異構(gòu)無線網(wǎng)絡(luò)負(fù)載超前轉(zhuǎn)移的負(fù)載均衡技術(shù)研究

申紅磊, 周小平, 田家揚, 王佳樂

(上海師范大學(xué) 信息與機(jī)電工程學(xué)院,上海 200234)

異構(gòu)無線網(wǎng)絡(luò)負(fù)載超前轉(zhuǎn)移的負(fù)載均衡技術(shù)研究

申紅磊, 周小平*, 田家揚, 王佳樂

(上海師范大學(xué) 信息與機(jī)電工程學(xué)院,上海 200234)

文章分析了以多屬性決策理論中簡單加權(quán)算法(SAW)為代表的普通切換算法負(fù)載對比呼叫到達(dá)率(CAR)滯后的特性,針對異構(gòu)無線網(wǎng)絡(luò)垂直切換負(fù)載滯后造成負(fù)載不均衡現(xiàn)象,首先,建立異構(gòu)無線網(wǎng)絡(luò),使用時間序列建立(SARIMA)模型預(yù)測網(wǎng)絡(luò)呼叫到達(dá)率,根據(jù)預(yù)測呼叫到達(dá)率,引導(dǎo)業(yè)務(wù)切換和超前轉(zhuǎn)移業(yè)務(wù)帶寬,形成改進(jìn)的(TSAW)算法,仿真結(jié)果表明TSAW算法克服了SAW算法負(fù)載滯后特性,使網(wǎng)絡(luò)負(fù)載均衡特性變好.

異構(gòu)無線網(wǎng)絡(luò); 負(fù)載均衡; 時間序列; 帶寬調(diào)整; 垂直切換

0 引 言

異構(gòu)無線網(wǎng)絡(luò)負(fù)載均衡中,切換算法是否合理起著至關(guān)重要作用[1],根據(jù)業(yè)務(wù)分配情況可以將異構(gòu)無線網(wǎng)絡(luò)負(fù)載均衡算法總結(jié)為:基于接入控制的負(fù)載均衡算法和基于垂直切換的負(fù)載均衡算法[2-3].垂直切換算法采用多屬性決策理論,最典型的算法是簡單加權(quán)法(SAW),由于每一個業(yè)務(wù)在網(wǎng)絡(luò)中隨機(jī)持續(xù)一段時間,如果網(wǎng)絡(luò)根據(jù)當(dāng)前呼叫切換,會出現(xiàn)負(fù)載滯后于呼叫到達(dá)率(CAR)的現(xiàn)象.

水庫中的水位如果暴雨來臨前不提前將水位降至安全線以內(nèi),只根據(jù)當(dāng)前降雨量來調(diào)節(jié)的話很容易使水位失去控制,這是因為,水庫中水量是慣性系統(tǒng),上一時刻的水量會影響下一時刻水量.類似地,在異構(gòu)無線網(wǎng)絡(luò)中,網(wǎng)絡(luò)負(fù)載也是慣性系統(tǒng),當(dāng)網(wǎng)絡(luò)負(fù)載調(diào)整出現(xiàn)滯后的情況,很容易在接下來一個較高的呼叫到達(dá)率時刻出現(xiàn)網(wǎng)絡(luò)擁塞,負(fù)載均衡失調(diào).因此克服負(fù)載率滯后特性很有必要.

要改變負(fù)載滯后性,就要預(yù)測將來負(fù)載情況,負(fù)載控制是一個自反饋過程,負(fù)載統(tǒng)計數(shù)據(jù)會不斷變化,導(dǎo)致時間序列預(yù)測模型失效,而CAR能穩(wěn)定數(shù)據(jù)統(tǒng)計,與負(fù)載正相關(guān)性很強(qiáng).本文作者在SAW算法基礎(chǔ)上,研究了基于時間序列預(yù)測CAR數(shù)據(jù),使用超前的CAR數(shù)據(jù)作為引導(dǎo)因子,并結(jié)合帶寬超前轉(zhuǎn)移算法,提出改進(jìn)的Time series predict SAW(TSAW)算法.

