5G系统机器类通信场景下基于动态接入优先级的拥塞控制策略研究*

张 发 ， 王凤丽 ， 钱蔓藜 ， 袁春经

（1.重庆邮电大学通信与信息工程学院，重庆 400065；2.移动计算与新型终端北京市重点实验室，北京 100190； 3.中国科学院计算技术研究所无线通信技术研究中心，北京 100190）

0 引 言

随着信息技术的发展，信息通信系统已经从简单机器互联的IT1.0时代和人机互联的IT2.0时代，迈入了人机物三元互联的IT3.0时代。在IT3.0时代，伴随着数以亿万的物端设备加入，现有以人与人（Human to Human，H2H）通信为核心的移动通信系统已经无法满足这一需求。为此，在5G通信系统中，机器类通信（Machine-Type Communication，MTC）技术应运而生[1-2]。在5G系统机器类通信场景下，海量MTC设备间通过使用移动网络进行通信，以此完成特定的任务。在各行各业信息化改造升级的迫切要求下，未来MTC技术在医疗卫生、公共服务、智慧城市、物流和能源等领域将有着广泛的应用空间。

传统的蜂窝网络具有覆盖广的特点，提供无处不在的连接，可以作为承载MTC的无线网络。但是，蜂窝网络为传统的H2H通信设计，而在一个单元小区内可能存在数万个MTC设备，且其业务特性各异，对接入时延的需求也不同。如果大量的MTC设备在短时间内大量接入，会造成严重的网络拥塞，导致接入延迟甚至无法接入等问题。为此，在5G系统设计过程中，如何解决MTC类通信场景下海量设备并发接入带来的拥塞问题，成为需要解决的关键问题之一。

目前，已有部分针对MTC设备过载问题的研究。文献[3]提出了一种动态的随机接入资源分配方案，当一个MTC终端申请到上行资源时，多个MTC设备同时使用一个随机接入上行资源；文献[4]考虑用户的QoS需求，引入QoS感知自适应过载控制机制，在执行随机接入时优先考虑时延敏感用户，减轻了过载问题；文献[5]提出了一种前导码分组DQ（Distribute Queuing）算法，可以有效降低平均接入时延；文献[6]提出将全部的前导码划分为k个子集，然后在每个子集中独立去执行竞争解决，在平均访问时延方面改进显著。

ACB（Access Class Barring）机制被视为解决网络拥塞问题最有效的方法之一。文献[7-9]提出了动态调整ACB因子的方法，而ACB因子的值将根据MTC的负载进行调整。当拥塞级别非常高时，ACB因子会被设置为一个较低的值，通过限制接入设备的数目很好地解决网络拥塞。但是，MTC业务有时延容忍和时延敏感之分，ACB机制默认所有的MTC业务具备相同的优先级，网络拥塞时将无法保证时延敏感业务的时延需求。文献[10]采用EAB（Extended Class Barring）思想提出了一种自适应多重ACB因子的算法，针对不同优先级的设备设置不同的接入概率因子。发生拥塞时，该算法可以保证高优先级设备的接入成功率和接入时延。但是，多重ACB因子使得算法复杂度变高，且未考虑低优先级设备接入控制时延过长，超过了其时延容忍度的问题。

综上，上述文献给出的方法要么没有考虑时延需求，要么实现复杂，要么缺乏公平性。为此，针对5G系统机器类通信场景下海量设备接入可能造成的网络拥塞问题，本文提出了一种基于动态接入优先级的拥塞控制策略。该策略对接入设备划分优先级并进行动态更新，且控制不同优先级设备的接入概率。具体地，根据MTC设备对时延容忍度的不同，初始化为高、中、低三个接入优先级。不同的优先级采用不同的接入概率因子，优先保证高优先级设备的接入时延，且对中优先级和低优先级的设备计算当前的接入时延，根据设备的时延容忍度和当前的接入时延动态调整其接入优先级。仿真结果表明，本文所提方法可以有效控制系统拥塞，在保证不同优先级设备的接入时延前提下，提升设备的接入成功率。

