王 颖

（北京邮电大学网络技术研究院，北京 100876）

基于SDN的无线接入网络切换决策方法

王 颖

（北京邮电大学网络技术研究院，北京 100876）

由于5G接入平面中多种接入技术并存，以及用户不规则的、趋向按需的主动式移动性特点，接入网络之间的负载不均衡问题更加突出，并导致了接入网络的资源浪费以及较低的用户体验。针对这一问题，文章提出了一种基于SDN的无线接入网络切换决策方法，从网络侧和用户侧考虑为用户选取AP进行切换，以均衡接入网络之间的负载，并最大化用户的需求满意度。

SDN；无线接入网络；切换决策；负载均衡；5G

0 引言

随着 4G网络的快速发展，以及更多多样化设备更高移动性的需求的出现，5G网络以及其相关关键技术成为研究热点。其中 5G网络面临的一个主要问题是频谱资源无法满足网络容量需求的快速增长。为解决这一问题，最具有前景的技术之一就是包含多个无线接入网络架构的异构网络[1]，可以连接多个无线接入技术的无线设备可以在这些不同接入技术的基站之间选择并连接到其中之一，因此决定移动用户将连接到哪个基站是 5G当前的热点问题[2,3]。而SDN作为5G网络中的重要元素，其控制平面与转发平面分离的思想被广泛应用于多个网络领域[4,6]。因此，本文提出利用SDN来解决5G无线接入网络中的切换决策问题。

5G网络架构如图1所示，在接入平面存在着不同的接入技术，而在这些不同的接入技术之间的切换问题将成为一个必须解决的问题[7]。关于传统的异构无线网络中的负载均衡研究已有很多，这些算法通常会部署在无线接入点或者移动终端上。对于部署在接入点上的情况，通过在不同接入点之间的分布式系统交互可以获取整个网络状况的准确实时的统计数据，这有益于网络整体调度和协同负载但是对于终端来说，并没有将其需求考虑在内，因此终端的服务体验并不会太好。对于部署在终端的情况，算法本身可以直接获取用户的需求信息，但是没有考虑整个 RAN的状态信息，所以这种情况很容易导致整个网络的负载或资源分配的不均衡。但是基于 SDN的异构无线网络切换算法可以利用控制器同时获取整个网络包括接入点和终端的信息，因此可以同时将网络侧的策略如负载均衡和终端侧的需求如最大化QoS考虑进算法内，在这两者之间寻求一个均衡点来最大化保障网络和终端的收益。[8-10]本文用效用函数来衡量网络侧和终端侧的收益。

1 系统模型

假设接入平面中的一个控制域内，各接入网络的接入点的数量为N，用户的数量为M。

图1 5G网络架构Fig.1 The network architecture in 5G

图2 5G接入平面的切换场景Fig.2 The handover scene in access plane of 5G

对每个 A Pi，其连接的所有终端占用的带宽为，总带宽资源为每个AP考虑其网络属性为QoS，安全性，网络资费，其中QoS属性包括时延，抖动，丢包率，带宽。与 A Pi关联的终端集合：

条件保证了任意一个用户在某个时刻只能连接到唯一AP。

以带宽资源占用率表示AP负载，则AP的负载表示为：

则在该控制域下的所有 AP的平均负载为，以平均带宽占用率表示：

其中，δ为预定义的 AP负载超过平均负载的幅度阈值。

2 基于SDN的切换决策方法

基于SDN的切换决策方法分为两步，首先构造候选切换用户集合和每个候选切换用户对应的候选切换目标 AP集合。然后调用基于非合作博弈的多用户目标 AP选择算法，得出切换用户集合对应的切换目标AP集合。

2.1 候选切换用户及AP构造

参考文章[13]中对服务连续性的移动性级别的划分，并根据 3GPP TS-23.107[15]中对不同业务的特点和QoS需求的定义，将用户业务分为会话类、流媒体类、交互类、背景类四类，分别对应到以下四个移动性级别中。即对每个终端j，定义其移动性级别（Mobility Level）为jML，且jML的划分方法如下：

表1 用户的移动性级别划分方法Tab.1 The definition of mobility level of users

终端 j所在 AP信号覆盖范围内的接入点集合为，即终端可选择接入的AP集合：

定义终端j被选择作为切换对象的综合权值为：

其中，MLω，RSω和BWω分别为移动性级别，接收信号强度和终端所占用 AP的带宽在选择候选切换用户集合时所占的权重大小。即优先选择移动性级别小，占用接入点的带宽资源较多，且从接入点接收到的信号强度小的用户作为切换对象。

