CN113692031A - 船舶自组织网络中基于多维社区的路由算法 - Google Patents

Abstract

本发明公开了一种船舶自组织网络中基于多维社区的路由算法，包括基于船舶社交属性的多维社区划分算法和船舶自组织网络的分布式数据传递路由算法，本发明通过船舶真实轨迹定义多维社区，描述船舶之间的社交关系；并根据船舶所属多维社区情况，量化船舶更快到达目标港口的能力，实现快速的数据传输。

Description

船舶自组织网络中基于多维社区的路由算法

技术领域

本发明属于数据传输技术领域，涉及海洋船舶自组织网络中的数据传输技术，具体涉及船舶自组织网络中基于多维社区的路由算法，主要是基于船舶多维社区属性的自组织网络路由策略，该路由策略实现了在海洋探测领域远距离信息源借助船舶向特定岸基基站快速、大量的数据传输。

背景技术

船舶自组织网络是一种船舶之间能够不借助于固定的基础通讯设备来进行互相通信、根据自身的机制来自发地进行组网、自发地对网络进行管理的临时的多跳动态网络，具有一定的自治性和灵活性。船舶在远洋航行的过程中，通过船载设备进行消息的传递，一方面弥补了无网络通信基础设施无法使用的缺陷，另一方面节省了卫星等的通信资源。探究船舶自组织网络可以支持多种实际的应用，主要针对在海洋物联网领域中海洋数据量大、实时性要求不高的数据传输场景。比如渔业资源探测，水质监测等。

船舶自组织网络与其他领域的自组织网络不同，有其独特的特点。首先，岸基基站的信号覆盖范围有限，当船舶航行在广阔的海域，承载数据的船舶可能会超出岸基基站的通信范围，导致数据直接传输困难。其次，海洋面积广阔，没有道路的限制，船舶的移动性强，在一定范围内的船只数量有限，节点的密度较低并且分布不均匀，很难形成全连通的网络。第三，海洋环境复杂，在实际的航行中船舶通信受环境的影响很大。使用卫星进行数据传输费用高昂，并且带宽较小，传输速率过慢，常用于紧急情况下的通信，对于大数据量的数据传输，太过占用卫星资源。

船舶自组织网络中，数据包的传输需要借助有效的协议，但是专门针对船舶自组织网络的路由协议很少。近年来，在自组织网络中借助船舶间社交属性得到了重视。有的研究者利用船舶之间社交关系亲疏程度设计路由，但是这些算法考虑的船舶间社交关系影响因素单一，无法客观描述船舶之间的熟悉度。也有的研究者使用船舶的社区属性进行路由设计，但是大多基于现有社区算法，社区因素单一，只考虑船舶在航行过程中的因素形成的社区，无法将船舶的航行特征与目的港口结合起来。在船舶自组织网络中，多对多的数据传输仍旧缺乏一种可靠的控制数据时效性的路由策略。

发明内容

针对现有技术存在的不足，本发明提供一种船舶自组织网络中基于多维社区的路由算法，基于船舶历史轨迹记录进行船舶航行行为分析，构建船舶通信抽象模型，通过考虑船舶行为以及社区划分来增大船舶自组织网络节点之间通信的概率，并减少数据传输代价，是一种远洋船舶向岸基转发数据的路由算法。如某一模型为多个消息源收集附近海域信息向多个对应的港口传输大数据量的消息，数据包通过符合条件的相遇船舶的转发，最终将数据传递到目标港口。

为了解决上述技术问题，本发明采用的技术方案是：船舶自组织网络中基于多维社区的路由算法，包括两部分：

基于船舶社交属性的多维社区划分算法，通过船舶真实轨迹定义多维社区，描述船舶之间的社交关系；和船舶自组织网络的分布式数据传递路由算法，根据船舶所属多维社区情况，量化船舶更快到达目标港口的能力，实现快速的数据传输。

