网络吞吐量

网络吞吐量（共10篇）

网络吞吐量 篇1

摘要：对不同情况下的802.11b/g单一网或混合网络吞吐量进行了测量,分析并验证了吞吐量特性,最后提出了相应的改进方向。

关键词：无线局域网,混合网络,吞吐量,测量

1 引言

IEEE802.11g标准使WLAN的吞吐量有了显著的提高,同时由于其对802.11b的后向兼容,使得基于802.11b/g的混合网络的应用也越来越多。对于由802.11b和802.11g组成的混合网络,为保持与802.11b的兼容性,802.11g同时支持CCK和OFDM编码方式。由于802.11g与802.11b的物理层调制方式不同,在实际混合网络中,当802.11g设备使用OFDM调制模式发送信号时,802.11b设备监听到信道有信号,但它无法确认是802.11g发送的信号正在占用信道,会将OFDM信号当作信道噪声,认为信道空闲,而向信道发送数据,从而引起冲突。为了让二者协同工作,IEEE802.11g的MAC层使用:CTS-to-self机制或RTS/CTS保护机制[1]。如果一台设备不知道整个无线局域网中有哪些设备存在,当它探测到信道空闲时,并不是立即向AP发送数据,而是先发送RTS信号。当AP收到RTS信号后,即向全网发送CTS信号,网络中的其他设备都能收到此信号,并根据CTS信号等待一段时间,这样可以有效减少冲突。但由于这种保护机制的存在,保护帧以802.11b的速率传输,即使802.11b设备并没有真正传输数据,而只是发出探测信息,也会降低整个网络的传输速率。目前对于WLAN吞吐量多为理论研究,而实际环境中网络性能往往有所不同,笔者将通过测量实际的WLAN网络,对IEEE802.11b/g混合WLAN网络吞吐量特性进行分析研究[2,3,4,5]。

2 网络吞吐量测量

2.1 测量环境

使用业界普遍认可的Chariot应用性能测试软件,实验中的测试数据均为网络的TCP吞吐量[6]。

测试中所有的设备均在AP附近2 m的范围内,所有802.11b设备工作在11 Mbit/s。图1为测试网络环境示意图,console为控制台,终端802.11g和802.11b设备的数量可变,由此可以测试单一网络或混合网络等不同网络环境下的网络性能。AP与控制台之间为100 Mbit/s的有线连接,远高于可用的无线带宽,以此保证其不会成为测试网络性能的瓶颈。测试的具体环境详见表1。

2.2 测量结果

对于每一种测试环境进行多次测试,每次测试时间设为2 min。图2~图5为其中吞吐量测试曲线。测试1表明,单纯的802.11b网络环境虽然理论上有11 Mbit/s数据通信带宽,但如图2所示,实际的最大TCP吞吐量接近5.7 Mbit/s。测试2表明,虽然单纯802.11g网络环境理论上可得到高达54 Mbit/s的数据通信带宽,但如图3所示,实际的最大TCP吞吐量约为23 Mbit/s。图4为有效数据载荷长度一定、传输速率一定的情况下,不同网络组成的网络吞吐量的比较。曲线自上而下分别代表:测试2的网络吞吐量约21.2 Mbit/s;测试5中网络吞吐量约18.1 Mbit/s;测试4中网络吞吐量约12.3 Mbit/s。图5为测试2中改变有效数据载荷的结果,由上至下,有效数据载荷长度依次为500 byte,1 000 byte,1 500 byte,网络的平均吞吐量依次为16.9 Mbit/s,14.4 Mbit/s,12.2 Mbit/s。

3 吞吐量特性分析

图6 a和6b分别为采用RTS/CTS机制前后,单纯的802.11b和802.11g网络的吞吐量比较,等间隔128 byte进行测试,实验数据为多次测量的平均值,对比一次测试中的实时曲线(图2和图3),本文的统计曲线更平滑。同时,对于设备数量较少的单一网络,RTS/CTS机制的采用使吞吐量较低,虽然随着有效载荷的增加,吞吐量有了一定的改善。另外,对于不同的机制,在吞吐量最大时对应的有效载荷长度不同。因此,如何正确选择与动态调整有效载荷长度,是提高网络吞吐量的一项措施。

图7为802.11g和802.11b混合组网情况下网络吞吐量特性。802.11g设备采用CTS-to-self、RTS/CTS以及设定RTS门限这3种机制,而802.11b设备均采用基本接入机制。随着有效载荷的变化,采用CTS-to-self机制的曲线起伏较大,最大值与最小值的差约10 Mbit/s;采用RTS/CTS机制的曲线波动较小、较稳定,但同时吞吐量较小。设RTS门限为1 472 byte,当超过该值时启用RTS CTS机制,由图7可知,此时得到的曲线波动较小且吞吐量较大。因此,如何正确选择RTS门限值、确定何时启用RTS/CTS机制,也是提高网络吞吐量的一项措施。

4 小结

在混合WLAN网络中,存在诸多影响网络吞吐量的因素。笔者在实际环境中,对不同网络环境的802.11b/g网络吞吐量进行了实际测量。通过结果分析得出,混合标准网络的吞吐量较单一标准网络的吞吐量有所下降,同时,混合网络中802.11b与802.11g设备的数量以及发送的有效数据载荷长度都对吞吐量有影响。另外,采用何种接入机制及如何选择接入机制的门限也会影响混合网络的吞吐量。结论的得出对于提高802.11b/g混合WLAN网络吞吐量,优化宽带无线局域网络和对数字多媒体业务的支持有一定的参考作用。

参考文献

[1]IEEE802.11g-2003,IEEE standard for wireless LAN medium ac-cess control(MAC)and physical layer(PHY)specifications,amend-ment4:further higher data rate extension in the2.4GHz band[S].2003.

[2]BIANCHI G.Performance analysis of the IEEE802.11distributed c-oordination function[J].IEEE Journal on Selected Areas in Communi-cations,2000,18(3):1265-1275.

[3]WAN S C,CHEN Y M,LEE T H,et al.Performance evaluations for hybrid IEEE802.1lb and802.1lg[C]//Proc.IPCCC2005.[S.l.]:IEEE Press,2005:111-118.

[4]HO M J,WANG J,SHELBY K,et al.IEEE802.11g OFDM WLAN throughput performance[C]//Proc.Vehicular Technology Conference.[S.1.]:IEEE Press,2003:2252-238.

[5]GE W M,SHU Y T,ZHANG L,et al.Measurement and analysis of TCP performance in IEEE802.11wireless Network[C]//Proc.Elec-trical and Computer Engineering,Canadian Conference.[S.1.]:IEEE Press,2006:1846-1849.

[6]刘乃安.无线局域网(WLAN)——原理、技术与应用[M].西安:西安电子科技大学出版社,2007.

日照港:吞吐量增幅居首 篇2

截至2009年12月31日，日照港2009年累计完成货物吞吐量18131万吨，同比增长20.1%，增速和增量均居全国沿海十大港口之首。

区位优势明显

日照港在1982年正式开工建设，并于1986年投产运营，是我国沿海主枢纽之一。2003年5月18日，原日照港务局与岚山港务局企业部分联合重组为日照港（集团）有限公司。

对于港口类公司来说，优越的地理位置和广阔的经济腹地极为重要，日照港在这两方面无疑都有着明显的优势。

首先，日照港位于我国海岸线中部，东临黄海，北与青岛港、南与连云港毗邻，隔海与日本、韩国、朝鲜相望。港口陆上铁路兖石线与全国铁路网相联；公路有三条干线通往全国各地；水路可直通我国沿海及世界各港，目前已与世界50多个国家和地区通航。

其次，日照港腹地广阔，运输需求旺盛。直接经济腹地包括山东南部、河南北部、河北南部、山西南部及陕西关中等地区。间接经济腹地包括甘肃、宁夏、新疆等西北广大地区。广阔的经济腹地覆盖面，使其成为国家实施“西煤东运、北煤南运”战略的重要出口，也是西部大开发战略的重要通道。

运力上，公司目前拥有石臼、岚山两大港区，46个生产性泊位，设计通过能力1.5亿吨以上。

根据券商预测综合值，未来三年公司的盈利能力不断增强，其中，2009年~2011年里，公司的每股收益分别为0.22元、0.29元和0.33元，对应的预测市盈率分别为31倍、24倍和21倍。

业绩增长稳定

公司主要业务为装卸业务，煤炭和铁矿石是主要作业货种。近年来，港口自身的诸多优势，使得年吞吐量不断攀升。2003年港口的年吞吐量仅为4507万吨，时至2009年，已经增至18131万吨。

随着吞吐量的上升，公司净利润总额也不断增长。2006年~2008年间，公司净利润总额分别为1.8亿元，1.8亿元和2.6亿元，保持了稳定的增长态势。2009年前三季度，公司的净利润总额已达2.52亿元，接近2008年全年水平。

未来，受益于国内宏观经济特别是房地产行业的回暖，钢材的需求将不断回升，在铁矿石库存消化后，铁矿石进口在博弈和投资背景下逐步走强，作为铁矿石重要运输港口之一，铁矿石贸易的走强，将对日照港业绩的改善起到明显的推动作用。

