一種基于用戶行為預測的群移動性管理模型

林曉勇，俞洋，糜正琨

（1. 南京郵電大學通信與信息工程學院，江蘇 南京 210003；2. 南京郵電大學通達學院，江蘇 揚州 225127）

一種基于用戶行為預測的群移動性管理模型

林曉勇1,2，俞洋1，糜正琨1

（1. 南京郵電大學通信與信息工程學院，江蘇 南京 210003；2. 南京郵電大學通達學院，江蘇 揚州 225127）

移動性管理是未來5G移動的重要組成部分，如何均衡尋呼負載和位置更新開銷，從而合理利用無線資源是當前的研究重點。提出了一種新的群移動性管理（GMM）方案，可以針對具有相同運動特征的用戶進行集中式管理，從而可以減少單個用戶移動性管理（SMM）時存在的重復開銷。仿真結果表明，GMM比SMM可以獲得更佳的運行開銷。

群移動性管理；用戶行為預測；質心定位模型；尋呼開銷

1 引言

截至2016年6月，中國手機網民用戶數已達到6.56億戶[1]，如何更加有效地對移動用戶進行資源分配和管理，在節約資源開銷的同時提升用戶體驗顯得尤為重要。3G和4G網絡環境下位置管理多采用靜態或動態的位置區劃分[2]，用戶每次跨越位置區時都需要進行位置更新。在 LTE環境下，新增跟蹤區的概念，多個跟蹤區形成一個跟蹤區列表（tracking area list，TAL），用戶在TAL上的跟蹤區內可以自由移動，不需要進行位置更新，從而避免了頻繁位置更新帶來的資源損耗。跟蹤區的合理規劃能夠均衡尋呼負荷和位置更新開銷[3]。

當前運營商的移動性管理方案都是針對個體移動用戶的管理（single mobility management，SMM）。目前，國內外研究群移動管理的論文并不多，主要著重于群用戶運動模型的改良和優化、單個用戶的移動管理以及車聯網中分群算法的研究，參考文獻[4]中提出一種異構網絡中基于業務優先級的車聯網移動性管理技術，參考文獻[5]討論了單個用戶在PLMN組網中移動性管理的連續性，參考文獻[6]提出一種針對特定戰場環境下的群移動模型，側重在移動自組織網絡的架構設計。所有當前關于群（組）移動性研究重點是在自組織網絡內部節點之間的相關路由協議，其評價指標為節點之間的連通性度量（端對端時延、報文傳輸率、吞吐量、鏈路通斷率）或者路由跳數、路由協議開銷等，均未從移動運營商角度考慮群組移動性管理問題。本文提出了一種新的基于用戶行為預測的群移動性管理方案，是在LTE的核心網（evolved packet core，EPC）架構上實施，針對具有相同移動特征的用戶進行統一的位置管理，從而節約無線資源開銷。

2 基于用戶行為預測的群移動性管理

2.1 CAM模型的建立

為了便于研究移動性管理，需要通過仿真模擬網絡中用戶的運動，移動模型的優劣會直接影響到用戶行為預測的準確性，因此需要建立一個符合真實環境的移動模型。

目前，按照不同特點分類的實體移動模型有隨機移動模型、時間依賴性移動模型等[7]。隨機移動模型中，節點的速度、方向等都是隨機的，往往不能充分描述現實場景中節點的移動性。最常見的一種時間依賴移動模型是高斯—馬爾可夫移動模型[8]。相比隨機移動模型，其移動更為平緩且克服了急轉問題，但是其運動終點不明確且不適用于群移動，而現實中的移動往往是有目標的，提出一種基于群組群質心向目標位置運動預測的質心目標模型（centroid aiming model，CAM），結構如圖1所示。

圖1 CAM模型結構

CAM 群移動模型思想是將用戶的移動視為一種受質心和目標點牽引的運動，移動用戶受到目標點和群組質心兩者的共同約束。群組質心由群用戶的幾何中心所確定，設群組中有N個用戶，用坐標表示為Pi(xi,yi)，則群組質心坐標為：CAM模型中目標點和群組質心的勢場函數[9]