进一步的，所述的基于船舶社交属性的多维社区划分算法，包括以下步骤：

S11，社交属性的发现：

设计港口发现算法，利用船舶的社交属性，确定现有轨迹所形成的港口的位置；

S12，粗粒度的港口社区划分：

步骤S11的港口发现算法探究出的港口有N个小港口，按照岸边基站的通信半径作为K-means算法的判定距离，进行港口聚簇，形成M个港口簇，M<N；

S13，基于船舶的不同社交属性，进行多维度社区的划分：

根据船舶与港口在一定时间内的相遇次数，进行船舶港口社区的划分，对于某一条船所属港口社区定义为该船与某一个港口的相遇次数在所有相遇港口中次数最多；

船舶航行社区定义为两艘船在航行的过程中，进入到彼此的通信半径范围内，并在一段时间内伴随航行，称为一次船舶的相遇；通过统计所有船舶之间相遇的次数，来定义两艘船舶之间的权；依据上述关系，利用社区划分算法，将在海外航行的船划分为不同的航行社区。

进一步的，所述的船舶自组织网络的分布式数据传递路由算法，包括以下步骤：

S21，识别船舶社交区域，并找到多个维度上每个社交区域内的社区形成主导因素；

S22，根据不同维度社区的主导社交因素求得数据包下一跳的船舶中继；

在相同维度的船舶社区内选取更快到达目标社区的船舶；在跨社交区域的情况下，量化船舶跨社区的连通性，选择连通不同维度社区的连通性更高的船舶；

S23，船舶航行图中维护并更新邻居表，依据邻居表中船舶的社区信息量化传输能力；

S24，船舶每隔一段时间更新一次邻居表，并更新邻居表内的船舶传输数据的能力值；

S25，数据携带船开始判断是否转发程序。

更进一步的，步骤S22中，依靠步骤S21中的社交区域划分为两个维度社区时，具体方法是：

首先，构建船舶社交关系图：其中，将船舶、港口簇抽象为关系图中的结点，依靠多维社区划分算法从船舶返港、船舶远洋作业相遇情况将所有船舶划分为两个维度社区，分别是港口社区、航行社区；根据船舶的航行社区关系，将同属一个航行社区的船舶结点连接；根据船舶的港口社区关系，将同属一个港口社区的船舶结点与港口结点聚簇；在结点簇内部，结点之间以船舶平均返港周期为权重，从而构建船舶社交关系图；

其次，根据船舶社交关系图量化社区维度：根据邻居表中的邻居船舶的社区属性，船载计算平台计算每个邻居船舶可以将数据快速传递到目标港口的能力

具体计算式如(1)所示：

其中，

表示船a通过船b到达目标港口簇的能力；在社交关系图中，用从a经过b结点到达目标港口社区的最短路径数目量化该能力；

表示在目标港口社区中的船舶返回目标港口的快慢；在社交关系图中，用平均返港周期作为结点之间的边权重，

取值为当前结点到港口节点的最大路径积。

更进一步的，步骤S23中，每条船舶维护一个动态邻居表，包括当前时刻船舶周围所有的邻居船舶；船舶在通信范围内发送探测帧来确认邻居船舶并向邻居船舶发送本条船舶的社区信息；当有新的邻居船舶到达通信范围内时，在邻居表中更新邻居船舶的信息。

更进一步的，步骤S25中，数据携带船的邻居表没有新增邻居船舶的时候不进行任何过程；数据携带船在遇到新增邻居船舶的时候，开始判断是否转发程序；

船舶判断是否转发的过程为：首先在邻居表中检查所有邻居船的快速传输能力，选择到目标港口传输能力值最大的船舶作为备选船舶；将该备选船舶的传输到目标港口能力值与历史转发过的传输能力值作比较，如果备选船舶传输能力值大于记录的历史转发最大值，则转发，否则不转发。

