基于校园大数据的无线网络AP布局优化

肖 明，谭凤霞，舒江波*，赵 亮，吴小平，张昭理

(1.华中师范大学信息化办公室，武汉 430079；2.华中师范大学教育大数据应用技术国家工程实验室，华中师范大学国家数字化学习工程技术研究中心，武汉 430079)

随着教育信息化的不断发展，高校利用移动设备学习办公越来越普及，高校移动学习办公需要校园无线网络的支持.校园无线网络的覆盖能否满足师生的需求，保障服务质量，可以从三个方面衡量：1) 在当前校园环境下，无线网络AP能否实现校园基本覆盖；2) 实现无线网络覆盖的区域是否能满足用户的上网需求；3) 覆盖区域与区域之间的无线切换能否实现“无感知”切换，提高用户体验.当前，高校校园内的无线网络AP的布局大多由人工凭借经验进行部署的，安装在人流量聚集的教学楼、图书馆阅览室、餐厅等大型公共场所.人工决策模式不能实时的监控校园无线网络的服务质量，其原因如下：第一，只有当师生向学校反映，学校才会发现问题并加以解决；第二，师生并没有太多主动反馈的意识和意愿，大多数都是被动接受现状；第三，大部分高校也没有设置专门的部门来接受校园无线网络质量反馈；第四、师生的反馈可能不全面、不专业、不精确.如何自动发现校园无线网络服务质量问题并给出优化实施方案是亟需解决的难点.

在无线网络AP布局方面，已经有很多学者开展了大量的研究.从静态节点部署角度，文献[1]考虑了二维无线区域中的泊松点过程，并提供了到个近邻的距离的密度函数；文献[2]提出了已知固定数目的节点均匀分布在给定区域中的网络模型；针对二维网络模型，有研究者提出了任意形状下的网络距离分布[3]；针对均匀分布的用户，有研究者提出了一种能量效率度量方法，研究中继位置的选取和覆盖范围的联合优化[4]；孙子文等人采用了一种基于泰森多边形形心引力和节点安全连接引力的虚拟力的部署方案以提高节点覆盖率[5]；针对关键区域的覆盖问题，研究者提出一种关键区域启发式优化算法，该算法能够形成具有最少数量的关键区域覆盖格点集合，并以该集合中格点位置构建覆盖关键区域网络的传感器放置位置[6]；还有的学者为了使系统最大化利用，研究了中继站的最优位置，并给出了中继站数目对系统容量的影响[7].从动态节点部署的角度，张微微等在大数据环境下，利用鱼群算法不断自适应的调整自身游行状态的特征对传感器节点覆盖优化问题进行求解，提高了节点覆盖率[8]；向庭立等利用融入热点区域信息改进的布谷鸟算法位置更新方程并重构目标函数，最终实现区域覆盖率的优化[9]；向才辉设计了一种基于改进遗传算法的节点优化覆盖策略，降低了节点重复覆盖比例，使节点部署更加合理[10].上述研究主要从覆盖率方面考虑的节点优化，而没有考虑当覆盖率和节点数达到限值后，如何提高网络吞吐量以保障服务质量.

鉴于此，本文以华中师范大学的校园无线网服务为研究对象，利用校园内师生位置信息、师生上网行为信息、学校网络设备监控信息等构成的校园大数据，构建校园无线网络AP布局动态优化模型，实现校园无线AP服务动态监测与反馈，达到预警网络拥塞、提高校园无线网络服务质量的目的.

1 基于校园大数据的无线网络AP布局动态优化

1.1 优化模型

基于校园大数据的无线网络AP布局动态优化的思路为：第一步，以校园无线网络AP布局的当前状态为基点，以校内各个教学、工作、学习、活动区域内师生位置信息、师生上网信息、网络接入点设备信息汇聚形成的校园大数据为分析对象，以长期积累的人均带宽经验值为参考，通过聚类分析，计算出满足无线网络AP服务质量保障所需的AP位置信息；第二步，将结果反馈给学校相关部门，学校相关部门获得信息后，根据实际情况，进行无线网络AP的位置调整以及设备管控；第三步，评估调整后的无线网络AP服务质量，直至人均带宽能力达标；第四步，以调整后达标的无线网络AP布局状态为基点，重复执行上述过程.

