CN111669785B - 一种基于校园网的异构无线网络的移动数据分流方法 - Google Patents

一种基于校园网的异构无线网络的移动数据分流方法 Download PDF

Info

Publication number
CN111669785B
CN111669785B CN202010552178.2A CN202010552178A CN111669785B CN 111669785 B CN111669785 B CN 111669785B CN 202010552178 A CN202010552178 A CN 202010552178A CN 111669785 B CN111669785 B CN 111669785B
Authority
CN
China
Prior art keywords
network
user
time
state
decision
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.)
Active
Application number
CN202010552178.2A
Other languages
English (en)
Other versions
CN111669785A (zh
Inventor
余建
林志兴
刘持标
肖香梅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sanming University
Original Assignee
Sanming University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sanming University filed Critical Sanming University
Priority to CN202010552178.2A priority Critical patent/CN111669785B/zh
Publication of CN111669785A publication Critical patent/CN111669785A/zh
Application granted granted Critical
Publication of CN111669785B publication Critical patent/CN111669785B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W28/00Network traffic management; Network resource management
    • H04W28/02Traffic management, e.g. flow control or congestion control
    • H04W28/10Flow control between communication endpoints
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W16/00Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22Traffic simulation tools or models
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W48/00Access restriction; Network selection; Access point selection
    • H04W48/18Selecting a network or a communication service
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W84/00Network topologies
    • H04W84/02Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/04Large scale networks; Deep hierarchical networks
    • H04W84/042Public Land Mobile systems, e.g. cellular systems
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W84/00Network topologies
    • H04W84/02Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/10Small scale networks; Flat hierarchical networks
    • H04W84/12WLAN [Wireless Local Area Networks]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明适用于网络管理技术领域,提供了一种基于校园网的异构无线网络的移动数据分流方法,首先为了优化校园网和移动数据流量,将移动带宽和校园网Wi‑Fi带宽相结合,以校园网用户在高校上网为场景,通过考虑用户服务满意度回报率将所构建的多目标优化问题转化为一个最大化问题和一种计算最优策略的通用延迟感知Wi‑Fi分流和网络选择算法的数据分流方法,在不同的位置,用户可通过对阀值策略的预设,自动选择其网络连接,以达到网络优化效果。

