CN108024307A

CN108024307A - 一种基于物联网的异构网络接入选择方法及系统

Info

Publication number: CN108024307A
Application number: CN201711256087.9A
Authority: CN
Inventors: 袁东明; 杨昌兆; 胡鹤飞; 冉静; 刘元安; 黎淑兰
Original assignee: Beijing University of Posts and Telecommunications
Current assignee: Beijing University of Posts and Telecommunications
Priority date: 2017-12-03
Filing date: 2017-12-03
Publication date: 2018-05-11
Anticipated expiration: 2037-12-03
Also published as: CN108024307B

Abstract

本发明涉及一种基于物联网的异构网络接入选择方法及系统，该方法包括：根据选择接入网络的影响因素，按照AHP法确定各个备选网络的主观权重；根据各个备选网络的参数，按照TOPSIS法确定各个备选网络的客观权重；根据各个备选网络的所述主观权重和客观权重计算综合权重；根据所述综合权重选择接入的备选网络。本发明的有益效果是：1.相对于单独使用主观选择或者客观选择算法，本发明能够选取更合理的网络进行接入。2.相对于其他多种算法综合的异构网络选择算法，本发明在进行网络接入选择过程中计算量相对较小。3.由于能够选出更合理的网络，所以本算法应用与异构网络选择过程中可以减少网络资费以及网络负载等优点。

Description

一种基于物联网的异构网络接入选择方法及系统

技术领域

本发明涉及物联网技术领域，具体涉及一种基于物联网的异构网络接入选择方法及系统。

背景技术

近些年随着物联网产业的发展，各种新的物联网技术不断涌现，技术的不断优化和创新带动了行业的快速发展，随着低密度广域网技术的出现，物联网得到更加广阔的应用。低功耗广域网产生之后，物联网技术的发展步伐逐渐加快。低密度广域网发展初期，物联网设备只能通过一种协议来实现连接网络，不能支持多种网络链接方式，但是随着技术的不断创新，高通等企业开始推出支持多种网络链接方式的模块，所以物联网设备将可以支持多种接入网络的方式，物联网设备可以根据所处的网络环境状况选择合适的网络进行接入。

目前已有的异构网络选择算法主要是以下几类：

(1)基于某一个属性的网络选择算法，很多的网络选择算法在选择网路接入时只考虑一个因素，比如只考虑接收信号的强度。选择接收信号强度强的网络接入，这是比较原始的网络接入算法。

(2)基于多属性的异构网络接入选择算法，在多属性网络选择算法中考虑的因素是多个的，比如业务类型，用户偏好，网络状况，网络资费等多方面因素都会对最合适网络的选择有一定影响，多属性网络选择算法通过对各个因素进行评价，根据各个因素的权重对特定备选方案进行排序，从而得到最优的网络。多属性决策算法分为主观决策法和客观决策法和主客观结合的方法，目前主观选择算法主要有层次分析法(Analytic HierarchyProcess，AHP)和网络层次分析法等。客观选择算法主要有逼近理想值排序法(Techniquefor Order Preference by Similarity to an Ideal Solution，TOPSIS)和灰色关联分析法等方法，主客观结合网络选择算法是在异构网络选择过程中结合主观和客观算法进行网络选择，但是单用主观网络选择算法或者单用客观网络选择算法进行网络选择往往不能选择出最优的网咯，而目前结合主观和客观的网络选择算法往往选择过程比较复杂、计算量较大，这样实际中会出现较大的网路时延，网络不易切换等问题。

发明内容

本发明针对现有技术存在的上述技术问题，提供一种基于物联网的异构网络接入选择方法及系统。

本发明解决上述技术问题的技术方案如下：一种基于物联网的异构网络接入选择方法，包括：

根据选择接入网络的影响因素，按照AHP法确定各个备选网络的主观权重；

根据各个备选网络的参数，按照TOPSIS法确定各个备选网络的客观权重；

根据各个备选网络的所述主观权重和客观权重计算综合权重；

根据所述综合权重选择接入的备选网络。

本发明的有益效果是：

1.相对于单独使用主观选择或者客观选择算法，本发明能够选取更合理的网络进行接入。

2.相对于其他多种算法综合的异构网络选择算法，本发明在进行网络接入选择过程中计算量相对较小。

3.由于能够选出更合理的网络，所以本算法应用与异构网络选择过程中可以减少网络资费以及网络负载等优点。

附图说明

图1为本发明实施例提供的一种基于物联网的异构网络接入选择方法的流程图；

图2为本发明实施例中步骤101的流程图；

图3为本发明实施例提供的层次结构模型；

图4为本发明实施例中步骤102的流程图；

图5为本发明实施例中步骤104的流程图；

图6为本发明实施例提供的一种基于物联网的异构网络接入选择系统的结构框图；

图7为用matlab输出的四种不同场景下的网络选择结果；

图8为速率在会话类、交互类、流媒体类、背景类场景下的结果；

图9为时延在会话类、交互类、流媒体类、背景类场景下的结果；

图10为丢包率在会话类、交互类、流媒体类、背景类场景下的结果；

图11为可靠性在会话类、交互类、流媒体类、背景类场景下的结果；

图12为价格在会话类、交互类、流媒体类、背景类场景下的结果。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

