基于鏈路代價綜合評估和轉發限制的延遲容忍社會性網絡路由

白云飛，劉元安，袁東明，胡鶴飛

（北京郵電大學 無線電技術與電磁兼容實驗室，北京 100876）

0 引 言

由于延遲容忍網絡［1］無法保證穩定的端到端鏈路連通，節點間的鏈路呈現間歇性中斷的特性，因此傳統無線網絡中的路由算法無法適應延遲容忍網絡。在延遲容忍網絡中，路由機制一般采用“存儲－攜帶－轉發”的方式，中間節點在接收到信息并將其緩存后，可能暫時不存在轉發數據所需的鏈路，中間節點必須攜帶該信息直到它與路由決定的下一跳節點或目的節點之間建立連通的機會鏈路為止。因此，鏈路轉發代價評估的準確性至關重要，一旦錯過鏈路連通的機會或選擇的下一跳節點性能不佳，必將導致信息投遞率的下降，以及信息傳輸時延的增加。延遲容忍網絡中根據不同鏈路代價進行轉發決策的路由算法研究已經成為熱點。

文獻［2］提出了一種基于節點間轉發概率估計的路由協議 Prophet（Probabilistic routing protocol using history of encounters and transitivity），將節點之間的轉發概率定義為每條鏈路的代價值。每個節點通過對相遇節點的歷史信息的統計，來計算到達其他節點的概率，并以此為判據進行路由轉發決策。文獻［3］結合現實網絡場景，利用節點上存在大量重復鏈路的特點，并根據重復鏈路出現的次序進行鏈路代價的計算，該算法是單副本協議，在網絡節點緩存資源受限時，能獲取較好的性能。文獻［4］提出了 MEED（Minimum estimated expected delay）路由協議，通過考察兩節點間的鏈路通斷規律，定義了節點間的平均等待時延，作為路由轉發的依據，在鏈路平均等待時延的計算中，節點只依賴本地信息，無需全網的先驗知識，同時在中間節點處引入了路由重算的方法，來保證中間節點對機會鏈路的利用率。文獻［5］提出了條件相遇時間的概念，將兩節點之間的相遇概率計算擴展至兩節點與第三個節點的相遇關系之中，并提出了有條件的最短路徑算法CSPR（Conditional shortest path routing），實驗表明該算法能夠很好地適應延遲容忍網絡間歇性中斷的特點。文獻［6］提出了一種基于上下文屬性信息的路由協議CAR（Context－aware routing），算法根據節點的剩余能量、網絡拓撲的變化程度、到達目的區域的概率和節點的移動速度等信息來進行鏈路代價的評估。

上述算法將延遲容忍網絡看作一個單獨的網絡區域，區域內所有節點遵循大致相同的運動模型。但是在實際的DTN（如由行人、交通工具組成的城市網絡和多個社區之間的居民生活網絡）中，網絡節點的運動規律往往具有較強的社會屬性（多區域特性），整個DTN是由若干位置不同的網絡子區域構成，稱為延遲容忍社會性網絡［7］。文獻［7－9］研究表明實際的DTN網絡具有明顯的社會特性，并且定義了節點中心性的概念，根據節點中心性的不同，來進行路由轉發決策。文獻［10］在文獻［7］對節點中心性定義的基礎上，引入了節點關聯度等參數，通過計算節點與目的節點之間的效用值來完成路由的轉發，提出了延遲容忍分簇網絡中基于效用轉發的自適應機會路由算法URD。但URD容易導致數據分組大量的集中于網絡簇塊的割點之上，過多地消耗割點的能量資源，引起網絡擁塞、負載失衡等節點失效問題。

本文結合DTN網絡社會性的特點，提出了基于鏈路代價綜合評估和轉發限制的路由算法SECMR（Synthetical estimation of contact metrics routing based on forwarding constraint）。算法構建了鏈路代價綜合評估模型，并將路由過程分為域內轉發、活躍節點社會性游弋、信息投遞三個步驟。在域內轉發階段，根據計算得到的節點社會性參數值來代替節點中心性參數進行轉發決策，同時設置域內轉發限制參數SOC＿CST，來避免大量去往其他區域數據在活躍節點處的擁塞。

1 網絡模型

根據實際延遲容忍網絡具有社會屬性的特點，本文采用的DTN網絡模型如圖1所示。DTN由若干個社會子區域構成，分別用社會區域1、社會區域2、社會區域3來表示，只在本區域內運動的節點稱作域內節點，在本區域內運動頻繁且能夠在各個子區域之間運動的節點稱為活躍節點，活躍節點的社會性較強。域內節點遵循IPMM（In－place mobility model）運動模型［11］，整個網絡被劃分為不同的子區域，不同的組節點分別在不同的子區域內活動；活躍節點遵循RWP（Random way point）運動模型［12］，能夠在整個網絡中運動。通過仿真實驗分析表明，IPMM＋RWP運動模型能夠更加準確地描述延遲容忍社會性網絡中節點的運動規律。

圖1 延遲容忍社會性網絡模型Fig.1 Social DTN network model

本網絡模型主要特征包括:

（1）節點之間的機會鏈路為雙向時變鏈路，鏈路的間歇中斷特性是隨機的，下一次連接到來的時刻和持續的時間是無法預知的。但由于網絡具有社會性的特點，網絡中節點經過長時間運動后，具備一定的運動規律，通過對鏈路歷史信息的長時間觀測與記錄，能夠比較準確地預測鏈路未來的通斷特性。

（2）機會鏈路連通期間的帶寬穩定，數據轉發的傳輸時延可以忽略。

（3）網絡中各節點的緩存資源相同，能夠滿足單拷貝信息的存儲需求。同時，節點具備鄰居信息收集、鏈路綜合代價值的計算以及數據轉發等過程所需的處理能力。

2 鏈路代價綜合評估參數定義

定義1 節點社會性狀態參數。對于節點a，時間周期為T。定義參數SOC（a）表示節點a在連續的時間長度T內，節點因為隨機移動而引起的鄰居節點集的變化程度。

令na［t1，t2］表示在時間段 ［t1，t2］內節點a收集到的鄰居節點集的信息，在統計SOC（a）時，節點a將時間周期T劃分為兩個等長時間段進行對比，SOC（a）計算公式如下:

由上式可以看出:每經歷一個時間周期T，節點通過收集與自身建立機會鏈路的鄰居節點的信息，實現對SOC（a）的更新。SOC（a）的值越大，表明節點a的鄰居節點變化程度越大，反映出節點a的運動比較頻繁，能夠與更多的節點建立機會鏈路，成為社會節點的可能性越大。利用該節點進行信息的轉發，更有利于信息在區域內的擴散以及域間的傳輸。

定義2 鏈路通斷狀態參數。對于任意兩節點a與b，a與b之間存在的間歇性中斷鏈路為e （a，b）。設鏈路e （a，b）在時間周期T內的離散連通時間段為ci＝ ｛c1，c2，…｝，離散中斷時間段為di＝ ｛d1，d2，…｝，則CDS （a，b）定義為鏈路e （a，b）的通斷狀態參數。該參數根據在周期T內的各個通斷周期的持續時間計算得到，如圖2所示。

圖2 鏈路通斷周期的持續時間示意圖Fig.2 Duration time of contact up and down

由圖2可以看出，縱軸使用持續時間來表示鏈路通斷的狀態，當鏈路斷裂時，持續時間始終為0，當鏈路連通時，持續時間由0上升，直到鏈路連通狀態結束返回0。鏈路通斷狀態參數CDS （a，b）是通過對時間周期T內鏈路e （a，b）的離散通斷周期進行統計平均而得到，計算方法如下:

鏈路通斷狀態參數CDS （a，b）表征了在一段時間周期內鏈路e （a，b）的連通狀態持續程度，CDS （a，b）的值越大，表明節點a與b之間的鏈路連通特性越好，更有利于大量數據的轉發。

定義3 鏈路頻率狀態參數。對于兩節點a與b，a與b之間存在的間歇性中斷鏈路為e （a，b），令t （a，b）表 示 在時間周期T內 鏈 路e （a，b）的連通次數，t （a）表示時間周期T內節點a與所有鄰居節點之間形成機會鏈路的次數。定義參數FEQ （a，b）為鏈路e （a，b）的頻率狀態參數，表示鏈路e （a，b）相對于節點a全部機會鏈路的連通頻率，FEQ （a，b）越大，則轉發的機率越高。

相對于鏈路通斷狀態參數CDS （a，b），鏈路頻率狀態參數FEQ （a，b）對鏈路的轉發代價值起到了更為精確的評估作用。擁有高FEQ （a，b）值的鏈路應具有更高的轉發優先級，因為鏈路的多次連接能夠更好地保證節點數據的連續轉發。

定義4 節點相近度參數。對于兩節點a與b，時間周期為T。定義參數SIM（a，b）表示在時間長度T內，節點a與節點b的公共鄰居節點數占兩節點總鄰居節點數的比例，即與兩節點分別形成機會鏈路的鄰居節點集的相似程度。

假定t為當前的計算時間，na（t－T，t）表示節點a在上一個時間周期T內出現的鄰居節點集，nb（t－T，t）表示節點b在上一個時間周期T內出現的鄰居節點集，則節點相近度參數的計算公式如下:

由上式可以看出，參數SIM（a，b）的值越大，表明兩節點能夠通過公共鄰居節點集進行成功轉發的概率越大，在數據傳輸的過程中，應選擇與目的節點相近度較大的中間節點進行轉發，增強延遲容忍網絡的協作性，提升節點間數據分組轉發的效率和成功率。

3 SECMR算法

在無線Ad hoc、無線Mesh等網絡中，由于節點之間鏈路不存在間歇性斷裂的特性，因此能夠使用基于單源最短路徑算法思想的Dijkstra或Bellman－Ford等算法，網絡特性能夠容忍算法本身的復雜度。但延遲容忍網絡不同于傳統的無線網絡，網絡結構與鏈路特性決定了無法使用傳統的最短路徑算法進行路由決策。因此，本節將在充分考慮DTN網絡無法時刻保持連通的情況下，結合DTN網絡社會性的特點，將路由過程劃分為域內轉發、活躍節點社會性游弋、信息投遞三個步驟，在路由轉發過程中，采用SECMR算法中提出的鏈路代價綜合評估模型，對機會鏈路代價進行評估，作為中間節點進行轉發決策的依據。

3.1 節點間信息交換

在SECMR算法中，每個節點擁有獨立的節點ID，并維護一張鄰居信息表，鄰居信息表通過定期廣播Hello消息的方式來獲取（見圖3），鄰居信息表中包含以下內容:①時間周期T內出現的鄰居節點集；②每個鄰居節點出現的次數；③與出現的每個鄰居節點所建立的機會鏈路的通斷周期記錄；④每個鄰居節點所記錄的一個時間周期內自身的鄰居節點集；⑤鄰居節點與目的節點的綜合代價值。

節點在接收到鄰居節點的Hello消息時，應返回相應的信息，回復信息的內容見圖4。其中Node＿ID表示本節點ID，Nbor＿ID表示本節點在上一個時間周期內收集到的鄰居節點的ID，SECM表示節點計算得到的與其他相遇過節點之間的鏈路綜合代價評估值。

圖3 域內鄰居節點信息收集算法Fig.3 Algorithm for collecting information of neighbors

圖4 Hello信息回復分組格式Fig.4 Acknowledgement of hello message

3.2 鏈路綜合代價值計算

如圖5所示，由兩個區域組成的延遲容忍社會性網絡中，節點m、n、p屬于活躍節點，不僅與區域內的節點聯系較為頻繁，且在區域之間隨機移動。若節點m中存在一條目的地為b的數據分組，則m移動至區域B之后將會與B中的各個節點相遇，若m與b相遇，直接完成數據的投遞；若與節點p或節點a相遇，則需根據鏈路綜合代價值進行轉發決策。

圖5 包含兩個子區域的社會性DTN示意圖Fig.5 Social DTN including two sub－regions

兩節點之間的鏈路綜合代價值SECM表征了兩節點之間構成機會鏈路的概率大小以及信息在該鏈路上轉發的能力，主要根據鏈路通斷狀態、鏈路頻率狀態和節點相近度三個參數得到（計算方法見圖6），三個參數對于SECM（a，b）的權重程度是不同的，其權重比例為α≤β≤γ，在算法實現與仿真實驗中分別取α＝0.2，β＝0.3，γ＝0.5。

圖6 節點之間的鏈路綜合代價值計算Fig.6 Algorithm for computing SEM（a，b）

3.3 路由轉發

路由轉發包含兩種情況:

（1）源節點與目的節點處于同一個社會網絡區域之內，轉發過程可以通過活躍節點或以SECM為依據的轉發決策進行。

（2）源節點與目的節點位于不同的社會網絡區域，數據分組的轉發必須首先轉發至源節點區域內的活躍節點，活躍節點進行社會性游弋到達目的節點所在的網絡區域，然后通過SECM進行數據投遞。

對于第一種情況，根據算法2，區域內各節點通過計算得到與鄰居節點的SECM值，節點在轉發數據分組時，只需比較SECM值的大小來決定是否進行轉發。

對于第二種情況，如果按照URD等算法提出的按節點中心度進行轉發決策［10］，跨區域的數據分組最終都會聚集到本區域內節點中心度最大的節點上，導致節點的開銷增大，影響數據的投遞率和傳輸時延。SECMR算法針對這種情況，對于跨區域數據在域內進行轉發的階段，設置了域內路由轉發限制參數SOC＿CST，當某一活躍節點的節點社會屬性參數值超過SOC＿CST時，便中止數據的域內轉發，直到活躍節點進入目的節點所在的網絡區域之中。域內路由轉發限制參數SOC＿CST的設置充分考慮了社會網絡的特點:每個社會網絡區域內的活躍節點一般不止一個，將域間數據的轉發開銷由一個活躍度最大的節點分配至數個較為活躍的節點，在大幅降低活躍節點資源開銷的同時，也有效提升了數據的投遞成功率，降低了傳輸時延，SECMR算法的路由轉發決策過程見圖7。

圖7 SECMR路由轉發決策Fig.7 Forwarding policy of SECMR

4 仿真驗證

4.1 仿真參數設置

本文采用仿真軟件ONE（Opportunistic network environment）［13］進行算法的仿真與測試。ONE能夠支持多種運動模型來模擬網絡中節點的運動軌跡，而且提供了人機交互界面來進行網絡拓撲與節點運動狀態的實時觀測。本文利用該仿真軟件，首先進行了SECMR算法對于延遲容忍社會性網絡的適應度測試，將SECMR算法與URD算法在不同的運動模型條件下的性能進行了對比，另外還對SECMR路由算法與Epidemic、Prophet和 MEED三種經典DTN路由協議的數據投遞率和平均時延等性能指標進行了仿真實驗。

仿真主機采用Intel Core23.0GHz，操作系統為Linux 2.6.26，網絡節點數量設置為300個，網絡共劃分為15個子區域，每個區域20個節點，其中15個節點的移動模型設置為IPMM，5個節點的移動模型設置為RWP。域內路由轉發限制參數SOC＿CST＝0.3，其他具體仿真參數如下:網絡規模為5km×5km；節點移動速度為0～10m／s；通信半徑為150m；節點緩存為6MB；鏈路帶寬為10MB；時間周期T為1min；信息分組長度為512Byte；信息注入速率為15min；分組發送頻率為5packets／s；移動模型為IPMM＋RWP；仿真持續期為12h。

4.2 仿真結果與分析

圖8給出了SECMR路由協議對于不同的節點運動模型的適應程度。從圖8可以看出，當DTN網絡中的節點采用IPMM＋RWP運動模型時，SECMR算法能夠達到滿意的數據投遞成功率，而對于RW和RWP兩種運動模型，SECMR協議的性能一般。這是因為在延遲容忍社會性網絡中，節點的運動軌跡基本符合IPMM＋RWP運動模型，而SECMR協議的鏈路代價綜合評估算法正好滿足網絡社會性特點的要求。RW為完全隨機性的運動模型，節點的歷史行為對節點的未來運動軌跡無任何影響，因此在仿真中的性能表現較差；RWP運動模型是RW模型的優化，其運動軌跡更符合現實網絡的特點，因此在仿真中的性能居中。仿真結果證明了SECMR算法對延遲容忍社會性網絡具有較高的適應度，其數據投遞成功率能維持在一個較高的水平。

圖8 不同節點移動模型下的SECMR路由協議性能Fig.8 Routing performance with different mobile model

圖9 不同仿真時間條件下的算法投遞率性能對比Fig.9 Delivery ratio comparison with different simulation time

圖9為不同仿真時間下4種算法的數據分組投遞成功率的變化情況。由圖9可以看出，隨著仿真時間由100增加到700min，四種路由協議的數據投遞率都呈現下降的趨勢，這是因為根據網絡參數的設定，分組數據不停地向網絡中注入，導致網絡中數據分組的大量擴散，因此節點的緩存資源將會逐步消耗殆盡，從而引起路由性能的下降。從仿真的整體結果來看，Epidemic協議擁有最高的數據投遞率，Prophet和MEED兩種單副本路由協議的投遞率基本持平，維持在0.48～0.6，而SECMR協議的數據投遞率比這兩種協議高15%～20%。該仿真結果的產生基于以下原因:Epidemic路由協議利用洪泛的方法將數據信息轉發至所有遇到的節點，并且每個節點都維護一個數據副本，該算法通過犧牲大量的網絡資源來獲取極大的數據投遞概率，實現數據分組的高效轉發與傳輸，由于該仿真場景中節點的緩存容量較為充足，因此能夠保持較高的數據投遞率；Prophet和MEED兩種路由協議都是根據節點之間的歷史交互情況來對節點未來的性能進行預測，并將預測結果作為路由轉發決策的依據，以提升投遞率，當網絡節點之間的交互比較頻繁時，算法性能優越性較易體現，然而該仿真網絡的節點運動模型為IPMM＋RWP，兩種算法計算得出的鏈路代價值往往無法體現網絡的真實特性，因此其數據投遞率偏低；SECMR算法充分考慮網絡的社會屬性，對節點之間的鏈路代價進行了綜合性評估，仿真結果充分說明了SECMR協議對于延遲容忍社會性網絡的適應程度。

圖10為4種路由協議在100～700min內的平均傳輸時延的對比情況。由圖10中可以看出，Prophet和MEED兩種單副本路由協議的時延開銷較大，這是由于:①兩種協議必須收集節點間的歷史交互情況，進行鏈路代價的計算，以完成路由轉發；②由于DTN的社會性，導致兩種算法計算得出的判據值并不能很好地反映網絡的真實情況，從而導致對下一跳節點選擇的精確性不足，引發了傳輸時延的增加。Epidemic協議在節點相遇時采用摘要向量來進行信息的互換，一方面保證了重復分組的發送，同時使得數據副本數量大大增加，有效地降低了傳輸時延，但是這種性能必須以充足的網絡資源為前提。SECMR協議根據節點的歷史交互信息進行鏈路綜合代價的計算，但采用節點社會性參數替代傳統的網格中心度參數，滿足了DTN社會性的要求，提升了路由轉發決策的準確度，因此能夠獲取較低的平均傳輸時延。根據仿真結果，SECMR算法相對于Prophet和MEED兩種協議，平均延遲分別降低了9%和12%。

