鄧紅

（成都師范學院，四川 成都 611130）

0 引言

車輛的運行是獨立的，車輛運行的速度具有動態(tài)變化特性，使得其在各網絡中的駐留時間具有不確定性。因而，如何采用一種穩(wěn)健的垂直切換算法為終端用戶提供無縫通信成為研究熱點。當前經典的垂直切換算法大致可以分為四類：閾值判定法、基于模糊邏輯的算法[1]、基于人工神經網絡的算法和基于效用函數(shù)的算法[2]。但是，當車輛用戶在目標網絡中駐留時間過短時，仍然采用上述算法為車輛終端選擇接入網絡，極有可能引起“乒乓效應”[3]，造成頻繁切換。

針對上述問題，本文提出一種基于駐留時間預測的垂直切換算法。算法首先根據車載導航系統(tǒng)規(guī)劃的路線獲得車輛終端在各候選網絡中內的行進軌跡，進而預測其駐留時間；然后選取駐留時間、RSS、帶寬以及時延作為切換判決參數(shù)；最后根據效用函數(shù)選擇最佳接入網絡。本文的主要貢獻為：（1）提出一種駐留時間預測模型。由于車輛終端移動速度的不確定性，可能在目標網絡中駐留時間過短，引起“乒乓效應”。本文根據車載導航系統(tǒng)規(guī)劃的路線，獲得車輛終端在各候選網絡中內的行進軌跡，進而預測其駐留時間，避免頻繁切換。（2）設計具有可調切換閾值的效用函數(shù)?？紤]到不同類型業(yè)務對切換時延的要求不同，最優(yōu)效用函數(shù)應充分體現(xiàn)這一特點。本文考慮實時業(yè)務和非實時業(yè)務對切換時延的個性化需求，采用簡單加權法設計具有可調切換閾值的效用函數(shù)。

1 車輛異構網絡模型

在未來較長一段時間內，蜂窩網與WiMAX將相互協(xié)作，實現(xiàn)優(yōu)勢互補，共同為用戶提供泛在的異構網絡環(huán)境[4]。因而，本文以LTE和WiMAX重疊覆蓋構成的異構無線網絡作為代表性的網絡模型，如圖1所示。在該模型中，當車輛在縱橫交錯的道路上行駛時，車載導航系統(tǒng)依據車輛當前的位置和事先設定的目的地，對行駛路線進行動態(tài)規(guī)劃，并實時更新車輛位置信息。

2 駐留時間預測模型

2.1 行駛軌跡分析

如圖1所示，假設位置A為車輛的起點，位置E為車輛的終點，那么車載導航系統(tǒng)將智能地為車輛規(guī)劃最佳行駛路線A-B-C-D-E。據此可以計算車輛在途經的三個候選網絡的路程。

在WiMAX1網絡中的途經的路程為：

其中，dAB表示位置A到位置B的道路距離，dBC表示位置B到位置C的道路距離。

同理，在WiMAX2網絡中的途經的路程為：

其中，dCD表示位置C到位置D的道路距離。

在LTE1網絡中的途經的路程為：

其中，dDE表示位置D到位置E的道路距離。

2.2 運動速度計算

由于學校路段、十字路口、紅綠燈等因素，車輛在整個行駛過程中速度大小會發(fā)生變化，然而車載導航系統(tǒng)只能獲取車輛的瞬時速度。所以，本文在一個時間周期Ts內，對N（N足夠大）個采樣瞬時速度值求平均值得到車輛的運動速度。則車輛的運動速度為：

其中，Vi表示一個時間周期Ts內第i個瞬時速度采樣值，i的取值為1，2，…，N。

2.3 駐留時間預測

根據“路程-速度”關系，可以較容易地預測出車輛在各候選網絡中的駐留時間。因而，車輛在WiMAX1、WiMAX2和LTE1網絡中的駐留時間分別為：

3 垂直切換算法流程

3.1 切換判決參數(shù)獲取

不同的候選網絡具有異構性和復雜性，這將導致網絡性能很難統(tǒng)一評估。為了合理地量化不同的接入網絡，首先需要對網絡參數(shù)進行歸一化。假設候選網絡的數(shù)量為m，判決參數(shù)的數(shù)量為n。網絡參數(shù)可分為效益型和成本型兩類。其中，效益型參數(shù)值越大越好，如RSS；而成本型參數(shù)值越小越好，如：時延。本文選取駐留時間、RSS、帶寬和時延4個參數(shù)進行切換判決，并采用“最大-最小值法”[5]分別歸一化兩類參數(shù)。

