在用于工厂自动化的公共网络中提供多站点编制的方法、编制器、以及通信系统与流程

1.本发明涉及用于工厂自动化的多站点编制(orchestration)的网络编制，尤其是涉及用于在用于工厂自动化的公共网络中提供多站点编制的方法。


背景技术：

2.用于工厂的多个站点之间的通信或者在不同工厂之间散布的资源供应适用于工厂自动化。通常，通过部署用于工厂自动化通信的专用低成本网络切片，从诸如公共陆地移动网络(plmn)之类的公共运营商获得资源供应。
3.在本领域中，多站点编制被用于在该网络切片中建立/释放通信。这种通信的建立和释放基于在从plmn获得的带宽使用度量和计算资源使用度量方面的切片使用。
4.特别地，一般的资源供应问题已经被呈现为三个协调优化问题的解决方案。这些优化问题是通过被定义为切片成本的资源使用指示(路由/计算资源)来协调的。详细问题定义如下：
5.a.切片所有者优化问题：其中，通过使用切片路由和拥塞成本以及计算使用成本作为参数的效用最大化优化问题来获得切片吞吐量需求(以带宽计)。将同一效用函数用于不同的站点。
6.b.云所有者优化问题：其中，云所有者提供为支持虚拟功能(vnf)所需的计算资源以及云使用成本，该虚拟功能是站点之间的通信和不同vnf之间的路径所要求的。这些资源与plmn切片带宽成比例。该问题将切片计算成本输出至切片所有者优化问题，并且使用路由和拥塞成本作为输入。
7.c.网络所有者优化问题：其中，路由和切片成本是由网络所有者找到的，以便为切片中的站点之间的通信路由不同的流。该网络所有者优化问题获得切片拥塞成本，以向切片所有者和云提供商通知该网络的能力。
8.由优化问题(c)的解决方案提供的切片路由和拥塞成本表示该网络用于实现由问题(a)设置的切片所有者需求要求的可能性、以及通过求解问题(b)获得的云所有者优化要求的可能性。如果没有达到该要求，则成本高，否则成本低。图1概括了现有技术中作为切片资源分配问题的解决方案的多站点分配的总体视图，该图例示了本领域中的多站点编制架构。
9.在图1所示的背景下，来自公司的两个站点s1和s2想要使用公共网络plmn的切片i进行通信，图1中标记为p1。该通信建立的步骤如下：
10.1)多站点编制器(orchestrator)mo向软件定义网络(sdn)控制器发送站点s1与s2之间的通信的带宽需求。该需求是关于吞吐量和等待时间(latency)两方面的。
11.2)sdn控制器解决站点s1与s2之间的通信的切片路由问题，并将路由决定和切片成本发送给云控制器cc和多站点编制器mo(图1中标记为p2)。由sdn控制器发送的切片成本基本上与该切片的吞吐量需求的实现相关。
12.3)云控制器cc借助于为切片分配虚拟功能，来基于sdn控制器的路由决定供应计算资源，以确保切片的等待时间要求(图1中标记为p3)。云控制器cc发送切片的计算成本，即，切片的等待时间要求的满足程度(图1中标记为p4)。
13.4)多站点编制器mo接收路由决定和成本(路由和计算成本)，并调整切片需求以最佳地适应网络中的当前情形(图1中标记为p5)。
14.因此，在现有技术中，虚拟路径建立和切片资源供应被呈现并应用于站点之间的通信，即，该问题被视为基于由plmn提供的切片的用于多站点操作的周期性和可重新配置的切片设计。
15.然而，上面提及的方法的一个缺点是编制的等待时间，因为多站点编制器从站点接收信息并且确定不同站点之间的传输策略。另外，站点与多站点编制器之间的来回信令也会在网络中引入信令开销。
16.此外，另一个缺点是本领域中的多站点编制器复杂性很高，这是因为本领域中的编制器还应当根据站点的吞吐量和计算来决定传输策略和需求。
