CN107896347B - 一种无源光网络规划方法、设备及无源光网络 - Google Patents

Abstract

本申请实施例提供了一种无源光网络规划方法、设备及无源光网络，用于实现接入的多模终端节点的最大覆盖。方法应用在具有无线蜂窝网络的网络环境中，包括：确定网络环境中接入无线基站的多模终端节点；对未接入无线基站的多模终端节点进行无源光网络规划。由于方法考虑了终端节点的多模特性，利用已经存在的无线基站，使其为一部分多模终端节点提供接入服务，因此，有利于节省无源光网络的部署成本，从而提高规划网络的覆盖率。

Description

一种无源光网络规划方法、设备及无源光网络

技术领域

本申请涉及通信技术领域，尤其涉及一种无源光网络规划方法、设备及无源光网络。

背景技术

无源光网络(Passive Optical Network，PON)以其带宽宽、成本低、便于运行维护、接入用户多、传输距离远等优点逐渐成为有线宽带接入的最佳选择之一，并被广泛采用。作为一种经济可靠的解决方案，PON网络的规划和组网技术得到越来越多的关注，如何利用已有资源，设计最优的接入网络成为业界普遍关注的一个热点。

专利文献CN102355607A、CN103414962A、CN103414509A、CN103096187A和CN103384354A分别给出了无源光网络的规划方法，大部分是在成本充足的情况下，针对无源光网络进行的最优部署规划。

上述方案均局限在无源光网络中，并没有考虑周围网络环境对无源光网络最优部署规划的影响，显然是无法在限定成本预算情况下，实现接入的终端节点的最大覆盖。

发明内容

本申请实施例提供一种无源光网络规划方法、设备及无源光网络，该方法、设备及无源光网络利用已经存在的无线网络为一部分多模终端节点提供接入，从而减少无源光网络需要覆盖的多模终端节点数量，在不超出预算成本的前提下，实现接入的多模终端节点的覆盖最大化。

一种无源光网络规划方法，应用在具有无线蜂窝网络的网络环境中，包括：

确定网络环境中接入无线基站的多模终端节点；

对未接入无线基站的多模终端节点进行无源光网络规划。

一种无源光网络规划设备，应用在具有无线蜂窝网络的网络环境中，包括：

确定模块，用于确定网络环境中接入无线基站的多模终端节点；

规划模块，用于对未接入无线基站的多模终端节点进行无源光网络规划。

一种无源光网络，所述无源光网络是利用上述无源光网络规划方法规划得到的。

在本申请实施例的方案中，考虑了终端节点的多模特性，利用已经存在的无线基站，使其为一部分多模终端节点提供接入服务，有利于节省无源光网络的部署成本，从而提高规划网络的覆盖率。并且使用蚁群智能优化算法对接入网络规划问题进行求解，计算复杂度低，在问题规模较大时仍可以保持较高的计算效率。

附图说明

图1为本申请实施例提供的无源光网络规划方法的流程图；

图2为本申请实施例提供的不同需求速率和预算成本对覆盖率影响示意图；

图3为本申请实施例提供的不同基站功率和预算成本对覆盖率影响示意图；

图4为本申请实施例提供的不同算法的收敛性示意图；

图5为本申请实施例提供的无源光网络规划设备的结构示意图。

具体实施方式

为了实现接入的多模终端节点的最大覆盖，本申请实施例提供一种无源光网络规划方法、设备及无源光网络。

发明人发现，随着网络接入技术不断发展和用户需求的多元化趋势，为了提高网络终端的接入能力，有线和无线多模终端节点开始大量出现，这些多模终端节点能够根据所在网络环境中各类网络的状况以及自身业务需求，选择合适的方式接入网络。这种可选择性，客观上使网络间产生了关联和协作，从而形成了有线和无线混合的接入环境。从规划的角度，可以充分利用网络间的关联和协作关系，以及各类网络的优势和特点，降低接入网整体的部署成本或提升部署网络的整体性能。在一些具体应用领域，如配电通信网中，往往已经存在了无线网络，这时在考虑无源光网络的规划问题时可以利用已经存在的无线网络来提高网络整体覆盖率。

