一种基于效用函数的车联网占优资源公平分配优化方法与流程
本发明涉及一种基于效用函数的车联网占优资源公平分配优化方法，属于无线网络资源管理与智能交通服务质量领域。
背景技术
近年来，移动互联网上的应用及服务层出不穷，加之带宽的传输速率有了明显的改善，助推了智慧交通应用的普及与创新。车联网是智慧交通系统的发展趋势之一，而保证网络中各种业务的服务质量(qualityofservice，qos)是核心技术的关键。然而，车联网中车辆的高速移动、各种优先级业务对有限的无线信道资源的抢占等需求，需要为不同类型的业务提供不同的资源分配策略，而同一种业务的多个qos指标往往是互相制约的，对于高用户量、高数据传输量和多种类型业务混合传输的网络环境，从电信运营商的角度而言，希望在不加大投资的情况下使资源利用率最大化并能接入更多的用户；而从车辆用户的角度而言，则希望随时随地都能提供足够的资源供其接入，获得较高质量的服务。因为宽带多媒体实时应用的不断涌现及快速更新，使得用户对具有服务质量保证的应用要求越来越高。由于移动设备的迅猛增长，使得系统无法保证所有用户的服务质量需求，不断产生的流量也让共享链路的竞争愈发激烈，如何为用户分配资源，既能满足差异化的qos需求，又能实现良好的公平性，最大化的提高资源利用率，成为了亟待解决的问题。
在当前的车联网设计中，网络资源大多都是分开独立分配的，但是由于移动车辆应用需要多种资源，单一的资源分配设计早已不能满足差异化的qos需求。通过对qos性能的深入分析，可以发现不同的qos需求与车联网中不同的网络资源需求有着密切的联系。比如，对于某个车辆用户而言，无线接入网络中的分组延迟主要受到其获得的无线带宽的影响，即用户在共享无线信道上可以用来传输分组的最大速率；而分组的丢失主要是因为网络设备的缓存容量有限。为了满足用户的服务体验，在无线设备之间公平分配这些网络资源十分关键。
占优资源公平(dominantresourcefairness，drf)是用于研究多资源分配问题，它可以在公平性和用户需求的多样性之间取得良好的平衡，并且阻止那些对自己的真正资源需求谎报的恶意用户的攻击。在drf中，某种资源类型的资源份额被定义为用户获得的资源总量占该资源总量的比例，每个用户的占优资源份额被定义为所有类型资源之间的最大资源份额，drf的目的是均衡所有用户的占优资源份额。其作为从单一资源分配的最大最小公平到多资源最大最小公平的扩展，具有如下优良的属性：
(1)帕累托最优性(paretoefficiency)，意味着对于任何用户来说，在不增加总的资源容量或减少其他用户资源份额的情况下，其自身的整体资源份额就不能再增加。
(2)无嫉妒性(envy-freeness)，表示没有用户愿意与其他用户交换自身的资源份额，也就是自己所得的份额已是最优的，如此便可保障公平性。
(3)防止策略性操纵(strategy-proofness)，用户不能通过谎报真实的资源需求来增加所有资源类型的资源份额，鼓励用户诚实参与。
值得注意的是，drf并不总是公平分配占优资源份额。如果某些用户的资源需求得到充分满足，这些用户剩余的额外资源就可以用来进一步满足其他用户的需求。因此，系统中的资源可以被更有效地利用。但该方法主要针对云计算环境，追求占优资源数量上的公平分配而没有考虑其它资源，若要将其运用于车联网系统中，还需考虑车辆用户的qos需求。
为了能更有效的利用资源以及适应不同应用的服务质量需求，将其运用到网络系统的资源分配问题当中，其中效用函数通常用来反映用户对运营商提供服务的满意程度。使用该方法的相关研究一般在对效用函数进行构造时，自变量会选取一些网络性能参数，由此便能反映用户感知的网络应用层qos。通过效用函数可以对用户获得服务的满意度进行量化，有效区分应用对资源需求的不同，从而满足多用户多业务的差异化要求。
技术实现要素：
本发明的目的在于克服现有技术的不足，提供一种基于效用函数的车联网占优资源公平分配优化方法，解决了车联网如何合理有效的分配资源以满足车辆用户的qos及公平性要求的问题。
本发明解决其技术问题所采用的技术方案是：
一种基于效用函数的车联网占优资源公平分配优化方法，包括：
构造以车辆用户服务质量qos指标为自变量的效用函数；
利用m/d/1排队模型建立qos指标与无线网络资源数量二者间的函数映射关系以建立映射模型；
