第1章 面向5G移动网络智能医疗应用的大数据环境

穆罕默德·迪格里里、柳规明和塔尔·贝克

1.1 引言

由于无线网络技术（例如5G）的快速发展以及对具有高质量服务（QoS）要求的服务需求不断增长[1],网络资源的管理正成为一个日益具有挑战性的步骤，必须进行合理设计以提升网络性能。预计由于智能设备（如智能手机、交通控制和血压传感器）在众多应用中的广泛使用，智能设备的数据流量将迅速增加。智能设备的应用领域包括智能办公、智能交通监控、智能报警系统、智能医疗系统和物流系统[2, 3]。此外，智能设备通信提供了智能设备之间的无处不在的连接，使得笔记本电脑、智能传感器、计算机等设备能够相互连接，在各种智能设备应用中执行多种自动操作。在这种情况下，网络切片[4]作为一种有效提高网络资源管理灵活性的方法，正变得越来越重要。

切片是一组被选中的网络资源，旨在满足该切片所要提供的服务的需求（例如在QoS方面）[5, 6]。切片的目标是通过仅提供系统中已启用切片所需的网络资源，来增强灵活性并提高网络资源的利用率。

网络切片的一个辅助方面是网络资源虚拟化，它允许网络运营商以灵活、动态的方式共享共同的物理资源，从而更有效地利用现有资源
M. 迪赫里里 () · G. M. Lee · T. Baker 计算机科学系，利物浦约翰摩尔斯大学，利物浦，
英国 电子邮件：M.H.Dighriri@2015.ljmu.ac.uk; G.M.Lee@ljmu.ac.uk; T.baker@ljmu.ac.uk
© 施普林格国际出版公司，属于施普林格自然集团，2018年 M. M. Alani
等（编辑），大数据分析应用，https://doi.org/10.1007/978-3-319-76472-6_1
1
本文档由 funstory.ai 的开源 PDF 翻译库 BabelDOC v0.5.10 (http://yadt.io) 翻译，本仓库正在积极的建设当中，欢迎 star 和关注。
2 M. Dighriri 等人
方法 [7]。在我们的方案中，通过将多个设备的数据流量根据每种应用的服务质量(QoS)划分为独立的切片，在中继节点中以物理资源块(PRB)作为最小单位高效利用5G无线资源。目前文献中正在研究网络资源虚拟化，特别是集中于网络功能的虚拟化[7–9]。由于各种QoS需求以及网络资源的限制，在服务切片和用户设备(UEs)之间高效分配网络资源是一个主要问题[11, 12]。

1.1.1 智能设备

智能设备传输大小不同的数据，且具有多样化的QoS需求。例如，智能医疗设备传输的数据量较小，但对延迟敏感。物理资源块(PRB)是最小的无线资源，分配给单个设备用于第四代或第五代网络中的数据传输。在智能设备应用中，当设备传输小尺寸数据时，物理资源块(PRB)的容量未被充分利用，导致系统性能显著下降。本章提出一种无线接入选择(RAS)，以实现5G无线资源在智能设备通信中的高效利用。在所提出的方案中，通过聚合多个智能设备的数据来高效利用5G无线资源。智能设备共享资源，以提高系统的频谱效率。

1.1.2 未来挑战

在具有长期演进（LTE）和5G大规模接入（如人对人通信（H2H））的移动网络中，智能设备和个人设备可能导致无线接入网（RAN）过载和拥塞等严重系统挑战。由于无线资源是关键组成部分且十分有限，因此需要高效利用这些无线资源。新型通信技术，如LTE、长期演进技术高级（LTE‐A）和 5G，采用多载波方案以提供更高的数据速率并确保高服务质量（QoS）。在 5G系统中，可分配给智能设备的最小资源单元是物理资源块（PRB），如图 1.1所示。在有利的信道条件下，物理资源块（PRB）能够传输数千字节的数据。这些多载波方案能够传输大量数据。然而，在智能设备通信的情况下，必须同时考虑窄带和宽带应用，以增强服务质量要求。特别是，这些应用具有不同规模的数据流量，需要实时、准确性和优先级等QoS需求。

)

如果将一个物理资源块(PRB)分配给单个智能设备用于仅传输几个字节的数据，则可能导致无线资源的严重浪费；此外，在5G切片方法中还应考虑不同类型的数据流量。因此，充分的无线资源利用和数据流量分类将是应对未来数据流量激增和服务公平性问题的绝佳解决方案。

1.2 背景

1.2.1 5G使能技术

5G在其第8版中规定了下一代网络的需求和组件。其主要目标包括用于演进分组核心网(EPC)、演进的UMTS陆地无线接入网(E‐UTRAN)和演进的UTRA的 LTE和系统架构演进(SAE)。用户设备与演进型通用陆地无线接入网之间的通信通过互联网协议(IP)实现，该协议由演进分组系统(EPS)提供。在5G中，空中接口和无线接入网络被修改，而EPC的架构基本保持不变。EPS是LTE、 LTE‐Advanced和5G网络的基础。5G的主要特性包括载波聚合(CA)、增强型多输入多输出(MIMO)技术、协同多点传输(CoMP)和中继节点(RN)。我们将在后续详细介绍每项技术，例如CA、MIMO技术和CoMP。此外，5G将通过小基站 （如微微蜂窝、微蜂窝、毫微微蜂窝和中继节点）提供支持，正如我们在下文中所述，我们已使用中继节点(RN)小区来聚合智能设备的数据流量[14]。

