CN104661275B - 一种机会网络中数据传输方法 - Google Patents
一种机会网络中数据传输方法 Download PDFInfo
- Publication number
- CN104661275B CN104661275B CN201410768894.9A CN201410768894A CN104661275B CN 104661275 B CN104661275 B CN 104661275B CN 201410768894 A CN201410768894 A CN 201410768894A CN 104661275 B CN104661275 B CN 104661275B
- Authority
- CN
- China
- Prior art keywords
- node
- data
- nodes
- base station
- response
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/026—Route selection considering the moving speed of individual devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Abstract
本发明公开了一种机会网络中数据传输方法，本发明在机会网络中添加基站用来对数据信息进行采集、处理和分析，设计基于地理位置、运动特征和信誉值的源节点推荐策略，对发出资源请求的数据需求节点通过信誉反馈动态调节其所享受的资源数量，并提出根据文件相似度更新节点信誉值，一方面减缓边缘节点信誉值的衰减速度；另一方面，对社区活跃节点提出更高的配合要求，本发明的方法有效提高资源利用率和传输效率，降低延时和资源消耗的前提下，大大提高了传输的效率和成功率。
Description
技术领域
本发明涉及机会网络传输技术领域，更具体涉及一种机会网络中数据传输方法。
背景技术
随着智能终端的普及以及随之而来的移动数据业务的迅猛增长，预期至2015年将有71亿台移动设备，会在2010～2015年期间将集中式移动网络的数据业务量增至26倍。在城市商业中心、校园社区、车站等移动终端稠密区域，移动用户的需求常引起大量蜂窝数据业务，所需数据量会超过蜂窝网络的承载能力，使基站负载严重，从而降低网络质量，部分时段更是导致请求业务无法响应的问题。为了减轻基站负载，提高移动数据业务服务质量，有必要采用合理有效的分流措施。此外，即使基站本身可以满足数据业务请求，但考虑到终端用户自身的主观选择，某些业务并不考虑使用移动运营商提供的服务，这个时候也可以另辟其他数据传输方式。
机会网络(opportunity network)的概念来源于延迟容忍网络Delay TolerantNetwork(DTN)。它不需要源节点和目的节点之间存在完整路径，利用节点移动带来的相遇机会实现网络通信的、时延和分裂可容忍的自组织网络。机会网络不同于传统多跳网络，它的节点不是被统一部署的，网络规模和节点初始位置未进行预先设置，源节点和目的节点之间的路径事先不能确定。机会网络利用节点移动形成的通信机会逐跳传输信息，以“存储—携带—转发”的路由模式实现节点间通信。机会网络的典型应用场景主要为无法建立全连通网络的环境，如星际网络通信、偏远地区网络传输、便携设备组网、车载通信网、野生动物追踪、军用自组织网络等。同时，随着物联网的广泛兴起，某些场景下需要非全连通网络能够提供成本较低、部署快捷的通信服务。
然而，机会网络是一种资源高度受限的网络，并且由于节点运动的无规则性、分布不均匀性、节点本地资源受限导致通信关闭等诸多原因，导致网络大多时候可能不存在端到端链接以及资源稀缺的特征，使传统的路由算法无法适用。网络中的节点自私性和恶意节点的存在对网络数据传输的激励机制提出了迫切需求。
蜂窝网络中，为减轻基站负载，国内外相关人士做了一些研究，解决方案大致分为三类：一类是借助wifi热点，但考虑到现实情况，移动用户接触wifi热点的概率并不高，所以这类方案有一定的局限性；另一类方案是通过激励策略，延长用户等待时间，此类方案没有实质性的解决基站负载过重问题，不能满足移动用户日益增长的数据业务需求；最后一类是利用机会网络，但是没有利用基站的集中管理能力，并且由于连接的不确定性导致数据的传输成功率很低。
另外，在传统的机会网络路由协议中，对于节点的判决往往单一化，即机会网络中所有的节点的地位都是对等的。然而在现实场景中，社区内节点的移动规律不尽相同，有些节点在时间和空间的相对稳定，而有些节点则具有很强的移动性，且移动范围大，无法直观获得潜在的移动规律。目前国内外研究主要集中在提高DTN网络传输成功率。但现有的机会网络路由协议各自有比较大的局限。例如：洪泛路由对资源的消耗极大(包括内存占用和带宽使用等)，在数据转发中也存在着很大的随机性与不确定性；基于相遇概率预测的路由(如PROPHET协议)虽然减少了了数据转发当中的盲目性，但当节点由于移动速度慢和移动范围有局部性时将会导致网络“慢启动”，造成了数据包传输的巨大延时；基于编码改进的路由虽然在链路频繁断裂的情况下提高了数据成功发送率，但是对节点的运算处理能力要求较高，这样也会消耗大量的系统资源；基于社区结构的层次化路由协议虽然提高了网络的可扩展性和效率，但同时也增加了网络的管理开销，同时对于簇管理节点的要求也远远大于普通节点的要求，增加了实现的困难和局限性。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是如何在保证资源消耗小、延时小的前提下，提高机会网络中数据传输的成功率。
(二)技术方案
为了解决上述技术问题，本发明提供了一种机会网络中数据传输方法，其特征在于，包括以下步骤：
S1、有数据需求的节点为数据需求节点，所述数据需求节点发送订阅请求给基站；
S2、所述基站提取所述订阅请求的兴趣属性，并根据所述兴趣属性生成检索编号；
S3、所述基站根据所述检索编号查询得到匹配的数据节点，并向所述数据节点发送征求通知；
S4、所述数据节点收到所述征求通知，若同意发送数据给所述需求节点，则为响应节点，并发送资源响应给所述基站；
S5、所述基站结合所述响应节点的运动信息和所述响应节点的信誉值选定数据源节点；
S6、所述数据源节点将数据传输给所述数据需求节点。
优选地，所述订阅请求还包括数据需求节点编号、所述订阅请求的产生时间、所述订阅请求的有效时长以及所述订阅请求的重复发送次数；
所述征求通知包括所述数据需求节点编号、所述检索编号、所述征求通知的产生时间、所述征求通知的有效时长以及所述征求通知的重复发送次数；
所述资源响应包括所述响应节点的编号、所述检索编号、所述资源响应的产生时间以及所述资源响应的有效时长。
优选地，所述兴趣属性包括文件名、关键词以及作者；
所述检索编号为所述基站利用哈希函数，结合所述兴趣属性计算的得到。
优选地，所述基站收集节点的地理位置信息、节点数据信息以及节点相遇信息；
所述地理位置信息包括节点的地理位置、节点的运动方向以及节点的运动速度；
