, 刘畅2,3, 杜亚珍4, 陈宁宁1,2,3, 高莺1,3 1. 中国铁道科学研究院 研究生部, 北京 100081;
2. 中国铁道科学研究院集团有限公司 通信信号研究所, 北京 100081;
3. 国家铁路智能运输系统工程技术研究中心, 北京 100081;
4. 北京遥测技术研究所, 北京 100076
收稿日期：2018-07-02
基金项目：国家自然科学基金项目（U1534202）；国家重点研发计划（2017YFC1500803）
作者简介：王开锋(1983-), 男, 副研究员, 博士研究生
通信作者：张琦, 研究员, E-mail:gorgeous@139.com
摘要：针对铁路无线数据通信带宽不足、可靠性不高等问题，提出一种基于软件定义的铁路无线通信网络（RailSDN），将控制平面和数据平面分离，实现跨运营商异构网络协同工作，采用虚拟化技术实现用户的逻辑隔离，为用户提供透明的数据传输服务。基于Markov决策过程建立网络资源调度模型，该模型考虑基础设施网络状态及用户需求等因素，以用户需求的满足程度为优化目标，搜索最优的链路分配决策，将用户需求与网络资源动态适配。测试结果表明：所提出的铁路无线通信网络具有很强的可扩展性，实现了用户需求的弹性定制，提高了网络资源的利用效率。
关键词：铁路无线通信软件定义网络虚拟化Markov决策过程动态适配
Software-defined railway wireless communication network
WANG Kaifeng1,2,3, ZHANG Qi2,3
, LIU Chang2,3, DU Yazhen4, CHEN Ningning1,2,3, GAO Ying1,31.Postgraduate Department, China Academy of Railway Sciences, Beijing 100081, China;
2.Signal and Communication Research Institute, China Academy of Railway Sciences Corporation Limited, Beijing 100081, China;
3.National Research Center of Railway Intelligence Transportation System Engineering Technology, Beijing 100081, China;
4.Beijing Research Institute of Telemetry, Beijing 100076, China
Abstract: Railway wireless data communications have problems with insufficient bandwidth and poor reliability. This paper describes a railway software-defined wireless communication network (RailSDN) which separates the control plane from the data plane, enables heterogeneous network interoperability among operators, provides user logical isolation using virtualization, and provides transparent data transmission for users. A network resource scheduling model is developed based on a Markov decision process which takes into account various factors such as the infrastructure network status and the user requirements. The system searches for the optimal link allocation with the optimization goal being to satisfy user demand and dynamically adapts to the user requirements for the network resources. Tests show that this railway wireless communication network is scalable, enables flexible customization of user demand, and improves the network resources utilization efficiency.
Key words: railway wireless communicationsoftware-defined networkvirtualizationMarkov decision processdynamic adaptation