与现有技术相比，本发明优点在于：

本发明与传统路由设计思路不同，不需要提前设计路由路径，除了可以应对船舶线路不确定的问题外，还可以保证传输时间并减少传输代价。分别如下：

(1)本发明定义了多维社区，充分挖掘了船舶的社区属性，更客观的描述船舶之间的社交关系。与其他基于社交属性的路由方案相比，本方案专门针对船舶自组织网络，并且方案基于船舶长期稳定的社交关系，充分考虑船舶自组织网络独有特点；与其他探索社区属性的路由方案相比，本方案针对单一社区维度受某一主导因素的影响导致社区划分不合理、有效性不足，从多个维度对船舶社区属性进行挖掘，通过识别不同的社交范围，在不同的社交区域内发掘相应的社交活动，以时空与活动的组合来确保社交属性有效指导路由。

以二维社交关系为例，根据船舶在海外航行的行为划分了航行社区，根据船舶返港的特性定义了船舶港口社区，将船舶航行社区与船舶港口社区联合考虑，弥补了现有社区方案考虑单一社区因素的不足。例如：按照传统的方法只划分船舶的航行社区，在本发明的场景下，则无法确定目标港口中的船所在的航行社区，会给社区间的路由造成障碍。

(2)本发明提出一个新的路由算法，路由算法通过上述提到的船舶多维社区属性实现快速的数据传输，极大的提高了船舶数据传输的性能。本发明的路由算法在对社区属性充分挖掘的基础上，还考虑船舶在传输数据包时所需时间的因素，因此船舶传递的数据包单个价值极高。与其他路由算法相比，该方案不仅可以通过社区属性保证高标准的数据传递成功率还极大的缩短了数据包传输的时间，保证了数据的时效性。

(3)本发明在保证数据时效性的前提下增加了数据传输成功率，并减少了数据传输的代价，即本发明极大地降低了路由算法的成本，实现了与基于泛洪路由相当的性能。该方案的设计与实施是基于真实收集的船舶轨迹数据，通过分析船舶长期稳定的、规律性的航行行为，挖掘出在船舶轨迹中蕴含的船舶之间具有的长期稳定的、规律性的社交属性，因此方案稳定并且时效性长，将船舶的社交属性引入到路由方案中，更能反映船舶长期稳定的路由关系，降低了维护网络拓扑的成本。同时本发明也不需要对原有的船舶基础设施进行改造，节省路由成本。

(4)本发明基于分布式进行设计，鲁棒性强。与统一调度的路由方案不同，本方案以分布式的设计思路极大的克服了集中式路由策略稳定性、适应性差的缺点，能够很好的应对海洋复杂多变的环境与不固定的船舶航行路线的情况。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1的基于二维社区的船舶社交关系图；

图2为本发明实施例1的同一港口簇内部的船舶社交关系图；

图3为本发明实施例2的船舶自组织网络中基于多维社区的路由算法的流程图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步的说明。

实施例1

本实施例提供一种船舶自组织网络中基于多维社区的路由算法，包括两部分，第一部分是：基于船舶社交属性的多维社区划分算法，通过船舶真实轨迹定义多维社区，描述船舶之间的社交关系。

第二部分是：船舶自组织网络的分布式数据传递路由算法，根据第一部分所述船舶的多维社区的情况，量化船舶更快到达目标港口的能力，实现快速的数据传输。

下面分别详细介绍：

基于船舶社交属性的多维社区划分算法，包括以下步骤：

S11，社交属性的发现：

设计港口发现算法，利用船舶的社交属性，确定现有轨迹所形成的港口的位置。

船舶在航行的过程中，类似于人类社会的行为，存在一个长期稳定的关系，将这类行为称为船舶的社交属性。由于船舶社交属性在长期内是长期稳定的，这种关系反过来能反应船舶的航行行为，可以用来指导船舶的路由方案设计。这类关系可以通过数据挖掘、数理统计等方法进行探究。

