CN111431743A - 基于数据分析的大规模WiFi系统中边缘资源池构建方法及系统 - Google Patents
基于数据分析的大规模WiFi系统中边缘资源池构建方法及系统 Download PDFInfo
- Publication number
- CN111431743A CN111431743A CN202010190354.2A CN202010190354A CN111431743A CN 111431743 A CN111431743 A CN 111431743A CN 202010190354 A CN202010190354 A CN 202010190354A CN 111431743 A CN111431743 A CN 111431743A
- Authority
- CN
- China
- Prior art keywords
- social
- migration
- resource pool
- edge
- centrality
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000007405 data analysis Methods 0.000 title claims abstract description 25
- 230000005012 migration Effects 0.000 claims abstract description 60
- 238000013508 migration Methods 0.000 claims abstract description 60
- 238000010586 diagram Methods 0.000 claims abstract description 24
- 238000011176 pooling Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000000060 site-specific infrared dichroism spectroscopy Methods 0.000 claims 1
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于数据分析的大规模WiFi系统中边缘资源池构建方法及系统，该方法包括：采集所有用户的关联信息记录，并为每个用户提取迁移样本；通过在AP之间建立社交联系构建AP社交关系图；根据AP的中心程度和AP相互之间的紧密程度对AP社交关系图进行中心度测量，获得中心度；根据中心度对AP社交关系图的演化模式进行刻画，获得AP社交关系图的未来的社交性不确定性；根据AP社交关系图的未来的社交性不确定性，构建边缘资源池以提供高效的边缘服务，包括：联合“中心”的AP与“边缘”的AP。本发明可以提高边缘资源池构建策略的服务供给性能。
Description
技术领域
本发明涉及大规模移动网络中边缘计算技术领域，尤其涉及一种基于数据分析的大规模WiFi系统中边缘资源池构建方法及系统。
背景技术
大规模WiFi系统已广泛部署在大多数共用场所，例如大学，(例如eduroam(education roaming)全球教育无线网漫游联盟)，企业和购物中心，其中大量的AP(AccessPoint，接入点)部署在广域室内环境并采用唯一的服务标识符，以提供无缝高质量因特网连接。同时，边缘计算已成为网络基础架构中最具前途的变革技术之一。在该基础架构中，高性能计算，存储和网络资源可以放置在靠近用户的位置以低时延形式提供最后一跳高质量网络计算服务。随着用户数据激增，不断增长的计算密集型任务以及低延迟在请求响应中的重要性日益增强，从而推动了计算的发展。借助边缘计算，该系统能够为用户快速数据处理，对抖动敏感的在线游戏交互，快速的高带宽媒体内容传输等带来巨大的潜力。
传统地，服务提供商可能会在每个AP处构建边缘计算以进行服务供给。然而，当AP数量变得非常大时(例如，本系统校园网络中有超过7404个AP)，这将导致高昂的部署成本。即使选择少量“流行”的AP子集进行有限的边缘部署，但仍有一些障碍会使该框架崩溃。根据我们对用户关联记录的实证研究，我们首先发现用户经常在许多不同的AP之间进行关联转换，并且转换模式非常不确定，这意味着大量的服务迁移会不可避免，从而导致严重的服务抖动和大量的回程迁移流量。例如，对于封装了用户服务的虚拟机和容器，即使未安装服务，其大小也可以分别高达2.7GB和400MB。但是，在我们的系统中，用户移动的迁移规模达每天约700,000次，这可能分别导致1,845TB和267TB的回程迁移流量。其次，由于单个AP的关联用户数量有限，因此无法充分释放用户复用增益，这限制了边缘资源的利用率。最后，在AP处使用小尺寸资源将使边缘服务配置变得不灵活，这可能无法处理用户请求激增或导致在非高峰时间浪费资源。
