基于5G-R業務的高速鐵路異構網絡接入技術

李翠然 謝健驪 高文娟

摘要：鐵路窄帶移動通信系統（GSM-R）正在向鐵路寬帶移動通信系統（LTE-R）、基于5G的鐵路移動通信系統（5G-R）演進。針對未來高鐵通信中的實時視頻監控、車-車（T2T）通信、列車多媒體調度等5G-R業務的異構無線網絡接入，提出一種基于馬爾可夫決策過程（MDP）模型的網絡接入算法。根據不同類型業務的服務質量（QoS）屬性和無線網絡的時變特性構建網絡回報函數，并基于模糊層次聚類理論來計算QoS屬性的權重值。采用人工智能算法對MDP模型進行求解，使用戶以較少的切換次數接入長期期望回報值最大的網絡，并仿真分析算法的收斂性和有效性。

關鍵詞：高速鐵路；5G-R；異構網絡；馬爾可夫決策過程；人工智能

Abstract： Global system for mobile communications-railway （GSM-R） is evolving to broadband mobile communication systems-R （LTE-R） and 5G for railways （5G-R）. A radio access algorithm in wireless heterogeneous environment based on Markov decision process（MDP） decision model is proposed to meet the needs of 5G-R services access to different networks in future high-speed railway communications， such as video surveillance， trainto-train （T2T） direct communication， and train multimedia dispatching. According to the quality of service （QoS） attributes of different types of services and time-varying characteristics of wireless networks， the network reward function is constructed， and the QoS attribute weight is determined based on fuzzy clustering theory. The MDP decision model is solved by an artificial intelligence algorithm， which enables users to access the network with the maximum long-term reward with fewer handoffs. In addition， the convergence and effectiveness of the algorithm are analyzed by simulation.

Keywords： high-speed railway； 5G-R； heterogeneous network； Markov decision process； artificial intelligence

高鐵正在全球廣泛部署，受到學術界和工業界的極大關注。歐洲“Shift2Rail計劃”一直致力于鐵路的發展[1]。鐵路基礎設施、列車、旅客和貨物在未來將會更加互聯互通，并為旅客提供更為舒適和安全的服務。2019年世界無線電通信大會（WRC-19）和電氣與電子工程師協會（IEEE）發布一系列支持智能鐵路發展的通信標準。為迎接2022年北京冬季奧運會，中國已建成一條北京至張家口、時速為350 km/h的智能高鐵線路。

高鐵的智能化對鐵路移動通信系統的發展提出新的要求。目前，鐵路窄帶移動通信系統（GSM-R）已在中國青藏線、大秦線、膠濟線等得到應用[2]。然而，GSM-R畢竟是一種窄帶系統，不能完全滿足鐵路行業的要求[3]。鐵路移動通信系統需要跟上4G和5G通信技術發展的步伐。相比于GSM-R，鐵路寬帶移動通信系統（LTE-R）和基于5G的鐵路移動通信系統（5G-R）可以提供更多樣化的服務。未來的鐵路移動通信系統將擁有異構化的網絡架構[1，3]。

在異構鐵路無線網絡環境中，支持智能鐵路發展的高數據速率業務有很多，包括車-車通信（T2T）、列車多媒體調度、實時4K/8K超高清（UHD）視頻傳輸、實時視頻監控、列車遠程維護、車站內高速數據的無線下載等。這就需要一種能夠基于業務服務質量（QoS）參數的靈活、有效的異構網絡選擇算法，使不同類型的業務接入最佳無線網絡中。

1鐵路專用移動通信系統的演進

隨著高鐵的廣泛部署和列車的提速，及時、可靠、高速地傳輸列車控制信號和高鐵乘客信息變得至關重要。鐵路移動通信系統正在從GSMR向LTE-R、5G-R演進。

（1）GSM-R

GSM-R是全球廣泛使用的一種鐵路數字移動通信系統，已經使用幾十年，并且目前仍在許多鐵路系統中應用[4]。雖然GSM-R的技術原理與全球移動通信系統（GSM）基本相同，但它具備鐵路相關的功能。自2006年中國青藏線、大秦線、膠濟線開通后，GSM-R相繼在京津城際、武廣高鐵、京滬高鐵、哈大高鐵等多條鐵路線上開通運營，為運輸調度指揮、列車控制及運營管理信息等提供了安全穩定的通信網絡平臺。GSM-R的上行/下行（UL/DL）峰值數據速率為172 kbit/s，它不僅能夠提供高級語音呼叫業務，例如增強型多優先級與強拆業務（eMLPP）、語音組呼業務（VGCS）、語音廣播業務（VBS），還可提供GSM-R鐵路特定業務，例如基于位置的尋址、功能尋址（車次號）。鐵路交通的發展和通信技術的進步，對鐵路指揮調度系統也提出新的要求，需要鐵路移動通信系統由GSM-R過渡到LTE-R。

