泛在網絡環境下移動性預測方法的挑戰及關鍵思想*

田 潔 ，趙季紅 ，2，曲 樺

（1.西安交通大學 西安 710049；2.西安郵電大學 西安 710061）

1 引言

以向個人提供最佳業務體驗為動力的移動通信與泛在網絡的協同與融合，構成移動泛在業務環境，代表了下一代移動無線互聯網絡的重要發展方向[1]。在未來，泛在化的智能設備將遍布在用戶的周圍，并且這些具有無線接入能力的智能設備將能夠隨時隨地感知用戶的需求，用戶周圍所有可用的智能終端可構成一個終端群，并通過多樣化的異構網絡協同地為用戶提供無處不在的服務。在此基礎上，移動泛在業務環境下更加強調的是即使用戶處在移動的狀態下，也能夠通過異構無線網絡及多個智能終端的協同使用戶無縫地獲得無所不能、無所不包的服務，而這也正是移動泛在網絡的核心理念。在這種應用環境下，如何通過多終端多網絡的協同為移動用戶提供基于ABE（always bestexperience，始終最佳的體驗）的服務，已成為一項重要研究內容，與此同時，如何實現網絡控制，提高網絡資源利用率，解決異構網絡的互聯互通以及多種網絡融合環境下的無縫切換等一系列問題也已成為基礎性的難題。

為了更好地解決這些問題，越來越多的研究者開始關注并研究移動性預測技術。其作為一種基于位置服務的主動積極方案，通過提前預測移動終端的位置，為移動終端預留網絡資源以及實現預切換，從而保證服務質量。由此可見，在移動泛在網絡業務環境下，移動性預測技術在實現無縫移動并提高用戶體驗方面顯得更加重要。

2 移動性預測方法的研究現狀

關于移動性預測方法研究的應用場景目前主要有兩大類：一類是應用于有基礎設施的無線網絡環境，如蜂窩移動通信網絡、無線局域網等，這類場景下的移動性預測方法主要用來輔助網絡進行切換控制及無線資源管理；還有一類主要應用于以Ad Hoc技術為基礎和典型代表的無基礎設施的無線網絡環境，通過移動性預測方法來優化Ad Hoc網絡環境下的路由管理機制。

2.1 有基礎設施網絡環境下的移動性預測方法及存在問題

有基礎設施網絡環境下的移動性預測方法從移動性管理的角度出發，主要關注如何應用移動性預測，通過對移動終端位置的預測，基于預測信息對移動終端進行尋呼，同時也可以在移動終端預測位置的所在小區完成預切換工作，從而減少切換時延。另一方面，基于預測信息，也可以提前與預測位置所在小區進行移動終端所需的資源預留協商，包括地址分配、帶寬資源預留等。

最早提出的移動性預測方法是采用基于構造運動函數的預測方法，這種預測方法主要從物理概念的角度來描述移動對象的運動情況，如結合移動對象當前的運動方向、速度等因素，通過與構造的運動函數進行擬合，從而預測移動對象在下一時間段內的位置變化情況。參考文獻[2]最早假設移動對象在某時刻的速度方向不會改變，通過構造線性運動模型，根據線性運動函數對移動對象的位置進行預測。考慮到實際中移動對象的運動大多都是非線性的，參考文獻[3]克服了線性預測的缺陷，提出更加符合實際情況的非線性的基于未知模型的預測方法，能夠對以任何軌跡運動的移動對象進行位置預測。這種基于構造運動函數的方法雖然提出較早，但由于當今移動通信環境對于實時性的需求高，這類方法因其構造運動函數的復雜性已不能很好地滿足網絡的需求。