图1为本发明实施例提供的一种基于物联网的异构网络接入选择方法的流程图，如图1所示，该方法包括：

101、根据选择接入网络的影响因素，按照AHP法确定各个备选网络的主观权重；

可选地，在该实施例中，如图2所示，所述步骤101具体包括：

201、根据选择接入网络的影响因素，按照AHP法确定各个影响因素的主观权重；

202、按照AHP法确定每个影响因素下各个备选网络的主观权重；

203、根据所述各个影响因素的主观权重和每个影响因素下各个备选网络的主观权重确定各个备选网络的主观权重。

具体的，AHP法的主要思想是把一个复杂的问题分解成各个组成因素，然后把组成因素按照支配关系分组，形成一个有序的阶梯层次结构。通过两两比较的方式确定层次中各个因素的相对重要程度，然后综合决策者的判断确定决策因素相对重要性的总排序。从而实现将复杂问题数学化，在多属性决策中有重要的应用，AHP法的主要步骤如下：

1、建立问题的层次结构模型

本发明中的层次结构模型如图3所示，多重AHP法的层次机构主要分为部分，最上层称为目标层，中间两层称为准则层，即选择接入网络的影响因素，最下面一层称为方案层，即备选网络。

2、构造各属性之间的判断矩阵

在准则层中各影响因素的重要程度用5个属性来表示，分别是同样重要、稍微重要、较强重要、强烈重要和绝对重要，当需要的精度较高时，还可以取两个属性的中间值，这样可以得到9个标度，下表1为9个标度的定义。

表1标度表

标度	定义比较因素i与j
		1	因素i和j同样重要
3	因素i比j稍微重要
		5	因素i比j较强重要
7	因素i比j强烈重要
		9	因素i比j绝对重要
2、4、6、8	两个相邻判决因素的中间值

通过对准则层的因素两两对比建立的第一层判断矩阵为A＝(a_ij)_m×n，判断矩阵有如下性质：

第二层判断矩阵为B＝(b_ij)_m×n，第三层判断矩阵为C＝(C_ij)_m×n，第二层判断矩阵和第三层判断矩阵依然有上述第一层判断矩阵的性质。

3、计算各判断矩阵的特征值和特征向量并进行一致性检验

(1)按照下列公式，将矩阵A＝(a_ij)_m×n的每一列向量归一化；

(2)对按行求和得

(3)将归一化，得到则有特征向量为w＝(a₁，a₂，...a_i)

(4)按照下列公式，求特征向量w对应的最大特征值：

(5)对各判断矩阵进行一致性检验：

其中C.R<0.1，认为是满足一致性要求，判断矩阵的一致性是可以接受的，若C.R>0.1，则需要调整判断矩阵，R.I的取值可以参考下面的随机一致性指针表。

表2平均随机一致性指针

(6)获得各因素的相对重要度后，就可以计算各级因素对总体的综合重要度，得到各备选网络的权重为W＝(w₁，w₂，w₃)，其中w₁，w₂，w₃分别代表NB-IOT和Lora以及eMTC网路的权重，它们的加和为1。

102、根据各个备选网络的参数，按照TOPSIS法确定各个备选网络的客观权重；

可选地，在该实施例中，如图4所示，所述步骤102具体包括：

401、根据各个备选网络的参数，按照TOPSIS法确定各个备选网络的评价指数；

402、对所述评价指数进行归一化处理，得到各个备选网络的客观权重。

具体的，TOPSIS法是一种应用广泛的多属性决策算法，TOPSIS法的主要思想是假设出来一个正的理想方案和一个负理想方案，然后通过计算确定各个待选方案距离正理想方案和负理想方案的距离，我们最终选择的最优方案应该是距离正理想方案最近，同时距离负理想方案最远。TOPSIS法确定客观权重主要步骤如下：

(1)统一各评价指标的单调性，对于数值越大越好的指标数值不变，而对于越小越好的指标数据取倒数，建立起来决策矩阵D＝(d_ij)_m×n。

(2)设多属性决策问题的决策矩阵为D＝(d_ij)_m×n，建立无量纲的属性矩阵R。每个r_ij可以由以下公式得到:

(3)构建加权规范矩阵Z＝(z_ij)_m×n，其中z_ij＝w_j·r_ij

(4)确定正理想解和负理想解

其中正理想解为

其中负理想解为

(5)计算各个候选方案距离正理想解和负理想解的距离

备选方案x_i到正理想解的距离为

备选方案x_i到负理想解的距离为

(6)计算各个方案的综合评价指数

(7)得到各个备选网络的评价指数为C＝(c₁，c₂，c₃)

