摘 要： 針對機會網(wǎng)絡主流路由協(xié)議沒有考慮到節(jié)點的社區(qū)特性,，提出了一種基于社區(qū)的冗余效用混合轉發(fā)機制,。該算法從合理降低洪泛度和準確預測效用值方面出發(fā)，通過消息篩選,、消息優(yōu)先級和活躍節(jié)點機制對消息進行有效處理和轉發(fā),。與經(jīng)典的Epidemic和Prophet算法相比，該算法具有消息傳達率較高,、傳輸延時小和網(wǎng)絡開銷低的特點,。
關鍵詞： 機會網(wǎng)絡；社區(qū),；冗余效用
0 引言
機會網(wǎng)絡是一種不需要源節(jié)點和目標節(jié)點之間存在完整鏈路,，利用節(jié)點移動帶來的相遇機會實現(xiàn)通信的自組織網(wǎng)絡，其主要應用集中在野生動物追蹤,、車載網(wǎng)絡,、偏遠地區(qū)網(wǎng)絡傳輸?shù)葓龊蟍1],。隨著大量智能手機等手持設備的出現(xiàn)，以人為載體的移動節(jié)點的數(shù)據(jù)交換頻繁,，逐漸出現(xiàn)以人為主體的機會網(wǎng)絡,。由于人們之間社會關系相對穩(wěn)定且存在一定的依賴性，網(wǎng)絡中會出現(xiàn)節(jié)點的聚集現(xiàn)象,，從而形成不同的社區(qū),。社區(qū)內的節(jié)點移動緩慢，相遇概率高,，不同社區(qū)內的節(jié)點相遇概率低,，往往需要通過一些活躍節(jié)點來增加社區(qū)之間的聯(lián)系，與以節(jié)點移動快速,、網(wǎng)絡拓撲變化頻繁的普通機會網(wǎng)絡相比有明顯的區(qū)別[2],。
1 相關工作
2006年，MUSOLESI M等人提出了基于人類社會關系的移動自組織網(wǎng)絡移動模型,，引起了人們的廣泛關注[3],。2007年，Pan Hui等人提出為每個消息包貼上社區(qū)標簽,，轉發(fā)時只需進行簡單的標簽號比較就能判斷是否允許發(fā)送,，進而提高了消息的投遞成功率[4]。2009年,，牛建偉根據(jù)節(jié)點之間的通信頻繁程度,，自動將節(jié)點劃分成不同的社區(qū)，自適應地控制消息的拷貝數(shù)量并依靠活躍節(jié)點將消息傳輸?shù)侥繕松鐓^(qū)[2],。2013年,，劉亞翃等人根據(jù)節(jié)點間的社會關系強度，動態(tài)自適應地將節(jié)點劃分為不同的社區(qū),，通過限制消息副本數(shù)來減少網(wǎng)絡中消息的冗余,，并利用活躍性高的節(jié)點帶動消息的轉發(fā)[5]。2014年,，周軍海等人提出一種基于社區(qū)的低功耗消息路由算法,，能自適應地控制消息拷貝數(shù)量并能自動調整節(jié)點的活躍度，依靠活躍度較高的節(jié)點來完成消息傳輸[6],。針對社區(qū)機會網(wǎng)絡的特點,，本文提出一種基于社區(qū)的冗余效用混合轉發(fā)機制，該算法根據(jù)現(xiàn)實社會節(jié)點的移動特性在傳染路由的基礎上對消息路由做改進,，對社區(qū)內消息包進行優(yōu)先級分類和消息篩選,，通過活躍節(jié)點進行社區(qū)間消息傳遞，具有傳達率高,、網(wǎng)絡資源消耗低,、傳輸延時小的特點,。
2 基于社區(qū)的冗余效用混合路由算法
機會網(wǎng)絡路由技術從不同的角度可分為不同的種類。根據(jù)路由策略來分,，可以分為基于復制的路由和基于效用的路由[7],。基于復制的路由通過洪泛的方式進行轉發(fā),，但資源占用率高,。基于效用的路由能有效減少過多的消息復制,，但傳達率較低，延時較大,。由于社區(qū)內節(jié)點相對聚集,，不同社區(qū)之間節(jié)點聯(lián)系較少，普通機會網(wǎng)絡路由算法在社區(qū)網(wǎng)絡內效率不高,。綜合以上兩種算法優(yōu)點的冗余效用混合路由在降低資源消耗的前提下有利于消息轉發(fā)率的提高,，在社區(qū)機會網(wǎng)絡的消息轉發(fā)機制中使用尤為合適。算法主要包括消息篩選,、優(yōu)先級和活躍節(jié)點3種機制,。
2.1 消息篩選機制
當社區(qū)中節(jié)點攜帶有以本社區(qū)內其他節(jié)點為目的節(jié)點的消息包時，一方面,，由于有社區(qū)歸屬的節(jié)點很大概率是在本社區(qū)內部活動,，且社區(qū)內節(jié)點間相遇頻繁，消息包可以通過本社區(qū)的中繼節(jié)點經(jīng)過多跳很快傳達到目的節(jié)點,；另一方面,，外部社區(qū)的節(jié)點到本社區(qū)活動的概率很低，假如把上述消息轉發(fā)給外部社區(qū)節(jié)點,，消息很有可能只會在外部社區(qū)擴散,，很難回傳到本社區(qū)，不僅不能提高傳達率,，反而盲目地增加了網(wǎng)絡中消息的副本數(shù),，增加網(wǎng)絡資源的消耗。因此,，本社區(qū)內的消息沒有必要擴散至其他社區(qū),。算法中加入消息篩選機制，當該機制檢測到相遇節(jié)點歸屬于不同社區(qū)且自身節(jié)點存儲有以同一社區(qū)內節(jié)點為目的節(jié)點的消息包時,，把該類消息包從轉發(fā)隊列中過濾掉,。