所述节点数据信息包括检索编号、数据大小、存储数据的节点编号、访问频次以及节点所述小区编号；
所述节点相遇信息包括与其相遇的节点的编号、相遇的位置、相遇持续时间以及与相遇节点交换的数据的检索编号。
优选地，所述步骤S5中选定数据源节点的具体步骤为：
S51、连接所述响应节点与所述数据需求节点，形成的连线与所述响应节点的运动速度的夹角α，所述连线与所述数据需求节点的运动速度的夹角为β；
S52、若所述夹角α与夹角β的和大于或等于90度，则抛弃所述响应节点；否则计算所述响应节点与所述数据需求节点之间的相向运动速率，公式为：
vSiD＝vS×cosα+vD×cosβ
其中，vSiD表示所述相向运动速率，vs表示所述响应节点的运动速度；vD表示所述数据需求节点的运动速度；
S53、计算所述响应节点的推荐值，公式为：
其中，表示所述推荐值；Rcell表示小区半径，表示小区历史统计的节点运动平均速度，表示响应节点Si的当前信誉值，λ1，λ2，λ3均表示比例系数；
S54、所述基站将所述响应节点按照所述推荐值进行从大到小排序，取前M个所述响应节点作为所述数据源节点。
优选地，所述步骤S54中，数值M根据下面公式求得：
其中，m0表示所述基站所属的小区中数值M的初始值；mmax表示所述基站所属的小区中数值M的最大值；Rnote表示数据需求节点的信誉值。
优选地，节点的所述信誉值按照下面方式进行更新：
所述节点与其他节点相遇，其信誉值按照下面公式更新，
其中，Rnew表示节点更新后的信誉值；Rold表示节点更新前的信誉值；γ表示调节系数，可根据具体的网络特征进行设定；S表示相遇两个节点的相似度；K表示衰减指数；公式(1)表示所述节点将数据转发给与其相遇的节点；公式(2)表示所述节点拒绝将数据转发给与其相遇的节点；
所述节点未于其他节点相遇、与所述节点相遇的节点不能作为中继节点或与所述节点相遇的节点拒绝转发数据给所述节点，则所述节点的信誉值按照下面公式更新：
Rold＝Rnew×μk
其中，μ表示衰减因子；所述节点为包括所述数据需求节点、数据节点、响应节点以及数据源节点在内的对应小区内的所有节点。
优选地，所述相似度按照下面公式求得：
s(ni,nj)＝sfn(ni,nj)×w1+sfl(ni,nj)×w2+sft(ni,nj)×w3
其中ni、nj表示两个节点；S(ni，nj)表示两个节点的相似度；Sfn表示两个节点的文件名特征相似度；Sfl表示两个节点的文件长度特征相似度；Sft表示两个节点的文件类型特征相似度；w1、w2、w3和分别表示文件名特征、文件长度特征、文件类型特征相似度的权重；所述节点为包括所述数据需求节点、数据节点、响应节点以及数据源节点在内的对应小区内的所有节点。
优选地，所述数据源节点的个数为零时，所述基站向其邻居基站发送改进订阅请求，所述邻居基站提取所述改进订阅请求的兴趣属性，并根据所述兴趣属性查找数据源节点。
优选地，所述方法还包括所述数据需求节点取消数据请求，具体方法包括以下步骤：
S71、所述数据需求节点发送取消订阅请求给所述基站；
S72、所述基站提取所述取消订阅请求中的检索编号，并根据所述检索编号查找所述数据源节点；
S73、所述基站向所述数据源节点发送信息，禁止所述数据源节点向所述数据需求节点发送数据。
(三)有益效果
本发明提供了一种机会网络中数据传输方法，在机会网络中增加基站，用来采集数据和对节点进行管理，通过引入信誉值，动态调节数据源节点数量，可激励所有索取资源的数据需求节点参与数据分享和机会传输，遏制自私节点和恶意节点，可以从源头提高机会相遇概率，提高传输成功率；同时加入对信誉值的考量，防止发动低信誉值节点导致目的节点空等引起的传输迟延，加入基站进行管理，降低了资源消耗；
另外，本发明根据由基于文件相似度所反映的社区性更新节点信誉值，一方面减缓边缘节点信誉值的衰减速度；另一方面，对社区活跃节点提出更高的配合要求，兼顾了公平与效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种机会网络中数据传输方法的流程图；
图2A、2B为数据包在机会网络中传输过程示意图；
图3为本发明中选定数据源节点的示意图；
图4为数据包传输过程示意图；
图5为相遇节点数据传输示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细描述。以下实施例用于说明本发明，但不能用来限制本发明的范围。
本发明公开了一种机会网络中数据传输方法，如图1所示，包括以下步骤：
S1、数据需求节点发送订阅请求给基站；
S2、所述基站提取所述订阅请求的兴趣属性，并根据所述兴趣属性生成检索编号；
S3、所述基站根据所述检索编号查询得到对应的数据节点，并向所述数据节点发送征求通知；
S4、所述数据节点收到所述征求通知，若同意发送数据给所述需求节点，则为响应节点，并发送资源响应给所述基站；
S5、所述基站结合所述响应节点的运动信息和所述响应节点的信誉值选定数据源节点；
S6、所述数据源节点将数据传输给所述数据需求节点。
在机会网络中增加基站，用来采集数据和对节点进行管理，通过引入信誉值，动态调节数据源节点数量，可激励所有索取资源的数据需求节点参与数据分享和机会传输，遏制自私节点和恶意节点，可以从源头提高机会相遇概率；同时加入对信誉值的考量，防止发动低信誉值节点导致目的节点空等引起的传输迟延。
本发明所研究的网络是基于DTN的集中式系统—BDTN，与传统机会网络集中式模型不同，该发明由公网基站作为集中管理单元，负责网络数据的收集、汇总、分析、公平性维护等工作。图2A、图2B展示了数据包在BDTN中传输的过程。
对于一个小区，机会网络BDTN管理架构中，当节点进入一个新小区的时候，节点主动向基站上报自己的信息，并请求Reputation Manager(信誉管理模块RM)进行注册。此时基站需要进行调研分析工作，与其他基站的RM合作，分享该节点的Reputation信息。当该小区基站的获得充足的第三方信息后，完成该节点初始Reputation值的设定。
节点注册工作完成后，就可以参与数据传输。小区内的自由节点经过一段时间的接触，每对节点相遇后都需要向基站报告相遇情况，由小区内基站的RouteManager(路由管理模块RM)管理机会路由数据，其内部维护这一个有大量机会相遇数据构成的路由表，每次数据请求节点向基站发送请求信息，由基站的DataManager(数据管理模块DM)管理对应请求，查询本地数据记录信息或者广播数据请求，在获取大量响应节点后，DN将这些节点信息传送给RM，RM根据候选策略确定对应源节点。
上述步骤S2中，基站将订阅请求加入任务队列，其处理单元取出队列头部的订阅信息进行处理。
具体实施方法：
数据收集
本方案将蜂窝小区基站作为机会网络的核心管理单元，统一管理全网内节点的机会传输。基站负责收集网络的链路信息，其中就包括点的地理位置信息、节点数据信息以及节点相遇信息等。数据的收集对于基站来说是被动的，节点在移动过程中会周期性向基站上传节点移动信息，节点之间相遇的时候会向基站主动上传相遇信息。
1)节点的地理位置信息