Description

一种基于校园网的异构无线网络的移动数据分流方法
技术领域
本发明属于网络管理技术领域,尤其涉及一种基于校园网的异构无线网络的移动数据分流方法。
背景技术
随着高校信息化的发展,越来越多的高校已经部署了无线网络。同时,许多移动运营商也加大了在高校的网络设施投入,以争夺高校庞大的市场。各种网络方式的存在,逐步形成了不同方式覆盖的异构无线网络环境,如4G蜂窝网络、运营商无线局域网、校园网局域网。大学生在校园任何地方,只要有信号覆盖的地方,都可以通过各种连接方式接入网络。
据思科公司统计,到2020年移动数据流量将从原来2015年2.3亿字节增长到每月30.6字节,如此巨大的数据流量的需求对各蜂窝网络运营商以及校园网管理者造成的压力也是越来越大。另外,传统的网络扩展方式通常费用较高,稳定性也不足。如何建立一个高效的,有良好成本效益与时间效益的提高网络容量的方法是使用互补技术。例如,将原本是蜂窝网络中的流量分流到校园网Wi-Fi中,或将校园网的Wi-Fi流量分流到运营商的蜂窝网络中。可是,如何保证用户服务质量(Quality of Service,QoS)的前提下,实切用户快速、高效的切换无线网络的数据连接,则需要科学的技术才能实现。通常,主要有两种启动Wi-Fi分流的方式,称为用户启动和运营商启动。在实施初期,当校园网Wi-Fi网络与蜂窝网络未紧密集成时,常见的选择是用户启动,此时校园网用户需要手动选择倾向使用的网络。然而,在这种4G或未来5G网络与校园网Wi-Fi共存的情况下,移运运营商会失去对学生用户的网络监察,因此不能为QoS提供保障。
发明内容
本发明提供一种基于校园网的异构无线网络的移动数据分流方法,旨在解决现有技术存在的问题。
本发明是这样实现的,一种基于校园网的异构无线网络的移动数据分流方法,包括以下步骤:
S1、建立用户满意度模型,其用于获得用户对于带宽需求是否满意,用户对带宽满足时输出结果为1,用户对带宽不满足时输出结果为0;
S2、建立校园网异构网络模型,其用于对网络节点进行选择,获得用户在选择网络节点时所应符合的服务满意度结果为1时的且费用最低的网络节点;
S3、建立数据分流模型,其用于建立数据分流传输决策,并根据所述数据分流传输决策将步骤S2获得的所述网络节点提供给用户进行移动数据传输,实现移动数据分流。
优选的,所述建立用户满意度模型,具体为:
定义用户在k时间里的数据传输速率为Vi={vi1,vi2…,vik},用户最大传输速率为ηj。在t时刻里,那么用户服务满意度为
Figure GDA0003522754440000031
其中,i代表用户,j代表接入的网络,在单位时间内的
Figure GDA0003522754440000032
为网络用户带宽需求的满足度,Op则为用户在单位时间内是否满足业务需求,1表示满足,0为不满足。
优选的,所述建立校园网异构网络模型,具体为:
定义l∈L={1,…,L}是位置索引,其中L是MU可以在t时间内可能到达的位置的总数。在t时刻里,MU与所处的网络的矩阵关系式为
Figure GDA0003522754440000033
其中
Figure GDA0003522754440000034
在t时间里,MU与所处的网络覆盖矩阵关系为
Figure GDA0003522754440000035
其中
Figure GDA0003522754440000036
校园网用户ui的终端要么连接到一个Wi-Fi网络中,要么处于运营商蜂窝网络覆盖中,或者无任何信号;所以
Figure GDA0003522754440000037
需符合下列条件
Figure GDA0003522754440000038
在某个网络N中j,接入进来的用户数
Figure GDA0003522754440000041
应该满足以下约束条件
Figure GDA0003522754440000042
其中,Xj为连接网络Nj中允许的最大用户数。
用户在t时刻内用户所分配的带宽(速率)可表示为:
Figure GDA0003522754440000043
在时刻t,网络用户i从网络j接收到的功率可表达为
RSSij(t)=ρjjlg(dij(t))+ζ
其中,dij(t)是在某时刻t时,校园网移动用户与接入点之间距离。ρj是的发送功率,kj是网络路径损失系数,ζ为服从参数为(0,σ2)的高斯随机变量。用户的信噪比(SNR)为
Figure GDA0003522754440000044
其中,I(x)为看干扰信号强度。用户最大数据传输速率为
Sij(t)=ubwjlog2(1+SNRij(t))
网络连接切换时,根据式
Figure GDA0003522754440000045
可以得到在时刻t用户从其连接的网络上所获取的用户满意度为
Figure GDA0003522754440000046
假设δij(t)为用户预期服务满意度的概率,αij(t)为用户满意度的期望值,则有
Figure GDA0003522754440000047
用βj代表接入网络的归一化成本。θ1、θ2为网络切换时应考虑的优化目标,则
θ1=maximizeαij(t)
θ2=minimizeβj
优化目标满足应满足:
1≤j≤n
Aji=1
Sij(t)≥ri(t)。
优选的,所述建立数据分流模型,具体为:
将时间的长度归一化为1;MU需要在每个决策时期选择一个行为:t∈T={1,…T}。系统状态定义为s=(k,l);状态元素
Figure GDA0003522754440000051
