任麗麗，張 旭

(1.蚌埠醫(yī)學(xué)院 公共課程部，安徽 蚌埠 233030; 2.安慶師范大學(xué)數(shù)學(xué)與計算科學(xué)學(xué)院，安徽 安慶 246133)

移動醫(yī)療大數(shù)據(jù)平臺下基于社交網(wǎng)絡(luò)中節(jié)點社會效用和可靠性的數(shù)據(jù)轉(zhuǎn)發(fā)算法

任麗麗1，張 旭2

(1.蚌埠醫(yī)學(xué)院 公共課程部，安徽 蚌埠 233030; 2.安慶師范大學(xué)數(shù)學(xué)與計算科學(xué)學(xué)院，安徽 安慶 246133)

移動醫(yī)療社交網(wǎng)絡(luò)現(xiàn)如今已成為無線通信領(lǐng)域的一個熱點問題。特別是在有限的網(wǎng)絡(luò)資源與大量醫(yī)療數(shù)據(jù)信息等待傳輸?shù)谋尘跋?，對移動醫(yī)療社交網(wǎng)絡(luò)中高效的數(shù)據(jù)轉(zhuǎn)發(fā)算法的研究顯得尤為重要。通過分析移動醫(yī)療社交網(wǎng)絡(luò)中節(jié)點的移動規(guī)律和屬性，提出了一種基于節(jié)點社會效用和可靠性的數(shù)據(jù)轉(zhuǎn)發(fā)算法。該算法在節(jié)點社會效用和可靠性定義的基礎(chǔ)上，通過分析所遇節(jié)點與目的社區(qū)的關(guān)系，選擇合適的中繼節(jié)點進(jìn)行數(shù)據(jù)的轉(zhuǎn)發(fā)。最后利用計算機進(jìn)行實驗仿真，實驗結(jié)果表明轉(zhuǎn)發(fā)算法與Epidemic和Label算法相比，能夠明顯降低網(wǎng)絡(luò)中的數(shù)據(jù)包副本數(shù)并且傳遞率優(yōu)于Label算法。

移動醫(yī)療；社交網(wǎng)絡(luò)；社區(qū)；社會效用；容遲網(wǎng)絡(luò)

傳統(tǒng)的ad hoc互聯(lián)網(wǎng)具有端到端的持續(xù)連接，較低的丟包率和較低的傳輸時延等特點。然而，在實際的無線通信網(wǎng)絡(luò)中往往卻不具備以上特點。為了解決以上問題而引起了一些通訊問題。容遲網(wǎng)絡(luò)DTNs(Delay Tolerant Networks)[1]作為一種新的網(wǎng)絡(luò)體系結(jié)構(gòu)而產(chǎn)生。該網(wǎng)絡(luò)采取的是“存儲-攜帶-轉(zhuǎn)發(fā)”的通信模式，并且廣泛地應(yīng)用于空間通信、移動車載網(wǎng)絡(luò)和社交網(wǎng)絡(luò)[2]等。社交網(wǎng)絡(luò)(Social Networks)主要是描述人與人之間的關(guān)系模式。近年來，該網(wǎng)絡(luò)隨著QQ、博客和E-mail的快速發(fā)展也隨之引起學(xué)者的關(guān)注。

移動醫(yī)療[3，4]是移動通信技術(shù)與醫(yī)療衛(wèi)生相結(jié)合的產(chǎn)物。在醫(yī)療實踐中使用智能手機或平板電腦等設(shè)備下載與醫(yī)療有關(guān)的應(yīng)用軟件(應(yīng)用程序)，通過移動網(wǎng)絡(luò)在醫(yī)患之間傳遞信息，改善他們之間的溝通和交流。該應(yīng)用不僅能夠降低醫(yī)療服務(wù)成本，也方便了患者的就醫(yī)途徑。目前我國的人口已經(jīng)超過14億，在醫(yī)療資源緊缺和分布不均勻的情況下，一些大城市中的高規(guī)格醫(yī)院每年都保持著幾百萬人次的門診接待量，產(chǎn)生的醫(yī)療信息數(shù)據(jù)無疑成為一種巨型資料，大數(shù)據(jù)。它的出現(xiàn)需要在有限的網(wǎng)絡(luò)資源條件下，結(jié)合移動醫(yī)療提出高效的數(shù)據(jù)轉(zhuǎn)發(fā)機制來處理這些海量和多樣化的信息資產(chǎn)。

