本发明具体涉及一种用于移动机会网络的能量感知时间可达图方法。
背景技术
随着经济技术的发展,移动机会网络(mobileopportunisticnetworks,mons)已经逐步在人们的生产和生活中普及,给人们的生产和生活带来了一定的便利。
时变图是移动机会网络的重要模型之一。在移动机会网络中,每一对节点之间的链路是动态的,导致在不同时刻网络具有不同的拓扑结构。动态链路变化的机会性和系统能量的有限性,导致了移动机会网络在网络连通性和可达性上具有很多的未知特性。
能量感知时间可达图(energy-awaretemporalreachabilitygraph,etrg)是一种具有广泛应用前景且贴近实际情况的重要模型。但是,目前对于能量感知时间可达图的研究极少,而且对于能量感知时间可达图应用于移动机会网络的性能分析不够全面,很难对动态移动机会网络的连通性和可达性进行即时查看。
技术实现要素:
本发明的目的在于提出一种用于移动机会网络的能量感知时间可达图方法,该方法能有效改善移动机会网络的性能,并在真实移动机会网络环境下验证了该方法的有效性。
本发明提出的这种用于移动机会网络的能量感知时间可达图方法,包括如下步骤:
s1.获取构建能量感知时间可达图的参数;
s2.对构建能量感知时间可达图需要用到的计算变量进行初始化;
s3.在无法进行数据传输的情况下对能量感知时间可达图进行计算,得到该种情况下的直接通信能量图与临时传输时间图;
s4.在只能进行数据直接传输的情况下对能量感知时间可达图进行计算,得到该种情况下的直接能量图;
s5.在可以进行数据直接传输和间接传输的情况下对能量感知时间可达图进行计算,得到该种情况下的直接能量图;
s6.对所有的顶点及可能的路径进行间接能量图的计算,从而得到间接能量图;
s7.根据时间和容许延迟,分别比较得到的直接能量图与间接能量图中数据的大小,并选择其中较小的数据组成最小能量图;
s8.根据步骤s7得到的最小能量图中的数据与能量预算值之间的大小关系,判断数据传输的可达性,并获得能量感知时间可达图的数据。
步骤s2所述的对构建能量感知时间可达图需要用到的计算变量进行初始化,具体为令所有的χ(e)和φ(e)为0,其中χ(e)为累积传输时间,φ(e)为直接通信能量。
步骤s3所述的在无法进行数据传输的情况下对能量感知时间可达图进行计算,具体为采用如下规则进行计算:
计算条件:δ<τ;
计算过程:对每一个容许延迟进行累加计算,得到在δ<τ时所有的传输时间与直接能量,从而得到该种情况下的直接通信能量图与临时传输时间图。
步骤s4所述的在只能进行数据直接传输的情况下对能量感知时间可达图进行计算,具体为采用如下规则进行计算:
计算条件:τ≤δ<2τ
计算过程:对每一个容许延迟进行累加计算;同时,对于直接传输,采用如下公式计算平均能量:
κm(e)=φ(e)/χ(e)+inf(χ(e)<τ)
式中κm(e)为平均能量,φ(e)为直接通信能量,χ(e)为累积传输时间,inf()的取值规则为:若χ(e2)<τ,则inf(χ(e2)<t)=∞,否则inf(χ(e2)<τ)=0;同时在
步骤s5所述的在可以进行数据直接传输和间接传输的情况下对能量感知时间可达图进行计算,具体为采用如下规则进行计算:
计算条件:2τ≤δ<nη
计算过程:首先进行直接传输能量的计算,然后通过遍历两个顶点之间的所有路径,选择所需能量最小的路径,进行间接传输能量的计算。
步骤s7所述的具体为比较直接能量图和间接能量图中的数据大小,选择其中较小的数据来组成最小能量图。
步骤s8所述的根据得到的最小能量图中的数据与能量预算值之间的大小关系判断数据传输的可达性并获得能量感知时间可达图的数据,具体为若最小能量图中的数据大于能量预算值,说明数据传输不可达,否则可达,最终获得能量感知时间可达图的数据。
