混合业务场景下的合作博弈动态资源管理策略＊

严海升

（重庆文理学院，重庆 402160）

混合业务场景下的合作博弈动态资源管理策略＊

严海升

（重庆文理学院，重庆 402160）

LTE系统对各类多媒体业务的承载能力对其未来应用至关重要。面向混合业务场景，本文建立了合作博弈模型描述各类业务之间的关系，并提出了一种动态资源管理策略。系统根据当前业务状态为各类业务分配所需资源，进而，根据业务属性确定各个用户的调度优先级。结果表明所提出的资源管理策略能够有效提高系统频谱效率及各类业务的服务质量。

长期演进系统；合作博弈；资源分配；资源调度

LTE是第三代移动通信系统的演进，其显著特点是采用分组域承载各类业务[1]。通过相应的分组调度技术，系统为无线用户的各种业务分配物理资源，可见，有效的资源管理策略能够在保证各种分组业务服务质量的前提下，提高系统业务承载能力并最大化频谱效率。

目前，蜂窝无线网络业务已经从传统的单一语音业务向语音、视频等混合业务发展。用户业务类型与其所需求的系统资源存在极强的相关性，不同业务所消耗的资源粒度呈现出较大差异；此外，系统资源的合理分配及调度受到多个方面因素影响、其中包括业务数量、业务属性、用户数量、信道状态等。可见，合理的资源管理策略需要使系统内不同业务获得各自所需的无线资源，动态地为各类业务提供服务质量保障。国内外研究人员提出了多种资源管理策略，文献[2]提出了正比公平性算法（PF），综合考虑用户信道条件和公平性两个方面的因素，系统对资源进行动态分配，但其主要应用于非实时业务，无法满足混合业务场景下的分配需求。文献[3]提出了最大权值时延优先算法（W-LWDF），除了上述两个方面因素外，所提出的方法还考虑了缓冲区队头时延和最大分组时延，以更加有效地支持实时业务。文献[4]提出了指数比例公平算法（EPF），将实时业务和非实时业务区分调度，以在混合业务场景下获得较好的性能，文献[5]中利用语音业务分组丢失率为参数，动态地为语音业务和其它业务分配系统资源。文献[6]利用信道状态信息、用户公平性等参数动态地为视频业务与其它业务分配资源。文献[7]中以视频业务时延为约束条件估计用户优先级，进而为其分配系统资源。综上所述，文献[5-7]所提出的资源分配策略都旨在保证某种业务服务质量的前提下，将剩余资源分配给其它业务，以“尽力而为”的方式提高系统性能。可见，各种资源管理策略并未考虑不同业务之间的竞争与合作关系，存在一定程度的不合理性。

面向复杂的混合业务场景，本文提出了一种带有合作博弈的动态资源管理策略，根据业务属性、系统资源以及剩余资源等约束条件，动态地为不同业务分配相应的物理资源，以保障业务服务质量的条件下，实现系统资源分配最优化。

1 合作博弈模型

与第三代移动通信系统相比较，LTE系统不但需要支持更高的传输速率，容纳更多的用户，更要保障多种业务的服务质量(QoS）。在多用户共享、多业务并存的LTE系统中，所有业务共享系统资源，同时不同业务的特性存在较大差异，如视频业务需要传输大量的数据，语音业务对时延比较敏感。可见，LTE系统需要充分考虑各种业务的特性，进而为其合理地分配所需资源。

混合业务场景下，不同业务共享系统资源，各种业务的资源分配存在着竞争关系；同时各种业务之间也可以通过合作来提高整个系统的性能。因此，混合业务场景下的资源分配问题可以采用带有竞争与合作的博弈关系进行描述。本文建立合作博弈模型G＝(N， C， k)来解决多业务资源分配问题，其中N＝{1， 2， …n}为业务种类，即资源分配过程中的参与者数量；C为系统资源总量，k＝{k1， k2， …kn}为各种业务所获得的系统资源数量。

