留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

节点-区域关联度感知的区域数据分发算法

刘志锴 宋晖 潘达儒 陈奋超

刘志锴, 宋晖, 潘达儒, 陈奋超. 节点-区域关联度感知的区域数据分发算法[J]. 华南师范大学学报(自然科学版), 2020, 52(1): 112-121. doi: 10.6054/j.jscnun.2020017
引用本文: 刘志锴, 宋晖, 潘达儒, 陈奋超. 节点-区域关联度感知的区域数据分发算法[J]. 华南师范大学学报(自然科学版), 2020, 52(1): 112-121. doi: 10.6054/j.jscnun.2020017
LIU Zhikai, SONG Hui, PAN Daru, CHEN Fenchao. A Local Data Dissemination Strategy of Node-Region Correlation Sensing[J]. Journal of South China normal University (Natural Science Edition), 2020, 52(1): 112-121. doi: 10.6054/j.jscnun.2020017
Citation: LIU Zhikai, SONG Hui, PAN Daru, CHEN Fenchao. A Local Data Dissemination Strategy of Node-Region Correlation Sensing[J]. Journal of South China normal University (Natural Science Edition), 2020, 52(1): 112-121. doi: 10.6054/j.jscnun.2020017

节点-区域关联度感知的区域数据分发算法

doi: 10.6054/j.jscnun.2020017
基金项目: 

国家自然科学基金项目 61801184

国家自然科学基金项目 61771206

国家自然科学基金项目 61471175

详细信息
    通讯作者:

    宋晖,讲师,Email:songhui@m.scnu.edu.cn

  • 中图分类号: TP393

A Local Data Dissemination Strategy of Node-Region Correlation Sensing

  • 摘要: 为了减少系统开销和降低网络负荷量,设计了节点-区域关联度感知的区域数据分发算法(RDAA-RP):首先,以时间片为周期持续记录和更新节点的区域属性;然后,计算节点对区域的权值并设置阈值作为数据转发限制条件;最后,根据权值控制不同程度关联度的节点参与完成区域数据的共享和交换.为验证RDAA-RP算法的效果,在The ONE平台进行了仿真实验,对比了在不同节点缓存大小和不同传输速度下,RDAA-RP算法、地图分区算法(SSMZ)和Epidemic算法的性能.仿真结果表明:(1)RDAA-RP算法能够在消息采集率与Epidemic算法及SSMZ算法基本相当的情况下,较大程度地降低网络负荷量,并降低消息平均缓存时间; (2)RDAA-RP算法可以有效屏蔽无关或低关联度节点数据带来的干扰,提供可靠的区域特定数据采集分发功能,实现关联节点数据共享的目标.
  • 图  1  基于BM25模型的区域数据分发算法流程图

    Figure  1.  The flow chart of regional data distribution algorithm based on the BM25 model

    图  2  不同经验参数对消息采集率的影响

    Figure  2.  The effect of different empirical parameters on me-ssage collection ratio

    图  3  不同经验参数对采集开销比率的影响

    Figure  3.  The effect of different empirical parameters on the acquisition overhead ratio

    图  4  不同缓存下的3种算法的消息采集率

    Figure  4.  The message collection rates of three algorithms under different caches

    图  5  不同缓存下的3种算法的采集开销比率

    Figure  5.  The acquisition overhead ratios of three algorithms under different caches

    图  6  不同缓存下的网络负荷量差异

    Figure  6.  The network load differences under different caches

    图  7  不同缓存下的平均缓存时间差异

    Figure  7.  The average cache time differences under different caches

    图  8  不同传输速率下的消息采集率

    Figure  8.  The message collection rates at different transmission rates

    图  9  不同传输速率下的采集开销比率

    Figure  9.  The acquisition overhead ratios at transmission rates

    图  10  不同传输速率下的网络负荷量差异

    Figure  10.  The network load differences at different transmission rates

    图  11  不同传输速率下的平均缓存时间差异

    Figure  11.  The average cache time differences at different transmission rates

    图  12  不同阈值选择的消息采集率

    Figure  12.  The message collection rates for different threshold selections

    图  13  不同阈值选择的采集开销比率

    Figure  13.  The collection overhead ratios for different threshold selections

    图  14  不同阈值选择的网络负荷量差异

    Figure  14.  The network load differences for different threshold selections

    图  15  不同阈值选择的平均缓存时间差异

    Figure  15.  The average cache time differences for different threshold selections

    表  1  仿真场景设置

    Table  1.   The scene setting for the simulation

    节点类型 行人 汽车 轨道列车
    节点ID p/w c t
    接口数量/个 40*2 40 2*2+2
    缓存空间/M 5 5 50
    传输速度/(KB·s-1) 250 250 250+10 240
    传输范围/m 10 10 10+1 000
    移动速度/(m·s-1) 0.5~1.5 2.7~13.9 7~10
    移动模型 SPMBM SPMBM MRM(tram3/4/10)
    下载: 导出CSV
  • [1] BENCHI A, LAUNAY P, GUIDEC F. JMS for opportunistic networks[J]. Ad Hoc Networks, 2015, 25:359-369. doi: 10.1016/j.adhoc.2014.07.010
    [2] LI S, XU L D, ZHAO S. The internet of things:a survey[J]. Information Systems Frontiers, 2015, 117(2):243-259.
    [3] 孙其博, 刘杰, 黎羴, 等.物联网:概念、架构与关键技术研究综述[J].北京邮电大学学报, 2010(3):1-9. http://d.old.wanfangdata.com.cn/Periodical/dianzixb201011023

