基于动态复合优先级的海上节点网络选择方法和系统

1.本发明涉及节点网络选择技术领域，尤其涉及一种基于动态复合优先级的海上节点网络选择方法和系统。


背景技术：

2.海上作业船舶和飞机在海域上进行的业务多种多样，每个业务的时效性、紧迫性和优先级各不相同，仅由一种或几种网络已经远远不能满足当前网络发展的需要，因此在需求的牵引下，海上异构网络通过其覆盖面广，网络种类复杂等优点脱颖而出。在多重网络覆盖下的用户想要完成传输任务需要考虑带宽、距离、包延迟等参数，这正是网络选择算法复杂度高的原因所在。
3.海上异构网络的通信信道与陆地不同，遮挡物少使得传输收到反射波的影响变大。海上环境虽然比陆地环境空旷，但传输环境下由干扰造成的波动性仍然是不可忽视的影响因素，其中干扰包括自然因素干扰和人为因素干扰。因此如何在波动环境中仍能保持较为稳定的传输速率和业务完成率是目前亟待解决的问题之一。


技术实现要素：

4.本发明在于提供一种基于动态复合优先级的海上节点网络选择方法和系统，旨在解决背景技术中确定的现有技术存在的技术问题。
5.本发明的一种基于动态复合优先级的海上节点网络选择方法，具体包括以下步骤：
6.将新产生的业务加入到请求接入排队序列中，并对过期业务和已结束业务进行清除以释放带宽；
7.更新路径范围内机动站点周围的网络参数，根据机动站点的网络参数对请求接入排队序列中的业务进行重新排列；
8.根据业务的执行紧迫性、剩余价值和环境权重，对请求接入排队序列进行更新，其中所述环境权重用于表征当前业务类型对网络参数的偏好量；
9.对更新后的请求接入排队序列中的业务执行服务。
10.作为本发明进一步的方案：所述更新路径范围内机动站点周围的网络参数，根据机动站点的网络参数对请求接入排队序列中的业务进行重新排列的步骤，具体包括：
11.定义机动站点的第i个网络参数为fi；
12.分别确定最佳参数和最差参数
13.根据最佳参数f
i*
和最差参数f
i-计算sj和rj；
[0014][0015]
[0016]
其中，ωi表示业务对应的需求权重，sj和rj是用来度量排名的方法，f
i*
表示最接近理想值的参数，f
i-表示妥协后的参数，sj代表最大群体效益的方案，rj代表群体相互让步后的方案；
[0017]
根据上述结果求得qj[0018][0019]
其中，s
*
＝minsj，s-＝maxsj，r
*
＝minrj,r-＝maxrj,υ＝0.5，最后对qj降序排列，选取qj值最小的机动站点作为连接方案。
[0020]
作为本发明再进一步的方案：所述根据业务的执行紧迫性、剩余价值和环境权重，对请求接入排队序列进行更新，其中所述环境权重用于表征当前业务类型对网络参数的偏好量的步骤，包括：
[0021]
定义为动态复合优先级ω(t)；
[0022][0023]
其中，d(t)表示剩余价值，表示执行紧迫性，v
ij
(t)表示环境权重；
[0024][0025][0026][0027]
其中，k表示业务参数，tr表示相对剩余时间，相对剩余时间定义为业务截止时间与已服务时间的差值，v0表示初始价值，q表示业务类型和业务等级的乘积，di表示绝对截止时间，t表示实时时间，i表示当前最适合连接的机动站点编号，j表示当前业务类型更侧重第j个网络环境参量，第i个机动站点t时刻的网络参数分别为{α
1t
,α
2t
,α
3t
,...}，i＝1,2,
…
，n。
[0028]
作为本发明再进一步的方案：所述根据更新后的请求接入排队序列中的业务执行服务的步骤，包括：
[0029]
判定剩余带宽是否满足服务需求；
[0030]
当剩余带宽是否服务需求时，按顺序执行请求接入排队序列中的业务，不满足要求的业务进入等候序列；
[0031]
将等候序列中的业务归入至请求接入排队序列中进行重新排序，直至所述请求接入排队序列被全部执行完成。
[0032]
本发明的另一目的在于提供一种基于动态复合优先级的海上节点网络选择系统，包括：
[0033]
初始模块，用于将新产生的业务加入到请求接入排队序列中，并对过期业务和已结束业务进行清除以释放带宽；
[0034]
业务重排列模块，用于更新路径范围内机动站点周围的网络参数，根据机动站点的网络参数对请求接入排队序列中的业务进行重新排列；