为克服这些困难，将合适的AP联合以创建资源池化的边缘系统作为高效的解决思路，联合AP的关联的用户可以无缝使用池化资源。在这种架构下，可以以较低成本实现诸如减少服务迁移，有效资源利用和弹性资源供应等在内的几个代表性效益。例如，当用户在联合AP之间进行移动时，池中的资源将容纳其服务，而无需进行迁移。此外，联合AP可以为更多用户服务，因为它们可以通过复用同时使用相同的物理资源，因此可以提高资源利用的效率。尽管有这些优势，但由于时空用户关联模式的异构特性，如何联合大量的AP(即应划分多少个AP联合以及应将哪些AP联合)仍存在挑战，使技术问题相当棘手。
在已有文献中，已在大型WiFi系统中进行了一些测量研究，但它们专注于刻画用户关联模式和用户服务质量，例如延迟和吞吐量，而不是研究系统中的边缘服务设置。另一方面，对于边缘资源池，只能找到一些相关较少的参考文献。虽有提倡无线网络的资源池化，但是仅陈述了池化设计原则，而没有进行深入的技术研究，且已有文献专注于通过设备-设备通信来完成IoT(Internet of Thing，物联网)设备之间的边缘资源池化，这与我们的场景截然不同。总结来看，边缘资源池对于有效的边缘服务供应非常重要，尤其是在大规模WiFi系统中，但是如何实现边缘资源池仍有待研究。
发明内容
本发明提供了一种基于数据分析的大规模WiFi系统中边缘资源池构建方法及系统，用以解决用户在进行频繁移动造成的服务迁移占用系统资源的技术问题。
为解决上述技术问题，本发明提出的技术方案为：
一种基于数据分析的大规模WiFi系统中边缘资源池构建方法，包括以下步骤：
采集所有用户的关联信息记录，并为每个用户提取迁移样本；
通过在AP之间建立社交联系构建AP社交关系图；根据AP的中心程度和AP相互之间的紧密程度对AP社交关系图进行中心度测量，获得中心度；根据中心度对AP社交关系图的演化模式进行刻画，获得AP社交关系图的未来的社交性不确定性；
根据AP社交关系图的未来的社交性不确定性，构建边缘资源池以提供高效的边缘服务，包括：联合“中心”的AP与“边缘”的AP。
作为本发明的方法的进一步改进：
优选地，构建边缘资源池还包括：利用模块化指标量化社区划分；和\或设置社交联系强度阈值并根据社交联系强度阈值删除社交联系强度较弱的“随机接触”的AP。
优选地，用户的关联信息记录，包括：用户MAC地址，AP的ID，AP的名称，已使用流量，连接时间，断开连接时间，无线电模式(比如802.11ac或者802.11n)，RSSI，SSID，和用户名；
每一个迁移样本由一个五元组数据组成：迁移ID，用户ID，迁移时间，<源AP地址，持续时间>，和<目的AP地址，持续时间>，其中迁移ID和迁移时间分别对应用户的关联信息记录中的关联的AP的ID和连接时间。
优选地，通过在AP之间建立社交联系构建AP社交关系图，包括：定义迁移熵以量化2个AP间的社交联系强度，计算公式如下：
其中，Hij表示节点i和j之间的社交联系强度权重，即迁移熵，u表示用户，i和j分别表示两个AP，如果存在从i迁移到j的迁移样本，则将该迁移样本的社交联系强度权重设置为持续时间的总和；Sij表示从i到j的迁移样本的总权重；Uij表示从i和j的连接上具有迁移样本的不同用户的集合，
表示属于用户u的迁移样本的总权重；用户u的每次迁移的社交联系强度权重的概率为
优选地，对AP社交关系图演化模式进行刻画，获得AP社交关系图的未来的社交性不确定性，计算公式如下：
其中，
是一个AP i在t时刻的关系向量，其中
表示AP i和j之间的社交联系强度；
为在t-n时刻，AP i对应的关系向量；
为
和
之间的不确定度比；
表示
和
交互信息；
表示
的临界熵。
优选地，对于AP社交关系图加权网络，模块化指标Q如下：
其中，Hij表示节点i和j之间的社交联系强度权重，m等于
wi表示所有连接至节点i的社交联系强度权重的总和，即wi＝∑jHij；ci表示节点i被分配的社区，以u指代，cj表示节点j被分配的社区，以v指代，如果u＝v，即δ(u,v)＝1，否则，δ(u,v)＝0。
本发明还提供了一种基于数据分析的大规模WiFi系统中边缘资源池构建系统，包括：
迁移数据供给层，用于采集所有用户的关联信息记录，并为每个用户提取迁移样本；
社交关系建立与刻画层，用于通过在AP之间建立社交联系构建AP社交关系图；根据AP的中心程度和AP相互之间的紧密程度对AP社交关系图进行中心度测量，获得中心度；根据中心度对AP社交关系图的演化模式进行刻画，获得AP社交关系图的未来的社交性不确定性；
边缘资源池化策略设计层，用于根据AP社交关系图的未来的社交性不确定性，构建边缘资源池以提供高效的边缘服务，包括：联合“中心”的AP与“边缘”的AP。
优选地，边缘资源池化策略设计层，还用于利用模块化指标量化社区划分；和\或设置社交联系强度阈值并根据社交联系强度阈值删除社交联系强度较弱的“随机接触”的AP。
本发明还提供了一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。
本发明具有以下有益效果：
本发明的基于数据分析的大规模WiFi系统中边缘资源池构建方法及系统，通过对用户的关联信息记录进行数据分析，构建AP社交关系图，对静态AP社交网络进行了中心度和未来的社交性不确定性的挖掘和刻画，并构建边缘资源池以提供高效的边缘服务，当系统规模较大时，可以提高边缘资源池构建策略的服务供给性能。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明优选实施例的基于数据分析的大规模WiFi系统中边缘资源池构建方法的流程示意图；
