CN113316038B - 一种面向稀疏用户分布的光接入网odn智能聚类规划方法 - Google Patents

Abstract

本发明公开了一种面向稀疏用户分布的光接入网ODN智能聚类规划方法，属于通信技术领域；具体包括：首先，针对某规划区域，在ODN网络的配线段，以区域内的用户地理位置为输入，随机生成k个初始质心的位置坐标作为二级分光点；然后，构造代价函数T，并对初始质心的个数k以及位置坐标进行优化；接着，确定一级分光点的位置坐标并优化；根据优化后的二级和一级分光点的位置，计算光纤预留长度，完成配线段的规划；针对ODN网络的馈线段规划，通过实地区域间的连通关系确定权值连通图，采用最小生成树算法寻找最小生成树；最后、根据配线段和馈线段的规划结果，完成对稀疏用户的光接入网ODN规划。本发明上下结合，在实现最优规划的同时，减少了光纤规划成本。

Description

一种面向稀疏用户分布的光接入网ODN智能聚类规划方法

技术领域

本发明属于通信技术领域，具体是一种面向稀疏用户分布的光接入网ODN(optical distribution network)智能聚类规划方法。

背景技术

随着各种新型互联网业务的发展，人们对高宽带的需求日益增加，但对于用户分布分散的区域来说，仍然没有一种好的网络规划方案。基于此，新型的光接入网ODN规划方案应运而生。

目前，已有大量的文献对于ODN网络规划进行了研究，主要基于OLT(optical lineterminal光线路终端)向用户终端进行网络规划和用户终端向OLT进行网络规划两个思路。

现阶段，从OLT向用户终端进行规划总体来说容易实施，建设速度快，但是在建设之初很难计算真实的用户数，导致建设完成后可能会因为用户数过多而使整个网络不满足规划需求。同时由于没有贴近用户规划，所以对分光点的选择，主干光纤的路由问题都不能做到尽可能最优，导致成本升高，光纤浪费。

另一方面，从用户端向OLT侧进行网络规划，虽然可以收集更多的用户信息，但由于使用者的各项数据较难收集，且仅凭人工，面对大量的数据处理起来繁琐，不能又快又好的规划出解决方案，整体时间周期较长。

发明内容

针对以上问题，本发明借助聚类算法和最小生成树算法，设计了一种“上下结合”的网络智能规划方案，具体是一种面向稀疏用户分布的光接入网ODN智能聚类规划方法，解决了用户分散下接入网网络规划困难的问题，进一步提高了接入网的传输效率。

所述的光接入网ODN智能聚类规划方法，具体步骤如下：

步骤一、针对某规划区域，在ODN网络的配线段，以区域内的用户地理位置坐标为输入，使用k-means聚类算法随机生成k个初始质心的位置坐标，并作为二级分光点；

二级分光点即为规划区域内所有用户对应的k个聚类中心簇点；

集合为：{Y₁,Y₂,...,Y_j,...,Y_k}。

步骤二、利用规划区域内的所有用户，二级分光点以及一级分光点之间的距离，结合单位成本构造代价函数；

一级分光点初始值为聚类算法中的主干光交点O；

代价函数公式为：

n为规划区域内的用户个数；d(X_i,C(X_i))代表第i个用户X_i到其所归属的二级分光点C(X_i)的欧式距离；0<k<n；d(Y_j,O)代表第j个二级分光点Y_j到一级分光点O的欧式距离；P_x代表二级分光点到用户入户光纤的单位成本；P_y代表一级分光点到二级分光点的光纤单位成本。

步骤三、利用代价函数对初始质心的个数k以及各质心的位置坐标进行迭代优化，得到最优的二级分光点个数和位置坐标；

具体过程为：

首先，针对当前k值，设置迭代次数t；

针对当前次迭代，选择k个不同位置的二级分光点，计算对应的代价函数值；每次迭代都分别选择不同的k个二级分光点，t次迭代后对应得到T个代价函数值；从中选择最小代价函数值对应的k个二级分光点的位置坐标进行保留，同时计算T个代价函数值的平均值，作为当前k值在代价函数曲线中的对应值；

然后，对k值等间距增加或减小得到k0，同理，计算每次迭代下k0对应的代价函数值，经过T次迭代后，得到k0值对应的最小代价函数值并保留此时的二级分光点位置坐标；以及得到k0值对应的平均值，绘制到代价函数曲线中；

继续对k0等间距增加或减小若干次，根据不同平均值绘制代价函数曲线图，直至图中出现拐点k'，选出拐点k'以及对应的最小代价函数值中的k'个二级分光点位置坐标，作为最优的二级分光点个数和位置坐标。

