海洋互聯(lián)網(wǎng)接入網(wǎng)選擇方法研究

秦澤慧，周 亮，姜勝明

（上海海事大學(xué)信息工程學(xué)院，上海201306）

0 引 言

隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，越來越多的海事活動需要在網(wǎng)絡(luò)存在的情況下展開，由于海洋環(huán)境特殊、用戶分布稀疏和海洋氣候的不穩(wěn)定性，使得在海洋上進行網(wǎng)絡(luò)基礎(chǔ)設(shè)施部署變得異常艱難，現(xiàn)有的陸地網(wǎng)絡(luò)技術(shù)也不太適用于海洋互聯(lián)網(wǎng)，目前，海洋網(wǎng)絡(luò)主要是由衛(wèi)星系統(tǒng)（Satellite system，SAT）、船舶無線自組網(wǎng)（Wireless Ad Hoc Network，WANET）和岸基網(wǎng)絡(luò)（Coastline Network，CLN）和高空平臺［1］組成的，其中，衛(wèi)星系統(tǒng)覆蓋范圍廣且傳播時延短，但是價格昂貴，性價比差，不太適用于普通的海上活動，船舶自組網(wǎng)穩(wěn)定性差，受氣候影響大，岸基網(wǎng)絡(luò)傳播范圍有限，在當(dāng)有多種接入網(wǎng)存在的情況下，如何為海洋用戶選擇最優(yōu)的接入網(wǎng)成為海洋互聯(lián)網(wǎng)要面對的挑戰(zhàn)。

目前主要的接入選擇算法有基于單一屬性的網(wǎng)絡(luò)選擇算法、基于策略的選擇算法、基于多屬性判決的選擇算法和基于數(shù)學(xué)模型的選擇算法。從屬性角度出發(fā)，目前已有僅依據(jù)接收信號強度RSS 作為指標(biāo)的接入選擇算法［2］，這種依據(jù)單一屬性作為判決的算法雖然操作簡單，但考慮問題過于片面，不適用存在多種接入網(wǎng)的網(wǎng)絡(luò)選擇。為此，出現(xiàn)了多屬性下的選擇算法［3］，算法利用模糊層析分析法（Fuzzy Analytic Hierarchy Process，F(xiàn)AHP）算出不同標(biāo)準(zhǔn)之間的重要度，然后利用逼近理想解排序法（Technique for Order Preference by Similarity to Ideal Solution，TOPSIS）為不同的接入網(wǎng)進行排序，將與最優(yōu)解差距最小而與最差解差距最大的備選網(wǎng)絡(luò)作為接入網(wǎng)。這種根據(jù)多屬性判決的選擇算法很好地解決了單一屬性下存在的問題。為了進一步在選擇過程中提高網(wǎng)絡(luò)性能，根據(jù)業(yè)務(wù)類型，提出了一種模糊層次分析法與粗糙集理論相結(jié)合的異構(gòu)無線網(wǎng)絡(luò)選擇算法［4-5］，這種算法降低了網(wǎng)絡(luò)切換頻率，減少了網(wǎng)絡(luò)阻塞的情況。在基于模型的選擇算法方面，有學(xué)者引入了其他領(lǐng)域的思想進行接入網(wǎng)選擇的研究，引入博弈論方法建立網(wǎng)絡(luò)價格策略的兩種博弈模型，比較了不同博弈場景下用戶選擇接入網(wǎng)的性價比［6］。提出了基于模糊神經(jīng)網(wǎng)絡(luò)的接入選擇方法，該方法通過對網(wǎng)絡(luò)狀態(tài)的學(xué)習(xí)反饋來調(diào)整模糊神經(jīng)網(wǎng)絡(luò)的參數(shù)，實現(xiàn)智能化的判決，能有效均衡異構(gòu)網(wǎng)絡(luò)之間的負(fù)載，在一定程度上降低了網(wǎng)絡(luò)的阻塞率［7］。根據(jù)不同的業(yè)務(wù)類型、終端移動性和網(wǎng)絡(luò)負(fù)載狀態(tài)，提出一種Q 學(xué)習(xí)算法進行接入網(wǎng)的選擇，有效提高了網(wǎng)絡(luò)在阻塞率方面的性能［8］。