如利用船舶在港口附近的行为特征，如航行速度，停止时间等社交属性，确定现有轨迹所形成的港口的位置。通过观察船舶轨迹在地图上的特征，发现在港口处的船舶轨迹记录相对密集，并且在港口处的船舶的航行速度趋近于0海里。根据以上特征，对海岸线附近的具有以上特征的点，判断是否为港口，称为港口发现算法。

S12，粗粒度的港口社区划分：

步骤S11的港口发现算法探究出的港口有若干个，数量较多，很多港口的位置较为接近。当数据到达港口后，数据的传递完全可以凭借岸边基站的蜂窝网络等。因此，为了减少后期的计算代价，将N个小港口，按照岸边基站的通信半径作为K-means算法的判定距离，进行港口聚簇，形成M(M<N)个港口簇。

S13，基于船舶的不同社交属性，进行多维度社区的划分：

如船舶在近海处的航行行为受港口因素影响比较大，船舶在一定的时间内，去往港口的次数可以反应该船与港口的关系，船舶返回港口的次数越多，因此，根据船舶与港口在一定时间内的相遇次数，进行船舶港口社区的划分，对于某一条船所属港口社区定义为该船与某一个港口的相遇次数在所有相遇港口中次数最多；如船舶航行社区的形成主要依赖于船舶在海外航行时船舶与船舶的相遇次数，两艘船在航行的过程中，进入到彼此的通信半径范围内，并在一段时间内伴随航行，称为一次船舶的相遇。通过统计所有船舶之间相遇的次数，来定义两艘船舶之间的权。依据上述关系，利用现有的社区划分算法，如Infomap，将在海外航行的船划分为不同的社区。

船舶自组织网络的分布式数据传递路由算法，包括以下步骤：

S21，识别船舶社交区域，并找到多个维度上每个社交区域内的社区形成主导因素。

以二维社区属性为例：根据岸基的最大通信范围，以距离海岸线若干海里为划分界限，将海洋划分为两部分。靠近陆地的一侧社区的划分受港口停靠因素影响较大，远离陆地的一侧船舶社区的形成受船舶航行行为的影响较大。

S22，根据不同维度社区的主导社交因素求得数据包下一跳的船舶中继。在相同维度的船舶社区内选取更快到达目标社区的船舶；进一步地，在跨社交区域的情况下，量化船舶跨社区的连通性，选择连通不同维度社区的连通性更高的船舶。

如将船舶、港口簇抽象为关系图中的结点，依靠步骤S21中的社交区域划分，将船舶的二维社区属性构建船舶社交关系图，如图1所示的是一种基于二维社区的船舶社交关系图，展示了船舶自组织网络的通信原理，将船舶根据在不同空间范围内依据不同的行为划分成不同维度的社区，根据船舶返回哪个港口社区的属性，将船舶结点聚簇，根据船舶远洋捕鱼为因素建边连接不同的船舶，边的多少体现出不同港口社区间的联系程度。图2展示的是同一港口簇内部的船舶社交关系图，同属一个港口内部的结点以两结点平均相遇周期为权重，如果是船舶与港口结点就表示船舶的平均返港周期。

结合图1、图2，以两个维度划分船舶社区为例详细说明其过程：

首先，构建船载平台，构建船舶社交关系图。其中，将船舶、港口簇抽象为关系图中的结点，依靠多维社区划分算法从船舶返港、船舶远洋作业相遇情况将所有船舶划分为两个维度社区，即港口社区、航行社区。根据船舶的航行社区关系，将同属一个航行社区的船舶结点连接；根据船舶的港口社区关系，将同属一个港口社区的船舶结点与港口结点聚簇。在结点簇内部，结点之间以船舶平均返港周期为权重，从而构建船舶社交关系图。