铁路信息化、智慧化的不断推进对列车与地面之间的数据通信业务提出了越来越高的要求，目前铁路主要采用铁路专用数字移动通信系统(global system for mobile communications-railway，GSM-R)作为移动通信平台，承载列控信息传送、运输调度指挥、列车运行状态监测等业务。但是，GSM-R属于第二代窄带通信系统，数据承载能力有限，同时由于无线通信具有开放信道、接收环境复杂等特点，易受外界干扰导致丢包和延迟，GSM-R已经无法满足未来铁路无线通信业务的发展需求[1]。铁路应用业务对车地数据传输的需求主要集中在两个方面[2]：1)高可靠性。与列车运行安全密切相关的业务需要尽可能提高数据发送成功率并降低数据传输时延。2)高带宽。互联网、实时视频等增值业务需要车地之间具有足够带宽的数据通路。充分利用铁路沿线无线传输资源是满足铁路应用业务需求的解决方案之一。除了铁路专用的GSM-R网络之外，铁路沿线还存在其他无线通信网络，如中国移动等公众电信运营商的移动通信网、卫星通信网、无线局域网等。不同无线通信网络的制式不尽相同，为用户提供的业务支持和应用服务也不相同，形成共存的异构网络环境[3]，但铁路应用业务无法自由选择接入的网络，同一业务也无法同时承载在多个异构的网络之上。为此，需要设计一种具有良好可扩展性和较高资源利用率的网络体系架构，解决异构网络之间通信方式和协议体系差异较大以及带宽、传输时延等服务质量不匹配的问题。
传统的网络架构中，控制和转发均在封闭的网络节点中完成[4]，异构网络无法互通。软件定义网络(software-defined network，SDN)是美国斯坦福大学首先提出的一种网络架构[5]，将网络的数据平面和控制平面解耦，把应用程序从网络基础设施中抽象出来，使得用户能够灵活地构建网络，以适应不断变化的业务需求[6]。SDN自提出以来在不同领域受到了广泛关注。文[7]提出了一种软件定义的传感器网络，传感器节点可以针对不同的感知任务进行动态重新编程；文[8]将SDN架构应用到下一代卫星网络中，阐述了体验质量感知的空间路由、混合故障恢复机制和软件定义的空间移动性等关键技术；文[9]提出了基于SDN的5G移动通信网络架构，根据软件定义的原则实现了控制平面动态实例化、移动终端服务请求和移动性管理等主要功能；文[10]研究了SDN中的快速移动性管理方案，分析移动性管理面临的主要问题，通过建立移动隧道和流表减小控制开销及数据包传输时延；文[11]提出一种基于SDN的航空集群机载战术网络，控制平面采用混合网络控制架构，数据平面依据数据在航空作战过程中的实际处理流程进行功能划分。
与其他应用领域相比，铁路无线通信网络具有以下明显特征：1)铁路隧道密集、桥梁众多，无线通信环境比较复杂，不同基础设施网络在铁路沿线不同区段的覆盖情况不尽相同，单一的网络无法满足全部的通信需求；2)不同应用业务对服务质量的要求差异较大[12]，如列控相关业务对可靠性和传输时延要求比较高，而互联网、视频等业务对带宽要求比较高；3)不同应用业务对安全性要求不同，如行车相关业务要求具备高级别的安全性；4)用户通常工作在高速移动的场景，所面对的网络环境快速变化。本文针对铁路无线通信需求和应用特点，提出一种基于软件定义的铁路无线通信网络(railway software-defined wireless network，RailSDN)：基础设施层综合接入多种异构的无线通信网络，实现多种通信模式协同的无线数据传输；控制器层使用Markov决策模型实现服务与网络适配，为用户选择最适宜的基础设施网络；用户层使用虚拟化技术使相互独立的虚拟用户网络共享相同的物理网络，允许每个虚拟用户网络使用不同的控制策略和服务质量保证机制，为用户提供透明的车地数据传输通道。
1 RailSDN需求与设计目标RailSDN主要用于解决目前铁路无线通信面临的数据传输带宽不足、可靠性不高等问题，其设计目标是整合可用的异构网络，根据用户需求动态调度可用的网络资源，实现网络资源的优化配置，RailSDN具备开放、灵活、可靠等技术特征。
1) 开放的网络接入平台。提供开放的接口，允许接入不同运营商、不同制式的网络，实现异构网络协同工作，共同承载铁路无线通信业务。铁路专用的GSM-R网络、公众电信运营商的移动通信网络、卫星通信网、无线局域网以及未来的5G网络均可用作RailSDN的基础设施网络。
2) 控制平面与数据平面分离。将控制功能从数据转发功能中分离出来，基础设施网络只提供双向数据传送功能，而中心控制器编程实现路由选择、链路选择等功能。中心控制器具备逻辑中心化和可编程特性，可根据用户需求动态调整网络配置。
3) 为用户提供透明的数据传输服务。RailSDN掩盖异构网络之间的差别，以统一的接口为用户提供服务。对于用户而言，RailSDN提供的数据传输服务是透明的，用户无需关注RailSDN实现的细节，只需关注本身业务逻辑的实现。
4) 具备用户隔离功能。不同类型的用户可以工作在不同的虚拟用户网络之中，不同虚拟用户网络之间逻辑隔离，防止高安全级别的信息向低安全级别网络扩散。
5) 用户需求与网络资源动态适配。RailSDN实时监督基础设施网络的运行状况以及用户业务需求，综合判断带宽、传输时延、丢包率、抖动等指标及用户优先级、网络当前实际承载能力等信息，寻找最佳的网络资源调度方案，最大限度地保证网络的服务质量和用户的体验质量。
2 网络体系结构模型传统的网络体系结构中，用户只能工作在单独的网络环境，操作人员需要配置各个独立的网络设备，网络无法动态适应运行环境和用户需求的变化，网络的管理和配置缺乏灵活性，难以从全局角度对资源进行优化调度[13]。RailSDN通过设置中心控制器统一实现网络的控制逻辑，底层的基础设施网络只提供简单的数据传输功能。RailSDN的体系结构如图 1所示，由基础设施网络、中心控制器和虚拟用户网络这3部分组成。
 |
| 图 1 面向软件定义的铁路无线通信网络体系结构 |
| 图选项 |
