第五章 Petri net 與 分散式動態頻道配置系統
6.1 模擬規則
6.1 模擬規則
1. 建立 7X7 49 cell 蜂巢網路模擬模型，如圖 2.1。
2. 網路模型的重複使用因子設定為 3。頻道重複使用距離設定為 2 cell unit。
3. 使用於此網路的頻寬資源為 70 個頻道。每個頻道限制只服務一個 call。
4. 全網路使用動態頻道進行通訊服務。
5. 頻道的使用僅考慮同頻干擾所造成的限制。
6. Cell 要求頻道的當下，若該 cell 中沒有閒置頻道(狀態 0)，則等待 1 秒(即 token 置入 place Q 後的存活時間為 1 秒)，若該 cell 中還是沒有閒置頻道(狀態 0)，
則 call blocked 發生。
7. 正在進行服務的 call 可以執行 channel reassignment 動作。
8. 不考慮任何 Transition 的動作延遲時間。
9. 所有 call 為 new call。
10. Incoming call arrival is assumed to follow a Poisson process with arrival rate λ ， 如圖 6.1 所示。
11. The holding time of a call is assumed to follow the exponential distribution with mean 1/
μ
=180 sec (or 3 min)。12. Call arrival 方式為 call by call，即 cell 同時間一次只能為一個 call 配置頻道。
40
圖 6.1 Number in cells express Poisson arrival rate (calls/h)
6.2 動態頻道選擇方法模擬比較
第一部分純粹以動態頻道選擇方法做模擬的比較，不使用 channel reassignment 策略進行 call blocked rate 的改善。
1. 模擬數據說明
(1) 表 6.1~6.7 為七種不同的頻道選擇方法所跑出來的模擬結果。
(2) Traffic 欄位 x K 表示網路中每個 cell 的 call arrival rate 為圖 6.1 的 K 倍。
(3) Call blocked 欄位表示模擬過程中 new call 發生 call blocked 的次數。
(4) Call blocked rate 欄位表示模擬過程中 new call 發生 call blocked 的機率 (%)。
(5) 狀態 0 減少量/配置欄位的計算方式為自配置開始一千秒後，計算十萬次 配置中，狀態 0 減少量加總的平均值。
(6) 圖 6.2 為本論文提出的各種觀點的 Call blocked rate 比較。
(7) 圖 6.3 為本論文提出方法與其他頻道選擇方法的 Call blocked rate 比較。
(8) 圖 6.4 為本論文提出的各種觀點的狀態 0 減少數量/配置比較。
(9) 圖 6.5 為本論文提出方法與其他頻道選擇方法的狀態 0 減少數量/配置比 較。
(10) 針對每一種配置策略，我們會以六種 Traffic( x2.8, x3.2, x3.6, x4.0, x4.4,
x4.8 )進行 20 小時的頻道配置模擬。在這個階段不使用 channel
reassignment 策略做 call blocked 的改善，純粹就頻道選擇方法做模擬比 較。
表 6.1 可用頻道數量觀點(最優先考量)
Traffic X2.8 X3.2 X3.6 X4.0 X4.4 X4.8 Call blocked 1396.85 6816.05 18309.8 35686.1 57560.9 83113.9 Call blocked rate 0.553438 2.36458 5.6435 9.90677 14.5271 19.2317
狀態 0 減少量 /配置
1.39154 1.31854 1.19893 1.10616 1.0121 0.9383
表 6.2 狀態 0 周圍狀態總和觀點(最優先考量)
Traffic X2.8 X3.2 X3.6 X4.0 X4.4 X4.8
Call blocked 1361.85 6737.75 17751 34898.8 56955.4 81912.6 Call blocked rate 0.539421 2.33604 5.47536 9.68729 14.3693 18.9513
狀態 0 減少量 /配置
1.40759 1.31152 1.22597 1.11741 1.01017 0.95447
表 6.3 狀態 1 數量觀點(最優先考量)
Traffic X2.8 X3.2 X3.6 X4.0 X4.4 X4.8
Call blocked 2168.2 9418.15 22303.2 40798.4 63482 88883.9 Call blocked rate 0.860154 3.26446 6.87577 11.3257 16.0137 20.5651
狀態 0 減少量 /配置
1.5952 1.49807 1.37767 1.24871 1.13981 1.05794
表 6.4 可用頻道數量觀點 (最優先考量), 狀態 0 周圍狀態總和觀點(第二考量) Traffic X2.8 X3.2 X3.6 X4.0 X4.4 X4.8
Call blocked 1328.15 6617.15 18133.8 34951.6 56806.2 81945.6 Call blocked rate 0.526671 2.29578 5.5903 9.70247 14.3394 18.9666
