CN102833160A - 基于接触预测的大规模移动容迟网络分簇路由方法及其系统 - Google Patents

Abstract

本发明涉及基于接触预测的大规模移动容迟网络分簇路由方法及其系统，包括：分析大规模城市出租车网络的真实数据集，揭示其固有的接触与分簇特性；设计节点间的接触模型，确定节点间接触间隔时间的概率分布表达形式；设计并实现基于接触预测的分布式分簇路由算法，在大规模的动态环境下把彼此间接触概率较大的节点划分到同一分簇内部；设计并实现基于直接投递的簇内路由算法和基于洪泛的簇间路由算法，在分簇的基础上保证路由传输的有效性和可扩展性。本发明可以广泛应用在大规模城市交通网络的消息通信当中，如动态导航系统、车辆自动驾驶系统、车载娱乐系统等。

Description

基于接触预测的大规模移动容迟网络分簇路由方法及其系统

技术领域

本发明涉及计算机网络通信、容迟网络、车辆网络领域，具体地说是一种基于接触预测的大规模移动容迟网络分簇路由方法及其系统。

背景技术

传统网络中的分簇路由算法研究较为成熟，但这些路由算法大多用于网络拓扑动态性不强的网络，因此难以直接应用于移动容迟网络当中。正因为移动容迟网络环境的特殊性，使得在这一网络中的分簇路由研究比较匮乏。

LIC算法和Max-Min D-Clustering算法都属于基于标识符的分簇算法。这类算法为网络中的所有节点都分配唯一的ID号，并把区域内具有最小ID号的节点选举成为簇首，由簇首负责生成和维护簇的拓扑信息。基于连接的分簇算法（如HCC、K-CONID、Adaptive Multihop）主要利用节点的度数作为选举簇首的度量值，因为节点的度数越高，说明与其相邻的节点越多，使用这些节点作为簇首更容易维护相对稳定的网络拓扑结构。还有一类基于节点的移动感知进行网络分簇的算法，这类算法都尝试把相对移动性较低的节点归类到一个簇内，所以节点的移动所导致的拓扑变化对分簇产生的影响得以最小化。还有一类分簇算法的网络划分方式是基于权重组合的（如WCA算法）。这类算法综合考虑了多种因素对簇首选举和簇划分的影响，设计出综合度量值的计算公式。由于选举簇首时考虑了多重因素，因此选举簇首的过程更具公平性。但度量值的计算是各种因素的简单加权平均，权值的确定成为这类算法的一大挑战，目前也没有通用的方法来计算各个权值之间的关系，不同的算法根据实际的应用场景对各个权值做适应性调整，因此这类算法往往缺乏普适性。

传统网络中的分簇路由算法大都要求在初始化阶段网络拓扑处于静止的假设，而在拓扑动态性较强的移动容迟网络中，即便在这样的假设下完成初始化的分簇，分簇的拓扑也是很不稳定的。另一方面，传统的分簇路由利用选举出来的簇首节点来维护和同步分簇的拓扑信息，而在移动容迟网络中，节点的存储和计算能力都较为平均，很难选举出簇首节点，拓扑信息也很难达到全网或全簇范围的实时同步。所以，虽然分簇的思想有利于提升路由的可扩展性，但要在移动容迟网络中有效利用，还需要对其分簇的策略进行改进。

在移动容迟网络环境下进行网络分簇所面临的一些挑战：

1）节点间的接触是容迟网络领域的一个研究热点，它可以标识出节点间的连通可能性。而节点的连通性能一直是很多分簇算法选举簇首或进行分簇的重要度量标准，所以容迟网络的分簇算法可以充分利用节点间的接触特性进行设计。然而在拓扑动态变化的环境下，很难对节点间的接触概率进行准确的描述。

2）由于拓扑变化带有很强的随机性，对度量值的估计容易出现偏差，从而导致网络中出现了许多规模较小的分簇碎片。

3）由于节点的移动，簇成员节点和网关节点容易发生变化，当有节点进入或退出时，很难保持区域拓扑信息的一致性。

4）在实际的移动容迟网络中，节点具有一定的移动模式，当其移动模式因为某些因素（如时间因素）而改变时，可能会导致节点与同一簇内的其他节点的连通度降低。

S.Ahmed和S.S.Kanhere在公共交通环境下，提出了一种基于车辆移动模式的移动容迟网络分簇算法。利用公交车的接触频率来发掘彼此之间的相似性，进而把相似度高的车辆划分到一个簇内，从而提高数据的传输效率。C.Liu和J.Wu提出了一种在移动容迟网络中进行多层次网络分簇的机制。作者首先定义了一种简化的移动模型来作为研究的底层场景，这种场景中只考虑静止的节点和按照预定的轨道周期性运动的节点，这与真实场景中的卫星网络、水下网络很接近。

从上述分析可以看出，大部分移动容迟网络分簇算法都从接触这个角度出发，以节点间的连通性能作为度量值对移动容迟网络进行分簇，即把彼此连通性能较好的节点放入同一个簇内，这样可以显著地提高整体的路由效率。然而对于连通性能的度量方式，每种算法的出发点都有所不同，有基于接触频率的，有基于接触时长进行延时聚合的。然而这些算法都仅考虑直接相邻的两个节点之间的连通性能，使得分簇的规模很受限制。

另外，大规模的移动容迟网络往往具有一些特性，如热点地趋向性、受限于道路等，对节点的移动模式进行针对性的研究，提取出网络的接触模型，进而对未来的连通性能进行有效的预测。然而这些算法仅使用历史或当前的数据对连通性能进行估计，缺乏对网络未来状态的预测，从而导致分簇的稳定性不高，需要频繁的簇更新过程。

再者，这些算法都具有过强的场景依赖性，如公交车网络、卫星网络等，而且假设的网络规模有限，使得分簇算法的普适性不强，很难应用于真实的出租车网络场景中。

最后，如同大部分MANET网络的分簇算法一样，上述算法在初始化阶段假设网络处于静止态，且由簇首节点进行集中式的簇管理，这在拓扑动态性强、节点能力均匀的大规模移动容迟网络应用中是不现实的。