1 相關(guān)工作

3G，4G移動互聯(lián)網(wǎng)技術(shù)的成熟使得移動醫(yī)療在衛(wèi)生領(lǐng)域得到廣泛的應(yīng)用和認(rèn)可。該技術(shù)成果也為社交網(wǎng)絡(luò)中海量信息的研究和應(yīng)用提供了可能。

Epidemic[5]路由算法中信息的傳播方式與生物環(huán)境中病毒的傳染方式類似，源節(jié)點將消息復(fù)制給任何一個與之相遇且沒有消息的節(jié)點，該算法優(yōu)點是傳遞率較高，缺點是增加網(wǎng)絡(luò)副本數(shù)。Greedy Total算法[6]的主要思想是攜帶消息的節(jié)點遇到網(wǎng)絡(luò)中任一節(jié)點，如果該節(jié)點與所有節(jié)點的總接觸次數(shù)大于攜帶消息節(jié)點與所有節(jié)點的總接觸次數(shù)時，就轉(zhuǎn)發(fā)消息。Label算法[7]針對的是同一社區(qū)節(jié)點間的關(guān)系，源節(jié)點只將包傳遞給那些與目的節(jié)點在同一社區(qū)的節(jié)點，提高了傳遞率。DFCT算法[8]綜合考慮了網(wǎng)絡(luò)節(jié)點與目的節(jié)點的累積性能和瞬態(tài)情況，進(jìn)而選擇更優(yōu)的中繼節(jié)點，有效提高了網(wǎng)絡(luò)的性能。關(guān)培源等人[9]針對醫(yī)療過程中產(chǎn)生的海量數(shù)據(jù)與有限的網(wǎng)絡(luò)資源的矛盾，通過分析機會網(wǎng)絡(luò)中的信息發(fā)送、接收過程，建立了減少能量有效性數(shù)據(jù)傳輸路由算法，該算法能明顯降低網(wǎng)絡(luò)傳輸?shù)哪芰肯?。雒續(xù)源[10]等人通過分析移動醫(yī)療大數(shù)據(jù)背景下，機會網(wǎng)絡(luò)中節(jié)點傳遞信息方式特點，利用最優(yōu)匹配方式選擇最優(yōu)的鄰接節(jié)點作為下一跳節(jié)點，提出的DOM算法與經(jīng)典算法相比能顯著提高傳遞率。

通過對相關(guān)文獻(xiàn)的分析與調(diào)研發(fā)現(xiàn)，在移動醫(yī)療大數(shù)據(jù)背景下，對社交網(wǎng)絡(luò)中基于節(jié)點的社會屬性考慮很少。因此，從移動醫(yī)療社交網(wǎng)絡(luò)中節(jié)點的移動規(guī)律和屬性出發(fā)，提出了一種基于節(jié)點社會效用和可靠性的數(shù)據(jù)轉(zhuǎn)發(fā)算法(A New Data Forwarding Algorithm based on Node Social Utility and Reliability in Social Networks，SRSU)。該算法通過分析所遇節(jié)點與目的社區(qū)的關(guān)系，選擇合適的中繼節(jié)點進(jìn)行數(shù)據(jù)的轉(zhuǎn)發(fā)，以此解決有限的網(wǎng)絡(luò)資源與大量數(shù)據(jù)傳輸時的矛盾，提高網(wǎng)絡(luò)性能。

2 網(wǎng)絡(luò)模型

移動設(shè)備的快速發(fā)展和激烈的市場競爭，如今每人都至少配備一部手機。假設(shè)每個節(jié)點都攜帶一個無線傳感器(如手機)在移動社交網(wǎng)絡(luò)中移動。由于每個節(jié)點的身體狀況和喜好的不同，他們經(jīng)常穿梭于不同的區(qū)域，無形中由相同屬性的節(jié)點在相同的時間經(jīng)常固定于某些特定的區(qū)域，即社區(qū)。通常處于相同社區(qū)的節(jié)點，交流次數(shù)比較頻繁，有利于消息的傳遞。比如醫(yī)生A是心腦血管疾病(慢性病)的知名專家，醫(yī)生A在每周一和周三上午出診，則大部分患者都會在周一和周三上午集中在醫(yī)生A辦公室周圍，就會形成一種無形的社區(qū)。在看病之前，患者可以相互交流病情及各自的治療方法等等。

