System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及车联网移动管理领域,特别是涉及一种无锚点车辆5g异构网络移动切换方法及系统。
技术介绍
1、第五代移动通信技术(the 5th generation mobile communication system,5g)的商业化为车联网技术的进一步发展赋能,该技术具备高速率、低时延和大连接的特点,但其密集组网的特性在一定程度上增加了移动场景下网络切换发生的概率,这也给车辆的移动性管理带来了一定的挑战。
2、当前移动网络架构决定了报文转发必经节点和报文处理的功能分布,架构设计对端到端通信延迟和可靠性有重大影响。经过几代演进,移动网络逐渐形成了由移动性锚点ma+接入网关asn+ran组成的三层架构。对比固网的asn+an两层架构,移动性锚点ma是其最突出特征,存在进一步优化的空间。同时随着通信技术的不断发展,包含多种无线通信技术的异构车联网逐渐成为发展趋势,这其中也包括lte、5g混合组网下的异构蜂窝场景。目前lte在车联网中的应用已逐渐成熟,而5g在车联网中的部署仍然在不断演进。初期5g部署常采用非独立组网(nsa)的模式,借助现有的lte核心网以联合组网的方式解决5g覆盖能力不足的问题。
3、由于传统ip协议二义性的问题,在移动切换时ip地址的强耦合性会导致切换开销成本激增,同时由于需要借助移动锚点来保障通讯的连续性,可能会造成通信链路迂回的情况,会显著提高通信的时延。而且由于锚点的存在,单点故障问题也不可忽视,这会使网络的可靠性降低。
4、因此,如何提供一种能够消除网络中的移动锚点,降
技术实现思路
1、本专利技术的目的是提供一种无锚点车辆5g异构网络移动切换方法及系统,本专利技术采用基于身份位置分离映射的无锚点移动管理机制,消除网络中的移动锚点,克服了数据面固定移动性锚点导致的传输时延加大、可靠性降低的问题。
2、为实现上述目的,本专利技术提供了如下方案:
3、第一方面,本专利技术提供了一种无锚点车辆5g异构网络移动切换方法,包括:
4、根据构建的基于身份位置分离映射的无锚点移动管理架构,获取车辆状态信息和网络状态信息;所述车辆状态信息包括车辆历史轨迹信息和车载业务类型;所述网络状态信息包括menb网络覆盖的小区范围和/或sgnb网络覆盖的小区范围以及每个小区的网络状态;在所述无锚点移动管理架构中,使用身份标识aid表示用户车辆身份属性,使用路由标识rid表示用户车辆位置属性,用户车辆间基于aid通信,网络间基于rid路由;所述无锚点移动管理架构用于保证用户车辆的身份标识aid不变,用户车辆的位置标识rid可变,当用户车辆的位置发生变化时对身份位置分离映射进行更新;
5、根据所述车辆状态信息和所述网络状态信息,采用深度学习算法,确定预测轨迹序列;
6、根据所述预测轨迹序列,采用优化算法,确定最优网络;
7、根据所述最优网络进行网络切换。
8、可选的,根据所述车辆状态信息和所述网络状态信息,采用深度学习算法,确定预测轨迹序列,具体包括:
9、根据所述车辆历史轨迹信息,基于lstm算法对车辆轨迹进行预测,获得预测轨迹序列。
10、可选的,根据所述车辆历史轨迹信息,基于lstm算法对车辆轨迹进行预测,获得预测轨迹序列,具体包括:
11、将所述车辆历史轨迹信息输入车辆轨迹预测模型;
12、根据所述车辆轨迹预测模型的输出获得所述预测轨迹序列;所述车辆轨迹预测模型是根据lstm算法确定的;所述车辆轨迹预测模型的输出表示如下:
13、
14、其中,为车辆轨迹预测模型的输出;为车辆的经纬度坐标;n为历史输入时间序列的长度;t为时间序列中的某一刻。
15、可选的,根据所述预测轨迹序列,采用优化算法,确定最优网络,具体包括:
16、根据所述预测轨迹序列以及所述menb网络覆盖的小区范围和/或sgnb网络覆盖的小区范围,计算用户车辆在小区内的驻留时间;
17、根据所述驻留时间确定候选网络集合;
18、根据所述候选网络集合,采用优化算法,确定最优网络。
19、可选的,根据所述候选网络集合,采用优化算法,确定最优网络,具体包括:
20、基于ahp层次分析法确定网络属性主观权重;
21、基于熵权法确定网络属性的客观权重;
22、根据所述主观权重和所述客观权重计算组合权重;
23、将所述候选网络集合作为ddqn的状态集,将候选网络作为ddqn的动作集,将所述组合权重作为ddqn的奖赏函数,将网络切换建模为序贯决策过程,不断更新切换策略,最终达到序贯决策过程中累积奖赏最大化;
24、将所述累积奖赏最大化时对应的候选网络作为最优网络。
25、第二方面,本专利技术提供了一种无锚点车辆5g异构网络移动切换系统,包括:
26、信息获取单元,用于根据构建的基于身份位置分离映射的无锚点移动管理架构,获取车辆状态信息和网络状态信息;所述车辆状态信息包括车辆历史轨迹信息和车载业务类型;所述网络状态信息包括menb网络覆盖的小区范围和/或sgnb网络覆盖的小区范围以及每个小区的网络状态;在所述无锚点移动管理架构中,使用身份标识aid表示用户车辆身份属性,使用路由标识rid表示用户车辆位置属性,用户车辆间基于aid通信,网络间基于rid路由;所述无锚点移动管理架构用于保证用户车辆的身份标识aid不变,用户车辆的位置标识rid可变,当用户车辆的位置发生变化时对身份位置分离映射进行更新;
27、预测轨迹序列确定单元,用于根据所述车辆状态信息和所述网络状态信息,采用深度学习算法,确定预测轨迹序列;
28、最优网络确定单元,用于根据所述预测轨迹序列,采用优化算法,确定最优网络;
29、网络切换单元,用于根据所述最优网络进行网络切换。
30、可选的,所述预测轨迹序列确定单元包括:
31、预测轨迹序列确定模块,用于根据所述车辆历史轨迹信息,基于lstm算法对车辆轨迹进行预测,获得预测轨迹序列。
32、可选的,所述预测轨迹序列确定模块包括:
33、输入子模块,用于将所述车辆历史轨迹信息输入车辆轨迹预测模型;
34、输出子模块,用于根据所述车辆轨迹预测模型的输出获得所述预测轨迹序列;所述车辆轨迹预测模型是根据lstm算法确定的;所述车辆轨迹预测模型的输出表示如下:
35、
36、其中,为车辆轨迹预测模型的输出;为车辆的经纬度坐标;n为历史输入时间序列的长度;t为时间序列中的某一刻。
37、可选的,所述最优网络确定单元包括:
38、驻留时间计算模块,用于根据所述预测轨迹序列以及所述menb网络覆盖的小区范围和/或sgnb网本文档来自技高网...
【技术保护点】
1.一种无锚点车辆5g异构网络移动切换方法,其特征在于,包括:
2.根据权利要求1所述的一种无锚点车辆5g异构网络移动切换方法,其特征在于,根据所述车辆状态信息和所述网络状态信息,采用深度学习算法,确定预测轨迹序列,具体包括:
3.根据权利要求2所述的一种无锚点车辆5g异构网络移动切换方法,其特征在于,根据所述车辆历史轨迹信息,基于LSTM算法对车辆轨迹进行预测,获得预测轨迹序列,具体包括:
4.根据权利要求1所述的一种无锚点车辆5g异构网络移动切换方法,其特征在于,根据所述预测轨迹序列,采用优化算法,确定最优网络,具体包括:
5.根据权利要求4所述的一种无锚点车辆5g异构网络移动切换方法,其特征在于,根据所述候选网络集合,采用优化算法,确定最优网络,具体包括:
6.一种无锚点车辆5g异构网络移动切换系统,其特征在于,包括:
7.根据权利要求6所述的一种无锚点车辆5g异构网络移动切换系统,其特征在于,所述预测轨迹序列确定单元包括:
8.根据权利要求7所述的一种无锚点车辆5g异构网络移动切换系统,其
9.根据权利要求6所述的一种无锚点车辆5g异构网络移动切换系统,其特征在于,所述最优网络确定单元包括:
10.根据权利要求9所述的一种无锚点车辆5g异构网络移动切换系统,其特征在于,所述最优网络确定模块包括:
...【技术特征摘要】
1.一种无锚点车辆5g异构网络移动切换方法,其特征在于,包括:
2.根据权利要求1所述的一种无锚点车辆5g异构网络移动切换方法,其特征在于,根据所述车辆状态信息和所述网络状态信息,采用深度学习算法,确定预测轨迹序列,具体包括:
3.根据权利要求2所述的一种无锚点车辆5g异构网络移动切换方法,其特征在于,根据所述车辆历史轨迹信息,基于lstm算法对车辆轨迹进行预测,获得预测轨迹序列,具体包括:
4.根据权利要求1所述的一种无锚点车辆5g异构网络移动切换方法,其特征在于,根据所述预测轨迹序列,采用优化算法,确定最优网络,具体包括:
5.根据权利要求4所述的一种无锚点车辆5g异构网络移...
【专利技术属性】
技术研发人员:苏伟,袁源,张浩林,刘琪,梁鹏,彭轶华,马杰,杨卓佳,李昊儒,
申请(专利权)人:北京交通大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。