17.本发明旨在改进这些缺点。


技术实现要素：

18.在这点上，根据本发明的一个方面，提供了一种在用于工厂自动化的公共网络中提供多站点编制的方法，其中，公共网络向多个站点提供通信和计算功能，所述多个站点被配置成借助于该公共网络的网络切片来彼此通信，所述方法包括以下步骤：
[0019]-基于不同站点之间的通信的初始性能来构建多站点编制模型；
[0020]-通过使用多站点编制模型来确定不同站点之间的编排(choreography)机会；
[0021]-触发不同站点之间的地势图；以及
[0022]-评估不同站点之间的地势图的性能并更新多站点编制模型。
[0023]
利用这样的布置，本发明可以将集中式编制与分布式编制相结合，该分布式编制依赖于在多站点编制器中维护的网络的模型中通过多站点编制器来进行边缘云资源的分布式供应，以便最小化编制过程的等待时间。
[0024]
在实施方式中，在构建多站点编制模型之前，根据本发明的方法还包括以下步骤：发起初始编制以标识粗略初始模型，基于该初始粗略模型来构建多站点编制模型。
[0025]
此外，初始编制是比例公平(faire)编制，利用该比例公平编制，各个站点按相同的数据分组带宽来与其邻近站点通信。
[0026]
此外，多站点编制模型包含站点的表示或抽象(abstraction)以及站点之间的通信条件的表示或抽象。
[0027]
另选地，多站点编制模型包括图形，该图形包含表示站点的节点以及节点对之间的表示节点之间的通信或处理能力的边缘。
[0028]
另选地，多站点编制模型包括例如按照站点之间的通信的效用表达的站点的需求的模型。
[0029]
另选地，多站点编制模型包括例如按照拥塞成本表达的站点之间的通信的拥塞的模型。
[0030]
另选地，其中，多站点编制模型包括基于在站点之间的分组的随机游走(walk)与
随机矩阵的基础上的特定流传输的站点排名(ranking)。
[0031]
另选地，多站点编制模型包括适于执行具有相关属性的编制的站点的数据库。
[0032]
另选地，公共网络的初始性能是通过周期性监测网络状态、吞吐量、分组错误、和/或延迟来获得的。另外，通过使用多站点编制模型确定不同站点之间的编排机会的步骤是基于来自多站点编制模型的预测性能与测得的业务性能之间的误差、或者通过从多站点编制模型获得的拓扑标准来处理的。
[0033]
在这点上，在本发明中，具有减少的等待时间的基于灵活模型的多站点编制在根据网络监测确定的一些条件下触发编制。本地编制根据需要来确定，以便最小化等待时间并优化编制的qos。使用这些本地编排来丰富用于多站点编制的模型。
[0034]
在又一实施方式中，触发不同站点之间的地势图的步骤包括：在参与编排的不同站点之间建立边缘云，并且开始在不同站点之间交换信息。
[0035]
在又一实施方式中，评估不同站点之间的地势图的性能并更新多站点编制模型的步骤包括监测公共网络。
[0036]
上面提及的另选特征可以彼此组合，除非它们不兼容。
[0037]
根据本发明的另一方面，还提供了一种在用于工厂自动化的公共网络中提供多站点编制的编制器，其中，公共网络包含多个站点，所述多个站点被配置成通过该公共网络的切片来彼此通信，该编制器被配置成：
[0038]-基于公共网络的初始性能来构建多站点编制模型；
[0039]-通过使用多站点编制模型来确定不同站点之间的编排机会；
[0040]-触发不同站点之间的地势图；以及
[0041]-评估不同站点之间的地势图的性能并更新多站点编制模型。
[0042]
根据本发明的又一方面，还提供了一种用于工厂自动化的通信系统，该通信系统包括上面提及的编制器。
[0043]
