Research on mine 5G network slicing technology
-
摘要: 网络切片是5G网络的一项重要技术，现有矿用5G研究主要集中于系统架构及应用场景，缺乏对切片技术具体实现方案的研究。针对该问题，通过分析矿用5G网络的基本结构及智能矿山的应用需求，提出利用FlexE的通道化功能实现传输网的资源分配及业务隔离，从而在同一网络基础设施上构建多个按需定制的专用逻辑网络，即网络切片。根据当前矿用信息通信系统及智能矿山应用情况，提出矿用5G网络基础切片划分+基于带宽权重的传输资源分配方法，将网络划分为低时延业务、大带宽业务、工业环网业务、特定业务（无人化协同控制）及预留业务5类切片，并通过进一步的虚拟专用网(VPN)划分方法，设计差异化的带宽权重，以确保充足的传输资源，避免信道拥塞。根据不同业务对时延、带宽的要求，定义具体的5G QoS标志符（5QI），并根据5QI进行业务映射及隔离，为各类业务提供所需的服务级别。在实验室条件下，对矿用5G网络系统的业务调度时间和端到端时延2项指标进行测试，结果表明：网络切片与传统的尽力而为服务模型相比，能够实现更加高效的业务调度，在高负载的场景下，平均调度时间减少了10.9%；在同一业务切片内，矿用5G网络的平均端到端时延为10.33 ms，为无人化协同控制等业务的实施提供了必要条件。Abstract: Network slicing is an important technology in 5G networks. The existing research on mine 5G mainly focuses on system architecture and application scenarios, lacking specific implementation solutions for slicing technology. In order to solve the above problem, by analyzing the basic structure of mine 5G networks and the application requirements of intelligent mines, it is proposed to use the channelization function of FlexE to achieve resource allocation and business isolation in the transmission network. It constructs multiple on-demand customized dedicated logical networks on the same network infrastructure, namely network slicing. According to the current applications of mine information communication systems and intelligent mines, a method of mine 5G network basic slicing+transmission resource allocation based on bandwidth weight is proposed. The network is divided into five types of slicing: low delay service, large bandwidth service, industrial ring network service, specific service (unmanned cooperative control) and reserved service. Through further virtual private network (VPN) division method, differentiated bandwidth weight is designed to ensure sufficient transmission resources and avoid channel congestion. The specific 5G QoS identifiers (5QI) are defined based on the requirements of different services for latency and bandwidth. The mapping and isolation based on 5QI are obtained to provide the required service levels for various businesses. Under laboratory conditions, two indicators of business scheduling time and end-to-end delay are tested for mine 5G network systems. The results show that network slicing can achieve more efficient business scheduling than traditional best-effort service models. In high-load scenarios, the average scheduling time is reduced by 10.9%. Within the same business slice, the average end-to-end delay of the mine 5G network is 10.33 ms, providing necessary conditions for the implementation of unmanned collaborative control and other services.
