一种用于公交车容迟网络的预测路由方法.pdf

《一种用于公交车容迟网络的预测路由方法.pdf》由会员分享，可在线阅读，更多相关《一种用于公交车容迟网络的预测路由方法.pdf（15页完成版）》请在专利查询网上搜索。

1、(10)申请公布号 CN 102664805 A (43)申请公布日 2012.09.12 C N 1 0 2 6 6 4 8 0 5 A *CN102664805A* (21)申请号 201210122525.3 (22)申请日 2012.04.24 H04L 12/56(2006.01) (71)申请人北京航空航天大学 地址 100191 北京市海淀区学院路37号 (72)发明人王海泉 常海峰 骆珉 张成 (74)专利代理机构北京科迪生专利代理有限责 任公司 11251 代理人李新华 卢纪 (54) 发明名称 一种用于公交车容迟网络的预测路由方法 (57) 摘要 本发明公开了一种用于公交车。

2、容迟网络的预 测路由方法，其具体过程包括：(1)针对公交车网 络节点运动模式的半确定特性，提出了一种基于 区间代数的抽象网络拓扑表示方法；(2)利用节 点历史接触信息，采用贝叶斯估计对未来接触发 生的可能性进行量化计算，得到未来接触的发生 概率及其密度函数；(3)根据得到的未来接触发 生信息，对未来的连通路径采用迭代递归算法计 算出最优决策序列。在公交车网络场景下，本发明 的投递率高于其他大多数DTN路由，同时也具有 较好的开销比和平均时延，能够满足公交车容迟 网络的需求。 (51)Int.Cl. 权利要求书2页 说明书8页 附图4页 (19)中华人民共和国国家知识产权局 (12)发明专利申请。

3、 权利要求书 2 页 说明书 8 页 附图 4 页 1/2页 2 1.一种用于公交车容迟网络的预测路由方法，其特征在于，包括如下步骤： (1)、基于区间代数对公交车到站时刻的不确定性进行描述：一个时间区间IT是一个 区间数，是由两个实数构成的闭区间，两个实数分别为时间区间的上下极限，上极限对应着 不确定时刻的最晚时间；下极限对应着不确定时刻的最早时间； 公交车到站时刻是一个连续型随机变量，用X表示公交车到站这一事件；设其概率密 度函数为f(x)，若事件X发生的时间区间为(0，+)，对其发生的区间进行截取，进而得到 有穷时间区间，定义：为事件X在时间区间t - ，t + 内发生的概率，用字母P表。

4、示， 即： (2)、对公交车容迟网络抽象建模：根据接触描述定义，给出公交车网络的定义：G: (V，E)，站点集合V由公交车站组成，用车站的序号表示，序号用一个自然数表示；E为接触 的集合，当两个车站之间存在一条公交线路时，两个车站之间存在一个接触e，用一个五元 组表示，即e(id s ，id d ，bus，IT s ，f(x)；其中，id s 表示源公交车站，id d 表示目的公交车 站，id s ，id d V，bus表示公交车号，IT s 是一个不确定时刻，表示车辆bus到达id d 的不确 定时刻，f(x)表示该车辆的到站时刻概率密度函数；N表示自然数集合，模型的形式化定义 如下： (3。

5、)、基于贝叶斯估计，对未来时间的接触进行估计：由贝叶斯公式： h(|x)()p(x|)，接触间隔时间的后验密度是： 其中，在得到接触发生的后验分布密度 后，定义：设x 1 ，x 2 ，x n 是来自总体X的样本，X(x 1 ，x 2 ，x n )，t是未知参数，t 1 t 1 (x)，t 2 t 2 (x)是两个统计量，对于给定的(0，1)，如果有P(t 1 tt 2 )1-， 就称t - ，t + 为参数t的置信水平为(1-)的置信区间；则间隔时间期望 1 的置信水平 为(1-)的置信区间是： (4)、根据预测出的接触信息，对链路Metric值进行量化计算并进行路由决策：路径 的优劣由一个M。