1 相关技术

1.1 5G MTC类通信场景下随机接入过程

根据3GPP组织对5G MTC类通信场景协议标准的定义，机器类设备（Machine-Type Device，MTD）在通信过程中与基站建立连接，首先需要执行随机接入过程。随机接入过程分为竞争随机接入和非竞争随机接入。网络拥塞主要发生在初始接入的情况下，因此本文主要研究竞争随机接入，如 图1所示，主要分为四步[11]。

图1 随机接入过程

步骤1：UE从可用的前导码集合中等概率地选择一个前导码作为msg1发送给基站。多个UE在同一时频资源可能选择相同的前导码，即发生前导码冲突问题，但msg1不包含能标识UE的任何信息，所以基站此时无法解决UE之间的竞争问题。

步骤2：基站向UE发送随机接入响应，即msg2。msg2主要包括为UE临时分配的RNTI、上行资源授权和时间调整量等，并使用RA-RNTI加扰。

步骤3：UE设备根据接收的时间对齐信息完成上行同步，并根据msg2中分配的上行授权信息发送带有UE标识的上行消息msg3，且在msg3发送后启动竞争解决定时器。如果在msg1中有多个UE选择相同的前导码，唯一的UE标识可以用于解决竞争冲突。

步骤4：如果基站成功解码了msg3，会向相应的UE设备发送竞争解决消息msg4。msg4包含RRC连接建立响应信息和解决竞争冲突的UE标识。

步骤1中，当设备大量接入时，前导码数量有限，许多设备选择相同的前导码，成为造成网络拥塞的主要原因。

1.2 ACB过程

为了解决竞争接入随机过程中可能出现的网络拥塞问题，可以通过ACB方法降低网络拥塞，主要方法为：基站通过广播消息携带接入控制参数的SIB2消息（控制参数主要包括接入概率因子p和接入禁止时间Tbarring，接入概率因子p是[0,1]中的一个随机数）。当UE设备接收到此消息后，会产生一个[0,1]之间的随机数，如果产生的随机数小于接入概率因子p，则允许发起随机接入；否则，退避一段时间后发起接入。

2 系统模型

本文考虑典型单小区生活社区应用场景下的机器类通信问题。如图2所示，在一个基站覆盖范围内有N个MTC设备，呈均匀分布。

图2 单小区MTC设备分布

根据MTC设备的时延容忍特性进行优先级分类，其中对实时性要求高的设备（如盗窃告警、气体泄漏告警、健康状况监测等设备）设为高优先级设备，对实时性要求低的设备（如智能测量、智能监测等设备）设为低优先级设备，对实时性要求一般的设备（如监控、智能家居、语音服务等设备）设为中优先级设备。MTC设备具有事件触发的特点，则根据3GPP提出的流量模型[12]，事件触发采用Beta分布。对于Beta分布，假设t∈0～T，其概率密度函数p(t)为：

当T取1000个接入时隙时，服从Beta分布的MTC业务到达率模型如图3所示。

由图3可知，MTC设备的到达率会在短时间内迅速上升，大量设备短时间内同时发起接入时会造成严重的网络拥塞。

3 拥塞控制策略

3.1 基本原理

本文提出一种基于动态接入优先级的拥塞控制策略——DAP（Dynamic Access Priority）。DAP策略的原理为：终端依据其自身的时延容忍度进行初始优先级的设置，时延容忍度高的设备设置为低优先级设备，依此类推。采用ACB机制，不同优先级的设备根据广播的接入控制参数采用不同的概率进行接入。为了避免低优先级设备或中优先级设备出现饥饿现象，每个接入设备需要计算其当前的接入控制时延，并与其自身的时延容忍度进行比较。终端检查是否满足优先级更新的条件，如果满足，则进行优先级的动态更新。一个低优先级设备经过多次退避，可更新为中优先级设备甚至高优先级设备，增大接入概率，降低接入时延。同理，中优先级设备可能更新为高优先级设备。DAP策略可以保证MTC设备发生网络拥塞时拥有较高的接入成功率和不同的优先级设备对于接入时延的需求。