-
0. 引言
为提高矿山安全生产保障能力，国家要求全国煤矿及非煤矿山建立和完善监测监控、人员定位、供水施救、压风自救、通信联络及紧急避险等井下安全避险“六大系统”[1]。其中，井下人员定位系统在遏制井下超定员生产、防止人员进入危险区域、及时发现未按时升井人员、加强特种作业人员管理、加强干部带班管理、实现煤矿井下作业人员考勤管理等工作中发挥着重要作用[2-4]。同时，井下车辆精确定位是矿井安全高效运输的重要保障[5]。目前矿井人员和车辆精确定位主要采用超宽带（Ultra Wide Band，UWB）无线通信技术，可实现厘米级高精度定位，并具有抗多径能力强、系统复杂性低等特点[6-11]。在算法上，主要采用飞行时间（Time of Flight，TOF）定位方法，具有定位精度不受信号发送功率、接收灵敏度和信号传输衰减影响，不需定位分站与定位卡时钟同步等优点，但需双天线或双定位分站联合测距和定向，以辨识定位卡位于定位分站左侧或右侧，不便于天线安装维护[12-14]。因此，本文提出了到达相位差（Phase Difference of Arrival，PDOA）与TOF煤矿井下联合定位方法，通过定位分站的2根天线与定位卡之间的TOF平均值计算定位卡距分站的距离，通过PDOA值判断定位卡在分站的哪一侧，可缩短双天线距离，将双天线集成为一体，便于安装维护。
1. 方法原理
1.1 TOF测距方法
目前应用广泛的TOF测距方法属于双向测距技术，主要利用无线电信号在源节点和目的节点之间的飞行时间来测量二者之间的距离[15-16]。TOF测距原理如图1所示。
源节点A向目的节点B发送一个请求数据包，目的节点B收到数据包并对其进行处理，将周转时间TA封装到应答数据包中并发送给源节点A，源节点A计算出从开始发送请求数据包到接收到目的节点B返回的应答数据包的总时间TZ，用总时间TZ减去周转时间TA就是双方数据包在飞行中度过的往返时间，记为TR。假定在每个方向发生的飞行时间TF等于一半的往返时间：
$$ T_{{\rm{F}}}=T_{{\rm{R}}}/2=(T_{{\rm{Z}}}-T_{{\rm{A}}})/2 $$ (1) 则2个节点之间的距离为
$$ D=cT_{{\rm{F}}} $$ (2) 式中c为光速，c=3×108 m/s。
矿用本安型定位分站为双天线设计，分站通过1 m长的馈线与天线相连。安装时，2根天线在分站相反方向形成与巷道壁平行的直线。2根天线独立与通信覆盖范围内的定位卡测距，利用二者距离差的符号判断定位卡在分站的哪一侧，从而实现对定位卡的一维定位，如图2所示。
1.2 PDOA定位算法
PDOA定位算法具有以下优点：角度估计精度高；可减小用于定向的2根天线之间的距离；将定位分站的2根天线一体化，便于安装维护；定位精度高。基于PDOA的到达角度（Angle of Arrival，AOA）估计原理如图3所示。
从定位卡发送的无线电信号到达定位分站的2根天线，信号路径长度的差别p与天线M，N之间的距离d和AOA值θ满足下式。
$$ p=d{\rm{sin}} \; \theta $$ (3) 2根天线接收的信号中的第一路径（First-Path）的PDOA为
$$\alpha =2{\text{π}} p / \lambda $$ (4) 式中λ为波长。
$$\theta=\arcsin \; (\alpha\lambda / 2 {\text{π}} d) $$ (5) 当d＜λ/2时，θ与α在[−π/2，π/2]上有一一对应关系。
1.3 PDOA与TOF联合定位方法
基于UWB的PDOA与TOF联合定位方案：通过2根天线与定位卡之间的TOF平均值估计定位卡距分站的距离；在天线距离小于信号半波长的情况下，对于煤矿巷道一维定位场景，可以基于PDOA值判断定位卡在分站的哪一侧，而不必求出具体的AOA值。
仅采用TOF技术的定位分站安装时2根天线必须分开一定的距离，且使用支架固定，需要将2根天线的距离录入定位软件系统，而天线较易因其他矿井施工活动误碰而改变位置，使系统稳定性受到影响[20-21]。采用PDOA与TOF联合定位方法的定位分站用仅5 cm长的棒状天线取代接有1 m馈线的平面天线，便于天线角度固定，安装简单，维护方便，有利于节省人力成本，提升系统稳定性。棒状天线和平面天线对比如图4所示。
2. 应用测试
2.1 测试设计
在神东煤炭集团大柳塔煤矿东辅助运输大巷进行测试。巷道宽6 m、高5 m，断面为半圆拱形，巷道平坦、无煤尘。巷道顶部及左右侧巷帮中部有金属管道，整个巷道为水泥墙面，地面有有轨电车轨道，如图5所示。主要测试器材为矿用本安型定位分站、车辆定位卡及相应的固定支撑器材，激光测距仪等。定位分站和车辆定位卡发射的电磁波信号中心频率为4.0 GHz。