103、根据各个备选网络的所述主观权重和客观权重计算综合权重；

可选地，在该实施例中，步骤103具体包括：使用乘型加权集结算子，将所述主观权重构成的主观权重矩阵和客观权重矩阵构成的客观权重矩阵集结成一个综合权重矩阵，得到各个备选网络的综合权重。

具体的，由AHP法得到的主观权重矩阵为W＝(w₁，w₂，w₃)，由TOPSIS法得到的备选网络的评价指数矩阵为C＝(c₁，c₂，c₃)，将C＝(c₁，c₂，c₃)归一化得到客观网络权重矩阵由于采用不同的方式得到的权重矩阵不一样。在对多重AHP法得到的主观权重矩阵和由TOPSIS法得到的客观权重矩阵进行综合时使用乘型加权集结算子(MWA)，由下列公式将AHP法得到的主观权重矩阵和由TOPSIS法得到的客观权重矩阵集结成一个群决策权重矩阵w′＝(w′_ij)_1*n：

104、根据所述综合权重选择接入的备选网络。

可选地，在该实施例中，如图5所示，步骤104具体包括：

501、按照下列公式，计算所述主观权重矩阵和综合权重矩阵之间的第一相似度：

其中，W′为综合权重矩阵，W为主观权重矩阵，d(W′，W)为主观权重矩阵W和综合权重矩阵W′之间的距离，n为备选网络的数量，w′_ij为综合权重矩阵W′中第i行、第j列的元素，w_ij为主观权重矩阵W中第i行、第j列的元素；

502、按照下列公式，计算所述客观权重矩阵和综合权重矩阵之间的第二相似度：

其中，W′为综合权重矩阵，为客观权重矩阵，为综合权重矩阵W′和为客观权重矩阵之间的距离，n为备选网络的数量，W′_ij为综合权重矩阵W′中第i行、第j列的元素，为客观权重矩阵中第i行、第j列的元素；

503、当确定所述第一相似度和第二相似度均大于预设值时，接入所述综合权重矩阵中综合权重最大的备选网络。

相应地，本发明还提供一种基于物联网的异构网络接入选择系统，如图6所示，该系统包括：

主观权重确定模块，用于根据选择接入网络的影响因素，按照AHP法确定各个备选网络的主观权重；

客观权重确定模块，用于根据各个备选网络的参数，按照TOPSIS法确定各个备选网络的客观权重；

综合权重计算模块，用于根据各个备选网络的所述主观权重和客观权重计算综合权重；

选择模块，用于根据所述综合权重选择接入的备选网络。

可选地，在该实施例中，所述主观权重确定模块，具体包括：

第一确定单元，用于根据选择接入网络的影响因素，按照AHP法确定各个影响因素的主观权重；

第二确定单元，用于按照AHP法确定每个影响因素下各个备选网络的主观权重；

第三确定单元，用于根据所述各个影响因素的主观权重和每个影响因素下各个备选网络的主观权重确定各个备选网络的主观权重。

可选地，在该实施例中，所述客观权重确定单元，具体包括：

第四确定单元，用于根据各个备选网络的参数，按照TOPSIS法确定各个备选网络的评价指数；

归一化单元，用于对所述评价指数进行归一化处理，得到各个备选网络的客观权重。

可选地，在该实施例中，所述综合权重计算模块，具体用于：使用乘型加权集结算子，将所述主观权重构成的主观权重矩阵和客观权重矩阵构成的客观权重矩阵集结成一个综合权重矩阵，得到各个备选网络的综合权重。

可选地，在该实施例中，所述选择模块，具体包括：

第一相似度计算单元，用于按照下列公式，计算所述主观权重矩阵和综合权重矩阵之间的第一相似度：

第二相似度计算单元，用于按照下列公式，计算所述客观权重矩阵和综合权重矩阵之间的第二相似度：

选择单元，用于当确定所述第一相似度和第二相似度均大于预设值时，接入所述综合权重矩阵中综合权重最大的备选网络。

下面介绍应用本发明进行异构网络接入选择的一个实施例。

异构网络包括LoRa、NB-IOT、和eMTC三种，假设网络选择过程中每种网络有两个，相关备选网络的数据如下表3所示。

表3相关备选网络的数据

网络	速率(kbps)	时延(ms)	丢包率(％)	可靠性	价格(元)
						NB-IOT1	100	30-50	0.02-0.04	0.9	0.08
NB-IOT2	80	40-60	0.03-0.05	0.95	0.07
						eMTC1	375	70-100	0.06-0.08	0.85	0.1
eMTC2	350	60-90	0.07-0.09	0.8	0.09
						Lora1	40	45-75	0.01-0.03	0.7	0.05
Lora2	50	40-70	0.01-0.04	0.65	0.06

具体实施步骤如下：

步骤一：根据多重AHP法确定主观权重

(1)确定第一层的权重

第一层主要由Qos、可靠性和价格3个指标组成，在第一层可以根据业务需求来确定3个指标的权重。在会话类和交互类业务下，对Qos要求较高，其次是可靠性和价格；在流媒体业务下，对Qos要求较高，然后是价格和可靠性；在背景类业务，对Qos要求较高，其次是可靠性和价格。确定了在不同业务场景下各个指标的相对重要性以后，利用层次分析法来确定三个指标在不同的场景下的权重。

