车联网基于模糊逻辑的垂直切换算法研究

吴烨+范华峰+杨明极

【摘要】 针对车辆终端运动速度快导致网络频繁切换的问题，设计了一种基于模糊逻辑和简单加权和法的垂直切换算法。该算法由两部分组成：确定最佳切换时机和确定最佳目标网络。首先采用模糊逻辑判断切换的时机，然后通过简单加权和算法来确定最佳目标网络。仿真结果表明，算法能够减少不必要的切换，体现用户的需求。

【关键词】 无线异构网络 模糊逻辑 简单加权和 垂直切换决策

Abstract： A vertical switching algorithm based on fuzzy logic and analytic hierarchy process is designed for the problem of vertical handover decision in wireless heterogeneous networks. The algorithm is divided into two parts： the timing of the switch and the selection of the target network. First， fuzzy logic is used to determine the timing of the switch， and then the simple weighted sum algorithm is used to determine the optimal target network. Simulation results show that the algorithm can reduce the unnecessary switching， reflecting the needs of users.

Keywords： wireless heterogeneous network； fuzzy logic； simple weighted sum； vertical handover decision

一、引言

车联网（Internet of Vehicle）：即由车辆位置、行驶速度、行驶路线等构成的信息交互网络，是一种向信息通信、环保、节能、安全等方向发展的车 - 网联合技术[1]。车联网技术不仅能有效预防交通碰撞事故的发生，而且可以有效预防交通碰撞事故的发生和减少交通对环境的影响[2]。未来车联网的重要特点就是各种无线网络相互融合、优势互补，为用户终端提供最佳的服务[3]。但是切换次数过多，对终端的业务会造成很大的影响。因此如何保证有效的切换是本文的研究重点。

无线异构网络中的垂直切换算法主要有三类：1）仅考虑切换时机；2）仅考虑最佳目标网络的选取；3）同时考虑切换时机和最佳目标网络的选取。

目前，很多研究人员针对异构无线网络间的垂直切换问题已经取得了较好的成果。文献[4]引入了一种预测垂直切换算法，该算法通过马尔可夫链对网络参数的变化进行预测，通过网络参数变化走势，终端用户提前可以了解到网络参数的变化，从而进行有效的切换。该算法的缺点是：当用户终端运动到一种新的网络覆盖区域，由于缺少历史移动信息，该算法效率会降低甚至失效。文献[5]和[6]提出了一种考虑终端运动趋势的垂直切换算法，该算法对终端运动趋势进行了定性分析，减少了切换次数，提高了终端业务的连续性，但缺少对终端运动趋势的定量分析，当用户终端在往返运动时，可能会触发反复的切换。

二、基于模糊逻辑的垂直切换算法

2.1切换时机的判断

本文算法的异构网络模型是由LTE与WLAN构成的。仿真场景如图3所示， A 点的位置坐标为（15，190），B 点的位置坐标为（200，190），C点的位置坐标为（200，0），A点到B点的距离为15 km，B点到与C点的距离为15 km，坐标（105，240），（200，190），（235，120），（175，105）对应的基站为WLAN1，WLAN2， WLAN3， WLAN4，WLAN5坐标（60，160），（210，160），（135，30）对应的基站为LTE1，LTE2，LTE3。网络仿真参数如表2所示。

4.2 仿真结果分析

4.2.1 切换失败率分析

对比于文献[5]中的切换算法（MHA），由于終端在运动过程中会经过不同目标网络覆盖的区域，那么终端需要进行网络切换，切换过程有一定的时延，在切换时延内，如果车辆终端不在上述范围，则认为切换失败。图4显示了两种切换算法失败率的走势，虽然两种算法的切换失败率都是随着车辆终端速率的增加而上升，但是考虑到由于往返运动引起的一些不必要切换，本文通过模糊逻辑系统判断了切换时机，简单加权和算法判断最佳目标网络，从而降低了切换的失败率，显示于图表现为曲线上升速率较慢，相比于本文的算法，MHA的失败率则较高，显示于图中则表现为MHA曲线的上升较快。

4.2.2 最大传输速率endprint

圖5是本次实验中车辆终端在整个过程中所能获得的最大传输速率，车辆的最大传输速率正好反映了图3仿真场景中发生切换的目标网络是当前所能接入的最佳网络。这对于车联网中高速运动的终端来说是最好的选择。

五、结论

本文设计了一种基于模糊逻辑和简单加权和的垂直切换算法，与传统的多属性垂直切换算法相比，在本文中，最佳切换时机用模糊逻辑系统来判断，简单加权和算法确定最佳目标网络，仿真结果表明，与MHA算法相比，随着终端运动速度增大，切换失败率较低，而且当网络即时更新的同时，保证切换网络是最佳目标网络。

参 考 文 献

[1] 刘小洋， 伍民友. 车联网：物联网在城市交通网络中的应用[J]. 计算机应用， 2012， 32（4）：900-904.

[2]苏静， 王冬， 张菲菲. 车联网技术应用综述[J]. 现代电子技术， 2014（6）：69-72.

[3] BO S， LIN L， and FENG D. The multi-attribute vertical handoff algorithm based on node mobility[C]. 2014 5th IEEE International Conference on Software Engineering and Service Science （ICSESS）， Beijing， 2014： 1146-1149.

[4] LI Bin and LIU Shengmei. Vertical handoff algorithm based on mobility prediction [J]. Communication and Network， 2013， 39（1）： 93-95.

[5]YANG T and RONG P. A fuzzy logic vertical handoff algorithm with motion trend decision[C]. 2011 6th IEEE International Forum on Strategic Technology （IFOST）， Harbin， China， 2011， 2： 1280-1283.

[6] WANG S，FAN C，HSU C H，et al. A vertical handoff method via self-selection decision tree for internet of vehicles [J].IEEE Systems Journal， 2014， 30（10）：443-458.endprint