CN106161239B - 一种基于日常习惯分析的节点搜寻方法 - Google Patents

一种基于日常习惯分析的节点搜寻方法 Download PDF

Info

Publication number
CN106161239B
CN106161239B CN201610493563.8A CN201610493563A CN106161239B CN 106161239 B CN106161239 B CN 106161239B CN 201610493563 A CN201610493563 A CN 201610493563A CN 106161239 B CN106161239 B CN 106161239B
Authority
CN
China
Prior art keywords
node
probability
marking device
original
simplified
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
Application number
CN201610493563.8A
Other languages
English (en)
Other versions
CN106161239A (zh
Inventor
何杏宇
杨桂松
杨成奇
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.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
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 University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN201610493563.8A priority Critical patent/CN106161239B/zh
Publication of CN106161239A publication Critical patent/CN106161239A/zh
Application granted granted Critical
Publication of CN106161239B publication Critical patent/CN106161239B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • H04L45/124—Shortest path evaluation using a combination of metrics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/14—Routing performance; Theoretical aspects

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明提供的一种基于日常习惯分析的节点搜寻方法，其特征在于，包括以下步骤：将网络分为多个分区，每个分区设置有一个地标设备；分析节点的日常习惯，以获得包含节点的原始停留概率表的原始转移概率表；将原始停留概率表和原始转移概率表精简为简化停留概率表和简化转移概率表；将原始停留概率表和原始专利概率表分配给第一地标设备保存，并将简化停留概率表和简化转移概率表发送给第二地标设备保存；判断源节点所在的当前分区的源地标设备是否保存有目的节点的原始停留概率表和原始转移概率表，当判断为是时，源地标设备采用跟踪机制来寻找目的节点，当判断为否时，源地标设备采用机会路由机制来寻找目的节点。