节点地理位置信息反映了节点的运动轨迹和群聚特，所述地理位置信息包括节点的地理位置、节点的运动方向以及节点的运动速度，如下表。
表1节点的地理位置信息
| 对象 | 单位 |
| 节点的地理位置L | 经度&纬度 |
| 节点的运动方向Dirc | 度 |
| 节点的运动速度V | 米/秒 |
该信息是由节点按照一定的时间间隔主动上报，该时间间隔与节点的移动速度有关，即节点移动速度越快，节点的移动性越强，位置信息的上传必须越及时，这样才能体现节点的运动轨迹，所以节点上传位置信息的频率与节点的运动速度呈反比。
假设节点上传节点地理位置信息的频率为fr，节点的运动速率为v，则两者的关系如下：(k为比例系数)
fr＝k/v
2)节点数据信息
节点还应上报节点本地存储的数据信息，这部分信息的上报是由节点在获取相关数据并将数据储存在本地后，节点主动上报给基站的。当节点删除了相关数据后，节点也要主动上报基站，告知基站节点本地信息已经删除。由于现有网络以蜂窝小区进行划分，所以利用每个小区的基站负责保存数据字典。节点需要用Hash函数负责本地数据文件key生成。上传一次key值(ObjectID)，相关数据表就完成了一次资源的发布过程。本地数据信息的上报过程中，每一个数据文件使用哈希函数KHash函数得出唯一的文件标示ObjectID(检索编号)，KHash可以利用文件的名称，文件作者，关键字等信息来进行文件标示的计算，如下公式:
ObjectID＝Khash(fname,kword,author...)
所述节点数据信息包括检索编号、数据大小、存储数据的节点编号、访问频次以及节点所属小区编号；
基站按照数据资源标示(索引编号)、数据大小、存储数据的节点编号、访问频次、节点所属小区编号等数据来存储数据资源索引，如下表，其中本节点所属小区编号用于判断该资源是否属于本小区。表2中，收到征文通知，但是未响应的节点进行删除。
表2数据资源索引表INCDI
同时，在移动终端中应按照ObjectID，数据大小，本地路径，分享频次来存储本地允许公开的网络数据，如表3所示。
表3移动终端本地数据索引表
| ObjectID | 数据大小 | 本地路径 | 分享频次 |
3)节点相遇信息
除了节点的地理位置信息﹑节点的数据信息外，节点的相遇信息也是体现节点活跃度和社会属性的重要体现。节点相遇信息还是是基站制定路由决策，设置节点信誉的重要依据。充分而详细的相遇信息可以帮助基站制定合理的路由，保证数据沿着合理的路径传输，提高数据包的交付率，尽最大努力减少数据交付时延。
所述节点相遇信息包括与其相遇的节点的编号、相遇的位置、相遇持续时间以及与相遇节点交换的数据的检索编号，如表4所示
节点相遇信息是在节点相遇和节点分离的时候由节点主动上传到基站的，因为两个节点相遇的时候都会传输数据，相遇数据是成对出现的。一次节点相遇，两个相遇的节点会向基站上传相遇数据，两组相遇数据是相关联的。
表4节点的相遇信息
| 对象 | 单位 |
| 相遇的节点的编号 | 节点描述符 |
| 相遇的位置 | 经度&纬度 |
| 相遇持续时间 | 时分秒 |
| 交换的数据的检索编号 |
订阅请求
订阅请求(数据请求)由数据需求节点(在传输过程中为目的节点)发起，向基站上传。由于节点的兴趣数据指的是节点所感兴趣的数据信息。而这些数据并不存在于节点本地。当节点的使用者对某些数据感兴趣时，节点只是将感兴趣的信息进行主观描述或者通过应用进行搜索，然后上传给基站。
本方案中节点通过订阅请求向基站请求数据，订阅请求(Subscribe Request，SR)SR由一个四元组构成：
SR＝<NodeID，Interest，CreateTime，LifeTime，Times>
其中，NodeID是数据需求节点编号；Interest是兴趣属性；CreateTime是所述订阅请求的产生时间；LifeTime是所述订阅请求的有效时长；Times是所述订阅请求的重复发送次数。NodelD和CreateTime可以唯一标示一个订阅请求。
资源定位
本发明的方案采用基站集中控制方式，基站在完成一定阶段的数据收集工作后，对本小区的移动节点分布和数据资源分布有了较清晰的认识。根据以上数据，基站可以轻松的完成资源定位工作。具体如下。
1、资源检索
由于根据用户的自定义描述无法对兴趣数据进行准确的定义，基站在收到目的节点(数据需求节点)的订阅信息后，需提取兴趣属性Interest(如fname,kwork,author...)并对其进行加工处理。基站通过查询数据库等方式对兴趣数据命名。然后通过KHash哈希函数映射出数据key值ObjectID。根据ObjectID检索存储在基站的蜂窝小区内节点数据资源索引表INCDI。将请求信息ObjectID值与自身持有数据资源ObjectID值列表进行比较。检索包含ObjectID对应的数据节点。
2、征求通知
基站在索引表INCDI内检索到具有订阅数据的数据节点后，基站会向这些节点发送征求通知。征求通知(Solicit Notice，SN)SN由一个四元组构成：
SR＝<NodelD，ObjectID，CreateTime，LifeTime，Times>
其中，NodeID是数据需求节点编号；ObjectID是所需传输的文件标示(所述检索编号)；CreateTime是所述征求通知的产生时间；LifeTime是所述征求通知的有效时长；Times是所述征求通知的重复发送次数。NodelD和CreateTime可以唯一标示一个征求通知。
征求通知会告知这些节点网内有节点对标示为ObjectID的数据资源感兴趣，征求这些节点作为源节点为目的节点(数据需求节点)发送数据包。若这些节点中有节点同意发送数据包，那么同意的节点作为响应节点，需要向基站发送资源响应。资源响应(ResourseResponse，RR)RR是发布者节点(响应节点)在接收到征求通知后向基站发出的响应事件。它由一个四元组构成：
RR＝<NodeID，ObjectID，CreateTime，LifeTime>
其中，NodelD是响应节点的编号；ObjectID是所述检索编号；CreateTime是所述资源响应的产生时间；LifeTime是所述资源响应的有效时长；其中，NodelD和CreateTime可以唯一标示一个资源响应事件。
3、数据源节点的推荐策略
由于并不是所有响应节点都适合作为某个特定目的节点的数据源节点，因此根据响应节点的特点和其与目的节点的相应关系，设计源节点的推荐策略，即根据已收集到的节点地理位置，运动方向，运动速度V，设计基于地理位置预测信息和节点信誉值的源节点推荐策略。
如图3，建立响应节点Si和目的节点D之间的连线,计算与之间的夹角α，与之间的夹角β，两节点之间距离
若所述夹角α与夹角β的和大于或等于90度，则抛弃所述响应节点；否则计算所述响应节点与所述数据需求节点之间的相向运动速率，公式为
vSiD＝vS×cosα+vD×cosβ
其中，vSiD表示所述相向运动速率，vs表示所述响应节点的运动速度；vD表示所述数据需求节点的运动速度；
然后计算候选节点的推荐值
