空中应急通信网络中基于多属性的关键节点识别

权 治，李艳冠，李保罡，焦利彬

(1.中国电子科技集团公司第五十四研究所，河北 石家庄 050081；2.华北电力大学 电子与通信工程系，河北 保定 071003；3.通信网信息传输与分发技术重点实验室，河北 石家庄 050081)

0 引言

从1897年伽利尔摩·马可尼完成固定站与船只之间的无线通信实验，到现在5G技术的成熟应用，通信技术已经成为人们日常生活不可或缺的一部分。自然灾害会导致大面积的通信中断，不仅影响灾区的正常通信，还会延误救援行动的有效实施[1]。如何保障施救与被救人员之间有效的沟通，即保障灾区的应急通信，一直是学术界和工业界研究的重要课题[2]。

传统保障应急通信方案有构建应急通信站[1]、配置应急通信车[2]和调试卫星通信前端[3]等。但对于特定类型的灾害，上述方案还存在一定的局限性。应急通信站的覆盖范围较小、体积较大、搭建成本高、耗费时间长，且易受到地形、植被和地球曲率的影响[1]；作为通信系统与信息系统有机集成的平台，应急通信车能综合各种应急服务资源，但在极端场景，车辆平台易受交通阻碍，难以及时部署到合适地点提供保障服务[2]；虽然具有通信距离远、通信质量高、系统可靠性高等特点，但卫星通信移动部署时多依赖专用终端设备，仍停留在被动搜救状态[3-4]。

基于无人机的空中应急通信网具有高空立体侦察、灵活性高、成本低、部署方便和操作简单等特点，可为构建与大国应急管理能力相适应的中国现代应急管理体系提供有力支撑[5]。例如，2021年7月，电信运营商携带系留无人机基站赶赴河南郑州、新乡等遭受暴雨袭击的灾区支援通信恢复工作[1]。目前，针对无人机集群的研究主要集中在协同组网[2,6-7]、拓扑重构[8]、通信覆盖[9-10]和抗毁自愈[11]等，还未出现针对无人机组成的空中应急通信网络关键节点识别的研究。无人机本身性能状态的差异使基于多架无人机的空中应急通信网络具有非同质结构的特点，不同能力的无人机在应急通信中扮演不同的角色共同完成恢复通信的任务。在应急通信网络中，覆盖能力广、接入能力强且服务时间长的无人机具有较强的保障恢复通信的能力，一旦此类关键节点受到干扰，应急通信的恢复任务将受到严重影响，因此，识别网络中的关键节点对保障应急通信十分重要。

通常，关键节点的识别技术依赖于网络本身的结构和特点。例如，文献[12]提出了一种改进介数中心性方法识别关键节点，并通过实验仿真证明该方法的有效性。但使用基于网络拓扑信息的一种指标来确定关键节点比较片面，且算法的时间复杂度也比较高。文献[13]在城市轨道交通网络中基于聚类思想得到一种能够避免主观因素干扰的关键节点识别方法。文献[14]根据Ad Hoc网络拓扑动态性、计算复杂度高等特点，提出了一种基于网络连通性和节点删除法相结合的关键节点识别方法。文献[15]在给定节点间连通性的节点效率指标基础上,提出了基于改进节点重要度贡献矩阵的电网关键节点的识别方法。以上研究虽然基于网络连通性这一全局拓扑指标，但指标单一，具有一定的局限性，不适用于复杂场景下的网络关键节点识别。

针对复杂网络中关键节点识别的问题，不同网络根据应用场景的不同构造了不同的多属性评价指标，例如，Hu等人[16]将不同的中心性度量视为网络的多属性指标，还考虑了评价指标的权重。文献[17]利用节点的多种拓扑属性建立指标体系，然后基于各指标的主客观权重，获得了节点的重要性排序。以上2种方法对多指标赋予不同的权重，并使用了多属性决策算法对不同指标进行权衡，但只以网络拓扑指标作为衡量标准，没有考虑应用场景对节点重要程度的影响。

