暫態(tài)社區(qū)感知的ICWN數(shù)據(jù)轉(zhuǎn)發(fā)機制

杜劍, 夏元軼, 趙俊峰, 王崢, 王鶴

（1. 北京智芯微電子科技有限公司，北京 100192；2. 國網(wǎng)江蘇省電力公司信息通信分公司，江蘇 南京 210024）

暫態(tài)社區(qū)感知的ICWN數(shù)據(jù)轉(zhuǎn)發(fā)機制

杜劍1, 夏元軼2, 趙俊峰2, 王崢1, 王鶴1

（1. 北京智芯微電子科技有限公司，北京 100192；2. 國網(wǎng)江蘇省電力公司信息通信分公司，江蘇 南京 210024）

為了有效解決間斷連接無線網(wǎng)絡(luò)中的數(shù)據(jù)轉(zhuǎn)發(fā)問題，提出了一種暫態(tài)社區(qū)感知的數(shù)據(jù)轉(zhuǎn)發(fā)機制，運用半馬爾可夫鏈模型描述節(jié)點在多個地理位置間的轉(zhuǎn)移過程，預(yù)測節(jié)點在未來相遇的時間概率分布，確定節(jié)點相遇位置和時間，為下一跳中繼節(jié)點的選擇提供了理論依據(jù)。實驗數(shù)值表明，與傳統(tǒng)算法相比，所提機制能有效提高節(jié)點相遇預(yù)測的準(zhǔn)確性，在數(shù)據(jù)成功投遞率和傳輸時延等性能上都有較大的提升。

間斷連接無線網(wǎng)絡(luò)；數(shù)據(jù)轉(zhuǎn)發(fā)；暫態(tài)社區(qū)；相遇預(yù)測；半馬爾可夫模型

1 引言

間斷連接無線網(wǎng)絡(luò)（intermittentl connected wireless network，ICWN）是指不需要源節(jié)點和目的節(jié)點在轉(zhuǎn)發(fā)數(shù)據(jù)前建立完整的端到端路徑，利用節(jié)點移動帶來的相遇機會，以更加靈活的“存儲—攜帶—轉(zhuǎn)發(fā)”的協(xié)作方式逐跳進行傳輸[1]。該網(wǎng)絡(luò)具有自組織、節(jié)點稀疏、間歇連接、資源受限、拓撲動態(tài)變化等特性[2]。在這種復(fù)雜多變的組網(wǎng)環(huán)境下，設(shè)計能夠滿足間斷連接無線網(wǎng)絡(luò)通信需求的數(shù)據(jù)轉(zhuǎn)發(fā)機制成為研究間斷連接無線網(wǎng)絡(luò)的關(guān)鍵問題[3]。

在間斷連接無線網(wǎng)絡(luò)中，源節(jié)點和目標(biāo)節(jié)點之間并不依靠始終連通的完整鏈路進行數(shù)據(jù)的傳輸[4]，且源節(jié)點與中繼節(jié)點之間的連接也隨著時間的變化而不斷變化，任意成對節(jié)點間的通信鏈路都隨時會遭遇斷裂[5]，這種間斷性的端到端連接和不斷變化的網(wǎng)絡(luò)拓撲使得傳統(tǒng)移動自組織網(wǎng)絡(luò)的數(shù)據(jù)轉(zhuǎn)發(fā)機制難以直接應(yīng)用到間斷連接無線網(wǎng)絡(luò)中[6]。

