基于自適應切換閾值的異構車載網絡選擇方法*

聶 雷 朱嬋娟 陳美君

（1.武漢科技大學計算機科學與技術學院 武漢 430065）

（2.智能信息處理與實時工業系統湖北省重點實驗室 武漢 430065）

1 引言

隨著無線通信技術的不斷發展，多種網絡并存的異構無線網絡成為城市網絡建設的主流。以車輛為載體的異構車載網絡（Heterogeneous Vehicular Network，HVN）成為城市智能交通建設的典型代表，其因具有車輛移動速度快、網絡拓撲變化頻繁等特征，容易發生更加頻繁的網絡切換［1］，導致“切換阻塞”現象的發生和網絡資源利用率的降低，這是目前智能交通領域亟需解決的一個問題。

由于城市車載網絡環境的復雜性，傳統的諸如基于接收信號強度（Received Signal Strength，RSS）的單屬性網絡選擇方法［2］已經難以適用。因此，目前對網絡選擇方法的研究大多數基于多屬性決策［3～5］。然而，該類方法在對候選網絡集合進行評估后，往往盲目選擇最佳網絡或網絡切換閾值相對固定，導致“切換阻塞”現象的發生并降低了網絡資源利用率，難以滿足動態變化的車載環境和用戶需求。

針對上述問題，提出一種基于自適應切換閾值的異構車載網絡選擇方法AHT-NSM。首先基于車輛的網絡駐留時間對候選網絡進行預篩選，提高候選網絡的服務質量水平；接著采用序關系法計算候選網絡屬性的主觀權重，采用變異系數法計算候選網絡屬性的客觀權重，并結合主客觀權重構造效用函數來評估候選網絡的性能。最后設計一種自適應切換閾值提高網絡選擇方法在動態車載網絡中的適應性和性能。對比實驗結果表明，所提方法降低了網絡切換阻塞率，同時提高了網絡資源利用率。

2 相關工作

異構車載網絡中網絡選擇方法的設計直接影響到車輛用戶的服務質量體驗和網絡資源的利用率，目前的研究主要集中在基于多因素對候選網絡的性能進行評估［6～10］。文獻［6］提出一種基于多屬性和神經網絡的異構網絡垂直切換算法，并將最大傳輸率、最小時延、信號與干擾加噪聲比、誤碼率、用戶移動速度和丟包率參與到神經網絡的輸入和訓練過程中。文獻［7］提出一種基于動態掃描周期的多屬性網絡垂直切換算法，其在網絡選擇階段綜合考慮了候選網絡的接收信號強度、可用帶寬、時延、抖動和丟包率。文獻［8］提出一種基于多智能體Q學習的異構車載網絡選擇方法，其在評估候選網絡性能時參考了帶寬、時延、抖動、丟包率、誤碼率和成本。文獻［9］提出一種面向終端個性化服務的模糊垂直切換算法，在設計隸屬度函數時選取了帶寬、時延、抖動和丟包率。文獻［10］提出一種基于多準則的網絡垂直切換算法，在評估候選網絡QoS 時考慮了帶寬、時延、丟包率和服務成本。可以看出，帶寬、時延和丟包率是評估候選網絡性能時常用的網絡屬性。

在對候選網絡進行性能評估后，如何進行最佳的網絡切換是十分關鍵的。文獻［11］提出了一種基于多準則跳躍的網絡切換算法，該算法在網絡切換階段采用一種跳躍機制，當計算的候選網絡QoE預測值低于設定的QoE 閾值時則不進行切換操作。文獻［12］引入動態k 部圖理論來建模異構網絡垂直切換問題，并基于成本函數和Dijkstra 算法選擇一條最優的網絡切換路線。文獻［13］和［14］均提出了基于決策樹的網絡切換方法，其中文獻［13］使用基于車輛服務狀態和運動趨勢的反饋決策方法，有效提高了下一次的切換質量；文獻［14］則在得到候選網絡集合后為每個候選網絡生成一個多屬性決策值，并把多屬性決策值最高的作為網絡切換的目標網絡。