（2）LTE-R

第一個LTE-R網絡由諾基亞公司于2016年在韓國建成[5]。它不僅采用了先進的物理層關鍵技術，如正交頻分復用（OFDM）和多輸入多輸出（MIMO），還采用了網絡層關鍵技術，如全互聯網協議（IP）分組交換。LTE-R網絡能夠在20 MHz帶寬上為高速移動用戶提供100 Mbit/s的數據傳輸速率和低于100 ms的系統延遲。未來的智能鐵路需要更高數據速率的業務，如實時4K/8K UHD視頻傳輸、列車車廂內的安全閉路電視（CCTV）、列車遠程維護。這些一般需要每秒吉比特級的數據速率，而LTE-R不能滿足這一要求。雖然LTE-R網絡在擴展性、移動速度、網絡體驗、網絡保證、系統效率方面都有顯著提升，但是4G系統長期演進升級版（LTE-A）仍不能提供一些潛在的智能鐵路業務，包括自主駕駛、鐵路互聯互通等[6]。

2015年，原中國鐵路總公司科技管理部和運輸局組織原中國鐵道科學研究院等單位，從頻率、標準、業務、系統研發和試驗等方面對LTE-R等技術進行全面研究和系統試驗，取得一系列研究成果；同時對5G技術、標準、產業進行密切跟蹤和研究，為后續開展5G研究奠定基礎，積累經驗。5G通信作為一種有潛力的解決方案被國際電信聯盟（ITU）提出，最終將實現1 Gbit/s的超高峰值數據速率、1～5 ms的超低系統延遲和高于現有網絡1 000倍的容量。

（3）5G-R

國際鐵路聯盟（UIC）于2014年正式設立未來鐵路移動通信系統（FRMCS）項目，開展鐵路下一代移動通信技術研究工作。FRMCS項目研究下設功能、架構和技術、頻譜3個工作組。截至目前，FRMCS已發布用戶需求規范（URSV5.0.0），并計劃于2021年發布第1個完整版本的功能需求規范（FRS）和系統需求規范（SRS）。德國鐵路計劃于2019—2024年進行5G的研究和試驗，期間繼續部署900 MHz GSM-R，并于2025—2034年規模部署5G[7]。2021年1月，中國國家鐵路集團有限公司開始著手布局鐵路新基建，啟動鐵路5G專網技術體系及關鍵技術研究。

2015年，ITU定義了3個5G應用場景，包括增強移動寬帶（eMBB）、海量機器類通信（mMTC）和超可靠低時延通信（URLLC）[8]。5G技術標準由國際標準組織第3代合作伙伴計劃（3GPP）統一制定。最新開發的無線標準5G新空口（NR）旨在靈活地支持不同的用例和部署場景。這些用例和部署場景具有完全不同屬性，包括高速列車等移動性場景。NR（Rel-15）的第一個版本支持大多數eMBB服務和一些有限的URLLC服務的基本無線接入。除此之外，3GPP還進一步致力于全面支持Rel-16和Rel-17中的5G用例和部署場景。Rel-16、Rel-17的場景包括URLLC增強、工作于免許可頻段的5G空中接口（5G NR-U）、車用無線通信技術（V2X）、接入和回程集成（IAB）、非地面網絡（NTN）、移動性增強等[9]。

與之前各代移動通信技術相比，5G頻譜效率更高，支持業務和用戶切片、邊緣計算、用戶面和控制面分離等，同時滿足移動寬帶、物聯網、高可靠低時延等場景業務需要，可為鐵路關鍵業務提供QoS保障，使5G的綜合承載能力得到全面提升。鐵路復雜多變的應用場景可充分發揮5G的技術優勢。

高鐵具有乘客密度大、運行速度高和傳感器數量多的特點，可作為5G的典型應用場景。5G技術的發展將進一步推進鐵路移動通信系統向5G-R的演進。

2 5G-R業務

鐵路移動通信業務包括兩大類[10]：（1）與乘客相關的業務，其關鍵性能指標（KPI）與公共陸地移動通信的KPI類似，主要有用戶體驗速率、連接數密度、端到端延時、移動性、流量密度、用戶峰值速率、能源效率；（2）與列車運行控制和安全相關的業務，其KPI包括可靠性、可用性、維修性和安全性（RAMS）。