分別為：

其中，k和η為增益系數，X、Xg、Xc分別代表用戶、目標點以及群組質心在運動空間中的位置，ρ(X, Xg)和ρ(X, Xc)分別表示用戶與目標點以及質心之間的距離。相應的勢場函數的負梯度為：

為了更加符合實際情形，本文用戶的實際運動方向滿足均值為θF、方差為(π/b)2的正態分布，即：θ～N(θF,(π/b)2)。其中b為可變系數，由移動特性決定。

由此定義了CAM速率模型：

其中，質心用戶比（centroid user rate，CUR）指質心和用戶距離目標終點的距離比，μmax和μmin分別表示速率變化率的上下閾值。

同時為了避免群組用戶之間距離過近，不符合實際情形，設置了安全距離閾值（safe distance threshold，SDT）。若檢測到群組中任意兩用戶距離小于或等于1 m，則其中一用戶“放慢腳步”（速度降低為原先的1/3）等待，直到兩用戶距離大于或等于5 m時，再按原方向和速度前進。

2.2 基于GMS的群移動管理

本文提出群中的多個用戶共享一個跟蹤區，跟蹤區更新也以群為單位。新增群管理服務（group management service，GMS）功能實體，負責存儲更新群用戶的成員信息，并執行GMM調度功能，如圖2所示。

圖2 基于GMS的群移動管理

傳統跟蹤區更新（tracking area update，TAU）主要由用戶設備（user equipment，UE）、演進型基站（evolved node B，eNode B）、移動管理實體（mobility management entity，MME）以及歸屬簽約用戶服務器（home subscriber server，HSS）等協作完成[10]。其中eNode B負責向MME傳遞UE發出的TAU請求，而HSS負責存儲UE的簽約數據，包括位置信息等。群移動管理的主要消息流程如圖3所示。

圖3 基于GMS的群移動管理消息流程

（1）群移動管理位置更新分為主動更新和被動更新，群組中一旦有某個成員脫離當前跟蹤區，則發起帶有群組標識的主動更新請求，更新承載上下文。

（2）MME將帶有群標簽的TAU請求發送給GMS，GMS通過查詢數據庫，匹配出該群當前所有群用戶標識返回給MME。

（3）MME發出被動群TAU請求尋呼消息，以獲取群成員的即時位置信息，同時檢測是否有成員離線脫離群組。

（4）MME向HSS發送位置更新請求，如果MME沒有用戶完整的簽約數據，則HSS將群組成員的IMSI、APN、QoS等簽約數據通過更新位置應答消息發送給MME。

（5）如果有群成員離線或脫離群組，則需要通知GMS更新群成員標識。

（6）MME發送TAU完成消息給群組各UE，同時更新用戶的TAL。

圖4 傳統跟蹤區和“流星形”跟蹤區比較

2.3 流星形跟蹤區

跟蹤區的劃分影響著尋呼和位置更新的開銷，傳統的跟蹤區采取固定的區域劃分，其工程實現非常簡單，沒有考慮移動用戶的差異性，效率較低。而動態的跟蹤區劃分可以結合群用戶的位置分布、移動特性等用戶行為對跟蹤區的形狀和大小進行個性化劃分，本文提出了一種動態的“流星形”跟蹤區劃分，其大小和形狀由群用戶的位置分布和移動特性所決定。傳統和流星形跟蹤區對比如圖4所示。

流星形曲線標準方程（蛋圓曲線）[11]為：

基本性質：與 x 軸兩個交點的連接線段稱“橫徑”，其長度記為 r，r=2a；與其對稱軸的兩個交點間的線段稱“直徑”，其長度記為d。

圖5定義了流星曲線的相關參考點和線。點(0,0)必在曲線內，稱作“星核”（core nucleu，CN），關于直徑中點對稱的點稱為“鏡像星核”(mirror core nucleu，MCN)。

為了確定“流星形”跟蹤區的形狀，需要對用戶行為進行預測。通過最新的m個群組質心坐標，預測未來n個質心位置，預測的方式是線性擬合算法。設最新的 n個群組質心分別為Pn(xn,yn)，且對應的時刻為tn，則有：

