CN108990114A - 将无线网络中的接入点的子集分配至高优先权级 - Google Patents

Abstract

示例性方法包括：由网络设备确定无线网络内的多个客户端设备的位置；将多个客户端设备分配至数个集群中；计算每个客户端设备集群的初始集群形心位置；计算特定集群中的每个客户端设备与特定集群的初始集群形心位置之间的平均距离；迭代地调节集群数量以及多个客户端设备的分配，以确定与低数量的集群以及从相应集群中的每个客户端设备至相应集群形心位置的低平均距离相关联的集群数量；并且将无线网络中的接入点(access point)的子集分配至高优先权级，子集中的每个AP具有至与所确定的集群数量相对应的相应集群形心位置的最近的距离。

Description

将无线网络中的接入点的子集分配至高优先权级

背景技术

当消费者无线网络被部署时，接入点(AP)通常被部署以覆盖整个覆盖范围。而此类部署向所有企业客户端提供服务，日常无线客户端行为大不相同并且必须在运行中处理。因此，一些AP由于他们的客户端可服务性(serviceability)而相较于其他AP具有更高优先权级。这些较高优先权级AP的列表根据时间和情况持续改变。当前，未开发将AP分级优先权到不同优先权级层中以应用特定特性的方法。

附图说明

以下详细描述参考附图，其中：

图1A至图1E是用于将无线网络中的接入点的子集分配至高优先权级的示例性机制的框图；

图2是将无线网络中的接入点的子集分配至高优先权级的示例性过程的流程图；以及

图3是用于将无线网络中的接入点的子集分配至高优先权级的示例性网络设备的框图。

具体实施方式

本文所描述的示例包括用于将无线网络中的接入点的子集分配至高优先权级的方法和系统。特别地，示例性网络设备能够确定无线网络内的多个客户端设备的位置。然后，网络设备能够将多个客户端设备分配至数个集群中。此外，网络设备能够计算每个客户端设备集群的原始集群形心位置。然后，网络设备还能够计算特定集群中的每个客户端设备与特定集群的初始集群形心位置之间的平均距离。接下来，网络设备能够迭代地调节集群数量以及多个客户端设备的分配，以确定与低数量的集群以及从相应集群中的每个客户端设备至相应集群形心位置的低平均距离相关联的集群数量。最终，网络设备能够将无线网络中的接入点的子集分配至高优先权级，以使得子集中的每个AP具有至与所确定的集群数量相对应的相应集群形心位置的最近的距离。

本公开中的示例总体上公开了一种用于将AP分级优先权到不同层中以应用特定特性的方法。此方法能够大致细分为两种方案。第一，示例性系统能够确定哪个AP应当被选择至高优先权级层。第二，示例性系统能够确定多少AP应当被选择到高优先权级层。这些决定基于网络的特定内容做出，并且这些决定能够根据网络和无线客户端设备的当前状态而改变。

请注意，当高优先权级AP组被创建时，剩余的AP组会形成低优先权级组。AP的该低优先权级组也能够用于确定的关键领域。下文以说明的方式给出了高优先权级AP和低优先权级AP的使用的几个示例。更多的示例性场景类似地能够从本文所公开的优先权级分层方案受益。

在一些示例中，网络可以将属于更低优先权级组的AP上的无线电(radio)关闭，以降低电的使用。在非操作高峰时段，所选择的高优先权级AP的子集可以足够用于提供优质网络服务。因此，关闭剩余低优先权级AP上的无线电能够节省电力。

在一些示例中，低优先权级AP的无线电可被关闭，以在实现覆盖平衡时保持客户端漫游。如果存在很少量的活跃AP，则无线网络不会为客户端设备提供足够的网络覆盖。另一方面，如果存在太多的活跃AP，则网络可能会遇到漫游问题。因此，示例性系统能够选择正确数量的要给予高优先权级的AP，以使得网络不会遇到过度客户端漫游，并且还提供足够的覆盖。