本文测试分为PDOA方向测试和TOF精度测试2个部分，布置如图6所示。测试步骤：① 将定位分站与车辆定位卡分别固定到支撑器材上。② 用RS485通信线缆将定位分站与业务化运行的矿井定位系统定位分站连接，开启分站。③ 将定位分站天线固定到巷帮，高度为2 m。④ 调节车辆定位卡到合适位置固定，高度为1.5 m。⑤ 进行PDOA方向测试，车辆定位卡在定位分站两侧位置取样。⑥ 用激光测距仪测量车辆定位卡天线与定位分站天线的距离。⑦ 车辆定位卡与定位分站每1 s通信1次，距离固定后，每个采样点车辆定位卡固定10 s以获得稳定读数。⑧ 移动车辆定位卡远离定位分站，重复测试步骤⑤和步骤⑥。⑨ 进行TOF精度测试，车辆定位卡在定位分站单侧位置取样。⑩ 用激光测距仪测量车辆定位卡天线与定位分站天线的距离。⑪ 距离固定后，每个采样点车辆定位卡固定1 min以获得足够数据。⑫ 移动车辆定位卡远离定位分站，重复测试步骤⑩和步骤⑪。⑬ 测试数据通过定位系统上传至地面服务器，测试完毕后从服务器下载数据到本地。
![]()
图 6 PDOA方向测试和TOF精度测试布置Figure 6. Layout of PDOA directional test and TOF precision test2.2 PDOA方向测试结果
PDOA方向测试结果如图7所示（图中包含41个点位的测试数据，零点是定位分站所在位置），可看出在定位分站两侧，PDOA值符号相反。因此，可以通过PDOA值的符号判断定位卡方向。
2.3 TOF精度测试结果
在距定位分站一侧200 m范围内的18个点位进行TOF精度测试，距离近时测试点间距小，距离远时测试点间距大。将测试点位测试数据的平均值用于误差计算，结果见表1。
表 1 TOF精度测试数据Table 1. TOF precision test data真实距离/m 测量均值/m 绝对误差/m 相对误差/% 1.938 1.895 0.043 2.22 2.922 2.855 0.067 2.29 4.779 4.829 0.050 1.05 8.186 8.206 0.020 0.24 10.984 10.874 0.110 1.00 15.338 15.198 0.140 0.91 20.726 20.616 0.110 0.53 25.446 25.541 0.095 0.37 30.921 30.952 0.031 0.10 40.767 40.696 0.071 0.17 61.731 61.627 0.104 0.17 82.217 82.229 0.012 0.01 100.479 100.398 0.081 0.08 122.302 122.376 0.074 0.06 139.672 139.557 0.115 0.08 159.092 158.951 0.141 0.09 177.285 177.398 0.113 0.06 198.489 198.350 0.139 0.07 将测试点位误差与真实距离绘制成曲线，如图8所示。可看出在约82 m处误差最小，为1.2 cm；在约159 m处误差最大，为14.1 cm，接近定位系统设备所采用的DW1000型UWB定位芯片的设计理论精度10 cm；在测试距离范围内，精度与距离没有明显的相关变化趋势。
由于业务化运行的矿井定位系统有实时展示需求，为保证展示效果，运动中的定位目标轨迹应尽量平滑。所以，系统的定位稳定性较为关键，即在不考虑定位精度的情况下，对同一位置的定位卡进行多次测量，其测量值的分布范围应尽量小。取距定位分站距离最远的198 m处测试点位的测试数据进行分析，在此处共有62个测量值。计算测量值与其均值的离差，将离差分为10组，通过直方图统计各组测量值的频数，结果如图9所示。可看出离差全部在10 cm内，分布近似正态分布。将离差进行正态分布拟合，得到离差分布的标准差为0.033 4。
离差经验分布与正态分布拟合结果的累计概率曲线如图10所示，可看出二者吻合度非常好，表明本文提出的联合定位方法具有良好的稳定性。
3. 结语
采用PDOA与TOF煤矿井下联合定位方法的定位分站用长度仅5 cm的棒状天线取代接有1 m馈线的平面天线，硬件实现方案更简单，维护更方便，有利于节省人力成本，提升系统稳定性。在大柳塔煤矿井下进行了PDOA方向和TOF精度测试，结果表明：利用PDOA值的符号可以正确判断定位卡在定位分站的哪一侧；定位精度在15 cm以内，可为煤矿安全生产提供精准的位置服务；在200 m测试距离范围内，定位精度不受距离远近影响；TOF测距数值稳定在相对其均值±10 cm的范围内，具有良好的稳定性。
-
表 1 典型终端的网络需求
Table 1 Network requirements of typical terminals
序号 终端类型 速率 时延