圖5 流星形跟蹤區定義

對式（8）中k1、k2、b1、b2進行擬合后，得到未來n個質心預測點：

具體過程如圖6所示（假設取4點來預測3點）。

利用最后一個跟蹤點和3個預測點，計算新的跟蹤區。同樣使用線性擬合得到新的“流星形”跟蹤區的對稱軸。在擬合獲得的直線上，沿運動方向選取4個跟蹤點中最外側的兩點在直線上的投影點依次作為彗星跟蹤區的“鏡像星核”和“星核”，并根據當前群用戶位置分布調整橫徑與直徑的大小，確保跟蹤區包含所有的群用戶。確定流星形區域后，該區域覆蓋的所有小區組成新的跟蹤區域對這些小區內的群組用戶進行統一管理。

圖6 線性擬合預測群運動趨勢

3 模型仿真

GMM經過數學建模并在MATLAB環境實現了模擬仿真，UE參數根據群移動速率分為3類：行人、非機動車和機動車，見表1。

表1 群組用戶分類

α決定了用戶移動方向的波動性，α越大則波動性越小。初始速度v0為了更加符合運動實際情況，針對行人、非機動車以及機動車3類，規定v0分別滿足均值為1.4 m/s、5 m/s和10 m/s，標準差分別為0.3 m/s、1 m/s和3 m/s的正態分布。

由于GMM方案必須兼容當前以單UE移動性管理方案，GMS是具體執行GMM的功能實體，因此仿真只能從運營商的角度，對比和分析相同移動路徑下單移動管理和群移動管理場景下的平均開銷，由于兼容管理方案的切換開銷相同，因此本文開銷計算式簡化為：

單次多 UE的群移動管理具有一定的不確定性，為保證仿真結果有效，每類群組仿真取50次統計平均，圖7分別給出了3類群組在群移動管理與單移動管理時的開銷對比。

圖7 3類群組在群移動管理與單移動管理時的開銷對比

仿真結果表明，行人、非機動車和機動車在群管理模式下，相較于現行的針對個體單移動用戶的管理方案，平均尋呼開銷分別降低了8.6%、1.28%和24.9%。其中機動車群組由于運動方向較為集中，群管理優勢更明顯。而非機動車（如電瓶車）群組由于運動方向較為分散，隨機性較大，因此效果不顯著。仿真結果表明，本文提出的以群組為單位的移動性管理方案兼容不同速率場景的移動場景，尤其針對群組成員集中且群移動速率較高場景，效率提升顯著。

4 結束語

本文提出了一種基于用戶行為預測的CAM的群移動性管理模型，在傳統的SMM基礎上新增了群管理服務，GMS負責群用戶的管理和鑒權和群移動性管理。在GMM模式下，跟蹤區更新分為主動更新和被動更新，被動更新針對當前群組所有用戶發起統一尋呼，從而降低了單個UE管理時需要逐一尋呼所帶來的開銷。在群移動場景下的流星形動態跟蹤區劃分，更加契合用戶的實際移動場景。將用戶群分為行人、非機動車以及機動車3類分別進行了仿真實驗，實驗結果證明了該模型的可行性和有效性，GMM模型為以用戶為中心的5G移動通信系統提供了新的運營管理思路。

[1]CNNIC發布第38次《中國互聯網絡發展狀況統計報告》[J].信息網絡安全, 2016(8): 16. CNINIC releases the 38th statistical report of ChinaNet development [J]. Netinfo Security, 2016(8): 16.

[2]胡凡, 朱立東, 肖陽. 動態位置區分組尋呼策略研究[J]. 空間電子技術, 2010(1): 13-17. HU F, ZHU L D, XIAO Y. Selective paging strategy based on dynamic location area[J]. Space Electronic Technology, 2010(1): 13-17.

[3]MU?OZ P, BANDERA I D L, RUIZ F, et al. Computationally-efficient design of a dynamic system-level LTE simulator[J]. International Journal of Electronics and Telecommunications, 2011, 57(3): 347-358.

[4]楊瓊, 胡靜, 夏瑋瑋. 異構網絡融合場景下車聯網的移動性管理和資源管理[J]. 電信科學, 2015, 31(9): 67-72. YANG X, HU J, XIA W W. Mobility management and resource management of internet of vehicles in converged heterogeneous network scenario[J]. Telecommunications Science, 2015, 31(9): 67-72.

