一种网络流量估计方法

摘要

本发明公开了一种网络流量估计方法，具体包括初始化、获得σ点集、状态预测、状态估计和过程更新步骤。本发明的方法将流量矩阵估计问题建模为一个非线性系统，更符合OD流量真实特性；对通过UT变换获得的σ点集进行非线性变换，非线性变换所需的系统状态方程的系数具体通过切比雪夫多项式拟合得到，取代了现有的利用局部线性化近似获得系统状态方程，因此不需要系统的状态方程满足可用线性函数逼近的条件；UT变换采用了对称采样策略，用粒子点集逼近非线性函数的概率密度函数分布，得到状态估计的更高阶近似，使得OD流量估计的结果有更高的精度，并且降低了系统的计算复杂度。

主权项

1.一种网络流量估计方法，其特征在于，包括如下步骤：S1.初始化，获得任意时间段的网络链路流量和源-目的节点对的网络流量数据，假定源-目的节点对的网络流量OD流的先验分布是高斯分布，求得初始状态均值和协方差矩阵P₀，用于求取初始时刻0的加权采样点集；S2.获得σ点集，采用无味变换获得σ点集σ_i及相应的权值W_i，其中，i=0,…,2n_x，每个σ点集都是时刻t的n_x维OD流随机状态向量，n_x为整数，表示OD流的维数，2n_x+1表示状态采样点的数目；将获得的σ点集经过系统状态方程进行非线性变换，得到变换之后的σ点集：χ_t,t-1=f(χ_t-1,ω_t-1)，其中，χ_t-1={χ_i,t-1,i=0,…,2n_x}表示变换之前采样得到的t-1时刻的σ点集，χ_t,t-1={χ_i,t,t-1,i=0,…,2n_x}表示变换之后的采样得到的t-1时刻的σ点集，所述系统状态方程为X_t=f(X_t-1,ω_t-1)，其中，X_t表示t时刻n_x维系统状态向量，ω_t-1表示t-1时刻的n_x维系统状态噪声向量，f表示当前时刻与下一时刻的系统状态向量非线性关系；S3.状态预测，对步骤S2得到的变换后的σ点集进行加权处理，得到一步预测状态和一步预测状态的协方差矩阵P_t，t-1：$\left\{\begin{array}{c}{\hat{X}}_{t,t-1}=\underset{i=0}{\overset{2n_x+1}{\Sigma }}{W}_i·{\chi }_{i,t,t-1}\\ P_{t,t-1}=\underset{i=0}{\overset{{2n}_x+1}{\Sigma }}{W}_i·({\chi }_{i,t,t-1}-{\hat{X}}_{t,t-1}){({\chi }_{i,t,t-1}-{\hat{X}}_{t,t-1})}^T+Q_t\end{array}\right.,$其中，“T”表示矩阵的转置运算，Q_t表示系统状态噪声的协方差矩阵；由一步预测状态获得一步链路流量预测其中，A_t表示t时刻路由矩阵，V_t表示t时刻测量误差；S4.状态估计，根据t时刻链路测量流量Y_t，得到t时刻链路流量估计误差表示为求得对应的协方差矩阵为S_t=A_tP_t,t-1A_t+R_t，其中，R_t是测量误差V_t的协方差矩阵，计算得到滤波器增益矩阵K_t：更新OD流预测状态，得到t时刻的OD流估计值和OD流估计值的方差矩阵P_t如下：$\left\{\begin{array}{c}{\hat{X}}_t={\hat{X}}_{t,t-1}+K_t·{\tilde{Y}}_t\\ P_t=P_{t,t-1}-K_t{A}_t{P}_{t,t-1}\end{array}\right.$S5:过程更新，当任意一条链路流量估计误差方差在连续若干个时刻超过预先设定的门限值，则执行步骤S1-S4。