CN107801226A - 基于节点社会相似性和个体中心性的数据转发方法和装置 - Google Patents
基于节点社会相似性和个体中心性的数据转发方法和装置 Download PDFInfo
- Publication number
- CN107801226A CN107801226A CN201711113745.9A CN201711113745A CN107801226A CN 107801226 A CN107801226 A CN 107801226A CN 201711113745 A CN201711113745 A CN 201711113745A CN 107801226 A CN107801226 A CN 107801226A
- Authority
- CN
- China
- Prior art keywords
- mobile node
- hop
- value
- centrality
- node
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000005540 biological transmission Effects 0.000 claims abstract description 21
- 239000013598 vector Substances 0.000 claims description 13
- 238000005265 energy consumption Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 5
- 238000013459 approach Methods 0.000 abstract description 3
- 235000008694 Humulus lupulus Nutrition 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 13
- 230000001186 cumulative effect Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000008447 perception Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 208000035473 Communicable disease Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique 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
- H04W40/18—Communication route or path selection, e.g. power-based or shortest path routing based on predicted events
-
- 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
- H04L45/12—Shortest path evaluation
- H04L45/126—Shortest path evaluation minimising geographical or physical path length
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供了一种基于节点社会相似性和个体中心性的数据转发方法和装置。该方法应用于物联网,该物联网包括多个移动节点;该方法包括:当前移动节点利用万有引力定律确定下一跳移动节点;当前移动节点和下一跳移动节点各自的个体中心性值分别表示万有引力定律中的质量;当前移动节点与下一跳移动节点之间的社会相似性值表示万有引力定律中的距离;个体中心性值和社会相似性值基于当前移动节点和下一跳移动节点之间的相遇频率和相近性来确定;当前移动节点将待转发数据传输至该下一跳移动节点。由此本发明实施例改善了数据转发性能,使得物联网在应用中具有高数据投递率,低延迟、消息传递平均跳数少、消息传递失败率低、能耗低的效果。
Description
技术领域
本发明涉及物联网技术领域,特别是涉及一种基于节点社会相似性和个体中心性的数据转发方法和装置。
背景技术
IoT(Internet of things,物联网),即物物相连的互联网。它通过智能感知、识别技术与普适计算等通信感知技术,广泛应用于网络的融合中,也因此被称为继计算机、互联网之后世界信息产业发展的第三次浪潮,是“信息化”时代的重要发展阶段。物联网的核心和基础仍然是互联网,是在互联网基础上的延伸和扩展的网络。物联网用户端延伸和扩展到了任何物品与物品之间,进行信息交换和通信,也就是物物相息。物联网已经广泛应用于以下场合:智能家居或家庭、智能城市、环境监测、智能医疗、食品溯源、国防军事、智能交通和智能环境等。
物联网应用在传统无线传感网的基础上借助各种智能设备的传感器感知一切事物信息,这种新模式改变了传统无线传感网的运作方式,能够降低其网络部署成本,为非全连通网络提供更多的数据传输机会,在很大程度上提高了数据收集和融合的性能,也为无线传感网带来了新的机遇和挑战,满足随处感知和泛在互联的基本需求。
但是,现有的物联网在进行数据转发时,通常基于传统的无线传感器网络,并根据转发数据本身的信息、节点实时状态或事先设定的转发方式(例如,周期转发、传染病模式等)完成数据转发,即:以高速度、高质量、低功耗为目标,从传感器收集节点经一些列中间传输节点(例如,固定传感器节点、移动传感器节点),传输至Sink节点(汇聚节点)。其中,传感器节点能量的消耗(也即丧失或不稳定性)会引起物联网拓扑结构的动态性变化,进而会导致数据丢失,造成所收集的数据不完整。因此,现有物联网存在数据转发性能差的缺陷。
发明内容
本发明实施例的目的在于提供一种基于节点社会相似性和个体中心性的数据转发方法和装置,以改善数据转发性能。
为了实现上述目的,第一方面,提供了以下技术方案:
一种基于节点间社会相似性和节点个体中心性的数据转发方法,应用于表示物联网的加权有向图中的当前移动节点,所述加权有向图包括多个移动节点;所述方法包括:
利用万有引力定律确定下一跳移动节点;其中,所述当前移动节点和所述下一跳移动节点各自的个体中心性值分别表示万有引力定律中的质量;所述当前移动节点与所述下一跳移动节点之间的社会相似性值表示万有引力定律中的距离;所述个体中心性值和所述社会相似性值基于所述当前移动节点和所述下一跳移动节点之间的相遇频率和相近性来确定;
将待转发数据传输至所确定的所述下一跳移动节点。
可选的,如果所述当前移动节点相遇多个下一跳备选移动节点;则利用万有引力定律确定下一跳移动节点的步骤,包括:
计算各下一跳备选移动节点的万有引力;
将最大的万有引力所对应的下一跳备选移动节点,确定为下一跳移动节点。
可选的,所述当前移动节点与所述下一跳移动节点之间的社会相似性值通过以下方式确定:
根据所述当前移动节点与所述下一跳移动节点之间的所述相遇频率和所述相近性,确定所述当前移动节点和所述下一跳移动节点之间两条有向边的权重;
将所述当前移动节点与所述下一跳移动节点之间的所述两条有向边的权重的向量内积,确定为所述当前移动节点与所述下一跳移动节点之间的社会相似性值。
可选的,所述当前移动节点或所述下一跳移动节点的个体中心性值通过以下方式确定:
基于所述当前移动节点和所述下一跳移动节点之间的所述相遇频率和所述相近性,分别确定所述当前移动节点和所述下一跳移动节点的入度中心性值和出度中心性值;
根据所述当前移动节点与任一其他节点之间边的存在与否,确定所述当前移动节点在无向图中的入度中心性值和出度中心性值;其中,所述无向图为与所述加权有向图相对应且其中各边无方向的图;
将所述当前移动节点或所述下一跳移动节点的所述入度中心性值与所述出度中心性值之和,确定为所述当前移动节点或所述下一跳移动节点的个体中心性值;其中,所述入度中心性值包括所述无向图中的所述入度中心性值和所述加权有向图中的所述入度中心性值;所述出度中心性值包括所述无向图中的所述出度中心性值和所述加权有向图中的所述出度中心性值。
可选的,所述当前移动节点和所述下一跳移动节点之间的所述相遇频率通过以下方式确定:
计算所述当前移动节点与所述下一跳移动节点在预定时间内的相遇次数,得到第一数值;
计算所述当前移动节点与所有其他移动节点在所述预定时间内的相遇次数之和,得到第二数值;
将所述第一数值与所述第二数值之商确定为所述当前移动节点和所述下一跳移动节点之间的所述相遇频率。
可选的,所述当前移动节点和所述下一跳移动节点之间的所述相近性通过以下方式确定:
计算所述当前移动节点从最后一次遇到所述下一跳移动节点至当前时刻之间的第一时长;
计算所述当前移动节点在所述第一时长内处于所述物联网中的第二时长;
将所述第一时长与所述第二时长之商,确定为所述当前移动节点和所述下一跳移动节点之间的所述相近性。
可选的,在将待转发数据传输至所确定的所述下一跳移动节点的步骤之后,所述方法还包括:
删除所述待转发数据。
为了实现上述目的,第二方面,提供了以下技术方案:
一种基于节点间社会相似性和节点个体中心性的数据转发装置,应用于表示物联网的加权有向图中的当前移动节点,所述加权有向图包括多个移动节点;所述装置包括:
确定模块,用于利用万有引力定律确定下一跳移动节点;其中,所述当前移动节点和所述下一跳移动节点各自的个体中心性值分别表示万有引力定律中的质量;所述当前移动节点与所述下一跳移动节点之间的社会相似性值表示万有引力定律中的距离;所述个体中心性值和所述社会相似性值基于所述当前移动节点和所述下一跳移动节点之间的相遇频率和相近性来确定;
传输模块,用于将待转发数据传输至所确定的所述下一跳移动节点。
可选的,如果所述当前移动节点相遇多个下一跳备选移动节点;则所述确定模块包括:
计算单元,用于计算各下一跳备选移动节点的万有引力;
确定单元,用于将最大的万有引力所对应的下一跳备选移动节点,确定为下一跳移动节点。
可选的,所述确定模块还用于:
根据所述当前移动节点与所述下一跳移动节点之间的所述相遇频率和所述相近性,确定所述当前移动节点和所述下一跳移动节点之间两条有向边的权重;
将所述当前移动节点与所述下一跳移动节点之间的所述两条有向边的权重的向量内积,确定为所述当前移动节点与所述下一跳移动节点之间的社会相似性值。
可选的,所述确定模块还用于:
基于所述当前移动节点和所述下一跳移动节点之间的所述相遇频率和所述相近性,分别确定所述当前移动节点和所述下一跳移动节点的入度中心性值和出度中心性值;
根据所述当前移动节点与任一其他节点之间边的存在与否,确定所述当前移动节点在无向图中的入度中心性值和出度中心性值;其中,所述无向图为与所述加权有向图相对应且其中各边无方向的图;
将所述当前移动节点或所述下一跳移动节点的所述入度中心性值与所述出度中心性值之和,确定为所述当前移动节点或所述下一跳移动节点的个体中心性值;其中,所述入度中心性值包括所述无向图中的所述入度中心性值和所述加权有向图中的所述入度中心性值;所述出度中心性值包括所述无向图中的所述出度中心性值和所述加权有向图中的所述出度中心性值。
可选的,所述确定模块还用于:
计算所述当前移动节点与所述下一跳移动节点在预定时间内的相遇次数,得到第一数值;
计算所述当前移动节点与所有其他移动节点在所述预定时间内的相遇次数之和,得到第二数值;
将所述第一数值与所述第二数值之商确定为所述当前移动节点和所述下一跳移动节点之间的所述相遇频率。
可选的,所述确定模块还用于:
计算所述当前移动节点从最后一次遇到所述下一跳移动节点至当前时刻之间的第一时长;
计算所述当前移动节点在所述第一时长内处于所述物联网中的第二时长;
将所述第一时长与所述第二时长之商,确定为所述当前移动节点和所述下一跳移动节点之间的所述相近性。
可选的,所述装置还包括:
删除模块,用于删除所述待转发数据。
本发明实施例提供一种基于节点社会相似性和个体中心性的数据转发方法和装置。该方法应用于物联网,该物联网包括多个移动节点;该数据转发方法包括:当前移动节点利用万有引力定律确定下一跳移动节点;其中,当前移动节点包括待转发数据;当前移动节点和下一跳移动节点各自的个体中心性值分别表示万有引力定律中的质量;当前移动节点与下一跳移动节点之间的社会相似性值表示万有引力定律中的距离;个体中心性值和社会相似性值基于当前移动节点和下一跳移动节点之间的相遇频率和相近性来确定;当前移动节点将待转发数据传输至所确定的下一跳移动节点。
本发明实施例利用多个移动节点构成移动物联网;在确定数据转发的下一跳转发节点时,采用万有引力定律计算节点间社会相似性和节点个体中心性对移动节点的整体影响,将移动节点间的相遇频率和相近性作为下一跳转发节点选择的度量因素,基于节点间的相遇频率和亲近性,确定节点间的社会相似性值和节点的个体中心性值,使得节点间的社会相似性值和节点的个体中心性值符合物联网的实际应用情况,然后,基于节点间的社会相似性值和节点的个体中心性值,并利用万有引力定律确定出下一跳移动节点;最后,将待转发数据传输至所确定出的下一跳移动节点,从而实现了数据转发,由此改善了数据转发性能,使得物联网在实际应用中具有高数据投递率、低延迟、消息传递平均跳数少、消息传递失败率低、能耗低的优点;可以为物联网应用服务连续性提供可靠保障,可以满足移动物联网环境应用中智能选取下一跳转发节点的要求。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而得以体现。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
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为根据本发明实施例的基于节点间社会相似性和节点个体中心性的数据转发方法的流程示意图;
图2为根据本发明实施例的在仅考虑移动节点的原始度中心性或加权度中心性的情况下数据转发示意图;
图3为根据本发明另一实施例的数据转发示意图;
图4为根据本发明另一实施例的基于节点间社会相似性和节点个体中心性的数据转发方法的流程示意图;
