CN107333312A - 机会网络中的路由选择方法 - Google Patents
机会网络中的路由选择方法 Download PDFInfo
- Publication number
- CN107333312A CN107333312A CN201710646551.9A CN201710646551A CN107333312A CN 107333312 A CN107333312 A CN 107333312A CN 201710646551 A CN201710646551 A CN 201710646551A CN 107333312 A CN107333312 A CN 107333312A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- node
- msup
- mover
- 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.)
- Granted
Links
- 238000010187 selection method Methods 0.000 title claims abstract description 6
- 230000007704 transition Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims abstract description 8
- 230000033001 locomotion Effects 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 6
- 230000032683 aging Effects 0.000 claims description 4
- 229910006119 NiIn Inorganic materials 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 21
- 238000002474 experimental method Methods 0.000 abstract description 8
- 238000007726 management method Methods 0.000 abstract description 4
- 230000009467 reduction Effects 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 235000008694 Humulus lupulus Nutrition 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种机会网络中的路由选择方法，步骤为：发送前对当前携带消息节点C所携带的消息确定它的所有邻居节点N；确定携带消息节点C、所有邻居节点N和目的节点D在当前时刻的移动速度；获取当前时刻携带消息节点C和邻居节点N分别与目的节点D的移动速度夹角θC和θN，选择中继节点R，由节点位置预测模型中的转移概率矩阵P获取目的节点D在下一时刻的位置，确定下一时刻携带消息节点C和中继节点R到目的节点D的距离，获取节点缓存中不同消息的转发优先级Pm，对携带消息节点C给中继节点Ri进行消息转发的决策。通过仿真实验，与现有的路由方法相比，该方法提出了优先级的缓存管理策略，实现缓存了空间的高效利用，提高了消息成功投递率，降低开销比率和平均传输时延。
Description
技术领域
本发明涉及机会网络技术领域，具体涉及到机会网络中基于节点相遇位置预测的路由方法。
背景技术
机会网络是一种不需要源节点和目标节点之间存在完整链路，利用节点移动带来的相遇机会实现通信的自组织网络。由于高延时、节点密度稀疏、节点移动性等因素的影响，它的拓扑结构是动态多变的，为了在网络拓扑结构多变的情况下实现源节点和目的节点之间的通信，采用了“存储-携带-转发”的策略将消息逐跳传递给目的节点。
正是因为节点之间不需要完整通信路径的特性，机会网络能够处理一些无线网络技术目前不能解决的问题，并且能满足紧急环境下的通信需要，如灾难救援或恶劣通信环境中，所以在军用和民用无线通信领域都具有重要地位和研究意义。它主要应用在环境监测、车载自组织网络、手持设备组网、军事Ad Hoc传输、偏远地区网络传输、灾难应急救援等。
目前已经存在的基于节点地理位置信息的路由算法主要有GLS、LOTAR、GPSR等。GLS算法将整个网络按等级划分为栅格，以便进行地理位置信息更新及查询，当节点要发送数据时，根据邻居节点的地理位置信息采用贪婪机制转发数据；LAR算法中源节点通过利用目的节点地理位置信息确定目的节点期望区域，然后根据自己的当前位置确定请求区域，发起路由请求，其他节点收到请求分组后，根据分组中携带的请求区域判定是否转发该请求；LOTAR是一种位置踪迹辅助路由算法，该算法路由发现机制与LAR相类似；GPSR算法是一种贪婪型的路由算法，它不需要维护路由表，当节点需要发送数据时，利用地理位置信息把数据发给离目的节点最近的邻居，如果出现了局部优化问题，则采用边界转发机制。
这几类算法都通过寻找其他节点的位置信息来提高路由性能。但是目前它们很难直接应用到机会网络中，由于机会网络拓扑结构的动态改变导致节点的实际位置时刻发生改变，因此使得路由选择的准确性变差，这类算法的性能就会下降。
机会网络中节点不断移动，导致目的节点的位置等信息不能够准确预测，同时现有的路由算法大多考虑节点间的相遇概率、接触时间等历史相遇信息，忽略了网络中节点移动导致实际位置改变的情况。
发明内容
本发明所要解决的问题在于克服上述技术的不足，提供一种对节点在下一时刻的位置信息进行准确预测、对节点缓存空间进行高效管理、并且能完成多副本消息转发的机会网络中路由选择方法。
解决上述技术问题所采用的技术方案是由下述步骤组成：
(1)发送前，对当前携带消息节点C所携带的消息确定它的所有邻居节点N。
(2)确定携带消息节点C、所有邻居节点N和目的节点D在当前时刻的移动速度分别为
式中c1x和c1y分别表示携带消息节点C在上一时刻位置的横坐标、纵坐标，cx和cy分别表示携带消息节点C在当前时刻位置的横坐标、纵坐标，n1x和n1y分别表示邻居节点N在上一时刻位置的横坐标、纵坐标，nx和ny分别表示邻居节点N在当前时刻的位置的横坐标、纵坐标；d1x和d1y分别表示邻居节点N在上一时刻位置的横坐标、纵坐标，dx和dy分别表示邻居节点N在当前时刻的位置的横坐标、纵坐标；ΔT为记录位置过程中的采样时间间隔。
(3)获取当前时刻携带消息节点C和邻居节点N分别与目的节点D的移动速度夹角θC和θN
式中分别表示在当前时刻携带消息节点C、邻居节点N、目的节点D的移动速度。
(4)选择邻居节点Ni中与目的节点D移动速度的夹角在范围的节点为中继节点R
邻居节点Ni与目的节点D移动速度的夹角由下式确定：
(5)由节点位置预测模型中的转移概率矩阵P获取目的节点D在下一时刻的位置