在一些示例中，示例性系统可以为高优先权级层中的AP创建确定的流量配置文件和QoS配置文件。例如，更高优先权级层能够是存在于具有更高客户端密度的位置中的AP的代理服务(proxy)。日常事件的客户端密度可以类似。然而，在特定事件期间，比如在大量客户端设备紧密地位于单个区域之内情况下的全公司大堂会议期间，客户端密度可能改变。

在一些示例中，更高优先权级层中的确定的AP在从可用信道群中选择信道的方面能够具有高优先权级。有时，智能电话设备可以不支持确定的无线信道，而该无线信道刚好是附近的AP的操作信道。结果，该智能电话设备可能被连接至较远的AP，这降低了连接至该较远的AP的其他客户端设备的通量(throughput)。利用本文所描述的解决方案，该附近的AP会被给予高优先权级。因此，该附近的AP能够选择相关客户端设备(例如，该智能电话设备)支持的无线信道。

当前，能够用于确定AP的优先权级的信息对于每个AP是本地的。当前的系统最多能够试着确定相邻AP的集合，并且使用从该相邻AP获得的额外信息。然而，即使利用来自相邻AP的额外信息，当前的系统也未考虑客户端设备的位置。

本文所公开的示例性方法通常将客户端设备用作K均值聚类(K-meansclustering)运算的输入。K均值聚类运算能够产生客户端设备的位置的质心位置。这些客户端设备的位置表示最大影响的分区(zone)。通常，该分区中的AP是要被分配高优先权级的AP。此处所使用的K均值聚类运算仅为示例的目的。其他合适的聚类方法也能够被使用。该示例性方法还具有以下优点：具有关于客户端设备的位置、AP的位置和与AP和客户端设备之间的连接相对应信号强度的集中的信息。

在一些示例中，示例性方法能够以周期性方式使用。在其它示例中，可以在当客户端设备集中在确定的区域中时的日常客户端行为中见不到的特定事件期间(例如，在市政厅会议期间)唤醒该示例性方法。

图1A至图1E是用于将无线网络中的接入点的子集分配至高优先权级的示例性机制的框图。根据本公开的示例，以下信息被视为已给出。第一，每个AP的位置由例如以X、Y坐标示出的坐标系统所知。在图1A至图1E中，示出了多个此类AP，包括AP1 105、AP2 110、AP3115、AP4 120、AP5 125以及AP6 130。第二，每个客户端设备的位置也由坐标系统所知。为示例的目的，在图1A至图1E中描述了十个客户端设备。

以下表1示出了将无线网络中的接入点的子集分配至高优先权级的理论方法。

表1

在表1中示出的运算的结尾，系统能够确定影响最大量的客户端设备的AP的数量。注意，以上运算通过单个无线电频率域运行。照此，其能够是可扩展的，这是因为无线网络部署中的无线电频率域通常在数十至数百个AP之内。

图1A至图1E通过详细示例示出了表1中的运算。AP和客户端设备仅以示例的目的示出。任意数量的AP和客户端设备可被部署，以利用本文所描述的方法来以相似的方式确定高优先权级AP的子集。

现在参照图1A，在此示例中,如所描述的，AP1 105至AP6 130被部署在无线网络中，服务十个客户端设备。第一，系统确定数量K。具体地，K指示集群形心的数量或分配至单个优先权级层的AP的数量。在图1A至图1E中示出的示例中，K值3用于示例的目的。网络管理器能够根据网络的条件和配置来动态或静态地确定K值。在K＝3时，系统则可以选择三个随机客户端设备作为初始集群形心。例如，客户端1 140、客户端2 150和客户端3 160被选择作为初始集群形心。网络中的全部十个客户端设备将被聚类至三个集群中的一个中。

