列車控制與服務網(wǎng)絡旅客服務流量特性分析與建模

汪永斌，譚獻海

（西南交通大學 信息科學與技術學院， 成都 611756）

不同于傳統(tǒng)的列車通信網(wǎng)絡，列車控制與服務網(wǎng)絡（TCSN，Traffic Control Service Network）在保證列車控制業(yè)務傳輸?shù)耐瑫r，充分考慮應用日益廣泛的旅客服務業(yè)務，實現(xiàn)列車控制與旅客服務業(yè)務流量一體化傳輸[1]。如果不對旅客服務流量進行監(jiān)管，大量突發(fā)旅客服務流量容易導致網(wǎng)絡擁塞，關鍵控制業(yè)務傳輸需求得不到有效保障，從而嚴重威脅列車運行安全。為此，對旅客服務流量特性的研究是實現(xiàn)有效監(jiān)管的前提條件。

2014 年，裴子秀等人利用網(wǎng)絡仿真軟件OPNET對列車控制業(yè)務流量進行仿真，分析列車控制業(yè)務的流量特性，發(fā)現(xiàn)大部分列車控制業(yè)務報文到達時間間隔和報文長度均為常量值，但未涉及對旅客服務業(yè)務流量特性的分析[1]。2018 年，趙晉南等人提出針對TCSN 的兩級令牌分配監(jiān)管算法，并使用Matlab對該算法進行仿真驗證，但其仿真結果缺乏說服力，主要原因在于仿真實驗停留在對旅客服務業(yè)務流量特性的傳統(tǒng)認知上，未對其流量特性進行全面細致的分析[2]。2018 年，劉力浩等人設計了五元組與DPI技術結合的TCSN 流量識別算法，對業(yè)務報文的五元組和載荷特征進行識別，但該識別方法依賴于對已知業(yè)務識別特征的預先分析，未考慮業(yè)務報文到達時間間隔變化規(guī)律等關鍵特征，對TCSN 業(yè)務流量的識別能力較為有限[3]。2019 年，張江楠等人分析即時通信業(yè)務的流量特征，重點分析QQ、微信、微博等應用報文的到達時間間隔，結果發(fā)現(xiàn)報文間隔時間分布均表現(xiàn)出明顯的重尾特性[4]。

現(xiàn)有針對旅客服務業(yè)務流量特性的研究或停留在傳統(tǒng)泊松過程的認知上，或局限于某種特殊應用。考慮到TCSN 應區(qū)分服務網(wǎng)絡以及旅客服務業(yè)務的特殊性，本文對TCSN 旅客服務業(yè)務進行分類，并在此基礎上確定各個業(yè)務類報文到達時間間隔的數(shù)學模型。

1 旅客服務流量特性分析

1.1 旅客服務業(yè)務分類

國際電信聯(lián)盟（ITU，International Telecommunication Union）在2002 年制定了因特網(wǎng)業(yè)務分類標準，但近年來互聯(lián)網(wǎng)業(yè)務發(fā)生了較大變化，該標準不完全適用于當前互聯(lián)網(wǎng)環(huán)境[5]。因此，本文采用華為QoS（Quality of Service）標準作為ITU 標準的補充，將TCSN 中常見旅客服務應用劃分為傳統(tǒng)互聯(lián)網(wǎng)應用、即時通信、實時音視頻、流媒體、P2P 5 個業(yè)務類別[6]。

1.2 研究重點

復雜多變和易突發(fā)是旅客服務流量最顯著的特性，但是報文到達時間間隔和包長的變化規(guī)律是導致上述現(xiàn)象的根本原因[7]。為了實現(xiàn)針對不同旅客服務業(yè)務提供有區(qū)分的監(jiān)管服務，對報文到達時間間隔和包長變化規(guī)律的研究十分關鍵，本文重點研究旅客服務業(yè)務類報文到達時間間隔的變化規(guī)律。