2.2 基于非合作博弈的多用户AP选择算法

基于拍卖博弈的 AP选择算法分为两个阶段：第一阶段中，各 AP向控制器上报其负载情况，可用带宽大小等网络状态信息，控制器根据各 AP状态来为各 AP计算其效用函数值，参与用户接入权的竞争，同时由于无线网络中的资源总量有限，所以网络侧需要制定相应策略来限制用户对资源的贪婪请求，在本方法中，引入计费功能，即各 AP会在参与竞争的过程中由于用户接入获取资源而获得一定的奖励。同时，当用户接入到 AP之后，也会因为占用 AP的带宽等资源，增加 AP负载从而给AP和自身带来一定的开销和代价。第二阶段中，用户根据各 AP可为自己提供的资源和带来的资费计算若接入各 AP的效用函数，选择能让自己效用最大化的AP进行切换。每个用户的AP选择过程对应一轮的拍卖博弈过程，在一轮拍卖博弈过程结束之后，控制器会根据上一轮的博弈结果更新和调整各个AP的效用函数。

2.2.1 网络侧效用函数

网络侧的效用函数由各 AP的效用函数构成，其中AP的效用函数由三部分组成，即AP原有的连接用户为AP带来的效益，AP参与拍卖过程获得的奖励，以及其对新接入用户的预估开销，比如分配带宽等资源的开销，即AP的效用函数为：效用=收益-开销。

APi的第二部分效用为:

其中 B idij为 A Pi对用户j发起切换的竞价，ϑ为保留价格，即基价，且ϑ＞0，这样保证了AP的权益， A Pi的竞价 B idij应不小于基价ϑ。APi的实际竞价比。ij为APi对用户j的偏好值，其值越大，表示 A Pi希望用户接入自己的程度越大，其竞争价格就更有优势。由于控制器可实时获取其控制域内的所有 AP的负载状态信息，该偏好值是可综合其他 AP的负载情况计算得到，网络侧的负载均衡策略希望用户 j接入后使得 A Pi的负载状态变化不会导致全网负载的不均衡，因此参考文献[11][14]中公平性系数的定义，使用下式来衡量各AP的负载均衡：

AP对新接入的用户需要提供带宽、传输速率等资源，因此要付出一定的开销，在本论文中，仅考虑AP为用户提供带宽资源所带来的开销，则用户j若切换至iAP，则iAP的开销为：

其中：因此iAP 的总效用函数为：

2.2.2 用户侧效用函数

用户会从使得自己的资源需求最大化的角度出发，来选择 AP进行切换，但是用户对网络资源的获取一般都是自私且贪婪的，因此 AP引入网络资费来限制用户需求的贪婪。同时也会考虑各个 AP的竞价 Bijid，AP的竞价越大，用户选择其进行切换的可能性也越大。用户接入AP后，可从AP处获得带宽，传输速率等资源，同时也需要付出资费等代价。用户的效用函数是由 AP为其分配的网络属性值所决定，用户j可从接入网络i处获得的K种网络属性值向量为：

用户对不同属性的权重向量为：

其中jkw 为用户j对属性k的权重。不同用户由于其业务类型不同，对属性k的权重系数也不同。使用模糊层次分析法（FAHP）来确定不同业务对不同网络属性的权重系数。

用户j对于接入网络i的网络属性k的效用函数如式（15）所示。

用户j若接入iAP从网络获得的整体效用函数为：

其中，ω为用户对iAP的竞价所占权重，且

用户可根据自身对接入iAP 获得的效用和iAP的竞价之间的权值来调整权重系数ω的大小。

2.2.3 纳什均衡证明及算法

博弈论中通过求解博弈策略下是否存在纳什均衡来形成最优策略集，纳什均衡的状态为，当一个参与者选取了自己的策略之后，其他参与者无法通过调整自身策略来获得更高的收益，即每一个参与者根据当前策略状态来选取自己的策略，以达到一个全局最优点。

对AP来说，由上式可知，若 A Pi为用户j分配的带宽即 B Uji确定，A P的总效用函数只与 A Pi对用户j的竞价 B idij有关，令为使得 A Pi的总效用函数最大化的最优竞价，则

对,ijU 进行二次求导，得到：

由于ϑ、ij值均大于0，所以有：

即AP i的效用函数为凹函数，因此可以通过求解一阶导数来获得最优解，即令：

可得到：

其中，ij可由上式（9）中求得。

对于用户，由上式（16）可知，用户效用函数只与每个网络属性所带来的效用有关，且其与 AP所分配的网络属性值成正比，且为连续函数，因此用户效用函数存在最大值。最终用户选择使得其自身效用函数最大的AP进行切换，即：

则基于非合作博弈的多用户 AP选择算法如下表2所示。

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

2.3 切换决策算法

移动切换方法的总体流程为，当控制器监测到某个 AP的负载状态为过载且该状态在一段时间内未改变时，即开始对该 AP进行负载迁移操作，在通过计算选择出候选切换用户集合和候选目的 AP集合后，调用基于拍卖博弈的多用户 AP选择算法得到用户集合对应的切换目标 AP集合，即将用户选择AP接入的过程模拟为AP和用户之间的博弈过程。在博弈过程中，各个 AP是博弈者，用户作为拍卖者，向 AP出售自己的接入权。首先要分别对AP和用户构建其效用函数，由AP参与竞价，用户选择最大化自己的效用的 AP进行切换。其中，上述第4步构造用户j的可切换的候选AP集合时，需要考虑将用户对目标AP的影响，即切换到其他AP的同时不能使得其负载状态超载，这样也会尽量减少用户在AP之间的频繁切换。