对于资源相对有限的LTE系统来说，资源分配过程需要满足诸多约束条件：（1）个体合理性条件，即通过合作后，业务所获得的资源不小于参与合作前该业务所拥有的资源；（2）整体合理性条件，即通过合作后，业务所获得的资源不小于合作之前各业务所拥有系统资源总和；（3）系统资源不变性，即参与合作前后系统资源保持不变。上述约束条件具体描述如式（1）所示，其中xi表示通过合作后第i种业务所获得的资源数量，xi≥v(i)表示资源分配的个体合理性关系，即业务i获取的资源不少于其参加合作之前拥有的资源表示资源分配的整体合理性关系，即通过合作后所获取的资源数量不小于合作前各种业务拥有的资源总和。描述了系统资源的不变性，即在参与合作前后整个系统资源恒定。

对于混合业务场景来说，各类业务对应的传输速率为b＝{b1， b2， …bn}，其对应的业务数量为g＝{g1， g2， …gn}。可见，给定业务传输所需的最少资源为ki＝gibi。为了获知各业务集合状态下对应的资源数量，本文所提出的资源分配模型(N， C， k)可简化为(N，vck)，其中vck(S)为参与合作前业务集合S (1 ＜ |S| ＜ N)对应的资源数量，如式(2)所示：

通常，LTE系统承载的业务包含3类，分别为视频业务、语音业务、恒定比特率业务(CBR)[8]，其对应的数据流传输速率分别为b1， b2，b3，且b1：b2：b3＝η1：η2：η3，其中η1、η2、η3为视频业务、语音业务和CBR业务比例。按照上述描述，业务类型可以表示为N＝{n1， n2， n3}，分别代表视频业务、语音业务和固定比特率业务，合作后相应业务的资源数量为x＝{xn1， xn2， xn3}。根据式(2)可以得到各个状态下业务所需的资源，如式(3)所示，其中v(ni)为第ni种业务参与合作前所拥有的资源，v (ni， nj)为参与合作前ni与nj组成的业务集合所获得的系统资源。

为了合理地将系统资源分配给各种业务，本文首先考虑各业务参与合作后资源分配的合理性，即式（3）描述的各种状态下资源数量需要满足关系式（1），进而可获知参与合作前后各种业务所获得资源之间的关系，如式（4）所示。可见，混合业务场景下的各种业务资源分配问题转变成对式（4）的线性规划问题。

根据式（4）所描述的关系可知，某类业务参与局部合作可能比全部业务参与合作时获得更多的资源，导致x＝{xn1， xn2， xn3}可能为空集。为了有效地避免这种情况出现，需在式（1）中的集体合理性条件附加相应的松弛变量ε。然而，在实际应用过程中，业务类型以及相应数量呈现出极强的动态特性，因此，资源分配策略也需要能够根据网络状态快速调整。为了提高整个系统的执行效率，同时考虑到各种业务的比例不同，ε1、ε2及ε3的数值也并不相同，各业务资源的关系如式（5）所示。

显然，给定业务在网络中所占的比重越高，则需要为此种类型业务分配更多的网络资源。根据所建立的模型，网络中各种业务数量之间的关系满足g1：g2：g3＝η1：η2：η3，则可令ε1＝η3ε、ε2＝η2ε，ε3＝η3ε，结合式（5）可获知变量因子ε的数值：

参与合作后视频业务、语音业务和恒定比特率业务所获得的资源数为xn1、 xn2及xn3。在式（5）的基础上，可得视频业务资源数量与变量因子ε的关系xn1＝v(n1， n2， n3)－v(n2， n3)＋η1ε，化简后可得xn1＝bn1gn1＋η1ε；同理可获知其它业务所获得的资源数量xn2和xn3，如式（7）所示。根据关系式可获知业务比重越大，则所需资源越多，进而，通过合作博弈后所获得的资源也越多，资源分配的合理性也就越强。

2 资源分配

如前所述，LTE系统中资源分配的基本粒度为RB。因此，所提出的资源分配策略需要充分考虑上述约束条件。当前资源块数为NRB的状态下，各种业务所得到的系统资源如式（8）所示，其中 x 表示不大于x的最大整数，且具有如下性质x－1≤ x ≤x：

