基于SDN的無線接入網絡切換決策方法

王 穎

（北京郵電大學網絡技術研究院，北京 100876）

基于SDN的無線接入網絡切換決策方法

王 穎

（北京郵電大學網絡技術研究院，北京 100876）

由于5G接入平面中多種接入技術并存，以及用戶不規則的、趨向按需的主動式移動性特點，接入網絡之間的負載不均衡問題更加突出，并導致了接入網絡的資源浪費以及較低的用戶體驗。針對這一問題，文章提出了一種基于SDN的無線接入網絡切換決策方法，從網絡側和用戶側考慮為用戶選取AP進行切換，以均衡接入網絡之間的負載，并最大化用戶的需求滿意度。

SDN；無線接入網絡；切換決策；負載均衡；5G

0 引言

隨著 4G網絡的快速發展，以及更多多樣化設備更高移動性的需求的出現，5G網絡以及其相關關鍵技術成為研究熱點。其中 5G網絡面臨的一個主要問題是頻譜資源無法滿足網絡容量需求的快速增長。為解決這一問題，最具有前景的技術之一就是包含多個無線接入網絡架構的異構網絡[1]，可以連接多個無線接入技術的無線設備可以在這些不同接入技術的基站之間選擇并連接到其中之一，因此決定移動用戶將連接到哪個基站是 5G當前的熱點問題[2,3]。而SDN作為5G網絡中的重要元素，其控制平面與轉發平面分離的思想被廣泛應用于多個網絡領域[4,6]。因此，本文提出利用SDN來解決5G無線接入網絡中的切換決策問題。

5G網絡架構如圖1所示，在接入平面存在著不同的接入技術，而在這些不同的接入技術之間的切換問題將成為一個必須解決的問題[7]。關于傳統的異構無線網絡中的負載均衡研究已有很多，這些算法通常會部署在無線接入點或者移動終端上。對于部署在接入點上的情況，通過在不同接入點之間的分布式系統交互可以獲取整個網絡狀況的準確實時的統計數據，這有益于網絡整體調度和協同負載但是對于終端來說，并沒有將其需求考慮在內，因此終端的服務體驗并不會太好。對于部署在終端的情況，算法本身可以直接獲取用戶的需求信息，但是沒有考慮整個 RAN的狀態信息，所以這種情況很容易導致整個網絡的負載或資源分配的不均衡。但是基于 SDN的異構無線網絡切換算法可以利用控制器同時獲取整個網絡包括接入點和終端的信息，因此可以同時將網絡側的策略如負載均衡和終端側的需求如最大化QoS考慮進算法內，在這兩者之間尋求一個均衡點來最大化保障網絡和終端的收益。[8-10]本文用效用函數來衡量網絡側和終端側的收益。

1 系統模型

假設接入平面中的一個控制域內，各接入網絡的接入點的數量為N，用戶的數量為M。

圖1 5G網絡架構Fig.1 The network architecture in 5G

圖2 5G接入平面的切換場景Fig.2 The handover scene in access plane of 5G

對每個 A Pi，其連接的所有終端占用的帶寬為，總帶寬資源為每個AP考慮其網絡屬性為QoS，安全性，網絡資費，其中QoS屬性包括時延，抖動，丟包率，帶寬。與 A Pi關聯的終端集合：

條件保證了任意一個用戶在某個時刻只能連接到唯一AP。

以帶寬資源占用率表示AP負載，則AP的負載表示為：

則在該控制域下的所有 AP的平均負載為，以平均帶寬占用率表示：

其中，δ為預定義的 AP負載超過平均負載的幅度閾值。

2 基于SDN的切換決策方法

基于SDN的切換決策方法分為兩步，首先構造候選切換用戶集合和每個候選切換用戶對應的候選切換目標 AP集合。然后調用基于非合作博弈的多用戶目標 AP選擇算法，得出切換用戶集合對應的切換目標AP集合。