4 M. Dighriri 等人

1.2.2 基于基础设施的中继节点

根据基础设施的不同，RN节点可分为固定和移动中继节点。RN节点应用于不同的场景，以提高数据速率、覆盖范围，并支持用户设备在室内外的移动。
RN节点可以为用户设备提供从室内到室外的移动支持。此外，通过在公交车或火车顶部等位置安装RN节点，用户设备可以获得满意的覆盖。基于基础设施的中继节点的进一步分类如下所示[15]。

1.2.2.1 固定中继节点

固定中继节点主要用于扩展那些远离常规 donor eNB（DeNB）或基站的用户设备的覆盖范围，而这些基站通常位于小区的边缘。此外，还可改善由于阴影效应造成的覆盖空洞问题。固定中继节点可以为常规基站覆盖范围之外的用户提供服务，从而扩展小区覆盖范围，如图1.2所示，为固定中继节点的功能示意图。与基站的天线相比，固定中继节点配备的天线尺寸相对较小。
RN节点的天线通常安装在建筑物顶部、塔顶、电线杆等位置。

1.2.2.2 移动中继节点

根据[16], 3GPP，已考虑使用移动中继节点为高速行驶的列车上的用户提供满意的服务。然而，最近的研究表明，移动中继节点还可以专业地改善公共交通工具中的服务。

例如公共汽车和有轨电车。移动中继节点的目的是在移动环境中提供覆盖。
移动中继节点安装在车辆、列车等上，建立移动用户设备与基站之间的通信路径。中继节点通过移动中继链路（回传）与基站通信，同时通过接入链路与移动用户设备通信。由于车辆限制及其他安全措施，移动中继节点的天线尺寸保持较小；移动中继节点的功能如图1.3所示。

1.2.3 5G网络切片

5G作为新一代移动网络，正在科技领域受到广泛关注；其中，网络切片无疑是当今最受热议的技术之一。中国移动、SK电信等移动网络运营商以及诺基亚、爱立信等厂商均将其视为5G时代即将到来的网络架构模型[17]。这项新技术使运营商能够在单一物理网络上划分出多个虚拟的端到端（E2E）网络切片，每个切片在设备、接入、传输和核心网络方面实现逻辑隔离，类似于将硬盘驱动器（HDD）划分为C盘和D盘，并为具有不同特性和QoS需求的多种类型的服务提供专用资源。每个网络切片及其承诺资源，例如网络功能虚拟化（NFV）中的资源、软件定义网络（SDN）、云计算、网络带宽、服务质量等，都是明确分配的，如图1.4[18, 19]所示。

1.2.3.1 数据流量聚合模型

所提出的模型依赖于在中继节点（RN）的分组数据汇聚协议（PDCP）层上聚合来自多个智能设备的数据。分组数据汇聚协议（PDCP）层

执行头部压缩、重传和PDCP会话数据单元（SDU）的传输、重复检测等。
在所提出的模型中，PDCP层用于上行链路中智能设备数据的聚合。选择 PDCP进行上行链路数据聚合的主要原因是能够在聚合数据时使用最少数量的附加头部，如图1.5所示。

来自多个智能设备的各个数据包以完整的头部（如媒体访问控制（ MAC）、无线链路控制（RLC）和分组数据汇聚协议（PDCP））到达聚合设备的物理层。当接收到的数据传输到上层时，这些头部被移除。当数据包到达分组数据汇聚协议层时，所有头部均被移除，仅剩下来自各个设备的有效载荷，并对其进行聚合。

一个单独的聚合缓冲区 B在中继节点处用于聚合智能设备的数据流量。
该缓冲区聚合来自不同智能设备的数据，确保5G和智能设备数据流量的服务质量。在此实现中，智能设备使用中继节点，而5G数据流量使用基站。
为了在频谱效率、分组传播延迟和小区吞吐量方面达到最大性能提升，我们考虑所有智能设备通过中继节点与基站通信的场景。智能设备数据聚合算法如图 1.6所示，并描述如下：

来自K个智能设备的数据被考虑进行聚合。
智能设备数据聚合的关键参数是中继节点处数据包的最大延迟时间Tmax。
最大延迟时间Tmax是智能设备数据的一个关键参数，根据智能设备的不同业务类别进行计算。智能设备数据根据其应用具有不同的优先级。例如，在智能医疗系统场景中部署的智能设备用于测量患者体温或脉搏率，其所产生的数据包比智能手机中部署的智能设备的数据包具有更高的优先级。

