李繼蕊 李小勇 高雅麗 高云全 方濱興

目前，幾乎所有的智能設(shè)備和物體都嵌入了傳感器，這使得它們能夠?qū)崟r(shí)感知環(huán)境信息，如：汽車(chē)、可穿戴設(shè)備、筆記本、傳感器、工業(yè)和公用事業(yè)組件等智能設(shè)備都通過(guò)網(wǎng)中網(wǎng)相連，并且具有一定的可改變?nèi)藗児ぷ骱蛫蕵?lè)等各種生活方式的數(shù)據(jù)分析能力，使絕大多數(shù)人通過(guò)互聯(lián)網(wǎng)完成他們的需求或工作，甚至業(yè)務(wù)或交易。這一過(guò)程的實(shí)現(xiàn)，要求人們與連接上網(wǎng)絡(luò)的許多設(shè)備或物體進(jìn)行互動(dòng)或通信，由Gubbi等人提出的物聯(lián)網(wǎng)（internet of things，簡(jiǎn)稱(chēng)IoT）模式反映了整個(gè)世界當(dāng)前和未來(lái)的這種場(chǎng)景。而且，物聯(lián)網(wǎng)研究者們?cè)暶鳎旱?020年，物聯(lián)網(wǎng)將明顯地增長(zhǎng)至覆蓋我們生存環(huán)境中的所有物體，創(chuàng)建一個(gè)所謂的萬(wàn)聯(lián)網(wǎng)（internet of everything，簡(jiǎn)稱(chēng)IoE）。這種現(xiàn)象己經(jīng)激起一些關(guān)于物聯(lián)網(wǎng)的有趣應(yīng)用概念，比如智能家居或家庭、智能城市、環(huán)境監(jiān)測(cè)、智能醫(yī)療、食品溯源、國(guó)防軍事、智能交通和智能環(huán)境等，其中，幾乎所有概念的實(shí)際應(yīng)用場(chǎng)景都要求實(shí)時(shí)響應(yīng)或及時(shí)轉(zhuǎn)發(fā)數(shù)據(jù)給用戶(hù)，否則，數(shù)據(jù)就會(huì)失效，服務(wù)會(huì)產(chǎn)生中斷，用戶(hù)體驗(yàn)質(zhì)量下降。因此，數(shù)據(jù)轉(zhuǎn)發(fā)性能的提高，是實(shí)現(xiàn)物聯(lián)網(wǎng)服務(wù)連續(xù)性的有力保障。

盡管過(guò)去許多領(lǐng)域的研究工作者已經(jīng)致力于提高物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)的性能，但因物聯(lián)網(wǎng)環(huán)境的復(fù)雜多變性，許多亟待解決的技術(shù)問(wèn)題依然存在。本文在介紹物聯(lián)網(wǎng)體系結(jié)構(gòu)和數(shù)據(jù)轉(zhuǎn)發(fā)關(guān)鍵性問(wèn)題的基礎(chǔ)上，分析了當(dāng)前一些典型的物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)應(yīng)用模型，包括近些年出現(xiàn)的新興技術(shù)或概念（比如5G網(wǎng)絡(luò)、D2D技術(shù)、命名數(shù)據(jù)網(wǎng)絡(luò)、軟件定義網(wǎng)絡(luò)、霧計(jì)算或移動(dòng)邊緣計(jì)算等）對(duì)物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)策略研究帶來(lái)的變化和影響，并在可靠性、擴(kuò)展性和魯棒性等方面進(jìn)行對(duì)比分析。最后，對(duì)物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)未來(lái)的研究趨勢(shì)進(jìn)行展望和總結(jié)。

1 物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)問(wèn)題

1.1 物聯(lián)網(wǎng)體系結(jié)構(gòu)

物聯(lián)網(wǎng)技術(shù)是以能夠提供靈活有效資源的云計(jì)算為根基的，它主要依靠感知層技術(shù)（如射頻識(shí)別、短距離無(wú)線通信、傳感器等）、網(wǎng)絡(luò)層技術(shù)（有線或無(wú)線接入方式）、業(yè)務(wù)及應(yīng)用層技術(shù)（信息發(fā)現(xiàn)、智能處理、中間件、分布式計(jì)算等）等按照協(xié)議約定將世界萬(wàn)物全部連入信息系統(tǒng)，達(dá)到縮小信息系統(tǒng)與物理世界距離的目的。分布式的物聯(lián)網(wǎng)設(shè)備產(chǎn)生的巨大數(shù)據(jù)業(yè)務(wù)可以通過(guò)互聯(lián)網(wǎng)被傳輸?shù)椒Q(chēng)為“智能大腦”的遠(yuǎn)程云來(lái)處理。

無(wú)線通信技術(shù)的發(fā)展，促使物聯(lián)網(wǎng)應(yīng)用模式變得更加豐富多彩。為了研究海洋生物或陸地野生動(dòng)物的生活習(xí)性，可以在它們身上裝備傳感器以便收集相關(guān)數(shù)據(jù)進(jìn)行分析；在商場(chǎng)、公園等人群密集的地方，可以借助人類(lèi)攜帶的手機(jī)等智能設(shè)備收集或轉(zhuǎn)發(fā)溫度、濕度、塵粒濃度等數(shù)據(jù)以便進(jìn)行PM2.5的監(jiān)測(cè)，為人類(lèi)提供戶(hù)外活動(dòng)的實(shí)時(shí)信息指導(dǎo)；為了便于人們出行，在城市交通網(wǎng)絡(luò)中安裝各種智能無(wú)線傳輸設(shè)備，能夠進(jìn)行實(shí)時(shí)路況監(jiān)測(cè)，實(shí)現(xiàn)安全、可靠的高效率智能交通運(yùn)輸。除此之外，對(duì)其他具有挑戰(zhàn)性的特殊領(lǐng)域（比如軍事等）應(yīng)用無(wú)線通信技術(shù)實(shí)現(xiàn)實(shí)時(shí)信息監(jiān)測(cè)也具有重大意義，這些情形充分展現(xiàn)了物聯(lián)網(wǎng)應(yīng)用的泛在性。文獻(xiàn)[7]將物聯(lián)網(wǎng)的網(wǎng)絡(luò)架構(gòu)、通信技術(shù)、數(shù)據(jù)融合、異構(gòu)網(wǎng)絡(luò)融合等8個(gè)方面歸結(jié)為其領(lǐng)域的主要研究?jī)?nèi)容，其中蘊(yùn)含著物聯(lián)網(wǎng)實(shí)現(xiàn)的整個(gè)過(guò)程，即：在物聯(lián)網(wǎng)應(yīng)用過(guò)程中，要遵循相關(guān)標(biāo)準(zhǔn)，在其網(wǎng)絡(luò)架構(gòu)的基礎(chǔ)上，通過(guò)智能設(shè)備感知并采集數(shù)據(jù)，利用通信技術(shù)傳遞信息數(shù)據(jù)，完成數(shù)據(jù)融合和異構(gòu)網(wǎng)絡(luò)融合的任務(wù)，為其應(yīng)用和開(kāi)發(fā)服務(wù)，并且整個(gè)過(guò)程要保障信息安全和保密。顯然，通過(guò)人或/和物互連實(shí)現(xiàn)信息共享，是物聯(lián)網(wǎng)應(yīng)用研究的核心。而信息共享的過(guò)程需要對(duì)數(shù)據(jù)進(jìn)行感知、轉(zhuǎn)發(fā)和處理等一系列操作，其中，數(shù)據(jù)轉(zhuǎn)發(fā)就是將各類(lèi)感知節(jié)點(diǎn)采集到的數(shù)據(jù)通過(guò)一跳或多跳的方法傳遞到網(wǎng)關(guān)或匯聚節(jié)點(diǎn)，實(shí)現(xiàn)物聯(lián)網(wǎng)信息及時(shí)處理的過(guò)程。多年來(lái)，眾多國(guó)內(nèi)外研究者致力于實(shí)現(xiàn)各種物聯(lián)網(wǎng)環(huán)境下高效節(jié)能的數(shù)據(jù)轉(zhuǎn)發(fā)，比如：針對(duì)低占空比的無(wú)線傳感網(wǎng)，文獻(xiàn)[8]提出了一種基于最優(yōu)前導(dǎo)碼（發(fā)送有用信號(hào)之前發(fā)送的一系列信號(hào)）長(zhǎng)度的輕量級(jí)數(shù)據(jù)轉(zhuǎn)發(fā)策略；文獻(xiàn)[9]針對(duì)機(jī)會(huì)水下傳感網(wǎng)提出一種數(shù)據(jù)傳播可控制的策略以提高轉(zhuǎn)發(fā)性能；基于本地活躍度和社會(huì)相似性，文獻(xiàn)[10]提出一個(gè)適用于移動(dòng)社交網(wǎng)絡(luò)的數(shù)據(jù)轉(zhuǎn)發(fā)策略；文獻(xiàn)[11]針對(duì)具有社區(qū)特征的車(chē)載網(wǎng)絡(luò)提出了一種考慮旅行信息的數(shù)據(jù)轉(zhuǎn)發(fā)策略；文獻(xiàn)[12-18]也是有關(guān)物聯(lián)網(wǎng)各種應(yīng)用服務(wù)下的數(shù)據(jù)轉(zhuǎn)發(fā)研究等等。由此可見(jiàn)，信息傳遞或數(shù)據(jù)轉(zhuǎn)發(fā)是物聯(lián)網(wǎng)應(yīng)用實(shí)現(xiàn)的一個(gè)至關(guān)重要的關(guān)鍵步驟。