其中，表示所述推荐值；Rcell表示小区半径，表示小区历史统计的节点运动平均速度，表示响应节点Si的当前信誉值，λ1，λ2，λ3均表示比例系数。根据公式，响应节点Si距离目的节点D越近、相向运动相对速度越高、Si的信誉值越高，Si的推荐值就越高，越容易被选为源节点。
基站对所有响应节点根据推荐值从大到小排序，优选前M(响应节点窗口值)个节点作为数据源节点。
综上所述，所述步骤S5中选定数据源节点的具体步骤为：
S51、连接所述响应节点与所述数据需求节点，形成的连线与所述响应节点的运动速度的夹角α，所述连线与所述数据需求节点的运动速度的夹角为β；
S52、若所述夹角α与夹角β的和大于或等于90度，则抛弃所述响应节点；否则计算所述响应节点与所述数据需求节点之间的相向运动速率，公式为：
vSiD＝vS×cosα+vD×cosβ
其中，vSiD表示所述相向运动速率，vs表示所述响应节点的运动速度；vD表示所述数据需求节点的运动速度；
S53、计算所述响应节点的推荐值，公式为：
其中，表示所述推荐值；Rcell表示小区半径，表示小区历史统计的节点运动平均速度，表示响应节点Si的当前信誉值，λ1，λ2，λ3均表示比例系数；
S54、所述基站将所述响应节点按照所述推荐值进行从大到小排序，取前M个所述响应节点作为所述数据源节点。
4、数据源节点窗口值。遵循公平与效率的原则，本方案将根据不同的信誉值动态调节数据源节点的窗口值M。所谓窗口值就是按照规则每次提供数据源节点的数目。基站所发动的源节点越多，目的节点通过相遇机会获得数据资源的概率越大。
其中，m0表示所述基站所属的小区中数值M的初始值，用以防止新进入小区的低信誉节点得不到窗口值而无法享受服务；μ为调节因子；mmax表示所述基站所属的小区中数值M的最大值，其值根据小区容量和业务能力进行调节，防止发动过多源节点造成资源浪费和链路阻塞；Rnote表示数据需求节点的信誉值。
基站将根据窗口值M，选取候选节点中推荐值最高的前M个节点(若不够M个，则取包含资源的所有节点)作为数据源节点。
5、跨小区定位
若基站所覆盖范围内没能定位到数据源节点，或者所在小区内的节点都不同意发送数据，那么基站会把请求信息发送给相邻基站，由相邻基站进行资源定位。这个过程仍然由基站来完成。首先，目的节点所在小区的基站会将改进订阅请求发送给邻居小区，请求信息中包括数据需求节点编号、所述改进订阅请求的产生时间、所述改进订阅请求的有效时长、所述改进订阅请求的重复发送次数以及所述基站的编号。收到该请求信息的邻居基站提取里面的资源信息，采用同样的方法，在本小区定位资源。当邻居基站仍然无法定位资源的时候，邻居基站继续向其邻居基站发送请求信息。已经做过相同资源定位操作的基站不重复接受该请求信息，这可以防止无限制的定位操作，否则会给全网带来严重的负荷。
当然，订阅请求也不会无休止的传送下去。因为数据采用机会传输的方式在节点之间传递，数据源节点与目的节点之间距离过大时，采用机会传输会带来严重的时延。若请求数据在基站间无休止扩散的话，请求信息会向病毒一样传染开，这会给网络带来一定的影响，也给网络的安全带来一定的不利因素。为了解决这个问题，在订阅请求中加入有效时长LifeTime，随着请求信息在基站之间传输，在某一时刻，收到请求信息的基站发现请求信息中的LifeTime已经到期则丢弃该请求信息，且不用向目的节点所在基站发送相关信息。目的节点所在小区的基站向周围小区发送请求信息后便开始计算，请求信息过期前，若目的节点所在基站收到其他基站返回的确认信息后，基站边可以安排传输工作了。若订阅请求到期，则基站可以放弃资源定位了并通知目的节点资源定位失败。
为区分不同小区的订阅请求信息，在跨小区转发改进订阅请求时应加上所属小区编号CellID(基站编号)。改造SR后得到改进订阅转发请求SR＇的数据结构为：
SR＇＝<NodeID，Interest，CreateTime，LifeTime，Times，CellID>
数据传输
数据传输阶段，当数据源节点确定后便开始了数据的实际传输，由数据源节点打包数据，通过机会相遇传输数据包，如图4所示。
订阅取消
订阅取消是在某个时刻取消与兴趣属性有关的传输工作。因为在很多情况下，需要这种功能的实现以保证网络性能。订阅取消情况主要有：
1目的节点成功收到数据包
2目的节点主动请求放弃订阅信息
在第一种情况下，因为现有机会路由协议下的数据传输属于多副本传输。所以，在数据包从数据源节点到目的节点传输的过程中，多个数据副本在不同的链路上传输，这种机制的初衷是为了提高数据包交付率，并降低数据交付时延；但是也会带来数据重传，给网络添加了一定负载，当数据包较大或者节点密度较大的特殊情况下，网络负载会明显增加。当节点成功收到数据包后，网络中仍然会存在传输的数据包，这种传输对带宽有限的机会网络而言是一种资源占用和浪费。所以当目的节点成功收到数据包后，目的节点有必要告知基站终止网络中相应数据包的传输。
第二种情况，当节点等待接受数据的时候，处于节点自身资源的考虑或者移动设备使用者的主观因素影响，节点会主动放弃订阅。这个时候目的节点有必要叫停数据传输，否则会造成网络资源的浪费。
两种情况下取消订阅的方法一致，该操作由目的节点主动发起。目的节点首先向本地基站发送取消订阅请求，由于一个节点可能同时等待多个数据传输，所以，取消订阅请求信息中必须包含订阅描述符用来唯一确定要取消的传输数据(检索编号)。待取消的资源由目的节点(数据需求节点)编号NodeID﹑取消订阅请求产生的时刻SRCreateTime﹑传输文件ObjectID(索引编号)唯一确定。基站收到取消订阅请求信息后，提取里面订阅描述符，根据相遇节点信息表检索所有与源节点交换过数据(NodeID，SRCreateTime，ObjectID)的节点，然后迭代检索出所有传输过数据(NodeID，SRCreateTime，ObjectID)的节点。由基站向这些节点发送取消传输通知。
所述取消订阅请求SC(Subscribe Cancel)消息格式：
RC＝<NodeID，ObjectID，SRCreateTime，Type>
其中，NodelD是数据需求节点编号；ObjectID是所述检索编号；SRCreateTime是所述取消订阅请求的产生时间；Type值用于标示所述取消订阅请求的原因标识，如接收成功或主动取消。
综上，取消订阅请求具体方法包括以下步骤：
S81、所述数据需求节点发送取消订阅请求给所述基站；
S82、所述基站提取所述取消订阅请求中的检索编号，并根据所述检索编号查找所述数据源节点；
S83、所述基站向所述数据源节点发送信息，禁止所述数据源节点向所述数据需求节点发送数据。
对于订阅请求的生存期的检查，基站将其产生时间与其有效时长进行比较，若差值大于或等于所述有效时长，则表示该订阅请求到期，基站删除该订阅请求。
基于社区的信誉激励机制——SRIS
激励机制核心问题是抑制节点的自私行为和恶意行为等不正当行为。针对节点行为检测，本方案根据网络具体特性，引入社区属性，提出基于社区的信誉激励机制SRIS(Sociaty-based Reputation Incentive System)，该机制在Beta Reputation System基础上进行改进。下面说明相遇节点传输数据过程。此处假设情景为两节点相遇，其中携带数据并寻找下一跳节点的节点为S(中继节点)，另外一节点为R，节点数据传输流程如图5所示。图5展示的只是相遇节点相遇传输的最一般情况。由于网络环境复杂多变，传输过程具体分为两种情况：