隨著列車運行速度的提高和間隔時間的縮短，可靠、實時、全面的列車控制技術變得至關重要。在一個連航空公司都在嘗試為乘客提供互聯網接入的時代，如何基于5G技術完成列控信息的高效、安全傳輸為高鐵旅客提供優質的5G業務，是鐵路移動通信系統迫切需要解決的問題。5G-R即將出現的新興業務有[10-11]：實時視頻監控、T2T、列車多媒體調度、鐵路物聯網（RIoT）和高速互聯網接入。

（1）實時視頻監控。保證列車安全行駛的一個有效措施就是部署實時視頻監控系統，即為駕駛員提供一個“電子望遠鏡”以拓展視野。高清攝像頭一般沿鐵路軌道安裝。當前方出現危險情況時，駕駛員可根據接收到的前方軌道信息及時采取應急措施。此外，視頻監控也可用于列車多媒體調度等業務。

（2）T2T。列車位置等關鍵信息一般是通過車-地通信系統（T2I）在列車間進行傳輸的。當地面的通信基礎設施損壞并影響正常工作時，列車間的通信就會中斷。在這種情況下，列車無法確定同一軌道上其他行駛列車的準確位置，追尾事故就無法完全避免。因此，有必要部署T2T冗余通信系統。當有緊急情況發生時，該冗余系統能夠檢測到潛在的列車碰撞，以便向當前軌道上行駛的列車和相鄰軌道上的其他列車發送預警信息。

（3）列車多媒體調度。為了提高鐵路行車調度管理工作效率，下一代鐵路調度通信系統應能夠為列車調度員提供全方位的調度信息，包括數據、語音、文本、圖像和視頻。例如，當有災難發生時，調度員可以通過調度通信系統及時獲取列車的視頻信息，以確保救援工作的實時開展。

（4）RIoT。大部分鐵路基礎設施位于偏遠地區，這給現場檢查和維護帶來諸多不便。解決這個問題的關鍵是發展RIoT技術。為了實時監測鐵路基礎設施，如橋梁、高架橋和隧道等的使用狀態，大量傳感器將會被使用。這些傳感器可將監測信息發送至中央控制單元。采用這種方式，一些例行的安全檢查就可以在遠程控制中心完成。

（5）高速互聯網接入。隨著高鐵的大規模鋪設，為高鐵旅客提供快速、高質量的互聯網接入服務變得越來越緊迫。無線互聯網業務應該覆蓋到車廂的每一個角落。乘客不僅可以在車上上網聊天、瀏覽網頁，還可以在線觀看高清視頻。

3異構的鐵路移動通信系統

鐵路移動通信系統從GSM-R向LTE-R、5G-R的發展過程可分為3個階段：（1）LTE-R網絡逐步部署并與 GSM-R共存，其中GSM-R負責傳輸安全信息與列車調度和控制有關的數據，而LTE-R負責傳輸其他非安全數據；（2）LTE-R完全取代GSM-R，同時，5G-R將逐步負責列車間的應急通信及車廂內旅客的互聯網接入業務；（3）5G-R得到部署，不僅能提供每秒吉比特的數據速率和毫秒級的系統延遲，還可提供智能鐵路相關業務。在很長的一段時期內，HSRs移動通信系統將呈現異構化，以滿足智能鐵路各種應用場景的通信需求，包括T2I、T2T和RIoT通信等。

鐵路移動通信的異構網絡架構見圖1[11]。其中，車載層由車廂內部設備和個人終端組成，基礎設施層基于多個公用無線接入網絡（例如WiFi、3G、4G和5G）構建而成。對于大多數鐵路運行場景，稀疏的列車用戶接入到公共無線網絡，會導致公網的覆蓋率很低，即這種接入方式是不經濟的。為了可靠地傳輸各種鐵路業務信息，鐵路專用無線網絡（例如GSM-R、LTE-R和5G-R）將被用來作為承載網絡。

4業務驅動的高鐵異構無線網絡接入

4.1基于馬爾可夫決策過程（MDP）的網絡接入算法

已有異構網絡選擇算法主要側重于網絡屬性未發生變化時的當前接入判決，未考慮選擇目標網絡之后的網絡屬性動態變化對高速移動用戶、網絡回報函數和切換判決條件的影響。此外，不斷增長的業務類型及用戶需求對網絡接入的響應時間和接入決策的準確性都提出更高的要求，單一的智能優化算法已無法滿足[12-14]。為此，本文中我們在高鐵異構無線網絡接入選擇中采用組合智能優化策略，并將5G-R中的實時視頻監控、T2T、列車多媒體調度、RIoT和高速互聯網接入等業務信息流分為3類，即語音、數據和視頻，并基于這3類信息流分別構建回報函數和網絡選擇觸發條件，以使HSRs用戶獲得更高的期望回報值，同時減少網絡切換次數。