1.2 物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)機(jī)制

物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)主要依靠網(wǎng)絡(luò)技術(shù)完成。在物聯(lián)網(wǎng)應(yīng)用的發(fā)展歷程及模式中，其網(wǎng)絡(luò)技術(shù)主要包括傳統(tǒng)無(wú)線傳感網(wǎng)絡(luò)和移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)兩種表現(xiàn)形式。傳統(tǒng)無(wú)線傳感網(wǎng)絡(luò)是物聯(lián)網(wǎng)概念早期的主要應(yīng)用方式，它屬于有意識(shí)主動(dòng)部署傳感網(wǎng)，目前在很多領(lǐng)域依然占據(jù)主導(dǎo)地位。傳統(tǒng)無(wú)線傳感網(wǎng)絡(luò)在絕大多數(shù)情況下是以固定網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為基礎(chǔ)、按實(shí)際需求添加部分動(dòng)態(tài)節(jié)點(diǎn)進(jìn)行各種相關(guān)研究的，其中，所有固定傳感器節(jié)點(diǎn)基本上是事先按隨機(jī)或有意撒播的方式部署，而動(dòng)態(tài)傳感器節(jié)點(diǎn)數(shù)目較少，僅起到輔助作用，可作為中間轉(zhuǎn)發(fā)媒介節(jié)點(diǎn)對(duì)固定節(jié)點(diǎn)收集的數(shù)據(jù)進(jìn)行二次收集，以達(dá)到整個(gè)無(wú)線傳感網(wǎng)絡(luò)節(jié)能的目的。這種情況下的數(shù)據(jù)轉(zhuǎn)發(fā)主要依靠轉(zhuǎn)發(fā)數(shù)據(jù)本身信息、節(jié)點(diǎn)實(shí)時(shí)狀態(tài)或事先設(shè)定好的轉(zhuǎn)發(fā)方式（如周期轉(zhuǎn)發(fā)、傳染病模式等）完成數(shù)據(jù)從傳感器收集節(jié)點(diǎn)經(jīng)系列中間傳輸節(jié)點(diǎn)（固定傳感器節(jié)點(diǎn)或移動(dòng)傳感器節(jié)點(diǎn)）以高速度、高質(zhì)量、低能耗為目標(biāo)傳送到sink節(jié)點(diǎn)，其網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的動(dòng)態(tài)性變化主要由節(jié)點(diǎn)有限能量的喪失引起，顯然，這種節(jié)點(diǎn)能量的不穩(wěn)定性很容易導(dǎo)致傳遞數(shù)據(jù)的丟失，引起收集數(shù)據(jù)的不完整性。再者，節(jié)點(diǎn)硬件節(jié)能技術(shù)又難以有實(shí)質(zhì)性的提升，這些都成為提高傳統(tǒng)無(wú)線傳感網(wǎng)絡(luò)數(shù)據(jù)轉(zhuǎn)發(fā)性能的主要障礙。

移動(dòng)智能設(shè)備的出現(xiàn)使物聯(lián)網(wǎng)的應(yīng)用模式發(fā)生了很大的變化，其數(shù)據(jù)轉(zhuǎn)發(fā)的機(jī)制研究也隨之有了進(jìn)一步的突破（http://vdisk.weibo.com/s/dGCJpMRG5imI）。思科公司曾預(yù)測(cè)：到2019年，連入互聯(lián)網(wǎng)的設(shè)備將每年產(chǎn)生507.5 ZB的數(shù)據(jù)量；歐洲委員會(huì)也曾提出：到2020年，將有500～1000億的智能設(shè)備接入互聯(lián)網(wǎng)。顯然，連網(wǎng)智能設(shè)備數(shù)量在急劇增長(zhǎng)，由其產(chǎn)生的數(shù)據(jù)流是高容積和高速度的。同時(shí)，通信技術(shù)的發(fā)展，促使如GPS、距離傳感器、攝像頭、陀螺儀等各種類(lèi)型的傳感器應(yīng)運(yùn)而生，集成傳感器的各種高性能移動(dòng)智能終端或便攜式智能設(shè)備具有越來(lái)越強(qiáng)的計(jì)算和通信能力，它們可以組成移動(dòng)感知機(jī)會(huì)網(wǎng)絡(luò)，也可以融入無(wú)線傳感網(wǎng)，充當(dāng)無(wú)線傳感網(wǎng)中的數(shù)據(jù)收集或傳遞節(jié)點(diǎn)，采用逐跳的方式完成數(shù)據(jù)傳輸，兩者構(gòu)成互補(bǔ)?！按鎯?chǔ)—攜帶—轉(zhuǎn)發(fā)”是移動(dòng)感知機(jī)會(huì)網(wǎng)絡(luò)節(jié)點(diǎn)的特點(diǎn)，它能滿(mǎn)足間歇式連網(wǎng)的需要，其拓?fù)浣Y(jié)構(gòu)具有隨上下文、時(shí)間和空間的動(dòng)態(tài)變化性。作為機(jī)會(huì)網(wǎng)絡(luò)節(jié)點(diǎn)的智能設(shè)備的移動(dòng)或部署與人類(lèi)行為特性密切相關(guān)，并且后者會(huì)對(duì)前者產(chǎn)生一定的影響，所以在移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)數(shù)據(jù)轉(zhuǎn)發(fā)研究中，其節(jié)點(diǎn)具有人性化特征，即，持有者或?qū)嵤┱叩脑S多特性或行為在數(shù)據(jù)轉(zhuǎn)發(fā)過(guò)程中將被考慮作為主要因素，這使得機(jī)會(huì)網(wǎng)絡(luò)數(shù)據(jù)轉(zhuǎn)發(fā)研究相對(duì)于傳統(tǒng)無(wú)線傳感網(wǎng)絡(luò)下的數(shù)據(jù)轉(zhuǎn)發(fā)研究更加貼近實(shí)際。雖然機(jī)會(huì)網(wǎng)絡(luò)的節(jié)點(diǎn)資源也是受限的，但其中很多節(jié)點(diǎn)的能量易于獲取，可再次循環(huán)利用，因此，可通過(guò)提高機(jī)會(huì)數(shù)據(jù)轉(zhuǎn)發(fā)性能為物聯(lián)網(wǎng)應(yīng)用服務(wù)連續(xù)性提供進(jìn)一步的可靠保障。目前，機(jī)會(huì)網(wǎng)絡(luò)數(shù)據(jù)轉(zhuǎn)發(fā)在各個(gè)領(lǐng)域均有廣泛的應(yīng)用研究，比如車(chē)載網(wǎng)絡(luò)、水下傳感網(wǎng)絡(luò)、社交網(wǎng)絡(luò)、無(wú)線體域網(wǎng)絡(luò)、路網(wǎng)等，其轉(zhuǎn)發(fā)機(jī)制常見(jiàn)的有基于編碼的、基礎(chǔ)設(shè)施幫助的、冗余或復(fù)制的、節(jié)點(diǎn)主動(dòng)運(yùn)動(dòng)的、效用的、節(jié)點(diǎn)間社會(huì)關(guān)系的等。

物聯(lián)網(wǎng)應(yīng)用在傳統(tǒng)無(wú)線傳感網(wǎng)的基礎(chǔ)上借助各種智能設(shè)備的傳感器感知一切事物信息，這種新模式改變了傳統(tǒng)無(wú)線傳感網(wǎng)的運(yùn)作方式，能夠降低其網(wǎng)絡(luò)部署成本，為非全連通網(wǎng)絡(luò)提供更多的數(shù)據(jù)傳輸機(jī)會(huì)，在很大程度上提高了數(shù)據(jù)收集和融合的性能，也為無(wú)線傳感網(wǎng)帶來(lái)新的機(jī)遇和挑戰(zhàn)，滿(mǎn)足隨處感知和泛在互聯(lián)的物聯(lián)網(wǎng)基本需求。顯然，高效率、低能耗的數(shù)據(jù)轉(zhuǎn)發(fā)是保障物聯(lián)網(wǎng)連續(xù)性服務(wù)的一個(gè)研究重點(diǎn)，值得深入探究。

1.3 挑戰(zhàn)性問(wèn)題

根據(jù)文獻(xiàn)[9，21]和其他相關(guān)研究成果，物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)的挑戰(zhàn)性問(wèn)題主要包括以下6個(gè)方面。

（1）能耗問(wèn)題

節(jié)點(diǎn)的電池具有很短的壽命，某些情況下，電池通常是難以替換的，并且太陽(yáng)能也難以利用，比如環(huán)境監(jiān)測(cè)、水下傳感網(wǎng)、視頻共享等。因此，數(shù)據(jù)轉(zhuǎn)發(fā)的目的之一就是要降低能耗。

（2）傳播時(shí)延

傳播時(shí)延指的是數(shù)據(jù)從源節(jié)點(diǎn)發(fā)出并傳輸?shù)侥繕?biāo)節(jié)點(diǎn)所耗費(fèi)的時(shí)間。電磁波和光波是物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)的主要通信媒介，但這兩種技術(shù)并非適用于所有物聯(lián)網(wǎng)應(yīng)用，比如：監(jiān)測(cè)海洋生物活動(dòng)的傳感網(wǎng)絡(luò)主要依靠聲波，它是一種典型的物理層技術(shù)。盡管如此，傳播時(shí)延仍然是物聯(lián)網(wǎng)數(shù)據(jù)傳輸?shù)囊粋€(gè)重要性能衡量指標(biāo)。因此，在不同的物聯(lián)網(wǎng)應(yīng)用場(chǎng)景中，減少傳輸時(shí)延是提升數(shù)據(jù)轉(zhuǎn)發(fā)性能的一項(xiàng)重要措施。

（3）投遞率

數(shù)據(jù)轉(zhuǎn)發(fā)應(yīng)用于物聯(lián)網(wǎng)的各種場(chǎng)景中，比如間歇性連接的網(wǎng)絡(luò)，投遞率指的是目標(biāo)節(jié)點(diǎn)成功收到的總數(shù)據(jù)包數(shù)與源節(jié)點(diǎn)一共發(fā)出的總數(shù)據(jù)包數(shù)的比值。即使采用傳染病模型進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)，也不能保證從源節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)具有很高的投遞率。因此，提升投遞率仍然是數(shù)據(jù)轉(zhuǎn)發(fā)的一項(xiàng)重要任務(wù)。

（4）網(wǎng)絡(luò)動(dòng)態(tài)拓?fù)淠Ｐ?/p>

在復(fù)雜的物聯(lián)網(wǎng)環(huán)境中，智能終端總是在不規(guī)則地運(yùn)動(dòng)，節(jié)點(diǎn)間的連接可能隨時(shí)產(chǎn)生或消失，網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)也隨之不斷地變化，因而，轉(zhuǎn)發(fā)數(shù)據(jù)不可能總是沿一條事先設(shè)定好的路徑進(jìn)行傳輸。所以，網(wǎng)絡(luò)環(huán)境的高性能動(dòng)態(tài)拓?fù)淠Ｐ蜆?gòu)建也成為了提高數(shù)據(jù)轉(zhuǎn)發(fā)效率的途徑之一。

