基于链路代价综合评估和转发限制的延迟容忍社会性网络路由

白云飞，刘元安，袁东明，胡鹤飞

（北京邮电大学 无线电技术与电磁兼容实验室，北京 100876）

0 引 言

由于延迟容忍网络［1］无法保证稳定的端到端链路连通，节点间的链路呈现间歇性中断的特性，因此传统无线网络中的路由算法无法适应延迟容忍网络。在延迟容忍网络中，路由机制一般采用“存储－携带－转发”的方式，中间节点在接收到信息并将其缓存后，可能暂时不存在转发数据所需的链路，中间节点必须携带该信息直到它与路由决定的下一跳节点或目的节点之间建立连通的机会链路为止。因此，链路转发代价评估的准确性至关重要，一旦错过链路连通的机会或选择的下一跳节点性能不佳，必将导致信息投递率的下降，以及信息传输时延的增加。延迟容忍网络中根据不同链路代价进行转发决策的路由算法研究已经成为热点。

文献［2］提出了一种基于节点间转发概率估计的路由协议 Prophet（Probabilistic routing protocol using history of encounters and transitivity），将节点之间的转发概率定义为每条链路的代价值。每个节点通过对相遇节点的历史信息的统计，来计算到达其他节点的概率，并以此为判据进行路由转发决策。文献［3］结合现实网络场景，利用节点上存在大量重复链路的特点，并根据重复链路出现的次序进行链路代价的计算，该算法是单副本协议，在网络节点缓存资源受限时，能获取较好的性能。文献［4］提出了 MEED（Minimum estimated expected delay）路由协议，通过考察两节点间的链路通断规律，定义了节点间的平均等待时延，作为路由转发的依据，在链路平均等待时延的计算中，节点只依赖本地信息，无需全网的先验知识，同时在中间节点处引入了路由重算的方法，来保证中间节点对机会链路的利用率。文献［5］提出了条件相遇时间的概念，将两节点之间的相遇概率计算扩展至两节点与第三个节点的相遇关系之中，并提出了有条件的最短路径算法CSPR（Conditional shortest path routing），实验表明该算法能够很好地适应延迟容忍网络间歇性中断的特点。文献［6］提出了一种基于上下文属性信息的路由协议CAR（Context－aware routing），算法根据节点的剩余能量、网络拓扑的变化程度、到达目的区域的概率和节点的移动速度等信息来进行链路代价的评估。

上述算法将延迟容忍网络看作一个单独的网络区域，区域内所有节点遵循大致相同的运动模型。但是在实际的DTN（如由行人、交通工具组成的城市网络和多个社区之间的居民生活网络）中，网络节点的运动规律往往具有较强的社会属性（多区域特性），整个DTN是由若干位置不同的网络子区域构成，称为延迟容忍社会性网络［7］。文献［7－9］研究表明实际的DTN网络具有明显的社会特性，并且定义了节点中心性的概念，根据节点中心性的不同，来进行路由转发决策。文献［10］在文献［7］对节点中心性定义的基础上，引入了节点关联度等参数，通过计算节点与目的节点之间的效用值来完成路由的转发，提出了延迟容忍分簇网络中基于效用转发的自适应机会路由算法URD。但URD容易导致数据分组大量的集中于网络簇块的割点之上，过多地消耗割点的能量资源，引起网络拥塞、负载失衡等节点失效问题。

本文结合DTN网络社会性的特点，提出了基于链路代价综合评估和转发限制的路由算法SECMR（Synthetical estimation of contact metrics routing based on forwarding constraint）。算法构建了链路代价综合评估模型，并将路由过程分为域内转发、活跃节点社会性游弋、信息投递三个步骤。在域内转发阶段，根据计算得到的节点社会性参数值来代替节点中心性参数进行转发决策，同时设置域内转发限制参数SOC＿CST，来避免大量去往其他区域数据在活跃节点处的拥塞。