本发明提出的这种用于移动机会网络的能量感知时间可达图方法,揭示了能量受限的移动机会网络的可达特性,以及在系统性能和能量,延迟,数据大小三个参数之间的权衡关系。本发明将研究结果扩展到了其对应的能量,延迟和数据大小这三个维度,能够客观、科学地在真实网络环境下揭示移动机会网络的连通性与数据大小,传输延迟和能量消耗之间的关系,对改善移动机会网络的性能具有重要作用。本发明方法简单,效率较高。
附图说明
图1为本发明方法的方法流程示意图。
图2为本发明方法的实施例的4个城市真实车辆轨迹在短时间内的平均网络可达性特性示意图。
图3为本发明方法的实施例的北京车辆移动轨迹在一天和一周的时间内的平均网络可达性特征示意图。
图4为本发明方法的实施例的上海车辆移动轨迹和slaw移动模型在不同能量预算值情况下的平均不对称特性与最大传输延迟的关系示意图。
图5为本发明方法的实施例的slaw移动模型和上海车辆移动轨迹在不同传输延迟情况下的连接稳定性与能量预算值的关系示意图。
图6为本发明方法的实施例的北京车辆移动轨迹在不同的能量预算值和数据大小情况下的网络连通性示意图。
图7为本发明方法的实施例的北京车辆移动轨迹在固定能量预算值和不同延迟情况下的平均连通性和数据大小之间的关系示意图。
图8为本发明方法的实施例的上海车辆移动轨迹在固定延迟和不同能量预算情况下的平均连通性和数据大小之间的关系示意图。
图9为本发明方法的实施例的上海车辆移动轨迹在保持60%连接率情况下,最小能量消耗与延迟和数据大小之间的关系示意图。
具体实施方式
图是描述静态网络特性的一种手段,而时变图是一种非常适合描述移动机会网络动态特性的模型,因此,时变图可以有效研究移动机会网络的连通性和可达性。如下开始介绍时变图模型中的基本符号及含义。
定义1(时变图):v是一个顶点集(网络中节点的集合),|v|=n表示节点个数是n,
本申请的技术方案针对的是离散时间时变图,即
定义2(路径):图g中的路径是指由一系列数据对组成的一个序列
在移动机会网络中,路径表示一个多跳序列,时变图的数据是通过源端到达目的端的,因此时变图可以用来描述动态网络的可达性。为了规范化描述,用
接下来,结合数据通信能量和传输时间来定义能量感知时间可达图(etrg)。在定义和计算etrg之前,需要介绍在时变图中两个节点之间相互传输数据时需要的通信能量参数,这取决于通信距离和传输时间。因此,在定义1的基础上,首先给出能量感知时间变化图(energy-awaretimevaryinggraphs,etvg)。
定义3(能量感知时间变化图):v表示顶点集,
上述定义介绍了时变图模型中的通信能量和边的传输持续时间,得到了能量感知时变图etvg,很明显,
在此并没有定义距离函数,因为使用的数据集不同,对距离的计算也会是不同的。同时,因为对距离的计算比较简单而且有固定的方法,所以可以省略。然而,对距离的定义却是必要的,因为在现实移动机会网络中,传输距离是受限的。对于每个时刻的每一条边,需要计算每两点之间的距离。如果距离大于传输距离,就不能在其间传输数据。只有当距离小于传输距离时,才可以计算传输能量。
表1常用符号列表
基于能量感知时变图,可以分析将通信能量考虑在内的移动机会网络的连通特性。除了能量之外,数据大小和容许延迟也是分析连通性时需要考虑的重要因素。在时间ti且容许延迟时间为δ的传输是指传输开始时间是ti,结束时间是ti+δ。在容许延迟为δ,且假设传输速度固定时,由数据传输时间来表示数据大小。当传输速度是常量时,传输的数据大小和传输时间是成正比的。为了简化,在计算中用时间来替换数据大小。而且为了让模型能应用于不同的数据大小,考虑端对端通信中每一单元数据的平均通信能量,它由总的能量除以数据大小来计算得出。下面,给出能量感知时间可达图的定义。
定义4(能量感知时间可达图):对于δ∈n·η,τ∈m·η
在这里,我们使得能量预算值对图具有通用性,而这并不会失去太多的一般性。因为事实上,当考虑时变网络的可达性时,网络节点通常是相同的类型,比如都是汽车。这样一来,节点设备和能量基本上是相似的,因此,对于不同节点的能量预算值也不会相差太大。
