CN107277137B - 基于服务质量感知的大数据自主感应防碰撞控制方法 - Google Patents

基于服务质量感知的大数据自主感应防碰撞控制方法 Download PDF

Info

Publication number
CN107277137B
CN107277137B CN201710472658.6A CN201710472658A CN107277137B CN 107277137 B CN107277137 B CN 107277137B CN 201710472658 A CN201710472658 A CN 201710472658A CN 107277137 B CN107277137 B CN 107277137B
Authority
CN
China
Prior art keywords
big data
max
state
length
quality
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710472658.6A
Other languages
English (en)
Other versions
CN107277137A (zh
Inventor
靳勇
周豪
李明杰
闫海英
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changshu Institute of Technology
Original Assignee
Changshu Institute of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changshu Institute of Technology filed Critical Changshu Institute of Technology
Priority to CN201710472658.6A priority Critical patent/CN107277137B/zh
Publication of CN107277137A publication Critical patent/CN107277137A/zh
Application granted granted Critical
Publication of CN107277137B publication Critical patent/CN107277137B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/50Network services
    • H04L67/60Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H04L67/61Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources taking into account QoS or priority requirements

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种基于服务质量感知的大数据自主感应防碰撞控制方法,包括从符号传输速率、业务量、包长、信道质量、拓扑区域出发,自主感应大数据网络状态,主动调整终端工作状态及其接入点高度,感知大数据网络服务质量变化,寻找资源利用率最佳和数据质量最佳的大数据网络架构,自主降低碰撞率,从而提供多样化和动态变化的大数据质量保障。该方法充分考虑了大数据网络实时状态、大数据质量、多址接入和自主防碰撞等方面,从大数据服务质量保障需求出发,优化大数据传输网络状态和终端工作状态,在提高资源利用率同时,改进大数据质量、提升大数据网络服务质量。