首先，S节点与R节点相遇后先发送问好信息，R节点随后将本地节点信息发送给S节点，若R恰好是目的节点，R完整收取数据后会向节点S发转发凭证，并向基站发送信息，通知基站数据传输完毕，而S节点持凭证请求基站更新信誉，基站根据下面公式更新节点信誉值R。
其中，Rnew表示节点更新后的信誉值；Rold表示节点更新前的信誉值；γ表示调节系数，可根据小区具体的网络特征进行设定；S表示相遇两个节点的相似度；K表示衰减指数；公式(1)表示所述节点将数据转发给与其相遇的节点；公式(2)表示所述节点拒绝将数据转发给与其相遇的节点。
其中，若R不是目的节点，S会向基站发送询问请求，询问节点R是否适合作为下一跳中继节点，基站会根据节点的机会概率以及信誉值做相应判定。若节点R不适合作为中继节点，则不传输数据，等待与其他节点相遇。
若节点R适合作为下一跳中继节点，则节点S向节点R发送转发请求，若节点R不同意转发，则节点R向节点S发送拒绝信息，随后节点S向基站上报信息，通知基站审查节点R，基站根据节点R资源情况和社会属性按公式(2)更新节点R的信誉值。若R同意转发信息，则节点S将数据发送给节点R，传输完成后，节点R向节点S发送转发证明，随后，节点S向基站发送信誉更新请求，基站根据节点S的资源情况和社会属性按公式公式(1)更新节点信誉值。
节点在保持bundle过程中，始终没有与其他节相遇，或相遇的节点经基站查询后不适合作为中继节点或者合适的节点拒绝转发数据，直到bundle的生存时间过期，节点主动丢弃数据，此时，基站按照下面公式定时更新节点信誉。
Rold＝Rnew×μk
其中，μ表示衰减因子。
本文在传统基于Reputation的激励策略基础上引入了社区属性，基于节点相似度,优化社区属性。节点之间的社区属性相似度下面公式表示：
s(ni,nj)＝sfn(ni,nj)×w1+sfl(ni,nj)×w2+sft(ni,nj)×w3
其中ni、nj表示两个节点；S(ni，nj)表示两个节点的相似度；Sfn表示两个节点的文件名特征相似度；Sfl表示两个节点的文件长度特征相似度；Sft表示两个节点的文件类型特征相似度；w1、w2、w3和分别表示文件名特征、文件长度特征、文件类型特征相似度的权重，满足归一化，即满足公式w1+w2+w3＝1。相似度同样也是一个归一化度量，满足S、Sfn、Sfl、Sft的取值为(0,1)。
求解文件名特征相似度Sfn
使用Vector Space Model(VSM)描述某个节点的文件名高特征，即文件名特征是一个向量。向量的每一维由Term Frequency-Inverse Document Frequenc,TF-IDF计算得来，为了增强计算精度，对每个文件的名字进行分词，对每个词项进行计算，某词项的特征值为：
上面公式中，fc表示该词项在当前节点中出现的次数，n表示当前节点所有词项总数，fd表示所有节点集合中所有出现过该词项的节点数目。
对于一个节点，其文件名特征向量f为：
f＝(f1,f2,...,fmc)T
上面公式中mc代表所有节点包含的词项数的总和，保证所有节点的文件名特征向量维一致，方便计算相似度。
综上，任意两个节点ni和nj之间的文件名特征相似度为：
上面公式中，fi，fj分别节点ni，nj的文件名特征向量。
文件长度特征相似度sfl(ni,nj)的计算
由于现有P2P网络中有大量研究，综合已研究成果。文件长度以字节为度量单位，从两方面考虑，综合计算节点相似度。假设节点ni有r个文件，长度分别为：li1，li2，…，lir，对于节点ni有文件长度多重集MSL(ni)＝{li1,li2,...,lir}。综合两种计算策略，其一：
上式中，|MSL(ni)|，|MSL(nj)|分别表示多重集MSL(ni)，MSL(nj)的大小。
其二：
取文件长度中位值median，加入到相似度计算中，较少极端值对计算结果的影响，公式如下：
上面公式中，D(,)是距离测度，D(median(MSL(ni)),median(MSL(nj)))＝|median(MSL(ni))-median(MSL(nj))|
minD,maxD分别表示所有距离D的最小值和最大值。sfl2(ni,nj)取值一般接近1。
综上，结合两种计算公式，最终两节点文件长度特征相似度计算公式如下：
sfl(ni,nj)＝sfl2(ni,nj)×w+sfl2(ni,nj)×(1-w)
文件类型特征相似度
采用与文件长度特征相似度计算方式，应用Dice系数来计算节点ni，nj之间的文件类型特征相似度。这里要对文件类型进行分类，可以分为文本文件、音频文件、视频文件等等，根据文件具体情况以及系统本身需求而定。对于某个节点ni，其本地有r个文件，文件的类型分别为ti1，ti2，...，tir，，则定义MSL(ni)＝{ti1,ti2,...,tir}，依照类似方法，则任意两个节点之间的文件类型特征相似度为：
本发明针对数据资源定位，设计基于地理位置、运动特征和信誉值的源节点推荐策略，旨在提高资源利用率和传输效率。对发出资源请求的数据需求节点通过信誉反馈动态调节其所享受的资源数量，激励节点参与数据分享和机会传输。提出基于社区属性的信誉激励更新机制SRIS(Sociaty-based Reputation Incentive System)，根据由基于文件相似度所反映的社区性更新节点信誉值，一方面减缓边缘节点信誉值的衰减速度；另一方面，对社区活跃节点提出更高的配合要求
建立基于数据源节点和数据需求节点之间地理位置和运动轨迹预测的资源节点筛选策略，可以从源头提高机会相遇概率，加入对资源节点信誉值的考量，防止发动低信誉值节点导致目的节点空等引起的传输迟延。通过引入信誉反馈，动态调节源节点数量，可激励所有索取资源的节点参与数据分享和机会传输，遏制自私节点和恶意节点。设计基于社区属性的信誉激励机制，提出的激励策略侧重与照顾全网节点的公平性。
以上实施方式仅用于说明本发明，而非对本发明的限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行各种组合、修改或者等同替换，都不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种机会网络中数据传输方法，其特征在于，包括以下步骤：
S1、有数据需求的节点为数据需求节点，所述数据需求节点发送订阅请求给基站；
S2、所述基站提取所述订阅请求的兴趣属性，并根据所述兴趣属性生成检索编号；
S3、所述基站根据所述检索编号查询得到匹配的数据节点，并向所述数据节点发送征求通知；
S4、所述数据节点收到所述征求通知，若同意发送数据给所述数据需求节点，则为响应节点，并发送资源响应给所述基站；
S5、所述基站结合所述响应节点的运动信息和所述响应节点的信誉值选定数据源节点,具体步骤为：