2.2 消息優(yōu)先級機制
由于節(jié)點移動的不確定性，節(jié)點間從建立連接到斷開,，中間的持續(xù)時間可能只是一瞬間,?？紤]到網(wǎng)絡連通時間的不確定性，為了讓消息的轉發(fā)更具有效用性,，可以提前判斷消息的效用值,，按效用值由高到低順序轉發(fā)。算法加入了消息優(yōu)先級機制,，優(yōu)先級高的一類消息包優(yōu)先轉發(fā),，同類的按順序轉發(fā)。優(yōu)先級分類如下：
?。?）第一優(yōu)先級,。轉發(fā)節(jié)點的消息緩沖區(qū)中可能存儲有以對方節(jié)點為目的節(jié)點的消息包，這類消息包只需要再經(jīng)過一跳就能傳達到目的節(jié)點,。
?。?）第二優(yōu)先級。在消息篩選機制中已分析到社區(qū)內部的消息包在本社區(qū)中繼節(jié)點的協(xié)助下可以經(jīng)過多跳以較快的速度傳達,，在本社區(qū)消息不外傳的前提下,，該類消息的副本僅僅在本社區(qū)內擴散，實現(xiàn)以較低的消息副本數(shù)獲得較小的傳達延時,，因而該類效用值較高的消息以第二優(yōu)先級被轉發(fā),。
（3）第三優(yōu)先級,。轉發(fā)節(jié)點的消息緩沖區(qū)可能存儲有對方節(jié)點社區(qū)內的消息包,，由于對方節(jié)點與消息目的節(jié)點歸屬社區(qū)相同，那么兩節(jié)點很大概率在本社區(qū)內活動,，通過直接相遇或者本社區(qū)其他中繼節(jié)點轉發(fā),，消息可以較快傳達。
2.3 活躍節(jié)點機制
在現(xiàn)實社會,，有一些人經(jīng)常穿梭于各大社區(qū)之間,，比如快遞員、送餐員和上下班的職員等,。社區(qū)間的消息可以利用這些活躍的人群進行傳送,。這種機制讓網(wǎng)絡中的活躍節(jié)點承擔社區(qū)間的副本擴散任務。其優(yōu)點有兩方面：一方面,，控制了網(wǎng)絡中消息的洪泛程度,，避免了副本盲目、過度地增加,；另一方面,，減少不必要的傳輸，使網(wǎng)絡資源的利用更加充分有效。
2.4 轉發(fā)策略
開始時,，消息發(fā)送方遇到對方節(jié)點,，雙方建立連接。逐個遍歷緩沖區(qū)的消息,，如果滿足來自不同社區(qū)且為社區(qū)內的消息則被篩選機制過濾掉不加入發(fā)送隊列,，否則依次經(jīng)過優(yōu)先級一、二,、三以及活躍節(jié)點機制進行判斷,，符合條件則加入對應隊列，都不符合則放棄轉發(fā),。直到完成遍歷,，把消息依次按隊列一、二,、三和普通發(fā)送隊列給接收方,，最后結束本次任務。具體流程如圖1所示,。
3 仿真實驗和結果分析
3.1 模擬環(huán)境設置
本文采用ONE模擬器為仿真平臺實現(xiàn)算法,，采用Epidemic和Prophet算法在本文設計的江門市蓬江區(qū)運動場景中進行對比測試,。
3.1.1 地圖場景
現(xiàn)實生活中,，人們的移動性強，社會關系復雜,，移動特性各異,。為真實還原機會網(wǎng)絡的社區(qū)特性，以江門市蓬江區(qū)16個主要社區(qū)作為仿真場景,，實現(xiàn)了對真實世界移動模型的模擬,，采用OpenJUMP軟件繪制地圖，如圖2所示,。
3.1.2 線路規(guī)劃
人類社會中不同移動節(jié)點具有不同的偏好位置和有效活動范圍,，本文設計了機動車線路、公交線路和社區(qū)線路,，控制各類節(jié)點的運動,。機動車線路限制了汽車節(jié)點的有效活動范圍，公交線路上不定距離設有站點,。
3.1.3 節(jié)點規(guī)劃
網(wǎng)絡中有人,、汽車等可以攜帶無線通信設備的移動節(jié)點，根據(jù)節(jié)點的不同移動特性設有5類節(jié)點,，具體如下：
?。?）普通行人節(jié)點：只參與消息包的轉發(fā)和接收，但不加入任何社區(qū)。
?。?）有社區(qū)歸屬行人節(jié)點：大部分在本社區(qū)內活動,。
（3）普通汽車節(jié)點：在機動車線路上活動,，速度快,，活動性強。
?。?）公交汽車節(jié)點：在公交線路上移動,，緩存大，線路固定,，盡可能不調頭,。