网络吞吐量 篇3

当前航空公司出于节能环保等因素考虑，航班在地面停靠维护时逐渐使用桥载设备取代自身APU提供压缩空气和电力[1]。在航班地面维护过程中，桥载设备自身可靠性无疑成为影响航班安全的重要因素。当前由于桥载设备并不能及时隔离自身故障且工况参数(如负载突变、电压波动等)也不能被外界实时捕获和有效控制，导致潜在的航空安全隐患。因此，利用传感器等感知装置对服务航班的桥载设备的运行状态和工况参数进行实时采集和处理，对保证航空安全具有重要意义。

1 桥载设备运行监测网络

由于桥载设备处于机场户外环境，线缆布设以及维护难度均较大。因此桥载设备运行监测网络辅助采用物联感知网对影响桥载设备正常工作的参数和运行状况进行采集和传输，物联感知网由基于IEEE 802.15.4协议的数据监测节点、数据终端等感知设备和网关设备组成。监测节点用于采集桥载设备的工作参数和运行状态等数据;数据终端负责收集监测节点的数据，并通过网关设备将其传送至候机楼内的服务器。

桥载设备挂载于廊桥下且由于体积较大以及安装位置等原因，一套桥载设备安装多个无线传感监测节点;数据终端与廊桥下的监测节点以星型结构自组网形成的物联感知网无线传感网络WSN(Wireless Seneor Network)。如图1所示桥载设备运行监测网络结构。

在实际测试过程中，利用物联感知网WSN可实现数据采集和可靠传输等功能。但同时发现WSN在利用GTS进行数据传输时会出现下列问题:

1)GTS带宽会随着数据传输长度变化而出现不同程度的浪费。由于WSN的数据传输不仅发生于无竞争访问信道的时段GTS，也发生在竞争访问信道的时段竞争访问段CAP(Contention Access Period)，且WSN可传输数据的时段由GTS和CAP构成，利用GTS可将重要用户数据传送出去，但一般会产生GTS浪费;而且GTS的浪费会相对造成WSN可传输普通数据的CAP时段变少，影响桥载设备运行中的非实时数据传输。

2)GTS时段内的吞吐量有待提升。由于IEEE 802.15.4对GTS数目和时长的分配有限制，特别是当有超过GTS资源的请求时，为了避免桥载设备工作参数状态等信息阻塞在监测节点影响桥载设备服务过程，需要尽可能快地传输数据。

2 数据传输受限分析

IEEE 802.15.4协议支持信标使能和非信标使能两种通信模式[2]。为了同步数据采集和传输且在不增加协议字段和额外的通信付出时，采用信标使能的通信模式。

2.1 传输信道和帧结构

IEEE 802.15.4信标使能的通信模式的特点在于对超帧结构和GTS的支持[3]。如图2所示的超帧结构。

其中，B表示信标时段;BI,Beacon Intrval，信标间间隔;SD,Superframe Duration，超帧持续时间;非活动区，传感器节点休眠以节省能量[4]。

IEEE 802.15.4规定，SD最多有7个GTS且被均分为16个slot(时隙)，一个GTS可以包含多个slot(明显，所有GTS占用的slot数目总和不大于16)。在2.4 GHz、O-OPSK、250 kbit/s下，相关参数关系如式(1)所示[5]:

其中，a Base Uint，持续时间基数;SO,Superframe Order，超帧序数;BO,Beacon Oreder，信标序数。

图3所示为节点数据传输时的数据封装:

PHR(Physical Header)，物理帧头;MHR(MAC Header),MAC帧头;MSDU(MAC Service Data Unit)，有效数据载荷;MFR(MAC Footer),MAC帧尾;由于MHR长度会随着GTS分配导致地址列表等发生变化而变化，在不影响讨论结果情况下，取PHR、MHR、MFR长度之和为12 bytes。

2.2 GTS带宽和吞吐量受限分析

对于有带宽需求或低传输时延的应用，IEEE802.15.4采用资源预留的时隙保障GTS机制进行数据传输[6]。如图3所示，由于MSDU才是用户关心的数据，定义GTS利用率:

其中MSDU＿Len为用户需传输MSDU的长度，N＿GTS表示监测节点申请到合适的GTS时长时，GTS内可传输数据的长度。

由于GTS是WSN的数据终端根据监测节点的申请和当前可用的资源向监测节点按照先来先服务FIFS(Fisrt In First Service)原则进行分配。但GTS时长以slot作为基长，即GTS时长为slot时长的整数倍，传输MSDU所需时长一般小于GTS时长，在MSDU传输完成之后，GTS多余时间由于无法被其他节点占用而被显性浪费，造成GTS带宽利用率降低[7,8]。针对这种情况，采用合适粒度的s＿slot，使得:

在分配足够数量s＿slot时，能够传输与slot细分前相等数量的数据，且减少GTS浪费的时长;可以知道的是s＿slot时长将是分配给监测节点的GTS时长的公约数。由于1 bit数据在处理器内部会占用1 byte空间，在发送时也会占用1 byte数据长度发送时间，为了便于说明，取s＿slot时长为最小值，即传输1 byte数据所需时长，由式(1)和式(3)得:

可知，SD包含s＿slot的数目为16n。

图4为在时隙细分前后以及不同SO下，MSDU＿Len与GUR关系;其中折线(或直线)为SO=1,2,3未时隙细分且GTS包含合适数目slot时的GTS利用率GUR。SO=1在MSDU＿Len=48bytes发生转折，是因为1 slot不能够传输大于48 bytes的数目，可传输大于48bytes的GTS对应时长为2 slot或更多，此后SO=1与SO=2重合;同理，SO=2会在MSDU＿Len=108 bytes处发生转折;s＿gur为细分时隙后且申请合适数目的s＿slot时的GTS利用率GUR，明显细分后的GUR除个别点之外均大于未细分时的GUR，且在传输一定长度MSDU时，SO越大，其GUR越小(即GTS浪费越多)。由于细分后GTS浪费减少，传输相等数据时，细分后的数据传输所需GTS时长总是不大于且一般小于未细分时的数据传输所需GTS时长，由于SD由CAP和GTS组成，这样，细分后SD中的CAP段时间相对变长，可以提升利用CAP访问信道、无低时延传输要求时的WSN数据传输性能。

3 吞吐量提升时的GTS分配策略

3.1 吞吐量的数学模型

按照IEEE 802.15.4规定，GTS的数目最多为7，细分前SD为16 slot，细分后变为16n s＿slot，且一个GTS可包含多个s＿slot。在WSN中，传输低时延数据时，监测节点向数据终端申请GTS,GTS的分配按照FIFS分配，同时GTS总数目不能大于7、总时长不能大于SD的时长。因为GTS是WSN的无竞争访问信道时段，利用GTS传输数据不会出现竞争访问信道时数据发送失败的情况，假设节点申请的GTS时长都是满足MSDU传输的最小时长(即若MSDU＿Len=16 bytes，由式(3),1 s＿slot可传输1 byte数据，则此时传输需申请(12+16)s＿slot，其中12s＿slot用于传输PHR、MHR、MFR,16 s＿slot用于传输16 bytes的MSDU)，那么可以用分配的GTS占用的s＿slot数目来表示GTS时段内的网络数据量大小(即吞吐量)。设GTS＿Th为用s＿slot表示的网络数据量，则:

且:

式中，GTS＿nu为分配给监测节点的GTS包含的s＿slot数目;s＿slot＿nu为1 s＿slot时长可传输的数据长度(即1 byte)。

由于当前利用GTS传输的数据相互之间没有重要性之分，数据包含信息的多少与数据长度成正关系，同时IEEE 802.15.4要求GTS数目不超过7且所有GTS时长不超过SD(即GTS包含的s＿slot数目不超过16n)，那么在采用时隙细分可提高GTS利用率之后，达到提高GTS时段内吞吐量的优化目标则可转换为背包问题[9]求解，即在式(6)限制条件下提升网络吞吐量，使GTS＿Th取得最大值，也即WSN能够利用GTS传输较多的数据。

3.2 吞吐量优化的求解

贪心算法是求解背包问题[10]常用算法之一。它能够在少量计算基础上寻找局部最优解，经过逐步迭代，将局部最优解逐渐转换为全局最优解[11]。求解利用GTS低时延传输机制、满足限制条件下的WSN吞吐量具有最大值时的数据终端响应监测节点GTS请求的分配策略如图5所示。

设监测节点Ni根据MSDU＿Len申请合适时长的GTS,GTS包含的s＿slot数目为Vi;通常为了便于程序设计，首先将网络中申请的GTS按其对应的Vi大小按非升序排列(即将图5中的迭代提前，但不影响结果)生成GTS请求集合{V1,V2，…，Vi}(i≤7)，那么在满足限制条件下，选取集合中索引较小但值较大的元素(对应于数据终端响应相应监测节点Ni的GTS请求)构成分配集合，分配集合即为数据终端选取的分配策略，且该集合将会使GTS＿Th达到最大。

如有非升序请求集合{2,2,1,1,1,1,1,1}，为了取到最大值，按图5，数据终端在限制条件下应总优先响应Vi=2的监测节点的GTS请求，数据终端可继续响应监测节点的GTS请求，由于集合中剩余元素值相等，其将在剩余元素中按照元素的索引大小依次选择。