效益型參數(shù)：

成本型參數(shù)：

其中，表示第j個網絡的第k個歸一化參數(shù)值，pjk表示第j個網絡的第k個實際參數(shù)值，max(pjk)和min(pjk)分別表示第j個網絡的第k個最大參數(shù)值和最小參數(shù)值。

3.2 參數(shù)權重初始化

異構網絡中最優(yōu)目標網絡的選擇問題屬于多屬性決策范疇，這恰好符合層次分析法[5-6]中多參數(shù)非結構化判決，因而本文采用層次分析法來初始化參數(shù)權重。

首先，建立遞階的層次結構模型，用以分析評價系統(tǒng)中各判決參數(shù)的關系。第一層目標層的總目標是獲得最優(yōu)的網絡連接；所支配的下一層準則層包含的n個判決參數(shù)，作為評價各候選網絡性能的依據；最底層方案層是車輛終端可接入的所有候選網絡。

然后，構建判斷矩陣。依次取兩個判決參數(shù)，比較其對目標層的影響，確定兩者的相對重要程度用aij表示，即可得到判斷矩陣A=(aij)n×n：

最后，根據判斷矩陣A求出其最大特征根所對應的特征向量W，即為權重向量，并通過一致性檢驗確定其合理性：

3.3 設計最優(yōu)效用函數(shù)

對于各候選網絡，其性能值fj可以基于效用函數(shù)計算：

在進行切換判決時，首先根據式（12）計算各候選網絡的效用值，然后選擇效用值最大的網絡作為目標網絡g。同時，考慮車輛終端實時業(yè)務和非實時業(yè)務的個性化需求，當目標網絡滿足以下條件時，即可進行切換。

其中，fg為目標網絡g的效用值，fc為當前網絡的效用值，θ表示可調切換閾值：

式（14）中，θth表示固定切換閾值，決定θ的最大值；為非實時業(yè)務變化因子，決定非實時業(yè)務的最大變化范圍；表示非實時業(yè)務所占比例。

4 仿真結果

本文根據圖1所示的車輛異構網絡模型，使用MATLAB軟件進行仿真。實驗場景中包含1個LTE和3個WiMAX，其中LTE實現(xiàn)全覆蓋，WiMAX的覆蓋半徑為1.2km，LTE和WiMAX的帶寬分別為20MHz和15MHz。為了降低實驗的復雜度，首先在仿真區(qū)域隨機產生了100個車輛終端，每個終端的移動速度在0～22m/s之間，之后按照參數(shù)為λ的泊松分布陸續(xù)到達新的車輛終端[7-8]。

如圖2所示為無駐留時間預測算法與本文算法的平均阻塞率曲線。可見，隨著新的車輛終端到達率的增加，兩種算法的平均阻塞率都隨之增加。但是在相同車輛終端到達率的情況下，本文算法的阻塞率始終相對較低。這是因為本文采用駐留時間預測機制，避免了頻繁切換導致的“乒乓效應”。

如圖3所示為無駐留時間預測算法與本文算法的切換次數(shù)曲線?？梢?，在大部分仿真時間內，本文算法的切換次數(shù)比無駐留時間預測的算法要少。這是由于考慮終端駐留時間和業(yè)務類型，可以減少不必要的切換。

5 結語

本文為解決車輛異構網絡中車輛行駛速度具有動態(tài)變化特性，導致車輛終端在各候選網絡中駐留時間不確定的問題，提出一種基于駐留時間預測的垂直切換算法。該算法在進行切換判決時，充分考慮車輛終端的駐留時間和業(yè)務類型，能減少不必要的切換，有效保證車輛終端接入網絡的服務質量。