基于多屬性決策的網絡選擇方法從多個方面評估可接入網絡的性能，十分適用于復雜的異構車載網絡環境。然而現有研究通常直接選擇最佳網絡進行接入，或用一個相對固定的網絡切換閾值來減少不必要的網絡切換，容易產生“切換阻塞”現象；而不成功的網絡切換會導致網絡資源利用率下降，也不利于高質量的服務質量體驗。因此，提出一種基于自適應切換閾值的異構車載網絡選擇方法，其關鍵在于能根據動態變化的車載通信環境和用戶需求給出相適應的網絡切換閾值區間，從而有效降低切換阻塞率和提高網絡資源利用率。

3 系統模型與假設

考慮一個典型城市交通場景下的異構車載網絡環境，將十字路口及附近區域作為整體進行研究。如圖1 所示，其對應的系統模型滿足以下假設條件。

圖1 系統模型

1）車輛行駛在多車道的城市交通場景中，其數量和速度均隨著時間動態變化；

2）1 個LTE、2 個WiMAX 和2 個WLAN 移動通信基站部署在交叉路口的附近區域，位于該區域的車輛同一時刻只能接入單個網絡；

3）每個車輛基于車載單元（On-Board Unit，OBU）周期性地檢測和收集各個網絡的屬性參數信息，主要包括帶寬B、時延D、時延抖動J、丟包率L和接收信號強度RSS；

4）根據用戶需求和業務類型將數據通信服務分為實時和非實時兩類。

為了方便后續對問題的描述與求解，假設該異構車載網絡場景中存在m個候選網絡，并構成候選網絡集合T=｛T1，T2，…，Tm｝；每個候選網絡有n個用于評估其性能的網絡屬性，并構成網絡屬性集合F=｛F1，F2，…，Fn｝。車輛實時收集候選網絡的相關屬性，并構建用于網絡切換的初始決策評價矩陣H：

其中，hij表示第i個候選網絡的第j個屬性值。

4 方法詳細設計

4.1 方法主要流程

如圖2 所示，基于自適應切換閾值的異構車載網絡選擇方法AHT-NSM 主要包括候選網絡預篩選、候選網絡性能評估和最佳候選網絡選擇三個階段，各階段的具體描述如下。

圖2 異構車載網絡選擇方法主要流程

1）候選網絡預篩選：基于RSS和地理位置信息估算車輛在候選網絡中的駐留時間，然后刪除駐留時間過短的候選網絡，減少不必要的網絡切換來提高車輛的通信服務質量體驗。

2）候選網絡性能評估：采用序關系法計算候選網絡屬性的主觀權重，利用變異系數法計算候選網絡屬性的客觀權重，然后結合主客觀權重構造效用函數，并計算候選網絡的效用值。

3）最佳候選網絡選擇：將候選網絡效用值大于最低通信需求網絡效用值的網絡歸類為可選擇網絡，然后計算網絡自適應切換閾值區間，并基于該閾值區間進行最優網絡的選擇。

4.2 候選網絡預篩選

利用基于網絡駐留時間的篩選機制［15］對候選網絡進行處理。假設車輛在某候選網絡中的移動軌跡如圖3所示，基站S位于該候選網絡中心，其理論信號覆蓋半徑和有效信號覆蓋半徑分別為R和r，令有效信號范圍邊緣處的接收信號強度為RSSmin。車輛實時檢測來自基站S 的信號強度，當接收信號強度等于RSSmin時，表明車輛剛剛進入基站S 的有效信號覆蓋范圍，此時車輛位于點M。經過短暫時間Δt 后車輛位于點A，最后車輛從N 點離開基站S的有效信號覆蓋范圍。

圖3 估算車輛網絡駐留時間

當車輛位于點A 時，基于車輛位置信息（x1，y1）和基站S位置信息（x0，y0）計算兩者之間的距離dSA：

根據圖3 中△SMB 和△SAB 的幾何關系，可計算點A到點B的距離dAB：其中，r是基站有效信號覆蓋半徑，Δt是車輛從M點到A點的行駛時間，v是車輛的移動速度。

