《Optical Switching and Networking》：Load-aware routing and performance optimization based on dynamic path caching in laser satellite networks
编辑推荐：
摘要低地球轨道激光卫星网络（LSN）是6G天地一体化网络的核心基础设施，支持自动驾驶和无人机通信。然而，由于流量分布极其不均和拓扑动态变化，其面临严峻的网络拥塞挑战。为优化负载均衡并提升网络性能，本文提出了一种基于动态历史路径缓存的负载感知路由算法，称为DHPC-LARA。该
摘要
低地球轨道激光卫星网络（LSN）是6G天地一体化网络的核心基础设施，支持自动驾驶和无人机通信。然而，由于流量分布极其不均和拓扑动态变化，其面临严峻的网络拥塞挑战。为优化负载均衡并提升网络性能，本文提出了一种基于动态历史路径缓存的负载感知路由算法，称为DHPC-LARA。该方法将动态历史路径缓存（DHPC）机制与实时负载感知K最短路（KSP）框架相结合。DHPC机制通过自适应地消除高拥塞风险的历史路径来提升缓存质量，从而实现高效的服务路由并避免网络瓶颈。在一个包含288颗卫星的Walker Delta低轨激光卫星网络仿真场景中，DHPC-LARA优于SP、Sway和FSPF-MDR。具体而言，与SP、Sway和FSPF-MDR相比，DHPC-LARA的网络服务能力分别提升了71.87%、30.95%和44.73%。资源利用率相比SP、Sway和FSPF-MDR分别提升了33.91%、26.24%和20.09%。此外，高负载链路比例相比SP、Sway和FSPF-MDR分别降低了92.61%、91.14%和50.00%。此外，与Sway相比，路径计算时间缩短了72.02%；与未启用缓存功能的负载感知算法（LARA）版本相比，路径计算时间缩短了76.04%。
引言
自动驾驶和无人机（UAV）技术的进步对通信网络提出了日益迫切的需求，这些需求预计将由6G系统中的天地一体化网络（SAGIN）来满足。低地球轨道（LEO）卫星星座已成为实现6G超低时延、超高容量和无缝全球覆盖目标的关键基础设施。在大幅降低的发射成本和持续进步的高吞吐卫星技术的推动下[1]、[2]、[3]，LEO星座受到了广泛的研究关注。这些系统不仅满足了6G对毫秒级端到端时延的严格要求[4]，还能为无人终端的关键任务操作提供更高的用户数据速率和系统容量。
此外，大规模LEO星座通过密集组网和星间链路（ISL）实现了真正的全球覆盖——这是6G的基本要求——将连接能力延伸至地面网络无法覆盖的偏远地区的无人终端。其分布式架构还提供了更大的灵活性和可扩展性。当与激光通信终端（LCT）集成时，LEO星座构成激光卫星网络（LSN），其中传统的射频（RF）星间链路被激光星间链路（LISL）所取代。与RF系统相比，LSN具有显著优势，如更高的数据速率、更宽的带宽、增强的安全性、更强的抗干扰能力以及不受电磁频谱约束等[5]。
因此，LSN将LEO的独特轨道特征与先进的激光通信技术相结合，构成了未来6G天地一体化网络的关键基础设施[6]。这种集成架构特别适用于需要超可靠低时延通信（URLLC）和 ubiquitous 覆盖的关键任务应用。例如，在自动驾驶系统中，LSN实现毫秒级时延和高可靠连接，为实时高精度车辆定位提供基础支持[7]，特别是在服务不足的偏远地区。类似地，对于无人机通信，LSN为无人机集群维持不间断的高带宽、低时延数据链路，便于实时高清视频传输、精准遥控和复杂协同任务。
这一能力显著增强了无人机在大规模基础设施检查、灾难救援和精准农业中的作业表现[8]。
然而，LSN高度动态的拓扑特征对其路由机制提出了重大挑战。由于LEO星座的高速运动和LISL固有的强方向性及窄波束特性，网络拓扑处于持续动态变化之中，需要频繁切换星间连接[9]。此外，地面服务请求的高度不均匀分布容易导致LSN负载严重失衡[10]、[11]，进而对路由成功率和传输时延等关键性能指标产生不利影响。
