一种基于时间表的DTN机会预测路由方法技术

本发明专利技术公开了一种基于时间表的容迟容断网络(DTN)机会预测路由方法，在研究现有容迟容断网络路由机制的基础上，针对战场特殊环境和移动车队的特点设计了集结‑展开移动模型和基于时间表的机会预测DTN路由算法及缓存管理策略，能够根据移动节点活动时间表预测节点的物理位置和节点之间相遇的机率，进而做出优化的信息转发决策，使得在战场环境高延时、链路频繁中断的条件下能够保持网络通信畅通，提高信息传输的可靠性、数据吞吐量并减少投递时延，从而增强战场环境下DTN通信网络的生存能力。

【技术实现步骤摘要】
一种基于时间表的DTN机会预测路由方法
本专利技术涉及一种基于时间表的DTN机会预测路由方法，针对复杂多变的战场或应急通信环境设计高效的DTN路由算法以提高数据转发效率和可靠性，本专利技术涉及DTN网络技术、DTN节点移动模型和机会预测路由。
技术介绍
延迟容忍网络(DelayTolerantNetwork,DTN)也称为容迟容断网络或容迟网络，是一种能容忍网络中断和较大传输延迟的新型网络体系。容迟容断网络(DTN)作为一种新型存储转发网络体系，能在复杂恶劣的网络环境下提供基本的通信服务，近年来得到广泛关注和研究。DTN的信息传输依赖于节点间的接触机会，采用异步传输方式将数据逐跳发送给目的节点。DTN将传统的存储转发模式变为存储等待转发或存储中继转发模式，提高了信息传输的可靠性。DTN具有广泛的应用领域，包括军事通信、应急通信、车辆通信、无线传感网、社交网络和深空通信等。DTN网络中路由算法是一个关键组成部分，选择合适的路由策略以保证高效的端到端数据传输是DTN研究的一个热点问题。由于DTN网络中很可能不存在到目的节点的端到端路径，加之受限的节点能量、存储空间及有限的网络带宽，使得设计高效健壮的DTN路由算法变得非常困难。迄今，研究人员针对不同应用场景提出了多种DTN路由算法。在城市交通领域，赫尔辛基市将交通工具作为通信终端，建立了基于DTN的通信模型，并对DTN移动模型和路由算法进行了验证。在传感网络领域，ZebraNet项目采用DTN技术建立了野生动物监测网络，采用基于历史信息的概率路由方法，大大提高了斑马信息的收集效率。根据路由策略的不同，马华东等人将DTN路由算法分为五大类：洪泛路由、转发策略路由、历史预测路由、概率式路由和编码策略路由[1]。洪泛路由的典型代表是流行性(Epidemic)路由，在转发过程中各中继节点依次复制消息并以泛洪方式进行转发。洪泛路由的消息传输可靠性较高，但开销过大。转发策略路由根据网络拓扑信息选择最佳路径，消息以逐跳方式转发至目的地，在保证消息投递率的同时减少开销。历史预测路由学习消息传播的历史经验，中继节点根据经验来决定消息的转发和传播路径。概率式路由根据节点移动或网络拓扑的实际情况，以某种概率分布来进行消息的转发。编码策略路由将网络编码引入消息转发，可以提高网络吞吐量和均衡网络负载。虽然近期针对DTN网络的路由问题提出了各式各样的路由算法，但由于DTN网络拓扑变化的动态特性，链路中断的随机性以及网络中存在的大延时和长中断，算法设计依然存在诸多问题和挑战，例如算法应用场景的差异比较大，现有路由算法数据转发效率低，节点不能很好的结合自身特性和网络状态进行数据转发，洪泛式的转发会造成资源浪费，固定式的转发又可能造成转发的失败，算法可靠性和有效性是必须考虑的问题。另一方面，研究学者对DTN网络中的移动模型进行了系统研究，主要包括个体移动模型和群体移动模型两大类。个体移动模型是指在判断移动性规律时仅考虑节点的绝对位置变化，移动模型刻画的是节点作为单独的个体所表现出的移动性特征。典型的个体移动模型包括随机游走模型和随机路点模型等。随机游走模型(RandomWalkMobilityModel)是一种提出较早的移动模型。在无线网络中，节点的随机游走模型描述如下：节点随机选择一个方向和速度，并以这个方向和速度从当前位置开始运动，一次运动结束后，重新随机选择方向和速度继续运动。在随机游走模型中，运动方向和速度的改变有两种方式，一种方式为每隔一段时间改变一次，另一种方式为每隔一定距离改变一次。在改变运动参数时，节点的运动方向可以在[0,2π)范围内随机选择，而运动速度有一个给定的范围，无论如何改变，都不能超出这一范围。随机游走模型实现非常简单，因此，随机游走模型在无线网络的性能仿真和分析中被广泛采用。但在实际网络中，随机移动更为常见的场景是：节点的目标位置是随机选择的，而移动性参数将根据目标位置而定。随机路点模型(RandomWaypointMobilityModel)就是为了模拟这样的运动而提出的。随机路点模型简单描述如下：移动节点首先选择一个目标位置，并以一定的速度向目标位置运动，当节点到达目标位置之后，将随机停留一段时间，然后随机选择下一个目标位置继续运动。节点在目标位置停留的时间不能超过预先设定的阈值。同时，随机路点模型为节点设定一个最大允许的速度，节点在移动过程中不能超过这一速度。在随机路点模型中，由于停留时间的存在和运动速度的变化，可能导致节点的运动变化较为剧烈，为此，可以对此移动模型加以改进，采用步进式的速度变化来模拟实际节点运动，从而使得节点的运动变得更为平滑。另外，随机路点移动模型实际产生的节点分布并不均匀，网络仿真区域的中心部分会出现节点的聚集，这一现象称之为密度波(DensityWave)。整体移动模型就是为描述节点相对位置的变化规律而提出的，该模型描述的是某些节点作为一个整体表现出的移动性特征。典型的整体移动模型包括群组移动模型和社区模型等。在无线网络中，经常出现某些节点作为一个整体一起运动的情况，登山探险队和部队行军就是其中的典型例子。在这种情况下，虽然每个节点的运动可能并没有什么规律性，但是，这些节点作为一个整体一起运动，它们的相对位置变化不大，这种移动模型就是群组移动模型(GroupMobilityModel)。群组移动模型是一种研究较多的整体移动模型，在此基础上研究者相继提出了参考点群组移动模型(ReferencePointGroupMobilityModel，RPGM)、基于Gibbs分布模拟退火的群组移动模型(GibbsSamplerbasedSimulatedAnnealingGroupMobilityModel，GGM)和多组协调移动模型(Multi-GroupCoordinationMobilityModel，MGCM)等构建群组移动模型的算法。在实际网络中，节点的运动可能具有一定的倾向性，需要采用符合实际应用场景的移动模型。例如，在大学校园内，学生上课和吃饭时分别在教室和食堂聚集，而晚上则回到各自的寝室。这样的聚集具有一定的社会规律性，这种移动模型就是社区模型(或社会模型)。参考文献：[1]马华东，袁培燕,赵东.移动机会网络路由问题研究进展[J]，软件学报，2015，26(3):600-616.[2]王朕,王新华,隋敬麒.机会网络模拟器ONE及其扩展研究[J].计算机应用研究,2012,29(1):272-277.
技术实现思路
专利技术目的：本专利技术针对战场或应急通信的特殊应用场景，充分考虑DTN网络的异步存储转发特性，设计一种高效、可靠的基于时间表的DTN路由算法，首先设计了符合战场机动车队通信业务特征的DTN节点移动模型，能够完成从实际场景到具体节点运动模型的抽象；然后，基于此移动模型特点针对现有DTN路由算法中存在的副本转发数量多和投递延迟大等问题，提出了机会预测DTN路由算法。该路由算法以DTN时变网络模型为依据，通过利用车辆行动计划时间表来准确预测节点之间的相遇机会来优化消息转发决策，并适当限制了消息副本的转发数量，从而能够有效提高数据传输效率和网络性能。相比于典型的DTN路由算法，基于时间表的机会预测多副本DTN路由算法可以在战场特本文档来自技高网...