(6)确定下一时刻携带消息节点C和中继节点R到目的节点D的距离Sc和Sn的大小
按下式携带消息节点C和中继节点R到目的节点D的距离Sc和Sn的大小：
式中d2x和d2y分别表示目的节点D在下一时刻位置的横坐标、纵坐标，和分别表示携带消息节点C在下一时刻位置的横坐标、纵坐标，和分别表示邻居节点N在下一时刻位置的横坐标、纵坐标。
(7)获取节点缓存中不同消息的转发优先级Pm
节点缓存中不同消息的优先级由下式确定：
Pm＝L(mi)×α+(1-(T(mi)×β)) (9)
式中L(mi)表示消息的重要性等级，T(mi)表示消息的时效性，α表示消息的重要性等级所占的权重，β表示消息的生存时间所占的权重，满足α+β＝1，L(mi)∈[0,1]，T(mi)∈[0,1]。
(8)对携带消息节点C给中继节点Ri进行消息转发的决策
由步骤(6)中Sc、Sn和步骤(7)中Pm的结果，携带消息节点C将优先级Pm高的消息转发给中继节点R，携带消息节点C决策转发多少副本给每个中继节点R。
如果携带消息节点C携带的消息副本数κ＝1，则携带消息节点C自己携带着消息移动等待与目的节点D相遇，并且不转发消息给任何节点。
如果携带消息节点C携带的消息副本数κ＞1，其中k为有限的正整数。
a、当SC＝SN时，携带消息节点C给所有的中继节点R转发的消息副本总数为同时每个中继节点R，得到的消息副本数为携带消息节点C自身保留的消息副本为
b、当SC＞SN时，携带消息节点C将全部的消息副本κ转发给中继节点R，每个中继节点R得到的副本数为
c、当SC＜SN时，携带消息节点C不转发消息，自己携带消息移动等待转发机会，直至遇到目的节点D。
在本发明的步骤(8)中，本发明的遇到新的邻居节点N和目的节点D时发送消息为：携带消息节点C遇到新的邻居节点N时，对携带消息节点C中所有消息转发的优先次序和给每个中继节点R转发的副本数进行决策，确定发送。
本发明基于2阶Markov模型对节点在下一时刻的位置信息进行准确预测，同时按照下一时刻节点间距离和夹角的大小选取恰当的中继节点，利用缓存管理技术高效管理缓存空间的利用，并且能完成多副本消息的转发，有效地提高消息投递率的同时，能够降低网络开销和消息的平均传输时延，整体提高路由效率，可用于机会网络技术领域。通过仿真实验，与现有的路由方法相比，该方法提出了优先级的缓存管理策略，实现缓存了空间的高效利用，提高了消息成功投递率，降低开销比率和平均传输时延。
附图说明
图1是本发明实施例1的流程图。
图2是节点间移动速度夹角的示意图。
图3是缓冲区大小对投递率影响的仿真实验结果图。
图4是缓冲区大小对平均时延影响的仿真实验结果图。
图5是缓冲区大小对负载率影响的仿真实验结果图。
图6是节点个数对投递率影响的仿真实验结果图。
图7是节点个数对负载率影响的仿真实验结果图。
图8是节点个数对平均时延影响的仿真实验结果图。
图9是产生消息的时间间隔对投递率影响的仿真实验结果图。
图10是产生消息的时间间隔对负载率影响的仿真实验结果图。
图11是产生消息的时间间隔对平均时延影响的仿真实验结果图。
具体实施方法
下面结合附图和实施例对本发明进一步详细说明，但本发明不限于下述的实施方式。
实施例1
以建立2阶Markov模型为例，如图1所示，机会网络中路由的选择方法由下述步骤组成：
(1)发送前，对当前携带消息节点C确定它的所有邻居节点，节点彼此相遇时，彼此交换消息列表来确定不携带有消息的所有邻居节点Ni。
本实施例对当前携带消息节点C确定它的邻居节点N，目的节点D。
(2)确定携带消息节点C、所有邻居节点N和目的节点D在当前时刻的移动速度分别为
式中c1x和c1y分别表示携带消息节点C在上一时刻位置的横坐标、纵坐标，cx和cy分别表示携带消息节点C在当前时刻位置的横坐标、纵坐标，n1x和n1y分别表示邻居节点N在上一时刻位置的横坐标、纵坐标，nx和ny分别表示邻居节点N在当前时刻位置的横坐标、纵坐标；d1x和d1y分别表示邻居节点N在上一时刻位置的横坐标、纵坐标，dx和dy分别表示邻居节点N在当前时刻位置的横坐标、纵坐标；ΔT为记录位置过程中的采样时间间隔。
(3)获取当前时刻携带消息节点C和邻居节点N分别与目的节点D的移动速度夹角θc和θn
在当前时刻携带消息节点C、它的邻居节点N及目的节点D的速度分别为携带消息节点C和邻居节点N与目的节点D移动速度矢量的夹角θC和θN如图2所示，按下式确定：
式中分别表示在当前时刻携带消息节点C、邻居节点N、目的节点D的移动速度；得节点间移动速度的夹角确定如图2所示。
(4)选择邻居节点N中与目的节点D移动速度的夹角在范围内的节点为中继节点R
在选取中继节点R时，比较θC和θNi的大小，选择出θC和θNi在范围内的节点作为中继节点R，得到中继列表。
邻居节点N与目的节点D移动速度的夹角由下式确定：
(5)由节点位置预测模型中的转移概率矩阵P获取目的节点D在下一时刻的位置
结合Markov模型，建立节点位置预测模型来预测节点在下一时刻的位置信息，因为机会网络中节点不断移动，其下一时刻的位置不仅与当前时刻的位置有关，而且还与其之前的位置有关，用2阶Markov来进行位置预测。
假设节点当前所处的位置变量X是一个随机变量，且随机变量的序列Xi构成一个时齐的Markov过程，2阶Markov预测模型要求Xi满足下列要求：
P{Xi+1＝l|X(1,n)＝L}＝P{Xi+1|XiXi-1＝lili-1}
其中L＝l1l2…ln表示节点采样的n个历史位置序列，li表示节点在i时刻的位置。
记录位置的过程中采样的时间间隔为ΔT，网络中节点根据自身的平均速度和网络场景的大小来确定出恰当的采样时间间隔，进行等间隔的位置记录，ΔT由下式确定：
其中ω为网络场景中位置点之间的最小距离，为节点的平均速度，ρ为比例因子。
2阶Markov位置预测模型是根据节点当前的位置Lcur以及上一时刻的位置Lpre去预测节点在下一时刻的位置，节点位置预测模型的核心是建立2阶Markov转移概率矩阵P，2阶转移概率矩阵P的行向量表示节点的上下文位置，即节点在上一时刻和当前时刻的位置LcurLpre，列向量表示节点下一时刻可能会出现的位置Lnext，转移概率矩阵的表示如下：
其中m＝n2，Pij表示节点移动到下一时刻位置的概率；转移概率矩阵中的元素表示在行向量代表的当前状态下，节点移动到列向量代表的下一时刻位置的概率大小。转移概率按下式确定：
其中P(Xi+1＝l|L)表示节点在当前位置的情况下，移动到下一位置l的概率，l表示节点上一时刻和当前时刻的位置Lprelcur，B表示节点下一时刻出现的位置Lnext，AB表示节点在上一时刻、当前时刻和下一时刻的位置LpreLcurLnext，TA表示在整个采样的过程L中A出现的次数，TAB表示在整个采样过程L中AB出现的次数。
根据目的节点在转移概率矩阵P中相应的行向量，找出该行中最大的概率值Pij对应的列所代表的位置，得到当前目的节点位置的预测结果，表示目的节点下一时刻的位置。
(6)确定下一时刻携带消息节点C和中继节点R到目的节点D的距离Sc和Sn的大小；