（5）轉(zhuǎn)發(fā)代價(jià)

通常，物聯(lián)網(wǎng)數(shù)據(jù)從源節(jié)點(diǎn)借助n（n≥0）個(gè)中間節(jié)點(diǎn)將單個(gè)或多個(gè)副本采用一跳或多跳的方式傳輸?shù)竭_(dá)目標(biāo)節(jié)點(diǎn)。轉(zhuǎn)發(fā)代價(jià)指的是整個(gè)傳輸過(guò)程中轉(zhuǎn)發(fā)的總數(shù)據(jù)包數(shù)與目標(biāo)節(jié)點(diǎn)成功收到的總數(shù)據(jù)包數(shù)的比值。為了滿(mǎn)足整個(gè)社會(huì)綠色計(jì)算的需求，轉(zhuǎn)發(fā)代價(jià)的高低也可以作為衡量轉(zhuǎn)發(fā)效率的一項(xiàng)重要指標(biāo)。

（6）實(shí)驗(yàn)結(jié)果的可靠性

數(shù)據(jù)轉(zhuǎn)發(fā)模型或算法是否正確有效，需要通過(guò)大量的實(shí)驗(yàn)進(jìn)行驗(yàn)證。在復(fù)雜的物聯(lián)網(wǎng)環(huán)境中，同一個(gè)數(shù)據(jù)轉(zhuǎn)發(fā)模型在不同應(yīng)用場(chǎng)景下的實(shí)驗(yàn)結(jié)果可能存在一定差別，在同一場(chǎng)景下的實(shí)驗(yàn)結(jié)果也可能會(huì)有所不同。因此，為了提高實(shí)驗(yàn)結(jié)果與預(yù)測(cè)數(shù)據(jù)或真實(shí)數(shù)據(jù)結(jié)果的一致性，必須遵循現(xiàn)實(shí)情境設(shè)計(jì)轉(zhuǎn)發(fā)模型，盡量采用實(shí)地測(cè)試，或者在現(xiàn)實(shí)條件達(dá)不到的情況下盡可能地采用真實(shí)、有效的多個(gè)數(shù)據(jù)集進(jìn)行多次測(cè)試。顯而易見(jiàn)，在物聯(lián)網(wǎng)轉(zhuǎn)發(fā)模型研究中，真實(shí)、可靠的實(shí)驗(yàn)結(jié)果是其追求的一項(xiàng)核心目標(biāo)。

1.4 新興技術(shù)及其對(duì)物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)的影響

物聯(lián)網(wǎng)的形成和發(fā)展，使得分布在各處的大量數(shù)據(jù)需要協(xié)調(diào)和處理。物聯(lián)網(wǎng)的數(shù)據(jù)處理需要云計(jì)算的大力支持，離開(kāi)云計(jì)算，所有的信息或數(shù)據(jù)就類(lèi)似于大海中的一個(gè)個(gè)孤島，物聯(lián)網(wǎng)就此失去意義，成為“物離網(wǎng)”。

移動(dòng)云計(jì)算是一項(xiàng)豐富的移動(dòng)計(jì)算技術(shù)，隨著各種移動(dòng)智能終端的廣泛普及，作為云計(jì)算的一個(gè)重要分支，它目前已成為物聯(lián)網(wǎng)應(yīng)用的主要計(jì)算模式之一。移動(dòng)云計(jì)算主要利用各種云中統(tǒng)一的彈性資源和網(wǎng)絡(luò)技術(shù)，在任何地方、任何時(shí)候基于隨時(shí)支付原則，無(wú)關(guān)于異構(gòu)環(huán)境和平臺(tái)，通過(guò)以太網(wǎng)或互聯(lián)網(wǎng)服務(wù)于眾多的移動(dòng)設(shè)備，以達(dá)到功能、存儲(chǔ)和移動(dòng)等方面的隨意擴(kuò)充。移動(dòng)云計(jì)算能為物聯(lián)網(wǎng)應(yīng)用帶來(lái)一系列的好處：第一，可卸載移動(dòng)設(shè)備上的任務(wù)到云端，延長(zhǎng)電池壽命；第二，能夠使移動(dòng)設(shè)備運(yùn)行復(fù)雜的應(yīng)用程序，還能提供更高的數(shù)據(jù)存儲(chǔ)能力；第三，提高可靠性，因?yàn)橐苿?dòng)設(shè)備的數(shù)據(jù)能夠在以存儲(chǔ)為目的的一系列可靠的固定設(shè)備上存儲(chǔ)及從其返回。顯而易見(jiàn)：在物聯(lián)網(wǎng)環(huán)境下的數(shù)據(jù)轉(zhuǎn)發(fā)應(yīng)用中，移動(dòng)云計(jì)算模式能夠提供更多的機(jī)會(huì)使移動(dòng)設(shè)備參與其中；而且移動(dòng)云計(jì)算核心通信技術(shù)的發(fā)展或計(jì)算模式的完善也能促使物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)性能得到進(jìn)一步提升，從而提高數(shù)據(jù)轉(zhuǎn)發(fā)的成功率。

5G作為移動(dòng)云計(jì)算的一項(xiàng)核心技術(shù)，其主要目標(biāo)是讓終端用戶(hù)不脫離網(wǎng)絡(luò)覆蓋，始終與網(wǎng)絡(luò)保持連接狀態(tài)。它具有密集型小區(qū)部署、微米波連接、大規(guī)模多輸入多輸出、多個(gè)小區(qū)協(xié)作以及認(rèn)知無(wú)線電等重要的特征。隨著5G的到來(lái)，移動(dòng)云計(jì)算服務(wù)預(yù)計(jì)將達(dá)到一個(gè)快速發(fā)展的時(shí)期，并將成為移動(dòng)服務(wù)中一個(gè)全新的研究熱點(diǎn)。在物聯(lián)網(wǎng)應(yīng)用中，5G系統(tǒng)未來(lái)支持的設(shè)備不止是移動(dòng)手機(jī)，它還要支持其他智能設(shè)備，比如手表、健身腕帶、家居電器（如遠(yuǎn)程可控式空調(diào)及熱水器）等。5G未來(lái)側(cè)重于實(shí)現(xiàn)與其他移動(dòng)無(wú)線通信技術(shù)的無(wú)縫連接，并將提供隨處可用的基礎(chǔ)性業(yè)務(wù)，以適應(yīng)快速發(fā)展的物聯(lián)網(wǎng)服務(wù)及其他社會(huì)需求。顯然，未來(lái)高性能5G技術(shù)的普及能夠盡量避免移動(dòng)智能設(shè)備經(jīng)常喪失連接的情況發(fā)生，為物聯(lián)網(wǎng)環(huán)境下借助移動(dòng)設(shè)備而進(jìn)行的數(shù)據(jù)轉(zhuǎn)發(fā)任務(wù)提供高效、可靠的通信技術(shù)保障。

為了適應(yīng)移動(dòng)無(wú)線網(wǎng)絡(luò)的業(yè)務(wù)需求，5G在無(wú)線傳輸技術(shù)和無(wú)線網(wǎng)絡(luò)技術(shù)方面都有新的突破。軟件定義網(wǎng)絡(luò)（software defined network，簡(jiǎn)稱(chēng)SDN）技術(shù)在2014年己成為被電信和IT領(lǐng)域普遍接受的網(wǎng)絡(luò)架構(gòu)概念，它是將網(wǎng)絡(luò)虛擬化的一種技術(shù)，實(shí)現(xiàn)了數(shù)據(jù)轉(zhuǎn)發(fā)與控制的分離，將作為5G的一種更加智能和靈活的組網(wǎng)技術(shù)或網(wǎng)絡(luò)架構(gòu)而存在。在SDN中，受控的轉(zhuǎn)發(fā)設(shè)備組成了轉(zhuǎn)發(fā)平面，運(yùn)行在控制面板上的控制應(yīng)用決定了業(yè)務(wù)邏輯及轉(zhuǎn)發(fā)方式，網(wǎng)絡(luò)流量的靈活控制就是由這種邏輯上的集中控制實(shí)現(xiàn)的，為物聯(lián)網(wǎng)的核心網(wǎng)絡(luò)及應(yīng)用創(chuàng)新提供了良好的平臺(tái)。目前，SDN涉及的范圍在逐漸擴(kuò)大，涵蓋核心網(wǎng)、回程網(wǎng)、傳輸網(wǎng)及邊緣網(wǎng)等領(lǐng)域，這些都體現(xiàn)了 SDN具有極好的適應(yīng)性。SDN終結(jié)了傳統(tǒng)網(wǎng)絡(luò)，其架構(gòu)打破了傳統(tǒng)路由協(xié)議的局限，可以更加方便地將各種新的路由協(xié)議或路由策略引入網(wǎng)絡(luò)。作為一種新型網(wǎng)絡(luò)架構(gòu)，它勢(shì)必會(huì)處于未來(lái)網(wǎng)絡(luò)架構(gòu)的核心位置，為物聯(lián)網(wǎng)應(yīng)用（比如數(shù)據(jù)轉(zhuǎn)發(fā)）提供了極大的便利。