现在参考图1B，作为下一步骤，基于最近的形心将每个客户端设备分配至集群。例如，客户端4 142和客户端5 144被分配到客户端1 140的同一集群中，这是因为客户端1140是至客户端4 142和客户端5 144最近的集群形心(相比较于客户端2 150和客户端3160)。类似地，客户端6 152和客户端7 154被分配到客户端2 150的同一集群中。另外，客户端8 162和客户端9 164和客户端10 166被分配到客户端3 160的同一集群中。

现在参照图1C，在网络中的所有客户端设备被分配至集群之后，系统能够继续进行运算每个客户端设备集群的形心。在此示例中，客户端1 140、客户端4 142和客户端5144的集群具有集群1的形心170；客户端2 150、客户端7 152、和客户端8 154的集群具有集群2的形心172；并且，客户端3 160、客户端8 162、客户端9 164和客户端10 166的集群具有集群3的形心174。

注意，所运算的每个集群的形心位置可以不同于初始集群形心。这是因为初始集群形心位置是随机选择的以协同K个数量的随机客户端设备。另一方面，所运算的集群形心位置与每个客户端设备集群的中间相对应。本文所使用的集群形心通常指包含每个变量的一个数量的向量，其中每个数量意味着那个集群中的观察(observations)(即，客户端设备位置坐标)的变量的平均值。形心可被用作集群位置的测量。对于特定集群，距形心的平均距离是每个客户端设备与形心之间的平均距离。距形心的最大距离是每个客户端设备和形心之间的距离的最大值。

之后，基于从每个客户端设备的位置至形心位置的距离，再次运算每个客户端设备的集群成员。在此成员运算循环之后实施新形心位置运算，直到之前的和当前运算的距离之间的差小于或等于阈值百分数(p％)。在图1D中将该阶段运算的形心示为集群1的形心170、集群2的形心172和集群3的形心174。接下来，虚拟形心(例如，集群1的形心170、集群2的形心172和集群3的形心174)的位置被截位至真实AP，以使得与每个形心最近的AP被标记为与该形心相关联。在图1D中，AP5 125是至集群1的形心170最近的AP，并且因此被标记为与集群2的形心172相关联。AP2 110是至集群2的形心172最近的AP，并且因此被标记为与集群2的形心172相关联。此外，AP6 130是至集群3的形心174最近的AP，并且因此被标记为与集群3的形心174相关联。

接下来，如图1E所示，每个客户端设备至相应的形心的评均距离的度量被运算。在图1E中存在三个AP，该三个AP中的每个AP与相应的客户端设备集群相对应。对于AP5 125，集群中的三个最近客户端设备与AP5 125之间的平均距离被运算。相似地，对于AP2 110，集群中的三个最近客户端设备与AP2 110之间的平均距离被运算。对于AP6 130，集群中的四个最近客户端设备与AP6 130之间的平均距离被运算。

在该阶段，系统已运算了以下项的集合：

(1)从集群中的每个客户端设备至最近AP的距离度量；

(2)指示集群形心的数量的K值；以及

(3)至每个客户端设备集群的AP分配。

因此，系统能够以预定次数(例如，100次)随机地选择K个数量的客户端设备。然后，系统能够运行以上过程。在100次的运算结束时，系统能够比较所有迭代(例如，100次迭代)的度量，并且确定最佳度量解决方案，该最佳度量解决方案的特征为最低距离度量。此外，系统能够将此类信息(例如，最佳距离度量和K值以及对应的AP分配)存储在数据库中。

接下来，系统能够根据以上表1中示出的方法中最远的“for”循环来改变K的值，并且再次重复以上过程。在通过不同K值循环之后，系统能够针对K值中的每个识别最佳AP选择和分配。

所公开的解决方案的一个目的是看一下哪个AP为无线网络中的客户端设备提供最大影响。因此，要平衡两个争议因素(controversial factor)。争议因素中的一个是要降低高优先权级AP的数量。争议因素中的另一个是要最小化集群中的每个客户端设备与针对客户端设备的那个集群而分配的AP之间的平均距离。照此，在完成所有循环之后，存储在数据库中的信息被归一化并且被存储。