携带消息节点C、中继节点R及目的节点D在下一时刻的位置分别表示为：
c2(c2x,c2y)、n2(n2x,n2y)、d2(d2x,d2y)，即
在下一时刻携带消息
节点C和中继节点R到目的节点D的距离SC和SN由下式确定：
式中d2x和d2y分别表示目的节点D在下一时刻位置的横坐标、纵坐标，和分别表示携带消息节点C在下一时刻位置的横坐标、纵坐标，和分别表示邻居节点N在下一时刻位置的横坐标、纵坐标。
(7)获取节点缓存中不同消息的转发优先级Pm
确定消息的优先级时，综合考虑消息的重要性等级L(mi)和时效性T(mi)影响因素：假定网络中产生的消息内容不同，基于不同的内容为每一个消息设定重要性等级L(mi)，L(mi)越大表明消息的重要程度越大。
T(mi)按下式确定：
Tc＝tc-ts
其中Tc表示消息已经存在的时间，tc表示当前时间，ts表示消息产生开始的时间，TTL
表示消息的生存周期，T(mi)表示生存时间对优先权的影响因子。
综合考虑L(mi)和T(mi)对最终优先权Pm的影响，Pm按下式确定：
Pm＝L(mi)×α+(1-(T(mi)×β)) (9)
式中L(mi)表示消息的重要性等级，T(mi)表示消息的时效性，α表示消息的重要性等级所占的权重，β表示消息的生存时间所占的权重，满足α+β＝1，L(mi)∈[0,1]，T(mi)∈[0,1]。
(8)对携带消息节点C进行消息转发的决策
由步骤(6)中SC、SN和步骤(7)中Pm的结果，携带消息节点C将优先级Pm高的消息转发给中继节点R，携带消息节点C决策转发多少副本给每个中继节点R。
假设邻居节点N与目的节点D在下一时刻的距离大小分别为SN1,SN2,…,SNi，中继列表中每个中继节点R得到的消息副本数χ由下式确定：
其中κ表示携带消息节点C当前所有的副本数，λs表示节点间的距离在所有Sni值中所占的比例，χ表示每个中继节点得到的副本数。
如果携带消息节点C携带的消息副本数κ＝1，则携带消息节点C自己携带着消息移动等待与目的节点D相遇，并且不转发消息给任何节点。
如果携带消息节点C携带的消息副本数κ＞1，其中k为有限的正整数：
a.当SC＝SN时，携带消息节点C给所有的中继节点R转发的消息副本总数为同时每个中继节点R得到的消息副本数为携带消息节点C自身保留的消息副本为
b、当SC＞SN时，携带消息节点C将全部的消息副本Dκ转发给中继节点R，每个中继节点R得到的副本数为
c、当SC＜SN时，携带消息节点C不转发消息，自己携带消息移动等待转发机会，直至遇到目的节点D。
携带消息的节点C根据上述模型选择出合适的中继节点R后，依据缓存管理策略决定消息转发的优先次序，随后进入消息转发阶段，携带消息节点C根据自身所携带的消息副本数κ决定转发过程。
本实施例中基于地图最短路径移动模型，使用机会网络仿真平台ONE进行仿真实验，验证本发明中所提出的模型和算法的正确性和有效性，观察在节点缓存空间、节点数目、生成消息的时间间隔变化时FirstContact、DirectDelivery、Epidemic和LIBR四种方法的路由性能，采取的度量指标有：成功投递率、负载率、平均时延，具体的仿真参数设置如表1。
表1基于地图最短路径模型具体仿真参数设置
| 参数 | 默认值 | 范围 |
| 仿真区域 | 4500m×3500m | —— |
| 传输速度 | 250Kbps | —— |
| 传输范围 | 10m | —— |
| 仿真时间 | 12hours | —— |
| 移动速度 | 0.5-1.5(m/s) | —— |
| 消息存活时间 | 100s | —— |
| 消息大小 | 50KB | —— |
| 采样时间间隔 | 5s | —— |
| 节点缓存空间 | 60M | 20M-120M |
| 节点个数 | 300个 | 100-600个 |
| 产生消息时间间隔 | 20s | 10s-35s |
实验1
该组实验针对网络中节点缓存空间的变化，把基于位置预测的路由方法与机会网络中几种经典的路由方法相比较，四种路由算法的消息成功投递率、平均传输时延、网络负载率的变化规律分别如图3、图4、图5所示。
综合图3、图4、图5可以得知基于位置预测的路由的投递率最高、平均时延最小，并且负载率相对较低，因为基于位置信息的预测在一定程度上增大了与目的节点D相遇的可能性，平均传输时延和平均跳数更小，并且基于Markov模型的位置预测减小了转发的盲目性，减小了网络开销，负载率更低。相比于其他三种路由算法，FirstContact的共享率最低，并且它的平均时延最高，因此它在负载小的网络环境中性能更好。
实验2
该组实验针对网络中节点个数的变化，把基于位置预测的路由方法与机会网络中几种经典的路由方法相比较，四种路由算法的消息成功投递率、网络负载率、平均传输时延的变化规律分别如图6、图7、图8所示。
综合图6、图7、图8可以得知基于位置预测的路由的投递率保持最高，随着节点个数的增多负载率和平均时延都较低，因为随着节点个数的增多，节点与目的节点相遇的概率增大，从而缩短了消息传输到目的节点的平均时延，节点经过的跳数相应也变少，对网络中资源的消耗同时会减小。FirstContact的共享率下降最快，平均时延最高，因为网络中节点数量不断增大的时候，与目的节点的相遇机会就会减小，同时资源转发过程中所经过的跳数增多，导致资源转发的时延增大，因此FirstContact适用于稀疏网络。
实验3
该组实验针对网络中产生消息的时间间隔的变化，把基于位置预测的路由方法与机会网络中几种经典的路由方法相比较，四种路由算法的消息成功投递率、网络负载率、平均传输时延的变化规律分别如图9、图10、图11所示。
由图9、图10、图11得知，基于位置预测的路由方法的投递率始终最高，平均时延和平均跳数等都很低。当时间间隔小于15s时，Epidemic的投递率很低，因为生成消息的时间间隔很小，Epidemic没有采用任何冗余策略，丢包数不断增多，而基于位置预测的路由方法能更好地适应消息生成时间间隔的变化，总体性能良好。
实验结果
本发明使用机会网络仿真工具ONE(Opportunistic Network Environment)，通过与其他几种经典的路由算法相比较，大量的仿真实验验证了本发明中提出的模型和策略的有效性和正确性，并且该路由方法在有效提高消息成功投递率的同时，能够降低网络开销和平均传输时延，尤其是在节点密度大、缓存空间受限的机会网络中路由性能更好。
Claims (2)
1.一种机会网络中的路由选择方法，其特征在于由下述步骤组成：
(1)发送前，对当前携带消息节点C所携带的消息确定它的所有邻居节点N；
(2)确定携带消息节点C、所有邻居节点N和目的节点D在当前时刻的移动速度分别为
<mrow>
<mover>
<msub>
<mi>v</mi>
<mi>C</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<msqrt>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>c</mi>