Description

一种基于日常习惯分析的节点搜寻方法
技术领域
本发明涉及容迟网络系统，尤其涉及一种基于日常习惯分析的节点搜寻方法属于通信网络技术领域。
背景技术
在容迟网络中，现有的节点搜寻和数据通信方法一般分为三类：(1)基于概率的路由，该类路由一般选择具有更高概率遇见目的节点的节点作为中继节点，却忽视了一些节点虽然遇到目的节点的概率不高但是具有很高将数据带到更加靠近目的节点的能力；(2)基于社会关系的路由，该类路由通过朋友关系和相遇信息来搜寻目的节点，然而一个节点所能遇到的节点和朋友数量毕竟是有限的；(3)基于地理位置的路由，该类路由记录节点的历史移动信息来描述节点的移动模式。
然而在实际的网络通信中，由于节点的移动信息数据量庞大，上述的三种方法都无法适应实际网络的移动信息数据量大的特点，无法满足既能节省存储空间又能提高追踪效率的容迟网络通信要求。
发明内容
本发明是为了解决上述问题而进行的，目的在于提供一种基于日常习惯分析的节点搜寻方法，该搜寻方法给出了一种根据节点日常习惯分析来对节点移动模式进行准确描述的新方法，该方法在降低存储空间的前提下，提高了节点搜寻的效率，从而增加了数据传输的投递率并且降低了数据传输时延。
一种基于日常习惯分析的节点搜寻方法，从源节点所在的具有多个节点的网络中搜寻目的节点，其特征在于，包括以下步骤：
步骤一，根据节点的访问热点将网络分为多个分区，每个分区分别设置有一个地标设备和至少一个访问热点，源节点的地标设备为源地标设备；
步骤二，根据节点的日常活动习惯分析获得包含节点在不同时段、不同分区的停留概率的原始停留概率表和包含节点在不同分区之间相互转移的转移概率和转移路线的原始转移概率表；
步骤三，将步骤二中原始停留概率表和诉讼原始转移概率表精简为简化停留概率表和简化转移概率表，简化停留概率表包含原始停留概率表中停留概率高于预设值的停留信息而简化转移概率表包含简化停留概率表中包含的分区之间相互转移的转移概率信息；
步骤四，将原始停留概率表和原始转移概率表分配给第一个分区的第一地标设备保存，并将简化停留概率表和简化转移概率表发送给第二个分区的第二地标设备保存，第一地标设备位于简化停留概率表所包含的分区中，第二地标设备位于简化停留概率表所包含的分区之外；
步骤五，判断源节点所在的当前分区的源地标设备是否保存有目的节点的原始停留概率表和原始转移概率表，当判断为是时，源地标设备采用跟踪机制来寻找目的节点，当判断为否时，源地标设备采用机会路由机制来寻找目的节点。
本发明提出的的基于日常习惯分析的节点搜寻方法，还可以具有这样的特征，其特征在于：其中，原始停留概率表包括短期停留概率和长期停留概率，短期停留概率是一个节点在特定时段在某个分区内停留的概率，长期停留概率为节点从网络启动开始到当前时段在某个分区的停留概率。
本发明提出的的基于日常习惯分析的节点搜寻方法，还可以具有这样的特征，其特征在于：其中，简化停留概率表包含原始停留概率表中短期停留概率为0.8-1.0以及长期停留概率为0.08-1.0的停留信息。
本发明提出的的基于日常习惯分析的节点搜寻方法，还可以具有这样的特征，其特征在于：其中，步骤五中跟踪机制包括以下步骤：源地标设备根据节点的访问记录判断目的节点是否仍在当前分区，当判断为是时，则通过向目的节点靠近的节点与该目的节点直接通信来完成搜寻工作，否则进入下一步；根据目的节点的原始停留概率表和原始转移概率表查找目的节点在访问记录中的下一个时段的可能转移路径，并通过这些可能转移路径来追踪目的节点。
本发明提出的的基于日常习惯分析的节点搜寻方法，还可以具有这样的特征，其特征在于：其中，步骤五中机会路由机制包括以下步骤：
步骤S5-1，源地标设备根据目的节点的简化停留概率表和简化转移概率表确定一个目的节点在当前时段最可能停留的分区作为目标分区；
步骤S5-2，源地标设备根据自己所保存的停留概率表和转移概率表计算出当前时段各个分区间的节点流量，并根据各个分区之间的距离和节点流量计算出从当前分区到目的节点所在的目标分区的多条最优路径；
步骤S5-3，源地标设备根据节点的传输能力选择多个中继节点将源节点的数据携带至目标分区，传输能力与节点转移到多条最优路径上的概率相关；
步骤S5-4，当中继节点转移到最优路径上的一个分区后，该分区的地标设备运行步骤五，直至完成对目的节点的搜寻工作。