[5]熊尚坤, 李文苡, 趙曄, 等. 多PLMN EUTRAN組網的移動性管理分析[J]. 電信科學, 2015, 31(11): 185-190. XIONG S K, LI W Y, ZHAO Y, et al. Analysis on mobility management of multiple PLMNs EUTRAN networking[J]. Telecommunications Science, 2015, 31(11): 185-190.

[6]REGRAGUI Y, MOUSSA N. Agent-based system simulation of wireless battlefield networks[J]. Computers and Electrical Engineering, 2016, 56(11): 313-333.

[7]CHANG W L, WU E H, SUN M T, et al. LDFS: localized depth first search for member loss detection of moving group in wireless networks[J]. Applied Mechanics and Materials, 2013, 2578(378): 558-564.

[8]MEGHANATHAN N. Impact of the Gauss-Markov mobility model on network connectivity, lifetime and hop count of routes for mobile ad hoc networks[J]. Journal of Networks, 2010, 5(5): 509-516.

[9]栗紅生, 劉瑩. 復雜路徑下機器人路徑規劃優化方法仿真[J].計算機仿真, 2014(1): 407-411. LI H S, LIU Y. Robot path planning under complicated path simulation optimization method[J]. Computer Simulation, 2014(1): 407-411.

[10]IKEDA S, KAMI N, YOSHIKAWA T. Adaptive mobility management in cellular networks with multiple model-based prediction[C]//2013 9th International Wireless Communications and Mobile Computing Conference (IWCMC), July 1-5, 2013, Sardinia, Italy. New Jersey: IEEE Press, 2013: 473-478.

[11]任克林. 卵形曲線要素及其上任意點坐標的嚴密算法[J]. 長春工程學院學報(自然科學版), 2013(3): 67-69. REN K L. The analysis of oval curve elements and the strict algorithm to any point on oval curve[J]. Journal of Changchun Institute of Technology(Natural Science Edition) , 2013(3): 67-69.

[12]馬俊超, 王獻. LTE位置管理中信令開銷的分析[J]. 電子與信息學報, 2014(10): 2320-2325. MA J C, WANG X. Signaling cost analysis of location management in long term evolution[J]. Journal of Electronics & Information Technology, 2014(10): 2320-2325.

A model of group mobility management based on user behavior prediction

LIN Xiaoyong1,2, YU Yang1, MI Zhengkun1
1. College of Communication and Information Engineering, Nanjing University of Posts & Telecommunications, Nanjing 210003, China 2. College of Tongda, Nanjing University of Posts & Telecommunications, Yangzhou 225127, China

Mobility management (MM) is a vital part of future 5G mobile communication. How to balance the paging loads and reduce the location update costs is a key topic in wireless communication research. A novel model of group mobility management based on user behavior prediction was proposed, in which users with the similar moving characteristics could be under unified management, thereby repeated costs from the traditional model of single mobility management (SMM) could be reduced. Simulation results show that GMM can get better running cost than SMM.

group mobility management, user behavior prediction, centroid aiming model, paging cost

s: The National Nature Science Foundation of China (No.61471203), 2016 JPED Postgraduate Education & Innovation Project (No.SJZZ16_0143), 2016 Education & Innovation Key Project of College of Tongda, NUPT (No.JG31216003)

TN929.52

A

10.11959/j.issn.1000?0801.2017190

林曉勇（1974?），男，南京郵電大學通達學院博士生，南京郵電大學通信與信息工程學院副教授，CCF會員，主要研究方向為軟件定義網、用戶中心網、未來移動通信。

俞洋（1994?），男，南京郵電大學通信與信息工程學院碩士生，主要研究方向為未來移動通信管理。

糜正琨（1946?），男，南京郵電大學通信與信息工程學院教授，主要研究方向為下一代寬帶通信網。

2017?03?07；

2017?06?01

糜正琨，mizk@njupt.edu.cn

國家自然科學基金資助項目（No.61471203）；2016江蘇省教育廳研究生教育創新工程（No.SJZZ16_0143）；南京郵電大學通達學院教學改革重點項目（No.JG31216003）