1 网络模型

根据实际延迟容忍网络具有社会属性的特点，本文采用的DTN网络模型如图1所示。DTN由若干个社会子区域构成，分别用社会区域1、社会区域2、社会区域3来表示，只在本区域内运动的节点称作域内节点，在本区域内运动频繁且能够在各个子区域之间运动的节点称为活跃节点，活跃节点的社会性较强。域内节点遵循IPMM（In－place mobility model）运动模型［11］，整个网络被划分为不同的子区域，不同的组节点分别在不同的子区域内活动；活跃节点遵循RWP（Random way point）运动模型［12］，能够在整个网络中运动。通过仿真实验分析表明，IPMM＋RWP运动模型能够更加准确地描述延迟容忍社会性网络中节点的运动规律。

图1 延迟容忍社会性网络模型Fig.1 Social DTN network model

本网络模型主要特征包括:

（1）节点之间的机会链路为双向时变链路，链路的间歇中断特性是随机的，下一次连接到来的时刻和持续的时间是无法预知的。但由于网络具有社会性的特点，网络中节点经过长时间运动后，具备一定的运动规律，通过对链路历史信息的长时间观测与记录，能够比较准确地预测链路未来的通断特性。

（2）机会链路连通期间的带宽稳定，数据转发的传输时延可以忽略。

（3）网络中各节点的缓存资源相同，能够满足单拷贝信息的存储需求。同时，节点具备邻居信息收集、链路综合代价值的计算以及数据转发等过程所需的处理能力。

2 链路代价综合评估参数定义

定义1 节点社会性状态参数。对于节点a，时间周期为T。定义参数SOC（a）表示节点a在连续的时间长度T内，节点因为随机移动而引起的邻居节点集的变化程度。

令na［t1，t2］表示在时间段 ［t1，t2］内节点a收集到的邻居节点集的信息，在统计SOC（a）时，节点a将时间周期T划分为两个等长时间段进行对比，SOC（a）计算公式如下:

由上式可以看出:每经历一个时间周期T，节点通过收集与自身建立机会链路的邻居节点的信息，实现对SOC（a）的更新。SOC（a）的值越大，表明节点a的邻居节点变化程度越大，反映出节点a的运动比较频繁，能够与更多的节点建立机会链路，成为社会节点的可能性越大。利用该节点进行信息的转发，更有利于信息在区域内的扩散以及域间的传输。

定义2 链路通断状态参数。对于任意两节点a与b，a与b之间存在的间歇性中断链路为e （a，b）。设链路e （a，b）在时间周期T内的离散连通时间段为ci＝ ｛c1，c2，…｝，离散中断时间段为di＝ ｛d1，d2，…｝，则CDS （a，b）定义为链路e （a，b）的通断状态参数。该参数根据在周期T内的各个通断周期的持续时间计算得到，如图2所示。

图2 链路通断周期的持续时间示意图Fig.2 Duration time of contact up and down

由图2可以看出，纵轴使用持续时间来表示链路通断的状态，当链路断裂时，持续时间始终为0，当链路连通时，持续时间由0上升，直到链路连通状态结束返回0。链路通断状态参数CDS （a，b）是通过对时间周期T内链路e （a，b）的离散通断周期进行统计平均而得到，计算方法如下:

链路通断状态参数CDS （a，b）表征了在一段时间周期内链路e （a，b）的连通状态持续程度，CDS （a，b）的值越大，表明节点a与b之间的链路连通特性越好，更有利于大量数据的转发。

定义3 链路频率状态参数。对于两节点a与b，a与b之间存在的间歇性中断链路为e （a，b），令t （a，b）表 示 在时间周期T内 链 路e （a，b）的连通次数，t （a）表示时间周期T内节点a与所有邻居节点之间形成机会链路的次数。定义参数FEQ （a，b）为链路e （a，b）的频率状态参数，表示链路e （a，b）相对于节点a全部机会链路的连通频率，FEQ （a，b）越大，则转发的机率越高。

相对于链路通断状态参数CDS （a，b），链路频率状态参数FEQ （a，b）对链路的转发代价值起到了更为精确的评估作用。拥有高FEQ （a，b）值的链路应具有更高的转发优先级，因为链路的多次连接能够更好地保证节点数据的连续转发。

定义4 节点相近度参数。对于两节点a与b，时间周期为T。定义参数SIM（a，b）表示在时间长度T内，节点a与节点b的公共邻居节点数占两节点总邻居节点数的比例，即与两节点分别形成机会链路的邻居节点集的相似程度。

假定t为当前的计算时间，na（t－T，t）表示节点a在上一个时间周期T内出现的邻居节点集，nb（t－T，t）表示节点b在上一个时间周期T内出现的邻居节点集，则节点相近度参数的计算公式如下:

由上式可以看出，参数SIM（a，b）的值越大，表明两节点能够通过公共邻居节点集进行成功转发的概率越大，在数据传输的过程中，应选择与目的节点相近度较大的中间节点进行转发，增强延迟容忍网络的协作性，提升节点间数据分组转发的效率和成功率。

3 SECMR算法

在无线Ad hoc、无线Mesh等网络中，由于节点之间链路不存在间歇性断裂的特性，因此能够使用基于单源最短路径算法思想的Dijkstra或Bellman－Ford等算法，网络特性能够容忍算法本身的复杂度。但延迟容忍网络不同于传统的无线网络，网络结构与链路特性决定了无法使用传统的最短路径算法进行路由决策。因此，本节将在充分考虑DTN网络无法时刻保持连通的情况下，结合DTN网络社会性的特点，将路由过程划分为域内转发、活跃节点社会性游弋、信息投递三个步骤，在路由转发过程中，采用SECMR算法中提出的链路代价综合评估模型，对机会链路代价进行评估，作为中间节点进行转发决策的依据。

3.1 节点间信息交换

在SECMR算法中，每个节点拥有独立的节点ID，并维护一张邻居信息表，邻居信息表通过定期广播Hello消息的方式来获取（见图3），邻居信息表中包含以下内容:①时间周期T内出现的邻居节点集；②每个邻居节点出现的次数；③与出现的每个邻居节点所建立的机会链路的通断周期记录；④每个邻居节点所记录的一个时间周期内自身的邻居节点集；⑤邻居节点与目的节点的综合代价值。

节点在接收到邻居节点的Hello消息时，应返回相应的信息，回复信息的内容见图4。其中Node＿ID表示本节点ID，Nbor＿ID表示本节点在上一个时间周期内收集到的邻居节点的ID，SECM表示节点计算得到的与其他相遇过节点之间的链路综合代价评估值。

图3 域内邻居节点信息收集算法Fig.3 Algorithm for collecting information of neighbors

图4 Hello信息回复分组格式Fig.4 Acknowledgement of hello message

3.2 链路综合代价值计算

如图5所示，由两个区域组成的延迟容忍社会性网络中，节点m、n、p属于活跃节点，不仅与区域内的节点联系较为频繁，且在区域之间随机移动。若节点m中存在一条目的地为b的数据分组，则m移动至区域B之后将会与B中的各个节点相遇，若m与b相遇，直接完成数据的投递；若与节点p或节点a相遇，则需根据链路综合代价值进行转发决策。

图5 包含两个子区域的社会性DTN示意图Fig.5 Social DTN including two sub－regions

两节点之间的链路综合代价值SECM表征了两节点之间构成机会链路的概率大小以及信息在该链路上转发的能力，主要根据链路通断状态、链路频率状态和节点相近度三个参数得到（计算方法见图6），三个参数对于SECM（a，b）的权重程度是不同的，其权重比例为α≤β≤γ，在算法实现与仿真实验中分别取α＝0.2，β＝0.3，γ＝0.5。