1) 基础设施网络。基础设施网络用于建立无线数据传输链路，采用“尽力而为”的方式提供数据传输服务，不涉及转发策略、路由选择、流量审计等控制逻辑。因此，只要能够提供数据传输服务的网络均可用作RailSDN的基础设施网络，这使得RailSDN具有很强的可扩展性。
2) 中心控制器。中心控制器将各个基础设施网络的控制功能抽象并集中管理，实时监督网络状态及用户需求，采用基于流的控制策略对基础设施网络的无线传输资源进行优化调度。中心控制器实时计算和监督基础设施网络可用带宽、传输时延、丢包率、抖动和故障状态等信息，根据用户优先级别、可靠性要求、服务质量要求，调度可用的网络资源，实现用户需求与网络资源自动适配。
3) 虚拟用户网络。虚拟化技术可以使用户网络功能与物理设备分离[14]，多个虚拟用户网络共享底层的物理网络。虚拟用户网络聚合多个基础设施网络的资源，为用户提供端到端数据传输服务。相同虚拟用户网络中的所有主机在相同的广播域内聚合在一起，使用相同的管理和配置策略，不同虚拟用户网络之间逻辑隔离。虚拟化技术允许用户创建多样化的应用程序，也提升了网络安全防护能力。
3 RailSDN接口协议软件定义网络的实现有赖于定义良好的接口协议。RailSDN体系结构涉及到两个关键的接口：基础设施网络和中心控制器之间的南向接口、中心控制器与虚拟用户网络之间的北向接口。RailSDN通过南向接口屏蔽了底层异构网络的差异，通过北向接口为上层用户提供网络配置和资源调配。
1) 南向接口。RailSDN南向接口使用“开放网络基金会(ONF)”发布的OpenFlow协议[15]，这是南向接口事实上的标准协议。南向接口是实现控制与转发分离的关键，与底层的基础设施网络紧密结合，实现底层网络状态监控、链路选择、策略制定、表项下发等操作; 南向接口也是实现RailSDN可扩展性的关键，新的基础设施网络接入只需适配南向接口，无需调整网络其他组件。OpenFlow基于多级流表的方式转发数据，中心控制器根据流表中流表项的匹配结果将业务数据包路由到相应的基础设施网络，如果没有找到对应的规则，则将数据包丢弃。
2) 北向接口。北向接口是中心控制器为上层用户开放的接口，与上层的应用业务需求紧密结合，目前尚没有业界公认的标准[16]。RailSDN结合铁路应用业务的特点和需求设计了北向接口协议，为用户提供了3种不同的服务模式：(1)链路优选。中心控制器根据用户的需求以及基础设施网络的实际承载能力，为用户选择最适宜的无线数据传输链路。(2)链路聚合。对于带宽需求比较高的用户，中心控制器采用负荷分担的方式将多个无线数据传输链路捆绑在一起。(3)链路冗余。对于可靠性要求比较高的用户，发送方将数据分片复制到多个无线数据传输链路之中，接收方只接收最先到达的数据分片。
对于链路冗余模式，网络资源的调度比较简单，所有可用的链路均应分配给用户。对于链路优选和链路聚合模式，需要建立网络资源调度模型，为用户选择最适宜的链路，实现资源的优化配置。
4 中心控制器网络资源调度模型RailSDN中心控制器对网络资源的调度可以看作是根据用户需求寻找最优适配网络资源的过程。记用户集合为U，无线数据传输链路集合为L，则用户与链路之间的匹配关系可以定义为U到L的映射，即f: U→L。映射只能表示集合元素之间一对一或多对一的关系，对于采用链路聚合模式的用户，需要为其选择多个链路，此时可以根据带宽需求将该用户拆分为多个子用户，各子用户在映射f下的象均为该用户匹配得到的链路。因此，网络资源调度过程便可以抽象为映射f的求解过程。
本文提出了一种基于Markov决策模型的链路分配算法，在基于软件定义的体系结构框架下，使用Markov过程对映射f求解。当不同用户申请网络资源时，中心控制器根据用户签约的业务需求和各异构基础设施网络的状态为用户分配链路。本文使用时间片τ作为最小的时间单位来调度网络资源，并以τ为单位对用户需求和基础设施网络状态进行采样。可以认为网络资源的调度过程是一种无后效性的随机过程，即下一时刻链路分配方案只和当前状态相关而和历史状态无关，这样网络资源调度问题就可以建模为一个时间、状态均离散的Markov决策过程，可以使用五元组表示，
| $\left( {\mathit{\boldsymbol{S}},\mathit{\boldsymbol{A}},\left\{ {{P_{sa}}} \right\},\gamma ,R} \right).$ | (1) |
1) 链路分配矩阵。
若RailSDN中基础设施网络数量为m、用户数量为n，则链路分配方案可以用m×n矩阵D表示，
| $\mathit{\boldsymbol{D}} = \left[ {\begin{array}{*{20}{c}}{{d_{11}}}& \cdots &{{d_{1n}}}\\ \vdots&\ddots&\vdots \\{{d_{m1}}}& \cdots &{{d_{mn}}}\end{array}} \right].$ | (2) |
Markov决策过程的状态集S由矩阵D所有可行的值构成，行为集A可以表示为
| $\mathit{\boldsymbol{A}} \leftarrow \mathit{\boldsymbol{S}} \times \mathit{\boldsymbol{S}}.$ | (3) |
由于网络资源调度的Markov性，状态转移的概率只取决于当前状态和可以采取的行为，则Psa可根据链路分配方案的转移概率计算:
| ${P_{sa}}\left( {s'} \right) = p\left\{ {s'\left| {s,a} \right.} \right\},\sum\limits_{s' \in \mathit{\boldsymbol{S}}} {{P_{sa}}\left( {s'} \right) = 1} .$ | (4) |
RailSDN中，可行的链路分配方案之间可以任意转换，即当前状态s可以转移到状态集S中的任意状态s′，状态转移事件的概率相等且相互独立，
| ${P_{sa}}\left( {s'} \right) = \frac{1}{\eta }.$ | (5) |
2) 回报函数。
将用户的需求定义为向量u,
| $\mathit{\boldsymbol{u}} = \left( {{u_{\rm{b}}},{u_{\rm{d}}},{u_{\rm{l}}},{u_{\rm{j}}}} \right).$ | (6) |
将链路当前的状态定义为向量n，
| $\mathit{\boldsymbol{n}} = \left( {{n_{\rm{b}}},{n_{\rm{d}}},{n_{\rm{l}}},{n_{\rm{j}}}} \right).$ | (7) |
在任意决策时刻，将1个链路分配给某一用户可获得一次回报，记为run，该回报可以根据用户需求向量u和链路状态向量n计算，
| ${r_{un}} = {\omega _{\rm{b}}}r_{un}^{\rm{b}} + {\omega _d}r_{un}^{\rm{d}} + {\omega _{\rm{l}}}r_{un}^{\rm{l}} + {\omega _{\rm{j}}}r_{un}^{\rm{j}}.$ | (8) |
rund、runl、runj采用偏小型隶属函数g(x)计算，
| $g\left( x \right) = \left\{ \begin{array}{l}1,\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;x \le \alpha ;\\\frac{1}{{1 + {{\left[ {\beta \left( {x - \alpha } \right)} \right]}^\lambda }}},\;\;\;\;x > \alpha ,\beta > 0,\lambda > 0.\end{array} \right.$ | (9) |
runb采用偏大型隶属函数h(x)计算，
| $h\left( x \right) = \left\{ \begin{array}{l}1,\;\;\;\;\;\;\;\;\;\;\;\;\;\;x \ge \alpha ;\\1 - {{\rm{e}}^{ - \beta {x^2}}},\;\;\;\;0 < x < \alpha ,\beta > 0.\end{array} \right.$ | (10) |
根据式(9)和(10)绘制的g(x)和h(x)的函数曲线如图 2所示。
 |
| 图 2 隶属函数曲线示意图 |
| 图选项 |
在本文的模型中，任意决策时刻链路分配回报反映的是链路状态与用户需求的匹配程度。因此，回报函数R只与状态s相关，而与行为a无关，R可以使用每个用户回报的加权和计算，
| $R\left( s \right) = \sum {{u_{\rm{p}}}{r_{un}}} .$ | (11) |
3) 最优链路分配决策。
Markov决策过程的目标是寻找一种策略，为决策者提供各个时刻应采取的行为，根据状态和行为的不同，决策者会获得一定的收益。定义策略函数π: S→A，即π(s)=a，表示在状态s下依据策略π应采取行为a。对于π，定义值函数Vπ (s)为
| ${V^\pi }\left( s \right) = {\rm{E}}\left[ {R\left( {{s_0}} \right) + \sum\limits_{k = 1}^\infty {{\gamma ^k}R\left( {{s_k}} \right)} \left| {{s_0} = s,\pi } \right.} \right].$ | (12) |
| ${V^\pi }\left( s \right) = R\left( s \right) + \gamma \sum\limits_{s' \in \mathit{\boldsymbol{S}}} {{P_{sa}}\left( {s'} \right){V^\pi }\left( {s'} \right)} .$ | (13) |
为做出最优的链路分配决策，需要寻找最优策略π*，在每一个决策时刻依据π*采取行为后得到的期望回报最大，π*对应的值函数为最优值函数，记为V*(s)，
| ${V^ * }\left( s \right) = \mathop {\max }\limits_\pi {V^\pi }\left( s \right).$ | (14) |
| ${V^ * }\left( s \right) = R\left( s \right) + \mathop {\max }\limits_{a \in \mathit{\boldsymbol{A}}} \gamma \sum\limits_{s' \in \mathit{\boldsymbol{S}}} {{P_{sa}}\left( {s'} \right){V^ * }\left( {s'} \right)} .$ | (15) |