Description

基于服务质量感知的大数据自主感应防碰撞控制方法
技术领域
本发明涉及物联网和互联网+中大数据无线传输防碰撞控制方法,特别是涉及一种基于服务质量感知的自主感应防碰撞控制方法,属于大数据网络服务质量保证和数据质量改进技术领域。
背景技术
物联网和互联网+应用于智慧档案、智慧交通、环境监测和大气净化等领域时,大数据的采集、存储和处理需要占用应用平台大量资源和设备,尤其是大数据发送与接收过程中的数据碰撞和冲突使得服务质量和数据质量明显下降。同时大数据传输网络的时变拓扑和多样化大数据质量保证需求,使得如何在服务质量、大数据质量和大数据网络之间寻求优化防碰撞控制方案成为关键问题。已有的控制方法智能在上述三个目标中优化一个或者两个目标,当综合考虑三个目标时,为了保障用户体验质量和服务质量导致大数据网络的系统消耗显著增加。鉴于此,本申请人作了有益的设计,下面将要介绍的技术方案便是在这种背景下产生的。
发明内容
针对上述现有技术的不足,本发明的目的是提供一种基于服务质量感知的大数据自主感应防碰撞控制方法,通过分割大数据传输时间和主动约定传输时刻,感知服务质量抖动,基于大数据自主感应搭建具有自主防碰撞能力的大数据网络,显著降低大数据传输的碰撞率,提供有效地服务质量和大数据质量保障。
基于服务质量感知的大数据自主感应防碰撞控制方法,包括以下步骤:
S01、大数据网络状态的上限定义为{符号传输速率最大值SLMAX,业务量最大值GMAX,包长最大值SPMAX,路径损耗指数最大值LMAX,服务区域半径最大值RMAX,接入点高度最大值HMAX,终端数最大值TEMAX},终端工作状态定位为{发送MT、收听ML、等待MW};
S02、大数据网络服务质量状态定义为{吞吐量SB,传输延迟TB,丢包率PLB},大数据自主感应控制状态定义为{符号传输速率SL,包长SP,路径损耗指数L,服务区域大小R,接入点高度H,终端数TE};
S03、符号传输速率SL从0符号每秒到SLMAX符号每秒,步长为0.1e6符号每秒,业务量G从0到TMAX,步长为0.1,分析大数据服务质量状态即吞吐量SB,传输延迟TB,丢包率PLB的变化规律,得到使得服务质量达到最佳状态的符号传输速率SLTR
S04、包长SP从0个符号到SPMAX个符号,步长为100个符号,业务量G从0到TMAX,步长为0.1,分析大数据服务质量状态即吞吐量SB,传输延迟TB,丢包率PLB的变化规律,得到使得服务质量达到最佳状态的包长SPLE
S05、路径损耗指数L从1到LMAX,步长为0.5,业务量G从0到TMAX,步长为0.1,分析大数据服务质量状态即吞吐量SB,传输延迟TB,丢包率PLB的变化规律,得到使得服务质量达到最佳状态的路径损耗指数LR
S06、服务区域半径R从0米到RMAX米,步长为50米,业务量G从0到TMAX,步长为0.1,分析大数据服务质量状态即吞吐量SB,传输延迟TB,丢包率PLB的变化规律,得到使得服务质量达到最佳状态的服务区域半径RSA
S07、接入点高度H从0米到HMAX米,步长为2米,业务量G从0到TMAX,步长为0.1,分析大数据服务质量状态即吞吐量SB,传输延迟TB,丢包率PLB的变化规律,得到使得服务质量达到最佳状态的接入点高度HA
S08、终端数TE从0到TEMAX,步长为50,业务量G从0到TMAX,步长为0.1,分析大数据服务质量状态即吞吐量SB,传输延迟TB,丢包率PLB的变化规律,得到使得服务质量达到最佳状态的终端数TEN
S09、结合S03,S04,S05,S06,S07和S08,在RSA为半径所覆盖服务区域内,设定符号传输速率为STR和选择路径损耗指数小于等于LR的无线信道传输大数据,将大数据发送节点和转发节点的包长调整至PLE且接入点高度调整为HA
S10、如果RSA为半径的服务区域所覆盖的终端数NRA大于NT,则只激活该区域内终端并转入发送状态MT,NRA-NT终端转入收听状态ML,TEMAX-NRA终端转入等待状态MW;否则激活NT个大数据传输终端并转入发送状态MT,NT-NRA终端转入收听状态ML,TEMAX-NT终端转入等待状态MW
S11、搭建具有大数据质量保证、大数据网络服务状态最佳和资源利用率最高的大数据传输网络,大数据自主改变包长长度和符号传输速率,实时调整大数据发送时隙长度,主动降低碰撞概率。
本发明所提供的技术方案的有益效果是,在大数据网络状态范围内,自主感应符号传输速率,包长,路径损耗指数,服务区域大小,接入点高度,终端数等控制参数对大数据服务质量的影响,寻找使得大数据质量达到最佳的控制参数,自适应组建具有最佳防碰撞功能的大数据传输网络,提供高效网络资源利用和数据质量的有效保障。在满足高质量大数据传输需求同时,实时调整终端工作状态,有效解决了大数据质量保证需求与有限网络资源竞争问题,以及大数据网络状态优化与服务质量保障之间存在的激烈矛盾。
附图说明
图1为本发明大数据自主感应防碰撞控制方法示意图。
图2为丢包率与业务量和符号传输速率的关系示意图。
图3为传输延迟与业务量和符号传输速率的关系示意图。
图4为吞吐量与业务量和符号传输速率的关系示意图。
图5为丢包率与业务量和包长的关系示意图。
图6为传输延迟与业务量和包长的关系示意图。
图7为吞吐量与业务量和包长的关系示意图。
图8为丢包率与业务量和路径损耗指数的关系示意图。
图9为传输延迟与业务量和路径损耗指数的关系示意图。