【技术保护点】
一种基于时间表的DTN机会预测路由方法，其特征在于，包括如下内容：1.基于时间表的集结‑展开移动模型设计在集结‑展开模型的基础上引入行动计划表(时间表)，节点按照计划安排的时间、路线依次完成集结和展开等活动，并将此移动模型称为基于时间表的集结‑展开移动模型；2.DTN时变网络模型在图论中引入一个时间参量，将DTN网络抽象为一张随时间不断演化的时空图；考虑时间参量的DTN网络拓扑关系可以表示为：G(t)＝(V(t),E(t))；其中，V表示网络节点，E表示节点关联关系，t是时间参量；在动态演进网络G(t)中，通过采取存储‑携带‑转发或存储‑等待‑转发的方式，可以基于数据分段传输来实现数据的端到端传输；3.基于时间表的相遇机会预测DTN路由算法在基于时间表的“集结‑展开”移动模型场景中，节点之间的相遇机会可以通过时间表进行预测；在基于时间表的移动模型场景下，基于相邻节点各自与消息目的节点的相遇机会预测信息作为消息转发决策依据，将消息发给或保留在与其目的节点有较早相遇机会的节点上，从而更有可能利用潜在的优质异步转发路径，提高消息的投递率，降低投递时延；为了减少节点缓存占用，提高网络性能，基于机会预测的路由算法借鉴喷射等待(SprayAndWait)路由采用的有限副本机制，进一步减少副本消息转发的数量，从而对路由转发过程进行优化。...