基于所述以车辆用户服务质量qos指标为自变量的效用函数和所述映射模型，设计一种占优资源公平机制的资源分配优化方法，求解以最大化车辆用户效用为目标函数，公平分配用户占优资源为约束条件的最优化问题，并由此得出最优的资源分配结果；再通过用户权重优先级进行剩余可用资源的分配。
优选的，所述以车辆用户服务质量qos指标为自变量的效用函数代表用户对服务的满意程度；建立以最大化用户效用为目标函数，公平分配用户占优资源为约束条件的最优化问题，并由此得出最优的资源分配结果。
优选的，所述效用函数由用户请求的分组时延d0、实际感知分组时延d、用户请求的丢包率r0和实际感知的丢包率r表示，具体为：
其中，
效用函数u被定义为时延比和损失比二者中的较小值，这表明总体效用受到两个qos指标之一的瓶颈影响，即当两者中的一个比另一个更不能得到满足时，选择较小的来真实体现用户的感知服务质量；所述占优资源，表示用户所需的多种资源中占对应总的资源量的比例最大的资源类型。
优选的，所述映射模型利用m/d/1排队模型的相关结论推导而成，将包括分组时延和丢包率的qos性能指标作为自变量，将包括无线带宽和队列缓存的资源数量作为因变量，获得分组时延与无线带宽、丢包率与队列缓存间的函数关系。
优选的，所述无线带宽bw由流量强度ρ、分组长度p和分组时延d表示；所述队列缓存l由分组长度p、分组的平均排队长度e[q]和丢包率r表示；所述分组时延d由分组在无线链路中的传输时延dt和分组在缓存队列中的平均排队时延dq表示，具体如下：
l＝pe[q](1-r)
d＝dt+dq。
优选的，所述m/d/1排队模型中，假设分组到达缓存队列遵循泊松分布，流量强度ρ由到达速率λ和队列服务速率α表示，分组的平均排队长度e[q]由流量强度ρ表示，分组在无线链路中的传输时延dt由到达速率λ表示，平均排队时延dq由队列服务速率α和流量强度ρ表示，具体如下：
ρ＝λ/α
优选的，所述资源分配优化方法是针对车联网中无线接入点ap上的资源，将用户服务的qos需求转换为所需的资源数量，具体包括：
步骤1，获取用户所创建业务流的qos需求，并根据映射模型将其转换成所需的资源量，若用户创建了多条业务流，则需进行流量需求聚合；聚合后的所有用户只包括一个业务qos请求；
步骤2，计算出各业务的占优资源份额以及用户优先级权重；
步骤3，根据所述占优资源份额及qos需求，求解最优化问题，计算最优分配结果及每个用户的效用；
步骤4，效用大于1的用户将根据需要获取其资源数量，对于其他用户，将使用剩余的网络资源再次执行步骤2和步骤3中的操作；
步骤5，重复步骤4，直到没有用户可以获得大于1的效用或所有用户满足其资源需求，或者其中一种资源类型被完全分配，则终止执行，输出最后的分配结果；
步骤6，若仍有资源剩余且有用户的需求未得到满足，则按照用户优先级权重由高到低的顺序依次分配给资源不够的用户，直到剩余资源被消耗完，停止执行，输出最后的分配结果；
步骤7，若在此之后有用户的业务流发生添加或删除的变化，则根据相应的变化修改需求，再重新执行上述的分配过程。
进一步的，所述步骤1具体包括：
步骤1.1)假设用户创建j条业务流，每条业务流j的qos需求表示为<dj0,rj0>；
通过qos需求与资源量间的函数映射模型，得出每条业务流的对应资源需求为<bwj0,lj0>；
步骤1.2)将用户的聚合资源需求，记为<bw0,l0>，则可表示为：
进一步的，所述步骤2具体包括：
步骤2.1)假设所有的业务流都有一个固定的分组大小p。每个用户请求的业务流都有代表qos性能的分组时延和丢包率，记为<d,r>。分配给对应用户的车联网资源(即无线带宽和排队缓存)用<bw,l>表示，则节点的分组在无线链路中的传输延迟dt表示为：
步骤2.2)假设分组到达遵循泊松分布，其中到达速率λ＝bw/p，队列的服务速率为α，这里α表示单位时间内被服务的数据包数量，并将ρ＝λ/α定义为流量强度。一般来说，ρ<1，即服务速率大于流到达速率，否则便会出现严重拥塞的情况，导致系统无法正常运行。分组延迟d、分组的平均排队长度及丢包率r分别表示为
步骤2.3)假设流量强度ρ是一个常数值。当业务负载很重时，我们可以将ρ近似等同为c/cb，其中c是无线信道容量，cb是ap连接到有线网络设备的有线链路的容量，则无线带宽与分组时延、缓存与丢包率间的函数关系可表示为：
l＝pe[q](1-r)
步骤2.4)假设在车联网环境中，ap无线信道容量为c，队列缓存为lq，m个用户，对于每个用户i，我们将其qos需求表示为<di0,ri0>及对应的资源需求向量为<bwi0,li0>。我们定义μi＝max{bwi0/c,li0/lq}作为用户i所需的占优资源份额(比例)。如果μi＝bwi0/c，说明用户i是带宽占优的，否则就是缓存占优的。