2.1 候選切換用戶及AP構造

參考文章[13]中對服務連續性的移動性級別的劃分，并根據 3GPP TS-23.107[15]中對不同業務的特點和QoS需求的定義，將用戶業務分為會話類、流媒體類、交互類、背景類四類，分別對應到以下四個移動性級別中。即對每個終端j，定義其移動性級別（Mobility Level）為jML，且jML的劃分方法如下：

表1 用戶的移動性級別劃分方法Tab.1 The definition of mobility level of users

終端 j所在 AP信號覆蓋范圍內的接入點集合為，即終端可選擇接入的AP集合：

定義終端j被選擇作為切換對象的綜合權值為：

其中，MLω，RSω和BWω分別為移動性級別，接收信號強度和終端所占用 AP的帶寬在選擇候選切換用戶集合時所占的權重大小。即優先選擇移動性級別小，占用接入點的帶寬資源較多，且從接入點接收到的信號強度小的用戶作為切換對象。

2.2 基于非合作博弈的多用戶AP選擇算法

基于拍賣博弈的 AP選擇算法分為兩個階段：第一階段中，各 AP向控制器上報其負載情況，可用帶寬大小等網絡狀態信息，控制器根據各 AP狀態來為各 AP計算其效用函數值，參與用戶接入權的競爭，同時由于無線網絡中的資源總量有限，所以網絡側需要制定相應策略來限制用戶對資源的貪婪請求，在本方法中，引入計費功能，即各 AP會在參與競爭的過程中由于用戶接入獲取資源而獲得一定的獎勵。同時，當用戶接入到 AP之后，也會因為占用 AP的帶寬等資源，增加 AP負載從而給AP和自身帶來一定的開銷和代價。第二階段中，用戶根據各 AP可為自己提供的資源和帶來的資費計算若接入各 AP的效用函數，選擇能讓自己效用最大化的AP進行切換。每個用戶的AP選擇過程對應一輪的拍賣博弈過程，在一輪拍賣博弈過程結束之后，控制器會根據上一輪的博弈結果更新和調整各個AP的效用函數。

2.2.1 網絡側效用函數

網絡側的效用函數由各 AP的效用函數構成，其中AP的效用函數由三部分組成，即AP原有的連接用戶為AP帶來的效益，AP參與拍賣過程獲得的獎勵，以及其對新接入用戶的預估開銷，比如分配帶寬等資源的開銷，即AP的效用函數為：效用=收益-開銷。

APi的第二部分效用為:

其中 B idij為 A Pi對用戶j發起切換的競價，?為保留價格，即基價，且?＞0，這樣保證了AP的權益， A Pi的競價 B idij應不小于基價?。APi的實際競價比。ij為APi對用戶j的偏好值，其值越大，表示 A Pi希望用戶接入自己的程度越大，其競爭價格就更有優勢。由于控制器可實時獲取其控制域內的所有 AP的負載狀態信息，該偏好值是可綜合其他 AP的負載情況計算得到，網絡側的負載均衡策略希望用戶 j接入后使得 A Pi的負載狀態變化不會導致全網負載的不均衡，因此參考文獻[11][14]中公平性系數的定義，使用下式來衡量各AP的負載均衡：

AP對新接入的用戶需要提供帶寬、傳輸速率等資源，因此要付出一定的開銷，在本論文中，僅考慮AP為用戶提供帶寬資源所帶來的開銷，則用戶j若切換至iAP，則iAP的開銷為：

其中：因此iAP 的總效用函數為：

2.2.2 用戶側效用函數

用戶會從使得自己的資源需求最大化的角度出發，來選擇 AP進行切換，但是用戶對網絡資源的獲取一般都是自私且貪婪的，因此 AP引入網絡資費來限制用戶需求的貪婪。同時也會考慮各個 AP的競價 Bijid，AP的競價越大，用戶選擇其進行切換的可能性也越大。用戶接入AP后，可從AP處獲得帶寬，傳輸速率等資源，同時也需要付出資費等代價。用戶的效用函數是由 AP為其分配的網絡屬性值所決定，用戶j可從接入網絡i處獲得的K種網絡屬性值向量為：