<mi>x</mi>
</msub>
<mn>2</mn>
</msup>
<mo>-</mo>
<mi>c</mi>
<msup>
<msub>
<mn>1</mn>
<mi>x</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
<mo>+</mo>
<mo>(</mo>
<msup>
<msub>
<mi>c</mi>
<mi>y</mi>
</msub>
<mn>2</mn>
</msup>
<mo>-</mo>
<mi>c</mi>
<msup>
<msub>
<mn>1</mn>
<mi>y</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
</msqrt>
<mrow>
<mi>&Delta;</mi>
<mi>T</mi>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mover>
<msub>
<mi>v</mi>
<mi>N</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<msqrt>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>n</mi>
<mi>x</mi>
</msub>
<mn>2</mn>
</msup>
<mo>-</mo>
<mi>n</mi>
<msup>
<msub>
<mn>1</mn>
<mi>x</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
<mo>+</mo>
<mo>(</mo>
<msup>
<msub>
<mi>n</mi>
<mi>y</mi>
</msub>
<mn>2</mn>
</msup>
<mo>-</mo>
<mi>n</mi>
<msup>
<msub>
<mn>1</mn>
<mi>y</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
</msqrt>
<mrow>
<mi>&Delta;</mi>
<mi>T</mi>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mover>
<msub>
<mi>v</mi>
<mi>D</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<msqrt>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>d</mi>
<mi>x</mi>
</msub>
<mn>2</mn>
</msup>
<mo>-</mo>
<mi>d</mi>
<msup>
<msub>
<mn>1</mn>
<mi>x</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
<mo>+</mo>
<mo>(</mo>
<msup>
<msub>
<mi>d</mi>
<mi>y</mi>
</msub>
<mn>2</mn>
</msup>
<mo>-</mo>
<mi>d</mi>
<msup>
<msub>
<mn>1</mn>
<mi>y</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
</msqrt>
<mrow>
<mi>&Delta;</mi>
<mi>T</mi>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
式中c1x和c1y分别表示携带消息节点C在上一时刻位置的横坐标、纵坐标，cx和cy分别表示携带消息节点C在当前时刻位置的横坐标、纵坐标，n1x和n1y分别表示邻居节点N在上一时刻位置的横坐标、纵坐标，nx和ny分别表示邻居节点N在当前时刻的位置的横坐标、纵坐标；d1x和d1y分别表示邻居节点N在上一时刻位置的横坐标、纵坐标，dx和dy分别表示邻居节点N在当前时刻的位置的横坐标、纵坐标；ΔT为记录位置过程中的采样时间间隔；
(3)获取当前时刻携带消息节点C和邻居节点N分别与目的节点D的移动速度夹角θC和θN
<mrow>
<msub>
<mi>&theta;</mi>
<mi>C</mi>
</msub>
<mo>=</mo>
<msup>
<mi>cos</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mover>
<msub>
<mi>v</mi>
<mi>C</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mo>&times;</mo>
<mover>
<msub>
<mi>v</mi>
<mi>D</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
</mrow>
<mrow>
<mo>|</mo>
<mover>
<msub>
<mi>v</mi>
<mi>C</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mo>|</mo>
<mo>|</mo>
<mover>
<msub>
<mi>v</mi>
<mi>D</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mo>|</mo>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&theta;</mi>
<mi>N</mi>
</msub>
<mo>=</mo>
<msup>
<mi>cos</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mover>
<msub>
<mi>v</mi>
<mi>N</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mo>&times;</mo>
<mover>
<msub>
<mi>v</mi>
<mi>D</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
</mrow>
<mrow>
<mo>|</mo>
<mover>
<msub>
<mi>v</mi>
<mi>N</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mo>|</mo>
<mo>|</mo>
<mover>
<msub>
<mi>v</mi>