具有最高优先级的设备发出的数据包面临的延迟最小。因此，我们将Tmax的初始值设为具有最高优先级的智能设备数据的发送间隔时间。例如，在不同智能设备应用的仿真设置中，智能设备流量模型的发送间隔时间为1秒，这也是数据包在中继节点处的最大延迟时间。因此，Tmax的值被初始化为 1秒，这意味着从不同智能设备接收到的数据包在中继节点处延迟1秒。
Tmax的值是自适应的，即当RN接收到一个设备的数据包时，若该设备的优先级高于RN队列中所有其他设备的优先级，则算法会更新Tmax的值。
所有智能设备的数据都在RN处缓存，各智能设备的互联网协议头保持完整。
数据包被缓存直至时间延迟接近Tmax。为了比较数据聚合模型在窄带和宽带智能设备应用场景下的性能，在两种情况下均将智能设备的聚合规模分别设置为1（未聚合）、5、10、15和20。聚合规模表示被聚合的设备数量。例如，在包含180个智能设备的场景中，聚合规模为5、10、15和20分别表示在 RN处将每组5个、10个、15个和20个设备的数据进行聚合。
聚合的数据通过Un接口发送到基站，在基站处进行解复用。随后，基站将各个互联网协议流发送到相应的应用服务器。
智能设备的数据包通过中继节点传输到aGW（接入网关）。K个智能设备将数据包发送到中继节点，这些数据包在中继节点的物理层被收集。数据包通过上行链路传输到中继节点的PDCP层。IP数据包根据其质量控制标识符（QCI）值在聚合缓冲区中进行打包。聚合缓冲区收集来自多个智能设备的数据包。数据包根据来自不同设备的到达顺序被放入聚合缓冲区。聚合数据模型的详细结构如图1.5所示，其中仅展示了第二层协议，以说明智能设备数据的聚合过程。中继节点的物理层以不同的传输块大小（TBS）形式接收数据包。TBS从1到K表示智能设备在中继节点处传输的TBS。数据包通过 MAC层到达RLC层。RLC头被移除后，剩余的协议数据单元（PDU）被传送到PDCP层。在PDCP层接收到的PDU包含各个智能设备的IP头，并被打包进单个PDCP缓冲区。

1.2.4 资源分配方案 (RAS)

5G移动网络中的应用层是为智能设备在不同种类的网络上提供卓越服务质量的主要终端。我们提出的无线接入选择将基于上述的数据流量聚合和复用模型，该模型聚焦于服务层，并依据服务质量要求。
针对每个服务（应用）层。因此，我们将阐明主要的5G网络架构层，即物理层/媒体访问控制层、网络层、开放传输协议（OTA）层和服务层。
在这种情况下，为了执行网络切片的资源分配方案（RAS），需要对无线资源的虚拟化进行更深入的研究。显然，需要考虑的主要方面是如何将无线资源分配给不同的切片，以满足这些切片的需求。由于网络切片引入了系统中的两级优先级机制，与（RAS）相关的任务变得更加具有挑战性。第一级是指不同切片之间的优先级，即切片间优先级，因为每个切片的优先级是根据网络提供商与切片所有者之间的协议定义的。第二级是指同一切片内用户之间的优先级，即切片内优先级。当回顾现有4G系统中用于应对无线资源问题的解决方案时，显然可以看出，4G网络能够最大化所服务用户的 QoS，但无法在切片环境中执行资源分配。[13]这种限制的原因在于，4G系统中的RAS是通过在用户设备（UE）上为请求的服务分配优先级来实现的。
因此，当考虑到在5G系统中不同的用户设备可能属于具有不同优先级的不同切片时，这种方法便失效了；因此，应根据用户设备所属切片的优先级以及其所需服务的优先级来管理这些用户设备。
在本章中，我们提出了一种新型RAS；如图1.7所示，该方法采用两级优先级。我们的方案基于网络切片向接入控制实体报告所需服务质量水平的思路。RAS根据切片的优先级决定是否服务该切片。最后，根据互-

根据切片内优先级，虚拟网络将物理无线资源分配给已准入的切片中的用户设备。根据无线接入选择（RAS）的决策，资源分配任务旨在通过考虑切片间优先级来最大化每个切片内用户的用户体验质量（QoE）。在本章中， QoE通过用户所体验的有效吞吐量进行衡量，并根据其最大需求数据速率进行归一化处理。为了实现这一目标，如有需要，可减少分配给低优先级切片的资源，直至满足基本QoS要求的最低资源量，以便准入更高优先级的新切片。因此，本方案动态地调整了分配给网络切片的网络资源数量。
根据数据包负载，在不影响用户体验质量的同时提高网络利用率。总结来说，本章的主要贡献可列举如下：
在我们的虚拟化5G系统模型中提出了一种具有双层优先级的新型RAS。
•所提出的RAS根据当前流量负载动态设置分配给切片的资源，并通过聚合多个设备的数据来高效利用最小单位的物理资源块(PRB)。
在分配资源分配任务的QoE最大化问题时，已考虑切片间和切片内优先级顺序。因为出于QoE目的的优先级顺序可以提升用户设备的满意度水平和网络利用率。

1.3 资源分配方案环境

根据5G切片技术，我们将重点对智能手机、智能医疗系统和智能交通监控等智能设备应用的QoS需求和数据流量进行分类和测量（图1.8）。作为5G网络切片框架中智能设备数据流量特征的结果，例如数据内容类型、流量数据量类型、数据传输优先级和数据传输模式。数据流量的内容类型包括语音和视频流；数据量类型分为不同尺寸：大尺寸指超过1千字节的数据包数量，小尺寸指少于1千字节的数据包数量。传输方式包括周期性传输、连续传输、突发传输和时间响应传输；传输优先级分为低、中、高。根据智能设备应用的不同，我们的研究将它们基于QoS和数据流量类型划分为三个主要切片。

