一种可编程拥塞控制方法及其系统与流程

本发明涉及流量控制，具体而言，涉及一种可编程拥塞控制方法及其系统。

背景技术：

1、物联网是指通过互联网连接和交互的物理设备、传感器、软件和其他技术的网络。

2、将物联网技术可以应用于很多领域，例如在汽车领域，实现汽车与互联网的连接和交互，通过在汽车上安装传感器、嵌入式软件和通信设备，可以实现对汽车状态、位置、驾驶行为等数据的实时监测和收集，这些数据可以通过互联网传输到远程服务器进行处理和分析。但是物联网的承载能力有限，在物联网内很多汽车相连接的时候，容易出现数据堵塞等问题。现有技术一般会进行流量限制，但是流量限制不够灵活和准确，针对性也不够强，对某些连接可能会出现限制过多等情况。

3、因此需要对物联网中的流量控制方法进行优化，针对不同连接对象实现更为灵活和有针对性的流量控制策略，在不超出物联网承载能力的情况下尽可能提升综合传输效率。

技术实现思路

1、本发明的目的在于提供一种可编程拥塞控制方法及其系统，其可以实现针对不同连接对象实现更为灵活和有针对性的流量控制策略。

2、本发明的实施例通过以下技术方案实现：

3、本发明首先提供一种可编程拥塞控制方法，包括以下步骤：

4、获取物联网组网的连接对象以及每个连接对象的流量需求，定义物联网组网的最大流量承载量；

5、针对每个所述连接对象分别形成截止当前时刻tn的连续n个时刻的流量需求序列；

6、通过训练好的流量预测模型预测每个所述连接对象的未来流量需求；

7、根据所述未来流量需求为每个所述连接对象进行流量控制。

8、优选地，所述周期性获取物联网组网的连接对象以及每个连接对象的流量需求的方法为：

9、获取所述连接对象在当前时刻的剩余数据传输量及当前流量；

10、获取所述连接对象的剩余传输时间：

11、

12、其中，t_ri,tn代表第i个所述连接对象在当前时刻tn的剩余传输时间，resti,tn为第i个所述连接对象在当前时刻tn的剩余数据传输量，vi,tn为第i个所述连接对象在当前时刻tn的当前流量；

13、根据所述剩余传输时间分别获取每个所述连接对象的流量需求。

14、优选地，根据所述剩余传输时间分别获取每个所述连接对象的流量需求的方法为：

15、设置第一时间阈值τ1和第二时间阈值τ2，τ1>τ2；

16、分别获取每个所述连接对象的流量需求，其中，v_rei,tn代表第i个所述连接对象在当前时刻tn的流量需求：

17、

18、优选地，在分别获取每个所述连接对象的所述流量需求后，对所述流量需求进行优化：

19、获取所有所述连接对象在当前时刻tn的的所述流量需求的总和：

20、v_reall,tn＝∑iv_rei,tn；

21、若v_reall,tn不大于所述物联网组网的最大流量承载量vlimit则不做操作，否则对v_reall,tn进行优化：

22、

23、其中，m为当前时刻所述物联网组网中的所述连接对象的总数。

24、优选地，通过训练好的流量预测模型预测每个所述连接对象的未来流量需求的方法为：

25、通过特征提取模块进行特征提取；

26、通过lstm神经网络进行状态预测。

27、优选地，所述通过特征提取模块进行特征提取的方法为：

28、x0＝σ(vtn*wk+bk)；

29、

30、vtn＝(vtn1,vtn2,…,vtnm)；

31、其中，xk为所述特征提取模块中第k层卷积层的输出，q为卷积层编号，xq为所述特征提取模块中第q层卷积层的输出，wk和bk分别为训练的第k层卷积层的权重和偏置量，σ(.)为激活函数,vtn代表每个所述连接对象分别形成截止当前时刻tn的连续n个时刻的流量需求序列的集合，vtni代表第i个所述连接对象的所述流量需求序列，i＝1,2,…,m,m为当前时刻所述物联网组网中的所述连接对象的总数。

32、优选地，所述通过lstm神经网络进行状态预测的方法为：

33、v_pret+1＝f(x_outt)；

34、其中，x_outt为所述特征提取模块的输出结果，v_pret+1为所述lstm神经网络的单步预测结果且其中元素分别代表每个所述连接对象的所述未来流量需求。

35、优选地，根据所述未来流量需求为每个所述连接对象进行流量控制的方法为：

36、获取可分配额度vavail：

37、vavail＝δ％*vlimit；

38、其中，δ％为预先设定的分配比例，vlimit为所述物联网组网的最大流量承载量；

39、获取每个所述连接对象的流量额度：

40、

41、其中，v_disti为分配给第i个所述连接对象的流量额度，为第i个所述连接对象的所述未来流量需求，代表所有所述连接对象的所述未来流量需求的总和。

42、优选地，当所述物联网组网中加入新连接对象的时候，从预留额度vreser中分配流量给所述新连接对象：

43、vreser＝(1-δ％)*vlimit；

44、vnew≤vreser+vrelease；

45、其中，vrelease为上一次为每个所述连接对象进行流量控制后，断开连接的所述连接对象释放的流量，vnew为分配给所述新连接对象的流量。

46、为了解决以上问题，本发明还提供一种可编程拥塞控制系统，应用于以上任意一项所述一种可编程拥塞控制方法，包括：

47、可编程流控单元，获取物联网组网的连接对象以及每个连接对象的流量需求，定义物联网组网的最大流量承载量；

48、序列整合单元，用于针对每个所述连接对象分别形成截止当前时刻tn的连续n个时刻的流量需求序列vtn；

49、检测模型单元，用于通过训练好的流量预测模型预测每个所述连接对象的未来流量需求；

50、流量控制单元，用于根据所述未来流量需求为每个所述连接对象进行流量控制。

51、本发明实施例的技术方案至少具有如下优点和有益效果：

52、本发明对物联网组网的连接对象根据自身情况进行流量分配，针对性更强，提升了综合传输的效率和稳定性；

53、本发明在进行流量分配的时候，对连接对象的需求进行了预测，因此分配方案具有前瞻性，进一步提升流量的可靠性；

54、本发明在预测得时候也考虑了物联网组网的承载能力，保证了预测结果的合理性和可行性；

55、本发明在进行分配的时候，在保证现有连接对象流量的基础上还预留了一定比例的流量给后续可能入网的连接对象，扩展性更强；

56、本发明周期性进行流量控制，保证了长时间连接下的流量稳定性、可靠性，且设计合理，适用性广。