<mi>D</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mo>|</mo>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
式中分别表示在当前时刻携带消息节点C、邻居节点N、目的节点D的移动速度；
(4)选择邻居节点Ni中与目的节点D移动速度的夹角在范围的节点为中继节点R
邻居节点Ni与目的节点D移动速度的夹角由下式确定：
<mrow>
<msub>
<mi>&theta;</mi>
<mi>N</mi>
</msub>
<mo>=</mo>
<msup>
<mi>cos</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mover>
<msub>
<mi>v</mi>
<mi>N</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mo>&times;</mo>
<mover>
<msub>
<mi>v</mi>
<mi>D</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
</mrow>
<mrow>
<mo>|</mo>
<mover>
<msub>
<mi>v</mi>
<mi>N</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mo>|</mo>
<mo>|</mo>
<mover>
<msub>
<mi>v</mi>
<mi>D</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mo>|</mo>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
(5)由节点位置预测模型中的转移概率矩阵P获取目的节点D在下一时刻的位置
(6)确定下一时刻携带消息节点C和中继节点R到目的节点D的距离Sc和Sn的大小按下式携带消息节点C和中继节点R到目的节点D的距离Sc和Sn的大小：
<mrow>
<msub>
<mi>S</mi>
<mi>c</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<msub>
<mn>2</mn>
<mi>x</mi>
</msub>
<mo>-</mo>
<mo>(</mo>
<msub>
<mi>c</mi>
<mi>x</mi>
</msub>
<mo>+</mo>
<mi>&Delta;</mi>
<mi>T</mi>
<mo>&times;</mo>
<msub>
<mover>
<mrow>
<mi>v</mi>
<mn>1</mn>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mi>x</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<msub>
<mn>2</mn>
<mi>y</mi>
</msub>
<mo>-</mo>
<mo>(</mo>
<msub>
<mi>c</mi>
<mi>y</mi>
</msub>
<mo>+</mo>
<mi>&Delta;</mi>
<mi>T</mi>
<mo>&times;</mo>
<msub>
<mover>
<mrow>
<mi>v</mi>
<mn>1</mn>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mi>y</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>S</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<msub>
<mn>2</mn>
<mi>x</mi>
</msub>
<mo>-</mo>
<mo>(</mo>
<msub>
<mi>n</mi>
<mi>x</mi>
</msub>
<mo>+</mo>
<mi>&Delta;</mi>
<mi>T</mi>
<mo>&times;</mo>
<msub>
<mover>
<mrow>
<mi>v</mi>
<mn>2</mn>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mi>x</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>d</mi>
<msub>
<mn>2</mn>
<mi>y</mi>
</msub>
<mo>-</mo>
<mo>(</mo>
<msub>
<mi>n</mi>
<mi>y</mi>
</msub>
<mo>+</mo>
<mi>&Delta;</mi>
<mi>T</mi>
<mo>&times;</mo>
<msub>
<mover>
<mrow>
<mi>v</mi>
<mn>2</mn>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mi>y</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
式中d2x和d2y分别表示目的节点D在下一时刻位置的横坐标、纵坐标，和分别表示携带消息节点C在下一时刻位置的横坐标、纵坐标，和分别表示邻居节点N在下一时刻位置的横坐标、纵坐标；
(7)获取节点缓存中不同消息的转发优先级Pm
节点缓存中不同消息的优先级由下式确定：
Pm＝L(mi)×α+(1-(T(mi)×β)) (9)
式中L(mi)表示消息的重要性等级，T(mi)表示消息的时效性，α表示消息的重要性等级所占的权重，β表示消息的生存时间所占的权重，满足α+β＝1，L(mi)∈[0,1]，T(mi)∈[0,1]；
(8)对携带消息节点C给中继节点Ri进行消息转发的决策
由步骤(6)中Sc、Sn和步骤(7)中Pm的结果，携带消息节点C将优先级Pm高的消息转发给中继节点R，携带消息节点C决策转发多少副本给每个中继节点R：
如果携带消息节点C携带的消息副本数κ＝1，则携带消息节点C自己携带着消息移动等待与目的节点D相遇，并且不转发消息给任何节点；
如果携带消息节点C携带的消息副本数κ＞1，其中k为有限的正整数：
a、当SC＝SN时，携带消息节点C给所有的中继节点R转发的消息副本总数为同时每个中继节点R，得到的消息副本数为携带消息节点C自身保留的消息副本为
b、当SC＞SN时，携带消息节点C将全部的消息副本κ转发给中继节点R，每个中继节点R得到的副本数为
c、当SC＜SN时，携带消息节点C不转发消息，自己携带消息移动等待转发机会，直至遇到目的节点D。