1.3.1 相关工作

在文献综述中，已有许多解决方案被提出以有效增强网络资源虚拟化，从而提升用户设备的用户体验质量和网络资源利用率 [9]。文献[10],提出了一种适用于LTE系统的高效无线网络虚拟化方案，该方案通过一种切片结构，旨在将物理资源块高效分配给不同的服务提供商(SP)，以最大化资源利用率。
该方法具有动态性和灵活性，能够满足不同SP的各种公平性要求。相应地， [20]提出了一种LTE系统中的无线资源虚拟化框架，以实现移动网络运营商之间的无线资源分配。该研究提出了一种迭代算法来求解二进制整数规划 (BIP)，从而降低计算开销。然而，上述方案均未考虑不同切片之间的优先级，也未考虑同一切片内用户之间的优先级。
由于网络资源的限制，可以通过执行无线接入选择来提高通信可靠性和网络利用率。在[21],中，提出了一种联合资源供应和无线接入选择方案，旨在基于信道状态信息最大化虚拟化网络的总速率。此外，提出了一种迭代切片供应算法，根据信道状态信息调整最小切片需求，但未考虑网络的全局资源利用率以及切片间和切片内优先级。

12 M. Dighriri 等人
在[21],提出了一种分配下行链路网络资源的方案。该方案仅在提供新服务不会影响小区内现有服务吞吐量的情况下，才决定接受该新型服务。因此，本研究未考虑通过动态调整移动用户的用户体验质量来提升网络容量和资源利用率。
在[21]中提出了用于具有优先级的多层蜂窝网络的集中式联合功率和无线接入选择方案。该方案旨在接纳具有更高优先级需求的用户，以最大化用户数量。在这种情况下，优先级仅在用户级别上考虑，因此当用户属于具有不同优先级的切片时，该工作无法保证差异化。

1.3.2 系统模型

如图 1.9所示，我们的模型包含四个主要元素：服务切片层、虚拟网络层、物理资源和无线接入选择。

1基于5G移动网络的智能医疗应用大数据环境 13
RS分钟 和 RSmax，分别表示与切片 s 相关的最小和最大数据速率。每个切片 s由一个优先级 s 表征，其中这些优先级的定义需满足约束条件 ∑ ps= 1。
类似地，每个s∈S
user u属于切片s，即us，其特征是具有优先级 μus，其中∑ μus= 1。us∈
Us

1.3.2.1 服务切片

服务切片提供不同的服务（例如智能手机、智能交通监控和智能医疗系统），这些服务需要资源来支持。我们用 S ={1, 2, 3… S} 表示虚拟网络中的切片集合。每个切片s拥有一组用户设备，该集合由 Us={1, 2… Us} 表示。每个切片s向无线接入选择（RAS）提出关于QoS约束的服务请求。在本章中，我们将此类请求建模为

1.3.2.2 虚拟网络

虚拟网络层提供了对物理网络资源的抽象。根据接入控制的决策，虚拟网络对网络资源进行切片，以适应不同的切片需求。虚拟网络接收各个切片关于待服务用户设备的请求，并根据切片间和切片内优先级，在考虑用户设备用户体验质量的前提下，执行后续的物理资源分配。
为此目的，(1.10)，我们可以定义：
qus=( rus RS max) (1.1)
作为切片s中用户设备u的用户体验质量；rus是切片s中用户设备u的数据速率。
属于切片s的用户的整体用户体验质量us是这些用户的数据速率，可计算为：
qs= ∑
us∈Us
(qus)μus (1.2)
最后，我们可以定义：
Q=∑
s∈S
(qs)ρs (1.3)
作为所有切片的用户设备所体验到的总体用户体验质量。虚拟网络基于调度帧分配资源。我们用q t us、q t
应地，我们还可以定义时间平均的用户体验质量值如下：
E[qus]= 1 T q
t us (1.4)
E[qs]= 1 T q
t s (1.5)
14 M. Dighriri 等人
E[Q]= 1 T Qt (1.6)
其中T是所考虑的调度帧的总数。

1.3.2.3 物理资源

物理资源指虚拟网络中可用的无线资源。为简化起见，我们以一个宏小区的下行链路信道为例。总可用带宽由BMHz表示。集合M ={1, 2…M}表示可用的子信道，其中第m个通用子信道的带宽为m是bm= B M。总发射功率PTOT被均匀分配到每个子信道，即pm= B M。
当PM分配物理资源时，我们考虑了用户设备的信道条件。我们假设信道条件由传输路径损耗和阴影衰落分量决定[22]。路径损耗和阴影衰落路径损耗被假定为具有零均值和 σ标准差等于8dB[22]的高斯随机变量。因此，路径损耗基于通用用户设备与宏小区之间的距离值dus，如公式1.7所示。
PL(dus)= 128.1+ 37.6 log10(dus)+ log10(Xus) (1.7)
其中用户设备Xus是用户设备的对数正态阴影衰落路径损耗[22]。我们还假设宏小区从属于不同服务切片的所有用户设备接收完美的信道增益信息，其中hm, us表示切片u内用户设备s的子信道增益，可定义为hm, us= 10 − PL(dus)/
10[22]。属于切片s的用户设备的数据速率，记为 rus，可在公式1。8[23]中定义。
rus= ∑
m∈M αm, usbm(1+ pm
| hm, us | 2 N0bm) (1.8)
其中 N0 为噪声频谱密度， αm, us表示用户设备 us的状态，如公式1.9所述。
αm, us={10 if sub − channel m is assigned to us otherwise (1.9)