优化模型如图1所示.图1中，×代表当前区域内无线网络AP的位置.

图1 优化模型Fig.1 Optimization model

1.2 无线网络AP流量表征

本文用四个指标表征校园无线网络AP的流量状况，分别为：无线网络节点覆盖率、节点流量值、节点流量阈值、色值.

1) 节点覆盖率

在无线网络部署的区域中，AP节点部署后所覆盖的区域面积占部署区域总面积的比值称为节点覆盖率，记为φ，计算公式如下.

(1)

2) 节点流量值Φ

某一时刻AP节点覆盖人群产生的流量总和，记为Φ，

(2)

其中，Φi,t表示第i个人某时刻t下的流量值，N为当前AP节点覆盖区域人数.

3) 节点流量阈值

AP节点能够承受的最大的流量值，记为Φ′，计算公式如下.

Φ′=αΦmax，

(3)

其中，α为影响因子，Φmax为此设备能承受的最大流量值.

4) 色值

色值是指节点流量值与节点流量阈值的比值，记为α.α最大值为1，标记为红色，最小值为0，标记为蓝色.将0.45～0.75之间的色值定义为中间色值，其余为边缘色值.

通过以上四个指标，可以刻画任意时刻下校园无线网络AP的流量状况图，即数据流量地图.图2刻画了华中师范大学某一天早上九点的无线网络AP数据流量地图，根据色值定义，当色值越接近0.75，说明无线网络AP利用率越高，节点呈现橘红色；当色值越接近1，无线网络AP呈红色报警状态.在图2中，边缘色值占据了所有无线网络AP的大部分，说明在教学楼、学子餐厅等师生活动地点网络拥堵；佑铭体育馆和博雅广场人流量较少的地点无线网络AP利用率不高.

通过图2可以看出，华中师范大学校园内的网络节点基本全覆盖，但由于校园内环境复杂，这个时间段在上课教学、食堂就餐以及室外文化体育活动等人流量高度集中的区域，出现网络拥堵，影响了师生的上网体验.

校园无线网络的覆盖要满足师生的需求，保障服务质量，需要着重研究节点流量值、节点流量阈值这两个指标.一般来说，节点流量阈值是一个无线网络AP能够承受的最大的流量值.节点流量值是指某一时刻一个无线网络AP产生的流量值.一旦流量值逼近甚至超过阈值时，用户体验就会大大降低.因此，对节点流量值的监控以及根据某时刻节点流量值调整无线网络AP的布局，将会大大改善无线网络的质量，提高用户的体验.

图2 某校某时刻数据流量地图Fig.2 Data traffic map at a certain time in a school

将校园内师生位置信息按区域划分，对该区域下师生上网行为信息进行分析，计算当前区域所需总流量.在一些情况下，用户的流量信息没能很好的记录下来，这样会对最终的流量统计造成影响.为此，本文引入人均带宽需求的概念，用来填补这些空白数据.假设每个人使用的平均带宽相等，那么，人数越多的地方所需带宽越高.为了代表各种网络业务的应用情况，根据业务类型、带宽需求、平均持续时间等把业务分成五个不同的应用组，如表1所示.

表1 师生常用业务所需带宽情况Tab.1 Bandwidth required by teachers and students

5) 人均带宽需求

(4)

其中，Mi表示用户在第i个业务应用时的平均带宽；ai表示第i项业务的权重；Ti,Tj表示用户在第i/j个业务应用时的平均持续时间；n表示业务应用种类，本文取值5.引入业务权重参数，主要是由于校园环境是变化的，在学期的不同阶段，用户的行为习惯可能会发生改变.由此，可以通过调整各个业务的权重，尽可能的表现用户真实的带宽需求，进而提升用户体验.