图5a为本发明实施例与现有技术在累积投递率与数据包生存时间的关系方面的对比示意图;
图5b为本发明实施例与现有技术在平均传递时延与数据包生存时间的关系方面的对比示意图;
图5c为本发明实施例与现有技术在平均跳数分布与数据包生存时间的关系方面的对比示意图;
图5d为本发明实施例与现有技术在数据包传递失败与成功比与数据包生存时间的关系方面的对比示意图;
图6为根据本发明实施例的基于节点间社会相似性和节点个体中心性的数据转发装置的结构示意图;
图7为根据本发明实施例的确定模块的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面对本文涉及到的术语进行详细说明。
移动感知机会网络是一种不需要源节点和目的节点之间存在完整路径,利用具有感知功能的节点移动带来的相遇机会,实现网络通信的自组织网络。算法是在每个携带数据的移动节点上运行的,因子值(相遇频率和相近性(也称近亲性))的获取主要依靠每个移动节点上记录相关历史信息(如相遇次数)的日志文件。
邻居节点指在指定时间滑动窗口长度内与指定节点相遇过的节点。
节点间的社会相似性是指反映了移动物联网中节点间的亲密关系的性质,其值可由加权有向图中节点间的联系强度计算而来;其中,节点间的联系强度是由节点间的相遇频率和相近性组成的一个二元向量,其也等价于图中边的权重。
节点的个体中心性是指反映了移动物联网中节点的相对重要性的性质。在加权有向图中,一个节点的个体中心性可表示为该节点的入度中心性和出度中心性之和。其中,节点入度中心性可由其在加权有向图中的入度和对应的无权有向图中的入度联合计算得出;同理,节点的出度中心性可由其在加权有向图中的入度和对应的无权有向图中的入度联合计算得出。
移动物联网络可以由集成了传感器的各种高性能的移动智能终端或便携式智能设备组成。移动物联网络为无线传感网络的应用带来了新的机遇,也改变了物联网的应用模式。该移动物联网络的数据转发的机制研究也随之有了进一步的突破。其中,移动智能终端或便携式智能设备可以充当无线传感网络中的数据收集或传递节点,并采用逐跳的方式完成数据传输。移动感知机会网络节点的特点是“存储-携带-转发”,它能满足间歇式联网的需要,其拓扑结构具有随上下文、时间和空间的动态变化性。作为移动感知机会网络节点的智能设备的移动或部署是与人类行为特性密切相关的,并且后者会对前者产生一定的影响;所以,在移动感知机会网络数据转发中,节点具有人性化特征,即:持有者或实施者的许多特性或行为在数据转发过程中将被考虑作为主要因素。这使得机会网络数据转发相对于传统无线传感器网络下的数据转发更加贴近实际。虽然移动感知机会网络的节点资源也是受限的,但其中很多节点的能量易于获取,且可再次循环利用,因此,可通过提高机会数据转发性能为物联网应用服务连续性提供进一步的可靠保障。
在实际应用中都要求实时响应或及时转发数据给用户,否则数据就会失效,服务产生中断,用户体验质量下降。因此,为了解决如何改善数据转发性能的技术问题,本发明实施例考虑到人与人之间的频繁互动与他们的友谊感情成正比,而且重要的联系人最近应该与该用户交互,提出一种基于节点间社会相似性和节点个体中心性的数据转发方法。该方法应用于表示物联网的加权有向图中的当前移动节点,加权有向图包括多个移动节点。如图1所示,该方法包括如下步骤S100和步骤S110。其中:
S100:利用万有引力定律确定下一跳移动节点;其中,当前移动节点和下一跳移动节点各自的个体中心性值分别表示万有引力定律中的质量;当前移动节点与下一跳移动节点之间的社会相似性值表示万有引力定律中的距离;个体中心性值和社会相似性值基于当前移动节点和下一跳移动节点之间的相遇频率和相近性来确定。
其中,本实施例不同于采用传统无向图或无项加权图表示物联网的技术方案,而是采用加权有向图(也可称有向加权图)表示物联网(优选为移动物联网)。其中,移动节点之间边的权重为加权有向图中边(即有向边)的值,该移动节点之间边的权重由移动节点之间的相遇频率和相近性组成的二元向量表示;移动节点之间社会相似性值由移动节点之间两条有向边的权重向量的内积得到;移动节点的个体中心性值由移动节点的度和加权度量化表示并通过参数进行调整。
下面举例对采用加权有向图表示物联网的方式进行详细说明。
其中,假设每个移动节点代表一个移动智能设备,其包括但不限于智能手机、平板电脑、可穿戴设备等。
一个时间序列下的物联网环境可以由下式表示:
G={G0,G1,...,Gt,...}; (公式1)
其中,t表示时刻;Gt表示t时刻的物联网场景,Gt=(Vt,Et,Wt),Vt表示t时刻移动节点的集合,Vt={v1,v2,...vi,...},vi和vj分别表示移动节点,Et表示t时刻移动节点vi和vj之间边的集合,Et={(vi,vj)|vi,vj∈Vt},Wt表示t时刻移动节点vi和vj之间边的权重的集合,i、j表示移动节点编号。
本发明实施例中,当前移动节点和下一跳移动节点(也称转发节点)之间的相遇频率通过以下方式确定:
步骤a1:计算当前移动节点与下一跳移动节点在预定时间内的相遇次数,得到第一数值;
步骤a2:计算当前移动节点与所有其他移动节点在预定时间内的相遇次数之和,得到第二数值;
步骤a3:将第一数值与第二数值之商确定为当前移动节点和下一跳移动节点之间的相遇频率。
示例性地,上述相遇频率可由下式计算得到:
其中,FQ(vi,vj)t表示移动节点vi和vj的相遇频率;t表示时刻;Δt表示常量,其在实际应用中可表示预先设定的记录时间,例如,30min、60min等,0≤Δt≤t;表示移动节点vi和vj从t-Δt时刻至t时刻期间的相遇次数;表示移动节点vi与所有其他移动节点从t-Δt时刻至t时刻期间相遇次数之和。
本发明实施例中,当前移动节点和下一跳移动节点之间的相近性通过以下方式确定:
步骤b1:计算当前移动节点从最后一次遇到下一跳移动节点至当前时刻之间的第一时长;
步骤b2:计算当前移动节点在第一时长内处于物联网中的第二时长;
步骤b3:将第一时长与第二时长之商,确定为当前移动节点和下一跳移动节点之间的相近性。
示例性地,上述相近性可由下式计算得到:
其中,RE(vi,vj)t表示移动节点vi和vj之间的相近性;表示移动节点vi从最近一次遇到移动节点vj的时刻t-Δt至当前时刻t的时长;表示移动节点vi从时刻t-Δt至当前时刻t的期间停留在物联网中的总时长。
因为移动节点的个体中心性反映了物联网中移动节点的相对重要性。所以,在一些实施例中,当前移动节点或下一跳移动节点的个体中心性值通过以下方式确定:
步骤c1:基于当前移动节点和下一跳移动节点之间的相遇频率和相近性,分别确定当前移动节点和下一跳移动节点的入度中心性值和出度中心性值;
步骤c2:根据当前移动节点与任一其他节点之间边的存在与否,确定当前移动节点在无向图中的入度中心性值和出度中心性值;其中,无向图为与加权有向图相对应且其中各边无方向的图;
步骤c3:将当前移动节点或下一跳移动节点的入度中心性值与出度中心性值之和,确定为当前移动节点或下一跳移动节点的个体中心性值;其中,入度中心性值包括无向图中的入度中心性值和加权有向图中的入度中心性值;出度中心性值包括无向图中的出度中心性值和加权有向图中的出度中心性值。