1.3.3 两层架构与资源分配

在本节中，我们描述了所提出的基于服务分配的两级接入控制和资源分配方法。

1.3.3.1 服务分配

5G移动网络终端通过多种网络提供卓越的服务质量（QoS）。如今，移动互联网用户手动选择不同互联网服务提供商（ISP）的无线端口，而无法利用 QoS历史记录来为所提供的服务选择合适的移动网络连接。未来，5G手机将能够在移动终端中对测量到的数据流量进行QoS分析和存储。存在多种 QoS参数（例如带宽、延迟、抖动和可靠性），这些参数将在未来的5G移动终端运行中提供支持。系统进程将根据所需的QoS自动提供最合适的无线连接。因此，我们将考虑如图1.10和1.11[23]所示的服务分配中的各种优先级类型。这些优先级类型基于不同用户和服务的QoS需求。

智能手机 智能手机和平板电脑是近年来流行的数据流量代表技术。尽管预计智能手机将继续作为主要的个人设备，并在性能和功能方面进一步发展，但2020年个人设备数量的增长主要由可穿戴设备或传感器等设备推动，达到数百万台。
在这些设备中，移动流媒体的内容类型为视频；数据流包总量通常为数兆字节甚至数十兆字节；数据包数量众多；传输方式通常为连续传输；由于视频需要较宽带宽，在拥塞时容易被阻塞，因此优先级一般较低[1]。

16 M. Dighriri 等人

核心网络
优高先‐级 流 低优流先级 服务流
AN-0
高‐ 可靠性
链路
低可靠性 高容量链路
5G用户设备
AN-1
MAC MAC
RLC
RRC
MAC
PHY PHY PHY
RF RF RF
AN-1
xHaul*
5GdoudRAN中的接入节点‐0
无线链路 电平反馈
AP-1 AP-1 AP-2
PDCP
AP-3 AP-2 AP-3

智能医疗系统 智能医疗系统作为一种敏感数据流量具有广阔前景，目前在研究和产业界已受到广泛关注。体域传感器网络（BAN）通常放置在患者附近，用于收集多种健康参数信息，例如血压、脉搏率和体温。此外，当患者处于医院或家庭之外时，也可通过在患者身体上佩戴智能设备传感器进行持续监测。为应对紧急情况，系统会触发警报，向相关医生发送消息以进行紧急治疗 [4]。在智能医疗系统的场景中，为了频繁监测医疗中心（如医院）外的患者，患者会配备用于监测多种健康参数的智能设备。

智能交通监控 智能交通监控允许车辆基础设施与系统应用之间通过通信方法和技术传输预警信息。在该系统中，我们将考虑大量数据流量。车辆与车辆互联（V2V）或与智能交通监控服务器、车对基础设施（V2I）进行通信。该系统应用包括碰撞预防与安全、停车时间、互联网连接、交通时间、燃油消耗、视频监控等。[1]。在紧急情况下，
1基于5G移动网络的智能医疗应用大数据环境 1 7
用于监测紧急情况的设备所采集的信息将传输至通信范围内的其他联网车辆。
为了防止更多事故发生，车辆与服务器之间的连接必须非常快速，以便及时检测告警消息并传输警告消息。由于警告消息的响应时间极短，防碰撞服务要求高质量的服务（即低延迟），而5G蜂窝网络能够支持这一需求。根据 [1],告警消息具有小尺寸特点，且仅应在严重情况下发送，以有效利用通信网络带宽。交通与基础设施管理在监测交通拥堵问题方面发挥着重要作用。

1.3.3.2 服务切片策略

一种基于优先级的RAS已在算法（表1.1）中设计。该方案可用于应对新切片或用户的接入，并对服务切片分配的资源进行全局优化。为了简化，算法1表示属于同一切片的新用户设备的RAS。通过简单调整相关参数，我们提出的RAS步骤也可应用于新切片的接入控制。当新用户设备到达网络时，通过考虑同一切片内用户的用户体验质量，结合切片内优先级约束以及已服务用户设备的用户体验质量，可推导出虚拟网络中新用户的接受概率。在我们的 RAS中，如果现有资源足以保证至少满足最低数据速率的需求，则接受新用户设备。接受的用户集合将作为输入提供给资源分配过程。

1.3.3.3 资源分配

在资源分配阶段，所考虑的整体问题是通过同时考虑切片间和切片内优先级，实现用户设备的用户体验质量最大化。该问题可表述为公式1.10。
P1:
maximize∑ s∈S[∑ us∈Us( ∇s RS max) Uus] ρs (1.10)
约束条件，(11)
∑
m∈M
∑
s∈S
∑
us∈Us
αm, usbm ≤ B, (1.11a)
18 M. Dighriri 等人