在这点上，本发明提出了一种基于认知模型的多站点编制，其中，多站点编制器基于所接收的吞吐量、等待时间、分组错误率或者其它各种网络无线电度量，来维护工厂的不同站点之间的编制过程的模型。这些度量是通过连续监测通过由网络提供的切片的通信而获得的。换句话说，在本发明中，多站点编制器确定编制机会和本地编制(编排)机会并触发，以便最小化等待时间并提高系统的qos。编排步骤丰富了多站点编制模型。
[0044]
因此，与本领域中基于标准模型的编制相比，本发明提供了更多的灵活性，这是因为它可以从粗略的模型开始并调整该模型，以便提高编制性能并降低其总体信令和复杂性。
附图说明
[0045]
参照附图，本发明的其它特征和优点将呈现在下文的描述中，在附图中：
[0046]
图1例示了本领域中的多站点编制架构。
[0047]
图2例示了根据本发明的多站点编制架构。
[0048]
图3是根据本发明的示例性方法的流程图。
具体实施方式
[0049]
图2示出了根据本发明的多站点编制架构。在图2的场景中，多站点编制器mo正在调整由给定plmn网络的sdn控制器所提供的网络切片中的不同站点s1、s2以及s3之间(例如，站点s1与s2之间)的通信带宽，并且依赖于通过边缘云或多接入边缘通信平台紧密部署至各个站点的计算资源。
[0050]
多站点编制器域中的各个站点定义本地效用函数ui，该函数表示它将从网络请求该网络正在提供的切片上的吞吐量ri而具有的增益。
[0051]
基于切片拥塞成本λi来调整效用函数，使得基于总增益(相对于吞吐量变化的增益变化减去吞吐量成本)调整针对站点i所请求的吞吐量。
[0052]
多站点编制器mo的目的是在指示各个站点到站点的拥塞成本，而是指示不同站点的组合拥塞成本的情况下，通过平衡不同站点之间的带宽来最大化系统的总增益(即，网络中的效用的总和)。
[0053]
在这点上，多站点编制器mo是基于在不同站点之间的带宽平衡的网络的模型来决定的，其中，该模型将在下文中详细说明。本发明旨在通过以比例公平带宽平衡开始来迭代地执行带宽平衡，并且从该步骤标识用于编制的相关模型参数，其中，模型参数的子集需要通过本地编制更新，并且触发用于模型参数标识的本地编制(编排)。
[0054]
因此，总体来说，本发明提出了一种包括以下特征的解决方案：
[0055]-多站点编制器为站点之间的编制构建模型。特别地，多站点编制器mo是通过监测用于编制的公共网络和/或云的不同kpi来评估该模型。另外，多站点编制基于plmn的kpi来确定服务编排的机会。编制的机会例如是足够的无线电和/或服务级kpi，以便在站点之间执行本地分布式编制，即，服务编排。
[0056]-借助于监测编制性能来评估基于模型的编制的性能，以便标识待更新的模型参数的子集。网络的监测包括跟踪kpi，其可能是：
[0057]
将与服务相关的kpi(诸如满足编制服务级要求或sla服务级协议)用于编制性能的评估。
[0058]
将无线电级或传输级kpi用于诸如分组错误率性能、端到端等待时间、抖动性能等的编制的性能评估。
[0059]-当编制的性能低时或者当检测到服务编排的机会时，多站点编制器触发站点之间的服务编排。编制器通过交换信息、信令以及通过经由容器供应计算资源，来触发站点之间的分布式编制。服务地势图是在站点之间执行的，并且被用于改进编制模型。
[0060]
现在，参照图3描述根据本发明的方法的详细步骤，该图是根据本发明的例示性方法的流程图。
[0061]
如图3所示，根据本发明的方法的一个示例性实施方式包括以下步骤：
[0062]
步骤0：初始编制步骤
[0063]
在模型构建步骤之前，多站点编制器可以以可选的初始编制步骤开始，以便标识多站点编制器的粗略初始模型。
