基于SDN的数据中心多路径负载均衡算法

为避免两点间某条链路失效而导致的网络拥塞问题,数据中心网络常采用具有多路径特性的胖树拓扑结构,传统路由算法通常只为收发端选择一条路径作为最终路径,没有考虑胖树拓扑的特性,容易造成数据中心网络中链路资源的巨大浪费.基于此,提出一种基于SDN的数据中心多路径负载均衡算法.该算法首先要获取数据中心的全局网络拓扑、链路带宽和时延信息;然后通过寻路算法计算出可用的转发路径;再根据获取的链路带宽及时延信息对可用转发路径进行链路权重评估;最后确定出最佳转发路径.仿真实验结果表明,多路径负载均衡算法在减少平均时延和丢包率方面均优于传统路由算法,能够实现有效的多路径负载均衡.     

基于生存时间的映射缓存建模与仿真分析

映射缓存在身份与位置分离网络中用于暂时存储通信对端的身份标识与位置标识的映射关系,以减少映射查询时延,提高网络性能.本文对基于生存时间（Time-To-Live,TTL）的映射缓存的命中概率进行了数学建模.该解析模型得到的缓存命中概率,可以作为数据包到达间隔分布的函数进行计算.通过仿真分析对数据包到达间隔的分布进行数据拟合,得到其累积概率分布,并验证了所建模型的正确性.进一步仿真评估了映射缓存的性能.     

一种单播网络拓扑推断方法

现有的基于三元分组列车的网络拓扑推断方法,仅依据单一参数(时延或时延抖动)进行网络拓扑的推测,其推断准确度受到网络负载的影响,在网络负载较重时不能准确推断出网络拓扑.针对上述的问题,提出一种基于三元分组列车测量拓扑结构的方法,利用叶节点的层析信息将叶节点进行聚类,依据时延抖动和丢包率两个参数计算节点间的相关性,由底向上构造网络拓扑树.经过NS2仿真环境下实验验证,该方法有效减少了探测包的发送量,提高了推断的准确度,且网络负载对推断准确性影响较小.     

复合可重构Ad Hoc网络

随着众多无线通信网络标准的不断涌现,如何解决不同Ad Hoc网络之间互操作性差这一问题逐渐引起了各界的重视,此方面现有研究成果大都集中在重新设计MAC层协议或是链路选择协议上.本文提出了一种新的Ad Hoc网络结构,并解释了这一网络结构所采用的分簇算法、利用可重构终端实现优选物理链路的实现方案,用于解决互操作性差的网桥机制.针对这种全新的网络结构,文中还给出了基于Matlab的仿真平台的实现方法.仿真结果显示,这一新的网络结构可以在小幅增加网络平均时延的代价下提高全网络的数据包投递率.     

基于目标匹配的道路网增量信息的识别和提取

道路网增量信息的识别和提取方法直接影响地图数据更新的质量,其中提取的阈值是关键。通过面积叠置率结合最大类间方差法计算阈值,实验结果说明该方法有很好的数据针对性,对增量信息提取效果比较好,且算法简单容易实现。     

轨道交通中异构智融车载网络发展综述

从蜂窝无线接入技术、非蜂窝无线接入技术、异构智融车载网络接入技术三方面，分析了国内外轨道交通车载网络的研究现状；针对非蜂窝无线接入技术和蜂窝无线接入技术的问题，阐述了协同利用轨道交通周边异构无线资源进行网络融合、协同通信的优越性；从网络模型、网络架构两方面论述了异构智融车载网络的融合方案；结合智能轨道交通业务需求，从可靠性和资源利用率两方面对现有的异构智融车载网络研究进行了系统性的归类梳理；从人工智能、安全性和云边结合三方面提出未来异构智融车载网络的发展趋势。研究结果表明:异构智融车载网络可靠性分为网络架构的可靠性和数据传输的可靠性，其中在网络架构可靠性方面，主要研究了通过冗余网络架构、车云传输架构、软件定义网络构架和智慧协同网络架构4种方式提升可靠性，在数据传输可靠性方面，主要研究了通过多路径传输、网络编码和切换算法降低传输过程中的丢包率；异构智融车载网络资源利用率分为无线接入的资源利用率和链路调度的资源利用率，其中在无线接入资源利用率方面，主要通过信道状态预测、频谱划分、频移补偿3种方式增加网络吞吐量，提高资源利用率，在链路调度的资源利用率方面，主要通过调度算法、接收缓存算法和拥塞控制算法来减少异构链路对数据传输的影响，降低数据重传次数，提高网络资源利用率。      