目前，國內(nèi)外研究人員已經(jīng)提出了一些應(yīng)用于間斷連接無線網(wǎng)絡(luò)的數(shù)據(jù)轉(zhuǎn)發(fā)機制。Becker等人[7]提出了傳染路由（epidemic routing）機制，其核心思想是源節(jié)點將數(shù)據(jù)復(fù)制、轉(zhuǎn)發(fā)給任何與其相遇的節(jié)點，一定程度上提高了數(shù)據(jù)的傳輸效率，但洪泛型的數(shù)據(jù)轉(zhuǎn)發(fā)機制需要占用大量的緩存空間，消耗大量能量，而節(jié)點自身資源很有限，導(dǎo)致該機制分組丟失率較高。社會學(xué)的主要研究內(nèi)容是人類在時間、空間內(nèi)的交互作用，基于社會理論，Hui等人[8]提出了一種名為多標(biāo)簽的數(shù)據(jù)轉(zhuǎn)發(fā)機制，將網(wǎng)絡(luò)劃分為若干社區(qū)，節(jié)點在轉(zhuǎn)發(fā)數(shù)據(jù)時選擇通信范圍內(nèi)與自己同社區(qū)的節(jié)點作為下一跳節(jié)點，但當(dāng)源節(jié)點與目的節(jié)點所屬社區(qū)距離較遠時，數(shù)據(jù)成功投遞率不高。為此，參考文獻[9]中提出Bubble-Rap算法，在選擇中繼節(jié)點時考慮節(jié)點及節(jié)點所在社區(qū)的活躍度，根據(jù)不同需求選擇下一跳節(jié)點。針對間斷連接無線網(wǎng)絡(luò)的分裂性特點及節(jié)點移動行為的趨同性，參考文獻[10]提出SimBet機制，在選擇中繼節(jié)點時綜合考慮節(jié)點向心度和相似度，節(jié)點向心度描述兩節(jié)點之間的依賴程度，相似度表征節(jié)點移動行為的趨同性，根據(jù)節(jié)點向心度和相似度評估數(shù)據(jù)轉(zhuǎn)發(fā)效用值，以此選擇下一跳節(jié)點。上述機制中，節(jié)點轉(zhuǎn)發(fā)數(shù)據(jù)時僅選擇未來與目的節(jié)點相遇概率高或效用值大的節(jié)點作為下一跳節(jié)點，其主要關(guān)注的是未來兩個節(jié)點能否相遇，而沒有考慮節(jié)點相遇的時間和地理位置。而實際情況中，節(jié)點不會無休止地緩存數(shù)據(jù)，且數(shù)據(jù)自身存在時效性，因此設(shè)計數(shù)據(jù)轉(zhuǎn)發(fā)機制時既要保證數(shù)據(jù)的有效傳遞，也要考慮數(shù)據(jù)的時效性。

針對上述問題，本文提出了一種暫態(tài)社區(qū)感知的數(shù)據(jù)轉(zhuǎn)發(fā)機制（transient community awared data forwarding mechanism，TCDFM），運用半馬爾可夫模型，準(zhǔn)確預(yù)測節(jié)點未來相遇的時間和地理位置，更加合理地選擇下一跳中繼節(jié)點，在保障數(shù)據(jù)成功投遞率的同時，降低數(shù)據(jù)傳輸時延，保證數(shù)據(jù)的時效性。

2 網(wǎng)絡(luò)環(huán)境

間斷連接無線網(wǎng)絡(luò)中節(jié)點的社會屬性使節(jié)點的移動具有一定規(guī)律性[11]，但移動軌跡并不固定，網(wǎng)絡(luò)中節(jié)點以一定次序在幾個地理位置之間進行訪問，節(jié)點在到達目標(biāo)位置后，以一定的概率選擇在該位置滯留一定時間或者直接離開。本文假設(shè)在校園場景下，地理位置分別為教室、食堂、圖書館等建筑，節(jié)點為持有短距離無線通信設(shè)備的學(xué)生和老師。節(jié)點各自遵循自己的日程表進行移動。其中，社會屬性作為節(jié)點的內(nèi)在屬性，則會在很大程度上影響節(jié)點的移動模式，呈現(xiàn)出某時段在有限移動范圍內(nèi)高度活躍，在另一時段移動相對遲緩，將這種特性定義為節(jié)點的暫態(tài)特性。通過進一步研究發(fā)現(xiàn)，節(jié)點的暫態(tài)特性主要表現(xiàn)在時間和地理位置兩個方面，節(jié)點往往趨向于在特定時間區(qū)間的某一地理位置聚集。那么在ICWN中，若干節(jié)點在某個時間區(qū)間內(nèi)常駐在某個明確的地理范圍內(nèi)，且在此范圍內(nèi)的節(jié)點保持緊密的聯(lián)系，從而可以將這些節(jié)點進行聚合形成穩(wěn)定連通的 ICWN子網(wǎng)，將其稱為暫態(tài)社區(qū)（temporal community，TC）。