步骤四、通过优化的二级分光点的个数和位置坐标，确定一级分光点的位置坐标；

具体步骤为：

步骤401、利用优化后的各二级分光点的位置坐标，分别计算各二级分光点对应的弧度值，并将弧度值α按升序排序；

计算公式如下：

(x',y')为二级分光点的位置坐标；

步骤402、将排序后的二级分光点作为初始队列Q₀，并复制该队列为Q；

将复制队列Q中的二级分光点依次设为{t₁,t₂,...,t_i,...,t_k'}，并设定各二级分光点对应的索引依次为{1,2,...,i,...,k'}；

步骤403、从复制队列Q中逐个选择索引，判断索引i是否大于k'，如果是，则该轮分组结束，进入步骤407；否则，将索引对应的二级分光点t_i取出，进入步骤404；

步骤404、判断二级分光点t_i的下挂用户数u_i与下挂用户数总和sum之和是否小于等于最大分光比F，如果是，进入步骤405；否则，进入步骤406；

最大分光比为F是指按照规划区域标准设定的最大下挂用户数；

步骤405、将二级分光点t_i更新到单个分组g中，将下挂用户数u_i添加到下挂用户数总和sum中，并将索引i加1，返回步骤403；

单个分组g初始为空；下挂用户数总和sum初始值为0；

步骤406、将当前单个分组g更新到分组结果G的元素中，并将g和sum分别初始化为空，返回步骤405；

分组结果G集合为{G₁,G₂,...,G_n,...,G_N}，N≤k'，各元素初始均为空；每次将单个分组g分别更新到集合中的一个元素G中。

步骤407、从分组结果G中逐个选择各元素，分别计算各元素对应的代价函数；

代价函数D代表一个一级分光点下建设所用的光纤长度，计算公式为：

C为二级分光点到用户的距离常量；(x_i',y_i')代表G中各元素包含的二级分光点的位置坐标；p代表G中各元素包含的二级分光点的个数；

当各组一级分光点的位置坐标(x,y)取

时，代价函数D取值最小，由此得到各元素对应的代价函数集合为{D₁,D₂,...,D_n,...,D_N}，对应的各一级分光点位置坐标集合为：{(x₁,y₁),(x₂,y₂),...,(x_n,y_n),...,(x_N,y_N)}。

步骤408、对各代价函数D_n进行求和得到和值D_a，并判断D_a是否小于设定的总代价函数D_0a，如果是，将总代价函数D_0a更新为D_a，并将各一级分光点的位置坐标保留，进入步骤409；否则，不予处理，直接进入步骤409；

总代价函数D_0a初始值为无穷大；

则各代价函数的求和公式为：

步骤409、将复制队列Q进行移位操作，将首位二级分光点t₁，移到最后一位，形成新队列{t₂,...,t_i,...,t_k',t₁}，将更新后队列返回步骤402，依次计算，直至更新的队列恢复为初始队列Q₀，算法结束。

针对每次复制的队列，均能得到各复制下的二级分光点分组，以及对应的一级分光点位置坐标，并根据各代价函数之和是否小于上一次复制队列对应的代价函数之和，得到越来越小的代价函数之和，直至复制队列Q回到初始队列Q₀为止，选择最后一次复制队列中保留的一级分光点，即为最优的一级分光点的位置坐标。

步骤五、根据优化后的二级分光点和一级分光点的位置，计算每个用户途径二级分光点，一级分光点到主干光交点的欧式距离，取距离的最长值作为该规划区域的光纤预留长度，进而完成配线段的规划；

主干光交点是指聚类规划区域的接入点；

步骤六、在ODN网络的馈线段规划，通过实地采集确定光汇聚点OLT和各个规划区域的连通关系，得到权值连通图；并求出连通点的光纤长度作为连通图各边的权值，对权值连通图采用最小生成树算法寻找最小生成树；

具体步骤如下：

步骤601、调用Kruskal算法求权值连通图的最小生成树；

权值连通图的顶点个数为n，则对应的最小生成树顶点个数也为n，且最小生成树的边为n-1条；通过对权值连通图所有边上的权值进行升序排序，并逐个选择各边，利用Kruskal算法筛选出n-1条边和对应的两端点构成初始最小生成树；

步骤602、验证初始最小生成树是否满足PON最大距离传输，如果是，则完成规划并输出当前最小生成树；否则，进入步骤603。

PON最大传输距离公式如下：

L≤(P-IL-A_c×N-A_wdm×M-M_c-β)/A_F

P为PON系统OLT到ONU(optical network unit光网络单元)之间允许的最大插损；IL为整个光纤链路中经过的所有光分路器的插入损耗之和；A_c为链路中一个活接头的插入损耗；N为OLT到ONU之间活接头的数量；A_wdm为WDM模块的插入损耗；M为整个光纤链路中所使用的WDM器件的个数；M_c为线路的维护余量；β表示在光纤链路中，使用不同光纤种类带来的损耗；A_F为衰减系数。