6、etric值来衡量，Metric越小，路径越优；路径l的Metric值计算公式如 下：假设对于第i条边，当前时刻与上次到站时 刻之差为t i ，处理后的区间数为IT i ，则对于节点i，若IT i IT i-1 ，则表示数据到达节点 i后能够直接交给下一节点，此时它的延迟为M delay P(IT i IT i-1 )( i -t i +dis i )； 反之，则需要等待下一辆车的到来，因此，它的等待时间为M wait (1-P(IT i 权 利 要 求 书CN 102664805 A 2/2页 3 IT i-1 )(2 i -t i +dis i )。 2.根据权利要求1所述的方法，其特征在。

7、于，所述步骤4中进一步包括： (4.1)、对第一跳的时间区间进行处理，加上该跳的dis值：l 1 ，r 1 l 1 +dis 1 ， r 1 +dis 1 ，同时更新Metric值； (4.2)将当前跳的时间区间和上一跳进行比较，若P(l i ，r i l i-1 ，r i-1 )0，则l i ， r i l i + i ，r i + i ，直到P(l i ，r i l i-1 ，r i-1 )0，并根据Metric的计算公式累加 Metric值，并将当前跳的时间区间加上该跳的dis值：l i ，r i l i +dis i ，r i +dis i ； (4.3)重复步骤4.2直到最后一跳，同。

8、时保存路径最终的Metric值； (4.4)重复步骤4.1-4.3，直到所有的路径处理完毕； (4.5)选取Metric值最小的前n条路径进行转发。 权 利 要 求 书CN 102664805 A 1/8页 4 一种用于公交车容迟网络的预测路由方法 技术领域 0001 本发明属于通信技术领域，涉及容迟网络路由决策，可用于在容迟网络中对网络 整体性能的提升。 背景技术 0002 容迟网络(DTN，Delay Tolerant Networking)是一种挑战网络(Challenged Networks)环境下的通信技术，其应用场景具有高延迟，低数据率，不存在稳定的端到端连 接，在网络体系结构上缺。

9、乏交互性，系统资源、寿命有限和低占空比操作等特点。通过“存 储-携带-转发”的通信机制，容迟网络能够利用节点的移动性在挑战网络环境下进行消息 的传输。因此，容迟网络中的路由性能严重依赖于节点的移动模式。 0003 公共交通网络(Public Transportation Networks，PTN)主要是指以公交汽车等 公共交通工具所构成的网络。近年来各研究机构研发了一系列有代表性的公交车网络原型 系统，如DieselNet和DakNet等。这些应用原型系统的部署表明公交车网络有重要的应用 前景。然而，考虑到公共交通网络中节点的移动模式特殊性的研究工作还较为缺乏。 0004 公共交通网络中移动模。

10、式的特殊性在于：1)两站点之间可能有多辆不同班次的 汽车可以到达，但并非两两之间都能直达；2)公交车有固定的移动模式，即会按照既定的 时刻表进行有规律的周期性运动。并且在不同的时刻，即交通高峰期或者非高峰期，公交车 按时到站的概率往往不相同。对于此类网络拓扑动态变化，节点运动规律不确定的网络场 景，一般的分析建模方法有进化图、时间图和时变图等，这些方法均有各自的局限性，无法 对公交车网络中的接触进行全面的描述。另一方面，传统的路由协议中，无知识的路由如 Epidemic，SW等没有利用路由知识来提供路由性能，网络资源消耗较大；而另一类利用路 由知识基于接触预测的路由如PRoPHET，Maxpr。