車輛在候選網絡有效信號范圍內的剩余移動軌跡總長度l為

最后，預估車輛在候選網絡中的駐留時間tp：

基于網絡駐留時間的候選網絡篩選機制的核心是基于RSS 和地理位置信息來估算車輛在候選網絡中的駐留時間tp，并與網絡駐留時間閾值tq進行比較，若tp小于tq，則表明車輛在該網絡中的駐留時間過短，無法使用戶獲得有效的數據服務質量，需刪除該候選網絡。

4.3 候選網絡性能評估

4.3.1 網絡屬性主觀權重的計算

采用序關系法確定網絡屬性的主觀權重。當前的數據通信服務主要包括語音對話、實時流媒體、網絡交互和后臺下載四種業務類型，根據對時延敏感程度的不同將語音對話、實時流媒體和網絡交互劃分為實時業務，將后臺下載劃分為非實時業務。對網絡屬性進行歸一化處理后，若屬性Fj對業務類型的重要程度大于Fj-1，則記Fj＞Fj-1（2 ≤j≤n）。兩種不同通信業務類型產生的序關系如表1所示。

表1 不同通信業務類型對應的序關系

令Rj為相鄰網絡屬性Fj和Fj-1相對于業務類型的重要程度之比，則有：Rj的取值說明如表2所示。

表2 Rj的取值說明

最后，計算網絡屬性Fj的主觀權重wsub，j：

4.3.2 網絡屬性客觀權重的計算

為合理比較量綱不同的各項網絡屬性，采用網絡屬性的變異系數來處理網絡屬性的客觀權重。以網絡屬性Fj為例，計算其變異系數uj：

其中，σj是網絡屬性Fj的標準差，χj是網絡屬性Fj的均值，其計算分別如下所示：

在明初文人曲學系統中，以朱權《太和正音譜》、賈仲明《續錄鬼簿》為代表，都對元曲的藝術成就和雅文化屬性進行了總結和定性，呈現出鮮明的推尊元曲為曲學標桿的傾向。

對網絡屬性Fj的變異系數進行歸一化處理后，計算其客觀權重wobj，j：

4.3.3 基于效用函數的網絡性能評估

同時考慮網絡屬性Fj的主客觀權重，計算其綜合權重Wj：

其中，α（0 ≤α≤1）是權重調整系數。

同理，可以計算出其他網絡屬性的綜合權重。最后通過簡單加權法計算候選網絡的效用值，可得任一候選網絡Ti（1 ≤i≤m）的效用值Ci：

4.4 最佳候選網絡選擇

固定切換閾值的網絡切換方法難以滿足動態變化的車載環境和用戶需求。針對上述問題，基于切比雪夫不等式設計一個合適的切換閾值區間［16］，在保證網絡接入有效性的同時讓切換閾值能夠自適應動態變化的車載環境和用戶需求。

根據能否滿足車輛通信業務的最低需求Cmin將候選網絡劃分為可接入網絡集合TY和不可接入網絡集合TN。令Ti表示第i個候選網絡，Ci表示第i個候選網絡的效用值。當Ci大于等于Cmin時，則將Ti劃分到可接入網絡集合TY，即Ti∈TY，否則將其劃分到不可接入網絡集合TN，即Ti∈TN。依次比較各個候選網絡，得到可接入網絡集合TY與對應的效用值集合CY。接著，基于效用值集合CY計算自適應網絡切換閾值，其本質是一個效用值區間。若候選網絡的效用值位于該區間內，則表明該候選網絡可作為目標接入網絡。最終，車輛會在目標接入網絡集合中選擇一個網絡進行接入。

根據切比雪夫不等式可得到CY的正常閾值區間為［μc-fDc，μc+fDc］，其中f 為CY的帶寬系數。令Cmax為目標網絡集合中的網絡最大效用值，由于效用值越高的網絡表明其性能越好，因此需要保留效用值大于μc+fDc的網絡，故調整CY的閾值區間為［μc-eσc，C］，且C=max｛μc+fDc，Cmax｝。

