMBB、URLLC和mMTC三大场景基本对应，表明本方案可与M.2083专家方案相互印证。
2.2 6G业务聚类与应用场景初探
未来6G移动通信将渗透至各行各业，旨在为人类提供更全面和更优质的网络服务。本文选取的6G典型业务来源于多个行业，包括医疗、工业制造、教育、媒体、交通、旅游、娱乐、金融等，考虑带宽、时延、抖动、连接密度、能耗、可靠性、移动性、定位精度和覆盖范围等九大指标。标准化评分规则与5G方案相同，即5分代表业务要求最大带宽、最低时延、最小抖动、最大连接密度、最低能耗、最高可靠性、最高移动性、最高定位精度及最广覆盖范围。具体评分情况见表5。
对上述6G业务的指标向量进行层次聚类，得到树状图如图3所示，图中横坐标序号对应表5中6G业务，可见将业务分成四类比较合理，聚类结果罗列在表6中。
根据以上聚类结果，分析各类业务中要求较高且具有共性的特性，如图4所示，本文提出6G的四大典型应用场景：
eXBB（enhanced Fixed and Mobile Broadband，增强的固移融合宽带）、URULL（Ultra-Reliable and Ultra-Low-Latency，超高可靠超低时延）、SWAC（Sparse Wide Area Connections，稀疏广域连接）以及uMTC（ubiquitous Machine Type Communications，泛在机器类通信）。
eXBB场景对应表6第一类业务，着重体现宽带连接。当前通信行业存在5G、PON、Wi-Fi等多种接入方式，未来移动与固定接入方式的有机融合可实现更卓越的宽带连接体验。例如对于远程全息手术、身临其境旅游、商客PON接入等不同宽带应用，根据具体需求选择合适接入方式，以享受极致宽带体验。
URULL场景对应表6第二类业务，对时延、时延抖动和可靠性的要求较高。例如精密仪器自动化制造、AGV、超高压继电保护等业务，涉及到仪器精准性、人身安全、电网安全等，需保证毫秒级甚至亚毫秒级的端到端时延、时延抖动以及7个9的超高可靠性。
SWAC场景对应表6第三类业务，利用卫星、无人机等通信技术完成稀疏广域连接，实现空、天、海和陆地偏远地区的广域覆盖。典型应用如偏远地区的无人机巡检，空中、海洋、偏远地区的民航、客船、车载卫星通信等。
uMTC场景对应表6第四类业务，核心为泛在的机器类通信，要求尽可能低的能耗和成本、尽可能高的连接密度，同时对覆盖的广度和深度有一定要求，旨在打造绿色泛在的物联世界。典型业务包括环境监测、远程抄表、机器金融交易等不同领域的应用。
3 结束语
本文基于聚类算法完成了6G应用场景的初步生成，虽然5G业务聚类结果表明本文所提方案具有一定合理性，但仍存在诸多不足之处，如业务特性指标的不完整将导致我们对部分指标的评分缺乏依据，指标标准化处理的合理性严重影响聚类结果，层次聚类法易陷入局部最优等。后续将重点围绕6G业务和聚类算法两方面开展进一步研究，包括6G业务的持续创新、业务特性指标的迭代更新、空缺数据的处理、聚类算法的选择等。
★原文发表于《移动通信》2021年第4期★
doi:10.3969/j.issn.1006-1010.2021.04.018
中图分类号：TN929.5 文献标志码：A
文章编号：1006-1010(2021)04-0110-05
引用格式：王庆扬,金宁. 基于聚类算法的IMT-2030应用场景初步研究[J]. 移动通信, 2021,45(4): 110-114.
王庆扬（orcid.org/0000-0002-2029-5972）：高级工程师，博士毕业于华南理工大学，现任中国电信股份有限公司研究院移动通信技术研究所所长、中国电信集团科技委委员、中国通信学会信息通信网络专委会委员、中国IMT-2030推进组需求工作组组长，研究方向为移动通信系统的关键技术与业务、移动通信网络的部署与运营。
金宁：硕士毕业于江南大学，现任职于中国电信股份有限公司研究院移动通信技术研究所，研究方向为移动通信系统的关键技术、移动通信业务与应用场景。
《移动通信》投稿方式为在线投稿
请您登录网页投稿系统
扫码关注
《移动通信》最新动态
《移动通信》杂志由中国电子科技集团公司主管，中国电子科技集团公司第七研究所主办，是中国科技核心期刊、中国期刊方阵“双效期刊”、工业和信息化部精品电子期刊、广东省优秀期刊、中国科技论文统计源刊。国内连续出版物号：CN44-1301/TN，国际连续出版物号：ISSN1006-1010，邮发代号：46-181。