5G网络中基于距离感知的动态基站关闭算法

郝　敏，张治中，席　兵

(重庆邮电大学通信网测试工程研究中心,重庆　400065)



5G网络中基于距离感知的动态基站关闭算法

郝敏，张治中，席兵

(重庆邮电大学通信网测试工程研究中心,重庆400065)

摘要:无线通信的能耗问题受到越来越多的重视，能量效率成了5G网络中三大效率特性之一。一般而言，流量负载较低时，基站资源利用率也相对较低，造成基站资源浪费。为解决这个问题，提出一种基于距离感知的动态基站关闭算法。该算法通过动态关闭多余的基站来降低网络能耗，在满足基站负载均衡的条件下，通过估计用户与其关联基站的距离，计算可关闭基站的最大数目。仿真结果表明，所提算法较基于随机关闭的基站节能算法，明显地降低了能耗，并将平均节能百分比提高到88%。

关键词:5G；距离感知；负载均衡；节能

随着第五代移动通信(5G)时代的到来，业务应用和用户体验的需求迫使网络运营商需要寻找新的技术来降低运营成本，提高数据传输速率，从而提升用户体验质量。成倍增长的数据业务使得网络设施的需求急剧扩大，同时也引起了大量的能量消耗。绿色节能作为5G的重要需求之一，要求网络的总能耗在用户数据流量成千倍增长时不会提高。预计到2020年，未来5G网络中端到端每比特能耗需要降低到现在的1/1 000。IMT-2020推进组提出了未来5G还将致力于改善网络建设的运营能耗与成本效率[1-2]。因此，未来5G通信在维持各类业务增长的同时，减少能耗是十分必要的，能耗成本的增加也使得人们越来越多地关注降低能耗的方法。

在国内外，基站能耗问题受到广泛重视，在基站节能方面有众多的研究。文献[3]针对不同的流量模式提出不同的异构网络部署，通过比较不同网络部署场景来分析小区半径大小对基站功耗的影响以及评估最优的网络部署，但没有涉及到网络节能方案；文献[4]提出最优小区半径的概念，在没有用户活跃的情况下，结合休眠模式分析了小区半径大小对基站功耗的影响。但同样没有提出具体的节能方案；文献[5]提出一种基于流量需求的基站节能关闭算法。小区在获取足够的容量和覆盖范围的情况下，通过能量控制机制给活跃基站分配频谱资源和能量的方式来最小化能耗，但没有考虑控制机制能耗问题且操作不易实现；文献[6]讨论了当UMTS蜂窝网络处于低流量情况时，通过随机关闭基站的方式来达到节能的目的，但是这种节能方式会造成流量高的基站被关闭的可能；文献[7]提出两种节能的方法：1)集中式的贪婪算法，根据流量负载来检查每个基站，从而决定是否关闭；2)分散算法，每个基站估计各自的流量情况来独立决定其是否关闭。但这两种算法都没有研究基站负载均衡，未说明活跃基站的负载情况；文献[8]提出基于流量变化动态基站关闭策略，同时要考虑基站的阻塞率，基站要在最短的时间内考虑是否关闭，但是没有考虑小区网络覆盖的问题；文献[9]提出基于用户关联策略基站关闭算法，但基站关闭的数目没有达到最佳，造成基站资源浪费。

以上所述的策略主要是根据接入网中流量的变化决定基站的关闭，通过减少活跃基站的数目来达到节能的目的。在低负载的情况下，关闭不必要的基站，这些关闭的基站策略或者是随机关闭的，或者是基于流量负载进行基站关闭的。但这些策略没有评估基站关闭小区的网络覆盖以及基站的负载情况。当基站关闭后，活跃的基站要对关闭基站区域的用户提供服务，但在提供服务之前，并未评估活跃基站的负载情况，这就容易造成基站负载不均衡，从而降低了网络的服务质量(QoS)。而且上述基站关闭策略的依据条件比较单一，粒度较小，没有起到很好的节能效果。

基于此，本文提出了基于距离感知的动态基站关闭算法。当流量负载较低时，该算法根据流量负载情况以及用户与其关联基站的距离动态地关闭多余的基站，不仅能够降低网络的能量损耗，而且提高了基站资源的利用率。另外，在决定基站关闭之前需对活跃基站的负载进行评估，确保活跃基站的负载均衡，可以有效提高网络QoS。

1系统模型

1.1网络模型和流量模型

对于不同的网络拓扑结构，本文所提的动态基站关闭算法均适用。不失一般性，本文讨论的场景如图1所示，为一个密集的网络部署，相邻的基站重叠覆盖。假设网络由K个具有相同覆盖半径R和周期性变化的流量负载模式的小区组成，并且每个小区由一个基站控制。在每个小区内，假定用户是随机接入的，并且用户流量的产生满足泊松分布。图2表示了一天内基站的流量负载变化模型。