5 试验验证对本文提出的RailSDN进行试验验证。采用的测试系统结构如图 3所示，由安装在高速综合检测列车的车载设备和安装在地面的固定设备构成。基础设施网络采用中国移动网络、中国联通网络和地球静止轨道通信卫星网络。测试系统包含视频监控和网络电话两个用户，分别传送点到点的实时视频和实时语音。视频监控用户采用链路聚合模式，网络电话用户采用链路优选模式。
 |
| 图 3 测试系统结构 |
| 图选项 |
视频监控用户v的需求向量设置为uv=(2 Mb/s, 500 ms, 2%, 50 ms)，对应的权重因子设置为ωv=(0.4, 0.1, 0.2, 0.3)，优先级为1。网络电话用户t的需求向量设置为ut=(0.1 Mb/s, 200 ms, 1%, 50 ms)，对应的权重因子设置为ωt=(0.3, 0.3, 0.2, 0.2)，优先级为2。
使用高速综合检测列车在哈大、京广、沪昆、京沪、西成、秦沈等高速铁路及客运专线上进行实车试验。测试线路及测试里程如表 1所示。
表 1 测试线路及测试里程
| 测试区段 | 线路名称 | 测试里程/km |
| 北京-长春 | 京津城际、津秦高铁、秦沈客专、哈大高铁 | 1 091 |
| 北京-广州 | 京广高铁 | 2 298 |
| 贵阳-广州 | 贵广高铁 | 867 |
| 长沙-贵阳 | 沪昆高铁 | 706 |
| 北京-上海 | 京沪高铁 | 1 318 |
| 西安-成都 | 西成高铁 | 658 |
| 郑州-西安 | 郑西高铁 | 523 |
表选项
1) RailSDN可用性。
为了测试RailSDN的可用性，分别测试单独采用中国移动网络、中国联通网络、通信卫星网络及使用RailSDN时车载设备至地面设备数据传输成功率，测试结果如图 4所示。可见，RailSDN的数据传输成功率比使用单独的通信网络有明显提升。
 |
| 图 4 数据传输成功率对比 |
| 图选项 |
2) 网络资源调度功能测试。
为了验证RailSDN对网络资源的调度功能，统计了车载设备通过各个基础设施网络发送数据包的比率，如图 5所示。可见，RailSDN能够综合评估传输时延、丢包率等指标及用户需求，选择最适宜的基础设施网络发送数据包。
 |
| 图 5 基础设施网络链路占用比率 |
| 图选项 |
测试结果表明，RailSDN可以有效地协同多种异构的无线通信网络，根据基础设施网络状态和用户需求实时调整链路分配方案，实现用户需求和网络资源的动态适配。
6 结论本文提出一种基于软件定义的铁路无线通信网络，采用灵活开放的系统架构，通过控制平面和数据平面的分离，实现跨运营商异构网络协同工作，为用户提供双向透明的数据传输服务；通过虚拟化技术，实现了不同用户之间的逻辑隔离，可为用户提供差异化的接入服务；将网络资源调度建模为一个Markov决策过程，根据基础设施网络运行状态及用户需求搜索最优的链路分配决策，实现了用户需求与网络资源的动态适配。测试结果表明，本文提出的方法具备可行性，可以解决铁路无线通信业务面临的数据传输带宽不足、可靠性不高等问题。
参考文献
| [1] | SNIADY A, SOLER J. An overview of GSM-R technology and its shortcomings[C]//Proceedings of International Conference on ITS Telecommunications. Piscataway, USA: IEEE Press, 2012: 626-629. |
| [2] | HE R S, AI B, WANG G P, et al. High-speed railway communications:From GSM-R to LTE-R[J]. IEEE Vehicular Technology Magazine, 2016, 11(3): 49-58. DOI:10.1109/MVT.2016.2564446 |
| [3] | 刘锋, 王渝斐. 基于可编程控制网关的一体化网络体系结构[J]. 北京航空航天大学学报, 2015, 41(10): 1959-1965. LIU F, WANG Y F. Architecture of unified network based on programmable control gateway[J]. Journal of Beijing University of Aeronautics and Astronautics, 2015, 41(10): 1959-1965. (in Chinese) |
| [4] | KREUTZ D, RAMOS F M V, VERíSSIMO P E, et al. Software-defined networking:A comprehensive survey[J]. Proceedings of the IEEE, 2015, 103(1): 14-76. DOI:10.1109/JPROC.2014.2371999 |
| [5] | BENZEKKI K, FERGOUGUI A E, ELALAOUI A E. Software-defined networking (SDN):A survey[J]. Security & Communication Networks, 2016, 9(18): 5803-5833. |
| [6] | RANGISETTI A K, TAMMA B R. Software defined wireless networks:A survey of issues and solutions[J]. Wireless Personal Communications, 2017, 97(4): 6019-6053. DOI:10.1007/s11277-017-4825-8 |