发明内容

根据上述实际需求和关键问题，本发明的目的在于：在移动容迟网络中，众多基于“存储-携带-转发”机制的路由协议相继提出。尽管这些协议有其特有的机制来做数据包的转发决策，但它们都在全网的范围内执行同样的路由策略。当网络的规模扩大时，它们的可扩展性将会受到很大的限制。在传统的MANET网络中，分簇被认为是一种提高路由扩展性的有效解决方案。分簇强调根据特定的标准，把具有相似性的节点划分到同一分组内，将路由活动分为簇间和簇内两级路由，降低了路由寻径的难度。在移动容迟网络中，节点的移动频繁且随机性强，分簇难以稳定，为分簇的应用带来了很大的挑战。一方面，维护全网分簇拓扑的信息开销会急剧增多；另一方面，在这样的动态网络中，很难找到一个有效的标准来刻画节点间的相似程度。因此，现阶段在移动容迟网络中的分簇算法研究很缺乏。接触是移动容迟网络中反映节点间关系的重要特性，它揭示了节点间接触机会出现的可能性。因此，在移动容迟网络中节点的接触模式从一定程度上能够刻画节点间的相近（或相似）程度。如果我们能够在真实的大规模数据集中发掘出移动容迟网络的接触模式，并以此来预测未来一段时间内节点间的接触概率，那么接触概率就可以作为指导分簇的一个有效标准。本发明首先对一个来自于北京市出租车网络具有12096个节点轨迹的大规模数据集进行分析，揭示其内在的分簇和接触特性，然后设计并实现一种能够满足大规模网络应用的基于接触预测的移动容迟网络分簇路由算法CPCRA（Contact-Predict Clustering based Routing Algorithm）。最后，从真实数据集中获取仿真场景信息，通过路由常规性能和可扩展性两方面对比验证了算法的有效性。

为完成发明目的，本发明采用的技术方案是：一种基于接触预测的大规模移动容迟网络分簇路由方法，包含以下步骤：

步骤1)、分析城市出租车网络轨迹数据集的网络特征；根据城市出租车网络轨迹数据集对网络的接触间隔时间持续时长进行特性分析，确定接触间隔时间的概率分布形式，对网络的平均聚类系数进行分析，揭示网络中节点的分簇行为；在对网络特性进行分析的基础上，提出网络满足的三个假设，并推导出接触间隔时间概率分布的具体表达形式，对接触概率进行预测；

步骤2)、以节点间的接触概率作为分簇的标准，把未来一段时间内接触概率大于设定阈值的节点划分到同一个簇内部；每个节点根据本地发生的事件触发来更新本地保留的分簇信息表和网关信息表；当两个节点发生接触时更新彼此之间的接触概率，交换彼此的表信息，并进行所在分簇是否满足分簇标准的检查过程；并且每隔一定的周期更新相关表的接触概率信息，并判断是否要更换分簇；且在网关有效时间超时时重置分簇的网关节点或置网关节点失效；

步骤3)、网络中的节点可根据分簇的信息动态地选择路由策略；该网络的路由策略划分为簇内路由和簇间路由策略，当节点发现数据包的目的节点与本地节点属于同一个分簇时，节点将执行簇内路由算法，此时采用直接投递的策略，即节点遇到数据包的目的节点后才转发数据包，考虑到同一簇内的节点间接触概率较大，在未来的一段时间内两节点发生接触的可能性较高，进行直接投递在保证一定成功投递率的同时可以减少数据包的副本数量；当目的节点与本地节点不属于同一个分簇时，执行簇间路由算法，采用基于洪泛的路由策略，节点把数据包转发给网关节点，或者当该节点与不同分簇的节点接触时，如果这个分簇内部没有该数据包的副本，则同样想对方节点转发数据包，实现高效的消息传输机制。

另外提供一种基于接触预测的大规模移动容迟网络分簇路由系统，包含以下模块：

预测模块，用于分析城市出租车网络轨迹数据集的网络特征；根据城市出租车网络轨迹数据集对网络的接触间隔时间持续时长进行特性分析，确定接触间隔时间的概率分布形式，对网络的平均聚类系数进行分析，揭示网络中节点的分簇行为；其在对网络特性进行分析的基础上，提出网络满足的三个假设，并推导出接触间隔时间概率分布的具体表达形式，对接触概率进行预测；

分簇模块，以节点间的接触概率作为分簇的标准，把未来一段时间内接触概率大于设定阈值的节点划分到同一个簇内部；每个节点根据本地发生的事件触发来更新本地保留的分簇信息表和网关信息表；当两个节点发生接触时更新彼此之间的接触概率，交换彼此的表信息，并进行所在分簇是否满足分簇标准的检查过程；并且每隔一定的周期更新相关表的接触概率信息，并判断是否要更换分簇；且在网关有效时间超时时重置分簇的网关节点或置网关节点失效；

路由模块，用于网络中的节点可根据分簇的信息动态地选择路由策略；该网络的路由策略划分为簇内路由和簇间路由策略，当节点发现数据包的目的节点与本地节点属于同一个分簇时，节点将执行簇内路由算法，此时采用直接投递的策略，即节点遇到数据包的目的节点后才转发数据包，考虑到同一簇内的节点间接触概率较大，在未来的一段时间内两节点发生接触的可能性较高，进行直接投递在保证一定成功投递率的同时可以减少数据包的副本数量；当目的节点与本地节点不属于同一个分簇时，执行簇间路由算法，采用基于洪泛的路由策略，节点把数据包转发给网关节点，或者当该节点与不同分簇的节点接触时，如果这个分簇内部没有该数据包的副本，则同样想对方节点转发数据包，实现高效的消息传输机制。

本发明的原理在于：设计并实现基于接触预测的大规模移动容迟网络分簇路由技术所需要的方法，主要包括：处理真实的大规模城市出租车网络轨迹数据集，用于网络特征分析；根据数据集对网络的接触频率、接触间隔时间持续时长进行特性分析，确定接触间隔时间的概率分布形式；根据数据集对网络的节点分布密度、聚类系数进行特征分析，揭示网络存在明显的分簇现象；基于对网络的分析提出网络移动模式的三个假设，进而给出网络的接触模型，可直接用于节点间的接触概率预测方法中；在网络通信的初始阶段，分别在各个节点本地执行基于接触预测的分簇算法，根据事件触发原理控制节点在“发生接触”、“周期更新分簇表”、“网关超时”等模块中及时更新分簇信息；执行簇内路由和簇间路由算法，根据网络的分簇规模动态调整数据包的传输策略，实现高效的消息传输机制。