其次，根据船舶社交关系图量化社区维度。根据邻居表中的邻居船舶的社区属性，船载计算平台计算每个邻居船舶可以将数据快速传递到目标港口的能力

具体计算式如(1)所示：

其中，

表示船a通过船b到达目标港口簇的能力。在社交关系图中，用从a经过b结点到达目标港口社区的最短路径数目量化该能力。

表示在目标港口社区中的船舶返回目标港口的快慢。在社交关系图中，用平均返港周期作为结点之间的边权重，

取值为当前结点到港口节点的最大路径积。

S23，船舶航行图中维护并更新邻居表，依据邻居表中船舶的社区信息量化传输能力。

船舶在航行过程中通过在通信范围内发送探测帧来确认邻居船舶。每条船舶维护一个动态邻居表，包括当前时刻船舶周围所有的邻居船舶；船舶在通信范围内发送探测帧来确认邻居船舶并向邻居船舶发送本条船舶的社区信息；当有新的邻居船舶到达通信范围内时，在邻居表中更新邻居船舶的信息。

S24，船舶每隔一段时间更新一次邻居表，并更新邻居表内的船舶传输数据的能力值。

S25，数据携带船开始判断是否转发程序。

数据携带船的邻居表没有新增邻居船舶的时候不进行任何过程；数据携带船在遇到新增邻居船舶的时候，开始判断是否转发程序。

船舶判断是否转发的过程为：首先在邻居表中检查所有邻居船的快速传输能力，选择到目标港口传输能力值最大的船舶作为备选船舶。将该备选船的传输到目标港口能力值与历史转发过的传输能力值作比较，如果备选船舶传输能力值大于记录的历史转发最大值，则转发，否则不转发。

实施例2

基于实施例1记载的船舶自组织网络中基于多维社区的路由算法，本实施例结合图2所示，说明一下基于多维社区社交属性的船舶自组织网络路由算法的流程。

首先，识别不同区域内船舶的主要社交属性(即社交属性发现)，选取合理的社交范围划分并识别对应社交范围内的主要社交活动。

然后，根据社交属性对于船舶进行多维社区划分。

最后，基于船舶多维社区的划分结果，应用路由策略选取中继船舶，直到数据包传递到目标港口。此处的路由策略可参考实施例1记载的船舶自组织网络的分布式数据收集路由算法的内容，此处不再赘述。

综上所述，本发明基于船舶历史轨迹记录进行船舶航行行为分析，定义了多维社区，充分挖掘了船舶的社区属性，更客观的描述船舶之间的社交关系。本发明提出一个新的路由算法，通过上述提到的船舶多维社区属性实现快速的数据传输，极大的提高了船舶数据传输的性能。本发明在保证数据时效性的前提下增加了数据传输成功率，并减少了数据传输的代价，是一种远洋船舶向岸基转发数据的路由算法。

本发明说明书的各个实施例之间相同或相似部分互相参见即可，每个实施例重点说明的是与其他实施例不同之处。并且，***实施例的结构仅仅是示意性的，其中所述可分离部件说明的程序模块可以是或不是物理上分开的，实际应用时，可根据需要选择部分或全部模块实现本实施例方案的目的。

当然，上述说明并非是对本发明的限制，本发明也并不限于上述举例，本技术领域的普通技术人员，在本发明的实质范围内，做出的变化、改型、添加或替换，都应属于本发明的保护范围。

Claims (6)

1.船舶自组织网络中基于多维社区的路由算法，其特征在于，包括两部分：基于船舶社交属性的多维社区划分算法，通过船舶真实轨迹定义多维社区，描述船舶之间的社交关系；和船舶自组织网络的分布式数据传递路由算法，根据船舶所属多维社区情况，量化船舶更快到达目标港口的能力，实现快速的数据传输。