4 仿真验证

根据图1描述的网络拓扑结构，利用OPNET[12]构建此传感网络数据采集和传输的仿真场景，对比时隙细分对GTS数据传输的影响。

仿真场景的部分的参数设置如表1所示。

在多次改变仿真种子时，细分前后，数据终端对利用GTS传输MSDU的GTS请求的分配结果如表2所示。

GTS分配集合1#和GTS分配集合2#表示在数据传输的过程中，由于GTS申请存在时间上的先后顺序，数据终端对GTS请求可能采取的分配方式。从表2可看出，基于时隙细分且按贪心算法处理GTS请求时，其分配集合完全一样，可以计算的是此时的分配集合总是满足GTS＿Th最大值时的分配;时隙细分但未按贪心算法处理GTS请求时，数据终端对GTS的请求采取FIFS原则分配，这样导致未按贪心算法处理GTS分配问题时，GTS分配集合出现变化，GTS＿Th不一定为最大值;未进行时隙细分时，按照式(1)，传输5 bytes或者12 bytes数据，此时需分配给申请节点的GTS长度为1 slot(不是1 s＿slot)，在1 slot时长内最多可传输60-12=48 bytes，对于此场景下的数据传输存在明显的GTS浪费，GUR较小，此时CAP时长也比细分时的CAP时长短(即未细分时申请的GTS总时长大于细分时的GTS总时长)且GTS＿Th不一定最大。由对比可得，时隙细分且按背包问题处理GTS请求不仅可以获得较高的GTS利用率，而且此时GTS＿Th也会达到最大。

图6所示为在表1和表2所示参数和分配情况时，WSN在时隙细分前后的吞吐量对比。其中，ss＿Through表示采用细分且按贪心算法处理GTS申请时的网路吞吐量;ns＿Through表示按照IEEE 802.15.4标准的处理方法响应GTS申请(即不时隙细分且按照FIFS方式响应GTS请求)时的网络吞吐量;nk＿Through表示在时隙细分但未按贪心算法求解GTS分配时的网络吞吐量，其与ns＿Through重合。从图中对比可以看出，利用时隙细分且使用贪心算法求解GTS请求的分配问题，可以在满足WSN在较高的GTS利用率时，使数据终端总是按照网络吞吐量达到最大值时的情景响应GTS的请求，与分配集合对应的GTS＿Th结果一致。

如图7所示细分前后，WSN数据传输的网络时延。

图中，ss＿Delay为时隙细分且利用贪心算法求解时的数据传输时延，nk＿Delay为时隙细分但不按贪心算法求解时的数据传输时延，ns＿Delay是未细分时的数据传输时延。由于利用GTS传输数据时，不存在信道访问竞争，所以数据传输时延与仿真结果一致:ss＿Delay、nk＿Delay、ns＿Delay相等，即时隙细分以及按背包问题求解GTS的分配策略不会增加网络的数据传输时延。

图8为细分前后，网络平均能量消耗对比图。ss＿Consumed为时隙细分且按贪心算法求解GTS分配策略时的WSN平均能量消耗，nk＿Consumed为时隙细分但未按贪心算法处理GTS分配时的WSN平均能量消耗，ns＿Consumed为未细分时即按IEEE 802.15.4标准的FIFS方式处理GTS分配问题时的WSN平均能量消耗;明显，时隙细分时的平均能量消耗与IEEE 802.15.4标准处理GTS请求时的平均能量消耗相等，即时隙细分且按照背包问题处理GTS分配时不会额外增加网络能量消耗。

5 结语

在桥载设备运行监测网络需要传输重要数据时，可以采用IEEE 802.15.4标准的GTS机制保证数据的低时延传输。对于WSN中有多个节点需要同时利用GTS传输数据时，针对协议标准在使用GTS时存在带宽浪费的情况，将SD中的时隙进行小粒度细分，以使有低时延数据传输要求的监测节点在根据MS-DU长度申请合适时长的GTS时，提高GTS的利用率。同时在限制条件下(GTS数目以及GTS总时长须小于SD时长导致的时隙数目受限)，利用背包问题的求解方法———贪心算法，处理GTS请求的分配问题，使得数据终端总是采用能够使网络数据量达到最大值时的分配策略。此时不仅GTS总时长不大于按协议标准处理GTS请求时的GTS总时长，而且网络吞吐量也最大，使MSDU传输在WSN资源受限时以及保证IEEE 802.15.4原有的CAP时长、GTS传输时延和网络能量消耗的基础上，提高GTS的利用率和利用GTS传输数据时的网络吞吐量，以解决民航桥载设备运行监测网络在测试过程中遇到的数据传输问题。

摘要：民航桥载设备(包括桥载电源和桥载空调)运行监测网络辅助采用物联感知网IOT(Internet of Things)对影响航空安全的桥载设备工作参数和状态进行采集和传输。对于重要数据的低时延传输要求,采用保证时隙GTS(Guaranteed Time Slot)机制保障传输实时性。但在利用GTS传输用户数据过程中存在不同程度的GTS时长浪费、网络带宽利用率低和吞吐量小等问题。针对这些问题,采取对时隙进行细分且利用背包问题的求解方法对GTS申请进行合理响应,使得GTS带宽得到更好地利用,同时提高GTS时段内的吞吐量。仿真结果表明,采取时隙细分且按背包问题求解GTS的分配策略,在保证网络原有的竞争访问时长、低时延和低功耗性能的情况下,提高GTS网络带宽利用率和网络吞吐量。

关键词：吞吐量优化,时隙细分,背包问题,民航桥载设备运行监测网络

参考文献

[1]张积洪.积极推广桥载设备提高节能减排效果[J].中国民用航空,2012,113(1):46-47.

[2]Shahin Farahani.ZigB ee Wireless Networking[M].USA:Newnes,2008.

[3]李明.IEEE 802.15.4MAC协议中能耗与时延均衡研究[D].广州:暨南大学信息科学技术学院,2010.

[4]Tennina,Stefano.IEEE 802.15.4 and ZigB ee as Enabling Technologies for Low-Power Wireless Systems with Quality-of-Service Constraints[C]//Snapshot of the IEEE 802.15.4 and ZigB ee Protocols,Berlin:Springer,2013:3-25.

[5]Zigbee Specification[EB/OL].[2014-04-10].http://zb4osgi.aaloa.org/redmine/attachments/download/46/1_053474r17ZB_TSC-ZigB eeSpecification.pdf.

[6]Thiyagarajan P,Gowrishankar O K,Sudhakar K.Prolonged Network Lifetime and Data Wholeness by Clusters Using B-Ct Algorithm[J].International Journal of Computer Science and Mobile Computing,2013,3(2):57-62.

[7]Han Seungshin,Lee Younghee,Hong Seungho.GTS Allocation Scheme of IEEE 802.15.4 for Energy-Efficiency[J].Computer Network and Multimedia Technology,2009,1(1):1-4.

[8]Park,Pangun,Carlo,et al.Modeling and stability analysis of hybrid multiple access in the IEEE 802.15.4 protocol[J].ACM Transactions on Sensor Networks,2013,9(2):13-17.

[9]Puchinger Jakob,Gunther R Raidl,Ulrich Pferschy.The multidimensional knapsack problem:Stucture and algorithms[J].Informs Journal on Computing,2010,22(2):250-265.

[10]王秋芬,梁道雷.一种求解0-1背包问题的启发式遗传算法[J].计算机应用与软件,2013,30(2):33-37,57.

[11]Akcay,Yalcin,Li Haijun,et al.Greedy algorithm for the general multidimensional knapsack problem[J].Annals of Operations Research,2007,150(1):17-29.

网络吞吐量 篇4

【关键词】 内河港口；吞吐量；影响因素

0 引 言

截至2012年底，我国内河航道通航里程共计12.5万km，约占河流总长的29%。目前，全国形成了以长江、珠江、京杭运河、淮河、黑龙江和松辽水系为主体的内河航运布局。

2007年，原交通部颁布了《全国内河航道与港口布局规划》，第一次针对全国内河航道和港口布局进行规划，并由行业规划上升为国家规划。2008年世界性的金融危机使我国内河港口建设在外向型经济向内向型经济转变的过程中面临新的机遇，在综合运输体系和国民经济建设中发挥更加显著的作用。内河水运具有占地少、能耗低、污染小、运能大等优势。加快发展内河水运，可有效缓解流域的土地资源紧张状况和大宗物资陆路运输压力，对节约使用能源和减少污染物排放都具有积极作用。内河航运作为我国综合运输体系的重要组成部分，其运营效率以及发展与改善的方向和空间都是现行研究中的热点问题。所有研究以内河港口吞吐量的影响因素为前提，因此，本文运用计量经济的方法对影响因素进行量化分析。

1 内河港口吞吐量影响因素计量分析

1.1 样本选取

鉴于数据的可得性和完整性，本文选取2012年我国17个主要内河港口为样本，其中：长江水系11个，分别为宜昌港、荆州港、武汉港、黄石港、镇江港、南昌港、九江港、芜湖港、安庆港、马鞍山港、南通港；珠江水系1个，为梧州港；京杭运河和淮河水系3个，分别为江阴港、杭州港、嘉兴内河港；黑龙江和松辽水系2个，分别为哈尔滨港、佳木斯港。

1.2 变量选择

与一般沿海港口不同，内河港口发展的制约因素更多，区域性也更强，如水文地理条件极大地限制了内河航运以及港口的发展。同时，发展内河港口需要充分考虑防洪防汛以及气候环境的影响。从发展水平上看，内河港口发展阶段也与沿海港口有所不同，不少内河港口还未完全具备通过市场化手段进行建设和发展的条件。以上差别是造成长期以来内河航运和港口发展相对滞后的重要原因。因此，本文通过对经济指标和客观环境指标中影响内河港口发展的众多因素进行分析（见表1 ）。

