魏 偉，劉曉娟，張雁鵬，李 瑤

(1.蘭州交通大學(xué)電子與信息工程學(xué)院，蘭州 730070；2.蘭州交通大學(xué)自動化與電氣工程學(xué)院，蘭州 730070)

引言

隨著通信、計算機、自動控制等“3C”技術(shù)的發(fā)展與進(jìn)步，城市軌道交通中通信、信號等技術(shù)也得到了提高和完善。目前，國內(nèi)一些新建的城市軌道交通線路也采用了可靠性較高的TD-LTE(Time Division Long Term Evolution，分時長期演進(jìn))技術(shù)承載城市軌道交通車地通信業(yè)務(wù)。北京地鐵燕房線是首次采用TD-LTE技術(shù)進(jìn)行列控系統(tǒng)綜合承載傳輸，更是第一條采用了國內(nèi)自主化FAO系統(tǒng)UTO(Unattended train operation，無人值守下的列車自動運行)模式的線路[1]。TD-LTE技術(shù)具有傳輸速率高、移動性好、系統(tǒng)時延低以及多級QoS(Quality of Service，服務(wù)質(zhì)量)完善等優(yōu)勢[2]，為列車更加安全可靠地運行提供了保障的前提，代表著未來軌道交通技術(shù)的發(fā)展方向。

基于TD-LTE的城市軌道交通環(huán)境下，列車往往會因為受到多徑效應(yīng)、同頻干擾等因素的影響引起接收到的RSRP值的波動較大的問題[3]，進(jìn)而導(dǎo)致乒乓切換頻繁發(fā)生。由于TD-LTE技術(shù)切換時采用的是硬切換，所以乒乓切換次數(shù)較多會降低切換成功率，影響列車通信性能。

國內(nèi)外一些學(xué)者也對越區(qū)切換問題做了大量研究。文獻(xiàn)[4]提出了一種基于錨的多連接架構(gòu)，給定用戶與多個AP連接，選擇最佳接入點作為切換錨點，提供控制平面，從而降低切換概率；文獻(xiàn)[5]提出了一種利用列車定位技術(shù)進(jìn)行切換的機制，不通過場強觸發(fā)切換，而是通過列車到達(dá)某一特定位置后觸發(fā)切換條件，減少了切換時延；文獻(xiàn)[6]綜合考慮了RSRP(Reference Signal Receiving Power，參考信號接收功率)和RSRQ(Reference Signal Received Quality，參考信號接收質(zhì)量)兩種測量值，利用灰色預(yù)測GM(1，N)模型預(yù)測下一時刻兩個相鄰基站場強值，保證了切換過程的QoS(Quality of Service，服務(wù)質(zhì)量)；文獻(xiàn)[7]利用Stackelberg博弈模型，提出一種協(xié)作分集技術(shù)的列車切換算法，與傳統(tǒng)切換算法相比，提高了網(wǎng)絡(luò)資源分配效率，同時也減少了切換時延。

針對越區(qū)切換頻繁的問題，本文提出了一種IGM-BP神經(jīng)網(wǎng)絡(luò)算法，并采用MATLAB作為仿真工具，對該算法和傳統(tǒng)算法以及灰色預(yù)測算法進(jìn)行仿真比較，驗證本文提出的算法的可行性和有效性。相比現(xiàn)有的算法和研究，本文提出的算法能進(jìn)一步減少乒乓切換的頻率，提高了切換成功率。

1 基于TD-LTE的越區(qū)切換概述

TD-LTE技術(shù)作為未來城市軌道交通發(fā)展的趨勢，使列車在高速移動下具有較高傳輸穩(wěn)定性，同時，采用基于IP的扁平化網(wǎng)絡(luò)結(jié)構(gòu)，降低了系統(tǒng)時延[8]。因而，采用TD-LTE技術(shù)是實現(xiàn)城市軌道交通車地雙向通信更加安全可靠的不可或缺的一環(huán)[9]。

1.1 TD-LTE車地通信系統(tǒng)

TD-LTE技術(shù)不僅能滿足城市軌道交通綜合業(yè)務(wù)承載需求[10]，而且可以保障城市軌道交通列車在切換過程中安全可靠運行。TD-LTE車地通信系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 TD-LTE車地通信系統(tǒng)結(jié)構(gòu)

TD-LTE車地通信系統(tǒng)結(jié)構(gòu)主要由核心網(wǎng)子系統(tǒng)、無線子系統(tǒng)eNB及終端設(shè)備等各子系統(tǒng)組成。其中核心網(wǎng)子系統(tǒng)采用A網(wǎng)、B網(wǎng)冗余雙網(wǎng)設(shè)計，兩張網(wǎng)絡(luò)完全獨立，互不影響；無線子系統(tǒng)eNB包括BBU(Based Band Unit，基帶處理單元)和RRU(Remote Radio Unit，射頻拉遠(yuǎn)單元)設(shè)備，其中，單個BBU下可以連接多個RRU，實現(xiàn)無線通信系統(tǒng)信號的全線鏈狀覆蓋，同時TAU(Terminal Access Unit，車載數(shù)據(jù)終端)也可以與軌旁RRU實現(xiàn)數(shù)據(jù)傳輸。

1.2 切換流程

列車越區(qū)切換過程主要分為切換測量、切換判決和切換執(zhí)行[11]，其切換流程及主要功能如表1所示。

表1 切換流程及主要功能

在切換判決階段，3GPP LTE協(xié)議標(biāo)準(zhǔn)中規(guī)定了A1，A2，A3，A4，A5，B1，B2等7種測量報告觸發(fā)事件[13]，其中，系統(tǒng)內(nèi)越區(qū)切換測量事件主要包括A1～A5事件，另外兩種事件主要用于系統(tǒng)外的切換測量觸發(fā)事件。A3事件常作為城市軌道交通中切換觸發(fā)測量報告事件，其判決公式如下

Mn+Ofn+Ocn-Hys>Mp+Ofp+Ocp+Off

(1)

式中，在不考慮任何偏置的情況下，Mn和Mp分別代表接收到的目標(biāo)小區(qū)及服務(wù)小區(qū)的RSRP值；Ofn和Ofp分別為目標(biāo)小區(qū)、服務(wù)小區(qū)的特定頻率偏置；Ocn和Ocp分別為目標(biāo)小區(qū)、服務(wù)小區(qū)的特定偏置；Hys為A3事件的遲滯參數(shù)；Off為A3事件的偏置參數(shù)。由于同頻組網(wǎng)方式是LTE系統(tǒng)使用較多的組網(wǎng)方式，所以O(shè)fn和Ofp相同，不參加計算，且相鄰小區(qū)配置均相同，則Ocn與Ocp也不參加計算。因此，式(1)可化簡為式(2)

Mn-Hys>Mp

(2)

A3事件切換觸發(fā)示意如圖2所示，當(dāng)目標(biāo)小區(qū)RSRP值Mn與服務(wù)小區(qū)RSRP值Mp的差值大于切換遲滯門限Hys且滿足觸發(fā)時延TTT后才會觸發(fā)切換。

圖2 A3事件切換觸發(fā)示意

2 基于IGM-BP的越區(qū)切換算法

根據(jù)城市軌道交通的特點，在灰色預(yù)測算法和BP神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上進(jìn)行組合預(yù)測，故將本文算法記為IGM-BP算法。

2.1 灰色預(yù)測算法及模型建立

灰色系統(tǒng)理論1982年由鄧聚龍首先提出創(chuàng)立，它是一種不確定性系統(tǒng)，主要針對的是樣本數(shù)量少且信息一部分已知，一部分未知的系統(tǒng)。GM(1，1)模型則是其中一種最基礎(chǔ)也是應(yīng)用最廣泛的模型，它是一種離散時間響應(yīng)函數(shù)近似呈指數(shù)規(guī)律的模型[14]，使用4個數(shù)據(jù)便可以開始建立模型進(jìn)行預(yù)測。GM(1，1)模型的核心思想是先將原始數(shù)據(jù)進(jìn)行處理，找到一定的規(guī)律后開始建立模型，擬合數(shù)據(jù)值，得到預(yù)測值。其建模步驟如下。

(1)設(shè)X(0)=(x(0)(1)，x(0)(2)，…，x(0)(n))

為一組非負(fù)原始數(shù)據(jù)序列，將序列X(0)進(jìn)行一階累加生成運算，得累加生成序列為

X(1)=(x(1)(1)，x(1)(2)，…，x(1)(n))

(3)

(2)根據(jù)第一步得到的累加序列X(1)建立GM(1，1)模型，得對應(yīng)的白化微分方程為

(4)

式中，a為發(fā)展系數(shù)；b為灰色發(fā)展作用量。對應(yīng)的灰微分方程形式為

x(0)(k)+αz(1)(k)=b，k=2，3，…，n

(5)

(3)求參數(shù)a，b。通過最小二乘法計算參數(shù)列Φ=[a，b]T，展開式為

Φ=(BTB)-1BTY

(6)

其中，

k=2，3，…，n

(7)

(8)

將k=2，3，…，n代入上式，便可得到初始數(shù)據(jù)的擬合值；當(dāng)k>n時，便可得到灰色模型對未來的預(yù)測值，同時對預(yù)測值取均值。

2.2 BP神經(jīng)網(wǎng)絡(luò)及結(jié)構(gòu)設(shè)計

20世紀(jì)80年代中期，Rumelhart和McClelland等提出了BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network)結(jié)構(gòu)，它是按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)[15]，現(xiàn)被廣泛應(yīng)用于各個領(lǐng)域。

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分為3層，即輸入層、隱層和輸出層，任意一層都可以有若干個節(jié)點，每一層間的節(jié)點都相互聯(lián)系。由于本文目的是對RSRP的波動情況進(jìn)行改善，所以BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計如下。

(1)輸入層：因為本文針對RSRP值進(jìn)行優(yōu)化，所以輸入層的維度為1。輸入值為經(jīng)灰色預(yù)測算法后得到的預(yù)測值，記為X=[x1，x2，…，xn]，其中，n為該層神經(jīng)元節(jié)點數(shù)，本實驗取節(jié)點數(shù)為5。

(2)隱層：首先考慮單隱層的BP神經(jīng)網(wǎng)絡(luò)，即只有一個隱層。一般來說，當(dāng)維度為1時，如果網(wǎng)絡(luò)性能在節(jié)點數(shù)較多的情況下還是不能得到改善，才會增加隱層的維度。本文選擇1個隱層即可滿足網(wǎng)絡(luò)性能，且實時性較好，符合城市軌道交通實時的要求。對于傳遞函數(shù)來說，本文采用(0，1)S型函數(shù)中f(x)=1/(1+e-x)作為傳遞函數(shù)。

表2 不同隱層神經(jīng)元個數(shù)性能比較

(3)輸出層：該層維度也為1，即經(jīng)過算法得到的該時刻的RSRP預(yù)測值。

2.3 IGM-BP算法

在城市軌道交通中，進(jìn)行服務(wù)小區(qū)和目標(biāo)小區(qū)的場強測量周期為50 ms，列車周期上報的時間是240 ms[17]，因此在這一過程中，對服務(wù)小區(qū)和目標(biāo)小區(qū)的RSRP值最多進(jìn)行4次測量。為了使灰色GM(1，1)模型更適合城市軌道交通的特點，本文先取4個RSPR數(shù)據(jù)建立灰色預(yù)測模型進(jìn)行預(yù)測。

由于灰色預(yù)測的精確度與初始值相關(guān)，對于離原點數(shù)據(jù)較遠(yuǎn)的點，隨著時間推移將會出現(xiàn)新的隨機因素，使得預(yù)測值發(fā)生較大偏差[18]，本文將對初始數(shù)據(jù)進(jìn)行優(yōu)化。在建立GM(1，1)的過程中，將IGM-BP算法得到的預(yù)測值x(0)(n+1)增加到X(0)序列中，并將X(0)中的x(0)(1)信息刪除，利用新序列X(0)'=(x(0)(2)，x(0)(3)，…x(0)(n+1))建立GM(1，1)模型，重復(fù)上述步驟直到預(yù)測結(jié)束。

本文將選取灰色預(yù)測得到的均值作為其BP神經(jīng)網(wǎng)絡(luò)中的期望值，一方面是因為均值計算方便，可以很大程度上減小算法復(fù)雜度，另一方面是因為均值與預(yù)測得到的所有數(shù)據(jù)都有密切關(guān)系，可以改善數(shù)值變動較大造成預(yù)測結(jié)果的規(guī)律性減弱的負(fù)面影響，其算法流程如圖3所示。

圖3 算法流程

處理步驟如下。

(1)由于源數(shù)據(jù)Mn和Mp的值均為負(fù)數(shù)，則需要將所有源數(shù)據(jù)取絕對值。

(2)取t時刻接收到的服務(wù)小區(qū)的RSRP值的前4次值，并與上一時刻得到的預(yù)測值構(gòu)成GM(1，1)模型短序列，記為X1={X1(t-4Δt)，X1(t-3Δt)，X1(t-2Δt)，X1(t-Δt)}，同理，記目標(biāo)小區(qū)RSRP值構(gòu)成的短序列為

X2={X2(t-4Δt)，X2(t-3Δt)，X2(t-2Δt)，X2(t-Δt)}；

(3)根據(jù)短序列X1建立GM(1，1)模型，進(jìn)行運算后得出一組新的預(yù)測序列Y1={Y1，1，Y1，2，Y1，3，Y1，4，Y1，5}；同理，根據(jù)短序列X2建立GM(1，1)模型，進(jìn)行運算后得出一組新的預(yù)測序列Y2={Y2，1，Y2，2，Y2，3，Y2，4，Y2，5}。

(9)

灰色預(yù)測算法一定程度上弱化了數(shù)據(jù)隨機性，可以很容易找出原始數(shù)據(jù)所呈現(xiàn)的規(guī)律性，具有建模樣本少、短期預(yù)測精度高等優(yōu)點[18]。但是灰色預(yù)測模型也具有一定的固有的局限性，它十分依賴原始數(shù)據(jù)，如果原始數(shù)據(jù)的波動性較大，會出現(xiàn)較大誤差，則預(yù)測精度會大打折扣。

BP神經(jīng)網(wǎng)絡(luò)有著良好的自適應(yīng)性，學(xué)習(xí)能力較強，容錯性較高，可以進(jìn)行并行計算，提高運算速度，使運算系統(tǒng)簡單，靈活[19]，在遇見波動性較大的數(shù)據(jù)時也可以進(jìn)行較為精確的預(yù)測。但是需要較多的樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)，如果數(shù)據(jù)數(shù)量太少，得到的預(yù)測值也會出現(xiàn)較大的誤差。

當(dāng)二者進(jìn)行組合時，則可以互相發(fā)揮優(yōu)勢，取長補短。由于RSRP波動性較大，該組合算法利用BP神經(jīng)網(wǎng)絡(luò)修正灰色預(yù)測得到的數(shù)據(jù)誤差，可以改善灰色預(yù)測算法對數(shù)據(jù)波動較敏感的問題，比單一使用灰色預(yù)測算法的計算精度高；同時，該算法在數(shù)據(jù)量較少的情況下，其精度也比單一使用BP神經(jīng)網(wǎng)絡(luò)算法得到的精度要高。

3 實驗仿真

將采用MATLAB軟件作為算法仿真平臺，通過傳統(tǒng)切換算法、灰色預(yù)測算法與本文提出的算法進(jìn)行仿真對比，并從RSRP值的波動情況、乒乓切換率及切換成功率等方面來驗證3種算法對切換性能的影響。

3.1 實驗參數(shù)設(shè)置

以北京燕房線為例，燕房線全長14.431 km，全線為高架段[20]，同時使用頻率為1.8 GHz的無線信道，因此采用選擇1.5～2 GHz頻率范圍的COST231-HATA模型模擬城區(qū)無線環(huán)境[21]，在仿真中，僅考慮無線信道模型中的陰影衰落與路徑損耗，則服務(wù)小區(qū)和目標(biāo)小區(qū)RSRP的計算公式分別為

RSRPi(d)=Pt-PLi(d)-Si(d)

(10)

RSRPj(d)=Pt-PLj(d)-Sj(d)

(11)

式中，Pt為基站發(fā)射功率；Si(d)和Sj(d)為兩個小區(qū)的陰影衰落；PLi(d)、PLj(d)分別為服務(wù)小區(qū)和目標(biāo)小區(qū)的COST231-HATA模型路徑損耗功率，具體公式如下

PL(d)=46.3+33.9lgfc-13.82lghte+

(44.9-6.55lghte)lgd-α(hre)+Ccell

(12)

其中，fc為載波頻率；hte為基站天線發(fā)射高度；d為收發(fā)天線之間的水平距離；hre為移動臺天線高度，本文具體實驗參數(shù)如表3所示。

表3 實驗仿真參數(shù)

根據(jù)城市軌道交通的特點，小區(qū)呈鏈狀分布，因此將列車越區(qū)切換過程模擬如圖4所示。

圖4 鏈狀小區(qū)列車切換過程模型

AB段表示兩個基站間的距離為1.4 km；BD段表示兩個基站之間的切換重疊帶，C點為切換帶中點，切換帶規(guī)劃公式如下

x=Hys/L+2(t1+t2)·v

(13)