移動(dòng)邊緣計(jì)算（mobile edge computing，簡(jiǎn)稱(chēng)MEC）是基于5G演進(jìn)的架構(gòu)，它將云計(jì)算和云存儲(chǔ)拉近到網(wǎng)絡(luò)邊緣后，可以創(chuàng)造出一個(gè)具備高性能、低延遲與高帶寬的電信級(jí)服務(wù)環(huán)境，加速網(wǎng)絡(luò)中各項(xiàng)內(nèi)容、服務(wù)及應(yīng)用的分發(fā)和下載，讓消費(fèi)者享有更高質(zhì)量的網(wǎng)絡(luò)體驗(yàn)。MEC設(shè)備所應(yīng)具備的一些特性包括網(wǎng)絡(luò)功能虛擬化、SDN、邊緣計(jì)算存儲(chǔ)、綠色節(jié)能等。MEC把無(wú)線網(wǎng)絡(luò)和互聯(lián)網(wǎng)兩種技術(shù)有效地融合在一起，并在無(wú)線網(wǎng)絡(luò)方面增加計(jì)算、存儲(chǔ)、處理等功能，構(gòu)建了開(kāi)放式平臺(tái)以植入應(yīng)用，并通過(guò)無(wú)線API開(kāi)放無(wú)線網(wǎng)絡(luò)與業(yè)務(wù)服務(wù)器之間的信息交互，對(duì)無(wú)線網(wǎng)絡(luò)與業(yè)務(wù)進(jìn)行融合，將傳統(tǒng)的無(wú)線基站升級(jí)為智能化基站。面向物聯(lián)網(wǎng)、視頻、醫(yī)療、零售等業(yè)務(wù)層面，MEC可向行業(yè)提供定制化、差異化服務(wù)，進(jìn)而提升網(wǎng)絡(luò)利用效率和增值價(jià)值。同時(shí)，MEC的部署策略可以實(shí)現(xiàn)低延遲、高帶寬的優(yōu)勢(shì)，MEC也可以實(shí)時(shí)地獲取無(wú)線網(wǎng)絡(luò)信息和更精準(zhǔn)的位置信息來(lái)提供更加精準(zhǔn)的服務(wù)。MEC的以上優(yōu)勢(shì)，明顯地能為物聯(lián)網(wǎng)環(huán)境下的數(shù)據(jù)轉(zhuǎn)發(fā)研究帶來(lái)極大的好處。

另外，作為一種基于信息和內(nèi)容的全新網(wǎng)絡(luò)體系結(jié)構(gòu)，相較于傳統(tǒng)的以主機(jī)為中心的互聯(lián)網(wǎng)絡(luò)體系結(jié)構(gòu)，命名數(shù)據(jù)網(wǎng)絡(luò)（named data networking，簡(jiǎn)稱(chēng)NDN）能夠更好地滿(mǎn)足人們對(duì)數(shù)據(jù)內(nèi)容本身的強(qiáng)烈需求，并支持和適應(yīng)其動(dòng)態(tài)拓?fù)渥兓?。?shù)據(jù)轉(zhuǎn)發(fā)是路由機(jī)制的一個(gè)關(guān)鍵操作步驟，NDN在路由過(guò)程中屏蔽有關(guān)主機(jī)地址的任何信息，不管數(shù)據(jù)包的來(lái)源和獲取方式，只關(guān)注用戶(hù)需求數(shù)據(jù)，并采用命名數(shù)據(jù)名稱(chēng)代替IP數(shù)據(jù)包，在整個(gè)路由算法中使用名稱(chēng)解析機(jī)制。同時(shí)，為了提高請(qǐng)求的反饋速率，NDN將緩存機(jī)制應(yīng)用到路由中，希望通過(guò)利用廣泛分布的緩存?zhèn)浞莶捎谩翱臻g換時(shí)間”的方式實(shí)現(xiàn)這一目的?？傊?，以全新的路由尋址方式和數(shù)據(jù)包封裝結(jié)構(gòu)為基礎(chǔ)，NDN從本質(zhì)上改變了網(wǎng)絡(luò)的路由策略，促使了物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)性能的提升。

綜上所述，這些新興技術(shù)分別在服務(wù)計(jì)算模式、通信技術(shù)、網(wǎng)絡(luò)體系架構(gòu)等方面對(duì)物聯(lián)網(wǎng)環(huán)境下的數(shù)據(jù)轉(zhuǎn)發(fā)產(chǎn)生重要的影響。

2 數(shù)據(jù)轉(zhuǎn)發(fā)模型關(guān)鍵技術(shù)及構(gòu)建標(biāo)準(zhǔn)

2.1 關(guān)鍵技術(shù)

節(jié)點(diǎn)的易喪失性或智能終端的移動(dòng)性決定了數(shù)據(jù)轉(zhuǎn)發(fā)是一個(gè)隨時(shí)間和/或空間變化而變化的量。節(jié)點(diǎn)A可以將數(shù)據(jù)轉(zhuǎn)發(fā)給節(jié)點(diǎn)B并不意味著下一次依然可以轉(zhuǎn)發(fā)給B，節(jié)點(diǎn)位置的隨時(shí)變換或其他一些行為，極有可能導(dǎo)致未來(lái)節(jié)點(diǎn)A和/或B不會(huì)出現(xiàn)在這樣的路由中。數(shù)據(jù)轉(zhuǎn)發(fā)模型要能夠反映出這種動(dòng)態(tài)進(jìn)化性，也要具有隨上下文、時(shí)間和空間變化而重新評(píng)估的功能。數(shù)據(jù)轉(zhuǎn)發(fā)的動(dòng)態(tài)模型構(gòu)建一般需要考慮以下幾個(gè)技術(shù)問(wèn)題。

（1）數(shù)據(jù)轉(zhuǎn)發(fā)網(wǎng)絡(luò)空間模型

首先要確定數(shù)據(jù)轉(zhuǎn)發(fā)應(yīng)用的網(wǎng)絡(luò)空間模型，這個(gè)模型依據(jù)應(yīng)用場(chǎng)景一般采用凸空間、有向圖或無(wú)向圖、樹(shù)形結(jié)構(gòu)、平面空間等形式。比如，水下傳感網(wǎng)的網(wǎng)絡(luò)空間模型易采用凸空間結(jié)構(gòu)：D∈R3，|D|＝L×W×H，L,W,H分別代表立體空間的3個(gè)坐標(biāo)軸。它采用概率方式生成節(jié)點(diǎn)間的連接，使用冪律分布動(dòng)態(tài)生成節(jié)點(diǎn)的度，從而構(gòu)建一個(gè)隨時(shí)間變化的網(wǎng)絡(luò)動(dòng)態(tài)拓?fù)浣Y(jié)構(gòu)。車(chē)載網(wǎng)絡(luò)、社交網(wǎng)絡(luò)等大多采用有向或無(wú)向圖的形式：G＝〈V，E〉，V是圖G的節(jié)點(diǎn)集合，E是圖G邊的集合，即，代表節(jié)點(diǎn)間存在一定的關(guān)系。瞬時(shí)子網(wǎng)節(jié)點(diǎn)間關(guān)系的建立可以使用高斯函數(shù)，它可以是一個(gè)時(shí)間函數(shù)。在占空比無(wú)線傳感網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)研究中，通常采用L×W（m2）的區(qū)域作為節(jié)點(diǎn)的網(wǎng)絡(luò)空間模型，其中L和W代表區(qū)域的長(zhǎng)和寬。由此可見(jiàn)，數(shù)據(jù)轉(zhuǎn)發(fā)研究的基礎(chǔ)是針對(duì)不同的場(chǎng)景建立一個(gè)正確而適當(dāng)?shù)木W(wǎng)絡(luò)空間模型。

（2）數(shù)據(jù)轉(zhuǎn)發(fā)度量因子的選擇與計(jì)算

物聯(lián)網(wǎng)包含各種智能終端或節(jié)點(diǎn)，并通過(guò)四大網(wǎng)絡(luò)技術(shù)接入互聯(lián)網(wǎng)：短距離有線通信（包括10多種現(xiàn)場(chǎng)總線）、短距離無(wú)線通信（包括10多種頻段及標(biāo)準(zhǔn)）、長(zhǎng)距離有線通信（互聯(lián)網(wǎng)、電信和廣電以及三網(wǎng)融合）以及長(zhǎng)距離無(wú)線通信（包括基于蜂窩技術(shù)的偽長(zhǎng)距離），屬于復(fù)雜網(wǎng)絡(luò)應(yīng)用，其應(yīng)用研究場(chǎng)景具有多樣性，比如傳統(tǒng)無(wú)線傳感器網(wǎng)絡(luò)、社交網(wǎng)絡(luò)、車(chē)載網(wǎng)絡(luò)、路網(wǎng)、無(wú)線體域網(wǎng)等。因此，針對(duì)不同的應(yīng)用場(chǎng)景，度量數(shù)據(jù)轉(zhuǎn)發(fā)的因子也有所區(qū)別。如社交網(wǎng)絡(luò)中，會(huì)注重考慮設(shè)備擁有者的瞬時(shí)或累積社會(huì)關(guān)系分析；車(chē)載網(wǎng)絡(luò)會(huì)側(cè)重于某些車(chē)輛可預(yù)測(cè)的移動(dòng)路線分析、車(chē)輛間的交互關(guān)系及乘客的作用；無(wú)線體域網(wǎng)主要用于智能醫(yī)療系統(tǒng)，側(cè)重考慮攜帶者行為對(duì)轉(zhuǎn)發(fā)的影響分析，如坐、立、行、走、陰影等引起節(jié)點(diǎn)拓?fù)浣Y(jié)構(gòu)或信號(hào)強(qiáng)度的變化，從而引起轉(zhuǎn)發(fā)節(jié)點(diǎn)隨時(shí)間和空間變化的動(dòng)態(tài)性選擇。但即使是在同樣的應(yīng)用場(chǎng)景下，度量因子的計(jì)算方式也不盡相同，比如移動(dòng)社交網(wǎng)絡(luò)中節(jié)點(diǎn)社會(huì)相似性的計(jì)算，不同于其他成果，文獻(xiàn)[10]依據(jù)節(jié)點(diǎn)本地活躍度構(gòu)建相似性度量。因此，數(shù)據(jù)轉(zhuǎn)發(fā)度量因子要緊密結(jié)合實(shí)際場(chǎng)景進(jìn)行選擇，其計(jì)算方式要科學(xué)、嚴(yán)謹(jǐn)。