本发明提出的的基于日常习惯分析的节点搜寻方法，还可以具有这样的特征，其特征在于：其中，步骤S5-2中根据各个分区之间的距离和节点流量根据Dijistra算法计算出从当前分区到目的节点所在的目标分区的多条最优路径。
本发明提出的的基于日常习惯分析的节点搜寻方法，还可以具有这样的特征，其特征在于：其中，步骤四中将简化停留概率表和简化转移概率表发送给第二地标设备保存的方法包括：第一地标设备为节点选择与该节点移动习惯不同的节点，并将该节点的简化停留概率表和简化转移概率表发送给第二地标设备。
发明作用和效果
根据本发明所涉及一种基于日常习惯分析的节点搜寻方法，由于该方法通过分析节点的日常习惯来获取节点的原始停留概率表和原始转移概率表，这样实现了对节点的移动模式的准确描述；又由于该方法将原始停留概率表和原始转移概率表进行简化，形成简化停留概率表和简化转移概率表，并将原始信息和简化信息存储在不同的地标设备中，这样做减少存储开销，也方便了采用不同的节点搜寻机制进行目的节点的搜寻。
另一方面，由于源节点所在当前分区的源地标设备根据是否保存有目的节点的原始停留概率表和原始转移概率表的两种情况来进行区分，如果保存有则源地标设备采用跟踪机制来寻找目的节点，否则该源地标设备采用机会路由机制来寻找目的节点，根据不同情况采用不同的机制来进行搜寻跟踪，可以实现在降低存储空间的前提下提高节点搜寻效率。
附图说明
图1为本发明实施例中的基于日常习惯分析的节点搜寻方法的流程图；
图2为本发明实施例中的原始停留概率表示意图；
图3为本发明实施例中的原始转移概率表示意图；
图4为本发明实施例中的节点跟踪机制示意图；以及
图5为本发明实施例中的机会路由机制示意图。
具体实施方式
以下参照附图及实施例对本发明所涉及的一种基于日常习惯分析的节点搜寻方法作详细的描述。
实施例
图1为本发明实施例中的一种基于日常习惯分析的节点搜寻方法的流程图。
如图1所示，一种基于日常习惯分析的节点搜寻方法具有以下步骤：
步骤S1，根据节点的访问热点将网络分为多个分区，每个分区分别设置有一个地标设备和至少一个访问热点，源节点的地标设备为源地标设备。
图2为本实施例中的原始停留概率表示意图。
图3为本实施例中的原始转移概率表示意图。
步骤S2，根据节点的日常活动习惯分析获得包含节点在不同时段、不同分区的停留概率的原始停留概率表和包含节点在不同分区之间相互转移的转移概率和转移路线的原始转移概率表。
如图2所示，原始停留概率表包括短期停留概率和长期停留概率，短期停留概率是一个节点在特定时段在某分区内停留的概率，例如节点Ni在时段在分区Am停留的平均时长为那么Ni在时段在分区的短期停留概率为计算公式为长期停留概率为节点从系统启动开始到当前时段在某分区的停留概率，节点Ni在时段在分区Am的长期停留概率为其计算公式为：
如图3所示，原始转移概率表中包含节点的转移概率和转移路径，其中转移概率与节点在两个相邻时段的短期停留概率相关，例如节点Ni从分区Am转移到Ah的转移概率为它等于Ni在时段在Am的短期停留概率与Ni在时段在Ah的短期停留概率的乘积：
步骤S3，将步骤S2中原始停留概率表和诉讼原始转移概率表精简为简化停留概率表和简化转移概率表，简化停留概率表包含原始停留概率表中停留概率高于预设值的停留信息而简化转移概率表包含简化停留概率表中包含的分区之间相互转移的转移概率信息。本实施例中，简化停留概率表包含原始停留概率表中短期停留概率为0.8-1.0以及长期停留概率为0.08-1.0的停留信息。
步骤S4，将原始停留概率表和原始转移概率表分配给第一个分区的第一地标设备保存，并将简化停留概率表和简化转移概率表发送给第二个分区的第二地标设备保存，第一地标设备位于简化停留概率表所包含的分区中，第二地标设备位于简化停留概率表所包含的分区之外。将简化停留概率表和简化转移概率表发送给第二地标设备保存的方法包括：第一地标设备为节点选择与该节点移动习惯不同的节点，并将该节点的简化停留概率表和简化转移概率表发送给第二地标设备。为了说明上述的节点移动习惯，这里提出两种非相似度来评价节点之间移动习惯的差异程度。例如，对于节点Ni和Nj，分区集Sj包含Nj的简化停留概率表中的所有分区,和分别表示拥有和没有Ni的原始停留概率表的分区集，和M(Sj)分别表示和这两个分区集中分区的数量。表示和Sj的交集分区个数，那么关于Ni和Nj的两个非相似度分别为和他们的计算公式分别为：和