例如,移动节点的个体中心性值可通过下式计算得到:
其中,表示移动节点vi的个体中心性值;表示移动节点vi的入度中心性值;表示移动节点vj的出度中心性值;表示移动节点vi在无向图中的入度中心性值, 表示移动节点vi在无向图中的出度中心性值,表示移动节点vi在加权有向图中的入度中心性值,表示移动节点vi在加权有向图中的出度中心性值,v'表示t时刻移动节点的集合Vt中的移动节点,当从移动节点v'至移动节点vi的方向上移动节点v'与移动节点vi之间的边存在时,否则,当从移动节点vi至移动节点v'的方向上移动节点vi与移动节点v'之间的边存在时,否则,表示从移动节点v'至移动节点vi的方向上移动节点v'与移动节点vi之间的边权重的数值,表示从移动节点vi至移动节点v'的方向上移动节点vi与移动节点v'之间的边权重的数值,FQ(v',vi)t表示移动节点v'和移动节点vi的相遇频率;FQ(vi,v')t表示移动节点vi与移动节点v'的相遇频率;RE(v',vi)t表示移动节点v'和移动节点vi之间的相近性;RE(vi,v')t表示移动节点vi与移动节点v'之间的相近性;β表示调整参数,用于衡量一个移动节点的度与该移动节点相关的边权重的关系。
本实施例通过上述技术方案确定当前移动节点或下一跳移动节点的个体中心性值,能够便于客观地选择转发数据的下一跳移动节点。
图2示例性地示出了在仅考虑移动节点的原始度中心性或加权度中心性的情况下数据转发示意图。本例沿用公式4-6所用示例。当每条边的权重均为1时,移动节点在无向图和加权有向图中的入度中心性值是等价的,移动节点在无向图和加权有向图中的出度中心性值是等价的。而与之相反,移动节点具有权重和不具有权重的度的中心性值却不同。如图2所示,对于移动节点Vj和Vl,且而 此时,在实际的网络环境中,移动节点Vj更易于被选为转发节点(其作为中继节点)。但如果仅考虑加权有向图的出、入度中心性值而未考虑移动节点Vj邻居节点的数量的话,则会不合理地选错下一跳移动节点。如图2所示,以移动节点Vj和Vm为例,可以得到:且由图2可见,连接至Vj和Vm的移动节点的数量分别为2个和3个。由此可知,Vm更能成功地转发数据。
因此,本发明实施例综合考虑了移动节点分别在无向图和加权有向图中的出/入度中心性值,由此能够准确地反映移动节点个体中心性。
因为移动节点之间的社会相似性反映了物联网中移动节点之间的亲密关系。为了使本发明实施例提供的技术方案接近实际情况,该社会相似性的值可通过加权有向图中移动节点间的联系强度获得,该联系强度可以由移动节点间的相遇频率和相近性组成的二元向量获得,该二元向量等价于加权有向图中边的权重,如下式所示:
其中,表示加权有向图中移动节点vi和vj之间边的权重;vi表示移动节点;vj表示移动节点;FQ(vi,vj)t表示移动节点vi和vj的相遇频率;RE(vi,vj)t表示移动节点vi和vj之间的相近性;t表示时刻。
又因为,权重的数值越大,则两个移动节点的相似度就越高。因此,本发明实施例采用两个移动节点之间的两条有向边的向量内积表示这两个移动节点之间的社会相似性。
鉴于此,在一些实施例中,当前移动节点与下一跳移动节点之间的社会相似性值通过以下方式确定:
步骤d1:根据当前移动节点与下一跳移动节点之间的相遇频率和相近性,确定当前移动节点和下一跳移动节点之间两条有向边的权重;
步骤d2:将当前移动节点与下一跳移动节点之间的两条有向边的权重的向量内积,确定为当前移动节点与下一跳移动节点之间的社会相似性值。
例如,上述社会相似性值可通过下式计算得到:
其中,表示移动节点vi和vj之间的社会相似性;表示在t时刻加权有向图中从移动节点vi至移动节点vj方向的边的权重;表示在t时刻加权有向图中从移动节点vj至移动节点vi方向的边的权重。
为了更好地理解利用节点间社会相似性来确定下一跳节点的过程,下面结合图3,示例性地对此予以详细说明。其中,Vi、u、Vj和Vk分别表示移动节点,这里,假设u表示目标移动节点;权重向量中的数值可以参考前述公式9和公式10计算得到,表示从Vi至u方向上Vi和u之间边的权重,表示从u至Vi方向上u和Vi之间边的权重, 表示从Vj至u方向上Vj和u之间边的权重,表示从u至Vj方向上u和Vj之间边的权重,表示从Vk至u方向上Vk和u之间边的权重,表示从u至Vk方向上u和Vk之间边的权重,
如图3所示,当Vi遇到Vj和Vk时,根据公式8-10可知,Vi、Vj和Vk分别与u间的社会相似性值为:然后,选取最大的社会相似性值所对应的移动节点作为转发节点,即将Vj作为下一跳移动节点。
本实施例通过上述技术方案确定当前移动节点与下一跳移动节点之间的社会相似性值,能够便于客观地选择转发节点。
在实际应用中,在时刻t,承载有待转发数据的移动节点会相遇到多个下一跳移动节点,此时,需要合理而客观地选择一个移动节点(此处也可称为邻居节点)作为转发节点,以进行下一步数据转发。
为此,参考图4,在一些实施例中,如果当前移动节点相遇多个下一跳备选移动节点;则S100包括如下步骤S101和步骤S102。其中:
S101:计算各下一跳备选移动节点的万有引力。
例如,可通过下式获得万有引力:
其中,G表示万有引力常量,G≈6.67×10-11;表示移动节点vi的个体中心性值,也即表示移动节点vi的质量;表示移动节点vj的个体中心性值,也即表示移动节点vj的质量;表示移动节点vi和移动节点vj之间的社会相似性值,也即表示移动节点vi和移动节点vj之间的距离。
S102:将最大的万有引力所对应的下一跳备选移动节点,确定为下一跳移动节点。
本步骤从计算出的各个下一跳备选移动节点的万有引力中,选择出最大的万有引力数值所对应的下一跳备选移动节点,并将其作为下一跳移动节点,即转发节点,以进行数据转发。
本实施例通过万有引力定律对当前移动节点的邻居移动节点进行评估,能够客观、合理地评估出最佳的下一跳移动节点,从而使得该下一跳移动节点高效地转发数据。
S110:将待转发数据传输至所确定的下一跳移动节点。
本步骤中,当前移动节点在确定出下一跳移动节点后,将待转发数据发送至该下一跳移动节点。
在以往的物联网数据转发中,通常以传统无线传感器网络为基础,其数据转发主要依赖于数据本身的信息、节点实时状态或事先设定好的转发方式(例如,周期转发、传染病模式等)等,以高速度、高质量、低能耗为目标完成数据从传感器收集节点经系列中间传输节点(例如,固定传感器节点或移动传感器节点)传送到sink节点(即汇聚节点)。其中,网络拓扑结构的动态性变化主要由节点有限能量的丧失引起。显然,这种节点能量的不稳定性很容易导致传递数据的丢失,引起收集数据的不完整性。再者,节点硬件节能技术又难以有实质性的提升。这些都成为了提高传统无线传感器网络数据转发性能的主要障碍。由此,造成了数据转发性能差的缺陷。
例如,现有技术中有的技术方案根据节点间共同邻居节点的数量确定节点间的社会相似性和节点的中间状态中心性,并以这两个参数为数据转发的决定因素。其中,社会相似性并未考虑邻居节点的活跃能力以及与携带转发数据节点的亲密程度。因此,该技术方案并不客观,从而造成数据转发性能较差。
再比如,现有技术中还有的技术方案仅基于相遇历史预测未来传递概率的策略路由;这会造成较低的相遇概率。另外,该技术方案未考虑数据转发候选节点自身的相对重要性,从而会导致数据转发节点的选择与社会实际情况偏离较大,进而存在不够客观的缺陷;由此会导致数据转发性能较差。
与上述采用传统无线传感器网络进行数据转发的技术方案相比,本发明实施例通过采用步骤S100和步骤S110的技术方案,利用多个移动节点构成移动物联网;在确定数据转发的下一跳转发节点时,采用万有引力定律计算节点间社会相似性和节点个体中心性对移动节点的整体影响,将移动节点间的相遇频率和相近性作为下一跳转发节点选择的度量因素,基于节点间的相遇频率和亲近性,确定节点间的社会相似性值和节点的个体中心性值,使得节点间的社会相似性值和节点的个体中心性值符合物联网的实际应用情况,然后,利用万有引力定律集成计算节点间的社会相似性值和节点的个体中心性值对节点的整体影响,再从所有候选节点中确定出下一跳移动节点;最后,将待转发数据传输至所确定出的下一跳移动节点,如此循环执行上述步骤,以确定出数据转发的下一跳移动节点,最终,将数据传递至目标移动节点为止,从而实现了数据转发。由此,所选取的下一跳节点具有良好的动态性、实时性和客观性,而且可信度高,改善了数据转发性能,使得物联网在实际应用中具有高数据投递率,低延迟,消息传递平均跳数少,消息传递失败率低、能耗低的技术效果;可以为物联网应用服务连续性提供可靠保障,可以满足移动物联网环境应用中智能选取下一跳转发节点的要求。
在一些实施例中,在将待转发数据传输至所确定的下一跳移动节点的步骤之后,该基于节点间社会相似性和节点个体中心性的数据转发方法还包括:删除待转发数据。
本实施例在转发节点每次转发完数据之后,删除待转发数据,以扩大各个移动节点的存储容量,从而避免了由移动节点所构成的物联网长时间存储无用数据而导致性能下降的问题,并降低了物联网的能耗。
下面以一具体实施例对本发明进行详细说明。
其中,假设u表示承载待转发数据的当前移动节点;d表示目标节点;vi表示任一下一跳移动节点;表示u和d之间的万有引力数值;表示vi和d之间的万有引力数值。
步骤1:在t时刻,u分别计算与d的以及与vi的
步骤2:u判断vi是否为d;如果是,则执行步骤3;否则,执行步骤4;
步骤3:u将待转发数据传输至vi,并执行步骤10;
步骤4:u比较与的大,并将数值最大的万有引力数值保存至评估结果集合中;
步骤5:判断评估结果集合是否为空;若是,则执行步骤6;否则,执行步骤7;
步骤6:u继续承载该待转发数据;
步骤7:u对评估结果集合中的元素进行排序,选择最大的万有引力数值;
步骤8:u确定最大的万有引力数值所对应的移动节点作为下一跳移动节点;
步骤9:u将待转发数据发送至该下一跳移动节点;
步骤10:u删除待转发数据。
步骤11:从u接收到待转发数据的移动节点作为u,执行步骤1;
步骤12:重复执行上述步骤,直至待转发数据到达目的移动节点为止。
本优选实施例通过采取上述技术方案,客观、合理、智能地评估出下一跳数据转发节点,改善了数据转发性能,实现了高数据投递率、低延迟、消息平均跳数少以及消息传递失败率低的技术效果。
下面通过具体实施例对本发明予以验证。
本实施例通过与现有技术在数据包投递率函数、平均传输时延函数、数据包传递成功的平均跳数函数,以及消息传递失败与成功的比值函数这四方面的对比来验证本实施例的数据转发性能。其中,投递率函数是指被成功传递的消息数与传递总消息数的比值;平均传输时延函数是指所有被成功传递消息的耗时与所有被成功传递的消息数的比值;平均跳数函数是指所有被成功传递消息的跳数与所有被成功传递的消息数的比值;消息传递失败与成功的比值函数是指传递失败的总消息数与传递成功的总消息数的比值。
图5a-5d示例性地示出了本发明实施例与现有技术的对比结果示意图。在上述图5a-5d中,在数据包生成时间的坐标轴上,h表示小时;d表示天;w表示周。例如,1w表示一周。
图5a示例性地示出了本发明实施例与现有技术在累积投递率与数据包生存时间的关系方面的对比示意图。其中示出了本发明实施例分别在调整参数β分别取1.5、1、0.5和0的情况下,以及第一现有技术和第二现有技术在不同数据包生成时间限制下的累积投递率之间的关系。
从中可见,在初始阶段,本发明实施例与第一和第二现有技术的累积投递率基本相同,但是,随着数据包生存时间的增加,累积投递率与调整参数无关。从中还可知道,第一现有技术的性能最差,其在数据包生存时间接近1周时,累积投递率达到峰值,约为25.1%;此后,累积投递率基本保持不变;这主要是因为第一现有技术仅仅考虑了节点间在某些时刻的联系,而没有关注一段时间内的相遇频率,故在数据被传递至曾经和数据持有者(即载有待转发数据的移动节点)有关联系的一个节点时,该节点在此后不再与其他节点联系而造成数据传递终止。
由此可知,在加权有向图中考虑节点间的相遇频率和相近性是非常重要的,这也正是本发明实施例取得改善数据转发性能的技术效果之所在。第二现有技术在数据包生存时间为1周时,其累积投递率也达到峰值,约为37.2%,随后很快就出现了下降的转折点,而在数据包生成时间大约为11天以后,其累积投递率与第一现有技术的累积投递率基本一致;这主要是因为第二现有技术需要大量的中继节点以适应相遇概率的波动。
由图5a所示对比结果中本发明实施例的结果可知,在数据包生存时间大约为4天时,本发明实施例在调整参数分别取4个不同的取值的情况下,累积投递率均达到峰值;而且,当β分别为0、0.5和1时,累积投递率均达到了74.3%;该结果好于β取1.5时的结果;当数据包生存时间从1小时延长到2周期间,随着调整参数的增加,累积投递率基本呈递减趋势;这主要是因为选择相遇频率和相近性作为移动网络节点间的权重向量且相遇频率和相近性的取值在[0,1]范围内的缘故;该取值范围明显低于移动节点的度的取值。由此可见,本发明实施例的性能最好。
图5b示例性地示出了本发明实施例与现有技术在平均传递时延与数据包生存时间的关系方面的对比示意图,其示出了本发明实施例与现有技术在不同数据包生存时间限制下的平均传递时延之间的关系;图5c示例性地示出了本发明实施例与现有技术在平均跳数分布与数据包生存时间的关系方面的对比示意图,其示出了本发明实施例与现有技术在不同数据包生存时间限制下的平均跳数分布之间的关系;图5d示例性地示出了本发明实施例与现有技术在数据包传递失败与成功比与数据包生存时间的关系方面的对比示意图,其示出了本发明实施例与现有技术在不同数据包生存时间限制下的数据包传递失败与成功比之间的关系。有关图5b-5d的分析可参考本文对图5a的分析,在此不再赘述。
为了解决如何改善数据转发性能的技术问题,本发明实施例提供一种基于节点间社会相似性和节点个体中心性的数据转发装置。该装置可执行上述方法实施例。该装置应用于表示物联网的加权有向图中的当前移动节点,加权有向图包括多个移动节点;如图6所示,该数据转发装置包括:
确定模块61,用于利用万有引力定律确定下一跳移动节点;其中,当前移动节点和下一跳移动节点各自的个体中心性值分别表示万有引力定律中的质量;当前移动节点与下一跳移动节点之间的社会相似性值表示万有引力定律中的距离;个体中心性值和社会相似性值基于当前移动节点和下一跳移动节点之间的相遇频率和相近性来确定;