（5）動態(tài)社區(qū)歸屬節(jié)點：在仿真范圍內隨機活動,，當進入某一社區(qū)就加入該社區(qū),，離開則退出該社區(qū)，用以模擬社區(qū)內部節(jié)點構成的動態(tài)變化,。
活躍節(jié)點來自上述部分節(jié)點,，其中包括有社區(qū)歸屬且經(jīng)常活動于其他社區(qū)的節(jié)點,、汽車節(jié)點,、公交節(jié)點和動態(tài)社區(qū)歸屬行人節(jié)點。
3.1.4 仿真參數(shù)
根據(jù)以上的規(guī)劃,，本文采用的仿真主要參數(shù)如表1所示,。
3.2 緩存對網(wǎng)絡性能的影響
與路由算法Epidemic和Prophet相比，基于社區(qū)的冗余效用混合算法（用Community表示）在緩存大小不同的情況下,，對消息傳達率,、平均延時和路由開銷比率3種性能指標下影響分析如下。
3.2.1 消息傳遞成功率
當緩存較小時,，網(wǎng)絡中由于消息副本量大而不能滿足消息的緩存要求,，舊的消息包會較快被新接收的擠掉，造成大量包被丟棄,，因而3種路由算法傳達率都不高,。隨著緩存容量的增大，傳達率都有不同程度的上升,。Epidemic以高傳輸延時為代價,，因而傳達率比Prophet高。本文算法對消息副本洪泛程度控制有效,，轉發(fā)效率較高,，因此傳達率較高。具體如圖3所示。
3.2.2 消息傳遞平均延時
對于消息傳遞平均延時,，Epidemic明顯高于其他兩種算法,，由于向網(wǎng)絡中洪泛消息副本，有限的網(wǎng)絡資源會使消息包被大量丟棄,，很難找到較短傳輸路徑把消息傳到目的節(jié)點,，傳輸延時大。Prophet和本文算法都提前對消息轉發(fā)效用值做預測,，更容易找到較短路徑,，延時較低。具體如圖4所示,。
3.2.3 路由開銷比率
從總體上看,，隨著緩存的增大，網(wǎng)絡中節(jié)點的丟包量減小,，更多的消息被成功傳輸,，開銷越來越低。本文算法明顯低于Epidemic和Prophet,，這是因為：一方面,，洪泛程度低，網(wǎng)絡中消息副本較少,；另一方面,，消息轉發(fā)效用高，傳達率高,，因此開銷低,。Prophet也對消息洪泛做了控制,，但由于傳達率低,，在開銷上與Epidemic相比并沒有明顯優(yōu)勢。具體如圖5所示,。
4 結論
本文提出了一種基于社區(qū)的冗余效用混合傳輸機制,，目標是解決普通機會網(wǎng)絡路由算法在社區(qū)網(wǎng)絡中性能不高的問題。本文首先分析了目前社區(qū)機會網(wǎng)絡的研究現(xiàn)狀,，針對基于復制的路由和基于效用的路由存在的問題,，提出將冗余效用混合算法應用于基于社區(qū)的機會網(wǎng)絡中。以江門市蓬江區(qū)為主要場景進行了模擬,，并與Epidemic和Prophet算法進行了比較,。實驗結果表明，冗余效用混合轉發(fā)機制在消息投遞成功率,、傳遞平均延時和路由開銷比上均有明顯改善,。
參考文獻
[1] 熊永平，孫利民，牛建偉.機會網(wǎng)絡[J].軟件學報,，2009,，20（1）：124-137.
[2] 牛建偉，周興,，劉燕.一種基于社區(qū)機會網(wǎng)絡的消息傳輸算法[J].計算機研究與發(fā)展,，2009，46（12）：2068-2075.
[3] MUSOLESI M,， MASCOLO C. A community based mobility model for ad hoc network research[C]. Proceedings of the 2nd International Workshop on Multi-hop ad Hoc Networks： from Theory to Reality,， New York： ACM， 2006： 31-38.
[4] Pan Hui,， CROWCROFT J． How small labels create big improvements[C]. Fifth Annual IEEE International Conference on Pervasive Computing and Communications Workshops,，New York，2007：65-70.
[5] 劉亞翃,，高媛,，喬晉龍.機會社會網(wǎng)絡中基于社區(qū)的消息傳輸算法[J].計算機應用，2013,，33（5）：1212-1216.
[6] 周軍海,，林亞平，周四望.一種低功耗的社區(qū)機會網(wǎng)絡消息路由算法[J].計算機科學,，2014,，41（1）：178-182.
[7] 徐佳，王汝傳,，徐杰.基于效用的容遲網(wǎng)絡路由技術研究[J].計算機應用研究,，2011，28（4）：1211-1215.