式中，x為單邊切換距離；Hys為遲滯切換參數(shù)；L為漏纜每米損耗；t1為測量時長；t2為切換時延；v為列車速度。一般來說，測量時長和切換時延在500 ms之內(nèi)，由于北京燕房線列車最高運行速度為80 km/h，則單邊切換距離為94 m，那么重疊切換帶長度為188 m，取切換區(qū)域為0.6～0.8 km。

3.2 實驗結(jié)果分析

如圖5所示，圖中縱坐標(biāo)代表的是使用傳統(tǒng)切換算法得到的目標(biāo)小區(qū)和服務(wù)小區(qū)的RSRP值，橫坐標(biāo)代表的是列車行駛過程中與初始服務(wù)小區(qū)基站間的距離。圖6和圖7分別代表的是灰色預(yù)測算法和采用本文所提出IGM-BP算法得到的目標(biāo)小區(qū)和服務(wù)小區(qū)的RSRP值隨距離變化的情況?；疑A(yù)測算法相較于傳統(tǒng)A3算法，在一定程度上改善了RSRP值的波動情況，而對比于灰色預(yù)測算法，IGM-BP算法在改善RSRP值的波動情況方面又得到了優(yōu)化，從圖中可以看出，本文所提出的算法在改善RSRP值的波動情況方面效果最好，波動幅度最小，說明本文算法有效減小了同頻干擾及多普勒效應(yīng)等因素的影響。

圖5 傳統(tǒng)切換算法下RSRP值隨距離變化情況

圖6 灰色預(yù)測算法下RSRP值隨距離變化情況

圖7 IGM-BP算法下RSRP值隨距離變化情況

圖8分別給出了傳統(tǒng)切換算法(黑色點線)、灰色預(yù)測算法(藍(lán)色直線)和IGM-BP算法(黃色虛線)下目標(biāo)小區(qū)與服務(wù)小區(qū)RSRP差值隨距離的變化情況，其中黑色虛線表示切換遲滯Hys。從圖8可以看出，在覆蓋重疊區(qū)域中RSRP差值在Hys處變化劇烈，尤其在切換帶中點0.7 km處附近變化幅度最大，容易產(chǎn)生乒乓切換，3種算法比較下得出傳統(tǒng)切換算法下目標(biāo)小區(qū)與服務(wù)小區(qū)RSRP差值波動變化最大，灰色預(yù)測算法次之，IGM-BP算法下變化幅度最小，穩(wěn)定性最高。在區(qū)域切換帶內(nèi)取20 m為一步長，其3種算法下的RSRP差值如表4所示。

圖8 3種算法下目標(biāo)小區(qū)與服務(wù)小區(qū)RSRP差值比較

表4 切換區(qū)域帶內(nèi)三種算法RSRP差值比較

圖9為3種算法下的乒乓切換率比較，本文所提出算法的乒乓切換率最高只有3%，低于傳統(tǒng)算法和灰色預(yù)測算法的成功率21%和14%，從中可以得出，IGM-BP算法可有效減小乒乓切換的頻繁發(fā)生，提高了列車在FAO系統(tǒng)運行環(huán)境下的穩(wěn)定性。

圖9 乒乓切換率比較

切換成功率是列車越區(qū)切換時重要的評估標(biāo)準(zhǔn)之一，由于本文改善了RSRP值的波動情況，越區(qū)切換成功率也得到了提高。3種算法下切換成功率比較如圖10所示，本文所提出的算法在0.76 km處的成功率達(dá)到99.6%，高于在此處的傳統(tǒng)算法和灰色預(yù)測算法成功率83.4%和92.7%。

圖10 三種算法切換成功率比較

4 結(jié)語

本文討論了基于TD-LTE的城市軌道交通越區(qū)切換問題，提出一種IGM-BP算法來改善列車行駛過程中接收到的服務(wù)小區(qū)和目標(biāo)小區(qū)的RSRP值的波動情況。通過結(jié)合TD-LTE標(biāo)準(zhǔn)中的A3事件，對該算法進(jìn)行實驗仿真，并且與既有算法和灰色預(yù)測兩種算法對比，仿真結(jié)果表明，該算法可以有效改善因為同頻干擾和多徑效應(yīng)對RSRP值的干擾情況，減小了RSRP值的波動幅度，與其余兩種算法相比，IGM-BP算法降低了乒乓切換率，提高了切換成功率，具有明顯的優(yōu)越性。