其中RBn1、RBn2及RBn3分别为视频业务、语音业务和CBR业务所获得的资源块数目。

按照上述资源分配方法，系统中将存在一定数量的剩余资源。显然，合理地获知剩余资源状态将有效地提高系统资源利用率。

本文对剩余资源的存在性及数量进行证明与分析，各种业务所占的资源比例如下：

其中ρn1、ρn2及ρn3分别为视频、语音和CBR业务所占系统资源的比例，且ρn1＋ρn2＋ρn3＝1。

由x－1≤ x ≤x性质，可得：

从而，可知各业务所获取的RB数量和系统资源块

数量的关系：

经化简可得：

如上式所示，可获知剩余RB数量NL如式（9）所示，且NL满足约束条件0≤NL≤3。

3 资源调度

根据业务特性的不同，LTE系统支持非实时和实时两类业务，非实时业务可以容忍一定的时延，如背景类业务和交互类业务，而实时业务对时延的要求较高，如语音业务和视频业务[9]。非实时业务调度过程中需要考虑信道条件和用户公平性等因素； 实时业务调度过程中，除了考虑信道条件和用户公平性外，还需要考虑到缓冲区队头时延和最大分组时延。根据非实时业务和实时业务的特性，本文所提出的资源分配策略中的调度原理如式（10）所示，其中ri，k(n)表示信道条件因子；ai为优先级因子； Wi为缓冲区队头时延，W为缓冲区队头的平均时延；Ri(n)为用户公平性限定因子。

传统的资源分配策略中，系统始终为具有最高调度优先级的用户分配资源，如式（11）所示 ，其中mi，k为用户i对第k个资源块调度的优先级。对于每个资源块，系统首先计算各个用户调度的优先级，然后对资源块进行分配，直至资源块被完全分配。虽然此类策略考虑了不同业务的特性，但是在实际调度过程中，存在某种业务获得系统资源较少，甚至无法得到服务的情况，导致各类业务之间出现较为严重的不公平性。

混合业务场景下，本文所提出的资源分配策略限定了各类业务获得的资源块数目，保障了各种业务的服务质量。根据式（10）和（11），系统可获知各类业务用户的调度优先级，进而，按照式（12）所示方式在给定资源块中为各个用户合理地分配系统资源。

若某种业务资源块分配完毕，则其对应资源块的调度优先级为零。为了提高系统承载能力，对于剩余资源块NL，依然按照式（10）确定用户调度的优先级。

4 仿真结果与分析

本部分采用LTE仿真平台[10]验证了所提出的资源管理策略。与文献[11]类似，仿真场景设置为单小区，视频业务、语音业务及CBR业务用户数比例为4：4：2与5：3：2，且用户轨迹服从随机移动模型[12]，其它相关参数如表1所示。

表1 参数设置

本部分将所提基于合作博弈的动态资源分配策略（DRAS-CG）与文献[13]提出的策略性能进行了比较，其中文献[13]所提出的DAPS策略采用时延作为资源分配的依据，动态地调整各类业务资源分配的比例，有效地增强了各业务在时延阈值内获得资源的概率，在混合业务场景下具有较好的性能。

各种资源分配方法的系统频谱效率如图1所示，由于所提出的策略能够根据业务属性、系统资源以及剩余资源等约束条件，动态地为不同业务分配相应的物理资源，实现了资源的合理利用，系统频谱利用率较DAPS策略获得了一定程度的提升。

图1 系统频谱效率

视频业务平均吞吐量如图2所示，结果表明视频业务的平均吞吐量随着用户数量的增加而逐渐减少，DRAS-CG策略较DAPS策略有更好的表现，在用户数为60时，DRAS-CG的平均吞吐量较DAPS策略提升了13%以上；视频业务的分组丢失率如图3所示，由图可知，视频业务的分组丢失率随着用户数量的增加而升高，在用户数为60时，DRAS-CG较DAPS策略降低了20%以上。

语音业务的平均时延如图4所示，结果表明随着用户数量的增加，语音业务的平均时延不断增加，用户数为60时，DRAS-CG较DAPS策略降低了35%以上，随着用户数的增加，DRAS-CG策略时延性能增益更加显著；语音业务的分组丢失率如图5所示；结果显示随着用户数量的增加，语音业务的分组丢失率不断增加，当用户数小于40时，所有资源分配策略的分组丢失率性能基本相同，当用户数继续增加时，DRASCG的分组丢失率增加缓慢，而DAPS策略增加速度较快，并随着用户数增加，DRTAS-CG较DAPS策略性能优越。

图2 视频业务的平均吞吐量

图3 视频业务分组丢失率

图4 VoIP业务的平均时延

图5 VoIP业务的分组丢失率

[1] WU S J. A Channel Quality-aware Scheduling and Resource Allocation Strategy for Downlink LTE Systems [J]. Journal of Computational Information Systems, 2012, 8(2): 695-707.