2 采用的數(shù)學分析方法

2.1 選用的概率分布模型

隨著信息技術的快速發(fā)展，互聯(lián)網(wǎng)流量表現(xiàn)出不符合傳統(tǒng)泊松過程的自相似特性，而重尾特性是流量自相似的重要成因[7]。為此，選用指數(shù)分布、冪律（Power-law）分布、Pareto 分布、對數(shù)正態(tài)（Lognormal）分布、Weibull 分布5 種概率分布作為實驗分析模型[8]。

2.2 模型擬合方法

最小二乘法是一種優(yōu)化方法，通過最小化殘差平方和來尋找適合數(shù)據(jù)的最佳匹配函數(shù)及函數(shù)參數(shù)估計值[9]。本文使用最小二乘法，將旅客服務流量報文到達時間間隔與選用的概率分布模型進行擬合，根據(jù)擬合效果確定反映旅客服務報文到達時間間隔變化規(guī)律的最佳分布模型及其參數(shù)估計值。

2.3 擬合評價指標

可決系數(shù)R2是反映模型擬合優(yōu)度的重要統(tǒng)計量，均方根誤差（RMSE，Root Mean Square Error）是衡量估計值和觀測值偏差的統(tǒng)計量。R2最適合反映模型擬合程度，但易出現(xiàn)過擬合現(xiàn)象，導致模型泛化能力不強；RMSE 能夠在一定程度上降低過擬合風險，但對數(shù)值量較小的觀測值區(qū)分能力不強[4]。為此，綜合考慮R2和RMSE 的優(yōu)缺點，本文采用R2和RMSE 相結合的方法，對旅客服務業(yè)務流量到達時間間隔的擬合效果進行評價。

3 實驗分析

3.1 實驗分析過程簡介

（1）構建旅客服務業(yè)務流量數(shù)據(jù)集，使用Python 工具包pandas 和numpy，完成實驗數(shù)據(jù)的解析和預處理；（2）使用工具包Scipy 生成旅客服務報文到達時間間隔的概率統(tǒng)計值，觀察傳統(tǒng)互聯(lián)網(wǎng)、即時通信、流媒體、實時音視頻、P2P 業(yè)務類報文到達時間間隔概率統(tǒng)計值的圖形分布，使用最小二乘法將報文到達時間間隔概率統(tǒng)計值與選用的概率分布模型進行擬合；（3）綜合考慮圖形擬合結果和擬合評價指標，確定反映各業(yè)務類報文到達時間間隔變化規(guī)律的最佳分布模型及參數(shù)。

3.2 旅客服務業(yè)務流量數(shù)據(jù)集構造

考慮到列車旅客上網(wǎng)流量數(shù)據(jù)涉及用戶隱私，實際數(shù)據(jù)獲取較難，本文利用實驗室局域網(wǎng)模擬列車旅客上網(wǎng)環(huán)境，使用WireShark 收集8 人自2019 年9 月15 日9：30 到17：30 期間產生的所有流量數(shù)據(jù)，旅客服務業(yè)務的流量數(shù)據(jù)來源見表1。

表1 旅客服務業(yè)務流量數(shù)據(jù)來源

本文收集實驗室模擬環(huán)境中8 h 的流量數(shù)據(jù)，并將這些數(shù)據(jù)與UNB（University of New Brunswick）網(wǎng)絡安全實驗室開源數(shù)據(jù)集（ISCX-2017）進行整合[10]，將整合獲得的流量數(shù)據(jù)集命名為TP-Traffic，作為本文研究的數(shù)據(jù)來源。

3.3 實驗數(shù)據(jù)預處理

為研究旅客服務業(yè)務報文到達時間間隔的規(guī)律，需將獲取的報文到達時間間隔轉換為概率統(tǒng)計值。以傳統(tǒng)互聯(lián)網(wǎng)業(yè)務報文到達時間間隔為例，具體轉換過程為：將報文到達時間間隔從小到大進行排序，假設報文到達時間間隔最小值和最大值分別為t1和t2，將整個時間間隔區(qū)間t2-t1均分為n個子區(qū)間，每個子區(qū)間長度T=(t2-t1)/n，報文到達時間間隔落在第i個區(qū)間的概率值pi等于落在((i-1) ·T,i·T)之間的記錄數(shù)ni與整個區(qū)間總記錄數(shù)N的比值，即式（1）：

3.4 實驗結果分析

本文將網(wǎng)頁瀏覽、文本文件傳輸、數(shù)據(jù)庫訪問、終端訪問、交互式游戲等網(wǎng)絡業(yè)務歸類為傳統(tǒng)互聯(lián)網(wǎng)業(yè)務，提取其報文到達時間間隔，按式（1）計算報文到達時間間隔落在每一個子區(qū)間的概率值；報文到達時間間隔與對應的概率值如圖1 所示，橫坐標為報文到達時間間隔（單位：s），縱坐標為橫坐標對應概率值的對數(shù)表示。由圖1 可知，傳統(tǒng)互聯(lián)網(wǎng)業(yè)務報文到達時間間隔表現(xiàn)出不同于傳統(tǒng)泊松過程的重尾特性。

互聯(lián)網(wǎng)業(yè)務報文到達時間間隔的統(tǒng)計值與概率分布模型的擬合曲線見圖2。其中，圖2a 是傳統(tǒng)互聯(lián)網(wǎng)業(yè)務報文到達時間間隔的完整擬合曲線；將圖

圖1 傳統(tǒng)互聯(lián)網(wǎng)業(yè)務的報文到達時間間隔分布

2a 中橫坐標區(qū)間[0, 0.6] 與縱坐標區(qū)間[0, 0.02]的區(qū)域放大，即得到圖2b，其橫坐標是傳統(tǒng)互聯(lián)網(wǎng)業(yè)務以秒為單位的報文到達時間間隔，縱坐標是橫坐標對應的概率值；其中，紫色虛線為指數(shù)分布擬合曲線，綠色虛線為Weibull 分布擬合曲線，藍色實線為對數(shù)正態(tài)分布擬合曲線，紅色實線為帕累托分布擬合曲線，黑色虛線為冪律分布擬合曲線，藍色星形為傳統(tǒng)互聯(lián)網(wǎng)業(yè)務報文到達時間間隔的概率值。

圖2 傳統(tǒng)互聯(lián)網(wǎng)業(yè)務的報文到達時間間隔擬合曲線

通過數(shù)據(jù)擬合實驗獲得的傳統(tǒng)互聯(lián)網(wǎng)業(yè)務報文到達時間間隔所對應的概率分布模型的擬合參數(shù)及評價指標見表2。結合圖2 和表2 可知，擬合效果最佳的是冪律分布，其擬合曲線經(jīng)過大部分實驗數(shù)據(jù)點，且其R2值最接近1，RMSE 最小。由此可證明，冪律分布是反映傳統(tǒng)互聯(lián)網(wǎng)業(yè)務報文到達時間間隔變化規(guī)律的最佳數(shù)學模型。

表2 傳統(tǒng)互聯(lián)網(wǎng)業(yè)務概率分布模型的擬合參數(shù)及評價指標

其它4 種業(yè)務類（即時通信、實時音視頻、流媒體、P2P）的實驗結果分析與傳統(tǒng)互聯(lián)網(wǎng)類似，在此不作贅述。5 種旅客服務業(yè)務類的報文到達時間間隔服從的概率分布模型及相應的參數(shù)見表3。

表3 旅客服務業(yè)務類報文到達時間間隔概率分布模型

4 結束語

根據(jù)列車旅客上網(wǎng)服務需求，對旅客服務業(yè)務進行分類，對各業(yè)務類的流量特征展開研究，重點研究各業(yè)務類報文到達時間間隔的變化規(guī)律；經(jīng)實驗發(fā)現(xiàn)：指數(shù)分布不能有效刻畫旅客服務業(yè)務類到達時間間隔的變化規(guī)律，其概率密度函數(shù)具有明顯的重尾特性；采用5 類概率分布模型進行擬合實驗，對比分析實驗結果及評價指標，確定可反映各業(yè)務類報文到達時間間隔變化規(guī)律的最佳數(shù)學模型以及其參數(shù)。

今后可以根據(jù)新的應用場景，制定新的分類方案，研究各業(yè)務類報文到達時間間隔的變化規(guī)律。