移動網絡中多跳路由協議的延遲控制與帶寬優化

摘要：文章分析了網絡節點的移動特性和帶寬需求，設計了一種動態路由選擇機制。該機制有效降低了路由中的數據傳輸延遲，優化了帶寬分配策略。該研究使用仿真測試和實際網絡部署相結合的方式，驗證了所提算法在不同場景下的性能表現。結果顯示，該方法顯著提升了網絡的傳輸效率，降低了網絡負載和資源浪費，為未來移動網絡中多跳路由的優化設計提供了參考。

關鍵詞：移動網絡；多跳路由協議；延遲控制；帶寬優；自適應路由

中圖分類號：TN914" 文獻標志碼：A

0 引言

隨著無線通信技術的快速發展，移動網絡在日常生活中占據了越來越重要的地位，特別是在物聯網、智能交通和移動計算等應用場景中，而移動網絡的可靠性、傳輸效率和穩定性成了關鍵問題。傳統的路由協議在設計時往往假設網絡拓撲結構較為穩定，忽略了移動節點頻繁變化帶來的復雜性，從而導致其在實際應用中出現較高的傳輸延遲和帶寬利用率低的問題。在高動態網絡環境中，多跳路由協議中的延遲和帶寬問題變得更加突出。深入分析多跳路由協議的延遲和帶寬問題，設計自適應的路由優化方案，已經成為提升移動網絡整體性能的關鍵挑戰之一。

1 多跳路由協議的延遲問題分析

1.1 節點移動性對延遲的影響

移動網絡節點的位置不斷變化會導致網絡拓撲結構頻繁改變，進而影響路由路徑的穩定性。隨著節點的移動，數據包在傳輸過程中可能需要經過更多的跳數才能到達目的地，增加了總的傳輸時間^［1］。當節點移出原有的覆蓋范圍時，原本有效的路由路徑將失效，導致路由器不得不重新計算新的傳輸路徑。在路徑重建過程中，路由信息的更新需要一定的時間，進一步延長了傳輸延遲。當節點的移動速度加快時，路由頻繁中斷，路由表更新頻率隨之增加，從而導致網絡中的路由延遲顯著上升。

1.2 網絡拓撲動態變化的影響

在移動網絡中，拓撲結構隨著節點的移動和環境變化而不斷調整。動態拓撲使得多跳路由協議的路由路徑必須持續更新，這種頻繁的路徑變化會顯著影響數據包的傳輸效率。當拓撲變化時，路由協議需要將新的路由信息快速傳播到網絡中的所有節點，以便更新其路由表。而信息的傳播需要一定時間，多跳網絡中路由信息需要逐跳傳播到目的節點，這一過程帶來的時延將直接影響網絡的整體延遲性能。在大規模網絡中，由于拓撲結構的高度動態性，路由信息可能還沒有完全傳播到所有節點，某些節點仍然使用舊的路由表進行數據傳輸，結果導致數據包傳輸路徑冗長或失敗，進一步加劇了網絡延遲問題。

1.3 路由路徑中的數據傳輸瓶頸

瓶頸的形成往往與路由路徑的選擇機制有關。當數據傳輸經過多個節點時，任意一個節點的處理能力不足或鏈路質量下降都會成為傳輸的瓶頸。因某些節點的帶寬資源有限，高負載情況下無法滿足所有數據包的同時傳輸需求，數據包在傳輸過程中會經歷較長時間的排隊等待，因此延遲增加。在這種情況下，即使其他節點和鏈路的資源充足，傳輸的整體速度仍會因為某個瓶頸節點的限制而下降。

2 多跳路由協議的帶寬優化問題分析

2.1 帶寬利用率低的原因

路由協議的設計通常以最短路徑或最少跳數作為選擇標準，忽視了網絡中的帶寬動態變化和鏈路質量問題。這種靜態的路由選擇方法導致某些高帶寬鏈路未被充分利用，而低質量的鏈路卻因為路徑短而承載了大量數據流量，造成資源分配不均衡，降低了整體網絡的帶寬利用率。節點的移動性也會導致某些鏈路或節點在特定時間段內承載大量的數據流量，帶寬資源被迅速消耗，而其他鏈路或節點的資源卻處于閑置狀態。特別是在高密度節點網絡中，擁塞問題更加嚴重，帶寬資源無法均衡分配。路由協議的頻繁更新也會占用網絡帶寬。