基于目前的研究現(xiàn)狀，本文提出一種用于解決海洋中異構(gòu)無線網(wǎng)絡(luò)的選擇方法，考慮用戶偏好、服務(wù)質(zhì)量（Quality of Service，QoS）、網(wǎng)絡(luò)價格、業(yè)務(wù)類型等多個指標(biāo)，提出一種基于層次分析法（Analytic Hierarchy Process，AHP）和熵權(quán)的簡單加權(quán)選擇算法，該算法能夠解決海洋環(huán)境下的多種接入網(wǎng)的網(wǎng)絡(luò)選擇問題，能夠提高網(wǎng)絡(luò)選擇的正確性和穩(wěn)定性，均衡網(wǎng)絡(luò)負(fù)載［9］，提高用戶服務(wù)質(zhì)量。

1 網(wǎng)絡(luò)選擇模型

1.1 基于AHP模型的主觀權(quán)重

層次分析法［10-13］是一種將定量分析與定性分析相結(jié)合的系統(tǒng)分析方法，基本步驟如下：

（1）建立層次化模型。

（2）構(gòu)造判決矩陣。構(gòu)造目標(biāo)層和準(zhǔn)則層的判決矩陣，表1 列出的是由Saaty等［11］提出的屬性標(biāo)度表。

表1 判決矩陣相對重要性等級表

（3）判決矩陣一致性檢驗。判決矩陣是由決策者根據(jù)主觀經(jīng)驗設(shè)置的，需要對判決矩陣進行一致性檢驗以確保判決矩陣的合理性。

計算判決矩陣的特征向量對應(yīng)的最大特征值，用于計算一致性指標(biāo)C.I.，查找相對應(yīng)的一致性指標(biāo)R.I.，即可計算出一致性比率C.R.，具體計算公式如下：

式中：C.I.值用于調(diào)整判決矩陣完全一致性的程度；R.I.為平均隨機一致性指標(biāo)取值的判決矩陣，對應(yīng)的取值見表2。

表2 一致性指標(biāo)取值表

當(dāng)C. R.＜0.10 時，認(rèn)為判決矩陣是滿足一致性要求的，反之，判決矩陣不滿足一致性要求，需要修改。

（4）計算權(quán)值。通過一致性檢驗后，用幾何平均法求各指標(biāo)的權(quán)重：

式中，i、j分別為判決矩陣的行和列。

1.2 基于信息熵的客觀權(quán)重

AHP模型中各指標(biāo)的權(quán)重是主觀設(shè)置的，為了消除主觀設(shè)置帶來的片面性，本文將AHP模型與熵權(quán)法相結(jié)合，用熵權(quán)法［14］計算各指標(biāo)的客觀權(quán)重，來平衡AHP帶來的主觀影響。假設(shè)存在m個備選方案，n個網(wǎng)絡(luò)屬性，則其原始數(shù)據(jù)矩陣為：

無量綱化后，獲得標(biāo)準(zhǔn)化后的評估矩陣R：

式中：rij為第i個方案中的第j項參數(shù)的歸一化數(shù)值。然后依據(jù)式（6）得出網(wǎng)絡(luò)屬性對應(yīng)的熵權(quán)，組成客觀權(quán)重向量W2：

1.3 復(fù)合權(quán)重

AHP模型計算得到對網(wǎng)絡(luò)的主觀排序權(quán)重，熵值確定了對網(wǎng)絡(luò)的客觀排序，將主客觀權(quán)重進行簡單結(jié)合，可以使網(wǎng)絡(luò)選擇結(jié)果更加有效［15］。這種簡單加權(quán)的復(fù)合權(quán)重計算過程如下：

式中：θ取值為0.5。根據(jù)評估矩陣R，確定每個網(wǎng)絡(luò)在不同需求下的總權(quán)重。在海洋網(wǎng)絡(luò)選擇問題中，根據(jù)不同網(wǎng)絡(luò)總權(quán)重的值，每次都選擇權(quán)重值最大的網(wǎng)絡(luò)作為最優(yōu)接入網(wǎng)。