步骤S5，判断源节点所在的当前分区的源地标设备是否保存有目的节点的原始停留概率表和原始转移概率表，当判断为是时，源地标设备采用跟踪机制来寻找目的节点，当判断为否时，源地标设备采用机会路由机制来寻找目的节点。
跟踪机制包括以下步骤：
首先，源地标设备根据节点的访问记录判断目的节点是否仍在当前分区，当判断为是时，则通过向目的节点靠近的节点与该目的节点直接通信来完成搜寻工作，否则进入下一步。
然后，根据目的节点的原始停留概率表和原始转移概率表查找目的节点在访问记录中的下一个时段的可能转移路径，并通过这些可能转移路径来追踪目的节点。
图4为本实施例中的节点跟踪机制示意图。
下面结合图4来举例说明跟踪机制的运行过程。
如图4所示，节点N4的当前分区为A5，它想发送数据到节点N5，于是它发送了一个数据发送请求给A5的地标设备，A5的地标设备在接到请求后，查询N5的访问记录，发现N5已经离开，但该地标设备拥有N5的原始停留概率表和转移概率表，通过分析这两个表发现N5在离开A5以后有三条可能的转移路径，分别为A5→A6→A7→A8，A5→A10→A11和A5→A9→A13，于是A5的地标把数据发送给接下来去往A6,A9和A10的节点。如果A10的地标设备拥有更新的N5的访问记录，那么A10的地标设备将继续追踪N5，A6和A9没有更新的N5的访问记录，则停止追踪。
机会路由机制包括以下步骤：
步骤S5-1，源地标设备根据目的节点的简化停留概率表和简化转移概率表确定一个目的节点在当前时段最可能停留的分区作为目标分区。
步骤S5-2，源地标设备根据自己所保存的停留概率表和转移概率表计算出当前时段各个分区间的节点流量，并根据各个分区之间的距离和节点流量计算出从当前分区到目的节点所在的目标分区的多条最优路径。根据各个分区之间的距离和节点流量根据Dijistra算法计算出从当前分区到目的节点所在的目标分区的多条最优路径。在步骤S5-2中，根据节点的转移概率来计算分区之间的节点流量，如果用Fn(Am→Ah)来表示Am去到Ah的节点流量，其计算公式为
步骤S5-3，源地标设备根据节点的传输能力选择多个中继节点将源节点的数据携带至目标分区，传输能力与节点转移到多条最优路径上的概率相关。在选择最优路径时，我们定义了一个衡量分区间的传输能力的指标，它与分区间的节点流量和分区间的距离相关，例如Am和到Ah之间的传输能力指标为SDn(Am→Ah)，其计算公式为根据节点的短期停留概率来判断节点的传输能力，例如，SHi表示节点Ni在时段将要去向的分区集合，SFS表示最优路径上的分区结合，那么Ni的传输能力为NDni，其计算公式为：
步骤S5-4，当中继节点转移到最优路径上的一个分区后，该分区的地标设备运行步骤五，直至完成对目的节点的搜寻工作。
图5为本实施例中的机会路由机制示意图。
下面结合图5来举例说明机会路由机制的运行过程。
如图5所示，节点N6的当前分区为A1，想发送数据到N7，N6发送数据发送请求给A1的地标设备。由于A1的地标设备只有N7的简化停留概率表和简化转移概率表，通过分析这两个表发现N7在当前时段最优可能停留在A16，所以A1的地标设备选择A16作为目标分区，然后执行机会路由机制。根据机会路由机制在A1和A16之间发现三条最优路径，分别为，A1→A6→A11→A16，A1→A6→A7→A11→A16和A1→A5→A10→A15→A16，然后选择A1中在当前时段最有可能转移到这三条最优路径上的节点为中继节点。
实施例的作用与效果
根据本实施例所涉及一种基于日常习惯分析的节点搜寻方法，由于该方法通过分析节点的日常习惯来获取节点的原始停留概率表和原始转移概率表，这样实现了对节点的移动模式的准确描述；又由于该方法将原始停留概率表和原始转移概率表进行简化，形成简化停留概率表和简化转移概率表，并将原始信息和简化信息存储在不同的地标设备中，这样做减少存储开销，也方便了采用不同的节点搜寻机制进行目的节点的搜寻。
另一方面，由于源节点所在当前分区的源地标设备根据是否保存有目的节点的原始停留概率表和原始转移概率表的两种情况来进行区分，如果保存有则源地标设备采用跟踪机制来寻找目的节点，否则该源地标设备采用机会路由机制来寻找目的节点，根据不同情况采用不同的机制来进行搜寻跟踪，可以实现在降低存储空间的前提下提高节点搜寻效率。