基于上述发现，本申请提出了利用已经存在的无线网络为一部分多模终端节点提供接入，针对另一部分不能接入的多模终端节点，进行无源光网络规划的网络规划方法。具体的，该种方法中，首先确定网络环境中接入无线基站的多模终端节点；其次，对未接入无线基站的多模终端节点进行无源光网络规划。此种方案中，考虑了终端节点的多模特性，利用已经存在的无线基站，使其为一部分多模终端节点提供接入服务，有利于节省无源光网络的部署成本，从而提高规划网络的覆盖率。

以下结合说明书附图对本申请的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本申请，并不用于限定本申请。并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

本申请实施例中的基于已有的无线蜂窝网的无源光网络规划方法，假设无线蜂窝基站已经存在，无源光网络中的OLT(optical line terminal，光线路终端)位置已经确定，ONU(Optical Network Unit，光网络单元)的部署靠近多模终端节点，即多模终端节点与ONU间的距离可以忽略不计，此时，本申请实施例的方案的流程图如图1所示，包括以下步骤：

步骤101：蚁群智能优化算法初始化步骤。

因为已经存在的无线蜂窝网络可以覆盖一部分多模终端节点，所以在进行无源光网络规划时无需再次为已经被无线网络覆盖的多模终端节点提供接入服务，规划过程中不仅需要考虑如何使无源光网络在预算成本内实现最大覆盖，还需要考虑把哪些多模终端节点接入无线网络以实现最大覆盖。针对此规划问题的复杂性，本申请使用智能优化算法中的蚁群算法进行求解。

蚁群算法的整体流程为，预设蚂蚁数量，初始化每只蚂蚁对应一组多模终端节点序列，蚂蚁按照此序列顺序为每个多模终端节点寻找合适的无线基站进行接入，若没有满足条件的基站则不使用无线网络覆盖此多模终端节点，每只蚂蚁都会确定一组无线基站与多模终端节点的连接关系，在此基础上就可以对剩余未被覆盖的多模终端节点进行无源光接入网络的部署规划，进而得到整体网络覆盖率。将此覆盖率的值作为蚁群信息素更新公式中的适应度值影响下一轮蚁群运动过程。

首先定义指示变量a_i,j和z_i,k，分别表示表示接入多模终端节点i是否与PON网络的分光器和无线网络中的基站所连接，连接为1，未连接为0。所以此发明中无源光网络规划的目标函数可表示为：

步骤102：进行多模终端节点与无线基站的连接关系确定步骤。

蚂蚁按照对应的序列顺序为每个多模终端节点寻找满足多模终端节点业务需求的无线基站并接入。

由于本发明利用了已存在的无线蜂窝基站，即无线基站参数和位置已固定，无线网络中需要规划的只是无线基站与接入多模终端节点之间的连接关系。此问题可描述为：对于一组待服务的多模终端节点集合，有一组无线基站集合用来为多模终端节点提供服务，一个基站可以服务多个多模终端节点，但是一个多模终端节点只能由一个基站来提供服务，每个多模终端节点有不同的业务需求，而每个无线基站拥有的资源有限，且多模终端节点只被能完全满足其需求的基站服务，并消耗此基站的部分资源，由于基站资源有限，不一定会满足所有多模终端节点的需求，即可能有的多模终端节点不会被无线蜂窝基站服务。

蚂蚁按照初始化确定的序列顺序为每个多模终端节点寻找合适的无线基站连接，若没有满足条件的基站则不使用无线网络覆盖此多模终端节点，每只蚂蚁都会确定一组无线基站与多模终端节点的连接关系。具体的约束条件分析如下：

在无线蜂窝网络中，使用已有基站为接入多模终端节点提供覆盖，基站的覆盖能力取决于其发射信号质量的好坏。首先考虑以下无线信道传播模型：

Pr_i,k＝Pt_k·d_i,k ^-r·Ls (2)

其中，Pr_i,k为多模终端节点i从无线基站k接收到的功率，Pt_k为无线基站k的发射功率，d_i,k为多模终端节点i到无线基站k的距离，Ls为阴影衰落，由传播环境中的地形起伏、建筑物及其他障碍物对电波遮蔽所引起，也称为慢衰落，其衰落特性符合对数正态分布Ls～logNormal(0,σ²)，b_i,k为基站k分配给多模终端节点i的带宽，R_i为i的业务需求速率，r为路损指数。根据上述传播模型，可求得多模终端节点i与基站k之间的信号干扰噪声比SINR_i,k，其计算公式为：