11、op，RCM等都简化了网络场景中节点的移动 特性，不是将节点运动模式视为完全随机，就是将节点运动视为严格规律。这些协议均没有 考虑公交车网络中节点周期变化、相遇时刻不确定的情况，且上述协议并没有利用公交车 网络的节点移动特性来改善路由性能，缺乏针对性。 0005 目前，关于DTN中的接触并没有一个统一的描述。2003年，Kevin Fall等人在文献 (Adelay-tolerant network architecture for challenged internets)中首次给出DTN 中接触的定义。文中将DTN网络定义成一个多重有向图，将接触定义为一次数据传输的机 会。更具体的讲， 接。

12、触在图中是一条随时间变化的描述传输能力的边，传统的接触描述方 法有进化图、时间图和时变图等。 0006 佐治亚理工学院的Chen Y和Borrel V等人于文献(A framework for characterizing the wireless and mobile network continuum)首次提出进化图这一方 法，该方法用一个子图序列来描述DTN网络拓扑的动态变化性。该方法一般适用于对未来 接触能够精确预知的卫星网络当中，适用范围较小。文献(Computing shortest，fastest， and foremost journeys in dynamic network。

13、s)对进化图的定义进行了扩展，并基于该 定义给出了一个属性，从统计特性上提供了一个网络性能的评价属性。但是在这两种方法 说 明 书CN 102664805 A 2/8页 5 上都缺乏对未来接触的随机性的表述方法，并缺少预测活动。时间图(Temporal Graphs) (Statistical Mechanics and its Applications)由CMU的研究者Vassilis Kostakos于 2009年提出。该方法目的在于将时间数据转换为图，从而能够利用现有的基于图论的算法 来发现数据的动态时间特性。该方法将一个时间关系放在了图的顶点上，没有考虑时间关 系的持续性和不确定性，仅。

14、仅能够用于对历史数据的分析。时变图(Time-Varying Graphs) 通过一个函数来对该时刻是否有接触进行判断，并用一个函数来判断接触的持续时间。该 方法考虑到了接触的不确定性，但是没有考虑接触的持续时间特性。可以看出现有的DTN 接触描述方法无法同时描述接触的发生时刻、持续时间、发生概率等特性，从而不能很好的 体现公交车网络中节点接触的不确定性。 0007 DTN路由方面，根据节点掌握的网络拓扑信息的不同，DTN路由可分为确定性路由 和概率路由(Routing in intermittently connected mobile ad hoc networks and delay t。

15、olerant networks：overview and challenges)。在确定性路由协议中，节点未来的移动 和连接是可预测的，即事先知道网络未来的运动状况和连接机会，以及整个网络的拓扑结 构；而在概率路由协议考虑的网络环境中，网络拓扑是动态的、不确定的。如果节点缺乏对 网络状态的了解，那么所有节点只能是随机地向邻居节点转发数据，这种情况属于路由扩 散；如果一个节点可以预测出它到其他邻居节点的转发概率，并根据此概率选择一条好的 路径，这就属于基于历史或是预测的转发。在概率路由中，传染病路由(Epidemic Routing) 的每个节点会保存一个记录缓存区数据包ID号的哈希表，称为摘。

16、要向量。当两个节点建立 连接时，节点首先互相交换摘要向量，然后再传递给对方其没有的数据包。这种基于洪泛的 路由策略能够保证较高的数据投递率，但是缺点也很明显，就是数据包的大量复制很快的 将缓冲区消耗殆尽。 0008 喷射-等待(SW，Spray and Wait)路由分为喷射阶段和等待阶段两个阶段。在喷 射阶段，源节点一次性将数据包复制n份并传给n个不同相邻结点。在等待阶段，如果在喷 射阶段数据包没有到达目的结点，则这n个结点把数据包直接传递给下一个遇到的结点而 不做任何复制工作。 0009 以上路由仅仅在路由转发上做工作，并没有利用路由知识来提高路由性能，而是 通过消耗大量网络资源换取投递率。