在会话类业务和交互类业务场景下的判决矩阵如下表4所示。

表4会话类业务和交互类业务场景下的判决矩阵

会话和交互类业务	Qos	可靠性	价格
				Qos	1	3	5
可靠性	1/3	1	2
				价格	1/5	1/2	1

同理可得在流媒体业务下的判决矩阵如下表5所示。

表5流媒体业务场景下的判决矩阵

流媒体业务	Qos	可靠性	价格
				Qos	1	3	2
可靠性	1/3	1	1/2
				价格	1/2	2	1

在背景类业务场景下判决矩阵如下表6所示。

表6背景类业务场景下的判决矩阵

背景类业务	Qos	可靠性	价格
				Qos	1	2	3
可靠性	1/2	1	2
				价格	1/3	1/2	1

对上表的判决矩阵采用层次分析法的步骤计算并进行一致性检验，得到表4的判决矩阵的一致性比例都是CR＝0.0036<0.1，表5的判决矩阵的一致性比例都是CR＝0<0.1,而表6的判决矩阵的一致性比例为CR＝0<0.1，满足一致性要求。通过对表中判决矩阵计算得到在不同业务下的各指标的权重如下表7所示。

表7在不同的业务场景下各指标的权重

业务类别	Qos	可靠性	价格
				会话和交互类业务	0.6483	0.2297	0.1220
流媒体业务	0.5396	0.1634	0.2970
				背景类业务	0.5396	0.2970	0.1634

(2)确定Qos子准则层的权重

由图3可知，Qos指标下的子准则层主要包含可用带宽，时延，丢包率3个指标组成，在不同的场景下对3个指标的需求不一样。根据业务需求构建出子准则层的判断矩阵。在会话类业务下，由于会话类业务属于实时业务，要求时延尽量小，所以构造的判决矩阵如下表8所示。

表8会话类业务场景下判决矩阵

会话类业务	时延	丢包率	速率
				时延	1	2	3
丢包率	1/2	1	2
				速率	1/3	1/2	1

在交互类业务下，由于交互类业务更看重Qos指标中的丢包率，对网络速率也有一定要求，所以在交互类业务下的判决矩阵如下表9所示。

表9交互类业务场景下判决矩阵

交互类业务	时延	丢包率	速率
				时延	1	1/3	1/2
丢包率	3	1	2
				速率	2	1/2	1

在流媒体业务下，由于流媒体业务更看重Qos中的网络速率，其次对时延也有一定的要求，所有在流媒体业务下的判决矩阵如下表10所示。

表10流媒体业务场景下判决矩阵

流媒体业务	时延	丢包率	速率
				时延	1	2	1/2
丢包率	1/2	1	1/3
				速率	2	3	1

在背景类业务场景下，由于背景类业务更看重Qos中的丢包率，其次是速率和时延，所以在背景类业务下的判决矩阵如下表11所示。

表11,背景类业务场景下判决矩阵

背景类业务	时延	丢包率	速率
				时延	1	1/3	2
丢包率	3	1	2
				速率	2	1/2	1

利用层次分析法计算表中Qos子层在不同业务背景下的权重并进行一致性检验，得到结果如下表12所示。

表12不同业务背景下的权重

	时延	丢包率	速率	一致性指标
					会话类	0.5396	0.2970	0.1634	0
交互类	0.1634	0.5396	0.2970	0
					流媒体类	0.2970	0.1634	0.5396	0
背景类	0.1634	0.5396	0.2970	0

由于各个业务背景下的判决矩阵的一致性指标都小于0.1，满足一致性指标，说明构建的判决矩阵是合理的。

(3)确定整体的权重

在计算出第一层和第二层的各因素的权重以后，将两层的权重进行综合，得到总体各个因素在不同的业务场景下的权重如下表13所示。

表13不同业务背景下的权重

	时延	丢包率	速率	可靠性	价格
						会话类	0.3498	0.1925	0.1059	0.2297	0.1220
交互类	0.1059	0.3498	0.1925	0.2297	0.1220
						流媒体	0.1603	0.0882	0.2912	0.1634	0.2970
背景类	0.0882	0.2912	0.1603	0.2970	0.1634

(4)计算各个可用网络的权重

根据以上的计算原理，可以得到各个备选网络对于时延、丢包率、速率、可靠性和价格的判决矩阵分别如下表。

表14备选网络相对时延的判决矩阵

时延	NB-IOT1	NB-IOT2	eMTC1	eMTC2	Lora1	Lora2
							NB-IOT1	1	2	6	5	4	3
NB-IOT2	1/2	1	5	4	3	2
							eMTC1	1/6	1/5	1	1/2	1/3	1/4
eMTC2	1/5	1/4	2	1	1/4	1/3
							Lora1	1/4	1/3	3	4	1	1/2
Lora2	1/3	1/2	4	3	2	1