[0064]
初始编制可以由比例公平编制给出，其中，多站点编制器知道由plmn提供的切片的容量c比特/秒，并且触发网络的n个站点中的每个站点以通过按带宽r＝c/n发送数据分组来通信。各个站点利用相同的数据分组带宽来与其邻近站点通信。
[0065]
步骤1：构建多站点编制模型
[0066]
基于初始编制步骤，在该步骤中，在多站点编制器中构建站点的表示或模型以及不同站点之间的通信条件的表示或模型。
[0067]
该表示可以包括：
[0068]-图形(有向或无向)，其中，该图形的节点表示工厂的站点，并且任何节点对之间的边表示节点之间的通信/处理能力。站点s1与s2之间的通信/处理能力可以例如按照以下项来定义：
[0069]
ο通信的分组吞吐量r
1,2
，其被表达为每时间单位发送的分组数量。
[0070]
ο通信的比特吞吐量b
1,2
，其被表达为每时间单位发送的比特数量。
[0071]
ο通信的等待时间t
1,2
，其被表达为每通信n个分组的秒数。
[0072]
ο处理能力p
1,2
，其表示在节点s1与s2之间的路径中可用的计算资源的量。我们假设处理能力与吞吐量能力相关，如p
1,2
＝ωr
1,2
，其中，ω是为处理数据分组所需的处理量。
[0073]-按照差分效用函数表达的站点需求的模型。例如，将站点s1与站点s2之间的通信的效用表达为u
1,2
＝u1(r
1,2
)-u2(r
1,2
)，其中，函数u1表示用于将吞吐量r
1,2
发送至节点2的增益，而函数u2表示从站点s2接收吞吐量r
1,2
的增益。两个增益都取决于s1与s2之间的服务。
[0074]
效用函数对于这些站点可以是相同的函数，或者是从一个站点到另一站点改变的函数。效用函数可以是α公平效用函数，其由参数α参数化如下：如果α＞1，则并且对于α＝0，u(r)＝log(r)，其中，r是来自节点的进行中的分组吞吐量。
[0075]-不同站点之间的通信拥塞的模型。将该模型表达为拥塞成本λ，其可以是站点之间的传输的分组错误率(per)和/或节点之间的分组吞吐量的函数。如果per高，则拥塞成本高，而如果per低，则拥塞成本低。如果吞吐量低，则拥塞成本高，而如果吞吐量高，则拥塞成本低。拥塞成本还可以包括对在不同站点之间的传输期间丢失的分组进行建模的传输等待时间。
[0076]-将不同站点之间的通信建模为随机游走，并且定义随机矩阵s。将矩阵元素s
1,2
表达为来自节点1的进行中的业务的比例，即，s
1,2
＝1/d(1)，其中d(1)是节点1能够与之通信的节点的数量。这里假设站点s1是以概率s
1,2
来与站点s2通信的。
[0077]-根据随机游走矩阵，转移矩阵g是由两个参数β,n来参数化的，其中，参数β∈[0,1]描述当前多站点通信与被描述为站点之间的纯随机游走的多站点通信之间的相关性。参数n控制从节点1到未被包括该游走中的站点的通信尝试。元素g
1,2
是由下面的g
1,2
＝βs
1,2
(1-β)(1/n)给出的。
[0078]-能够执行具有相关属性的编制的站点的数据库。在这种情况下，站点s1根据所接收的业务，在本地确定与其邻近站点的通信的相关参数以及该邻近站点的处理能力，并且向数据库登记所确定的属性。该数据库将被多站点编制器mo用于通过为不同站点之间的通信供应资源来执行编制。该编制是基于在数据库中登记的站点的属性的。可以将用于应用接口(api)信令优化的基于web的表述性状态转移rest框架用于减少站点与多站点编制器之间的信令开销。
[0079]
数据库的刷新是由不同站点之间的本地编制来执行的。
[0080]