17、。且此类路由随意的选取中继节点，容易出现选择的中 继节点还没有源节点更容易达到目的节点，或者那些更容易达到目的节点的中继节点没有 得到报文副本等不合理情况发生。 0010 鉴于无知识路由局限性较大，缺乏可扩展性和自适应性，研究者提出利用历史信 息等知识进行接触预测路由。PRoPHET路由引入了传输预测(delivery predictability) 这一概念，每一个结点都包含其他所有结点的传递概率。每个节点在转发数据包时，根据自 己的传递概率信息表将数据包传递给概率最大的结点。Maxprop路由利用历史相遇信息来 优化路由决策。协议中，每个节点保存到邻居各节点的相遇概率向量，节点相遇时，将对。

18、方 节点的相遇概率置为1，并将其余的概率值减半，然后将概率转化为边权值计算最短路径进 行投递。这种采用增量平均的计算方式具有极强的挥发性，容易产生使用过时的概率向量 计算最短路径的问题。RCM(Routing in Cyclic Mobispace)路由考虑的场景是节点运动具 有固定周期的场景，协议采用最小传输时延这一指标作为衡量链路的权值，在此基础上采 用马尔科夫决策的方法对节点传输时长进行估计和路由。然而，对于节点运动变化的场景， 说 明 书CN 102664805 A 3/8页 6 该协议并不十分适合。如果节点的运动周期发生变化，协议就需要重新决策，缺乏动态适应 性。 0011 通过对以。

19、上几种路由协议的分析，我们发现，现有的路由协议中，无知识的路由如 Epidemic，SW等没有利用路由知识来提供路由性能，网络资源消耗较大；而另一类利用路 由知识基于接触预测的路由如PRoPHET，Maxprop，RCM等都简化了网络场景中节点的移动 特性，不是将节点运动模式视为完全随机，就是将节点运动视为严格规律。这些协议均没有 考虑公交车网络中节点周期变化、相遇时刻不确定的情况，且上述协议并没有利用公交车 网络的节点移动特性来改善路由性能，缺乏针对性。 发明内容 0012 本文针对公共交通网络的特点，从接触的角度出发，提出了一种基于区间代数 的抽象网络拓扑模型，结合贝叶斯估计给出了一种接触。

20、预测方法，并在此基础上，提出 了一种用于公交车容迟网络的预测路由方法，尤其是一种基于接触预测的路由算法 IABR(Interval Algebra based Bus net Routing algorithm)。 0013 一种用于公交车容迟网络的预测路由方法，其特征在于，包括如下步骤： 0014 (1)、基于区间代数对公交车到站时刻的不确定性进行描述： 0015 一个时间区间IT是一个区间数，是由两个实数构成的闭区间，两个实数分别为时 间区间的上下极限，上极限对应着不确定时刻的最晚时间；下极限对应着不确定时刻的最 早时间；公交车到站时刻是一个连续型随机变量，我们用X表示公交车到站这一事件；。

21、设其 概率密度 函数为f(x)，若事件X发生的时间区间为(0，+)，对其发生的区间进行截取， 进而得到有穷时间区间，定义： 为事件X在时间区间t - ，t + 内发生的概率，用字 母P表示，即： 0016 (2)、对公交车容迟网络抽象建模： 0017 根据接触描述定义，给出公交车网络的定义：G:(V，E)，站点集合V由公交车站 组成，用车站的序号表示，序号用一个自然数表示；E为接触的集合，当两个车站之间存在 一条公交线路时，两个车站之间存在一个接触e，用一个五元组表示，即e(id s ，id d ，bus， IT s ，f(x)；其中，id s 表示源公交车站，id d 表示目的公交车站，id。

22、 s ，id d V，bus表示公交 车号，IT s 是一个不确定时刻，表示车辆bus到达id d 的不确定时刻，f(x)表示该车辆的到 站时刻概率密度函数；N表示自然数集合，模型的形式化定义如下： 0018 0019 (3)、基于贝叶斯估计，对未来时间的接触进行估计： 0020 由贝叶斯公式：h(|x)()p(x|)，接触间隔时间的后验密度是： 说 明 书CN 102664805 A 4/8页 7 其中，在得到接触发 生的后验分布密度后，我们定义：设x 1 ，x 2 ，x n 是来自总体X的样本，X(x 1 ，x 2 ， x n )，t是未知参数，t 1 t 1 (x)，t 2 t 2 (x。

23、)是两个统计量，对于给定的(0，1)，如果有 P(t 1 tt 2 )1-，就称t - ，t + 为参数t的置信水平为(1-)的置信区间；则间隔 时间期望 1 的置信水平为(1-)的置信区间是： 0021 (4)、根据预测出的接触信息，对链路Metric值进行量化计算并进行路由决策： 0022 路径的优劣由一个Metric值来衡量，Metric越小，路径越优；路径l的Metric 值计算公 式如下：假设对于第i条边，当前 时刻与上次到站时刻之差为t i ，处理后的区间数为IT i ，则对于节点i，若IT i IT i-1 ， 则表示数据到达节点i后能够直接交给下一节点，此时它的延迟为M del。

24、ay P(IT i IT i-1 )( i -t i +dis i )；反之，则需要等待下一辆车的到来，因此，它的等待时间为M wait (1-P(IT i IT i-1 )(2 i -t i +dis i ) 0023 所述步骤4中进一步包括： 0024 (4.1)、对第一跳的时间区间进行处理，加上该跳的dis值：l 1 ，r 1 l 1 +dis 1 ， r 1 +dis 1 ，同时更新Metric值； 0025 (4.2)将当前跳的时间区间和上一跳进行比较，若P(l i ，r i l i-1 ，r i-1 )0，则 l i ，r i l i + i ，r i + i ，直到P(l i ，。

25、r i l i-1 ，r i-1 )0，并根据Metric的计算公式 累加Metric值，并将当前跳的时间区间加上该跳的dis值：l i ，r i l i +dis i ，r i +dis i ； 0026 (4.3)重复步骤4.2直到最后一跳，同时保存路径最终的Metric值； 0027 (4.4)重复步骤4.1-4.3，直到所有的路径处理完毕； 0028 (4.5)选取Metric值最小的前n条路径进行转发。 附图说明 0029 图1是本发明的流程示意图； 0030 图2是本发明的路径延时计算示意图； 0031 图3是本发明关于基于接触估计的路由算法伪代码； 0032 图4是本发明的ONE。

26、仿真场景示意图； 0033 图5是本发明与传统路由的缓存大小对投递率影响性能比较图； 0034 图6是本发明与传统路由的缓存大小对传输平均延迟影响性能比较图； 0035 图7是本发明与传统路由的缓存大小对网络负载率影响性能比较图。 具体实施方式 0036 1.对公交车到站时刻的不确定性进行描述 0037 公交车到站时刻是一个不确定时刻，我们定义：一个时间区间IT(Interval Time) 是一个区间数，是由两个实数构成的闭区间，两个实数分别为时间区间的上下极限。上极限 说 明 书CN 102664805 A 5/8页 8 对应着不确定时刻的最晚时间；下极限对应着不确定时刻的最早时间。 00。

27、38 公交车到站时刻是一个连续型随机变量，我们用X表示公交车到站这一事件。设 其概率密度函数为f(x)，若事件X发生的时间区间为(0，+)，我们需要对其发生的区间 进行截取，进而得到有穷时间区间。我们定义： 为事件X在时间区间t - ，t + 内 发生的概率，用字母P表示，即： 0039 2.公交车网络抽象建模 0040 公交车网络抽象为由车站集合和车站之间的接触集合组成的多重有向图G: (V，E)，站点集合V由公交车站组成，用车站的序号表示；E为接触的集合，当两个车站之间 存在一条公交线路时，两个车站之间存在一个接触e，用一个五元组表示，即e(id s ，id d ， bus，IT s ，f。