記當前接入網絡為Tcurrent，判斷Tcurrent的網絡效用值是否在CY的閾值區間內。若在該區間內，則說明當前網絡性能較優，無需進行網絡切換；否則，從網絡效用值在CY閾值區間內候選網絡中隨機選擇一個進行切換操作。在車輛數量眾多的異構車載網絡環境下，這種靈活的非唯一最佳網絡選擇的處理方式有效避免了“切換擁塞”現象的發生，有利于充分利用網絡資源，能夠滿足動態變化的車載通信環境和用戶需求。

5 實驗與分析

5.1 實驗環境和參數

實驗考慮城市交通場景下交叉路口附近的異構車載網絡選擇，基于Matlab搭建實驗環境。如圖1 所示，該場景下包含1 個LTE、2 個WiMAX 和2 個WLAN 網絡服務基站，車輛以15km/h～60km/h 的速度行駛到此場景中。結合文獻［17～18］設置網絡相關參數如表3和表4所示。

表3 網絡半徑和容量

表4 候選網絡屬性參數值

5.2 實驗結果和分析

所提方法AHT-NSM 選取基于多屬性決策的網絡選擇方法MADM-NSM［7］和以駐留時間作為主要判決因素的網絡選擇方法ST-NSM［15］作為對比對象，在網絡切換阻塞概率和系統吞吐量方面進行了比較和分析。

網絡切換阻塞是指車輛通過切換后當前的網絡無法滿足其通信業務需求的情形，因此合理的網絡資源分配有利于降低網絡切換阻塞概率。如圖4所示，當車輛數量小于20時剩余網絡資源十分豐富，不管車輛如何切換網絡均能獲得高質量的服務質量體驗，不會出現網絡切換阻塞的情況。ST-NSM 方法主要以駐留時間作為網絡切換判決標準，隨著車輛數量的增加，容易導致較多的車輛切換到同一個網絡中而發生阻塞，在三種方法中表現最差。所提AHT-NSM 方法表現最優，與性能相對較優的MADM-NSM 方法相比較，在車輛數量為100 時切換阻塞概率減少了33.97%。原因在于AHT-NSM 方法使用了更為靈活的網絡切換閾值，車輛能夠從多個可選網絡中靈活接入，使得網絡資源的利用更加均衡，降低了切換阻塞的發生概率。

圖4 切換阻塞概率

網絡吞吐量的多少反映了當前網絡資源是否被充分和均衡利用。如圖5 所示，當車輛數量較少時，三種方法的網絡吞吐量都在快速上升，主要是由于車輛數目較少時網絡切換阻塞概率較低，且均能享受到高質量的服務質量體驗。當車輛數量較多時網絡吞吐量的增長逐漸緩慢，AHT-NSM 方法在不同的車輛數量下與性能較優的MADM-NSM方法相比較，網絡吞吐量提高了12.78%～17.12%。原因在于MADM-NSM 和ST-NSM 方法容易盲目選擇最佳網絡進行接入，導致“切換阻塞”現象的發生，而AHT-NSM 方法基于動態的車載環境設計了靈活的網絡切換閾值，使得車輛用戶在選擇網絡時更加均衡，有效提升了網絡資源利用率，因此具有更高的網絡吞吐量。

圖5 網絡吞吐量

6 結語

本文提出了一種基于自適應切換閾值的異構車載網絡選擇方法，該方法使得車輛能夠更加均衡地接入網絡，有效避免了因盲目選擇最佳網絡或網絡切換閾值相對固定導致的切換阻塞。實驗結果表明，該方法能有效減少網絡切換阻塞概率，提高了系統的網絡吞吐量，能滿足動態的車載環境和用戶需求。

基于多屬性決策理論的方法是解決異構車載網絡環境下網絡選擇的一種有效途徑，但該類方法主要針對單個車輛進行決策，無法從交通系統整體的角度進行優化。下一步工作中，將考慮融合強化學習等技術獲取整個系統長期有效的最優網絡選擇決策集合。