周雅，謝卓辰，劉沛龍，劉會杰?

(1 中國科學(xué)院微小衛(wèi)星創(chuàng)新研究院，上海 201203；2 中國科學(xué)院大學(xué)，北京 100049；3 清華大學(xué)北京信息科學(xué)與技術(shù)國家研究中心，北京 100084) (2019年12月5日收稿； 2020年2月28日收修改稿)

隨著全球通信業(yè)務(wù)的迅速增長，衛(wèi)星通信系統(tǒng)在各領(lǐng)域應(yīng)用愈發(fā)廣泛[1]。未來低軌衛(wèi)星網(wǎng)絡(luò)可成為人們?nèi)粘Ｉ钪械闹匾M成部分[2]。低軌衛(wèi)星通信系統(tǒng)憑借其覆蓋范圍廣、傳播時延小和終端設(shè)備發(fā)射功率低等優(yōu)勢，使借助LEO衛(wèi)星進行數(shù)據(jù)傳輸越發(fā)受到廣泛關(guān)注[3]。同時，星間鏈路的使用既滿足高質(zhì)量和高數(shù)據(jù)安全性等特殊應(yīng)用需求，也引發(fā)了業(yè)內(nèi)對衛(wèi)星星座網(wǎng)絡(luò)路由問題的持續(xù)關(guān)注，其中負載均衡問題是路由算法研究的重要部分，也是基于星間鏈路的衛(wèi)星網(wǎng)絡(luò)設(shè)計中的重要問題[4]。

相較于中高軌衛(wèi)星，低軌衛(wèi)星具有低時延特征，理論上能夠支持時延敏感型垂直應(yīng)用，如實時視頻傳輸、遠程工業(yè)控制、遠程醫(yī)療等。因此，端到端時延成為低軌衛(wèi)星網(wǎng)絡(luò)負載均衡路由算法設(shè)計中需要考慮的重要因素之一[5]。

為了滿足衛(wèi)星通信系統(tǒng)星上數(shù)據(jù)就近落地需求，提高系統(tǒng)總吞吐量，現(xiàn)有的衛(wèi)星通信系統(tǒng)(如OneWeb等)都具有分布在全球各地的地面信關(guān)站[6]。由于全球用戶的非均勻分布及其活躍度隨時間動態(tài)變化，衛(wèi)星系統(tǒng)數(shù)據(jù)流通過地面站就近下行會引發(fā)空間段擁塞并加重饋線負擔，這種擁塞模式是一種漏斗型的新型擁塞模式且極易引起雪崩式擁塞，進而引起空間段端到端通信的性能劣化[7]。

漏斗型擁塞形態(tài)隨著網(wǎng)絡(luò)狀態(tài)不斷動態(tài)變化，圖1以每個地面站同時跟蹤4顆衛(wèi)星為例給出一種特殊的漏斗型擁塞形態(tài)。如圖1所示，由于衛(wèi)星S7、S11、S12、S16與地面站之間的饋線傳輸能力有限，而各個方向通過地面站下行的非均勻數(shù)據(jù)流向地面站上方衛(wèi)星簇不斷匯聚，由此形成一個漏斗型擁塞區(qū)域。目前的負載均衡技術(shù)并未針對此類擁塞模式進行優(yōu)化。

圖1 漏斗型擁塞形態(tài)示意圖Fig.1 Funnel-type congestion pattern

衛(wèi)星網(wǎng)絡(luò)多徑路由策略利用衛(wèi)星網(wǎng)絡(luò)具有動態(tài)可預(yù)測的拓撲形態(tài)以及衛(wèi)星節(jié)點間的天然多徑的特點進行設(shè)計[8]。相對單條路徑的路由策略而言，多徑路由的分流策略更加靈活。CEMR(compact explicit multi-path routing)算法首先提出衛(wèi)星網(wǎng)絡(luò)中的多徑路由策略，綜合考慮排隊時延與傳播時延計算路由表，但具體的多徑實現(xiàn)方式并未詳述[9]。Taleb等[10]給出一種顯式負載均衡(explicit load balancing, ELB)算法，該算法監(jiān)控本地擁塞狀態(tài)，當發(fā)生擁塞時及時通知上游將通過本地擁塞衛(wèi)星的χ%的流量通過備選路徑進行轉(zhuǎn)發(fā)。在此基礎(chǔ)上Song等[11]提出交通燈智能路由策略(traffic-light based intelligent routing strategy, TLR)，采用交通燈的“紅綠燈”概念將本地隊列與衛(wèi)星整體隊列的情況分為3級，綜合考慮本地與下一跳節(jié)點的狀態(tài)選擇轉(zhuǎn)發(fā)策略，如果最優(yōu)路徑及備選路徑均為紅燈則不適合轉(zhuǎn)發(fā)，此時將數(shù)據(jù)分組存入等待區(qū)，直到任一路徑恢復(fù)為非紅燈狀態(tài)后發(fā)出。ELB算法和TLR算法雖然能在一定程度上緩解擁塞，縮短端到端時延，但其分流策略不具有全局視野，容易陷入局部最優(yōu)。Liu等[12]進一步提出一種基于混合分流策略的負載均衡路由策略(hybrid traffic detour load balancing routing，HLBR)，該策略將長程繞行與分布式分流2種方式相結(jié)合以實現(xiàn)高效自適應(yīng)負載均衡。但HLBR算法的分流策略較為復(fù)雜，犧牲了一定的時間復(fù)雜度及空間復(fù)雜度。

綜上所述，已有的路由算法都沒有針對性地解決地面站就近下行引起的漏斗型擁塞問題，而此類擁塞會嚴重影響低軌衛(wèi)星通信系統(tǒng)空間段端到端通信的負載均衡及通信信息的時效性。為了滿足星地傳輸需求，保障通信時效性并實現(xiàn)空間段負載均衡，本文從全網(wǎng)鏈路代價計算與多徑計算2個方面對TLR算法進行改進，提出一種基于區(qū)域分流的多徑搜索負載均衡路由算法(regional-traffic-detour multipath search load balancing routing algorithm, RMLBR)。

1 系統(tǒng)模型

1.1 星座模型

本文利用中國科學(xué)院微小衛(wèi)星創(chuàng)新研究院某在研類銥星極軌道(walker polar)星座構(gòu)建星座模型并進行路由算法設(shè)計。該星座包含Numtotal=Numorbit×Numsatperorb顆衛(wèi)星及若干地面信關(guān)站，其中Numorbit代表軌道數(shù)目，Numsatperorb代表每軌衛(wèi)星數(shù)目,全網(wǎng)所有衛(wèi)星節(jié)點構(gòu)成衛(wèi)星集合S={Si|1≤i≤Numtotal}。每顆衛(wèi)星都具有4條節(jié)點到節(jié)點的雙工星間鏈路，最多可連接4顆鄰近衛(wèi)星，其中2條為同軌鏈路，2條為軌間鏈路。當衛(wèi)星經(jīng)過極區(qū)上方與反向縫處時軌間鏈路關(guān)閉，且衛(wèi)星可以與其覆蓋范圍內(nèi)的終端設(shè)備及地面信關(guān)站建立星地鏈路。此外，每顆衛(wèi)星各鏈路的發(fā)射機中均配置參數(shù)一致的緩存隊列用于緩存數(shù)據(jù)分組。

由于衛(wèi)星的動態(tài)運動及地球的自轉(zhuǎn)，每個衛(wèi)星覆蓋的范圍及衛(wèi)星之間的連接關(guān)系持續(xù)變化。為了便于研究，本文通過虛擬拓撲法將不斷運動的實際衛(wèi)星一一映射為靜態(tài)的虛擬衛(wèi)星，并將每顆虛擬衛(wèi)星與一個固定的覆蓋范圍進行綁定。當實際衛(wèi)星運動時，其對應(yīng)的虛擬衛(wèi)星也會隨之變化。覆蓋區(qū)域的劃分與衛(wèi)星星座構(gòu)型有關(guān)，根據(jù)星座構(gòu)型將地球表面劃分為Numtotal個區(qū)域。

1.2 流量模型

本文使用文獻[14]中的數(shù)據(jù)及方法并結(jié)合中國科學(xué)院該在研星座試運營階段的星座構(gòu)型建立流量模型作為算法的參考輸入。

首先，根據(jù)該星座Walker 72/6/3π型星座構(gòu)型，利用虛擬拓撲法將地球表面劃分為72個30°×30°的區(qū)域，并為每一區(qū)域計算得到一個靜態(tài)設(shè)備密度指數(shù)SDIi(static device density index)如圖2所示。此外，由于全網(wǎng)流量分布還具有時變性，因此計算流量比例ρh隨時間變化情況如圖3所示。

圖2 地理區(qū)域劃分及靜態(tài)設(shè)備密度指數(shù)Fig.2 Earth zone division and static device density index

圖3 流量比例變化圖Fig.3 Variation of the traffic ratio

然后，為了有效緩解星地傳輸帶來的空間段擁塞，使用文獻[7]中的方法對不同目的節(jié)點的流量進行分類：將需要通過地面信關(guān)站下行并接入地面核心網(wǎng)的流量稱為星地流量(satellite to ground traffic，SGT)，而無需經(jīng)過地面站傳輸?shù)牧髁縿t稱為端到端流量(satellite to satellite traffic，SST)。并根據(jù)文獻[6]，對不同類型的流量分別計算對應(yīng)的衛(wèi)星Si與衛(wèi)星Sj間流量需求指數(shù)TDIij(traffic demand index，TDI)，具體公式如下

(1)

其中：dij為2顆衛(wèi)星間距離，設(shè)置星地流量系數(shù)γ=0.5，δ=2.0；設(shè)置端到端流量系數(shù)γ=0.8。

最后，文獻[12]中提出流量模型的建立還受到時間的影響，因此在衛(wèi)星間流量需求指數(shù)TDIij基礎(chǔ)上計算衛(wèi)星間實時流量需求，計算公式如下

i≠j，

(2)

2 算法描述

本文提出的RMLBR算法分為全網(wǎng)信息收集、鏈路代價計算、多徑計算以及多徑轉(zhuǎn)發(fā)策略4個部分。算法開始時先進行全網(wǎng)狀態(tài)信息收集建立全網(wǎng)信息庫，再根據(jù)收集得到的信息分區(qū)域計算鏈路代價作為多徑計算的輸入，然后結(jié)合約束條件進行搜索得到一條最優(yōu)路徑及一條備選路徑，最后在轉(zhuǎn)發(fā)過程中根據(jù)當前網(wǎng)絡(luò)狀態(tài)使用“紅綠燈”策略選擇下一跳。

2.1 全網(wǎng)信息收集

有效準確地收集全網(wǎng)狀態(tài)是保障分流策略及多徑計算有效性的重要措施。在全網(wǎng)信息收集階段，使用文獻[11]軌道發(fā)言人策略進行網(wǎng)絡(luò)狀態(tài)收集。軌道發(fā)言人策略如圖4所示，低軌衛(wèi)星網(wǎng)絡(luò)每個軌道均設(shè)置一顆發(fā)言人衛(wèi)星，軌內(nèi)非發(fā)言人衛(wèi)星收集本地狀態(tài)并發(fā)送至發(fā)言人衛(wèi)星，發(fā)言人衛(wèi)星收集本軌內(nèi)信息后生成軌道信息包發(fā)送至其他軌道的發(fā)言人衛(wèi)星，此外，發(fā)言人衛(wèi)星接收其他軌道的信息包，并轉(zhuǎn)發(fā)給軌內(nèi)非發(fā)言人衛(wèi)星，最后建立起全網(wǎng)信息庫。

圖4 軌道發(fā)言人策略Fig.4 Orbit speaker strategy

2.2 鏈路代價計算

合理計算全網(wǎng)鏈路代價可以有效地描繪網(wǎng)絡(luò)中各條鏈路及各區(qū)域狀態(tài)，從而使算法具有全局視野并提高算法性能。為了更加細致地反映全網(wǎng)狀態(tài)以及地面站上方空間段的潛在擁塞可能，引導(dǎo)算法進行分流，在全網(wǎng)狀態(tài)信息的基礎(chǔ)上分區(qū)域計算鏈路代價，避免算法陷入局部最優(yōu)。

本文引用文獻[7]中站域的概念，將地面站上方易擁塞的空間段區(qū)域稱為站域(station area，SA)，站域上方衛(wèi)星集合稱為站域衛(wèi)星(station area satellite，SAS)，其余衛(wèi)星為非站域衛(wèi)星(non station area satellite，nSAS)。對不同區(qū)域分別計算鏈路代價以實現(xiàn)多徑計算。

文獻[7]中以站域指數(shù)SIi來衡量當前區(qū)域受地面站就近星地傳輸?shù)挠绊懗潭冗M而劃分站域，其中站域指數(shù)SIi的計算使用線性模型，這樣雖然能夠簡化運算便于仿真，但難以準確地刻畫各個因素與站域指數(shù)SIi之間的關(guān)系，使得站域的劃分不夠精確。

為了更準確地描繪站域形態(tài)及地面站就近星地傳輸對各個區(qū)域帶來的潛在擁塞風險，本文對站域指數(shù)SIi的計算方法進行改進。站域指數(shù)SIi取值受到靜態(tài)設(shè)備密度指數(shù)SDIi、衛(wèi)星覆蓋區(qū)域中心與地面站之間的距離SGdi以及地面用戶活躍指數(shù)UAIi這3種因素的影響，其中距離地面站越近的區(qū)域匯聚的星地流量越多，發(fā)生擁塞的可能性就越大，因此站域指數(shù)SIi與衛(wèi)星覆蓋區(qū)域中心與地面站之間的距離SGdi成反比；而覆蓋區(qū)域的靜態(tài)設(shè)備越多，用戶越活躍，則該區(qū)域產(chǎn)生的流量也相應(yīng)較大，故站域指數(shù)SIi與靜態(tài)設(shè)備密度指數(shù)SDIi及地面用戶活躍指數(shù)UAIi成正比。綜上所述對站域指數(shù)SIi建模如下：

(3)

(4)

(5)

(6)

(7)

式中：dij為2顆衛(wèi)星間距離，c為光速。

(8)

(9)

站域指數(shù)SIi越高，則說明覆蓋該區(qū)域的衛(wèi)星越容易發(fā)生擁塞，故站域潛在擁塞代價φi計算如下

(10)

綜上所述，可以計算得到全網(wǎng)鏈路代價并作為多徑計算過程中鏈路權(quán)重因子ψij計算的基礎(chǔ)。

2.3 多徑搜索算法

TLR算法中使用最短路徑算法進行多徑計算得到一條最優(yōu)路徑及一條備選路徑。本文提出的RMLBR算法在站域劃分的基礎(chǔ)上進行區(qū)域分流，盡可能選擇鏈路代價costij小的衛(wèi)星作為中間節(jié)點，從而使較為空閑的衛(wèi)星得到利用，緩解站域衛(wèi)星的負擔，實現(xiàn)負載均衡。此外，RMLBR算法以當前節(jié)點與目的節(jié)點之間距離did的倒數(shù)作為轉(zhuǎn)向因子ηij并引入節(jié)點可見性參數(shù)Γi，避免在多徑搜索過程中出現(xiàn)繞行和環(huán)路。最后，為了滿足在實時視頻傳輸?shù)榷喾N時延敏感型場景中衛(wèi)星數(shù)據(jù)的時效性，RMLBR算法以路徑總時延Tpath作為多徑搜索的約束，進而保證數(shù)據(jù)傳輸?shù)臅r效性。綜上所述，RMLBR算法使用鏈路權(quán)重因子ψij、轉(zhuǎn)向因子ηij及節(jié)點可見性參數(shù)Γi計算多徑搜索中由節(jié)點Si到節(jié)點Sj的轉(zhuǎn)移概率pij，選擇轉(zhuǎn)移概率pij最大且滿足約束的節(jié)點進行多徑搜索進而得到最優(yōu)路徑及備選路徑。具體過程詳述如下：

首先，RMLBR算法使用鏈路權(quán)重因子ψij表示鏈路代價costij對路徑計算的影響。鏈路代價costij描繪網(wǎng)絡(luò)中各條鏈路及各區(qū)域的狀態(tài)，鏈路代價costij越大時，則說明該鏈路不適合用于數(shù)據(jù)傳輸，進而算法選擇經(jīng)過該鏈路的概率越低。由此本文使用鏈路代價costij計算鏈路權(quán)重因子ψij，即

ψij=ω/1+costij,

(11)

其中:ω為常量，本文中取ω=1.

其次，由于僅考慮鏈路代價而計算路徑時容易舍近求遠發(fā)生繞行，為減少冗余的中間節(jié)點并選擇靠近目的節(jié)點的衛(wèi)星作為中間跳，RMLBR算法以當前節(jié)點Si與目的節(jié)點Sd之間的距離的倒數(shù)作為轉(zhuǎn)向因子ηij，即

ηij=1/did.

(12)

此外，為避免在計算路徑時出現(xiàn)環(huán)路，RMLBR算法設(shè)置了節(jié)點可見性參數(shù)Γi來標記該節(jié)點是否已被訪問：

(13)

根據(jù)上述分析，RMLBR算法定義由節(jié)點Si到臨近節(jié)點Sj的轉(zhuǎn)移概率pij為

(14)

其中:ψij為鏈路權(quán)重因子；ηij為轉(zhuǎn)向因子；Γi為節(jié)點可見性參數(shù)；α，β為鏈路權(quán)重因子ψij與轉(zhuǎn)向因子ηij的貢獻系數(shù)；N(i)為當前節(jié)點Si的臨近節(jié)點集合。

在多徑搜索策略開始時，將全網(wǎng)所有節(jié)點的可見性參數(shù)Γi均設(shè)置為1，表示所有節(jié)點均未被訪問，并根據(jù)全網(wǎng)信息收集階段得到的信息對鏈路權(quán)重因子ψij及轉(zhuǎn)向因子ηij進行初始化。

最后，由于端到端時延是空間通信系統(tǒng)服務(wù)質(zhì)量的重要影響因素[15]，為保證時延敏感型場景下的服務(wù)質(zhì)量及數(shù)據(jù)分組時效性，RMLBR算法引入路徑時延約束。RMLBR算法將由源節(jié)點開始遍歷后所經(jīng)過的路徑時延作為尋徑約束，即已選擇的節(jié)點組成的路徑Pathm中各條鏈路的傳播時延和排隊時延之和Tpath不能超過規(guī)定的路徑時延的門限Tlimit，其中路徑時延Tpath計算公式如下

(15)

(16)

綜上所述，RMLBR算法由當前節(jié)點Si選擇臨近節(jié)點Sj進行遍歷需滿足以下條件

(17)

其中：α，β為鏈路權(quán)重因子與轉(zhuǎn)向因子的貢獻系數(shù)，N(i)為當前節(jié)點Si的臨近節(jié)點集合。

文獻[16]提出，當多徑之間存在公共節(jié)點時，其鏈路失效的可能性較大，因此為保證多徑算法的性能，RMLBR算法中多徑計算遵循最優(yōu)路徑及備選路徑之間無公共節(jié)點的原則。在備選路徑計算中屏蔽最優(yōu)路徑中選擇的中間節(jié)點，使得構(gòu)成最優(yōu)路徑的節(jié)點在備選路徑計算中不可見，以此實現(xiàn)2條路徑間無公有節(jié)點。RMLBR算法中的多徑搜索策略具體步驟如下：

步驟1 對全網(wǎng)所有節(jié)點進行初始化：將衛(wèi)星集合S中所有節(jié)點Si可見性參數(shù)Γi均設(shè)置為1，并根據(jù)式(11)及式(12)對鏈路權(quán)重因子ψij及轉(zhuǎn)向因子ηij進行初始化。

步驟2 搜索當前節(jié)點Si的下一跳。若當前節(jié)點Si為目的節(jié)點則算法結(jié)束；反之，根據(jù)式(14)計算轉(zhuǎn)移概率pij并從節(jié)點Si的臨近節(jié)點集合N(i)中選擇概率最大的節(jié)點Sj作為下一跳并轉(zhuǎn)至步驟3。當節(jié)點Sj∈N(i)對應(yīng)可見性參數(shù)Γj均為0時，說明N(i)中節(jié)點均已被訪問，則退至節(jié)點Si的前一跳節(jié)點Spre重復(fù)步驟2進行搜索。

步驟4 在得到最優(yōu)路徑之后，重復(fù)步驟2～3計算備選路徑。最終得到2條路徑，即路徑數(shù)目Numpath=2。

此外，RMLBR算法中多徑搜索策略偽代碼如表1所示。

2.4 多徑轉(zhuǎn)發(fā)策略

在多徑搜索結(jié)束后，全網(wǎng)各節(jié)點均將最優(yōu)路徑及備選路徑寫入路由表用于后續(xù)轉(zhuǎn)發(fā)。由于在數(shù)據(jù)分組轉(zhuǎn)發(fā)的過程中網(wǎng)絡(luò)狀態(tài)不斷變化，因此需要在轉(zhuǎn)發(fā)過程中根據(jù)當前的網(wǎng)絡(luò)狀態(tài)對路徑做出調(diào)整，選擇合適的下一跳節(jié)點進行分流，從而實現(xiàn)負載均衡。

RMLBR算法采用文獻[11]中的“紅綠燈”策略選擇下一跳，根據(jù)衛(wèi)星Si各條鏈路的隊列占用率QORij及衛(wèi)星Si整體隊列占用率TQORi設(shè)置衛(wèi)星Si各個方向上的紅綠燈狀態(tài)。紅綠燈為“綠色”表示該方向未發(fā)生擁塞，“黃色”表示該方向即將擁塞，“紅色”表示該方向已發(fā)生擁塞。當數(shù)據(jù)分組到達衛(wèi)星Si時，先從路由表中得到下一跳的候選，然后判斷最優(yōu)路徑及備選路徑中下一跳方向上的紅綠燈狀態(tài)選擇合適的轉(zhuǎn)發(fā)方式，規(guī)則如下：

1)當最優(yōu)路徑下一跳方向上的紅綠燈狀態(tài)為“綠色”時，無論備選路徑方向上是何種狀態(tài)均選擇最優(yōu)路徑下一跳進行轉(zhuǎn)發(fā)。

2)當最優(yōu)路徑下一跳方向上的紅綠燈狀態(tài)為“黃色”時，若備選路徑下一跳方向上紅綠燈狀態(tài)為“綠色”或“黃色”，則進行分流，一半數(shù)據(jù)分組使用最優(yōu)路徑下一跳進行轉(zhuǎn)發(fā)，另一半使用備選路徑下一跳進行轉(zhuǎn)發(fā)；若為“紅色”，則選擇最優(yōu)路徑下一跳進行轉(zhuǎn)發(fā)。

3)當最優(yōu)路徑下一跳方向上的紅綠燈狀態(tài)為“紅色”時，若備選路徑下一跳方向上紅綠燈狀態(tài)為“綠色”或“黃色”，則使用備選路徑下一跳進行轉(zhuǎn)發(fā)；若為“紅色”，則令數(shù)據(jù)分組在緩存區(qū)等待至任一路徑為非紅色狀態(tài)再進行轉(zhuǎn)發(fā)。

3 算法仿真

3.1 仿真參數(shù)設(shè)置

為了研究本文提出的RMLBR算法在具有地面站的低軌衛(wèi)星通信系統(tǒng)中的性能，利用OPNET modeler進行網(wǎng)絡(luò)仿真，以中國科學(xué)院某在研類銥星極軌道試運行階段的星座作為仿真背景，其中地面站位置根據(jù)該星座設(shè)計說明設(shè)置。在多種網(wǎng)絡(luò)總流量輸入下，從高流區(qū)域形態(tài)、網(wǎng)絡(luò)丟包率、端到端時延及網(wǎng)絡(luò)吞吐量4個方面與TLR算法和ELB算法進行對比，分析算法特性。

此外，本文不考慮信道誤碼對系統(tǒng)性能產(chǎn)生的影響，僅分析路由層算法性能。仿真過程中將上文所述流量模型作為參考輸入進行研究，全網(wǎng)星間鏈路均配置200 Mbps容量，各個隊列容量均為66 Mbit。并根據(jù)實際系統(tǒng)應(yīng)用場景及服務(wù)質(zhì)量需求將RMLBR算法中站域指數(shù)閾值ωSI設(shè)置為0.6，路徑時延門限Tlimit設(shè)置為280 ms，ELB算法及TLR算法中的相關(guān)參數(shù)完全按照文獻[10-11]設(shè)定。由于文中流量模型周期為24 h，故設(shè)置仿真時間為24 h并多次運行取均值進行研究。

3.2 仿真結(jié)果及分析

根據(jù)文獻[4]，本文將衛(wèi)星隊列占用率TQORi>40%的區(qū)域視為高流區(qū)，圖5中陰影部分表示在網(wǎng)絡(luò)總流量輸入為148.3和189.5 Tbit/d時，3種算法的實時高流區(qū)形態(tài)，其中RMLBR算法的高流區(qū)范圍最小，表明該算法有著較好的分流性能且緩解了擁塞。站域的劃分預(yù)測了潛在的易擁塞區(qū)域，鏈路代價的分區(qū)計算能夠引導(dǎo)路徑搜索時盡可能少地使用站域衛(wèi)星作為中間節(jié)點，降低了站域衛(wèi)星的負載，使得較為空閑的衛(wèi)星得到使用，從而實現(xiàn)負載均衡。

自左向右依次為ELB、TLR和RMLBR。圖5 3種算法的實時高流區(qū)形態(tài)Fig.5 Real-time high traffic area pattern of three algorithms

圖6展示多種不同的全網(wǎng)總流量輸入下，3種算法平均端到端時延、丟包率及網(wǎng)絡(luò)吞吐量情況。從圖6(a)可以看出，RMLBR算法的平均端到端時延最低。其中，在148.3 Tbit/d的輸入下，ELB、TLR、RMLBR算法的端到端時延分別為118.8、110.9和107.3 ms，RMLBR算法相對降低了端到端時延，其原因在于該算法在多徑計算時加入了時延的約束并使用轉(zhuǎn)向因子以減少路徑中出現(xiàn)繞行的情況。端到端時延的縮短使RMLBR算法在實時視頻傳輸?shù)榷喾N時延敏感型場景下具有更高的實用性。

圖6 RMLBR算法端到端時延、丟包率及網(wǎng)絡(luò)吞吐量Fig.6 The end-to-end delay, packet loss rate, and network throughput by RMLBR

此外，由圖6(b)和6(c)可見，RMLBR算法在丟包率及吞吐量方面也具有優(yōu)勢，以148.3 Tbit/d輸入為例，ELB、TLR、RMLBR算法的丟包率分別為6.68%、5.03%和3.38%，吞吐量分別為790.41、811.51和830.51 Gbit。RMLBR算法的性能優(yōu)勢主要得益于算法的設(shè)計充分考慮站域帶來的潛在擁塞可能性計算端到端鏈路代價，并進行區(qū)域分流，從而縮小高流區(qū)范圍，緩解了星地傳輸引起的空間段動態(tài)漏斗型擁塞。

綜上所述，通過對ELB、TLR、RMLBR算法的高流區(qū)域形態(tài)、網(wǎng)絡(luò)丟包率、端到端時延及網(wǎng)絡(luò)吞吐量4個方面的仿真驗證了RMLBR算法的有效性。

4 總結(jié)

本文針對低軌衛(wèi)星通信系統(tǒng)非均勻分布地面信關(guān)站就近傳輸引起的空間段動態(tài)漏斗型擁塞問題進行研究，提出一種適用于對時延要求較高的場景下的路由算法——RMLBR。仿真結(jié)果表明，相對于經(jīng)典的ELB算法和TLR算法，該算法能夠縮小高流區(qū)域范圍，緩解站域擁塞，并有效地降低端到端時延及網(wǎng)絡(luò)丟包率，提高了網(wǎng)絡(luò)吞吐量。