28、(x)。其中，id s 表示源公交车站，id d 表示目的公交车站，id s ，id d V，bus表示 公交车号，IT s 是一个不确定时刻，表示车辆bus到达id d 的不确定时刻，f(x)表示该车辆 的到站时刻概率密度函数。模型的形式化定义如下： 0041 0042 3.基于贝叶斯理论对公交车接触进行估计 0043 对两个节点的接触的估计是指利用其历史相遇信息得出这两节点下一次相遇的 发生时间区间。在这里，我们不直接求公交车的接触时刻，而是将公交车接触时刻转化为两 次接触的间隔时间。 0044 根据贝叶斯公式，要得到公交车接触发生时刻的后验分布，需要知道其先验分布 和样本信息。我们假设：。

29、以各公交车到站的间隔时间为样本，在样本数量足够大的情况下， 对各路公交车来说，其到站间隔时间的先验分布服从正态分布，即 期望 0 等于各路公交车的发车间隔时间，方差 可以由历史经验信息得到。样本信息方面，在 给定条件下的样本分布密度满足p(x i |)N(， 2 )， 2 可以采用样本方差S 2 代替。 由贝叶斯公式：h(|x)()p(x|)，最终可求出接触间隔时间的后验密度 是：x表示表示随机变量，这里是指样本中的变量。 0045 0046 其中，n指样本数，在得到接触 发生的后验分布密度后，我们定义：设x 1 ，x 2 ，x n 是来自总体X的样本，X(x 1 ，x 2 ， x n )，t。

30、是未知参数，t 1 t 1 (x)，t 2 t 2 (x)是两个统计量，对于给定的(0，1)，如果有 P(t 1 tt 2 )1-，就称t - ，t + 为参数t的置信水平为(1-)的置信区间。 0047 在给出了接触时间区间的置信度概念后，我们可以得到：若接触间隔时间的后验 说 明 书CN 102664805 A 6/8页 9 分布为 则间隔时间期望 1 的置信水平为(1-)的置信区间，即接 触发生的时间区间是： 0048 0049 其中， 为样本均值，z /2 表示标准正态分布的上/2分位数。 0050 可以看出，置信区间的长度 越小，L越大，得到的时间区间就越 宽；越大，L越小，得到的时。

31、间区间就越窄。这样，我们就可以根据不同的情况，通过调节 置信度达到控制置信区间的目的。当置信度降低后，置信区间变宽，则路径上前后两个接 触存在重叠时间的可能性变大，因此符合条件的路径数会较多，但是，预测的准确程度会降 低，容易造成转发的失败，反之，置信度越高，置信区间越窄，符合条件的路径数越少，但是 结果越精确，转发失败的可能性越小。 0051 4.根据接触估计值进行链路预测 0052 由于消息传输路径由多个接触构成，因此需要对不同的接触发生时间进行排序， 假设接触A的时间区间为a，b，接触B的时间区间为c，d，A的后验分布为 B 的后验分布为 我们定义A和B的时序关系如下： 0053 1)若。

32、a-d0，则P(AB)1； 0054 2)若b-c0，则P(AB)0； 0055 3)若a-d0，b-c0，则 0056 由于所有的公交车线路是固定的，因此我们可以事先知道任意两个车站间的所有 可能的 路径。车站可以得到的信息包括：各路公交车的路线、公交车到达各个站点的历史 时刻以及每个接触的间隔时间区间IT i l i ，r i 和后验概率分布 通过公交车 到站的历史时刻记录，我们定义车站间的路程dis AB 为最近一次该路公交车从车站A到车站 B的时间差， i 为第i条边的期望间隔时间(图2(a)。路径的优劣由一个Metric值来衡 量，Metric越小，路径越优。路径l的Metric值计。