目前，能夠適用于無線網絡預切換及資源預留方面的移動預測方法以統計預測思想與分析預測思想為主。統計預測的方法是從整個網絡的宏觀角度出發，對網絡內整體的歷史數據進行統計分析，并將提煉出的統計結果作為判決條件，用于分析新進入網絡的移動對象的軌跡，從而達到移動預測的目的。如參考文獻[4]中通過統計網絡歷史數據中移動終端經過的小區序列的情況，以此作為網絡內移動用戶的移動模型，從而與網絡部移動用戶的移動模式進行匹配，根據匹配結果對用戶的位置進行預測。還有一些研究者以道路為單位，根據道路拓撲結構，統計不同路段上發生切換的概率，從而對移動用戶將要切換的目標小區進行預測，也是基于統計的預測思想，如參考文獻[5]。這種宏觀上的統計預測的方法對于網絡系統而言，有利于網絡進行整體優化，然而這種方法忽略移動對象個體的隨機性，因此從用戶的角度看，運用統計信息進行預測，準確度較低，很難保證網絡內的每一個用戶都能通過移動預測進行預切換及資源預留。

分析預測思想與統計預測思想不同的是，它從移動用戶本身的歷史信息出發，利用人工智能及機器學習的方法，從移動用戶過去的運動中發現用戶的移動規律，形成用戶自身的移動模型，從而對用戶將來的運動進行預測。在這方面比較常用到的是基于神經網絡的自學習方法，分析學習用戶的行為并記錄下來，作為用戶的移動模型。如參考文獻[6]中，以無線mesh網絡為例，利用反向傳播神經網絡算法來學習分析歷史時間序列，得到用戶的移動模型，從而對用戶的運動進行預測，實現了在無線mesh網絡下的移動連續性及無縫連接。而對于短時間內，沒有大量歷史數據的情況，參考文獻[7]中提出了基于免疫系統的人工智能預測算法，對于那些移動時間較短且移動模式難以捉摸的移動用戶的位置起到了很好的預測效果。

由此可見，統計預測的方法統計了大量的歷史統計信息，而分析預測的方法則加強了對于移動用戶本身歷史信息的分析，因此，為了綜合考慮網絡側QoS需求以及用戶終端側的用戶體驗需求，有必要將這兩種預測方法的優勢相結合以進一步提高移動性預測的性能，而這也是下一步研究開展的方向。

2.2 無基礎設施網絡環境下的移動性預測方法及存在問題

在以Ad Hoc網絡為典型的無基礎設施的網絡環境中，沒有蜂窩式移動通信中的基站作為數據轉發點，當進行遠距離傳輸的時候，是通過移動節點間的多跳路由完成。然而節點移動自由度較大以及網絡拓撲結構多變的特點增加了路由發現的消耗，因此通過引入移動節點的位置信息，并對移動節點的位置進行預測，這在一定程度上可以幫助掌握快速變化的網絡拓撲結構，從而能夠在進行路由發現的時候，有目的、有范圍地選取路徑。

面向無基礎設施網絡環境下的移動性預測主要側重于通過預測來判斷鏈路是否穩定及可靠。當Ad Hoc網絡中的移動節點通過多跳路由來完成遠距離的信息傳輸時，節點間相互獨立的移動可能會導致正在使用的多跳路由發生斷裂，因此為了能夠令所找到的路由穩定，就需要通過節點自身的設備臨時獲取目標節點信息，并對節點的位置及運動信息進行預測，以此獲得生存時間盡可能長的路由，使路由盡量穩定。

目前，Ad Hoc網絡下典型的移動預測都是通過GPS使移動節點獲得自己的位置信息，并根據現有時刻移動節點的狀態信息來對節點未來時刻進行模糊預測，如參考文獻[8，9]。鏈路可用性預測模型的提出是基于對鏈路可用性的預測，該模型依照現在時刻移動節點的運動信息和位置信息預測估計出一段時間內節點的移動位置，從而判斷兩點間的鏈路是否可用，如參考文獻[10～12]。然而，為了能夠獲得生存時間盡可能長的鏈路，參考文獻[13]提出鏈路維持時間的預測模型，通過對網絡中無規則的、隨意運動的節點的軌跡或者節點間的相互軌跡進行預測，判斷鏈路連接能夠保持的時間。還有一種節點位置預測模型鏈路維持時間預測模型非常類似，都是基于同一種假設，也就是最近一次獲取節點的運動狀態后，節點的運動狀態保持不變。而不同點在節點的位置預測模型只是針對鏈路中的一個節點的位置進行預測，這種預測模型適用于節點運動速度慢且運動比較穩定的Ad Hoc網絡。