2.根据权利要求1所述的机会网络中的路由选择方法，其特征在于在步骤(8)中，所述的遇到新的邻居节点N和目的节点D时发送消息为：携带消息节点C遇到新的邻居节点N时，对携带消息节点C中所有消息转发的优先次序和给每个中继节点R转发的副本数进行决策，确定发送。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710646551.9A CN107333312B (zh) | 2017-08-01 | 2017-08-01 | 机会网络中的路由选择方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710646551.9A CN107333312B (zh) | 2017-08-01 | 2017-08-01 | 机会网络中的路由选择方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107333312A true CN107333312A (zh) | 2017-11-07 |
| CN107333312B CN107333312B (zh) | 2019-03-05 |
Family
ID=60198951
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710646551.9A Expired - Fee Related CN107333312B (zh) | 2017-08-01 | 2017-08-01 | 机会网络中的路由选择方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107333312B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107949000A (zh) * | 2017-12-06 | 2018-04-20 | 常熟理工学院 | 一种低延迟的机会网络实现方法 |
| CN108055657A (zh) * | 2017-12-14 | 2018-05-18 | 深圳Tcl数字技术有限公司 | 节点信息转发方法、网络设备及计算机可读存储介质 |
| CN108616465A (zh) * | 2018-03-22 | 2018-10-02 | 天津大学 | 支持携带存储转发机制的移动自组织网络路由方法 |
| CN109587751A (zh) * | 2019-01-07 | 2019-04-05 | 中国科学院计算技术研究所 | 无人机自组网自适应路由方法和系统 |
| CN110753382A (zh) * | 2019-10-23 | 2020-02-04 | 中南大学 | 一种基于车辆位置预测的车载网络路由设置方法 |
| CN110809303A (zh) * | 2019-11-11 | 2020-02-18 | 华中师范大学 | 一种基于节点地理位置的移动机会网络路由方法 |
| CN111328092A (zh) * | 2020-02-27 | 2020-06-23 | 中山大学 | D2d通信中继分组缓存分配中的预信息动态更新方法 |
| CN111405632A (zh) * | 2020-03-24 | 2020-07-10 | 中国联合网络通信集团有限公司 | 路由方法、装置、终端设备及存储介质 |
| CN111585893A (zh) * | 2020-04-30 | 2020-08-25 | 长安大学 | 一种车联网环境下基于机会网络的路由性能分析方法 |
| CN111654892A (zh) * | 2019-11-11 | 2020-09-11 | 华中师范大学 | 一种基于节点位置信息的受控传染路由方法 |
| US10826851B2 (en) * | 2018-07-18 | 2020-11-03 | Ambeent Inc. | Method and system for routing delay-tolerant communication messages to a destination device |
| CN114339941A (zh) * | 2022-01-10 | 2022-04-12 | 黑龙江大学 | 基于簇划分的机会网络路由方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101577668A (zh) * | 2008-05-06 | 2009-11-11 | 北京循天行信息技术有限公司 | 一种基于网格分簇的无线传感器网络机会路由协议 |
| 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 |
| 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 |
| CN103561426A (zh) * | 2013-11-04 | 2014-02-05 | 南京邮电大学 | 容迟移动传感网中基于节点活跃度的改进概率路由方法 |
| CN103607745A (zh) * | 2013-12-04 | 2014-02-26 | 湖南大学 | 一种无线网络中联合机会路由选择和信道分配的方法 |
| CN103825823A (zh) * | 2014-02-21 | 2014-05-28 | 中国科学技术大学苏州研究院 | 基于不同优先级的软件定义网络中数据转发方法 |
| CN104469874A (zh) * | 2014-11-24 | 2015-03-25 | 南京邮电大学 | 一种基于概率中心度的机会网络的消息转发方法 |
| CN105704777A (zh) * | 2016-03-31 | 2016-06-22 | 陕西师范大学 | 一种面向机会网络的路由方法 |
| CN105791120A (zh) * | 2016-05-03 | 2016-07-20 | 哈尔滨工业大学深圳研究生院 | 机会网络中一种高效路由算法 |
| CN105848239A (zh) * | 2016-03-15 | 2016-08-10 | 首都师范大学 | 基于均匀分布的机会网络消息转发策略 |
| CN106060887A (zh) * | 2016-05-25 | 2016-10-26 | 重庆邮电大学 | 面向时空特性变化认知的机会网络路由方法 |
| CN106850425A (zh) * | 2016-12-21 | 2017-06-13 | 陕西师范大学 | 基于马尔科夫决策过程的分段路由方法及一种网络节点 |
-
2017
- 2017-08-01 CN CN201710646551.9A patent/CN107333312B/zh not_active Expired - Fee Related
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101577668A (zh) * | 2008-05-06 | 2009-11-11 | 北京循天行信息技术有限公司 | 一种基于网格分簇的无线传感器网络机会路由协议 |