1.3 实证结果

运用Stata 19.0软件对原样本变量进行线性回归分析（见图1），同时对自变量相关性进行线性回归分析可以发现，各解释变量直接存在严重的相关性。去除多重共线性运行结果见图2。

最终分析结果剩余3个显著变量：x1―GDP、x3―年平均降水量、x5―最高水位。这3个影响指标的t值均通过显著性经验，拟合优度为79.42%，较为满意。

2 结果分析

从实证结果看：

首先，当地国民生产总值对内河港口吞吐量有显著的正方向影响，即一个地方的GDP高将带动港口吞吐量的增加。这是由于一方面GDP的大小直接决定了对港口基础设施的投资力度；另一方面较高的GDP必然会带动内河航运的需求，从而拉动港口吞吐量。

其次，吞吐量与年平均降水量、最高水位均成正相关关系。降水量和水位是一个问题的两个方面。水位越低表明航道越窄、越危险，突出表现在河流上游地区的航运能力不足从而使港口吞吐量受限。这也直观地证明了长江水系等下游三角洲地区的港口吞吐量遥遥领先于中上游地区的原因。

3 结 语

通过实证结果可以发现，我国主要内河港口现存问题和改进方向。制约我国内河港口发展的首要问题是资金投资不足，造成各地港口船舶运力规模普遍偏小，经营分散，难以形成规模效应，而且市场竞争能力不强，安全状况差，抗风险能力低，难以适应建设资源节约型、环境友好型社会和水运业可持续发展的需要。因此，提高GDP增长并重视内河港口规划投资是必由之路。

此外，航道等级低、通航里程短也是我国内河港口发展存在的问题。内河港口与沿海港口存在巨大的差异，突出表现为内河港口更多地受到当地地理环境和水文特征的影响。我国部分地区多数航道处于自然状态，航道等级和通航条件有待提高和改善。

总之，内河港口建设与当地经济建设相互促进，因此，开发和建设内河港口要充分结合各地航道水文条件，并因地制宜地促进内河航运的发展。

参考文献：

[1] 柯蓉，文扬，高更君.内河港口运输统计调查方法的评价与改进[J].水运管理，2006，28（6）：30-33.

【摘 要】 通过运用计量经济的方法，对影响我国内河港口吞吐量的因素作量化分析，形成因素重要度排序，得出3个显著变量：GDP、年平均降水量、最高水位。基于3个变量与内河港口吞吐量的关系，剖析我国主要内河港口的现存问题和改进方向，为内河航运的发展规划提供参考。

【关键词】 内河港口；吞吐量；影响因素

0 引 言

截至2012年底，我国内河航道通航里程共计12.5万km，约占河流总长的29%。目前，全国形成了以长江、珠江、京杭运河、淮河、黑龙江和松辽水系为主体的内河航运布局。

2007年，原交通部颁布了《全国内河航道与港口布局规划》，第一次针对全国内河航道和港口布局进行规划，并由行业规划上升为国家规划。2008年世界性的金融危机使我国内河港口建设在外向型经济向内向型经济转变的过程中面临新的机遇，在综合运输体系和国民经济建设中发挥更加显著的作用。内河水运具有占地少、能耗低、污染小、运能大等优势。加快发展内河水运，可有效缓解流域的土地资源紧张状况和大宗物资陆路运输压力，对节约使用能源和减少污染物排放都具有积极作用。内河航运作为我国综合运输体系的重要组成部分，其运营效率以及发展与改善的方向和空间都是现行研究中的热点问题。所有研究以内河港口吞吐量的影响因素为前提，因此，本文运用计量经济的方法对影响因素进行量化分析。

1 内河港口吞吐量影响因素计量分析

1.1 样本选取

鉴于数据的可得性和完整性，本文选取2012年我国17个主要内河港口为样本，其中：长江水系11个，分别为宜昌港、荆州港、武汉港、黄石港、镇江港、南昌港、九江港、芜湖港、安庆港、马鞍山港、南通港；珠江水系1个，为梧州港；京杭运河和淮河水系3个，分别为江阴港、杭州港、嘉兴内河港；黑龙江和松辽水系2个，分别为哈尔滨港、佳木斯港。

1.2 变量选择

与一般沿海港口不同，内河港口发展的制约因素更多，区域性也更强，如水文地理条件极大地限制了内河航运以及港口的发展。同时，发展内河港口需要充分考虑防洪防汛以及气候环境的影响。从发展水平上看，内河港口发展阶段也与沿海港口有所不同，不少内河港口还未完全具备通过市场化手段进行建设和发展的条件。以上差别是造成长期以来内河航运和港口发展相对滞后的重要原因。因此，本文通过对经济指标和客观环境指标中影响内河港口发展的众多因素进行分析（见表1 ）。

1.3 实证结果

运用Stata 19.0软件对原样本变量进行线性回归分析（见图1），同时对自变量相关性进行线性回归分析可以发现，各解释变量直接存在严重的相关性。去除多重共线性运行结果见图2。

最终分析结果剩余3个显著变量：x1―GDP、x3―年平均降水量、x5―最高水位。这3个影响指标的t值均通过显著性经验，拟合优度为79.42%，较为满意。

2 结果分析

从实证结果看：

首先，当地国民生产总值对内河港口吞吐量有显著的正方向影响，即一个地方的GDP高将带动港口吞吐量的增加。这是由于一方面GDP的大小直接决定了对港口基础设施的投资力度；另一方面较高的GDP必然会带动内河航运的需求，从而拉动港口吞吐量。

其次，吞吐量与年平均降水量、最高水位均成正相关关系。降水量和水位是一个问题的两个方面。水位越低表明航道越窄、越危险，突出表现在河流上游地区的航运能力不足从而使港口吞吐量受限。这也直观地证明了长江水系等下游三角洲地区的港口吞吐量遥遥领先于中上游地区的原因。

3 结 语

通过实证结果可以发现，我国主要内河港口现存问题和改进方向。制约我国内河港口发展的首要问题是资金投资不足，造成各地港口船舶运力规模普遍偏小，经营分散，难以形成规模效应，而且市场竞争能力不强，安全状况差，抗风险能力低，难以适应建设资源节约型、环境友好型社会和水运业可持续发展的需要。因此，提高GDP增长并重视内河港口规划投资是必由之路。

此外，航道等级低、通航里程短也是我国内河港口发展存在的问题。内河港口与沿海港口存在巨大的差异，突出表现为内河港口更多地受到当地地理环境和水文特征的影响。我国部分地区多数航道处于自然状态，航道等级和通航条件有待提高和改善。

总之，内河港口建设与当地经济建设相互促进，因此，开发和建设内河港口要充分结合各地航道水文条件，并因地制宜地促进内河航运的发展。

参考文献：

[1] 柯蓉，文扬，高更君.内河港口运输统计调查方法的评价与改进[J].水运管理，2006，28（6）：30-33.

【摘 要】 通过运用计量经济的方法，对影响我国内河港口吞吐量的因素作量化分析，形成因素重要度排序，得出3个显著变量：GDP、年平均降水量、最高水位。基于3个变量与内河港口吞吐量的关系，剖析我国主要内河港口的现存问题和改进方向，为内河航运的发展规划提供参考。

【关键词】 内河港口；吞吐量；影响因素

0 引 言

截至2012年底，我国内河航道通航里程共计12.5万km，约占河流总长的29%。目前，全国形成了以长江、珠江、京杭运河、淮河、黑龙江和松辽水系为主体的内河航运布局。

2007年，原交通部颁布了《全国内河航道与港口布局规划》，第一次针对全国内河航道和港口布局进行规划，并由行业规划上升为国家规划。2008年世界性的金融危机使我国内河港口建设在外向型经济向内向型经济转变的过程中面临新的机遇，在综合运输体系和国民经济建设中发挥更加显著的作用。内河水运具有占地少、能耗低、污染小、运能大等优势。加快发展内河水运，可有效缓解流域的土地资源紧张状况和大宗物资陆路运输压力，对节约使用能源和减少污染物排放都具有积极作用。内河航运作为我国综合运输体系的重要组成部分，其运营效率以及发展与改善的方向和空间都是现行研究中的热点问题。所有研究以内河港口吞吐量的影响因素为前提，因此，本文运用计量经济的方法对影响因素进行量化分析。

1 内河港口吞吐量影响因素计量分析

1.1 样本选取

鉴于数据的可得性和完整性，本文选取2012年我国17个主要内河港口为样本，其中：长江水系11个，分别为宜昌港、荆州港、武汉港、黄石港、镇江港、南昌港、九江港、芜湖港、安庆港、马鞍山港、南通港；珠江水系1个，为梧州港；京杭运河和淮河水系3个，分别为江阴港、杭州港、嘉兴内河港；黑龙江和松辽水系2个，分别为哈尔滨港、佳木斯港。

1.2 变量选择

与一般沿海港口不同，内河港口发展的制约因素更多，区域性也更强，如水文地理条件极大地限制了内河航运以及港口的发展。同时，发展内河港口需要充分考虑防洪防汛以及气候环境的影响。从发展水平上看，内河港口发展阶段也与沿海港口有所不同，不少内河港口还未完全具备通过市场化手段进行建设和发展的条件。以上差别是造成长期以来内河航运和港口发展相对滞后的重要原因。因此，本文通过对经济指标和客观环境指标中影响内河港口发展的众多因素进行分析（见表1 ）。