移動通信網(wǎng)絡(luò)中的CAR數(shù)據(jù)是根據(jù)人們的作息活動周期變化的,對這種周期變化的時間序列數(shù)據(jù)建模,季節(jié)性自回歸滑動平均模型無疑是最有效的.

時間序列預(yù)測方法是通過序列的歷史數(shù)據(jù)揭示隨機(jī)現(xiàn)象的規(guī)律,并將該規(guī)律延伸到未來,從而對該現(xiàn)象的未來做出預(yù)測[4].時間序列分析法是一個新興而蓬勃發(fā)展的學(xué)科,他是概率統(tǒng)計學(xué)科中應(yīng)用較強(qiáng)的一個分支,在金融經(jīng)濟(jì)、氣象水文、機(jī)械振動等眾多領(lǐng)域有廣泛的應(yīng)用[5],對于周期性的時間序列數(shù)據(jù)通常使用季節(jié)性自回歸移動平均模型.

1 系統(tǒng)模型

1.1 異構(gòu)無線網(wǎng)絡(luò)仿真模型

為了簡化異構(gòu)無線網(wǎng)模型,本設(shè)計的異構(gòu)無線網(wǎng)模型由兩個代表性的網(wǎng)絡(luò)組成:一個UMTS網(wǎng)絡(luò)和一個WLAN網(wǎng)絡(luò),其中UMTS網(wǎng)絡(luò)的覆蓋半徑為R1,WLAN網(wǎng)絡(luò)的覆蓋范圍為R2,R1>R2,WLAN的網(wǎng)絡(luò)覆蓋范圍是UMTS網(wǎng)絡(luò)覆蓋范圍的子集,如圖1所示.

圖1 UMTS/WLAN異構(gòu)無線網(wǎng)絡(luò)模型

為了方便起見,稱圖1模型為UMTS/WLAN異構(gòu)網(wǎng)絡(luò).如果沒有特殊說明,文章下面提到的異構(gòu)無線網(wǎng)絡(luò)指的都是圖1的UMTS/WLAN異構(gòu)無線網(wǎng)絡(luò)模型.

1.2 仿真參數(shù)

移動網(wǎng)絡(luò)中CAR實際數(shù)據(jù)并非按高斯分布隨機(jī)產(chǎn)生,而是按照人類的作息規(guī)律周期產(chǎn)生.表1給出了UMTS網(wǎng)絡(luò)的CAR數(shù)據(jù)(US),來源是上海游族影業(yè)創(chuàng)新創(chuàng)業(yè)孵化器二層辦公樓中午12:00～12:33時間段,每分鐘新接入3G網(wǎng)絡(luò)的用戶數(shù),如果用戶處于運動狀態(tài),按其在辦公室駐留時間與其總通話時長比值計算.

表1 UMTS網(wǎng)絡(luò)CAR一個周期采集數(shù)據(jù)

根據(jù)參考文獻(xiàn)[2,6],對比WLAN網(wǎng)絡(luò)UMTS網(wǎng)絡(luò)帶寬比較小、時延短而價格高,設(shè)置網(wǎng)絡(luò)參數(shù)如表2所示.根據(jù)語音業(yè)務(wù)對比流媒體業(yè)務(wù)帶寬需求小、時延短而價格不敏感,設(shè)置網(wǎng)絡(luò)權(quán)重歸一化值如表3所示.

表2 網(wǎng)絡(luò)業(yè)務(wù)參數(shù)

表3 網(wǎng)絡(luò)權(quán)重歸一化

2 基于時間序列預(yù)測的異構(gòu)無線網(wǎng)絡(luò)負(fù)載均衡算法

2.1 SAW代價函數(shù)算法

SAW算法研究的比較成熟,這里參照文獻(xiàn)[6],將SAW一般的算法簡明闡述.