圖10 不同仿真時間條件下的算法平均傳輸延遲對比Fig.10 Average delay comparison with different simulation time

圖11 不同緩存資源條件下的算法投遞率對比Fig.11 Delivery ratio performance with different buffers

圖11為4種算法的數據分組投遞成功率在不同的節點緩存容量條件下的變化情況。仿真結果表明，隨著節點緩存容量的不斷增加，Epidemic協議的數據投遞率提升明顯，當緩存容量超過30 MB時，Epidemic算法的投遞率已經達到100%。SECMR算法運行過程中，節點需要對鏈路綜合代價值以及節點社會性參數值進行計算，因此對于節點資源有一定的需求，隨著緩存資源的增加，SCEMR算法在性能上的優勢也進一步體現，當緩存容量大于15MB時，SECMR算法的數據投遞率比Prophet和MEED算法平均高出近16%。此外，Prophet和MEED算法并未隨節點緩存容量的增加而有較大的性能提升，這是由于這兩種協議并未考慮延遲容忍網絡的社會屬性，算法獲取的鏈路代價值無法準確反映網絡的真實情況，盡管擁有足夠的緩存資源，但數據投遞率依然無法得到有效的提升。

圖12為4種路由協議的平均傳輸時延在不同的節點緩存容量條件下的變化情況。從圖12看出，4種協議的平均時延隨著緩存容量的增加都表現出遞減的趨勢，這是因為:對于多副本傳染的Epidemic協議，緩存容量的提升保證了網絡中的副本數量，因此數據投遞的效率會大幅提升，相應地縮短了數據傳輸的時延；對于基于歷史信息的Prophet、MEED、SECMR三種單副本協議而言，緩存資源的豐富不僅能夠保存更多的鄰居節點信息，減少鏈路代價值的計算時間，同時保證了數據不會因為節點緩存溢出而頻繁地被丟棄，減少了數據的重傳次數，從而降低了數據傳輸的平均時延。

圖12 不同緩存資源條件下的算法平均傳輸延遲對比Fig.12 Average delay performance with different buffers

圖13 不同域內路由轉發限制參數下的算法投遞率對比Fig.13 Delivery ratio with different SOC＿CST

圖13給出了具有不同路由轉發限制參數SOC＿CST的SECMR路由協議與URD路由協議在數據投遞率指標上的對比情況。由仿真結果可以看出，SECMR－0.3的數據投遞率比URD協議高21%～40%，SECMR－0.5的數據投遞率比URD協議高8%～28%，而SECMR－0.7的數據投遞率性能反而低于URD算法。造成這種現象的原因是SOC＿CST取值的不同，SOC＿CST的取值過大時，SECMR算法的域內路由轉發決策將會造成跨區域數據分組在域內少量活躍度很高的節點處形成數據擁塞，因此很多數據分組會因為節點緩存容量不足而被丟棄，制約了協議的數據投遞成功率；當SOC＿CST＝0.3時，路由算法能夠將域間數據的轉發開銷由少數幾個活躍度較大的節點分攤至多個較為活躍的節點，在降低活躍節點資源開銷的同時，有效提升了數據的投遞成功率。經過多次仿真實驗的驗證，當SOC＿CST的取值范圍在0.3～0.4時，SECMR算法的數據投遞率將維持在60%以上。

圖14給出了具有不同路由轉發限制參數SOC＿CST的SECMR路由協議與URD路由協議在平均傳輸時延指標上的對比情況。由仿真結果可以看出，SECMR－0.3的平均傳輸時延比URD協議低19%～23%，SECMR－0.5的平均傳輸時延比URD協議低9%～14%，而SECMR－0.7的平均傳輸時延高于URD算法。造成這種現象的原因是SOC＿CST取值的不同，當SOC＿CST的取值過大時，SECMR算法的域內路由轉發決策將會造成跨區域數據分組在域內少量活躍度很高的節點處的數據擁塞，因此很多數據分組會因為節點緩存容量不足而被丟棄，引發了大量域間數據的重傳，導致了平均傳輸時延的增加；當SOC＿CST＝0.3時，路由算法能夠將域間數據的轉發開銷由少數幾個活躍度較大的節點分攤至多個較為活躍的節點，在降低活躍節點資源開銷的同時，也有效減少了數據丟失和數據重傳的次數。

