CN104378229B - 一种机会网络的链路预测方法 - Google Patents

一种机会网络的链路预测方法 Download PDF

Info

Publication number
CN104378229B
CN104378229B CN201410595581.8A CN201410595581A CN104378229B CN 104378229 B CN104378229 B CN 104378229B CN 201410595581 A CN201410595581 A CN 201410595581A CN 104378229 B CN104378229 B CN 104378229B
Authority
CN
China
Prior art keywords
node
opportunistic network
prediction
network
meet
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201410595581.8A
Other languages
English (en)
Other versions
CN104378229A (zh
Inventor
张三峰
李茵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201410595581.8A priority Critical patent/CN104378229B/zh
Publication of CN104378229A publication Critical patent/CN104378229A/zh
Application granted granted Critical
Publication of CN104378229B publication Critical patent/CN104378229B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Mobile Radio Communication Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种机会网络的链路预测方法，首先对所有可能的节点对进行分类，分成周期性相遇的节点对集合、频繁非周期性相遇的节点对集合以及非频繁相遇的节点对集合；然后在每个不同的节点对集合上使用不同的方法进行链路预测，使用周期模式挖掘的方法预测周期性相遇的节点对集合，使用J48决策树方法预测频繁非周期性相遇的节点对集合，使用复杂网络中的Adamic‑Adar算法预测非频繁相遇的节点对集合。通过上述方式，本发明解决了单一的链路预测方法适用范围受限的问题，能够提高机会网络链路预测的精度和召回率，从而提高机会网络的消息投递效率和容量。