表15备选网络相对丢包率的判决矩阵

丢包率	NB-IOT1	NB-IOT2	eMTC1	eMTC2	Lora1	Lora2
							NB-IOT1	1	2	3	4	1/3	1/2
NB-IOT2	1/2	1	2	3	1/4	1/3
							eMTC1	1/3	1/2	1	2	1/5	1/4
eMTC2	1/4	1/3	1/2	1	1/6	1/5
							Lora1	3	4	5	6	1	2
Lora2	2	3	4	5	1/2	1

表16备选网络相对速率的判决矩阵

速率	NB-IOT1	NB-IOT2	eMTC1	eMTC2	Lora1	Lora2
							NB-IOT1	1	2	1/5	1/3	4	3
NB-IOT2	1/2	1	1/6	1/5	3	2
							eMTC1	5	6	1	2	8	7
eMTC2	3	5	1/2	1	7	6
							Lora1	1/4	1/3	1/8	1/7	1	2
Lora2	1/3	1/2	1/7	1/6	1/2	1

表17备选网络相对可靠性的判决矩阵

可靠性	NB-IOT1	NB-IOT2	eMTC1	eMTC2	Lora1	Lora2
							NB-IOT1	1	1/2	2	3	4	5
NB-IOT2	2	1	3	4	5	6
							eMTC1	1/2	1/3	1	2	3	4
eMTC2	1/3	1/4	1/2	1	2	3
							Lora1	1/4	1/5	1/3	1/2	1	2
Lora2	1/5	1/6	1/4	1/3	1/2	1

表18备选网络相对价格的判决矩阵

价格	NB-IOT1	NB-IOT2	eMTC1	eMTC2	Lora1	Lora2
							NB-IOT1	1	1/2	4	3	1/4	1/3
NB-IOT2	2	1	3	2	1/3	1/2
							eMTC1	1/4	1/3	1	1/2	1/6	1/5
eMTC2	1/3	1/2	2	1	1/5	1/4
							Lora1	4	3	6	5	1	2
Lora2	3	2	5	4	1/2	1

对上表13到表18的判决矩阵采用层次分析法的步骤计算并进行一致性检验，得到各个备选网路在不同指标下的权重如下表19所示。

表19各个备选网路在不同指标下的权重

(5)层次总排序

通过计算得到同一层次的各个因素的相对重要程度后，在计算自上而下计算各级因素对总体的重要程度。在此分会话类，交互类，流媒体类和背景类四类业务来确定各个备选网络的权重。在会话类业务场景下，将表13中的会话类业务的计算所得的数据与表19进行乘积加和计算可得各个备选网络的权重如下表20。

表20在会话类业务场景下备选网络的权重

	时延	丢包率	速率	可靠性	价格
							会话类	0.3498	0.1925	0.1059	0.2297	0.1220	网络权重
NB-IOT1	0.3777	0.1596	0.1203	0.2504	0.1182	0.2475
							NB-IOT2	0.2477	0.1006	0.0765	0.3825	0.1433	0.2195
eMTC1	0.0420	0.0641	0.4320	0.1596	0.0429	0.1147
							eMTC2	0.0579	0.0428	0.2872	0.1006	0.0644	0.0899
Lora1	0.1171	0.3825	0.0440	0.0641	0.3809	0.1804
							Lora2	0.1576	0.2504	0.0400	0.0428	0.2504	0.1479

在交互类场景业务下，同理可得到各个备选网络的权重如下表21。

表21在交互类业务场景下备选网络的权重

	时延	丢包率	速率	可靠性	价格
							交互类	0.1059	0.3498	0.1925	0.2297	0.1220	网络权重
NB-IOT1	0.3777	0.1596	0.1203	0.2504	0.1182	0.1909
							NB-IOT2	0.2477	0.1006	0.0765	0.3825	0.1433	0.1815
eMTC1	0.0420	0.0641	0.4320	0.1596	0.0429	0.1519
							eMTC2	0.0579	0.0428	0.2872	0.1006	0.0644	0.1074
Lora1	0.1171	0.3825	0.0440	0.0641	0.3809	0.2159
							Lora2	0.1576	0.2504	0.0400	0.0428	0.2504	0.1524

在流媒体场景业务下，同理可得到各个备选网络的权重如下表22。

表22在流媒体类业务场景下备选网络的权重

	时延	丢包率	速率	可靠性	价格
							流媒体	0.1603	0.0882	0.2912	0.1634	0.2970	网络权重
NB-IOT1	0.3777	0.1596	0.1203	0.2504	0.1182	0.1857
							NB-IOT2	0.2477	0.1006	0.0765	0.3825	0.1433	0.1759
eMTC1	0.0420	0.0641	0.4320	0.1596	0.0429	0.1770
							eMTC2	0.0579	0.0428	0.2872	0.1006	0.0644	0.1323
Lora1	0.1171	0.3825	0.0440	0.0641	0.3809	0.1889
							Lora2	0.1576	0.2504	0.0400	0.0428	0.2504	0.1404