要求/ms上行 下行 1 CPE 100 kbit/s 100 kbit/s 25 2 5G手机 100 kbit/s 100 Mbit/s 25 3 矿压传感器 100 kbit/s 100 kbit/s 100 4 车载终端 100 kbit/s 100 kbit/s 25 
下载: 导出CSV
表 2 常见业务类型及权重值
Table 2 Common service types and weight values
序号 矿用系统及应用 权重等级 权重值 1 矿用5G通信系统 1 1.0 2 矿用4G通信系统 3 安全监控系统 4 定位系统 5 广播系统 6 调度指挥系统 7 供电系统 8 特定业务（无人化协同控制） 9 自动风门系统 2 0.9 10 主运胶带系统 11 矿压监测系统 12 水文监测系统 13 视频监控系统 3 0.8 14 WiFi通信系统 15 其他环网非安全类业务 4 0.7
下载: 导出CSV
-
[1] 胡坚波. 《“十四五”信息通信行业发展规划》解读[J]. 通信世界,2021(23):11-13. HU Jianbo. Interpretation of the "14th Five-Year Plan" for the Development of Information and Communication Industry[J]. Communications World,2021(23):11-13.
[2] 王国法,杜毅博,任怀伟,等. 智能化煤矿顶层设计研究与实践[J]. 煤炭学报,2020,45(6):1909-1924. WANG Guofa,DU Yibo,REN Huaiwei,et al. Top level design and practice of smart coal mines[J]. Journal of China Coal Society,2020,45(6):1909-1924.
[3] CHANG Zhaozhao,GU Qinghua,LU Caiwu,et al. 5G private network deployment optimization based on RWSSA in open-pit mine[J]. IEEE Transactions on Industrial Informatics,2022,18(8):5466-5476. DOI: 10.1109/TII.2021.3132041
[4] 3GPP TS 23.501: System architecture for the 5G system[S].
[5] 孙继平. 煤矿智能化与矿用5G[J]. 工矿自动化,2020,46(8):1-7. SUN Jiping. Coal mine intelligence and mine-used 5G[J]. Industry and Mine Automation,2020,46(8):1-7.
[6] 王国法,赵国瑞,胡亚辉. 5G技术在煤矿智能化中的应用展望[J]. 煤炭学报,2020,45(1):16-23. WANG Guofa,ZHAO Guorui,HU Yahui. Application prospect of 5G technology in coal mine intelligence[J]. Journal of China Coal Society,2020,45(1):16-23.
[7] 张立亚. 基于5G通信的矿山可视化智能监控技术[J]. 煤炭技术,2022,41(1):191-194. ZHANG Liya. Mine visual intelligent monitoring technology based on 5G communication[J]. Coal Technology,2022,41(1):191-194.
[8] 李晨鑫,张立亚. 煤矿井下网联式自动驾驶技术研究[J]. 工矿自动化,2022,48(6):49-55. LI Chenxin,ZHANG Liya. Research on the network connected automatic driving technology in underground coal mine[J]. Journal of Mine Automation,2022,48(6):49-55.
[9] 张蓄金,乌岚. 多传感器信息融合技术在煤自燃安全预警系统中的应用[J]. 煤炭技术,2022,41(6):156-158. ZHANG Xujin,WU Lan. Application of multi-sensor information fusion technology in coal spontaneous combustion safety early warning system[J]. Coal Technology,2022,41(6):156-158.