表示要传输的文件剩余大小;使L(0)∈L和L(1)∈L分别是WI-FI不可用和可用的位置集合,并且满足L(0)=L\L(1)
行为a指定MU在每个决策时期的传输决策。定义a∈A={0,1,2},其中a=0表示MU选择保持空闲,a=1表示MU通过蜂窝网络传输,a=2表示MU通过WI-Fi传输;所有位置的MU都可以使用行为a=0和a=1;然而,行为a=2仅在位置l∈L(1)处可用;因此,行为a的可用选择决于状态元素l,所以
Figure GDA0003522754440000052
其中,A(1)是位置l处的可用传输动作的集合;采用常用的基于用量的定价方式
Figure GDA0003522754440000053
MU的费用成本与其数据使用成正比;令p(l,a)为在位置l,p(l,a)为位置l处中选择动作a∈A(1)的使用情况的单位价格,对于空闲状态,p(l,0)=0,
Figure GDA0003522754440000054
令μ(l,a)为当行为a∈A(1)时,位置l处用户的预计吞吐量,并且当MU保持空闲时(a=0)μ(l,0),
Figure GDA0003522754440000055
在时间t∈T处,MU在状态s的行为a∈A(1)下的费用为
ct(s,a)=ct(k,l,a)=min{k,μ(l,a)}p(l,a)
这等于在时间中的数据使用的花费成本;
在截至期限过后,定义在状态S下无法完成文件传输的罚款为
CT+1(S)=CT+1(k,l)=h(k)
其中,h(k)≥0是非递减函数并且h(0)=0;下标T+1表示从时间T+1开始计算罚款;MU根据其应用程序的QoE要求选择h(k);
状态转移概率p(s′|s,a)=p((k′l′)|(k,l),a)是指在状态s=(k,l)中采取行为a的条件下,系统在下一个时间中将会进入状态s′=(k′,l′)的概率;由于MU从位置l移动到位置l′的动作独立于文件大小k和传输行为a,定义
p(s′|s,a)=p((k′,l′)|(k,l),a)=p(l′|l)p(k′|(k,l),a)
其中,
Figure GDA0003522754440000061
并且[x]+=max{0,x},其中,p(l′|l)是MU从位置l移动到位置l′的概率,并且基于MU过去的移动性模式来估计;
令δt:K×L→A为指定MU在状态s=(k,l)和时间t中传输决策的函数;定义策略
Figure GDA0003522754440000062
作为在各种状态和时间下的决策规则的集合;用
Figure GDA0003522754440000063
表示在时间l使用了策略π的状态,并且令C为π的可行集;MU旨在找到能最小化从t=1到t=T期望的总成本和在t=T+1处的罚款总和的最优策略π*,如下所示
Figure GDA0003522754440000064
其中,
Figure GDA0003522754440000065
表示关于MU移动性模型的概率分布和在初始状态s1=(K,l1)下的策略π的期望,l1是MU在t=1的位置;
令vt(s)为MU从时间t到T+1的最小预期总成本,假定系统在时间t的决策之前处于状态s;将不同状态的最小预期总成本与t∈T相关联的最优方程由下式给出
Figure GDA0003522754440000066
其中,对于k∈K,l∈L和a∈A(1)
Figure GDA0003522754440000071
由上式右侧的第一和第二项分别是在选择行为a的剩余时间内的即时成本和预期未来成本。对于t=T+1,将边界条件设置为
Figure GDA0003522754440000072
优选的,步骤S3之后,进一步还包括:
S4、预设阈值策略:策略π*的最优解决方案为
Figure GDA0003522754440000073
其中
Figure GDA0003522754440000074
对于没有Wi-Fi的位置l∈L(0),定义
Figure GDA0003522754440000075
并且
Figure GDA0003522754440000076
其中,k*(l,t)和t*(k,l)分别是对于量度k和t的位置独立阀值和时间独立阀值。
对于有Wi-Fi的位置l∈L(0),如果Wi-Fi的数据速率比蜂窝的数据速率低,即μ2≤μ1,则有
Figure GDA0003522754440000077
最优策略π*包含有关任何时间t∈T中所有可能状态(k,l)的最优传输决策的信息,并且系统在第二阶段文件传输开始之前计算离线;在第二阶段,MU首先根据通过使用全球定位系统(GPS)获取的位置信息来确定每个时间中的位置索引l。然后,MU通过检查表格来执行基于最优策略π*的传输决策。
与现有技术相比,本发明的有益效果是:本发明的一种基于校园网的异构无线网络的移动数据分流方法,首先为了优化校园网和移动数据流量,将移动带宽和校园网Wi-Fi带宽相结合,以校园网用户在高校上网为场景,通过考虑用户服务满意度回报率将所构建的多目标优化问题转化为一个最大化问题和一种计算最优策略的通用延迟感知Wi-Fi分流和网络选择算法的数据分流方法,在不同的位置,用户可通过对阀值策略的预设,自动选择其网络连接,以达到网络优化效果。
附图说明
图1为本发明的异构无线网络模型的示意图。
图2为本发明的实验例的某高校异构网络拓扑图。
图3为本发明的实验例的信道看干扰测试曲线图。
图4为本发明的实验例的信道分析干扰强度图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种技术方案:一种基于校园网的异构无线网络的移动数据分流方法,包括以下步骤:
S1、建立用户满意度模型,其用于获得用户对于带宽需求是否满意,用户对带宽满足时输出结果为1,用户对带宽不满足时输出结果为0。
定义用户在k时间里的数据传输速率为Vi={vi1,vi2…,vik},用户最大传输速率为ηj。在t时刻里,那么用户服务满意度为
Figure GDA0003522754440000091
其中,i代表用户,j代表接入的网络,在单位时间内的
Figure GDA0003522754440000092
为网络用户带宽需求的满足度,Op则为用户在单位时间内是否满足业务需求,1表示满足,0为不满足。
S2、建立校园网异构网络模型,其用于对网络节点进行选择,获得用户在选择网络节点时所应符合的服务满意度结果为1时的费用最低的网络节点。
定义l∈L={1,…,L}是位置索引,其中L是MU可以在t时间内可能到达的位置的总数。在t时刻里,MU与所处的网络的矩阵关系式为
Figure GDA0003522754440000093
其中
Figure GDA0003522754440000094
在t时间里,MU与所处的网络覆盖矩阵关系为
Figure GDA0003522754440000095
其中
Figure GDA0003522754440000096
校园网用户ui的终端要么连接到一个Wi-Fi网络中,要么处于运营商蜂窝网络覆盖中,或者无任何信号。所以
Figure GDA0003522754440000101
需符合下列条件
Figure GDA0003522754440000102
在某个网络N中j,接入进来的用户数
Figure GDA0003522754440000103
应该满足以下约束条件
Figure GDA0003522754440000104
其中,Xj为连接网络Nj中允许的最大用户数。
用户在t时刻内用户所分配的带宽(速率)可表示为:
Figure GDA0003522754440000105
在时刻t,网络用户i从网络j接收到的功率可表达为
RSSij(t)=ρjjlg(dij(t))+ζ
其中,dij(t)是在某时刻t时,校园网移动用户与接入点之间距离。ρj是的发送功率,kj是网络路径损失系数,ζ为服从参数为(0,σ2)的高斯随机变量。用户的信噪比(SNR)为
Figure GDA0003522754440000106
其中,I(x)为看干扰信号强度。用户最大数据传输速率为
Sij(t)=ubwjlog2(1+SNRij(t))
网络连接切换时,根据式
Figure GDA0003522754440000107
可以得到在时刻t用户从其连接的网络上所获取的用户满意度为
Figure GDA0003522754440000108
假设δij(t)为用户预期服务满意度的概率,αij(t)为用户满意度的期望值,则有
Figure GDA0003522754440000111
用βj代表接入网络的归一化成本。θ1、θ2为网络切换时应考虑的优化目标,则
θ1=maximizeαij(t)
θ2=minimizeβj
优化目标满足应满足:
1≤j≤n
Aji=1
Sij(t)≥ri(t)。
S3、建立数据分流模型,其用于建立数据分流传输决策,并根据所述数据分流传输决策将步骤S2获得的所述网络节点提供给用户进行移动数据传输,实现移动数据分流。
将时间的长度归一化为1。MU需要在每个决策时期选择一个行为:t∈T={1,…T}。系统状态定义为s=(k,l)。状态元素
Figure GDA0003522754440000112
表示要传输的文件剩余大小。如图1所示,使L(0)∈L和L(1)∈L分别是WI-FI不可用和可用的位置集合,并且满足L(0)=L\L(1)
行为a指定MU在每个决策时期的传输决策。定义a∈A={0,1,2},其中a=0表示MU选择保持空闲,a=1表示MU通过蜂窝网络传输,a=2表示MU通过WI-Fi传输。所有位置的MU都可以使用行为a=0和a=1。然而,行为a=2仅在位置l∈L(1)处可用。因此,行为a的可用选择决于状态元素l,所以
Figure GDA0003522754440000113
其中,A(1)是位置l处的可用传输动作的集合。采用常用的基于用量的定价方式
Figure GDA0003522754440000114
MU的费用成本与其数据使用成正比。令p(l,a)为在位置l,p(l,a)为位置l处中选择动作a∈A(1)的使用情况的单位价格,对于空闲状态,p(l,0)=0,
Figure GDA0003522754440000121
令μ(l,a)为当行为a∈A(1)时,位置l处用户的预计吞吐量,并且当MU保持空闲时(a=0)μ(l,0),
Figure GDA0003522754440000122
在时间t∈T处,MU在状态s的行为a∈A(1)下的费用为
ct(s,a)=ct(k,l,a)=min{k,μ(l,a)}p(l,a)
这等于在时间中的数据使用的花费成本。
在截至期限过后,定义在状态S下无法完成文件传输的罚款为
CT+1(S)=CT+1(k,l)=h(k)
其中,h(k)≥0是非递减函数并且h(0)=0。下标T+1表示从时间T+1开始计算罚款。MU根据其应用程序的QoE要求选择h(k)。
状态转移概率p(s′|s,a)=p((k′l′)|(k,l),a)是指在状态s=(k,l)中采取行为a的条件下,系统在下一个时间中将会进入状态s′=(k′,l′)的概率。由于MU从位置l移动到位置l′的动作独立于文件大小k和传输行为a,定义