在背景类业务场景业务下，同理可得到各个备选网络的权重如下表23。

表23在背景类业务场景下备选网络的权重

	时延	丢包率	速率	可靠性	价格
							背景类	0.0882	0.2912	0.1603	0.2970	0.1634	网络权重
NB-IOT1	0.3777	0.1596	0.1203	0.2504	0.1182	0.1928
							NB-IOT2	0.2477	0.1006	0.0765	0.3825	0.1433	0.2004
eMTC1	0.0420	0.0641	0.4320	0.1596	0.0429	0.1460
							eMTC2	0.0579	0.0428	0.2872	0.1006	0.0644	0.1040
Lora1	0.1171	0.3825	0.0440	0.0641	0.3809	0.2100
							Lora2	0.1576	0.2504	0.0400	0.0428	0.2504	0.1469

步骤二：根据TOPSIS法确定客观权重

由表3可知各个备选网络的参数，对表3中的各项指标统一单调性。

表24统一单调性后的数据矩阵

网络	速率(kbps)	时延(ms)	丢包率(％)	可靠性	价格(元)
						NB-IOT1	100	0.0333	50	0.9	12.5
NB-IOT2	80	0.0250	33	0.95	14.2
						eMTC1	375	0.0143	17	0.85	10
eMTC2	350	0.0167	15	0.8	11.1
						Lora1	40	0.0222	66	0.7	20
Lora2	50	0.0238	60	0.65	16.7

对表24进行归一化后得归一化后的表为表25。

表25归一化后的数据矩阵

网络	速率(kbps)	时延(ms)	丢包率(％)	可靠性	价格(元)
						NB-IOT1	0.1878	0.5817	0.4553	0.4507	0.3521
NB-IOT2	0.1502	0.4367	0.3005	0.4757	0.4000
						eMTC1	0.7041	0.2498	0.1548	0.4257	0.2817
eMTC2	0.6572	0.2917	0.1366	0.4006	0.3127
						Lora1	0.0751	0.3878	0.6010	0.3505	0.5634
Lora2	0.0939	0.4158	0.5464	0.3255	0.4705

在不同的场景下，对归一化的数据进行加权计算，此处权重采用表13的权重数据，可得在不同业务背景下加权后的规范化矩阵如下。

表26会话类业务加权后的数据矩阵

网络	速率(kbps)	时延(ms)	丢包率(％)	可靠性	价格(元)
						NB-IOT1	0.0199	0.2035	0.0876	0.1035	0.0430
NB-IOT2	0.0159	0.1528	0.0578	0.1093	0.0488
						eMTC1	0.0746	0.0874	0.0298	0.0978	0.0344
eMTC2	0.0696	0.1020	0.0263	0.0920	0.0381
						Lora1	0.0080	0.1357	0.1157	0.0805	0.0687
Lora2	0.0099	0.1454	0.1052	0.0748	0.0574

表27交互类业务加权后的数据矩阵

网络	速率(kbps)	时延(ms)	丢包率(％)	可靠性	价格(元)
						NB-IOT1	0.0362	0.0616	0.1593	0.1035	0.0430
NB-IOT2	0.0289	0.0462	0.1051	0.1093	0.0488
						eMTC1	0.1355	0.0265	0.0541	0.0978	0.0344
eMTC2	0.1265	0.0309	0.0478	0.0920	0.0381
						Lora1	0.0145	0.0411	0.2102	0.0805	0.0687
Lora2	0.0181	0.0440	0.1911	0.0748	0.0574

表28流媒体业务加权后的数据矩阵

网络	速率(kbps)	时延(ms)	丢包率(％)	可靠性	价格(元)
						NB-IOT1	0.0547	0.0932	0.0402	0.0736	0.1046
NB-IOT2	0.0437	0.0700	0.0265	0.0777	0.1188
						eMTC1	0.2050	0.0400	0.0137	0.0696	0.0837
eMTC2	0.1914	0.0468	0.0120	0.0655	0.0929
						Lora1	0.0219	0.0622	0.0530	0.0573	0.1673
Lora2	0.0273	0.0667	0.0482	0.0532	0.1397

表29背景类业务加权后的数据矩阵

网络	速率(kbps)	时延(ms)	丢包率(％)	可靠性	价格(元)
						NB-IOT1	0.0301	0.0513	0.1326	0.1339	0.0575
NB-IOT2	0.0241	0.0385	0.0875	0.1413	0.0654
						eMTC1	0.1129	0.0220	0.0451	0.1264	0.0460
eMTC2	0.1053	0.0257	0.0398	0.1190	0.0511
						Lora1	0.0120	0.0342	0.1750	0.1041	0.0921
Lora2	0.0151	0.0367	0.1591	0.0967	0.0769

根据加权后的数据矩阵选取不同的场景下最优和最差方案如下表所示。

表30会话类业务下最优和最差方案

会话类	速率(kbps)	时延(ms)	丢包率(％)	可靠性	价格(元)
						最优方案	0.0746	0.2035	0.1157	0.1093	0.0687
最差方案	0.0080	0.0874	0.0263	0.0748	0.0344