[2] CHOI G J, BAHK. Cell-throughput analysis of the proportional fair scheduler in the single cell environment [J]. IEEE Transactions on Vehicular Technology, 2007, 56(2): 766-778.

[3] BASUKALA R, RAMLI A H, Sandrasegaran K. Performance Analysis of EXP/PF and M-LWDF in Downlink 3GPP LTE System[C]. In Proceedings of The First Asian Himalayal Conference on internet AHICI, 2009, Kathmandu, Nepal, p1-5.

[4] WU X, HAN X, LIN X. QoS oriented heterogeneous traffic scheduling in LTE downlink[C]. Communications (ICC), 2015 IEEE International Conference on. IEEE, 2015..

[5] SUNGGU C, JUN K, SHIN Y. MAC Scheduling Scheme for VoIP Traffic Service in 3G LTE[C]. IEEE Vehicular Technology Conference (VTC Fall), 2007, p1441-1445.

[6] WU S J, CHU L. A Novel Packet Scheduling Scheme for Downlink LTE System[C]. Intelligent Information Hiding and Multimedia Signal Processing, 2011, p25-28.

[7] PIRO G, GRIECO L, BOGGIA G. Two-Level Downlink Scheduling for Real-Time Multimedia Services in LTE Networks [J]. IEEE Transactions on multimedia, 2011, 13(5): 1052-1065.

[8] MUNIR B, NAVEEN K C. A Comparative Study of Voice over Wireless Networks Using NS-2 Simulation with an Integrated Error Model[C].Wireless Communication, Networking and Mobile Computing, 2006,p1-5.

[9] WANG K, LI X, JI H, et al. Heterogeneous traffic scheduling in downlink high speed railway LTE systems[C]. Global Communications Conference (GLOBECOM), 2013 IEEE. IEEE, 2013:1452-1457.

[10] PIRO G, GRIECO L, BOGGIA G, et al. Simulating let cellular systems: an open source framework [J]. IEEE Transaction on Vehicular Technology, 2011, 66(2): 498-513.

[11] ITURRALDE M, ALI Y T, Wei A, et al. Performance Study of Multimedia Services Using Virtual Token Mechanism for Resource Allocation in LTE Networks[C]. IEEE Vehicular Technology Conference(VTC Fall), 2011, p1-5.

[12] SHANMUGAVEL S R S. Performance Evaluation of Routing Algorithms for Mobility Models in Ad hoc Network[J]. Iete Technical Review,2015, 21(3):199-210..

[13] BAE S J, CHOI B G, CHUNGM Y. Delay-aware packet scheduling algorithm for multiple traffic classes in 3GPP LTE system[C].Asia-Pacific Conference on Communications (APCC), 2011, sabah,Malaysia, p33-37.

Dynamic resource management scheme using cooperative game for multi-class traffic

YAN Hai-sheng
(Chongqing University of Arts and Sciences, Chongqing, 402160, China)

In LTE system, it is essential to bear various multi-class services for its future application. Under the scenario of multi-class traffic, the cooperation game model is established in our paper; moreover, a novel dynamic network resources management scheme is also proposed in our paper. According to the current status of traffic, the corresponding resources for multi-class traffic are dynamically allocated.Consequently, the priority of all the users is determined according to the service attribute. Results show that the spectral efficiency is enhanced effectively; at the same time, the performances of all services are improved by our proposed scheme.