在空中应急通信网络中，由于保障任务的需要及无人机自身的特点，节点的属性特征和自身具有的能力成为决定节点重要程度的关键因素。因此，需要构建更加完善的评价指标体系，综合多个属性指标，得到网络中的关键节点。本文根据空中应急通信网络的特点，构建了节点重要性评价指标体系，克服了传统的仅基于网络拓扑指标决定节点重要程度的局限性，并提出了一种基于优劣解距离法(Technique for Order Preference by Similarity to an Ideal Solution，TOPSIS)的多属性决策方法识别网络中的关键节点。本文的主要贡献概括如下：

① 考虑无人机节点需要保障用户身份的不同，以及无人机本身载荷少及能量存储有限的特点，结合节点在网络拓扑中的位置，构建了包括节点属性指标和节点拓扑指标的综合评价体系。

② 采用层次分析法(Analytic Hierarchy Process，AHP)和熵值法相结合的权重赋值方法，获取各个评价指标的综合权重，并提出一种基于TOPSIS的多属性决策方法计算节点的重要程度。

1 空中应急通信网的图模型

本文空中应急通信网由多架悬停在空中的多旋翼无人机组成，如图1所示，其中多旋翼无人机具有体积小、质量轻、成本低、控制灵活、结构简单和易维护等特点，发射本身不需要弹射器、发射架，飞行高度低，可悬停、侧飞、倒飞，被广泛地应用于教育科研、航拍、军用、应急救灾和通信热区保障等众多领域。

图1 空中应急通信网示意Fig.1 Schematic of air emergency communication network

多旋翼无人机在空中构建自组织网络后，在一定时间内具备相对稳定的拓扑结构。假设无人机之间的通信协议相同、通信距离在允许范围内且通信链路均为对称链路。从图论角度出发，将每架无人机视为单个节点，则图1中的空中应急通信网可用无向图G=(V,L)表示，其中V={v1,v2,…,vn}为图G的无人机集合，|V|=N表示节点个数为n；E={eij|i,j=1,2，…，n}表示图G中边的集合，

(1)

假设图G中共有K条节点间的通信链路，即|E|=K。

2 构建评价指标体系

空中应急通信网络是由多架无人机搭载通信基站升空，通过自组织方式构建的、为地面用户提供通信保障的网络。由于无人机自身的特点，在保障通信任务中，网络拓扑及节点的属性特征是影响节点重要度的关键因素。因此，本文从节点属性和网络拓扑两方面考虑应急通信网络中节点的重要性，具体评价指标及其之间的关系如图2所示。

图2 评价指标体系Fig.2 Evaluation index system

2.1 节点属性指标

在构建评价指标体系时，不仅需要考虑节点在网络中的位置，节点自身的属性特征也是影响网络可靠性和安全性的关键因素。

① 指挥能力(Command Ability，CA)

在整个应急救援过程中，由于无人机节点保障的地面用户身份属性不同，无人机节点的身份属性也发生了变化。在开展救援行动时，需要根据现场的灾情合理安排救援的人力、物力，因此指挥人员需要实时了解灾情和救援情况。本文根据无人机节点保障地面用户的指挥层级不同，建立节点的CA指标：

(2)

式中，l1,l2,l3,l4分别代表核心指挥、重要指挥、一般指挥和无指挥能力等级。

② 负载能力(Load Ability，LA)

多旋翼无人机体积小，载荷能力、处理能力有限，因此覆盖的区域和接入用户的数量均有限。由于地面用户并不是平均分布的，所以每架无人机保障的用户数量也不尽相同。有些用户聚集的地区，流量突发的可能性较大，易出现流量阻塞的情况，导致网络不能正常运行。因此，将无人机接入用户的数量定义为节点的LA，并作为关键节点识别的一个重要指标，其中每个节点接入用户的数量表示为：

(3)

式中，imax为无人机节点接入用户数量的上限。

③ 续航能力(Battery Ability，BA)

多旋翼无人机的BA一直是行业研究热点，在无人机保障通信过程中，由于无人机节点所处的环境以及接入用户数量的不同，导致能量消耗的快慢不同，因此其BA也产生差异。本文将无人机剩余存储的能量代表节点的BA表示为：

(4)

当无人机节点的能量低于30时，无人机将自主回收。

2.2 节点拓扑指标

① 度中心性(Degree Centrality，DC)