1.3 实证结果

运用Stata 19.0软件对原样本变量进行线性回归分析（见图1），同时对自变量相关性进行线性回归分析可以发现，各解释变量直接存在严重的相关性。去除多重共线性运行结果见图2。

最终分析结果剩余3个显著变量：x1―GDP、x3―年平均降水量、x5―最高水位。这3个影响指标的t值均通过显著性经验，拟合优度为79.42%，较为满意。

2 结果分析

从实证结果看：

首先，当地国民生产总值对内河港口吞吐量有显著的正方向影响，即一个地方的GDP高将带动港口吞吐量的增加。这是由于一方面GDP的大小直接决定了对港口基础设施的投资力度；另一方面较高的GDP必然会带动内河航运的需求，从而拉动港口吞吐量。

其次，吞吐量与年平均降水量、最高水位均成正相关关系。降水量和水位是一个问题的两个方面。水位越低表明航道越窄、越危险，突出表现在河流上游地区的航运能力不足从而使港口吞吐量受限。这也直观地证明了长江水系等下游三角洲地区的港口吞吐量遥遥领先于中上游地区的原因。

3 结 语

通过实证结果可以发现，我国主要内河港口现存问题和改进方向。制约我国内河港口发展的首要问题是资金投资不足，造成各地港口船舶运力规模普遍偏小，经营分散，难以形成规模效应，而且市场竞争能力不强，安全状况差，抗风险能力低，难以适应建设资源节约型、环境友好型社会和水运业可持续发展的需要。因此，提高GDP增长并重视内河港口规划投资是必由之路。

此外，航道等级低、通航里程短也是我国内河港口发展存在的问题。内河港口与沿海港口存在巨大的差异，突出表现为内河港口更多地受到当地地理环境和水文特征的影响。我国部分地区多数航道处于自然状态，航道等级和通航条件有待提高和改善。

总之，内河港口建设与当地经济建设相互促进，因此，开发和建设内河港口要充分结合各地航道水文条件，并因地制宜地促进内河航运的发展。

参考文献：

网络吞吐量 篇5

BP神经网络是一种采用物理可实现的系统来模仿人脑神经细胞的结构和功能的系统, 它具有较强的非线性映射能力、高度自学习和自适应能力, 它能通过学习自动提取输入、输出数据间的“合理规则”, 能够以任何精度逼近任何非线性映射, 具有一定的容错性, 适合处理复杂问题。近年来, 许多学者已经成功地将BP神经网络应用到了实际问题的预测中, 且取得了令人满意的结果, 刘英莉, 姜瑛 (2014) [1]将BP神经网络应用到铝合金性能预测中;王莎 (2008) [2]用该方法应用到股票预测中。戴丹 (2006) [3]用该方法应用到市场预测中。陈东 (2012) [4]运用该方法预测证劵指数。师洪涛 (2011) [5]运用该方法预测短期风电功率。邱立春 (2011) [6]利用该方法在农机机械化中的应用研究。

本文运用BP神经网络预测机场旅客吞吐量, 以五年的历史数据作为训练样本进入输入层, 通过BP神经网络的非线性映射能力、高度自学习和自适应能力, 预测下一年的吞吐量情况, 从而给贵阳龙洞堡航空公司的计划最优调配提供了有力的证据。

1 基于BP神经网络的龙洞堡机场旅客吞吐量的预测模型建立

1.1 利用灰色关联度法[7]计算出各个影响因素与旅客吞吐量之间的关联度

本文结合实际情况, 查阅相关资料选择贵阳市GDP, 旅游人数, 第一产业增加值, 第二产业增加值和第三产业增加值作为影响旅客吞吐量的显著性因素, 利用灰色关联度法计算出各个影响因素与旅客吞吐量之间的关联度。

第一步:对各显著性因素作均值化处理, 结果得表1。

第二步:分别用以上均值去除各原始数列得均值化数列。

同理, 再分别对其余9年各指标进行均值化处理。

第三步:利用第二步得出的均值化数列, 计算旅客吞吐量分别和贵阳市GDP, 旅游人数, 第一产业增加值, 第二产业增加值和第三产业增加值在同一时期的绝对差。

第四步:计算关联系数, 取分辨系数ρ=0.5, 则计算公式为:

计算结果得表2。

1.2 BP神经网络结构图

BP神经网络[8,9]是目前应用最为广泛的一种神经网络, 网络由输入层、隐含层、输出层组成。本文应用灰色关联度分析法分析得到的五个自变量 (GDP、旅游人数、第一产业增加值、第二产业增加值、第三产业增加值) 作为BP神经网络的输入变量, 机场旅客吞吐量为输出变量, BP神经网络的拓扑结构如图1所示。

此外, 在BP网络中, 要求激活函数必须是处处可微的, 所以经常采用S型和线性函数。

BP网络学习规则的指导思想是:对网络权值和阈值的修正要沿着误差函数下降最快的方向 (负梯度方向) 进行。即:xk+1=xk-akgk

其中xk是当前的权值和阈值矩阵, gk是当前误差函数的梯度, ak是学习速度。

1.3 模型的建立

1.3.1 数据来源

本文研究选择的数据资料来源于《贵州统计年鉴》和民航官网, 根据样本数据选取原则, 选取2005-2009年数据作为网络训练样本, 2010-2014年五年数据为测试样本, 然后通过设定好的BP神经网络预测2015年的机场旅客吞吐量。

1.3.2 数据预处理

首先对输入变量和期望输出值进行数据归一化处理, 为将数据全部归于 (0, 1) 中, 利用等比变换, 由于1.1中已将各个影响因素的关联系数计算出, 即属于 (0, 1) 之间, 因此只需将2005-2014年的机场旅客吞吐量进行标准化。

1.4 BP神经网络模型的应用

1.4.1 样本的获取 (表4)

1.4.2 网络学习和训练

在Matlab7.0软件的神经网络工具箱环境下, 将训练样本p-train和T-train输入到三层BP神经网络模型, 选用的传递函数分别为“tansig”、“logsig”、“purelin”, 训练函数为“trainlm”, 学习函数为“learngdm”。通过对BP神经网络模型进行反复地训练后, 发现当隐含层节点数为5, 学习率为0.8, 训练次数为500次, 训练目标误差为0.01时得到的效果最好, 图2为训练过程误差图, 可见BP神经网络训练结果整体误差可达0.00846885。

1.4.3 BP神经网络模型的检验

现将上述建立好的BP神经网络预测模型在MATLAB7.0软件坏境下对2010—2014年贵阳龙洞堡机场旅客吞吐量进行检验:

学习样本:

检验样本:

预测结果如图3所示。

从图3可看出, 预测效果与实际发展趋势一致, 基本上在一条直线上, 结果比较可信、合理。因此, 应用BP神经网络模型来预测龙洞堡机场旅客吞吐量是可行的。

2 预测结果

在将训练好的BP神经网络预测模型对2015年的机场旅客吞吐量进行预测后, 得到预测值为1.015, 利用反差公式 (3) 计算得到真正的预测值为13965973万人次。

3 结束语

BP神经网络具有较强的非线性映射能力、高度自学习和自适应能力, 它能通过学习自动提取输入、输出数据间的“合理规则”, 能够以任何精度逼近任何非线性映射, 在预测机场旅客吞吐量的复杂问题中, 良好的拟合了2005-2014年的旅客吞吐量, 能够取得很好的预测精度。

参考文献

[1]刘英莉, 姜瑛, 尹建成, 丁家满.BP神经网络在铝合金性能优化中的研究进展[J].材料科学与工程学报, 2014, 32 (01) :142—149.

[2]王莎.BP神经网络在股票预测中的应用研究[D].南京:中南大学, 2008, 04.

[3]戴丹.BP神经网络用于市场预测的研究[D].武汉:武汉理工大学, 2006, 11.

[4]陈东.BP神经网络在证券指数预测中的研究与应用[D].大连:大连海事大学, 2012, 11.

[5]师洪涛, 杨静玲, 丁茂生, 王金梅.基于小波——BP神经网络的短期风电功率预测方法[J].电力系统自动化, 2011, 35 (16) :44-46.

[6]邱立春.BP神经网络的理论及其在农业机械化中的应用研究[D].大连:大连海事大学, 2012, 11.

[7]田民, 刘思峰, 卜志坤.灰色关联度算法模型的研究综述[J].理论新探, 2008, 12 (1) :24-27.

[8]蔡自兴, 徐光祐.人工智能及其应用[M].北京:清华大学出版社, 1996:1-443.