為了構(gòu)建暫態(tài)社區(qū)，節(jié)點為數(shù)據(jù)設(shè)定一個TTL值，TTL值到期，節(jié)點自動將數(shù)據(jù)刪除。具體數(shù)據(jù)轉(zhuǎn)發(fā)過程如下：當(dāng)一個節(jié)點需要轉(zhuǎn)發(fā)數(shù)據(jù)時，首先篩選鄰居節(jié)點中未來能與目標(biāo)節(jié)點相遇的節(jié)點作為候選中繼節(jié)點；然后，節(jié)點執(zhí)行本文預(yù)測算法，預(yù)測各候選中繼節(jié)點與目標(biāo)節(jié)點的相遇時間，并與數(shù)據(jù)的TTL值比對，淘汰在TTL到期前無法與目標(biāo)節(jié)點相遇的候選中繼節(jié)點；最后，計算候選中繼節(jié)點中與目標(biāo)節(jié)點的相遇概率，選取相遇概率最大的節(jié)點作為下一跳節(jié)點，如果候選中繼節(jié)點與目標(biāo)節(jié)點相遇的概率值均小于當(dāng)前節(jié)點，則數(shù)據(jù)繼續(xù)緩存在本地節(jié)點。圖 1為校園場景下本文數(shù)據(jù)轉(zhuǎn)發(fā)機制示意，節(jié)點 A需要轉(zhuǎn)發(fā)數(shù)據(jù)給節(jié)點 E，當(dāng)前時刻節(jié)點A與室友節(jié)點B和節(jié)點C同處于宿舍內(nèi)?；诠?jié)點歷史移動信息，節(jié)點 A預(yù)測到在TTL到期之前，相比于節(jié)點C，節(jié)點B更有可能與節(jié)點E相遇，所以節(jié)點A將數(shù)據(jù)轉(zhuǎn)發(fā)給節(jié)點B。節(jié)點B不久后與節(jié)點E相遇，進而將數(shù)據(jù)轉(zhuǎn)發(fā)給節(jié)點E。

圖1 校園場景下本文數(shù)據(jù)轉(zhuǎn)發(fā)機制示意

3 節(jié)點行為預(yù)測

3.1 節(jié)點歷史行為信息交互

為了準(zhǔn)確預(yù)測節(jié)點的移動行為，網(wǎng)絡(luò)中的每個節(jié)點都需要盡可能地了解其他節(jié)點的歷史移動信息。本文將節(jié)點的移動信息設(shè)計為一個5元組其中，P是節(jié)點在不同地理位置之間的轉(zhuǎn)移概率矩陣，SP是節(jié)點在各個位置的滯留時間概率分布，T是節(jié)點地理位置變化的起始時間，ID和LocID分別是節(jié)點 ID和節(jié)點所在位置的ID。當(dāng)兩個節(jié)點相遇時，節(jié)點間會交換歷史移動信息。節(jié)點接收到其他節(jié)點的歷史移動信息后，通過5元組內(nèi)的T值判斷數(shù)據(jù)的新舊，然后將較新的數(shù)據(jù)在本地緩存。

若節(jié)點S想要轉(zhuǎn)發(fā)數(shù)據(jù)給節(jié)點D，則首先查詢本地數(shù)據(jù)中節(jié)點 D 的歷史移動信息則節(jié)點 D在時間t時所處的位置由式（1）得到：