其中，N₀为高斯白噪声功率。

对于每一个多模终端节点i，与为其提供服务的无线基站k之间的SINR值应该大于阈值δ，即满足网络覆盖的准则，该约束可表示为：

其中K为全部基站集合，U为全部接入多模终端节点的集合，Γ为最低保证覆盖概率。

另外，由于每一个无线基站能够提供的带宽有限，在规划网络时除了保证覆盖水平外，还需满足基站的容量限制，即基站k服务的全部多模终端节点所需带宽之和不能超出其最大容量B_k。根据多模终端节点i与基站k之间SINR_i,k可以计算得到多模终端节点i与基站k之间的期望带宽b_i,k，每一个无线基站需要满足的容量约束可表示为：

蚂蚁按照设定概率为每个多模终端节点选择接入的无线基站，这里设定概率可由无线基站服务多模终端节点对应的信息素值和无线基站与多模终端节点之间的距离确定。

具体的，设定概率计算公式可为：

其中，α、β分别表示信息素影响程度和启发函数影响程度，τ_i,k代表无线基站k服务多模终端节点i对应的信息素值，d_i,k表示基站k与多模终端节点i之间的距离。在本算法中，参与选择的无线基站只能是满足容量及覆盖约束的，即基站剩余的功率带宽资源能够满足多模终端节点i的需求并且多模终端节点i在其覆盖范围内的一组基站，如果没有满足上述约束的无线蜂窝基站，则不采用无线蜂窝网络为此多模终端节点提供接入。

上述步骤101和步骤102即为确定网络环境中接入无线基站的多模终端节点的具体实现方法，当然，还可以使用其他方法进行网络环境中接入无线基站的多模终端节点的确定，其他方法例如使用启发式算法和其他智能优化算法，其他事智能优化算法例如使用粒子群算法，模拟退火算法，本申请这里并不进行限定。

步骤103：对未接入无线基站的多模终端节点进行无源光网络规划，获得最新的无源光网络规划方案。

这里获得最新的无源光网络规划方案包括：

依次遍历每只蚂蚁，执行下述无源光网络规划方案，将执行结果作为最新的无源光网络规划方案；

其中，无源光网络规划方案可分为两个部分，分别是分光器位置选择和ODN(Optical Distribution Network，光分配网络)网络规划。无源光网络规划方案具体包括从候选位置中进行分光器位置的选择步骤，以及进行光配线网络规划步骤：基于已选择的分光器位置和给定的光线路终端，选择最优的光纤连接方式，实现从光线路终端到分光器再到光网络单元的最优光纤连接，使无源光纤网络在预算成本条件下达到最大覆盖。

具体程序实现中，上述获得最新的无源光网络规划方案可包括以下Step01至Step05：

Step01：赋值蚂蚁个数K＝1，之后执行Step02；

Step02：赋值K＝K+1，之后执行Step03；

Step03：从候选位置中进行分光器位置的选择，之后执行Step04；

Step04：进行光配线网络规划，之后执行Step05；

Step05：判断K是否大于等于预设的蚂蚁数量M；若判断结果为是，则表明完成对蚂蚁的遍历，得到执行Step03和Step04后得到的结果，将执行Step03和Step04后得到的结果作为最新的无源光网络规划方案，之后执行步骤104；若判断结果为否，则跳转至Step02。

分光器从候选位置中进行选择得到，选择方法采用0-1二进制遗传算法，如果一个候选位置被设为分光器，则将此位置对应的遗传个体染色体对应位置的值设置为1，否则为0。具体进化过程包括以下Step11至Step16：

Step11：种群初始化。产生由一组个体组成的种群，每个个体含有一个染色体，染色体长度等于候选分光器数量，每个染色体的组成为一组随机0-1二进制序列，代表一种分光器部署方案。

