用户终端的卫星与地面通信分流接入方法、装置和存储介质

技术领域

本发明涉及通信技术领域，尤其是一种交通工具上用户终端的卫星与地面通信分流接入方法、装置和存储介质。

背景技术

随着通讯技术与航天技术的迅速发展，通讯领域不再局限于地面，结合卫星与5GC的通讯网络服务相继提出，尤其是近年来低轨卫星与3GPP的融合发展，通信技术专注于卫星与地面基站融合，形成天地一体化通信网络。

在天地一体化通信网络中，用户终端可以选择从地面基站或者通信卫星接入，即选择不同的链路。一般地，用户终端选择最优的接入链路路径，从而获得较优的通信质量。

在用户携带用户终端乘坐交通工具，或者交通工具本身搭载用户终端等情况下，用户终端随交通工具一起高速移动，用户终端所面临的通信环境可能快速变化，在短时间内存在多条可接入链路，在此场景下，为用户终端的传输链路路径选择带来更多复杂性，超出了现有技术的适用范围。

术语解释：

AMF：Access and Mobility Management Function，接入和移动性管理功能；

3GPP：3rd Generation Partnership Project，第三代合作伙伴计划；

UE：User Equipment，用户设备或者用户终端；

PSM：Power Saving Mode，省电模式；

TAU：Tracking Area Updating，跟踪区更新；

AN：Access Network，接入网络；

NTN：Non-Terrestrial Network，空间通讯网络；

RAN：Radio Access Network，无线接入网络；

RAT：Radio Access Technology，无线接入技术；

DQN：Deep Q-network，深度Q网络；

STGCN：Spatial Temporal Graph Convolution Networks，时空图卷积神经网络。

发明内容

针对用户终端随交通工具一起高速移动的场景下，在短时间内存在多条用户终端可接入的链路，传输链路路径选择具有更多复杂性，难以适用现有技术等技术问题，本发明的目的在于提供一种交通工具上用户终端的卫星与地面通信分流接入方法、装置和存储介质。

一方面，本发明实施例包括一种交通工具上用户终端的卫星与地面通信分流接入方法，所述交通工具上用户终端的卫星与地面通信分流接入方法包括：

获取第一用户终端所接入的天地一体化通信网络的无向节点拓扑图；

获取所述无向节点拓扑图对应的链路信息；

通过所述第一用户终端所在的交通工具搭载的移动边缘计算设备，运行神经网络；

将所述无向节点拓扑图和所述链路信息输入所述神经网络进行处理；

根据所述神经网络的处理结果，确定所述第一用户终端在所述天地一体化通信网络中的接入链路和传输路径。

进一步地，所述获取第一用户终端所接入的天地一体化通信网络的无向节点拓扑图，包括：

获取所述天地一体化通信网络中的星历数据；

获取所述天地一体化通信网络中所述第一用户终端、信关站、地面基站、核心网、移动边缘计算设备各自的位置数据；

根据各所述位置数据和所述星历数据，建立所述第一用户终端、信关站、地面基站、核心网、移动边缘计算设备和通信卫星各自对应的节点；

根据全部所述节点，生成所述无向节点拓扑图。

进一步地，所述根据全部所述节点，生成所述无向节点拓扑图，包括：

调用Network X工具包，根据全部所述节点，创建所述无向节点拓扑图。

进一步地，所述获取所述无向节点拓扑图对应的链路信息，包括：

遍历所述无向节点拓扑图中的全部边；

确定每一条边所连接的两个节点之间的网络业务参数；

以全部所述网络业务参数，作为所述链路信息。

进一步地，所述获取所述天地一体化通信网络中所述第一用户终端、信关站、地面基站、核心网、移动边缘计算设备各自的位置数据，包括：

对所述第一用户终端和所述移动边缘计算设备分别进行多次位置采样；

根据所述第一用户终端的位置采样结果求平均值，确定所述第一用户终端的位置数据；

根据所述移动边缘计算设备的位置采样结果求平均值，确定所述移动边缘计算设备的位置数据。

进一步地，所述获取所述天地一体化通信网络中所述第一用户终端、信关站、地面基站、核心网、移动边缘计算设备各自的位置数据，还包括：

对所述第一用户终端的位置数据进行校正。

进一步地，所述对所述第一用户终端的位置数据进行校正，包括：

确定所述第一用户终端的位置数据与所述移动边缘计算设备的位置数据之间的位置误差；

当所述位置误差大于阈值，计算所述第一用户终端的位置数据与所述移动边缘计算设备的位置数据的平均值，作为所述第一用户终端的位置数据。

进一步地，所述对所述第一用户终端的位置数据进行校正，包括：

对第二用户终端分别进行多次位置采样；所述第二用户终端所在的交通工具与所述第一用户终端所在的交通工具在同一交通线路上；

根据所述第一用户终端的位置采样结果确定第一运动参数；

根据所述第二用户终端的位置采样结果确定第二运动参数；

确定所述第一运动参数与所述第二运动参数之间的运动参数误差；

当所述运动参数误差大于阈值，计算所述第一用户终端的位置数据与所述第二用户终端的位置数据的平均值，作为所述第一用户终端的位置数据。

另一方面，本发明实施例还包括一种计算机装置，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行实施例中的交通工具上用户终端的卫星与地面通信分流接入方法。

另一方面，本发明实施例还包括一种存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行实施例中的交通工具上用户终端的卫星与地面通信分流接入方法。

本发明的有益效果是：实施例中的交通工具上用户终端的卫星与地面通信分流接入方法，能够在天地一体化通信系统中，用户终端通过地面基站和通信卫星与通信核心网进行双连接时，高铁乘客终端能选择最优接入路径进行通信，而在地面接入网络不可用的影响最小的情况下通过卫星接入获得持续可靠的业务，提高搭乘交通工具的用户终端的通信效率与通信可靠性。

附图说明

图1为实施例中交通工具上用户终端的卫星与地面通信分流接入方法的步骤示意图；

图2为可以应用交通工具上用户终端的卫星与地面通信分流接入方法的通信系统示意图；

图3为实施例中交通工具上用户终端的卫星与地面通信分流接入方法的流程示意图；

图4为实施例中无向节点拓扑图的示意图；

图5为实施例中无向节点拓扑图的可视化示意图；

图6为实施例中使用的深度Q学习神经网络的示意图。

具体实施方式

本实施例中，参照图1，交通工具上用户终端的卫星与地面通信分流接入方法包括以下步骤：

S1.获取第一用户终端所接入的天地一体化通信网络的无向节点拓扑图；

S2.获取无向节点拓扑图对应的链路信息；

S3.通过第一用户终端所在的交通工具搭载的移动边缘计算设备，运行神经网络；

S4.将无向节点拓扑图和链路信息输入神经网络进行处理；

S5.根据神经网络的处理结果，确定第一用户终端在天地一体化通信网络中的接入链路和传输路径。

本实施例中，以高速铁路列车作为交通工具的例子进行说明。其中一个特定的用户终端即第一用户终端由乘客携带乘坐列车。

步骤S1-S5可以应用在图2所示的天地一体化通信网络中。

参照图2，天地一体化通信网络中包括通信卫星、第一用户终端、信关站、地面基站、核心网、移动边缘计算设备等节点。对于通信卫星，可以获取星历数据，根据星历数据确定通信卫星的位置；对于第一用户终端、信关站、地面基站、核心网、移动边缘计算设备等，可以获取位置数据，根据位置数据确定第一用户终端、信关站、地面基站、核心网、移动边缘计算设备等的位置。

步骤S1-S5的流程如图3所示。参照图3，由第一用户终端UE生成并发送选择请求Req1，由列车所搭载的移动边缘计算设备运行神经网络(图3中的模型N1)，移动边缘计算设备接收到选择请求Req1后，在选择请求Req1的触发下，执行步骤S1-S5，确定第一用户终端在天地一体化通信网络中的接入链路和传输路径，根据所确定的接入链路和传输路径生成选择回复信息Res1，将选择回复信息Res1返回至第一用户终端UE。第一用户终端UE根据所确定的接入链路和传输路径(具体可能是向地面基站发送或者向通信卫星发送)，对外发送数据包D1，数据包D1经过地面基站或者通信卫星传输到通信核心网，从而实现通信过程。

本实施例中，在执行步骤S1，也就是获取第一用户终端所接入的天地一体化通信网络的无向节点拓扑图这一步骤时，具体可以执行以下步骤：

S101.获取天地一体化通信网络中的星历数据；

S102.获取天地一体化通信网络中第一用户终端、信关站、地面基站、核心网、移动边缘计算设备各自的位置数据；

S103.根据各位置数据和星历数据，建立第一用户终端、信关站、地面基站、核心网、移动边缘计算设备和通信卫星各自对应的节点；

S104.根据全部节点，生成无向节点拓扑图。

在执行步骤S104时，可以调用Network X工具包，根据全部节点，创建无向节点拓扑图。通过步骤S101-S104生成的无向节点拓扑图，其形式如图4所示。使用Python语言调用无向节点拓扑图进行可视化输出，其形式如图5所示。参照图4，无向节点拓扑图中的每个节点分别表示第一用户终端、信关站、地面基站、核心网、移动边缘计算设备和通信卫星等。

本实施例中，在执行步骤S2，也就是获取无向节点拓扑图对应的链路信息这一步骤时，具体可以执行以下步骤：

S201.遍历无向节点拓扑图中的全部边；

S202.确定每一条边所连接的两个节点之间的网络业务参数；

S203.以全部网络业务参数，作为链路信息。

步骤S201-S202中，无向节点拓扑图中的每一条边分别表示所连接的两个节点之间的链路，可以获取任一条边所连接的两个节点之间的时延、丢包率、带宽和业务优先级等网络业务参数，作为这条边的链路信息。遍历无向节点拓扑图中的全部边，获得全部边的链路信息。

执行步骤S1所得到的无向节点拓扑图和执行步骤S2所得到的链路信息可以存储在同一组数据中。

本实施例中，在执行步骤S102，也就是获取获取天地一体化通信网络中第一用户终端、信关站、地面基站、核心网、移动边缘计算设备各自的位置数据这一步骤时，具体可以执行以下步骤：

S10201.对第一用户终端和移动边缘计算设备分别进行多次位置采样；

S10202.根据第一用户终端的位置采样结果求平均值，确定第一用户终端的位置数据；

S10203.根据移动边缘计算设备的位置采样结果求平均值，确定移动边缘计算设备的位置数据；

S10204.对第一用户终端的位置数据进行校正。

步骤S10201-S10203中，分别根据第一用户终端和移动边缘计算设备的多次位置采样结果求平均值，确定第一用户终端的位置数据和移动边缘计算设备的位置数据，可以减少对高速运动的第一用户终端和移动边缘计算设备进行位置检测存在的误差。而信关站、地面基站、核心网则可以认为相对地面静止，可以分别只进行一次位置采样，从而获得相应的位置数据。

步骤S10204中，考虑到当列车运行时，第一用户终端相对于地面高速运动，计算得到的第一用户终端的位置数据可能存在较大的误差，因此可以对第一用户终端的位置数据进行校正。

在执行步骤S10204时，作为对第一用户终端的位置数据的第一种校正方式，可以计算执行步骤S10202所得到的第一用户终端的位置数据，与执行步骤S10203所得到的移动边缘计算设备的位置数据的差的绝对值，即位置误差。当位置误差大于阈值，计算第一用户终端的位置数据与移动边缘计算设备的位置数据的平均值，作为第一用户终端的位置数据(即不再使用执行步骤S10202所得到的第一用户终端的位置数据本身，而使用执行步骤S10204得到的平均值)。

对第一用户终端的位置数据的第一种校正方式，其原理在于：第一用户终端与移动边缘计算设备在同一列车上高速运动，第一用户终端与移动边缘计算设备之间大致保持静止，对第一用户终端的位置数据与移动边缘计算设备的位置数据应当一致，位置误差过大表明其中一者存在较大的偶然干扰因素，通过求第一用户终端的位置数据与移动边缘计算设备的位置数据的平均值的方式，可以减小偶然干扰带来的影响期望值，有利于提高第一用户终端的位置数据的测量准确度。

在执行步骤S10204时，作为对第一用户终端的位置数据的第二种校正方式，可以检测与第一用户终端所在的交通工具在同一交通线路上的其他交通工具，其所搭载的第二用户终端。具体地，对于高速铁路而言，由于列车在特定的线路行驶，因此可以根据第一用户终端的位置数据，生成第一用户终端的轨迹曲线，同样生成其他用户终端的轨迹曲线，查找出轨迹曲线与第一用户终端的轨迹曲线相同的其他用户终端(其中一个特定的用户终端为第二用户终端)，即可确定这样的用户终端所在的交通工具与第一用户终端所在的交通工具在同一交通线路上。

在选择第二用户终端时，可以从第一用户终端所在的交通工具之前的交通工具(即更早发车)中选择。第二用户终端在第一用户终端之前已经过了特定的路段

第二种校正方式中，对于第二用户终端，同样进行与第一用户终端类似的多次位置采样以及求平均值的过程，从而获得第二用户终端的位置采样结果。对于第一用户终端的位置采样结果，其可以表示为不同时刻所测得的位置序列，从而可以计算得到第一用户终端在一段线路中的速度、加速度等参数，即第一运动参数；同样地，对于第二用户终端的位置采样结果，也可以表示为不同时刻所测得的位置序列，从而可以计算得到第二用户终端在一段线路中的速度、加速度等参数，即第二运动参数。

在计算第一运动参数和第二运动参数时，其对应相同线路中的同一段线路。

第二种校正方式中，所计算的第一运动参数与第二运动参数为相同类型的数据，例如第一运动参数与第二运动参数均为速度或者均为加速度等，从而可以计算出第一运动参数与第二运动参数之间的差的绝对值，即运动参数误差。当运动参数误差大于阈值，计算第一用户终端的位置数据与第二用户终端的位置数据的平均值，作为第一用户终端的位置数据(即不再使用执行步骤S10202所得到的第一用户终端的位置数据本身，而使用第二用户终端的位置数据与第一用户终端的位置数据的平均值)。

对第一用户终端的位置数据的第二种校正方式，其原理在于：在第一用户终端经过进行位置采样的特定路段之前，已有第二用户终端经过了相同的特定路段，第二用户终端的位置数据与第二用户终端的位置数据应当一致，位置误差过大表明其中一者存在较大的偶然干扰因素，通过求第一用户终端的位置数据与第二用户终端的位置数据的平均值的方式，可以减小偶然干扰带来的影响期望值，有利于提高第一用户终端的位置数据的测量准确度。

步骤S3中移动边缘计算设备所运行的神经网络可以是深度Q学习神经网络(DQN)或者时空卷积图神经网络。以本实施例中以DQN为例进行说明。

本实施例中，所使用的DQN的结构如图6所示。参照图6，DQN包括预测网络模块、任务队列模块、损失函数模块、目标网络模块、评估网络模块、经验回放池模块、奖励模块、动作模块、状态模块和环境模块。其中预测网络模块从环境中观察获得状态S，结合评估网络的反馈进行迭代训练，输入是状态S，其中包含需要训练的网络模型，网络模型相关参数信息如表1所示。数据流队列模块提供处理计算任务的功能(这里排队可以建模为M/M/1)。为了进一步的减少输入数据的相关性，目标网络模块用来减少TD误差，评估网络模块提供计算预测网络与目标网络的差异。经验回放池提供用于训练的经验元组的存储功能，DQN是基于MDP的，其中有状态、动作、转移函数、奖励，环境是基于双连接链路信息(时延、丢包率、带宽以及业务的优先级)与前面所构建的无向节点拓扑环境(使用第三方采集统计的星历数据、信关站节点位置数据、高铁线路沿途5G基站节点位置数据、核心网与其他节点的链路数据、移动边缘计算设备节点位置数据、列车UE节点位置数据来构建图4所示的无向节点拓扑图)。

预测网络模块用于提供对策略的计算与选择功能。预测网络模块包含输入层、全连接层、激活函数层、输出层。整个网络分为四层，第一层网络层包括全连接层、激励函数层，全连接用的是pytorch里的nn.Linear函数，将输入的数据做以下变换计算：y＝xA

Input:State s

Output:π(s)

1初始化Q-function Q,target Q-function Q^＝Q

2for each time step t3 状态s

4 获得奖励r

5 将(s

6 从buffer中随机取样batch数据(s

7

8 更新Q的参数使得Q(s

9 每C步重置Q^＝Q

步骤S4中，将无向节点拓扑图和链路信息输入经过训练的DQN神经网络，DQN神经网络对无向节点拓扑图和链路信息进行处理，输出最优的接入链路与传输路径π(s)。

步骤S5中，第一用户终端根据步骤S4所确定的接入链路与传输路径π(s)，选择通过通信卫星或者地面基站，以及选择具体的传输路径与核心网连接。在选择好接入链路与传输路径π(s)并与核心网建立连接后，第一用户终端可以向核心网发送数据包D1，并附带优先级信息D2[优先级基于业务类别来定义，延迟容忍业务(邮件、非即时响应呼叫等)与时延敏感业务(直播、视频会议等)，时延敏感业务具有更高的处理顺序优先级]，从而保持选择较优的链路与核心网连接，获得良好的通信质量。

可以通过编写执行本实施例中的交通工具上用户终端的卫星与地面通信分流接入方法的计算机程序，将该计算机程序写入至存储介质或者计算机装置中，当计算机程序被读取出来运行时，执行本实施例中的交通工具上用户终端的卫星与地面通信分流接入方法，从而实现与实施例中的交通工具上用户终端的卫星与地面通信分流接入方法相同的技术效果。

需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本实施例所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本实施例所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例，并且除非另外要求，否则不会对本发明的范围施加限制。

应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。

此外，可按任何合适的顺序来执行本实施例描述的过程的操作，除非本实施例另外指示或以其他方式明显地与上下文矛盾。本实施例描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。

进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本实施例所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。

计算机程序能够应用于输入数据以执行本实施例所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。

以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。