所进行处理分析的数据集来自于北京智能交通系统关键技术研究与应用示范项目，该项目以支持智能交通系统工程建设、解决关键技术难题、提升交通科技发展水平和自主创新能力、为实现新北京交通体系和奥运会的顺利召开提供支持与保障为目标。其核心研发内容之一，是实时采集、存储、处理多源异构海量交通数据、形成动态交通信息以及决策支持的分布式处理系统。该项目涉及出租车为12096辆，约占北京市出租车总数的18%，占北京市机动车总数的0.2%，对五环内（含五环）次干路以上路网的覆盖率达到90%以上。通过这些出租车上安装的GPS定位装置，每隔60s上传一次自己的经纬度位置、速度、方向信息到数据中心。每天产生的数据量约1300万条。

在对数据集进行整理后，通过统计学的手段分析网络的接触与分簇特性。在移动容迟网络中，节点间发生接触意味着数据包传输机会的出现，分析网络的接触持续时长和接触频率有利于指导路由技术的设计与实现，主要从活跃车辆变化曲线、节点度数、接触间隔时间的概率分布这些统计角度出发去分析接触特性。另一方面，在众多大规模的真实网络中，往往存在分簇的现象，即节点具有汇聚成堆或者聚集到某些特殊区域的行为，分簇影响移动容迟网络中接触的发生频率，进而影响数据包的传输效率，主要从车辆密度分布和聚类系数两个方面分析网络的分簇特性。

为了对节点间的接触进行有效的预测，就必须在网络特性分析的基础上建立抽象的网络模型，进而从数学方法上严格推导出网络的接触模型。我们假设对于任意两个节点来说，在很短的Δt时间内，同时接触两次或者两次以上是小概率事件；在不重叠的时间段内，节点A,B接触次数是相互独立的；接触持续时间相对接触间隔时间可以忽略不计。根据上述假设可以推到出任意节点对之间的接触次数满足泊松分布，进而推到出节点间的接触间隔时间满足指数分布的特性。采用点估计可以对指数分布的参数进行估计。由于对接触的预测实质是指计算节点对在未来一段时间内发生接触的概率，从而由指数分布的具体表达形式就可以直接计算出此概率值。

此发明所涉及的分簇算法是一种基于接触预测的事件触发式分布式分簇算法。该算法以节点间的接触概率作为分簇的标准，把未来一段时间内接触概率大于设定阈值的节点划分到同一个簇内部。由于是分布式的算法，每个节点根据本地发生的事件触发执行相应模块来更新本地保留的分簇信息表和网关信息表。主要的模块有“发生接触”模块，当两个节点发生接触时更新彼此之间的接触概率，交换彼此的表信息，并进行所在分簇是否满足分簇标准的检查过程；“周期更新分簇信息”模块是指每隔一定的周期更新相关表的接触概率信息，并判断是否要更换分簇；“网关超时”模块在网关有效时间超时时重置分簇的网关节点或置网关节点失效。分布式的分簇算法使得网络拓扑的分簇是从单个节点的角度出发所进行的网络分簇，每个节点本地保留的分簇信息有所差异，但这样可以有效地减少分簇的信息开销，提高网络通信的可扩展性。

网络中的节点可根据分簇的信息动态地选择路由策略。把网络的路由策略划分为簇内路由和簇间路由策略。当节点发现数据包的目的节点与本地节点属于同一个分簇时，节点将执行簇内路由算法，此时采用直接投递的策略，即节点遇到数据包的目的节点后才转发数据包，考虑到同一簇内的节点间接触概率较大，因而在未来的一段时间内两节点发生接触的可能性较高，进行直接投递在保证一定成功投递率的同时可以减少数据包的副本数量；当目的节点与本地节点不属于同一个分簇时，执行簇间路由算法，采用基于洪泛的路由策略，节点把数据包转发给网关节点，或者当该节点与不同分簇的节点接触时，如果这个分簇内部没有该数据包的副本，则同样想对方节点转发数据包，这样的好处是有效限制一个分簇内部同一个数据包副本的数量，减小全网的信息开销。

本发明与现有的技术相比，其有益的效果是：1、本发明首先从统计学的角度出发对大规模的移动容迟网络的网络特性进行分析，从而揭示了此网络的固有性质，为网络建模和路由技术的设计与实现提供底层的特征支持。2、本发明从一个更宏观的角度给出了一个网络建模的方法，从数学方法上严格建立节点间的接触模型有利于对未来的接触情况进行预测，为网络的连通可能性和连通质量提供了一个有效的度量手段，可以为路由决策提供定量的描述方式。3、分簇的实现可以显著地提高大规模应用下路由的可扩展性，把彼此间接触概率较高的节点划分到同一个分簇内部，使得分簇内部可以实现较好的连通性能，这使得从单个节点的角度看来网络的规模能进一步缩小，这是提高路由效率和可扩展性的关键所在。4、在分簇的基础上，节点能够根据自身的实际情况动态地选择采用簇内路由或簇间路由算法进行数据包转发，这一方面减少了数据包的副本数量，另一方面使得节点能够适应网络拓扑的动态变化，更有针对性地执行路由方法，提高路由效率。5、仿真实验表明，本发明在路由性能和可扩展性方面均优于现有的移动容迟网络经典路由方法，因此可以有效应用于真实的大规模城市移动容迟网络的通信中。

附图说明：

图1是本发明系统总体架构图；

图2是本发明所要处理的原始数据记录格式示意图；

图3是本发明分析得出的接触间隔时间概率分布曲线图；

图4是本发明分析得出的平均聚类系数图；

图5是本发明与其他路由技术在不同缓存空间下的投递率曲线对比图；

图6是本发明与其他路由技术在不同缓存空间下的信息开销曲线对比图；

图7是本发明与其他路由技术在不同网络规模下的投递率曲线对比图；

图8是本发明与其他路由技术在不同网络规模下的信息开销曲线对比图。

具体实施方式：

下面结合附图对本发明作详细说明。

参阅图1本发明的系统总体架构图，本发明的总体结构主要包括3大部分：预测模块、分簇模块和路由模块，每个模块内部又进一步划分为若干小模块，具体详述如下：(1)预测模块主要进行实际数据集的处理和特性分析，这主要通过特征分析模块进行，然后根据网络特性建立抽象的网络模型，推导出接触模型的具体表达形式，制定接触概率的预测方案，为分簇和路由奠定基础，这两项任务由接触模型建立和制定接触预测方案两个子模块实现；(2)分簇模块主要实现网络的拓扑分簇，根据制定的基于接触预测的分簇方案，结合网络接触的历史知识，把彼此间接触概率较高的节点划分到同一个簇内部，由于是分布式的执行方式，其三个子模块实质上是并行执行的，发生接触模块在两个节点发生接触时触发，交换彼此的分簇信息，同时更新彼此的接触概率，周期更新表模块会定期更新本地保留的分簇信息，网关超时模块在网关节点有效时钟超时时触发，用于更新网关信息或置网关无效；(3)路由模块负责执行网络的路由算法，分为簇内路由模块和簇间路由模块，簇内路由模块控制执行同一分簇内部的路由策略，簇间路由模块执行不同簇的节点间的路由转发策略。

