0 引言

车辆的运行是独立的，车辆运行的速度具有动态变化特性，使得其在各网络中的驻留时间具有不确定性。因而，如何采用一种稳健的垂直切换算法为终端用户提供无缝通信成为研究热点。当前经典的垂直切换算法大致可以分为四类：阈值判定法、基于模糊逻辑的算法[1]、基于人工神经网络的算法和基于效用函数的算法[2]。但是，当车辆用户在目标网络中驻留时间过短时，仍然采用上述算法为车辆终端选择接入网络，极有可能引起“乒乓效应”[3]，造成频繁切换。

1)设定T-Map基本单形。依据规范重心坐标定义可知，4维E4 T-Map基本单形构建需要5个顶点，选用交点轴线理想变动位置映射点pF0和正方向极限映射点pF1,pF2,pF3,pF4为顶点构建基本单形∑{pF0,pF1,pF2,pF3,pF4}，其中，pF0为基本单形的原点，pF0分别与pF1,pF2,pF3,pF4的连线为T-Map的4个坐标轴。

针对上述问题，本文提出一种基于驻留时间预测的垂直切换算法。算法首先根据车载导航系统规划的路线获得车辆终端在各候选网络中内的行进轨迹，进而预测其驻留时间；然后选取驻留时间、RSS、带宽以及时延作为切换判决参数；最后根据效用函数选择最佳接入网络。本文的主要贡献为：（1）提出一种驻留时间预测模型。由于车辆终端移动速度的不确定性，可能在目标网络中驻留时间过短，引起“乒乓效应”。本文根据车载导航系统规划的路线，获得车辆终端在各候选网络中内的行进轨迹，进而预测其驻留时间，避免频繁切换。（2）设计具有可调切换阈值的效用函数。考虑到不同类型业务对切换时延的要求不同，最优效用函数应充分体现这一特点。本文考虑实时业务和非实时业务对切换时延的个性化需求，采用简单加权法设计具有可调切换阈值的效用函数。

1 车辆异构网络模型

在未来较长一段时间内，蜂窝网与WiMAX将相互协作，实现优势互补，共同为用户提供泛在的异构网络环境[4]。因而，本文以LTE和WiMAX重叠覆盖构成的异构无线网络作为代表性的网络模型，如图1所示。在该模型中，当车辆在纵横交错的道路上行驶时，车载导航系统依据车辆当前的位置和事先设定的目的地，对行驶路线进行动态规划，并实时更新车辆位置信息。

2 驻留时间预测模型

2.1 行驶轨迹分析

如图1所示，假设位置A为车辆的起点，位置E为车辆的终点，那么车载导航系统将智能地为车辆规划最佳行驶路线A-B-C-D-E。据此可以计算车辆在途经的三个候选网络的路程。

在WiMAX1网络中的途经的路程为：

其中，dAB表示位置A到位置B的道路距离，dBC表示位置B到位置C的道路距离。

选取我院2016年12月至2017年12月所收治的颅脑外伤开颅血肿清除加去骨瓣减压术患者64例,其中女性患者30例,男性患者34例,最小年龄23周岁,最大年龄72周岁,年龄均值(57.2±1.3)周岁,根据患者入院时间分为研究组和参照组,每组各32例,2组患者年龄、性别等基本临床数据,经分析对比无显著性差异(P>0.05)。

上述“胸椎压缩性骨折”在精细化管理系统的分析中被确定为“经济经营类”病种。封国生介绍，医院将病种类型主要划分为学术发展类、绩效指标类、经济经营类三大类，如器官移植等成本较高的病种，核算出来可能是赔钱的，但相关病种的难度高、科学价值高，称之为“学术发展类”；有些病种虽然难度不高，但效益好，称之为“绩效指标类”。

异构网络中最优目标网络的选择问题属于多属性决策范畴，这恰好符合层次分析法[5-6]中多参数非结构化判决，因而本文采用层次分析法来初始化参数权重。

由于学校路段、十字路口、红绿灯等因素，车辆在整个行驶过程中速度大小会发生变化，然而车载导航系统只能获取车辆的瞬时速度。所以，本文在一个时间周期Ts内，对N（N足够大）个采样瞬时速度值求平均值得到车辆的运动速度。则车辆的运动速度为：

其中，dDE表示位置D到位置E的道路距离。

提高学生的计算能力，要打好基础，提高能力。口算是一切计算的基础，只有基本口算达到非常熟练的程度，才能使学生过好计算关,形成良好的计算能力。数学计算，就是得反复操练，举一反三，不能的练习才能很好的提高学生的计算能力。通过对各种知识的灵活运用，还可以提高学生的归纳理解能力，在以后更深入的学习中可以对计算方法进行适时的优化。

2.2 运动速度计算

在LTE1网络中的途经的路程为：

最后，根据判断矩阵A求出其最大特征根所对应的特征向量W，即为权重向量，并通过一致性检验确定其合理性：

2.3 驻留时间预测

根据“路程-速度”关系，可以较容易地预测出车辆在各候选网络中的驻留时间。因而，车辆在WiMAX1、WiMAX2和LTE1网络中的驻留时间分别为：

胡琏听了总司令的一席话，为自己刚才的小器感到愧疚，同时也为长官对自己的信任感到激动。他再次向陈诚敬礼致敬，说：“谢总司令信任。”说完他转向走出司令部，带上夏国良，直奔码头，两人上了一条小船，顺水而下，回到了石牌要塞的第十一师驻地。

3 垂直切换算法流程

3.1 切换判决参数获取

不同的候选网络具有异构性和复杂性，这将导致网络性能很难统一评估。为了合理地量化不同的接入网络，首先需要对网络参数进行归一化。假设候选网络的数量为m，判决参数的数量为n。网络参数可分为效益型和成本型两类。其中，效益型参数值越大越好，如RSS；而成本型参数值越小越好，如：时延。本文选取驻留时间、RSS、带宽和时延4个参数进行切换判决，并采用“最大-最小值法”[5]分别归一化两类参数。

效益型参数：

当然，诚如《意见》所指出，“我国区域发展差距依然较大，区域分化现象逐渐显现，无序开发与恶性竞争仍然存在，区域发展不平衡不充分问题依然比较突出”。这些问题的长期存在，根子在于某些机制难以适应，甚至矛盾于区域协调发展战略，因此解决这些问题的关键，就是要建立更加科学、更加有效的区域协调发展新机制。

同理，在WiMAX2网络中的途经的路程为：

然后，构建判断矩阵。依次取两个判决参数，比较其对目标层的影响，确定两者的相对重要程度用aij表示，即可得到判断矩阵A=(aij)n×n：

其中，表示第j个网络的第k个归一化参数值，pjk表示第j个网络的第k个实际参数值，max(pjk)和min(pjk)分别表示第j个网络的第k个最大参数值和最小参数值。

3.2 参数权重初始化

其中，dCD表示位置C到位置D的道路距离。

首先，建立递阶的层次结构模型，用以分析评价系统中各判决参数的关系。第一层目标层的总目标是获得最优的网络连接；所支配的下一层准则层包含的n个判决参数，作为评价各候选网络性能的依据；最底层方案层是车辆终端可接入的所有候选网络。

（三）交通通畅能力不足。渝黔边界地区尚未形成高效便捷的路网体系，高速铁路、高速公路等骨干交通密度、等级较低，缺少以轨道交通为主的连接主城的便捷交通干线，与产业融合程度不够，进入产业园区“最后一公里”尚未打通，边界地区断头路较多，域内交通通达能力弱，对区域内人流、货流、资源流的支撑力不足。要想富，先修路，渝黔边界地区极为落后不便的交通状况是制约经济社会发展的重要因素和卡脖子环节。

成本型参数：

其中，Vi表示一个时间周期Ts内第i个瞬时速度采样值，i的取值为1，2，…，N。

3.3 设计最优效用函数

对于各候选网络，其性能值fj可以基于效用函数计算：

在进行切换判决时，首先根据式（12）计算各候选网络的效用值，然后选择效用值最大的网络作为目标网络g。同时，考虑车辆终端实时业务和非实时业务的个性化需求，当目标网络满足以下条件时，即可进行切换。

其中，fg为目标网络g的效用值，fc为当前网络的效用值，θ表示可调切换阈值：

式（14）中，θth表示固定切换阈值，决定θ的最大值；为非实时业务变化因子，决定非实时业务的最大变化范围；表示非实时业务所占比例。

4 仿真结果

本文根据图1所示的车辆异构网络模型，使用MATLAB软件进行仿真。实验场景中包含1个LTE和3个WiMAX，其中LTE实现全覆盖，WiMAX的覆盖半径为1.2km，LTE和WiMAX的带宽分别为20MHz和15MHz。为了降低实验的复杂度，首先在仿真区域随机产生了100个车辆终端，每个终端的移动速度在0～22m/s之间，之后按照参数为λ的泊松分布陆续到达新的车辆终端[7-8]。

如图2所示为无驻留时间预测算法与本文算法的平均阻塞率曲线。可见，随着新的车辆终端到达率的增加，两种算法的平均阻塞率都随之增加。但是在相同车辆终端到达率的情况下，本文算法的阻塞率始终相对较低。这是因为本文采用驻留时间预测机制，避免了频繁切换导致的“乒乓效应”。

如图3所示为无驻留时间预测算法与本文算法的切换次数曲线。可见，在大部分仿真时间内，本文算法的切换次数比无驻留时间预测的算法要少。这是由于考虑终端驻留时间和业务类型，可以减少不必要的切换。

5 结语

本文为解决车辆异构网络中车辆行驶速度具有动态变化特性，导致车辆终端在各候选网络中驻留时间不确定的问题，提出一种基于驻留时间预测的垂直切换算法。该算法在进行切换判决时，充分考虑车辆终端的驻留时间和业务类型，能减少不必要的切换，有效保证车辆终端接入网络的服务质量。

在翻转课堂教学模式下，课堂活动中更加注重研讨式学习，同伴互助学习与教师引导下的研讨学习活动占课堂学习活动比重较以往有较大提高，学生课堂主动参与度相应提高，翻转课堂教学模式下的考核方式理应避免评估过程流于形式，而应该切实提高其对教学活动的引领性与针对性[3]。

参考文献

[1]Zineb A B，Ayadi M，Tabbane S.An enhanced vertical handover based on fuzzy inference MADM approach for heterogeneous networks[J].Arabian Journal for Science and Engineering，2017，42(8):3263-3274.

[2]马彬，邓红，谢显中.基于双向匹配模型的异构网络垂直切换算法[J].电子与信息学报，2018，40(02):421-429.

[3]张月莹，王文博，龙航，等.面向用户体验的异构网络资源分配[J].北京邮电大学学报，2012，35(06):116-120.

[4]梁宏斌.基于SMDP的移动云计算网络安全服务与资源优化管理研究[D].西南交通大学，2012.

[5]陈华友.多属性决策中的一种最优组合赋权方法研究[J].运筹与管理，2003(02):6-10.

[6]胡德鹏.云计算背景下计算机安全问题及对策[J].电子元器件与信息技术，2018，2(10):66-68.

[7]于新艺.超密集网络下基于用户高速移动性的垂直切换算法的研究[D].吉林大学，2019.

[8]马崇瑞，张辉.基于云计算的网络入侵安全防御系统设计[J].电子元器件与信息技术，2019，3(10):24-25+28.