將時間T分成若干等長時間段，在時段t的社會網(wǎng)絡(luò)用C={c1,c2，…，cn}表示，其中ci(1≤i≤n)代表第i個社區(qū)。如圖1表示的就是在某時刻社會網(wǎng)絡(luò)分布狀態(tài)。由圖觀察可知，節(jié)點j屬于c3社區(qū)，節(jié)點i同屬于c1和c2社區(qū)。

圖1 某時刻社會網(wǎng)絡(luò)分布狀態(tài)

定義1(節(jié)點社會可靠性)節(jié)點i的社會可靠性S(i)是指節(jié)點所屬社區(qū)所含節(jié)點個數(shù)的總和。

用公式表達(dá)如下：

(1)

式中，變量xi,j表示當(dāng)節(jié)點i屬于社區(qū)j時，則xi,j=1，否則xi,j=0；變量δi,j表示當(dāng)節(jié)點i與社區(qū)j聯(lián)系的次數(shù)ni,j大于等于一個閥值δ時表示節(jié)點i屬于社區(qū)cj，記δi,j=1，否則δi,j=0。根據(jù)上述定義可知，在圖1中，c1社區(qū)有4個節(jié)點， c2社區(qū)有2個節(jié)點，c3社區(qū)有3個節(jié)點，則節(jié)點i的可靠性為6，節(jié)點j的可靠性為3。節(jié)點i比節(jié)點j具有較好的轉(zhuǎn)發(fā)能力。

假設(shè)所有的節(jié)點都有一個ID，用來區(qū)分其他節(jié)點。當(dāng)兩個節(jié)點相遇時，彼此交互自己的ID，如果發(fā)現(xiàn)對方就是自己所要尋找的目的節(jié)點，則記錄一次與目的節(jié)點相遇次數(shù)，用U(i)來表示，以此來反映與目的節(jié)點見面的頻數(shù)。U(i)越大反映節(jié)點i與目的節(jié)點相遇的可能性就越大。下面給出節(jié)點的社會效用的定義。

定義2(節(jié)點的社會效用)節(jié)點的社會效用U(i)是指節(jié)點i與目的節(jié)點累積碰面的次數(shù)。用公式表示如下

U(i)=U(i)+1

(2)

式中，U(i)反映了節(jié)點i與目的節(jié)點相遇的可能性。

3 基于節(jié)點社會可靠性和社會效用的數(shù)據(jù)轉(zhuǎn)發(fā)算法

給出基于節(jié)點社會可靠性和社會效用的數(shù)據(jù)轉(zhuǎn)發(fā)算法(SRSU)。假設(shè)節(jié)點i攜帶源數(shù)據(jù)包pm，當(dāng)節(jié)點i遇到節(jié)點j時，具體步驟如下：

步驟1：如果節(jié)點j是數(shù)據(jù)包pm的目的節(jié)點，則節(jié)點i將數(shù)據(jù)包pm轉(zhuǎn)發(fā)給節(jié)點j,否則轉(zhuǎn)到步驟2；