传输模块62,用于将待转发数据传输至所确定的下一跳移动节点。
本实施例通过确定模块61利用多个移动节点构成移动物联网,并利用万有引力定律计算节点间社会相似性和节点个体中心性对移动节点的整体影响,将移动节点间的相遇频率和相近性作为下一跳转发节点选择的度量因素,基于节点间的相遇频率和亲近性,确定节点间的社会相似性值和节点的个体中心性值,使得节点间的社会相似性值和节点的个体中心性值符合物联网的实际应用情况,然后,利用万有引力定律集成计算节点间的社会相似性值和节点的个体中心性值对节点的整体影响,再从所有候选节点中确定出下一跳移动节点;最后,由传输模块62将待转发数据传输至所确定出的下一跳移动节点,如此由确定模块61和传输模块62循环运行,以确定出数据转发的下一跳移动节点,最终,将数据传递至目标移动节点为止,从而实现了数据转发。由此,所选取的下一跳节点具有良好的动态性、实时性和客观性,而且可信度高,改善了数据转发性能,使得物联网在实际应用中具有高数据投递率,低延迟,消息传递平均跳数少,消息传递失败率低、能耗低的技术效果;可以为物联网应用服务连续性提供可靠保障,可以满足移动物联网环境应用中智能选取下一跳转发节点的要求。
在一些实施例中,如果当前移动节点相遇多个下一跳备选移动节点;则如图7所示,上述确定模块包括:
计算单元71,用于计算各下一跳备选移动节点的万有引力;
确定单元72,用于将最大的万有引力所对应的下一跳备选移动节点,确定为下一跳移动节点。
本实施例中,计算单元计算万有引力定律,以对当前移动节点的邻居移动节点进行评估,再由确定单元将最大的万有引力所对应的下一跳备选移动节点,确定为下一跳移动节点;由此,能够客观、合理地评估出最佳的下一跳移动节点,从而使得该下一跳移动节点高效地转发数据。
在一些实施例中,上述确定模块还用于:
根据当前移动节点与下一跳移动节点之间的相遇频率和相近性,确定当前移动节点和下一跳移动节点之间两条有向边的权重;
将当前移动节点与下一跳移动节点之间的两条有向边的权重的向量内积,确定为当前移动节点与下一跳移动节点之间的社会相似性值。
本实施例通过上述技术方案,由确定模块确定当前移动节点与下一跳移动节点之间的社会相似性值,能够便于客观地选择转发节点。
在一些实施例中,上述确定模块还用于:
基于当前移动节点和下一跳移动节点之间的相遇频率和相近性,分别确定当前移动节点和下一跳移动节点的入度中心性值和出度中心性值;
根据当前移动节点与任一其他节点之间边的存在与否,确定当前移动节点在无向图中的入度中心性值和出度中心性值;其中,无向图为与加权有向图相对应且其中各边无方向的图;
将当前移动节点或下一跳移动节点的入度中心性值与出度中心性值之和,确定为当前移动节点或下一跳移动节点的个体中心性值;其中,入度中心性值包括无向图中的入度中心性值和加权有向图中的入度中心性值;出度中心性值包括无向图中的出度中心性值和加权有向图中的出度中心性值。
本实施例通过上述技术方案由确定模块综合了移动节点分别在无向图和加权有向图中的出/入度中心性值,由此能够准确地反映移动节点个体中心性,从而确定当前移动节点或下一跳移动节点的个体中心性值,进而能够便于客观地选择转发数据的下一跳移动节点。
在一些实施例中,上述确定模块还用于:
计算当前移动节点与下一跳移动节点在预定时间内的相遇次数,得到第一数值;
计算当前移动节点与所有其他移动节点在预定时间内的相遇次数之和,得到第二数值;
将第一数值与第二数值之商确定为当前移动节点和下一跳移动节点之间的相遇频率。
在一些实施例中,上述确定模块还用于:
计算当前移动节点从最后一次遇到下一跳移动节点至当前时刻之间的第一时长;
计算当前移动节点在第一时长内处于物联网中的第二时长;
将第一时长与第二时长之商,确定为当前移动节点和下一跳移动节点之间的相近性。
在一些实施例中,该数据转发装置还包括:
删除模块,用于删除待转发数据。
本实施例在转发节点每次转发完数据之后,由删除模块删除待转发数据,以扩大各个移动节点的存储容量,从而避免了由移动节点所构成的物联网长时间存储无用数据而导致性能下降的问题,并降低了物联网的能耗。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种基于节点间社会相似性和节点个体中心性的数据转发方法,其特征在于,应用于表示物联网的加权有向图中的当前移动节点,所述加权有向图包括多个移动节点;所述方法包括:
利用万有引力定律确定下一跳移动节点;其中,所述当前移动节点和所述下一跳移动节点各自的个体中心性值分别表示万有引力定律中的质量;所述当前移动节点与所述下一跳移动节点之间的社会相似性值表示万有引力定律中的距离;所述个体中心性值和所述社会相似性值基于所述当前移动节点和所述下一跳移动节点之间的相遇频率和相近性来确定;
将待转发数据传输至所确定的所述下一跳移动节点。
2.根据权利要求1所述的方法,其特征在于,如果所述当前移动节点相遇多个下一跳备选移动节点;则利用万有引力定律确定下一跳移动节点的步骤,包括:
计算各下一跳备选移动节点的万有引力;
将最大的万有引力所对应的下一跳备选移动节点,确定为下一跳移动节点。
3.根据权利要求1所述的方法,其特征在于,所述当前移动节点与所述下一跳移动节点之间的社会相似性值通过以下方式确定:
根据所述当前移动节点与所述下一跳移动节点之间的所述相遇频率和所述相近性,确定所述当前移动节点和所述下一跳移动节点之间两条有向边的权重;
将所述当前移动节点与所述下一跳移动节点之间的所述两条有向边的权重的向量内积,确定为所述当前移动节点与所述下一跳移动节点之间的社会相似性值。
4.根据权利要求1所述的方法,其特征在于,所述当前移动节点或所述下一跳移动节点的个体中心性值通过以下方式确定:
基于所述当前移动节点和所述下一跳移动节点之间的所述相遇频率和所述相近性,分别确定所述当前移动节点和所述下一跳移动节点的入度中心性值和出度中心性值;
根据所述当前移动节点与任一其他节点之间边的存在与否,确定所述当前移动节点在无向图中的入度中心性值和出度中心性值;其中,所述无向图为与所述加权有向图相对应且其中各边无方向的图;
将所述当前移动节点或所述下一跳移动节点的所述入度中心性值与所述出度中心性值之和,确定为所述当前移动节点或所述下一跳移动节点的个体中心性值;其中,所述入度中心性值包括所述无向图中的所述入度中心性值和所述加权有向图中的所述入度中心性值;所述出度中心性值包括所述无向图中的所述出度中心性值和所述加权有向图中的所述出度中心性值。
5.根据权利要求1所述的方法,其特征在于,所述当前移动节点和所述下一跳移动节点之间的所述相遇频率通过以下方式确定:
计算所述当前移动节点与所述下一跳移动节点在预定时间内的相遇次数,得到第一数值;
计算所述当前移动节点与所有其他移动节点在所述预定时间内的相遇次数之和,得到第二数值;
将所述第一数值与所述第二数值之商确定为所述当前移动节点和所述下一跳移动节点之间的所述相遇频率。