【技术特征摘要】
1.一种基于时间表的DTN机会预测路由方法，其特征在于，包括如下内容：1.基于时间表的集结-展开移动模型设计在集结-展开模型的基础上引入行动计划表(时间表)，节点按照计划安排的时间、路线依次完成集结和展开等活动，并将此移动模型称为基于时间表的集结-展开移动模型；2.DTN时变网络模型在图论中引入一个时间参量，将DTN网络抽象为一张随时间不断演化的时空图；考虑时间参量的DTN网络拓扑关系可以表示为：G(t)＝(V(t),E(t))；其中，V表示网络节点，E表示节点关联关系，t是时间参量；在动态演进网络G(t)中，通过采取存储-携带-转发或存储-等待-转发的方式，可以基于数据分段传输来实现数据的端到端传输；3.基于时间表的相遇机会预测DTN路由算法在基于时间表的“集结-展开”移动模型场景中，节点之间的相遇机会可以通过时间表进行预测；在基于时间表的移动模型场景下，基于相邻节点各自与消息目的节点的相遇机会预测信息作为消息转发决策依据，将消息发给或保留在与其目的节点有较早相遇机会的节点上，从而更有可能利用潜在的优质异步转发路径，提高消息的投递率，降低投递时延；为了减少节点缓存占用，提高网络性能，基于机会预测的路由算法借鉴喷射等待(SprayAndWait)路由采用的有限副本机制，进一步减少副本消息转发的数量，从而对路由转发过程进行优化。2.如权利要求1所述的基于时间表的DTN机会预测路由方法，其特征在于：时间表规定了节点进行集结或展开活动的地理坐标、活动半径及时间信息；每个节点组遵循一个时间表，组内节点在规定的时间段到达指定地点，然后按照集结或展开模式在指定半径内独立随机移动，经过一段时间(也由时间表指定)后，集体前往下一个活动地点；在指定的地域内活动时，各节点的移动是独立随机的，呈现个体性，而在指定地域之间的转场以及活动时间的控制上，每组节点的移动呈现出整体性；在活动地域之间转场时，节点按照地图上的最短路径移动；在展开地域，节点的移动遵循随机路点模型；在集结地域，每个节点有一个属于自己的位置。3.如权利要求1所述的基于时间表的DTN机会预测路由方法，其特征在于：如果对于G(t1)＝G(t2)，则此网络称为静态网络；如果对于G(t1)≠G(t2)，则此网络是动态网络。对于给定的时变网络G(t)以及时间序列T＝t0,t1,…,tk，其中ti＝[ti′,ti″]表示离散化的时间段；随着时间的推进，整个网络会不断发生演化，节点之间的联系也会发生变化，并产生一系列动态子图：Gsub＝G1,G2,…,Gk；如果这些动态子图满足：则称该时变网络G(t)为动态演进网络，即整个网络是完备且可分的；这意味着整个DTN网络中节点之间在某些时间内可能并不存在端到端的连接，但是随着时间的演化推进，通过借助中间节点可以实现部分的互联互通，最终构成异步的端到端路径；任意节点a,b之间的路径p(a,b)可以表示为时间演进序列：p(a,b)＝((a,x1,t1),(x1,x2,t2),…,(xi,b,tk))(1)其中，xi∈V是网络中的各个中间转发节点；ti≤ti+1表示节点转发时间不断向前演进；(xi,xi+1,ti+1)表示在时间段ti+1之内节点xi与xi+1可以维持连接并能够收发数据。4.如权利要求3所述的基于时间表的DTN机会预测路由方法，其特征在于：基于机会预测的DTN路由算法的消息投递过程主要包括以下三个阶段。(1)消息生成阶段当节点的上层应用产生一个消息交给路由层投递时，路由层先将消息存储在缓存中，并为它产生N个副本；N为系统的...

【专利技术属性】
技术研发人员：王海涛，宋丽华，张国敏，王俊淇，陈晖，张学平，吴强，张祯松，黄照翠，王陈雨，
申请(专利权)人：中国人民解放军理工大学，
类型：发明
国别省市：江苏,32