Page 28 - 网络电信2016年1/2月下
P. 28

解决方案

    面向时空局部有效感知数据的机会分发                     该过程可以计算出节点处于M-1状态的概率，还可以估算出
                                    携带消息的节点出现的速率。由于携带节点自主移动会不断离
      机会群智感知网络的另一类重要应用是面向时空局部有效     开目标区域，离开速率需要根据节点移动速度、区域面积和移
数据。例如，在某一地理区域内的道路拥堵或交通事故信息、         动模型等参数计算。当携带节点生成速率等于其离开速率时，
银行等公共服务点排队信息、商场的临时促销信息等，这类信         可以计算出当前的算法参数值M，所有节点也可以根据当前观察
息具有时空局部有效性，传播的距离越远，经过的时间越长，         到的节点移动速率和个数动态计算M值，从而实现感知数据携带
这类信息的有效性就越低。同时，用户需求也具有这种时空特         节点密度的稳态分布。
性，用户移动到某个区域，更为关注当前区域附近的信息，对
以前的信息和更远区域的信息可能不感兴趣。网络中的节点在             异步通信机会发现
感知到当前区域中的信息后，利用机会相遇将数据扩散到周边
节点上，并在信息有效空间区域内的节点间进行协作扩散，以               机会群智感知网络节点采用短距离通信技术交换数据。
分发给目标区域上感兴趣的移动节点。                   探测发现通信范围内的邻居节点是实现感知数据机会传输的前
                                    提条件，对数据传输性能有非常重要的影响。在网络运行过
      机会群智感知网络技术中最关键的是感知数据机会传播模     程中，感知节点之间没有全局同步时钟，只能异步进行邻居探
型。时空局部有效的感知数据应该在一个相对受限的空间范围         测。由于节点的随机移动性以及区域稀疏性，节点通常无法获
内传播。由于移动感知设备的自主随机移动，很难建立感知数         知其他节点的运动状况，并且节点之间实际相遇维持时间往往
据在多次转发后的传播模型。该传播模型主要和感知数据的动         较短，所以感知节点不仅需要在没有任何其他节点的预先信息
态扩散算法有关，感知数据限制在有效区域内扩散，因此人们         的条件下异步实现邻居节点间的彼此探测，还需要满足探测及
需要研究根据给定的感知数据的传播延时、应用特性、区域节         时和足够低的机会丢失率等性能要求。同时，由于移动节点能
点密度以及网络负载等多种因素，以动态调整目标数据消息的         量有限，异步探测需要考虑能耗这一重要因素。为了减少节点
转发策略和拷贝份数。                          探测机制产生的能耗，节点不可能频繁地发出探测信息，也不
                                    能容忍长期处于监听状态。
      设计一个高效的数据分发机制，首先需要确定消息分发需
求，并从典型应用出发，归纳具有时空特性消息的分发需求，               针对移动节点之间的通信机会发现，我们主要采用自适应
包括消息的空间范围、分布密度和延迟以及各种消息的优先级         的休眠调度方法，确保节点以高占空比降低功耗同时实现高效
等；其次需要详细分析影响消息分发机制性能的诸多因素及其         能。例如可以将两个邻居节点A和B的占空比DA和DB分别选择为
之间的关系，如进入空间区域内移动节点数目、分布和移动模         DA≈1/PA1+1/PA2和DB≈1/PB1+1/PB2（其中PA和PB分别是两个
型，移动节点的缓存和通信带宽等网络资源以及消息的个数、         节点的休眠周期，且满足两两互素）。根据中国余数定理，必
类型、优先级和消息源的分布等；最后确定通信方式，针对单         然存在周期P满足在一个周期内节点A与节点B能够同时唤醒。但
个节点移动轨迹的覆盖范围有限和机会网络间歇性连通的特          该算法对于给定的占空比，可以选择合适的素数对，并能够确
点，可以在所遇到的节点中选择部分节点扩散消息，实现在非         定能发现周围出现的移动设备。
连通区域消息分发，维护消息在分发区域的密度。
                                        人群移动行为建模
      假定在每个携带节点上维护一个节点状态值，则需要记录
当前节点连续相遇的、没有携带感知数据的节点个数。当该节               真实人群移动特性和移动模型是机会群智感知网络性能分
点连续遇到M个未携带数据消息的节点，将生成一个感知数据的        析和传输机制设计的工作基础。真实移动环境中的移动模型，
拷贝并传输给第M个相遇的节点，并使之成为一个新的携带节         需要综合考虑人的物理特性和社会特性，其中物理特性是指人
点，然后将该状态值重置为0。此外，当携带节点遇到任一个携        移动的物理规律，例如速度和方向的平滑变化等；而社会特性
带感知数据的节点都将状态值重置为0。每个节点的状态变化可        是指人的社会关系、行为偏好等。如何借鉴现有的移动模型方
以用一个Markov过程来刻画，节点遇到一个携带数据的节点是      面的研究成果，并建立真实环境中的移动模型进而得到相遇机
概率ρ，遇到未携带数据的节点概率是1-ρ，则变化过程可用        会的分布相当具有挑战性。
如图3所示。
                                          针对城市环境中真实人群移动行为，我们提出了一个移动
  图3 Markov过程                       模型。在该模型中，在不同的时间或空间下，人的移动模型是
                                    不同的：从空间的维度来看，人在不同场景下的移动模式是不
      该Markov过程对应的转移概率矩阵表示如式（1）所示：  同的；从时间的维度来看，人的日常社会活动具有一定的规律
                                    性。该模型构建如下：

                                          （1）真实移动场景建模。分析真实环境中不同类型的移动
                                    场景，例如道路、广场和办公室等。借鉴已有的移动模型，考

52 网络电信 二零一六年一、二月
   23   24   25   26   27   28   29   30   31   32   33