网络吞吐量 篇6

1 EVDO数据传输端对端模型

EVDO网络为移动用户提供了一种端对端的分组数据传输服务, 和传统的电路交换方式相比, 涉及的网元更加多样化, 包括终端、无线网、核心网、业务网等节点, 网络协议也相对复杂。每个节点都与相应的协议栈相关联, 任何一个环节出现瓶颈或故障, 均会形成“短板效应”, 影响到网络吞吐量。以下结合图1, 按照自上而下分层接口方式介绍该端对端模型中的相关协议。

APP对端:终端与服务器的应用层软件, 涉及网元:TE、应用服务器;

TCP/UDP层:面向连接和非面向连接的传输控制协议。TCP提供流量控制功能, 一般应用于传输可靠性要求高的场合;而UDP则应用于传输连续性要求不高的场合, 声频、视频的传输。涉及网元:TE, 应用服务器;

IP层:网络互联协议, 主要完成路由功能, 用于用户数据和信令的路由。IP的开放性使得上层的应用和下层的承载网络没有必然的联系, 使得应用服务和承载网络技术相分离。涉及网元:TE、PDSN、应用服务器;

PPP连接:用户端点对点连接网络协议, 用于封装网络传输的IP报, PPP连接在DO网络中, 作为TE与PDSN之间逻辑上的链路连接, 对用户的使用感受起到主要的作用。涉及网元:TE、PDSN;

R-P层:GRE隧道格式封装, 完成无线信道和有线信道的协议转换。涉及网元PCF、PDSN;

RLP层:无线链路控制层, 是DO网络中最重要的一层, 属于空口协议中的应用层。RLC将上层数据分段和重组, 并通过选择性重传, 提供可靠链路。在DOA系统中已支持对同一个TE多个RLP流的调度, 并能对每一种流定义不同的QoS。涉及网元MS、BSC。

数据业务传输经过多层协议栈, 通过不同的协议栈来保障传输的目的。在数据传输中, 总是底层协议保障上层应用的传输速率。根据这一特点, 在进行吞吐量异常情况排除时, 应采用逐层逐段的排查思维, 层层深入分析。

2 端对端模型中影响速率因素及分析方法

根据以上端对端模型, 结合日常优化经验, 将可能影响EVDO网络吞吐量的因素归属为4大类别:测试终端的配置及环境、无线链路质量、接入网系统配置及链路稳定性、分组核心网配置及稳定性 (见图2) 。

(1) 测试终端配置及环境因素

测试条件影响因素包括:所在测试扇区处于的负荷状态, 高负荷状态导致单用户测试速率低下;是否处于移动测试状态, 移动测试由于受到无线环境变化影响及小区切换原因, 导致包格式差别大, 速率波动大;单线程下载或是多种业务同时启用, 均会导致吞吐量下降。

测试终端设置包括:TCP窗口尺寸设置过小, 不匹配, 测试软件使用不当或者打开防火墙导致某些网络软件使用异常等原因。另外对于手机在1x/DO双模工作模式下, 由于网络间互相监听, 也将影响测试终端的峰值。

(2) 无线链路质量因素

对于前向而言, 空口质量直接影响到终端可申请到的速率。终端根据测量所得C/I值, 计算出对应的DRC申请速率等级 (见表1) , 并将该申请送往BSC作判决, BSC给出DRC lock和unlock的应答。并最终决定终端可采用的速率。当空口质量不理想的时候, 终端的下载速率也会相应降低。在QXDM观察, DRC在13/14左右, 平均终止包接近1, PER在0.5%以下, 一般认为是空口质量好的情况。在此状态之下, 终端下载速率将会受到影响。

若C/I良好, 但手机处于多个小区的覆盖交叠区, 并进行频繁的虚拟软切换, 也会导致平均速率下降。

对于反向速率而言, 当ROT高于系统设置的RAB门限时, 系统将给终端发送“网络忙”的RAB消息, 使得终端反向速率一直处于一个低速率级别。出现该状况的原因, 一般由于小区用户确实较多, 但出现外部反向干扰, 或者RAB门限设置过低时, 也会引起反向速率的异常低下。一般建议RAB门限设置在12dB左右。

前向速率需反向速率保障:对于TCP业务由于采用了ACK模式, 前向速率也需要依靠反向速率做保障, 理论上要保障前向2.9Mbit/s速率, 反向速率不少于100kbit/s传送ACK信息, PER不能高于2%;若低于该要求, 前向速率将会受到影响。

(3) 接入网系统配置及链路稳定性

传输链路的稳定性及带宽容量是影响传输速率的常见因素。Abis链路存在误码或者闪断故障告警, 会导致大量的数据包重传。所配置的链路带宽不足, 所导致的链路拥塞也会影响到网络速率。对于链路受限的情况, 此时会发现DRC申请的速率高, 但实际的RLP速率都不高, 用户体验差。一般而言, 应当保持链路利用率在70%以下, 超过该使用率, 需要进行链路扩容。

BSC配置的配置:EVDO网络从A版本开始支持用户的QoS控制, AN AAA服务器上也可以对用户进行等级划分, 通过区分用户等级, 可以优化基站调度效率, 满足高级业务或用户的速率需求。当系统开启QoS控制之后, 将会影响到用户上网体验速率。

PCF侧的配置:AN边界上若未配置软切换链路, 在切换过程中会引起上网速率的波动。事实上终端会在切换过程中先掉网, 然后才在新的AN上发起会话请求;若PCF边界同时为PDSN边界, 则PPP会话将会中断, 速率降为0, 并不再发起新的请求, 解决该问题需要在PDSN侧配置移动IP, 但目前由于移动IP耗费资源太大, 未进行成熟应用。

(4) 分组核心网配置及传输稳定性

A10/A11接口分别用于承载PCF与PDSN之间的数据与信令;其带宽不足, 会影响到下载速率。一般而言, A10口的平均流量达到物理传输配置带宽的80%, 则需考虑扩容。

核心网侧交换机性能对网络性能的影响也较大。主要反映在交换机的丢包率, 可通过终端侧的TCP包丢包检查或是可通过BSC OMC平台的GRE丢包次数相应进行检查。GRE丢包次数与整体吞吐量具有显著的一致性, 吞吐量越高, 丢包量越大, 但丢包率则与交换机的性能相关。

以上对数据业务传输通道上的每个环节所涉及影响网络速率的因素进行了分析。从日常网络投诉数据上看, 终端侧问题、空口问题、接入侧问题、核心侧问题所占的比例大致约为10%, 45%, 25%, 10%。可见, 对于吞吐量的优化重心仍然在空口及接入网侧的优化上, 但对于其他环节所有可能产生的影响均不能掉以轻心。一些看似不常出现的因素往往都是一些隐性问题, 处理起来更隐蔽, 更加困难。

3 问题定位思路及常用解决手段

在定位EVDO速率问题上, 由于涉及网元及原因众多, 故在定位问题时, 需要贯彻一定思路原则, 以便收缩问题范围, 将复杂的问题进行问题特征分类, 包括问题的确定特征、问题的空间特征、问题的时间特征:

问题的确定特征:在于剖析问题产生的确定性。一部分投诉产生的根源并非网络性能引起, 这部分问题并不需要进行网络调整, 比如, 用户期望值远高于单扇区能提供的合理网络速率;用户所采用的上网终端或应用程序存在缺陷;用户所处的上网环境属于弱速率体验方式。通过确定性的辨析, 可过滤掉一部分正常化问题, 而对于非正常问题则可进行下一步的排查。

问题的空间特征:在于剖析问题发生的范围及影响面, 从而确定需要重点关注对象及层面。比如针对问题大面积发生在某个PDSN, 或者某个BSC, 或是BSC的某块处理板多带的区域等, 进而重点关注相应的网络层面;若问题发生在某个基站, 则需要重点关注该基站的所有用户还是单个用户;若问题发生在边界切换边缘, 则需重点检查边界切换的参数配置及链路配置上。

问题的时间特征:在于剖析问题发生的时间规律及相关性, 是一直发生、某时间段发生, 还是离散发生;时间的相关性判断, 能帮助定位问题发生的规律。比如对于一些定时性的外部干扰, 或是忙时段负荷加剧导致的拥塞问题等;

获取问题发生的特征后, 则可运用端对端模型知识及相关网优经验经验, 针对某个具体的范围进行逐层逐段的深入分析, 从而完成具体原因的定位, 采取可行的网优手段解决问题。在这个过程中, 我们常需要用到一些工具手段和方法, 以提高解决问题的效率。

节点替换法:“替换法”就是使用一个工作正常的物件去替换一个被怀疑工作不正常的物件, 从而达到定位故障、排除故障的目的。比如早期生产的DO终端兼容性并不好, 容易产生隐性故障, 此时可采用另外一个终端进行尝试。替换法, 宜从前端到后端, 由小到大逐步推移, 如终端、到扇区、基站、BSC、直至后台FTP服务。“替换法”的优势就是简单, 是一种非常实用前期排查方法。

速率波形判断法:借助电脑终端的Du-meter等速率测试软件, 实时观察速率变动, 特别是一些典型波动问题, 有助于推断问题发生的原因:

(1) 下载瞬时速率高, 但不平稳。一般是链路的突发干扰造成, 此时应当重点检查空口质量是否变化大, 是否有频繁软切换, Abis链路是否突发误码, 核心网传输环路上是否有突发性丢包等情况。

(2) 下载速率低, 但平稳。此时需要考虑端对端各环节是否出现带宽瓶颈, 如空口受限, Abis链路容量受限, 核心网侧数据处理量配置是否合适等。可通过启动多线程FTP下载, 观察速率是否上升, 若能得到提升, 则说明EVDO侧正常, EVDO以上网络业务带宽受限。

(3) 反向速率无法达到峰值, 但稳定:此时应该优先查询空口反向质量、RAB参数设置、是否环路延迟太大等情况。

不同协议层速率对比法:在EVDO传输协议栈中, 对应不同的网元, 不同的协议层 (应用层、PCF、BSC的DPUSb, DRC申请速率, 物理层, RLP层) 都有相应的吞吐量, 虽然在物理层能够提供最大数据业务吞吐量为3.1Mbit/s, 但是由于层间复用, 在数据包中增加了数据头, 使得经过多层复用以后数据包长度变长。各层之间的吞吐量表现并不一样, 但通过封装效率的换算, 最终可以得到相当的吞吐量比较。若层与层之间的吞吐量换算后, 差别仍然较大, 则需要对异常点进行分析。各协议层的速率可以相应的平台进行获得, 如应用层速率可以通过DU-METER获得, PCF速率、DPUSb速率可通过维护台的用户流量跟踪获得, DRC申请速率, 物理层、RLP层速率则可以通过路测软件或QXDM获得。