其中，Wt代表節(jié)點D在時間t的地理位置，L是地理位置集合。

3.2 行為參數(shù)評估

預(yù)測兩個節(jié)點的相遇時間和地理位置需要獲知兩個參數(shù)：地理位置轉(zhuǎn)移概率矩陣和滯留時間概率分布，兩個參數(shù)均由節(jié)點歷史移動信息獲知。

圖2 地理位置轉(zhuǎn)移示意

節(jié)點n當(dāng)前位于地理位置i，隨后轉(zhuǎn)移到地理位置j，節(jié)點在位置i的滯留時間概率分布函數(shù)可以定義為：

當(dāng)網(wǎng)絡(luò)達到穩(wěn)定狀態(tài)時，移動歷史信息為滯留時間分布的計算提供依據(jù)。按照式(4)的方式計算＜k)：

3.3 節(jié)點狀態(tài)轉(zhuǎn)移概率評估

為了提高間斷連接無線網(wǎng)絡(luò)中暫態(tài)社區(qū)時空特征對節(jié)點移動行為預(yù)測的有效性，本文使用時間齊次的半馬爾可夫鏈模型模擬節(jié)點n的移動過程，該過程可以表示為()。節(jié)點所處的不同狀態(tài)用地理位置 ID表示，記作 L=1,2,3,…,l。一個節(jié)點在兩個地理位置之間的移動對應(yīng)節(jié)點在馬爾可夫鏈中兩個狀態(tài)之間的轉(zhuǎn)移。假設(shè)不同狀態(tài)間的轉(zhuǎn)移概率具有馬爾可夫鏈的無記憶性，即節(jié)點n從狀態(tài)轉(zhuǎn)移到狀態(tài)的概率是獨立于狀態(tài)的，這個轉(zhuǎn)移行為僅與節(jié)點當(dāng)前狀態(tài)相關(guān)?；谏鲜鎏攸c，隨機過程(符合標(biāo)準(zhǔn)的時間離散馬爾可夫鏈的特性。隨機變量表示節(jié)點n由狀態(tài)向轉(zhuǎn)移的時間，隨機變量（）描述了節(jié)點n在地理位置i的滯留時間。本文節(jié)點在某個地理位置的滯留時間并不包含節(jié)點在兩個狀態(tài)之間轉(zhuǎn)移所需要耗費的時間。

4 轉(zhuǎn)發(fā)決策

間斷連接無線網(wǎng)絡(luò)雖然是延遲可容忍網(wǎng)絡(luò)，但是數(shù)據(jù)具有時效性，超過時效的數(shù)據(jù)即使轉(zhuǎn)發(fā)到目標(biāo)節(jié)點也沒有意義，而且在網(wǎng)絡(luò)中持續(xù)轉(zhuǎn)發(fā)、緩存時，數(shù)據(jù)也是對網(wǎng)絡(luò)資源的浪費。本文認為數(shù)據(jù)的最大可接受時延就是數(shù)據(jù)的生存時間TTL。令節(jié)點n表示源節(jié)點的鄰居節(jié)點，N是當(dāng)前節(jié)點的所有鄰居節(jié)點的集合，d表示目標(biāo)節(jié)點，選取與目標(biāo)節(jié)點相遇概率最大的節(jié)點作為下一跳節(jié)點：

利用上述方法，選擇具有最高效用值的節(jié)點作為中繼節(jié)點轉(zhuǎn)發(fā)數(shù)據(jù)，即在未來的TTTL單位時間內(nèi)與目標(biāo)節(jié)點相遇概率最高的節(jié)點。如果所選的中繼節(jié)點未來與目標(biāo)節(jié)點相遇的概率小于當(dāng)前節(jié)點，則數(shù)據(jù)繼續(xù)緩存在當(dāng)前節(jié)點，直至更優(yōu)的中繼節(jié)點出現(xiàn)，或者待TTL值到期后將數(shù)據(jù)刪除。