Claims (7)

1.一种基于日常习惯分析的节点搜寻方法，从源节点所在的具有多个节点的网络中搜寻目的节点，其特征在于，包括以下步骤：
步骤一，根据所述节点的访问热点将所述网络分为多个分区，每个所述分区分别设置有一个地标设备和至少一个访问热点，所述源节点的地标设备为源地标设备；
步骤二，根据节点的日常活动习惯分析获得包含所述节点在不同时段、不同分区的停留概率的原始停留概率表和包含所述节点在不同分区之间相互转移的转移概率和转移路线的原始转移概率表；
步骤三，将步骤二中所述原始停留概率表和所述原始转移概率表精简为简化停留概率表和简化转移概率表，所述简化停留概率表包含所述原始停留概率表中停留概率高于预设值的停留信息而所述简化转移概率表包含所述简化停留概率表中包含的分区之间相互转移的转移概率信息；
步骤四，将所述原始停留概率表和所述原始转移概率表分配给第一个分区的第一地标设备保存，并将所述简化停留概率表和所述简化转移概率表发送给第二个分区的第二地标设备保存，所述第一地标设备位于所述简化停留概率表所包含的分区中，所述第二地标设备位于所述简化停留概率表所包含的分区之外；
步骤五，判断所述源节点所在的当前分区的所述源地标设备是否保存有所述目的节点的所述原始停留概率表和所述原始转移概率表，当判断为是时，所述源地标设备采用跟踪机制来寻找所述目的节点，当判断为否时，所述源地标设备采用机会路由机制来寻找所述目的节点。
2.根据权利要求1所述的基于日常习惯分析的节点搜寻方法，其特征在于：
其中，所述原始停留概率表包括短期停留概率和长期停留概率，所述短期停留概率是一个所述节点在特定时段在某个所述分区内停留的概率，所述长期停留概率为所述节点从所述网络启动开始到当前时段在某个所述分区的停留概率。
3.根据权利要求2所述的基于日常习惯分析的节点搜寻方法，其特征在于：
其中，所述简化停留概率表包含所述原始停留概率表中所述短期停留概率为0.8-1.0以及所述长期停留概率为0.08-1.0的停留信息。
4.根据权利要求1所述的基于日常习惯分析的节点搜寻方法，其特征在于：其中，步骤五中所述跟踪机制包括以下步骤：
所述源地标设备根据所述目的节点的访问记录判断所述目的节点是否仍在当前分区，当判断为是时，则通过向所述目的节点靠近的节点与该目的节点直接通信来完成搜寻工作，否则进入下一步；
根据所述目的节点的所述原始停留概率表和所述原始转移概率表查找所述目的节点在访问记录中的下一个时段的可能转移路径，并通过这些可能转移路径来追踪所述目的节点。
5.根据权利要求1所述的基于日常习惯分析的节点搜寻方法，其特征在于：
其中，步骤五中所述机会路由机制包括以下步骤：
步骤S5-1，所述源地标设备根据所述目的节点的所述简化停留概率表和所述简化转移概率表确定一个所述目的节点在当前时段最可能停留的所述分区作为目标分区；
步骤S5-2，所述源地标设备根据自己所保存的所述简化停留概率表和所述简化转移概率表计算出当前时段各个所述分区间的节点流量，并根据各个所述分区之间的距离和节点流量计算出从当前所述分区到所述目的节点所在的目标分区的多条最优路径；
步骤S5-3，所述源地标设备根据所述节点的传输能力选择多个中继节点将所述源节点的数据携带至所述目标分区，所述传输能力与所述节点转移到所述多条最优路径上的概率相关；
步骤S5-4，当所述中继节点转移到所述最优路径上的一个所述分区后，该分区的所述地标设备运行步骤五，直至完成对所述目的节点的搜寻工作。
6.根据权利要求4所述的基于日常习惯分析的节点搜寻方法，其特征在于：
其中，步骤S2中根据各个所述分区之间的距离和节点流量根据Dijistra算法计算出从当前所述分区到所述目的节点所在的目标分区的多条最优路径。
7.根据权利要求1所述的基于日常习惯分析的节点搜寻方法，其特征在于：
其中，步骤四中将所述简化停留概率表和所述简化转移概率表发送给所述第二地标设备保存的方法包括：所述第一地标设备为所述节点选择与该节点移动习惯不同的节点，并将所述与该节点移动习惯不同的节点的所述简化停留概率表和所述简化转移概率表发送给所述第二地标设备。
CN201610493563.8A 2016-06-29 2016-06-29 一种基于日常习惯分析的节点搜寻方法 Active CN106161239B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610493563.8A CN106161239B (zh) 2016-06-29 2016-06-29 一种基于日常习惯分析的节点搜寻方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610493563.8A CN106161239B (zh) 2016-06-29 2016-06-29 一种基于日常习惯分析的节点搜寻方法