在存储数据库记录之后，系统能够获得解决方案分级，其中最佳K值对最小归一化距离解决方案可被存储在顶部。最佳解决方案表示最能影响客户端设备的K个AP。因此，这些K个AP能够被分配有高优先权级(或者被分类至AP的高优先权级层中)，并且考虑确定地增强这些K个AP。例如，可以为高优先权级层中的AP创建流量和/或QoS配置文件；高优先权级层中的AP可以在从可用信道组中选择其操作信道方面具有优先权；等等。

另外，除了平均距离之外，或者取代平均距离，可以增加电力节省增强、客户端设备的其它与流量相关的权重或者客户端健康参数作为以上公开的示例性方法中的度量。

将无线网络中的接入点的子集分配至高优先权级的过程

图2是将无线网络中的接入点的子集分配至高优先权级的示例性方法(例如，过程)的流程图。在操作期间，网络设备(例如，服务器或网络控制器)能够确定无线网络内的多个客户端设备的位置(操作210)。然后，网络设备能够将多个客户端设备分配至数个集群中(操作220)。接下来，网络设备能够计算每个客户端设备集群的初始集群形心位置(操作230)。此外，网络设备能够计算特定集群中的每个客户端设备与该特定集群的初始集群形心位置之间的平均距离(操作240)。网络设备还能够迭代地调节集群的数量以及多个客户端设备的分配，以确定与低数量的集群以及从相应集群中的每个客户端设备至相应集群形心位置的低平均距离相关联的集群数量(操作250)。此外，网络设备能够将无线网络中的接入点的子集分配至高优先权级，而子集中的每个AP具有至与所确定的集群数量相对应的相应集群形心位置的最近的距离(操作260)。

在一些示例中，网络设备能够进一步将多个客户端设备中的每个客户端设备分配至集群，该集群的集群形心位置与该每个客户端设备的位置最近。

在一些示例中，网络设备能够使用K均值聚类迭代地调节集群数量和多个客户端设备的分配。K均值聚类充当集群的原型，目的可以在于将N个观察划分至K个集群中，其中每个观察属于具有最近的均值的集群。

在一些示例中，当将多个客户端设备分配至数个集群中时，网络设备能够从多个客户端设备随机地选择客户端设备的子集，其中所选择的客户端设备的总量等于集群数量；将剩余客户端设备中的每个客户端设备关联至距离每个相应的剩余客户端设备最近的子集中的一个客户端设备；并且针对所选择的子集中的每个客户端设备，将所关联的剩余客户端设备识别为属于相同客户端设备的集群。

在一些示例中，网络设备能够基于客户端参数，进一步赋予多个客户端设备中的每个客户端设备权重值。如果相应客户端设备具有高权重值，则网络设备能够频繁地将相应客户端设备选择到客户端设备的子集中。

在一些示例中，网络设备能够确定多个客户端设备中的每个客户端设备的最近的集群形心位置；将每个相应客户端设备关联至新集群，该新集群形心位置距离该每个相应客户端设备最近；并且基于关联至新集群的客户端设备，计算新集群形心位置。

在一些示例中，网络设备能够进一步确定相应的新集群形心位置与初始集群形心位置之间的距离是否小于预定阈值。如果相应的新集群形心位置与初始集群形心位置之间的距离小于预定阈值，网络设备能够将高优先权级分配至与每个新集群形心位置具有最近距离的接入点的子集。

在一些示例中，接入点的子集可以(1)与高优先权级流量配置文件相关联，(2)与高优先权级服务质量(QoS)配置文件相关联，并且(3)给予接入点的子集选择他们的操作信道的优先权。