2 基于用戶偏好和業(yè)務(wù)分類的海洋互聯(lián)網(wǎng)接入選擇

在海洋互聯(lián)網(wǎng)異構(gòu)網(wǎng)絡(luò)的選擇問題中，將衛(wèi)星系統(tǒng)、船舶自組網(wǎng)和岸基網(wǎng)絡(luò)作為備選網(wǎng)絡(luò)方案，采用AHP-熵權(quán)法對不同用戶偏好和業(yè)務(wù)類型下3 種網(wǎng)絡(luò)的權(quán)重進行排序，權(quán)重越大越占優(yōu)勢，為用戶選擇最優(yōu)接入網(wǎng)，具體框架如圖1 所示。

2.1 AHP計算主觀權(quán)重

（1）基于用戶偏好的子層次化模型。根據(jù)層次化模型，從用戶偏好的角度考慮，準(zhǔn)則層分為服務(wù)質(zhì)量優(yōu)先（QoSP）和價格優(yōu)先（Price Priority，PP）兩方面，選取QoS、網(wǎng)絡(luò)負(fù)載和價格作為網(wǎng)絡(luò)性能指標(biāo)，表3、4 分別給出了在QoSP和PP下的性能指標(biāo)的判決權(quán)重。

圖1 海洋互聯(lián)網(wǎng)接入選擇層次化模型

表3 QoSP

表4 PP

對判決矩陣進行層次單排序，通過計算得到兩個矩陣的最大特征值皆為3，C. I.為0，即矩陣的設(shè)置滿足一致性要求。根據(jù)公式計算2 種模式下各指標(biāo)的權(quán)重如下：

（2）基于QoS下的子層次化模型。網(wǎng)絡(luò)服務(wù)種類繁多，目前將不同QoS需求的業(yè)務(wù)類型分為4 類：會話類業(yè)務(wù)、流類業(yè)務(wù)、交互類業(yè)務(wù)和背景類業(yè)務(wù)，影響這些業(yè)務(wù)的主要網(wǎng)絡(luò)屬性有時延、抖動、丟包率和速率，不同的業(yè)務(wù)類型對這些屬性的要求不同。通過對這幾種業(yè)務(wù)類型的分析，表5 所示為4 種不同業(yè)務(wù)下網(wǎng)絡(luò)屬性間的判決權(quán)重。

按照AHP 模型計算流程，計算得到基于子參數(shù)QoS下不同業(yè)務(wù)類型的權(quán)重值，詳見表6。

（3）計算層次權(quán)重主排序。利用各層次權(quán)重單排序計算層次權(quán)重總排序，假設(shè)上層（C層）含有m個參數(shù)C1，C2，…，Cm，Cj為m個參數(shù)所對應(yīng)的層次排序。C層的下一層（S層）包含n個參數(shù)S1，S2…，Sn，Sij為S層中的各參數(shù)對應(yīng)的Cj的層次單排序權(quán)重，利用式（11）可以計算S層的層次總排序。

表5 4 種不同業(yè)務(wù)下網(wǎng)絡(luò)屬性間判斷權(quán)重

表6 基于子參數(shù)QoS下不同業(yè)務(wù)類型的權(quán)重

根據(jù)式（8）、（9），表6 的單層權(quán)重結(jié)果，按

計算層次總排序，即求時延、抖動、丟包率、速率、負(fù)載和價格基于不同情況下的主觀權(quán)重W1，結(jié)果見表7、8。

表7 基于QoSP屬性矩陣

2.2 熵值

（1）場景一：單種接入網(wǎng)的網(wǎng)絡(luò)選擇。在EXata仿真軟件中搭建海洋互聯(lián)網(wǎng)場景，選取背景為某港區(qū)附近，覆蓋范圍為85 km ×85 km，根據(jù)船訊網(wǎng)中的衛(wèi)星地圖來部署船舶分布，針對同樣的網(wǎng)絡(luò)屬性，分別對3 個接入網(wǎng)的內(nèi)部節(jié)點和邊緣節(jié)點進行多次測試，對得到的數(shù)據(jù)進行綜合統(tǒng)計分析，且考慮有限次實驗的不確定性，綜合各種因素下對3 種接入網(wǎng)的各個屬性賦予如表9 所示的值。