| 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 |
| 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 |
| CN103561426A (zh) * | 2013-11-04 | 2014-02-05 | 南京邮电大学 | 容迟移动传感网中基于节点活跃度的改进概率路由方法 |
| CN103607745A (zh) * | 2013-12-04 | 2014-02-26 | 湖南大学 | 一种无线网络中联合机会路由选择和信道分配的方法 |
| CN103825823A (zh) * | 2014-02-21 | 2014-05-28 | 中国科学技术大学苏州研究院 | 基于不同优先级的软件定义网络中数据转发方法 |
| CN104469874A (zh) * | 2014-11-24 | 2015-03-25 | 南京邮电大学 | 一种基于概率中心度的机会网络的消息转发方法 |
| CN105848239A (zh) * | 2016-03-15 | 2016-08-10 | 首都师范大学 | 基于均匀分布的机会网络消息转发策略 |
| CN105704777A (zh) * | 2016-03-31 | 2016-06-22 | 陕西师范大学 | 一种面向机会网络的路由方法 |
| CN105791120A (zh) * | 2016-05-03 | 2016-07-20 | 哈尔滨工业大学深圳研究生院 | 机会网络中一种高效路由算法 |
| CN106060887A (zh) * | 2016-05-25 | 2016-10-26 | 重庆邮电大学 | 面向时空特性变化认知的机会网络路由方法 |
| CN106850425A (zh) * | 2016-12-21 | 2017-06-13 | 陕西师范大学 | 基于马尔科夫决策过程的分段路由方法及一种网络节点 |
Non-Patent Citations (5)
| Title |
|---|
| PENG LI, XIAOMING WANG, LICHEN ZHANG, JUNLING LU, FENG ZHANG,ECT: "Higher-load Data Transmitting in Opportunistic Networks Based on Probability Analysis of Communicating Capabilities", 《2016 IEEE INTERNATIONAL CONFERENCES ON BIG DATA AND CLOUD COMPUTING (BDCLOUD), SOCIAL COMPUTING AND NETWORKING SUSTAINABLE COMPUTING AND COMMUNICATIONS》 * |
| ZHANG FENG, WANG XIAOMING, JIANG LIPING, ZHANG LICHEN: "Energy Efficient Forwarding Algorithm in Opportunistic Networks", 《CHINESE JOURNAL OF ELECTRONICS》 * |
| 刘耀，周红静: "基于ONE平台传染路由算法合作性分析", 《广东技术师范学院学报》 * |
| 张峰，王小明，张珊珊: "机会网络中考虑缓存的ProPhet路由算法", 《计算机工程与设计》 * |
| 张杨，王小明，林亚光，张丹: "基于马尔可夫决策过程的机会网络转发策略", 《计算机科学与探索》 * |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107949000A (zh) * | 2017-12-06 | 2018-04-20 | 常熟理工学院 | 一种低延迟的机会网络实现方法 |
| CN107949000B (zh) * | 2017-12-06 | 2020-08-04 | 常熟理工学院 | 一种低延迟的机会网络实现方法 |
| CN108055657A (zh) * | 2017-12-14 | 2018-05-18 | 深圳Tcl数字技术有限公司 | 节点信息转发方法、网络设备及计算机可读存储介质 |
| CN108616465A (zh) * | 2018-03-22 | 2018-10-02 | 天津大学 | 支持携带存储转发机制的移动自组织网络路由方法 |
| CN108616465B (zh) * | 2018-03-22 | 2020-10-30 | 天津大学 | 支持携带存储转发机制的移动自组织网络路由方法 |
| US10826851B2 (en) * | 2018-07-18 | 2020-11-03 | Ambeent Inc. | Method and system for routing delay-tolerant communication messages to a destination device |
| CN109587751A (zh) * | 2019-01-07 | 2019-04-05 | 中国科学院计算技术研究所 | 无人机自组网自适应路由方法和系统 |
| CN109587751B (zh) * | 2019-01-07 | 2020-12-22 | 中国科学院计算技术研究所 | 无人机自组网自适应路由方法和系统 |
| CN110753382A (zh) * | 2019-10-23 | 2020-02-04 | 中南大学 | 一种基于车辆位置预测的车载网络路由设置方法 |
| CN110753382B (zh) * | 2019-10-23 | 2021-08-17 | 中南大学 | 一种基于车辆位置预测的车载网络路由设置方法 |
| CN111654892A (zh) * | 2019-11-11 | 2020-09-11 | 华中师范大学 | 一种基于节点位置信息的受控传染路由方法 |
| CN110809303A (zh) * | 2019-11-11 | 2020-02-18 | 华中师范大学 | 一种基于节点地理位置的移动机会网络路由方法 |
| CN111654892B (zh) * | 2019-11-11 | 2022-04-08 | 华中师范大学 | 一种基于节点位置信息的受控传染路由方法 |
| CN110809303B (zh) * | 2019-11-11 | 2022-06-10 | 华中师范大学 | 一种基于节点地理位置的移动机会网络路由方法 |
| CN111328092A (zh) * | 2020-02-27 | 2020-06-23 | 中山大学 | D2d通信中继分组缓存分配中的预信息动态更新方法 |
| CN111328092B (zh) * | 2020-02-27 | 2021-10-01 | 中山大学 | D2d通信中继分组缓存分配中的预信息动态更新方法 |