6.根据权利要求1所述的方法,其特征在于,所述当前移动节点和所述下一跳移动节点之间的所述相近性通过以下方式确定:
计算所述当前移动节点从最后一次遇到所述下一跳移动节点至当前时刻之间的第一时长;
计算所述当前移动节点在所述第一时长内处于所述物联网中的第二时长;
将所述第一时长与所述第二时长之商,确定为所述当前移动节点和所述下一跳移动节点之间的所述相近性。
7.根据权利要求1所述的方法,其特征在于,在将待转发数据传输至所确定的所述下一跳移动节点的步骤之后,所述方法还包括:
删除所述待转发数据。
8.一种基于节点间社会相似性和节点个体中心性的数据转发装置,其特征在于,应用于表示物联网的加权有向图中的当前移动节点,所述加权有向图包括多个移动节点;所述装置包括:
确定模块,用于利用万有引力定律确定下一跳移动节点;其中,所述当前移动节点和所述下一跳移动节点各自的个体中心性值分别表示万有引力定律中的质量;所述当前移动节点与所述下一跳移动节点之间的社会相似性值表示万有引力定律中的距离;所述个体中心性值和所述社会相似性值基于所述当前移动节点和所述下一跳移动节点之间的相遇频率和相近性来确定;
传输模块,用于将待转发数据传输至所确定的所述下一跳移动节点。
9.根据权利要求1所述的装置,其特征在于,如果所述当前移动节点相遇多个下一跳备选移动节点;则所述确定模块包括:
计算单元,用于计算各下一跳备选移动节点的万有引力;
确定单元,用于将最大的万有引力所对应的下一跳备选移动节点,确定为下一跳移动节点。
10.根据权利要求1所述的装置,其特征在于,所述装置还包括:
删除模块,用于删除所述待转发数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711113745.9A CN107801226B (zh) | 2017-11-13 | 2017-11-13 | 基于节点社会相似性和个体中心性的数据转发方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711113745.9A CN107801226B (zh) | 2017-11-13 | 2017-11-13 | 基于节点社会相似性和个体中心性的数据转发方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107801226A true CN107801226A (zh) | 2018-03-13 |
CN107801226B CN107801226B (zh) | 2020-01-17 |
Family
ID=61535845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711113745.9A Active CN107801226B (zh) | 2017-11-13 | 2017-11-13 | 基于节点社会相似性和个体中心性的数据转发方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107801226B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108811027A (zh) * | 2018-07-16 | 2018-11-13 | 山东大学 | 软件定义物联网中节点移动性识别应对方法及系统 |
CN110491456A (zh) * | 2019-08-27 | 2019-11-22 | 中南大学 | 一种医疗数据传输方法及设备 |
CN111542052A (zh) * | 2020-04-24 | 2020-08-14 | 河南中医药大学 | 一种物联网中基于群体信任度的数据转发方法及装置 |
CN112887396A (zh) * | 2021-01-22 | 2021-06-01 | 中国空间技术研究院 | 用于动态时序网络中节点间相似度生成的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102571485A (zh) * | 2011-12-14 | 2012-07-11 | 上海交通大学 | 一种在微博平台上识别机器人用户的方法 |
US20120230222A1 (en) * | 2011-03-08 | 2012-09-13 | Cisco Technology Inc. | Gravitational Parent Selection in Directed Acyclic Graphs |
CN102802223A (zh) * | 2012-08-10 | 2012-11-28 | 迈普通信技术股份有限公司 | 无线异构网络的垂直切换方法及用户终端 |
CN104836610A (zh) * | 2015-03-27 | 2015-08-12 | 上海交通大学 | 一种卫星网络路由选择中的延时发送方法 |
-
2017
- 2017-11-13 CN CN201711113745.9A patent/CN107801226B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120230222A1 (en) * | 2011-03-08 | 2012-09-13 | Cisco Technology Inc. | Gravitational Parent Selection in Directed Acyclic Graphs |
CN102571485A (zh) * | 2011-12-14 | 2012-07-11 | 上海交通大学 | 一种在微博平台上识别机器人用户的方法 |
CN102802223A (zh) * | 2012-08-10 | 2012-11-28 | 迈普通信技术股份有限公司 | 无线异构网络的垂直切换方法及用户终端 |
CN104836610A (zh) * | 2015-03-27 | 2015-08-12 | 上海交通大学 | 一种卫星网络路由选择中的延时发送方法 |
Non-Patent Citations (3)
Title |
---|
CLIO ANDRIS ; SAMUEL HALVERSON ; FRANK HARDISTY: "《Predicting migration system dynamics with conditional and posterior probabilities》", 《PROCEEDINGS 2011 IEEE INTERNATIONAL CONFERENCE ON SPATIAL DATA MINING AND GEOGRAPHICAL KNOWLEDGE SERVICES》 * |
张红艳: "《基于势场的WSN巡航覆盖移动节点的移动策略研究》", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