    SUN Q B, LIU J, LI S, et al. Internet of things:summarize on concepts, architecture and key technology problem[J]. Journal of Beijing University of Posts and Telecommunications, 2010(3):1-9. http://d.old.wanfangdata.com.cn/Periodical/dianzixb201011023
    [4] BOLDRINI C, LEE K, ÖNEN M, et al. Opportunistic networks[J]. Computer Communications, 2014, 48:1-4. doi: 10.1016/j.comcom.2014.04.007
    [5] XIAO F, JIANG Z, XIE X, et al. An energy-efficient data transmission protocol for mobile crowd sensing[J]. Peer-to-Peer Networking and Applications, 2017, 10(3):510-518. doi: 10.1007/s12083-016-0497-5
    [6] MA H D, ZHAO D, YUAN P Y. Opportunities in mobile crowd sensing[J]. IEEE Communications Magazine, 2014, 52(8):29-35. doi: 10.1109/MCOM.2014.6871666
    [7] GANTI R K, YE F, LEI H. Mobile crowdsensing:current state and future challenges[J]. IEEE Communications Magazine, 2011, 49(11):32-39 doi: 10.1109/MCOM.2011.6069707
    [8] 郭东岳, 刘林峰.一种基于区域朋友关系的机会路由算法[J].计算机科学, 2017, 44(3):105-109. http://d.old.wanfangdata.com.cn/Periodical/jsjkx201703023

    GUO D Y, LIU L F. Opportunistic routing algorithm based on regional friendship[J]. Computer Science, 2017, 44(3):105-109. http://d.old.wanfangdata.com.cn/Periodical/jsjkx201703023
    [9] SPYROPOULOS T, PSOUNIS K, RAGHAVENDRA C S. Efficient routing in intermittently connected mobile networks:the multiple-copy case[J]. IEEE/ACM Transactions on Networking, 2008, 16(1):77-90. doi: 10.1109/TNET.2007.897964
    [10] BURGESS J, GALLAGHER B, JENSEN D, et al. MaxProp: routing for vehicle-based disruption-tolerant networks[C]//Proceedings of IEEE INFOCOM 2006-25th IEEE International Conference on Computer Communications. Piscataway: IEEE, 2006: 1-11.
    [11] LINDGREN A, DORIA A, SCHELÉN O. Probabilistic routing in intermittently connected networks[J]. ACM Sigmobile Mobile Computing & Communications Review, 2004, 7(3):19-20.
    [12] XIE X G, ZHANG Y, DAI C, et al. Social relationship enhance predicable routing in opportunistic netword[C]//Proceedings of the 2011 Seventh International Conference on Mobile Ad-hoc and Sensor Networks. Piscataway: IEEE, 2011: 268-275.
    [13] LI Y, LIU Y A, LI L, et al. Local scheduling scheme for opportunistic routing[C]//Proceedings of IEEE Wireless Communications and Networking Conference. Piscataway: IEEE, 2009: 1-6.
    [14] 熊永平, 刘伟, 刘卓华.机会群智感知网络关键技术[J].中兴通讯技术, 2015, 21(6):19-22. doi: 10.3969/j.issn.1009-6868.2015.06.005

    XIONG Y P, LIU W, LIU Z H. Key technologies of opportunistic crowd sensing network[J]. ZTE Technology Journal, 2015, 21(6):19-22. doi: 10.3969/j.issn.1009-6868.2015.06.005
    [15] 宋晖, 潘达儒, 关心.面向区域数据的机会群智感知数据分发策略[J].华南师范大学学报(自然科学版), 2018, 50(6):104-111. doi: 10.6054/j.jscnun.2018125

    SONG H, PAN D R, GUAN X. An opportunistic data dissemination strategy of crowd sensing based on validity for local data[J]. Journal of South China Normal University(Natural Science Edition), 2018, 50(6):104-111. doi: 10.6054/j.jscnun.2018125
    [16] 陈翔.基于社会行为的移动群智感知机会式数据分发[D].南京: 南京邮电大学, 2016.

    CHEN X. Opportunistic data collection protocol based on social behavior in mobile crowd sensing[D]. Nanjing: Nanjing University of Posts and Telecommunications, 2016.
  • 加载中
图(15) / 表(1)
计量
  • 文章访问数:  1742
  • HTML全文浏览量:  872
  • PDF下载量:  15
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-06-11
  • 刊出日期:  2020-02-25

目录

    /

    返回文章
    返回