Step12：适应度计算。根据个体染色体组成，进行分光器的部署，并在进行ODN网络规划后，计算按此方案部署得到的覆盖率，将此覆盖率作为个体的适应度。

Step13：选择。选择出种群中适应度值较高的个体，进行下一步操作。

Step14：交叉。以交叉概率Pr选出个体对，对每一对个体中的染色体，交换其指定位置。

Step15：变异。以变异概率Pm选出个体，对个体染色体中的指定位置进行翻转。

Step16：判断是否到达遗传进化次数，若已达到，停止；否则，转到Step12。

其中在进行初始化时，以及进化过程中，需要对每个新生成的个体进行可行性判断时，使规划得到的网络满足覆盖和容量等约束条件。对于约束条件的具体分析如下：

设OLT坐标为(x_o,y_o)，多模终端节点坐标为

则多模终端节点与OLT之间的距离包含两部分：一是从OLT到分光器的距离d_o2s，二是从分光器到ONU的距离d_s2i，两多模终端节点间距离的计算方式为图论中两点的最短路径长度。

l_i＝d_o2s+d_s2i (8)

分别取l_i,max和l_i,min为所有l_i所形成集合中元素的最大值与最小值，若OLT到接入多模终端节点的最大传输距离为

以及最大差异距离为

则在进行无源光规划时，需满足以下覆盖距离约束：

ODN规划是在分光器的位置确定后，即给定OLT、光分器的位置后，选择最优的光纤连接方式，实现从OLT到分光器再到多模终端节点的最优光纤连接，使PON网络在预算成本条件下达到最大覆盖。考虑无源光网络中的光纤是在可选道路上进行部署，使用图G(V,E)数据结构，其中点集V表示所有接入多模终端节点、分光器及OLT的位置，边集E表示可以铺设光纤的道路。ODN规划问题即在图G中寻找最小代价多播生成树问题，将两点间的光纤部署成本作为生成树上边的代价，在把多模终端节点加入生成树后重新计算部署成本时，如果遇到已经经过的路径，只需计算此路径的布线成本。采用动态贪婪思想来选择多模终端节点的连接顺序，直到成本耗尽。具体流程如下：

Step21：以OLT所在位置为源点，即生成树T在开始时只包含OLT一个元素，计算图G中从源点到每个多模终端节点i的代价，即每个多模终端节点经过分光器到OLT的最小布线成本Cm_i，并保存，布线成本包括施工成本和光纤成本，重复路径只计算一次施工成本；

Step22：对于未连接到OLT的ONU集合U'，取Cm_i,i∈U'；

Step23：取所有Cm中的最小值Cm_min，判断剩余预算成本C是否大于Cm_min。若成本不足，算法停止；否则，将对应的多模终端节点j经分光器连接到OLT，并将此点j加入生成树T，从集合U'中去掉此ONU j，C＝C-Cm_min；

Step24：判断集合U'中的ONU经ONU j连接到分光器是否能使Cm减小，若能，更新Cm；

Step25：重复Step22、Step23和Step24，直到算法因成本不足停止，或者集合U'为空。

网络部署成本的计算公式如下：

其中

表示类型为Φ_s的分光器的成本，C₃表示OLT成本，C₄表示ONU部署成本，最后两项为ODN部署成本，包括施工成本和光纤成本，其中单位光纤成本为C₅，单位施工成本为C₆，

为去除重复路径后的布线总长度，即施工长度，

表示从分光器到OLT的距离，

代表从接入多模终端节点i到分光器的距离。

步骤104：基于接入基站的多模终端节点方案和最新的无源光网络规划方案，确定无线-无源光网络混合组网覆盖率。

上述步骤101至步骤103中进行蚁群初始化、无线基站与多模终端节点连接关系、无源光网络中光分器位置和ODN网络已经确定后，即可计算无线-无源光网络混合组网达到的覆盖率。

步骤105：基于所述覆盖率进行蚁群信息素更新。

上述步骤104中的覆盖率值可作为蚁群算法的适应度函数f(i,k)，代表无线基站k服务多模终端节点i对应的覆盖率，将其作为蚁群信息素更新公式中的适应度值影响下一轮蚁群运动过程。然后进行蚁群信息素更新，更新公式如下：

τ(i,k)＝τ(i,k)*(1-ρ)+1/f(i,k) (12)

