郭稳涛

摘 要：针对车联网中业务多样性的特点，从业务优先级、网络服务模型和QoS保障技术等方面展开研究，结合层次分析法和模糊综合评判法，提出了一种基于模糊层次分析法的业务优先级评估方法，该方法能更好地区分业务重要性，使用户得到更优质的QoS保障服务。

关键词：业务优先级；模糊层次分析法；QoS保障；车联网

中图分类号：TN929.5 文献标识码：A 文章编号：2095-1302（2016）09-00-03

0 引 言

随着经济的发展，汽车保有量日益增加，随之而来的是城市道路日渐拥堵等问题，伴随着无线通信技术的发展，车联网逐渐受到人们的关注。由于车联网的智能化、高速化以及车载用户个性化的需求，车联网中的业务也朝着多样化的趋势发展。不同的业务导致需求特征也不一样，因此，必须对业务进行合理区分，对优先级进行适当评估，使网络资源得到高效利用，支持更高的QoS保障。

1 业务优先级的预定义与评估研究

1.1 业务优先级的预定义

现有研究表明，以往针对业务优先级的研究大部分都没有做特别的评估工作，往往都是对业务优先级预先进行划分和定义，然后根据优先级的划分规则，标记业务报文，并在传输节点或中间转发的过程中识别标记，最后根据对应的优先级顺序进行处理或调度。在传统的IP网络中，QoS的保障有区分服务模型（Differentiated Services Model，Diff Serv）和集成服务模型（Integrated Services Model，Int Serv）这两种典型的服务模型，这两种服务模型都是由全球互联网最具权威的技术标准化组织——国际互联网工程任务组（The Internet Engineering Task Force，IETF）提出并制定。这两种QoS服务模型制定的标准都针对传统的IP网络，不能直接应用到车联网中。但这两种QoS服务模型对业务类型的区分以及优先级的定义可以在车联网中得到应用[1]。

1.1.1 集成服务模型

集成服务模型根据不同业务的应用场景和特性进行网络业务分类定义，将业务类型划分为确保业务（Garanteed Service，GS）、受控负载业务（Controlled load Service，CS）和尽力而为业务（Best Effort，BE）三种。

（1）确保业务的优先级最高，服务模型要求提供特定流量数据预留指定的带宽，对端到端的时延也有要求，并为丢包率即数据的完整性提供保障；

（2）受控负载业务提供一种网络在欠载情况下的服务；

（3）尽力而为业务只提供尽力而为的服务，对服务质量不提供任何保障。

1.1.2 区分服务模型

区分服务模型是国际互联网工程任务组（IETF）于1998年在集成服务模型基础上提出的一种新的服务模型。区分服务模型克服了集成服务模型可扩展性差的问题，它将网络中的业务分成了背景类、交互类、会话类和流类四种类型。区分服务模型是一个多服务模型，不需要像集成服务模型那样为每个业务预留资源，而且实现简单、可扩展性好，能满足不同的QoS需求。

1.2 业务优先级的综合评估

1.2.1 基于映射表的业务优先级评估

针对通用移动通信系统（Universal Mobile Telecommuni cations System，UMTS）中的业务，QoS保障策略对业务的类型和用户级别进行了综合考虑，提出了基于映射表的业务优先级评估方案，根据映射表提供的优先级映射关系，不同类型的业务将由无线资源管理模块提供不同级别的服务。无线资源管理模块把不同类型的业务优先级分为0～15共16个级别，其中0级别最低，15级别最高[2]。

1.2.2 基于移动通信系统的综合业务优先级评估

针对高级国际移动通信（International Mobile Telecommuni cations-Advanced，IMT-Advanced）系统业务的特性，业内人士对业务优先级展开研究，提出了一些业务优先级解决方案。比较典型的是一种动态和静态相结合的优先级计算方案，这种计算方案对业务属性进行了定义和分析，对用户呼叫类型、延误时延敏感性、等待时间、网络负载状态、移动模式等因素都进行了综合考虑。静态综合优先级影响因子包括业务属性和呼叫类型，这些都是不变的因素；而一些变化的因素（如等待时间、网络负载状态、移动模式等）则作为动态综合优先级的影响因子考虑，把静态和动态优先级进行综合，构成综合优先级体系结构。

未来的移动通信系统具有多样性的特点，有学者提出了一种跨层动态综合优先级计算方案。这个方案综合考虑了移动通信系统的各方面因素，纳入到优先级计算的范围内，这些影响来自于网络模型的各个层次。这种计算方案的最大优点在于克服了以往优先级计算因子单一、关联性缺乏等缺点，更加适应未来移动通信系统业务多样性的需求。