p(s′|s,a)=p((k′,l′)|(k,l),a)=p(l′|l)p(k′|(k,l),a)
其中,
Figure GDA0003522754440000123
并且[x]+=max{0,x},其中,p(l′|l)是MU从位置l移动到位置l′的概率,并且基于MU过去的移动性模式来估计。
令δt:K×L→A为指定MU在状态s=(k,l)和时间t中传输决策的函数。定义策略
Figure GDA0003522754440000124
作为在各种状态和时间下的决策规则的集合。用
Figure GDA0003522754440000125
表示在时间l使用了策略π的状态,并且令C为π的可行集。MU旨在找到能最小化从t=1到t=T期望的总成本和在t=T+1处的罚款总和的最优策略π*,如下所示
Figure GDA0003522754440000126
其中,
Figure GDA0003522754440000127
表示关于MU移动性模型的概率分布和在初始状态s1=(K,l1)下的策略π的期望,l1是MU在t=1的位置。
令vt(s)为MU从时间t到T+1的最小预期总成本,假定系统在时间t的决策之前处于状态s。将不同状态的最小预期总成本与t∈T相关联的最优方程由下式给出
Figure GDA0003522754440000131
其中,对于k∈K,l∈L和a∈A(1)
Figure GDA0003522754440000132
由上式右侧的第一和第二项分别是在选择行为a的剩余时间内的即时成本和预期未来成本。对于t=T+1,将边界条件设置为
Figure GDA0003522754440000133
S4、预设阈值策略。
策略π*的最优解决方案为
Figure GDA0003522754440000134
其中
Figure GDA0003522754440000135
对于没有Wi-Fi的位置l∈L(0),定义
Figure GDA0003522754440000136
并且
Figure GDA0003522754440000137
其中,k*(l,t)和t*(k,l)分别是对于量度k和t的位置独立阀值和时间独立阀值。
对于有Wi-Fi的位置l∈L(0),如果Wi-Fi的数据速率比蜂窝的数据速率低,即μ2≤μ1,则有
Figure GDA0003522754440000138
最优策略π*包含有关任何时间t∈T中所有可能状态(k,l)的最优传输决策的信息,并且系统在第二阶段文件传输开始之前计算离线。在第二阶段,MU首先根据通过使用全球定位系统(GPS)获取的位置信息来确定每个时间中的位置索引l。然后,MU通过检查表格来执行基于最优策略π*的传输决策。
实验例
为了验证该方法的可行性,我们利用某大学与某电信运营商的合作项目进行测试。首先我们要求运营商将出口中继和学校的无线网出口同时部署在其学校网络中心机房的一台锐捷R7708路由器上,运营商和学校无线网在路由器出口上的出口带宽各为10G。校内AP型号为某公司的AP-720或AP-620等型号。为了实现蜂窝网络与校园网的互联互通,我们在路由器上分别做了各自网段的静态路由(此过程省略)。测试区域我们选在某大学某个教学楼区域和某个学生宿舍区域范围。测试软件:WiFi魔盒。手机采用开通网络热点的方式进行测试。测试要求:使用手机或笔记本系统中安装的网络诊断测试软件,进行Wi-Fi干扰、信道分析、信号强度、网速和安全等测试。该高校实际网络拓扑如图2所示。
图3(图3A、图3B)、图4(图4A、图4B)分别是异构网络下看干扰曲线图与信道分析干扰强度图。测试区域分别选在办公区与宿舍区。校园网的的SSID为:SMXY-WIFI。LTE蜂窝用户名分别为:余**、HUAWEI Mate 20。根据图2和图3测试结果,在OSNS算法下的两种网络负载率还是有一定的差异,具体的测试数据如下表:
表1-表7中,我们分别在基于校园网的异构网络环境下就Wi-Fi干扰、区域信道分析、信号强度、上网体验、DNS连通性、网关连通性、服务器传输网速和安全等分别进行实地分析测试。
表1异构网络下的区域干扰测试分析
Figure GDA0003522754440000151
表2异构网络下的区域信道分析
Figure GDA0003522754440000152
表3异构网络下的区域信号强度分析
Figure GDA0003522754440000153
表4异构网络下的区域上网体验分析
Figure GDA0003522754440000154
Figure GDA0003522754440000161
蜂窝网络通常具有比Wi-Fi网络更好覆盖范围。在蜂窝网络的覆盖无线不在的情况下,用户在任何位置都可以始终接入网络而没有任延迟。另一方面,由于Wi-Fi部署通常与其位置相关,因此用户可能会遇到取决于其移动性的网络接入延迟(见表5、表6)。
表5异构网络下的区域DNS连通测试分析
Figure GDA0003522754440000162
表6异构网络下的区域网关连通测试分析(测试网址:172.29.15.254)
Figure GDA0003522754440000163
蜂窝和Wi-Fi网络的数据速率之间的比较在很大程度上取决于具体的通信标准。事实上,蜂窝标准(例如LTE-Advanced)和Wi-Fi标准(例如IEEE802.11ac)使用的通信技术可以达到吉比特每秒的峰值速率。然而,由于设备和Wi-Fi的AP之间的通信距离较短,Wi-Fi标准通常在数据数率方面具有优势(见表7):