PON最大传输距离是在保证到达用户的最小光功率达标的情况下，使得到达各个规划区域(村庄)的光纤距离综合最小。

步骤603、对权值连通图的所有边进行编号，共得到m个编号信息；

编号对应的边的信息包括两端的顶点和权值信息。

步骤604、从m个不同的编号中取出n-1个形成组合

即列出所有的边组合。

n-1为最小生成树所需边的数量；

步骤605、从

中逐个选择不同的边组合进行遍历，针对每个组合，判断是否组合中所有的顶点都覆盖了权值连通图的所有顶点，且其中任意两点间有且仅有一条通路，如果是，保留该组合，生成一个待选生成树；否则，舍去当前组合。

步骤606、从

中选择下一个边组合，重复步骤605，直至所有的组合遍历完毕，得到若干待选生成树，遍历每个待选生成树中所有的边，并将对应的权值相加保存；

步骤607、将各待选生成树的权值和进行升序排序，得到待选生成树集合。

步骤608、对待选生成树集合逐个选择各生成树进行验证，判断是否满足PON最大距离传输，如果是，则结束验证，并选择当前满足PON最大距离传输的待选生成树，作为最优结果输出，后续各待选生成树不再验证；否则，对PON最大传输距离进行修改，直至某个待选生成树满足PON最大传输距离即可，输出满足条件的该待选生成树。

步骤七、根据配线段和馈线段的规划结果，完成对稀疏用户的光接入网ODN规划。

本发明的优点在于：

1)、一种面向稀疏用户分布的光接入网ODN智能聚类规划方法，综合考虑了两种传统的ODN网络规划思路(从OLT向用户终端进行规划和从用户终端向OLT进行规划)，设计了一种上下结合的规划系统方案，解决了单一规划思路中的种种缺陷，将两种思路的优点结合，在实现最优规划的同时，减少了光纤规划成本。

2)、一种面向稀疏用户分布的光接入网ODN智能聚类规划方法，通过多次迭代减少了聚类算法生成初始质心带来的随机误差，同时从实际出发，考虑了PON覆盖距离限制条件，构造新的待选生成树并从中找到符合条件的最小权值生成树，规避了最小生成树算法kruskal的局限性，使整个建设成本最低。

3)、一种面向稀疏用户分布的光接入网ODN智能聚类规划方法，主要应用于解决光接入网中ODN面对稀疏用户网络规划难度大的问题，稀疏用户各区域之间的距离较长，光纤建设成本较高，本发明综合考虑了多种情况，设计了一套针对稀疏用户分布的规划设计方案，辅助建设人员进行规划建设。

附图说明

图1为本发明一种面向稀疏用户分布的光接入网ODN智能聚类规划总流程图；

图2a为本发明样例输入圆形分布用户的区域中用户位置；

图2b为本发明样例输入条形分布用户的区域中用户位置；

图3为本发明对初始质心进行迭代得到的代价函数图；

图4a为本发明采用的算法中圆形分布的用户网格化规划结果；

图4b为随机扇形规划法的圆形分布的用户网格化规划结果；

图5为本发明聚类算法与随机扇形规划法的网格化规划结果光缆对比图；

图6为本发明聚类算法与随机扇形规划法的长度频率数量对比图；

图7为本发明聚类算法与随机扇形规划法的皮线光缆长度频率折线对比图；

图8为本发明对权值连通图采用最小生成树算法寻找最小生成树的原理图；

图9为本发明实施例中7个村庄输入的权值连通图；

图10为本发明实施例中7个村庄馈线段的规划最小生成树结构图。

具体实施方式

下面将结合附图对本发明作进一步详细说明。

传统的ODN网络规划思路一般有两种：自上而下，从OLT向用户终端进行规划；自下而上，从用户终端向OLT进行规划，本发明综合两种ODN规划思路，借助计算机算法实施了一种上下结合的规划系统方案；具体是一种面向稀疏用户分布的光接入网ODN智能聚类规划方法，主要使用了接入网中PON(Passive Optical Network无源光网络)的ODN(opticaldistribution network光分配网)网络规划、聚类规划算法和生成树算法等。

