一种基于组合策略的低轨星座网络流规划方法
2023-11-14马伟,肖嵩,周诠
马 伟,肖 嵩,周 诠
(1.西安电子科技大学,西安 710071;2.中国空间技术研究院西安分院,西安 710000;3.北京电子科技学院,北京 100083)
0 引言
低轨星座作为5G/6G网络的重要组成部分,在宽带互联网接入、卫星移动通信等领域发挥着关键作用。网络流规划是低轨星座系统的关键技术之一,其性能优劣直接影响网络吞吐量、传输时延、丢包率等核心指标。
针对星座网络流规划控制策略的研究大致分为两类:第一类主要集中在集中式、分布式、分层式等路由控制机制在低轨星座中的应用[1];第二类主要集中在控制器在星座中的部署机制,如通过多目标混合优化求解部署位置、基于可靠性评估的部署策略等[2]。
针对星座路由算法的研究主要包括:面向星座动态拓扑特性的路由算法[3](基于虚拟拓扑、基于覆盖区划分等)、多目标服务质量(quality of service,QoS)路由算法[4](多约束、多业务类等)、负载均衡路由算法[5](基于权重、自适应等)、多径路由算法等[6]。
单层星座较多采用单一的路由控制机制和路由算法,集中式可从全局视角规划路径和流量,但链路状态变化时响应慢、端到端资源预约方式带宽复用程度低;分布式自主性强、响应快,但路由收敛慢、全局优化难;同时采用单一的路由算法(最短路径算法等)难以兼顾吞吐量、负载均衡等需求。
文章对低轨星座网络流模型进行了分析,在此基础上针对不同网络流的特点、QoS要求等,研究设计了一种基于组合策略的星座网络流规划方法,并与单一策略规划方法在网络性能指标等方面进行了仿真对比。
1 低轨星座网络流模型
定义1(容量网络):设G(V,E),是一个有向网络,在V中指定了一个顶点,称为源点(记为Vs),以及另一个顶点,称为汇点(记为Vt);对于每一条弧
定义2(弧的流量):通过容量网络G中每条弧
定义3(网络流):所有弧上流量的集合f={f(u,v)},称为该容量网络的一个网络流。
弧流量限制条件:0≤f(u,v)≤c(u,v);
平衡条件:即流入一个点的流量要等于流出这个点的流量(源点和汇点除外)。
5G宽带互联网接入场景下,低轨星座主要负责实现天基无线接入网(radio access network,RAN)、天基承载网等功能,大量的接入流量和服务流量需要在低轨星座与5G核心网(5G core network,5GC)间传输处理,数据落地链路传输能力受限于地面信关站的数量及带宽。此种场景下,低轨星座网络流模型如图1所示。
图1 宽带互联网接入场景星座网络流模型
图1中,O代表轨道面数量,N代表每个轨道面部署的卫星个数,M代表每颗卫星对地的波束数量,K代表部署的地面信关站数量。
终端通过低轨星座向5GC获取服务时,由于涉及鉴权、计费等因素,终端产生的信令、业务流需由信关站落地进入5GC处理,对应 “多源单汇网络”;反之,各类服务商通过5GC向终端提供服务时,对应“单源多汇网络”;宽带互联网接入场景下的网络流规划问题对应带宽限制条件下的多源点单汇点最大流问题。
5G用户面功能(user plane function,UPF)下沉星座及卫星移动通信场景下,终端接入控制、资源分配、寻呼处理、路由转发、计费等工作主要由卫星完成,其后终端间通过低轨星座进行移动通信和数据交互,对应 “多源多汇网络”,上述场景下的网络流规划问题对应多源点多汇点最大流问题。此种场景下,低轨星座网络流模型如图2所示。
图2 卫星移动通信场景星座网络流模型
对于低轨星座,在进行网络流规划时需要综合考虑传输跳数、带宽、时延、丢包率等指标[7],代表性指标及其属性说明如表1所列。