表7异构网络下的区域服务器传输速度测试分析
Figure GDA0003522754440000164
Figure GDA0003522754440000171
表8异构网络下的区域安全测试分析
Figure GDA0003522754440000172
通过Wi-Fi干扰、信道分析、信号强度、网速和安全等各项测试得出的数据均优于达标值。根据表7中服务器的传输速度测试数据,再利用式
Figure GDA0003522754440000173
可计算出用户满意度如表9
表9用户服务满意度
Figure GDA0003522754440000174
由表9可以看出,用户满意度在教学区域和宿舍区区域都达到40以上,回报率都达到94%以上,说明该方法可行性高,也具有较大实用价值。
综上所述,本发明的一种基于校园网的异构无线网络的移动数据分流方法,首先为了优化校园网和移动数据流量,将移动带宽和校园网Wi-Fi带宽相结合,以校园网用户在高校上网为场景,通过考虑用户服务满意度回报率将所构建的多目标优化问题转化为一个最大化问题和一种计算最优策略的通用延迟感知Wi-Fi分流和网络选择算法的数据分流方法,在不同的位置,用户可通过对阀值策略的预设,自动选择其网络连接,以达到网络优化效果。
以上所述仅为本发明的较佳实施例而已,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、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于校园网的异构无线网络的移动数据分流方法,其特征在于:包括以下步骤:
S1、建立用户满意度模型,其用于获得用户对于带宽需求是否满意,用户对带宽满足时输出结果为1,用户对带宽不满足时输出结果为0;
S2、建立校园网异构网络模型,其用于对网络节点进行选择,获得用户在选择网络节点时所应符合的服务满意度结果为1时的且费用最低的网络节点;
S3、建立数据分流模型,其用于建立数据分流传输决策,并根据所述数据分流传输决策将步骤S2获得的所述网络节点提供给用户进行移动数据传输,实现移动数据分流;其中,所述建立用户满意度模型,具体为:
定义用户在k时间里的数据传输速率为Vi={vi1,vi2…,vik},用户最大传输速率为ηj;在t时刻里,那么用户服务满意度为
Figure FDA0003522754430000011
其中,i代表用户,j代表接入的网络,在单位时间内的
Figure FDA0003522754430000012
为网络用户带宽需求的满足度,Op则为用户在单位时间内是否满足业务需求,1表示满足,0为不满足。
2.如权利要求1所述的一种基于校园网的异构无线网络的移动数据分流方法,其特征在于:所述建立校园网异构网络模型,具体为:
定义l∈L={1,…,L}是位置索引,其中L是MU可以在t时间内可能到达的位置的总数;在t时刻里,MU与所处的网络的矩阵关系式为
Figure FDA0003522754430000013
其中
Figure FDA0003522754430000021
在t时间里,MU与所处的网络覆盖矩阵关系为
Figure FDA0003522754430000022
其中
Figure FDA0003522754430000023
校园网用户ui的终端要么连接到一个Wi-Fi网络中,要么处于运营商蜂窝网络覆盖中,或者无任何信号;所以
Figure FDA0003522754430000024
需符合下列条件
Figure FDA0003522754430000025
在某个网络N中j,接入进来的用户数
Figure FDA0003522754430000026
应该满足以下约束条件
Figure FDA0003522754430000027
其中,Xj为连接网络Nj中允许的最大用户数;
用户在t时刻内用户所分配的带宽(速率)可表示为:
Figure FDA0003522754430000028
在时刻t,网络用户i从网络j接收到的功率可表达为
RSSij(t)=ρjjlg(dij(t))+ζ
其中,dij(t)是在某时刻t时,校园网移动用户与接入点之间距离;ρj是的发送功率,kj是网络路径损失系数,ζ为服从参数为(0,σ2)的高斯随机变量;用户的信噪比(SNR)为
Figure FDA0003522754430000031
其中,I(x)为看干扰信号强度;用户最大数据传输速率为
Sij(t)=ubwjlog2(1+SNRij(t))
网络连接切换时,根据式
Figure FDA0003522754430000032
可以得到在时刻t用户从其连接的网络上所获取的用户满意度为
Figure FDA0003522754430000033
假设δij(t)为用户预期服务满意度的概率,αij(t)为用户满意度的期望值,则有
Figure FDA0003522754430000034
用βj代表接入网络的归一化成本;θ1、θ2为网络切换时应考虑的优化目标,则
θ1=maximizeαij(t)
θ2=minimizeβj
优化目标满足应满足:
1≤j≤n
Aji=1
Sij(t)≥ri(t)。
3.如权利要求2所述的一种基于校园网的异构无线网络的移动数据分流方法,其特征在于:所述建立数据分流模型,具体为:
将时间的长度归一化为1;MU需要在每个决策时期选择一个行为:t∈T={1,…T};系统状态定义为s=(k,l);状态元素
Figure FDA0003522754430000035