狀態 0 減少量 /配置
1.39737 1.30254 1.20817 1.08708 1.00733 0.94086
42
表 6.5 CES 策略中頻道選擇方法[2]
Traffic X2.8 X3.2 X3.6 X4.0 X4.4 X4.8 Call blocked 2123.64 9011.29 21564.6 39999.1 62156.5 88316.3 Call blocked rate 0.851112 3.12004 6.70912 11.1123 15.6811 20.41
狀態 0 減少量 /配置
1.60601 1.47536 1.3278 1.20141 1.1277 1.03372
表 6.6 ES 策略中頻道選擇方法[1]
Traffic X2.8 X3.2 X3.6 X4.0 X4.4 X4.8
Call blocked 2147.35 9004.35 21790.8 39966.8 62109.7 88077.3 Call blocked rate 0.850482 3.12364 6.71723 11.0906 15.6742 20.382
狀態 0 減少量 /配置
1.59616 1.46247 1.34844 1.22616 1.11158 1.04043
表 6.7 Compact pattern method[3]
Traffic X2.8 X3.2 X3.6 X4.0 X4.4 X4.8
Call blocked 1399.35 7244.6 21265.8 41678.3 65156.3 91257.3 Call blocked rate 0.55454 2.51482 6.55331 11.5638 16.4428 21.1149
狀態 0 減少量 /配置
1.54043 1.43753 1.39066 1.29812 1.22504 1.12719
圖 6.2 頻道配置觀點‐Call blocked rate 比較 (our method)
圖 6.3 動態頻道選擇方法‐Call blocked rate 比較
44
圖 6.4 頻道配置觀點‐狀態 0 減少數量/配置比較(our method)
圖 6.5 動態頻道選擇方法‐狀態 0 減少數量/配置比較
2. 頻道配置觀點模擬比較(our method) (1) Call blocked rate 比較
由圖 6.2 可看出，可用頻道數量觀點、狀態 0 周圍狀態總和觀點與綜合 觀點有著非常接近的 call blocked rate，而狀態 1 數量觀點的 call blocked rate 則明顯高於其他觀點。
(2) 狀態 0 減少數量/配置比較
由圖 6.4 可看出，可用頻道數量觀點、狀態 0 周圍狀態總和觀點與綜合 觀點有著非常接近的狀態 0 減少數量/配置，而狀態 1 數量觀點的狀態 0 減 少數量/配置則明顯高於其他觀點。
3. 動態頻道選擇方法比較 (1) CES 與 ES 頻道選擇方法
表 6.5 與表 6.6 分別為 CES[2]與 ES[1]頻道選擇方法的模擬結果，兩方法 中所制定的 fitness function 是依照 packing 與 resonance condition 的規則而 來。數據顯示，表 6.5 與表 6.6 的模擬結果幾乎沒有差別。
(2) Compact pattern 頻道選擇方法
表 6.7 為 compact pattern[3]頻道選擇方法的模擬結果，我們使用了圖 6.6 中 4 種的 compact pattern type 進行頻道的選擇與配置。在該方法中，配 置系統會給予頻道最適合的 compact pattern type 進行 call 的配置工作。cell 發生 call arrival 時，若沒有一個 compact pattern type 的頻道可供配置，則配 置系統會依照狀態 1 數量觀點選擇一個 non‐compact 的頻道進行配置工作。
(3) Call blocked rate 比較
46
由圖 6.3 可看出，本論文提出的頻道選擇方法表現最好，而 Compact pattern 頻道選擇方法在 traffic 舒緩時，call blocked rate 的表現較 CES 與 ES 方法為優，但隨著 traffic 值增加，call blocked rate 有明顯的上升。
(4) 狀態 0 減少數量/配置比較
由圖 6.5 可看出，本論文方法有最少的狀態 0 減少數量/配置，而 Compact pattern 頻道選擇方法在 traffic 舒緩時，狀態 0 減少數量/配置的表現較 CES 與 ES 方法為優，但隨著 traffic 值上升，狀態 0 減少數量/配置明顯高於其他 方法。
1 1 1 1
1 1 1
1 1
1 1
1
1 1 1 1
Type 1 Type 2
Type 3 Type 4
圖 6.6 Compact pattern type
4. 狀態 0 減少數量/配置 對於模擬結果的影響
觀察表 6.1 到表 6.7 的狀態 0 減少數量/配置欄位的數字可發現，狀態 0 減少 數目較少的頻道選擇方法，普遍有著較低的 call blocked rate。故我們可以將狀態 0 減少數量/配置視為一個評判頻道選擇方法優劣的新指標。
6.3 Channel reassignment 策略整體性配置模擬比較