表1 星座网络流代表性指标及属性
2 网络流规划方法
2.1 多源单汇网络流规划方法
低轨星座宽带互联网接入场景对应“多源单汇网络(获取服务)”和“单源多汇网络(提供服务)”,此场景下网络流主要发生在终端与5GC间,流向固定、持续时间较长,路径规划通常采用端到端方式;网络最大流主要受限于星间链路及星地链路带宽;网络流规划需要重点考虑负载均衡、拥塞控制和链路切换开销等。
针对低轨星座宽带互联网接入场景的上述特点,星座网络流规划控制比较适合由地面网络控制中心(network control center,NCC)集中完成。一方面,NCC可从全局视角掌握星座的负载状态、带宽占用情况、链路切换时刻等;另一方面,NCC可以充分发挥地面算力强、软件易于维护升级的特点,采用全局优化、计算开销大的路由算法。
在路由算法方面,宽带互联网接入场景适合采用负载均衡路由算法。负载均衡路由算法主要分为静态和动态两种,对于静态负载均衡路由算法,网络流在传输期间,通常不动态改变规划好的路径;对于动态负载均衡路由算法,在网络流传输期间会根据不同路径的负载情况,将负载过大路径上的部分流量调整到轻负载路径上,从而达到动态的负载均衡。
低轨星座较多采用的负载均衡路由算法包括:等效多路径路由算法(equal-cost multi-path routing,ECMP)[8],利用网络中存在多条等效路径,通过网络流某些字段的哈希值将网络流映射到不同的等效路径上;拥塞感知的多路径优化路由算法(congestion aware multi-path optimal routing,CAMOR)[9],首先计算节点间的多条等价最短路径,再根据不同路径的负载情况、可用带宽等,从中选择发生拥塞可能性最小的路径作为最优路径。
2.2 多源多汇网络流规划方法
5G UPF下沉低轨星座及卫星移动通信场景对应“多源多汇网络”,此场景下网络流主要发生在不同终端之间,流向多变、持续时间随机,传输路径通常采用逐跳规划方式;网络流规划需要重点考虑QoS保证、网络吞吐量和协议开销。
在QoS路由策略方面,主要包括源端路由、分布式路由、分级路由等。单层低轨星座可考虑采用源端路由和分布式路由策略,星座网络流规划由卫星自主规划完成;一方面,卫星能够根据不同业务的QoS要求,匹配合理的路径;另一方面,能够快速响应链路状态、带宽等变化,灵活调整路径。
在路由算法方面,卫星移动通信场景比较适合采用多约束QoS路由算法。多约束QoS路由算法主要分为:多项式非启发类、伪多项式非启发类、探测类、限定QoS度量类、路径子空间搜索类、QoS度量相关类、花费函数类和概率求解类等[10]。
对于多约束QoS 路由算法,当可加性约束条件或者可乘性约束条件数量在两个或两个以上的时候,求解可行路径是一个NP完全问题[11]。低轨星座中关注较多的度量参数主要包括带宽、时延、丢包率等;当约束条件较少时,可以采用的QoS路由算法包括最宽最短路径算法(widest shortest path,WSP)、最短最宽路径算法(shortest widest path,SWP)等;当约束条件较多时,可以采用的QoS路由算法,包括Fallback算法、Chen算法、H_MCOP算法等[12]。
2.3 基于组合策略的网络流规划方法
低轨星座需要同时满足包括宽带互联网接入、卫星移动通信等在内的不同应用需求;基于单一策略进行网络流规划,难以同时兼顾时效性、可靠性、吞吐量、负载均衡等要求。