（3）數(shù)據(jù)轉(zhuǎn)發(fā)總體度量值的獲取

顯然，無(wú)論是哪一種應(yīng)用場(chǎng)景下的物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)，其考慮的轉(zhuǎn)發(fā)因素一般都不止一個(gè)，這些因素應(yīng)該如何集成才能取得各方面的均衡，是一個(gè)至關(guān)重要的問(wèn)題?？梢詫⒄麄€(gè)傳輸路線的預(yù)測(cè)能耗最小、傳播延時(shí)最短、投遞率最高、轉(zhuǎn)發(fā)代價(jià)最小等中的一個(gè)或多個(gè)作為衡量轉(zhuǎn)發(fā)的目標(biāo)函數(shù)，對(duì)其中各項(xiàng)指標(biāo)可以采用線性和或加權(quán)線性和、信息熵、指標(biāo)參數(shù)遞進(jìn)迭代方式、泊松分布測(cè)量排序方法、社區(qū)劃分基礎(chǔ)上的節(jié)點(diǎn)間余弦距離最小值方法、向量?jī)?nèi)積計(jì)算、哈夫曼特征距離、歐式距離等各種機(jī)器學(xué)習(xí)的方法計(jì)算轉(zhuǎn)發(fā)總體度量值。

（4）數(shù)據(jù)轉(zhuǎn)發(fā)算法的設(shè)計(jì)

數(shù)據(jù)轉(zhuǎn)發(fā)流程與各種實(shí)際應(yīng)用場(chǎng)景基本無(wú)關(guān)，僅依賴(lài)于網(wǎng)絡(luò)空間模型、節(jié)點(diǎn)轉(zhuǎn)發(fā)衡量因子和轉(zhuǎn)發(fā)度量值，以目標(biāo)節(jié)點(diǎn)和中間節(jié)點(diǎn)的關(guān)系以及參數(shù)度量為基準(zhǔn)，一般情況下，采用分情況條件判斷方式。通常先計(jì)算中間節(jié)點(diǎn)是否為目標(biāo)節(jié)點(diǎn)：若是，一跳轉(zhuǎn)發(fā)；否則，再使用各種智能方法計(jì)算各個(gè)度量因素或總體度量值，分步驟比大小采用多跳形式進(jìn)行，整個(gè)過(guò)程采用迭代方式直至完成后續(xù)轉(zhuǎn)發(fā)操作。在整個(gè)算法設(shè)計(jì)過(guò)程中，在追求系統(tǒng)性能提高的同時(shí)，還要注意兼顧時(shí)間及空間復(fù)雜度的問(wèn)題。

（5）數(shù)據(jù)轉(zhuǎn)發(fā)模型的評(píng)估

根據(jù)上下文、時(shí)間和空間的動(dòng)態(tài)變化進(jìn)行轉(zhuǎn)發(fā)節(jié)點(diǎn)度量值的動(dòng)態(tài)更新，轉(zhuǎn)發(fā)完成后可以選擇性記錄最新度量值，這主要取決于轉(zhuǎn)發(fā)衡量因素是否依賴(lài)于歷史信息。比如，社交網(wǎng)絡(luò)將節(jié)點(diǎn)間聯(lián)系的次數(shù)作為轉(zhuǎn)發(fā)因素，則需要保存到節(jié)點(diǎn)的緩存中；而在占空比無(wú)線傳感網(wǎng)中，如果利用低功耗偵聽(tīng)MAC（media access control）協(xié)議中的前導(dǎo)碼來(lái)衡量是否轉(zhuǎn)發(fā)，那么信息無(wú)需保存。整個(gè)數(shù)據(jù)轉(zhuǎn)發(fā)模型優(yōu)劣的判斷是基于不同的目標(biāo)函數(shù)通過(guò)與類(lèi)似的模型對(duì)比，然后進(jìn)行參數(shù)分析，總體度量值基本上不影響下一跳轉(zhuǎn)發(fā)節(jié)點(diǎn)的選擇。

2.2 轉(zhuǎn)發(fā)模型構(gòu)建標(biāo)準(zhǔn)

按照不同的劃分標(biāo)準(zhǔn)，可將物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)模型構(gòu)建研究歸結(jié)為以下幾種類(lèi)別。

（1）按轉(zhuǎn)發(fā)判決時(shí)是否需要額外信息輔助劃分。如果不需要，則屬于盲目轉(zhuǎn)發(fā)類(lèi)型，比如洪泛機(jī)制；另一種是感知轉(zhuǎn)發(fā)，可以是一跳感知，也可以是提供者感知，即：轉(zhuǎn)發(fā)源節(jié)點(diǎn)感知，按照輔助信息的來(lái)源主要包括基于節(jié)點(diǎn)數(shù)據(jù)、數(shù)據(jù)屬性、數(shù)據(jù)融合及網(wǎng)絡(luò)拓?fù)涞取?/p>

（2）按節(jié)點(diǎn)的作用劃分。數(shù)據(jù)轉(zhuǎn)發(fā)協(xié)議最初是為具有動(dòng)態(tài)拓?fù)浣Y(jié)構(gòu)的移動(dòng)無(wú)線Ad-Hoc網(wǎng)絡(luò)而提出的，目的是要實(shí)現(xiàn)數(shù)據(jù)包投遞率的提升和數(shù)據(jù)包傳輸延遲的下降。為了確定最好的轉(zhuǎn)發(fā)者，根據(jù)他們采用的方法的不同，這些協(xié)議被分成兩種：一種類(lèi)型使用傳輸者方面決定轉(zhuǎn)發(fā)決策的本地網(wǎng)絡(luò)信息，即，基于傳送者的數(shù)據(jù)轉(zhuǎn)發(fā)；另一種類(lèi)型是指在接收者方面通過(guò)競(jìng)爭(zhēng)機(jī)制選擇一個(gè)轉(zhuǎn)發(fā)者的過(guò)程，即，基于接收者的數(shù)據(jù)轉(zhuǎn)發(fā)。

（3）按是否考慮社交環(huán)境因素劃分。傳感器節(jié)點(diǎn)或具有傳感功能的多數(shù)智能終端通常都離不開(kāi)動(dòng)物或人類(lèi)的參與，比如智能手機(jī)、動(dòng)物野外生存研究等，這些人或動(dòng)物都有一定的社會(huì)活動(dòng)，因此，社交因素也會(huì)對(duì)物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)應(yīng)用有一定的影響，尤其是機(jī)會(huì)數(shù)據(jù)轉(zhuǎn)發(fā)。

（4）按轉(zhuǎn)發(fā)副本個(gè)數(shù)劃分。按照轉(zhuǎn)發(fā)的數(shù)據(jù)包數(shù)量分為兩種：多副本轉(zhuǎn)發(fā)模式和單副本轉(zhuǎn)發(fā)模式。

（5）按節(jié)點(diǎn)個(gè)數(shù)劃分?？紤]以最小功耗為目標(biāo)的網(wǎng)絡(luò)中節(jié)點(diǎn)的合作，比如在無(wú)線傳感網(wǎng)/無(wú)線體域網(wǎng)中的應(yīng)用，可針對(duì)單個(gè)節(jié)點(diǎn)或聚簇節(jié)點(diǎn)展開(kāi)數(shù)據(jù)轉(zhuǎn)發(fā)研究。

（6）按轉(zhuǎn)發(fā)路徑條數(shù)劃分。很多研究成果會(huì)從整個(gè)網(wǎng)絡(luò)的吞吐量出發(fā)，考慮數(shù)據(jù)的轉(zhuǎn)發(fā)、收集和傳輸，比如無(wú)線混合網(wǎng)，它們聚焦在利用網(wǎng)絡(luò)的多個(gè)方面（如擁塞緩解、速率調(diào)整、調(diào)度、信道分配和路由）提高無(wú)線混合網(wǎng)的吞吐量，這些方面可以單獨(dú)使用也可聯(lián)合使用。在源節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)間存在多跳路徑，業(yè)務(wù)轉(zhuǎn)發(fā)模式可以選擇單路徑也可選擇多路徑轉(zhuǎn)發(fā)。

除此之外，也有根據(jù)其領(lǐng)域研究發(fā)展歷程中關(guān)于數(shù)據(jù)轉(zhuǎn)發(fā)度量因子的考量進(jìn)行階段性劃分的，比如物聯(lián)網(wǎng)中的車(chē)載網(wǎng)絡(luò)應(yīng)用。

3 典型模型及其評(píng)述

物聯(lián)網(wǎng)具有復(fù)雜的網(wǎng)絡(luò)應(yīng)用環(huán)境，如環(huán)境監(jiān)測(cè)、智能城市、交通運(yùn)輸及健康醫(yī)療等。從最初的傳統(tǒng)無(wú)線傳感網(wǎng)到如今參與設(shè)備種類(lèi)多樣化的萬(wàn)聯(lián)網(wǎng)，物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)技術(shù)或模型也在隨之逐步進(jìn)化。目前，物聯(lián)網(wǎng)中關(guān)于數(shù)據(jù)轉(zhuǎn)發(fā)的研究主要涉及兩個(gè)領(lǐng)域。

一個(gè)是對(duì)數(shù)據(jù)轉(zhuǎn)發(fā)支撐技術(shù)的研究，比如基于信道、千擾、無(wú)線電頻率或MAC等通信技術(shù)或協(xié)議的數(shù)據(jù)轉(zhuǎn)發(fā)模型的構(gòu)建，這一領(lǐng)域的研究雖然與具體應(yīng)用關(guān)聯(lián)不大，但在傳統(tǒng)無(wú)線傳感網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)中占有主導(dǎo)地位，并且對(duì)在智能物聯(lián)網(wǎng)中更加有效地利用數(shù)據(jù)轉(zhuǎn)發(fā)技術(shù)具有指導(dǎo)和實(shí)踐意義。尤其是隨著5G等新興技術(shù)的出現(xiàn)及飛速發(fā)展，物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)研究己經(jīng)隨之產(chǎn)生了質(zhì)的飛躍，非常值得關(guān)注。

另一個(gè)領(lǐng)域是對(duì)數(shù)據(jù)轉(zhuǎn)發(fā)算法本身的研究，這一領(lǐng)域與具體應(yīng)用密切相關(guān)，例如在移動(dòng)物聯(lián)網(wǎng)（社交網(wǎng)絡(luò)或車(chē)載網(wǎng)絡(luò)等）數(shù)據(jù)轉(zhuǎn)發(fā)研究中，算法會(huì)更多地關(guān)注特定物聯(lián)網(wǎng)環(huán)境下節(jié)點(diǎn)位置的動(dòng)態(tài)變化、節(jié)點(diǎn)間的交互時(shí)長(zhǎng)或聯(lián)系次數(shù)等一些隨時(shí)間變化的社交因素。尤其是隨著大量智能移動(dòng)設(shè)備的加入或參與，這一領(lǐng)域的數(shù)據(jù)轉(zhuǎn)發(fā)研究更加符合實(shí)際物聯(lián)網(wǎng)應(yīng)用環(huán)境的需求，是當(dāng)前與未來(lái)物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)的另一個(gè)研究重點(diǎn)。

迄今為止，許多學(xué)者致力于各種物聯(lián)網(wǎng)應(yīng)用環(huán)境下的數(shù)據(jù)轉(zhuǎn)發(fā)研究，并使用不同的工具和數(shù)學(xué)方法建立了數(shù)據(jù)轉(zhuǎn)發(fā)的模型。本節(jié)受文獻(xiàn)[126]的啟發(fā)，將根據(jù)其采用網(wǎng)絡(luò)情形和數(shù)學(xué)方法的不同，選取一些新的、具有代表性的、常見(jiàn)物聯(lián)網(wǎng)環(huán)境下的轉(zhuǎn)發(fā)模型進(jìn)行分析和評(píng)述。

3.1 無(wú)線傳感器網(wǎng)絡(luò)（wireless sensor network，簡(jiǎn)稱(chēng)WSN）數(shù)據(jù)轉(zhuǎn)發(fā)

LWOF（light-weight opportunistic forwarding）是一種適用于低占空比WSN環(huán)境下的數(shù)據(jù)轉(zhuǎn)發(fā)模型。對(duì)于轉(zhuǎn)發(fā)節(jié)點(diǎn)的選擇，LWOF并不依賴(lài)于歷史網(wǎng)絡(luò)信息和節(jié)點(diǎn)間的競(jìng)爭(zhēng)，而是首先考慮限制轉(zhuǎn)發(fā)候選節(jié)點(diǎn)到一個(gè)最優(yōu)化區(qū)域，然后利用低功耗偵聽(tīng)（low-power-listening，簡(jiǎn)稱(chēng)LPL）MAC協(xié)議中的前導(dǎo)碼和雙信道協(xié)作通信從當(dāng)前節(jié)點(diǎn)的下行節(jié)點(diǎn)集合（朝向目標(biāo)節(jié)點(diǎn)）中挑選最優(yōu)轉(zhuǎn)發(fā)節(jié)點(diǎn)。其中，每個(gè)節(jié)點(diǎn)裝備有兩個(gè)無(wú)線電接口，支持雙信道通信：一個(gè)是用于傳輸忙音消息的低速率信道，即信號(hào)信道；另一個(gè)是用于傳輸感知數(shù)據(jù)的較高速率信道，即數(shù)據(jù)信道。這兩個(gè)信道的通信范圍是相同的。在每個(gè)周期中，整個(gè)轉(zhuǎn)發(fā)判斷由信號(hào)信道開(kāi)始，在其空閑的前提下才考慮是否進(jìn)行數(shù)據(jù)信道轉(zhuǎn)發(fā)判斷。在對(duì)數(shù)據(jù)信道監(jiān)聽(tīng)的過(guò)程中，一旦發(fā)現(xiàn)多于1個(gè)的前導(dǎo)碼出現(xiàn)，那么根據(jù)前導(dǎo)碼長(zhǎng)度計(jì)算公式求得具有最短前導(dǎo)碼的節(jié)點(diǎn)作為最優(yōu)轉(zhuǎn)發(fā)節(jié)點(diǎn)。

在占空比無(wú)線傳感網(wǎng)中，處于睡眠階段的節(jié)點(diǎn)是不參與數(shù)據(jù)轉(zhuǎn)發(fā)篩選的，而節(jié)點(diǎn)蘇醒的序列可以看作一個(gè)泊松分布，所以，在周期t內(nèi)至少一個(gè)節(jié)點(diǎn)蘇醒的概率Pt（i＞1）為

其中，Ts是時(shí)間單位。如果規(guī)定當(dāng)前節(jié)點(diǎn)的優(yōu)化轉(zhuǎn)發(fā)面積為其與目標(biāo)節(jié)點(diǎn)連線兩側(cè)各30°的扇形，那么此扇形內(nèi)的節(jié)點(diǎn)個(gè)數(shù)Nf＝πr2D/6，其中，D是節(jié)點(diǎn)密度，r是在數(shù)據(jù)信道中節(jié)點(diǎn)的通信范圍。顯然，在低占空比無(wú)線傳感網(wǎng)中，Pt→0（i＞1）→0。同理，在一個(gè)周期或前導(dǎo)碼Tp中至少喚醒一個(gè)節(jié)點(diǎn)的轉(zhuǎn)發(fā)概率Pf為

通過(guò)對(duì)前導(dǎo)碼長(zhǎng)度與每跳包的投遞率、節(jié)點(diǎn)密度、睡眠周期之間的關(guān)系進(jìn)行系統(tǒng)分析，最短前導(dǎo)碼Tp為

LWOF是一種不用考慮也不必保存節(jié)點(diǎn)歷史狀態(tài)信息的數(shù)據(jù)轉(zhuǎn)發(fā)模型。對(duì)比LWOF策略下的LWOFLPL（low-power-listening MAC協(xié)議）與LWOF-LWMAC（用縮短了的前導(dǎo)碼優(yōu)化后的LPL MAC協(xié)議）兩個(gè)協(xié)議和ROF協(xié)議，在單傳感數(shù)據(jù)流環(huán)境下，它們的平均投遞率基本持平，LWOF-LWMAC最低；LWOF-LPL的平均時(shí)延最長(zhǎng)，LWOFLWMAC稍微遜色于ROF，兩者基本保持一致；LWOF-LWMAC的單數(shù)據(jù)包能耗最低，大約是ROF平均能耗的1/4，LWOF-LPL次之。在多傳感數(shù)據(jù)流環(huán)境下，ROF平均投遞率最高，LWOF-LWMAC稍?xún)?yōu)于LWOF-LPL，但三者也基本持平；LWOF-LPL的平均時(shí)延最長(zhǎng)，ROF和LWOF-LWMAC分別大約是它的4/5和3/5；ROF的單數(shù)據(jù)包能耗依然最高，LWOF-LWMAC最低，且稍低于ROF平均能耗的1/4。由此可見(jiàn)：LWOF-LWMAC在取得最低能耗的同時(shí)，在投遞率和時(shí)延方面也付出了一定的代價(jià)。LWOF的主要優(yōu)點(diǎn)是：（1）LWOF模型選擇節(jié)點(diǎn)具有信號(hào)和數(shù)據(jù)雙信道協(xié)作通信的優(yōu)勢(shì)尤其明顯，信號(hào)信道初步判斷信道是否被占用，數(shù)據(jù)信道專(zhuān)用于符合條件的數(shù)據(jù)傳輸，這在極大程度上避免了轉(zhuǎn)發(fā)沖突的發(fā)生；（2）選擇轉(zhuǎn)發(fā)節(jié)點(diǎn)之前，優(yōu)先限制轉(zhuǎn)發(fā)區(qū)域?yàn)樵垂?jié)點(diǎn)—目標(biāo)節(jié)點(diǎn)連線兩側(cè)各30°的扇形區(qū)域，極大地縮小了搜尋轉(zhuǎn)發(fā)節(jié)點(diǎn)的范圍，提高了數(shù)據(jù)轉(zhuǎn)發(fā)的速度和成功率；（3）每個(gè)周期內(nèi)，LWOF算法只有簡(jiǎn)單的基本信道信息判斷和從數(shù)據(jù)信道中獲取具有最短前導(dǎo)碼的轉(zhuǎn)發(fā)節(jié)點(diǎn)，該算法的空間和時(shí)間復(fù)雜度均為O（1），因此，對(duì)于計(jì)算和存儲(chǔ)資源有限的傳感器節(jié)點(diǎn)來(lái)說(shuō)，LWOF模型確實(shí)是輕量級(jí)的且是可行的。但LWOF還存在以下不足：忽略了節(jié)點(diǎn)周邊的建筑物或其他物體的存在或分布的不均勻性以及對(duì)信號(hào)強(qiáng)度造成的衰減，因?yàn)長(zhǎng)WOF認(rèn)定一個(gè)節(jié)點(diǎn)的通信能力在所有方向上是一樣的，這極有可能引起測(cè)試結(jié)果與實(shí)際情況存在較大差別。

類(lèi)似于LWOF，在綜合考慮網(wǎng)絡(luò)編碼機(jī)制和數(shù)據(jù)包傳輸數(shù)量及動(dòng)態(tài)傳輸功率的基礎(chǔ)上，Tian等人提出了一個(gè)適用于工業(yè)無(wú)線傳感網(wǎng)的可靠的、高能效的數(shù)據(jù)轉(zhuǎn)發(fā)模型NCPCR（network coding and power control based routing）。除了最優(yōu)傳輸功率外，在成功解碼一個(gè)被編碼數(shù)據(jù)包的概率被提取之后，NCPCR模型首先獲得網(wǎng)絡(luò)編碼增益，然后以能耗最小化為目標(biāo)，利用這個(gè)網(wǎng)絡(luò)編碼增益去智能決策是否應(yīng)用網(wǎng)絡(luò)編碼判斷數(shù)據(jù)轉(zhuǎn)發(fā)。該轉(zhuǎn)發(fā)算法在線性網(wǎng)絡(luò)編碼和伽羅華域的基礎(chǔ)上進(jìn)行建模，其時(shí)間復(fù)雜度為O（n2），n是網(wǎng)絡(luò)中的節(jié)點(diǎn)數(shù)量。通過(guò)與COPE和DCAR兩個(gè)路由協(xié)議對(duì)比：當(dāng)節(jié)點(diǎn)個(gè)數(shù)和數(shù)據(jù)流的數(shù)目不變、傳輸功率發(fā)生變化時(shí)，NCPCR的每數(shù)據(jù)包平均能耗分別比COPE和DCAR減少68.7%和30.3%；當(dāng)傳輸功率和數(shù)據(jù)流數(shù)目不變時(shí)，隨著節(jié)點(diǎn)個(gè)數(shù)的遞增，這3個(gè)路由協(xié)議的平均能耗呈遞減趨勢(shì)，此時(shí)，NCPCR比COPE和DCAR分別減少67.6%和29.9%；而當(dāng)節(jié)點(diǎn)個(gè)數(shù)和傳輸功率不變、數(shù)據(jù)流數(shù)目發(fā)生變化時(shí)，NCPCR又比它們分別減少67.4%和29.2%。顯然，NCPCR是高能效的轉(zhuǎn)發(fā)模型，它的最大優(yōu)點(diǎn)就是能夠支持網(wǎng)絡(luò)中更多的數(shù)據(jù)流，以使節(jié)點(diǎn)有更多的網(wǎng)絡(luò)編碼機(jī)會(huì)，最終能夠通過(guò)減少數(shù)據(jù)包傳送數(shù)量和讓節(jié)點(diǎn)自己選擇最優(yōu)傳輸功率的方式來(lái)降低能耗。

3.2 移動(dòng)社交網(wǎng)絡(luò)（momile social network，簡(jiǎn)稱(chēng)MSN）數(shù)據(jù)轉(zhuǎn)發(fā)

在MSN中，作為選擇中繼節(jié)點(diǎn)的度量因素，社會(huì)相似性的定義決定了機(jī)會(huì)轉(zhuǎn)發(fā)模式的性能。如果兩個(gè)節(jié)點(diǎn)擁有越多的共同興趣，則它們的社會(huì)相似性就越高，聯(lián)系的概率就越大，就越有可能被選為中繼節(jié)點(diǎn)。但存在一些研究成果忽視了一個(gè)事實(shí)的情況：在同一個(gè)社區(qū)，具有相同興趣的節(jié)點(diǎn)會(huì)有不同的本地活躍度。這將可能導(dǎo)致低效的數(shù)據(jù)轉(zhuǎn)發(fā)。因此，Zhong等人提出了LASS（local-activity and socialsimilarity based data forwarding）數(shù)據(jù)轉(zhuǎn)發(fā)模型，它首先將MSN看作一個(gè)隨時(shí)間變化的動(dòng)態(tài)加權(quán)圖，在每個(gè)時(shí)刻t，這個(gè)圖都有k個(gè)稱(chēng)為網(wǎng)絡(luò)社區(qū)的結(jié)構(gòu)組成，且不同社區(qū)間存在共同的交集。節(jié)點(diǎn)本地活躍度反映了該節(jié)點(diǎn)在每個(gè)社區(qū)內(nèi)活躍度的不同級(jí)別，即節(jié)點(diǎn)在某個(gè)社區(qū)中相遇概率的統(tǒng)計(jì)。那么，t時(shí)刻節(jié)點(diǎn)u在社區(qū)i上的本地活躍度即為

相較于Epidemic、PROPHET、Simbet、BUBBLE RAP和Nguyen’s routing，LASS的平均投遞率大約分別是它們的1.37倍、1.82倍、1.98倍、1.43倍和1.35倍；而平均時(shí)延大約分別是它們的1.36倍、1.22倍、1.25倍、1.31倍和1.07倍；在平均代價(jià)比方面，LASS與Nguyen’s routing一樣，大約分別是Epidemic、PROPHET、Simbet和BUBBLE RAP的一萬(wàn)四千分之一、七千八分之一、六千六分之一和四千分之一。顯然，LASS在時(shí)延方面表現(xiàn)稍差一些，但在投遞率和代價(jià)比方面都有很大的優(yōu)勢(shì)，尤其是突出了LASS模式的節(jié)能效果?？傊琇ASS整體性能表現(xiàn)良好，值得推廣。與目標(biāo)節(jié)點(diǎn)具有較高社會(huì)相似性的節(jié)點(diǎn)將作為轉(zhuǎn)發(fā)節(jié)點(diǎn)，LASS轉(zhuǎn)發(fā)模型引入節(jié)點(diǎn)本地活躍度來(lái)提高節(jié)點(diǎn)間的社會(huì)相似性度量性能，其主要優(yōu)點(diǎn)是：（1）LASS使用時(shí)間序列的動(dòng)態(tài)加權(quán)圖作為網(wǎng)絡(luò)拓?fù)淠Ｐ?，可以更直觀地表達(dá)出節(jié)點(diǎn)間聯(lián)系的重要程度；（2）LASS使用傳播臨界值和WDE（weighted density embryo）輔助發(fā)現(xiàn)社區(qū)，這兩種方法有利于避免低權(quán)重的邊形成無(wú)意義的社區(qū)；（3）應(yīng)用內(nèi)積方法求解社會(huì)相似性，有助于區(qū)分不同的社會(huì)特征，保證節(jié)點(diǎn)間共同興趣的數(shù)量和節(jié)點(diǎn)的高本地活躍度；（4）內(nèi)積方法還可以處理向量中均勻和不均勻的本地活躍度分布，能夠減少衡量數(shù)據(jù)轉(zhuǎn)發(fā)的度量因子數(shù)目，使其僅僅依賴(lài)節(jié)點(diǎn)間共同興趣的數(shù)量。盡管LASS有很多的優(yōu)勢(shì)，但依然存在有待完善之處：某時(shí)刻節(jié)點(diǎn)本地活躍度僅依靠該時(shí)刻前節(jié)點(diǎn)u和v間的總共聯(lián)系次數(shù)與所有節(jié)點(diǎn)的聯(lián)系次數(shù)的比值的度量方式，存在不能完全正確反映實(shí)際場(chǎng)景應(yīng)用的情況，應(yīng)從客觀的角度全面地對(duì)本地活躍度進(jìn)行測(cè)量，比如考慮節(jié)點(diǎn)在某社區(qū)中的傾向性、復(fù)雜性、唯一性、積極性和穩(wěn)定性等。

針對(duì)人群密集網(wǎng)絡(luò)，以覆蓋社區(qū)結(jié)構(gòu)和節(jié)點(diǎn)自身相對(duì)重要性為度量因素，Yuan等人提出了一個(gè)RIM（relative importance）數(shù)據(jù)轉(zhuǎn)發(fā)模型。該模型使用衰退聚合圖模擬網(wǎng)絡(luò)拓?fù)涞臅r(shí)間動(dòng)態(tài)變化，利用衰退和問(wèn)題計(jì)算節(jié)點(diǎn)間的聯(lián)系強(qiáng)度。節(jié)點(diǎn)的相對(duì)重要性包括相對(duì)某個(gè)社區(qū)的重要性和相對(duì)整個(gè)社區(qū)的重要性，它主要利用衰退聚合圖的協(xié)方差矩陣求解，并利用主成分分析法和K-means算法檢測(cè)覆蓋社區(qū)結(jié)構(gòu)。在RIM中需注意兩點(diǎn)：第一，對(duì)于不同社區(qū)，同一個(gè)節(jié)點(diǎn)會(huì)有不同的社交作用，因此，與目標(biāo)節(jié)點(diǎn)社區(qū)有更高相對(duì)重要性的節(jié)點(diǎn)更容易被選為中繼，即，RIM的一個(gè)決定因素是當(dāng)前節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)所在社區(qū)的相對(duì)重要性度量值；其次，同一個(gè)節(jié)點(diǎn)在同一個(gè)社區(qū)也會(huì)有不同的社會(huì)行為，比如，一些節(jié)點(diǎn)在它們的社交生活中易于形成小集團(tuán)，而另一些節(jié)點(diǎn)喜歡加入多個(gè)小集團(tuán)。節(jié)點(diǎn)有3種類(lèi)型：強(qiáng)類(lèi)型節(jié)點(diǎn)（僅僅屬于一個(gè)社區(qū)）、橋接類(lèi)型節(jié)點(diǎn)（隸屬于多個(gè)社區(qū)）和噪聲節(jié)點(diǎn)（不屬于任何社區(qū)因此，RIM也要依賴(lài)節(jié)點(diǎn)類(lèi)型作轉(zhuǎn)發(fā)決策。如果為噪聲節(jié)點(diǎn)，該節(jié)點(diǎn)將不轉(zhuǎn)發(fā)消息；如果是噪聲節(jié)點(diǎn)，同時(shí)也是強(qiáng)類(lèi)型節(jié)點(diǎn)或橋接類(lèi)型節(jié)點(diǎn)，則可以執(zhí)行轉(zhuǎn)發(fā)操作；如果不是噪聲節(jié)點(diǎn)，當(dāng)消息還未傳送至目標(biāo)節(jié)點(diǎn)所在社區(qū)時(shí)，那么就將其轉(zhuǎn)發(fā)到比當(dāng)前節(jié)點(diǎn)有更高相對(duì)重要性的節(jié)點(diǎn)，直到傳送至目標(biāo)節(jié)點(diǎn)所在的社區(qū)，然后，該消息只在目標(biāo)節(jié)點(diǎn)所在社區(qū)進(jìn)行轉(zhuǎn)發(fā)，直至目標(biāo)節(jié)點(diǎn)接收或消息過(guò)期。同等條件下，通過(guò)與PROPHET和BUBBLE RAP相比較，RIM的平均投遞率分別比它們提高了70%和40%，而代價(jià)分別降低了3個(gè)系數(shù)和2個(gè)系數(shù)。顯然，RIM模型在數(shù)據(jù)轉(zhuǎn)發(fā)算法中存在很大的優(yōu)勢(shì)。

3.3 車(chē)載傳感網(wǎng)絡(luò)（vehicular sensor network，簡(jiǎn)稱(chēng)VSN）數(shù)據(jù)轉(zhuǎn)發(fā)