其中，τ_i,k代表无线基站k服务多模终端节点i对应的信息素值，ρ为信息素挥发系数，f(i,k)表示按此无线与PON网络混合组网规划达到的整体覆盖率。

步骤106：判断是否满足迭代终止条件，若是，则执行步骤107；若否，则跳转至步骤101。

其中，迭代终止条件为迭代次数到达了指定的最大迭代次数，或者最优解没有改进的次数达到了指定的最大次数，所述最优解为每次迭代得到的最大的无线-无源光网络混合组网达到的覆盖率。

这里每一轮迭代都可以得到该轮的最大的无源光网络覆盖率，使用启发式过程对覆盖率进行寻优。在全部迭代完成后得到全局最大的无源光网络覆盖率，算法终止。

当未满足迭代终止条件时，需要回到步骤101中，执行蚁回到蚁群初始化步骤，重新更新预设数量蚂蚁中每一蚂蚁对应的多模终端节点序列。

步骤107：将最新的无源光网络规划方案确认为最终的无源光网络规划方案。

上述步骤103至步骤107即为对未接入无线基站的多模终端节点进行无源光网络规划的具体实现过程，也是较佳的实现过程，当然，也可以用其他的方法对未接入无线基站的多模终端节点进行无源光网络规划，例如，采用传统的贪婪算法和近似算法来进行无源光网络的规划，这里并不进行限定。此外需要说明的是，在成本不受限情况下，可以使用最短路径算法规划无源光网络，传统的贪婪算法和近似算法可能会出现覆盖的节点分布不均匀的问题。

在本申请实施例的方案中，考虑了终端节点的多模特性，利用已经存在的无线基站，使其为一部分多模终端节点提供接入服务，有利于节省无源光网络的部署成本，从而提高规划网络的覆盖率。并且，本申请旨在提高多模终端节点的覆盖率，结合实际问题，考虑在预算成本受限情况下，最大化网络可以覆盖的多模终端节点数量。进一步地，本申请综合使用诸如蚁群算法、遗传算法、图论算法多种智能优化算法对接入网络规划问题进行求解，计算复杂度低，在问题规模较大时仍可以保持较高的计算效率。

此外，本申请实施例还提出了一种无源光网络，该无源光网络是按照上述实施例中的任一无源光网络规划方法规划得到的。

利用申请提供的方法进行无源光网络规划和规划出的无源光网络，具有以下优点：

1、相比于其他方法，利用了场景中已经存在的无线网络为一部分多模终端节点提供服务，节省了无源光网络规划成本，从而提高了接入网络的覆盖率。

2、相比于其他方法，该方法计算复杂度更低。

下面，通过仿真实验对申请所提出无源光网络规划方法的优点进行说明：

本申请使用MATLAB软件进行数值仿真，仿真区域为1×1km²，多模终端节点数量为100个，候选分光器数量为50个，已经存在的无线基站数量设置为4个，基站位置初始随机化，仿真中使用到的具体参数如下表所示，其中ω为一个归一化的成本值。

表1仿真参数设置

附图2展示了不同需求速率和预算成本对覆盖率影响，从图2中可以看出，对于相同的多模终端节点需求速率，随着预算成本增加，覆盖率逐渐增大；多模终端节点需求速率越大，使用相同预算成本可以覆盖的多模终端节点数量越少，因为无线基站能够覆盖的多模终端节点减少，PON规划需要覆盖的多模终端节点数量增加，导致覆盖率降低。

附图3展示了不同基站功率和预算成本对覆盖率影响，从图3中可以看出，对于相同的已有基站的功率，随着预算成本增加，覆盖率逐渐增大；已有基站的功率越大，使用相同预算成本覆盖的多模终端节点数量越多，因为无线基站的功率越大，能够覆盖到的多模节点越多，剩余多模终端节点再进行PON规划，使整体覆盖率增大。

针对相同场景，在相同预算成本下，使用暴力穷举搜索和本发明提出的蚁群智能优化算法分别进行无源光网络部署规划，得到的算法收敛性能如附图4所示。

从附图4中可以看出，穷举方法在遍历完全部可能取值后得到最优解，而在相同规模下，使用提出的蚁群智能优化算法可以更快地且稳定地收敛到最优解。

基于同一发明构思，本申请实施例还提出了一种无源光网络规划设备，应用在具有无线蜂窝网络的网络环境中，其结构示意图如图5所示，包括:

确定模块51，用于确定网络环境中接入无线基站的多模终端节点；

规划模块52，用于对未接入无线基站的多模终端节点进行无源光网络规划。

所述确定模块，具体包括：

初始化单元511，用于蚁群智能优化算法初始化：初始化每只蚂蚁对应一组多模终端节点序列，其中，预设了蚂蚁数量；

连接单元512，用于进行多模终端节点与无线基站的连接关系确定：蚂蚁按照对应的序列顺序为每个多模终端节点寻找满足多模终端节点业务需求的无线基站并接入；

所述规划模块52，具体包括：

网络规划单元521，用于对未接入无线基站的多模终端节点进行无源光网络规划，获得无源光网络规划方案；

覆盖率确定单元522，用于基于接入基站的多模终端节点方案和最新的无源光网络规划方案，确定无线-无源光网络混合组网覆盖率；

信息素更新单元523，用于基于所述覆盖率进行蚁群信息素更新；

判断单元524，用于判断是否满足迭代终止条件，其中，迭代终止条件为迭代次数到达了指定的最大迭代次数，或者最优解没有改进的次数达到了指定的最大次数，所述最优解为每次迭代得到的最大的无线-无源光网络混合组网达到的覆盖率；若满足，则将最新的无源光网络规划方案确认为最终的无源光网络规划方案；若不满足，则触发初始化单元511。

较佳的，所述连接单元512，具体用于基于多模终端节点的业务需求，确定满足约束条件的无线基站，所述约束条件为：网络覆盖准则和基站的容量限制；以及进行选择接入的无线基站：蚂蚁按照设定概率为多模终端节点从满足约束条件的无线基站中选择接入的无线基站，所述设定概率根据无线基站服务多模终端节点对应的信息素值和无线基站与多模终端节点之间的距离确定。

较佳的，所述网络规划单元521，具体包括：

遍历单元，用于依次遍历每只蚂蚁，先触发分光器位置选择子单元，在分光器位置选择子单元进行分光器位置的选择之后，再触发光配线网络规划子单元。

分光器位置选择子单元，用于从候选位置中进行分光器位置的选择；

光配线网络规划子单元，用于进行光配线网络规划：基于已选择的分光器位置和给定的光线路终端，选择最优的光纤连接方式，实现从光线路终端到分光器再到光网络单元的最优光纤连接，使无源光纤网络在预算成本条件下达到最大覆盖。

较佳的，所述分光器位置选择子单元，具体用于采用0-1二进制遗传算法，从候选位置中进行分光器位置的选择，其中：若一个候选位置被设为分光器，则将此位置对应的遗传个体染色体对应位置的值设置为1，否则为0；和/或

光配线网络规划子单元，具体用于使用图论方法进行光配线网络规划：在图G中寻找最小代价多播生成树，将两个多模终端节点间的光纤部署成本作为生成树上边的代价，在把多模终端节点加入生成树后重新计算部署成本时，如果遇到已经经过的路径，只需计算此路径的布线成本。

上述设备的具体实现细节与本申请实施例提供的方法的具体实现细节相同，这里不再赘述。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请实施例可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式实现。基于这样的理解，本申请实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

本领域技术人员可以理解附图只是一个优选实施例的示意图，附图中的模块或流程并不一定是实施本申请所必须的。

本领域技术人员可以理解实施例中终端中的模块可以按照实施例描述进行分布于实施例的终端中，也可以进行相应变化位于不同于本实施例的一个或多个终端中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (6)