智能交通系统中故障精确定位方法研究

针对目前智能交通运维系统中故障诊断误报率高,人工排查工作量大的问题,提出了一种基于双层链路的故障精确定位方法。根据设备历史数据采集频率特征,自动计算时间间隔阈值,并判断是否已超过故障阈值,超过后启动故障诊断程序。通过开辟针对网络链路与数据链路的监测线程,对硬件及软件接口进行多维度诊断处理,实现智能交通系统中故障状态的精准定位。该方法已在智能交通运维项目中应用,结果表明该方法精度高、误报率低、人工参与少,满足应用要求。     

列车轴温监测数据软测量方法

为解决监测数据缺失导致的轴温监测系统误诊和漏诊率较高的问题, 提出了一种基于数据特征分析的轴温监测数据软测量方法; 通过轴温监测点的布局与相关性分析, 确定了监测数据软测量的源数据范围; 采用自组织特征映射算法, 通过对源数据归一化、优胜区域定义与隶属度优化, 实现了轴温数据本征维数确定与数据聚类; 引入多维尺度分析方法, 通过数据间距的相似性量化与距离矩阵特征值分解, 实现了轴温数据的类内降维; 采用多维尺度分析方法对类间降维数据再次降维, 提出了一种分步式降维方法, 构建了信息量最大化与计算量最小化的平衡策略; 采用深度学习栈式自编码器方法提取类间降维数据的内部特征, 构建了缺失轴温数据的软测量模型。研究结果表明: 基于降维数据的软测量方法的时间效率比基于原始数据的软测量方法高14.25%;2种方法的精度相当, 当一维数据缺失时, 数据软测量的平均精度可达99.83%;当二维数据缺失时, 平均精度可达99.75%;当三或四维数据缺失时, 平均精度均可达99.16%;在满足最大允许误差2.5%、误差容忍度1.0%条件的情况下, 针对任意缺失维度不高于四维的情况, 提出的方法可有效地实现高精度与高效率的缺失数据恢复。      

基于QoS升降级的无线单播多播混合带宽资源分配方法

在单播与多播混合服务的OFDM蜂窝系统中,因负载较重而使带宽资源被完全占用时,为接纳更多的多播用户,在单播多媒体用户可接受的范围内提出：基于信道容量平滑的QoS升降级带宽借用方法.通过建立QoS升降级的子载波借用模型和CUpDown-QoS算法,达到最大化多播用户数和减小多播切换呼叫中断率;提出了GoS保证下,限制新呼叫的动态带宽借用阈值,给出基于Markov模型的CBP（Call Blocking Probability）与HDP（Handoff Dropping Probability）最优折中的阈值确定方法,以及多播优先的动态带宽借用策略对阈值确定的影响.     

社区居民适宜步行距离阈值研究

为研究社区居民适宜步行距离阈值,在上海市进行小区内RP(Revealed Preference)调查,通过询问居民前往某处目的地的出行方式,实际测量居民住处到目的地的距离,得出步行距离;然后在虹桥火车站进行可接受步行时间的调查。综合步行距离和步行时间的数据,结合偏态分布与距离衰变方程的分析方法,得出适宜步行距离与步行使用率的关系式,并通过计算得到了距离阈值。结果表明,由可接受步行时间调查计算得到的极限步行距离阈值为1500m,适用于城市规划的整体设计阶段;由步行距离调查数据计算得到的极限步行距离阈值为950m,可用于具体功能区的选址及交通衔接方式的选取;选取步行累计使用率为10%时对应的步行距离787m为适宜步行的距离阈值。