6)节点数

节点数是当前区域范围内所需要的无线AP节点数，其计算公式如下.

(5)

1.3 无线网络AP

根据所得节点数对该区域师生位置信息进行聚类分析，聚类最终得到质心的坐标就是无线网络AP应该部署的位置.

无线网络AP位置获取算法的过程如表2所示.

表2 无线网络AP位置获取算法Tab.2 AP location acquisition algorithm for wireless network

2 实施效果

2.1 局部优化

本文以华中师范大学学子餐厅、博雅广场、佑铭体育馆以及八号教学楼四个最具有特征性的区域作为实施观测对象.为了对观测结果进行评价，本文采用熵评价方法.

每个聚类i的熵定义为：

(6)

其中，Pij表示聚类i中的成员属于类j的概率；L表示类的个数.

整个聚类划分的熵为：

(7)

其中，K类的数目是整个聚类划分所涉及到的成员个数.通过节点流量阈值和人均所需带宽，计算出当前区域所需节点数，即k然后进行聚类分析.

图3展示了学子餐厅、博雅广场、佑铭体育馆、八号教学楼无线网络AP布局调整前后的覆盖范围对比.图3中□、△、☆、○表示人群分类，×代表无线网络AP.

图3 无线网络AP布局调整前后覆盖范围对比Fig.3 Comparison of coverage before and after wireless network AP layout adjustment

图3中(A-pre)、(B-pre)、(C-pre)、(D-pre)是优化前人工决策的无线网络 AP对应于人群的位置图，图3中(A-opt)、(B-opt、(C-opt)、(D-opt)是根据人群位置信息优化后所得出的k个无线网络AP位置图，每个AP对应各自的区域，通过形状可以区分.

通过对比分析无线网络AP前后的位置差异，可以看出优化前的AP覆盖随机分布，与人群的分布存在较大出入，而通过人群变化来改变AP位置的优化策略，能满足实际需求，避免多余节点的资源浪费，提高节点的利用率.

本文中四个观测对象优化前后k值以及聚类的熵的结果如表2所示.从表2中可以看出，四处观测区域优化后的entropy对比优化前有明显的下降，说明了本文优化方法是有效的.

表3 观测区域优化结果对比Tab.3 Comparison of observation area optimization results

2.2 整体效果

华中师范大学全校的无线网络AP优化前后的效果对比如图4所示.

图4 校园无线网络AP优化前后效果对比Fig.4 Comparison of before and after effects of campus wireless network AP optimization

从图4中也能看出，对于教学楼，学子餐厅等教职工活动区域，无线网络AP数量增加，并且颜色由深红色转为橘色，说明网络节点承载量减少，负荷减小；对于佑铭体育馆、博雅广场等区域，无线网络AP数量减少，并且颜色由蓝色转为浅黄色，说明网络节点承载量加大，提升了节点利用率.

3 结语

本文是华中师范大学利用教育大数据创新学校治理，提升服务质量的应用探索实践之一.

本文的创新点主要体现在两个方面：一是数据驱动，充分利用校园大数据，进行校园无线网络服务质量评画像，重点刻画师生流量需求、师生日常聚集分布、校园无线网络AP的位置、状态和服务能力等特征.二是动态优化，校园无线网络AP的布局优化不是静态的、一次性的工程，而是动态的、长久运作的机制.校园无线网络AP的布局，由师生长期不断变化的无线网络访问需求来决定，每次优化后的状态，会成为下一次优化的基点，这决定了优化过程的动态性和持久性.

本文的研究实践，有效地避免了在特定时间段及特定地点下的网络拥堵，提高了师生的用户体验，在很大程度上避免了低人流量区域的网络节点利用率问题.但是，本文只探究了固定时间下的无线网络AP布局优化.下一步，将探索在全校无线网络AP数量充足的情况下，根据时间段的不同，自动控制无线网络AP的开启状态，在保障师生无线上网服务的前提下最大限度减少无线网络AP的启动数量，实现最大化的节能.