CN109462879B - 一种接纳控制方法及系统 - Google Patents

Abstract

本发明涉及一种接纳控制方法，包括接收用户的接入请求；利用MEC计算资源对所述用户的接入请求进行预处理；根据所述预处理结果为所述用户的接入请求分配无线带宽资源。

Description

一种接纳控制方法及系统

技术领域

本发明涉及通信领域，特别涉及一种接纳控制方法及系统。

背景技术

随着通信领域科技的发展，增强/虚拟现实(augmented reality/virtualreality,AR/VR)等低时延、大带宽、密集计算业务层出不穷，给现有移动通信网络带来了巨大挑战。在现有网络架构中，虽然移动终端逐步配备了大量具备高计算能力的设备，但相比PC机和服务器，其计算能力仍然难以满足新型业务密集计算需求；而若将业务卸载到云端进行计算，这些业务还需要通过基站、转发设备等多重关键设备流经整个接入网和核心网，一方面大流量的传输业务可能会在传输过程中出现不可预知的拥塞，另一方面也难以满足低时延业务的需求。

在此背景下，移动边缘计算(Mobile Edge Computing,MEC)应运而生。MEC是指通过将网络侧功能和应用部署能力下沉至距离用户最近的无线接入网边缘，为密集计算任务提供足够的计算资源的方式。由于MEC与用户之间的距离在有限跳数内，因此可以降低业务传输时延，这就有效解决了移动终端处理能力受限和云端处理回传时延过高之间的矛盾。现有技术中，针对MEC的研究主要集中在将计算任务卸载到MEC进行处理的系统接纳控制与资源分配，但是任务卸载过程增加了无线带宽的消耗，加剧了通信网络负担；同时现有的接纳控制方法多以运营商收益为目标，而忽略了通信领域更应该关注的无线带宽资源的利用率、用户体验等问题。

因此，需要一种既能帮助通信、缓解无线带宽压力，又能提高无线带宽资源的有效利用率的接纳控制方法及系统。

发明内容

本发明提供一种接纳控制方法，包括：

步骤1)接收用户的接入请求；

步骤2)利用MEC计算资源对所述用户的接入请求进行预处理；

步骤3)根据所述预处理结果为所述用户的接入请求分配无线带宽资源。

优选的，所述步骤2)进一步包括：

步骤21)检查当前所述无线带宽资源和所述MEC计算资源的可用性；

步骤22)根据所述步骤21)的检查结果对所述用户的接入请求执行接纳判决。

优选的，所述步骤22)进一步包括：

利用有效吞吐量执行对所述用户的接入请求执行接纳判决；其中，所述有效吞吐量是指系统接纳的所有用户初始所请求的无线带宽资源的总和。

优选的，所述步骤22)进一步包括：建立马尔可夫决策过程(Markov DecisionProcess,MDP)模型，并利用所述MDP模型执行所述接纳判决。

优选的，所述MDP的五元组分别为：

系统状态空间S定义为满足资源约束条件时的所有用户数，即

系统行动空间A(i)表示为：

A＝{a＝(a₁，…，a_b，…，a_B)：a_b∈}0，(c+1)}，c＝0，……，C}

转移概率p定义为在状态s选择行动a后到达状态k的概率，表示为：

最大化系统有效吞吐量R定义为：

所述有效吞吐量r定义为：

其中，b表示当前到达的用户请求的无线带宽，且b＝1，……，B；c表示选择接纳并分配的MEC计算资源，且c＝0，……，C；g(c)表示产生的节带化增益，且g(c)∈(0，1]；B表示单个用户的最大需求带宽，C表示系统可为单个用户分配的最大MEC计算资源；B_total和C_total分别表示系统最大无线带宽资源和MEC计算资源；x_b，c表示初始请求b单位无线带宽，系统分配c单位MEC计算资源的用户服务总数；