表31交互类业务下最优和最差方案

交互类	速率(kbps)	时延(ms)	丢包率(％)	可靠性	价格(元)
						最优方案	0.1355	0.0616	0.2102	0.1093	0.0687
最差方案	0.0145	0.0265	0.0478	0.0748	0.0344

表32流媒体类业务下最优和最差方案

流媒体类	速率(kbps)	时延(ms)	丢包率(％)	可靠性	价格(元)
						最优方案	0.2050	0.0932	0.0530	0.0777	0.1673
最差方案	0.0219	0.0400	0.0120	0.0532	0.0837

表33背景类业务下最优和最差方案

背景类	速率(kbps)	时延(ms)	丢包率(％)	可靠性	价格(元)
						最优方案	0.1129	0.0513	0.1750	0.1413	0.0921
最差方案	0.0120	0.0220	0.0398	0.0967	0.0460

计算在不同场景下各备选网络与最优和最差方案的距离如下表所示。

表34会话类业务下备选网络与最优和最差方案的距离

表35交互类业务下备选网络与最优和最差方案的距离

表36流媒体类业务下备选网络与最优和最差方案的距离

表37背景类业务下备选网络与最优和最差方案的距离

计算不同场景下的各备选网络的综合评价参数，并进行倒数归一化如下。

表38会话类业务下备选网络的综合评价参数

表39交互类业务下备选网络的综合评价参数

表40流媒体类业务下备选网络的综合评价参数

表41背景类业务下备选网络的综合评价参数

步骤三：确定多重AHP法TOPSIS法的综合权重

将表20到表23与表38到表41进行综合可得在不同的业务场景下的综合权重如下所示。

表42会话类业务下D-AHP与TOPSIS的综合权重

会话类	综合权重
		NB-IOT1	0.2503
NB-IOT2	0.1834
		eMTC1	0.1190
eMTC2	0.1052
		Lora1	0.1774
Lora2	0.1598

同时可得S(W′，W)＝0.9233>0.5,说明各判决权重矩阵和综合权重矩阵之间的相似度是可以接受的，综合权重矩阵是合理的。

表43交互类业务下D-AHP与TOPSIS的综合权重

交互类	综合权重
		NB-IOT1	0.1858
NB-IOT2	0.1531
		eMTC1	0.1524
eMTC2	0.1252
		Lora1	0.2090
Lora2	0.1695

同时可得S(W′，W)＝0.9210>0.5,说明各判决权重矩阵和综合权重矩阵之间的相似度是可以接受的，综合权重矩阵是合理的。

表44流媒体类业务下D-AHP与TOPSIS的综合权重

流媒体类	综合权重
		NB-IOT1	0.1558
NB-IOT2	0.1455
		eMTC1	0.2079
eMTC2	0.1801
		Lora1	0.1602
Lora2	0.1318

同时可得S(W′，W)＝0.8377>0.5,说明各判决权重矩阵和综合权重矩阵之间的相似度是可以接受的，综合权重矩阵是合理的。

表45背景类业务下D-AHP与TOPSIS的综合权重

背景类	综合权重
		NB-IOT1	0.1865
NB-IOT2	0.1648
		eMTC1	0.1490
eMTC2	0.1227
		Lora1	0.2061
Lora2	0.1648

按照综合权重排序即可，综合权重最高的就是应该选择接入的网络，用matlab输出网络选择结果如图7所示。

由以上步骤可知，本算法可以实现异构网络最优网络方案的选择。

为体现本算法的相对其他两种算法的优势，本发明在每种场景下各进行20次的仿真，其中1到20次为会话类场景下得仿真，21到40为交互类场景下的仿真，41到60次为流媒体场景下的仿真，61到80次为背景类业务场景下的仿真，仿真结果如图8-图12所示。

在会话类场景下，时延是最主要的考虑因素，由图9中1到20的网络选择结果可以看出，本实施例采用D-AHP和TOPSIS综合算法选择的网络的时延相对D-AHP或TOPSIS算法所选的网络时延较低。在交互类业务场景下，丢包率是最主要的因素，由图10中21到40的网络选择结果可以看出，本实施例采用D-AHP和TOPSIS综合算法选择的网络的丢包率相对D-AHP或TOPSIS算法所选的丢包率较低。在流媒体场景下，备选网络的速率和价格是主要的考虑因素，由图8中41到60和图12中41到60的网络选择结果可以看出，本实施例采用D-AHP和TOPSIS综合算法选择的网络的速率相对D-AHP或TOPSIS算法所选的网络速率较高，而本实施例采用D-AHP和TOPSIS综合算法选择的网络的价格相对D-AHP或TOPSIS算法所选的网络价格较高。在背景类场景下，可靠性和丢包率是最主要的因素，由图11中61到80和图10的网络选择结果可以看出，本实施例采用D-AHP和TOPSIS综合算法选择的网络的可靠性相对D-AHP或TOPSIS算法所选的网络可靠性更高，本实施例采用D-AHP和TOPSIS综合算法选择的网络的丢包率相对D-AHP或TOPSIS算法所选的网络的丢包率较低。