参阅图2本发明所要处理的原始数据记录格式示意图，数据格式如下表：

由于每一辆出租车生成数据记录的时刻有差异，并且原始数据的生成时间间隔较长，为了获得便于统计且粒度较小的数据集，必须先对原始数据集进行合理的规整和插值处理。每辆车上传数据的时刻存在偏差，若要分析特定时刻的网络状况就必须要对所有车辆的数据进行时间上的拟合。本文采用的方法是以每隔60秒的整点时刻为标准，把附近的数据提交时刻根据匀速直线运动的原则统一拟合到整点。具体而言，假设第i个整点时刻为t_i，车辆当前记录的时刻为t_c，速率为v_c，方向为θ_c，坐标位置为(x_c,y_c)，记离当前时刻最近的整点时刻为第k个时刻t_k，则得到的规整记录为<t_k,v_c,θ_c,x_c+v_c(t_k-t_c)cosθ，y_c+v_c(t_k-t_c)sinθ>。这里的前提假设是t_c和t_k之间，出租车做匀速直线运动，虽然在实际情况中，受道路和交通限制，往往无法保证车辆做匀速直线运动，但由于在大规模的网络中，出租车在这段时间内走过的路程远小于网络边界长度，因此此处的假设是合理的。另一方面，由于规整后的数据记录是以60秒为间隔的，过粗的时间粒度不利于后续网络特性的分析，例如分析ICT的概率分布时，过长的数据更新时间间隔导致无法反映出两节点相对短暂的接触情况，因此需要在同一车辆两条相邻记录之间进行插值，从而生成粒度更小的数据集。采用的方法是在相邻的时间间隔内每隔15秒插入一个新值，坐标位置仍以在节点做匀速直线运动的前提假设下进行估测。此外，考虑到需要分析网络的接触特性，而从原始数据集中并不能直观地获取网络中的接触信息，因此，还需要处理统计出每一辆出租车的历史接触情况记录。对于两辆出租车而言，当它们在各自的通信范围内时可认为它们发生了一次接触。假设两辆车A和B，ID号为id_A和id_B，位置为l_A和l_B，通信半径均为R。从t_s开始直到t_e为止，满足|l_A-l_B|≤R，则记一次接触contact＝(id_A,id_B,t_s,t_e)。

参阅图3本发明所分析得出的接触间隔时间概率分布曲线图。我们把节点间的接触间隔时间定义为相同节点对间相邻的两次接触的间隔持续时长。分析接触间隔时间的概率分布情况有助于设计移动容迟网络的路由转发方案。图3为2010年6月13日的全网接触间隔时间的互补累积分布函数曲线。可以看出，在刚开始的阶段（约为前10000秒），曲线在对数坐标系中几乎是以线性的方式进行递减，10000秒后曲线迅速衰减。这说明了大规模移动容迟网络中的接触间隔时间概率分布近似于指数分布的过程。只有大约15%的接触间隔时间超过10000秒，这说明了网络中的大部分接触可以在短时间内重现，这对于网络中数据的成功传输是至关重要的。

参阅图4本发明所分析得出的平均聚类系数分布图。可以看出，其分布很不均匀。总体而言，靠近中心的区域聚类系数相对较高。而在一些区域，聚类系数高达0.4，说明在这些区域车辆的连接程度较高。对比发现，大部分的这些区域同时具有比较高的车辆密度，即为我们上述提到的热点区域。全网的聚类系数普遍偏低，这是由于在城市移动容迟网络中，受道路和障碍物的限制，车辆往往只能与行驶在同一道路上的相邻车辆进行通信，这导致了特定车辆的邻居车辆之间的连接机会相对较低。然而，在热点区域车辆的聚集程度更高，使得车辆之间充分连接。因此，在动态性强的城市移动容迟网络中仍可以形成基于热点区域的分簇现象。

综上，为了抽象网络模型，在推导接触间隔时间的分布时，忽略接触持续的影响。由此做出如下三条基本假设：对于任意的两个节点来说，在很短的Δt时间内，同时接触两次或者两次以上是个小概率事件；在不重叠的时间段内，节点A,B接触次数是互相独立的；接触持续时间相对接触间隔时间忽略不计。

我们现在来研究Δt这段时间内节点A,B接触情况，根据假设一有：

P(N(t+Δt)-N(t)＝1)＝λ(t)Δt+o(Δt)        (1.1)

或：

P(N(t+Δt)-N(t)＝0)＝1-λ(t)Δt+o(Δt)    (1.2)

其中λ(t)表示瞬间的瞬间接触强度。我们取t＝0时，N(0)＝0；记P_n(t)＝P(N(t)＝n)当Δt＞0时，那么根据假设一，若t+Δt内累计发生n次接触，则可以分为两种情况：①t时间内发生n次接触，并且Δt时间内发生0次接触；②t时间内发生n-1次接触，并且Δt时间内发生1次接触。

由此能够得到P_n(t+Δt)的计算公式：

P_n(t+Δt)＝P_n(t)(1-λ(t)Δt+o(Δt))+P_n-1(t)(λ(t)Δt+o(Δt))    (1.3)

两边同时除以Δt得：

$\frac{P_n(t+\mathrm{\&Delta;t})-P_n\left(t\right)}{\mathrm{\&Delta;t}}=\mathrm{\&lambda;}\left(t\right)\frac{(P_{n-1}\left(t\right)-P_n\left(t\right))\mathrm{\&Delta;t}+o\left(\mathrm{\&Delta;t}\right)}{\mathrm{\&Delta;t}}---\left(1.4\right)$