在ODN网络的配线段，使用聚类算法(k-means)随机生成初始质心，再构造代价函数T，经过多次初始质心的迭代，算出使得代价函数最小的质心值，进而确定二级分光点的位置坐标，通过规划的二级分光点设计代价函数D确定一级分光点的位置，最后由二级分光点和一级分光的位置计算每个用户途径二级分光点，一级分光点到主干光交点的欧式距离，取距离的最长值作为该规划区域的光纤预留长度；在ODN网络的馈线段规划方面，根据规划区域实际连通关系构成的权值连通图，采用最小生成树算法寻找连通图最小生成树进行规划，根据PON最大传输距离公式，在保证到达用户的最小光功率达标的情况下，使得到达各个规划区域(村庄)的光纤距离综合最小。

所述的光接入网ODN智能聚类规划方法，如图1所示，具体步骤如下：

步骤一、针对某规划区域，在ODN网络的配线段，以区域内的用户地理位置坐标为输入，使用k-means聚类算法随机生成k个初始质心的位置坐标，并作为二级分光点；

二级分光点即为规划区域内所有用户对应的k个聚类中心簇点，集合为：{Y₁,Y₂,...,Y_j,...,Y_k}。0<k<n，n为规划区域内用户个数。如图2a和2b所示，分别为圆形分布用户的区域和条形分布的用户区域。

具体为：首先在数据集合中随机挑选出第一个聚类中心(n＝1)，假设算法初始了n(0<n<k)个聚类中心，则在寻找第n+1个点时实施如下操作：与这n个点越远的数据点会有更大的概率被选为第n+1个点。

步骤二、利用规划区域内的所有用户，二级分光点以及一级分光点之间的距离，结合单位成本构造代价函数；

一级分光点初始值为聚类算法中的主干光交点O；

代价函数公式为：

n为规划区域内的用户个数；d(X_i,C(X_i))代表第i个用户X_i到其所归属的二级分光点C(X_i)的欧式距离，单位为米；d(Y_j,O)代表第j个二级分光点Y_j到一级分光点O的欧式距离，单位为米；P_x代表二级分光点到用户入户光纤的单位成本，单位为元/米；P_y代表一级分光点到二级分光点的光纤单位成本，单位为元/米。

步骤三、利用代价函数对初始质心的个数k以及各质心的位置坐标进行迭代优化，得到最优的二级分光点个数和位置坐标；

由于初始质心的位置是由聚类算法随机生成，故每取一次k值都要进行多次迭代，本实施例设置为100次，并计算代价函数T，选取某一个范围的k值进行规划，将每次的规划结果的总成本代价记录并代入代价函数中，根据不同k值下的总成本绘制出图像进行分析；选取折线图的拐点或拐点附近的合理的k值得到一个合理的选择，最终求其代价函数平均值作为k值的平均代价函数。

具体过程为：

首先，针对当前k值，设置迭代次数t；

针对当前次迭代，选择k个不同位置的二级分光点，计算对应的代价函数值；每次迭代都分别选择不同的k个二级分光点，t次迭代后对应得到T个代价函数值；从中选择最小代价函数值对应的k个二级分光点的位置坐标进行保留，同时计算T个代价函数值的平均值，作为当前k值在代价函数曲线中的对应值；

然后，对k值等间距增加或减小得到k0，同理，计算每次迭代下k0对应的代价函数值，经过T次迭代后，得到k0值对应的最小代价函数值并保留此时的二级分光点位置坐标；以及得到k0值对应的平均值，绘制到代价函数曲线中；

继续对k0等间距增加或减小若干次，根据不同平均值绘制代价函数曲线图，如图3所示，x轴代表进行聚类算法的k值，y轴代表总建设光纤的代价，通过图中拐点可以确定近似最优的k'＝15，选出拐点以及对应的最小代价函数值28859.346745210252，最后选择15个二级分光点的位置坐标，作为最优的二级分光点个数和位置坐标。

步骤四、通过优化的二级分光点的个数和位置坐标，确定一级分光点的位置坐标；

传统的规划直接将主干光交点作为一级分光点，本发明进一步对主干光交点到一级分光点再到二级分光点这一段进行优化规划，进一步减少光纤长度。在接入网规划中，对二级分光点进行分组，一个一级分光点下的二级分光点需要满足弧度值大小按顺序连续，且二级分光点下的下挂用户数小于等于最大分光比，最大分光比的个数会根据规划条件进行，本发明设置个数为32个。通过二级分光点设计代价函数D，确定以哪个二级分光点为起点进行分组规划从而确定一级分光点的位置。