“冲包”测试法:采用“冲包”软件在需要测试网络段输入大量的IP报文, 以测试网络的负荷与性能。Iper是一种常用的“冲包”工具, 可灵活定位端对端模型中不同网元之间的带宽及质量问题, 如PCF与PDSN之间, PDSN与应用服务器之间, PDSN与测试终端之间等网元。在测试过程中需要设置服务器端与客户端, 并指定发送带宽, 通过TCP包与UDP包的冲包对比, 进行问题的定位。一般对比测试产生三种情况:第一:UDP与TCP带宽差不多一致, 带宽无限制;第二:UDP与TCP带宽差不多一致, 带宽不足, 此时需要链路扩容;第三:UDP与TCP带宽相差较大, 则是说明丢包情况严重, 需要重点检查链路质量。

涉及定位辅助工具, 还有如PPP log) ;Ethereal (抓包) ;PPP Sniffer (GRE包) , ping, Trace (检查路由延迟) , 可以在实践中进行学习软件使用场合和方法。

4 总结

传统的语音业务优化项目中, 主要通过对无线网络环境进行的优化, 达到提升业务质量目的。但由于数据业务的多样化特点, 为了达到更好的优化效果和更好的用户感知, 则优化需要拓展与外延, 从自身无线承载网向两端拓展到用户终端以及应用服务器, 实现数据业务的端对端优化思路。

本文结合EVDO网络的端对端传输模型, 介绍了数据业务的业务吞吐量的端对端过程中的常见影响因素, 并提供了相应的定位与优化方法。该思路同样适用于EVDO网络其它重要性能指标的优化工作, 希望能够给从事网络优化工作的网优人员提供一定的参考与借鉴。

参考文献

[13]GPP2, C.S0024-A v3.0, cdma2000High Rate Packet Data Air Interface Specification, 2006

[2]华为技术有限公司, 人民邮电出版社, cdma20001x无线网络规划与优化, 2005

网络吞吐量 篇7

集装箱的吞吐量不仅是衡量港口集装箱运输发展水平的一个重要指标, 同时也是制定港口集装箱运输的发展策略必须考虑的一个重要因素。对港口集装箱吞吐量进行有效的预测可以为确定港口的发展方向、基础设施的投资规模、深水泊位的选址一级港口经营策略等方面提供定量的决策依据。

通常情况下, 我们可以用时间系列模型、灰色系列模型、回归模型等来对港口的集装箱吞吐量进行预测。但是这些方法都存在一个共同的局限性, 即要求设立预测对象的数学模型参数。但事实上港口集装箱吞吐量的影响因素诸如港口的腹地经济发展水平、产业的结构状况、外向型经济比重、腹地集疏运条件、港口的经营管理水平等, 具有复杂的不确定性、时变性以及复杂的非线性特点, 难以或无法用数学描述并建模。而BP神经网络具有超强的适应能力与学习能力, BP善于联想、概括、类比和推理, 加之其优良的非线性特性, 适合用于复杂的非线性系统的处理。因此本文应用BP神经网络模型对福州港未来三年的集装箱吞吐量进行有效预测, 为福州港集装箱运输的发展提供定量的参考。

2、基于BP神经网络的福州港集装箱吞吐量预测

福州集装箱吞吐量预测是以前三年的集装箱吞吐量作为输入, 后一年的集装箱吞吐量作为输出, 建立神经网络模型。采用L-M的算法训练, 中间层的神经元传递函数采用S型正切函数tansig, 输出层的神经元传递函数采用S型对数函数logsig, 学习速率为0.1, 网络的拓朴结构是输入层节点3个, 隐含层节点10个, 输出层节点1个。

该模型利用1992~2010年度福州集装箱吞吐量数据先进行标准化处理, 把样本归一到0到1的区域内, 如表1所示。数据的标准化能够最大地节约网络资源, 减轻了网络的学习负担, 能够加快网络的收敛并且较大地改善了网络的训练结果。

本文采用的公式为:

式中:Xi’为样本归一化后的数值;

Xi为学习样本数值;

Xmin为样本系列中的最小值;

Xmax为样本系列中的最大值;

再将标准化处理后的数据作为学习样本进行网络训练, 经过150次训练后, 网络误差达到要求, 结果如图1所示。

为了检验网络对未知样本的预测效果, 把2006~2009年度的样本代入训练好的网络中, 得到了2010年福州港集装箱吞吐量的预测值。表2给出了2010年度网络训练的预测值与网络期望输出值 (即实际值) 的对照。

对比表中实际值和预测值可以看出, 神经网络给出的预测结果与实际值已经很接近, 可见网络训练效果较理想, 其误差小, 这满足应用要求。检验结果表明此模型的拟合、检验精度较高, 下面利用训练好的模型对福州港未来几年吞吐量的动态变化趋势进行预测预报, 并将结果进行反归一化处理, 如表3所示。

3、预测结论分析

从上述预测结果, 我们可以看出福州港集装箱吞吐量在未来的三年时间内还是呈上升增长趋势, 但是从年平均增长率上看仅略大于10%, 增长速度相对偏缓。到2013年吞吐量预测值才1937664标箱, 不仅与福州市制定港口集装箱吞吐量目标相差甚远, 也与作为集装箱运输干线港门槛200万标箱吞吐量值有些许差距。为了改变目前只是集装箱运输支线港的地位, 改变集装箱吞吐量不足、增长偏缓的局面, 福州港要立足完善本港集装箱运输的基础设施建设, 提高管理水平, 健全港口内陆和海上集疏运网络, 增强港口对经济腹地的辐射力, 千方百计去揽取集装箱货源, 最终实现福州港集装箱吞吐量得到超常的增长。

参考文献

[1]何国光.基于前向神经网络的知识获取.吉林大学学报 (自然利学版) .2002.23 (2)

网络吞吐量 篇8

马萨诸塞州波士顿2009年2月9日电/美通社亚洲/--基于深度包检测 (DPI) 的IP服务优化和创收解决方案的领导者Allot Communications Ltd. (Nasdaq:ALLT) 今天宣布推出Allot Service Gateway Sigma (简称SG-Sigma) 。凭借40 Gbps (千兆比特/秒) 的吞吐量以及与3G和4G/LTE网络的充分协调性, SG-Sigma能够为网络运营商创造更多收入流并提高用户体验质量 (QoE) 。SG-Sigma将于2月16至19日在巴塞罗那GSM协会全球移动大会 (GSMA Mobile World Congress) 期间首次亮相 (2层1号展厅, D82展位) , 标志着服务网关平台发展到一个新的里程碑。

SG-Sigma独具一格的特点体现在:它是一种专门为移动和下一代网络设计的唯一基于DPI的服务网关平台。它能够为网络和用户更快速地引进URL过滤和网络安全等新的增值服务 (VAS) , 以及分层和基于配额的服务。SG-Sigma独特的“拓扑和服务感知”技术用于解决移动宽带流量管理和回程线路拥塞等问题, 使运营商能够减少经营支出, 并为用户带来更高的用户体验质量。Allot可提供与3G、4G/LTE和WiMax网络相匹配的基于DPI的策略与计费执行功能 (PCEF) 。

The Yankee Group高级分析师David Vorhaus表示:“随着下一代网络新产品的不断推出, 网络运营商有责任确保其用户能够获得高质量的体验, 同时能够很好地控制自身日益增加的网络运营成本。通过采纳具备高吞吐量和灵活性、基于DPI的开放式平台这一服务控制解决方案, 运营商具备了足够实力来创造新收入, 同时还可满足宽带用户的需求, 确保网络管理与安全保持在适当水平。”

SG-Sigma灵活的模块化运营商级架构实现了对“按需购买, 渐进付费” (pay as you grow) 模式的部署, 从而使网络运营商能够根据自身需要增加吞吐量、用户数和服务, 并降低初期部署费用。随着SG-Sigma的推出, Allot将能够升级对多达3000万的移动宽带用户进行此项技术的部署。

大型港口集装箱吞吐量的不平衡性 篇9

1中国港口

1.1总体情况

上海港、深圳港、青岛港、宁波—舟山港、广州港、天津港、厦门港和大连港是我国8大集装箱港口,年集装箱吞吐量之和接近我国港口年集装箱吞吐总量的80%,这些港口集装箱吞吐量的不平衡状况基本可反映我国港口集装箱吞吐量的总体不平衡状况。由图1可见:(1)2006年全球集装箱运输处于高速发展期,上半年我国8大集装箱港口的月度吞吐量低于全年月均值,其中2月吞吐量最小,只及全年月均值的71%;下半年各月吞吐量大于全年月均值,其中9月吞吐量最大,相当于全年月均值的112%;(2)2007年集装箱运输仍然延续2006年高速发展的态势,港口吞吐量不平衡性的表现与2006年基本一致;(3)2008年金融危机开始影响集装箱运输业,下半年各月吞吐量大于全年月均值的态势趋缓。