可以单独或者组合应用上面提及的模型。因此，在多站点编制器mo处，根据对网络
状态、吞吐量、分组错误、延迟等的周期性监测(图2中标记为n1)，来构建多站点编制模型(图2中标记为n2)，并将该多站点编制模型用于多站点编制器mo，以便减少网络与不同站点之间的信令。另外，通过检查站点之间的预测通信配置文件(profile)与网络监测时段期间的实际测得的性能之间的误差，可以在多站点编制器mo处本地评估模型的可靠性。
[0081]
步骤2：确定地势图机会
[0082]
因此，多站点编制器基于来自模型的预测性能(诸如站点s1与s2之间的通信的预测吞吐量)与在网络监测时段期间测得的业务性能之间的误差，或者通过从多站点编制模型的特定属性获得的拓扑标准，或者通过基于误差的触发和基于拓扑的触发之间的组合，来确定编排的机会。
[0083]
例如，将误差收集到误差矩阵中，该误差矩阵是作为吞吐量误差per和延迟估计误差、以及在编排期间监测的各种其它网络性能指标(indicator)的函数来获得的。
[0084]
特别地，当实现以下项时，可以定义编排机会：
[0085]-如果误差e
1,2
高于在多站点编制器mo中预先配置的误差阈值，则为站点s1和s2触发编排。
[0086]-如果站点s1和s2的总误差高于阈值并且所述性能指标(吞吐量、等待时间、分组错误率中的至少一个性能指标低于阈值)，则为该站点触发编排。
[0087]
另选地，当实现以下拓扑标准时，可以在站点s1与s2之间触发编排：
[0088]-如果站点s1和s2在图形中具有高度数(high degree)，则为该站点s1和s2触发编排；将该图形中的节点s1的度数定义为站点s1能够与之通信的邻近站点的数量。图形中的高度数节点是具有高于阈值的度数的节点。
[0089]-如果站点s1和s2贡献了网络中任意两个站点之间的大量通信路径，则为该站点s1和s2触发编排；在这种情况下，如果节点s1和s2在网络中具有高中心性，则触发站点s1与s2之间的编排。将该高中心性定义为高于阈值的中心性。
[0090]-针对转移矩阵g对节点进行排名，如果站点s1和s2的排名低于阈值，则针对站点s1和s2触发编排；在该选项中考虑的排名例如是与节点相对应的矩阵g的特征值或者是与矩阵g的某一特定特征值相对应的特征向量。
[0091]-如果站点s1和s2贡献了来自多站点部署中的另一站点的路由树并且它们的相对拥塞成本λ
1,2
增加，则为站点s1和s2触发编排。将相对拥塞成本λ
1,2
定义为站点s1与s2之间的通信的路由成本。
[0092]
步骤3：触发多站点编排
[0093]
之后，多站点编制器mo可以通过以下信令来触发多站点编排(图2中标记为n4)：
[0094]-当站点s1和s2从编制器接收到用于触发多站点地势图的显式控制消息时，该站点执行编排。该消息可以包括贡献了编排的站点的ip地址以及在编排步骤中被用于站点之间通信的虚拟网络的qos参数；
[0095]-通过减小参数β来更新转移矩阵g，并且在编制器处为网络更新排名，将该排名发送给站点s1和s2(图2中标记为n3)。如果站点的排名低于阈值，则这些站点决定执行编排。在具有相似较低排名的站点之间执行编排；
[0096]-站点s1和s2的效用函数是由各个站点处的编制器来更新的，以使编排如下执行。
减小效用函数的参数α，并且将不同站点之间的通信的吞吐量设定成其中，λ
1,2
是站点s1与s2之间的通信的拥塞成本的最后估计。
[0097]
步骤4：本地编制(多站点编排)和更新多站点编制模型
[0098]
编制器mo在参与本地编制的不同站点中设置边缘云并设置用于不同边缘云之间的通信的虚拟网络。边缘云是通过基于边缘云容器的技术来协调的。参与本地编制的站点开始按如下定义的吞吐量交换信息：