具体步骤为：

步骤401、利用优化后的各二级分光点的位置坐标，分别计算各二级分光点对应的弧度值，并将弧度值α按升序排序；

计算公式如下：

(x',y')为二级分光点的位置坐标；

步骤402、将排序后的二级分光点作为初始队列Q₀，并复制该队列为Q；

将复制队列Q中的二级分光点依次设为{t₁,t₂,...,t_i,...,t_k'}，并设定各二级分光点对应的索引依次为{1,2,...,i,...,k'}；

步骤403、从复制队列Q中逐个选择索引，判断索引i是否大于k'，如果是，则该轮分组结束，进入步骤407；否则，将索引对应的二级分光点t_i取出，进入步骤404；

步骤404、判断二级分光点t_i的下挂用户数u_i与下挂用户数总和sum之和是否小于等于最大分光比F，如果是，进入步骤405；否则，进入步骤406；

最大分光比为F是指按照规划区域标准设定的最大下挂用户数；

步骤405、将二级分光点t_i更新到单个分组g中，将下挂用户数u_i添加到下挂用户数总和sum中，并将索引i加1，返回步骤403；

单个分组g初始为空；下挂用户数总和sum初始值为0；

步骤406、将当前单个分组g更新到分组结果G的元素中，并将g和sum分别初始化为空，返回步骤405；

分组结果G集合为{G₁,G₂,...,G_n,...,G_N}，N≤k'，各元素初始均为空；每次将单个分组g分别更新到集合中的一个元素G中。

步骤407、从分组结果G中逐个选择各元素，分别计算各元素对应的代价函数；

代价函数D代表一个一级分光点下建设所用的光纤长度，计算公式为：

C为二级分光点到用户的距离常量；(x_i',y_i')代表G中各元素包含的二级分光点的位置坐标；p代表G中各元素包含的二级分光点的个数；

当各组一级分光点的位置坐标(x,y)取

时，代价函数D取值最小，由此得到各元素对应的代价函数集合为{D₁,D₂,...,D_n,...,D_N}，对应的各一级分光点位置坐标集合为：{(x₁,y₁),(x₂,y₂),...,(x_n,y_n),...,(x_N,y_N)}。

步骤408、对各代价函数D_n进行求和得到和值D_a，并判断D_a是否小于设定的总代价函数D_0a，如果是，将总代价函数D_0a更新为D_a，并将各一级分光点的位置坐标保留，进入步骤409；否则，不予处理，直接进入步骤409；

总代价函数D_0a初始值为无穷大；

则各代价函数的求和公式为：

步骤409、将复制队列Q进行移位操作，将首位二级分光点t₁，移到最后一位，形成新队列{t₂,...,t_i,...,t_k',t₁}，将更新后队列返回步骤402，依次计算，直至更新的队列恢复为初始队列Q₀，算法结束。

针对每次复制的队列，均能得到各复制下的二级分光点分组，以及对应的一级分光点位置坐标，并根据各代价函数之和是否小于上一次复制队列对应的代价函数之和，得到越来越小的代价函数之和，直至复制队列Q回到初始队列Q₀为止，选择最后一次复制队列中保留的一级分光点，即为最优的一级分光点的位置坐标。

本发明相比较与随机扇形法的对比如图4所示，在圆形分布的用户上最后规划结果配线光缆成本有约25％到30％的降低，皮线光缆成本有22％到35％的降低。

网格化规划结果光缆对比图如图5所示，本算法在皮线光缆部分降低了33％，配线和皮线(引入)光缆总长度比随机扇形法降低了21％，大大降低了总成本，同时本算法还能够进一步进行配线段的距离优化，将一级分光器的位置进行规划，用增加分纤箱内置一级分光器的方法来进一步减少配线光缆的总长度。

如图6和图7所示，在圆形分布的用户上最后规划结果配线光缆成本有约26％到40％的降低，皮线光缆成本有35％到48％的降低。从而可得出结论本发明一定程度上减少农村接入网规划成本。

步骤五、根据优化后的二级分光点和一级分光点的位置，计算每个用户途径二级分光点，一级分光点到主干光交点的欧式距离，取距离的最长值作为该规划区域的光纤预留长度，进而完成配线段的规划；

主干光交点是指聚类规划区域的接入点；光纤预留长度为解决之后OLT到规划区域的线路问题提供一个最大预留长度，防止到达用户的光功率因为衰减而不满足最低需求。

ODN网络的配线段流程为：首先输入规划区内所有用户的地理位置数据，使用k-means聚类算法随机生成k个初始质心的位置坐标，并作为二级分光点；利用代价函数对初始质心的个数k以及各质心的位置坐标进行迭代优化，得到最优的二级分光点个数k值和位置坐标；通过代价函数D从二级分光点个数中选择一级分光点，最后根据欧式距离，得到光纤预留长度。