为了从节点u到节点v传输数据,两个节点的传输持续时间和能量预算值都需要满足一定的条件。很明显,如果δ<τ,那么rε,δ,τ是空图,因为在最大的容许延迟时间之前,连单跳路径都没有足够时间完成传输。考虑通常情况,在构建能量感知时变图时,从一个节点到另一个节点往往有两种数据传输方法。一种是直接传输,节点u和节点v相连,可以直接传输数据。在这种情况下,数据传输路径的拓扑跳数满足
1)直接传输情况:对于直接传输,可以从能量感知时变图中得到的两个最重要的参数是传输时间和通信能量。事实上,这两个参数直接决定了任意两个节点之间是否存在路径。下面将从传输时间和通信能量的形式定义和严格推导出发,对直接传输情况进行分析。
定义5(临时传输时间图):对于
对于临时传输时间图
其中i[·]是指示函数,如果κ(e,ti)<∞,那么i[κ(e,ti)<∞]=η,否则i[κ(e,ti)<∞]=0。κ(e,ti)下的表达式
当δ=η时,数据传输延迟仅为一个时隙,因此累计传输时间为单跳路径的传输时间。所以,当需要的传输能量κ(e,ti)有限时,边的累积传输时间为χ(e)=η,当κ(e,ti)为无限时,χ(e)=0。当δ∈nη时,可以通过将时隙ti到时隙ti+nη的传输时间相加从而得到累积传输时间。因此可以通过反复将传输时间相加而得到结果。
定义6(直接通信能量图):对于
和临时传输时间图的计算类似,当δ=η时,通信能量刚好是一个时隙的通信能量,因此仅需提供当前时隙的通信能量,即κ(e,ti)。而对于δ=n·η,可以通过将时间ti到ti+nη内的通信能量相加来得到φ(e),因此,可以通过反复将传输能量进行相加而得到这个函数。此外,由于κ(e,ti)=∞,如果边e在时间ti不存在,为了避免φ(e)=∞,将其乘上(κ(e,ti)<∞),那么当κ(e,ti)=∞时,φ就会加上0。
对于任意时隙ti,可以推导出直接传输时间图
定义7(直接能量图):对于
形式化表述为
其中
在这里,inf(·)是一个函数,当χ(e2)<τ时,inf(χ(e2)<τ)=∞,否则inf(χ(e2)<τ)=0。
2)间接传输情况:对于间接传输的情况,将从所有可能的两点之间能满足数据传输延时需求的间接路径中找出平均能量消耗最少的路径,然后导出间接传输图。
定义8(间接能量图):对于
定义9(最小能量图):对于
引理1:对于
当δ<2τ时,不存在间接传输,因此κi(e)=∞。当δ≥2τ时,会存在多种可能的路径,因此需要考虑所有可能的中间节点和时间分割法。由于可以有任意多个中间节点,因此必须考虑使用某个中间节点的不同情况。当于|v|=n,有n-2个可能的中间节点(排除u,v)。对于每一个可能会用到的中间节点w,传输的第一步从节点u到节点w,会在时间ti到ti+lη内发生,因为τ∈m·η,因此,m≤l≤d-m,。与之相比,传输的第二步从节点w到节点v,会在时间ti+lη到ti+δ内发生,l同上。因此,需要考虑不同的l(m到d-m)和不同的w(1到n,不包括u,v)下的所有情况,从而得到需要平均能量消耗最小的路径,由此得到了上述公式。
对于
当δ<τ时,不存在传输,因此κm(e)=∞。当τ≤δ<2τ时,只存在直接传输,因此κm(e)=κd(e),当δ≥2τ时,对于每一对节点,平均能量消耗的最小值是直接传输时平均能量消耗与间接传输时平均能量消耗中较小的那个值。
现在开始对能量感知时间可达图进行计算。显然,当δ<τ时,传输不可能发生,因此
定理1:对于
基于之前的定义,现在提出算法1来获得etrg,其中的参数
所述能量感知时间可达图方法的流程图如图1所示:本发明提出的这种能量感知时间可达图的构建方法,包括如下步骤:
s1.获取构建能量感知时间可达图的参数;
s2.对构建能量感知时间可达图需要用到的计算变量进行初始化;具体为令所有的χ(e)和φ(e)为0,其中χ(e)为累积传输时间,φ(e)为直接通信能量;