S51、连接所述响应节点与所述数据需求节点，形成的连线与所述响应节点的运动速度的夹角α，所述连线与所述数据需求节点的运动速度的夹角为β；
S52、若所述夹角α与夹角β的和大于或等于90度，则抛弃所述响应节点；否则计算所述响应节点与所述数据需求节点之间的相向运动速率，公式为：
<mrow>
<msub>
<mi>v</mi>
<mrow>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
<mi>D</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>v</mi>
<mi>S</mi>
</msub>
<mo>&times;</mo>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&alpha;</mi>
<mo>+</mo>
<msub>
<mi>v</mi>
<mi>D</mi>
</msub>
<mo>&times;</mo>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&beta;</mi>
</mrow>
其中，表示所述相向运动速率，vs表示所述响应节点的运动速度；vD表示所述数据需求节点的运动速度；
S53、计算所述响应节点的推荐值，公式为：
<mrow>
<mi>Re</mi>
<mi> </mi>
<msub>
<mi>c</mi>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>R</mi>
<mrow>
<mi>c</mi>
<mi>e</mi>
<mi>l</mi>
<mi>l</mi>
</mrow>
</msub>
<mrow>
<mo>|</mo>
<mover>
<mrow>
<mi>S</mi>
<mi>D</mi>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mo>|</mo>
</mrow>
</mfrac>
<mo>&times;</mo>
<msub>
<mi>&lambda;</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<mfrac>
<msub>
<mi>v</mi>
<mrow>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
<mi>D</mi>
</mrow>
</msub>
<mover>
<mi>v</mi>
<mo>&OverBar;</mo>
</mover>
</mfrac>
<mo>&times;</mo>
<msub>
<mi>&lambda;</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<msub>
<mi>R</mi>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
</msub>
<mo>&times;</mo>
<msub>
<mi>&lambda;</mi>
<mn>3</mn>
</msub>
</mrow>
其中，表示所述推荐值；Rcell表示小区半径，表示小区历史统计的节点运动平均速度，表示响应节点Si的当前信誉值，λ1，λ2，λ3均表示比例系数，为两点之间的距离；
S54、所述基站将所述响应节点按照所述推荐值进行从大到小排序，取前M个所述响应节点作为所述数据源节点；
数值M根据下面公式求得：
其中，m0表示所述基站所属的小区中数值M的初始值；mmax表示所述基站所属的小区中数值M的最大值；Rnote表示数据需求节点的信誉值，μ为调节因子；
S6、所述数据源节点将数据传输给所述数据需求节点。
2.根据权利要求1所述的方法，其特征在于，所述订阅请求还包括数据需求节点编号、所述订阅请求的产生时间、所述订阅请求的有效时长以及所述订阅请求的重复发送次数；
所述征求通知包括所述数据需求节点编号、所述检索编号、所述征求通知的产生时间、所述征求通知的有效时长以及所述征求通知的重复发送次数；
所述资源响应包括所述响应节点的编号、所述检索编号、所述资源响应的产生时间以及所述资源响应的有效时长。
3.根据权利要求2所述的方法，其特征在于，所述兴趣属性包括文件名、关键词以及作者；
所述检索编号为所述基站利用哈希函数，结合所述兴趣属性计算的得到。
4.根据权利要求3所述的方法，其特征在于，所述基站收集节点的地理位置信息、节点数据信息以及节点相遇信息；
所述地理位置信息包括节点的地理位置、节点的运动方向以及节点的运动速度；
所述节点数据信息包括检索编号、数据大小、存储数据的节点编号、访问频次以及节点所属小区编号；
所述节点相遇信息包括与其相遇的节点的编号、相遇的位置、相遇持续时间以及与相遇节点交换的数据的检索编号；
所述节点为包括所述数据需求节点、数据节点、响应节点以及数据源节点在内的对应小区内的所有节点。
5.根据权利要求1所述的方法，其特征在于，节点的所述信誉值按照下面方式进行更新：
节点与其他节点相遇，其信誉值按照下面公式更新，
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mi>n</mi>
<mi>e</mi>
<mi>w</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mi>o</mi>
<mi>l</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<mi>&gamma;</mi>
<mo>+</mo>
<msub>
<mi>R</mi>
<mrow>
<mi>o</mi>
<mi>l</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&gamma;</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msup>
<mi>S</mi>
<mrow>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mi>k</mi>
</mfrac>
</mrow>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mi>o</mi>
<mi>l</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<mi>&gamma;</mi>
<mo>+</mo>
<msub>
<mi>R</mi>
<mrow>
<mi>o</mi>