图10为吞吐量与业务量和路径损耗指数的关系示意图。
图11为丢包率与业务量和服务区域半径的关系示意图。
图12为传输延迟与业务量和服务区域半径的关系示意图。
图13为吞吐量与业务量和服务区域半径的关系示意图。
图14为丢包率与业务量和接入点高度的关系示意图。
图15为传输延迟与业务量和接入点高度的关系示意图。
图16为吞吐量与业务量和接入点高度的关系示意图。
图17为丢包率与业务量和终端数的关系示意图。
图18为传输延迟与业务量和终端数的关系示意图。
图19为吞吐量与业务量和终端数的关系示意图。
具体实施方式
下面结合实施例对本发明作进一步说明,但不作为对本发明的限定。
大数据网络传输通信中,大数据网络状态定义为{符号传输速率最大值SLMAX,业务量最大值GMAX,包长最大值SPMAX,路径损耗指数最大值LMAX,服务区域半径最大值RMAX,接入点高度最大值HMAX,终端数最大值TEMAX},终端工作状态定位为{发送MT、收听ML、等待MW}。大数据网络服务质量状态定义为{吞吐量SB,传输延迟TB,丢包率PLB},大数据自主感应控制状态定义为{符号传输速率SL,包长SP,路径损耗指数L,服务区域大小R,接入点高度H,终端数TE}。
根据公式(1),(2),(3)和(4)可以计算得到大数据网络通信的实际业务量GT、丢包率PLB、吞吐量SB、平均延迟TB
其中,GT表示实际业务量,Tplen表示待传输的符号数,Ntime表示大数据传输更新时间,Splen表示成功传输的符号数,Wtime表示成功传输的延迟时间,Ttotal表示大数据成功传输的总时间,Mcount表示数据包发送的总次数。
根据公式(1),(2),(3)和(4),符号传输速率SL从0.1e6符号每秒到0.5e6符号每秒,步长为0.1e6符号每秒取值,业务量G从0.1到2,步长为0.1取值。分析大数据服务质量状态即丢包率PLB,传输延迟TB与吞吐量SB的变化规律,结果如图2、3和4所示。参阅图2,3和4发现,符号传输速率SL为0.2e6时,大数据网络服务质量状态达到综合最佳即得到使得服务质量达到最佳状态的符号传输速率SLTR=0.2e6。
同理,根据公式(1),(2),(3)和(4),包长SP从300个符号到700个符号,步长为100个符号,业务量G从0.1到2,步长为0.1。分析大数据服务质量状态即吞吐量SB,传输延迟TB,丢包率PLB的变化规律如图5,6,和7,得到使得服务质量达到最佳状态的包长SPLE=500个符号。
公式(5)结合公式(1),(2),(3)和(4),路径损耗指数L从2到4,步长为0.5,业务量G从0.1到2,步长为0.1。分析大数据服务质量状态即吞吐量SB,传输延迟TB,丢包率PLB的变化规律如图8,9,和10,得到使得服务质量达到最佳状态的路径损耗指数LR=4。
其中,Pr表示信号接收功率,Pt表示信号发射功率,d表示发射天线与接收天线之间的距离,d0表示近地参考距离,由测量得到。
公式(6)结合公式(1),(2),(3)和(4),服务区域半径R从50米到250米,步长为50米,业务量G从0.1到2,步长为0.1。分析大数据服务质量状态即吞吐量SB,传输延迟TB,丢包率PLB的变化规律如图11,12和13,得到使得服务质量达到最佳状态的服务区域半径RSA的取值范围[150,200]米。
其中,Ps表示终端的信号发射功率,bxy表示接入点的位置坐标。
公式(7)结合公式(1),(2),(3)和(4),接入点高度H从7米到15米,步长为2米,业务量G从0.1到2,步长为0.1。分析大数据服务质量状态即吞吐量SB,传输延迟TB,丢包率PLB的变化规律如图14,15和16,得到使得服务质量达到最佳状态的得到使得服务质量达到最佳状态的接入点高度HA取值范围[9,11]米。
其中,bx表示终端位置的横坐标,by表示终端位置的纵坐标。
根据公式(1),(2),(3),(4)和(7),终端数TE从50到250,步长为50,务量G从0.1到2,步长为0.1。分析大数据服务质量状态即吞吐量SB,传输延迟TB,丢包率PLB的变化规律如图17,18,和19,得到使得服务质量达到最佳状态的终端数TEN=100。
接下来,在RSA指定的服务区域内,指定符号传输速率为STR和选择路径损耗指数小于等于LR的无线信道传输大数据,将大数据发送节点和转发节点的包长调整至PLE且接入点高度调整为HA
接着,如果RSA为半径的服务区域所覆盖的终端数NRA大于NT,则只激活该区域内终端并转入发送状态,NRA-NT终端转入收听状态,TEMAX-NRA终端转入等待状态;否则激活NT个大数据传输终端并转入发送状态,NT-NRA终端转入收听状态,TEMAX-NT终端转入等待状态。
然后,根据图1所示流程,搭建具有大数据质量保证、大数据网络服务状态最佳和资源利用率最高的大数据网络。
最后,大数据网络自主改变包长长度和符号传输速率,实时调整大数据发送时隙长度,主动降低碰撞概率。
本发明从大数据网络服务质量出发,自主感应具有最佳服务质量的符号传输速率SL,包长SP,路径损耗指数L,服务区域大小R,接入点高度H,终端数TE等参数,结合大数据质量保证需求,主动搭建并实时更新大数据网络,自适应防碰撞控制,主动降低碰撞概率,从而在满足高质量大数据传输需求同时,根据用户多样化的体验需求,实时调整终端工作状态,既提供了有效地大数据质量保证与优化了网络资源分配,又提升了大数据网络服务质量。

