針對機坪感知網絡中存在的間歇性路由及弱連接問題,提出一種基于移動智能體（mobile agent,M-Agent）的機會路由控制方法。根據機坪保障運行特點,利用M-Agent連接非連通子域,完成對機坪感知數據流的分類模型設計,實現數據機會傳輸控制最優(yōu)決策及負載均衡的數據匯集。在機會網絡仿真平臺（opportunistic network environment,ONE）環(huán)境中進行仿真,實驗結果與經典Epidemic和Prophet算法進行比較,在節(jié)點數和緩存容量層面,消息投遞率提高8.07%～20.6%、網絡開銷降低20.31%～48.79%,通信時延降低7.48%～12.31%,表明該路由控制方法在機坪感知網絡中的可行性與有效性。 

【文章來源】：科學技術與工程. 2020,20(29)北大核心

【文章頁數】：7 頁

【部分圖文】：

機坪設備監(jiān)控系統

機坪感知過程中,助航燈柱、標志牌及高桿燈等環(huán)境感知節(jié)點上的傳感器需要周期、連續(xù)地向匯聚節(jié)點(簇頭)上傳環(huán)境數據,M-Agent節(jié)點起到移動組織者的作用,在M-Agent的移動路徑上,通過發(fā)布路由建立消息,設置約束條件,不斷沿節(jié)點(多為簇頭)轉發(fā),形成路由樹,最后大量數據流沿路由樹向反方向向移動節(jié)點匯集。連續(xù)型數據流模型如圖2所示。2.2 事件驅動數據流模型

當航班到達后,地面保障開始作業(yè)。若機坪場景下節(jié)點均采用連續(xù)型數據流模型,多點數據連續(xù)匯聚,造成局部網絡資源不均衡,易導致熱點、盲點問題�？紤]機坪特種車輛工作和部分感知網絡采集數據均受控于航班流,航班到達可視為非連續(xù)多路激勵,為達到網絡負載和性能優(yōu)化,除部分連續(xù)數據采集節(jié)點,部分機坪感知節(jié)點及M-Agent采用事件驅動型網絡模型。網絡模型如圖3所示。航班流有一定隨機特性(泊位位置、實際到達時間等),機坪感知網絡數據流模型是共存的。

【參考文獻】：
期刊論文
[1]群體智能計算的多學科方法研究進展[J]. 姜照昶,蘇宇,丁凱孟.  計算機與數字工程. 2019(12)
[2]基于消息重要性的機會網絡能量均衡路由算法[J]. 陳志剛,殷濱安,吳嘉.  通信學報. 2018(12)
[3]基于移動agent的機坪機會傳輸控制方法[J]. 陳維興,張?zhí)鞁?林家泉,劉貴行.  江蘇大學學報(自然科學版). 2018(03)
[4]自私性機會網絡中的節(jié)點激勵策略研究[J]. 李向麗,宣茂義.  計算機科學. 2017(04)
[5]基于信任機制的機會網絡安全路由決策方法[J]. 李峰,司亞利,陳真,魯寧,申利民.  軟件學報. 2018(09)
[6]機會網絡中基于擺渡節(jié)點與簇節(jié)點相互協作的路由機制[J]. 劉春蕊,張書奎,賈俊鋮,林政寬.  電子學報. 2016(11)
[7]移動Ad hoc網絡中具有均衡策略的穩(wěn)定性路由算法[J]. 許炳昆,李艷萍.  科學技術與工程. 2014(33)
[8]機會網絡模擬器ONE及其擴展研究[J]. 王朕,王新華,隋敬麒.  計算機應用研究. 2012(01)
[9]機會網絡[J]. 熊永平,孫利民,牛建偉,劉燕.  軟件學報. 2009(01)



本文編號：3421829