3 移動泛在網絡下的移動性預測方法面臨的挑戰

3.1 未來泛在網絡環境的基本特征

（1）異構化的網絡環境

在移動通信從2G向3G發展的過程中，產生了許多不同的無線傳輸技術，如GSM、CDMA、WCDMA、cdma2000、WiMAX、ZigBee、Bluetooth等。可以看出，未來的移動泛在網絡不是一個單純的網絡，而是集已有的甚至是后續演進技術和網絡的大集合，是一個由支持信息社會升級到泛在社會的智能信息架構。從這個角度來說，泛在網絡將是一個涵蓋所有網絡類型的復雜網絡環境，并且也是一個各種異構網絡之間融合與協同的過程。

由于網絡環境的異構性，用戶將會同時處于若干個不同網絡的覆蓋下，并且會頻繁地在不同的網絡中遷移。因此在未來移動泛在網絡下，需要屏蔽這種網絡異構性，根據用戶周圍環境的變化為用戶提供無縫的、最佳的業務體驗。

（2）泛在協同的智能終端

隨著終端技術呈現出明顯的多樣化、智能化以及多模化的發展趨勢，在未來移動泛在網絡環境下，用戶可以利用周圍可用的終端接入不同的網絡同時為用戶提供服務。

多個終端根據用戶的需求、業務特征以及周圍環境的變化能夠自適應地進行協同，從而能夠在感知、通信、計算以及業務呈現等方面實現終端能力的提升，為用戶提供最佳的業務體驗。

（3）以用戶為中心的智能業務模式

在未來移動泛在網絡環境下，將會更加關注用戶的需求，并且隨時感知用戶的行為特征，以用戶為中心，深入了解用戶周圍的環境信息、用戶的個人偏好，為用戶提供個性化的服務。

另一方面，隨著普適計算技術的發展，未來移動泛在網絡環境下的業務將呈現出智能化的模式，通過感知周圍的上下文信息，終端與網絡能夠主動進行適配協同，而不需要用戶主動參與，向用戶提供始終最佳的業務體驗，即實現ABE的目標。

3.2 移動泛在網絡下移動性預測方法的需求及挑戰

在移動環境下，隨著用戶的移動，網絡的覆蓋以及用戶周圍可用的終端都會動態地發生變化，而在這種情況下，為了保證用戶在移動過程中的業務連續性，終端的協同模式以及接入的無線網絡都需要根據周圍環境的改變做出相應的變化。由此可以看出，在未來移動泛在網絡的環境下，不僅要考慮到泛在網絡下的異構性、協同性和智能性，同時更加需要考慮的是在移動的環境下，用戶的移動性為網絡的異構、終端的協同帶來的新變化。

因此，為了實現在“移動+泛在”環境下，保證用戶的無縫移動，并帶給用戶最佳體驗，需要通過移動性預測技術這種積極的方案，提前預測用戶周圍可能的環境，包括網絡狀態、終端狀態等，從而保證終端接入的網絡以及終端的協同模式能夠根據環境的變化即時做出相應的變化，從而保證用戶能夠在移動的狀態下，無縫地獲得無所不能、無所不包的服務。