2.2 不同場景下的帶寬分配問題

多跳路由協議中不同應用場景對帶寬的需求各不相同，如表1所示。

實時視頻監控和應急通信需要穩定、持續的帶寬支持，但由于節點的移動性和鏈路不穩定，實際分配的帶寬往往低于需求，導致網絡傳輸出現瓶頸，影響通信效果。智能交通系統盡管拓撲變化頻繁，路由協議仍能較好維持帶寬分配的穩定性，利用率較高^［2］。無人機群協作通信需求非常高，尤其是多個無人機同時傳輸數據時，路由協議難以及時分配足夠的帶寬資源，部分鏈路出現擁塞，降低了帶寬利用率。物聯網傳感器網絡帶寬需求相對較低，但由于拓撲頻繁變化，帶寬資源分配不均衡，利用率偏低。

3 自適應路由算法的設計

3.1 基于拓撲信息的動態路由機制

自適應路由算法的核心在于動態路由機制的設計，它能夠根據網絡拓撲結構的變化及時調整路由路徑。自適應路由算法可以實時獲取并分析網絡的拓撲信息，動態調整路由選擇。拓撲信息包括節點間的連接狀態、鏈路質量、帶寬占用率等參數，該算法可以根據這些信息判斷最優的路由路徑，避免擁塞與延遲問題。

動態路由機制的設計依賴于拓撲信息的持續更新，每個節點定期向相鄰節點廣播自身的狀態信息，如鏈路質量、可用帶寬和節點負載情況。這些信息被匯總并轉發至其他節點，形成一個全局的網絡拓撲視圖。路由算法基于該視圖，計算從源節點到目的節點的最佳路徑。動態路由的優勢在于，當某條路徑上的鏈路質量下降或節點移動導致斷鏈時，該算法能夠迅速重新計算新的路徑，確保數據傳輸的連續性^［3］。當某一鏈路出現擁堵時，該算法會選擇其他未被充分利用的鏈路進行數據傳輸，從而避免帶寬資源的浪費。該算法依靠動態更新能夠減少控制信息的冗余傳播，因為只在必要時才會進行路由表的更新和傳輸，降低了帶寬的占用。

3.2 節點移動特性的分析與建模

節點移動特性可以預判節點的移動軌跡，進而提前調整路由選擇，避免因節點移動導致的路由斷鏈問題。移動特性通常包括節點的移動速度、方向和位置變化頻率。自適應路由算法引入了基于馬爾可夫鏈的預測模型。設定網絡中的每個節點為一個狀態，節點在不同時刻的位置變化可以視為狀態轉移^［4］。若節點的當前位置為狀態St，下一時刻的位置為狀態 St+1，則狀態轉移概率可表示為：

P（St+1|St）=P（St+1|St，vt，θt）

其中，vt為節點在時刻t的速度，θt為節點的移動方向。該算法可以估計出每個節點在未來時刻的概率分布，從而推斷節點可能發生的位置變化。基于這些信息，路由算法能夠在節點移動前預判到網絡拓撲結構的變化，提前進行路由調整。

移動模型考慮了節點的平均移動距離davg和停留時間Ts。這些參數能夠幫助算法更好地理解節點在特定區域的停留或離開趨勢。公式為：

davg=∑Ni=1diN

Ts=∑Ni=1TsiN

其中，di表示第i個節點的移動距離，Tsi為其停留時間，N為節點數量。這些數據能夠幫助該算法優化對節點移動的預判。基于這些分析，該算法能夠在節點高速移動或進入高負載區域前，及時調整路由策略，從而有效減少網絡中的路由斷鏈情況，保持較低的傳輸延遲。