步骤六、在ODN网络的馈线段规划，通过实地采集确定光汇聚点OLT和各个规划区域的连通关系，得到权值连通图；并求出连通点的光纤长度作为连通图各边的权值，对权值连通图采用最小生成树算法寻找最小生成树；

ODN网络的馈线段规划，即规划OLT(汇聚点)到各个主干光交点(聚类规划区域的接入点)的网络；

权值连通图通过实地考察确定两点间的连通关系，并求出各连接点之间的光纤距离为连通图的权值；

如图8所示为馈线段规划算法流程图，具体步骤如下：

本实施例选用了7个村庄，输入的连通图如图9所示；

步骤601、调用Kruskal算法求权值连通图的最小生成树；

权值连通图的顶点个数为n，则对应的最小生成树顶点个数也为n，且最小生成树的边为n-1条；通过对权值连通图所有边上的权值进行升序排序，并逐个选择各边，利用Kruskal算法筛选出n-1条边和对应的两端点构成初始最小生成树；

步骤602、验证初始最小生成树是否满足PON最大距离传输，如果是，则完成规划并输出当前最小生成树；否则，进入步骤603。

PON最大传输距离公式如下：

L≤(P-IL-A_c×N-A_wdm×M-M_c-β)/A_F

P为PON系统OLT到ONU(optical newwork unit光网络单元)之间允许的最大插损；IL为整个光纤链路中经过的所有光分路器的插入损耗之和；A_c为链路中一个活接头的插入损耗；N为OLT到ONU之间活接头的数量；A_wdm为WDM模块的插入损耗；M为整个光纤链路中所使用的WDM器件的个数；M_c为线路的维护余量；β表示在光纤链路中，使用不同光纤种类带来的损耗；在本实施例中，每存在一个不同光纤接入点，就需要加入0.2dB的损耗；A_F为衰减系数，单位值表示光信号通过一千米光纤所衰减的值。

PON最大传输距离是在保证到达用户的最小光功率达标的情况下，使得到达各个规划区域(村庄)的光纤距离综合最小。

利用前边计算的光纤预留长度与OLT到各个规划区域距离之和进行验证，具体过程如下：以光线汇聚点(OLT)所代表的顶点作为整个生成树的顶点，对树进行深度遍历，计算其他每个节点到达生成树顶点的路径距离。将这个路径距离与光纤预留长度进行相加(相加结果即公式中的L)，计算出这个规划区域的最低PON传输距离，并和最大的PON传输距离进行对比；若所有节点的最低PON传输距离全部满足小于PON传输距离，则说明这个生成树满足限制条件，可以作为规划结果，否则，不满足规划条件，需要再进行规划计算。

本实施例中光纤预留长度如表1所示，

表1

规划后PON范围，覆盖表的具体数值如下表所示：

表2

步骤603、对权值连通图的所有边进行编号，共得到m个边对应的编号信息；

编号对应的边的信息包括两端的顶点和权值信息。

步骤604、从m个不同的编号中取出n-1个形成组合

即列出所有的边组合。

n-1为最小生成树所需边的数量；

步骤605、从

中逐个选择不同的边组合进行遍历，针对每个组合，统计组合中所有的顶点判断是否都覆盖了权值连通图的所有顶点，且其中任意两点间有且仅有一条通路，如果是，保留该组合，生成一个待选生成树；否则，如果没有覆盖到所有顶点，舍去当前组合。

步骤606、从

中选择下一个边组合，重复步骤605，直至所有的组合遍历完毕，得到若干待选生成树，遍历每个待选生成树中所有的边，并将对应的权值相加保存；

步骤607、将各待选生成树的权值和进行升序排序，得到根据权值和从小到大排序的待选生成树集合。

步骤608、对待选生成树集合逐个选择各生成树进行验证，从权值和最小的开始判断是否满足PON最大距离传输，如果是，则结束验证，并选择当前满足PON最大距离传输的待选生成树，作为最优结果输出，后续各待选生成树不再验证；否则，对PON最大传输距离进行修改，直至某个待选生成树满足PON最大传输距离即可，输出满足条件的该待选生成树。

步骤七、根据配线段和馈线段的规划结果，完成对稀疏用户的光接入网ODN规划。

本发明馈线段规划后可行的对比表，如下所示：

表3

规划区域	最大实际传输距离(km)	PON最大覆盖范围(km)	可行性
				村1	10.87	19.5	可行
村2	9	22	可行
				村3	12.59	19.5	可行
村4	15.53	19.5	可行
				村5	13.28	19.5	可行
村6	17.43	19.5	可行
				村7	6	19.5	可行