即：

$\frac{{\mathrm{dP}}_n\left(t\right)}{\mathrm{dt}}=\mathrm{\&lambda;}\left(t\right)(P_{n-1}\left(t\right)-P_n\left(t\right))---\left(1.5\right)$

这是个常微分方程，其中初始解是N(0)＝0，若两个节点之间的瞬间接触强度λ(t)＝λ不随时间改变，则这个常微分方程的解是（求解过程见附录A）：

$P_n\left(t\right)=\frac{1}{n!}{\left(\mathrm{\&lambda;t}\right)}^n{e}^{-\mathrm{\&lambda;t}}---\left(1.6\right)$

由此可见，只要节点移动方式满足所提出的三条假设，我们即可认为任意的节点对之间接触次数满足泊松分布。

由于两次接触间隔时间T_i是一个非负随机变量，且事件{T_i＞T}表示在(0,T]内没有发生接触，即{T_i＞T}＝{N(T)＝0}，同时有： $F_{T_i}\left(T\right)=P(T_i\&le;T)=1-P(T_i>T)=1-P_0\left(T\right).$

根据(1.6)可以得到P₀(T)＝e^-λt，代入上式即可得到：

$F_{T_i}\left(T\right)=1-e^{-\mathrm{\&lambda;T}}---\left(1.7\right)$

所以ICT的分布服从指数分布，我们用x表示随机变量T_i，可以得到其累计分布函数CDF和概率密度函数PDF分别为

$\left\{\begin{array}{c}F\left(x\right)=1-e^{-\mathrm{\&lambda;x}}\\ f\left(x\right)={\mathrm{\&lambda;e}}^{-\mathrm{\&lambda;x}}\end{array}\right.---\left(1.8\right)$

由此可见：只要节点移动方式满足所提出的三条假设，则节点对之间的ICT服从指数分布，同时节点对之间的相遇次数服从泊松分布。

在定数截尾实验条件下，利用贝叶斯参数估计的方法，对瞬间接触强度的具体形式进行研究，给出其计算方法如下：

试验观测到节点A,B第r次相遇就立即停止，其中r是事先给定的值。假设现在通过研究试验所观测的所有r次相遇，则这个过程会产生r个ICT，T₁,T₂,T₃…T_r，由于时间段T_i~exp(λ)，接下来我们研究这r个ICT的联合密度函数如下：

$f(T_1,T_2,T_3\&CenterDot;\&CenterDot;\&CenterDot;T_r)=\underset{i=1}{\overset{r}{\mathrm{\&Pi;}}}{\mathrm{\&lambda;e}}^{{-\mathrm{\&lambda;T}}_i}={\mathrm{\&lambda;}}^r{e}^{-\mathrm{\&lambda;}\underset{i=1}{\overset{r}{\mathrm{\&Sigma;}}}{T}_i}---\left(1.9\right)$

由假设三容易知道，第r次接触开始时刻t_r与累积ICT之间的关系：

我们用贝叶斯估计的方法，对指数参数λ的点估计如下：

$f(T_1,T_2,T_3\&CenterDot;\&CenterDot;\&CenterDot;T_r|\mathrm{\&lambda;})=\underset{i=1}{\overset{r}{\mathrm{\&Pi;}}}{\mathrm{\&lambda;e}}^{-{\mathrm{\&lambda;T}}_i}={\mathrm{\&lambda;}}^r{e}^{-\mathrm{\&lambda;}\underset{i=1}{\overset{r}{\mathrm{\&Sigma;}}}{T}_i}={\mathrm{\&lambda;}}^r{e}^{-{\mathrm{\&lambda;t}}_r}$

$\ln f(T_1,T_2,T_3\&CenterDot;\&CenterDot;\&CenterDot;T_r|\mathrm{\&lambda;})=r\ln \mathrm{\&lambda;}-{\mathrm{\&lambda;t}}_r---\left(1.10\right)$

$\frac{\&PartialD;\ln f}{\&PartialD;\mathrm{\&lambda;}}=\frac{r}{\mathrm{\&lambda;}}-t_r$

由于费歇尔信息量为：

$I\left(\mathrm{\&lambda;}\right)=-E\left(\frac{{\&PartialD;}^2\ln f}{\&PartialD;{\mathrm{\&lambda;}}^2}\right)=\frac{r}{{\mathrm{\&lambda;}}^2}---\left(1.11\right)$

所以得到参数λ的先验分布：

$\mathrm{\&pi;}\left(\mathrm{\&lambda;}\right)\&Proportional;{\left|I\left(\mathrm{\&lambda;}\right)\right|}^{1/2}\&Proportional;\frac{1}{\mathrm{\&lambda;}}---\left(1.12\right)$

于是由贝叶斯公式得到参数λ的后验分布：

$h\left(\mathrm{\&lambda;}\right|T_1,T_2,T_3\&CenterDot;\&CenterDot;\&CenterDot;T_r)=\frac{\mathrm{\&pi;}\left(\mathrm{\&lambda;}\right)f(T_1,T_2,T_3\&CenterDot;\&CenterDot;\&CenterDot;T_r|\mathrm{\&lambda;})}{\underset{0}{\overset{\&infin;}{\&Integral;}}\mathrm{\&pi;}\left(\mathrm{\&lambda;}\right)f(T_1,T_2,T_3\&CenterDot;\&CenterDot;\&CenterDot;T_r|\mathrm{\&lambda;})\mathrm{d\&lambda;}}$ (1.13)

$=\frac{{\left(t_r\right)}^r{\mathrm{\&lambda;}}^{r-1}{e}^{-{\mathrm{\&lambda;t}}_r}}{\underset{0}{\overset{\&infin;}{\&Integral;}}{\left({\mathrm{\&lambda;t}}_r\right)}^{r-1}{e}^{-{\mathrm{\&lambda;t}}_r}d{\mathrm{\&lambda;t}}_r}=\frac{{\left(t_r\right)}^r{\mathrm{\&lambda;}}^{r-1}{e}^{-{\mathrm{\&lambda;t}}_r}}{\mathrm{\&Gamma;}\left(r\right)}$

所以参数λ的后验分布为：

$h\left(\mathrm{\&lambda;}\right|T_1,T_2,T_3\&CenterDot;\&CenterDot;\&CenterDot;T_r)~\mathrm{\&Gamma;}(r,\frac{1}{t_r})---\left(1.14\right)$