3.3 路由算法的優化策略設計

自適應路由算法的優化策略設計需要結合拓撲信息和節點移動特性，路徑選擇和流量控制要智能化，網絡資源利用要最大化。路由優化的第一步是根據鏈路質量和帶寬動態調整路徑選擇^［5］。設定網絡中每條鏈路的質量因子Qij，代表節點i到節點j的鏈路狀態。質量因子考慮了鏈路的丟包率、時延和可用帶寬，公式如下：

Qij=BijLij·Dij

其中，Bij表示鏈路的可用帶寬，Lij為鏈路的丟包率，Dij為鏈路的時延。算法根據各條鏈路的Qij值選擇傳輸路徑，確保選擇的路徑具有最優的傳輸性能。

自適應路由算法優化策略的第二步是引入了一種基于最大流的帶寬平衡方法。該算法計算每條可選路徑上的最大流量Fmax，確保每條路徑上的流量不會超過其最大承載能力：

Fmax=min（Bij，Cij）

其中，Cij為節點i和節點j之間的鏈路容量。該算法能夠動態調整每條路徑上的數據流量，避免擁塞問題，使帶寬利用率最大化。本研究在選擇路由時還須考慮節點的負載均衡。該算法可以實時監測每個節點的處理能力和當前負載情況，以負載因子來衡量節點的負載狀態。負載因子越高，說明節點負載越重，該算法會自動減少通過該節點的流量，優先選擇負載較低的節點進行數據傳輸。這種負載均衡機制可以有效減少網絡中某些節點或鏈路的擁塞，優化整個網絡的傳輸效率。

4 仿真與實際部署測試

4.1 仿真環境和參數設置

本研究在NS-3網絡仿真平臺上搭建了仿真環境，NS-3是一款廣泛用于網絡協議仿真的工具，它支持多跳無線網絡的路由協議仿真。該仿真采用了一個由50個移動節點構成的網絡，這些節點分布在1000m×1000m的區域內。每個節點的初始位置和速度隨機設置，模擬真實的移動網絡環境。節點的最大移動速度為20m/s，最小移動速度為1m/s，移動方向隨機變化，符合實際應用中的移動特性。無線鏈路的傳輸功率設定為20 dBm，鏈路之間的傳輸距離為50m至250m，鏈路的丟包率和信號衰減參數根據距離和環境障礙物變化自動調整。本研究為評估路由協議的帶寬利用率，設置了不同的帶寬需求場景，帶寬范圍從5Mbps至50Mbps不等，涵蓋物聯網傳感器、視頻監控、無人機群通信等不同應用場景。每個節點的發包速率設定為1Mbps至10Mbps，模擬網絡中多種并發數據流量。

本研究的仿真中使用了按需路由協議（Ad hoc OnDemand Distance Vector，AODV）和表驅動路由協議（Optimized Link State Routing，OLSR）作為對比參考算法，這2種算法在多跳路由協議中被廣泛使用^［6］。仿真時間設置為500s，記錄各項性能指標，包括延遲、帶寬利用率、鏈路負載和數據包丟失率等。

4.2 不同場景下的性能評估

本研究選擇了3個典型的應用場景進行仿真測試。場景一為物聯網傳感器網絡，該場景中節點的帶寬需求較低，數據傳輸速率為5Mbps，網絡中的節點大多處于低移動性狀態，主要用于評估算法在低負載、低帶寬需求下的表現。場景二為實時視頻監控，帶寬需求較高，達到20Mbps，節點的移動性中等，旨在展現測試算法在中等帶寬和流量負載下的性能表現。場景三為無人機群協作通信，帶寬需求極高，為50Mbps，節點高速移動，模擬高速移動場景下對路由協議的挑戰。

本研究評估的性能指標包括平均端到端延遲、帶寬利用率、節點負載均衡程度和數據包丟失率。評估過程通過在不同時間間隔內隨機產生的數據流量，觀察路由算法在動態拓撲結構下的適應能力和資源分配效果。

