一种基于信息感知及联合计算缓存的动态RAN切片方法技术

本发明专利技术公开了一种基于信息感知及联合计算缓存的动态RAN切片方法，属于移动通信技术领域，包括如下步骤：在高动态车载网络中，构建由一个基站、一个SDN控制器、多个MEC服务器、多个路边单元及不同切片车载用户组成的通信、计算及缓存空间资源分配模型；搭建基于ConvLSTM的部分历史信息感知模型；在切片间SDN控制器应用理论分析及SAC算法以粗粒度方式优化基站和路边单元的切片配置信息，在切片内基站和路边单元以细粒度方式将通信及计算资源调度到终端用户。本发明专利技术能够实时获取车辆流量密度时空动态分布的最佳RAN切片策略，满足不同切片的服务性能指标要求并降低系统能耗。的服务性能指标要求并降低系统能耗。的服务性能指标要求并降低系统能耗。

【技术实现步骤摘要】
一种基于信息感知及联合计算缓存的动态RAN切片方法


[0001]本专利技术属于移动通信
，具体涉及一种基于信息感知及联合计算缓存的动态RAN切片方法。

技术介绍

[0002]车载网络服务是多样化的，具有不同的服务质量（QoS）要求。例如，用于对延迟敏感的自动驾驶的服务具有严格的延迟要求；而对资源要求较高的高清晰度地图创建服务具有延迟容忍性；并且车辆用户的移动视频流服务则需要高吞吐量。为了支持这些具有不同QoS要求的多样化车载网络服务，出现了很有前途的车载网络RAN切片方法，其目的是在基站和路边单元创建多个逻辑隔离切片。所述RAN为无线接入网。
[0003]然而，现有车载网络中的感知分析是基于准确观测到的车辆网络状态信息并且未充分利用部分历史信息致使底层网络切片资源难以灵活优化，同时多维服务QoS要求、高度动态的服务流量会影响评估网络资源的需求信息，无线网络的随机性以及不可避免的可用资源限制会影响资源分配策略以及用户服务体验质量。为了满足不同服务的时延要求，需要边缘计算和网络切片的结合，通过结合可以有效地利用边缘网络的动态网络资源，同时提高用户的QoS。高动态的车载网络场景中，协同集中控制通信、计算及缓存资源的灵活分配是保证车载用户服务体验质量、减少计算时延及降低系统能耗的有效方式。通过感知网络中部分历史信息的通信、计算及缓存空间资源动态RAN切片可根据多样化QoS需求智能准确地评估切片间通信、计算及缓存资源的需求以及能够以快速高度灵活的方式满足不同切片特定的QoS要求。因此，如何为用户优化通信、计算及缓存资源的配置信息是本专利技术研究的关键问题。
[0004]新兴的深度强化学习（DRL）被认为是解决复杂场景中的资源分配问题的很有前途的方法，采用探索的方式与环境实时动态交互。SAC算法是基于最大熵发展的DRL方法，在优化策略以获得更高累计收益的同时也会最大化策略的熵，以增加更多的探索，从而可以加快学习速度。所以，对于通信、计算及缓存空间的资源分配系统场景中，亟需一种方法配置通信、计算及缓存空间的切片间信息，以保证服务性能指标的同时有效降低系统能耗。

技术实现思路

[0005]为了解决上述问题，本专利技术提出了一种基于信息感知及联合计算缓存的动态RAN切片方法，从通信、计算及缓存空间资源分配的角度出发，构建了基于ConvLSTM的部分历史信息感知模型来提取车载网络中的时空动态分布特征以有效地促进通信、计算及缓存空间分配决策，同时引入了理论分析及SAC算法在切片间以粗粒度方式优化基站和路边单元的切片配置信息，在切片内基站和路边单元以细粒度方式将通信及计算资源调度到终端用户。
[0006]本专利技术的技术方案如下：一种基于信息感知及联合计算缓存的动态RAN切片方法，包括如下步骤：
步骤1、在高动态车载网络中，构建资源分配模型，该资源分配模型由一个基站、一个SDN控制器、多个MEC服务器、多个路边单元及不同切片车载用户组成，用于通信、计算及缓存空间的资源切片分配；步骤2、构建基于ConvLSTM的部分历史信息感知模型，提取高动态车载网络中的时空动态分布特征；步骤3、在切片间SDN控制器中应用理论分析及SAC算法，以粗粒度方式优化基站和路边单元的切片配置信息，切片内再以细粒度方式将通信及计算资源调度到终端用户。
[0007]进一步地，步骤1的资源分配模型中，记基站和所有路边单元的集合为，集合中索引为1的为基站，剩余的为路边单元索引，为系统内基站和路边单元的总数量；记基站与路边单元区域中的车辆流量密度为，为基站或路边单元区域中的车辆流量密度；记基站与路边单元区域中的平均车辆速度为，为基站或路边单元区域中的平均车辆速度；考虑来自车辆的不同切片请求，将车载网络切片分为三种，分别为时延敏感切片、时延容忍切片、内容交付切片，记；记基站或路边单元切片中第个用户为，其中；记基站或路边单元切片的用户集合为，系统内切片的用户集合为；记基站或路边单元的固定带宽为；记MEC服务器的计算能力为，MEC服务器的缓存能力为；记基站或路边单元分配给切片的通信资源比例为，记MEC服务器分配给切片的计算资源比例为，MEC服务器分配给切片的缓存空间比例为。
[0008]进一步地，步骤2中，构建的部分历史信息感知模型由ConvLSTM层、卷积层及全连接层依次串联组成，ConvLSTM层中又包含个串联的ConvLSTM单元；ConvLSTM为卷积长短期记忆网络；部分历史信息感知模型进行感知分析的具体过程如下：步骤2.1、SDN控制器从基站和路边单元收集切片资源需求、服务水平满意度、车辆流量密度及平均车辆速度方面的部分历史信息；步骤2.2、将前时隙的切片资源需求、服务水平满意度、车辆流量密度及平均车辆速度同时输入到ConvLSTM层，经过个ConvLSTM单元后提取得到时空动态分布特征；步骤2.3、将提取到的时空动态分布特征输入到卷积层，得到卷积矢量；步骤2.4、最后经过全连接层，将卷积矢量映射为一维矢量，得到每个基站和路边单元的一维时空动态分布特征，一维时空动态分布特征为部分历史信息感知模型的最终输出。
[0009]进一步地，步骤3的具体过程如下：
步骤3.1、设计通信资源分配策略；步骤3.2、设计计算资源分配策略；步骤3.3、设计缓存空间资源分配策略；步骤3.4、结合通信资源分配策略、计算资源分配策略和缓存空间资源分配策略，以最小化所有用户吞吐量、时延与服务指标要求的差值及能耗作为最终的优化目标；步骤3.5、引入全局变量的局部变量，进行优化问题的等效；步骤3.6、应用SAC算法以粗粒度方式优化基站和路边单元的切片配置信息，在切片内基站和路边单元以细粒度方式将通信及计算资源调度到终端用户。
[0010]进一步地，步骤3.1的具体过程如下：步骤3.1.1、根据香农理论计算出在时隙与基站或路边单元关联的用户通过一个资源块实现的数据速率为： (1)；其中，表示资源块的大小，表示时隙基站或路边单元与用户之间的传输功率，是基站或路边单元与用户之间的信道增益；表示基站或路边单元处接收到的高斯白噪声；步骤3.1.2、计算在时隙与基站或路边单元关联的用户实现的总数据速率为： (2)；其中，表示基站或路边单元分配给用户的资源块数量；步骤3.1.3、将最小化所有用户数据速率与切片数据速率指标要求的差值之和作为通信资源分配策略的优化目标，定义如下：
(3)；其中，为通信资源分配策略的优化目标；通信资源分配优化变量采用矩阵形式表示；表示基站或路边单元在时隙切片内分配给用户的通信资源分配向量；为时隙的数量；为切片的最低数据速率指标要求；为约束条件1：基站或路边单元分配给所有车载网络切片的带宽比例总和为1；为约束条件2：分配给切片用户的资源块数不应超过分配给该切片的资源块总数；为约束条件3：用户的传输速率应满足切片的最低数据速率指标要求。
[0011]进一步地，步骤3.2的具体过程如下：步骤3.2.1、计算MEC服务器方式在计算时延和能耗的开销；根据通信资源分配策略计算出的，计算在时隙用户的任务卸载到MEC服务器传输时延，计算公式如下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于信息感知及联合计算缓存的动态RAN切片方法，其特征在于，包括如下步骤：步骤1、在高动态车载网络中，构建资源分配模型，该资源分配模型由一个基站、一个SDN控制器、多个MEC服务器、多个路边单元及不同切片车载用户组成，用于通信、计算及缓存空间的资源切片分配；步骤2、构建基于ConvLSTM的部分历史信息感知模型，提取高动态车载网络中的时空动态分布特征；步骤3、在切片间SDN控制器中应用理论分析及SAC算法，以粗粒度方式优化基站和路边单元的切片配置信息，切片内再以细粒度方式将通信及计算资源调度到终端用户。2.根据权利要求1所述基于信息感知及联合计算缓存的动态RAN切片方法，其特征在于，所述步骤1的资源分配模型中，记基站和所有路边单元的集合为，集合中索引为1的为基站，剩余的为路边单元索引，为系统内基站和路边单元的总数量；记基站与路边单元区域中的车辆流量密度为，为基站或路边单元区域中的车辆流量密度；记基站与路边单元区域中的平均车辆速度为，为基站或路边单元区域中的平均车辆速度；考虑来自车辆的不同切片请求，将车载网络切片分为三种，分别为时延敏感切片、时延容忍切片、内容交付切片，记；记基站或路边单元切片中第个用户为，其中；记基站或路边单元切片的用户集合为，系统内切片的用户集合为；记基站或路边单元的固定带宽为；记MEC服务器的计算能力为，MEC服务器的缓存能力为；记基站或路边单元分配给切片的通信资源比例为，记MEC服务器分配给切片的计算资源比例为，MEC服务器分配给切片的缓存空间比例为。3.根据权利要求2所述基于信息感知及联合计算缓存的动态RAN切片方法，其特征在于，所述步骤2中，构建的部分历史信息感知模型由ConvLSTM层、卷积层及全连接层依次串联组成，ConvLSTM层中又包含个串联的ConvLSTM单元；ConvLSTM为卷积长短期记忆网络；部分历史信息感知模型进行感知分析的具体过程如下：步骤2.1、SDN控制器从基站和路边单元收集切片资源需求、服务水平满意度、车辆流量密度及平均车辆速度方面的部分历史信息；步骤2.2、将前时隙的切片资源需求、服务水平满意度、车辆流量密度及平均车辆速度同时输入到ConvLSTM层，经过个ConvLSTM单元后提取得到时空动态分布特征；步骤2.3、将提取到的时空动态分布特征输入到卷积层，得到卷积矢量；步骤2.4、最后经过全连接层，将卷积矢量映射为一维矢量，得到每个基站和路边单元
的一维时空动态分布特征，一维时空动态分布特征为部分历史信息感知模型的最终输出。4.根据权利要求1所述基于信息感知及联合计算缓存的动态RAN切片方法，其特征在于，所述步骤3的具体过程如下：步骤3.1、设计通信资源分配策略；步骤3.2、设计计算资源分配策略；步骤3.3、设计缓存空间资源分配策略；步骤3.4、结合通信资源分配策略、计算资源分配策略和缓存空间资源分配策略，以最小化所有用户吞吐量、时延与服务指标要求的差值及能耗作为最终的优化目标；步骤3.5、引入全局变量的局部变量，进行优化问题的等效；步骤3.6、应用SAC算法以粗粒度方式优化基站和路边单元的切片配置信息，在切片内基站和路边单元以细粒度方式将通信及计算资源调度到终端用户。5.根据权利要求4所述基于信息感知及联合计算缓存的动态RAN切片方法，其特征在于，所述步骤3.1的具体过程如下：步骤3.1.1、根据香农理论计算出在时隙与基站或路边单元关联的用户通过一个资源块实现的数据速率为： (1)；其中，表示资源块的大小，表示时隙基站或路边单元与用户之间的传输功率，是基站或路边单元与用户之间的信道增益；表示基站或路边单元处接收到的高斯白噪声；步骤3.1.2、计算在时隙与基站或路边单元关联的用户实现的总数据速率为： (2)；其中，表示基站或路边单元分配给用户的资源块数量；步骤3.1.3、将最小化所有用户数据速率与切片数据速率指标要求的差值之和作为通信资源分配策略的优化目标，定义如下：
ꢀ
(3)；其中，为通信资源分配策略的优化目标；通信资源分配优化变量采用矩阵形式表示；表示基站或路边单元在时隙切片内分配给用户的通信资源分配向量；为时隙的数量；为切片的最低数据速率指标要求；为约束条件1：基站或路边单元分配给所有车载网络切片的带宽比例总和为1；为约束条件2：分配给切片用户的资源块数不应超过分配给该切片的资源块总数；为约束条件3：用户的传输速率应满足切片的最低数据速率指标要求。6.根据权利要求5所述基于信息感知及联合计算缓存的动态RAN切片方法，其特征在于，所述步骤3.2的具体过程如...

【专利技术属性】
技术研发人员：陈赓，齐书虎，张晓，郭银景，曾庆田，孙红雨，陆翔，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：