表示要传输的文件剩余大小;使L(0)∈L和L(1)∈L分别是WI-FI不可用和可用的位置集合,并且满足L(0)=L\L(1)
行为a指定MU在每个决策时期的传输决策;定义a∈A={0,1,2},其中a=0表示MU选择保持空闲,a=1表示MU通过蜂窝网络传输,a=2表示MU通过WI-Fi传输;所有位置的MU都可以使用行为a=0和a=1;然而,行为a=2仅在位置l∈L(1)处可用;因此,行为a的可用选择取决于状态元素l,所以
Figure FDA0003522754430000045
其中,A(1)是位置l处的可用传输动作的集合;采用常用的基于用量的定价方式
Figure FDA0003522754430000041
MU的费用成本与其数据使用成正比;令p(l,a)为在位置l,p(l,a)为位置l处中选择动作a∈A(1)的使用情况的单位价格,对于空闲状态,p(l,0)=0,
Figure FDA0003522754430000042
令μ(l,a)为当行为a∈A(1)时,位置l处用户的预计吞吐量,并且当MU保持空闲时
Figure FDA0003522754430000043
在时间t∈T处,MU在状态s的行为a∈A(1)下的费用为
ct(s,a)=ct(k,l,a)=min{k,μ(l,a)}p(l,a)
这等于在时间中的数据使用的花费成本;
在截至期限过后,定义在状态S下无法完成文件传输的罚款为
CT+1(S)=CT+1(k,l)=h(k)
其中,h(k)≥0是非递减函数并且h(0)=0;下标T+1表示从时间T+1开始计算罚款;MU根据其应用程序的QoE要求选择h(k);
状态转移概率p(s′|s,a)=p((k′l′)|(k,l),a)是指在状态s=(k,l)中采取行为a的条件下,系统在下一个时间中将会进入状态s′=(k′,l′)的概率;由于MU从位置l移动到位置l′的动作独立于文件大小k和传输行为a,定义
p(s′|s,a)=p((k′,l′)|(k,l),a)=p(l′|l)p(k′|(k,l),a)
其中,
Figure FDA0003522754430000044
并且[x]+=max{0,x},其中,p(l′|l)是MU从位置l移动到位置l′的概率,并且基于MU过去的移动性模式来估计;
令δt:K×L→A为指定MU在状态s=(k,l)和时间t中传输决策的函数;定义策略
Figure FDA0003522754430000051
作为在各种状态和时间下的决策规则的集合;用
Figure FDA0003522754430000052
表示在时间l使用了策略π的状态,并且令C为π的可行集;MU旨在找到能最小化从t=1到t=T期望的总成本和在t=T+1处的罚款总和的最优策略π*,如下所示
Figure FDA0003522754430000053
其中,
Figure FDA0003522754430000054
表示关于MU移动性模型的概率分布和在初始状态s1=(K,l1)下的策略π的期望,l1是MU在t=1的位置;
令vt(s)为MU从时间t到T+1的最小预期总成本,假定系统在时间t的决策之前处于状态s;将不同状态的最小预期总成本与t∈T相关联的最优方程由下式给出
Figure FDA0003522754430000055
其中,对于k∈K,l∈L和a∈A(1)
Figure FDA0003522754430000056
由上式右侧的第一和第二项分别是在选择行为a的剩余时间内的即时成本和预期未来成本;对于t=T+1,将边界条件设置为
Figure FDA0003522754430000057
4.如权利要求3所述的一种基于校园网的异构无线网络的移动数据分流方法,其特征在于:步骤S3之后,进一步还包括:
S4、预设阈值策略:策略π*的最优解决方案为
Figure FDA0003522754430000058
其中
Figure FDA0003522754430000059
对于没有Wi-Fi的位置l∈L(0),定义
Figure FDA00035227544300000510
并且
Figure FDA0003522754430000061
其中,k*(l,t)和t*(k,l)分别是对于量度k和t的位置独立阀值和时间独立阀值;
对于有Wi-Fi的位置l∈L(0),如果Wi-Fi的数据速率比蜂窝的数据速率低,即μ2≤μ1,则有
Figure FDA0003522754430000062
最优策略π*包含有关任何时间t∈T中所有可能状态(k,l)的最优传输决策的信息,并且系统在第二阶段文件传输开始之前计算离线;在第二阶段,MU首先根据通过使用全球定位系统(GPS)获取的位置信息来确定每个时间中的位置索引l;然后,MU通过检查表格来执行基于最优策略π*的传输决策。
CN202010552178.2A 2020-06-17 2020-06-17 一种基于校园网的异构无线网络的移动数据分流方法 Active CN111669785B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010552178.2A CN111669785B (zh) 2020-06-17 2020-06-17 一种基于校园网的异构无线网络的移动数据分流方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010552178.2A CN111669785B (zh) 2020-06-17 2020-06-17 一种基于校园网的异构无线网络的移动数据分流方法