5 仿真結(jié)果分析

本文采用間斷連接無線網(wǎng)絡(luò)環(huán)境 ONE[12]仿真平臺進行數(shù)據(jù)轉(zhuǎn)發(fā)策略性能驗證，并與典型的數(shù)據(jù)轉(zhuǎn)發(fā)機制Prophet及Bubble-Rap進行對比，以驗證所提出機制TCDFM的性能。仿真參數(shù)見表1。

表1 仿真參數(shù)設(shè)置

5.1 節(jié)點數(shù)量對數(shù)據(jù)轉(zhuǎn)發(fā)策略的影響

間斷連接無線網(wǎng)絡(luò)是典型的節(jié)點分布稀疏網(wǎng)絡(luò)，網(wǎng)絡(luò)中節(jié)點的數(shù)量直接影響節(jié)點相遇機會，最終影響數(shù)據(jù)轉(zhuǎn)發(fā)機制整體性能。因此，首先分析節(jié)點數(shù)量對不同數(shù)據(jù)轉(zhuǎn)發(fā)機制的影響，結(jié)果如圖1所示。

圖3 節(jié)點數(shù)量對數(shù)據(jù)成功投遞率的影響

圖4 節(jié)點數(shù)量對平均傳輸時延的影響

由圖3、圖4可以看出，隨著網(wǎng)絡(luò)中節(jié)點數(shù)量的增加，TCDFM和Bubble-Rap機制在數(shù)據(jù)成功投遞率上呈現(xiàn)平穩(wěn)上升趨勢，相比前兩者，Prophet則呈現(xiàn)反向趨勢。TCDFM與兩種算法的數(shù)據(jù)傳輸時延均隨著節(jié)點數(shù)量的增加呈現(xiàn)下降趨勢。本文算法在數(shù)據(jù)成功投遞率和平均傳輸時延所呈現(xiàn)出的性能均是最優(yōu)的，數(shù)據(jù)成功投遞率分別比Bubble-Rap算法和Prophet算法平均高出13.2%和17.9%，平均傳輸時延分別比 Bubble-Rap和Prophet平均低26.8%和37.3%。主要原因為隨著網(wǎng)絡(luò)中節(jié)點數(shù)量的增多，節(jié)點間相遇機會增加，為中繼節(jié)點的選擇提供了更多的選擇，明確了中繼節(jié)點進行數(shù)據(jù)投遞的目標(biāo)，進而提高了數(shù)據(jù)成功投遞率。在Prophet算法中，隨著數(shù)據(jù)副本在網(wǎng)絡(luò)中大量分發(fā)，網(wǎng)絡(luò)資源被大量占用，導(dǎo)致基于相遇概率的多副本分發(fā)的 Prophet算法會進行大量的數(shù)據(jù)復(fù)制、轉(zhuǎn)發(fā)，抑制了副本的有效傳遞，降低了網(wǎng)絡(luò)性能，最終造成了數(shù)據(jù)傳輸時延較大。TCDFM 算法考慮了中繼節(jié)點能否在數(shù)據(jù)時效性內(nèi)將數(shù)據(jù)轉(zhuǎn)發(fā)給目標(biāo)節(jié)點，在中繼機會增多的同時，能夠挑選更優(yōu)的中繼節(jié)點進行數(shù)據(jù)轉(zhuǎn)發(fā)，如果數(shù)據(jù)在有效時間內(nèi)不能成功投遞，則立即刪除，避免資源浪費對其他數(shù)據(jù)的投遞產(chǎn)生影響，從而降低了數(shù)據(jù)的傳輸時延。

5.2 數(shù)據(jù)TTL值對數(shù)據(jù)轉(zhuǎn)發(fā)策略的影響

TTL表示網(wǎng)絡(luò)中數(shù)據(jù)的生存時長，不同的TTL值在一定程度上影響了網(wǎng)絡(luò)中待轉(zhuǎn)發(fā)數(shù)據(jù)的數(shù)量。因此，TTL值對數(shù)據(jù)轉(zhuǎn)發(fā)策略的性能和網(wǎng)絡(luò)的存續(xù)時間影響很大。圖5、圖6分別表示在不同TTL值下，不同算法的數(shù)據(jù)的成功投遞率和平均傳輸時延。