假设网络中流量产生模式服从排队论中经典的M/M/N多服务台排队模型[10]：服务时间服从指数分布，平均值为1/μ，单位是s/call；用户到达间隔服从均值为1/λ的指数分布，单位是s/call。当一个呼叫发生时，基站以恒定比特率为R(kbit/s)的速率为用户提供服务。假设系统总带宽为C，c表示一个基站可以同时提供服务的最大呼叫数，有

(1)

系统中流量产生和服务时间的参数可以表示为

(2)

式中：ρ表示通信强度，同时可以表示相对的流量负载(如图2)；α表示通信率。

系统的状态是以用户的数目为特征的，pn表示有n个用户通话的概率，通过M/M/c多服务台排队论系统状态平衡方程求得[10]

(3)

(4)

当网络容量达到它的上限时，不能再建立新的呼叫，这样就会发生排队等待。Lq表示由于系统过载而不能提供服务的呼叫数

(5)

1.2能耗模型

本节提出网络的能耗模型，通过此模型来分析网络的能耗。对于一个给定的基站(BS)，其能耗可以模拟为一个线性的方程[11]，主要包括：1)固定的能耗E[Econst]，即供给天线的能耗，这部分能耗与传输功率以及基站流量负载成正例；2)非恒定部分的能耗，主要分为两类：第一类是基站处于空闲状态的能耗E[Eidle]，即基站没有为任何用户提供服务；第二类是基站为用户提供服务时所需的能耗E[ETX]，即有流量产生时基站需要的动态能耗，其大小由用户数量以及用户和基站间距离来决定。通过上面的分析，可以推出能耗模型，对于一个小区，服务K个用户的基站总能耗为

E[EBS]=E[Econst]+E[Eidle]+E[ETX]

(6)

前面式(3)中p0表示基站没有为用户提供服务的状态，即基站处于空闲状态。处于空闲状态的基站功耗可以表示为Pidle。假设功率的能量损耗以秒为单位计算，那么基站在处于空闲状态下的平均能耗E[Eidle]可用下式表示

E[Eidle]=p0·Pidle·tidle

(7)

基站处于工作状态时消耗的能量远远高于空闲状态，并且随着基站承载业务量的增大，传输数据所消耗的能量也逐渐增大。设PTX表示基站只提供一个呼叫服务时的功率消耗，则基站同时服务k个呼叫时的发射功率PTX,k可表示为

(8)

前面式(4)中pn=(p1,p2,…,pc)表示基站处于工作状态，此状态下的基站可对应同时服务n=(1,2,…,c)个呼叫。单个基站能同时服务的最大呼叫数为c。对应地，为了服务上述多个呼叫，分别需要的时间为1/μ,1/2μ,…,1/cμ。则基站处于服务状态时平均能耗E[ETX]可表示为

(9)

那么整个网络中的总能耗可以表示为

E[Etotal]=Non×(E[Econst]+E[Eidle]+E[ETX])

(10)

式中：Non表示处于活跃状态的基站数。

在移动通信系统中，吞吐量Q[T]表示系统发送数没有帧丢失的平均速率。对于单个基站而言，吞吐量等于基站服务的平均呼叫数与服务速率R之积，可表达为

Q[T]=(p1·1+p2·2+…+pc·c+pc+1·c+…)·

(11)

由公式(11)可知，当网络中基站的激活数目为Non时，则系统总吞吐量Q[Ttotal]可表示为

(12)

为了验证网络的绿色性[12-13]，这里以能源效率(Energy Efficiency，EE)作为衡量标准对网络的绿色性能进行度量。能量效率指每单位能耗产生的有用工作，它是系统性能的重要衡量指标。移动通信领域的有用工作是系统吞吐量，单位为bit/s。则系统能量效率E[EEtotal]可表达为

(13)

1.3问题公式化

由式(10)分析可知，为了使基站的能耗达到最低，应主要将活跃基站数Non最小化，即

minNon=N-Noff

(14)

式中：N表示总基站数；Noff表示关闭的基站数。

考虑到整个网络的负载均衡，在网络带宽一定的情况下，最小化Non时还应满足限制条件

(15)

式中：con,i表示活跃的基站i可提供的最大服务用户数；coff,j表示关闭基站的j可提供的最大服务用户数。

考虑到整个网络的QoS，基站的关闭会对其造成影响。本文基于整个网络的容量和预期的传输速率，在基站可覆盖范围内估算出服务用户的最大值，从而决定是否可以关闭更多的基站，而且不会影响整个网络的QoS以及基站可以达到的负载均衡。

2关闭算法

本节重点描述基于距离感知的动态基站关闭算法。关闭阶段主要在流量负载较低的时间段内，通过减少活跃的基站数目以实现节能的目的。本文提出的算法是根据流量变化以及用户与其关联基站间的距离来最小化活跃基站的数目，并且在基站关闭后能保证网络的QoS以及活跃基站的负载均衡，小区的覆盖域也不会受到影响，能确保整个网络的稳定性。当一些基站关闭时，整个网络的覆盖会受到影响，用户通话可能发生中断，所以为了增加覆盖范围，必须增加活跃基站的发射功率来覆盖关闭小区的范围。由于发射功率大小受用户与基站间距离的影响，距离越长所需的发射功率越大[14]，由此本文提出一个基于距离感知的动态基站关闭算法。

本文提出的基站关闭算法不仅根据流量模式的变化，而且需要通过用户和基站之间的平均距离来决定基站的关闭。因此，每个基站需要估算它关联用户的平均距离以及用户与相邻基站间的平均距离，平均距离越大，基站的发射功率就会越大，算法的核心是找出平均距离最大的基站进行关闭。具体步骤如下：

Step1：各个基站可以通过5G网络中类似于LTE网络中的X2接口来获取基站的信息，其中包括基站负载信息以及各个基站关联用户的位置信息等。

Step2：通过5G网络中特定的定位技术计算出各个基站所关联用户的距离，然后估计它们的平均距离，再根据各自基站的流量负载情况，基于估计的平均值从大到小对基站进行分类并记录在一个列表中。

Step3：基于第二步的记录列表信息，平均距离最大的基站需要消耗更大的发射功率，则此基站作为关闭的首要选择。在候选关闭基站的用户转移到相邻基站前，检查基站负载情况，即满足不等式(15)，则关闭第一个候选基站，并增加其相邻的基站发射功率去覆盖关闭基站的区域。

Step4：若满足终止条件，算法结束，输出基站活跃数Non，即求出公式(14)的最小值，否则转到Step2继续执行。

算法的流程如图3所示。

3仿真实验

以一个经典的城市网络场景来评估本文算法的性能。网络由7个小区组成，基站之间水平和垂直距离设为800 m，用户随机分布在小区内并且其流量产生满足泊松分布。本文主要考虑基站下行链路的流量所产生的能耗。预先分配一定数量的子载波和物理资源块(Physical Resource Blocks，PRB)。仿真参数如表1所示。

通过对比不同的节能方法来分析算法对能耗的影响。本文比较了3种节能方案的能耗：1)没有使用关闭策略；2)由文献[6]中提出的基于随机决策的半数基站关闭，此种方案的能耗通过公式(10)分析得出；3)本文提出的动态距离感知关闭策略。

表1仿真参数

图4表示在给定的网络模型中，不同算法在夜间时间段(22:00-08:00)的基站平均能耗仿真结果。从图中很清晰的看出两个观察结果：首先，随着流量的变化，能耗也随之发生变化，符合本文前面的分析，说明本文的理论分析可以评估基站能耗；其次，在流量负载较低时，可以看出本文提出的算法比其他两种方式有着更好的节能效果，同时进一步表明本文的算法根据流量的变化可关闭更多的基站以减少能耗进而实现节能的目的。

图5呈现的是相对能耗。从图中可以看出本文提出的节能算法相对于没有关闭基站的情况能获得接近80%的节能。此外，在低流量的情况下，依据能耗比例观察动态的距离感知算法的节能效果是很重要的。相对于随机关闭基站的算法，本文算法不仅能有效提高节能效果，而且在满足用户业务需求的同时能更好地利用网络资源。在流量需求较低时，系统可以通过动态关闭低效的基站来降低网络能耗以实现节能。

图6呈现的是能源效益情况。分析的结果通过公式(13)获得。从图中可以看出系统的能效随着流量的变化而变化，本文的算法相对于随机关闭基站的策略能获得更好的能效。

4结论

在未来5G蜂窝网络中，基站为用户提供各种服务，尤其在流量高峰期时基站提供足够的覆盖和服务，但是当流量负载较低时，基站的资源就显得过剩，从而造成资源浪费。针对流量负载较低的时间段内，本文提出了基于距离感知的基站关闭算法。该算法在满足用户业务QoS要求下对基站进行动态的关闭。仿真结果显示，与文献[6]提出的算法相比，基于距离感知的基站关闭算法更加节能，保证整个网络的QoS。

参考文献：

[1]尤肖虎,潘志文,高西奇,等.5G移动通信发展趋势与若干关键技术[J].中国科学(信息科学)，2014(5)：551-563.