DC刻画节点与其他节点联系紧密度，节点的度越大，度中心值越高，表明该节点越重要。用CD(vi)表示节点vi的DC，则：

(5)

式中，k为节点vi的邻居个数。

② 介数中心性(Betweenness Centrality，BC)

节点vi的BC为：

(6)

③ 接近中心性(Closeness Centrality，CC)

CC为节点到其他节点的最短路径之和的倒数。其值越大，表示该节点越接近网络的中心。用CC(vi)表示节点vi的CC，则：

(7)

式中，d(vi,vj)为节点vi到节点vj的最短路径长度。

④ 特征向量中心性(Eigenvector Centrality，EC)

EC的基本思想是一个节点的重要性取决于其邻居节点的重要性。令xi表示节点vi的重要度，则：

(8)

式中，c为比例常数。A=(aij)为网络的邻接矩阵。

3 基于多属性的关键节点识别算法

本文提出一种基于多属性决策的分析方法对网络中每个节点的重要性进行排序。TOPSIS根据多个评价对象与理想化目标的接近程度对现有对象进行相对优劣评价，是一种非常有效的多目标决策分析方法。将空中应急通信网络的各架无人机节点看作一种方案，评价指标看作方案的属性，将关键节点识别的问题转换为多属性决策问题。权重计算是多属性综合评价的重要步骤，本文结合AHP法和熵值法2种方法，从主客观2个维度赋予评价指标综合权重，本文所提方法主要包括3个阶段。

3.1 构造决策矩阵

假设空中应急通信网络节点重要性评价体系中，总共有n个节点，选取m类评价指标，则可构成数据矩阵：

(9)

由于各指标的计量单位并不统一，为便于比较，需要进行标准化处理：

(10)

式中，xij为矩阵X的第i个节点的第j项指标。标准化后的矩阵记为R=[rij]n×m。

3.2 获取评价指标权重

(1) 基于熵值法的客观赋权法

熵值法属于客观权重赋值法，是计算指标权重的经典算法之一。指标的离散程度越大，信息量越大，不确定性就越小，熵也就越小，该指标在综合评价中的作用也就越大。计算熵值的具体步骤如下：

③ 计算第j项指标的差异系数dj=1-ej；

(2) 基于AHP的主观赋权法

AHP将定量分析与定性分析相结合，用决策者的经验判断各衡量指标之间的相对重要程度，具体步骤如下：

① 根据空中应急通信网络关键节点识别的目标及其评价指标，建立目标层(关键节点)→准则层(评价指标)→方案层(网络节点)的层次结构模型；

② 构造判断矩阵A=(aij)m×m，其中m为评估指标的个数，aij为第i项指标比第j项指标重要的程度，其取值可参考Satty的比例标度，如表1所示。

表1 比例标度规则Tab.1 Rules of scale

③ 利用特征向量法获取判断矩阵的最大特征值λmax(A)，然后利用一致性指标CI和随机一致性指标RI获得检验系数CR，其中CR=CI/RI，CI=(λmax(A)-m)/(m-1)，且RI与矩阵A的阶数有关，如表2所示。如果检验系数CR<0.1，则判断矩阵A的不一致程度在容许范围之内，通过一致性检验；否则通过调整aij重新构造判断矩阵。

表2 RI的取值Tab.2 Values of RI

(3) 计算综合权重

第j项指标的综合权重可表示为：

(11)

3.3 基于TOPSIS方法对节点重要性排序

① 构造加权规范化矩阵

结合前2个阶段获得的规范化矩阵和综合权重，构造加权规范化矩阵Z=Rwm；

② 确定正理想解和负理想解

(12)

(13)

⑤ 根据④中计算的Ci的大小对各个节点的重要性进行排序，给出关键节点的评价结果。

4 实验与分析

本文构建如图3所示的无人机空中应急通信网络仿真环境，其中通信网络由16个节点构成，每个圆圈代表一个无人机通信节点，每个节点为不同级别和不同数量的用户提供通信保障。

图3 空中应急通信网拓扑Fig.3 The communication topology of air emergency communication network