用戶對不同屬性的權重向量為：

其中jkw 為用戶j對屬性k的權重。不同用戶由于其業務類型不同，對屬性k的權重系數也不同。使用模糊層次分析法（FAHP）來確定不同業務對不同網絡屬性的權重系數。

用戶j對于接入網絡i的網絡屬性k的效用函數如式（15）所示。

用戶j若接入iAP從網絡獲得的整體效用函數為：

其中，ω為用戶對iAP的競價所占權重，且

用戶可根據自身對接入iAP 獲得的效用和iAP的競價之間的權值來調整權重系數ω的大小。

2.2.3 納什均衡證明及算法

博弈論中通過求解博弈策略下是否存在納什均衡來形成最優策略集，納什均衡的狀態為，當一個參與者選取了自己的策略之后，其他參與者無法通過調整自身策略來獲得更高的收益，即每一個參與者根據當前策略狀態來選取自己的策略，以達到一個全局最優點。

對AP來說，由上式可知，若 A Pi為用戶j分配的帶寬即 B Uji確定，A P的總效用函數只與 A Pi對用戶j的競價 B idij有關，令為使得 A Pi的總效用函數最大化的最優競價，則

對,ijU 進行二次求導，得到：

由于?、ij值均大于0，所以有：

即AP i的效用函數為凹函數，因此可以通過求解一階導數來獲得最優解，即令：

可得到：

其中，ij可由上式（9）中求得。

對于用戶，由上式（16）可知，用戶效用函數只與每個網絡屬性所帶來的效用有關，且其與 AP所分配的網絡屬性值成正比，且為連續函數，因此用戶效用函數存在最大值。最終用戶選擇使得其自身效用函數最大的AP進行切換，即：

則基于非合作博弈的多用戶 AP選擇算法如下表2所示。

表2 基于非合作博弈的多用戶AP選擇算法Tab.2 Target AP selection algorithm based on non-cooperative game

2.3 切換決策算法

移動切換方法的總體流程為，當控制器監測到某個 AP的負載狀態為過載且該狀態在一段時間內未改變時，即開始對該 AP進行負載遷移操作，在通過計算選擇出候選切換用戶集合和候選目的 AP集合后，調用基于拍賣博弈的多用戶 AP選擇算法得到用戶集合對應的切換目標 AP集合，即將用戶選擇AP接入的過程模擬為AP和用戶之間的博弈過程。在博弈過程中，各個 AP是博弈者，用戶作為拍賣者，向 AP出售自己的接入權。首先要分別對AP和用戶構建其效用函數，由AP參與競價，用戶選擇最大化自己的效用的 AP進行切換。其中，上述第4步構造用戶j的可切換的候選AP集合時，需要考慮將用戶對目標AP的影響，即切換到其他AP的同時不能使得其負載狀態超載，這樣也會盡量減少用戶在AP之間的頻繁切換。

Step 1：控制器根據各AP上報信息監測其負載狀態；

Step 2：若控制器監測到某個APi的負載狀態為過載并開啟定時器，若該狀態在一段時間內未改變，轉到3；否則，轉到1；

Step 3：將APi的部分用戶切換到其余 AP，首先計算需要進行切換的用戶集合為：

其中，H Wth為預定義的用戶作為切換對象的綜合權值閾值；

Step 4：對每個用戶 j ∈Userhandover，構造其可切換的候選AP集合

對每個 A Pi∈ A PListj，計算如果其接收用戶 j后的新的負載值，并更新值。

Step 6：控制器向 A Pi發送控制消息，斷開與Userhandover中用戶的連接，同時向 A Ptarget中的AP發送消息，指示其向 U serhandover中的相應用戶發送關聯請求消息，完成用戶的切換。

