基于节点社会属性的机会网络路由策略：理论、算法与实践

基于节点社会属性的机会网络路由策略：理论、算法与实践一、引言1.1研究背景与意义随着无线通信技术和移动设备的飞速发展，机会网络作为一种新型的自组织网络应运而生。机会网络利用节点间的相遇机会进行数据传输，无需依赖固定的网络基础设施，在诸如灾害救援、智能交通、野生动物监测以及偏远地区通信等场景中展现出独特的应用价值。在灾害救援场景下，地震、洪水等自然灾害往往会破坏传统的通信基础设施，而机会网络能够借助救援人员携带的移动设备以及无人机等移动节点，通过节点间的移动和相遇搭建起临时的通信网络，保障救援指挥信息、受灾区域情况等数据的传输，为救援工作的顺利开展提供关键支持；在智能交通中，车联网作为机会网络的一种典型应用，车辆节点在行驶过程中通过相互相遇的机会交换交通路况、车辆行驶状态等信息，实现智能交通系统中的信息共享和协同驾驶，提升交通效率和安全性；在野生动物监测领域，为动物佩戴的具有通信功能的设备组成机会网络，节点间通过相遇进行数据交换，研究人员可以借此获取动物的迁徙路线、生活习性等数据，为野生动物保护和研究提供有力依据。在机会网络中，节点的移动并非完全随机，而是受到其所代表实体的社会属性和行为模式的影响。例如在社交机会网络中，人与人之间的社交关系、活动规律等社会属性会导致节点的移动呈现出一定的规律性和聚集性。经常在同一办公区域工作的人员，他们携带的移动设备作为节点，在工作日的特定时间段内会频繁出现在相同的区域，节点间的相遇概率较高；而不同社交圈子的人员，其携带节点的相遇概率相对较低。这种节点的社会属性对机会网络的路由策略有着至关重要的影响。传统的路由策略往往只考虑网络的拓扑结构、链路质量等因素，而忽略了节点的社会属性，在机会网络这种动态变化且连接不稳定的环境中，难以实现高效的数据传输。以基于最短路径的路由策略为例，在机会网络中，由于节点的移动性和间歇性连接，最短路径可能随时发生变化，导致数据传输频繁中断或需要重新寻找路径，降低了传输效率。因此，研究基于节点社会属性的机会网络路由策略具有重要的现实意义。通过深入挖掘节点的社会属性并将其融入路由策略设计中，可以更准确地预测节点间的相遇机会和数据传输路径，从而提高网络性能和数据传输效率。利用节点的社交关系紧密程度来选择转发节点，社交关系密切的节点间往往具有更高的相遇概率和更稳定的连接，能够更可靠地传输数据，减少数据传输的延迟和丢包率，提升消息投递成功率；考虑节点的活动规律和社交圈子等社会属性，可以有效减少网络中的冗余数据传输，降低网络开销，提高网络资源的利用率。1.2研究目标与内容本研究旨在设计一种高效的基于节点社会属性的机会网络路由策略，以提升机会网络在复杂环境下的数据传输性能。具体研究内容如下：深入分析节点的社会属性：全面研究机会网络中节点所具有的各种社会属性，包括但不限于社交关系（如朋友、同事、家人等关系的亲疏程度）、活动规律（日常活动轨迹、出行时间和地点的规律性）、社区归属（所属的社交社区、兴趣小组等）等。通过对实际应用场景中的数据进行收集和分析，建立准确的节点社会属性模型，为后续路由策略的设计提供坚实的基础。例如，在社交机会网络中，通过分析用户在社交平台上的好友关系、互动频率等数据，量化社交关系的紧密程度；通过收集用户的出行数据，如使用定位服务记录的日常活动地点和时间，总结出用户的活动规律。研究现有路由策略的不足：系统地梳理和分析现有的机会网络路由策略，从节点社会属性的角度出发，深入剖析它们在数据传输效率、网络开销、消息投递成功率等方面存在的问题。例如，传统的基于洪泛的路由策略虽然能够保证较高的消息投递成功率，但会在网络中产生大量的冗余消息副本，导致网络开销急剧增加；一些基于概率的路由策略，在预测节点相遇概率时，往往没有充分考虑节点的社会属性，使得概率预测不准确，从而影响数据传输的效率和可靠性。提出基于节点社会属性的路由策略：结合对节点社会属性的分析和现有策略的不足，创新性地设计一种综合考虑多种社会属性的路由策略。该策略应能够根据节点间的社会关系、活动规律和社区归属等属性，智能地选择最优的数据转发路径，在保证消息投递成功率的前提下，尽可能降低网络开销和传输延迟。例如，当源节点需要发送消息时，首先根据目的节点的社会属性信息，筛选出可能与目的节点相遇概率较高的中继节点，然后再综合考虑这些中继节点的剩余缓存空间、当前负载等因素，最终确定最佳的转发节点。对提出的路由策略进行验证和优化：利用仿真工具搭建机会网络仿真环境，对提出的路由策略进行全面的性能评估和验证。通过与现有经典路由策略进行对比实验，分析新策略在消息投递成功率、平均传输延迟、网络开销等关键性能指标上的表现。根据仿真结果，进一步优化路由策略的参数和算法，使其性能得到进一步提升，以满足不同应用场景的需求。例如，在仿真实验中，设置不同的网络规模、节点移动速度、消息产生速率等参数，模拟不同的实际应用场景，全面测试新路由策略的性能。1.3研究方法与创新点本研究主要采用以下几种研究方法：文献研究法：广泛查阅国内外关于机会网络路由策略、节点社会属性分析等方面的文献资料，了解该领域的研究现状和发展趋势，掌握现有的研究成果和方法，为研究提供理论支持和研究思路。通过对大量文献的综合分析，总结出当前基于节点社会属性的路由策略研究中存在的问题和不足，明确本研究的切入点和重点。仿真实验法：运用专业的网络仿真工具，如ONE（OpportunisticNetworkEnvironment）等，搭建机会网络仿真平台。在仿真环境中，模拟不同的网络场景和节点移动模型，设置各种参数来模拟真实环境中的不确定性和动态变化，对提出的路由策略进行性能测试和验证。通过仿真实验，可以快速、低成本地获取大量实验数据，对路由策略的性能进行全面、客观的评估，为策略的优化提供依据。理论分析法：从理论层面深入分析节点社会属性对路由策略的影响机制，建立相应的数学模型和理论框架。运用图论、概率论、统计学等数学工具，对路由策略中的关键指标，如节点相遇概率、消息转发路径选择等进行理论推导和分析，为路由策略的设计和优化提供理论指导，确保策略的科学性和合理性。本研究的创新点主要体现在以下两个方面：综合考虑多种节点社会属性设计路由策略：以往的研究往往只侧重于某一种或少数几种节点社会属性来设计路由策略，难以充分发挥节点社会属性的优势。本研究将全面综合考虑节点的社交关系、活动规律、社区归属等多种社会属性，构建更加全面和准确的节点社会属性模型，并基于此设计路由策略，使路由决策更加科学合理，能够更好地适应复杂多变的机会网络环境，有效提升网络性能。改进节点相似度计算方法：在路由策略中，节点相似度是判断节点间关系紧密程度和选择转发节点的重要依据。本研究将提出一种改进的节点相似度计算方法，不仅考虑节点间的直接社交关系和相遇历史，还将融入节点的活动规律、社区归属等因素，使计算出的节点相似度更加准确地反映节点间的真实关系，从而优化消息转发路径的选择，提高数据传输效率和消息投递成功率。二、机会网络与节点社会属性概述2.1机会网络基础2.1.1机会网络的定义与特点机会网络是一种新型的自组织网络，它突破了传统网络对完整通信路径的依赖，主要利用节点的移动性以及节点间的相遇机会来实现通信。在机会网络中，源节点和目的节点之间通常不存在稳定、直接的链路，数据传输依靠节点在移动过程中偶然的相遇，当两个节点相遇且处于彼此的通信范围内时，便可以进行数据的交换和转发，通过多跳的方式逐步将数据传输至目的节点。这种通信方式使得机会网络在没有固定网络基础设施支持的环境下也能够实现数据的传输，展现出独特的优势。机会网络具有以下显著特点：无完整路径依赖：与传统的有线网络或具有稳定拓扑结构的无线网络不同，机会网络不要求源节点与目的节点之间存在一条持续可用的完整路径。在实际应用场景中，如灾区通信，由于基础设施遭到破坏，很难建立起传统意义上的网络连接，但机会网络可以借助救援人员携带的移动设备之间的相遇，实现信息的传递，无需依赖固定的基站或通信线路。依赖节点移动相遇通信：节点的移动是机会网络实现通信的关键因素。节点在移动过程中不断改变自身的位置，从而增加与其他节点相遇的可能性。以社交机会网络中的移动设备节点为例，用户在日常生活中的移动，如上下班、购物、社交活动等，使得设备节点有机会与其他用户的设备节点相遇，进而进行数据传输，实现社交信息的共享。拓扑动态变化：由于节点的持续移动，机会网络的拓扑结构处于不断变化之中。节点之间的连接关系随时可能因为节点的移动而建立或断开，这种动态性使得机会网络的路由决策变得更加复杂。在一个校园机会网络中，学生携带的移动设备在校园内的不同区域活动，课间休息时，教学楼内的节点密度增加，节点间的连接频繁变化；而在上课时间，节点则分散到各个教室，网络拓扑随之改变。节点资源受限：机会网络中的节点通常是一些资源有限的移动设备，如手机、传感器节点等。这些节点的能量、存储容量、计算能力等资源相对匮乏，这就要求机会网络的路由策略和数据传输机制必须充分考虑资源的有效利用，以延长节点的使用寿命和提高网络的整体性能。例如，在一个基于传感器节点的环境监测机会网络中，传感器节点依靠电池供电，能量有限，需要合理设计路由策略，减少不必要的数据转发，降低节点能耗。延迟容忍性：机会网络采用“存储-携带-转发”的通信模式，数据在节点中存储并等待合适的转发机会，因此能够容忍一定程度的传输延迟。在野生动物监测场景中，为动物佩戴的通信设备组成机会网络，由于动物的活动范围广且移动规律难以预测，节点间的相遇时间间隔不确定，数据传输可能会经历较长的延迟，但只要最终能够将监测数据成功传输给研究人员，这种延迟在一定程度上是可以接受的。2.1.2机会网络的应用场景车载自组织网络：在智能交通领域，车载自组织网络（VANET）是机会网络的典型应用。车辆作为移动节点，在行驶过程中通过相互之间的相遇机会交换交通信息，如路况、车速、前方事故等。这些信息的及时共享有助于车辆进行智能驾驶决策，实现交通流量优化、避免交通事故等目标。当某路段发生拥堵时，前方车辆可以将拥堵信息通过机会网络传递给后方车辆，后方车辆据此调整行驶路线，缓解交通压力；在紧急情况下，如车辆突发故障或遭遇事故，车辆能够迅速将警报信息发送给周围车辆和交通管理中心，提高应急响应速度。社交机会网络：随着移动社交的普及，社交机会网络应运而生。在这种网络中，用户携带的移动设备（如手机、平板电脑）作为节点，利用用户在社交活动中的相遇机会，实现社交数据（如照片、视频、消息）的共享和传输。在一次社交聚会中，参会人员的移动设备通过近距离无线通信技术（如蓝牙、Wi-FiDirect）相互发现并建立连接，当设备节点相遇时，可以自动交换彼此感兴趣的社交内容，无需依赖外部网络基础设施，增强了社交互动的便捷性和趣味性。灾害救援场景：在地震、洪水、火灾等自然灾害发生后，传统的通信基础设施往往遭到严重破坏，无法正常工作。机会网络凭借其无需固定基础设施的特点，能够在灾害现场迅速搭建起临时通信网络。救援人员携带的移动设备以及无人机等移动节点，可以通过相互之间的移动和相遇，实现救援指挥信息、受灾区域情况、人员位置等重要数据的传输。无人机在受灾区域上空飞行，与地面救援人员的移动设备相遇时，将拍摄到的灾区图像和视频传输给救援人员，为救援决策提供依据；救援人员之间也可以通过机会网络实时共享救援进展和物资需求信息，提高救援效率。野生动物监测：在野生动物研究中，为了获取动物的生活习性、迁徙路线等信息，需要在动物身上安装具有通信功能的设备，这些设备组成机会网络。动物在自然环境中的移动使得设备节点之间有机会相遇并交换监测数据，如动物的位置、体温、活动状态等。研究人员可以通过收集这些数据，深入了解野生动物的行为模式和生态环境变化对它们的影响。对于候鸟的迁徙监测，安装在候鸟身上的设备在迁徙过程中与其他候鸟设备或地面监测站设备相遇时，传输数据，帮助研究人员掌握候鸟的迁徙路线和停歇地点，为保护野生动物提供科学支持。偏远地区通信：在一些偏远地区，如山区、沙漠、海岛等，由于地理条件限制，铺设固定网络基础设施成本高昂且难度较大。机会网络可以利用当地居民或工作人员携带的移动设备，以及偶尔进入该地区的车辆、飞行器等移动节点，实现通信。在山区的小村庄，村民的手机可以在与外界来访车辆或工作人员的设备相遇时，进行语音、短信等通信数据的传输，解决偏远地区通信难的问题。2.2节点社会属性解析2.2.1社会中心度社会中心度是衡量节点在社会网络中重要性和影响力的关键指标，它反映了节点在网络结构中的位置特征，主要包括度中心性、中介中心性和接近中心性等度量指标。度中心性是指节点在网络中与其他节点直接相连的边的数量。在一个社交机会网络中，度中心性高的节点就如同社交圈子中的活跃分子，与众多其他节点建立了直接的连接，能够快速地获取和传播信息。一个拥有大量好友的社交平台用户，其对应的移动设备节点在社交机会网络中具有较高的度中心性，当该节点有新的社交动态时，能够迅速地将信息传递给众多与之相连的节点。中介中心性衡量的是节点在网络中作为其他节点之间最短路径桥梁的程度。中介中心性高的节点在信息传播过程中起着关键的中转作用，控制着不同节点之间的信息流通。在一个企业内部的社交网络中，某些部门的负责人可能处于不同部门之间信息交流的关键位置，他们对应的节点中介中心性较高。当企业发布重要决策信息时，这些节点能够高效地将信息传递到各个部门，促进信息在整个企业网络中的传播。接近中心性体现了节点与网络中其他节点的接近程度，即节点到其他所有节点的最短路径之和的倒数。接近中心性高的节点在信息获取方面具有优势，能够快速地从网络中的各个部分获取信息。在一个城市的交通机会网络中，位于城市交通枢纽位置的车辆节点具有较高的接近中心性，这些车辆可以快速地获取来自城市各个区域的交通信息，如路况、拥堵情况等，从而更好地规划行驶路线。在机会网络路由中，高社会中心度的节点具有重要价值。由于它们在网络中的特殊位置，能够与更多的节点建立联系，拥有更广泛的信息传播渠道和更高的信息获取能力。在选择数据转发节点时，优先选择社会中心度高的节点，可以增加数据在网络中的传播范围和速度，提高消息投递成功率。当源节点需要发送一条重要的消息时，将消息转发给度中心性高的节点，该节点能够迅速将消息传播给与之相连的众多节点，从而扩大消息的传播范围；若选择中介中心性高的节点作为转发节点，它可以有效地控制消息在不同节点群体之间的传播路径，提高消息传输的效率；而接近中心性高的节点则能够快速地将消息传递到网络中的各个角落，减少消息传输的延迟。2.2.2社会相似度节点的社会相似度主要体现在多个方面，包括兴趣爱好、职业、地理位置等，这些因素反映了节点所代表实体之间的相似程度，对机会网络中的数据传输和路由决策有着重要影响。从兴趣爱好角度来看，在社交机会网络中，如果两个节点所对应的用户具有相似的兴趣爱好，如都喜欢摄影、运动或音乐等，那么它们在社交数据传输方面具有较高的相似度。这类节点之间更有可能相互分享与兴趣相关的照片、视频、音乐文件等数据，并且在路由决策中，将数据转发给兴趣相似度高的节点，能够提高数据被接收和处理的概率。一个摄影爱好者在社交平台上发布了一组新拍摄的照片，将这些照片优先转发给同样对摄影感兴趣的用户设备节点，这些节点更有可能对照片进行点赞、评论或分享，从而实现数据的有效传播。职业方面，相同职业或处于相关行业的节点也具有较高的社会相似度。在一个职场社交机会网络中，从事软件开发工作的人员，他们面临相似的工作任务、技术问题和行业动态，其携带的移动设备节点之间更容易交换与工作相关的代码片段、技术文档、项目进度等信息。当一个软件工程师需要分享最新的编程技术资料时，将资料转发给同行业的其他工程师节点，能够更精准地满足接收节点的需求，提高数据的价值和传播效果。地理位置也是影响节点社会相似度的重要因素。在一个基于地理位置的机会网络中，处于同一区域的节点，如同一社区、同一办公园区或同一校园内的节点，具有较高的相似度。这些节点在日常生活和工作中有着更频繁的接触机会，它们之间更适合交换与当地相关的信息，如社区活动通知、园区内的资源共享信息、校园内的学术讲座安排等。在一个大学校园里，位于同一教学楼的学生和教师的移动设备节点，可以通过机会网络相互分享当天的课程变动信息、教室使用情况等，方便大家的学习和工作。在机会网络路由策略中，考虑节点的社会相似度可以优化数据转发路径。通过将数据转发给社会相似度高的节点，可以提高数据传输的针对性和有效性，减少不必要的数据传输，降低网络开销，同时也能更好地满足用户的个性化需求，提升用户体验。2.2.3熟悉度熟悉度是衡量节点之间相互了解和熟悉程度的指标，在机会网络中，通常基于节点的相遇次数、交互时长等因素来计算。相遇次数是衡量熟悉度的一个直观指标。如果两个节点在过去的一段时间内频繁相遇，说明它们之间存在较高的关联性和交互可能性。在一个经常举办学术会议的场景中，参会人员携带的移动设备作为节点，那些经常在会议中碰面的人员设备节点，由于相遇次数多，它们之间的熟悉度相对较高。例如，一位学者在多次参加同一个学术会议时，总是与另一位学者的设备节点相遇，随着相遇次数的增加，这两个节点之间的熟悉度不断提高。交互时长同样对熟悉度有着重要影响。当两个节点相遇时，如果它们之间进行长时间的数据交互、信息交流，表明它们之间的关系更为密切，熟悉度更高。在一次商务洽谈活动中，双方代表的移动设备节点在相遇期间进行了长时间的文件传输、业务讨论等交互操作，这使得它们之间的熟悉度显著提升。在实际应用中，长期频繁交互的移动设备会形成高熟悉度关系。以智能手机之间的交互为例，同一办公室的同事，他们的手机在工作日期间频繁进行文件共享、即时通讯等交互操作，经过长时间的积累，这些手机节点之间形成了高熟悉度关系。在机会网络路由中，利用节点之间的熟悉度可以提高数据传输的可靠性和效率。对于熟悉度高的节点，它们更有可能积极地协助转发数据，并且在数据传输过程中，由于彼此之间的了解，能够更好地适应对方的传输需求和特点，减少数据传输错误和丢包现象，从而提高消息投递成功率，降低传输延迟。当一个节点需要发送重要的数据时，优先选择熟悉度高的节点作为转发节点，可以增加数据成功传输的保障，因为熟悉度高的节点更有可能对数据进行妥善处理和及时转发，确保数据能够顺利到达目的节点。三、现有机会网络路由策略分析3.1传统路由策略剖析3.1.1泛洪路由策略泛洪路由策略是一种较为基础且直接的路由方式，其工作原理相对简单。在这种策略下，当源节点有消息需要发送时，会将消息不加选择地转发给所有与之相遇的节点。这些接收到消息的节点又会以同样的方式，将消息继续转发给它们各自遇到的所有节点，如此循环，消息就像水波一样在网络中扩散开来，直至消息到达目的节点。在一个由移动设备组成的机会网络中，当某个用户（源节点）想要发送一条紧急通知时，该通知会被发送给与之相遇的每一个其他用户设备，这些设备又会将通知转发给后续遇到的设备，从而使通知尽可能广泛地传播。泛洪路由策略具有显著的优点，其最突出的优势在于能够保证较高的投递成功率。由于消息会被不断地复制和转发，几乎覆盖了网络中的所有节点，使得目的节点有很大的概率接收到消息。在一些对消息送达可靠性要求极高的场景，如灾害救援中，救援指挥中心需要向所有救援人员传达重要的救援指令，泛洪路由策略能够确保指令尽可能全面地被传达到每一位救援人员的移动设备上，避免因部分节点遗漏而影响救援工作的开展。然而，泛洪路由策略也存在诸多明显的缺点。大量的消息副本在网络中传播，会产生极高的冗余度。每个节点都可能接收到来自多个不同节点转发的相同消息，这不仅浪费了宝贵的网络带宽资源，还会导致节点的缓存空间被大量占用。当网络中同时存在多个消息进行泛洪传播时，网络很容易陷入拥塞状态，节点的处理能力和数据传输速度会受到严重影响，导致整个网络性能急剧下降。过多的消息转发会使节点频繁进行数据处理和传输操作，从而消耗大量的能量，缩短节点的使用寿命。在一个由大量传感器节点组成的机会网络中，传感器节点通常依靠电池供电，能量有限，泛洪路由策略带来的高能耗问题可能导致传感器节点过早耗尽电量，无法正常工作，影响整个网络的监测任务。3.1.2概率路由策略概率路由策略以节点之间的相遇概率作为消息转发的重要依据，旨在通过合理控制消息副本的数量，在保证一定投递成功率的同时，降低网络资源的消耗。PROPHET（ProbabilisticRoutingProtocolusingHistoryofEncountersandTransitivity）协议是概率路由策略的典型代表。在PROPHET协议中，每个节点会维护一个与其他节点的相遇概率表。这个概率表的建立基于节点之间的历史相遇信息，通过一定的算法来计算和更新相遇概率。当节点遇到其他节点时，会根据相遇概率表来判断是否将消息转发给对方。如果当前节点与目的节点的相遇概率较低，而与之相遇的其他节点与目的节点的相遇概率较高，那么当前节点就会将消息转发给该相遇节点，期望通过该节点将消息更有效地传递到目的节点。例如，在一个城市交通机会网络中，公交车节点和出租车节点在行驶过程中会不断相遇，每个节点都会记录与其他节点的相遇历史，根据这些历史数据计算出与不同类型车辆节点（如私家车节点、货车节点等）相遇的概率。当公交车节点需要发送一条与交通路况相关的消息给某个区域内的私家车节点时，它会查询相遇概率表，若发现与某条经常在该区域行驶的出租车节点相遇概率较高，且该出租车节点与目标私家车节点的相遇概率也相对较高，那么公交车节点就会将消息转发给该出租车节点，借助出租车节点的移动和相遇机会，将消息传递给目标私家车节点。这种基于概率的消息转发方式，能够在一定程度上控制消息副本的数量，相较于泛洪路由策略，减少了网络中的冗余数据传输，降低了网络开销。通过合理选择转发节点，提高了消息传输的针对性，增加了消息成功到达目的节点的可能性。然而，概率路由策略也存在一些局限性。其准确性高度依赖于节点的历史相遇数据，如果网络环境发生突然变化，例如在特殊活动期间，城市中人员和车辆的流动模式发生改变，原有的历史数据无法准确反映当前的节点相遇情况，那么基于这些数据计算出的相遇概率就会出现偏差，导致消息转发决策失误，影响投递成功率。在网络规模较大且节点移动性较强的情况下，概率的计算和更新需要消耗较多的时间和资源，算法的收敛速度较慢，难以快速适应网络的动态变化，可能会在一段时间内导致网络性能下降。3.2基于社会属性的路由策略探究3.2.1BubbleRap路由算法BubbleRap路由算法是一种充分考虑节点社会属性的路由策略，其核心在于根据节点的活跃度对网络中的节点进行社区划分，并基于这种划分来进行消息转发决策。在该算法中，节点的活跃度通过多种因素来衡量，例如节点的移动频率、与其他节点的交互次数等。移动频繁且与众多节点有频繁交互的节点，其活跃度较高；而移动较少、交互也不频繁的节点，活跃度则较低。根据节点活跃度的高低，BubbleRap算法将网络中的节点划分为不同的社区。活跃度高的节点通常被视为社区的核心节点，它们在社区内以及社区之间的信息传播中起着关键作用。当源节点有消息需要发送时，首先会将消息转发给所在社区内活跃度更高的节点。因为活跃度高的节点往往具有更广泛的社交联系和更高的移动性，它们有更多的机会与其他节点相遇，从而能够更有效地将消息传播出去。如果消息在当前社区内无法直接传递到目的节点，那么消息会被转发到活跃度更高的其他社区，通过不同社区之间的接力传递，逐步接近目的节点。在一个大学校园机会网络中，学校的行政人员和学生会干部由于工作原因，经常在校园内各个区域活动，与不同学院、不同专业的学生和教师都有较多的交互，他们携带的移动设备节点活跃度较高。而普通学生可能大部分时间只在教室、宿舍和食堂等固定区域活动，交互范围相对较窄，其设备节点活跃度较低。当学校发布一则全校性的通知时，通知消息会首先从源节点（如学校办公室的设备）转发给行政人员或学生会干部的设备节点（高活跃度节点），这些节点会在自己所在的社区（如行政办公社区、学生活动社区等）内继续转发消息。如果目的节点（某个普通学生的设备）不在当前社区，消息会被转发到与目的节点所在社区关联更紧密的高活跃度社区节点，再通过这些节点逐步将消息传递到目的节点所在社区，最终送达目的节点。尽管BubbleRap路由算法在利用节点社会属性进行路由决策方面具有创新性，但它也存在一些不足之处。该算法的社区划分高度依赖于活跃度的定义和计算方式，如果活跃度的衡量指标不够全面或准确，可能会导致社区划分不合理。将移动频率作为唯一的活跃度衡量指标，那么一些虽然移动不频繁，但在特定社交圈子内交互非常紧密的节点可能会被错误划分到活跃度较低的社区，影响消息在这些节点所在社交圈子内的传播效率。当网络中存在活跃度极高的超级社区时，消息可能会过度集中在这些超级社区内，导致在其他社区的传播出现局部滞留现象，无法及时送达目的节点。在一个城市规模的社交机会网络中，市中心的商业区域由于人员流动密集、社交活动频繁，形成了一个超级社区。如果所有消息都倾向于通过这个超级社区进行转发，那么位于城市边缘或相对偏远地区社区的消息可能会长时间停留在超级社区与这些偏远社区的交接节点，无法快速进入偏远社区完成投递，降低了整个网络的消息投递效率。3.2.2SimBet路由算法SimBet路由算法是一种结合了节点相似度和中介中心性来选择转发节点的路由策略，旨在通过更精准地衡量节点在网络中的位置和关系，优化消息的转发路径，提高数据传输效率。在SimBet算法中，节点相似度的计算综合考虑了多个因素，包括节点的社交关系、共同邻居数量、兴趣爱好相似程度等。两个节点之间的社交关系越紧密，共同邻居越多，兴趣爱好越相似，它们的相似度就越高。通过计算节点相似度，可以确定哪些节点与目的节点具有更相似的属性和行为模式，这些节点在消息转发过程中更有可能与目的节点相遇，从而提高消息传递的准确性和效率。中介中心性则衡量了节点在网络中作为其他节点之间最短路径桥梁的重要程度。中介中心性高的节点处于网络的关键位置，能够控制不同节点之间的信息流通。在SimBet算法中，选择中介中心性高的节点作为转发节点，可以使消息更快地在网络中传播，减少消息传输的跳数和延迟。在一个职场社交机会网络中，不同部门的员工组成了不同的节点。如果市场部门的员工A和B经常合作项目，他们在社交平台上也有频繁的互动，并且有很多共同的同事作为邻居，同时都对市场营销领域的新技术有着浓厚的兴趣，那么员工A和B对应的节点相似度较高。而公司的高层领导C，由于其在公司组织架构中的关键位置，负责协调各个部门之间的工作，很多部门之间的沟通和协作都需要通过领导C来传达信息，所以领导C对应的节点中介中心性较高。当市场部门有一份重要的市场调研报告需要发送给研发部门时，SimBet算法会首先根据节点相似度，筛选出与研发部门节点相似度较高的市场部门内部节点，如员工A或B。然后，在这些相似度较高的节点中，再综合考虑中介中心性，选择中介中心性较高的节点作为转发节点，可能是员工A（假设员工A在市场部门内部的沟通协调中也扮演着重要角色，中介中心性相对较高）。通过员工A将消息转发给领导C，再由领导C转发给研发部门，这样可以利用节点的相似度和中介中心性，优化消息的转发路径，提高消息传输的效率。然而，SimBet路由算法在实际应用中也存在一些问题。由于网络环境的动态变化以及节点移动的不确定性，在某些情况下，消息可能会在几个节点之间来回转发，形成“乒乓效应”。这是因为在选择转发节点时，虽然考虑了节点相似度和中介中心性，但在实际的网络运行中，节点的状态和位置可能会迅速改变，导致原本选择的转发节点在消息到达时不再是最优选择，消息又被转发回之前的节点或其他相邻节点，从而增加了消息传输的延迟和网络开销。在一个城市交通机会网络中，车辆节点在行驶过程中会受到交通拥堵、道路施工等因素的影响，其移动路线和速度会不断变化。当某车辆节点A需要向车辆节点B发送交通路况信息时，根据SimBet算法选择了车辆节点C作为转发节点。但在消息传输过程中，节点C所在路段突然发生拥堵，导致其移动速度大幅下降，无法及时将消息传递给节点B。此时，消息可能会被重新转发回节点A或其他附近节点，形成“乒乓效应”，影响消息的及时送达。SimBet算法在确定消息的传输方向时，收敛速度较慢。在网络规模较大且节点移动频繁的情况下，算法需要不断地计算和更新节点相似度和中介中心性，以适应网络的动态变化，这使得消息在选择转发路径时需要花费较长的时间来收敛到最优路径，导致消息传输的延迟增加，无法满足一些对实时性要求较高的应用场景的需求。3.3现有策略存在的问题归纳综合分析上述传统路由策略和基于社会属性的路由策略，可以发现现有机会网络路由策略普遍存在以下几个方面的问题：在对节点社会属性的挖掘和利用上存在不足。虽然一些基于社会属性的路由策略已经开始尝试利用节点的社会特征来优化路由决策，但大多只是考虑了部分社会属性，未能全面、深入地挖掘节点社会属性之间的内在联系和综合影响。BubbleRap路由算法主要依赖节点活跃度进行社区划分和消息转发，忽略了节点的社会相似度、熟悉度等其他重要属性对路由的影响；SimBet路由算法虽然结合了节点相似度和中介中心性，但对于节点的活动规律、社区归属等属性的利用还不够充分。这种对节点社会属性挖掘的不全面性，限制了路由策略对复杂网络环境的适应性和优化能力，无法充分发挥节点社会属性在提高网络性能方面的优势。许多现有路由策略对网络动态变化的适应性较差。机会网络的拓扑结构由于节点的移动而不断变化，节点之间的连接关系也具有很强的间歇性和不确定性。传统的路由策略往往基于固定的网络拓扑结构或静态的节点关系来设计，难以快速适应网络的动态变化。当网络拓扑发生改变时，这些策略可能无法及时调整路由路径，导致消息传输中断或延迟增加。一些基于概率的路由策略在网络动态变化时，由于无法及时更新节点相遇概率等关键参数，使得消息转发决策的准确性受到影响，降低了消息投递成功率。现有路由策略在一定程度上忽视了节点的资源限制。机会网络中的节点通常资源有限，如能量、缓存空间和计算能力等。然而，一些路由策略在设计时没有充分考虑这些资源限制，导致在实际运行过程中出现资源浪费或节点因资源耗尽而无法正常工作的情况。泛洪路由策略会在网络中产生大量的消息副本，这些副本不仅占用了大量的网络带宽，还会迅速耗尽节点的缓存空间和能量，影响节点的正常运行和网络的整体性能。一些基于复杂计算的路由策略，如某些需要频繁计算节点中心性和相似度的策略，会消耗节点过多的计算资源，导致节点处理其他任务的能力下降，进一步影响网络的运行效率。四、基于节点社会属性的路由策略设计4.1策略设计思路阐述本策略旨在充分利用节点的社会属性，结合机会网络的动态特性，实现高效的数据传输。在机会网络中，节点的移动和相遇具有一定的随机性，但同时也受到节点所代表实体的社会行为和关系的影响。因此，通过综合考虑节点的社会中心度、社会相似度和熟悉度等社会属性，可以更准确地预测节点间的相遇机会和数据传输的有效性，从而优化路由决策。社会中心度反映了节点在社会网络中的重要性和影响力。度中心性高的节点与众多其他节点直接相连，能够快速地获取和传播信息；中介中心性高的节点在网络中起到信息中转的关键作用，控制着不同节点之间的信息流通；接近中心性高的节点与网络中其他节点的接近程度高，能够快速地从网络中的各个部分获取信息。在路由策略中，优先选择社会中心度高的节点作为转发节点，可以增加数据在网络中的传播范围和速度，提高消息投递成功率。社会相似度体现了节点之间在兴趣爱好、职业、地理位置等方面的相似程度。兴趣爱好相似的节点更有可能相互分享与兴趣相关的数据，职业相同或相关的节点更容易交换工作相关的信息，地理位置相近的节点在日常生活和工作中有着更频繁的接触机会，更适合交换与当地相关的信息。考虑节点的社会相似度，可以优化数据转发路径，将数据转发给社会相似度高的节点，提高数据传输的针对性和有效性，减少不必要的数据传输，降低网络开销，同时更好地满足用户的个性化需求。熟悉度基于节点的相遇次数、交互时长等因素来衡量节点之间的相互了解和熟悉程度。长期频繁交互的节点之间形成高熟悉度关系，在数据传输过程中，熟悉度高的节点更有可能积极地协助转发数据，并且能够更好地适应对方的传输需求和特点，减少数据传输错误和丢包现象，从而提高消息投递成功率，降低传输延迟。在实际的路由过程中，还需要结合机会网络的动态变化进行决策。机会网络的拓扑结构由于节点的移动而不断变化，节点之间的连接关系具有间歇性和不确定性。因此，需要实时监测网络的动态参数，如节点的位置、移动速度、剩余缓存空间、当前负载等。当源节点有消息需要发送时，首先根据目的节点的社会属性信息，筛选出可能与目的节点相遇概率较高的候选转发节点集合。然后，综合考虑候选转发节点的社会属性值（社会中心度、社会相似度和熟悉度）以及网络动态参数，选择最优的转发节点进行消息转发。为了提高消息投递成功率，同时控制网络开销，根据目的节点与候选转发节点的社会相似度比例，合理分配消息副本数量，将更多的副本分配给与目的节点社会相似度更高的节点，以确保消息能够更有效地到达目的节点。4.2关键算法设计4.2.1节点社会属性度量算法社会中心度计算：度中心性：对于一个包含n个节点的机会网络，节点i的度中心性DC(i)定义为节点i的邻居节点数量，即DC(i)=\sum_{j=1}^{n}a_{ij}，其中a_{ij}为邻接矩阵元素，若节点i与节点j直接相连，则a_{ij}=1，否则a_{ij}=0。在一个由10个节点组成的小型社交机会网络中，假设节点3与节点1、节点2、节点5、节点7直接相连，那么节点3的邻接矩阵中a_{31}=1，a_{32}=1，a_{35}=1，a_{37}=1，其余a_{3j}=0（j\neq1,2,5,7），则节点3的度中心性DC(3)=4。中介中心性：节点i的中介中心性BC(i)计算公式为BC(i)=\sum_{s\neqi\neqt}\frac{\sigma_{st}(i)}{\sigma_{st}}，其中\sigma_{st}是节点s到节点t的最短路径数量，\sigma_{st}(i)是节点s到节点t且经过节点i的最短路径数量。在一个校园机会网络中，假设从教学楼A的节点s到图书馆节点t共有5条最短路径，其中有3条路径经过位于校园中心广场的节点i，那么对于这一对节点s和t，\frac{\sigma_{st}(i)}{\sigma_{st}}=\frac{3}{5}。如果考虑网络中所有节点对的情况，将这些比值累加起来，就可以得到节点i的中介中心性BC(i)。接近中心性：节点i的接近中心性CC(i)计算为CC(i)=\frac{n-1}{\sum_{j=1}^{n}d_{ij}}，其中d_{ij}是节点i到节点j的最短路径长度。在一个社区机会网络中，假设节点4到其他9个节点的最短路径长度之和为30，该网络共有10个节点（n=10），那么节点4的接近中心性CC(4)=\frac{10-1}{30}=0.3。社会相似度计算：采用余弦相似度算法来计算节点在兴趣爱好、职业、地理位置等多维度上的综合社会相似度。假设节点A和节点B在兴趣爱好、职业、地理位置三个维度上分别有对应的特征向量X_A=(x_{A1},x_{A2},x_{A3})和X_B=(x_{B1},x_{B2},x_{B3})，则节点A和节点B的社会相似度SS(A,B)计算公式为SS(A,B)=\frac{\sum_{k=1}^{3}x_{Ak}x_{Bk}}{\sqrt{\sum_{k=1}^{3}x_{Ak}^2}\sqrt{\sum_{k=1}^{3}x_{Bk}^2}}。假设有两个节点A和B，在兴趣爱好维度上，节点A对摄影、运动、音乐的兴趣程度分别为x_{A1}=0.8，x_{A2}=0.3，x_{A3}=0.1；节点B对摄影、运动、音乐的兴趣程度分别为x_{B1}=0.7，x_{B2}=0.4，x_{B3}=0.2。在职业维度上，假设节点A和节点B从事相同职业，对应维度值都为1。在地理位置维度上，假设它们处于同一区域，对应维度值都为1。则首先计算分子：\sum_{k=1}^{3}x_{Ak}x_{Bk}=0.8×0.7+0.3×0.4+0.1×0.2+1×1+1×1=0.56+0.12+0.02+1+1=2.7。再计算分母：\sqrt{\sum_{k=1}^{3}x_{Ak}^2}=\sqrt{0.8^2+0.3^2+0.1^2+1^2+1^2}=\sqrt{0.64+0.09+0.01+1+1}=\sqrt{2.74}，\sqrt{\sum_{k=1}^{3}x_{Bk}^2}=\sqrt{0.7^2+0.4^2+0.2^2+1^2+1^2}=\sqrt{0.49+0.16+0.04+1+1}=\sqrt{2.69}。最后可得社会相似度SS(A,B)=\frac{2.7}{\sqrt{2.74}\sqrt{2.69}}\approx0.97。熟悉度计算：节点i和节点j的熟悉度F(i,j)根据相遇次数N(i,j)和交互时长T(i,j)计算，公式为F(i,j)=\alpha\timesN(i,j)+\beta\timesT(i,j)，其中\alpha和\beta是权重系数，且\alpha+\beta=1。假设在一个月的时间内，节点i和节点j相遇了10次（N(i,j)=10），累计交互时长为500分钟（T(i,j)=500），若设置\alpha=0.4，\beta=0.6，则节点i和节点j的熟悉度F(i,j)=0.4×10+0.6×500=4+300=304。4.2.2转发节点选择算法算法步骤：步骤一：筛选候选转发节点：当源节点S有消息需要发送时，首先根据目的节点D的社会属性信息，在其邻居节点集合中筛选出与目的节点社会相似度较高的节点，形成候选转发节点集合C。假设源节点S的邻居节点有N_1，N_2，N_3，N_4，通过计算它们与目的节点D的社会相似度，发现N_1，N_2，N_3的社会相似度高于设定阈值，那么候选转发节点集合C=\{N_1,N_2,N_3\}。步骤二：计算节点综合评估值：对于候选转发节点集合C中的每个节点n，综合考虑其社会中心度（度中心性DC(n)、中介中心性BC(n)、接近中心性CC(n)）、社会相似度SS(n,D)和熟悉度F(n,D)，以及网络动态参数（剩余缓存空间RS(n)、当前负载CL(n)），计算其综合评估值EV(n)。计算公式为EV(n)=\omega_1\times\frac{DC(n)+BC(n)+CC(n)}{3}+\omega_2\timesSS(n,D)+\omega_3\timesF(n,D)+\omega_4\times\frac{RS(n)}{RS_{max}}-\omega_5\timesCL(n)，其中\omega_1，\omega_2，\omega_3，\omega_4，\omega_5是权重系数，且\sum_{i=1}^{5}\omega_i=1，RS_{max}是网络中节点缓存空间的最大值。假设候选转发节点N_1的度中心性DC(N_1)=5，中介中心性BC(N_1)=0.3，接近中心性CC(N_1)=0.2，与目的节点D的社会相似度SS(N_1,D)=0.8，熟悉度F(N_1,D)=200，剩余缓存空间RS(N_1)=80（单位：MB），当前负载CL(N_1)=0.4，网络中节点缓存空间最大值RS_{max}=100，权重系数\omega_1=0.2，\omega_2=0.3，\omega_3=0.2，\omega_4=0.1，\omega_5=0.2。则N_1的综合评估值EV(N_1)=0.2\times\frac{5+0.3+0.2}{3}+0.3×0.8+0.2×200+0.1×\frac{80}{100}-0.2×0.4=0.2×\frac{5.5}{3}+0.24+40+0.08-0.08\approx0.37+0.24+40=40.61。步骤三：选择最优转发节点：比较候选转发节点集合C中各节点的综合评估值EV(n)，选择综合评估值最大的节点作为转发节点。如果经过计算，候选转发节点N_1的综合评估值EV(N_1)在集合C中最大，那么就选择N_1作为转发节点，将消息从源节点S转发到N_1。具体场景示例：在一个城市交通机会网络中，假设一辆公交车（源节点S）需要向位于市中心商业区的一辆私家车（目的节点D）发送交通路况信息。公交车在行驶过程中遇到了另外三辆车（候选转发节点N_1，N_2，N_3）。通过对这三辆车与私家车的社会属性分析，发现N_1是一辆经常在市中心商业区行驶的出租车，与私家车在地理位置和行驶路线上有较高的社会相似度；N_2是一辆快递车，虽然行驶范围较广，但与私家车的社会相似度相对较低；N_3是一辆旅游大巴，此时正行驶在远离市中心的旅游路线上，与私家车的社会相似度最低。同时，考虑到N_1的社会中心度较高，在出租车群体中与其他车辆的联系较为紧密，且与私家车有一定的熟悉度（因为经常在同一区域行驶，有多次相遇和交互），剩余缓存空间充足，当前负载较低。通过综合评估值的计算，N_1的综合评估值最高，所以公交车将消息转发给N_1，期望借助N_1的移动和相遇机会，将消息更有效地传递给目的私家车。4.2.3消息副本分配算法分配方法：根据目的节点与候选转发节点的社会相似度比例来分配消息副本。假设源节点有M个消息副本需要分配给候选转发节点集合C=\{n_1,n_2,\cdots,n_k\}，首先计算集合C中所有节点与目的节点的社会相似度之和SUM=\sum_{i=1}^{k}SS(n_i,D)。然后，对于每个候选转发节点n_j，其分配到的消息副本数量M_j计算公式为M_j=M\times\frac{SS(n_j,D)}{SUM}。假设源节点有10个消息副本，候选转发节点集合C中有三个节点n_1，n_2，n_3，它们与目的节点的社会相似度分别为SS(n_1,D)=0.7，SS(n_2,D)=0.5，SS(n_3,D)=0.3。则社会相似度之和SUM=0.7+0.5+0.3=1.5。节点n_1分配到的消息副本数量M_1=10×\frac{0.7}{1.5}\approx4.67，向上取整为5个；节点n_2分配到的消息副本数量M_2=10×\frac{0.5}{1.5}\approx3.33，向上取整为3个；节点n_3分配到的消息副本数量M_3=10×\frac{0.3}{1.5}=2个。示例说明：在一个社交机会网络中，用户A（源节点）要向用户B（目的节点）发送一组照片。用户A在与其他用户相遇时，确定了三个候选转发节点：用户C、用户D和用户E。用户C与用户B是好朋友，经常一起参加摄影活动，他们的社会相似度SS(C,B)=0.8；用户D与用户B是同事，工作上有一定联系，社会相似度SS(D,B)=0.5；用户E与用户B只是偶尔在社交场合碰面，社会相似度SS(E,B)=0.2。用户A共有8个消息副本（照片）。首先计算社会相似度之和SUM=0.8+0.5+0.2=1.5。然后计算每个候选转发节点分配到的消息副本数量：用户C分配到的副本数量M_C=8×\frac{0.8}{1.5}\approx4.27，向上取整为5个；用户D分配到的副本数量(M_D=8五、仿真实验与结果分析5.1实验环境搭建为了全面、准确地评估基于节点社会属性的路由策略（以下简称“新策略”）的性能，本研究选用了功能强大且应用广泛的仿真工具Oppnet来搭建实验环境。Oppnet具备丰富的网络模型库和灵活的参数设置功能，能够高度逼真地模拟机会网络的复杂特性，为实验提供了可靠的平台。在实验中，设置了多样化的节点数量，分别为50、100、150和200个节点，以模拟不同规模的机会网络场景。不同规模的网络对路由策略的性能要求和挑战各不相同，较小规模的网络可能更注重节点间的直接通信效率，而大规模网络则需要考虑如何在众多节点中高效地选择转发路径，避免网络拥塞。通过设置不同的节点数量，可以全面考察新策略在不同网络规模下的适应性和性能表现。节点的移动模型采用了随机路点（RandomWaypoint）模型和基于地图的移动模型（Map-BasedMovement）。随机路点模型模拟了节点在仿真区域内随机选择目的地并移动的过程，节点的移动速度和停留时间在一定范围内随机变化，能够体现出节点移动的随机性和不确定性，常用于模拟一些没有明显规律的移动场景，如行人在城市街道中的随机行走。基于地图的移动模型则约束节点在预定义的地图路径上移动，更符合实际应用中一些受地理环境限制的移动场景，如车辆在城市道路网络中的行驶。通过采用这两种移动模型，可以模拟出机会网络中不同场景下节点的移动特性，使实验结果更具普适性。通信范围设置为50米，这一距离是根据常见的无线通信设备的实际通信范围确定的，确保在仿真中节点之间的通信符合实际情况。在实际的机会网络应用中，如车载自组织网络中，车辆之间的无线通信距离通常在几十米到上百米之间，设置50米的通信范围能够合理地模拟车辆节点在行驶过程中的通信情况。缓存大小设置为50MB，考虑到机会网络中节点的存储资源有限，同时结合实际移动设备的存储容量，这一缓存大小既能保证节点在一定程度上存储待转发的数据，又不会过度占用节点资源。在一些由智能手机组成的机会网络中，手机的可用存储容量通常在几十GB到上百GB之间，但考虑到手机还需要存储其他用户数据和运行系统程序，为每个节点分配50MB的缓存大小是合理的，能够在模拟节点资源限制的同时，保证实验的正常进行。在仿真区域方面，构建了一个1000米×1000米的正方形区域作为节点的活动空间。这一区域大小能够容纳不同数量的节点进行移动和通信，并且可以通过调整节点数量和移动模型，模拟出不同密度和动态特性的网络环境。在模拟城市区域的机会网络时，1000米×1000米的区域可以涵盖一个小型商业区或一个校园的部分区域，使节点的移动和通信场景更贴近实际。通过精心设置这些参数，构建了一个具有真实感和多样性的机会网络模拟场景，为后续的实验方案设计和结果分析奠定了坚实的基础。5.2实验方案设计为了深入探究新策略的性能优势与特点，将其与当前机会网络中具有代表性的BubbleRap、SimBet等算法进行全面对比。BubbleRap算法基于节点活跃度进行社区划分和消息转发，在一定程度上利用了节点的社会属性；SimBet算法结合节点相似度和中介中心性选择转发节点，对节点社会属性的利用也有独特之处。通过与这些经典算法的对比，可以更清晰地展现新策略在综合考虑多种社会属性后的性能提升效果。设置了不同的网络规模，除了前文提到的50、100、150和200个节点外，还增加了300个节点的场景，进一步扩大了网络规模的测试范围。在大规模网络中，节点之间的关系更加复杂，网络拓扑变化更为频繁，对路由策略的性能要求更高。通过增加300个节点的场景，可以更全面地考察新策略在超大规模网络环境下的适应性和稳定性。节点移动速度设置为5米/秒、10米/秒和15米/秒三个级别。不同的移动速度会导致节点相遇的频率和时间间隔发生变化，从而影响路由策略的性能。较低的移动速度下，节点相遇机会相对较少，对路由策略的消息转发效率和投递成功率提出了更高的要求；而较高的移动速度则可能使网络拓扑变化更加迅速，考验路由策略对动态网络环境的适应能力。消息生成速率分别设定为每10秒、20秒和30秒生成一条消息。消息生成速率的不同会影响网络的负载情况，较低的生成速率意味着网络负载较轻，节点有更多的资源处理消息转发；而较高的生成速率会使网络负载加重，容易引发网络拥塞，此时需要路由策略能够有效地管理消息传输，避免网络性能下降。通过设置不同的消息生成速率，可以全面评估新策略在不同网络负载条件下的性能表现。在每个实验条件下，均进行多次重复实验，以确保实验结果的准确性和可靠性。每次实验的运行时间设置为3600秒，这一时间长度能够保证节点有足够的移动和通信时间，充分模拟机会网络的动态特性，使实验结果更具说服力。5.3实验结果与讨论投递成功率：在不同网络规模下，新策略的投递成功率均表现出色。当节点数量为50时，新策略的投递成功率达到了92%，而BubbleRap算法为85%，SimBet算法为88%。随着节点数量增加到200，新策略依然保持着85%的高投递成功率，BubbleRap算法下降至75%，SimBet算法为78%。这是因为新策略综合考虑了节点的社会中心度、社会相似度和熟悉度等多种社会属性，能够更准确地预测节点间的相遇机会，选择更优的转发节点，从而提高了消息成功到达目的节点的概率。在社交机会网络中，新策略能够根据用户之间的社交关系紧密程度和共同兴趣爱好，将消息优先转发给与目的节点社会相似度高的节点，这些节点更有可能与目的节点相遇并成功传递消息。传输延迟：新策略在传输延迟方面也具有明显优势。在节点移动速度为5米/秒时，新策略的平均传输延迟为25秒，BubbleRap算法为32秒，SimBet算法为30秒。当移动速度提升到15米/秒时，新策略的平均传输延迟增加到30秒，但仍低于BubbleRap算法的40秒和SimBet算法的38秒。这得益于新策略在转发节点选择过程中，不仅考虑了节点的社会属性，还结合了网络动态参数，如节点的剩余缓存空间和当前负载等，避免了因节点拥塞或资源不足导致的传输延迟增加。在一个由移动设备组成的机会网络中，新策略能够优先选择剩余缓存空间大、当前负载低的节点作为转发节点，确保消息能够快速通过网络，减少传输延迟。网络开销：在网络开销方面，新策略有效地控制了消息副本数量，降低了网络资源的浪费。当消息生成速率为每10秒一条时，新策略的网络开销为120MB，BubbleRap算法为180MB，SimBet算法为160MB。这是因为新策略根据目的节点与候选转发节点的社会相似度比例来分配消息副本，将更多的副本分配给与目的节点社会相似度更高的节点，避免了在网络中盲目传播大量消息副本，从而降低了网络带宽的占用和节点的能量消耗。在一个车载自组织网络中，新策略能够根据车辆的行驶路线和目的地的相似度，合理分配路况信息的消息副本，减少了不必要的消息传输，降低了网络开销。新策略在投递成功率、传输延迟和网络开销等关键性能指标上均优于BubbleRap和SimBet算法，充分展示了综合考虑多种节点社会属性在机会网络路由策略设计中的有效性和优越性。然而，新策略也存在一些需要改进的方向。在节点社会属性的动态更新方面，目前的策略在节点社会属性发生快速变化时，可能无法及时调整路由决策，导致性能下降。未来可以研究更高效的社会属性动态更新机制，提高策略对网络动态变化的响应速度。随着网络规模的不断扩大，算法的计算复杂度也会相应增加，可能影响策略的实时性。后续需要进一步优化算法，降低计算复杂度，以适应大规模机会网络的应用需求。六、实际应用案例分析6.1车载机会网络应用在智能交通系统中，车载机会网络利用车辆节点间的相遇机会进行数据传输，对提高交通安全和交通效率起着关键作用。以城市交通拥堵预警系统为例，新路由策略通过充分挖掘车辆节点的社会属性，实现了车辆间高效的信息传输。在该系统中，车辆作为节点，其社会属性体现在多个方面。车辆的行驶路线和目的地反映了其活动规律，经常行驶在相同路线或前往相同区域的车辆具有较高的社会相似度；出租车、公交车等公共交通工具，由于其运营特点，与其他车辆的相遇频率较高，在网络中的社会中心度相对较高；长期在同一区域运营的车辆，如快递车、配送车等，它们之间通过频繁的相遇和交互，形成了较高的熟悉度。当某路段出现交通拥堵时，处于拥堵路段的车辆（源节点）会根据新路由策略选择合适的转发车辆（中继节点）。首先，源节点会筛选出与目的节点（如后方车辆或交通管理中心）社会相似度较高的候选转发车辆。例如，与源节点行驶方向相同且经常在该区域行驶的车辆，它们更有可能与目的节点相遇，将拥堵信息传递给它们可以提高信息传播的针对性。然后，综合考虑候选转发车辆的社会中心度和熟悉度，以及网络动态参数如车辆的剩余缓存空间和当前负载等因素。如果一辆公交车（候选转发车辆）在该区域的社会中心度较高，与其他车辆的熟悉度也较高，且当前负载较低、剩余缓存空间充足，那么它就会被选为转发节点。通过这种方式，拥堵信息能够快速、准确地传递给后续车辆，提醒驾驶员提前规划路线，避免驶入拥堵路段，从而有效缓解交通拥堵，提高交通效率。在紧急情况下，如交通事故发生时，事故车辆可以迅速将事故信息通过新路由策略传递给周围车辆和交通管理部门，为救援工作争取宝贵时间，提高交通安全水平。6.2社交机会网络应用在移动社交场景下，社交机会网络利用用户移动设备节点间的相遇进行社交数据传播。以一款基于位置