步驟2：

步驟2.1：如果節(jié)點j與目的節(jié)點屬于相同社區(qū)并且U(j)>=U(i)，則將數(shù)據(jù)包pm傳給節(jié)點j；

步驟2.2：如果節(jié)點j與目的節(jié)點不屬于相同社區(qū)并且S(j)>=S(i)，則將數(shù)據(jù)包pm傳給節(jié)點j；

步驟2.3：結(jié)束。

上述算法主要表明當(dāng)節(jié)點i和節(jié)點j相遇，如果j節(jié)點就是目的節(jié)點，則將數(shù)據(jù)轉(zhuǎn)發(fā)給節(jié)點j。否則，接著判斷節(jié)點j和目的節(jié)點是不是屬于同一社區(qū)，如果是并且j節(jié)點的社會效用大于等于i的社會效用，則將數(shù)據(jù)轉(zhuǎn)發(fā)給節(jié)點j；如果不是同一目的社區(qū)，且j節(jié)點的社會可靠性大于等于i的社會可靠性，則將數(shù)據(jù)轉(zhuǎn)發(fā)給節(jié)點j，否則不轉(zhuǎn)發(fā)。該算法的主要目的是通過控制轉(zhuǎn)發(fā)條件，選擇合適的中繼節(jié)點進(jìn)行高效的消息傳遞。

4 實驗仿真結(jié)果及分析

針對提出的SRSU算法，與Epidemic算法和Label算法在移動社交網(wǎng)絡(luò)性能(傳遞率、平均延遲和拷貝數(shù)目)方面進(jìn)行差異分析。實驗環(huán)境是利用C++開發(fā)的模擬器，實驗結(jié)果都是運行100次結(jié)果的平均值。該實驗所采用的數(shù)據(jù)是Infocom 06[11],該數(shù)據(jù)含有98個節(jié)點(其中20個是AP)。

首先，將源節(jié)點的發(fā)包數(shù)目從100變化到350來研究三種算法對網(wǎng)絡(luò)性能的影響。由圖2(a)可以觀察到隨著發(fā)包數(shù)目的增加，三種算法的傳遞率都在逐漸的減少。其中，SRSU算法的傳遞率低于Epidemic算法，但高于Label算法。在圖2(b)中，可以發(fā)現(xiàn)SRSU算法在降低數(shù)據(jù)包的拷貝數(shù)目性能方面作用十分明顯，相比于Epidemic算法平均降低了29.98%，相比于Label算法平均降低了18.4%。在圖2(c)中觀察到，三種算法的平均延遲變化趨勢基本相同，雖然SRSU算法的平均延遲高于其他兩種算法，但總體上SRSU算法在明顯降低網(wǎng)絡(luò)數(shù)據(jù)包副本的同時也提高了數(shù)據(jù)的傳遞率。

圖2 發(fā)包數(shù)目對算法的影響

接著，將數(shù)據(jù)包的存在時間(Time-to-Live,TTL)從12小時變化到36個小時(數(shù)據(jù)包個數(shù)設(shè)置為100)，實驗結(jié)果如圖3所示。在圖3中，可以發(fā)現(xiàn)三種算法的傳遞率、拷貝數(shù)目和平均延遲均在TTL從12小時變化到18小時階段增長明顯而之后基本不變。這是因為當(dāng)TTL較小時，數(shù)據(jù)沒有足夠的時間傳遞到目的節(jié)點。但是隨著時間的增大，傳遞率、拷貝數(shù)目和平均延遲都在增加。而之后幾乎不發(fā)生改變的原因是大部分?jǐn)?shù)據(jù)包已成功地傳遞了目的節(jié)點，即使TTL增大也不會對網(wǎng)絡(luò)性能產(chǎn)生太大的影響。但是在圖3(a)中，還是可以明顯的觀察到，SRSU算法的傳遞率略低于Epidemic算法，高于Label算法。在圖3(b)中，SRSU算法的拷貝數(shù)目相比于Epidemic算法最高低了35.6%，相比于Label算法最高低了29.5%。而在圖3(c)中，SRSU算法的平均延遲略高于Epidemic算法和Label算法。

圖3 TTL的變化對算法的影響

5 結(jié) 語

針對移動醫(yī)療大數(shù)據(jù)背景下社交網(wǎng)絡(luò)節(jié)點的特點，提出了一種基于節(jié)點社會效用和可靠性的數(shù)據(jù)轉(zhuǎn)發(fā)算法，即SRSU算法。通過分析社交網(wǎng)絡(luò)中節(jié)點的社會屬性，提出了節(jié)點社會效用和可靠性的定義，以此來選擇合適的中繼節(jié)點進(jìn)行數(shù)據(jù)的轉(zhuǎn)發(fā)。最后利用計算機仿真實驗，通過與Epidemic和Label算法相比，SRSU算法能夠明顯降低網(wǎng)絡(luò)中的數(shù)據(jù)包副本數(shù)并且傳遞率優(yōu)于Label算法。

[1]Fall K.A delay-tolerant network architecture for challenged internets[C]//Proceedings of ACM SIGCOMM 2003.New York: ACM,2003:27-34.