图3 MTC设备到达率

3.2 DAP策略具体步骤

本文提出的DAP拥塞控制策略主要分为以下步骤。

步骤1：参数的初始化设置。终端根据初始优先级的不同，分别设置Th、Tm和Tl。Th表示高优先级的最大容忍时延，Tm表示中优先级的最大容忍时延，Tl表示低优先级的最大容忍时延。

步骤2：基站广播一个接入概率因子α和接入禁止时间Tbarring，α需要根据当前的网络负载情况动态调整。网络负载高时，减小α的值，限制发起随机接入的终端数目，降低碰撞概率，降低网络拥塞；网络负载低时，增加α的值，提升信道利用率。

步骤3：终端计算当前的接入控制时延Tdelay，接入控制时延包括终端的接入禁止时间Tbarring、执行随机接入过程的时间以及发生前导码碰撞导致的退避时间Tback_off，初始值为0。

步骤4：终端计算其时延容忍度和当前接入控制时延的差值T-Tdelay，时延容忍度T表示该终端允许的最大接入时延。不同终端具有不同的时延容忍度，如果T-Tdelay≤Th，该终端更新为高优先级；如果Th＜T-Tdelay≤Tm，该终端更新为中优先级；如果Tm＜T-Tdelay≤Tl，该终端更新为低优先级；

步骤5：终端产生一个0～1之间的随机数p。当终端是高优先级时，直接进行接入；当终端是中优先级时，如果p＜α，进行接入，否则退避时间Tbarring后，返回步骤2再尝试进行接入；对于低优先级的终端，如果p＜α/2，进行接入，否则退避时间Tbarring后，返回步骤2再尝试进行接入；

步骤6：当终端允许发起接入后，依照竞争随机接入过程与基站建立连接。如果接入失败，根据msg2中的BI值进行退避后，回到步骤2重新发起随机接入。

以上过程如图4所示。

图4 DAP策略流程

4 性能分析

对本文提出的DAP拥塞控制策略进行性能评估。假设整个仿真周期为Ts，每秒有m个接入时隙，则总共有T×m个接入时隙，这里用NRAO表示；终端总数目用M表示，高优先级的终端数目用MH表示，中优先级的终端数目用MM表示，低优先级的终端数目用ML表示；可用的前导码数目数目用R表示；Mi定义为在第i个接入时隙发起接入的终端数目，这里采用文献[13]提出的Markov方案对接入负载进行动态估计。同理，Mi,h定义为第i个接入时隙发起接入的高优先级的终端数目，Mi,m定义为第i个接入时隙发起接入的中优先级的终端数目，Ms,l定义为第i个接入时隙发起接入的低优先级的终端数目。本节将从碰撞概率、接入成功率和平均接入时延三个性能指标进行分析。

4.1 碰撞概率（Pc）

前导码碰撞概率指的是在整个仿真周期内发生碰撞的前导码数目与系统可用的前导码数目的比值。单时隙发生碰撞的前导码数目可以表示为可用前导码的总数目与成功接入的前导码数目和空闲的前导码数目的差值。其中，在时隙i发起接入的终端数目为Mi，则成功接入的的前导码数目Ms,i可定义为：

在时隙i空闲的前导码数目Mu,i可定义为：

则碰撞概率PC可定义为：

4.2 接入成功率（PS）

接入成功率指的是在整个仿真周期内成功接入的终端数目与终端总数目的比值。其中，在第i个时隙成功接入的终端数目即成功接入的前导码数目，可由式（3）得出，则平均接入成功率PS可表示为：

同理，高优先级设备的接入成功率PS,H可以表示为：

中优先级设备的接入成功率PS,M可以表示为：

低优先级设备的接入成功率PS,L可以表示为：

4.3 平均接入时延（Td）

终端接入时延主要包括三部分：初次发起随机接入过程的时间T1；接入失败后重传的时间T2，T2包括由基站所指示的退避时间和再次发起随机接入过程的时间；发生网络拥塞时，基站广播的禁止接入时间Tbarring。对于高优先级设备，不包括禁止接入时间Tbarring，则其平均接入时延TH可以定义为：