(1)

(2)

2.2 時間序列預(yù)測SARIMA模型

Eviews是Econometric Views縮寫,直譯為計量經(jīng)濟(jì)學(xué)觀察,是經(jīng)濟(jì)學(xué)和統(tǒng)計學(xué)中常用的仿真軟件,它是專業(yè)從事數(shù)據(jù)分析、回歸分析和預(yù)測的工具.使用Eviews可以迅速地從數(shù)據(jù)中尋找出統(tǒng)計關(guān)系,并用得到的關(guān)系去預(yù)測數(shù)據(jù)的未來值.

若平穩(wěn)時間序列是現(xiàn)在干擾值和過去干擾值的線性組合,則稱此模型為自回歸滑動平均模型(ARMA),若是非平穩(wěn)時間序列且是季節(jié)性序列,ARMA模型需要對對序列進(jìn)行差分,和對模型進(jìn)行季節(jié)性差分,建立SARIMA.

圖2 模型整體預(yù)測效果圖

SARIMA(1,1,0)×(3,1,2)模型對US數(shù)據(jù)整體預(yù)測效果圖如圖2所示.

其中UP是UMTS網(wǎng)絡(luò)US數(shù)據(jù)一個周期內(nèi)的預(yù)測值,預(yù)測精度在5%以內(nèi).

US數(shù)據(jù)重復(fù)10 d取樣觀察,得到10個周期數(shù)據(jù),對圖2中前330個數(shù)據(jù)使用Eviews軟件根據(jù)樣本自相關(guān)和偏自相關(guān)系數(shù)定階,并采用最佳標(biāo)準(zhǔn)定階法(AIC)定階.通過多次測試,剔除了不顯著參數(shù),并對多個參數(shù)模型的AIC值進(jìn)行比對后,最終建立SARIMA(1,1,0)×(3,1,2)模型.

模型估計參數(shù)伴隨概率AR(1)=0.00、AR(3)=0.03、SAR(33)=0.00、MA=0.00,參數(shù)均顯著提高.

為了檢驗?zāi)Ｐ褪欠窈线m,還要對模型的殘差序列是否為白噪聲序列進(jìn)行檢驗,如圖3所示.

圖3 SARIMA(1,1,0)×(3,1,2)模型殘差序列相關(guān)圖

從圖3可以看到該模型的自相關(guān)和偏自相關(guān)函數(shù)值均在2倍標(biāo)準(zhǔn)差內(nèi),且P值均大于0.05,由此可知該殘差序列無自相關(guān),滿足白噪聲序列條件,最終得到SARIMA(1,1,0)×(3,1,2)模型.

(1+1.079B-0.094B3)(1+0.457B33)(1-B)(1-B33)US(t)=(1-0.978B2)εt.

(3)

式中,B為后移算子.

2.3 TSAW算法

2.3.1 預(yù)測步長設(shè)置

因為網(wǎng)絡(luò)負(fù)載的調(diào)控不僅與平均值有關(guān),還與網(wǎng)絡(luò)的波動情況有關(guān).定義

(4)

為步長調(diào)整參數(shù),最終采用的預(yù)測步長時刻

(5)

2.3.2 SAW算法超前引導(dǎo)參數(shù)設(shè)計

定義

(6)

令

(7)

即為網(wǎng)絡(luò)引導(dǎo)參數(shù).

(8)

(8)式能使垂直切換有前瞻性,有效降低負(fù)載波峰,提升負(fù)載波谷,但是負(fù)載滯后特性依然存在,為了改變負(fù)載滯后缺陷,設(shè)計了業(yè)務(wù)帶寬超前轉(zhuǎn)移算法.

2.3.3 業(yè)務(wù)帶寬比例超前轉(zhuǎn)移算法

當(dāng)業(yè)務(wù)根據(jù)SAW算法切換到UMTS網(wǎng)絡(luò),其業(yè)務(wù)帶寬分配:

(9)

同理,當(dāng)業(yè)務(wù)根據(jù)SAW算法切換到WLAN網(wǎng)絡(luò)時,其業(yè)務(wù)帶寬分配:

(10)

(9)式和(10)式即為業(yè)務(wù)比例超前轉(zhuǎn)移算法,因為每一個業(yè)務(wù)帶寬超前轉(zhuǎn)移,反應(yīng)在總體上就是負(fù)載超前轉(zhuǎn)移.