| CN111405632A (zh) * | 2020-03-24 | 2020-07-10 | 中国联合网络通信集团有限公司 | 路由方法、装置、终端设备及存储介质 |
| CN111585893A (zh) * | 2020-04-30 | 2020-08-25 | 长安大学 | 一种车联网环境下基于机会网络的路由性能分析方法 |
| CN114339941A (zh) * | 2022-01-10 | 2022-04-12 | 黑龙江大学 | 基于簇划分的机会网络路由方法 |
| CN114339941B (zh) * | 2022-01-10 | 2022-08-09 | 黑龙江大学 | 基于簇划分的机会网络路由方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107333312B (zh) | 2019-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107333312B (zh) | 机会网络中的路由选择方法 | |
| Zhao et al. | An intelligent fuzzy-based routing scheme for software-defined vehicular networks | |
| Ahmed et al. | Routing protocols based on protocol operations for underwater wireless sensor network: A survey | |
| Zhao et al. | A novel adaptive routing and switching scheme for software-defined vehicular networks | |
| CN105208616A (zh) | 车载自组织网络中基于道路拓扑的自适应多副本路由方法 | |
| He et al. | Cost-efficient traffic-aware data collection protocol in VANET | |
| Zhao et al. | Learning based massive data offloading in the iov: Routing based on pre-rlga | |
| CN106535282A (zh) | 车载自组织网络中基于遗传算法的QoS感知路由协议 | |
| Naeem et al. | Enhanced clustering based routing protocol in vehicular ad‐hoc networks | |
| Jianmin et al. | Ardeep: Adaptive and reliable routing protocol for mobile robotic networks with deep reinforcement learning | |
| Fu et al. | DAWN: A density adaptive routing for deadline-based data collection in vehicular delay tolerant networks | |
| Almeida et al. | Performance evaluation of manet and dtn routing protocols | |
| CN107040884B (zh) | 一种基于邻域强连通性的移动自组网数据传输方法 | |
| Xu et al. | Efficient opportunistic routing with social context awareness for distributed mobile social networks | |
| Tabatabaei et al. | Fuzzy-based routing protocol to increase throughput in mobile ad hoc networks | |
| Gupta et al. | Unmanned aerial vehicles (uavs): Evaluation of olsr, dsdv, aodv, and dsr dynamic routing protocols | |
| He et al. | A Two‐Level Communication Routing Algorithm Based on Vehicle Attribute Information for Vehicular Ad Hoc Network | |
| CN106656819A (zh) | 一种基于时间表的dtn机会预测路由方法 | |
| Bunu et al. | Machine learning-based optimized link state routing protocol for D2D communication in 5G/B5G | |
| Wang et al. | A Q-learning based routing algorithm for software defined vehicular network | |
| Tahmassebpour | Methods and algorithms of capacity calculation and increase throughput in wireless sensor networks base of ZigBee: A survey | |
| CN107276837A (zh) | 基于上下文认知的数据转发方法和装置 | |
| Wang et al. | Distributed routing algorithm with dynamic connection partition for mobile ad hoc networks | |
| Zhao et al. | Multi-path routing protocol for the video service in UAV-assisted VANETs | |
| Du et al. | A data collection approach based on mobile sinks for heterogeneous sensor networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for 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 |
Granted publication date: 20190305 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |