机坪感知场景下基于移动智能体的机会路由控制方法

发布时间：2021-10-07 09:57

　　针对机坪感知网络中存在的间歇性路由及弱连接问题,提出一种基于移动智能体（mobile agent,M-Agent）的机会路由控制方法。根据机坪保障运行特点,利用M-Agent连接非连通子域,完成对机坪感知数据流的分类模型设计,实现数据机会传输控制最优决策及负载均衡的数据汇集。在机会网络仿真平台（opportunistic network environment,ONE）环境中进行仿真,实验结果与经典Epidemic和Prophet算法进行比较,在节点数和缓存容量层面,消息投递率提高8.07%～20.6%、网络开销降低20.31%～48.79%,通信时延降低7.48%～12.31%,表明该路由控制方法在机坪感知网络中的可行性与有效性。 

【文章来源】：科学技术与工程. 2020,20(29)北大核心

【文章页数】：7 页

【部分图文】：

机坪设备监控系统

机坪感知过程中,助航灯柱、标志牌及高杆灯等环境感知节点上的传感器需要周期、连续地向汇聚节点(簇头)上传环境数据,M-Agent节点起到移动组织者的作用,在M-Agent的移动路径上,通过发布路由建立消息,设置约束条件,不断沿节点(多为簇头)转发,形成路由树,最后大量数据流沿路由树向反方向向移动节点汇集。连续型数据流模型如图2所示。2.2 事件驱动数据流模型

当航班到达后,地面保障开始作业。若机坪场景下节点均采用连续型数据流模型,多点数据连续汇聚,造成局部网络资源不均衡,易导致热点、盲点问题。考虑机坪特种车辆工作和部分感知网络采集数据均受控于航班流,航班到达可视为非连续多路激励,为达到网络负载和性能优化,除部分连续数据采集节点,部分机坪感知节点及M-Agent采用事件驱动型网络模型。网络模型如图3所示。航班流有一定随机特性(泊位位置、实际到达时间等),机坪感知网络数据流模型是共存的。

【参考文献】：
期刊论文
[1]群体智能计算的多学科方法研究进展[J]. 姜照昶,苏宇,丁凯孟.  计算机与数字工程. 2019(12)
[2]基于消息重要性的机会网络能量均衡路由算法[J]. 陈志刚,殷滨安,吴嘉.  通信学报. 2018(12)
[3]基于移动agent的机坪机会传输控制方法[J]. 陈维兴,张天娇,林家泉,刘贵行.  江苏大学学报(自然科学版). 2018(03)
[4]自私性机会网络中的节点激励策略研究[J]. 李向丽,宣茂义.  计算机科学. 2017(04)
[5]基于信任机制的机会网络安全路由决策方法[J]. 李峰,司亚利,陈真,鲁宁,申利民.  软件学报. 2018(09)
[6]机会网络中基于摆渡节点与簇节点相互协作的路由机制[J]. 刘春蕊,张书奎,贾俊铖,林政宽.  电子学报. 2016(11)
[7]移动Ad hoc网络中具有均衡策略的稳定性路由算法[J]. 许炳昆,李艳萍.  科学技术与工程. 2014(33)
[8]机会网络模拟器ONE及其扩展研究[J]. 王朕,王新华,隋敬麒.  计算机应用研究. 2012(01)
[9]机会网络[J]. 熊永平,孙利民,牛建伟,刘燕.  软件学报. 2009(01)



本文编号：3421829