移動性預測技術與泛在網絡環境下的網絡異構性、終端協同性、智能性3個特點相結合，主要面臨的挑戰如下。

·對于單個終端來說，如何在異構網絡的環境中預測即將進入區域的無線網絡覆蓋情況，以輔助網絡切換或小區切換。

·對于多個終端來說，如何通過移動性預測技術使多個終端保證在任何環境下都有最佳的協同模式，以使網絡資源及終端資源的利用率達到最大。

·如何能夠為用戶提供智能化的移動性預測服務。

4 移動泛在網絡下的移動性預測方法的關鍵思想

根據對移動泛在網絡環境下的移動性預測技術的需求及挑戰的理解，關于未來研究移動性預測技術的關鍵思想路線可以概況為：在屏蔽網絡異構性的基礎上，通過對環境的預測保證多終端始終能夠以最佳的模式協同，同時基于用戶的需求，提供智能化的移動性預測，最終實現用戶的無縫移動及最佳的業務體驗。

4.1 屏蔽網絡異構性的預測機制

網絡的異構性是泛在網絡環境下的移動性預測技術面臨的主要問題之一。如前所述，目前對于移動性預測方面的研究雖然已經有很多方法及成果，但是大多數的預測方法只是針對同構網絡環境下的移動預測，如在移動蜂窩網中通過對蜂窩小區進行預測。然而在具有多種無線接入技術覆蓋的情況下，如果僅采用類似同構網絡環境下單純地以小區為預測目標的預測方法，已不能對切換管理起到很好的優化效果。這是因為在這種多終端、多網絡的泛在網絡環境下，切換不僅涉及某個移動終端在同一網絡下小區間的切換，還包括在不同接入網之間的切換。因此在復雜的網絡覆蓋環境下，面對網絡拓撲結構不再單一的情況，移動性預測更重要的是需要預測移動節點即將進入的區域的無線網絡覆蓋情況。

在設計移動性預測方案時，首先需要明確在異構網絡環境下如何描述移動節點的移動性。通常對于位置移動的描述有單元描述法和地圖匹配法兩種，如圖1、圖2所示。

圖1 單元描述法

圖2 地圖匹配法

在單元描述法中，地理區域可以被分成形狀規則的單元，通過經過的單元序列來描述位置的移動性，如蜂窩網絡下的基站小區就可看作一個單元。而地圖匹配法則是借助GPS定位功能，將定位出來的移動節點行駛路線與電子地圖進行匹配，從而描述移動軌跡。

在異構網絡環境下，為了能夠屏蔽無線接入網的異構性，并且簡便有效地描述移動節點的移動軌跡，可以用統一的道路拓撲結構來替代復雜的網絡拓撲結構，采取單元描述與地圖匹配相結合的方法，結合電子地圖將道路以交叉路口為節點分段，并以一條路段為一個單元，用經過的路段序列來描述移動節點的移動軌跡。

其次，如何獲取單位路段上的網絡覆蓋信息也是解決異構性預測的一個關鍵點。在同構網絡環境下，通過單位小區內的基站可以獲取該小區內部的基本網絡信息，基于這種思想，在異構網絡環境下，可以采用中間件機制，讓該中間件與各個無線網絡進行通信，并獲取各無線網絡的相關信息。目前正在研究開發的IEEE 802.21 MIH（media independent handover，介質獨立切換）就是這種策略。而MIH中的介質獨立的信息服務（MIIS）一般可以提供包括通用接入網絡信息、附著點（point of attachment，PoA）的信息、高層信息（HLI）這三大類網絡信息。因此，異構網絡的信息可以借助IEEE 802.21的功能獲得。

4.2 保證終端最佳協同模式的預測機制

如前所述，異構性預測解決了泛在網絡環境下單終端多網絡的移動性預測問題，然而在基于異構性預測的基礎上，還需要解決多終端多網絡的移動性預測問題，也就是基于終端協同情況下的預測問題。根據協同工作的終端之間的分散程度，可將終端協同分為聚合式終端協同和分布式終端協同。