表8 基于PP屬性矩陣

表9 各個網(wǎng)絡(luò)性能參數(shù)

網(wǎng)絡(luò)屬性值并非都是越大越有利，其中速度、可用負(fù)載為越大越好型，采用式（13）對這類屬性進行歸一化處理。

而時延、抖動、丟包率、網(wǎng)絡(luò)負(fù)載和價格為越小越好，采用式（14）對這類屬性進行歸一化處理。

式中：rij為第i個方案中的第j項參數(shù)的歸一化數(shù)值。對參數(shù)進行規(guī)范化后用式（6）計算得到各個參數(shù)在3種接入網(wǎng)下的熵權(quán)W2：

根據(jù)式（8）、（9）對熵權(quán)和AHP 計算得到的權(quán)重W1、W2進行簡單加權(quán)，得到不同用戶和不同業(yè)務(wù)類型下各個接入網(wǎng)的總權(quán)重值，計算結(jié)果見表11。

表11 3 種接入網(wǎng)對應(yīng)總權(quán)重

由表11 可見，對3 種接入網(wǎng)來講，同一種服務(wù)業(yè)務(wù)在不同用戶偏好下應(yīng)該接入的網(wǎng)絡(luò)是不同的，以會話業(yè)務(wù)為例，當(dāng)用戶的需求是保證服務(wù)質(zhì)量時，應(yīng)該選擇SAT作為最優(yōu)接入網(wǎng)絡(luò)，符合衛(wèi)星網(wǎng)絡(luò)傳輸速度快，丟包率低，時延小的優(yōu)勢，當(dāng)用戶考慮價格優(yōu)先時，CLN應(yīng)該是最優(yōu)接入網(wǎng)，相對于衛(wèi)星網(wǎng)絡(luò)價格低廉且比船舶自組網(wǎng)穩(wěn)定。當(dāng)用戶的需求一樣時，不同業(yè)務(wù)類型下的最優(yōu)接入網(wǎng)也是不同的，例如，當(dāng)用戶追求服務(wù)質(zhì)量時，會話類業(yè)務(wù)應(yīng)當(dāng)選擇SAT 最為接入網(wǎng)，流類業(yè)務(wù)應(yīng)當(dāng)選擇CLN作為接入網(wǎng)。

（2）組合接入網(wǎng)的網(wǎng)絡(luò)選擇。場景一分析了海洋中單種網(wǎng)絡(luò)下的網(wǎng)絡(luò)選擇，單種網(wǎng)絡(luò)已經(jīng)無法滿足一些遠距離的海洋活動，這些活動需要在多種接入網(wǎng)之間進行通信，因此，創(chuàng)建一個新的場景，如圖2 所示，該場景由衛(wèi)星、岸基和船舶自組網(wǎng)3 種網(wǎng)絡(luò)組成，包含30 艘船舶和文件服務(wù)器等其他基礎(chǔ)設(shè)施，船舶移動速率采用隨機移動模型，速率保持在6 ～13 m/s，移動粒度為10 m，仿真覆蓋范圍為70 km ×80 km，仿真時間為60 s，應(yīng)用類型為CBR，應(yīng)用傳輸發(fā)送的數(shù)據(jù)包大小為512B，最大的發(fā)送數(shù)據(jù)包數(shù)為1 000 個，船舶5 向地面文件服務(wù)器114 發(fā)送數(shù)據(jù)。

圖2 組合接入網(wǎng)仿真場景

仿真運行結(jié)果如圖3 所示，圖中箭頭所示為數(shù)據(jù)傳輸路徑，圖3（a）中的路徑是基于原始的AODV協(xié)議的路由選擇，路徑經(jīng)過WANET-WANET-SAT（WWS）；圖3（b）中的路徑是基于復(fù)合權(quán)重所選的路徑WANET-WANET-CLN（WWC），這兩種路徑非常具有代表性，因此以這兩種路徑為代表進行分析。