2 网络服务模型与 QoS保障技术

2.1 QoS服务模型

2.1.1 FQMM模型

上文提到的区分服务模型和集成服务模型是传统IP网络中最具代表性的两种QoS服务模型，在一定程度上缓解了各种业务的QoS保障问题。针对车联网的业务特性，有学者提出一种FQMM模型（Flexible Quality of Service Model for Mobile Networks，FQMM），这种模型在传统的区分服务模型和集成服务模型基础上综合考虑了车联网的特点，既可以按照流聚合方式对大部分业务基于分类提供QoS保障，也可以按照流的方式对小部分业务提供更高的QoS保障服务。

2.1.2 FQMM模型与SWAN模型

在FQMM模型基础上，又有学者提出了一种HQMM模型（Hybrid QoS Model for Mobile Networks，HQMM），这种模型利用INSIGINA机制，通过数据分组携带控制信息，减少控制报文对数据报文的竞争影响。还有一种SWAN模型，这种模型把业务类型分为必要实时业务和尽力而为业务，对前者进行标记，对后者则不予标记，两者由分类器完成。对于实时业务，分类器将经过接纳控制之后的实时业务直接交付给MAC层，完成报文传输；而对于尽力而为业务，分类器直接把尽力而为业务交给整形器，通过整形、时延后才会交付给MAC 层[3]。

2.2 分组调度技术

2.2.1 先到先服务队列调度算法

对转发分组的调度是QoS控制保障技术的关键，现有研究提出了一些分组调度算法。先到先服务（First Come First Service，FCFS）队列调度算法是最基础的一种算法，这种算法比较简单，它与数据结构中的队列结构一致，按照分组进入服务的顺序排队，先进入队列的优先服务。这种算法的优点是占用系统资源少，然而其缺点也很明显，不同业务服务没有得到区分，当队列拥堵时会造成业务时延。

2.2.2 基于优先级的调度算法

基于优先级的调度算法主要包括优先级队列（Priority Queuing，PQ）调度算法和队列长度阈值（Queue Length Threshold ，QLT）调度算法。

优先级队列调度算法针对业务优先级，将业务分组，高优先的分组将得到优先服务，只有当所有高优先级的业务分组服务完成后才服务低优先级的业务，同一优先级的分组则采用先到先服务队列调度算法。

队列长度阈值调度算法在优先级队列调度算法基础上进行改进，为每个队列设置一个长度阈值作为调度的门限值，当队列长度大于门限值时才会得到服务。队列长度阈值调度算法既解决了业务优先级的区分问题，又解决了低优先级的业务长时间得不到服务的问题。

2.2.3 基于轮询的调度算法

轮询调度算法按照一定的顺序对每个队列轮流进行分组调度，轮询调度算法主要包括轮叫调度（Round Robin，RR）算法、加权轮询（Weighted Round Robin，WRR）算法和差额轮询（Deficit Round Robin，DRR）算法等。

（1）轮叫调度算法最简单，它将业务分到不同的队列，然后将每个队列的头部报文进行调度；

（2）加权轮询算法在轮叫调度算法的基础上引入权值概念，区分不同的业务等级；

（3）差额轮询算法为队列分配一个配额值，每次调度配额值同等大小字节的分组。

3 基于模糊层次分析的业务重要性评估

3.1 业务优先级与业务重要性

3.1.1 业务重要性的概念

在传统的IP网络中，衡量业务重要性的指标主要依据业务优先级，一般采用预先对各项业务的优先级进行预设或规定的方法。业务重要性概念的提出基于业务优先级基础之上，并在优先级的概念上进行扩展，引入任务优先级和用户优先级因素，针对网络中业务的不同属性特征，将这些属性特性参数进行综合评估得到衡量业务重要性的一个值，它反映了业务的重要性程度。业务重要性评估是业务分级的前提，重要性高的业务将优先得到网络资源分配，从而获得更高的QoS保障[4]。

3.1.2 业务重要性的评估指标

针对业务重要性评估的指标进行分析，可以把业务分为用户类型、任务类型和业务类型三大类，而这三大类还可以细分更多的属性指标。用户类型指的是车载移动终端用户的身份，一般包括管理用户和普通用户，管理用户包括用户级别、安全策略、优先级等属性，普通用户还可以根据级别进一步细分。任务类型包括打击任务和监控任务两种作战任务类型。业务类型指的是网络中业务流的类型，包括背景类、交互类、会话类和流类业务等[5]。