图2是本发明优选实施例的基于数据分析的大规模WiFi系统中边缘资源池构建系统的结构示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
参见图1，本发明的基于数据分析的大规模WiFi系统中边缘资源池构建方法，包括以下步骤：
采集所有用户的关联信息记录，并为每个用户提取迁移样本；
通过在AP之间建立社交联系构建AP社交关系图；根据AP的中心程度和AP相互之间的紧密程度对AP社交关系图进行中心度测量，获得中心度；根据中心度对AP社交关系图的演化模式进行刻画，获得AP社交关系图的未来的社交性不确定性；
根据AP社交关系图的未来的社交性不确定性，构建边缘资源池以提供高效的边缘服务，包括：联合“中心”的AP与“边缘”的AP。
通过对用户的关联信息记录进行数据分析，构建AP社交关系图，对静态AP社交网络进行了中心度和未来的社交性不确定性(未来演变特征)的挖掘和刻画，并构建边缘资源池以提供高效的边缘服务，当系统规模较大时，可以提高边缘资源池构建策略的服务供给性能。
实际实施时，以上的方法还能进行以下的扩充或应用，以下实施方式中的技术特征都能相互组合。实施例仅作为示例，不作为对技术特征的正常组合限制。
实施例1：
本实施例的基于数据分析的大规模WiFi系统中边缘资源池构建方法，包括以下步骤：
S1:采集所有用户的关联信息记录，并为每个用户提取迁移样本。在采集所有用户的关联信息记录后，还可对采集的用户关联信息进行预处理，所述预处理包括：对异常数据和重复数据进行剔除。本实施例中，用户的关联信息记录包括：用户MAC地址，AP的ID号，AP的名称，已使用流量，连接时间，断开连接时间，无线电模式(比如802.11ac或者802.11n)，RSSI(Received Signal Strength Indication接收的信号强度指示)，SSID(Service SetIdentifier，服务集标识)，和用户名。并且，本实施例中，每一个迁移样本由一个五元组数据组成：迁移ID，用户ID，迁移时间，<源AP地址，持续时间>，和<目的AP地址，持续时间>，其中迁移ID和迁移时间分别对应用户的关联信息记录中的关联的AP的ID和连接时间。
S2:通过在AP之间建立社交联系构建AP社交关系图。具体来说，定义了迁移熵来量化社交联系的强度，其中更多的用户在连接上具有适当比例的转换，从而促进了更强的联系。在观察到普遍的异常联系事件之后，在该事件中，只有一个用户异常通过连接进行传输，我们合理地消除了这些异常联系，以刻画出网络结构。
本实施例中，通过在AP之间建立社交联系构建AP社交关系图，具体包括：定义迁移熵以量化2个AP间的社交联系强度，其计算公式如下：
其中，Hij表示节点i和j之间的社交联系强度权重，即迁移熵，u表示用户，i和j分别表示两个AP，如果存在从i迁移到j的迁移样本(反之亦然)，则将该迁移样本的权重设置为持续时间的总和；Sij表示从i迁移到j的迁移样本的总权重；Uij表示从i和j的连接上具有迁移样本的不同用户的集合，
表示属于用户u的迁移样本的总权重；用户u的每次迁移的社交联系强度权重的概率为
迁移熵的优点在于它不仅可以测量迁移的频率，而且可以刻画用户迁移分布，这对于边缘服务供给非常重要。高迁移熵意味着更多用户在该连接上具有适当比例的每次迁移的社交联系强度权重。若发现异常连接样本，则将其直接移除。
然后，根据AP的中心程度和AP相互之间的紧密程度对AP社交关系图进行中心度测量，获得中心度。构建AP社交关系图后，通过测量其中心度来确定网络中各个AP的相对重要性，主要包括：度中心度(Degree centrality,DC)，中介中心度(Betweenness centrality,BC)和紧密中心度(Closeness centrality,CC)。DC表示一个点与其他点直接连接的总和，其值越大说明其占据的中心线越高。BC表示计算经过一个点的最短路径的数量。经过一个点的最短路径的数量越多，就说明它的中介中心度越高。CC表示计算的是一个点到其他所有点的距离的总和，这个总和越小就说明这个点到其他所有点的路径越短，也就说明这个点距离其他所有点越近。根据AP的中心程度，AP相互之间的紧密程度对AP的中心性进行测量研究，并获得一些有价值的见解。例如，发现AP度具有指数衰减，这意味着一小部分AP在网络中处于“中心”位置，并且是AP联盟的合适候选种子。
最后，根据中心度对AP社交关系图的演化模式进行刻画，获得AP社交关系图的未来的社交性不确定性。观察到未来的社交性不确定性可以从历史社交性知识中很好地学习。这表明，受影响人之间的社交活动是定期且固定的，这对于以长期绩效为目标的边缘资源池化策略设计至关重要。
为了量化长期的未来的社交性不确定性，对于在时间段t(本例中的时间单位为一天)提取的联系图，研究每个AP的社交联系分布，并检查其与在时间点(t-n)获得的分布的相关性。本实施例中，对AP社交关系图演化模式进行刻画，获得AP社交关系图的未来的社交性不确定性，包括，针对一个AP i在t时刻，它的关系向量可以表示为