2.3.4 TSAW算法

按(8)式計算切換網(wǎng)絡(luò),按(9)式和(10)式計算業(yè)務(wù)接入帶寬,即得TSAW算法.

(8)式使用超前引導(dǎo)參數(shù)改進(jìn)SAW算法,切換算法具有遠(yuǎn)見性,業(yè)務(wù)更趨向切換到未來負(fù)載較輕的網(wǎng)絡(luò).

但是超前引導(dǎo)參數(shù)改進(jìn)的SAW算法只是改進(jìn)了負(fù)載波峰、波谷特性,要最終克服SAW算法造成的負(fù)載滯后缺陷,需要依靠比例帶寬超前轉(zhuǎn)移算法,使每個業(yè)務(wù)帶寬超前轉(zhuǎn)移,反應(yīng)在整體上就是負(fù)載的超前轉(zhuǎn)移.

3 仿真及結(jié)果

3.1 時序圖仿真

網(wǎng)絡(luò)的CAR按照預(yù)設(shè)的時序值不變,SAW算法仿真結(jié)果如圖4所示.

圖4 SAW算法時序仿真圖

表4 SAW算法呼叫到達(dá)率和負(fù)載相關(guān)系數(shù)

表4中Load(t+k)(k=1,2,3,4,5)表示將負(fù)載Load超前k期,US表示UMTS網(wǎng)絡(luò)原始CAR數(shù)據(jù).從表4可以看出,當(dāng)k≤2時,隨著k的增加,US和Load(t+k)相關(guān)系數(shù)增加,當(dāng)k=2時相關(guān)系數(shù)最大,當(dāng)k>2時隨著k的增加,相關(guān)系數(shù)逐漸減小.

k=2時,相關(guān)系數(shù)最大達(dá)到0.872,CAR與負(fù)載高度相關(guān),說明負(fù)載曲線滯后2 min與CAR曲線相關(guān)性最強(qiáng),本仿真系統(tǒng)SAW算法負(fù)載滯后CAR數(shù)據(jù)約2 min.

圖5 TSAW算法時序仿真圖

TSAW算法仿真結(jié)果如圖5所示.

從圖5可以看出:

1)SAW對比TSAW仿真時序圖,在6～13時刻,UMTS網(wǎng)絡(luò)負(fù)載波峰由SAW算法滯后3.1 min變?yōu)門SAW算法超前1.6 min.

2)整體TSAW算法負(fù)載比CAR數(shù)據(jù)出現(xiàn)了超前,克服了SAW算法負(fù)載滯后特性.TSAW算法負(fù)載也更加均衡.

3.2 呼叫阻塞率分析

圖6為TSAW算法對比SAW算法呼叫阻塞率分析圖,從圖6可以看出TSAW算法阻塞率曲線都在SAW算法阻塞率曲線之下,平均阻塞率下降0.02,說明TSAW算法呼叫阻塞率降低.

以上分析表明TSAW算法數(shù)據(jù)更加優(yōu)異,這是因為TSAW算法使用預(yù)測值控制網(wǎng)絡(luò)負(fù)載,使網(wǎng)絡(luò)能有更多的時間調(diào)整網(wǎng)絡(luò)負(fù)載,克服SAW算法負(fù)載滯后的特性,從而網(wǎng)絡(luò)負(fù)載更加均衡.