圖5 TTL值對數(shù)據(jù)成功投遞率的影響

由圖5、圖6中可以看出，隨著TTL值增加，3種路由算法的數(shù)據(jù)成功投遞率均先上升后下降，同時，隨著TTL值的增加，數(shù)據(jù)傳輸?shù)钠骄鶗r延

圖6 TTL值對平均傳輸時延的影響

隨之增加。本文 TCDFM 算法在數(shù)據(jù)成功投遞率上分別比Prophet算法和Bubble-Rap算法平均高出 12.3%、17.2%，而數(shù)據(jù)的平均傳輸時延則比Prophet算法和 Bubble-Rap算法分別低 19.6%、14.1%。主要原因為數(shù)據(jù)的 TTL值較小時，節(jié)點間還未產(chǎn)生相遇機會，數(shù)據(jù)就有可能被刪除，數(shù)據(jù)的成功投遞率會比較低。而當(dāng)TTL值較大時，網(wǎng)絡(luò)中的數(shù)據(jù)會始終保存在節(jié)點的緩存空間中，即使數(shù)據(jù)成功投遞到目標(biāo)節(jié)點，網(wǎng)絡(luò)中仍然包含大量數(shù)據(jù)副本，極大地浪費網(wǎng)絡(luò)資源，影響網(wǎng)絡(luò)的性能。因此，在TTL值增大的過程中，數(shù)據(jù)的成功投遞率會隨之增高，在達到峰值后，繼續(xù)增大TTL值就會造成網(wǎng)絡(luò)擁塞，數(shù)據(jù)的正常傳輸受阻，數(shù)據(jù)成功投遞率開始下滑，同時，平均傳輸時延增大。

6 結(jié)束語

為了實現(xiàn)間斷連接無線網(wǎng)絡(luò)中數(shù)據(jù)的高效可靠傳輸，本文提出了一種暫態(tài)社區(qū)感知的數(shù)據(jù)轉(zhuǎn)發(fā)機制，利用時間齊次的半馬爾可夫鏈模型進行節(jié)點相遇預(yù)測，確定兩個節(jié)點未來在指定時間指定位置的相遇概率。節(jié)點需要轉(zhuǎn)發(fā)數(shù)據(jù)時，從鄰居節(jié)點中篩選在TTL值到期之前與目標(biāo)節(jié)點相遇的節(jié)點作為候選中繼節(jié)點，選擇各候選中繼節(jié)點中與目標(biāo)節(jié)點相遇概率最大的節(jié)點作為下一跳中繼節(jié)點。仿真結(jié)果表明，與傳統(tǒng)路由機制相比，所提出的機制能夠在保證較高數(shù)據(jù)投遞率的同時，降低數(shù)據(jù)的傳輸時延，有效地提高網(wǎng)絡(luò)可靠性。

[1] WU D P, ZHANG H P, WANG H G, et al. Quality of protection(QoP)-driven data forwarding for intermittently connected wireless networks[J]. IEEE Wireless Communication, 2015,22(4): 66-73.

[2] WU D P, HE J, WANG H G, et al. A hierarchical packet forwarding mechanism for energy harvesting wireless sensor networks[J]. IEEE Communication Magazine, 2015, 53(8): 92-98.

[3] WU D P, WANG Y Y, WANG H G, et al. Dynamic coding control in social intermittent connectivity wireless networks[J].IEEE Transactions on Vehicular Technology, 2016, 65(9):7634-7646.

[4] WANG R Y, YANG H P, WANG H G, et al. Social overlapping community aware neighbor discovery for D2D communications[J]. IEEE Wireless Communications, 2016, 23(4): 28-34.

[5] FENG M, MAO S, JIANG T. Joint duplex mode selection,channel allocation, and power control for full-duplex cognitive femtocell networks[J]. Digital Communications and Networks,2015, 1(1): 30-44.

