CN111628931A - 一种基于bp神经网络预测的icn生产者移动性支持方法 - Google Patents

一种基于bp神经网络预测的icn生产者移动性支持方法 Download PDF

Info

Publication number
CN111628931A
CN111628931A CN202010438368.1A CN202010438368A CN111628931A CN 111628931 A CN111628931 A CN 111628931A CN 202010438368 A CN202010438368 A CN 202010438368A CN 111628931 A CN111628931 A CN 111628931A
Authority
CN
China
Prior art keywords
route
producer
prediction
information
packet
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.)
Pending
Application number
CN202010438368.1A
Other languages
English (en)
Inventor
杨武
苘大鹏
吕继光
王巍
玄世昌
郑煦
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.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN202010438368.1A priority Critical patent/CN111628931A/zh
Publication of CN111628931A publication Critical patent/CN111628931A/zh
Pending legal-status Critical Current

Links

Images

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
    • H04L45/34—Source routing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • H04L45/02—Topology update or discovery

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明属于信息中心网络的生产者移动性支持技术领域，具体涉及一种基于BP神经网络预测的ICN生产者移动性支持方法。本发明采用LM算法优化后的BP神经网络作为生产者移动性支持的预测模型结构，加快了收敛速度、避免过度拟合和锯齿问题。本发明利用BP神经网络来预测生产者可能的移动轨迹，提前判断出新接入路由的所在位置；利用和兴趣包类似的通知包结构进行传递信息，在原有兴趣包的基础上进行更改，可以避免额外引入其他分组结构。本发明使用通知包和修改后的FIB表共同作用进行路径信息的变更，将路由收敛过程发生的时间提前，有效避免收敛带来的时延，进而加快了生产者移动导致的时延。

