一种基于社交特征的移动自组网数据转发方法与流程

本发明涉及一种基于社交特征的移动自组网数据转发方法，属于移动自组网络的技术领域。

背景技术

随着包括智能手机在内的移动通信设备的快速普及，以携带近距离通信设备的“人”为主体的移动自组网络更是广泛出现于我们的生活之中，也得到了研究者们越来越多的关注。

移动自组网的一大特点是具有容迟性，即网络中各节点间歇性链路联通，具有高移动性与有限的缓存的机会网络。由于节点通常携带包括蓝牙、wifi在内的近距离无线通信设备，所以节点间的通信只能在彼此相遇进入通信范围的时候才能完成。同时，由于节点在区域场景内自由移动，网络拓扑经常性的变动导致网络时常发生中断或者延迟，节点只能通过“存储-携带-转发”的方式进行消息的多跳投递。移动自组网因为具有容忍中断或延迟的特性，能够在间歇性连通的苛刻网络环境中实现节点通信，而且部署便捷、成本低廉，已被广泛应用到生活当中，出现在ieee和acm系列会议的相关研究成果也逐年增多。

目前，对移动自组网络的研究大多围绕着高效可靠的数据投递方法展开。与传统的网络相比，移动自组网络中节点的行为有很强的社会性，这对节点包括移动路径、停留时间和相遇频率在内的社交特征有着重大影响。例如，节点组成的社会网络通常拥有明显的社群结构，社群内部的节点通常拥有相似的兴趣和话题或者彼此地理位置相近，这样同一社群内部的节点彼此接触的频率更高，接触时间也更久。因此，现有的移动自组网络的数据投递方案基本分为两类：基于传统的策略和基于社交特征的策略。

在传统的策略中，通常利用一些特定的效用函数来量化每个节点选择的可能性，并从中选择可能性最大的一个，作为中继节点来进行数据转发。其中，选择活跃度较高的节点是最常见的做法。尽管如此，大多数算法依赖于一些流行的节点，这会导致数据收发的不平衡和传递性能的下降。

基于社交特征的转发方案则是通过记录包括节点相遇历史和地理位置在内的信息，从而分析出网络的社交结构并将网络划分为若干个社群。考虑到社群内通常稳定和强大的连接，社群之间的连接较弱，因此提出了许多路由算法来在社群之间或社群内进行数据转发。

然而，基于社群的数据转发也面临着新的挑战，其中最关键的是极高的成本。由于移动自组网络的动态性，只有在使用泛洪方法或转发过程没有时间限制时才能保证传送的成功率，这需要极大的缓冲区资源和传播开销；高速数据丢失率和限制缓存情况下的性能急剧下降也是其需要解决的问题。

技术实现要素：

本发明所要解决的技术问题在于克服现有技术的不足，提供一种基于社交特征的移动自组网数据转发方法，解决现有移动自组网络数据转发需要极大的缓冲区资源和传播开销，且性能下降的问题。

本发明具体采用以下技术方案解决上述技术问题：

一种基于社交特征的移动自组网数据转发方法，包括以下步骤：

步骤1、根据各节点记录历史相遇记录与地理位置信息，换分为若干个不同的社群，并计算节点ni到节点nj之间的社交频率αij，及节点ni到社群cr之间的社交频率βir；

步骤2、根据各节点记录历史相遇记录，基于两个节点间的社交概率模型计算出社群内节点社交活跃度al、全局节点社交活跃度ag；以及将节点作为中继节点，计算中继节点到其他社群社交概率rg，及中继节点到本社群内的其他节点社交概率rl；

步骤3、在节点ni与节点nj相遇时，计算节点ni选择节点nj作为中继节点到达目的地的概率，并据此判断是否将数据交付至节点nj进行中继：若通过节点nj中继到达目的地概率高于节点ni直接到达目的地概率，则将数据传递给节点nj并传输至目的地；否则，节点ni继续保持存储数据，直到遇到下一个相遇节点。

进一步地，作为本发明的一种优选技术方案：所述步骤3中目的地为一个社群或节点；

进一步地，作为本发明的一种优选技术方案，所述步骤3中计算节点ni选择nj作为中继节点到达目的地的概率，具体为：

当节点ni与节点nj相遇时，判断其是否同处于同一社群，当处于同一社群时计算节点ni选择nj作为中继节点到达目的地的局部概率olij(τ)，否则计算节点ni选择nj作为中继节点到达目的地的全局概率ogir(τ)。

本发明采用上述技术方案，能产生如下技术效果：

本发明提出的一种基于社交特征的移动自组网据转发方法，通过各节点收集自身的历史相遇数据与地理信息，划分成不同的社群群体；对于每个节点，计算出自己在社群内与社群外的活跃度与到其他社群或节点的连接度；最后根据以上信息提出了一种基于社交特征的移动自组网数据转发方法，提高移动自组网络中数据传递的性能。