用于将无线网络中的接入点的子集分配至高优先权级的网络设备

本文所使用的网络设备可以至少部分地由硬件和程序的组合来实施。例如，硬件可以包括至少一个处理器(例如，处理器310)，并且程序可以包括存储在至少一个机器可读存储介质(例如，320)上的由处理器可执行的指令。另外，网络设备还可以包括嵌入式存储器以及能够在主机系统中执行并且充当该嵌入式存储器的驱动器的软件。本文所使用的“处理器”可以是以下中的至少一项：中央处理单元(CPU)、半导体基微处理器、图形处理单元(GPU)、被配置为检索并且执行指令的现场可编程门阵列(FPGA)、适用于检索并且运行存储在机器可读存储介质上的指令的其他电子电路或其组合。

至少一个处理器310可以提取、解码并且执行存储在存储介质320上的指令，以进行以下关于指令330-380描述的功能。在其他示例中，存储介质320的任意指令的功能可以以电子电路的形式实施，以编码在机器可读存储介质上的可执行指令的形式实施，或其组合。存储介质即可以位于执行机器可读指令的计算设备中，或者相对于该计算设备是远程的但相对于该计算设备可访问的(例如，经由计算机网络)用以执行。在图3的示例中，存储介质320可以由一个机器可读存储介质或多个机器可读存储介质实施。

尽管网络设备300包括至少一个处理器310以及机器可读存储介质320，其还可以包括其他合适的组件，例如附加的处理组件(例如，处理器、ASIC等)、存储器或其组合。

本文所使用的“机器可读存储介质”可以是任意电子、磁性、光学或其他物理存储设备，以包含或存储诸如可执行指令和数据之类的信息。例如，本文所描述的任意机器可读存储介质可以是以下中的任意项：随机存取存储器(RAM)、易失性存储器、非易失性存储器、快闪存储器、存储器驱动器(例如，硬盘驱动器)、固态硬盘和任意类型的存储盘(例如，光盘、DVD等)等或其组合。另外，本文所描述的任意机器可读存储介质可以是非暂时性的。在本文所描述的示例中，机器可读存储介质或介质们可以是物品(或制品)的部分。物品或制品可以指任意的制造的单个组件或多个组件。

具体地，指令330-380可以由处理器310执行，从而：确定无线网络内的多个客户端设备的位置；将多个客户端设备分配至数个集群中；计算每个客户端设备集群的初始集群形心位置；计算特定集群中的每个客户端设备与特定集群的初始集群形心位置之间的平均距离；迭代地调节集群数量以及多个客户端设备的分配，以确定与低数量的集群以及从相应集群中的每个客户端设备至相应集群形心位置的低平均距离相关联的集群数量；将无线网络中的接入点的子集分配至高优先权级，子集中的每个AP具有至与所确定的集群数量相对应的相应集群形心位置的最近的距离；将多个客户端设备中的每个客户端设备分配至集群，该集群的集群形心位置与该每个客户端设备的位置最近；使用K均值聚类迭代地调节集群数量和多个客户端设备的分配。

此外，指令330-380可以由处理器310执行，从而进一步：从多个客户端设备随机地选择客户端设备的子集，其中所选择的客户端设备的总量等于集群数量；将剩余客户端设备中的每个客户端设备关联至距离每个相应的剩余客户端设备最近的子集中的一个客户端设备；针对所选择的子集中的每个客户端设备，将所关联的剩余客户端设备识别为属于相同客户端设备的集群；基于客户端参数，赋予多个客户端设备中的每个客户端设备权重值；响应于具有高权重值的相应客户端设备，频繁地将相应客户端设备选择到客户端设备的子集中；确定多个客户端设备中的每个客户端设备的最近的集群形心位置；将每个相应客户端设备关联至新集群，该新集群形心位置距离该每个相应客户端设备最近；基于关联至新集群的客户端设备，计算新集群形心位置；确定相应的新集群形心位置与初始集群形心位置之间的距离是否小于预定阈值；响应于相应的新集群形心位置与初始集群形心位置之间的距离小于预定阈值，将高优先权级分配至与每个新集群形心位置具有最近距离的接入点的子集；等等。

Claims (20)