圖3 仿真運行結(jié)果

3 仿真實驗分析

3.1 場景一：單種接入網(wǎng)的網(wǎng)絡(luò)選擇

圖4 顯示了在Qos優(yōu)先的情況下，基于AHP的選擇方法與本文的基于復(fù)合權(quán)重的選擇方法為不同業(yè)務(wù)類型所選擇的網(wǎng)絡(luò)，只有在會話類中，基于AHP 方法選擇了船舶自組網(wǎng)，而復(fù)合權(quán)重方法選擇了衛(wèi)星，雖然會話類業(yè)務(wù)中時延和抖動是最重要指標(biāo)，船舶自組網(wǎng)的時延比衛(wèi)星小，但衛(wèi)星的抖動幾乎為零，而且用戶要求質(zhì)量優(yōu)先，衛(wèi)星的穩(wěn)定性比船舶自組網(wǎng)高很多，因此，應(yīng)當(dāng)選擇衛(wèi)星作為接入網(wǎng)。對于其他的業(yè)務(wù)類型，兩種方法所選擇的網(wǎng)絡(luò)一致，說明了本文的算法具有合理性，且比AHP方法更加準(zhǔn)確。

圖5 顯示了在價格優(yōu)先的情況下，兩種方法為不同業(yè)務(wù)類型所選擇的網(wǎng)絡(luò)，同樣，除會話類外，兩者所做的選擇是一致的。在會話類中，基于AHP方法選擇了船舶自組網(wǎng)，而復(fù)合權(quán)重方法選擇了岸基網(wǎng)絡(luò)，用戶重點考慮的是價格，而船舶自組網(wǎng)的價格比岸基貴很多，因此，基于復(fù)合權(quán)重的算法所做的選擇更加準(zhǔn)確。

圖4 QoSP下兩種選擇方法對比

圖5 PP下兩種選擇方法對比

仿真結(jié)果表明，當(dāng)3 種接入網(wǎng)都可以正常使用時且用戶注重服務(wù)質(zhì)量的前提下，本文選擇算法為會話業(yè)務(wù)選擇抖動最小的SAT作為接入網(wǎng)，為流媒體業(yè)務(wù)選擇速率最快的CLN來進行服務(wù)，為交互業(yè)務(wù)和背景業(yè)務(wù)選擇丟包率最低的SAT作為接入網(wǎng)絡(luò)，以上算法作出的選擇都完全符合不同業(yè)務(wù)類型在保證服務(wù)質(zhì)量下的服務(wù)需求，這說明本文算法具有合理性和有效性。并且AHP受決策者主觀影響較大，可能會導(dǎo)致最終作出的選擇缺乏合理性，而本文算法不僅能夠?qū)⒂脩羝煤蜆I(yè)務(wù)需求結(jié)合考慮，而且還能將主觀因素和客觀因素進行結(jié)合，最終為業(yè)務(wù)選擇合適的接入網(wǎng)，提高了網(wǎng)絡(luò)選擇的合理性，能夠更好地為用戶服務(wù)。

3.2 場景二：組合接入網(wǎng)的網(wǎng)絡(luò)選擇

通過仿真平臺，測得兩種路徑下的吞吐量、時延、抖動和丟包率，如圖6 所示，仿真時間和數(shù)據(jù)包大小保持不變，隨著發(fā)包間隔的增大，兩種路徑上的吞吐量呈下降趨勢，WWC 和WWS 的吞吐量基本一致，所以兩者的數(shù)據(jù)處理能力相差無幾。

如圖7 所示，WWS 比WWC 的端到端時延大，由于數(shù)據(jù)包大小和個數(shù)相同，處理數(shù)據(jù)包的能力也基本相同，所以影響端到端時延的因素主要是傳輸過程中經(jīng)過的網(wǎng)絡(luò)，WWS 和WWC 相比，主要的區(qū)別在于一個經(jīng)過衛(wèi)星網(wǎng)絡(luò)，一個經(jīng)過岸基網(wǎng)絡(luò)，衛(wèi)星網(wǎng)絡(luò)的傳播時延高于岸基網(wǎng)絡(luò)的時延，導(dǎo)致WWS 整個路徑上的端到端時延比較大，隨著發(fā)包速率的降低，WWS 端到端時延基本維持在0.33 s 左右，WWC 的時延逐漸下降，趨于0.08 s。