[0099]-使站点的效用的参数α减小，并且将不同站点之间的通信的吞吐量设置为其中，λ
1,2
是站点s1与s2之间的通信的拥塞成本的最后估计；
[0100]-如果拥塞成本λ
1,2
的可靠性低，则使站点的效用的参数α减小，并且将不同站点之间的通信的吞吐量设置为其中，λ
1,2
是站点1与2之间的通信的拥塞成本的最后估计。
[0101]-将吞吐量从其当前值减小到由mno提供或者由站点s1和s2自主选择的降级吞吐量值。
[0102]
在此期间，多站点编制器mo正在监测两个站点之间的通信的性能(图2中标记为n5)。特别地，多站点编制器最终在其监测时段期间决定调整站点的本地效用并且存储效用函数的最后值。例如，在监测是基于转移矩阵g的情况下，编制器利用新参数更新矩阵s的值，作为具有良好吞吐量/等待时间性能的邻居的数量m
1,2
。在这种情况下，s
1,2
＝m
1,2
/d(1)。
[0103]
多站点编制器的模型/数据库是利用本地编制期间学得的参数来更新的(图2中标记为n6)。
[0104]
为了进一步说明本发明，在下文中我们将描述使用上面提及的方法的一些实施方式。
[0105]
假设n个站点的多站点编制场景，其中，各个站点优化其自己的效用函数，并且多站点编制是使站点的效用函数之和最大化的操作。所述站点正在使用相同的网络切片进行通信，并且分配给网络切片的最大吞吐量或带宽，即，切片容量为c。
[0106]
效用函数确定各个站点的吞吐量需求，即，通信所需的带宽以及用于处理给定服务所需的带宽。假设站点的带宽需求与站点中的虚拟功能的处理能力之间存在比例关系。
[0107]
在该实施方式中，我们提出的多站点编制是基于用于调整不同站点之间的通信的吞吐量的调整以及为了最小化通信中断并且优化切片中的带宽使用的需求的调整的策略的。
[0108]
将效用函数建模为α公平效用函数，该公平效用函数按照通信所需带宽将站点需求表达为站点的吞吐量ri的以下函数。
[0109][0110]
参数α相对于吞吐量调整需求，并且将总体多站点编制问题看作具有多个需求参数的网络效用函数最大化。
[0111]
一般多站点编制问题被给出为：
[0112][0113][0114][0115]
变量a
i,j
是网络的路由变量，即，站点i与j之间的通信对网络切片上的业务的贡献，而r
i,j
是站点i与站点j之间的通信的吞吐量。
[0116]
在包括网络切片的拥塞成本λ的情况下，我们具有以下全局拉格朗日公式
[0117][0118]
各个本地编制器正在解决以下本地拉格朗日问题
[0119][0120]
该本地拉格朗日问题的解被给定为
[0121][0122]
这意味着各个站点通过考虑路由参数a
i,j
和切片成本参数λ来调整其吞吐量。本发明提出了如下的简化多站点编制，其中在各个站点中标识了主要路由参数。
[0123][0124]
站点将其吞吐量调整为：
[0125][0126]
假设站点正在使用切片的全部容量，各个切片皆将按下面的吞吐量进行发送
[0127][0128]
站点i与j之间的吞吐量由以下关系来提供
[0129][0130]
根据本发明，从模型中估计或确定主要路由，并如前所述相对于成本调整吞吐量。
[0131]
在该实施方式中，根据本发明的示例性方法包含以下步骤：
[0132]
1.多站点编制器利用参数αi＝1(即，训练序列)发起编制，并且使用调度(该调度是将分组从多站点部署中的一个站点向其它站点发送的顺序)来标识编制模型{a
i,j
}。各个站点的主要路由是从不同站点之间的通信的所测得的吞吐量获得的。
[0133]