| [7] | 董玮, 陈共龙, 曹晨红, 等. 面向软件定义架构的无线传感器网络[J]. 计算机学报, 2017, 40(8): 1779-1797. DONG W, CHEN G L, CAO C H, et al. Towards a software-defined architecture for wireless sensor networks[J]. Chinese Journal of Computers, 2017, 40(8): 1779-1797. (in Chinese) |
| [8] | XU S, WANG X W, HUANG M. Software-defined next-generation satellite networks:Architecture, challenges, and solutions[J]. IEEE Access, 2018, 6: 4027-4041. DOI:10.1109/ACCESS.2018.2793237 |
| [9] | TRIVISONNO R, GUERZONI R, VAISHNAVI I, et al. SDN-based 5G mobile networks:Architecture, functions, procedures and backward compatibility[J]. Transactions on Emerging Telecommunications Technologies, 2015, 26(1): 82-92. DOI:10.1002/ett.2915 |
| [10] | 孙文琦, 李贺武, 吴建平. 软件定义网络中的快速移动性管理[J]. 清华大学学报(自然科学版), 2015, 55(8): 900-905. SUN W Q, LI H W, WU J P. Fast mobility solutions in software-defined networks[J]. Journal of Tsinghua University (Science and Technology), 2015, 55(8): 900-905. (in Chinese) |
| [11] | 赵尚弘, 陈柯帆, 吕娜, 等. 软件定义航空集群机载战术网络[J]. 通信学报, 2017, 38(8): 140-155. ZHAO S H, CHEN K F, LYU N, et al. Software defined airborne tactical network for aeronautic swarm[J]. Journal on Communications, 2017, 38(8): 140-155. (in Chinese) |
| [12] | ZHU L, YU F R, TANG T, et al. An integrated train-ground communication system using wireless network virtualization:Security and quality of service provisioning[J]. IEEE Transactions on Vehicular Technology, 2016, 65(12): 9607-9616. DOI:10.1109/TVT.2016.2597153 |
| [13] | 杨懋, 杨旭, 李勇, 等. 基于虚拟化的软件定义无线接入网结构[J]. 清华大学学报(自然科学版), 2014, 54(4): 443-448. YANG M, YANG X, LI Y, et al. Virtualization based software-defined radio access network architecture[J]. Journal of Tsinghua University (Science and Technology), 2014, 54(4): 443-448. (in Chinese) |
| [14] | CHOWDHURY N M M K, BOUTABA R. A survey of network virtualization[J]. Computer Networks, 2010, 54(5): 862-876. DOI:10.1016/j.comnet.2009.10.017 |
| [15] | JERVIS M, SEN M, STOFFA P L. Network innovation using OpenFlow:A survey[J]. IEEE Communications Surveys & Tutorials, 2014, 16(1): 493-512. |
| [16] | VASCONCELOS C R, GOMES R C M, COSTA A F B F, et al. Enabling high-level network programming: A northbound API for software-defined networks[C]//Proceedings of International Conference on Information Networking. Piscataway, USA: IEEE Press, 2017: 662-667. |