聚合式終端協同通常是指同一個用戶攜帶的多個終端，協同為該用戶服務的場景，如圖3所示。

圖3 聚合式終端協同場景

由于在這種場景下，一方面隨著用戶的移動，無線網絡的覆蓋情況可能會發生變化，并且由于終端對于無線網絡的接入能力各不相同，因此可參與協同的終端也同時會發生變化。而另一方面又考慮到同一個用戶所攜帶的終端的聚合程度較高，因而能夠參與協同工作的各個終端所處的環境是基本相同的，包括網絡環境、地理環境等。因此對于聚合式終端協同來說，為了使終端群組能夠有效地協同起來為用戶提供服務，使資源利用率達到最大化，其重點在于怎么有效地捕捉到無線網絡的覆蓋情況，并且為了保證業務的連續性，更重要的是在移動過程中對于未來時刻無線網絡覆蓋情況的預測，從而能夠即時有效地對參與協同的終端做出判斷。

分布式終端協同方式下，終端與終端之間往往具有一定的距離，并且終端所處的無線網絡覆蓋情況也可能會不同，如圖4所示。當某一用戶A使用攜帶的終端進行數據傳輸時，當其發現當前網絡傳輸速度不能滿足于他需要進行的業務或者當前沒有可用的無線網絡時，用戶A會向其附近的用戶B的終端發出請求，由用戶B的終端接入其他網絡來協助用戶A的業務請求，而這便是分布式的終端協同方式。

圖4 分布式終端協同

這種分布式的終端協同可以看作類似于Ad Hoc網絡環境下多個移動節點間通過多跳的方式協同進行數據業務的傳輸，同時，每個移動節點除了進行節點群內部的通信，還要借助其他有基礎設施的無線接入網絡向外部傳輸數據。所以針對這種分布式的終端協同方式，為了能夠讓終端有效地協同達到最佳用戶體驗，在協同性預測方面，不僅需要對每個移動節點未來進入的網絡或小區進行預測，同時應該結合類似Ad Hoc這類無基礎設施網絡環境下的移動性預測，即結合移動節點間的相對位置信息，選擇最佳的相鄰的協同終端，達到協同性預測的目的。

可以看出，在未來無基礎設施網絡與有基礎設施網絡的協同與融合將是移動泛在網絡的發展趨勢，所以考慮到有基礎設施網絡與無基礎設施網絡環境下的移動性預測技術側重點的不同，為了在移動泛在網絡環境下能夠使終端群實現有效的協同機制，需要將有基礎設施網絡與無基礎設施網絡環境下的移動性預測技術相結合，一方面對移動終端群組所處位置的網絡覆蓋情況進行預測，另一方面對于移動終端群組內部來說，其內部構成一個類似Ad Hoc的多跳傳輸網絡，需要對移動終端間的相對位置進行預測，以便選擇最佳的路由實現移動終端間的協同，從而最終達到協同性預測的目的。

4.3 結合用戶需求的智能化預測

移動泛在網是以用戶為中心的網絡，使用戶能夠隨時、隨地、方便地體驗到以用戶為中心的個性化服務，因此，除了上述異構性預測和協同性預測，移動泛在網絡環境下的移動性預測同時還需要為用戶帶來個性化的智能性預測。這里主要體現在對用戶移動路徑的推薦指導性預測，即為了使用戶在移動過程中保證業務連續性以及終端網絡資源利用率的最大化，可根據用戶的需求及實際業務的QoS需求，結合上下文信息為用戶推薦一條最佳路徑。對于最佳路徑的衡量不僅僅是以以往的最短路徑法則為標準，而是充分結合了終端信息及網絡信息，以終端網絡最佳匹配為原則的智能性預測。