针对上述问题,设计了一种基于组合策略的低轨星座网络流规划方法,首先根据不同业务的重要程度、持续时间等,将业务划分为面向连接类和非面向连接类[13];其次定义了网络流分类映射规则,根据不同业务的QoS要求差异(带宽、时延、时延抖动、丢包率等)[14],将面向连接类业务和非面向连接类业务进一步细分成6类业务,6类业务的划分方式与QoS要求如表2所列。
表2 业务分类方式及其QoS要求
在此基础上,针对6类业务采用集中式、分布式和源端路由相结合的路由控制策略,面向连接类业务由地面NCC进行端到端路径规划与QoS保障;非面向连接类业务,由卫星基于业务优先级和QoS要求自主规划路由,具体实现方法如表3所列。
表3 基于组合策略的星座网络流规划方法
基于组合策略的低轨星座网络流规划方法网络流具体处理流程描述如图3所示。
图3 星座网络流处理流程示意图
功能实现层面,转发平面功能主要通过星座卫星中的交换设备实现;控制平面功能通过星座卫星中的控制设备和地面网络控制中心NCC共同实现,如图4所示。
图4 星座网络流规划控制方式示意图
路由算法选择方面,针对面向连接类业务采用负载均衡路由算法[15],针对非面向连接类业务采用QoS路由算法[16]。
3 仿真及结果分析
为了评估基于组合策略和采用单一策略的星座网络流规划方法对网络关键指标的影响,结合低轨星座典型应用场景,仿真方案设计如表4所列。
表4 网络性能仿真方案
重点评估的低轨星座网络性能指标主要包括:传输时延、丢包率、带宽利用率等,仿真采用的星座参数如表5所列。
表5 星座参数
仿真参数设置方面,链路带宽设为100 Mbps,每条业务流量设为100 Kbps,仿真过程中不断增加面向连接类和非面向连接类业务流量。
仿真采用MATLAB软件。MATLAB具有强大的数学计算和算法开发能力,支持数据处理和可视化,并提供建模仿真和编程功能,使用户能够进行高效、灵活的科学计算和工程应用。
在上述场景下,针对集中式、分布式和基于组合策略的网络流规划方法分别进行了仿真评估。
传输时延指标仿真结果如图5所示。
图5 传输时延指标仿真结果
通过仿真结果可以看出,随着网络流数的增加,采用集中式策略的计算开销和耗费的时长也随之增长,传输时延明显高于分布式和组合策略方式;组合策略方式计算开销处于集中式和分布式之间,传输时延低于集中式,略高于分布式。
丢包率指标仿真结果如图6所示。
图6 丢包率指标仿真结果
通过仿真结果可以看出,集中式采用端到端路径规划和带宽预约方式,需要在有限的带宽下处理大量的业务流量。随着业务流量的不断增加,受剩余可用带宽限制,将无法满足所有新增业务流量的传输需求,数据包需排队等待发送或者被丢弃以给优先级更高的业务留出带宽。因此,当业务流量过大时,集中式策略会导致丢包率的快速增长;分布式策略与组合策略的丢包率指标相当。
带宽利用率(可用带宽)指标仿真结果如图7所示。
图7 带宽利用率(可用带宽)指标仿真结果
通过仿真结果可以看出,随着网络流数的增加,采用分布式策略的可用带宽快速减少,采用集中式和组合策略的可用带宽缓慢减少,带宽利用率更高。
4 结论
文章根据低轨星座典型应用场景建立了星座网络流模型,在此基础上针对采用单一策略进行网络流规划时存在的不足,研究提出了一种基于组合策略的星座网络流规划方法,并在网络性能方面与集中式、分布式规划方法进行了对比分析,通过仿真结果可以看出:(1)组合策略兼有集中式全局优化和分布式自主灵活的优势;(2)组合策略可根据不同业务类型及其QoS要求,采用针对性更强的路由算法组合;(3)基于组合策略的网络流规划方法在传输时延、丢包率、带宽利用率等指标方面,相比单一策略具有综合优势。对于低轨星座,星地可用链路数量、带宽、切换频度等对星座整体网络性能影响较大,需要在后续工作中进一步深入研究。