s3.在无法进行数据传输的情况下对能量感知时间可达图进行计算,得到该种情况下的直接通信能量图与临时传输时间图;具体为采用如下规则进行计算:
计算条件:δ<τ;
计算过程:对每一个容许延迟进行累加计算,得到在δ<τ时所有的传输时间与直接能量,从而得到该种情况下的直接通信能量图与临时传输时间图;
s4.在只能进行数据直接传输的情况下对能量感知时间可达图进行计算,得到该种情况下的直接能量图;具体为采用如下规则进行计算:
计算条件:τ≤δ<2τ;
计算过程:对每一个容许延迟进行累加计算;同时,对于直接传输,采用如下公式计算平均能量:
κm(e)=φ(e)/χ(e)+inf(χ(e)<τ)
式中κm(e)为平均能量,φ(e)为直接通信能量,χ(e)为累积传输时间,inf()的取值规则为:若χ(e2)<t,则inf(χ(e2)<τ)=∞,否则inf(χ(e2)<τ)=0;同时在
s5.在可以进行数据直接传输和间接传输的情况下对能量感知时间可达图进行计算,得到该种情况下的直接能量图;具体为采用如下规则进行计算:
计算条件:2τ≤δ<nη
计算过程:首先进行直接传输能量的计算,然后通过遍历两个顶点之间的所有路径,选择所需能量最小的路径,进行间接传输能量的计算;
s6.对所有的顶点及可能的路径进行间接能量图的计算,从而得到间接能量图;
s7.根据时间和容许延迟,分别比较得到的直接能量图与间接能量图中数据的大小,并选择其中较小的数据组成最小能量图;具体为比较直接能量图和间接能量图中的数据大小,选择其中较小的数据来组成最小能量图;
s8.根据步骤s7得到的最小能量图中的数据与能量预算值之间的大小关系,判断数据传输的可达性,并获得能量感知时间可达图的数据;具体为若最小能量图中的数据大于能量预算值,说明数据传输不可达,否则可达,最终获得能量感知时间可达图的数据。
以下结合具体实施例对本发明方法进行性能验证:
前面已完成能量感知时间可达图的形式化定义,并且提出了有效计算的算法,现在通过对能量预算值,容许延迟,数据大小等进行不同的设定来研究能量感知时间可达图对移动机会网络的性能影响,相关研究包含:本发明所提出的能量感知时间可达图etrg是如何根据时间现象、稳定性和非对称性来表征时变移动机会网络的连通性,以及如何在网络连通性、能量预算值、可容忍延迟和数据大小等网络度量值之间进行权衡。
a.数据集和矩阵
目前已有许多移动网络公开数据集上的可达性图,然而,本实施例将基于四个城市真实车辆移动轨迹和一个被广泛认可的人为合成的人类移动模型slaw(self-similarleastactionwalk)来验证性能。
车辆移动轨迹:众所周知,车辆网络是由移动的车辆形成的典型移动机会网络。因此本发明将在移动车辆上应用所提出的能量感知时间可达图。研究主要针对上海和北京两个城市的真实车辆移动轨迹,记录装载了gps设备车辆的位置信息。具体来说,上海的车辆移动轨迹是上海市2007年2月份大约2100辆运营出租车的运行轨迹,在收集北京的车辆移动轨迹时,使用了2010年5月全月27,000台携带了gps接收机的北京出租车的移动轨迹日志。也就是利用gps设备来收集出租车的地点和时间戳,并且每分钟利用gprs模型来对正在移动的车辆的记录进行报告。北京的车辆移动轨迹是可用的最大车辆轨迹数据集。
人类移动轨迹:使用了两条人体移动轨迹,通过kaist移动轨迹和orlando移动轨迹来捕获由移动设备的短距离通信接口的机会视觉分享形成的移动社会网络。kaist是在韩国大田市的韩国高等科学技术研究所的大学校园里搜集的,通过使用garmingps60csx手持设备来记录gps轨迹,这种gps设备在95%的时间内位置精准度小于3m。更具体来说,gps设备每10s读出其当前位置,并将位置值记录在日常轨迹日志中。orlando的gps轨迹是在orlando迪士尼世界网站上获取的,主要是在感恩节或圣诞节期间,志愿者在迪士尼世界产生的行动轨迹,这些参与者主要是在公园步行,偶尔会乘坐电车。
