31、网络系统预测算法与无线垂直切换方案研究

网络系统预测算法与无线垂直切换方案研究

1. 网络系统预测算法分析

在网络系统的研究中，预测技术的有效性至关重要。有时所采用的预测技术可能毫无用处，简单的方法反而可能产生更好的结果。

为了测试预测的质量，我们开发了一种具有自我检测和纠正功能的算法。在算法的预测控制方面，我们依据泰尔 U 统计量（Theil’s U - statistic）来判断预测的优劣。在时隙 k 结束时，若满足特定的 if 语句条件，表明对应的预测比采用前一时刻的吞吐量观测值还要差，那么就需要在时隙 k + 1 对预测进行修正。同时，我们还会控制算法做出的错误决策，以了解其准确性。

当检测到预测不佳时，滤波器预测器和突发预测器的处理有所不同，但在两种情况下，$P_{r}$ 的值都为 0.1，这意味着只有前一次错误预测的一小部分残差会被纳入预测历史，而 90% 的预测主要依赖于 Web 服务器的吞吐量。

以下是算法的一些关键对比数据：
|算法|滤波器预测（Z < 1）|突发预测（Z < 1）|
| ---- | ---- | ---- |
|APRA1（UT ≥ 75%）|34.72%|25%|
|APRA2（UT ≥ 75%）|76.38%|79.16%|

从表格数据可以看出，APRA2 在预测准确性上相较于 APRA1 有显著提升。

在实验中，我们构建了完整的 Web 集群系统仿真模型，使用 QNAP2 进行模拟。模拟从使服务器利用率达到 5% 的到达率开始，直至达到 125%（此时会发生请求拒绝）。我们将新开发的算法 APRA2 与之前表现最佳的 APRA1 进行对比。

通过对比两个算法在系统接近拥塞（利用率 70% - 125%）时的响应时间，发现 APRA2 在类 1 流量的延迟时间上明显低于 APRA1。同时，APRA2 类 1 请求的等待队列更短，虽然服务的请求数量比 APRA1 略少，但在请求拒绝率方面，APRA2 仅为 11.86%，而 APRA1 接近 20%。

下面是 APRA2 算法的计算阶段流程图：

graph TD;
    A[获取输入值] --> B[计算欧几里得距离];
    B --> C[其他计算步骤];
    C --> D[输出结果];

2. 模糊逻辑的 WLAN 与 GSM 垂直切换方案

下一代无线网络环境需要支持随时随地的高性能应用连接，如多媒体、全动态视频和高数据速率，并提供适当的服务质量（QoS）。为满足这些需求，服务提供商倾向于在异构网络中结合不同技术。

在异构无线网络中，存在重叠的覆盖区域，包括微微蜂窝、微蜂窝、宏蜂窝和全球蜂窝，形成层次结构。切换是在保持移动台（MS）活动连接的同时，将其连接点在同一或不同网络的小区之间转移的过程。在蜂窝网络中，连接点称为基站（BS），在 WLAN 中称为接入点（AP）。

在同构网络中，切换决策主要基于 MS 接收到的信号强度（RSS）。但在异构网络中，要做出有效的垂直切换决策，还需考虑服务类型、货币成本、用户偏好、移动节点和网络条件等因素。

我们提出了一种基于模糊逻辑的 WLAN 与 GSM 垂直切换方案。该方案的决策机制综合考虑了不同服务类型（语音、数据）、用户偏好、用户速度、网络条件（活跃用户数量）和 RSS。

当用户位置发生变化时，切换启动机制会通过测量 MS 的 RSS 来检查是否需要切换。然后，模糊逻辑系统以速度、用户数量和 RSS 阈值（RSShyst）作为输入进行评估，输出 1 到 10 的小区选择值，用于鼓励或阻止向 GSM 网络或 WLAN 小区的切换。最后，切换决策机制根据模糊逻辑系统选择的小区和呼叫的服务类型做出最终决策。

在 WLAN 中，可服务的呼叫类型有新数据呼叫、新语音呼叫和切换数据呼叫。考虑到 WLAN 的数据导向性和高数据速率，仅允许数据呼叫从 GSM 小区切换到 WLAN 小区。对于新生成的呼叫，算法步骤如下：
1. 若新生成的呼叫为数据呼叫，且当前 WLAN 小区的活跃呼叫数量超过 Maxₐ，则呼叫被阻塞。
2. 若新生成的呼叫为语音呼叫，且当前 WLAN 小区的活跃呼叫数量超过 Maxₐ，则呼叫被导向 GSM 小区，并作为新语音呼叫处理。

在 GSM 中，可服务的呼叫类型有新数据呼叫、新语音呼叫、切换数据呼叫和切换语音呼叫。若 GSM 小区没有空闲信道，新的（语音/数据）呼叫将被阻塞。

对于当前位于 WLAN 中的呼叫，当用户在 WLAN 中移动时，会启动切换决策过程。首先测量当前位置的接收信号强度（RSSₐ），然后将其与阈值 RSSₜₕₒ 和 RSSₜₕ₋ₑdge 进行比较。