33、算公式如下： 0057 0058 假设对于第i条边，当前时刻与上次到站时刻之差为t i ，处理后的区间数为IT i ， 则对于节点i，若IT i IT i-1 ，则表示数据到达节点i后能够直接交给下一节点，此时它的延 迟为M delay P(IT i IT i-1 )( i -t i +dis i )；反之，则需要等待下一辆车的到来，因此，它 的等待时间为M wait (1-P(IT i IT i-1 )(2 i -t i +dis i )。 0059 以图2(a)为例，节点A有数据转发到F。其中一条路径的各接触的信息如图所示。 首先对接触Contact AB 进行处理(图2(b)，Metri。

34、c AF 4-3+34；接下来对接触Contact BD 进行处理(图2(c)，同时更新Metric值： 0060 Metric AF 4+P(4，86，8)(6-4+4)+(1-P(4，86，8)(12-4+4) 0061 16-6P(4，86，8) 说 明 书CN 102664805 A 7/8页 10 0062 最后对接触Contact DF 进行处理(图2(d)，得到最终的Metric值为： 0063 Metric AF 24-6P(4，86，8)-3P(8，108，12) 0064 最终的路由算法描述如下： 0065 1)对第一跳的时间区间进行处理，加上该跳的dis值：l 1 ，r 。

35、1 l 1 +dis 1 ， r 1 +dis 1 ，同时更新Metric值； 0066 2)将当前跳的时间区间和上一跳进行比较，若P(l i ，r i l i-1 ，r i-1 )0，则 对l i ，r i 进行重新赋值：l i ，r i l i + i ，r i + i ，直到P(l i ，r i l i-1 ，r i-1 )0， 并根据Metric的计算公式累加Metric值，并将当前跳的时间区间加上该跳的dis值：l i ， r i l i +dis i ，r i +dis i ； 0067 3)重复步骤2直到最后一跳，同时保存路径最终的Metric值； 0068 4)重复步骤1-3，。

36、直到所有的路径处理完毕； 0069 5)选取Metric值最小的前n条路径进行转发。 0070 算法的伪代码如图3所示。 0071 最终的路由决策选择Metric值最小的前n条路径作为转发路径，若n1，则该路 由是单副本路由；若nl，则该路由是多副本路由，协议可以根据具体的环境调节副本数 目n的大小。此外，我们也采用了一些简单的措施来提高路由的性能，比如互相通知成功交 付的数据ID，节点自动清理缓存中已交付的数据，以此来提高缓存的利用率。 0072 算法复杂度方面，假设路径数为m，每条路径的平均跳数为k，那么算法的复杂度 为O(mk)。实际上，由于路径metric的计算方式是深度优先搜索，路径。

37、的metric值随着跳 数的增加单调递增，因此当计算到一条路径的metric值大于第n条路径时，算法可以立即 转入下一条路径的计算，因此计算路径的时间开销会小于理论分析的复杂度。 0073 本发明的效果可以通过以下仿真结果进一步说明： 0074 1.仿真条件 0075 本发明选定ONE仿真软件作为实验模拟平台。我们将本文提出的IABR协议与 FirstContact(FC)、Epidemic(ED)、Spray and Wait(SW)、Maxprop(Maxp)和PRoPHET(Prop) 五种典型的DTN路由进行模拟实验并对比分析不同缓存大小对不同路由的投递率、平均时 延和开销比的影响。我。

38、们以北京市奥体中心地区作为仿真环境，依据实际的道路图构建了 如图4所示的仿真场景。仿真场景相关参数信息如下表所示： 0076 表1ONE仿真参数 0077 地图大小 55km 2 公交车数 20路5辆/路 公交车站数 85 移动模型 MapBasedMovement 车速 510m/s 仿真周期 8000s 数据包数 1600 数据包大小 1MB 通信半径 150m 0078 场景中节点都处于初始位置，空心圆环代表节点的通信半径。每路节点的公交车 轨迹固定不变，每个节点在各自路线上做往返运动。数据包在各个站点随机产生。由于对 说 明 书CN 102664805 A 10 8/8页 11 于大多。