slaw移动模型:对移动模型slaw采用典型设定值,即移动长度和暂停时间分布的levy指数设置为1,最小暂停时间设置为30s,最长暂停时间设置为3,600s,边界条件设置为环绕,模拟网络区域为5000×5000m2。
表2数据集情况
表2汇总了实验用到的五种移动轨迹及相关参数情况,可以看出,选择的数据涵盖范围广,数据来源从人数密集的地方(slaw)到人数相对稀疏的大学校园(kaist),还有部分城市(奥兰多、上海和北京)。在仿真实验中设置数据的大小和容许延迟,在大范围的数据中选取了有代表性且对解决现实问题有意义的数据来进行研究。
基于这些由gps设备记录或者模型产生的个人运动所形成的移动轨迹,对每组数据均以一个固定的频率η=10s对移动数据集进行抽样。在每一个抽样时隙nη内,对所有节点形成的网络进行建模,g(nη)=(v(nη),e(nη)),其中v(nη)是数据集中的节点集,e(nη)是在抽样时间nη内存在的边。很明显,e(nη)取决于采用的rf信号传播模型,本文假设是采用简单的单位圆盘模型。事实上,单位圆盘模型可以大幅度减少数据分析的复杂度,还可以获取网络的平均行为。在数据集处理中,将人类移动的单位圆盘通信范围设置为50m,车辆移动通信范围设置为250m,然后设置传输消耗的能量和传输范围成正比关系。也就是说如果数据从节点a传输到节点b,传输距离为dm,传输时间为ts,那么消耗的能量则是dt。在计算完所有采样图g(nη)的能量后,便将其结合在一起以获得能量感知时间可达图。然后利用本发明的方法来计算能量感知时间可达图。
接下来是研究一个可达图矩阵,相关定义和计算方法如下:
网络可达性:网络可达性是在时间t时可达图中边的数量与网络节点间所有可能的边的数量的平均比率。可达性度量了一段时间内网络中节点的连通性,因此也可采用连接对的比例来表示平均可达性的度量,可达性也被认为是指连通性。
可达稳定性:可达稳定性是指网络可达性的平均变化,通过计算相连接的边的数量的变化比例而得到。
平均不对称:不对称性是时间t时,不对称的节点对与可达图中至少有一条边的节点对之间的比率。通过时间值可以将不对称进行平均从而得到平均不对称。对于实际网络来说,传输是单向还是双向非常重要。对于双向传输,只需要支持传输的两条路径,而不在乎路径本身是否对称。为了表征网络的可达性特征,最好从路径的角度来获得不对称性,因为只有存在路径时,才能进行传输。
b.揭示移动机会网络的连通属性
可达图的动态变化强调的是移动机会网络的时间特性,而移动机会网络是由运动轨迹提取出原始的时变图形成的。本发明利用所提出的能量感知可达图,分别在平均可达性,稳定性和不对称性等方面,揭示了移动机会网络的连通特性。
1)时间连通性:时间连通性(可达性)展示的是移动网络的能力,也就是在给定数据大小,最大容许延迟和能量预算值的情况下,一个节点是否可以完成向另一个节点的数据传输,这和网络的通信边界是相关的。这也是移动机会网络最重要也是最基本的属性之一。另一方面,可以很容易地通过所提出的能量感知时间可达图来获得该属性并对其进行研究。首先可以在一个较短的时间段里观察动态连通特性,然后分别展示它在一天和一周的时间里的连通性变化情况。
图2(a)-(d)上展示了4个城市真实车辆轨迹在短时间内的平均网络可达性特性。对于人类移动轨迹,图2(a)展示了根据时间,在不同能量预算ε下的kaist轨迹的平均连通性,由于人类有规律的移动,连接对的比例一直变化很快。图2(b)中展示的orlando的连通性在t>70s后几乎不变,这是因为在t>70s后节点移动变少。同时可以看出,当预算能量减少时,平均连通性下降很快,但是变化趋势却基本保持不变。对于kaist,当能量预算值是20时,连接对的平均比例仅仅是25%左右。当能量预算值增加到150时,连接比增长到90%,且最大的比例几乎达到100%,也就是说所有节点都是连通的。