圖6 兩種路徑下的吞吐量

圖7 兩種路徑下的端到端時延

如圖8 所示，WWC的抖動明顯大于WWS，這是由于WWC中經(jīng)過更多跳的船舶，船舶自組網(wǎng)中節(jié)點的移動導(dǎo)致鏈路狀態(tài)不穩(wěn)定，抖動會增加，而衛(wèi)星網(wǎng)絡(luò)很穩(wěn)定，幾乎沒有抖動。隨著發(fā)包速率的降低，WWC 的抖動逐漸減小，WWS的抖動一直維持在0.01 s左右。

圖8 兩種路徑下的抖動

如圖9 所示，WWC的丟包率始終要高于WWS，船舶自組網(wǎng)中節(jié)點的移動使得鏈路狀態(tài)不穩(wěn)定，導(dǎo)致丟包率增大，并且岸基網(wǎng)絡(luò)的丟包率比衛(wèi)星高很多，因此，WWS比WWC的丟包率高。在WWS中，衛(wèi)星網(wǎng)絡(luò)占據(jù)主要的通信地位，衛(wèi)星網(wǎng)絡(luò)最大的特點就是穩(wěn)定，所以WWS的丟包率一直穩(wěn)定在0.02 左右。隨著數(shù)據(jù)發(fā)包率的降低，WWC的丟包率也逐漸下降。

圖9 兩種路徑下的丟包率

將WWS和WWC這兩條路徑看作是兩個新的接入網(wǎng)，根據(jù)復(fù)合權(quán)重算法計算這兩種網(wǎng)絡(luò)在不同用戶偏好和業(yè)務(wù)類型下的效用值，結(jié)果見表12、13，在價格優(yōu)先的情況下，不論數(shù)據(jù)發(fā)送間隔是多少，不論哪種業(yè)務(wù)類型，由于衛(wèi)星網(wǎng)絡(luò)價格過于昂貴，所以WWC 的效益值都大于WWS 的效用值。在Qos 優(yōu)先的情況下，在數(shù)據(jù)發(fā)送間隔為0.2 s和0.4 s時，在交互類和后臺類中，WWS的效益值稍高于WWC，在會話類和流類中，WWC 的效益值明顯高于WWS?？傮w而言，WWC優(yōu)于WWS，即基于復(fù)合權(quán)重算法下所選擇的的組合接入網(wǎng)更好，更加能滿足用戶偏好和業(yè)務(wù)類型。

表12 Qos優(yōu)先下組合接入網(wǎng)的效用值

表13 價格優(yōu)先下組合接入網(wǎng)的效用值

4 結(jié) 語

本文以海洋互聯(lián)網(wǎng)為研究背景，提出一種基于AHP-熵權(quán)簡單加權(quán)的海洋互聯(lián)網(wǎng)接入網(wǎng)選擇算法，該算法不僅考慮了用戶偏好，還考慮了基于QoS 的不同業(yè)務(wù)類型對網(wǎng)絡(luò)的性能要求，利用AHP計算出主觀權(quán)重，利用熵計算出客觀權(quán)重，將主觀權(quán)重和客觀權(quán)重進行簡單加權(quán)，最終為用戶選擇最優(yōu)的接入網(wǎng)?？傊?，該算法結(jié)合了AHP和熵權(quán)這兩種決策方法的優(yōu)點，將影響最終網(wǎng)絡(luò)選擇的主觀因素和客觀因素相結(jié)合。總之，這種基于復(fù)合權(quán)重的接入網(wǎng)選擇算法不但具有合理性，而且提高了接入網(wǎng)選擇的正確性和穩(wěn)定性，能夠更好地滿足用戶和業(yè)務(wù)的需求，提高了用戶的體驗度。