Publications (2)

Publication Number Publication Date
CN106161239A CN106161239A (zh) 2016-11-23
CN106161239B true CN106161239B (zh) 2019-01-22

Family

ID=57350280

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610493563.8A Active CN106161239B (zh) 2016-06-29 2016-06-29 一种基于日常习惯分析的节点搜寻方法

Country Status (1)

Country Link
CN (1) CN106161239B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106961476B (zh) * 2017-03-17 2020-02-14 上海理工大学 一种基于节点自私度的数据传输方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006300780A (ja) * 2005-04-21 2006-11-02 Denso Corp 経路探索装置
CN101958044A (zh) * 2010-09-13 2011-01-26 北京大学 一种快速疏散算法
CN101977226A (zh) * 2010-10-28 2011-02-16 北京航空航天大学 一种新型的机会网络数据传输方法
CN104640169A (zh) * 2015-01-13 2015-05-20 航天恒星科技有限公司 基于网络社区划分和黏聚值的移动容迟网络机会路由方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101505624B1 (ko) * 2014-01-03 2015-03-24 아주대학교산학협력단 상대적 접근 특성 기반의 이동성 예측 방법 및 그 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006300780A (ja) * 2005-04-21 2006-11-02 Denso Corp 経路探索装置
CN101958044A (zh) * 2010-09-13 2011-01-26 北京大学 一种快速疏散算法
CN101977226A (zh) * 2010-10-28 2011-02-16 北京航空航天大学 一种新型的机会网络数据传输方法
CN104640169A (zh) * 2015-01-13 2015-05-20 航天恒星科技有限公司 基于网络社区划分和黏聚值的移动容迟网络机会路由方法

Also Published As

Publication number Publication date
CN106161239A (zh) 2016-11-23

Similar Documents

Publication Publication Date Title
US10571288B2 (en) Searching similar trajectories by locations
Yuan et al. Network-wide traffic state estimation using loop detector and floating car data
WO2017031856A1 (zh) 信息预测的方法和装置
US20160227367A1 (en) Method of providing positioning data to mobile device
US8681635B2 (en) Computer-implemented systems and methods for planning a route
EP2947608A1 (en) Systems and methods for personalized multi-destination trip planning
CN105491529B (zh) 移动终端位置数据的内存映射处理方法及大数据平台
Shang et al. Finding regions of interest using location based social media
Li et al. Robust inferences of travel paths from GPS trajectories
CN105489043A (zh) 基于车载自组网的实时路径规划方法
CN113758496B (zh) 路径的规划方法、装置、电子设备及存储介质
CN107167136A (zh) 一种面向电子地图的位置推荐方法及系统
US10545023B1 (en) Selecting vehicle locations
CN102749084A (zh) 一种面向海量交通信息的路径选择方法
Lo et al. Traffic‐aware routing protocol with cooperative coverage‐oriented information collection method for VANET
CN109642800A (zh) 路线探索方法及路线探索装置
CN106845703A (zh) 一种考虑转向延误的城市路网时变k最短路径搜索方法
Szczurek et al. Spatio-temporal information ranking in vanet applications
CN106161239B (zh) 一种基于日常习惯分析的节点搜寻方法
CN102740392B (zh) 一种机会网络下基于分层地理标签的路由方法
CN106528614A (zh) 一种移动社交网络中用户的地理位置预测方法
Cai et al. A novel vector-based dynamic path planning method in urban road network
Gunawan et al. Development of an application for tourism route recommendations with the Dijkstra algorithm
Chucre et al. Taxi, please! a nearest neighbor query in time-dependent road networks
CN103593364B (zh) 一种路线搜索中填充关键词的方法和系统

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