钱贵文: "《基于社会属性的车联网路由算法研究》", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108811027A (zh) * | 2018-07-16 | 2018-11-13 | 山东大学 | 软件定义物联网中节点移动性识别应对方法及系统 |
CN108811027B (zh) * | 2018-07-16 | 2020-06-19 | 山东大学 | 软件定义物联网中节点移动性识别应对方法及系统 |
CN110491456A (zh) * | 2019-08-27 | 2019-11-22 | 中南大学 | 一种医疗数据传输方法及设备 |
CN111542052A (zh) * | 2020-04-24 | 2020-08-14 | 河南中医药大学 | 一种物联网中基于群体信任度的数据转发方法及装置 |
CN111542052B (zh) * | 2020-04-24 | 2023-04-18 | 河南中医药大学 | 一种物联网中基于群体信任度的数据转发方法及装置 |
CN112887396A (zh) * | 2021-01-22 | 2021-06-01 | 中国空间技术研究院 | 用于动态时序网络中节点间相似度生成的方法 |
CN112887396B (zh) * | 2021-01-22 | 2022-11-25 | 中国空间技术研究院 | 用于动态时序网络中节点间相似度生成的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107801226B (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Das et al. | Intelligent energy-aware efficient routing for MANET | |
CN107801226B (zh) | 基于节点社会相似性和个体中心性的数据转发方法和装置 | |
Serhani et al. | AQ-Routing: mobility-, stability-aware adaptive routing protocol for data routing in MANET–IoT systems | |
EP1473889B1 (en) | Predictive routing in a mobile ad hoc network | |
EP1473890B1 (en) | Predictive routing maintenance in a mobile ad hoc network | |
EP1473879B1 (en) | Predictive routing including the use of fuzzy logic in a mobile ad hoc network | |
Agarwal et al. | Intelligent fault-tolerance data routing scheme for IoT-enabled WSNs | |
CN107193945B (zh) | 机会网络中基于兴趣和相遇相关的消息自适应推荐方法 | |
Jinil Persis et al. | Review of ad‐hoc on‐demand distance vector protocol and its swarm intelligent variants for Mobile Ad‐hoc NETwork | |
Verma et al. | Routing protocols in delay tolerant networks: Comparative and empirical analysis | |
Chinnappen-Rimer et al. | Actor coordination using info-gap decision theory in wireless sensor and actor networks | |
CN109874159A (zh) | 基于信息熵的移动机会网络节点社会关系度量、簇建立与更新及路由方法 | |
Zier et al. | E-RPL: A routing protocol for IoT networks | |
Ciobanu et al. | Opportunistic dissemination using context-based data aggregation over interest spaces | |
Xiaokaiti et al. | Efficient data transmission for community detection algorithm based on node similarity in opportunistic social networks | |
Bhandari et al. | Resource oriented topology construction to ensure high reliability in IoT based smart city networks | |
Santos et al. | Ml-rpl: Machine learning-based routing protocol for wireless smart grid networks | |
Rajasekar et al. | Enhanced WSN routing protocol for internet of things to process multimedia big data | |
Sabeetha et al. | Encounter based fuzzy logic routing in delay tolerant networks | |
Papaj et al. | Cooperation between Trust and Routing Mechanisms for Relay Node Selection in Hybrid MANET‐DTN | |
Yan et al. | An effective transmission strategy exploiting node preference and social relations in opportunistic social networks | |
CN110417572A (zh) | 一种基于目标节点相遇概率预测消息传递节点的方法 | |
Santos | Routing and mobility management in the internet of things | |
Verma et al. | Context-based routing protocols for oppnets | |
Nigam et al. | Bonding based technique for message forwarding in social opportunistic network |
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 |