<mi>l</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&gamma;</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mi>k</mi>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，Rnew表示节点更新后的信誉值；Rold表示节点更新前的信誉值；γ表示调节系数；S表示相遇的两个节点的相似度；K表示衰减指数；公式(1)表示节点将数据转发给与其相遇的节点；公式(2)表示所述节点拒绝将数据转发给与其相遇的节点；
节点未于其他节点相遇、与其相遇的节点不能作为中继节点或与其相遇的节点拒绝转发数据给所述节点，则节点的信誉值按照下面公式更新：
Rold＝Rnew×μk
其中，μ表示衰减因子；所述节点为包括所述数据需求节点、数据节点、响应节点以及数据源节点在内的对应小区内的所有节点。
6.根据权利要求5所述的方法，其特征在于，所述相似度按照下面公式求得：
s(ni,nj)＝sfn(ni,nj)×w1+sfl(ni,nj)×w2+sft(ni,nj)×w3
其中ni、nj表示两个节点；S(ni，nj)表示两个节点的相似度；Sfn表示两个节点的文件名特征相似度；Sfl表示两个节点的文件长度特征相似度；Sft表示两个节点的文件类型特征相似度；w1、w2、w3和分别表示文件名特征、文件长度特征、文件类型特征相似度的权重。
7.根据权利要求1至6任一项所述的方法，其特征在于，所述数据源节点的个数为零时，所述基站向其邻居基站发送改进订阅请求，所述邻居基站提取所述改进订阅请求的兴趣属性，并根据所述兴趣属性查找数据源节点。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括所述数据需求节点取消数据请求，具体方法包括以下步骤：
S71、所述数据需求节点发送取消订阅请求给所述基站；
S72、所述基站提取所述取消订阅请求中的检索编号，并根据所述检索编号查找所述数据源节点；
S73、所述基站向所述数据源节点发送信息，禁止所述数据源节点向所述数据需求节点发送数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410768894.9A CN104661275B (zh) | 2014-12-11 | 2014-12-11 | 一种机会网络中数据传输方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410768894.9A CN104661275B (zh) | 2014-12-11 | 2014-12-11 | 一种机会网络中数据传输方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104661275A CN104661275A (zh) | 2015-05-27 |
| CN104661275B true CN104661275B (zh) | 2018-01-30 |
Family
ID=53251854
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410768894.9A Active CN104661275B (zh) | 2014-12-11 | 2014-12-11 | 一种机会网络中数据传输方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104661275B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105635269B (zh) * | 2015-12-25 | 2018-11-09 | 江苏东大金智信息系统有限公司 | 一种基于中心控制的机会网络内容分发方案 |
| CN105812254B (zh) * | 2016-03-21 | 2017-06-23 | 湖南城市学院 | 一种机会网络数据传输方法 |
| CN106231647B (zh) * | 2016-08-11 | 2020-10-30 | 南京邮电大学盐城大数据研究院有限公司 | 基于市场供需关系的激励相容机会式副本分发方法 |
| US9648544B1 (en) | 2016-09-19 | 2017-05-09 | International Business Machines Corporation | Community based network protocols |
| CN107193945B (zh) * | 2017-05-22 | 2018-04-13 | 陕西师范大学 | 机会网络中基于兴趣和相遇相关的消息自适应推荐方法 |
| CN109120438B (zh) * | 2018-08-02 | 2021-04-06 | 湖南城市学院 | 一种机会网络下的数据协同传输方法及系统 |
| CN110461018B (zh) * | 2019-08-16 | 2021-03-19 | 东北大学秦皇岛分校 | 基于可计算ap的机会网络路由转发方法 |
| CN113392286B (zh) * | 2021-06-11 | 2022-02-11 | 深圳市宏博信息科技有限公司 | 大数据信息采集系统 |
| CN114817166B (zh) * | 2022-05-31 | 2024-01-12 | 苏州浪潮智能科技有限公司 | 一种取消文件操作的方法、装置及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101784067A (zh) * | 2010-01-14 | 2010-07-21 | 重庆邮电大学 | 机会网络中基于跨层触发的相遇节点快速感知方法 |
| CN101895954A (zh) * | 2010-08-24 | 2010-11-24 | 重庆邮电大学 | 一种基于分组索引增量传送的机会网络路由方法 |
| 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 |
| CN103312535A (zh) * | 2013-04-09 | 2013-09-18 | 北京邮电大学 | 基于社区的分层机会网络及其建立方法与通信方法 |
| CN103634868A (zh) * | 2013-11-29 | 2014-03-12 | 北京邮电大学 | 机会网络中的混合分发方法及装置 |
-
2014
- 2014-12-11 CN CN201410768894.9A patent/CN104661275B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101784067A (zh) * | 2010-01-14 | 2010-07-21 | 重庆邮电大学 | 机会网络中基于跨层触发的相遇节点快速感知方法 |
| CN101895954A (zh) * | 2010-08-24 | 2010-11-24 | 重庆邮电大学 | 一种基于分组索引增量传送的机会网络路由方法 |