Step 1：控制器根据各AP上报信息监测其负载状态；

Step 2：若控制器监测到某个APi的负载状态为过载并开启定时器，若该状态在一段时间内未改变，转到3；否则，转到1；

Step 3：将APi的部分用户切换到其余 AP，首先计算需要进行切换的用户集合为：

其中，H Wth为预定义的用户作为切换对象的综合权值阈值；

Step 4：对每个用户 j ∈Userhandover，构造其可切换的候选AP集合

对每个 A Pi∈ A PListj，计算如果其接收用户 j后的新的负载值，并更新值。

Step 6：控制器向 A Pi发送控制消息，断开与Userhandover中用户的连接，同时向 A Ptarget中的AP发送消息，指示其向 U serhandover中的相应用户发送关联请求消息，完成用户的切换。

3 性能分析与仿真

本文采用MATLAB对所提算法进行仿真，仿真场景为UMTS, WLAN和LTE三个网络覆盖，一些网络参数设置如表3所示。

表3 仿真网络参数设置Tab.3 Network parameters in simulation

仿真采用的网络拓扑为基于地理的模型，即AP和用户的连接性和带宽由地理距离所决定，并参考文献[2]中的网络模型，它反映了实际基站和用户的分布。将给定地理区域划分为小的，互不重叠覆盖的区域，在每个区域边界内随机放置一个AP，然后在该区域内放置随机数量的用户。且每个 AP对用户的带宽分配模型根据不同的接入技术分别采用吞吐量公平模型和成比例公平模型。

对终端的不同业务类型，采用如图所示的网络属性的层次分析模型来确定不同业务类型对不同网络属性的权重系数，其中考虑QoS、Cost和Safety三种网络属性，QoS包括带宽，时延，时延抖动和丢包率。

图3 网络属性的AHP模型Fig.3 The AHP model of network attributes

以会话业务为例，建立其 QoS, Cost和 Safety的决策矩阵，并通过FAHP算法求得各项所占权重系数，如下表所示。

表4 会话业务各网络属性FAHP矩阵Tab.4 FAHP matrix of network attributes in session service

表5 会话业务QoS各属性FAHP矩阵Tab.5 FAHP matrix of QoS’s attributes in session service

仿真结果如图4所示，主要从两个方面对所提方法进行仿真，一个是网络侧的效用函数，用各个AP的效用函数的平均值来衡量；另一个是用户侧的效用函数，表示了用户对所连接网络的资源需求满意度。将本文所提方法与基于终端接收到的信号强度进行切换的方法，以及只考虑负载均衡，即每次选择负载最小的 AP进行切换的方法，进行比较，以用户数量分别为20，40，60，80和100分5组分别进行实验测量其AP和用户的效用函数值。下图4是各接入点的负载均衡度的比较，使用 AP效用函数计算公式中的ij来衡量各接入点的负载均衡程度，其值越大，表示 AP之间的负载分配越均衡。可以看出，随着用户数量的增加，由于所提方法AP的效用函数计算过程中考虑到了接收用户对其它AP负载的影响，因此并不会导致AP间负载的不均衡，且与仅考虑 AP之间负载均衡的方法的负载均衡度相比，所提方法并未相差很多。

下图5为随机选取某一时刻各个AP的效用值与其竞价的关系，则由下图所示，各AP在最优竞价处其效用值达到最大，即最优竞价均为2至3之间。

下图 6是几组场景下用户的平均效用的对比图，其中用户效用的计算为公式（16）中不包括竞价部分。可以看出，由于本文所提方法中考虑了不同服务类型的用户各项网络属性所占权重的不同，以及在各接入点之间选择使其效用函数值最大的AP作为其切换目标AP，且效用函数值的计算考虑了多个网络属性，因此与传统基于RSSI的切换方法的优势在用户数量增多时就很明显。

4 结论

本文针对 5G接入平面中的多个共存的无线接入点之间的负载不均衡问题，提出了基于SDN的同时考虑接入网络的负载状况以及切换用户的资源需求的切换决策算法，该方法作为控制器的应用部署在SDN控制器上，通过将用户选择AP进行切换的过程模拟为非合作博弈来为用户选取最优 AP进行切换，以保证网络侧和用户侧的最大效用。仿真结果表明，该方法在均衡 AP之间的负载和用户的服务体验上都有明显提升。

图4 各接入点的负载均衡度Fig.4 The load balance degree with users’ number

图5 AP效用与AP竞价之间关系Fig.5 The relation of APs’ utility and APs’ bidding in a certain time

图7 用户的平均效用值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] 李洁. 云平台SDN关键技术的研究与展望[J]. 软件, 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] 陈凡, 刘果, 李剑锋, 等. 主要软件定义网络控制器的对比和分析[J]. 软件, 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

本文著录格式：王颖. 基于SDN的无线接入网络切换决策方法[J]. 软件，2017，38（12）：238-245

王 颖，女，硕士研究生，主要研究方向为SDN、移动性管理。