[0035]
序列更新模块，用于根据业务的执行紧迫性、剩余价值和环境权重，对请求接入排队序列进行更新，其中所述环境权重用于表征当前业务类型对网络参数的偏好量；
[0036]
服务执行模块，用于对更新后的请求接入排队序列中的业务执行服务。
[0037]
与现有技术相比，本发明的有益效果是：在海上波动环境移动节点基于业务优先级的网络选择场景下，基于动态复合优先级的算法与时间优先级算法和基于动态优先级控制算法相比，在同样保证业务优先级需求的基础下，能够有效提升业务完成率和队列流畅度，提高了整体通信网络的性能。
附图说明
[0038]
图1为一种基于动态复合优先级的海上节点网络选择方法的流程示意图。
[0039]
图2为海上异构无线网络架构图。
[0040]
图3为机动站点位置图。
[0041]
图4为实时业务完成率对比图。
[0042]
图5为业务等级完成数量对比图。
[0043]
图6为业务类型完成数量对比图。
[0044]
图7为网络选择算法性能对比图。
[0045]
图8为实时堵塞率对比图。
具体实施方式
[0046]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0047]
以下结合具体实施例对本发明的具体实现进行详细描述。
[0048]
如图1所示，为本发明一个实施例提供的一种基于动态复合优先级的海上节点网络选择方法的流程图，包括以下步骤：
[0049]
s100，将新产生的业务加入到请求接入排队序列中，并对过期业务和已结束业务进行清除以释放带宽；
[0050]
s200，更新路径范围内机动站点周围的网络参数，根据机动站点的网络参数对请求接入排队序列中的业务进行重新排列；
[0051]
s300，根据业务的执行紧迫性、剩余价值和环境权重，对请求接入排队序列进行更新，其中所述环境权重用于表征当前业务类型对网络参数的偏好量；
[0052]
s400，对更新后的请求接入排队序列中的业务执行服务。
[0053]
本发明实施例中，海上作业船舶和飞机在海域上进行的业务多种多样，每个业务的时效性、紧迫性和优先级各不相同，仅由一种或几种网络已经远远不能满足当前网络发展的需要，因此在需求的牵引下，海上异构网络通过其覆盖面广，网络种类复杂等优点脱颖而出。在多重网络覆盖下的用户想要完成传输任务需要考虑带宽、距离、包延迟等参数，这正是网络选择算法复杂度高的原因所在。
[0054]
本发明实施例中采用的海上异构无线网络架构如图2所示。海上异构网络的通信信道与陆地不同，遮挡物少使得传输收到反射波的影响变大。海上环境虽然比陆地环境空旷，但传输环境下由干扰造成的波动性仍然是不可忽视的影响因素，其中干扰包括自然因素干扰和人为因素干扰。
[0055]
本发明实施例在实际应用时，由于节点的随机移动和周围环境的变化波动，其所在接收范围内的机动站点和网络参数在不断改变。本发明实施例采用vikor法(直觉模糊多属性决策方法)为移动节点提供合适的实时接入方案，选用环境权重、剩余价值和执行紧迫性作为业务改变优先级的标准，充分考虑业务的类型、初始价值和时效性。根据vikor法提供的最佳接入方案，将其选择的机动站点环境参数转变成环境权重，提供给优先级函数进行动态更新，根据优先级结果对请求接入业务进行排序和接入。
[0056]
作为本发明一个优选的实施例，所述更新路径范围内机动站点周围的网络参数，根据机动站点的网络参数对请求接入排队序列中的业务进行重新排列的步骤，具体包括：
[0057]
定义机动站点的第i个网络参数为fi；
[0058]
分别确定最佳参数和最差参数
[0059]
根据最佳参数f
i*
和最差参数f
i-计算sj和rj；
[0060][0061][0062]
其中，ωi表示业务对应的需求权重，此处，对于不同的业务来说，其需求权重不同，例如可以以ω1代表语音类业务对应的需求权重，ω2代表交互类业务对应的需求权重，ω3代表流媒体类业务对应的需求权重。sj和rj是在vikor法中用来度量排名的方法，f
i*
表示最接近理想值的参数，f
i-表示妥协后的参数，sj代表最大群体效益的方案，rj代表群体相互让步后的方案；
[0063]
根据上述结果求得qj[0064][0065]
其中，s
*
＝minsj，s-＝maxsj，r
*
＝minrj,r-＝maxrj,υ＝0.5，最后对qj降序排列，选取qj值最小的机动站点作为连接方案。
[0066]
本发明实施例中，机动站点周围的网络参数在每时每刻变化着，参数的大小和变化率都是随机的，vikor法能在众多网络参数中选择出效益最大的机动站点，能够有效的针对环境波动问题为移动节点提供更适合现阶段环境传输的连接方案。
[0067]
作为本发明另一个优选的实施例，所述根据业务的执行紧迫性、剩余价值和环境权重，对请求接入排队序列进行更新，其中所述环境权重用于表征当前业务类型对网络参数的偏好量的步骤，包括：
[0068]
定义为动态复合优先级ω(t)；
[0069]
[0070]
本发明实施例中，业务在等待接入请求接入排队序列中按照业务优先级进行排列(即动态复合优先级)，业务优先级越高，在带宽允许的情况下越优先考虑接入。考虑到节点所处的波动环境对业务传输的影响，相对于现有技术，本实施例还考虑了环境权重，使得业务在队列排序中能尽量将适合现阶段环境传输的业务优先服务。
[0071]
其中，d(t)表示剩余价值，表示执行紧迫性，v
ij
(t)表示环境权重；
[0072][0073][0074][0075]
其中，k表示业务参数，tr表示相对剩余时间，相对剩余时间定义为业务截止时间与已服务时间的差值，v0表示初始价值，q表示业务类型和业务等级的乘积，di表示绝对截止时间，t表示实时时间，i表示当前最适合连接的机动站点编号，j表示当前业务类型更侧重第j个网络环境参量，第i个机动站点t时刻的网络参数分别为{α
1t
,α
2t
,α
3t
,...}，i＝1,2,
…
，n。
[0076]
本发明实施例中，业务的类型和等级造成了业务时效性的各不相同，其时效性变化规律也有一定差异。对于高优先级会话类业务，其时效性仅保留在产生业务后极短的时间内，而对于高优先级交互类和流媒体类业务，其时效性存在区域于同等级的会话类业务而言要相对宽一些。高优先级的会话类业务和低优先级的会话类业务虽然业务类型相同，但由于优先级的差异导致其时效性存在区域也略有差别。虽然会话类业务时效性区域比交互类业务时效性区域小，但需要动态复合优先级函数给予高优先级交互类业务的优先级能够利用请求接入的时间差超过低优先级会话类业务优先级的机会，否则会造成业务类型架空业务等级，高优先级交互类和流媒体类业务频繁被低优先级会话类业务插队的情况。
[0077]
基于上述考虑，在现有技术的基础上对剩余价值和执行紧迫性函数进行了修改。
[0078]
对于剩余价值，根据海上业务时效性强的特点，重新定义了剩余价值，强化了业务优先级与业务持续时间的对应关系，优化了时间间隔对应的价值差值；对于执行紧迫性，增强了业务类型、业务等级与紧迫性的相关性，平滑了紧迫度曲线，相比于原表达式能够使同一时间差下的紧迫度变化更加均匀，每一时刻变化下紧迫度的变化更加明显；对于环境权重，其根据vikor算法提供的接入方案通过归一化法计算得到，由于不同的业务类型对不同网络参数有着不同的需求，本文设定会话类业务关注包延迟参数，交互类业务关注丢包率参数，流媒体类业务关注带宽参数。
[0079]
作为本发明另一个优选的实施例，所述根据更新后的请求接入排队序列中的业务执行服务的步骤，包括：
[0080]
s401，判定剩余带宽是否满足服务需求；
[0081]
s402，当剩余带宽是否服务需求时，按顺序执行请求接入排队序列中的业务，不满足要求的业务进入等候序列；
[0082]
s403，将等候序列中的业务归入至请求接入排队序列中进行重新排序，直至所述请求接入排队序列被全部执行完成。
[0083]
本发明实施例中，选用环境权重、剩余价值和执行紧迫性作为业务改变优先级的标准，充分考虑业务的类型、初始价值和时效性。根据vikor法提供的最佳接入方案，将其选择的机动站点环境参数转变成环境权重，提供给优先级函数进行动态更新(即动态复合优先级函数)，根据优先级结果对请求接入业务进行排序和接入，直至所述请求接入排队序列被全部执行完成。
[0084]
本发明实施例还提供了一种基于动态复合优先级的海上节点网络选择系统，包括：
[0085]