本发明结合了传统策略与基于社交特征策略的各自优点，针对相遇节点是否属于同一社群，采取不同的效用函数，计算出通过相遇节点到达目的地的可能性，并与其它的节点进行比较，选出到达目的节点可能性最高的中继节点，降低了广播的节点数目，提高信息传输的成功率和传输中网络资源的开销。

附图说明

图1为本发明中移动自组网络的社群划分示意图。

图2为本发明中全局中继至目的地概率示意图。

图3为本发明中局部中继至目的地概率示意图。

图4为本发明的中继路由策略流程图。

具体实施方式

下面结合说明书附图对本发明的实施方式进行描述。

本发明设计了一种基于社交特征的移动自组网数据转发方法，该方法具体包括以下步骤：

步骤1、根据各节点记录历史相遇记录与地理位置信息，换分为若干个不同的社群，划分的区域如图1所示，可分为社群c1、c2、c3、c4，并计算节点ni到节点nj之间的社交频率αij，及节点ni到社群cr之间的社交频率βir。

具体地，每个节点加入移动自组网络后，会不间断的记录自己与相遇的节点信息，通过对这些历史信息的分析，可以得出该节点与其他节点与社群的相遇次数，并进一步计算出相遇的频率，得到社交频率αij，βir的具体数值。

以上这些参数，都是基于节点收集的历史数据计算出的；节点存储的数据越多、越全面，αij，βir的偏离值就会越小。随着网络的进化和迭代，各节点会逐渐完善自身的数据，得到更准确的参数。

步骤2、根据各节点记录历史相遇记录，基于两个节点间的社交概率模型计算出社群内节点社交活跃度al、全局节点社交活跃度ag。

由于在移动社交网络中，成对节点之间的接触时间遵循基于社交网络的泊松模型的指数分布，节点间相遇的间隔时间服从指数分布则两个节点间的社交概率可以定义为：

其中，cij(τ)表示节点ni和nj在时间τ内发生社交行为的概率，αij表示节点ni和节点nj之间的社交频率。将节点ni与其他节点的社交概率累加求平均值，便可衍生出全局节点活跃度和局部节点活跃度两个定义。

所述全局节点社交活跃度agi(τ)为：

其中，agi(τ)代表节点ni在时间τ表现出的全局活跃度，即节点与场景中所有其他节点的社交能力，nm为场景中所有社会节点的总数目。

所述局部节点社会活跃度ali(τ)，相比于全局活跃度衡量节点在整个网络中的活跃程度，局部活跃度衡量节点ni在其所属社群内的活跃度，其定义如下：

其中，ali(τ)代表在时间ι内节点ni与同社群内所有节点的社交活跃度，是定义在单个社群内部的指标。ali(τ)的值越高，表明节点ni在其社群内部有更大的可能与其他节点相遇。

将节点作为中继节点，通过上述公式＝获得了一个中继节点的全局和局部活跃度之后，计算该中继节点接触到目标社群或者目标节点的概率。中继节点至目的地概率分为全局层面到目标社群的概率和社群内局部层面到目标节点的概率，即计算中继节点到其他社群社交概率rg，及中继节点到本社群内的其他节点社交概率rl。

所述全局中继节点到其他社群社交概率rgi(τ)定义为：

其中，rgir(τ)表示节点ni在时间τ与社群cr内的节点发生社交接触的概率，βir代表节点ni和社群cr之间的社交频率。其计算方法为该节点与社群cr的相遇概率占与其他所有社群相遇之和的比例。

以之前图1中的社群场景为例，网络中节点n9的全局中继至目的地概率如图2所示。当节点n5想通过节点n9将消息传递至社群c4，n5将会分别计算节点n9到社群c4的通信概率rg9，1，rg9，2，rg9，3，rg9，4，即使用节点n9与各个社群的社交次数除以他的总社交次数。通过全局中继至目的地，可以体现出节点到某一社群的可能性高低。

所述局部中继节点到本社群内的其他节点社交概率rlij(τ)，类似的，本发明定义了局部中继至目的地概率，来体现在一个社群中，到某一节点的可能性大小，定义如下：

假设节点ni属于社群cr，上式中，rlij(τ)代表中继节点ni在时间τ与同社群中其他节点的社交概率，nr为社群内社会节点的总数目。

仍以社群c2内的节点n9为例，其局部中继至目的地概率如图3所示。当节点n9想将消息传递给社群c2内的其他节点时，n9将会分别计算节点n9到n6，n7，n8和n10的通信概率rl9，6，rl9，7，rl9，8，rl9，10，即使用节点n9与其他各个节点的社交次数除以他的总社交次数。rlij(τ)衡量了在一个社群内部，节点ni和节点nj在时间ι内相遇的概率；rlij(τ)的值越高，表明节点ni和节点nj相遇的几率越大。