1.一种无源光网络规划方法，其特征在于，应用在具有无线蜂窝网络的网络环境中，包括：

确定网络环境中接入无线基站的多模终端节点，其中，所述确定网络环境中接入无线基站的多模终端节点，包括：

蚁群智能优化算法初始化步骤：初始化每只蚂蚁对应一组多模终端节点序列，其中，预设了蚂蚁数量；

进行多模终端节点与无线基站的连接关系确定步骤：蚂蚁按照对应的序列顺序为每个多模终端节点寻找满足多模终端节点业务需求的无线基站并接入；

对未接入无线基站的多模终端节点进行无源光网络规划；

其中，所述对未接入无线基站的多模终端节点进行无源光网络规划，包括：

对未接入无线基站的多模终端节点进行无源光网络规划，获得最新的无源光网络规划方案；

基于接入基站的多模终端节点方案和最新的无源光网络规划方案，确定无线- 无源光网络混合组网覆盖率；

基于所述覆盖率进行蚁群信息素更新，并判断是否满足迭代终止条件，其中，迭代终止条件为迭代次数到达了指定的最大迭代次数，或者最优解没有改进的次数达到了指定的最大次数，所述最优解为每次迭代得到的最大的无线-无源光网络混合组网达到的覆盖率；

若满足，则将最新的无源光网络规划方案确认为最终的无源光网络规划方案；

若不满足，则返回上述蚁群智能优化算法初始化步骤。

2.如权利要求1所述的方法，其特征在于，蚂蚁按照对应的序列顺序为每个多模终端节点寻找满足多模终端节点业务需求的无线基站并接入，包括：

基于多模终端节点的业务需求，确定满足约束条件的无线基站，所述约束条件为：网络覆盖准则和基站的容量限制；

进行选择接入的无线基站步骤：蚂蚁按照设定概率为多模终端节点从满足约束条件的无线基站中选择接入的无线基站，所述设定概率根据无线基站服务多模终端节点对应的信息素值和无线基站与多模终端节点之间的距离确定。

3.如权利要求1所述的方法，其特征在于，对未接入无线基站的多模终端节点进行无源光网络规划，获得最新的无源光网络规划方案，包括：

依次遍历每只蚂蚁，执行下述无源光网络规划方案，将执行下述无源光网络规划方案得到的结果作为最新的无源光网络规划方案；

其中，无源光网络规划方案包括：

从候选位置中进行分光器位置的选择；

进行光配线网络规划：基于已选择的分光器位置和给定的光线路终端，选择最优的光纤连接方式，实现从光线路终端到分光器再到光网络单元的最优光纤连接，使无源光纤网络在预算成本条件下达到最大覆盖。

4.如权利要求3所述的方法，其特征在于，从候选位置中进行分光器位置的选择，包括：

采用0-1二进制遗传算法，从候选位置中进行分光器位置的选择，其中：若一个候选位置被设为分光器，则将此位置对应的遗传个体染色体对应位置的值设置为1，否则为0。

5.如权利要求3所述的方法，其特征在于，进行光配线网络规划，包括：

使用图论方法进行光配线网络规划：在图G中寻找最小代价多播生成树，将两个多模终端节点间的光纤部署成本作为生成树上边的代价，在把多模终端节点加入生成树后重新计算部署成本时，若遇到已经经过的路径，则计算此路径的布线成本。

6.一种无源光网络规划设备，其特征在于，应用在具有无线蜂窝网络的网络环境中，包括：

确定模块，用于确定网络环境中接入无线基站的多模终端节点，具体包括：

初始化单元，用于蚁群智能优化算法初始化：初始化每只蚂蚁对应一组多模终端节点序列，其中，预设了蚂蚁数量；连接单元，用于进行多模终端节点与无线基站的连接关系确定：蚂蚁按照对应的序列顺序为每个多模终端节点寻找满足多模终端节点业务需求的无线基站并接入；

规划模块，用于对未接入无线基站的多模终端节点进行无源光网络规划，

其中，所述对未接入无线基站的多模终端节点进行无源光网络规划，包括：

对未接入无线基站的多模终端节点进行无源光网络规划，获得最新的无源光网络规划方案；

基于接入基站的多模终端节点方案和最新的无源光网络规划方案，确定无线-无源光网络混合组网覆盖率；

基于所述覆盖率进行蚁群信息素更新，并判断是否满足迭代终止条件，其中，迭代终止条件为迭代次数到达了指定的最大迭代次数，或者最优解没有改进的次数达到了指定的最大次数，所述最优解为每次迭代得到的最大的无线-无源光网络混合组网达到的覆盖率；

若满足，则将最新的无源光网络规划方案确认为最终的无源光网络规划方案；

若不满足，则返回到确定模块中的初始化单元，执行蚁群智能优化算法初始化。

Images