long term evolution; cooperative game; resource allocation; resource scheduling

TP393.04

A

1008-5599（2017）12-0082-06

2016-12-16

重庆文理学院校级科研项目（Y2015RJ36）。

中国移动通信集团设计院首次亮相2017年中国移动全球合作伙伴大会

11月23日，中国移动全球合作伙伴大会在广州召开，中国移动通信集团设计院首次参展中国移动合作伙伴大会，展示主题是：规划智慧网络，设计连接未来！

设计院一直秉持创新引领发展的理念，作为智能信息化建设生态链中的重要节点，瞄准智能前沿，强化网络研究，加快网络智能步伐，用“智勘、智规、智设、智优”4 “智”架构5G新时代，努力成为网络质量和能力提升的牵引者、自有核心能力的培育者、中国移动价值最大化的有力支撑者！

智规：建好5G智慧网络，规划先行

设计院从TD-SCDMA开始就一直在网络规划方面持续创新，形成了具有“汇聚网络数据，三维迭代仿真，智能网络规划”三大特点的中国移动无线网络规划平台，应用了大数据处理技术、3D射线跟踪与仿真技术、智能场景及传播模型配置技术等。

该平台已经在中国移动TD-LTE各期网络规划建设方案以及在全国346城市的FDD目标网、NB-IoT网络规划方案中得到应用。过程中，平台基于覆盖，容量，价值以及站址等多个维度进行精准预测，并且能够直观呈现网络性能指标；同时基于电子地图，以沙盘演练的方式快速构建最佳网络。同时构建了全国工程网络数据的汇聚，从而实现方案的集中分析与审核。面向5G，会基于4G网络容量、业务等大数据分析，应用人工智能算法，实现多目标的自动优化，通过智能规划进一步提升规划效率。

智勘：拥抱移动互联网、打造智能新设计

从2G到4G，中国移动站点数增加了几十倍，工信部落实“质量强国”战略逐年加严；我们靠什么在人员不增的情况下，优质高效完成任务？就是靠互联网思维、靠信息化手段、靠智能勘察平台。

智能勘察平台的三大特点就是：查勘“瑞士军刀”、质量工匠精神、勘察大数据。

所谓查勘“瑞士军刀”就是相机、罗盘、记事本；手电、地图、测距仪，再加上自带宽带上网，7种武器高度集成、便捷采集。

所谓质量工匠精神就是把质量技术标准固化成IT平台的“五步作业法”，普通人员简单培训，就可以依托大量精细化的专家经验与模板化的参数完成勘察作业，有望“众包查勘”，实现“IT换人”。

所谓勘察大数据就是这个平台使用集团政企云的20台虚拟机集中部署，覆盖全国31省市，用户接近6 000人，日均增速3 000站，入库站数超过40万。

智设：基于虚拟现实技术的建筑信息模型三维设计平台

业务的快速发展与迭代要求设计周期加快，网络的多系统共存带来设计复杂度剧增，网络智慧化要求设计运维一体化，因此设计院一直致力于智能设计，保证规划的智慧网络有效实施。

产品主要用于数据中心土建及大小机电的设计，它把我们传统设计成果——二维设计图纸转变成了饱含项目全生命周期各个阶段信息数据的三维可视化模型。从项目前期的可研策划到设计阶段、施工阶段以及后期的项目运营阶段的所有信息都可以在我们的模型中查到，保障业主、各参建方、项目使用方的数据交换高效、及时、有序及安全。通过BIM模型进行指导施工，可实现工业化预制装配式施工，将缩短工期并节约总体建造成本。

截至目前，设计院已完成全国31个省总计209万平米、27个大小数据中心园区的设计工作，其中通过BIM+VR技术进行设计的项目有10个，总计87万平米。

智优：依托先进的大数据技术和人工智能算法，实现集中化、自动化、智能化网络优化

网优大数据平台是设计院和中国移动通信集团网络部2016年以来共同研发的。与传统的网优工具比，平台具有三大特点：（1）全局性：传统网优工具往往针对单一指标，进行局部区域的优化，而大平台通过多维度、全量用户的数据挖掘，实现面向客户感知的全局优化；（2）精细化：传统网优工具多是小区级分析，而大平台通过大数据处理，可以实现室内外栅格级的精细分析；（3）智能化：传统网优工具需要人工制定优化方案，人工测试验证，而大平台通过经验固化和人工智能算法，可以实现优化方案的自动输出及效果预测。

正是有了这3个特点，大数据平台使集中化、自动化、智能化网络优化成为可能，将全面支撑中国移动现在以及未来5G网络的优化与运维。 （本刊讯)