和

为资源约束条件；a表示决策行动；E[·]表示期望值；s_i表示i时刻系统状态；τ(s，a)表示在状态s选择行动a后到下一决策时刻的时间间隔，具体表示为：

其中，λ表示用户达到过程的平均速率，μ表示用户离开过程的平均速率。

优选的，所述步骤22)进一步包括基于随机策略优化所述MDP模型的求解过程。

优选的，所述随机策略的接纳请求概率为：

其中，

表示当前占用带宽总数,θ为系统占用资源的模糊阈值。

优选的，所述步骤22)进一步包括利用迭代运算的方式对所述MDP执行优化求解。

优选的，所述步骤3)进一步包括：

根据所述预处理结果拒绝所述用户的接入请求；或

根据所述预处理结果接纳所述用户的接入请求并直接为所述用户的接入请求分配所述无线带宽资源；或

根据所述预处理结果接纳新用户并分配一定的所述MEC计算资源，并根据节带化增益分配相应无线带宽资源。

根据本发明的另一个方面，还提供一种接纳控制系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器运行所述程序时执行如上所述的步骤。

相对于现有技术，本发明取得了如下有益技术效果：本发明提供的接纳控制方法及系统，采用了上述接纳控制方法对用户发出的接入请求进行预处理，有效降低了无线带宽需求，提高了无线带宽资源的利用率，并增大了系统接入的用户数量，缓解系统压力；特别是当在用户服务时间较短时，能够快速提升用户的接纳率。

附图说明

图1是本发明优选实施例提供的一种接纳控制方法的示意图。

图2是本发明优选实施例提供的MDP模型建立的流程示意图。

图3是基于MEC的系统有效吞吐量与传统的非MEC的系统有效吞吐量的对比曲线图。

图4是本发明提供的基于MEC系统的MEC最大计算资源值与系统平均有效吞吐量的柱形关系图。

图5是本发明提供的基于MEC系统的不同用户服务时间对应的MEC最大计算资源值与用户接纳率的曲线关系图。

具体实施方式

为了使本发明的目的、技术方案以及优点更加清楚明白，以下结合附图，对本发明的实施例中提供的MEC辅助的接纳控制方法及系统进一步详细说明。

一般来说，将终端密集计算任务卸载到MEC进行辅助处理时，系统的接纳控制方式会直接影响资源的利用率。其中，接纳控制是一种为了防止网络中出现拥塞而提出的流量控制标准，例如，系统可以根据当前无线资源利用状况、已有会话的业务质量现状以及新业务所要求的服务质量等，对新用户的连接请求进行接纳判决，即接纳或拒绝新的用户请求。这种接纳控制方法可用于在保证已有会话的业务质量的同时尽可能的提高无线资源的利用率。

发明人经研究发现，目前基于MEC的接纳控制采用的方法是将边缘计算服务器部署在传统小区基站侧，当用户请求一定的带宽及MEC计算资源时，通过对用户请求进行分类，在无线带宽及MEC计算资源约束下最大化运营商平均收益。这种方法虽然解决了终端计算能力不足的问题，但其在卸载传输过程增加了无线带宽消耗，加剧了网络负担，降低了无线带宽资源的利用率及用户体验。

为此，发明人经大量实验提出了一种从通信领域出发的基于马尔科夫决策过程的接纳控制方法，该方法在系统无线带宽资源约束和MEC计算资源约束下，将MDP效益函数定义为最大化系统长时间运行的平均有效吞吐量，从而通过分配MEC计算资源，对新用户请求的业务进行预处理，以便降低传输带宽要求，缓解无线通信压力。其中，有效吞吐量是发明人为了验证上述接纳控制方法的有效性自定义的变量，具体是指系统接纳的所有用户初始所请求的无线带宽资源之和，其能在一定程度上反映系统接纳用户数。

图1是本发明优选实施例提供的一种接纳控制方法的示意图，如图1所示，以VR视频流为例，本发明提供的接纳控制方法是指，当有新用户的请求内容到达系统发起接入请求时，系统将首先检查无线带宽资源以及MEC计算资源的可用性并进行的接纳判决，以便决定是拒绝新用户请求，接纳新用户并直接分配新用户请求的无线带宽资源，还是接纳新用户并分配一定的MEC计算资源。通过利用上述分配MEC计算资源的方式，可以对新用户请求的业务进行预处理，从而降低传输带宽需求。