1.一种方法，包括：

由网络设备确定无线网络内的多个客户端设备的位置；

由所述网络设备将所述多个客户端设备分配至数个集群中；

由所述网络设备计算每个客户端设备集群的初始集群形心位置；

由所述网络设备计算特定集群中的每个客户端设备与所述特定集群的所述初始集群形心位置之间的平均距离；

由所述网络设备迭代地调节集群数量以及所述多个客户端设备的分配，以确定与低数量的集群以及从相应集群中的每个客户端设备至相应集群形心位置的低平均距离相关联的集群数量；并且

由所述网络设备将所述无线网络中的接入点的子集分配至高优先权级，所述子集中的每个AP具有至与所确定的集群数量相对应的相应集群形心位置的最近的距离。

2.根据权利要求1所述的方法，进一步包括：

由所述网络设备将所述多个客户端设备中的每个客户端设备分配至集群，所述集群的集群形心位置距离所述每个客户端设备的位置最近。

3.根据权利要求1所述的方法，进一步包括：

由所述网络设备使用K均值聚类迭代地调节所述集群数量和所述多个客户端设备的分配。

4.根据权利要求1所述的方法，其中，将所述多个客户端设备分配至所述数个集群中进一步包括：

从所述多个客户端设备随机地选择客户端设备的子集，其中所选择的客户端设备的总量等于所述集群数量；

将剩余客户端设备中的每个客户端设备关联至距离每个相应的剩余客户端最近的子集中的一个客户端设备；并且

针对所选择的子集中的每个客户端设备，将所关联的剩余客户端设备识别为属于相同的客户端设备集群。

5.根据权利要求4所述的方法，进一步包括：

基于客户端参数，赋予所述多个客户端设备中的每个客户端设备权重值；并且

响应于具有高权重值的相应客户端设备，频繁地将所述相应客户端设备选择到所述客户端设备的子集中。

6.根据权利要求1所述的方法，进一步包括：

确定所述多个客户端设备中的每个客户端设备的最近的集群形心位置；

将每个相应客户端设备关联至新集群，所述新集群的形心位置距离所述每个相应客户端设备最近；并且

基于关联至所述新集群的客户端设备，计算新集群形心位置。

7.根据权利要求6所述的方法，进一步包括：

确定相应的新集群形心位置与初始集群形心位置之间的距离是否小于预定阈值；并且

响应于相应的新集群形心位置与初始集群形心位置之间的距离小于预定阈值，将所述高优先权级分配至与每个新集群形心位置具有最近距离的所述接入点的子集。

8.根据权利要求1所述的方法，其中所述接入点的子集(1)与高优先权级流量配置文件相关联，(2)与高优先权级服务质量(QoS)配置文件相关联，并且(3)被赋予选择它们的操作信道的优先权。