所以由贝叶斯条件期望估计得到参数λ的估计：

$\widehat{\mathrm{\&lambda;}}=E\left\{\mathrm{\&lambda;}\right|T_1,T_2,T_3\&CenterDot;\&CenterDot;\&CenterDot;T_r\}=\frac{r}{t_r}---\left(1.15\right)$

于是我们得到定数截尾试验下ICT的CDF函数和PDF分别为：

$\left\{\begin{array}{c}F\left(x\right)=1-e^{-\frac{r}{t_r}x}\\ f\left(x\right)=\frac{r}{t_r}{e}^{-\frac{r}{t_r}x}\end{array}\right.---\left(1.16\right)$

其中，r表示定数截尾试验中节点i,j的相遇次数，t_r为前r次ICT的累计和，

这一结果说明在满足所提出的三条假设的情况下，节点对之间的接触间隔时间分布仅与历史接触次数和两个节点之间的累计接触间隔时间有关，而这两个信息对于通信系统而言是比较容易获得的，节点能够利用历史的接触信息就能够对未来一段时间内出现接触的概率进行计算，并以此为依据来决定接下来的路由活动。这一结论的获得对于后续路由算法的设计具有重要的意义。

在进行分簇时，分簇规则是基于节点间的接触强度的。与大部分只考虑历史因素的接触描述研究不同，为了更准确地描述节点对的接触性质，我们从更广泛的角度出发利用节点对的接触概率p(t)作为刻画接触强度的因素。节点的移动、网络的环境参数等都会影响节点对的接触，因此很难从单一的角度对接触进行准确的描述。ICT的分布直接反映了节点的接触频率与时长，从更加宏观的角度刻画了节点间的接触行为，因此对于接触概率的刻画也会更加准确、有效。根据IDCM模型，由公式(1.17)容易得到p(t)的具体表达形式：

$p\left(t\right)=F\left(t\right)=P(X\&le;t)=1-e^{-\frac{r}{{\mathrm{\&Sigma;}}_{i=1}^r{T}_i}t}---\left(1.18\right)$

其中，r表示定数截尾试验中节点i,j的接触次数，

为前r次ICT的累计和。在大规模应用中，我们需要根据实际情况记录这两个参数值，就可以在某些分簇或路由活动被触发时更新p(t)的值，从而保证分簇的实时性。

基于上述的分簇规则，网络的分簇算法分布式地在每一个节点本地单独执行。如同大部分分布式算法一样，本章所提出的分簇算法同样采用基于事件触发的信息更新机制来维护本地关于网络拓扑分簇的信息。每一个节点（以节点i为例）保留了如下表所示的数据结构：

其中，ID_i为本地节点的全网唯一标识符，CID_i为其当前时刻所处的分簇ID号，接触表ContactTable存储了每个与节点i发生过接触的节点信息以及与接触相关的信息，对于ContactTable中的每一条记录，表示了该记录中与节点i发生接触的节点k的ID号，p_ik为节点对在未来时间

的接触概率，

为在节点i看来节点k当前所处的分簇ID号，INFO_ik为与p_ik的计算有关的额外信息。GatewayTable存储了节点i到其他分簇所要经过的网关节点的信息，对于GatewayTable中的每一条记录，首先其与节点i处于同一分簇，CID_c表示经过网关节点所到达的分簇ID号，为网关节点的ID号，

为网关节点与相应分簇CID_c中所有节点间接触概率的最大值，

为记录超时时间。

传统的MANET网络分簇算法要求在分簇的初始阶段具有全网拓扑保持静止的假设，然而在节点动态性较强的移动容迟网络中，这样的假设是不合理的，节点的移动使得网络的拓扑在很短的时间内就发生比较大的改变。因此，移动容迟网络中的分簇算法应该具有分布式、自启动、自维护的特点。另外，在这样的分簇算法中，不再引入簇首的概念，在传统的分簇算法中簇首起到了分簇内部协调者的作用。在移动容迟网络中，节点的计算和通信能力较为均匀，难以选出簇首，而节点的频繁移动也会使得簇首的重新选举过度频繁，这无疑增加分簇的额外消耗。在这个框架中，分簇算法分布式地在各个节点本地执行，按照事件触发的原则跳到特定的模块进行分簇的决策和信息更新。主要的事件包括“发生接触”事件、“周期更新分簇信息”事件、“记录超时”事件。

“发生接触”事件。当两个节点进入彼此的通信半径时，两节点就发生了接触。此时，两节点通过向对方发送Hello报文来交换信息。如果发现在本地的ContactTable中没有对方的记录，则在ContactTable中新建一条记录，如节点i和节点j发生接触，此时节点i在其ContactTable中新建一条记录，令 p_ij为初始化的接触概率，

根据实际应用需求设置。如果节点i的ContactTable中已有关于节点j的记录，则根据节点j的信息和接触概率计算规则来更新相应记录。与此同时，两者比较各自的ContactTable中的所有记录，对于指向同一个节点的记录，如果节点i的记录的超时时钟更新，那么节点j中的相应记录就按照节点i的记录来更新。如两节点的ContactTable中均有一条指向节点k的记录，如果

则令

但此时保持p_jk和INFO_jk不变。此时如果两个节点属于同一个分簇，即CID_i＝CID_j，则进行GatewayTable的更新或插入过程。对于节点i，假设其GatewayTable中有一条到分簇CID_m的网关记录，从节点j的ContactTable中检索出节点j到分簇CID_m的所有成员的最大值