下面将结合具体实施例详细说明本发明提供的基于MDP的最大化有效吞吐量的接纳控制方法在执行接纳判决时所包括的具体步骤。

S10建立马尔科夫决策过程

假设新用户的到达过程服从均值为λ的泊松分布；用户的离开过程服从均值为μ的指数分布，即平均服务时间为1/μ。

图2是本发明优选实施例提供的MDP模型建立的流程示意图，如图2所示，当请求为b单位无线带宽的用户到达时，系统将判断是否接纳该用户以及是否分配MEC计算资源进行预处理。当选择接纳并分配c单位的MEC计算资源时，会产生节带化增益g(c)，则此时所需要的传输带宽变为

单位。

其中，g(c)∈(0，1]；b＝1，……，B，c＝0，……，C，B表示单个用户的最大需求带宽，C表示系统可为单个用户分配的最大MEC计算资源；当c＝0时表示不分配MEC计算资源。

已知马尔科夫决策过程(MDP)可以用如下五元组来进行描述：

(S，A(i)，p，r，R)

其中，S表示系统状态空间，A(i)表示系统行动空间，p表示转移概率，r表示系统瞬时收益，R表示策略评价指标。

则有在建立基于MDP的接纳控制机制时，可将上述五元组中的相关参数分别对应定义为与接纳判决相关的参数，具体如下：

S101系统状态空间S

将系统状态空间S定义为满足资源约束条件时系统的所有用户数，则有在一个决策时刻系统当前状态定义为：

s＝[x_1，0，…，x_1，C，…，x_B，0，…，x_B，C]

其中，x_b，c表示初始请求b单位无线带宽、系统分配c单位MEC计算资源的用户服务总数，b＝1，……，B，，c＝0，……，C。

进一步地，系统状态空间表示为：

其中，B_total和C_total分别表示系统最大无线带宽资源和MEC计算资源，

和

为资源约束条件，分别表示当前系统服务用户所占用的总带宽和MEC计算资源不超过系统提供的最大带宽和最大MEC计算资源。

S102系统行动空间A(i)

假设系统事件e＝(e₁，…，e_b，…，e_B)，则所有可能事件的集合可以定义为：ε＝{e：e_b∈{-(c+1)，0，1}，b＝1，…，B；c＝0，…，C}。其中，e_b＝-(c+1)表示事件“一个初始请求b单位带宽同时系统分配c单位计算资源的用户离开”；e_b＝1表示事件“一个新的请求b单位带宽资源的用户到达”；e_b＝0表示剩余其他情况。