为保证算法的普适性，空中应急通信网络由计算机软件随机生成，节点等级、节点负载、节点能量的评分均由随机函数产生。表3给出了每个节点评价指标的评分。

表3 评价指标的评分Tab.3 Score of evaluation index

本文采用AHP法对各个评价指标权重进行主观赋值，判断矩阵：

由DC，BC，CC，EC，CA，LA，BA共7个指标之间两两比较获得，其中，DC描述的是局部信息，重要性最差；BC，CC，EC描述的是全网拓扑信息，重要性较高，而CC考虑的是到其他节点的平均距离，更符合核心节点的布置规则，因此CC的重要性是拓扑指标中最高的；根据组成空中应急通信网络节点的特性，本文设置节点属性指标的重要性程度整体高于拓扑指标，由于无人机的能量是限制应急救援时长的重要指标，因此将BA的重要性程度设置为最高。

通过熵值法和AHP方法分别计算各个指标的客观权重和主观权重，并获得综合权重，权重之间的关系如图4所示。从图4可以看出，熵值法是根据数值特点赋予权值，没有规律可寻，其中BA权值与DC权值几乎相同，不符合实际；而AHP方法将BA重要性设为最高，使得BA的综合权重仅次于CA。CA表示节点保障地面用户的身份属性，通常重点保障用户身份属性高的节点，因此CA的权重最高是合理的。进一步，通过AHP方法修正的综合权重更符合空中通信网络的特点。

图4 评价指标权重分配Fig.4 Weight distribution of evaluation index

获得各指标的综合权重后，可构建加权规范化矩阵，并计算网络中各个节点的相对贴近度，即每个节点的重要性评分。为验证所提方法的有效性，将本文提出的CW-TOPSIS(Combination Weighting TOPSIS，CW-TOPSIS)方法与介数法[18]和CW_VIKOR方法[17]进行比较，节点重要性评价结果如图5所示。

图5 不同评价标准的节点重要性比较Fig.5 Comparison of different evaluation standards in terms of node importance

由图5可以看出，CW-TOPSIS方法将节点9排在最重要的位置，虽然节点属于整个空中应急通信网络的边缘，但该节点的CA指标最高，保障的是整个应急救援工作的指挥中心，而且节点接入用户的数量比较多，当前能量储备也非常低，因此该节点的重要度最高是合理的。虽然节点3和节点11的CA指标相同，但节点3在拓扑指标中的重要度高于节点11，因此，将节点3排在了第2位。节点10，13的CA指标相同，在只考虑拓扑指标的情况下，BC和CW_VIKOR两种方法均评价节点10的重要度最高，然而在加入BA指标后，由于节点13的剩余能量非常少，接近无人机回收的界限，需要重点关注其状态，因此节点13的重要度高于节点10的评价是比较合理的。

由图5还可以看出，以BC为代表的单一拓扑指标评价节点的重要度，在一些简单的网络中具有一定的合理性，但具有片面性。由于节点2，5，8，9，13，16处于网络的边缘，采用BC评价其重要度均为0，只能按照一定规则将其重要度排序。以CW_VIKOR方法为代表的融合拓扑指标的节点重要性评价方法，虽在一定程度上解决单一指标评价节点的问题，且在传统的网络中具有较高的应用价值，但随着网络节点的特殊性和应用场景的多样性，该方法具有一定的局限性，例如本文提出的由无人机构成的空中应急通信网络，由于无人机载荷少、能量有限的缺点，导致无人机在负载能力和保障时长上均存在局限性，因此，在关键节点识别时，需要考虑上述因素。

5 结束语

本文主要研究了空中应急通信网络中识别关键节点的问题。首先基于应急通信网络的特点，得到评价节点重要程度的指标，包括身份、载荷、能量、度中心性、介数中心性、接近中心性和特征向量中心性，然后采用AHP法和熵值法相结合的权重赋值方法获取各个评价指标的综合权重，提出一种基于TOPSIS的多属性决策方法计算节点的重要程度，最后通过数值仿真实验验证了所提算法的有效性。此外，本文研究的重点为多旋翼无人机在相对静态环境下关键节点识别的问题，未来将研究固定翼无人机集群高速动态环境下组网的关键节点识别问题。