7个村庄最终规划的最小生成树如图10所示。

本发明的整体流程包括：

第一步，自下而上，先从用户端出发，对规划村庄进行分析，规划出每个村庄的配线段网络，根据用户情况确定出配线段的分光比，一、二级分光点位置以及主干光交接入点到最远住户的最长光纤距离作为预留的长度，由配线段规划结果图可知本算法相对于传统的随机扇形对圆形和条形分布的农村用户均有高于20％的成本减少。

第二步，自上而下，根据第一步计算的规划结果，能够计算出OLT到每个村庄的最大PON传输距离，再根据这些限定条件规划出OLT到各个村庄主干光交点的ODN主干段(馈线段)的线路，完成ODN网络的规划。由于最小生成树Kruskal算法在数学角度下，能够找到连通图的权值和最小生成树，在实际建设中不符合ODN规划的限制条件，本发明从实际出发构造新的生成树并从中找到符合条件的最小的权值生成树，规避了最小生成树算法Kruskal的局限性，使整个建设成本最低。

Claims (3)

1.一种面向稀疏用户分布的光接入网ODN智能聚类规划方法，其特征在于，具体步骤如下：

首先，针对某规划区域，在ODN网络的配线段，以区域内的用户地理位置坐标为输入，使用k-means聚类算法随机生成k个初始质心的位置坐标，作为二级分光点；并构造代价函数T，利用代价函数T对初始质心的个数k以及各质心的位置坐标进行迭代优化，得到最优的二级分光点个数和位置坐标；进一步通过优化的二级分光点的个数和位置坐标，确定一级分光点的位置坐标；

所述的代价函数T，计算公式为：

n为规划区域内的用户个数；d(X_i,C(X_i))代表第i个用户X_i到其所归属的二级分光点C(X_i)的欧式距离；0<k<n；d(Y_j,O)代表第j个二级分光点Y_j到一级分光点O的欧式距离；P_x代表二级分光点到用户入户光纤的单位成本；P_y代表一级分光点到二级分光点的光纤单位成本；所述的确定一级分光点的具体步骤为：

步骤401、利用优化后的各二级分光点的位置坐标，分别计算各二级分光点对应的弧度值，并将弧度值α按升序排序；

计算公式如下：

(x',y')为二级分光点的位置坐标；

步骤402、将排序后的二级分光点作为初始队列Q₀，并复制该队列为Q；

将复制队列Q中的二级分光点依次设为{t₁,t₂,...,t_i,...,t_k'}，并设定各二级分光点对应的索引依次为{1,2,...,i,...,k'}；

步骤403、从复制队列Q中逐个选择索引，判断索引i是否大于k'，如果是，则该轮分组结束，进入步骤407；否则，将索引对应的二级分光点t_i取出，进入步骤404；

步骤404、判断二级分光点t_i的下挂用户数u_i与下挂用户数总和sum之和是否小于等于最大分光比F，如果是，进入步骤405；否则，进入步骤406；

步骤405、将二级分光点t_i更新到单个分组g中，将下挂用户数u_i添加到下挂用户数总和sum中，并将索引i加1，返回步骤403；

单个分组g初始为空；下挂用户数总和sum初始值为0；

步骤406、将当前单个分组g更新到分组结果G的元素中，并将g和sum分别初始化为空，返回步骤405；

分组结果G集合为{G₁,G₂,...,G_n,...,G_N}，N≤k'，各元素初始均为空；每次将单个分组g分别更新到集合中的一个元素G中；

步骤407、从分组结果G中逐个选择各元素，分别计算各元素对应的代价函数D；

代价函数D代表一个一级分光点下建设所用的光纤长度，计算公式为：

C为二级分光点到用户的距离常量；(x_i',y_i')代表G中各元素包含的二级分光点的位置坐标；p代表G中各元素包含的二级分光点的个数；

当各组一级分光点的位置坐标(x,y)取

时，代价函数D取值最小，由此得到各元素对应的代价函数集合为{D₁,D₂,...,D_n,...,D_N}，对应的各一级分光点位置坐标集合为：{(x₁,y₁),(x₂,y₂),...,(x_n,y_n),...,(x_N,y_N)}；

步骤408、对各代价函数D_n进行求和得到和值D_a，并判断D_a是否小于设定的总代价函数D_0a，如果是，将总代价函数D_0a更新为D_a，并将各一级分光点的位置坐标保留，进入步骤409；否则，不予处理，直接进入步骤409；

总代价函数D_0a初始值为无穷大；

则各代价函数的求和公式为：

步骤409、将复制队列Q进行移位操作，将首位二级分光点t₁，移到最后一位，形成新队列{t₂,...,t_i,...,t_k',t₁}，将更新后队列返回步骤402，依次计算，直至更新的队列恢复为初始队列Q₀，算法结束；