由此可知，当e_b＝1时，系统需要进行接纳决策。假设决策行动为：

a_b∈{0，(c+1)}，c＝0，……，C

其中,a_b＝0表示系统拒绝该用户；a_b＝(c+1)表示系统接纳用户并为其分配c单位计算资源。

则系统行动空间A(i)可表示为：

A＝{a＝(a₁，…，a_b，…，a_B)：a_b∈{0，(c+1)}，c＝0，……，C}

S103转移概率p

将转移概率p定义为在状态s选择行动a后到达状态k的概率，表示为：

其中，τ(s，a)表示在状态s选择行动a后到下一决策时刻的时间间隔，可以表示为：

S104策略评价指标R和系统瞬时收益r

本发明提供的接纳控制方法以最大化系统有效吞吐量为目标，则有最大化系统有效吞吐量(即策略评价指标)R可以定义为：

其中，E[·]表示期望值；有效吞吐量(即系统瞬时收益)r定义为系统所有接纳的用户初始所请求的无线带宽资源之和，则有：

其中，s_i表示i时刻系统状态。

S20设计MDP优化求解过程

利用步骤S10建立完成MDP系统模型后，再利用如下步骤进一步优化求解过程。

S201设计参数化随机策略。

当新用户请求到达时，系统以如下概率接纳该请求：

其中，

表示当前占用带宽总数，θ为系统占用资源的模糊阈值，可用于决定是否接纳新用户请求。

S202优化MDP中的参数p，r，R

将MDP的转移概率p、有效吞吐量r、以及系统目标函数R分别利用参数θ来表示如下：

S203系统假设

设对于每一个

由各转移概率p_sk(θ)组成的状态转移概率矩阵表示为P(θ)，所有参数θ组成的状态转移概率矩阵集合表示为P，

为其闭集，其中，

则有：

假设1：对于每一个

其马尔科夫链是非周期的。同时，对于每一个马尔科夫链，存在一个重复出现的状态s^*。

假设2：对于每一个s，k∈S，状态转移概率p_sk(θ)及效益函数r_s(θ)有界，二次可微，且其一阶、二阶导数有界。

S204迭代优化求解。

利用迭代循环进行优化求解，具体地，包括以下子步骤：

步骤S2041：初始化系统参数。

例如，系统状态s₀＝zeros(12)、参数θ₀＝16、迭代步长γ₀＝0.0003、正实数η＝0.1、初始平均有效吞吐量估计值

止迭因子ε以及重复出现状态s^*＝zeros(12)。

步骤S2042：进入循环。

完成步骤S2041的初始化系统参数后，可通过下式进行迭代：

其中，参数m表示重复出现状态s^*的次数。

步骤S2043：若

则跳出循环；否则令n＝n+1，返回步骤S2042；当上述迭代结束时，即可得到MDP优化结果。

S30系统性能验证。

利用步骤S20完成对MDP的优化求解后，可对系统的性能进行验证，根据一个实施例，包括以下子步骤：

S301验证一

假设系统最大带宽为B_total＝20，MEC计算资源C_total＝24。单用户请求的最大带宽B＝4，系统为单用户分配的最大MEC计算单元C＝2。用户到达过程的平均速率为[λ₁，λ₂，λ₃，λ₄]＝[2.4，2.0，1.8，1.6]，离开过程平均速率μ＝2.2。

则有，利用MEC计算资源对待传输内容进行预处理节约的带宽比例：

由此可知，当有用户发出接入请求时，利用MEC计算资源针对待传输内容进行预处理，可以节约大量的传输带宽。

S302验证二

图3是基于MEC的系统有效吞吐量与传统的非MEC的系统有效吞吐量的对比曲线图，其中，横坐标表示执行迭代运算的次数，纵坐标表示平均有效吞吐量，实线曲线图表示基于MEC的系统的平均有效吞吐量随算法迭代次数的变化曲线，虚线直线图表示非MEC的系统的平均有效吞吐量随算法迭代次数的变化曲线。由图3可知相比于传统的非MEC系统，基于MEC的系统的平均有效吞吐量有显著的提升；另外随着算法迭代次数的增加，系统的平均有效吞吐量将趋于稳定。

S303验证三

图4是本发明提供的基于MEC系统的MEC最大计算资源值与系统平均有效吞吐量的柱形关系图，由图4可知，随着MEC的最大计算资源值C_total的增加，系统的平均有效吞吐量将逐渐增大，而当上述最大计算资源值C_total增大到一定程度时，系统的平均有效吞吐量将保持稳定，这是因为C_total值已经大于了用户请求所需的计算资源，即，有部分MEC的计算资源出现了闲置。因此，在实际应用过程中，用户可以根据实际的应用环境选取合适的C_total值，来优化系统的运算成本。

S304验证四

图5是本发明提供的基于MEC系统的不同用户服务时间对应的MEC最大计算资源值与用户接纳率的曲线关系图，假设表示用户服务时间长短的参数为1/μ，其中，参数1/μ越大表示所需用户服务时间越长，以μ＝0.5，μ＝0.8，μ＝1.0为例，对比不同用户服务时长时，C_total与用户接纳率的关系。由图5可知，初始用户接纳率与用户服务时长成正比，但是随着C_total的增加，用户接纳率也会逐渐增加，并且用户接纳率的增加速率与用户服务时长成反比，即用户服务时长越小，用户的接纳率的提升越快。