Claims (1)

1.一种基于服务质量感知的大数据自主感应防碰撞控制方法,其特征在于,包括以下步骤:
S01、大数据网络状态的上限定义为{符号传输速率最大值SLMAX,业务量最大值GMAX,包长最大值SPMAX,路径损耗指数最大值LMAX,服务区域半径最大值RMAX,接入点高度最大值HMAX,终端数最大值TEMAX},终端工作状态定义为{发送MT、收听ML、等待MW};
S02、大数据网络服务质量状态定义为{吞吐量SB,传输延迟TB,丢包率PLB},大数据自主感应控制状态定义为{符号传输速率SL,包长SP,路径损耗指数L,服务区域大小R,接入点高度H,终端数TE};
S03、符号传输速率SL从0符号每秒到SLMAX符号每秒,步长为0.1e6符号每秒,业务量G从0到TMAX,步长为0.1,分析大数据服务质量状态变化规律,得到使得服务质量达到最佳状态的符号传输速率SLTR
S04、包长SP从0个符号到SPMAX个符号,步长为100个符号,业务量G从0到TMAX,步长为0.1,分析大数据服务质量状态变化规律,得到使得服务质量达到最佳状态的包长SPLE
S05、路径损耗指数L从1到LMAX,步长为0.5,业务量G从0到TMAX,步长为0.1,分析大数据服务质量状态变化规律,得到使得服务质量达到最佳状态的路径损耗指数LR
S06、服务区域半径R从0米到RMAX米,步长为50米,业务量G从0到TMAX,步长为0.1,分析大数据服务质量状态变化规律,得到使得服务质量达到最佳状态的服务区域半径RSA
S07、接入点高度H从0米到HMAX米,步长为2米,业务量G从0到TMAX,步长为0.1,分析大数据服务质量状态变化规律,得到使得服务质量达到最佳状态的接入点高度HA
S08、终端数TE从0到TEMAX,步长为50,业务量G从0到TMAX,步长为0.1,分析大数据服务质量状态变化规律,得到使得服务质量达到最佳状态的终端数TEN
S09、结合S03,S04,S05,S06,S07和S08,在RSA为半径所覆盖服务区域内,设定符号传输速率为STR和选择路径损耗指数小于等于LR的无线信道传输大数据,将大数据发送节点和转发节点的包长调整至PLE且接入点高度调整为HA
S10、如果RSA为半径的服务区域所覆盖的终端数NRA大于NT,则只激活该区域内终端并转入发送状态MT,NRA-NT终端转入收听状态ML,TEMAX-NRA终端转入等待状态MW;否则激活NT个大数据传输终端并转入发送状态MT,NT-NRA终端转入收听状态ML,TEMAX-NT终端转入等待状态MW
S11、搭建具有大数据质量保证、大数据网络服务状态最佳和资源利用率最高的大数据传输网络,大数据自主改变包长长度和符号传输速率,实时调整大数据发送时隙长度,主动降低碰撞概率。
CN201710472658.6A 2017-06-21 2017-06-21 基于服务质量感知的大数据自主感应防碰撞控制方法 Active CN107277137B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710472658.6A CN107277137B (zh) 2017-06-21 2017-06-21 基于服务质量感知的大数据自主感应防碰撞控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710472658.6A CN107277137B (zh) 2017-06-21 2017-06-21 基于服务质量感知的大数据自主感应防碰撞控制方法

Publications (2)

Publication Number Publication Date
CN107277137A CN107277137A (zh) 2017-10-20
CN107277137B true CN107277137B (zh) 2019-07-30

