多业务网络流量矩阵估计方法研究

Network traffic matrics estimation is the foundation of a variety of network management activities including: network planning and optimization, network fault analysis, traffic analysis, etc, which has become one of the international academic and industrial circles-focused new network technologies. According to the defeet of the current network traffic matrix estimation method that can not handle multi-service, this research firstly puts forward a Multi-Service Network Traffic Matrics Estimation(MSNTME) problem and builds corresponding system model.Then this research carries out study on MSNTME priori model, well-posedness, real-time and nonlinear solution problems. By addressing the related key theoretical issues to breakthrough the limitations of current methods, this research strives to design a novel multi-service network traffic matrics estimation method which can obtain accurate flow traffic of different services between a source-destination pair, thus satisfies the requirement of network management and optimization. The main innovations include: propose utilizing multi-service intelligent proir model and generalized distribution based probability statistics model as MSNTME prior model; utilize the inherent characteristics of the communications network for constraint solving; utilize some mathematic methods, such as constrained multi-object optimization, to improve the stability and decrease ambiguity (multiplicity of solutions); propose a multi-service traffic matrix solving method based on the theory of nonlinear optimum filtering and nonliner mixing optimization; propose two mechanisms which can improve the calculation speed, thus enhance the timeliness of the method.

网络流量矩阵估计是网路规划和优化、网路故障分析、流量分析等各种网络管理工作的基础，是目前备受国内外学术界和工业界关注的前沿研究课题之一。本研究针对目前网络流量矩阵估计方法不能区分业务的不足，提出了多业务流量矩阵的这样新的问题并建立了系统模型，并围绕多业务流量矩阵求解先验模型、适定性问题、求解实时性和非线性问题展开研究，通过解决相应理论问题，突破现有方法的局限，形成能获得节点对之间各种主要业务流量大小的多业务流量矩阵估计方法，进一步满足通信网络管理和优化需求。主要创新工作有：提出多业务智能先验模型和基于广义分布的概率统计模型作为多业务流量矩阵估计的先验模型；使用通信网络固有的特征信息进行约束求解、采用约束多目标最优化等数学方法，提高方法的稳定性，降低多解性；提出基于非线性最佳滤波理论和非线性混合优化方法的多业务流量矩阵求解方法；提出两种提高计算速度的方法来增强方法的实时性。

针对现有网络流量矩阵估计方法的主要缺陷是只能给出源节点和目的节点对之间的总流量，难以给出节点对之间不同业务的流量，本项目研究围绕多业务流量矩阵求解先验模型、适定性问题、求解方法和实时性问题展开研究，通过解决相应理论问题，突破现有方法的局限，形成能获得节点对之间各种主要业务流量大小的多业务流量矩阵估计方法。在先验模型方面，针对传统流量先验模型估计（如常用的重力模型、广义重力模型、独立分布模型等）均假设“同一源节点和目的节点对之间的所有业务流将选择同样的路由”，且只能给出源节点和目的节点对之间的总流量，难以适应多业务网络流量矩阵估计的需要，本项研究提出了适用于多业务网络流量矩阵估计的先验模型估计方法，包括多业务重力模型和多业务独立连接模型。在适定性问题求解方面，本项目提出了使用网络固有相关信息进行约束求解，降低了多解性、提高了解的稳定性并且提出了使用部分OD对流量已知约束，利用压缩感知方法提高求解稳定性方法。在求解方法方面，针对求解时变的网络调整因子是静态的，提出了基于Hampel范数的流量矩阵估计方法；针对求解时变的网络调整因子转化为动态波形，提出了使用最佳滤波的流量矩阵估计方法。在求解实时性方面，针对多业务网络流量矩阵估计方法对超定方程组的求解迭代过程中，前一次迭代和后一次迭代某些中间计算结果不变特点，提出了提高多业务网络流量矩阵估计迭代速度方法。针对在线多业务网络流量矩阵估计中，前一次网络流量矩阵估计的某些中间计算结果，在下一次网络流量矩阵估计中往往变化不大特点，我们提出了提高在线多业务网络流量矩阵估计计算速度方法。该部分工作体现在复杂网络在线多业务网络流量矩阵估计的软件系统原型中。本项研究对多业务网络流量矩阵估计的关键技术问题进行了研究，通过解决相应的关键理论问题，获得了各种业务流量的完整视图，提高了现有方法解决实际复杂网络问题的能力，为下一代网络优化设计和管理系统的研制打下基础，对提高我国通信网络系统的设计和管理水平，提高网络服务质量，提高系统对突发事件的应对能力等具有十分重要的意义。