圖6 SAW、TSAW算法呼叫阻塞率分析

4 結(jié) 論

負(fù)載均衡是異構(gòu)無線網(wǎng)絡(luò)資源得以充分利用的重要保障,本文作者分析了以SAW算法為代表的一般切換算法負(fù)載相對CAR數(shù)據(jù)滯后特性,然后使用時間序列建立SARIMA模型,預(yù)測CAR數(shù)據(jù),使用預(yù)測數(shù)據(jù),引導(dǎo)業(yè)務(wù)切換和帶寬超前轉(zhuǎn)移,克服了SAW算法負(fù)載滯后特性,通過仿真分析充分展示了TSAW算法使用超前預(yù)測的呼叫達(dá)到率數(shù)據(jù),克服SAW網(wǎng)絡(luò)負(fù)載的滯后性,從而有更多的時間來調(diào)整網(wǎng)絡(luò)負(fù)載,未來可以進(jìn)一步研究TSAW算法,改善網(wǎng)絡(luò)負(fù)載均衡.

[1] Andrews J,Singh S,Ye Q Y,et al.An overview of load balancing in hetnets:old myths and open problems [J].IEEE Wireless Communication,2014,21(2):18-25.

[2] 陳露薇.異構(gòu)無線網(wǎng)絡(luò)負(fù)載均衡算法研究 [D].北京:北京郵電大學(xué),2013.

Chen L W.Research on heterogeneous wireless network load balance algorithm [D].Beijing:Beijing University of Posts and Telecommunications,2013.

[3] Cho S,Choi W.Coverage and load balancing in heterogeneous cellular networks with minimum cell separation [J].IEEE Transactions on Mobile Computing,2014,13(9):1955-1966.

[4] Wei L Y,Yu F M.Using seasonal time series analysis to predict China′s demand of electricity [C].Computational and Information Sciences (ICCIS),Beijing:IEEE,2013.

[5] Khandelwal I,Satija U,Adhikari R.Forecasting seasonal time series with functional link artificial neural network:Signal Processing and Integrated Networks (SPIN) [C].2015 2nd International Conference on,Jaipur:IEEE,2015.

[6] 紀(jì)曉龍,張靜.一種異構(gòu)無線網(wǎng)絡(luò)的多屬性垂直切換方案 [J].上海師范大學(xué)學(xué)報(自然科學(xué)版),2014,43(2):153-158.

Ji X L,Zhang J.A multi-attribute vertical handoff scheme for heterogeneous wireless networks [J].Journal of Shanghai Normal University(Natural Sciences),2014,43(2):153-158.

(責(zé)任編輯：包震宇)

Load balancing scheme research on load lead transfer ofheterogeneous wireless network

Shen Honglei, Zhou Xiaoping*, Tian Jiayang, Wang Jiale

(College of Information,Mechanical and Electrical Engineering,Shanghai Normal University,Shanghai 200234,China)

This article analyzes the lag characteristic of call arrival rate(CAR) of general vertical handoff which is the representative of simple additive weighting(SAW) in multi-attribute decision theory.It aims at the load imbalance phenomenon caused by vertical handoff for heterogeneous wireless network.Firstly,we should build the universal mobile telecommunication system/wireless local areal network(UMTS/WLAN) heterogeneous wireless network.We can use the time series to make the model of seasonal autoregressive intergrated moving average(SARIMA) so that the Call Arrival Rate can be predicted.Then,according to the Call Arrival Rate,we can lead business handoff and transfer business bandwidth in advance.Therefore,the modified time series predict SAW(TSAW) is formed.The result shows that TSAW overcomes the load delay disadvantages of simple additive weighting(SAW) and makes the network Load balancing better.

heterogeneous wireless network; load balance; time series analysis; bandwidth adjustment; vertical handoff

2015-10-30

申紅磊(1987-),男,碩士研究生,主要從事異構(gòu)無線網(wǎng)方面的研究.E-mail:shladi@126.com

導(dǎo)師簡介: 周小平(1981-),男,博士,副教授,主要從事寬帶無線通信、新一代移動通信和物聯(lián)網(wǎng)技術(shù)方面的研究.E-mail:zxpshnu@163.com

TN 929.5

A

1000-5137(2017)02-0262-07

*通信作者