以下是切换决策的流程图：

graph TD;
    A[用户移动] --> B[测量 RSSₐ];
    B --> C{RSSₐ 与阈值比较};
    C -- RSSₐ ≤ RSSₜₕₒ 且 RSSₐ ≤ RSSₜₕ₋ₑdge --> D{呼叫类型};
    D -- 语音 --> E[根据 WAN - to - WLAN 模糊器输出决定];
    D -- 数据 --> F[根据 WLAN - to - WAN 模糊器输出决定];
    C -- RSSₐ ≤ RSSₜₕₒ 且 RSSₐ > RSSₜₕ₋ₑdge --> G[根据 WLAN - to - WLAN 模糊器输出决定];

通过广泛的模拟实验，该方案在特定负载下能保持稳定的利用率，并且在呼叫阻塞和掉线概率、服务等级（GoS）和吞吐量方面都有良好表现。

网络系统预测算法与无线垂直切换方案研究

3. 预测算法的性能评估

为了更全面地评估预测算法的性能，我们进一步分析了预测准确性和系统在不同负载下的表现。

3.1 预测准确性对比

我们使用泰尔 U 统计量来衡量预测的优劣，通过对比 APRA1 和 APRA2 算法的预测结果，得到以下表格：
|算法|滤波器预测（Z < 1）|突发预测（Z < 1）|
| ---- | ---- | ---- |
|APRA1（UT ≥ 75%）|34.72 %|25 %|
|APRA2（UT ≥ 75%）|76.38 %|79.16 %|

从表格中可以清晰地看出，APRA2 算法在滤波器预测和突发预测方面都比 APRA1 有显著的提升。这表明 APRA2 算法在预测准确性上更具优势，能够更好地反映系统的实际情况。

3.2 系统不同负载下的表现

我们还研究了 APRA2 算法在不同利用率区间内的预测控制情况，具体数据如下表所示：
|利用率区间|滤波器预测修正率|突发预测修正率|
| ---- | ---- | ---- |
|5% ≤ UT ≤ 125%|47.97 %|36.82 %|
|UT ≥ 75%|39.52 %|29.29 %|

可以发现，当系统利用率达到 75% 及以上时，预测修正率有所降低。这说明 APRA2 算法在系统高负载时，预测的稳定性更好，能够更准确地进行预测，减少不必要的修正。

此外，在选择“最佳”或“最差”服务器的决策上，APRA2 算法也有较好的表现。以下是相关数据表格：
|利用率区间|流量类别 1 错误次数|流量类别 2 错误次数|时隙数量|
| ---- | ---- | ---- | ---- |
|5% ≤ UT ≤ 125%|78|65|148|
|UT ≥ 75%|22|19|66|

从表格中可以看出，当缩小实验区间到系统利用率 75% - 125% 时，错误次数明显减少。这进一步证明了 APRA2 算法在系统开始拥塞时，能够做出更准确的决策，提高系统的整体性能。

4. 垂直切换方案的详细分析

4.1 切换决策机制

在基于模糊逻辑的 WLAN 与 GSM 垂直切换方案中，切换决策机制是核心部分。其具体流程如下：
1. 切换启动 ：当用户位置发生变化时，切换启动机制通过测量 MS 的 RSS 来判断是否需要进行切换。
2. 模糊逻辑评估 ：模糊逻辑系统以速度、用户数量和 RSS 阈值（RSShyst）作为输入，进行评估后输出 1 到 10 的小区选择值。
3. 最终决策 ：切换决策机制根据模糊逻辑系统选择的小区和呼叫的服务类型做出最终的切换决策。

以下是切换决策机制的 mermaid 流程图：

graph LR;
    A[用户位置变化] --> B[测量 RSS];
    B --> C{是否需要切换};
    C -- 是 --> D[模糊逻辑系统评估];
    D --> E[输出小区选择值];
    E --> F[切换决策机制];
    F --> G[最终切换决策];
    C -- 否 --> H[继续监测];

4.2 不同网络中的呼叫处理

在 WLAN 和 GSM 网络中，对不同类型的呼叫有不同的处理方式：
- WLAN 中的呼叫处理 ：
- 新数据呼叫：若当前 WLAN 小区的活跃呼叫数量超过 Maxₐ，则呼叫被阻塞。
- 新语音呼叫：若当前 WLAN 小区的活跃呼叫数量超过 Maxₐ，则呼叫被导向 GSM 小区，并作为新语音呼叫处理。
- 切换数据呼叫：允许从 GSM 小区切换到 WLAN 小区。
- GSM 中的呼叫处理 ：
- 新数据呼叫、新语音呼叫、切换数据呼叫和切换语音呼叫：若 GSM 小区没有空闲信道，新的（语音/数据）呼叫将被阻塞。

通过这种方式，该垂直切换方案能够根据网络的实际情况，合理分配资源，提高系统的整体性能和服务质量。

5. 总结与展望

综上所述，我们提出的 APRA2 预测算法在预测准确性和系统性能上都优于 APRA1 算法，特别是在系统开始拥塞时，能够显著降低响应时间、减少请求队列长度和请求拒绝率。同时，基于模糊逻辑的 WLAN 与 GSM 垂直切换方案，综合考虑了多种因素，能够在特定负载下保持稳定的利用率，并且在呼叫阻塞和掉线概率、服务等级（GoS）和吞吐量方面都有良好表现。

未来，我们可以进一步优化这些算法和方案。例如，对于预测算法，可以探索更先进的预测技术，提高预测的准确性和实时性；对于垂直切换方案，可以考虑更多的网络因素和用户需求，使切换决策更加智能和高效。此外，还可以将这两种技术进行融合，以更好地适应下一代无线网络环境的需求。