需要注意的是，在实际的环境中，移动自组网络会随着时间的推移进行演化，各节点的相遇情况和地理分布都会发生显著的改变。故需要在网络结构改变时，重新计算各参数具体数值，保证其能正确反映实际情况。

步骤3、当节点ni与节点nj相遇时，在判断节点能否中继节点传递数据时，需要考虑2个因素：1)该节点是否足够活跃，和其他节点能够频繁地接触；2)该节点到达指定目标的可能性是否足够高。

上述步骤定义了节点社会活跃度与中继至目的地概率，分别衡量一个节点在以上2个因素中的表现能力。因此，基于以上2个性质，提出了起点到目的地可能性的度量函数：

oij(τ)＝ai(τ)·rij(τ)，

其中，oij(τ)代表某初始节点在时间τ通过中继节点ni能够将数据转发至目的地dj的概率，目的地dj根据不同情况可以是一个社群cj或者是节点nj。ai(τ)和rij(τ)是节点活跃度和中继至目的地概率的泛化形式，具体而言，起点至目的地概率可以分为全局起点至目的地概率和局部起点至目的地概率。

所述全局起点至目的地概率ogir(τ)定义为：

ogir(τ)＝agi(τ)·rgir(τ)，

其中，ogir(τ)代表某初始节点ni在时间τ通过中继节点nj能够将数据转发至目标社群cr的可能性。

同样的，在同一个社群内部，局部起点至目的地可能性olij(τ)定义为：

olij(τ)＝ali(τ)·rlij(τ)。

其中，olij(τ)代表在同一社群中，某初始节点ni在时间τ通过中继节点nj能够将数据转发至目标节点nj的可能性。

因此，当节点ni与节点nj相遇时，判断其是否同处于同一社群，当处于同一社群时计算节点ni选择nj作为中继节点到达目的地的局部概率olij(τ)，否则不处于同一社群时，计算节点ni选择nj作为中继节点到达目的地的全局概率ogir(τ)。

并且，分别根据计算节点ni选择节点nj作为中继节点到达目的地的局部概率olij(τ)或全局概率ogir(τ)，并据此判断是否将数据交付至节点nj进行中继：若通过节点nj中继到达目的地概率高于节点ni直接到达目的地概率，则将数据传递给节点nj并传输至目的地；否则，节点ni继续保持存储数据，直到遇到下一个相遇节点。

由此，选出到达目的节点可能性最高的中继节点，降低了广播的节点数目，提高信息传输的成功率和传输中网络资源的开销。为了验证本发明方法能够有效进行数据转发，现列举一个验证例进行说明。

设节点s携带数据消息msg，数据消息msg的目标节点为d，d所在的社群标记为dc。当节点s遇到一个潜在的中继节点r时之前，这对s和r节点会不停的收集相遇数据与地理位置信息。

当节点s与节点r相遇时，如图4所示，遵循以下的流程：

a)根据节点的记录历史相遇记录与地理位置信息数据，采用上述公式计算各参数αij，βir，agi，ali，rgir，rlij，ogir，olij的值。

b)根据节点s、r所属社群的不同，采取不同的中继路由策略：

当节点s和r均不属于目标社群dc时，算法使用之前定义的全局起点至目的地概率og(x，y)＝agx·rgxy来评估节点x到目的社群y的可能性。如果og(s，dc)＜og(r，dc)，即节点s自己作为中继节点到达目标社群dc的概率小于节点r，则s选择将消息数据转发给节点r，将节点r作为中继节点，这样，s可以更找到一个更合适的中继节点r来与目标社群dc进行通信，实现数据转发。

当节点s不属于目标社群dc，而节点r属于目标社群dc时，如果中继节点r曾经与目标节点d有过社交行为，则消息将由s转发至中继的节点r，当采用这种设定时，算法能够保证消息能够有更高可能性到达目标节点。

当节点s属于目标社群dc，而节点r不属于目标社群dc时，设定节点s不会将消息数据转发给节点r，因为将消息传递至目标社群dc之外将严重降低消息的投递成功率，会使得信息离目的节点越来越远。

4)s∈dcandr∈dc：

当节点s和r均属于目标社群dc时，算法将使用局部起点至目的地概率ol(x，y)＝alx·rlxy来衡量目标社群内到达目标节点d的可能性。如果ol(s，d)＜ol(r，d)，即节点s自己作为中继到达目标节点d的概率小于节点r，则s选择将消息转发至节点r，将节点r作为中继节点，这样该消息将用有更高的投递成功率。

c)节点s完成与r节点相遇后的信息传输，准备和下一个节点的相遇以及下一次信息的传输；重复步骤a)。

综上，本发明结合了传统策略与基于社交特征策略的各自优点，针对相遇节点是否属于同一社群，采取不同的效用函数，计算出通过相遇节点到达目的地的可能性，并与其它的节点进行比较，选出到达目的节点可能性最高的中继节点，降低了广播的节点数目，提高信息传输的成功率和传输中网络资源的开销。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。