为解决上述挑战，本文提出了一种新型路由算法，旨在有效缓解LSN负载失衡引发的一系列挑战。本文的主要贡献如下：
(1) 本文提出了一种基于动态历史路径缓存的负载感知路由算法，命名为DHPC-LARA。DHPC-LARA采用KSP作为候选路径生成器，并结合在线历史路径缓存、基于实时链路利用率的缓存淘汰、双向缓存匹配和瓶颈链路感知路径选择机制。该设计通过复用仍然有效的历史候选路径来减少冗余路径计算，同时最终路由决策仍受当前链路状态约束。因此，DHPC-LARA在提升路由效率的同时避免了盲目复用过期路径，缓解了LSN中的流量热点和资源利用不平衡问题。
(2) 在Walker Delta星座网络模型（由288颗卫星组成）上进行了仿真评估。实验结果表明，与最短路径算法（SP）、流量感知QoS路由方案（Sway）以及基于模糊最短路径优先的多区域划分路由算法（FSPF-MDR）相比，所提算法在网络服务能力方面分别提升了71.87%、30.95%和44.73%；在网络资源利用率方面分别提升了33.91%、26.24%和20.09%；在拥塞抑制能力方面分别提升了92.61%、91.14%和50%。此外，在服务路径计算时间方面，所提算法相比Sway算法和未启用历史路径缓存功能的所提算法基准版本（LARA）分别实现了72.02%和76.04%的效率提升。
本文后续章节的组织如下。第2节回顾了LSN中拓扑建模、负载感知路由以及基于学习或预测的路由的相关研究。第3节介绍了网络模型并提出了路由问题。第4节提出了DHPC-LARA算法并分析了其计算开销。第5节描述了仿真设置并讨论了实验结果。第6节总结了本文内容并展望了未来研究方向。
章节摘要
拓扑建模与自适应路由重构
由于卫星高速运动、星间可见性变化和链路切换导致的网络拓扑持续重塑，LSN表现出高度时变的拓扑特性。因此，现有研究将拓扑抽象和控制平面开销减少视为高效路由的先决条件。轻量级洪泛和拓扑修剪机制可以减少高密度星座中的冗余路由状态传播。
网络拓扑
本文采用的网络拓扑模型为Walker星座网络。由于使用LCT建立LISL，卫星之间的相对运动速度必须较小；否则，LCT的跟踪和对准要求将显著增加，难以建立稳定的LISL。此外，必须确保两颗卫星之间的可见时间足够长，以维持LISL较长时间的连接，从而避免问题
基于动态历史路径缓存的负载感知路由算法
传统的基于Dijkstra算法的路由计算方法通常只计算并返回单一的最短路径。然而，在具有丰富LISL拓扑冗余的LSN中，卫星节点之间往往存在多条可行路径。这种单路径策略难以有效利用LSN固有的空间链路冗余资源，限制了网络资源利用率和业务调度的灵活性。尽管KSP算法可以生成多条
仿真设置
本文采用Walker Delta星座配置构建了一个包含288颗卫星的LSN仿真模型[27]。LISL的建立遵循以下约束：仅在同一轨道平面内的相邻卫星之间以及在相邻轨道平面重叠覆盖区域内的左右相邻卫星之间建立连接。LSN模型构建和路由算法（包括DHPC-LARA）使用Python 3.7实现。该
结论
本文研究了LSN中服务请求分布高度不均和网络拓扑高度动态变化所导致的严重网络拥塞挑战。作为支撑下一代自动驾驶和无人机通信的关键基础设施，LSN的网络性能直接影响相关功能的可靠性和效率。本文提出了DHPC-LARA作为一种具有动态历史路径缓存的负载感知路由算法。仿真实验
CRediT作者贡献声明
袁俊凌：撰写——审阅与编辑、方法论、概念化。李浩鑫：撰写——初稿、软件。张奇坤：方法论、资金获取。李旭红：资金获取、数据整理。
利益冲突声明
作者声明不存在任何已知的竞争财务利益或个人关系，这些关系可能会影响本文所报道的工作。
袁俊凌|李浩鑫|张奇坤|李旭红