表1.1 资源分配方案（RAS）
for:= 1 to do
for := 1 to do
for := 1 to do
for := 1 to do
计算 ∀ ∈ ;
查找用户设备的用户体验质量最大； 查找用户设备的用户体验质量最大； 当一个新用户设备 ∈进入 网络计执算行新的用户体验质量值 : ;
然后，找到邻居的用户体验质量值 : ;
if − >0然后
如果 E[ ]< then
注入用户设备;
检查优先级顺序； 如果优先级顺序是
相同，然后
将被替换为
新用户设备；否则
将被替换为
新的用户设备；
end end else
不接纳用户设备 ;
end end else
生成接受概率
=
−△ ;
然后，新的用户设备将会
根据以下条件被拒绝
概率
end end end end end end end

算法1：新用户的RAS算法
RS min ≤ rus ≤RSmax (1.11b)
其中约束条件（1.11a）表示分配的子信道数量不得超过最大可用带宽；该约束条件也隐含地涉及分配资源的正交性。约束条件（1.11b）表示用户设备 us接收到的关联数据速率受限于关联切片s的需求。在公式1.10中，用户体验质量是一个小于或等于
1 5G移动网络下智能医疗应用的大数据环境 1 9
大于1；因此，切片的优先级越高， ρs的值越低。用户的情况类似，即用户的优先级越高，Uus的值越低。资源分配过程通过考虑网络中可用的物理资源以及用户设备的信道条件来执行。

1.4 仿真方法

优化网络工程工具（OPNET）用于对所提方案的性能进行仿真评估。通过模拟多个场景，评估智能设备数据流量对常规第四代和5G移动网络数据流量的影响。仿真的第四代和5G数据流量类别包括文件传输协议（FTP）、网络语音（VoIP）和视频用户。这些场景分为三类：第一类为采用无线接入选择（RAS）的聚合PRB场景，第二类为不采用RAS的聚合PRB场景，第三类为既无聚合PRB也无RAS的场景。结果表明，智能设备数据流量对低优先级数据流量具有显著影响。通过对多个场景的仿真，分配多个智能设备的数据有效提升了端到端网络性能。在小区平均吞吐量、FTP平均上传响应时间、 FTP平均分组端到端延迟和无线资源利用率方面均实现了显著的性能提升 [24]。

1.4.1 仿真设置

我们开发的LTE‐A节点协议可与5G移动网络协同工作。远程服务器以智能系统的形式支持电子邮件、网络电话、文件传输协议和视频应用。远程服务器与接入网关（aGW）通过以太网链路互连，平均延迟为20 ms。aGW节点协议包括互联网协议（IP）和以太网。aGW与eNB节点（eNB1、eNB2 等）通过IP边缘云（1、2、3和4）进行通信。传输网络（TN）上的QoS参数确保了QoS参数化和流量差异。小区内的用户移动性通过在每个采样间隔更新用户位置的移动模型来匹配。用户移动性信息存储在全局服务器（全局 UE服务器）上。空中接口的信道模型参数包含路径损耗、慢衰落和快衰落模型。仿真建模主要集中在用户面，以进行端到端性能评估。关于LTE‐A仿真模型的全面说明以及协议栈的详细信息可参见[24]。
根据3GPP标准设定了不同业务的QoS。其他仿真参数记录在表1.2中。

表1.2 仿真参数
| 参数 | 设置 |
| — | — |
| 仿真时长 | 600 秒 |
| 小区布局 | 1 个 eNB |
| eNB 覆盖半径 | 350 米 |
| 最小 eNB‐UE 距离 | 35 m |
| 最大终端功率 | 23 dBm |
| 5G参数 | |
| 5G小区 | 8*8天线 |
| 云 | 边缘云 |
| 能力 | |
| RN参数 | |
| RN的PRB | DeNB分配3个PRB给RN以评估PRB利用率 |
| RN类型 | 固定 |
| RN 1 | 由4根天线支持，10兆赫兹TDD |
| RN2 | 由3根天线支持，5兆赫兹TDD |
| RN3 | 由2根天线支持，3兆赫兹TDD |
| TBS容量 | 1608比特 对应 MCS 16 和 PRB 5 |
| TBS容量 | 可用服务速率TBS—开销（比特/TTI） |
| TBS容量 | 1608 (TBS) – 352 (开销) = 1256比特/TTI |
| 仿真场景 | 带RAS的聚合 |
| 仿真场景 | 不带RAS的聚合 |
| 仿真场景 | 无聚合与无线接入选择 |
| 终端速度 | 120 公里/小时 |
| 移动模型 | 随机路点(RWP) |
| 频率复用因子 | 1 |
| 系统带宽 | 5 兆赫 |
| 路径损耗 | 128.1+ 37.6log 10(R)。R 在风扇中 |
| 慢衰落 | 对数正态阴影，相关性1，偏差8分贝 |
| 快衰落 | 类似Jakes的方法 |
| UE缓冲区大小 | ∞ |
| RN PDCP缓冲区大小 | ∞ |
| 功率控制 | 分数功率控制, α.= 0.6, Po= −58dBm |
| 应用 | 电子邮件、VoIP、视频和FTP |