[6] WU D P, ZHANG P N, WANG H G, et al. Node service ability aware packet forwarding mechanism in intermittently connected wireless networks[J]. IEEE Transaction on Wireless Communications, 2016, 15(12): 8169-8181.

[7] BISTA B B. Improving energy consumption of epidemic routing in delay tolerant networks[C]//International Conference on Innovative Mobile and Internet Services in Ubiquitous Computing, July 6-8, 2016, Fukuoka, Japan. New Jersey: IEEE Press, 2016: 278-283

[8] SONG L, LI Y, FAN S, et al. Social-based multi-label routing in delay tolerant networks[C]//IEEE Fourth International Conference on Big Data and Cloud Computing, Dec 3-5, 2014, Sydney, Australia. New Jersey: IEEE Press, 2014: 402-407.

[9] GUPTA A, AGRAWAL A, NAGRATH P. Variant of BUBBLE rap forwarding algorithm for delay tolerant networks[C]//International Conference on Computational Techniques in Information and Communication Technologies, March 11-13, 2016, New Delhi, India. New Jersey: IEEE Press, 2016:63-68.

[10] SHRESTHA N, SASSATELLI L. Inter-session network coding-based policies for delay tolerant mobile social networks[J].IEEE Transactions on Wireless Communications, 2016, 15(11):7329-7342.

[11] 潘劍飛, 徐麗麗, 董一鴻. 動態(tài)社區(qū)演化研究進展[J]. 電信科學(xué), 2017, 33(1): 24-33.PAN J F, XU L L, DONG Y H. Research progress of dynamic community evolution[J]. Telecommunications Science, 2017,33(1): 24-33.

[12] ODA T, ELMAZI D, SPAHO E, et al. A simulation system based on ONE and SUMO simulators: performance evaluation of direct delivery, epidemic and energy aware epidemic DTN protocols[C]//International Conference on Network-Based Information Systems, Sept 2-4, 2015, Taipei, China. New Jersey:IEEE Press, 2015: 418-423.

Transient community awared data forwarding mechanism for intermittent connected wireless network

DU Jian1, XIA Yuanyi2, ZHAO Junfeng2, WANG Zheng1, WANG He1
1. Beijing Smartchip Microelectronics Technology Co., Ltd., Beijing 100192, China 2. Information & Telecommunication Branch of State Grid Jiangsu Electric Porer Company, Nanjing 210024, China

In order to solve the problem of data forwarding in intermittent connected wireless network effectively, a transient community awared data forwarding mechanism for intermittent connected wireless network(ICWN) was proposed. Utilizing the semi-Markov chain model, the transfer process of nodes’s between multiple geographic locations was described and the time probability distribution of nodes’ encountering in the future was predicted, then the encountering time and locations could be obtained, which provided theoretical basis for the selection of next relay node. Experiment results show that the proposed mechanism can effectively improve the forecasting accuracy of nodes’ encounter and has a great improvement in the data delivery ratio and transmission delay.

intermittent connected wireless network, data forwarding, transient community, encounter forcasting,semi-Markov model

Science and Technology Project of State Grid (No.526800150007)

TP393

A

10.11959/j.issn.1000?0801.2017262

2017?07?20；

2017?08?31

國家電網(wǎng)公司科技基金資助項目（No.526800150007）

杜劍（1987?），男，北京智芯微電子科技有限公司中級工程師，主要研究方向為集成電路與傳感芯片在電力中的應(yīng)用。

夏元軼（1988?），男，國網(wǎng)江蘇省電力公司信息通信分公司專職，主要研究方向為電力信息化。

趙俊峰（1974?），男，國網(wǎng)江蘇省電力公司信息通信分公司主任，主要研究方向為電力信息化。

王崢（1983?），男，博士，北京智芯微電子科技有限公司部門經(jīng)理，主要研究方向為微電子與固體電子學(xué)。

王鶴（1982?），男，北京智芯微電子科技有限公司中級工程師，主要研究方向為無線網(wǎng)絡(luò)通信及無線傳感網(wǎng)通信技術(shù)應(yīng)用。