第二部分加上 channel reassignment 的策略，進行整體性的頻道配置模擬。
1. 模擬數據說明
(1) 表 6.8、表 6.9、表 6.10 與表 6.11 分別為四種不同頻道配置策略的模擬 結果。
(2) Traffic 欄位 x K 表示網路中每個 cell 的 call arrival rate 為圖 6.1 的 K 倍。
(3) call blocked 欄位表示模擬過程中 new call 發生 call blocked 的次數。
(4) call blocked rate 欄位表示模擬過程中 new call 發生 call blocked 的機率(%)。
(5) 全網路可用頻道數量欄位的計算方式為自模擬開始，配置一萬個 call 之 後，每配置一百個 call 就計算一次全網路中可用頻道的數量，表中數字 為一千次加總值的平均值(共配置十萬個 call)。
(6) Time/per assign 欄位的計算方式為自模擬開始一千秒後，計算一千次演 算法時間加總的平均值(CPU 為 3.2GHz)。
(7) 圖 6.7 為四種策略的 call blocked rate 比較。
(8) 圖 6.8 為四種策略的全網路可用頻道數量比較。
(9) 針對每一種配置策略，我們會以六種 Traffic( x2.8, x3.2, x3.6, x4.0, x4.4, x4.8 )進行 20 小時的頻道配置模擬。在這個階段使用 channel reassignment 策略做 call blocked 的改善，比較各種頻道配置策略優劣。
表 6.8 可用頻道數量觀點 (最優先考量), 狀態 0 周圍狀態總和觀點(第二考量) Traffic X2.8 X3.2 X3.6 X4.0 X4.4 X4.8
Call blocked 816.2 4879.75 14337.5 29690.1 49145.2 72239.4 Call blocked rate 0.323691 1.69219 4.42164 8.23792 12.4041 16.7145 全網路可用頻道
數量
1115.96 838.588 622.868 464.966 372.002 286.666
Time/per assign 4.12551e‐5 (sec)
48
表 6.9 (1, λ =10)‐CES 策略[2], Max no. of destabilization=4
Traffic X2.8 X3.2 X3.6 X4.0 X4.4 X4.8 Call blocked 1814.5 8185.5 20205.12 37904.6 59123.41 85845.3 Call blocked rate 0.721533 2.8381 6.21694 10.5256 14.912 19.8574
Min generation 4 4 4 4 4 4
Ave generation 4.1068 4.2218 4.35105 4.48708 4.56454 4.67894
Max generation 14 16 16 17 16 17
全網路可用頻道 數量
864.854 629.64 452.678 338.52 241.518 204.68
Time/per assign 0.029092~0.033608 (sec)
表 6.10 (1, λ =10)‐ES 策略[1], Max no. of destabilization=4
Traffic X2.8 X3.2 X3.6 X4.0 X4.4 X4.8
Call blocked 1818.23 8129.53 19866.21 39197.37 58792.5 85524.1 Call blocked rate 0.720885 2.81737 6.10662 10.8683 14.8572 19.7177
Min generation 4 4 4 4 4 4
Ave generation 4.10576 4.23087 4.35632 4.48709 4.59414 4.68974
Max generation 14 15 16 16 16 17
全網路可用頻道 數量
870.112 625.55 450.96 351.851 243.465 204.11
Time/per assign 0.024952~0.027266 (sec)
表 6.11 Compact pattern method[3]
Traffic X2.8 X3.2 X3.6 X4.0 X4.4 X4.8 Call blocked 1239.5 6323.95 18533.7 39070.7 62063.8 87019.8 Call blocked rate 0.490698 2.19478 5.71325 10.8381 15.6618 20.1172 全網路可用頻道
數量
967.7 696.824 487.676 346.936 245.94 201.814
Time/per assign 4.30038e‐5 (sec)
圖 6.7 動態頻道配置策略‐Call blocked rate 比較
圖 6.8 動態頻道配置策略‐全網路可用頻道數量比較
50
2. 本論文策略與 ES 策略模擬比較 (1) 中央式與分散式系統分析
本論文方法中，每個 cell 選擇頻道的判斷依據為其 cell 周圍同頻干擾範 圍內 cell 的頻道使用情形，地域性的資訊掌握，故屬於分散控制式的動態頻 道配置策略。而在 ES 策略中，每個 cell 選擇頻道的判斷依據(fitness function 的制定)為全網路 cell 的頻道使用情形，全域性的資訊掌握，故歸類為中央控 制式的動態頻道配置策略。雖然我們提出的策略為分散式，但利用這些資訊 就足以判斷出有哪些頻道是造成當下最少可用頻道減少數量的頻道以及狀 態 1 堆積的疏密程度的資訊。