Publications (2)

Publication Number Publication Date
CN111669785A CN111669785A (zh) 2020-09-15
CN111669785B true CN111669785B (zh) 2022-05-03

Family

ID=72388276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010552178.2A Active CN111669785B (zh) 2020-06-17 2020-06-17 一种基于校园网的异构无线网络的移动数据分流方法

Country Status (1)

Country Link
CN (1) CN111669785B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113489624B (zh) * 2021-07-08 2022-04-15 广东机电职业技术学院 出口带宽流量优化方法、装置、计算机设备及存储介质
CN114205283B (zh) * 2021-12-16 2023-08-29 赫里奥(苏州)科技有限公司 物联网异构网络拓扑建立方法、网络及最优路径计算方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102630093A (zh) * 2012-05-02 2012-08-08 北京邮电大学 一种用于异构无线网络中负载均衡的网络接入方法
CN102711184A (zh) * 2012-06-18 2012-10-03 西安邮电学院 异构无线网络的分流系统
CN104936232A (zh) * 2015-07-08 2015-09-23 重庆邮电大学 5g网络中基于用户标签的分流方法和系统
CN105516636A (zh) * 2015-11-25 2016-04-20 南京邮电大学 一种基于视频通信的异构网络多接入资源分配方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9596647B2 (en) * 2014-07-21 2017-03-14 International Business Machines Corporation Secure WiFi using predictive analytics

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102630093A (zh) * 2012-05-02 2012-08-08 北京邮电大学 一种用于异构无线网络中负载均衡的网络接入方法
CN102711184A (zh) * 2012-06-18 2012-10-03 西安邮电学院 异构无线网络的分流系统
CN104936232A (zh) * 2015-07-08 2015-09-23 重庆邮电大学 5g网络中基于用户标签的分流方法和系统
CN105516636A (zh) * 2015-11-25 2016-04-20 南京邮电大学 一种基于视频通信的异构网络多接入资源分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A utility-based fuzzy TOPSIS method for energy efficient network selection in heterogeneous wireless networks;Ioannis Chamodrakas et al.;《Applied Soft Computing》;20110630;全文 *
汤红波 ; 王晓雷.一种5G网络低时延资源调度算法.《西安交通大学学报》.2018, *

Also Published As

Publication number Publication date
CN111669785A (zh) 2020-09-15

Similar Documents

Publication Publication Date Title
Liang et al. An integrated architecture for software defined and virtualized radio access networks with fog computing
WO2021258986A1 (zh) 数据处理方法和装置
Duan et al. Software-defined networking-based resource management: data offloading with load balancing in 5G HetNet
US8463190B2 (en) System and method for interference reduction in self-optimizing networks
Gharsallah et al. SDN/NFV‐based handover management approach for ultradense 5G mobile networks
CN111669785B (zh) 一种基于校园网的异构无线网络的移动数据分流方法
Padmapriya et al. Handoff decision for multi-user multi-class traffic in MIMO-LTE-A networks
CN113068204A (zh) 一种支持pdn链路优化的5g核心网设备及方法
Manzoor et al. An SDN‐based technique for reducing handoff times in WiFi networks
Jabri et al. IEEE 802.11 Load balancing: an approach for QoS Enhancement
Roy et al. Online radio access technology selection algorithms in a 5g multi-rat network
Raschellà et al. AP selection algorithm based on a potential game for large IEEE 802.11 WLANs
Narmanlioglu et al. New Era in shared cellular networks: Moving into open and virtualized platform
Samarasinghe et al. Analysis of intersystem handover: Umts fdd & wlan
Mouhassine et al. Improving the quality of service of voice over IP in wireless sensor networks by centralizing handover management and authentication using the SDN controller
Kimura et al. A Novel RAT Virtualization System with Network-Initiated RAT Selection Between LTE and WLAN
CN103313374A (zh) 一种控制平面与用户平面自适应功率调整方法
Donoso et al. A Fairness Load Balancing Algorithm in HWN Using a Multihoming Strategy
Chen et al. Deep Q‐Learning for Intelligent Band Coordination in 5G Heterogeneous Network Supporting V2X Communication
Dababneh Lte traffic generation and evolved packet core (epc) network planning
Gharsallah et al. Network Selection in Heterogeneous Wireless System Environments.
Anand et al. A machine learning-based xAPP for 5G O-RAN to mitigate Co-tier interference and improve QoE for various services in a HetNet environment
Al-Dulaimi et al. Adaptive congestion control for mobility in cognitive radio networks
Vuchkovska et al. Improvements in the quality of service during vertical handovers between WiMAX and WLAN
WO2024018586A1 (ja) 端末の通信品質を予測するシステム

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