，其中
表示AP i和j之间的社交联系强度。在t-n时刻，其对应的关系向量为
为了刻画随着时间跨度的社交性演变模式，定义
和
之间的不确定度比
可以计算为：
其中，
表示
和
交互信息；
表示
的临界熵。不确定比的测量可以量化
的社交性不确定性，其无法从基于
的知识学习到。
S3:根据AP社交关系图的未来的社交性不确定性，构建边缘资源池(即定制边缘资源池化策略)以提供高效的边缘服务，包括：联合“中心”的AP与“边缘”的AP，即可以将高度“中心”的AP与那些“边缘”的AP(“边缘”表示一个相对的距离，表示“中心”的AP的“对立面”的AP)联合起来，以减轻资源短缺并提高相应的“中心”和“边缘”AP的资源利用效率。此外，由于频繁的用户转换，可以联合那些连接紧密的AP，以避免在用户之间进行迁移时导致不必要的服务迁移。
减少服务迁移策略设计非常重要，因为它与用户服务性能高度相关，并且对于防止回程流量泛滥(由服务迁移引起)也至关重要，会严重破坏其它网络服务。实施时，可采用为期一周的社交知识来学习嵌入已建立的社交网络中的社区(AP联盟)结构。从而本实施例中，构建边缘资源池策略还可包括：利用模块化指标量化社区划分。模块化指标通过与社区之间的连接进行比较来衡量社区内部连接的密度。对于AP社交关系图加权网络，模块化指标Q如下：
其中，Hij表示节点i和j之间的社交联系强度权重，m等于
wi表示所有连接至节点i的社交联系强度权重的总和，即wi＝∑jHij；ci表示节点i被分配的社区，以u指代，cj表示节点j被分配的社区，以v指代，如果u＝v，即δ(u,v)＝1，否则，δ(u,v)＝0。模块化指标为一个标量，其取值范围为[-1，1]，正值表示可能存在社区结构，而值大于0.3则表示存在明显分离的社区结构。
实施时，构建边缘资源池策略还可包括：设置社交联系强度阈值并根据社交联系强度阈值删除社交联系强度较弱的“随机接触”的AP。即并入一个社交联系强度阈值以管理“随机接触”的影响，并且仅考虑强度高于该社交联系强度阈值的连接，因为那些社交联系强度较弱的“随机接触”可能会干扰社区结构。但是，在逐渐增加阈值并删除更多链接联系人之后，某些AP可能未包含在AP社交关系图中。
实施例2：
参见图2，本实施例提供一种与实施例1对应的基于数据分析的大规模WiFi系统中边缘资源池构建系统，以实现实施例1的功能(计算和定义均与实施例1相同)，该系统包括：
迁移数据供给层，用于采集所有用户的关联信息记录，并为每个用户提取迁移样本；
社交关系建立与刻画层，用于通过在AP之间建立社交联系构建AP社交关系图；根据AP的中心程度和AP相互之间的紧密程度对AP社交关系图进行中心度测量，获得中心度；根据中心度对AP社交关系图的演化模式进行刻画，获得AP社交关系图的未来的社交性不确定性；
边缘资源池化策略设计层，用于根据AP社交关系图的未来的社交性不确定性，构建边缘资源池以提供高效的边缘服务，包括：联合“中心”的AP与“边缘”的AP，利用模块化指标量化社区划分；和\或设置社交联系强度阈值并根据社交联系强度阈值删除社交联系强度较弱的“随机接触”的AP。
实施例3：
本实施例提供了一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法实施例的步骤。
综上，在大规模WiFi系统中，由于用户具有高动态性且伴随不确定的关联模式，因此边缘资源池对于有效的边缘服务供给至关重要。尽管AP在物理上是静态的，但是可以利用AP上关联用户的移动过程来刻画AP间的社交关系。
因此，本发明的基于数据分析的大规模WiFi系统中边缘资源池构建方法及系统，通过对用户的关联信息记录进行数据分析，构建AP社交关系图，对静态AP社交网络进行了中心度和未来的社交性不确定性的挖掘和刻画，并构建边缘资源池以提供高效的边缘服务，当系统规模较大时，可以提高边缘资源池构建策略的服务供给性能。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (9)
1.一种基于数据分析的大规模WiFi系统中边缘资源池构建方法，其特征在于，包括以下步骤：
采集所有用户的关联信息记录，并为每个用户提取迁移样本；
通过在AP之间建立社交联系构建AP社交关系图；根据AP的中心程度和AP相互之间的紧密程度对AP社交关系图进行中心度测量，获得中心度；根据所述中心度对AP社交关系图的演化模式进行刻画，获得所述AP社交关系图的未来的社交性不确定性；
根据所述AP社交关系图的未来的社交性不确定性，构建边缘资源池以提供高效的边缘服务，包括：联合“中心”的AP与“边缘”的AP。
2.根据权利要求1所述的基于数据分析的大规模WiFi系统中边缘资源池构建方法，其特征在于，所述构建边缘资源池还包括：利用模块化指标量化社区划分；和\或设置社交联系强度阈值并根据社交联系强度阈值删除社交联系强度较弱的“随机接触”的AP。
