海洋互联网接入网选择方法研究

秦泽慧，周 亮，姜胜明

（上海海事大学信息工程学院，上海201306）

0 引 言

随着互联网技术的迅猛发展，越来越多的海事活动需要在网络存在的情况下展开，由于海洋环境特殊、用户分布稀疏和海洋气候的不稳定性，使得在海洋上进行网络基础设施部署变得异常艰难，现有的陆地网络技术也不太适用于海洋互联网，目前，海洋网络主要是由卫星系统（Satellite system，SAT）、船舶无线自组网（Wireless Ad Hoc Network，WANET）和岸基网络（Coastline Network，CLN）和高空平台［1］组成的，其中，卫星系统覆盖范围广且传播时延短，但是价格昂贵，性价比差，不太适用于普通的海上活动，船舶自组网稳定性差，受气候影响大，岸基网络传播范围有限，在当有多种接入网存在的情况下，如何为海洋用户选择最优的接入网成为海洋互联网要面对的挑战。

目前主要的接入选择算法有基于单一属性的网络选择算法、基于策略的选择算法、基于多属性判决的选择算法和基于数学模型的选择算法。从属性角度出发，目前已有仅依据接收信号强度RSS 作为指标的接入选择算法［2］，这种依据单一属性作为判决的算法虽然操作简单，但考虑问题过于片面，不适用存在多种接入网的网络选择。为此，出现了多属性下的选择算法［3］，算法利用模糊层析分析法（Fuzzy Analytic Hierarchy Process，FAHP）算出不同标准之间的重要度，然后利用逼近理想解排序法（Technique for Order Preference by Similarity to Ideal Solution，TOPSIS）为不同的接入网进行排序，将与最优解差距最小而与最差解差距最大的备选网络作为接入网。这种根据多属性判决的选择算法很好地解决了单一属性下存在的问题。为了进一步在选择过程中提高网络性能，根据业务类型，提出了一种模糊层次分析法与粗糙集理论相结合的异构无线网络选择算法［4-5］，这种算法降低了网络切换频率，减少了网络阻塞的情况。在基于模型的选择算法方面，有学者引入了其他领域的思想进行接入网选择的研究，引入博弈论方法建立网络价格策略的两种博弈模型，比较了不同博弈场景下用户选择接入网的性价比［6］。提出了基于模糊神经网络的接入选择方法，该方法通过对网络状态的学习反馈来调整模糊神经网络的参数，实现智能化的判决，能有效均衡异构网络之间的负载，在一定程度上降低了网络的阻塞率［7］。根据不同的业务类型、终端移动性和网络负载状态，提出一种Q 学习算法进行接入网的选择，有效提高了网络在阻塞率方面的性能［8］。

基于目前的研究现状，本文提出一种用于解决海洋中异构无线网络的选择方法，考虑用户偏好、服务质量（Quality of Service，QoS）、网络价格、业务类型等多个指标，提出一种基于层次分析法（Analytic Hierarchy Process，AHP）和熵权的简单加权选择算法，该算法能够解决海洋环境下的多种接入网的网络选择问题，能够提高网络选择的正确性和稳定性，均衡网络负载［9］，提高用户服务质量。

1 网络选择模型

1.1 基于AHP模型的主观权重

层次分析法［10-13］是一种将定量分析与定性分析相结合的系统分析方法，基本步骤如下：

（1）建立层次化模型。

（2）构造判决矩阵。构造目标层和准则层的判决矩阵，表1 列出的是由Saaty等［11］提出的属性标度表。

表1 判决矩阵相对重要性等级表

（3）判决矩阵一致性检验。判决矩阵是由决策者根据主观经验设置的，需要对判决矩阵进行一致性检验以确保判决矩阵的合理性。

计算判决矩阵的特征向量对应的最大特征值，用于计算一致性指标C.I.，查找相对应的一致性指标R.I.，即可计算出一致性比率C.R.，具体计算公式如下：

式中：C.I.值用于调整判决矩阵完全一致性的程度；R.I.为平均随机一致性指标取值的判决矩阵，对应的取值见表2。

表2 一致性指标取值表

当C. R.＜0.10 时，认为判决矩阵是满足一致性要求的，反之，判决矩阵不满足一致性要求，需要修改。

（4）计算权值。通过一致性检验后，用几何平均法求各指标的权重：

式中，i、j分别为判决矩阵的行和列。

1.2 基于信息熵的客观权重

AHP模型中各指标的权重是主观设置的，为了消除主观设置带来的片面性，本文将AHP模型与熵权法相结合，用熵权法［14］计算各指标的客观权重，来平衡AHP带来的主观影响。假设存在m个备选方案，n个网络属性，则其原始数据矩阵为：

无量纲化后，获得标准化后的评估矩阵R：

式中：rij为第i个方案中的第j项参数的归一化数值。然后依据式（6）得出网络属性对应的熵权，组成客观权重向量W2：

1.3 复合权重

AHP模型计算得到对网络的主观排序权重，熵值确定了对网络的客观排序，将主客观权重进行简单结合，可以使网络选择结果更加有效［15］。这种简单加权的复合权重计算过程如下：

式中：θ取值为0.5。根据评估矩阵R，确定每个网络在不同需求下的总权重。在海洋网络选择问题中，根据不同网络总权重的值，每次都选择权重值最大的网络作为最优接入网。

2 基于用户偏好和业务分类的海洋互联网接入选择

在海洋互联网异构网络的选择问题中，将卫星系统、船舶自组网和岸基网络作为备选网络方案，采用AHP-熵权法对不同用户偏好和业务类型下3 种网络的权重进行排序，权重越大越占优势，为用户选择最优接入网，具体框架如图1 所示。

2.1 AHP计算主观权重

（1）基于用户偏好的子层次化模型。根据层次化模型，从用户偏好的角度考虑，准则层分为服务质量优先（QoSP）和价格优先（Price Priority，PP）两方面，选取QoS、网络负载和价格作为网络性能指标，表3、4 分别给出了在QoSP和PP下的性能指标的判决权重。

图1 海洋互联网接入选择层次化模型

表3 QoSP

表4 PP

对判决矩阵进行层次单排序，通过计算得到两个矩阵的最大特征值皆为3，C. I.为0，即矩阵的设置满足一致性要求。根据公式计算2 种模式下各指标的权重如下：

（2）基于QoS下的子层次化模型。网络服务种类繁多，目前将不同QoS需求的业务类型分为4 类：会话类业务、流类业务、交互类业务和背景类业务，影响这些业务的主要网络属性有时延、抖动、丢包率和速率，不同的业务类型对这些属性的要求不同。通过对这几种业务类型的分析，表5 所示为4 种不同业务下网络属性间的判决权重。

按照AHP 模型计算流程，计算得到基于子参数QoS下不同业务类型的权重值，详见表6。

（3）计算层次权重主排序。利用各层次权重单排序计算层次权重总排序，假设上层（C层）含有m个参数C1，C2，…，Cm，Cj为m个参数所对应的层次排序。C层的下一层（S层）包含n个参数S1，S2…，Sn，Sij为S层中的各参数对应的Cj的层次单排序权重，利用式（11）可以计算S层的层次总排序。

表5 4 种不同业务下网络属性间判断权重

表6 基于子参数QoS下不同业务类型的权重

根据式（8）、（9），表6 的单层权重结果，按

计算层次总排序，即求时延、抖动、丢包率、速率、负载和价格基于不同情况下的主观权重W1，结果见表7、8。

表7 基于QoSP属性矩阵

2.2 熵值

（1）场景一：单种接入网的网络选择。在EXata仿真软件中搭建海洋互联网场景，选取背景为某港区附近，覆盖范围为85 km ×85 km，根据船讯网中的卫星地图来部署船舶分布，针对同样的网络属性，分别对3 个接入网的内部节点和边缘节点进行多次测试，对得到的数据进行综合统计分析，且考虑有限次实验的不确定性，综合各种因素下对3 种接入网的各个属性赋予如表9 所示的值。

表8 基于PP属性矩阵

表9 各个网络性能参数

网络属性值并非都是越大越有利，其中速度、可用负载为越大越好型，采用式（13）对这类属性进行归一化处理。

而时延、抖动、丢包率、网络负载和价格为越小越好，采用式（14）对这类属性进行归一化处理。

式中：rij为第i个方案中的第j项参数的归一化数值。对参数进行规范化后用式（6）计算得到各个参数在3种接入网下的熵权W2：

根据式（8）、（9）对熵权和AHP 计算得到的权重W1、W2进行简单加权，得到不同用户和不同业务类型下各个接入网的总权重值，计算结果见表11。

表11 3 种接入网对应总权重

由表11 可见，对3 种接入网来讲，同一种服务业务在不同用户偏好下应该接入的网络是不同的，以会话业务为例，当用户的需求是保证服务质量时，应该选择SAT作为最优接入网络，符合卫星网络传输速度快，丢包率低，时延小的优势，当用户考虑价格优先时，CLN应该是最优接入网，相对于卫星网络价格低廉且比船舶自组网稳定。当用户的需求一样时，不同业务类型下的最优接入网也是不同的，例如，当用户追求服务质量时，会话类业务应当选择SAT 最为接入网，流类业务应当选择CLN作为接入网。

（2）组合接入网的网络选择。场景一分析了海洋中单种网络下的网络选择，单种网络已经无法满足一些远距离的海洋活动，这些活动需要在多种接入网之间进行通信，因此，创建一个新的场景，如图2 所示，该场景由卫星、岸基和船舶自组网3 种网络组成，包含30 艘船舶和文件服务器等其他基础设施，船舶移动速率采用随机移动模型，速率保持在6 ～13 m/s，移动粒度为10 m，仿真覆盖范围为70 km ×80 km，仿真时间为60 s，应用类型为CBR，应用传输发送的数据包大小为512B，最大的发送数据包数为1 000 个，船舶5 向地面文件服务器114 发送数据。

图2 组合接入网仿真场景

仿真运行结果如图3 所示，图中箭头所示为数据传输路径，图3（a）中的路径是基于原始的AODV协议的路由选择，路径经过WANET-WANET-SAT（WWS）；图3（b）中的路径是基于复合权重所选的路径WANET-WANET-CLN（WWC），这两种路径非常具有代表性，因此以这两种路径为代表进行分析。

图3 仿真运行结果

3 仿真实验分析

3.1 场景一：单种接入网的网络选择

图4 显示了在Qos优先的情况下，基于AHP的选择方法与本文的基于复合权重的选择方法为不同业务类型所选择的网络，只有在会话类中，基于AHP 方法选择了船舶自组网，而复合权重方法选择了卫星，虽然会话类业务中时延和抖动是最重要指标，船舶自组网的时延比卫星小，但卫星的抖动几乎为零，而且用户要求质量优先，卫星的稳定性比船舶自组网高很多，因此，应当选择卫星作为接入网。对于其他的业务类型，两种方法所选择的网络一致，说明了本文的算法具有合理性，且比AHP方法更加准确。

图5 显示了在价格优先的情况下，两种方法为不同业务类型所选择的网络，同样，除会话类外，两者所做的选择是一致的。在会话类中，基于AHP方法选择了船舶自组网，而复合权重方法选择了岸基网络，用户重点考虑的是价格，而船舶自组网的价格比岸基贵很多，因此，基于复合权重的算法所做的选择更加准确。

图4 QoSP下两种选择方法对比

图5 PP下两种选择方法对比

仿真结果表明，当3 种接入网都可以正常使用时且用户注重服务质量的前提下，本文选择算法为会话业务选择抖动最小的SAT作为接入网，为流媒体业务选择速率最快的CLN来进行服务，为交互业务和背景业务选择丢包率最低的SAT作为接入网络，以上算法作出的选择都完全符合不同业务类型在保证服务质量下的服务需求，这说明本文算法具有合理性和有效性。并且AHP受决策者主观影响较大，可能会导致最终作出的选择缺乏合理性，而本文算法不仅能够将用户偏好和业务需求结合考虑，而且还能将主观因素和客观因素进行结合，最终为业务选择合适的接入网，提高了网络选择的合理性，能够更好地为用户服务。

3.2 场景二：组合接入网的网络选择

通过仿真平台，测得两种路径下的吞吐量、时延、抖动和丢包率，如图6 所示，仿真时间和数据包大小保持不变，随着发包间隔的增大，两种路径上的吞吐量呈下降趋势，WWC 和WWS 的吞吐量基本一致，所以两者的数据处理能力相差无几。

如图7 所示，WWS 比WWC 的端到端时延大，由于数据包大小和个数相同，处理数据包的能力也基本相同，所以影响端到端时延的因素主要是传输过程中经过的网络，WWS 和WWC 相比，主要的区别在于一个经过卫星网络，一个经过岸基网络，卫星网络的传播时延高于岸基网络的时延，导致WWS 整个路径上的端到端时延比较大，随着发包速率的降低，WWS 端到端时延基本维持在0.33 s 左右，WWC 的时延逐渐下降，趋于0.08 s。

图6 两种路径下的吞吐量

图7 两种路径下的端到端时延

如图8 所示，WWC的抖动明显大于WWS，这是由于WWC中经过更多跳的船舶，船舶自组网中节点的移动导致链路状态不稳定，抖动会增加，而卫星网络很稳定，几乎没有抖动。随着发包速率的降低，WWC 的抖动逐渐减小，WWS的抖动一直维持在0.01 s左右。

图8 两种路径下的抖动

如图9 所示，WWC的丢包率始终要高于WWS，船舶自组网中节点的移动使得链路状态不稳定，导致丢包率增大，并且岸基网络的丢包率比卫星高很多，因此，WWS比WWC的丢包率高。在WWS中，卫星网络占据主要的通信地位，卫星网络最大的特点就是稳定，所以WWS的丢包率一直稳定在0.02 左右。随着数据发包率的降低，WWC的丢包率也逐渐下降。

图9 两种路径下的丢包率

将WWS和WWC这两条路径看作是两个新的接入网，根据复合权重算法计算这两种网络在不同用户偏好和业务类型下的效用值，结果见表12、13，在价格优先的情况下，不论数据发送间隔是多少，不论哪种业务类型，由于卫星网络价格过于昂贵，所以WWC 的效益值都大于WWS 的效用值。在Qos 优先的情况下，在数据发送间隔为0.2 s和0.4 s时，在交互类和后台类中，WWS的效益值稍高于WWC，在会话类和流类中，WWC 的效益值明显高于WWS。总体而言，WWC优于WWS，即基于复合权重算法下所选择的的组合接入网更好，更加能满足用户偏好和业务类型。

表12 Qos优先下组合接入网的效用值

表13 价格优先下组合接入网的效用值

4 结 语

本文以海洋互联网为研究背景，提出一种基于AHP-熵权简单加权的海洋互联网接入网选择算法，该算法不仅考虑了用户偏好，还考虑了基于QoS 的不同业务类型对网络的性能要求，利用AHP计算出主观权重，利用熵计算出客观权重，将主观权重和客观权重进行简单加权，最终为用户选择最优的接入网。总之，该算法结合了AHP和熵权这两种决策方法的优点，将影响最终网络选择的主观因素和客观因素相结合。总之，这种基于复合权重的接入网选择算法不但具有合理性，而且提高了接入网选择的正确性和稳定性，能够更好地满足用户和业务的需求，提高了用户的体验度。