Description

一种基于BP神经网络预测的ICN生产者移动性支持方法
技术领域
本发明属于信息中心网络的生产者移动性支持技术领域，具体涉及一种基于BP神经网络预测的ICN生产者移动性支持方法。
背景技术
在信息中心网络生产者的移动过程中，消费者发出的请求信息仍旧会被按照原有路由转发方式发送到生产者的原位置，这些请求信息会被丢失，进而导致发出这些兴趣包的用户服务不能得到及时响应。由于数据包在路由中是依据FIB和PIT表的查找结果进行转发的，内容生产者在移动结束后会进行重新注册，在此过程中需要更改周围节点中路由表的转发接口，从而带来路由收敛时延。
日常生活中，内容生产者可能是携带信息的车辆本身或高速移动的手机终端，这些实体的移动轨迹常常具有一定规律，如果能够推测出内容生产者下一次移动的大致位置，就能判断出它们在下一时刻将要接入的路由器节点。BP神经网络自1986年提出至今不断被完善，成为神经网络中使用范围最广的模型之一。因此，使用BP神经网络可以进行路径分析和预测，并变更路由传递路径从而及时为移动终端提供服务。
发明内容
本发明的目的在于提供解决现有方法中存在的被动等待导致路由收敛速度慢的问题的一种基于BP神经网络预测的ICN生产者移动性支持方法。
本发明的目的通过如下技术方案来实现：包括以下步骤：
步骤1：利用LM算法优化后的BP神经网络根据生产者的历史轨迹信息训练预测模型；
步骤2：生产者即将离开路由节点时向接入的源路由节点发送通知，源路由节点发送查询信息给映射服务器，查询信息中包含源路由节点的前缀和内容生产者身份认证的标识；
步骤3：映射服务器收到查询信息后提取出生产者身份，并将查询信息输入到预测模型中，得到生产者下一时刻可能的移动位置；映射服务器将网络拓扑中距离该位置最近的路由名返回给源路由节点，同时还将返回源路由和预测路由的核心节点内容前缀名；
步骤4：源路由节点收到信息后生成并转发预测通知包；
步骤5：预测通知包沿路修改路径节点中的FIB表项；
如果收到预测通知包的路由位置位于源路由方向，则收到预测通知包的路由将对应内容前缀的原始FIB转发接口项移至预变更接口中；
如果收到预测通知包的路由位置位于预测路由方向，则收到预测通知包的路由添加对应内容前缀和预变更接口；
如果收到预测通知包的路由是源路由路径和预测路由路径的核心路由节点，FIB预变更接口中的转发信息既需要复制FIB转发接口中的信息，也要添加预测接入路由方向转发的接口信息；
步骤6：判断预测结果是否命中；
若预测结果命中了，则将预测的位置信息加入到预测模型的历史位置信息表中，预测到的新路由生成确认包发送给源路由并修改FIB表项；
若预测没有命中，则将生产者的实际位置加入到预测模型的历史位置信息表中，源路由生成恢复包发送给预测路由并修改FIB表项；
步骤7：预测模型更新生产者下一时刻的位置信息。
本发明的有益效果在于：
本发明通过LM算法优化后的BP神经网络来预测位置信息并提前预测出移动可能的落点，在转发过程中提前修改表结构，从而实现移动性支持。
本发明采用LM算法优化后的BP神经网络作为生产者移动性支持的预测模型结构，加快了收敛速度、避免过度拟合和锯齿问题。本发明利用BP神经网络来预测生产者可能的移动轨迹，提前判断出新接入路由的所在位置；利用和兴趣包类似的通知包结构进行传递信息，在原有兴趣包的基础上进行更改，可以避免额外引入其他分组结构。本发明使用通知包和修改后的FIB表共同作用进行路径信息的变更，将路由收敛过程发生的时间提前，有效避免收敛带来的时延，进而加快了生产者移动导致的时延。
附图说明
图1为本发明的通知包格式示意图。
图2为本发明的FIB表格式示意图。
图3为本发明的预测模块的工作流程示意图。
图4是本发明的路由转发更改模块的工作流程示意图。
图5是本发明的预测模块实验在轨迹对比结果的示意图。
图6是本发明对比隧道方法的平均服务终端时间对比示意图。
图7是本发明对比隧道方法的路由平均收敛时间对比示意图。
具体实施方式
下面结合附图对本发明做进一步描述。
本方法提出了应用在信息中心网络的一种基于BP神经网络预测的ICN生产者移动性支持方法，旨在解决现有方法中存在的被动等待导致路由收敛速度慢的问题。
本发明通过LM算法优化后的BP神经网络来预测位置信息并提前预测出移动可能的落点，在转发过程中提前修改表结构，从而实现移动性支持。
(1)首先初始化使用LM算法优化后的BP训练模型的参数。参数包括输入层、输出层、隐含层、激活函数、学习方法和迭代次数。然后遍历当前节点的历史位置信息对模型进行训练。