Family

ID=60067971

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710472658.6A Active CN107277137B (zh) 2017-06-21 2017-06-21 基于服务质量感知的大数据自主感应防碰撞控制方法

Country Status (1)

Country Link
CN (1) CN107277137B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111490913B (zh) * 2020-04-22 2021-10-08 南京上古网络科技有限公司 一种基于物联网平台的通信数据质量监测系统及方法
CN112996071B (zh) * 2021-03-11 2021-12-31 北京交通大学 一种基于用户业务感知的车辆垂直切换方法及系统
CN114900335B (zh) * 2022-04-02 2023-04-18 北京国信网联科技有限公司 一种基于机器学习的内网攻击检测系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105515822A (zh) * 2015-11-24 2016-04-20 武汉邮电科学研究院 大数据驱动的互联网架构和实现方法
CN106027317A (zh) * 2016-07-21 2016-10-12 中国人民解放军海军工程大学 信任感知的Web服务质量预测系统及方法
CN106528941A (zh) * 2016-10-13 2017-03-22 内蒙古工业大学 一种服务器平均温度约束下的数据中心能耗最优化资源控制算法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8295280B2 (en) * 2009-12-21 2012-10-23 Manipal Institute Of Technology Multi-service adaptable routing protocol for wireless sensor networks

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105515822A (zh) * 2015-11-24 2016-04-20 武汉邮电科学研究院 大数据驱动的互联网架构和实现方法
CN106027317A (zh) * 2016-07-21 2016-10-12 中国人民解放军海军工程大学 信任感知的Web服务质量预测系统及方法
CN106528941A (zh) * 2016-10-13 2017-03-22 内蒙古工业大学 一种服务器平均温度约束下的数据中心能耗最优化资源控制算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"大数据驱动的网络信息平面";尹浩等;《计算机学报》;20160322;全文

Also Published As

Publication number Publication date
CN107277137A (zh) 2017-10-20

Similar Documents

Publication Publication Date Title
CN104301987B (zh) 用于调整接收半径的装置和用于处理探测请求的方法
CN106465409B (zh) 用于调度无线设备间的通信以减少与多小区网络中全双工通信相关联的干扰的系统和方法
CN107277137B (zh) 基于服务质量感知的大数据自主感应防碰撞控制方法
KR101727693B1 (ko) 지향성 안테나를 이용한 자원 경쟁 기반 다중 접속 장치 및 방법
EP3222092B1 (en) Method for managing communication between a plurality of moving objects
US7688730B2 (en) System and method for multi-channel data-adaptive thresholding for shared channels with time-varying rate constraints
CN103201993A (zh) 基站、通信系统和对在基站处的发送指向性的控制方法
CN106304303B (zh) 一种适用于wia-pa无线网络的功率调整方法
CN102457913B (zh) 一种基于无线传感器网络传输数据的方法、装置及系统
CN110662233B (zh) 基于定向天线收发的统计优先多址接入方法
Cao et al. Deep reinforcement learning mac for backscatter communications relying on Wi-Fi architecture
Ouamri et al. Double deep q-network method for energy efficiency and throughput in a uav-assisted terrestrial network
CN106793132B (zh) 一种基于载波聚合的资源分配方法及网络通信系统
Cui et al. Dynamic multichannel access based on deep reinforcement learning in distributed wireless networks
CN103874241A (zh) 支持各种射频通讯融合工作的网关
CN115665891A (zh) 一种去中心化的分布式雷达系统
Lei et al. Reinforcement learning based multi-parameter joint optimization in dense multi-hop wireless networks
Wang et al. A deep learning assisted approach for minimizing the age of information in a WiFi network
CN106535199A (zh) 基于433MHz和2.4GHz频段的双通道通信方法
CN113630887B (zh) 一种基于在线学习的毫米波网络的车联网通信方法
US20230353496A1 (en) Vector-based packet processing method and apparatus in user plane function
Duong et al. Bio-inspired decentralized rogue node detection in fair dynamic spectrum access networks
CN102594396A (zh) 一种窄带通信系统的干扰抑制方法
Luo et al. An improved CSMA/CA algorithm based on WSNs of the drug control system
Erturk et al. Improving Drone Data Gathering WSN Application Performance with a Predefined p-based Approach for Slotted p-Persistent CSMA MAC

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant