車聯網基于模糊邏輯的垂直切換算法研究

吳燁+范華峰+楊明極

【摘要】 針對車輛終端運動速度快導致網絡頻繁切換的問題，設計了一種基于模糊邏輯和簡單加權和法的垂直切換算法。該算法由兩部分組成：確定最佳切換時機和確定最佳目標網絡。首先采用模糊邏輯判斷切換的時機，然后通過簡單加權和算法來確定最佳目標網絡。仿真結果表明，算法能夠減少不必要的切換，體現用戶的需求。

【關鍵詞】 無線異構網絡 模糊邏輯 簡單加權和 垂直切換決策

Abstract： A vertical switching algorithm based on fuzzy logic and analytic hierarchy process is designed for the problem of vertical handover decision in wireless heterogeneous networks. The algorithm is divided into two parts： the timing of the switch and the selection of the target network. First， fuzzy logic is used to determine the timing of the switch， and then the simple weighted sum algorithm is used to determine the optimal target network. Simulation results show that the algorithm can reduce the unnecessary switching， reflecting the needs of users.

Keywords： wireless heterogeneous network； fuzzy logic； simple weighted sum； vertical handover decision

一、引言

車聯網（Internet of Vehicle）：即由車輛位置、行駛速度、行駛路線等構成的信息交互網絡，是一種向信息通信、環保、節能、安全等方向發展的車 - 網聯合技術[1]。車聯網技術不僅能有效預防交通碰撞事故的發生，而且可以有效預防交通碰撞事故的發生和減少交通對環境的影響[2]。未來車聯網的重要特點就是各種無線網絡相互融合、優勢互補，為用戶終端提供最佳的服務[3]。但是切換次數過多，對終端的業務會造成很大的影響。因此如何保證有效的切換是本文的研究重點。

無線異構網絡中的垂直切換算法主要有三類：1）僅考慮切換時機；2）僅考慮最佳目標網絡的選取；3）同時考慮切換時機和最佳目標網絡的選取。

目前，很多研究人員針對異構無線網絡間的垂直切換問題已經取得了較好的成果。文獻[4]引入了一種預測垂直切換算法，該算法通過馬爾可夫鏈對網絡參數的變化進行預測，通過網絡參數變化走勢，終端用戶提前可以了解到網絡參數的變化，從而進行有效的切換。該算法的缺點是：當用戶終端運動到一種新的網絡覆蓋區域，由于缺少歷史移動信息，該算法效率會降低甚至失效。文獻[5]和[6]提出了一種考慮終端運動趨勢的垂直切換算法，該算法對終端運動趨勢進行了定性分析，減少了切換次數，提高了終端業務的連續性，但缺少對終端運動趨勢的定量分析，當用戶終端在往返運動時，可能會觸發反復的切換。

二、基于模糊邏輯的垂直切換算法

2.1切換時機的判斷

本文算法的異構網絡模型是由LTE與WLAN構成的。仿真場景如圖3所示， A 點的位置坐標為（15，190），B 點的位置坐標為（200，190），C點的位置坐標為（200，0），A點到B點的距離為15 km，B點到與C點的距離為15 km，坐標（105，240），（200，190），（235，120），（175，105）對應的基站為WLAN1，WLAN2， WLAN3， WLAN4，WLAN5坐標（60，160），（210，160），（135，30）對應的基站為LTE1，LTE2，LTE3。網絡仿真參數如表2所示。

4.2 仿真結果分析

4.2.1 切換失敗率分析

對比于文獻[5]中的切換算法（MHA），由于終端在運動過程中會經過不同目標網絡覆蓋的區域，那么終端需要進行網絡切換，切換過程有一定的時延，在切換時延內，如果車輛終端不在上述范圍，則認為切換失敗。圖4顯示了兩種切換算法失敗率的走勢，雖然兩種算法的切換失敗率都是隨著車輛終端速率的增加而上升，但是考慮到由于往返運動引起的一些不必要切換，本文通過模糊邏輯系統判斷了切換時機，簡單加權和算法判斷最佳目標網絡，從而降低了切換的失敗率，顯示于圖表現為曲線上升速率較慢，相比于本文的算法，MHA的失敗率則較高，顯示于圖中則表現為MHA曲線的上升較快。

4.2.2 最大傳輸速率endprint

圖5是本次實驗中車輛終端在整個過程中所能獲得的最大傳輸速率，車輛的最大傳輸速率正好反映了圖3仿真場景中發生切換的目標網絡是當前所能接入的最佳網絡。這對于車聯網中高速運動的終端來說是最好的選擇。

五、結論

本文設計了一種基于模糊邏輯和簡單加權和的垂直切換算法，與傳統的多屬性垂直切換算法相比，在本文中，最佳切換時機用模糊邏輯系統來判斷，簡單加權和算法確定最佳目標網絡，仿真結果表明，與MHA算法相比，隨著終端運動速度增大，切換失敗率較低，而且當網絡即時更新的同時，保證切換網絡是最佳目標網絡。

參 考 文 獻

[1] 劉小洋， 伍民友. 車聯網：物聯網在城市交通網絡中的應用[J]. 計算機應用， 2012， 32（4）：900-904.

[2]蘇靜， 王冬， 張菲菲. 車聯網技術應用綜述[J]. 現代電子技術， 2014（6）：69-72.

[3] BO S， LIN L， and FENG D. The multi-attribute vertical handoff algorithm based on node mobility[C]. 2014 5th IEEE International Conference on Software Engineering and Service Science （ICSESS）， Beijing， 2014： 1146-1149.

[4] LI Bin and LIU Shengmei. Vertical handoff algorithm based on mobility prediction [J]. Communication and Network， 2013， 39（1）： 93-95.

[5]YANG T and RONG P. A fuzzy logic vertical handoff algorithm with motion trend decision[C]. 2011 6th IEEE International Forum on Strategic Technology （IFOST）， Harbin， China， 2011， 2： 1280-1283.

[6] WANG S，FAN C，HSU C H，et al. A vertical handoff method via self-selection decision tree for internet of vehicles [J].IEEE Systems Journal， 2014， 30（10）：443-458.endprint