上下文感知計算理論作為“普適計算”的核心子領域之一，使系統能夠自動發現和利用位置、周圍環境等上下文信息。由于上下文感知技術兼具“普適計算”和“個性化”兩種優勢，因此為了進一步提高路徑推薦的精確度以及用戶的滿意度，將上下文信息引入移動泛在網絡環境下的移動預測，一方面可以使系統根據上下文信息進行業務適配，另一方面可以綜合考慮網絡上下文信息及環境上下文信息，智能地為用戶推薦一條網絡終端匹配最佳路徑，從而能夠保證用戶的最佳業務體驗。總之，隨著移動泛在網絡在移動應用、電子旅游、智能醫療等眾多領域的應用的發展，未來在智能性的預測方面，基于上下文感知技術，提取用戶偏好，進行個性化的推薦將會成為潛在的發展趨勢。

5 結束語

未來移動性預測技術研究是一種趨勢，但是隨著網絡技術的發展，網絡異構、終端協同以及智能化需求等問題是移動性預測技術能否在泛在網絡環境下得到廣泛應用的決定性因素。原有的移動性預測技術的應用環境相對單一，無法適用于多終端多網絡的復雜環境，本文針對泛在網絡環境的特點及業務需求，結合異構、協同及智能3個關鍵因素提出移動泛在業務應用下的移動性預測，通過將有基礎設施網絡環境下的移動性預測技術與無基礎設施網絡環境下的移動性預測技術的特點相結合，從而能夠保證在移動泛在網絡環境下基于預測信息實現無縫移動，提高用戶體驗。

1 張平，紀陽，馮志勇.移動泛在網絡環境.中興通訊技術，2007(2):58～62

2 Wolfson O,Xu B,Chamberlain S,et al.Moving objects databases:issues and solutions.Proceedings of the Tenth International Conference on Scientific and Statical Database Management,Capri,Italy,1998

3 Tao Y F,Faloutsos C,Papadias D,et al.Prediction and indexing of moving objects with unknown motion patterns.Proceedings of the 2004 ACM SIGMOD International Conference on Management of Data,Pairs,Franch,2004

4 Akyildiz I F,Wang W Y.The predictive user mobility profile framework for wireless multimedia networks. IEEE/ACM Transactions on Networking(TON)，2004,12(6):1021～1035

5 Wee-Seng S,Kim H S.QoS provisioning in cellular networks based on mobility prediction techniques. Communications Magazine,2003,41(1):86～92

6 Jeong T Y,Han S C,Song Y S,et al.Mobility prediction modeling and analysis for people in mobile wireless network.Proceedings of the 5th International Conference on Ubiquitous Information Technologies and Applications(CUTE),Sanya,China,2010

7 Chen C M,Pi D C,Fang Z R.Artificial immune algorithm applied to short-term prediction for mobile object location.Electronics Letters,2012,48(17):1061～1062

8 Tan C G,Chen S Q,Gong X X.Steady routing protocol with prediction in mobile Ad Hoc networks.Min-micro Systems，2007(1)

9 Jin L,Li L Y,Zhu X Y.A multi-constraint QoS routing protocol with route-request selection based on mobile predicting in MANET.Proceedings of CISW 2007 International Conference on Computational Intelligence and Security Workshops,Harbin,China,2007

10 Yu M,Malvankara A,Sub W,et al.A link availability-based QoS-aware routing protocol for mobile Ad Hoc sensor networks.Computer Communications,2007,30(18):3823～3831

11 Xiao B L,Guo W,Liu J,et al.Pseudo gossip routing algorithm based link stability in mobile Ad Hoc networks.Journal on Communications,2008,29(6):26～33

12 Chen J K,Chen C,Jan R H,et al.Expected link life time analysis in MANET under manhattan grid mobility model.Proceedings of the 11th International Symposium on Modeling,Analysis and Simulation of Wireless and Mobile Systems,Vancouver,British Columbia,Canada,2008

13 Li H Z,Mukesh S H.ABRP:anchor-based routing protocol for mobile Ad Hoc networks.Wireless Personal Communications,2007,42(2):277～300