4.3 結果分析與性能對比

本研究根據以上仿真與實際部署得到不同場景下的性能對比數據，如表2所示。

從數據可以看出，自適應路由算法在3個不同的場景下表現均優于傳統的AODV和OLSR算法。物聯網傳感器網絡中，自適應路由算法的平均延遲為25ms，帶寬利用率達到85%，丟包率僅為1.2%，相比AODV和OLSR，延遲和丟包率顯著降低，帶寬利用率明顯提升。實時視頻監控場景下，自適應路由算法的平均延遲為40ms，帶寬利用率為88%，丟包率為1.5%，整體表現優于AODV和OLSR，在高帶寬需求下展現了良好的性能。在無人機群協作通信場景中，自適應路由算法的平均延遲為60ms，帶寬利用率為80%，丟包率為2%，相比AODV和OLSR在高速移動場景下更加穩定，尤其是在延遲和丟包率方面具有顯著優勢。整體來看，自適應路由算法在延遲控制、帶寬利用和丟包率方面均具有較大優勢，適用于多種復雜網絡環境。

本研究得到的節點負載均衡數據顯示，在物聯網傳感器網絡中，自適應路由算法的最高節點負載為70%，最低節點負載為55%，平均負載差異為15%，而AODV和OLSR的負載差異分別為40%和30%，表明自適應路由算法能夠更均衡地分配節點負載。在實時視頻監控場景下，自適應路由算法的最高節點負載為75%，最低節點負載為60%，平均負載差異依然為15%，遠優于AODV的35%和OLSR的25%。在無人機群協作通信中，自適應路由算法的最高負載為85%，最低負載為65%，平均負載差異為20%，相比AODV和OLSR的負載差異（分別為45%和38%）表現更加均衡。這些結果表明，自適應路由算法能夠有效避免部分節點或鏈路的過載，優化了網絡資源的使用，尤其在高負載場景下更具穩定性和適應性。

5 結語

本研究設計并驗證了一種基于拓撲信息和節點移動特性分析的自適應路由算法，該算法解決了移動網絡中多跳路由協議的延遲控制與帶寬優化問題。該算法在仿真測試中所表現出的性能要優于傳統的AODV和OLSR，不僅降低了網絡延遲，還有效提高了帶寬利用率，減少了數據包丟失和帶寬浪費。該算法在負載均衡方面也表現突出，避免了網絡資源的過度集中和節點過載問題，適用于物聯網、視頻監控、無人機群協作等多種應用場景。

參考文獻

［1］謝佳.基于低功耗的無線傳感器網絡路由協議的研究與優化［D］.南京：南京郵電大學，2023.

［2］廖學文，耿烜.基于Q學習的蟻群優化水聲網絡協議［J］.計算機系統應用，2023（9）：272-279.

［3］杜旭陽.IRS輔助的車載毫m波網絡中高效路由協議的研究［D］.合肥：中國科學技術大學，2023.

［4］周良軍.面向生態監測系統的LoRaWAN多跳路由協議設計及實現［D］.成都：電子科技大學，2023.

［5］范曉蕾.能耗優化的WSN層次型多跳路由協議研究［D］.大連：大連理工大學，2022.

［6］張楊斌.面向極端部署條件的無線傳感網路由協議研究［D］.北京：國防科技大學，2021.

（編輯 王永超）

Delay control and bandwidth optimization of multihop routing protocols in mobile networks

WANG" Zhenyun

（The 54th Research Institute of CETC， Shijiazhuang 050081， China）

Abstract：" This paper analyzes the mobile characteristics and bandwidth requirements of network nodes， and designs a dynamic routing mechanism， which effectively reduces the data transmission delay in routing and optimizes the bandwidth allocation strategy. In this study， simulation test and actual network deployment are used to verify the performance of the proposed algorithm in different scenarios. The results show that this method significantly improves the transmission efficiency of the network， reduces the network load and resource waste， and provides a reference for the optimization design of multihop routing in future mobile networks.

Key words： mobile network; multihop routing protocol; delay control; excellent bandwidth; adaptive routing