[发明专利]一种基于用户移动性预测的边缘协作缓存优化方法

说明书

本发明公开了一种基于用户移动性预测的边缘协作缓存优化方法，包括以下步骤：步骤一：根据用户的移动轨迹建立马尔可夫预测模型，获取用户移动到每个微蜂窝基站的概率；步骤二：使用层次聚类算法将网络中的所有微蜂窝基站进行分组，每一分组中的微蜂窝基站都连接到同一服务网关；步骤三：考虑文件流行度分布，并基于用户的移动概率，在所有微蜂窝基站分组中采取分布式的协作缓存方法，同一微蜂窝基站分组中的微蜂窝基站共同执行缓存决策，并协作为用户提供服务。本发明的优点是：考虑用户的移动概率和文件流行度，提出在基站各分组中采取协作缓存的方法，提高了缓存单元的利用率并降低了用户访问内容的时延。

技术领域

本发明涉及5G超密集网络中的边缘缓存技术领域，尤其涉及一种基于用户移动性预测的边缘协作缓存优化方法。

背景技术

移动数据流量的激增对5G通信时延和系统性能有着深远的影响，仅通过增加基站密度来提高网络容量和用户体验，会面临过高的成本问题，而且也无法跟上数据增长的速度，基站的负载压力并没有得到有效的改善。同时，超密集的基站部署也将带来巨大的能量消耗。从移动用户的角度来看，仅靠增加网络容量以确保移动用户在互联网内容访问方面的体验质量是不够的。近年来，边缘缓存技术作为解决当今网络中数据爆炸式增长的一种手段而备受关注。通过研究发现，终端用户对相同内容的请求概率很高，比如流行的视频文件在一段时间内会被重复的请求。边缘缓存技术可以在非高峰时段和靠近终端用户的网络边缘处存储被重复请求的流行性内容，以降低用户的内容访问时延和减少网络带宽的使用等。5G超密集网络包括一个传统的宏蜂窝基站(macro-cell base station，简称MBS)、多个重叠覆盖的微蜂窝基站(small-cell base station，简称SBS)以及多个服务网关(servicegateway，简称SGW)。在异构蜂窝网络中，SBS或MBS通过容量有限的回程链路连接到核心网络是当前网络的瓶颈，并且当移动流量过大，特别是移动视频等内容较多时，这种瓶颈在高峰时段会更加严重。在SBS中部署缓存，SBS可以快速地向用户提供缓存内容。因此在高峰时段，SBS可以在不使用回程链路的情况下，有效地满足用户对这些文件的请求，同时可以减缓解MBS的负载压力。

在现有的缓存方案中，大多数都不考虑用户移动性以及SBS之间的协作，更鲜有考虑用户移动性对SBS进行协作缓存的影响，导致缓存空间的利用率低且用户的内容访问时延长。

发明内容

本发明的目的是提供一种能提高缓存内容的重复利用率，能更有效降低用户访问内容的时延，并提高基站缓存单元的利用率的基于用户移动性预测的边缘协作缓存优化方法。

为实现上述目的，本发明采用了如下技术方案：所述的一种基于用户移动性预测的边缘协作缓存优化方法，包括以下步骤：

步骤一：移动性预测过程：根据用户的移动轨迹建立马尔可夫预测模型，获取用户移动到每个微蜂窝基站的概率；

步骤二：微蜂窝基站的分组过程：使用层次聚类算法将网络中的所有微蜂窝基站进行分组，每一分组中的微蜂窝基站都连接到同一服务网关，从而每个微蜂窝基站可以通过对应服务网关从同一分组中的其它微蜂窝基站获取其缓存的内容；

步骤三：制定缓存策略过程：考虑文件流行度分布，并基于用户的移动概率，在所有微蜂窝基站分组中采取分布式的协作缓存方法，同一微蜂窝基站分组中的微蜂窝基站共同执行缓存决策，并协作为用户提供服务，决定哪些文件要缓存以及文件缓存在哪些基站。

进一步地，前述的一种基于用户移动性预测的边缘协作缓存优化方法，其中：在步骤一中，将边缘缓存与用户的移动性预测相结合。

进一步地，前述的一种基于用户移动性预测的边缘协作缓存优化方法，其中：在步骤二中，以基站间的距离为依据，使用层次聚类算法将网络中的所有微蜂窝基站进行分组。

进一步地，前述的一种基于用户移动性预测的边缘协作缓存优化方法，其中：以基站间的距离为考量标准对微蜂窝基站分组，具体步骤如下：