这两条轨迹也展示了不考虑传输能量即ε=∞的情况。根据图2(a)的结果可以看出,在kaist如果预算的能量值达到150,系统几乎达到了性能的最大边界。也就是说,使用这个预算的能量值足够维持所有可能的网络连接。然而对于orlando,正如图2(b)所示,150的能量值不足以达到这个效果。在这些情况下,由于能量没有被限制,数据可以在移动机会网络中通过各种可能存在的路径进行传输,它代表了移动机会网络的通信能力的界限。本发明提出的能量感知时间可达图也能直接给出通信能力的限制,在一个给定时隙内的平均连通性正好等于在最优机会路由协议下的最大传输率,此时机会路由协议的容许延迟为δ,数据传输时间为τ,相当于数据大小。
除了人类移动形成的移动机会网络,本发明也研究了上海和北京的车辆机会网络的动态特性。上海的结果展示在图2(c)。从图上可以看出对于车辆轨迹,受能量预算值影响较为明显。当能量预算值为100时,网络只能维持大约25%的连接对。然而当能量预算值超过300时,网络可维持大约60%的连接对,这仅比最佳情况即能量预算值为无穷大时少了15%。同时可以观察到,当能量预算值高达500时,动态连接特性很接近网络的性能边界。这说明在大多数数据传输中,所消耗的能量少于500。图2(d)展示的是北京的车辆轨迹图,它具有和上海相似的动态连接特性,因此也可以得到相同的结论。但是北京的连接性比例比上海要低一点,这是因为在北京选择的车辆移动范围比上海要宽。
以上结果不仅可以揭示不同种类的移动机会网络的动态连接特性,还可以通过更系统的研究来展示网络连通性的长时间演化情况,为了达到这个目的,选择了具有最大移动轨迹的北京市来进行研究,并分别根据一天和一周的时间来展示连接对的比例情况,如图3(a)和(b)所示。对于一天的连接性而言,可以看出,白天的连接比例高于晚上。原因很明显,车辆在白天移动更加频繁。在晚上,从9点到早上5点,因为城市中大多数车辆都停着,所以连接性会减少。从凌晨5点开始,连接性就一直保持增长,可以看出白天有两个高峰期,一个是上午7点到9点人们在上班路上,另一个是下午5点到7点人们在下班路上,这两个时间段,交通是最拥塞的,因此由车辆形成的机会网络也是最密集,连接性最强的。而对于一周来说,可以发现相似的情况每天重复发生,尤其是在能量较大(ε=200)或者没有能量限制的时候(ε=∞)。具体来说,可以发现在较小的能量预算值(ε=100)下,连接性会在0到40%之间快速地交替变化。因为在这种情况下,机会网络的性能会由于较小的能量预算值和较短的容许延迟而受到连通性的较大影响。然而如果将能量值增加(ε=200),那么白天的连通性就达到了40%到60%,这就意味着半数的节点可以相互连接,与通信边界(ε=∞)时仅相差20%。而在晚上,即使能量无穷大,连通性也会很差。通过这些结果的比较可以得出,对于机会通信系统,日常的车辆移动对网络的连通性和数据传输是极其重要的。以上性能分析揭示了人类和车辆的日常活动是如何影响车辆机会网络的连通性。
2)不对称性:实际的机会通信系统更喜欢对称连接,也就是节点u和节点v能相互传输数据。已有的很多研究大多关注对称连接,且太过关注接触间隔时间和接触持续时间,而忽视了不对称性。实际上,在移动机会网络中,不对称性是机会通信的一个重要方面,是不能忽视的。本发明所提出的能量感知时间可达图能够提供一种自然且快速的方法来研究并量化移动机会网络的不对称性。一方面通过上海的车辆移动轨迹来分析不对称特性。另一方面,除了现实生活中的移动轨迹外,也使用slaw移动模型来进行性能验证。