圖14 不同域內路由轉發限制參數下的平均傳輸時延對比Fig.14 Average delay with different SOC＿CST

5 結束語

為了適應延遲容忍網絡的社會性，提升路由轉發的準確性，本文引入節點社會性參數、鏈路通斷狀態參數、鏈路頻率狀態參數與節點相近度參數構建了延遲容忍社會性網絡鏈路代價綜合評估模型，并在此模型的基礎上提出了SECMR路由協議。在域內轉發階段，根據計算得到的節點社會性參數值來代替節點中心性參數進行轉發決策，同時設置域內轉發限制參數SOC＿CST，來避免跨區域數據在活躍節點處的大量聚集。仿真實驗結果表明，SECMR路由協議對于延遲容忍社會性網絡具有良好的適應能力；與Prophet及MEED路由協議相比，SECMR路由協議能夠有效提升數據分組投遞率，降低傳輸時延。

［1］Fall K.A delay－tolerant network architecture for challenged internets［C］∥Proc Conf Appl Technol Architectures Protocols for Computer Commun，Karlsruhe，Germany，2003:27－34.

［2］Lindgren A，Doria A，Schelen O.Probabilistic routing in intermittently connected networks［J］.SIGMOBILE Mob Comput Commun Rev，2003，7（3）:19－20.

［3］Jathar R，Gupta A.Probabilistic routing using con－tact sequencing in delay tolerant networks［C］∥The 2nd International Conference on Communication Systems and Networks，2010.

［4］Jones E，Li L.Practical routing in delay tolerant networks［J］.IEEE Transactions on Mobile Computing，2007，6（8）:943－959.

［5］Bulut E，Geyik S，Szymanski B.Conditional shortest path routing in delay tolerant networks［C］∥IEEE International Symposium on“A World of Wireless，Mobile and Multimedia Networks”，2010.

［6］Musolesi M，Mascolo C.CAR:context－aware adaptive routing for delay－tolerant mobile networks［J］.IEEE Transactions on Mobile Computing，2009，8（2）:246－260.

［7］Daly Ekizabeth，Haahr Mads.Social network analysis for routing in disconnected dealy－tolerant MANETs［J］.IEEE Transactions on Mobile Computing，2009，8（5）:606－621.

［8］Jeffrey T，Stanley M.An experimental study of the small world problem［J］.Sociometry，1969，32（4）:425－443.

［9］Freeman Linton C.Centrality in social networks conceptual clarification［J］.Social Networks，1978，79（1）:215－239.

［10］王博，黃傳河，楊文忠.時延容忍網絡中基于效用轉發的自適應機會路由算法［J］.通信學報，2010，31（10）:36－47.Wang Bo，Huang Chuan－he，Yang Wen－zhong.A－daptive opportunistic routing protocol based on forwarding－utility for delay tolerant networks［J］.Journal on Communications，2010，31（10）:36－47.

［11］Hong Xiao－yan，Gerla Mario，Pei Guang－yu，et al.A group mobility model for ad hoc wireless networks［C］∥Bonkerche A，ed.Proc.of the Int＇l Workshop on Modeling and Simulation of Wireless and Mobile Systems Seattle:ACM Press，1999:53－60.

［12］Bettstetter C，Hartenstein H.Stochastic properties of the random waypoint mobility model［C］∥ACM and Kluwer Wireless Networks:Special Issue on Modeling and Analysis of Mobile Networks，2004，10（5）:555－567.

［13］Ari K，Jorg O，Teemu K.The ONE simulator for DTN protocol evaluation［C］∥Proc of the ACM SIMU Tools，Rome，Italy，2009.