Description

一种机会网络的链路预测方法
技术领域
本发明涉及网络技术领域，特别是涉及一种机会网络的链路预测方法。
背景技术
1、所属技术领域发展历程
机会网络是一种由移动自组织网络发展而来的新型网络架构，它能够在分割的网络条件下利用节点移动带来的相遇机会实现报文的逐跳转发，并最终投递到目的节点。相遇概念是指节点之间发生的一次联系：当节点进入彼此的通信范围之内（比如Wi-Fi或者蓝牙协议的点到点通信距离内）时，则建立链接，发生通信，当两者离开彼此通信范围时，则链路断开，停止通信。由于节点的移动性，机会网络中的相遇是机会性的，而非确定性的，不存在可靠的端到端通信路径。
如图1-图3所示，机会网络采用“存储-携带-转发”的工作模式进行多跳的消息投递，若当前节点没有遇到通往目标节点的下一跳节点时，就缓存消息，并随节点的移动寻找合适的转发机会。如图1中t1时刻，不存在源节点S到目的节点D的直接路径，节点S将消息转发给节点3，由其存储携带，到了图2中的t2时刻，消息又转发给了节点4，直到图3中的t3时刻，节点4和目的节点D运动到了同一连通区域，就将消息成功转发。
利用机会网络架构，可以不依赖基础设施或者仅需要少量的基础设施在偏远高速公路、城市交通、移动社交等场景下实现消息投递、内容分发、资源共享等功能。但它们的性能和用户体验很大程度上依赖于机会网络所能提供的网络传输服务。现有的机会网络仍存在一些问题：(1) 消息投递的成功率不高，超过生命期或者缓存溢出都会导致消息在投递过程中被丢弃，投递成功率一般在50%；(2) 消息投递延迟较高，由于网络动态性导致存储携带的盲目性较大，可能需要数小时或者数天才能成功投递消息；(3) 多个副本在网络中存储并转发，这必然会占用大量的存储并且导致高能量消耗；(4) 由于网络缺乏实时性，网络服务是否可达，服务等待时间也无法预知，显著降低了用户体验。
解决以上问题的关键在于把握单个节点、邻接节点以及整个网络拓扑的动态变化规律，通过预测的方法来缓解网络动态性带来的难题。
2、现有技术情况
机会网络中现有的预测方法可以分为基于上下文的、基于移动模型的和基于社会关系的预测。多数早期的机会网络路由方法都使用诸如历史相遇次数或者持续时间等指标作为转发效用，转发效用更高的节点优先被选作转发节点。这些方法过于简单而无法发现更有价值的相遇规律。基于移动模型的预测方法建模描述人类移动的时空属性，并据此预测消息转发的效用。大多数使用社会关系预测方法都需要从在线的社交网络应用中导入或者通过手工配置的方法得到社会关系属性，也有一些预测方法可以自动检测社会关系属性，然后利用这些社会关系属性作为消息转发的效用。现有的这些基于转发效用的链路预测方法都只能处理一部分的节点对之间的链路预测问题，对于相遇模式差异很大的整个机会网络来说，单一的链路预测方法难以实现整体的性能最优。
以东南大学校园内的Wi-Fi跟踪数据集为例，当两个节点同时关联到一个Wi-Fi接入点的时候，认为两个节点有一次相遇。统计结果显示，在所有可能的节点对之间，有相遇记录的节点对比例随着时间增加，最终经过一周的测量，有35%的节点对相遇过，而在相遇过的节点中，有22%的节点对呈现周期性规律，78%的节点对相遇记录没有周期性。显然对于周期性的节点对、非周期性的节点对以及未曾相遇过的节点对的未来相遇情况的预测是不同的问题，现有的单一的预测方法不能处理所有的预测问题，现有方法也没有探讨如何划分不同类型的节点对集合，以及在每个节点对集合上如何选择最优的预测方法。
发明内容
本发明主要解决的技术问题是：针对现有技术的不足，提供一种机会网络的链路预测方法，能够提高机会网络链路预测的精度和召回率，从而提高机会网络的消息投递效率和容量。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种机会网络的链路预测方法，包括以下步骤：
（100）时间片划分：将节点集合上发生的相遇记录按照长度划分成一系列等长的时间片，每个时间片上根据相遇记录得到一个矩阵；
（200）预处理：中心服务器通过移动通信网络连接获取机会网络中所有节点之间的相遇记录，然后使用周期模式挖掘方法在相遇记录集合中筛选出周期性相遇的节点对集合，最后对剩下的节点对集合基于相遇频率阈值进行分类，分成频繁非周期性相遇的节点对集合与非频繁相遇的节点对集合；
（300）在线预测：分别使用周期模式挖掘的方法预测周期性相遇的节点对集合，使用决策树方法预测频繁非周期性相遇的节点对集合，使用复杂网络的方法预测非频繁相遇的节点对集合。
在本发明一个较佳实施例中，所述步骤（300）中的决策树方法为J48决策树方法。
在本发明一个较佳实施例中，所述步骤（300）中的复杂网络的方法为Adamic-Adar算法。
在本发明一个较佳实施例中，所述步骤（300）中的周期模式挖掘的方法包括：
（a）设Pij表示节点对(i , j) ，Sp(Pij)表示节点对Pij在时间片序列上周期相遇的时间片集合，即：
且 (1)
其中，p表示周期长度；
（b）设n 表示Sp(Pij)中周期重复的次数，即：
(2)
（c）然后tend+p就是下一个周期点，S(Pij)上周期重复次数称为预测tend+p的周期支持度，一个节点对上可能有多个不同周期长度的周期模式，如果存在一个周期模式S(Pij)使得tend+p对应到带预测时间片tx+1, 就预测会相遇，否则预测不相遇。
本发明的有益效果是：通过对所有可能的节点对进行分类，并在每个不同的节点对集合上使用不同的方法进行链路预测，可以处理机会网络中周期性、频繁非周期性、非频繁相遇等多种相遇模式的节点对，解决了单一的链路预测方法适用范围受限的问题；不仅提高了机会网络链路预测的精度（即在给定时间段上预测相遇的节点对中实际也相遇的比例），也提高了链路预测的召回率（即在给定时间段上全网内实际相遇的节点对中被预测到的比例）；较高的链路预测精度对应更高的机会网络消息投递效率（因为只有预测对的节点对上的消息投递才是有效的）；较高的召回率对应机会网络消息投递容量（因为只有被预测到的节点对才被赋予消息投递任务）。因此，本发明可以提高机会网络的消息投递效率和容量。
附图说明
图1是现有技术中机会网络t1时刻的消息存储图；
图2是现有技术中机会网络t2时刻的消息携带图；
图3是现有技术中机会网络t3时刻的消息转发图；
图4是本发明一种机会网络的链路预测方法一较佳实施例的框架图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
请参阅图4，本发明实施例包括：
一种机会网络的链路预测方法，包括以下步骤：
（100）时间片划分
首先用N表示节点集合，节点集合上发生的相遇记录按照长度T划分成一系列等长的时间片。每个时间片上根据相遇记录得到一个N × N的矩阵Et：如果在时间段[t, t +T]上节点i和j有超过一次的相遇，则矩阵元素Etij=1。链路预测就是根据时间片矩阵系列(Et0, Et1… Eti)预测Eti+1；
（200）预处理
中心服务器通过移动通信网络连接获取机会网络中所有节点之间的相遇记录，然后使用周期模式挖掘方法在相遇记录集合中筛选出周期性相遇的节点对集合，最后对剩下的节点对集合基于相遇频率阈值进行分类，分成频繁非周期性相遇的节点对集合与非频繁相遇的节点对集合；
（300）在线预测
分别使用周期模式挖掘的方法预测周期性相遇的节点对集合，使用现有的J48决策树方法预测频繁非周期性相遇的节点对集合，使用复杂网络中现有的Adamic-Adar算法预测非频繁相遇的节点对集合。
其中，周期模式挖掘的方法包括：
（a）设Pij表示节点对(i , j) ，Sp(Pij)表示节点对Pij在时间片序列上周期相遇的时间片集合，即：
且 (1)
其中，p表示周期长度；
（b）设n 表示Sp(Pij)中周期重复的次数，即：
(2)
（c）然后tend+p就是下一个周期点，S(Pij)上周期重复次数称为预测tend+p的周期支持度，一个节点对上可能有多个不同周期长度的周期模式；如果存在一个周期模式S(Pij)使得tend+p对应到带预测时间片tx+1, 就预测会相遇，否则预测不相遇。
本发明揭示了一种机会网络的链路预测方法，通过对所有可能的节点对进行分类，并在每个不同的节点对集合上使用不同的方法进行链路预测，可以处理机会网络中周期性、频繁非周期性、非频繁相遇等多种相遇模式的节点对，解决了单一的链路预测方法适用范围受限的问题；不仅提高了机会网络链路预测的精度，也提高了链路预测的召回率；较高的链路预测精度对应更高的机会网络消息投递效率，较高的召回率对应机会网络消息投递容量。因此，本发明可以提高机会网络的消息投递效率和容量。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (4)

1.一种机会网络的链路预测方法，其特征在于，包括以下步骤：
（100）时间片划分：将节点集合上发生的相遇记录按照长度划分成一系列等长的时间片，每个时间片上根据相遇记录得到一个矩阵；
（200）预处理：中心服务器通过移动通信网络连接获取机会网络中所有节点之间的相遇记录，然后使用周期模式挖掘方法在相遇记录集合中筛选出周期性相遇的节点对集合，最后对剩下的节点对集合基于相遇频率阈值进行分类，分成频繁非周期性相遇的节点对集合与非频繁相遇的节点对集合；
（300）在线预测：分别使用周期模式挖掘的方法预测周期性相遇的节点对集合，使用决策树方法预测频繁非周期性相遇的节点对集合，使用复杂网络的方法预测非频繁相遇的节点对集合。
2. 根据权利要求1 所述的一种机会网络的链路预测方法，其特征在于，所述步骤（300）中的决策树方法为J48 决策树方法。
3.根据权利要求1 所述的一种机会网络的链路预测方法，其特征在于，所述步骤（300）中的复杂网络的方法为Adamic-Adar 算法。
4. 根据权利要求1 所述的一种机会网络的链路预测方法，其特征在于，所述步骤（300）中的周期模式挖掘的方法包括：
（a）设Pij 表示节点对(i , j) ，Sp(Pij) 表示节点对Pij 在时间片序列上周期相遇的时间片集合，即：
且 (1)
其中，p 表示周期长度，i和j表示节点，ti表示预测的时间片，而则表示在ti时间片上节点i和j的矩阵元素；另外，这里的ti和Pij中的i表示的是相同节点i；
（b）设n 表示Sp(Pij) 中周期重复的次数，即：
(2)
（c）然后tend+p 就是下一个周期点，S(Pij) 上周期重复次数称为预测tend+p 的周期支持度，一个节点对上可能有多个不同周期长度的周期模式，如果存在一个周期模式S(Pij) 使得tend+p 对应到带预测时间片tx+1, 就预测会相遇，否则预测不相遇。
CN201410595581.8A 2014-10-30 2014-10-30 一种机会网络的链路预测方法 Expired - Fee Related CN104378229B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410595581.8A CN104378229B (zh) 2014-10-30 2014-10-30 一种机会网络的链路预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410595581.8A CN104378229B (zh) 2014-10-30 2014-10-30 一种机会网络的链路预测方法

Publications (2)

Publication Number Publication Date
CN104378229A CN104378229A (zh) 2015-02-25
CN104378229B true CN104378229B (zh) 2017-12-15

Family

ID=52556907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410595581.8A Expired - Fee Related CN104378229B (zh) 2014-10-30 2014-10-30 一种机会网络的链路预测方法

Country Status (1)

Country Link
CN (1) CN104378229B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105162654B (zh) * 2015-08-25 2018-07-06 浙江工业大学 一种基于局部社团信息的链路预测方法
WO2017120797A1 (zh) * 2016-01-13 2017-07-20 华为技术有限公司 消息转发方法及装置
CN105704651B (zh) * 2016-01-22 2019-02-26 南京邮电大学 一种无线自组织代理捎带网络soap消息传递方法
CN107318117A (zh) * 2017-06-12 2017-11-03 三峡大学 一种占空比机会移动网络中基于预期的接触值的自适应工作方法
CN108664009B (zh) * 2017-08-03 2021-05-25 湖州师范学院 基于相关分析的阶段划分和故障检测方法
CN108923983B (zh) * 2018-07-13 2021-01-12 南昌航空大学 机会网络链路的预测方法、装置及可读存储介质
CN108601047B (zh) * 2018-08-02 2021-07-16 南昌航空大学 机会网络关键节点的测量方法
CN109347697B (zh) * 2018-10-10 2019-12-03 南昌航空大学 机会网络链路预测方法、装置及可读存储介质
CN110289980A (zh) * 2019-05-13 2019-09-27 南昌航空大学 采用学习自动机预测口袋交换网络链路的方法及系统
CN112738862B (zh) * 2020-12-28 2022-09-23 河南师范大学 一种机会网络中的数据转发方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102984779A (zh) * 2012-12-13 2013-03-20 北京理工大学 一种基于多重社会属性转发的延迟容忍网络路由方法
CN103179630A (zh) * 2013-03-29 2013-06-26 西北工业大学 一种机会网络下的数据传输方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060047775A1 (en) * 2004-08-27 2006-03-02 Timo Bruck Method and apparatus for downloading content

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102984779A (zh) * 2012-12-13 2013-03-20 北京理工大学 一种基于多重社会属性转发的延迟容忍网络路由方法
CN103179630A (zh) * 2013-03-29 2013-06-26 西北工业大学 一种机会网络下的数据传输方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种面向机会网络路由的最优停止决策方法;张三峰，黄迪等;《软件学报》;20131101;全文 *

Also Published As

Publication number Publication date
CN104378229A (zh) 2015-02-25

Similar Documents

Publication Publication Date Title
CN104378229B (zh) 一种机会网络的链路预测方法
CN104579964B (zh) 一种量子密码网络动态路由架构系统
Mongiovi et al. Efficient multicasting for delay tolerant networks using graph indexing
CN106789408B (zh) 一种ipran网络接入层设备成环率计算方法
Park The Internet as a Complex System.
CN104376005B (zh) 软件心跳机制信令接入探针用户详单处理方法及系统
CN108540204A (zh) 用于卫星网络拓扑生成的快速收敛蚁群算法
CN108965141A (zh) 一种多路径路由树的计算方法及装置
CN103259744A (zh) 一种基于分簇的移动虚拟网络映射方法
CN110351286A (zh) 一种软件定义网络中链路洪泛攻击检测响应机制
CN103781146A (zh) 基于蚁群算法的无线传感器网络最优路由路径构建方法
CN102196527A (zh) 一种移动Sink无线传感器网络的路由恢复方法及其恢复协议
Ali et al. Comparative analysis of selected routing protocols for wlan based wireless sensor networks (wsns)
CN101753462A (zh) 多下一跳路由的实现方法及装置
CN102595546B (zh) 基于事件驱动的无线传感器执行器网络数据收集分簇方法
CN106330536A (zh) 一种wmSDN的网络状态信息的采集方法
Krishnan et al. An energy efficient routing protocol based on SMO optimization in WSN
Banerjee et al. Modified Ant Colony Optimization (ACO) based routing protocol for MANET
Poojary et al. Ant colony optimization routing to mobile ad hoc networks in urban environments
CN111800339A (zh) 混合sdn场景下带有路径数目约束的路由优化方法
CN110289980A (zh) 采用学习自动机预测口袋交换网络链路的方法及系统
CN109788567A (zh) 考虑链路重传的工业无线网络确定性调度方法
van Beijnum et al. QoC-based optimization of end-to-end M-health data delivery services
CN107526808A (zh) 实时数据处理方法及装置
CN109218180A (zh) 基于区域网络的组播控制方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20171215

Termination date: 20181030