1.4.2 无线承载的QoS

LTE QoS在网络的设计和规划中已变得尤为重要。LTE网络有可能被用于各种操作。例如，一些用户将网络服务用于紧急情况，而另一些用户则将服务用于娱乐用途。QoS说明了由于网络架构和协议的限制，网络如何为用户提供服务。在LTE中，承载可以定义为用户设备与P‐GW之间IP数据包的传输流。每个承载都关联有特定的QoS参数。该网络
1基于5G移动网络的智能医疗应用大数据环境 2 1
为与单个或相同承载相关联的数据包提供几乎相同的服务。为了在用户设备和分组数据网络之间建立通信路径，用户设备默认会尝试生成一个承载。此类承载称为默认承载。其他承载被称为专用承载，它们被建立到分组数据网络。可以建立多个承载，因为一个用户可能需要多种服务，而每种服务都需要特定的承载。例如，如果已建立一个承载，则可以在现有承载的基础上生成更多的承载。
此外，现有承载和新创建的承载的QoS值可能会有所不同。承载可分为保证比特率（GBT）和非保证比特率（Non‐GBR）。
• GBR承载具有由网络为各种服务（如语音和视频通信）分配的最小带宽，无论这些服务是否被使用。由于使用了专用的系统带宽，GBR承载不会因拥塞而发生任何数据包丢失，且无延迟。
•非GBR承载不会被网络分配指定的带宽。这些承载用于尽力而为的服务，如网页浏览、电子邮件等。由于拥塞，这些承载可能会发生丢包。
•质量控制标识符（QCI）描述了网络如何处理接收到的IP数据包。QCI值根据承载的优先级、承载延迟预算和承载数据包丢失率进行区分。3GPP在长期演进技术（LTE）中定义了多个QCI值，如表1.3所示。

表 1.3 长期演进技术 QCI 值[6]
| QCI | 资源 | 延迟 | 优先级 | 错误 | 服务类型 |
| — | — | — | — | — | — |
| 1 | GBR 非 GBR | 100 毫秒 | 2 | 10−2 | 会话型 (VoIP) |
| 2 | | 150 毫秒 | 4 | 10−3 | 会话型 (视频) |
| 3 | | 50 毫秒 | 3 | 10−3 | 实时游戏 |
| 4 | | 300 毫秒 | 5 | 10−6 | 非会话型语音 |
| 5 | | 100 毫秒 | 1 | 10−6 | IMS 信令 |
| 6 | | 300 毫秒 | 6 | 10−6 | 视频缓冲流媒体 |
| 7 | | 100 毫秒 | 7 | 10−3 | 基于TCP（电子邮件、HTTP、FTP） |
| 8 | | 300 毫秒 | 8 | 10−6 | 语音、视频和交互式游戏 |
| 9 | | 300 毫秒 | 9 | 10−6 | 视频缓冲流媒体 |

22 M. Dighriri 等人
分组调度是由eNB在小区内为无线承载分配无线资源的过程。在3GPP LTE标准中，此任务由eNB中的媒体访问控制调度器执行。下行链路和上行链路无线资源的分配由
eNB到用户设备的数据传输取决于eNB和用户设备各自缓冲区中的数据情况。
如果特定用户设备的数据存在于eNB的缓冲区中，则在eNB拥有足够可用无线资源且其覆盖区域内其他用户设备的服务质量要求得到满足的情况下， eNB会为该用户设备分配无线资源以进行下行传输。类似地，在上行传输中，当用户设备的缓冲区中存在数据时，用户设备会向eNB发送缓存状态报告 （BSR）信息以申请无线资源。用户设备的BSR信息还识别了用户设备缓冲区中的业务类型。eNB根据用户设备无线承载的服务质量要求为其分配下行和上行无线资源。时域最大吞吐量（TD‐MT）调度器为靠近eNB且信道条件良好的用户设备提供无线资源。位于小区边缘的用户可能无法获得无线资源。TD‐MT调度器以牺牲公平性为代价提供最大吞吐量[25],可简单表示为公式1.12：
PkT D= rk(t) (1.12)

1.5 仿真场景

所提模型的性能将通过依赖RN节点和5G小区的三种场景进行评估。第一种场景采用带RAS的聚合PRB，第二种场景采用不带RAS的聚合PRB，第三种场景既不采用聚合PRB也不采用RAS，如表1.4所示。所有活跃智能设备的数据包（这些设备位于RN节点和5G小区附近）在发送到DeNB之前首先在 RN节点处进行聚合。然而，仅使用周期性的逐跳控制模型，以服务较大的聚合数据包，从而保证PRB的充分利用。引入过期定时器是为了限制在RN节点与DeNB之间低负载场景下的复用延迟。在这种情况下，聚合数据包最迟在Tmax之后被发送。所有上述开销相关的场景进一步细分为多个子场景。在第一个子场景中，智能交通监控设备部署在RN1附近，由四根天线支持，采用10 MHz TDD，优先级较低，为5 ms。第二个子场景中，智能医疗系统设备部署在RN2附近，由三根天线支持，采用5 MHz TDD，优先级中等，为10 ms。第三个子场景中，智能手机设备部署在RN3附近，由两根天线支持，采用3 MHz TDD，优先级中等，为15 ms。（表1.4）。

表1.4 仿真场景
| 场景 | 具有RAS的物理资源块 | 无(2)R 聚AS合的PRB | PRB和RAS |
| — | — | — | — |
| 智能系统 | All | All | All |
| 应用类型 | 电子邮件、网络电话、文件传输协议 和视频 | 电子邮件、网络电话、文件传输协议 和视频 | 电子邮件、网络电话、文件传输协议和 视频 |