针对每次复制的队列，均能得到各复制下的二级分光点分组，以及对应的一级分光点位置坐标，并根据各代价函数之和是否小于上一次复制队列对应的代价函数之和，得到越来越小的代价函数之和，直至复制队列Q回到初始队列Q₀为止，选择最后一次复制队列中保留的一级分光点，即为最优的一级分光点的位置坐标；

然后，根据优化后的二级分光点和一级分光点的位置，计算每个用户途经二级分光点，一级分光点到主干光交点的欧式距离，取距离的最长值作为该规划区域的光纤预留长度，进而完成配线段的规划；

针对ODN网络的馈线段规划，通过实地采集确定光汇聚点OLT和各个规划区域的连通关系，得到权值连通图；并求出连通点的光纤长度作为连通图各边的权值，对权值连通图采用最小生成树算法寻找最小生成树；

所述的最小生成树的具体步骤如下：

步骤601、调用Kruskal算法求权值连通图的最小生成树；

权值连通图的顶点个数为r，则对应的最小生成树顶点个数也为r，且最小生成树的边为r-1条；通过对权值连通图所有边上的权值进行升序排序，并逐个选择各边，利用Kruskal算法筛选出r-1条边和对应的两端点构成初始最小生成树；

步骤602、验证初始最小生成树是否满足PON最大距离传输，如果是，则完成规划并输出当前最小生成树；否则，进入步骤603；

PON最大传输距离公式如下：

L≤(P-IL-A_c×H-A_wdm×M-M_c-β)/A_F

P为PON系统OLT到光网络单元ONU之间允许的最大插损；IL为整个光纤链路中经过的所有光分路器的插入损耗之和；A_c为链路中一个活接头的插入损耗；H为OLT到ONU之间活接头的数量；A_wdm为WDM模块的插入损耗；M为整个光纤链路中所使用的WDM器件的个数；M_c为线路的维护余量；β表示在光纤链路中，使用不同光纤种类带来的损耗；A_F为衰减系数；

步骤603、对权值连通图的所有边进行编号，共得到m个编号信息；

编号对应的边的信息包括两端的顶点和权值信息；

步骤604、从m个不同的编号中取出r-1个形成组合

即列出所有的边组合；

步骤605、从

中逐个选择不同的边组合进行遍历，针对每个组合，判断是否组合中所有的顶点都覆盖了权值连通图的所有顶点，且其中任意两点间有且仅有一条通路，如果是，保留该组合，生成一个待选生成树；否则，舍去当前组合；

步骤606、从

中选择下一个边组合，重复步骤605，直至所有的组合遍历完毕，得到若干待选生成树，遍历每个待选生成树中所有的边，并将对应的权值相加保存；

步骤607、将各待选生成树的权值和进行升序排序，得到待选生成树集合；

步骤608、对待选生成树集合逐个选择各生成树进行验证，判断是否满足PON最大距离传输，如果是，则结束验证，并选择当前满足PON最大距离传输的待选生成树，作为最优结果输出，后续各待选生成树不再验证；否则，对PON最大传输距离进行修改，直至某个待选生成树满足PON最大传输距离即可，输出满足条件的该待选生成树；

最后、根据配线段和馈线段的规划结果，完成对稀疏用户的光接入网ODN规划。

2.如权利要求1所述的一种面向稀疏用户分布的光接入网ODN智能聚类规划方法，其特征在于，所述的对初始质心的个数k以及位置坐标进行优化的过程具体为：

首先，针对当前k值，设置迭代次数T；

针对当前次迭代，选择k个不同位置的二级分光点，计算对应的代价函数值；每次迭代都分别选择不同的k个二级分光点，T次迭代后对应得到T个代价函数值；从中选择最小代价函数值对应的k个二级分光点的位置坐标进行保留，同时计算T个代价函数值的平均值，作为当前k值在代价函数曲线中的对应值；

然后，对k值等间距增加或减小得到k0，同理，计算每次迭代下k0对应的代价函数值，经过T次迭代后，得到k0值对应的最小代价函数值并保留此时的二级分光点位置坐标；以及得到k0值对应的平均值，绘制到代价函数曲线中；

继续对k0等间距增加或减小若干次，根据不同平均值绘制代价函数曲线图，直至图中出现拐点k'，选出拐点k'以及对应的最小代价函数值中的k'个二级分光点位置坐标，作为最优的二级分光点个数和位置坐标。

3.如权利要求1所述的一种面向稀疏用户分布的光接入网ODN智能聚类规划方法，其特征在于，所述步骤404中，最大分光比为F是指按照规划区域标准设定的最大下挂用户数。

Images