3 性能分析與仿真

本文采用MATLAB對所提算法進行仿真，仿真場景為UMTS, WLAN和LTE三個網絡覆蓋，一些網絡參數設置如表3所示。

表3 仿真網絡參數設置Tab.3 Network parameters in simulation

仿真采用的網絡拓撲為基于地理的模型，即AP和用戶的連接性和帶寬由地理距離所決定，并參考文獻[2]中的網絡模型，它反映了實際基站和用戶的分布。將給定地理區域劃分為小的，互不重疊覆蓋的區域，在每個區域邊界內隨機放置一個AP，然后在該區域內放置隨機數量的用戶。且每個 AP對用戶的帶寬分配模型根據不同的接入技術分別采用吞吐量公平模型和成比例公平模型。

對終端的不同業務類型，采用如圖所示的網絡屬性的層次分析模型來確定不同業務類型對不同網絡屬性的權重系數，其中考慮QoS、Cost和Safety三種網絡屬性，QoS包括帶寬，時延，時延抖動和丟包率。

圖3 網絡屬性的AHP模型Fig.3 The AHP model of network attributes

以會話業務為例，建立其 QoS, Cost和 Safety的決策矩陣，并通過FAHP算法求得各項所占權重系數，如下表所示。

表4 會話業務各網絡屬性FAHP矩陣Tab.4 FAHP matrix of network attributes in session service

表5 會話業務QoS各屬性FAHP矩陣Tab.5 FAHP matrix of QoS’s attributes in session service

仿真結果如圖4所示，主要從兩個方面對所提方法進行仿真，一個是網絡側的效用函數，用各個AP的效用函數的平均值來衡量；另一個是用戶側的效用函數，表示了用戶對所連接網絡的資源需求滿意度。將本文所提方法與基于終端接收到的信號強度進行切換的方法，以及只考慮負載均衡，即每次選擇負載最小的 AP進行切換的方法，進行比較，以用戶數量分別為20，40，60，80和100分5組分別進行實驗測量其AP和用戶的效用函數值。下圖4是各接入點的負載均衡度的比較，使用 AP效用函數計算公式中的ij來衡量各接入點的負載均衡程度，其值越大，表示 AP之間的負載分配越均衡。可以看出，隨著用戶數量的增加，由于所提方法AP的效用函數計算過程中考慮到了接收用戶對其它AP負載的影響，因此并不會導致AP間負載的不均衡，且與僅考慮 AP之間負載均衡的方法的負載均衡度相比，所提方法并未相差很多。

下圖5為隨機選取某一時刻各個AP的效用值與其競價的關系，則由下圖所示，各AP在最優競價處其效用值達到最大，即最優競價均為2至3之間。

下圖 6是幾組場景下用戶的平均效用的對比圖，其中用戶效用的計算為公式（16）中不包括競價部分。可以看出，由于本文所提方法中考慮了不同服務類型的用戶各項網絡屬性所占權重的不同，以及在各接入點之間選擇使其效用函數值最大的AP作為其切換目標AP，且效用函數值的計算考慮了多個網絡屬性，因此與傳統基于RSSI的切換方法的優勢在用戶數量增多時就很明顯。

4 結論

本文針對 5G接入平面中的多個共存的無線接入點之間的負載不均衡問題，提出了基于SDN的同時考慮接入網絡的負載狀況以及切換用戶的資源需求的切換決策算法，該方法作為控制器的應用部署在SDN控制器上，通過將用戶選擇AP進行切換的過程模擬為非合作博弈來為用戶選取最優 AP進行切換，以保證網絡側和用戶側的最大效用。仿真結果表明，該方法在均衡 AP之間的負載和用戶的服務體驗上都有明顯提升。

圖4 各接入點的負載均衡度Fig.4 The load balance degree with users’ number

圖5 AP效用與AP競價之間關系Fig.5 The relation of APs’ utility and APs’ bidding in a certain time

圖7 用戶的平均效用值Fig.7 The average utility of users with users’ number

[1] Sun S, Gong L, Rong B, et al. An intelligent SDN framework for 5G heterogeneous networks[J]. IEEE Communications Magazine, 2015, 53(11): 142-147.