3.根据权利要求1或2所述的基于数据分析的大规模WiFi系统中边缘资源池构建方法，其特征在于，所述用户的关联信息记录，包括：用户MAC地址，AP的ID，AP的名称，已使用流量，连接时间，断开连接时间，无线电模式，RSSI，SSID，和用户名；
所述每一个迁移样本由一个五元组数据组成：迁移ID，用户ID，迁移时间，<源AP地址，持续时间>，和<目的AP地址，持续时间>，其中迁移ID和迁移时间分别对应用户的关联信息记录中关联的AP的ID和连接时间。
4.根据权利要求3所述的基于数据分析的大规模WiFi系统中边缘资源池构建方法，其特征在于，所述通过在AP之间建立社交联系构建AP社交关系图，包括：定义迁移熵以量化2个AP间的社交联系强度，其计算公式如下：
其中，Hij表示节点i和j之间的社交联系强度权重，即迁移熵，u表示用户，i和j分别表示两个AP，如果存在从i迁移到j的迁移样本，则将该迁移样本的权重设置为持续时间的总和；Sij表示从i到j的迁移样本的总权重；Uij表示从i和j的连接上具有迁移样本的不同用户的集合，
表示属于用户u的迁移样本的总权重；用户u的每次迁移的社交联系强度权重的概率为
5.根据权利要求4所述的基于数据分析的大规模WiFi系统中边缘资源池构建方法，其特征在于，对AP社交关系图演化模式进行刻画，获得所述AP社交关系图的未来的社交性不确定性，计算公式如下：
其中，
是一个AP i在t时刻的关系向量，其中
表示AP i和j之间的社交联系强度；
为在t-n时刻，AP i对应的关系向量；
为
和
之间的不确定度比；
表示
和
交互信息；
表示
的临界熵。
6.根据权利要求1至2或4至5中任一项所述的基于数据分析的大规模WiFi系统中边缘资源池构建方法，其特征在于，对于AP社交关系图加权网络，所述模块化指标Q如下：
其中，Hij表示节点i和j之间的社交联系强度权重，m等于
wi表示所有连接至节点i的社交联系强度权重的总和，即wi＝∑jHij；ci表示节点i被分配的社区，以u指代，cj表示节点j被分配的社区，以v指代，如果u＝v，即δ(u,v)＝1，否则，δ(u,v)＝0。
7.一种基于数据分析的大规模WiFi系统中边缘资源池构建系统，其特征在于，包括：
迁移数据供给层，用于采集所有用户的关联信息记录，并为每个用户提取迁移样本；
社交关系建立与刻画层，用于通过在AP之间建立社交联系构建AP社交关系图；根据AP的中心程度和AP相互之间的紧密程度对AP社交关系图进行中心度测量，获得中心度；根据所述中心度对AP社交关系图的演化模式进行刻画，获得所述AP社交关系图的未来的社交性不确定性；
边缘资源池化策略设计层，用于根据所述AP社交关系图的未来的社交性不确定性，构建边缘资源池以提供高效的边缘服务，包括：联合“中心”的AP与“边缘”的AP。
8.根据权利要求7所述的基于数据分析的大规模WiFi系统中边缘资源池构建系统，其特征在于，所述边缘资源池化策略设计层，还用于利用模块化指标量化社区划分；和\或设置社交联系强度阈值并根据社交联系强度阈值删除社交联系强度较弱的“随机接触”的AP。
9.一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至6任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010190354.2A CN111431743B (zh) | 2020-03-18 | 2020-03-18 | 基于数据分析的大规模WiFi系统中边缘资源池构建方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010190354.2A CN111431743B (zh) | 2020-03-18 | 2020-03-18 | 基于数据分析的大规模WiFi系统中边缘资源池构建方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111431743A true CN111431743A (zh) | 2020-07-17 |
| CN111431743B CN111431743B (zh) | 2021-03-02 |
Family
ID=71553589
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010190354.2A Active CN111431743B (zh) | 2020-03-18 | 2020-03-18 | 基于数据分析的大规模WiFi系统中边缘资源池构建方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111431743B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112653765A (zh) * | 2020-12-24 | 2021-04-13 | 南京审计大学 | 一种基于社区重叠和内嵌分析的资源配置的方法和装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120087430A1 (en) * | 2004-04-02 | 2012-04-12 | Antonio Forenza | Systems and methods to exploit areas of coherence in wireless systems |