由以上的分析可以，本实施例采用D-AHP和TOPSIS综合接入选择算法可以根据网络的需求选择出更适合的备选网络，所选择的网络性能上优于单独使用D-AHP算法或者单独使用TOPSIS算法的网络性能，具有一定的参考意义。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种基于物联网的异构网络接入选择方法，其特征在于，包括：

根据所述综合权重选择接入的备选网络。

2.根据权利要求1所述的方法，其特征在于，所述根据选择接入网络的影响因素，按照AHP法确定各个备选网络的主观权重，具体包括：

根据选择接入网络的影响因素，按照AHP法确定各个影响因素的主观权重；

按照AHP法确定每个影响因素下各个备选网络的主观权重；

根据所述各个影响因素的主观权重和每个影响因素下各个备选网络的主观权重确定各个备选网络的主观权重。

3.根据权利要求2所述的方法，其特征在于，所述根据各个备选网络的参数，按照TOPSIS法确定各个备选网络的客观权重，具体包括：

根据各个备选网络的参数，按照TOPSIS法确定各个备选网络的评价指数；

对所述评价指数进行归一化处理，得到各个备选网络的客观权重。

4.根据权利要求3所述的方法，其特征在于，所述根据各个网络的所述主观权重和客观权重计算综合权重，具体包括：

使用乘型加权集结算子，将所述主观权重构成的主观权重矩阵和客观权重矩阵构成的客观权重矩阵集结成一个综合权重矩阵，得到各个备选网络的综合权重。

5.根据权利要求4所述的方法，其特征在于，所述根据所述综合权重选择接入的备选网络，具体包括：

按照下列公式，计算所述主观权重矩阵和综合权重矩阵之间的第一相似度：

<mrow> <mi>S</mi> <mrow> <mo>(</mo> <msup> <mi>W</mi> <mo>&prime;</mo> </msup> <mo>,</mo> <mi>W</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mi>d</mi> <mrow> <mo>(</mo> <msup> <mi>W</mi> <mo>&prime;</mo> </msup> <mo>,</mo> <mi>W</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>=</mo> <msup> <mrow> <mo>(</mo> <munderover> <mi>&Pi;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>1</mn> </munderover> <munderover> <mi>&Pi;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mfrac> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mrow> <mo>(</mo> <msubsup> <mi>w</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mo>&prime;</mo> </msubsup> <mo>,</mo> <msub> <mi>w</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <msubsup> <mi>w</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mo>&prime;</mo> </msubsup> <mo>,</mo> <msub> <mi>w</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>)</mo> </mrow> <mrow> <mo>-</mo> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> </mrow> </msup> </mrow>

按照下列公式，计算所述客观权重矩阵和综合权重矩阵之间的第二相似度：

<mrow> <mi>S</mi> <mrow> <mo>(</mo> <msup> <mi>W</mi> <mo>&prime;</mo> </msup> <mo>,</mo> <mover> <mi>C</mi> <mo>&OverBar;</mo> </mover> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mi>d</mi> <mrow> <mo>(</mo> <msup> <mi>W</mi> <mo>&prime;</mo> </msup> <mo>,</mo> <mover> <mi>C</mi> <mo>&OverBar;</mo> </mover> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>=</mo> <msup> <mrow> <mo>(</mo> <munderover> <mi>&Pi;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>1</mn> </munderover> <munderover> <mi>&Pi;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mfrac> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mrow> <mo>(</mo> <msubsup> <mi>w</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mo>&prime;</mo> </msubsup> <mo>,</mo> <msub> <mover> <mi>C</mi> <mo>&OverBar;</mo> </mover> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <msubsup> <mi>w</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mo>&prime;</mo> </msubsup> <mo>,</mo> <msub> <mover> <mi>C</mi> <mo>&OverBar;</mo> </mover> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>)</mo> </mrow> <mrow> <mo>-</mo> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> </mrow> </msup> </mrow>

当确定所述第一相似度和第二相似度均大于预设值时，接入所述综合权重矩阵中综合权重最大的备选网络。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述影响因素包括QoS、可靠性和价格，其中，QoS包括时延、丢包率和速率。

7.一种基于物联网的异构网络接入选择系统，其特征在于，包括：

综合权重计算模块，用于使用乘型加权集结算子，将所述主观权重构成的主观权重矩阵和客观权重矩阵构成的客观权重矩阵集结成一个综合权重矩阵，得到各个备选网络的综合权重；

选择模块，用于根据所述综合权重选择接入的备选网络。

8.根据权利要求7所述的系统，其特征在于，所述主观权重确定模块，具体包括：

9.根据权利要求8所述的系统，其特征在于，所述客观权重确定单元，具体包括：

10.根据权利要求9所述的系统，其特征在于，所述选择模块，具体包括：