2.根据权利要求1所述的船舶自组织网络中基于多维社区的路由算法，其特征在于，所述的基于船舶社交属性的多维社区划分算法，包括以下步骤：

S11，社交属性的发现：

设计港口发现算法，利用船舶的社交属性，确定现有轨迹所形成的港口的位置；

S12，粗粒度的港口社区划分：

步骤S11的港口发现算法探究出的港口有N个小港口，按照岸边基站的通信半径作为K-means算法的判定距离，进行港口聚簇，形成M个港口簇，M<N；

S13，基于船舶的不同社交属性，进行多维度社区的划分：

根据船舶与港口在一定时间内的相遇次数，进行船舶港口社区的划分，对于某一条船所属港口社区定义为该船与某一个港口的相遇次数在所有相遇港口中次数最多；

船舶航行社区定义为两艘船在航行的过程中，进入到彼此的通信半径范围内，并在一段时间内伴随航行，称为一次船舶的相遇；通过统计所有船舶之间相遇的次数，来定义两艘船舶之间的权；依据上述关系，利用社区划分算法，将在海外航行的船划分为不同的航行社区。

3.根据权利要求2所述的船舶自组织网络中基于多维社区的路由算法，其特征在于，所述的船舶自组织网络的分布式数据传递路由算法，包括以下步骤：

S21，识别船舶社交区域，并找到多个维度上每个社交区域内的社区形成主导因素；

S22，根据不同维度社区的主导社交因素求得数据包下一跳的船舶中继；

在相同维度的船舶社区内选取更快到达目标社区的船舶；在跨社交区域的情况下，量化船舶跨社区的连通性，选择连通不同维度社区的连通性更高的船舶；

S23，船舶航行图中维护并更新邻居表，依据邻居表中船舶的社区信息量化传输能力；

S24，船舶每隔一段时间更新一次邻居表，并更新邻居表内的船舶传输数据的能力值；

S25，数据携带船开始判断是否转发程序。

4.根据权利要求3所述的船舶自组织网络中基于多维社区的路由算法，其特征在于，步骤S22中，依靠步骤S21中的社交区域划分为两个维度社区时，具体方法是：

首先，构建船舶社交关系图：其中，将船舶、港口簇抽象为关系图中的结点，依靠多维社区划分算法从船舶返港、船舶远洋作业相遇情况将所有船舶划分为两个维度社区，分别是港口社区、航行社区；根据船舶的航行社区关系，将同属一个航行社区的船舶结点连接；根据船舶的港口社区关系，将同属一个港口社区的船舶结点与港口结点聚簇；在结点簇内部，结点之间以船舶平均返港周期为权重，从而构建船舶社交关系图；

其次，根据船舶社交关系图量化社区维度：根据邻居表中的邻居船舶的社区属性，船载计算平台计算每个邻居船舶可以将数据快速传递到目标港口的能力

具体计算式如(1)所示：

其中，

表示船a通过船b到达目标港口簇的能力；在社交关系图中，用从a经过b结点到达目标港口社区的最短路径数目量化该能力；

表示在目标港口社区中的船舶返回目标港口的快慢；在社交关系图中，用平均返港周期作为结点之间的边权重，

取值为当前结点到港口节点的最大路径积。

5.根据权利要求4所述的船舶自组织网络中基于多维社区的路由算法，其特征在于，步骤S23中，每条船舶维护一个动态邻居表，包括当前时刻船舶周围所有的邻居船舶；船舶在通信范围内发送探测帧来确认邻居船舶并向邻居船舶发送本条船舶的社区信息；当有新的邻居船舶到达通信范围内时，在邻居表中更新邻居船舶的信息。

6.根据权利要求4所述的船舶自组织网络中基于多维社区的路由算法，其特征在于，步骤S25中，数据携带船的邻居表没有新增邻居船舶的时候不进行任何过程；数据携带船在遇到新增邻居船舶的时候，开始判断是否转发程序；

船舶判断是否转发的过程为：首先在邻居表中检查所有邻居船的快速传输能力，选择到目标港口传输能力值最大的船舶作为备选船舶；将该备选船舶的传输到目标港口能力值与历史转发过的传输能力值作比较，如果备选船舶传输能力值大于记录的历史转发最大值，则转发，否则不转发。

Images