1.2区域差异

由于腹地经济发展状况和贸易结构存在差异,不同区域港口集装箱吞吐量不平衡性的表现也有所不同。我国8大集装箱港口中,大连港、天津港和青岛港属环渤海地区,上海港和宁波—舟山港属长三角地区,厦门港属东南沿海地区,深圳港和广州港属珠三角地区。由图2可见:(1)2008年上半年各区域港口吞吐量不平衡性的表现基本一致;(2)受金融危机影响,下半年各月吞吐量大于全年月均值的态势趋缓,从年末各月吞吐量的变化情况来看,不同区域港口受金融危机影响的程度由北向南逐渐加深。

1.3上海港和香港港

由图3可见:(1)2004—2007年,上海港集装箱吞吐量不平衡性的表现基本一致,1—5月的吞吐量小于全年月均值,2月吞吐量最小,6—12月的吞吐量大于全年月均值;(2)2008年下半年金融危机对实体经济的影响加剧,除8月吞吐量远超全年月均值外,下半年各月吞吐量基本与全年月均值持平。

由图4可见:(1)2004—2008年,香港港吞吐量最小的月份均为2月,下半年各月吞吐量通常大于全年月均值;(2)受金融危机影响,2008年底香港港的吞吐量显著下降。

2韩国港口

在韩国港口的集装箱吞吐量中,中转箱约占30%,且大部分来自我国。由图5可见:(1)2006—2008年,韩国港口中转箱吞吐量的不平衡性与集装箱吞吐量的不平衡性基本一致;(2)2008年1—10月,韩国港口集装箱吞吐量的不平衡性与我国主要港口基本一致,但11—12月的不平衡指数较我国主要港口小,表明韩国港口受金融危机的影响较大;(3)除年初2个月的吞吐量小于全年月均值外,2008年韩国港口中转箱吞吐量的不平衡性与我国环渤海港口集装箱吞吐量的不平衡性没有显著的一致性,可能是由于我国经韩国港口中转的集装箱量不平衡性与环渤海港口吞吐量不平衡性的表现不同,或者是由于环渤海港口集装箱吞吐量的不平衡性受内贸箱影响较大。

3日本港口

名古屋港是日本第3大集装箱港。2008年该港集装箱吞吐量为281.68万TEU,其中外贸箱占93.39%。由图6可见:(1)名古屋港集装箱吞吐量的不平衡性与我国和韩国港口不同,通常年初2个月吞吐量较小(1月最小),3月吞吐量最大;(2)2006和2007年的第4季度各月吞吐量均大于全年月均值;(3)受金融危机影响,虽然2008年10月吞吐量远超全年月均值,但11和12月吞吐量大幅下降,小于全年月均值。

4其他主要港口

由图7可见:(1)受金融危机影响,2008年11和12月世界主要港口的集装箱吞吐量普遍小于全年月均值;(2)横滨港为日本第2大集装箱港,其年初2个月的集装箱吞吐量小于全年月均值,与名古屋港的情况较为相似;(3)新加坡港中转箱比重较大,与我国港口运输关系密切,吞吐量的不平衡性与我国主要港口较为相似;(4)汉堡港是欧洲主要门户港之一,与我国港口运输关系密切,受集装箱运输时间的影响,3月吞吐量最小,晚于我国主要港口1个月;(5)受国民消费习惯的影响,美国东西海岸主要港口7—10月的集装箱吞吐量均大于全年月均值,同期我国港口集装箱吞吐量的波动也受此影响。

5结束语

港口集装箱吞吐量的不平衡性与腹地经济贸易发展状况、消费习惯、政策导向、港口分工及生产组织等多种因素有关,其中某些特点是固有的,某些特点只在特定发展时期存在。根据短期内吞吐量的变化情况判断港口运输发展状态或趋势时,必须充分考虑港口吞吐量不平衡因素的影响。

中继协作传输的吞吐量分析 篇10

协作分集作为一种虚拟多天线分集技术, 可以为单天线网络终端提供分集增益, 是解决无线信道多径衰落的一种有效技术, 这对于能量受限网络具有重要的价值。

关于协作分集技术, Laneman等深入研究了分集的实现策略, 提出了固定中继、选择中继和增量中继三种策略对于协作中继的选择。Bletsas[3]首先将MAC层的机会性中继选择与物理层的协作分集相结合, 在文献[2]提出的方案中, 候选中继利用MAC层的RTS/CTS获得源与中继以及中继与目的之间的信道状态信息, 并根据不同准则将这两个信道的信息进行综合, 从而获得了一个信道的综合量度。

本文提出的协议是基于机会协作的, 根据相关的信道条件来选择中继节点, 中继节点以目的节点解调所要求的最小信噪比来调节发送功率, 从而达到减小能耗和干扰范围的目的。

二、系统模型

网络中所有节点相对静止, 且所有节点可以通过与另一节点交互信息获得当前信道的衰落信息。交换信息主要有RTS, CTS, RTH等。

与之前的协作协议最大不同是, 本协议中继节点的发送功率是可调节的, 发送功率大小可通过下式决定:

其中Pr-min是要求中继节点提供的最小发送功率, Hrd是中继节点和目的节点之间的信道衰落参数, Hsd是源节点和目的节点之间的信道衰落参数, N是噪声功率, SNR0是目的节点正确解调所要求的最小信噪比阈值。中继节点根据Pr-min调节自身的发送功率。

三、协作协议的设计

本协议是基于802.11设计的, 如图 (1) 所示, 假设S为本次传输的源节点, D为本次传输的目的节点。

如果SD间信道的通信状态良好 (hSD≥h0, h0为预先确定的阈值) , 则采用直接传输;如果SD间的信道条件较差 (hSD≤h0) , 则采用协作传输。协作传输首先要确定协作节点, 如图 (1) , 假设节点R1={r1, r2, r3, …rn, r≥0}都是源节点S和目的节点D的邻居节点, 收到目的节点广播的CTS后, 与目的节点间信道条件比较差的邻居节点, 不采取任何动作;与目的节点间信道条件比较好的节点R2={r1, r2, r3, …rm, r≥0}, 向源节点S发送请求协作的信令RTH, S节点根据收到的RTH, 计算出最好的中继节点, 即

最大的节点, 假设为节点rk。在数据传输时, 源节点S以固定地功率P0同时给中继节点rk和目的节点D发送数据, 中继节点rk计算出满足目的节点要求信噪比下的最小发送功率Pr, 并以Pr的功率转发数据给目的节点D。

四、性能分析

为了分析网络的总吞吐量, 必须分析单次传输的平均吞吐量以及网络中可激活的链路条数。首先, 从干扰范围的角度分析网络的总链路条数。

现在, 分析下单次直接传输和协作传输下的干扰面积, 假设单个发射节点的干扰面积用S=βP2表示:P为发送功率, β为固定常数。协作传输链路的干扰范围CLIR可以用一个椭圆等效表示[4], 椭圆大小约等于源节点、中继节点和目地节点三个节点干扰范围的并集。可以根据几何关系计算出直接传输和协作传输下的平均干扰面积Sd和Sc, 与已激活单条链路不发生干扰的概率为Q=1-S/St;

则在总链接数为n, k条可激活的概率为

激活链接条数的期望值为

单条链路的平均吞吐量, 可参考文献[5], 总时延时MAC层时延和数据传输时延的和:

平均吞吐量:

网络总的吞吐量为

我们假设在瑞利衰落信道下, 每个数据包的数据长度L=900 Bytes, 接收端要求的误码率阈值为pM=10-5, 并分析计算三种协议的网络吞吐量, 就会发现, 在发送节点提供的信噪比比较低时, 协作传输的吞吐量比直接传送的要高, 这是因为直接传输误码率较高, 大量丢包, 而采用协作传输, 可以提高接收端的信噪比, 减小误码率, 提高网络吞吐量。随着发送节点提供的信噪比逐渐变大, 三种协议的网络吞吐量都是先变大后变小, 这是因为, 发送信噪比提高, 有利于减小单条链路的误码率, 提高单条链路的吞吐量, 但信噪比变大, 链路干扰范围也会随之变大, 整个网络中可激活的链路条数变少, 因此总的网络吞吐量才会呈现出先变大后变小的趋势。此外, 中继节点发送功率可调比固定中继节点发送功率的协作协议有更高的吞吐量, 这是因为中继节点根据目的节点接收灵敏度要求适当降低发送功率, 可以减小协作传输的干扰范围, 使得网络中链路间的相互干扰减小, 从而提高了网络的传输效率。

参考文献

[1]Laneman J N, Tse D N, Wornell G W.“Cooperative diversity in wireless networks-efficient protocols and outage behavior, ”IEEE Trans.Inf.Theory, vol.50 (12) , pp.3062-3079, 2004.

[2]A.Bletsas, A.Khisti, D.P Reed, A.Lippman, “A simple cooperative diversity method based on network path selection, ”Journal on selected areas in communication, vol.24 (3) , pp.659-672, March 2006.

[3]A Bletsas, D P Reed, A Lippman, “A simple distributed methodfor relay selection in cooperative diversity wireless networks based on reciprocity and channel measurements, ”Proceeding of 61st IEEE semiannu Vech Technol Conf[C], Stockholm, Swede, pp.1484-1488, May 2005.

[4]Yong Zhou, Weihua Zhuang, “Beneficial Cooperation Ratio in Multi-hop Wireless Ad Hoc Networks, ”Department of Electrical and Computer Engineering, University of Waterloo, Waterloo.