[2]BUDZISZ L，GANJI F，RIZZO G，et al. Dynamic resource provisioning for energy efficiency in wireless access networks：a survey and an outlook[J]. IEEE communications surveys & tutorials，2014，16(4)：2259-2285.

[3]ESODIAKAKI A，ADELANTADO F，ANTONOPOULOS A，et al. Energy impact of outdoor small cell backhaul in green heterogeneous networks[C]// 2014 IEEE 19th International Workshop on Computer Aided Modeling and Design of Communication Links and Networks (CAMAD).[S.l.]： IEEE Press，2014：11-15.

[4]RAO J B, FAPOJUWO A O. A survey of energy efficient resource management techniques for multicell cellular networks[J]. IEEE communications surveys & tutorials，2014，16(1)：154-180.

[5]HAN T, ANSARI N. Enabling mobile traffic offloading via energy spectrum trading[J]. IEEE transactions on wireless communications，2014，13(6)：3317-3328.

[6]CHIARAVIGLIO L, CIULLO D, MEO M, et al. Energy-aware UMTS access networks[J]. Proc. of IEEE W-GREEN, 2008：1-8.

[7]ABOU-ZEID H, HASSANEIN H S, VALENTIN S. Energy-8efficient adaptive video transmission：Exploiting rate predictions in wireless networks[J]. IEEE transactions on vehicular technology，2014，63(5)：2013-2026.

[8]GONG J，ZHOU S，NIU Z，et al. Traffic-aware base station sleeping in dense cellular networks[C]//. 2010 18th International Workshop on Quality of Service (IWQoS). [S.l.]：IEEE Press，2010：1-2.

[9]OZYAGCI A，SUNG K W，ZANDER J. Effect of propagation environment on area throughput of dense WLAN deployments[C]// 2013 IEEE Globecom Workshops (GC Wkshps).[S.l.]：IEEE Press，2013：333-338.

[10]MARSUDI M，BIN A N.Queuing theory application to analyze production capacity[C]// 2010 Second International Conference on Engineering Systems Management and Its Applications(ICESMA).[S.l.]：IEEE Press，2010：1-6.

[11]WU J，ZHANG Y，ZUKERMAN M，et al. Energy-efficient base stations sleep mode techniques in green cellular networks：a survey[J]. IEEE communications surveys & tutorials，2015，17(2)：803-826.

[13]HUAN K，ZHU Y，SHEN H. A new evaluation system for energy-saving effect based on extended energy consumption and extended energy efficiency[C]// 2012 China International Conference on Electricity Distribution (CICED).[S.l.]：IEEE Press，2012：1-8.

[14]BANKAR N，PATEL C. Performance analysis of closed loop uplink power control schemes in cellular radio system[C]// 2013 Nirma University International Conference on Engineering (NUiCONE). [S.l.]：IEEE Press，2013：1-8.

郝敏(1988— )，硕士生，主要研究方向为5G移动通信系统总体技术、通信网测试技术；

张治中(1972— )，教授，博士生导师，主要研究方向为第三、四、五代移动通信网络架构、测试及优化技术；

席兵(1972— )，副教授，硕士生导师，主要研究方向为宽带通信网测试技术。

责任编辑：许盈

Dynamic base station switch off algorithm in 5G network based on distance-aware

HAO Min, ZHANG Zhizhong, XI Bing

(CommunicationNetworksTestingEngineeringResearchCenter,ChongqingUniversityofPostsandTelecommunications,Chongqing400065,China)

Key words:5G; distance-aware; load balancing; energy saving

Abstract:The issue about energy consumption of wireless network attracts more and more attention and becomes one of three energy efficiency features in 5G. In general, resource utilization of BS is low when traffic load is not high, causing resource waste. To solve this problem, a new dynamic BS switch off algorithm based on distance-aware is proposed. This algorithm achieves a significant energy saving by dynamically switching off underutilized BS. In the premise of satisfy the network requirements of load balancing, the number of underutilized BS is calculated by estimating the distance between the user equipment and their associated BS. Simulation results show that this proposed algorithm has a better performance in energy saving percentage compares to random energy saving algorithms, increase the average percentage of energy saving to 88%.

中图分类号：TN915

文献标志码：A

DOI：10.16280/j.videoe.2016.01.015

基金项目：国家“863”计划项目(2014AA015706；2015AA01A705)；重庆高校创新团队建设计划项目(KJTD201312)

作者简介：

收稿日期：2015-10-11

文献引用格式：郝敏，张治中，席兵.5G网络中基于距离感知的动态基站关闭算法[J].电视技术，2016，40(1)：76-81.

HAO M，ZHANG Z Z，XI B.Dynamic base station switch off algorithm in 5G network based on distance-aware[J].Video engineering，2016，40(1)：76-81.