图6 节点之间的链路综合代价值计算Fig.6 Algorithm for computing SEM（a，b）

3.3 路由转发

路由转发包含两种情况:

（1）源节点与目的节点处于同一个社会网络区域之内，转发过程可以通过活跃节点或以SECM为依据的转发决策进行。

（2）源节点与目的节点位于不同的社会网络区域，数据分组的转发必须首先转发至源节点区域内的活跃节点，活跃节点进行社会性游弋到达目的节点所在的网络区域，然后通过SECM进行数据投递。

对于第一种情况，根据算法2，区域内各节点通过计算得到与邻居节点的SECM值，节点在转发数据分组时，只需比较SECM值的大小来决定是否进行转发。

对于第二种情况，如果按照URD等算法提出的按节点中心度进行转发决策［10］，跨区域的数据分组最终都会聚集到本区域内节点中心度最大的节点上，导致节点的开销增大，影响数据的投递率和传输时延。SECMR算法针对这种情况，对于跨区域数据在域内进行转发的阶段，设置了域内路由转发限制参数SOC＿CST，当某一活跃节点的节点社会属性参数值超过SOC＿CST时，便中止数据的域内转发，直到活跃节点进入目的节点所在的网络区域之中。域内路由转发限制参数SOC＿CST的设置充分考虑了社会网络的特点:每个社会网络区域内的活跃节点一般不止一个，将域间数据的转发开销由一个活跃度最大的节点分配至数个较为活跃的节点，在大幅降低活跃节点资源开销的同时，也有效提升了数据的投递成功率，降低了传输时延，SECMR算法的路由转发决策过程见图7。

图7 SECMR路由转发决策Fig.7 Forwarding policy of SECMR

4 仿真验证

4.1 仿真参数设置

本文采用仿真软件ONE（Opportunistic network environment）［13］进行算法的仿真与测试。ONE能够支持多种运动模型来模拟网络中节点的运动轨迹，而且提供了人机交互界面来进行网络拓扑与节点运动状态的实时观测。本文利用该仿真软件，首先进行了SECMR算法对于延迟容忍社会性网络的适应度测试，将SECMR算法与URD算法在不同的运动模型条件下的性能进行了对比，另外还对SECMR路由算法与Epidemic、Prophet和 MEED三种经典DTN路由协议的数据投递率和平均时延等性能指标进行了仿真实验。

仿真主机采用Intel Core23.0GHz，操作系统为Linux 2.6.26，网络节点数量设置为300个，网络共划分为15个子区域，每个区域20个节点，其中15个节点的移动模型设置为IPMM，5个节点的移动模型设置为RWP。域内路由转发限制参数SOC＿CST＝0.3，其他具体仿真参数如下:网络规模为5km×5km；节点移动速度为0～10m／s；通信半径为150m；节点缓存为6MB；链路带宽为10MB；时间周期T为1min；信息分组长度为512Byte；信息注入速率为15min；分组发送频率为5packets／s；移动模型为IPMM＋RWP；仿真持续期为12h。

4.2 仿真结果与分析

图8给出了SECMR路由协议对于不同的节点运动模型的适应程度。从图8可以看出，当DTN网络中的节点采用IPMM＋RWP运动模型时，SECMR算法能够达到满意的数据投递成功率，而对于RW和RWP两种运动模型，SECMR协议的性能一般。这是因为在延迟容忍社会性网络中，节点的运动轨迹基本符合IPMM＋RWP运动模型，而SECMR协议的链路代价综合评估算法正好满足网络社会性特点的要求。RW为完全随机性的运动模型，节点的历史行为对节点的未来运动轨迹无任何影响，因此在仿真中的性能表现较差；RWP运动模型是RW模型的优化，其运动轨迹更符合现实网络的特点，因此在仿真中的性能居中。仿真结果证明了SECMR算法对延迟容忍社会性网络具有较高的适应度，其数据投递成功率能维持在一个较高的水平。