39、数DTN网络来说，节点的缓存大小是影响网络性能的重要因素，因此实验分别采集 公交车的缓存为10MB到1000MB的数据。 0079 2.仿真结果 0080 图6给出了6种路由不同缓存大小下的投递成功率。在投递成功率的比较中，IABR 路由略低于Maxprop路由，但远高于其他路由。其中，FC和SW路由属于无知识路由，因此投 递率较低，且这两种协议对于节点的缓存依赖并不大，因此缓存的增加对其路由性能几乎 没有影响。其余路由的传输率随着节点缓存的增加均有不同程度的提升。从提升的趋势可 以看出，Epidemic路由和PRoPHET路由的传输成功率对于缓存的依赖较大，而IABR路由和 Maxprop路。

40、由在缓存只有10MB的条件下传输成功率为60左右，而当节点缓存提高到50MB 时即达到了很高的传输成功率，说明这两种路由对缓存的依赖较小，缓存的利用率较高。 0081 图7给出了6种路由不同缓存大小下的平均传输时延。由于FC路由的传输机制是 转发给自己遇到的第一个节点，这种极端的路由策略无法保证数据的有效传输，而我们的 仿真实验也表明FC路由的平均传输延迟是最高的。IABR路由和Maxprop协议由于在缓存 达到一定大小后即表现出较为稳定了路由性能，因此缓存持续的增加对它们的平均时延几 乎没有影响。而Epidemic路由的性能受缓存大小的影响较大，在缓存受限时，由于绝大部 分的报文被丢弃处理，。

41、因此此时的平均传输时延较低；而当缓存增加时，报文丢弃数减少， 成功传输的报文数增加，导致平均传输时延一定程度上的增加；而随着缓存的进一步增加， 节点不再丢弃报文，报文成功传输率达到一个较高值，此时平均传输时延也随之下降。 0082 负载比是指在网络中开始传送但未到达目的地的报文数量，与成功交付的报文数 量的比值。对于算法而言，其开销比越大，意味着其每传送一个报文需要更多的系统开销。 可以看出，IABR路由高于SW路由而低于其他路由。SW路由由于其产生的副本数是固定的， 因此其负载比不受缓存影响。Epidemic路由因为属于洪泛式的路由策略，因此当缓存较小 时，由于投递率较低，导致其开销比要远高。

42、于其余路由，但是随着缓存的增加，成功交付的 报文数量增加，使得其负载比迅速下降。同理，随着缓存的增加，Maxprop路由和PRoPHET路 由的负载比也随之降低，但始终高于IABR路由。 0083 实验表明，在公交车网络场景下，IABR路由的投递率达到了90左右，高于 PRoPHET、Epidemic和SW等大多数DTN路由，同时具有较好的开销比和平均时延。PRoPHET 路由、SW路由的性能受节点缓存和仿真场景影响较大：由于实验场景较大，节点间的平均 跳数较多，因此SW路由只能保证有限跳转发的特点限制了其传输成功率；而PRoPHET路由 基于的是节点随机运动的网络环境，实验表明PRoPHET。

43、路由并不能很好的适用于节点运动 相对规律和网络拓扑相对固定等特点的网络环境。 0084 IABR路由和Maxprop路由都属于基于历史知识的路由算法。此类路由充分利用了 拓扑模型提供的信息，对拓扑信息和效用参数进行了预处理和预存储，因此比较适合于公 交车网 络。而仿真实验也表明，在公交车网络场景中，在节点具有一定的缓存大小的情况 下，IABR路由和Maxprop路由能够达到较高的传输性能。相比于Maxprop路由，IABR的投 递率和平均传输时延略高，但是在负载比方面性能较优，各有优劣。 说 明 书CN 102664805 A 11 1/4页 12 图1 图2 说 明 书 附 图CN 102664805 A 12 2/4页 13 图3 说 明 书 附 图CN 102664805 A 13 3/4页 14 图4 图5 说 明 书 附 图CN 102664805 A 14 4/4页 15 图6 图7 说 明 书 附 图CN 102664805 A 15 。