一種鐵路環境下機器類通信業務預測模型分類方法與流程
2023-06-08 13:44:31
本發明屬於鐵路環境下機器類通信技術領域,具體涉及一種鐵路環境下機器類通信業務預測模型分類方法。
背景技術:
我國鐵路正迅速發展,截至2015年底,我國鐵路營運裡程已達12.1萬公裡,其中高速鐵路1.9萬公裡,新建線路和高速鐵路都覆蓋車地無線通信系統GSM-R(GSM for Railway);GSM-R系統實現了無縫覆蓋的話音通信以及電路域列控信息的傳輸,目前GSM-R技術正在向著下一代鐵路長期演進計劃(Long Term Evolution for Railway,LTE-R)的方向發展。鐵路環境下的機器類通信,可以在鐵路專用移動通信系統(GSM-R/LTE-R)控制下允許鄰近的終端(車載設備、室外地面設備和室內設備)在一定距離範圍內使用蜂窩頻譜資源通過直連鏈路進行數據傳輸的新型技術。
與空中接口技術一樣,業務模型是無線通信系統設計的基礎,需要在一定範圍內滿足一定數量無線終端運行一定類型的無線通信業務。
為評估鐵路環境下機器類通信終端(Machine-type Communication,MTC)的入網性能,有必要建立鐵路環境下機器類通信專屬的業務模型,為蜂窩網絡的優化設計提供解決思路,現有3GPP業務模型機器存在類終端數量低和網絡影響業務模式的問題。
技術實現要素:
本發明的目的是提供一種鐵路環境下機器類通信業務預測模型分類方法,克服了鐵路特殊環境下機器類通信的運行複雜度和模型準確性上矛盾的問題。
為了實現上述目的,本發明採用的技術方案為:
一種鐵路環境下機器類通信業務預測模型分類方法,所述方法包括以下步驟:
S1,預測狀態初始化,並等待選擇所述鐵路環境下機器類通信業務預測場景;
S2,確定鐵路環境下機器類通信場景,同時根據選擇的環境計算轉移矩陣,開始更新設備狀態;
S3,產生滿足泊松分布的隨機到達設備,並在當前狀態下產生隨機數據包;
S4,如果隨機到達的設備在產生隨機數據包後進入下一狀態,則在設備加一的基礎上循環執行S1至S3步驟;
S5,如果隨機到達的設備在產生隨機數據包後沒有進入下一狀態,而是在進行下一時刻的計算,則在執行時間加一的基礎上循環執行S1至S4步驟;
S6,在隨機設備不再更新設備狀態和數據包產生時間時,結束預測。
優選地,所述S1在初始化時設置兩態間轉移,並假定與中心不協同的設備不觸發發送態;與中心協同的設備,在觸發發送態後恢復到常規態。
本發明提供的一種鐵路環境下機器類通信業務預測模型分類方法,具有以下有益效果:規避3GPP模型的局限,採用源模型方法,在協同數據源(雙向連結)與多設備高複雜度間折衷;方法採用設備和時間雙重迭代,迭代效率高,且符合鐵路環境下機器類通信業務設備的空間-時間特性;設備的多態性分類,與鐵路現場實際設備的工作狀態更加吻合;正是基於以上特徵,本發明提出的算法可以很好的應用於機器類通信,鐵路物聯網等工程技術領域。
附圖說明
下面結合附圖和具體實施例對本發明的技術方案進行詳細的說明,以使本發明的特性和優點更為明顯。
圖1為本發明一種鐵路環境下機器類通信業務預測模型分類方法的流程圖;
圖2(a)為本發明一種鐵路環境下機器類通信業務預測模型分類方法在鐵路站場環境下機器類通信設備啟動態業務示意圖;
圖2(b)為本發明一種鐵路環境下機器類通信業務預測模型分類方法在鐵路站場環境下機器類通信設備常規態業務示意圖;
圖2(c)為本發明一種鐵路環境下機器類通信業務預測模型分類方法在鐵路站場環境下機器類通信設備發送態業務示意圖;
圖2(d)為本發明一種鐵路環境下機器類通信業務預測模型分類方法在鐵路站場環境下機器類通信設備靜止態業務示意圖;
圖3(a)為本發明一種鐵路環境下機器類通信業務預測模型分類方法在鐵路區間環境下機器類通信設備啟動態業務示意圖;
圖3(b)為本發明一種鐵路環境下機器類通信業務預測模型分類方法在鐵路區間環境下機器類通信設備常規態業務示意圖;
圖3(c)為本發明一種鐵路環境下機器類通信業務預測模型分類方法在鐵路區間環境下機器類通信設備發送態業務示意圖;
圖3(d)為本發明一種鐵路環境下機器類通信業務預測模型分類方法在鐵路區間環境下機器類通信設備靜止態業務示意圖;
具體實施方式
下面詳細說明本發明的實施例。以下所述實施例是示例性的,旨在解釋本發明,而不應理解為對本發明的限制。
針對鐵路環境下為評估海量機器類通信終端的入網性能,而現有3GPP業務模型機器類終端數量低和網絡影響業務模式的問題,本發明公開了一種鐵路環境下基於馬爾科夫調製泊松過程的機器類通信業務預測方法。該方法基於Poisson分布和馬爾科夫更新過程設計了一種鐵路環境下的馬爾科夫調製泊松過程,旨在使其能與鐵路車站環境和區間環境測量的數據業務物理量匹配。本發明考慮不同設備和數據持續時間,採用以後臺過程Θ作為主體(中心),單向處理所有MTC設備實體信息,將設備n和時間t進行兩次迭代,進行通信業務預測,從而克服了鐵路特殊環境下機器類通信的運行複雜度和模型準確性上矛盾的問題。
基於上述原理,本發明提供一種鐵路環境下基於馬爾科夫調製泊松過程的機器類通信業務預測方法,該方法在運行時,首先要選定鐵路環境下機器類通信業務預測場景,然後產生隨機到達的設備並產生隨機數據包,再通過循環迭代實現業務模型預測,本發明的具體運行按如下步驟進行(參見圖1):
(1)預測狀態初始化,並等待選擇鐵路環境下機器類通信業務預測場景;
(2)確定鐵路環境下機器類通信場景,並根據選擇的環境計算轉移矩陣,並開始更新設備狀態;
(3)產生滿足泊松分布的隨機到達設備,並在當前狀態下產生隨機數據包;
(4)如果隨機到達的設備在產生隨機數據包後進入下一狀態,則在設備加一的基礎上循環執行(1)至(3)步驟;
(5)如果隨機到達的設備在產生隨機數據包後沒有進入下一狀態,而是在進行下一時刻的計算,則在執行時間加一的基礎上循環執行(1)至(4)步驟。
(6)在隨機設備不再更新設備狀態和數據包產生時間時,結束預測。
實施例1:
預測狀態初始化,設定t=0,n=0。確定車站室外模型,鐵路車站室外設備主要包括信號機、轉轍設備、應答器和軌道電路室外設備等類型的設備,也都屬於基本不具有移動性的設備。根據站場布局,上下行咽喉區可由兩個基站分別覆蓋,假設基站覆蓋防偽內的設備均勻分布,共存在K類鐵路機器類通信終端,第i類終端個數為Ni個,傳輸周期為Ti,數據量為Di,當預設的系統中斷概率和資源分配策略與車站室內模型相同時。假定一次進路中所涉及的信號機狀態信息、應答器數據傳輸、轉轍機定/反位等信息持續時間為t,且室外終端向基站請求無線資源並進行直接通信時,基站將收到突發數據大小為:
收到的第i類鐵路機器類通信終端突發數據量為:DTiO=min(Ni,M)×Di,持續時間t內,基站收到的第i類鐵路機器類通信終端的總數據量為:如果將K類鐵路機器類通信終端數據總量相加,可得基站在觀測時間t內接收的數據總量為:當第i類室外設備終端為獲取無線通信資源和完成數據傳輸所需的平均控制開銷為STOi,則信令總開銷可表示為:
設後臺過程Θ產生隨機採樣全局參數θ[t],δn代表每個設備與中心的親密程度;PC代表與中心(後臺過程)協同通信的設備轉移矩陣;PU代表與中心(後臺過程)非協同通信的設備轉移矩陣;θn[t]=δn·θ[t]代表設備行為與中心的協調程度,越接近0,越不協同。則設備n在時刻t的狀態轉移矩陣為:Pn[t]=θn[t]·PC+(1-θn[t])·PU,其中,將鐵路機器類通信設備模型的狀態增加為4態:啟動態、常規態、發送態和靜止態。其中,啟動態指每個鐵路設備都企圖發送消息;常規態指設備產生稀疏的不相關的數據業務;發送態指迫使產生衝突的設備改變狀態,而其他設備保持在常規態;靜止態指產生業務衝突的設備停止數據傳送。
在模擬站場環境下,設置區域為1000m*1000m,運行設備1000個,時間60s,依據本發明提供的方法產生滿足泊松分布的隨機到達設備,並在當前狀態下產生隨機數據包,並將設備n和時間t的兩次迭代,可得鐵路車站室外環境下機器類通信設備的啟動態通信業務預測示意圖如圖2(a)所示,鐵路車站室外環境下機器類通信設備的常規態通信業務預測示意圖如圖2(b),鐵路車站室外環境下機器類通信設備的發送態通信業務預測示意圖如圖2(c)所示,鐵路車站室外環境下機器類通信設備的靜止態通信業務預測示意圖如圖2(d)所示。
實施例2:
預測狀態初始化,設定t=0,n=0。確定鐵路區間場景模型,在鐵路環境下高速移動的列車具有固定的運動軌跡,如圖1所示。當MTC終端(即車載設備作為MTC終端)與這類運動物體捆綁時,也將遵循同樣的運動軌跡,並且具有移動速度快、動作範圍大的特點。當基站沿鐵路線路呈線裝覆蓋時,覆蓋有效半徑為RS,當小規模數據傳輸周期為TS,數據量為DS。當第i列車以速度vi沿鋼軌直線穿越基站有效通信範圍,則該終端不考慮切換的情況下有效駐留時間為:TSi=2RScosθi/vi,第i個MTC終端所傳遞的數據量可表示為:設在持續時間t內共有N(t)列車穿越該基站覆蓋的小區,根據鐵路運輸安全需要,基站會保證通過列車的有效接入,即N(t)<MI。當列車到達時間服從泊松分布,則在持續時間t內,N(t)=λt,則有:其中,λ為列車平均到達率,min(t,TSi)表示在持續時間t內列車已經離開當前小區,相應的信令開銷為:設後臺過程Θ產生隨機採樣全局參數θ[t],δn代表每個設備與中心的親密程度;PC代表與中心(後臺過程)協同通信的設備轉移矩陣;PU代表與中心(後臺過程)非協同通信的設備轉移矩陣;θn[t]=δn·θ[t]代表設備行為與中心的協調程度,越接近0,越不協同。則設備n在時刻t的狀態轉移矩陣為:Pn[t]=θn[t]·PC+(1-θn[t])·PU,其中,將鐵路機器類通信設備模型的狀態增加為4態:啟動態、常規態、發送態和靜止態。其中,啟動態指每個鐵路設備都企圖發送消息;常規態指設備產生稀疏的不相關的數據業務;發送態指迫使產生衝突的設備改變狀態,而其他設備保持在常規態;靜止態指產生業務衝突的設備停止數據傳送。
在模擬鐵路區間複線場景下,設置區域為1000m*10m,運行設備10個,時間60s,依據本發明提供的方法產生滿足泊松分布的隨機到達設備,並在當前狀態下產生隨機數據包,並將設備n和時間t的兩次迭代,可得鐵路區間複線場景環境下機器類通信設備的啟動態通信業務預測示意圖如圖3(a)所示,鐵路區間複線場景環境下機器類通信設備的常規態通信業務預測示意圖如圖3(b),鐵路區間複線場景環境下機器類通信設備的發送態通信業務預測示意圖如圖3(c)所示,鐵路區間複線場景環境下機器類通信設備的靜止態通信業務預測示意圖如圖3(d)所示。
本發明提供的一種鐵路環境下機器類通信業務預測模型分類方法,具有以下有益效果:規避3GPP模型的局限,採用源模型方法,在協同數據源(雙向連結)與多設備高複雜度間折衷;方法採用設備和時間雙重迭代,迭代效率高,且符合鐵路環境下機器類通信業務設備的空間-時間特性;設備的多態性分類,與鐵路現場實際設備的工作狀態更加吻合;正是基於以上特徵,本發明提出的算法可以很好的應用於機器類通信,鐵路物聯網等工程技術領域。
最後應當說明的是:本發明並不僅限於上述實施方式,任何針對本發明的具體實施方式進行的未脫離本發明精神和範圍的修改或者等同替換均在本發明申請待批的權利要求保護範圍之內。