9.一种网络设备，包括至少以下项：

存储器；

执行来自所述存储器的指令的处理器，从而：

确定无线网络内的多个客户端设备的位置；

将所述多个客户端设备分配至数个集群中；

计算每个客户端设备集群的初始集群形心位置；

计算特定集群中的每个客户端设备与所述特定集群的所述初始集群形心位置之间的平均距离；

迭代地调节集群数量以及所述多个客户端设备的分配，以确定与低数量的集群以及从相应集群中的每个客户端设备至相应集群形心位置的低平均距离相关联的集群数量；并且

将所述无线网络中的接入点的子集分配至高优先权级，所述子集中的每个AP具有至与所确定的集群数量相对应的相应集群形心位置的最近的距离。

10.根据权利要求9所述的网络设备，其中所述处理器进一步执行来自所述存储器的指令，从而：

将所述多个客户端设备中的每个客户端设备分配至集群，所述集群的集群形心位置距离所述每个客户端设备的位置最近。

11.根据权利要求9所述的网络设备，其中所述处理器进一步执行来自所述存储器的指令，从而：

使用K均值聚类迭代地调节所述集群数量和所述多个客户端设备的分配。

12.根据权利要求9所述的网络设备，其中所述处理器进一步执行来自所述存储器的指令，从而：

从所述多个客户端设备随机地选择客户端设备的子集，其中所选择的客户端设备的总量等于所述集群数量；

将剩余客户端设备中的每个客户端设备关联至距离每个相应的剩余客户端最近的子集中的一个客户端设备；并且

针对所选择的子集中的每个客户端设备，将所关联的剩余客户端设备识别为属于相同的客户端设备集群。

13.根据权利要求12所述的网络设备，其中所述处理器进一步执行来自所述存储器的指令，从而：

基于客户端参数，赋予所述多个客户端设备中的每个客户端设备权重值；并且

响应于具有高权重值的相应客户端设备，频繁地将所述相应客户端设备选择到所述客户端设备的子集中。

14.根据权利要求9所述的网络设备，其中所述处理器进一步执行来自所述存储器的指令，从而：

确定所述多个客户端设备中的每个客户端设备的最近的集群形心位置；

将每个相应客户端设备关联至新集群，所述新集群形心位置距离所述每个相应客户端设备最近；并且

基于关联至所述新集群的客户端设备，计算新集群形心位置。

15.根据权利要求14所述的网络设备，其中所述处理器进一步执行来自所述存储器的指令，从而：

确定相应的新集群形心位置与初始集群形心位置之间的距离是否小于预定阈值；

响应于相应的新集群形心位置与初始集群形心位置之间的距离小于预定阈值，将所述高优先权级分配至与每个新集群形心位置具有最近距离的所述接入点的子集。

16.一种非暂时性机器可读存储介质，所述机器可读存储介质编码有由网络设备的至少一个处理器可执行的指令，所述机器可读存储介质包括指令，从而：

确定无线网络内的多个客户端设备的位置；

将所述多个客户端设备分配至数个集群中；

计算每个客户端设备集群的初始集群形心位置；

计算特定集群中的每个客户端设备与所述特定集群的所述初始集群形心位置之间的平均距离；

迭代地调节集群数量以及所述多个客户端设备的分配，以确定与低数量的集群以及从相应集群中的每个客户端设备至相应集群形心位置的低平均距离相关联的集群数量；并且

将所述无线网络中的接入点的子集分配至高优先权级，所述子集中的每个AP具有至与所确定的集群数量相对应的相应集群形心位置的最近的距离。

17.根据权利要求16所述的非暂时性机器可读存储介质，其中所述机器可读存储介质进一步包括指令，从而：

将所述多个客户端设备中的每个客户端设备分配至集群，所述集群的集群形心位置距离所述每个客户端设备的位置最近。

18.根据权利要求16所述的非暂时性机器可读存储介质，其中所述机器可读存储介质进一步包括指令，从而：

使用K均值聚类迭代地调节所述集群数量和所述多个客户端设备的分配。

19.根据权利要求16所述的非暂时性机器可读存储介质，其中所述机器可读存储介质进一步包括指令，从而：

从所述多个客户端设备随机地选择客户端设备的子集，其中所选择的客户端设备的总量等于所述集群数量；

将剩余客户端设备中的每个客户端设备关联至距离每个相应的剩余客户端最近的子集中的一个客户端设备；并且

针对所选择的子集中的每个客户端设备，将所关联的剩余客户端设备识别为属于相同的客户端设备集群。

20.根据权利要求16所述的非暂时性机器可读存储介质，其中所述机器可读存储介质进一步包括指令，从而：

确定所述多个客户端设备中的每个客户端设备的最近的集群形心位置；

将每个相应客户端设备关联至新集群，所述新集群形心位置距离所述每个相应客户端设备最近；

基于关联至所述新集群的客户端设备，计算新集群形心位置；

确定相应的新集群形心位置与初始集群形心位置之间的距离是否小于预定阈值；并且

响应于相应的新集群形心位置与初始集群形心位置之间的距离小于预定阈值，将所述高优先权级分配至与每个新集群形心位置具有最近距离的所述接入点的子集。