图8 不同节点移动模型下的SECMR路由协议性能Fig.8 Routing performance with different mobile model

图9 不同仿真时间条件下的算法投递率性能对比Fig.9 Delivery ratio comparison with different simulation time

图9为不同仿真时间下4种算法的数据分组投递成功率的变化情况。由图9可以看出，随着仿真时间由100增加到700min，四种路由协议的数据投递率都呈现下降的趋势，这是因为根据网络参数的设定，分组数据不停地向网络中注入，导致网络中数据分组的大量扩散，因此节点的缓存资源将会逐步消耗殆尽，从而引起路由性能的下降。从仿真的整体结果来看，Epidemic协议拥有最高的数据投递率，Prophet和MEED两种单副本路由协议的投递率基本持平，维持在0.48～0.6，而SECMR协议的数据投递率比这两种协议高15%～20%。该仿真结果的产生基于以下原因:Epidemic路由协议利用洪泛的方法将数据信息转发至所有遇到的节点，并且每个节点都维护一个数据副本，该算法通过牺牲大量的网络资源来获取极大的数据投递概率，实现数据分组的高效转发与传输，由于该仿真场景中节点的缓存容量较为充足，因此能够保持较高的数据投递率；Prophet和MEED两种路由协议都是根据节点之间的历史交互情况来对节点未来的性能进行预测，并将预测结果作为路由转发决策的依据，以提升投递率，当网络节点之间的交互比较频繁时，算法性能优越性较易体现，然而该仿真网络的节点运动模型为IPMM＋RWP，两种算法计算得出的链路代价值往往无法体现网络的真实特性，因此其数据投递率偏低；SECMR算法充分考虑网络的社会属性，对节点之间的链路代价进行了综合性评估，仿真结果充分说明了SECMR协议对于延迟容忍社会性网络的适应程度。

图10为4种路由协议在100～700min内的平均传输时延的对比情况。由图10中可以看出，Prophet和MEED两种单副本路由协议的时延开销较大，这是由于:①两种协议必须收集节点间的历史交互情况，进行链路代价的计算，以完成路由转发；②由于DTN的社会性，导致两种算法计算得出的判据值并不能很好地反映网络的真实情况，从而导致对下一跳节点选择的精确性不足，引发了传输时延的增加。Epidemic协议在节点相遇时采用摘要向量来进行信息的互换，一方面保证了重复分组的发送，同时使得数据副本数量大大增加，有效地降低了传输时延，但是这种性能必须以充足的网络资源为前提。SECMR协议根据节点的历史交互信息进行链路综合代价的计算，但采用节点社会性参数替代传统的网格中心度参数，满足了DTN社会性的要求，提升了路由转发决策的准确度，因此能够获取较低的平均传输时延。根据仿真结果，SECMR算法相对于Prophet和MEED两种协议，平均延迟分别降低了9%和12%。

图10 不同仿真时间条件下的算法平均传输延迟对比Fig.10 Average delay comparison with different simulation time

图11 不同缓存资源条件下的算法投递率对比Fig.11 Delivery ratio performance with different buffers

图11为4种算法的数据分组投递成功率在不同的节点缓存容量条件下的变化情况。仿真结果表明，随着节点缓存容量的不断增加，Epidemic协议的数据投递率提升明显，当缓存容量超过30 MB时，Epidemic算法的投递率已经达到100%。SECMR算法运行过程中，节点需要对链路综合代价值以及节点社会性参数值进行计算，因此对于节点资源有一定的需求，随着缓存资源的增加，SCEMR算法在性能上的优势也进一步体现，当缓存容量大于15MB时，SECMR算法的数据投递率比Prophet和MEED算法平均高出近16%。此外，Prophet和MEED算法并未随节点缓存容量的增加而有较大的性能提升，这是由于这两种协议并未考虑延迟容忍网络的社会属性，算法获取的链路代价值无法准确反映网络的真实情况，尽管拥有足够的缓存资源，但数据投递率依然无法得到有效的提升。