| CN102681889A (zh) * | 2012-04-27 | 2012-09-19 | 电子科技大学 | 一种云计算开放平台的调度方法 |
| CN104254113A (zh) * | 2013-06-29 | 2014-12-31 | 华为技术有限公司 | 多标准终端兼容处理方法、装置及系统 |
| CN105592130A (zh) * | 2014-09-26 | 2016-05-18 | 华为技术有限公司 | 一种服务部署方法、服务管理方法及装置 |
| CN105743985A (zh) * | 2016-03-24 | 2016-07-06 | 国家计算机网络与信息安全管理中心 | 一种基于模糊逻辑的虚拟服务迁移方法 |
| CN107155197A (zh) * | 2017-05-31 | 2017-09-12 | 北京邮电大学 | 基于多跳协作的分布式存储方法、装置及电子设备 |
| WO2017196243A1 (en) * | 2016-05-13 | 2017-11-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Low-power channel-state-information reporting mode |
| CN108540959A (zh) * | 2018-04-02 | 2018-09-14 | 嘉兴学院 | 用于接入调度系统的车联网ap协作调度优化方法 |
| CN108990159A (zh) * | 2018-07-12 | 2018-12-11 | 东南大学 | 移动边缘计算系统中基于分层博弈的联合资源分配方法 |
-
2020
- 2020-03-18 CN CN202010190354.2A patent/CN111431743B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120087430A1 (en) * | 2004-04-02 | 2012-04-12 | Antonio Forenza | Systems and methods to exploit areas of coherence in wireless systems |
| CN102681889A (zh) * | 2012-04-27 | 2012-09-19 | 电子科技大学 | 一种云计算开放平台的调度方法 |
| CN104254113A (zh) * | 2013-06-29 | 2014-12-31 | 华为技术有限公司 | 多标准终端兼容处理方法、装置及系统 |
| CN105592130A (zh) * | 2014-09-26 | 2016-05-18 | 华为技术有限公司 | 一种服务部署方法、服务管理方法及装置 |
| CN105743985A (zh) * | 2016-03-24 | 2016-07-06 | 国家计算机网络与信息安全管理中心 | 一种基于模糊逻辑的虚拟服务迁移方法 |
| WO2017196243A1 (en) * | 2016-05-13 | 2017-11-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Low-power channel-state-information reporting mode |
| CN107155197A (zh) * | 2017-05-31 | 2017-09-12 | 北京邮电大学 | 基于多跳协作的分布式存储方法、装置及电子设备 |
| CN108540959A (zh) * | 2018-04-02 | 2018-09-14 | 嘉兴学院 | 用于接入调度系统的车联网ap协作调度优化方法 |
| CN108990159A (zh) * | 2018-07-12 | 2018-12-11 | 东南大学 | 移动边缘计算系统中基于分层博弈的联合资源分配方法 |
Non-Patent Citations (1)
| Title |
|---|
| 杨 俊, 王园园: "基于超级基站的迁移机制应用研究", 《信息系统与网络》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112653765A (zh) * | 2020-12-24 | 2021-04-13 | 南京审计大学 | 一种基于社区重叠和内嵌分析的资源配置的方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111431743B (zh) | 2021-03-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xia et al. | Federated-learning-based client scheduling for low-latency wireless communications | |