[2]Scott J.Social networks:Critical concepts in sociology[J].Taylor & Francis,2002,4:416-432.

[3]劉 靜.移動社交網(wǎng)絡(luò)中基于馬爾科夫模型的信息搜索算法的研究[D].合肥：合肥工業(yè)大學(xué),2015.

[4]AHIMA.Mobile apps 101: A primer for Consumers[EB/OL].[2013-06-10].http://myphr.com/Stories/NewsStory.aspx?Id=596.

[5]黨 偉.醫(yī)療耗材庫存與采購控制管理[J].中國醫(yī)院管理,2011,31(9):93-94.

[6]Vahdat A,Becker D.Epidemic routing for partially connected ad hoc networks[R].San Diego：University of California,2000.

[7]Erramilli V,Chaintreau A,Crovella M,et al.Diversity of forwarding paths in pocket switched networks[C]//Proceedings of the 7th Acm Sigcomm Conference on Internet Measurement.ACM,2007:161-174.

[8]Silva B,Soares V,Proenca M,et al.Impact of content storage and retrieval mechanisms on the performance of vehicular delay-tolerant networks[C].In: Proc.International Conference on Telecommunications and Computer Networks,2010:407-411.

[9]Shen J.DFCT:A New Data Forwarding Algorithm Based on Cumulative Performance and Transient Performance in DTNs[J].Journal of Information & Computational Science,2015,12(2):563-572.

[10]關(guān)培源,陳志剛,王云華,等.基于移動醫(yī)療大數(shù)據(jù)平臺下降低能量消耗機會網(wǎng)絡(luò)的研究與應(yīng)用[J].計算機應(yīng)用研究,2015,32(12):3790-3793.

[11]雒續(xù)源,陳志剛,王云華，等.基于移動醫(yī)療大數(shù)據(jù)平臺下深度最優(yōu)匹配算法的機會網(wǎng)絡(luò)轉(zhuǎn)發(fā)機制[J].計算機工程與科學(xué),2015,37(10):1799-1805.

[12]SCOTT J,GASS R,CROWCROFT J,et al.CRAWDAD data set cambridge/haggle[EB/OL].[2009-05-29].http://crawdad.cs.dartmouth.edu.

(責(zé)任編輯 魏靜敏 校對 張 凱)

SRSU:New Data Forwarding Algorithm Based on Node Social Utility and Reliability in Social Networks on Mobile Medical Large Data Platform

REN Li-li1,ZHANG Xu2

(1.Department of fundamental course,Bengbu Medical College,Bengbu 233030;2.School of Mathematics and Computation Science,Anqing Normal University,Anqing 246133,Anhui Province)

Mobile medical social network now has become a hot issue in the field of wireless communications.Especially in the background of the limited network resources and a large number of medical data information waiting for transmission,it is important for the research of efficient data forwarding algorithm in mobile medical social networks.The paper analyzed the movement and properties of node in mobile medical social network and put forward a new data forwarding algorithm based on node social utility and reliability in social networks on mobile medical large data platform from the social attribute of the node.The algorithm analyzed the relation of encountered node and destination community,and then chose the appropriate relay node for data forwarding based on the definition of node social utility and reliability.Finally,the experimental results showed that our algorithm could obviously reduce the data packets replications of the networks compared with the existing Epidemic and Label algorithm and the delivery was better than that of Label by computer.

Mobile Medical; Social networks; Community; Social Utility; DTNs

2016-12-12

蚌埠醫(yī)學(xué)院自然科學(xué)基金(BYKY1661)；國家自然科學(xué)基金(61603003)

任麗麗(1988-)，女，安徽阜陽人，碩士。

10.13888/j.cnki.jsie(ns).2017.01.012

TP393

A

1673-1603(2017)01-0066-05