图12为4种路由协议的平均传输时延在不同的节点缓存容量条件下的变化情况。从图12看出，4种协议的平均时延随着缓存容量的增加都表现出递减的趋势，这是因为:对于多副本传染的Epidemic协议，缓存容量的提升保证了网络中的副本数量，因此数据投递的效率会大幅提升，相应地缩短了数据传输的时延；对于基于历史信息的Prophet、MEED、SECMR三种单副本协议而言，缓存资源的丰富不仅能够保存更多的邻居节点信息，减少链路代价值的计算时间，同时保证了数据不会因为节点缓存溢出而频繁地被丢弃，减少了数据的重传次数，从而降低了数据传输的平均时延。

图12 不同缓存资源条件下的算法平均传输延迟对比Fig.12 Average delay performance with different buffers

图13 不同域内路由转发限制参数下的算法投递率对比Fig.13 Delivery ratio with different SOC＿CST

图13给出了具有不同路由转发限制参数SOC＿CST的SECMR路由协议与URD路由协议在数据投递率指标上的对比情况。由仿真结果可以看出，SECMR－0.3的数据投递率比URD协议高21%～40%，SECMR－0.5的数据投递率比URD协议高8%～28%，而SECMR－0.7的数据投递率性能反而低于URD算法。造成这种现象的原因是SOC＿CST取值的不同，SOC＿CST的取值过大时，SECMR算法的域内路由转发决策将会造成跨区域数据分组在域内少量活跃度很高的节点处形成数据拥塞，因此很多数据分组会因为节点缓存容量不足而被丢弃，制约了协议的数据投递成功率；当SOC＿CST＝0.3时，路由算法能够将域间数据的转发开销由少数几个活跃度较大的节点分摊至多个较为活跃的节点，在降低活跃节点资源开销的同时，有效提升了数据的投递成功率。经过多次仿真实验的验证，当SOC＿CST的取值范围在0.3～0.4时，SECMR算法的数据投递率将维持在60%以上。

图14给出了具有不同路由转发限制参数SOC＿CST的SECMR路由协议与URD路由协议在平均传输时延指标上的对比情况。由仿真结果可以看出，SECMR－0.3的平均传输时延比URD协议低19%～23%，SECMR－0.5的平均传输时延比URD协议低9%～14%，而SECMR－0.7的平均传输时延高于URD算法。造成这种现象的原因是SOC＿CST取值的不同，当SOC＿CST的取值过大时，SECMR算法的域内路由转发决策将会造成跨区域数据分组在域内少量活跃度很高的节点处的数据拥塞，因此很多数据分组会因为节点缓存容量不足而被丢弃，引发了大量域间数据的重传，导致了平均传输时延的增加；当SOC＿CST＝0.3时，路由算法能够将域间数据的转发开销由少数几个活跃度较大的节点分摊至多个较为活跃的节点，在降低活跃节点资源开销的同时，也有效减少了数据丢失和数据重传的次数。

图14 不同域内路由转发限制参数下的平均传输时延对比Fig.14 Average delay with different SOC＿CST

5 结束语

为了适应延迟容忍网络的社会性，提升路由转发的准确性，本文引入节点社会性参数、链路通断状态参数、链路频率状态参数与节点相近度参数构建了延迟容忍社会性网络链路代价综合评估模型，并在此模型的基础上提出了SECMR路由协议。在域内转发阶段，根据计算得到的节点社会性参数值来代替节点中心性参数进行转发决策，同时设置域内转发限制参数SOC＿CST，来避免跨区域数据在活跃节点处的大量聚集。仿真实验结果表明，SECMR路由协议对于延迟容忍社会性网络具有良好的适应能力；与Prophet及MEED路由协议相比，SECMR路由协议能够有效提升数据分组投递率，降低传输时延。

［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，黄传河，杨文忠.时延容忍网络中基于效用转发的自适应机会路由算法［J］.通信学报，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.