步骤2.5)用户优先级权重可表示为
进一步的，所述步骤3具体包括：
步骤3.1)设用户i在分配的资源份额和实际的qos性能表示为<bwi,li>和<di,ri>，将xi＝bwi/bwio＝li/li0表示为用户i的供需匹配度，q＝μixi,(i＝1,2,…,m)表示任意用户的实际占优份额；
步骤3.2)资源分配的最优化问题可表示为：
maximize(x1,x2,…,xm)
μ1x1＝μ1x2＝…＝μmxm
步骤3.3)求解步骤3.2)中的最优化问题，得出以下结果：
其中a＝lq/c为缓存容量大小与无线信道容量之比，mi＝li0/bwi0为用户i的资源需求比。
步骤3.4)计算用户的效用，可由如下资源的效用函数表示：
步骤3.5)根据步骤3.4)中式子可知ui＝xi，表示最优化问题中是以最大化用户效用为目标函数。
本发明与现有相关技术相比，具有以下优点：
第一，解决了无线车联网中多用户间的资源分配无法同时满足用户的qos需求和公平性问题，现有的资源分配方法要么追求数量上的绝对公平，要么只考虑了用户的qos需求，无法做到二者的平衡。第二，结合经典的排队模型建立了用户qos需求与所需资源数量间的映射模型，可根据网络中的流量强度实现二者间的自由转换。第三，利用占优资源公平分配机制的诸多公平属性，对其进行改进，在实施资源分配时能够做到按需分配，节省了设备资源。第四，根据用户的资源的综合需求，采用以用户权重优先级的方式分配剩余资源，提高了资源的利用率。
以下结合附图及实施例对本发明作进一步详细说明；但本发明一种基于效用函数的车联网占优资源公平分配优化方法不局限于实施例。
附图说明
图1是本发明实施例中所用的单小区多用户车联网环境图；
图2是本发明实施例一种基于效用函数的车联网占优资源公平分配优化方法的处理流程图；
图3是本发明实施例中网络流量强度为0.9时不同用户分配的带宽容量；
图4是本发明实施例中网络流量强度为0.9时不同用户分配的缓存容量。
具体实施方式
下面结合附图对本发明的方法作进一步说明。
本实施例中，为获取实施过程中所需的用户业务流的数据，利用matlab工具进行仿真，随机生成用户的qos需求，并据此进行资源分配。为了进行业务类型的区分，将会话类和流类定义为时延敏感型应用，其分组时延和丢包率取值范围分别为[0.1s，2s]和[10％，50％]，而交互类和背景类定义为丢包敏感型应用，其分组时延和丢包率范围取值分别为[2s，5s]和[1％，10％]，这样就可以将应用类型与qos需求对应起来，不同的应用类型使用不同的性能取值。参见表1所示，这里选取网络流量强度为0.9来代表系统处于重负载时的情景。
表1
参见图1和图2所示，一种基于效用函数的车联网占优资源公平分配优化方法实施例数据处理流程如下：
步骤s100，利用matlab工具随机生成用户业务流对应的qos需求，即分组时延和丢包率；
步骤s200，对qos需求进行资源数量的函数映射转换；
步骤s300，根据最优化问题的求解公式计算最后的分配结果及用户效用ui；
步骤s400，对于效用大于1的用户实施按需分配，效用小于1的按权重优先级继续分配剩余资源，输出最后的分配结果。
所述步骤s200进一步包括：
步骤s210，求出分组时延与丢包率对应所需的带宽和缓存；
步骤s220，检查用户是否创建了多条业务流，若是，则进行流量需求聚合。
参见图3和图4所示为以流量强度为0.9时不同用户的资源分配结果，对比每资源公平分配(per-resourcefairness，pf)、无公平分配(nonefairness，nf)、瓶颈公平(bottleneckfairness，bf)以及改进的drf(简称drf，即本发明方法)四种资源分配方法，其中bwreq代表无线带宽资源分配结果，lreq代表缓存资源分配结果。最后得出的资源分配结果与用户qos需求相吻合，表示能够同时满足用户的qos需求和公平性要求。
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。
以上仅为本发明实例中一个较佳的实施方案。但是，本发明并不限于上述实施方案，凡按本发明所做的任何均等变化和修饰，所产生的功能作用未超出本方案的范围时，均属于本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！