(2) Channel reassignment 分析
比較表 6.4、表 6.8 與表 6.6、表 6.10 可看出，我們的 channel reassignment 策略可對 call blocked rate 造成不錯的改良，原因是本論文策略不僅僅著重於 頻道的選擇配置(channel select)，也關注於頻道的選擇釋放(channel
reassignment)。ES 策略中[1]，channel reassignment 的動作發生於配置頻道的 同時，配置系統會針對該 cell 中所有的可用頻道進行 channel reassignment 的動作，若使用頻道被重置的數目過多時，會對配置系統造成額外的負擔，
相較於本論文方法，我們只會針對一個最佳釋放頻道進行 channel
reassignment 的動作，而且整個 channel reassignment 的過程如同 channel select 過程一般，並不需要考量最佳化演算法的演算時間即可完成。
3. 本論文策略與 Compact pattern 策略模擬比較 (1) 中央式與分散式系統分析
Compact pattern method 為中央控制式的動態頻道配置策略。如同 6.2 節 中，我們規定 4 種 compact pattern type 來對動態頻道進行模擬。
(2) Channel reassignment 分析
Compact pattern method 中 Channel reassignment 動作規定如下:
i) 若該欲釋放之頻道為 non‐compact 則直接釋放。
ii) 若該欲釋放之頻道為 compact，則執行 channel reassignment 動作。即 若該 cell 中存在其他 non‐compact 的頻道，則對該頻道進行 reassign 的 動作。若該 cell 中不存在其他 non‐compact 的頻道，則對該 cell 所有使 用中的頻道進行該頻道於此網路服務總數量的計算，系統會對服務總 數量最少的頻道進行 reassign 的動作。
Compact pattern method 的 channel reassignment 時機與本論文相同，是 發生於 call complete 的同時，除了單一頻道的 channel reassignment 不會對系 統造成負擔外，整個過程中亦不需要最佳化演算法長時間的演算。
4. CES 策略與 ES 策略模擬比較
(1) ES 策略為 CES 策略的改良結果，改良項目如下:
i) 最佳化演算法中 Solution 的表示長度 : CES 演算法[2]中，solution 的表 示長度定為全網路頻道數目(本模擬中為 1x70 的陣列)，而 ES 演算法[1]
中將其縮減為 cell 中正在使用中頻道的數目。
ii) 最佳化演算法中 fitness function 的表示方法 : ES 演算法[1]提供了更為 精簡的 fitness function，給予了更快速的演算法運算時間。
(2) 模擬數據比較
由數據看來 call blocked rate 的表現幾乎沒有差別，而演算時間方面，ES 演算法有較快速的演算速度。Ave generation 欄位記錄下了 20 個小時的模擬 過程中，最佳化演算法所執行的平均 generation 數目，數據顯示，Ave
52
generation 大多接近 Max no. of destabilization=4，這表示有絕大多數的 solution 在執行完 channel reassignment 之後並沒有取得更佳的 solution。
5. 綜合比較
由圖 6.7 與圖 6.8 可看出各種策略的 call blocked rate 與全網路可用頻道數量 表現情形，本論文策略有著最低的 call blocked rate 以及最高的全網路可用頻道數 量。Compact pattern method 則是在低 traffic 時，表現出較 CES 與 ES 為佳的 call blocked rate 以及全網路可用頻道數量，但在高 traffic 時則漸漸失去其優勢。
第七章 Call Admission Control
本章節的目的在於對頻道的通訊服務做一個管理控制，即犧牲 new call 而提 升 handoff call 的服務品質。方法是利用固定頻道的概念，每個 cell 會預留一定 數量的固定頻道以確保 handoff call 的通訊順暢。由於固定頻道的配置會造成配 置區域周圍該頻道的使用限制，故我們一方面必須確保每個 cell 必須有足夠數量 的固定頻道以保證 handoff call 的通訊品質，另一方面也必須控管固定頻道數量 不可太多，以免造成過多的頻道干擾。
本章節的目的在於對頻道的通訊服務做一個管理控制，即犧牲 new call 而提 升 handoff call 的服務品質。方法是利用固定頻道的概念，每個 cell 會預留一定 數量的固定頻道以確保 handoff call 的通訊順暢。由於固定頻道的配置會造成配 置區域周圍該頻道的使用限制，故我們一方面必須確保每個 cell 必須有足夠數量 的固定頻道以保證 handoff call 的通訊品質，另一方面也必須控管固定頻道數量 不可太多，以免造成過多的頻道干擾。