[10] ZHANG Shuliang. An overview of network slicing for 5G[J]. IEEE Wireless Communications,2019,26(3):111-117. DOI: 10.1109/MWC.2019.1800234
[11] 王睿,张克落. 5G网络切片综述[J]. 南京邮电大学学报(自然科学版),2018,38(5):19-27. WANG Rui,ZHANG Keluo. Survey of 5G network slicing[J]. Journal of Nanjing University of Posts and Telecommunications (Natural Science Edition),2018,38(5):19-27.
[12] 胡亚辉,赵国瑞,吴群英. 面向煤矿智能化的5G关键技术研究[J]. 煤炭科学技术,2022,50(2):223-230. HU Yahui,ZHAO Guorui,WU Qunying. Research on 5G key technologies in intelligent coal mining[J]. Coal Science and Technology,2022,50(2):223-230.
[13] 霍振龙,张袁浩. 5G通信技术及其在煤矿的应用构想[J]. 工矿自动化,2020,46(3):1-5. HUO Zhenlong,ZHANG Yuanhao. 5G communication technology and its application conception in coal mine[J]. Industry and Mine Automation,2020,46(3):1-5.
[14] 孟庆勇. 5G技术在煤矿井下应用架构探讨[J]. 工矿自动化,2020,46(7):28-33. MENG Qingyong. Probe on 5G architecture applied in coal mine underground[J]. Industry and Mine Automation,2020,46(7):28-33.
[15] 李立平,李振东,方琰崴. 5G专网技术解决方案和建设策略[J]. 移动通信,2020,44(3):8-13. LI Liping,LI Zhendong,FANG Yanwei. The technical solutions and construction strategies for 5G private networks[J]. Mobile Communications,2020,44(3):8-13.
[16] KHAN R,KUMAR P,JAYAKODY D N K,et al. A survey on security and privacy of 5G technologies:potential solutions,recent advancements,and future directions[J]. IEEE Communications Surveys & Tutorials,2020,22(1):196-248.
[17] 秦鹏太,李爱华,姜怡,等. 5G-Advanced核心网技术综述[J]. 移动通信,2022,46(1):58-66. QIN Pengtai,LI Aihua,JIANG Yi,et al. Survey of 5G-Advanced core network technologies[J]. Mobile Communications,2022,46(1):58-66.
[18] 项弘禹,肖扬文,张贤,等. 5G边缘计算和网络切片技术[J]. 电信科学,2017,33(6):54-63. XIANG Hongyu,XIAO Yangwen,ZHANG Xian,et al. Edge computing and network slicing technology in 5G[J]. Telecommunications Science,2017,33(6):54-63.
[19] AFOLABI I,TALEB T,SAMDANIS K,et al. Network slicing and softwarization:a survey on principles,enabling technologies,and solutions[J]. IEEE Communications Surveys & Tutorials,2018,20(3):2429-2453.
[20] 段宏,郭昌华,刘文钊. FlexE技术及其在5G承载网中的应用探析[J]. 邮电设计技术,2020(3):80-85. DUAN Hong,GUO Changhua,LIU Wenzhao. FlexE technology and its application in 5G bearer network[J]. Designing Techniques of Posts and Telecommunications,2020(3):80-85.
[21] EIRA A,PEREIRA A,PIRES J,et al. On the efficiency of flexible ethernet client architectures in optical transport networks[J]. Journal of Optical Communications and Networking,2018,10(1):133-143. DOI: 10.1364/JOCN.10.00A133
-
期刊类型引用(2)
1. 季瑞翔. 一种基于视觉感知的带式输送机煤量测量方法研究. 山东煤炭科技. 2024(05): 110-114 . 
百度学术
2. 解海燕，李杰，赵国栋. 非结构化高维大数据异常流量时间点挖掘算法. 计算机仿真. 2024(07): 474-478 . 百度学术
其他类型引用(1)
计量
- 文章访问数: 1105
- HTML全文浏览量: 72
- PDF下载量: 61
- 被引次数: 3