其中，PMAX表示最大重传次数；(T1+kT2)(1-PC)PkC表示重传k次的接入时延，对其取期望值可以得到平均接入时延。

对于中优先级设备，增加了由ACB因子产生的禁止接入的时延。禁止接入的时延可定义为禁止接入的次数和禁止接入时间的乘积，禁止接入的次数nm可定义为：

其中，Nh表示终端由中优先级更新为高优先级需要禁止接入的最大次数；k表示退避次数；n表示重传的次数；pk,n表示禁止接入次数为k、重传次数为n时的概率；α表示为仿真周期内，中优先级的接入概率因子的平均值。接入概率因子可由 文献[8]提出的方法进行动态估计，α可定义为：

则中优先级设备的平均接入时延为：

同理，对于低优先级设备，禁止接入的次数nl可定义为：

其中，Nm表示终端由低优先级更新为中优先级需要禁止接入的最大次数，其他参数同上，则低优先级设备的平均接入时延为：

总的平均接入时延可以定义为：

5 系统仿真与结果分析

5.1 仿真参数

通过MATLAB仿真对本文提出的DAP拥塞控制方法进行性能评估。仿真实验中，将模拟大量MTC设备发起接入场景下，DAP拥塞控制策略在MTC设备碰撞概率、接入成功率和平均接入时延三方面的性能。本文将对DAP策略与使用3GPP给出的无拥塞控制的方法（简称方案一）和传统ACB策略（简称方案二）进行比较。系统仿真参数参考3GPP标准的建议[14]，基本参数配置如表1所示。

表1 仿真主要参数

5.2 仿真结果

图5为不同方案下，随着MTC设备数的增加碰撞概率的变化。可以看出，方案一的碰撞概率随着MTC设备数目增多而急剧增加，因为每个接入时隙的设备数目增加增大了碰撞概率，发生碰撞的设备退避一段时间后发起接入会再次增加接入的设备数目。方案二和本文策略都采用广播ACB因子控制接入数目，碰撞概率明显降低。但是，方案二采用了固定的ACB因子，不能很好地根据网络负载进行动态调整，而本文提出的DAP方法可以根据网络负载动态调整，因此系统碰撞概率最低。

图5 不同方案下的碰撞概率

图6为不同方案下随着MTC设备数的增加接入成功率的变化。可以看出，方案一的接入成功率随着MTC设备数目的增加而急剧下降，这是因为发生网络拥塞时大量的设备由于碰撞而无法接入。方案二与本文提出的策略通过控制接入终端的数目，可以有效提升接入成功率。方案二采用了固定的ACB因子，性能相比方案三略有下降。

图6 不同方案下的接入成功率

图7为对不同方案下MTC设备数的增加后平均接入时延的变化。

图7 不同方案下的平均接入时延

可以看出，方案一的平均接入时延缓慢提升，且保持在一个较低的水准。这是因为方案一没有ACB机制的接入控制时延，但随着其碰撞概率的增加，退避次数随之增加，其平均接入时延也有所增加。方案二的平均接入时延在设备数目达到15×103时开始急剧增加，这是因为15×103之前拥塞程度较低，不需要启动ACB策略。随着拥塞程度的提升，接入控制时延开始急剧增加，且由于未区分优先级，时延敏感设备的接入时延也得不到保证。本文提出的DAP策略区分接入设备优先级，高优先级设备的平均接入时延保持在一个较低的值，是因为高优先级设备不受ACB因子的控制直接进行接入，没有控制接入时延。低优先级的接入时延低于方案二，是因为随着接入控制时延的增加，低优先级设备会更新为中优先级甚至高优先级，且方案二采用固定的ACB因子也会增大其平均接入时延。

6 结 语

本文对万物互联的5G系统中机器类通信场景下可能出现的网络网络拥塞问题展开了研究，提出了一种基于动态优先级的拥塞控制策略。该方法动态考虑不同接入设备的优先级，根据优先级的不同采用不同的接入概率，有效地控制了网络拥塞，并且保证了高优先级设备的接入时延，同时根据接入控制时延动态更新优先级，降低低优先级设备的接入时延，避免低优先级设备由于网络拥塞出现饥饿现象。仿真结果显示，在海量设备并发接入场景下，本文提出的DAP策略相比传统的ACB策略和无拥塞控制策略，在碰撞概率、接入成功率和接入时延方面具有更好的性能。