[2] Nguyen D D, Nguyen H X, White L B. Performance of adaptive RAT selection algorithms in 5G heterogeneous wireless networks[C]//Telecommunication Networks and Applications Conference (ITNAC), 2016 26th International. IEEE, 2016:70-75.

[3] Sagar V, Chandramouli R, Subbalakshmi K P. Software defined access for Hetnets[J]. IEEE Communications Magazine, 2016,54(1): 84-89.

[4] McKeown N, Anderson T, Balakrishnan H, et al. OpenFlow:enabling innovation in campus networks[J]. ACM SIGCOMM Computer Communication Review, 2008, 38(2): 69-74.

[5] 李潔. 云平臺SDN關鍵技術的研究與展望[J]. 軟件, 2015(7): 71-74.

[6] Cho H H, Lai C F, Shih T K, et al. Integration of SDR and SDN for 5G[J]. IEEE Access, 2014, 2: 1196-1204.

[7] Hakiri A, Berthou P. Leveraging SDN for the 5G networks:trends, prospects and challenges[J]. arXiv preprint arXiv:1506.02876, 2015.

[8] Tang W, Liao Q. An sdn-based approach for load balance in heterogeneous radio access networks[C]//Computer Applications and Communications (SCAC), 2014 IEEE Symposium on. IEEE, 2014: 105-108.

[9] Alexandris K, Sapountzis N, Nikaein N, et al. Load-aware handover decision algorithm in next-generation HetNets[C]//Wireless Communications and Networking Conference (WCNC),2016 IEEE. IEEE, 2016: 1-6.

[10] Boujelben M, Rejeb S B, Tabbane S. A novel green handover self-optimization algorithm for LTE-A/5G HetNets[C]//Wireless Communications and Mobile Computing Conference (IWCMC),2015 International. IEEE, 2015: 413-418.

[11] Naghavi P, Rastegar S H, Shah-Mansouri V, et al. Learning RAT selection game in 5G heterogeneous networks[J]. IEEE Wireless Communications Letters, 2016, 5(1): 52-55.

[12] 陳凡, 劉果, 李劍鋒, 等. 主要軟件定義網絡控制器的對比和分析[J]. 軟件, 2015(6): 97-102.

[13] Song J, Yoo T, Song P J. Mobility level management for 5G network[C]//Information and Communication Technology Convergence (ICTC), 2016 International Conference on. IEEE,2016: 940-943.

[14] Liu D, Wang L, Chen Y, et al. User association in 5G networks:A survey and an outlook[J]. IEEE Communications Surveys& Tutorials, 2016, 18(2): 1018-1044.

[15] 3GPP TR 22.864, “Feasibility Study on New Services and Markets Technology Enablers -Network Operation-Stage 1”,Feb. 2016.

The Handover Decision-making for Load Balance in Wireless Access Network Based on SDN Towards 5G

WANG Ying
(Beijing University of Posts and Telecommunications, Network Technology Research Institute, Beijing City 100876)

In 5G, multiple access technologies coexist and constitute the heterogeneous network, which is a distinguishing feature of 5G’s access plane. With users’ irregular movement toward proactive management of demand and mobility in 5G, the load imbalance between access networks stands out, which leads to the resource wasting of access network and users’ low user experience. Hence, centralized handover control which selects the access point(AP) for users from both the network and user perspective is necessary. In this paper, a handover decision-making algorithm based on Software Defined Networking (SDN) is proposed to balance the access networks’ load and maximize users’ needs in the meantime. And simulation results show that the access networks’ load can be balanced while giving users a good experience.

Software-defined networks; Wireless access network; Handover decision-making; Load balance; 5G

TP39

A

10.3969/j.issn.1003-6970.2017.12.047

本文著錄格式：王穎. 基于SDN的無線接入網絡切換決策方法[J]. 軟件，2017，38（12）：238-245

王 穎，女，碩士研究生，主要研究方向為SDN、移動性管理。