王 穎

（北京郵電大學(xué)網(wǎng)絡(luò)技術(shù)研究院，北京 100876）

基于SDN的無線接入網(wǎng)絡(luò)切換決策方法

王 穎

（北京郵電大學(xué)網(wǎng)絡(luò)技術(shù)研究院，北京 100876）

由于5G接入平面中多種接入技術(shù)并存，以及用戶不規(guī)則的、趨向按需的主動式移動性特點，接入網(wǎng)絡(luò)之間的負載不均衡問題更加突出，并導(dǎo)致了接入網(wǎng)絡(luò)的資源浪費以及較低的用戶體驗。針對這一問題，文章提出了一種基于SDN的無線接入網(wǎng)絡(luò)切換決策方法，從網(wǎng)絡(luò)側(cè)和用戶側(cè)考慮為用戶選取AP進行切換，以均衡接入網(wǎng)絡(luò)之間的負載，并最大化用戶的需求滿意度。

SDN；無線接入網(wǎng)絡(luò)；切換決策；負載均衡；5G

0 引言

隨著 4G網(wǎng)絡(luò)的快速發(fā)展，以及更多多樣化設(shè)備更高移動性的需求的出現(xiàn)，5G網(wǎng)絡(luò)以及其相關(guān)關(guān)鍵技術(shù)成為研究熱點。其中 5G網(wǎng)絡(luò)面臨的一個主要問題是頻譜資源無法滿足網(wǎng)絡(luò)容量需求的快速增長。為解決這一問題，最具有前景的技術(shù)之一就是包含多個無線接入網(wǎng)絡(luò)架構(gòu)的異構(gòu)網(wǎng)絡(luò)[1]，可以連接多個無線接入技術(shù)的無線設(shè)備可以在這些不同接入技術(shù)的基站之間選擇并連接到其中之一，因此決定移動用戶將連接到哪個基站是 5G當(dāng)前的熱點問題[2,3]。而SDN作為5G網(wǎng)絡(luò)中的重要元素，其控制平面與轉(zhuǎn)發(fā)平面分離的思想被廣泛應(yīng)用于多個網(wǎng)絡(luò)領(lǐng)域[4,6]。因此，本文提出利用SDN來解決5G無線接入網(wǎng)絡(luò)中的切換決策問題。

5G網(wǎng)絡(luò)架構(gòu)如圖1所示，在接入平面存在著不同的接入技術(shù)，而在這些不同的接入技術(shù)之間的切換問題將成為一個必須解決的問題[7]。關(guān)于傳統(tǒng)的異構(gòu)無線網(wǎng)絡(luò)中的負載均衡研究已有很多，這些算法通常會部署在無線接入點或者移動終端上。對于部署在接入點上的情況，通過在不同接入點之間的分布式系統(tǒng)交互可以獲取整個網(wǎng)絡(luò)狀況的準(zhǔn)確實時的統(tǒng)計數(shù)據(jù)，這有益于網(wǎng)絡(luò)整體調(diào)度和協(xié)同負載但是對于終端來說，并沒有將其需求考慮在內(nèi)，因此終端的服務(wù)體驗并不會太好。對于部署在終端的情況，算法本身可以直接獲取用戶的需求信息，但是沒有考慮整個 RAN的狀態(tài)信息，所以這種情況很容易導(dǎo)致整個網(wǎng)絡(luò)的負載或資源分配的不均衡。但是基于 SDN的異構(gòu)無線網(wǎng)絡(luò)切換算法可以利用控制器同時獲取整個網(wǎng)絡(luò)包括接入點和終端的信息，因此可以同時將網(wǎng)絡(luò)側(cè)的策略如負載均衡和終端側(cè)的需求如最大化QoS考慮進算法內(nèi)，在這兩者之間尋求一個均衡點來最大化保障網(wǎng)絡(luò)和終端的收益。[8-10]本文用效用函數(shù)來衡量網(wǎng)絡(luò)側(cè)和終端側(cè)的收益。