| US9083757B2 (en) | Multi-objective server placement determination | |
| CN105940702B (zh) | 物理小区id的自组织分布式分配、优化和使用 | |
| CN105578529B (zh) | 一种接入点的选择系统及方法 | |
| CN106165355A (zh) | 用于通过基于散列路由和/或摘要路由的对等互连实现网络联合的方法、装置和系统 | |
| CN111835819B (zh) | 移动边缘计算中区域化层次化任务迁移方法 | |
| CN116097734A (zh) | 业务体验模型的确定方法及通信装置 | |
| Haq et al. | E2-MACH: Energy efficient multi-attribute based clustering scheme for energy harvesting wireless sensor networks | |
| CN116325686A (zh) | 一种通信方法和装置 | |
| CN105933923B (zh) | 一种超密集组网小区分簇方法 | |
| CN111431743B (zh) | 基于数据分析的大规模WiFi系统中边缘资源池构建方法及系统 | |
| Yi et al. | DMADRL: A distributed multi-agent deep reinforcement learning algorithm for cognitive offloading in dynamic MEC networks | |
| US20090319645A1 (en) | Method, Apparatus, and Computer Program Product for Distributed Information Management | |
| Shao et al. | Cost‐Aware Placement Optimization of Edge Servers for IoT Services in Wireless Metropolitan Area Networks | |
| Kleerekoper et al. | DECOR: Distributed construction of load balanced routing trees for many to one sensor networks | |
| Bourebia et al. | A novel raccoon optimization algorithm with multi-objective clustering strategy based routing protocol for WSNs | |
| Li et al. | Cumulative participant selection with switch costs in large-scale mobile crowd sensing | |
| Ren et al. | Energy-efficient sensory data gathering in IoT networks with mobile edge computing | |
| CN114125962B (zh) | 一种自适应网络切换方法、系统及存储介质 | |
| CN112671926B (zh) | 基于数据跳传链路的电力物联网下行数据传输方法及装置 | |
| Sasaki et al. | Novel communication system selection applying the AHP algorithm in heterogeneous wireless networks | |
| Lyu et al. | SoSA: Socializing static aps for edge resource pooling in large-scale wifi system | |
| Naresh et al. | Improved vertical handoff decision scheme in heterogeneous wireless network based on SCS | |
| Rabnawaz et al. | Exploring 6G Wireless Communication: Application Technologies, Challenges and Future Direction | |
| Cao et al. | A Cooperative Edge Caching Approach Based on Multi-Agent Deep Reinforcement Learning |
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 |