(2)当前网络中每个路由节点都维护一个全网唯一的名称标识，名称标识的命名方式基于层次结构。网络中含有映射服务器，映射服务器能够收取来自路由器的请求，从请求中提取出需要查询的对象名称并在自身中进行查找与转换得到对应的网络标识然后将其返回给发出请求的路由节点。映射服务器中存储了网络拓扑结构中所有节点的名称与该节点对应的位置信息，同时每间隔一定时间对网络内生产者的位置进行更新，收集它们位置的最新变化并形成对应的历史位置信息记录表。通过历史位置信息，映射服务器可以使用BP算法来预测出下一时刻内容生产者可能的位置，获得位置后可以在拓扑结构中查找距离最近的路由并将路由的位置信息连同前缀名称一起发送给请求的路由。
(3)内容生产者即将离开路由节点时向接入的源路由节点发送通知，源路由节点发送查询信息给映射服务器，查询信息中包含源路由节点的前缀和内容生产者身份认证的标识。
(4)映射服务器收到查询信息后提取出生产者身份，查询出生产者下一时刻可能的位置，将网络拓扑中距离该位置最近的路由名返回给请求路由，同时还将返回源接入路由和预测接入路由的核心节点内容前缀名。
(5)源路由节点收到相应信息后会修改路由信息。源接入路由将会发送预测通知包。如果收到预测通知包的路由位置位于源接入路由方向，那么收到预测通知包的路由需要将对应内容前缀的原始FIB转发接口项移至预变更接口中。如果收到预测通知包的路由位置位于预测的接入路由方向，那么收到预测通知包的路由需要添加对应内容前缀和预变更接口。如果收到预测通知包的路由是源接入路由路径和预测接入路由路径的核心路由节点，FIB预变更接口中的转发信息既需要复制FIB转发接口中的信息，也要添加预测接入路由方向转发的接口信息。如果预测结果命中了，就将预测的位置信息放入预测模型的历史位置信息表中。新路由节点将会发送预测成功包确认表项的更改。如果预测没有命中，将新的位置放入预测模型。源路由将利用更改过的FIB表中的预变更接口进行预测恢复包的发送来实现路径恢复。同时需要将新的位置放入预测模型。
本发明的基于BP神经网络预测的生产者移动性支持方法具有以下优点：1)采用LM算法优化后的BP神经网络作为生产者移动性支持的预测模型结构，利用BP神经网络来预测生产者可能的移动轨迹，提前判断出新接入路由的所在位置。LM优化后的BP神经网络可以有效使得BP神经网络模型加快收敛速度、避免过度拟合和锯齿问题。2)利用和兴趣包类似的通知包结构进行传递信息，在原有兴趣包的基础上进行更改，可以避免额外引入其他分组结构。3)使用通知包和修改后的FIB表共同作用进行路径信息的变更，将路由收敛过程发生的时间提前，有效避免收敛带来的时延，进而加快了生产者移动导致的时延。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于BP神经网络预测的ICN生产者移动性支持方法，其特征在于，包括以下步骤：
步骤1：利用LM算法优化后的BP神经网络根据生产者的历史轨迹信息训练预测模型；
步骤2：生产者即将离开路由节点时向接入的源路由节点发送通知，源路由节点发送查询信息给映射服务器，查询信息中包含源路由节点的前缀和内容生产者身份认证的标识；
步骤3：映射服务器收到查询信息后提取出生产者身份，并将查询信息输入到预测模型中，得到生产者下一时刻可能的移动位置；映射服务器将网络拓扑中距离该位置最近的路由名返回给源路由节点，同时还将返回源路由和预测路由的核心节点内容前缀名；
步骤4：源路由节点收到信息后生成并转发预测通知包；
步骤5：预测通知包沿路修改路径节点中的FIB表项；
如果收到预测通知包的路由位置位于源路由方向，则收到预测通知包的路由将对应内容前缀的原始FIB转发接口项移至预变更接口中；
如果收到预测通知包的路由位置位于预测路由方向，则收到预测通知包的路由添加对应内容前缀和预变更接口；
如果收到预测通知包的路由是源路由路径和预测路由路径的核心路由节点，FIB预变更接口中的转发信息既需要复制FIB转发接口中的信息，也要添加预测接入路由方向转发的接口信息；
步骤6：判断预测结果是否命中；
若预测结果命中了，则将预测的位置信息加入到预测模型的历史位置信息表中，预测到的新路由生成确认包发送给源路由并修改FIB表项；
若预测没有命中，则将生产者的实际位置加入到预测模型的历史位置信息表中，源路由生成恢复包发送给预测路由并修改FIB表项；
步骤7：预测模型更新生产者下一时刻的位置信息。
CN202010438368.1A 2020-05-22 2020-05-22 一种基于bp神经网络预测的icn生产者移动性支持方法 Pending CN111628931A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010438368.1A CN111628931A (zh) 2020-05-22 2020-05-22 一种基于bp神经网络预测的icn生产者移动性支持方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010438368.1A CN111628931A (zh) 2020-05-22 2020-05-22 一种基于bp神经网络预测的icn生产者移动性支持方法