初始模块，用于将新产生的业务加入到请求接入排队序列中，并对过期业务和已结束业务进行清除以释放带宽；
[0086]
业务重排列模块，用于更新路径范围内机动站点周围的网络参数，根据机动站点的网络参数对请求接入排队序列中的业务进行重新排列；
[0087]
序列更新模块，用于根据业务的执行紧迫性、剩余价值和环境权重，对请求接入排队序列进行更新，其中所述环境权重用于表征当前业务类型对网络参数的偏好量；
[0088]
服务执行模块，用于对更新后的请求接入排队序列中的业务执行服务。
[0089]
本发明实施例中，移动节点收集周围机动站点的网络属性参数，计算产生业务的执行紧迫性和剩余价值，再将不同类型业务的参数权重基于vikor法形成最终的动态复合优先级，针对环境网络参数提供合适的连接方案，对请求接入的业务进行排序和接入。最后利用动态复合优先级加权计算后得到实时环境权重更新业务的业务参数权重。加强了业务时效性的特征，同时还兼顾了对环境波动网络参数的适应性。
[0090]
仿真场景
[0091]
本发明实施例的所述方法的仿真场景设置为海上临时机动站点环境，机动站点的位置如图3所示。机动站点在海平面以15节的速度缓慢向x轴正方向移动，移动节点从原点出发，之后的时间内以150m/s的速度做连续随机运动，仿真时间800s。由于仿真使用的是机动站点和海上节点的相对距离，所以机动站点的移动速度相对海上节点来说可以近似看做静止。机动站点的通信范围是视距范围，超出通信范围视为无信号。移动节点出发起始点设置为坐标原点，以此为例子进行蒙特卡洛仿真。
[0092]
在仿真过程中中，移动节点最大带宽设置为150khz，等待队列和服务队列最大数量为10，等待队列和服务队列都满队的情况下，再产生业务接入请求时，定义为网络堵塞。业务生成间隔满足参数为3的泊松分布，机动站点的网络参数波动采用马尔科夫链形式进行模拟，状态转移概率为0.5，当前时间的参数只与前一时刻的参数相关，与其他时刻的参数值无关，机动站点网络参数波动范围如表1，仿真参数表所示。
[0093]
表1，仿真参数表
[0094][0095]
业务参数带宽参数如表2，业务参数表所示，为方便数值计算，三种业务所需带宽
同时缩小一个数量级，缩小后的数值不影响后续计算步骤的数值大小和意义，按照高优先级价值高于低优先级，会话类高于交互类，交互类高于流媒体类的规则。
[0096]
表2，仿真参数表
[0097][0098]
业务等级的服务时间和等级数量比重如表3，业务等级表所示，根据统计学原理，三种业务等级服务时间的期望之和近似等于等级二的所需的服务时间。业务状态分为等待、服务和过期三个状态，过期的业务指的是业务等待时间超过了其k倍的服务时长，根据不同等级业务的时效性将k按照业务等级一二三分别设定为0.8、1.2、1.5，过期业务不再进入到请求接入序列中排队，自动判断为传输业务失败。
[0099]
表3，业务等级表
[0100][0101]
结果分析
[0102]
为验证本发明实施例所述方法的性能，将其与基于距离和时间优先级算法、改进的动态优先级控制算法进行对比。基于距离指的是基站连接选择方案按照距离大小进行选择，时间优先级指按照业务接入请求的发送时间进行排序，改进的动态优先级控制算法指的是在现有技术(张潇梁，异构无线网络接入选择算法研究，重庆大学硕士论文)的基础上加入了基于距离选择连接基站的部分。
[0103]
将完成的业务除以这段时间产生的所有业务得到业务完成率，用来衡量算法的业务执行情况。某次仿真结束后得到图4所示的完成率对比图，可以看到70s之前几种算法的完成率是几乎相同的，这是由于服务序列未完全满，算法之间的差异并不明显。在服务序列满队之后，按照动态优先级排序的队列业务完成率明显好于时间优先级的队列，这是因为高优先级业务的服务时间较少时，将高优先级的业务提前服务能避免由于大带宽低优先级的业务长时间占用带宽致使高优先级业务无法接入最终失效的情况。经过50次蒙特卡罗仿真取平均，复合优先级算法和优先级控制算法相比有0.71％的提升，与时间优先级相比有3.85％的提升，是因为复合优先级的剩余价值和执行紧迫性函数根据不同业务时效性的特点，增大了有效差异的时效性区域，避免了高优先级由于接入请求发送的晚而被低优先级先发送接入请求的业务一直插队的情况。
[0104]
图5表示的是仿真时间内两种算法不同业务等级完成数量的对比，在密集业务传输需求的情况下，动态复合优先级算法的业务完成总量明显高于于其他两种算法，经过50次蒙特卡洛仿真取平均后得到，相对于时间优先级算法，本发明实施例所提供方法在业务等级一完成量提升了约136.17％，业务等级二的完成量提升了约27.26％，业务等级三的完
成量降低了23％。这是由于算法提高了高优先级的服务优先度，牺牲了一部分带宽需求较大的低优先级业务，使得队列快速服务低带宽需求的业务。与动态优先级控制算法相比，本发明实施例所提供方法的业务等级一完成量提升了17.59％，业务等级二完成量提升了5.819％，业务等级三完成量提升了11.76％。本发明实施例所提供方法主动提高高优先级业务的服务时间，也变相的提高了整个排队序列的通畅度，使得各个优先级的业务完成率都能有所提升。
[0105]
图6表示的是不同业务类型完成量对比，业务类型的完成与机动站点的网络参数还有业务类型的带宽有关，流媒体类业务由于所需带宽较大，造成业务完成量较低。通过50次蒙特卡洛仿真后取平均值，相对于时间优先级算法，本发明实施例所提供方法在会话类业务完成量提升了约67％，交互类业务的完成量提升了约19.42％，流媒体类业务的完成量降低了21％。会话类业务作为三类业务中带宽需求最小的，当高优先级会话类业务请求时可以快速接入服务且对请求接入排队队列影响最小，所以会话类业务提升最为明显。同样，在牺牲大带宽需求且低优先级流媒体类业务的情况下，才能为高优先级低带宽需求的业务留出相应的服务位置。与动态优先级控制算法相比，由于高优先级业务完成率的提升，相应的业务类型的完成率也有所提升，本发明实施例所提供方法的会话类业务完成量提升了6.5％，交互类业务完成量提升了5.5％，流媒体类业务完成量提升了3％。
[0106]
环境参数波动是不可控的，算法的环境适应性体现在从大量多变的机动站点网络参数中提供出合适的连接方案，并将连接方案的参数倾向性传递到业务请求接入队列中，因此选用实时的网络参数对波动环境适应性进行衡量。通过图7对比可以看出vikor法在带宽、包延迟、包抖动和丢包率四种冲突参数下，提供的折中方案更倾向于较小的包延迟、包抖动和丢包率，这非常有利于会话类和交互类业务的传输，但这种方案的代价是较小的带宽。vikor法为业务排序提供了环境权重，能有效促使业务按照适合环境传输的顺序进行排列。
[0107]
图8表示的是三种算法在仿真时间内堵塞率的对比，将请求接入队列中等候接入的业务数量除以满队列的业务数量定义为堵塞率，从图中可以看出本发明实施例所提供方法的实时堵塞率始终处于较低值，其余两种算法均处于较高值。当算法的堵塞率处于满状态时，代表着下一时刻若再生成新的业务，就必定会有业务因网络堵塞而过期，造成业务完成率下降，所以低堵塞率意味着保证了节点服务队列的流畅度，能在一定程度上提升整个通信网络的性能。图6图7图8结合来看，在动态复合优先级提高业务完成率的基础上，结合vikor法选择较优参数的机动站点连接，业务服务处于良好的网络参数环境下，能使业务服务质量有较好的提升。
[0108]
针对业务类型和业务等级的时效性特点不突出和算法对于波动环境适应性不强的问题，本文提出了一种基于vikor法和动态优先级的多属性网络接入选择算法。首先用vikor法选出合适的网络接入方案，再把方案站点的网络环境参数权重传递给移动节点的业务连接请求队列，结合改进的剩余价值和执行紧迫度建立动态复合优先级模型，最后搭建仿真环境对其性能进行仿真。仿真实验与结果分析表明，在海上波动环境移动节点基于业务优先级的网络选择场景下，基于动态复合优先级的算法与时间优先级算法和基于动态优先级控制算法相比，在同样保证业务优先级需求的基础下，能够有效提升业务完成率和队列流畅度，提高了整体通信网络的性能。
[0109]
本领域技术人员在考虑说明书及实施例处的公开后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
[0110]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。