基于模糊層次聚類理論計算QoS屬性權重值的原理為：將網絡選擇問題分解為目標層、屬性層和方案層，并從成對比較判斷矩陣A 中導出屬性權重，測量成對比較矩陣的一致性，之后計算QoS屬性在不同業務下的權重值。矩陣A 中的各元素值和屬性權重值見表1—表3[17]。

4.2仿真結果

在人工智能算法中，遺傳算法（GA）是一種用于解決最優化問題的搜索算法，具有較強的全局搜索能力，但收斂速度慢，局部搜索能力弱，且運行結果易受到參數設置的影響。模擬退火算法（SA）的局部搜索能力強，可以彌補GA算法的不足。因此，可采用GA-SA算法來求解期望回報函數的最大值問題。算法步驟包括初始化參數、編碼和產生初始種群、計算當前群體中各個種群的適應度、執行選擇操作并采用精英保留策略避免群體退化、執行交叉與變異操作、驗證搜索結果、終止演化等。

算法仿真中，網絡屬性參數設置見表4[18]。其中，第一個參數值為網絡屬性的默認值，括號中的數值為網絡屬性動態變化時的取值范圍。假設語音業務用戶、視頻業務用戶和數據業務用戶均按照泊松分布到達異構無線網絡區域，到達率分別為1～ 12、2～18、1～8（呼叫數/s），相鄰兩個決策時刻的時間間隔為15 s。令λ∈（0，1]為MDP模型的折扣因子，圖2（a）、2（b）和2（c）分別給出了折扣因子與語音、數據和視頻業務用戶的期望回報之間的關系。圖2中，我們將本文提出的IMDP（改進的馬爾可夫決策過程）與基于馬爾可夫決策模型（MDM）的算法[19]和多屬性決策-簡單加權（MADM-SAW）算法[20]進行對比。由圖2可知，隨著折扣因子值λ的增大，3種算法的期望回報值均呈遞增趨勢。這是因為λ反映了算法對網絡長期收益的關注程度。同時，較大的λ值對應較長的平均連接持續時間，從而使3種算法的期望回報差距也隨之增大。

圖3（a）、3（b）和3（c）分別為不同折扣因子值時的語音、數據和視頻業務用戶的網絡切換次數。可以看出，隨著折扣因子值λ的增大，3種算法的切換次數也在增加。這是因為較大的λ值對應較長的平均連接持續時間和較多的決策時刻點，從而增加了網絡切換的可能性。與其他兩種算法相比，本文提出的算法具有較少的切換次數。這是因為我們在算法中設置了預切換判決條件以避免“乒乓”，同時基于不同業務類型設計了觸發判決條件，以滿足不同類型用戶的業務需求，有效地減少了不必要的切換。

5結束語

高鐵是5G典型應用場景之一。基于5G技術完成列車運行控制與安全相關業務、乘客相關業務的高效、安全傳輸是鐵路移動通信系統迫切需要解決的問題。高鐵場景下公用無線接入網絡（Wi-Fi、4G和5G）和鐵路專用無線網絡（GSM-R、LTE-R和5G-R）等多個異構網絡在相當的長時間內會共存。5G-R新業務的出現給異構無線網絡接入帶來新的設計挑戰。采用人工智能、優化理論來研究HSRs異構網絡接入等關鍵技術符合未來智能鐵路的發展愿景。

參考文獻

[1] CommissionEuropean.Shift2Railinnovation program 2 [EB/OL]. [2021-06-25]. https：// shift2rail.org/research-development/ip2

[2]國家鐵路局.《鐵路數字移動系統（GSM-R）設計規范》： TB 10088-2015 [S]. 2015

[3] SNIADY A， SOLER J. An overview of GSM-R technology and its shortcomings [C]// Proceedings of 2012 IEEE International Conference on ITS Telecommunications. Taiwan， China： IEEE， 2012： 626-629. DOI： 10.1109/ ITST.2012.6425256

[4] HE R S， AI B， WANG G P， et al. High-speed railway communications： from GSM-R to LTE-R [J]. IEEE vehicular technology magazine，2016，11（3）：49-58.DOI：10.1109/ MVT.2016.2564446

[5] Mobile Europe & European Communications.