图4(a)所示是上海的车辆移动轨迹在不同的能量预算值情况下的平均不对称特性与最大传输延迟的关系。可以看出,当能量预算值增加时,网络的不对称性有增加的趋势,因为在较大的能量预算值情况下,长距离传输的可能性就会增加。当能量预算值从300增加到500时,不对称连接增加了50%。另外,当传输延迟δ增加时,网络的不对称性先增加后减少,且这个现象不受能量预算值的束缚。这种现象的潜在原因是当δ很小时,网络中主要是直接传输,此时不对称性很低。在这种情况下,增加δ主要是会增加节点之间之前没有的路径,而且这些增加的连接往往是间接的。由于δ只增加了一点,所以新的间接路径一般是单向的,那么不对称连接比例就会增加。而当δ足够大时,双向传输较容易发生,增加的δ主要会增加已经存在连接的节点之间的路径,所以许多单向传输会变为双向传输,不对称性也就因此减少了。
为了验证所观察到的不对称特性,在slaw的移动模型下对一个相对较大的网络进行了模拟。图4(b)所示即为slaw移动模型下的平均不对称性图。从图中可以看出相似的现象,即当能量预算值增加时,网络的不对称性也会增加。当能量预算值从30增加到40时,不对称对尽管增加的相对较小,但是也增加了20%。此外,不对称性主要发生于δ在10s到30s变化的时候。当δ小于10s时,只有直接传输可以发生,因此不存在不对称传输。当δ大于30s时,延迟已经足够大,以至于在延迟时间内,当一个节点i找到一条到达节点j的路径时,节点j也可以找到一条到达节点i的路径。
上述分析揭示了在移动机会网络中,能量预算值与容许延迟的变化对机会通信不对称特性的影响。总体来说,足够大的能量预算值可以增强通信的不对称性,而容许延迟的增加则会对其产生不同的影响。
3)稳定性:不对称性描述了节点对之间连通性的变化,而稳定性则可以度量连通性随着时间推移产生了多少变化,这也在另一方面表征了移动机会网络的通信能力。与不对称性分析相似,也用上海车辆移动轨迹和slaw模型来研究连接的稳定性。图5(a)展现了slaw轨迹下的稳定性(连通性的平均变化率)。当能量预算值增加时,平均变化率先会增加,当能量预算值的增加超过某一个值后,平均变化率会减少。当延迟δ=20s,能量预算值从10增加到80时,平均变化率先增长大概200%,然后能量预算值继续增长到200,平均变化率就会减少65%。实际上,连通性的变化是由移动导致路径的不可靠性引起的。当能量预算值很小时,节点间传输数据主要是通过跳数较少的短路径进行的,数据传输只会经过少量几个节点。所以当节点移动时路径消失的可能性较小。当能量预算值增加时,多跳路径传输的机会增多,也就会连接更多的节点,所以路径也就更可能受到节点移动的影响。当能量预算值增加到足够大时,几乎每对节点间都有路径,这时连通性变化会变慢,因为不可能所有的路径都同时消失。此外,还可以观察到当延迟增加时连通性变化变慢,这是因为可能的路径增加了。当δ从20增加到50时,连通性的平均变化率减少30%。
图5(b)是上海车辆移动轨迹的连通性情况。从图中可以看出,当能量预算值增加时,平均变化率增长很快。当δ=140s,能量预算值从200增加到600时,平均变化率增加了大约300%。实际上连通性的变化主要是由节点移动导致路径的不可靠性造成的。当能量预算值较小时,节点之间主要通过短距离路径进行数据传输,只包含了少数几个节点,所以当节点移动时,路径消失的可能性不大。随着能量预算值的增加,多跳传输变多,所以路径中就会连接更多的节点,所以路径受节点移动的影响会变大。
以上研究通过能量感知时间可达图直接观测并分析了网络连通性与能量预算值,容许延迟之间的关系,揭示了两个移动机会网络的动态连通性和稳定性。由于不同种类的移动模式下移动机会网络有着不同的性能,所以其连通性受节点移动的影响较大。在不同的移动模式下,尽管节点的移动将对网络的连通性产生很大影响,然而却可以通过增加能量预算值或者容许延迟来减弱这种影响。
c.移动机会网络的性能权衡
以上已证明并验证了本发明提出的能量感知时间可达图可以揭示移动机会网络的连通性,稳定性和不对称性。更重要的是,它能揭示数据大小,容许延迟,通信能量等现实系统参数对通信能力的限制作用。在考虑这些限制的时候,一个基础的问题是这些参数与系统性能之间如何进行权衡。当给出一个移动机会网络的现实系统需求,即数据大小、传输比、容许延迟、传输能量时,能量感知时间可达图需要考虑以下问题:这个移动机会网络可以支持这种服务吗?系统需求之间需要怎样权衡才能支持这种服务?下面将利用能量感知时间可达图来揭示如何在网络大规模变化情况下对度量参数能量预算值,容许延迟和数据大小进行权衡以保证系统的连通性和可达性,采用上海和北京的车辆移动轨迹来减少冗余。