| 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 |
| CN103312535A (zh) * | 2013-04-09 | 2013-09-18 | 北京邮电大学 | 基于社区的分层机会网络及其建立方法与通信方法 |
| CN103634868A (zh) * | 2013-11-29 | 2014-03-12 | 北京邮电大学 | 机会网络中的混合分发方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| Probabilistic routing in intermittently connected networks;Anders Lindgren et. al.;《In Proceedings of Mobile Computing and Communications Review》;20031231;全文 * |
| 机会网络中的节点激励策略研究;于季弘;《中国优秀硕士学位论文全文数据库信息科技辑》;20131215(第S1期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104661275A (zh) | 2015-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104661275B (zh) | 一种机会网络中数据传输方法 | |
| US7849139B2 (en) | Adaptive search in mobile peer-to-peer databases | |
| Chow et al. | GroCoca: Group-based peer-to-peer cooperative caching in mobile environment | |
| Deng et al. | Distributed probabilistic caching strategy in VANETs through named data networking | |
| Wolfson et al. | Search-and-discover in mobile p2p network databases | |
| Glass et al. | Leveraging MANET-based cooperative cache discovery techniques in VANETs: A survey and analysis | |
| Pourghebleh et al. | Towards efficient data collection mechanisms in the vehicular ad hoc networks | |
| Waluyo et al. | Mobile peer-to-peer data dissemination in wireless ad-hoc networks | |
| Mershad et al. | A framework for implementing mobile cloud services in VANETs | |
| Amah et al. | Towards next-generation routing protocols for pocket switched networks | |
| Ciobanu et al. | Opportunistic dissemination using context-based data aggregation over interest spaces | |
| Choudhary et al. | A rendezvous point‐based data gathering in underwater wireless sensor networks for monitoring applications | |
| Rehman et al. | NDN-CRAHNs: Named data networking for cognitive radio ad hoc networks | |
| Vaghela et al. | Vehicular parking space discovery with agent approach | |
| Martirosyan et al. | Energy-aware and quality of service-based routing in wireless sensor networks and vehicular ad hoc networks | |
| Li et al. | An improved algorithm to term weighting in text classification | |
| Khan et al. | 5G-EECC: energy-efficient collaboration-based content sharing strategy in device-to-device communication | |
| Phuttharak et al. | Mobile crowdsourcing in peer-to-peer opportunistic networks: Energy usage and response analysis | |
| Charoenchai et al. | Coalitional graph game for area maximization of multi-hop clustering in vehicular ad hoc networks | |
| CN110139126B (zh) | 基于用户交互行为感知的移动视频系统资源共享方法 | |
| Radenkovic et al. | Collaborative cognitive content dissemination and query in heterogeneous mobile opportunistic networks | |
| Meka et al. | Efficient simulation architecture for routing and replication in mobile peer to peer network of UAVs | |
| Kniess et al. | Service discovery with time constraints in mobile ad hoc networks | |
| CN107332769B (zh) | 数据转发方法及装置 | |
| Dixit et al. | QoS enabled improved location aided routing (QEILA) |
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 |