1 系統(tǒng)模型

假設(shè)接入平面中的一個控制域內(nèi)，各接入網(wǎng)絡(luò)的接入點的數(shù)量為N，用戶的數(shù)量為M。

圖1 5G網(wǎng)絡(luò)架構(gòu)Fig.1 The network architecture in 5G

圖2 5G接入平面的切換場景Fig.2 The handover scene in access plane of 5G

對每個 A Pi，其連接的所有終端占用的帶寬為，總帶寬資源為每個AP考慮其網(wǎng)絡(luò)屬性為QoS，安全性，網(wǎng)絡(luò)資費，其中QoS屬性包括時延，抖動，丟包率，帶寬。與 A Pi關(guān)聯(lián)的終端集合：

條件保證了任意一個用戶在某個時刻只能連接到唯一AP。

以帶寬資源占用率表示AP負載，則AP的負載表示為：

則在該控制域下的所有 AP的平均負載為，以平均帶寬占用率表示：

其中，δ為預(yù)定義的 AP負載超過平均負載的幅度閾值。

2 基于SDN的切換決策方法

基于SDN的切換決策方法分為兩步，首先構(gòu)造候選切換用戶集合和每個候選切換用戶對應(yīng)的候選切換目標(biāo) AP集合。然后調(diào)用基于非合作博弈的多用戶目標(biāo) AP選擇算法，得出切換用戶集合對應(yīng)的切換目標(biāo)AP集合。

2.1 候選切換用戶及AP構(gòu)造

參考文章[13]中對服務(wù)連續(xù)性的移動性級別的劃分，并根據(jù) 3GPP TS-23.107[15]中對不同業(yè)務(wù)的特點和QoS需求的定義，將用戶業(yè)務(wù)分為會話類、流媒體類、交互類、背景類四類，分別對應(yīng)到以下四個移動性級別中。即對每個終端j，定義其移動性級別（Mobility Level）為jML，且jML的劃分方法如下：

表1 用戶的移動性級別劃分方法Tab.1 The definition of mobility level of users

終端 j所在 AP信號覆蓋范圍內(nèi)的接入點集合為，即終端可選擇接入的AP集合：

定義終端j被選擇作為切換對象的綜合權(quán)值為：

其中，MLω，RSω和BWω分別為移動性級別，接收信號強度和終端所占用 AP的帶寬在選擇候選切換用戶集合時所占的權(quán)重大小。即優(yōu)先選擇移動性級別小，占用接入點的帶寬資源較多，且從接入點接收到的信號強度小的用戶作為切換對象。

2.2 基于非合作博弈的多用戶AP選擇算法

基于拍賣博弈的 AP選擇算法分為兩個階段：第一階段中，各 AP向控制器上報其負載情況，可用帶寬大小等網(wǎng)絡(luò)狀態(tài)信息，控制器根據(jù)各 AP狀態(tài)來為各 AP計算其效用函數(shù)值，參與用戶接入權(quán)的競爭，同時由于無線網(wǎng)絡(luò)中的資源總量有限，所以網(wǎng)絡(luò)側(cè)需要制定相應(yīng)策略來限制用戶對資源的貪婪請求，在本方法中，引入計費功能，即各 AP會在參與競爭的過程中由于用戶接入獲取資源而獲得一定的獎勵。同時，當(dāng)用戶接入到 AP之后，也會因為占用 AP的帶寬等資源，增加 AP負載從而給AP和自身帶來一定的開銷和代價。第二階段中，用戶根據(jù)各 AP可為自己提供的資源和帶來的資費計算若接入各 AP的效用函數(shù)，選擇能讓自己效用最大化的AP進行切換。每個用戶的AP選擇過程對應(yīng)一輪的拍賣博弈過程，在一輪拍賣博弈過程結(jié)束之后，控制器會根據(jù)上一輪的博弈結(jié)果更新和調(diào)整各個AP的效用函數(shù)。

2.2.1 網(wǎng)絡(luò)側(cè)效用函數(shù)

網(wǎng)絡(luò)側(cè)的效用函數(shù)由各 AP的效用函數(shù)構(gòu)成，其中AP的效用函數(shù)由三部分組成，即AP原有的連接用戶為AP帶來的效益，AP參與拍賣過程獲得的獎勵，以及其對新接入用戶的預(yù)估開銷，比如分配帶寬等資源的開銷，即AP的效用函數(shù)為：效用=收益-開銷。

APi的第二部分效用為:

其中 B idij為 A Pi對用戶j發(fā)起切換的競價，?為保留價格，即基價，且?＞0，這樣保證了AP的權(quán)益， A Pi的競價 B idij應(yīng)不小于基價?。APi的實際競價比。ij為APi對用戶j的偏好值，其值越大，表示 A Pi希望用戶接入自己的程度越大，其競爭價格就更有優(yōu)勢。由于控制器可實時獲取其控制域內(nèi)的所有 AP的負載狀態(tài)信息，該偏好值是可綜合其他 AP的負載情況計算得到，網(wǎng)絡(luò)側(cè)的負載均衡策略希望用戶 j接入后使得 A Pi的負載狀態(tài)變化不會導(dǎo)致全網(wǎng)負載的不均衡，因此參考文獻[11][14]中公平性系數(shù)的定義，使用下式來衡量各AP的負載均衡：

AP對新接入的用戶需要提供帶寬、傳輸速率等資源，因此要付出一定的開銷，在本論文中，僅考慮AP為用戶提供帶寬資源所帶來的開銷，則用戶j若切換至iAP，則iAP的開銷為：

其中：因此iAP 的總效用函數(shù)為：

2.2.2 用戶側(cè)效用函數(shù)

用戶會從使得自己的資源需求最大化的角度出發(fā)，來選擇 AP進行切換，但是用戶對網(wǎng)絡(luò)資源的獲取一般都是自私且貪婪的，因此 AP引入網(wǎng)絡(luò)資費來限制用戶需求的貪婪。同時也會考慮各個 AP的競價 Bijid，AP的競價越大，用戶選擇其進行切換的可能性也越大。用戶接入AP后，可從AP處獲得帶寬，傳輸速率等資源，同時也需要付出資費等代價。用戶的效用函數(shù)是由 AP為其分配的網(wǎng)絡(luò)屬性值所決定，用戶j可從接入網(wǎng)絡(luò)i處獲得的K種網(wǎng)絡(luò)屬性值向量為：

用戶對不同屬性的權(quán)重向量為：

其中jkw 為用戶j對屬性k的權(quán)重。不同用戶由于其業(yè)務(wù)類型不同，對屬性k的權(quán)重系數(shù)也不同。使用模糊層次分析法（FAHP）來確定不同業(yè)務(wù)對不同網(wǎng)絡(luò)屬性的權(quán)重系數(shù)。

用戶j對于接入網(wǎng)絡(luò)i的網(wǎng)絡(luò)屬性k的效用函數(shù)如式（15）所示。

用戶j若接入iAP從網(wǎng)絡(luò)獲得的整體效用函數(shù)為：

其中，ω為用戶對iAP的競價所占權(quán)重，且

用戶可根據(jù)自身對接入iAP 獲得的效用和iAP的競價之間的權(quán)值來調(diào)整權(quán)重系數(shù)ω的大小。

2.2.3 納什均衡證明及算法

博弈論中通過求解博弈策略下是否存在納什均衡來形成最優(yōu)策略集，納什均衡的狀態(tài)為，當(dāng)一個參與者選取了自己的策略之后，其他參與者無法通過調(diào)整自身策略來獲得更高的收益，即每一個參與者根據(jù)當(dāng)前策略狀態(tài)來選取自己的策略，以達到一個全局最優(yōu)點。

對AP來說，由上式可知，若 A Pi為用戶j分配的帶寬即 B Uji確定，A P的總效用函數(shù)只與 A Pi對用戶j的競價 B idij有關(guān)，令為使得 A Pi的總效用函數(shù)最大化的最優(yōu)競價，則

對,ijU 進行二次求導(dǎo)，得到：

由于?、ij值均大于0，所以有：

即AP i的效用函數(shù)為凹函數(shù)，因此可以通過求解一階導(dǎo)數(shù)來獲得最優(yōu)解，即令：

可得到：

其中，ij可由上式（9）中求得。

對于用戶，由上式（16）可知，用戶效用函數(shù)只與每個網(wǎng)絡(luò)屬性所帶來的效用有關(guān)，且其與 AP所分配的網(wǎng)絡(luò)屬性值成正比，且為連續(xù)函數(shù)，因此用戶效用函數(shù)存在最大值。最終用戶選擇使得其自身效用函數(shù)最大的AP進行切換，即：

則基于非合作博弈的多用戶 AP選擇算法如下表2所示。

表2 基于非合作博弈的多用戶AP選擇算法Tab.2 Target AP selection algorithm based on non-cooperative game

2.3 切換決策算法

移動切換方法的總體流程為，當(dāng)控制器監(jiān)測到某個 AP的負載狀態(tài)為過載且該狀態(tài)在一段時間內(nèi)未改變時，即開始對該 AP進行負載遷移操作，在通過計算選擇出候選切換用戶集合和候選目的 AP集合后，調(diào)用基于拍賣博弈的多用戶 AP選擇算法得到用戶集合對應(yīng)的切換目標(biāo) AP集合，即將用戶選擇AP接入的過程模擬為AP和用戶之間的博弈過程。在博弈過程中，各個 AP是博弈者，用戶作為拍賣者，向 AP出售自己的接入權(quán)。首先要分別對AP和用戶構(gòu)建其效用函數(shù)，由AP參與競價，用戶選擇最大化自己的效用的 AP進行切換。其中，上述第4步構(gòu)造用戶j的可切換的候選AP集合時，需要考慮將用戶對目標(biāo)AP的影響，即切換到其他AP的同時不能使得其負載狀態(tài)超載，這樣也會盡量減少用戶在AP之間的頻繁切換。

Step 1：控制器根據(jù)各AP上報信息監(jiān)測其負載狀態(tài)；

Step 2：若控制器監(jiān)測到某個APi的負載狀態(tài)為過載并開啟定時器，若該狀態(tài)在一段時間內(nèi)未改變，轉(zhuǎn)到3；否則，轉(zhuǎn)到1；

Step 3：將APi的部分用戶切換到其余 AP，首先計算需要進行切換的用戶集合為：

其中，H Wth為預(yù)定義的用戶作為切換對象的綜合權(quán)值閾值；

Step 4：對每個用戶 j ∈Userhandover，構(gòu)造其可切換的候選AP集合

對每個 A Pi∈ A PListj，計算如果其接收用戶 j后的新的負載值，并更新值。

Step 6：控制器向 A Pi發(fā)送控制消息，斷開與Userhandover中用戶的連接，同時向 A Ptarget中的AP發(fā)送消息，指示其向 U serhandover中的相應(yīng)用戶發(fā)送關(guān)聯(lián)請求消息，完成用戶的切換。

3 性能分析與仿真

本文采用MATLAB對所提算法進行仿真，仿真場景為UMTS, WLAN和LTE三個網(wǎng)絡(luò)覆蓋，一些網(wǎng)絡(luò)參數(shù)設(shè)置如表3所示。

表3 仿真網(wǎng)絡(luò)參數(shù)設(shè)置Tab.3 Network parameters in simulation

仿真采用的網(wǎng)絡(luò)拓撲為基于地理的模型，即AP和用戶的連接性和帶寬由地理距離所決定，并參考文獻[2]中的網(wǎng)絡(luò)模型，它反映了實際基站和用戶的分布。將給定地理區(qū)域劃分為小的，互不重疊覆蓋的區(qū)域，在每個區(qū)域邊界內(nèi)隨機放置一個AP，然后在該區(qū)域內(nèi)放置隨機數(shù)量的用戶。且每個 AP對用戶的帶寬分配模型根據(jù)不同的接入技術(shù)分別采用吞吐量公平模型和成比例公平模型。

對終端的不同業(yè)務(wù)類型，采用如圖所示的網(wǎng)絡(luò)屬性的層次分析模型來確定不同業(yè)務(wù)類型對不同網(wǎng)絡(luò)屬性的權(quán)重系數(shù)，其中考慮QoS、Cost和Safety三種網(wǎng)絡(luò)屬性，QoS包括帶寬，時延，時延抖動和丟包率。

圖3 網(wǎng)絡(luò)屬性的AHP模型Fig.3 The AHP model of network attributes

以會話業(yè)務(wù)為例，建立其 QoS, Cost和 Safety的決策矩陣，并通過FAHP算法求得各項所占權(quán)重系數(shù)，如下表所示。

表4 會話業(yè)務(wù)各網(wǎng)絡(luò)屬性FAHP矩陣Tab.4 FAHP matrix of network attributes in session service

表5 會話業(yè)務(wù)QoS各屬性FAHP矩陣Tab.5 FAHP matrix of QoS’s attributes in session service

仿真結(jié)果如圖4所示，主要從兩個方面對所提方法進行仿真，一個是網(wǎng)絡(luò)側(cè)的效用函數(shù)，用各個AP的效用函數(shù)的平均值來衡量；另一個是用戶側(cè)的效用函數(shù)，表示了用戶對所連接網(wǎng)絡(luò)的資源需求滿意度。將本文所提方法與基于終端接收到的信號強度進行切換的方法，以及只考慮負載均衡，即每次選擇負載最小的 AP進行切換的方法，進行比較，以用戶數(shù)量分別為20，40，60，80和100分5組分別進行實驗測量其AP和用戶的效用函數(shù)值。下圖4是各接入點的負載均衡度的比較，使用 AP效用函數(shù)計算公式中的ij來衡量各接入點的負載均衡程度，其值越大，表示 AP之間的負載分配越均衡?？梢钥闯觯S著用戶數(shù)量的增加，由于所提方法AP的效用函數(shù)計算過程中考慮到了接收用戶對其它AP負載的影響，因此并不會導(dǎo)致AP間負載的不均衡，且與僅考慮 AP之間負載均衡的方法的負載均衡度相比，所提方法并未相差很多。

下圖5為隨機選取某一時刻各個AP的效用值與其競價的關(guān)系，則由下圖所示，各AP在最優(yōu)競價處其效用值達到最大，即最優(yōu)競價均為2至3之間。

下圖 6是幾組場景下用戶的平均效用的對比圖，其中用戶效用的計算為公式（16）中不包括競價部分。可以看出，由于本文所提方法中考慮了不同服務(wù)類型的用戶各項網(wǎng)絡(luò)屬性所占權(quán)重的不同，以及在各接入點之間選擇使其效用函數(shù)值最大的AP作為其切換目標(biāo)AP，且效用函數(shù)值的計算考慮了多個網(wǎng)絡(luò)屬性，因此與傳統(tǒng)基于RSSI的切換方法的優(yōu)勢在用戶數(shù)量增多時就很明顯。

4 結(jié)論

本文針對 5G接入平面中的多個共存的無線接入點之間的負載不均衡問題，提出了基于SDN的同時考慮接入網(wǎng)絡(luò)的負載狀況以及切換用戶的資源需求的切換決策算法，該方法作為控制器的應(yīng)用部署在SDN控制器上，通過將用戶選擇AP進行切換的過程模擬為非合作博弈來為用戶選取最優(yōu) AP進行切換，以保證網(wǎng)絡(luò)側(cè)和用戶側(cè)的最大效用。仿真結(jié)果表明，該方法在均衡 AP之間的負載和用戶的服務(wù)體驗上都有明顯提升。

圖4 各接入點的負載均衡度Fig.4 The load balance degree with users’ number

圖5 AP效用與AP競價之間關(guān)系Fig.5 The relation of APs’ utility and APs’ bidding in a certain time

圖7 用戶的平均效用值Fig.7 The average utility of users with users’ number

[1] Sun S, Gong L, Rong B, et al. An intelligent SDN framework for 5G heterogeneous networks[J]. IEEE Communications Magazine, 2015, 53(11): 142-147.

[2] Nguyen D D, Nguyen H X, White L B. Performance of adaptive RAT selection algorithms in 5G heterogeneous wireless networks[C]//Telecommunication Networks and Applications Conference (ITNAC), 2016 26th International. IEEE, 2016:70-75.

[3] Sagar V, Chandramouli R, Subbalakshmi K P. Software defined access for Hetnets[J]. IEEE Communications Magazine, 2016,54(1): 84-89.

[4] McKeown N, Anderson T, Balakrishnan H, et al. OpenFlow:enabling innovation in campus networks[J]. ACM SIGCOMM Computer Communication Review, 2008, 38(2): 69-74.

[5] 李潔. 云平臺SDN關(guān)鍵技術(shù)的研究與展望[J]. 軟件, 2015(7): 71-74.

[6] Cho H H, Lai C F, Shih T K, et al. Integration of SDR and SDN for 5G[J]. IEEE Access, 2014, 2: 1196-1204.

[7] Hakiri A, Berthou P. Leveraging SDN for the 5G networks:trends, prospects and challenges[J]. arXiv preprint arXiv:1506.02876, 2015.

[8] Tang W, Liao Q. An sdn-based approach for load balance in heterogeneous radio access networks[C]//Computer Applications and Communications (SCAC), 2014 IEEE Symposium on. IEEE, 2014: 105-108.

[9] Alexandris K, Sapountzis N, Nikaein N, et al. Load-aware handover decision algorithm in next-generation HetNets[C]//Wireless Communications and Networking Conference (WCNC),2016 IEEE. IEEE, 2016: 1-6.

[10] Boujelben M, Rejeb S B, Tabbane S. A novel green handover self-optimization algorithm for LTE-A/5G HetNets[C]//Wireless Communications and Mobile Computing Conference (IWCMC),2015 International. IEEE, 2015: 413-418.

[11] Naghavi P, Rastegar S H, Shah-Mansouri V, et al. Learning RAT selection game in 5G heterogeneous networks[J]. IEEE Wireless Communications Letters, 2016, 5(1): 52-55.

[12] 陳凡, 劉果, 李劍鋒, 等. 主要軟件定義網(wǎng)絡(luò)控制器的對比和分析[J]. 軟件, 2015(6): 97-102.

[13] Song J, Yoo T, Song P J. Mobility level management for 5G network[C]//Information and Communication Technology Convergence (ICTC), 2016 International Conference on. IEEE,2016: 940-943.

[14] Liu D, Wang L, Chen Y, et al. User association in 5G networks:A survey and an outlook[J]. IEEE Communications Surveys& Tutorials, 2016, 18(2): 1018-1044.

[15] 3GPP TR 22.864, “Feasibility Study on New Services and Markets Technology Enablers -Network Operation-Stage 1”,Feb. 2016.

The Handover Decision-making for Load Balance in Wireless Access Network Based on SDN Towards 5G

WANG Ying
(Beijing University of Posts and Telecommunications, Network Technology Research Institute, Beijing City 100876)

In 5G, multiple access technologies coexist and constitute the heterogeneous network, which is a distinguishing feature of 5G’s access plane. With users’ irregular movement toward proactive management of demand and mobility in 5G, the load imbalance between access networks stands out, which leads to the resource wasting of access network and users’ low user experience. Hence, centralized handover control which selects the access point(AP) for users from both the network and user perspective is necessary. In this paper, a handover decision-making algorithm based on Software Defined Networking (SDN) is proposed to balance the access networks’ load and maximize users’ needs in the meantime. And simulation results show that the access networks’ load can be balanced while giving users a good experience.

Software-defined networks; Wireless access network; Handover decision-making; Load balance; 5G

TP39

A

10.3969/j.issn.1003-6970.2017.12.047

本文著錄格式：王穎. 基于SDN的無線接入網(wǎng)絡(luò)切換決策方法[J]. 軟件，2017，38（12）：238-245

王 穎，女，碩士研究生，主要研究方向為SDN、移動性管理。