图6(a)和(b)分别表示在不同的容许延迟和数据大小情况下,平均连通性与能量预算之间的关系。从图中可以看出,当能量值在400-500的范围内时,系统连通性基本保持不变,这说明在这个范围内的能量预算值达到了通信边界。实际上,在这里,平均网络连通性等价于数据传输比例。从图中可以直接看出,北京车辆移动轨迹所形成的移动机会网络是否可以支持一些在能量预算值,容许延迟或者数据大小有限条件下有传输比例需求的系统,也可以观察到在能量预算值与容许延迟或者数据大小之间的性能权衡。在图6(a)中可以看到,如果要求传输比例大于70%,那么数据最小的容许延迟应该大于360s。但是如果只是想要传输比例达到50%,那么ε=140,δ=360或者ε=350,δ=250都可以满足。而在图6(b)中,如果数据大小大于160,那么传输比例不可能高于50%。从曲线可以看出,如果通过压缩传输的数据来减小数据大小,就可以为系统节省能量消耗。从图中还可以看出,通过增大传输延迟或者减少数据大小可以从能量预算值中获得多少增益。在实际应用中,可以参考这些曲线来设计车辆机会网络和应用计划。
为了观察到数据大小和容许延迟之间的权衡关系,假设能量预算值ε=300,在不同的容许延迟下,画出平均连通性和数据大小之间的变化曲线,如图7所示。从图7可以看出,当容许延迟相对较小时(小于120s),数据传输率在20%以下。数据大小对性能的影响有限。当容许延迟增加到360s时,如果可以将传输数据的大小从320s压缩到40s,那传输率就可以从20%增加到了60%。它进一步证实了需要在网络设计中作出权衡。例如,只有当传输延迟足够大时,数据的压缩作用才明显。另外,如果可以增大传输延迟,那也可以传输更大的数据。总之,可以根据图中曲线揭示的规律,为达到期望的系统性能来进行权衡。
图8是在容许延迟δ=100s,能量预算值不同的情况下,平均连通性和数据大小之间的关系。从图中可以看出,当数据大小增加时,平均连通性减少很快,当数据大小从10s增加到50s时,平均连通性减少了大约30%。相反,当能量预算值增加时连接对比例也会增加,能量预算值从100增加到300,连接对的比例就增加了大约100%。而且可以看到,当能量预算值达到500时,系统已经接近最佳性能。通常来说,如果需要网络维持一个较高的连通性,则不能将数据大小设置得太大,因为当数据大小增加时,连接对数目下降很快。类似的,在保持连通性不变的情况下,增加能量预算值也会增加最大数据大小。
图9展示了在达到特定连通性的性能度量指标时(上海车辆移动轨迹保持60%的连接比例),能量ε,容许延迟δ,和数据大小τ之间的权衡关系。当情况下,对于τ=30s,如果延迟少于90s,那不管能量有多大,连接对的比例都不可能达到60%。因此只给出了δ>90s的情况。当延迟δ增加时,最小消耗能量减少,尤其是当数据大小τ较大时。对于τ=30s,当δ=90s时,最小消耗能量大约是550。当δ增加到140s时,消耗能量减少了60%,变成了220。相似的,如果能量从220增加到550,那最小延迟就需要减少35%。对于δ=100,在不同的数据大小情况下,可以看到,当数据大小从30s减小到10s时,消耗的能量减少了55%。通常来说,最大容许延迟是一个有限值δ。为了获得较好的连通性,需要将能力预算值设置得足够大。同样,如果能量预算值较小,那就需要将容忍延迟增大以满足较好的连通性。
以上通过能量感知时间可达图揭示了不同的容许延迟,数据大小和能量预算值对移动机会网络的性能影响和权衡关系,为在实际的移动机会网络中处理能量,数据大小和容许延迟的权衡问题提供了有用的信息。