Publications (1)

Publication Number Publication Date
CN111628931A true CN111628931A (zh) 2020-09-04

Family

ID=72272404

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010438368.1A Pending CN111628931A (zh) 2020-05-22 2020-05-22 一种基于bp神经网络预测的icn生产者移动性支持方法

Country Status (1)

Country Link
CN (1) CN111628931A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114157724A (zh) * 2021-11-23 2022-03-08 之江实验室 一种基于源路由的身份/位置标识混合转发方法
CN114866458A (zh) * 2022-05-26 2022-08-05 国网河北省电力有限公司电力科学研究院 一种命名数据网中生产者移动的管理方法及管理系统
US20220417208A1 (en) * 2021-06-23 2022-12-29 Airbus (S.A.S.) Distributed name resolution for geo-location based networking

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070299794A1 (en) * 2006-06-26 2007-12-27 Hesham El-Damhougy Neural network-based node mobility and network connectivty predictions for mobile ad hoc radio networks
CN106376041A (zh) * 2016-09-30 2017-02-01 西安交通大学 一种应用elm预测的命名数据网络移动性切换方法
CN106408343A (zh) * 2016-09-23 2017-02-15 广州李子网络科技有限公司 一种基于bp神经网络的用户行为分析与预测的建模方法及其装置
CN107040471A (zh) * 2017-04-01 2017-08-11 中南大学 基于ndn网络架构的方向感知转发方法、装置及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070299794A1 (en) * 2006-06-26 2007-12-27 Hesham El-Damhougy Neural network-based node mobility and network connectivty predictions for mobile ad hoc radio networks
CN106408343A (zh) * 2016-09-23 2017-02-15 广州李子网络科技有限公司 一种基于bp神经网络的用户行为分析与预测的建模方法及其装置
CN106376041A (zh) * 2016-09-30 2017-02-01 西安交通大学 一种应用elm预测的命名数据网络移动性切换方法
CN107040471A (zh) * 2017-04-01 2017-08-11 中南大学 基于ndn网络架构的方向感知转发方法、装置及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220417208A1 (en) * 2021-06-23 2022-12-29 Airbus (S.A.S.) Distributed name resolution for geo-location based networking
US11641338B2 (en) * 2021-06-23 2023-05-02 Airbus (S.A.S.) Distributed name resolution for geo-location based networking
CN114157724A (zh) * 2021-11-23 2022-03-08 之江实验室 一种基于源路由的身份/位置标识混合转发方法
CN114866458A (zh) * 2022-05-26 2022-08-05 国网河北省电力有限公司电力科学研究院 一种命名数据网中生产者移动的管理方法及管理系统
CN114866458B (zh) * 2022-05-26 2023-08-01 国网河北省电力有限公司电力科学研究院 一种命名数据网中生产者移动的管理方法及管理系统

Similar Documents

Publication Publication Date Title
CN111628931A (zh) 一种基于bp神经网络预测的icn生产者移动性支持方法
Li et al. An ICN/SDN-based network architecture and efficient content retrieval for future satellite-terrestrial integrated networks
Pourghebleh et al. Towards efficient data collection mechanisms in the vehicular ad hoc 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
CN106376041B (zh) 一种应用elm预测的命名数据网络移动性切换方法
Ali et al. Anchor‐Less Producer Mobility Management in Named Data Networking for Real‐Time Multimedia
CN107040471A (zh) 基于ndn网络架构的方向感知转发方法、装置及系统
Rui et al. MUPF: Multiple unicast path forwarding in content-centric VANETs
Liu et al. A region-based collaborative management scheme for dynamic clustering in green vanet
CN109617962A (zh) 一种基于内容关联度的车联网雾节点内容缓存方法
CN109511151A (zh) 星联网的组网方法及通信方法
Aljeri et al. A dynamic MAP discovery and selection scheme for predictive hierarchical MIPv6 in vehicular networks
Guo et al. A smart forwarding scheme for the interest packet in VNDN
CN110545243A (zh) 一种icn报文转发方法
Vaghela et al. Vehicular parking space discovery with agent approach
Yang et al. A data transmitting scheme based on improved AODV and RSU-assisted forwarding for large-scale VANET
Li et al. NDN producer mobility management based on echo state network: a lightweight machine learning approach
Sharma et al. Software defined virtual clustering-based content distribution mechanism in vndn
Xia et al. Exploiting knowledge for better mobility support in the future internet
Hussaini et al. Analytical modelling solution of producer mobility support scheme for named data networking
Boussedjra et al. Map-based location service for VANET
CN113613209A (zh) 一种icn车联网中基于rsu等级和内容流行度的预切换方法
CN111314885A (zh) 一种基于命名数据网络的城市车联网通信方法
da Silva et al. Context-aware routing and forwarding model for NDN-based VANET
Fourati et al. ICN clustering-based approach for VANETs

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200904