（1）聚合
（3）无聚合

1.5.1 OPNET5G模型描述

在OPNET仿真中，LTE‐A项目编辑器有一个场景，包含了仿真模型中一些最重要的实体。而DeNB和RN节点的节点模型已根据5G移动网络的要求进行了修改，例如天线数量、边缘云、小基站以及高带宽水平，如图1.12所示，以下是对这些实体的更详细描述：
•应用： 定义并配置了 VoIP、视频、FTP 和电子邮件等各种应用。
•配置文件： 在配置文件中定义了各种流量模型。此外，仿真时长、开始时间等其他操作参数也在配置文中定义，以支持应用需求。
•移动性： 定义了各类用户的移动模型。此外，信道条件如路径损耗、衰落等也在移动性 中定义。
•全局UE服务器： 包含用户数据和传输功能。
•远程服务器： 它是应用服务器。
24 M. Dighriri 等人

• IP云： 以边缘云的形式在eNBs、RN节点和服务器之间路由用户数据包。
它还在传输网络和服务器之间充当点对点连接器。
•以太网连接器（E1、E2、E3 和 E4）：Are connectors inthe linked network.
• eNB: eNB 对 E‐UTRAN 中 eNB 的功能进行建模。
• UE:用户设备代表具有各种应用的不同用户。

1.5.2 实验结果

网络电话用户在空中接口上的平均数据包如图1.13所示。结果表明，即使与保证比特率承载一起分配，在所有三个场景中，网络电话用户的空中接口数据包延迟变化仍存在差异。其原因是优先级的比例差异，这由“场景1”中的RAS算法表征。同时，网络电话承载的数据速率累积的分组延迟相对较低，倾向于获得更高的优先级特征，并将始终被优先调度。
网络电话的平均端到端延迟如图1.14所示。可以看出，“Sc1”和“Sc3”场景的端到端延迟相比“Sc2”场景略优；这是因为在“Sc1”场景中，通过将物理资源块分配给网络电话用户，使网络电话承载被分配到了更高的MAC QoS等级。

如图 1.15所示，视频承载的平均分组延迟变化结果表明，在“Sc2”场景下，视频承载的性能比在“Sc1”或“Sc3”场景下更差，其中视频承载被分配
1 大数据环境下的5G移动网络智能医疗应用 25
进入GBR MAC类。在“场景3”中，由于视频承载的累积数据速率非常高 （∼ 350 kbps），视频承载与电子邮件、文件传输协议和网络电话承载共享相同的非GBR MAC QoS类，因此它们并非一直得到服务。
在“Sc2”场景中，视频承载的性能明显下降，如图1.16所示，其平均端到端延迟较高。与“Sc1”场景相比，视频承载的端到-end延迟性能显著更差，在“Sc1”场景中，视频承载已按照特定的优先级要求得到服务。

从图1.17中电子邮件承载的结果可以看出，在“Sc1”场景中，当电子邮件承载被分配到较低的MAC QoS等级时，其应用性能要好得多。尤其是当其未与FTP承载混合，并且被分配到比FTP更低的MAC QoS等级时。这是因为在“Sc1”场景中的QoS权重，该权重根据应用和智能系统的需求相对于“Sc2”和“Sc3”场景具有不同的优先级。
1 大数据环境下基于5G移动网络的智能医疗应用 27

最后，FTP承载的结果如图1.18所示。正如可以预见的那样，当从完全混合的场景“Sc3”转变为完全独立的场景“Sc1”时，FTP承载性能有所下降，平均文件下载时间得到改善。这是由于FTP承载被分配到最低的 MAC QoS等级，并且与其他应用相比具有较低的优先级。然而，给予FTP承载较低优先级是合理的，因为FTP不是实时应用，在现实生活中，FTP用户可以接受多等待几秒钟来下载文件，而视频或VoIP等实时应用则无法接受这种延迟。

1.6 结论

本章提出了两种模型和算法。我们针对5G蜂窝网络上行链路中的固定中继节点提出了数据流量聚合模型与算法。该模型提升了5G移动网络中智能系统的无线资源利用率，能够在PDCP层对来自多个智能设备的数据包实现最大复用增益，同时考虑不同的优先级以解决数据包的端到端时延问题。此外，本章还提出了一种在支持网络切片的5G网络中进行资源分配的新方案。该方案是一种基于启发式的优先级资源分配方法，综合考虑了切片间和切片内的优先级，并据此执行资源分配，以满足服务切片所规定的服务质量要求。
该方案不仅提高了移动用户设备所体验到的用户体验质量，还实现了对网络资源的更好管理。
28 M. Dighriri 等人
在实现中，RN节点和5G小区用于聚合物理资源块，并以切片形式为智能设备按不同优先级分配这些无线资源。这提升了针对不同场景的5G数据流量在小区吞吐量和端到-end时延方面的性能。此外，本研究提出了三种场景，用于基于多样化智能系统的QoS需求优先级区分，对服务质量要求进行分类和测量，例如智能交通监控、智能医疗系统和智能手机。
在未来的工作中，我们将揭示所提数据流量切片模型在不同数据流量场景（如敏感、流行和高负载流量）以及包括 FTP、VoIP 和视频用户在内的多样化类别中的更多结果和分析。所提模型可为未来研究人员在解决数据流量激增和服务公平性领域提供机遇。