如果则说明节点i以节点j作为网关到达分簇CID_m的可能性要大于经过原有网关到达分簇CID_m的可能性，此时令

并且重置

如果GatewayTable中没有到分簇CID_n的网关记录，如果

η_G为网关节点的簇间接触概率最小门限值，则令

并且设置

如果两个节点不属于同一个分簇，既CID_i≠CID_j，那么两个节点分别执行分簇判别规则来决定是否需要加入对方的分簇内。对于节点i而言，如果

p_ik＞η，说明节点i满足加入节点j所在分簇的先决条件，此时如果节点i原来所处的分簇的稳定性小于节点j所处的分簇，那么节点i就加入节点j所处的分簇，令CID_i＝CID_j，并把自身的GatewayTable置为空。分簇的稳定性用本地节点与该分簇中所有节点接触概率的最小值来度量，值越小说明分簇的稳定性越差，并认为只包含本地节点自身的孤立分簇的稳定性是最差的，即为0。如果

p_ik≤η，说明存在属于节点j所处的分簇中的某一节点与节点i之间的接触强度无法满足分簇规则，此时跳出模块的执行上下文。

“周期更新分簇信息”事件。在大规模的城市移动容迟网络中，由于节点频繁移动，使得节点间的接触强度会随着时间发生变化。因此，需要周期性地更新ContactTable和GatewayTable中的记录。当时钟周期超时时，执行以下步骤。节点根据INFO的最新信息通过计算公式来更新接触概率p(t)，然后进行分簇规则检测过程，如节点i，对于其ContactTable中

p_ik＞η，说明节点i仍满足分簇规则，此时节点i保持在原来所属的分簇中。由于ContactTable中记录的更新有可能导致节点i到其他分簇的网关节点改变，所以还要更新GatewayTable中的记录。假设节点i的GatewayTable中有一条到分簇CID_j的记录，当然CID_i≠CID_j，有

此时节点i检索ContactTable，找出到分簇CID_j的所有成员中接触概率的最大值，即

此时如果节点i一跳到达分簇CID_j的接触概率小于节点i经过网关节点两跳到达分簇CID_j的接触概率，即 $p{\left(t\right)}_{\max }^{i\&RightArrow;{\mathrm{CID}}_j}<p{\left(t\right)}_{\mathrm{ik}}\&times;p_i^{{\mathrm{CID}}_j},$ 那么对应的网关节点保持不变，否则置 ${\mathrm{GID}}_i^{{\mathrm{CID}}_j}=N/A,$ $p_i^{{\mathrm{CID}}_j}=0,$ $T_i^{{\mathrm{CID}}_j}=N/A,$ 让节点i自身便是到分簇CID_j的网关节点。如果节点i仍无法通过分簇规则检测过程，那么节点i就退出原来所属分簇，并建立一个只包含自身的新分簇，保持原有的ContactTable不变，置空GatewayTable。

“网关记录超时”事件。由于节点本身难以实时更新网关节点到其他分簇的接触概率，因此GatewayTable中记录的接触概率是假设在一段时间内不发生变化的，为了保证网关节点的有效性，记录通过字段

来标识记录的超时时间，当记录发生超时时，说明网关记录失效，此时直接从GatewayTable中删除相应记录即可。

在经历了初步的分簇以后，每一个节点本地都保存了足够多的分簇成员和网关节点信息，此时的路由不再像传统的移动容迟网络路由那样，在全网范围内只执行一套路由策略。分簇使得彼此之间接触可能性较大的节点被划分到同一个分簇内部，因此在簇内采用信息开销较小的一跳转发路由就可以获得不错的效果。而簇与簇之间的接触则更为随机，如果目的节点与源节点不在同一簇内，就必须跨越一个或多个分簇才能成功传输数据包。此时若把每一个分簇看作粒度更大的“节点”，然后采用基于洪泛的路由在“节点”间扩散数据包，只要一个分簇内的任意一个节点接收到数据包，就停止再在这个分簇内扩散。这样，在保证投递率的同时也进一步减少了全网的数据副本。

簇内路由。假如持有数据包的节点在其ContactTable中检索目的节点成功，并发现目的节点与其自身处于同一个分簇内部，此时应执行簇内路由过程。由于同一簇内的节点间接触概率较高，所以节点不再转发数据包，而是等待下一次与目的节点接触机会的出现，然后把数据包直接转发给目的节点。簇内的路由采用容迟网络中最简单的一跳转发机制，使得数据包在簇内的副本数控制为1。另一方面，一跳转发路由往往会增加数据包的传输时延，但较高的接触概率可以确保同一簇内的节点间传输时延不会过高。我们通过节点间的ICT分布函数来预测节点对的接触概率，易知一跳转发的传输时延实质就是ICT分布的期望时间长度。

簇间路由。如果目的节点与当前节点并不处于同一个簇内部，应执行簇间路由过程。此时分两种情况讨论。假设节点i需要转发目的节点为节点j的数据包，节点i在其ContactTable中检索出节点j对应的记录，但此时

则节点i进一步检索其GatewayTable，如果找到到分簇

的网关节点

则节点i执行簇内路由，把数据包转发给网关节点，网关节点节点

根据路由策略标记执行一跳的簇间选播路由，把数据包转发给分簇

的任意一个节点。假如节点i在其ContactTable中无法检测出节点j，或者虽然检测出节点j，但并且在其GatewayTable中无法找到到分簇

的网关记录。也就是说节点i无法从自身的角度出发得出到节点j的两跳内路径。此时采用基于洪泛的路由策略。节点i首先在数据包中标记路由策略，当其与任意节点k发生接触时，如果且从其自身的角度发现分簇中没有数据包的副本，则节点i复制数据包并把数据包副本转发给节点k，然后标记分簇

已收到数据包，此后节点i再与分簇

中的节点发生接触，不再转发数据包。

图5显示了大部分路由协议的消息投递率都随着缓存的增加而提高，这是由于缓存的增加能够缓解丢包的压力，同时网络中可以持有数据包的更多副本，增加了数据成功传输的概率。可以看出，本发明的投递率普遍高于传统的单策略路由，因为在这样一个大规模的实验场景中，本发明可以根据网络的变化自适应地把节点划分到不同的组内，同一组内的节点间接触概率较大，使得簇内路由可以保持较好的投递性能。另一方面，在进行簇间路由时，网络以单个分簇作为基本单位进行数据包的洪泛，这有利于控制网络中数据包的副本数量，也使得数据包更快地趋向于目的节点所在的分簇。而传统的单一策略路由协议仅仅在全网执行一套路由策略，无法适应大规模移动容迟网络应用，而且大部分协议都没有利用网络的先验知识和历史信息对节点的接触可能性做出预测，这使得数据包的转发带有很大的盲目性，进而制约了消息投递率的提升。