Nokia to install LTE-R for railway services in South Korea [EB/OL]. （2016-11-14） [2021-06-25]. https：//www. mobileeurope. co. uk/ press-wire/12079-nokia-to-install-lte-rfor-railway-services-in-south-korea

[6] AI B， GUAN K， RUPP M， et al. Future railway services-orientedmobilecommunications network [J]. IEEE communications magazine， 2015，53（10）：78-85.DOI：10.1109/ MCOM.2015.7295467

[7]王同軍.鐵路5G關鍵技術分析和發展路線[J].中國鐵路， 2020， 701（11）： 7-15

[8] Ericsson. The power of 5G is here and will continue to spread across the globe in the coming years [EB/OL]. [2021-06-25]. https：// www.ericsson.com.

[9] NOH G， HUI B， KIM I. High speed train communications in 5G： design elements to mitigate the impact of very high mobility [J]. IEEE wireless communications， 2020， 27（6）： 98-106. DOI： 10.1109/MWC.001.2000034

[10] AI B， MOLISCH A F， RUPP M， et al. 5G key

technologies for smart railways [J]. Pro- ceedings of the IEEE， 2020， 108（6）： 856-893. DOI： 10.1109/JPROC.2020.2988595

[11] CHEN R， LONG W， MAO G， et al. Development trends of mobile communication systems for railways [J]. IEEE communications surveys & tutorials， 2018， 20（4）： 3131-3141. DOI： 10.1109/COMST.2018.2859347

[12] CHEN L， LI H. An MDP-based vertical handoffdecisionalgorithmforheterogeneous wireless networks[C]//Proceedings of 2016 IEEE Wireless Communications and Networking Conference. Doha， Qatar： IEEE， 2016： 1-6. DOI： 10.1109/WCNC.2016.7564804

[13] GAO X， LI K. Joint call admission control algorithm based on Markov chain [J]. Computer engineering and applications， 2017， 53（2）： 32-37

[14] CHEN J， ZHANG D，LIU D，et al. A network selection algorithm based on improved genetic algorithm [C]//Proceedings of 2018 IEEE 18th International Conference on Communication Technology. Chongqing， China： IEEE，2018：209-214.DOI：10.1109/ ICCT.2018.8600265

[15] SHARNA S A， AMIN M R， MURSHED M. An enhanced-MDP based vertical handoff algorithm for QoS support over heterogeneous wireless networks [C]//Proceedings of 2011 IEEE 10th International Symposium on Network Computing and Applications. Cambridge， MA， USA： IEEE， 2011： 289-293. DOI： 10.1109/NCA.2011.49

[16] GOYAL R K， KAUSHAL S， SANGAIAH A K. The utility based non-linear fuzzy AHP optimization model for network selection in heterogeneous wireless networks [J]. Applied soft computing， 2018， 67： 800-811. DOI： 10.1016/j.asoc.2017.05.026

[17] XIE J L， GAO W J， LI C R. Heterogeneous networkselectionoptimizationalgorithm based on a Markov decision model [J]. China communications， 2020， 17（2）： 40-53

[18] SANGAIAH A K， GOPAL J， BASU A， et al. An integrated fuzzy DEMATEL， TOPSIS， and ELECTRE approach for evaluating knowledge transfer effectiveness with reference to GSD project outcome [J]. Neural computing and applications， 2017， 28（1）： 111-123

[19] LIANG X， QIAN Z， TIAN H， et al. Heterogeneous wireless network switching selection algorithm based on Markov decision model[J].Actaphysicasinica，2016，65（23）： 206-214

[20] STEVENS-NAVARRO E， MARTINEZ-MORALES J D， PINEDA-RICO U. Evaluation of vertical handoff decision algorithms based on MADM methods for heterogeneous wireless networks [J]. Journal of applied research and technology， 2013， 10（4）： 534-548

作者簡介

李翠然，蘭州交通大學教授；主要研究領域為鐵路無線通信、無線傳感器網絡和協同通信技術；主持國家自然科學基金項目2項、省部級項目9項，獲科研成果獎4項；發表論文60余篇，獲授權國家發明專利4項。

謝健驪，蘭州交通大學教授；主要研究領域為鐵路無線通信、認知無線電技術、鐵路物聯網；主持國家自然科學基金項目1項、省部級項目8項，獲科研成果獎3項；發表論文40余篇，獲授權國家發明專利3項。

高文娟，蘭州交通大學在讀碩士研究生；主要研究領域為異構無線網絡技術。