由此可知，本发明提供的基于MEC的系统由于采用了上述接纳控制方法对用户发出的接入请求进行预处理，有效降低了无线带宽需求，提高了系统接入的用户数量，并且在用户服务时间较小时，能够快速提升用户的接纳率。

虽然本发明已经通过优选实施例进行了描述，然而本发明并非局限于这里所描述的实施例，在不脱离本发明范围的情况下还包括所做出的各种改变以及变化。

Claims (8)

1.一种接纳控制方法，包括：

步骤1)接收用户的接入请求；

步骤21)检查当前无线带宽资源和MEC计算资源的可用性；

步骤22)根据所述步骤21)的检查结果对所述用户的接入请求执行接纳判决；

步骤3)根据所述接纳判决的结果拒绝所述用户的接入请求；或

根据所述接纳判决的结果接纳所述用户的接入请求并直接为所述用户的接入请求分配所述无线带宽资源；或

根据所述接纳判决的结果接纳所述用户的接入请求并分配一定的所述MEC计算资源，利用所述MEC计算资源对新用户请求的业务进行预处理从而产生节带化增益，并为所述用户的接入请求分配节带化预处理后所需的无线带宽资源。

2.根据权利要求1所述的接纳控制方法，其特征在于，所述步骤22)进一步包括：

利用有效吞吐量对所述用户的接入请求执行接纳判决；其中，所述有效吞吐量是指系统接纳的所有用户初始所请求的无线带宽资源的总和。

3.根据权利要求2所述的接纳控制方法，其特征在于，所述步骤22)进一步包括：建立MDP模型，并利用所述MDP模型执行所述接纳判决。

4.根据权利要求3所述的接纳控制方法，其特征在于，所述MDP的五元组分别为：

系统状态空间S定义为满足资源约束条件时的所有用户数，即

系统行动空间A(i)表示为：

A＝{a＝(a₁,…,a_b,…,a_B)：a_b∈{0,(c+1)},c＝0,……,C}

转移概率p定义为在状态s选择行动a后到达状态k的概率，表示为：

其中，e_b(k)表示系统到达状态k的事件；

最大化系统有效吞吐量R定义为：

其中，A_S表示在系统状态为S时系统的行动空间，t表示第t时刻；

所述有效吞吐量r定义为：

其中，b表示当前到达的用户请求的无线带宽，且b＝1,……,B；c表示选择接纳并分配的MEC计算资源，且c＝0,……,C；g(c)表示产生的节带化增益，且g(c)∈(0,1]；[b·g(c)]表示初始请求b单位无线带宽，节带化预处理后实际需求无线带宽；B表示单个用户的最大需求带宽，C表示系统可为单个用户分配的最大MEC计算资源；B_total和C_total分别表示系统最大无线带宽资源和MEC计算资源；x_b,c表示初始请求b单位无线带宽，系统分配c单位MEC计算资源的用户服务总数；

和

为资源约束条件；a表示决策行动；E[·]表示期望值；s_i表示i时刻系统状态；τ(s,a)表示在状态s选择行动a后到下一决策时刻的时间间隔，具体表示为：

其中，λ表示用户达到过程的平均速率，μ表示用户离开过程的平均速率。

5.根据权利要求4所述的接纳控制方法，其特征在于，所述步骤22)进一步包括基于随机策略优化所述MDP模型的求解过程。

6.根据权利要求5所述的接纳控制方法，其特征在于，所述随机策略的接纳请求概率为：

其中，

表示当前占用带宽总数,θ为系统占用资源的模糊阈值。

7.根据权利要求6所述的接纳控制方法，其特征在于，所述步骤22)进一步包括利用迭代运算的方式对所述MDP执行优化求解。

8.一种接纳控制系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器运行所述程序时执行如权利要求1-7任一项所述的步骤。

Images