图6为信息开销随缓存大小变化的曲线图。这里的信息开销表示成功传输一个数据包网络所要产生的副本数平均值。副本数越少，说明网络的开销越小，协议的性能也越优。直接投递路由是一种单副本的路由协议，不会产生额外的副本数量，因此此处没有比较的价值。传染病路由要求节点一旦发生接触就会生成一个新的副本传给接触的另一方，如此盲目的洪泛导致其信息开销最大。而在本发明中，只有当本地节点遇到一个不属于同一分簇的节点，并且该分簇中不持有所要传输数据包的副本时，才会产生数据包的副本，因此可以有效地控制信息开销。另一方面，PRoPHET路由的信息开销约为分簇路由的两倍，这是因为这种路由协议在转发数据包时只做单跳接触概率的度量，因此产生副本并转发的可能性较大。总体而言，本发明的信息开销介于PRoPHET路由和直接投递路由之间，并远小于传染病路由，所以其在大规模移动容迟网络的应用场景中的路由性能是十分可观的。

图7显示了不同的网络规模下各种路由协议的投递率变化情况。随着节点数目的增加，单策略的路由协议的性能无法再提升。一般而言，随着节点密度的增大，网络中的接触机会也会随之增多，此时理应获得更高的消息投递率。然而当网络规模较大时，由于单策略的路由协议执行全网范围内的数据转发，这使得信息开销增大，最终制约了路由性能的提升。相反，本发明能够对网络规模的变化作出自适应的调整。当分簇的参数恒定时，随着网络中节点数目的增加，节点之间的接触机会也随之增加，使得网络中簇的数量可以维持在一个相对稳定的量级而不受网络规模扩大的影响，同时每一个分簇的大小（指分簇内部的节点数目）则会随之变大。从簇间路由上来看，由于簇的规模扩大了使得每个分簇总的储存能力也相应增长。如果把一个分簇看作是一个粒度更大的“节点”。在这种情况下，网络的“节点”数目变化不大，但“节点”的缓存能力变强了，对于本文中簇间路由算法所使用的传染病算法，这势必可以提高路由的传输性能。同时对于簇内路由而言，本文使用的直接投递的路由算法，由于簇内节点之间的接触概率并未下降，而保持稳定。两方面因素的共同作用，使得本发明在节点规模扩大的情况下路由性能依然能持续提高。

图8为信息开销随网络规模变大的增长情况。当网络中的节点比较稀疏时，各种协议的信息开销差异并不明显。但随着节点数目的增多，大部分单策略路由协议的信息开销递增得比较迅速（直接投递路由除外），而本发明的信息开销增长维持在一个比较平稳的状态。对这个现象的解释与上述分析类似。总体而言，本发明在大规模的移动容迟网络应用中有利于减少网络的信息开销，保证了路由的性能提升，因此具有优于传统移动容迟网络路由的可扩展性。

本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (2)

1.一种基于接触预测的大规模移动容迟网络分簇路由方法，其特征在于包含以下步骤：

步骤1)、分析城市出租车网络轨迹数据集的网络特征；根据城市出租车网络轨迹数据集对网络的接触间隔时间持续时长进行特性分析，确定接触间隔时间的概率分布形式，对网络的平均聚类系数进行分析，揭示网络中节点的分簇行为；在对网络特性进行分析的基础上，提出网络满足的三个假设，并推导出接触间隔时间概率分布的具体表达形式，对接触概率进行预测；

步骤2)、以节点间的接触概率作为分簇的标准，把未来一段时间内接触概率大于设定阈值的节点划分到同一个簇内部；每个节点根据本地发生的事件触发来更新本地保留的分簇信息表和网关信息表；当两个节点发生接触时更新彼此之间的接触概率，交换彼此的表信息，并进行所在分簇是否满足分簇标准的检查过程；并且每隔一定的周期更新相关表的接触概率信息，并判断是否要更换分簇；且在网关有效时间超时时重置分簇的网关节点或置网关节点失效；

步骤3)、网络中的节点可根据分簇的信息动态地选择路由策略；该网络的路由策略划分为簇内路由和簇间路由策略，当节点发现数据包的目的节点与本地节点属于同一个分簇时，节点将执行簇内路由算法，此时采用直接投递的策略，即节点遇到数据包的目的节点后才转发数据包，考虑到同一簇内的节点间接触概率较大，在未来的一段时间内两节点发生接触的可能性较高，进行直接投递在保证一定成功投递率的同时可以减少数据包的副本数量；当目的节点与本地节点不属于同一个分簇时，执行簇间路由算法，采用基于洪泛的路由策略，节点把数据包转发给网关节点，或者当该节点与不同分簇的节点接触时，如果这个分簇内部没有该数据包的副本，则同样想对方节点转发数据包，实现高效的消息传输机制。

2.一种基于接触预测的大规模移动容迟网络分簇路由系统，其特征在于包含以下模块：预测模块，用于分析城市出租车网络轨迹数据集的网络特征；根据城市出租车网络轨迹数据集对网络的接触间隔时间持续时长进行特性分析，确定接触间隔时间的概率分布形式，对网络的平均聚类系数进行分析，揭示网络中节点的分簇行为；其在对网络特性进行分析的基础上，提出网络满足的三个假设，并推导出接触间隔时间概率分布的具体表达形式，对接触概率进行预测；

分簇模块，以节点间的接触概率作为分簇的标准，把未来一段时间内接触概率大于设定阈值的节点划分到同一个簇内部；每个节点根据本地发生的事件触发来更新本地保留的分簇信息表和网关信息表；当两个节点发生接触时更新彼此之间的接触概率，交换彼此的表信息，并进行所在分簇是否满足分簇标准的检查过程；并且每隔一定的周期更新相关表的接触概率信息，并判断是否要更换分簇；且在网关有效时间超时时重置分簇的网关节点或置网关节点失效；

路由模块，用于网络中的节点可根据分簇的信息动态地选择路由策略；该网络的路由策略划分为簇内路由和簇间路由策略，当节点发现数据包的目的节点与本地节点属于同一个分簇时，节点将执行簇内路由算法，此时采用直接投递的策略，即节点遇到数据包的目的节点后才转发数据包，考虑到同一簇内的节点间接触概率较大，在未来的一段时间内两节点发生接触的可能性较高，进行直接投递在保证一定成功投递率的同时可以减少数据包的副本数量；当目的节点与本地节点不属于同一个分簇时，执行簇间路由算法，采用基于洪泛的路由策略，节点把数据包转发给网关节点，或者当该节点与不同分簇的节点接触时，如果这个分簇内部没有该数据包的副本，则同样想对方节点转发数据包，实现高效的消息传输机制。

Images