3.2 基于模糊层次分析的业务重要性评估

3.2.1 多属性决策方法与模糊层次分析法概述

多属性决策方法（也称多目标决策方法）来源于现代管理科学和决策科学，是多准则决策的重要组成部分，主要应用在研究离散的、有限个决策方案的决策问题中。不确定多属性决策是对经典多属性决策理论的延伸和发展，不确定多属性决策理论主要包括三方面内容，即随机型、模糊型和描述性决策理论与方法[6]。

模糊层次分析法以多属性决策方法为基础，结合了层次分析法和模糊综合评判法，把模糊一致矩阵应用到判断矩阵的构建，是一种层次化决策分析方法。模糊层级分析法与层次分析法相比，最大的区别在于矩阵的构建引入了模糊一致矩阵，使得判断属性之间的重要性一目了然，而且利用模糊判断矩阵能够更加方便地构造模糊一致矩阵，使判断矩阵产生的一致性问题得到有效解决。

3.2.2 基于模糊层次分析的业务重要性评估方案

针对网络中的用户属性、任务属性和业务属性，采用模糊层次分析法对业务重要性进行综合评估，形成业务重要性综合评价方案。基于模糊层次分析法的业务重要性评估算法方案总体流程如图1所示。

（1）构建业务重要性评估层次化模型。从确定评估属性集出发，构建层次化评估模型，收集属性参数，包括用户属性、任务属性和业务属性等。其中业务类型分为实时业务类和非实时业务类，实时业务类把丢包率、时延和抖动等参数作为主要指标，非实时业务根据背景类、交互类、会话类和流类业务等业务的优先级来确定。用户类型包括用户级别和安全策略等级等属性参数。任务类型包括任务级别、宽带需求、任务可靠性和相应时间等。

（2）构建决策矩阵。将用户属性、任务属性和业务属性对应的属性参数进行综合，从而确定每一个待评估方案的属性值，以此来构建决策矩阵。对层次化模型来说，最后的评估值可能需要多次迭代使用多属性决策方法得到，即针对每个子树，从底层开始采用单独的多属性决策方法来计算父属性的属性值，最终得到各方案的评估值，这里所说的方案是指某一类具体的业务。

（3）建立模糊判断矩阵。根据建立的模糊判断矩阵能够很方便地得到各属性指标的相对重要性，采用数学运算的方法，从矩阵提取信息计算就能得到各属性的重要性权值，然后对决策目标进行评判和排序。应特别注意的是，模糊判断矩阵的一致性问题不能忽视，一般来说，一致性偏差很大的可以认为模糊判断矩阵中包含的判断信息错误。

（4）计算业务重要性值并排序。各业务方案的重要性值可以通过加权求和的数学计算公式求得，然后依据重要性值对业务的重要性进行排序。一般来说，重要性数字越大，说明这个业务方案越重要，从而优先级也就越高，能优先得到资源分配调度；反之，重要性数字越小的优先级越低。为业务重要性值排序时，最高的业务重要性排序值为1，第二高的业务重要性排序值为2，依此类推[7]。

4 结 语

随着用户需求的增加，车联网不仅需要承载传统的业务，还需要承载诸如语音、视频、业务下载等实时多媒体业务，这些业务具备多样性的特点，应根据业务的不同特性区分不同的优先级，合理分配网络资源，使用户得到更好的QoS保障。

参考文献

[1]陶勇，程东年.内容中心网络中基于内容感知的QoS保证机理探析[J].计算机应用研究，2016，33（3）：813-816.

[2]江明，刘锋.一种优先级与带宽需求相结合的分组调度算法[J].太赫兹科学与电子信息学报，2015，13（1）：46-51.

[3]徐宗琦.业务重要性评估与 Ad Hoc 网络带宽分配技术研究[D].成都：电子科技大学，2013.

[4]柯鹏，金姗姗，李文翔.面向多业务通信调度的优先级排队模型研究[J].计算机科学，2013，40（3）：159-162.

[5]周鹏，郝明，唐政，等.基于QoS的优先级队列调度算法[J].电子科技，2013，36（5）：122-124.

[6]高子越，甘朝钦，肖平平.一种基于免疫原理优化的VPON动态带宽调度算法[J].激光杂志，2016（3）：123-127.

[7] 李娟，周井泉.DiffServ中基于优先级的队列调度算法[J].计算机技术与发展，2012，22（7）：91-94.