2.拥塞成本是从多点编制器处的不同站点的所测得的吞吐量获得的。
[0134]
3.多站点编制器选择具有最大路由值的站点的集合，并将站点的吞吐量设定成如果拥塞成本增加或者某些站点中断，则多站点触发本地编制，以更新包括具有主要路由的节点的特定节点对之间的模型。
[0135]
4.本地编排更新{a
i,j
}的估计并转到步骤(2)。
[0136]
另选地，在另一实施方式中，本发明提出调整站点需求，以便使先前描述的本地拉格朗日关系最大化。该需求是借助于以下关系，通过参数αi来迭代地描述的，其中，k定义迭代索引：
[0137][0138]
站点i与j之间的吞吐量由以下关系来提供
[0139][0140]
通过下式，更新切片拥塞成本以优化切片容量
[0141]
λk＝λ
k-1
δ(∑∑a
i，jri，j-c)，
[0142]
其中，δ是用于更新拥塞成本或切片使用的步骤。该更新步骤可以是固定的或自适应的。针对固定步骤的情况，对于所有拥塞成本更新保持相同的步骤，而在自适应步骤中，当切片拥塞成本的增加率高时，可以减少步骤δ。
[0143]
在这点上，根据本发明的该另选实施方式中的多站点编制包含以下步骤：
[0144]
1.多站点编制器利用参数αi＝1(即，训练序列)发起编制，并且使用调度来标识编制模型{a
i,j
}。各个站点的主要路由是从不同站点之间的通信的所测得的吞吐量获得的。将初始拥塞成本设定成c，并且站点未进行通信。
[0145]
2.初始拥塞成本是从多点编制器处的不同站点的所测得的吞吐量获得的。
[0146]
3.多站点编制器选择具有最大路由值的站点的集合，并且各个站点将其需求设定为上述关系，并通过上面提供的关系来确定站点i与j之间的吞吐量。
[0147]
4.编制器利用上述关系更新拥塞成本。
[0148]
5.本地编排更新{a
i,j
}的估计并转到步骤(2)。
[0149]
总之，本发明提出了一种基于认知模型的多站点编制，其包含以下特征：
[0150]-监测plmn的性能并且为多站点编制(服务或无线电编制)构建多站点编制模型；
[0151]-从模型确定站点之间的分布式编制或编排机会，并且触发不同站点之间的地势图；
[0152]-使用编排来更新多站点编制模型。
[0153]
因此，本发明具有灵活性，因为它考虑了从plmn/和或云网络获得的部分信息。因
此，优化了编制目标，并且减少了编制复杂性的总体降低。另外，本发明还减少了多站点编制的等待时间以及公共网络的信令开销。
[0154]
此外，如本领域技术人员所知的，根据本发明，前述示例架构可以以许多方式来实现，诸如由处理器执行的程序指令、软件模块、微代码、计算机可读介质上的计算机程序产品、逻辑电路、专用集成电路、固件等。本发明的实施方式可以采取完全硬件实施方式、完全软件实施方式或者包含硬件和软件要素两者的实施方式的形式。在优选实施方式中，本发明是以软件来实现的，其包括但不限于，固件、驻留软件、微代码等。
[0155]
此外，本发明的实施方式可以采取可从计算机可用或计算机可读介质访问的计算机程序产品的形式，该计算机可用或计算机可读介质提供由计算机、处理装置、或者任何指令执行系统使用或结合使用的程序代码。出于本描述的目的，计算机可用或计算机可读介质可以是可以包含、存储、传送或传输可供指令执行系统、设备或装置使用或者结合使用的程序的任何设备。该介质可以是电子、磁、光学、或半导体系统(或者设备或装置)。计算机可读存储介质的示例包括但不限于半导体或固态存储器、磁带、可去除计算机磁盘、只读存储器(rom)、刚性磁盘、光盘等。光盘的当前示例包括光盘只读存储器(cd-rom)、光盘读/写(cd-r/w)以及dvd。