VSN近些年已成為促進(jìn)物聯(lián)網(wǎng)應(yīng)用的新的解決方案，引起了廣大學(xué)者的關(guān)注。它使用V2V（vehicle-tovehicle）或vehicle-to-infrastructure的無(wú)線通信方式傳遞數(shù)據(jù)到監(jiān)測(cè)中心，與傳統(tǒng)延遲容忍網(wǎng)絡(luò)存在很大的區(qū)別。（1）車(chē)載網(wǎng)中的節(jié)點(diǎn)（車(chē)輛）沿一定的路線移動(dòng)，而后者的節(jié)點(diǎn)移動(dòng)具有隨意性；（2）多數(shù)情況下，車(chē)載網(wǎng)使用多播路由，后者常常使用單播路由；（3）車(chē)載網(wǎng)節(jié)點(diǎn)運(yùn)行軌跡可預(yù)測(cè)，后者在此方面存在很大的困難。Choi等人在具有一定運(yùn)行規(guī)律路線的車(chē)輛（比如公交車(chē)）軌跡的基礎(chǔ)上提出了一個(gè)OVDF（optimal VSN data forwarding）轉(zhuǎn)發(fā)模型，它對(duì)傳統(tǒng)車(chē)載網(wǎng)絡(luò)模型G=（I,R）（I是交叉點(diǎn)集合，R是原始路段集合）進(jìn)行了邊的擴(kuò)展（新邊集合為L(zhǎng)），即G'＝（I,R'），其中，R'＝R∪L。

限定時(shí)延，結(jié)合預(yù)定未來(lái)軌跡、多播路由、車(chē)輛密度及速度等因素的影響，通過(guò)建模馬爾可夫決策過(guò)程（Markov decision process，簡(jiǎn)稱(chēng)MDP）解決網(wǎng)絡(luò)模型的數(shù)據(jù)轉(zhuǎn)發(fā)問(wèn)題。

在OVDF中，設(shè)定V＝{0, 1, …,M}是車(chē)輛類(lèi)型的集合，向量代表交叉點(diǎn)i上的路由決策，是交叉點(diǎn)i的所有外出邊，且按時(shí)延遞增的順序排列。u＝[ui, ?i∈I]為一個(gè)路由策略，是指在u i下通過(guò)類(lèi)型為v的車(chē)輛從交叉點(diǎn)i轉(zhuǎn)發(fā)數(shù)據(jù)包到交叉點(diǎn)j的概率，上的期望數(shù)據(jù)時(shí)延，則從交叉點(diǎn)i到任意AP（access point）的數(shù)據(jù)傳遞時(shí)延從而，交叉點(diǎn)i上的數(shù)據(jù)轉(zhuǎn)發(fā)決策條件為顯然，是求解Di(u)的關(guān)鍵。立足于交叉點(diǎn)i，根據(jù)車(chē)載網(wǎng)實(shí)際運(yùn)行場(chǎng)景分情況加以分析，建立了與類(lèi)型為0和v的車(chē)輛相遇概率的函數(shù)關(guān)系；當(dāng)v型的車(chē)輛選擇原始路段進(jìn)行轉(zhuǎn)發(fā)數(shù)據(jù)時(shí)，采用文獻(xiàn)[91]中的模型進(jìn)行計(jì)算；否則，當(dāng)選擇擴(kuò)展路段時(shí)forv＞0，其中，是類(lèi)型為v的公交路線上交叉點(diǎn)i和j之間的路段集合；lmn是指交叉點(diǎn)m和n之間的路段長(zhǎng)度，代表v型車(chē)輛在該路段的平均速度。

OVDF是應(yīng)用于車(chē)載網(wǎng)的一個(gè)典型模型。在車(chē)輛數(shù)目、傳感數(shù)據(jù)產(chǎn)生速率及與AP間隔不同距離的情況下，對(duì)OVDF和已存在的路由算法VADD、TBD進(jìn)行多個(gè)方面的實(shí)驗(yàn)對(duì)比，結(jié)果顯示：同等條件下，OVDF傳遞總數(shù)據(jù)量比它們大約分別至少多出20%和15%；對(duì)于同一傳感范圍內(nèi)的數(shù)據(jù)投遞率，OVDF分別至少比它們高出24%和13%；OVDF的平均時(shí)延分別比它們能少20%和23%。由此可見(jiàn)，OVDF在各個(gè)指標(biāo)方面都具有優(yōu)越的性能。其主要優(yōu)點(diǎn)是：（1）基于一定條件下的實(shí)際車(chē)流量統(tǒng)計(jì)和預(yù)定未來(lái)軌跡制定機(jī)會(huì)轉(zhuǎn)發(fā)策略，能夠適應(yīng)不同的城市道路結(jié)構(gòu)和交通方式，實(shí)用價(jià)值高；（2）該模型除了通過(guò)最小化時(shí)延保存能量外，在其他方面也盡量實(shí)現(xiàn)綠色計(jì)算，比如數(shù)據(jù)包一旦被轉(zhuǎn)發(fā)，就從原來(lái)的車(chē)輛中刪除，確保整個(gè)網(wǎng)絡(luò)中每個(gè)數(shù)據(jù)包只有一個(gè)備份；（3）通過(guò)對(duì)網(wǎng)絡(luò)模型進(jìn)行邊的擴(kuò)展，能夠使其更好地適應(yīng)現(xiàn)實(shí)車(chē)載網(wǎng)應(yīng)用場(chǎng)景。OVDF模型存在的明顯不足是：實(shí)驗(yàn)數(shù)據(jù)主要使用公交車(chē)類(lèi)型的統(tǒng)計(jì)信息，并未包含出租車(chē)或私家車(chē)之類(lèi)的數(shù)據(jù)，而且認(rèn)為所有車(chē)輛都能使用數(shù)字道路圖和它們的GPS信息，且配備有IEEE 802.11的設(shè)備用于與其他車(chē)輛或AP通信，這些都可能導(dǎo)致與實(shí)際場(chǎng)景數(shù)據(jù)存在一定的差別。

另外，ZOOM也是一個(gè)經(jīng)典的車(chē)載網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)模型，它利用集成的方法完美地對(duì)車(chē)輛接觸水平和社會(huì)分層兩個(gè)等級(jí)的移動(dòng)性進(jìn)行管理，其核心思想即每個(gè)車(chē)輛本地維持一個(gè)與其他相遇車(chē)輛最近接觸的列表。根據(jù)過(guò)去的接觸信息，一部車(chē)輛首先為其他每輛車(chē)訓(xùn)練出一個(gè)K階馬爾可夫鏈，這個(gè)馬爾可夫鏈能被用來(lái)預(yù)測(cè)它與其他車(chē)的下一次接觸。另外，一部車(chē)輛也能通過(guò)利用基于它的自我接觸圖的自我中介中心性去評(píng)估它在網(wǎng)絡(luò)中的位置。然后，根據(jù)預(yù)測(cè)的未來(lái)接觸信息和自我中介中心性的數(shù)值，當(dāng)兩車(chē)相遇時(shí)，攜帶數(shù)據(jù)包的那輛車(chē)要先計(jì)算它們分別和目標(biāo)節(jié)點(diǎn)間的預(yù)測(cè)接觸延遲，具有最短接觸延遲的車(chē)輛將作為下一跳數(shù)據(jù)中繼；如果兩輛車(chē)和目標(biāo)節(jié)點(diǎn)都不存在接觸預(yù)測(cè)，則在網(wǎng)絡(luò)中有更重要位置的車(chē)輛將被選為中繼。ZOOM的最大缺點(diǎn)就是每輛車(chē)要付出一定的代價(jià)或能量來(lái)本地維持一個(gè)包含相遇車(chē)輛的近期接觸列表。與同等條件下的Markov、SimBet、BUBBLE RAP和Epidemic相比，在投遞率方面，24小時(shí)內(nèi)，ZOOM能成功傳遞60%還多，而Markov、SimBet和BUBBLE RAP分別才能達(dá)到35%、37%和24%；Epidemic的傳輸時(shí)延最短，ZOOM大約分別比Markov、SimBet和BUBBLE RAP少33%、50%和60%。此外，在每個(gè)數(shù)據(jù)包的網(wǎng)絡(luò)流量和數(shù)據(jù)包效用方面，ZOOM也表現(xiàn)得非常好?？傊?，在城市車(chē)載網(wǎng)環(huán)境中，ZOOM是一個(gè)速度快且成本效益高的機(jī)會(huì)轉(zhuǎn)發(fā)模式。

3.4 無(wú)線體域網(wǎng)絡(luò)（wireless body area network，簡(jiǎn)稱(chēng)WBAN）數(shù)據(jù)轉(zhuǎn)發(fā)

在生化和健康醫(yī)療領(lǐng)域，WBAN作為一種特殊的無(wú)線傳感網(wǎng)，已引起學(xué)術(shù)、工業(yè)和政府等領(lǐng)域或部門(mén)的廣泛關(guān)注。Wu等人提出一種EDFS（energy-eficient data forwarding strategy）機(jī)會(huì)轉(zhuǎn)發(fā)模型來(lái)平衡傳感能耗，并提高異構(gòu)WBAN的網(wǎng)絡(luò)壽命和協(xié)同操作性能。EDFS中的網(wǎng)絡(luò)模型是一個(gè)根節(jié)點(diǎn)為匯聚節(jié)點(diǎn)的樹(shù)，選擇轉(zhuǎn)發(fā)節(jié)點(diǎn)總共需要6步。第一，匯聚節(jié)點(diǎn)s廣播初始信息，為每個(gè)身體傳感節(jié)點(diǎn)分配初始參數(shù)值，如剩余能量閾值Eθ和采樣頻率、剩余能量、節(jié)點(diǎn)重要程度的影響因子γi,ρi,ηi；第二，傳感節(jié)點(diǎn)i廣播轉(zhuǎn)發(fā)請(qǐng)求（包括ID和位置信息），每個(gè)節(jié)點(diǎn)使用己知參數(shù)計(jì)算當(dāng)前能量為節(jié)點(diǎn)j的初始能量，為之前操作過(guò)程中消耗的能量。如果節(jié)點(diǎn)j滿(mǎn)足Erej≤Eθj，則忽略i的轉(zhuǎn)發(fā)請(qǐng)求，否則接受，最終形成轉(zhuǎn)發(fā)接受節(jié)點(diǎn)集合Fi；第三，F(xiàn)i中的每個(gè)節(jié)點(diǎn)根據(jù)γj,ρj,ηj計(jì)算各自的決策值Decj＝γj×ρj×ηj；第四，F(xiàn)i中每個(gè)節(jié)點(diǎn)響應(yīng)各自的ID、位置信息和Decj傳送給i；第五，同時(shí)使用條件dij＜djs和djs＜dis對(duì)節(jié)點(diǎn)間間距進(jìn)行比較，滿(mǎn)足條件的節(jié)點(diǎn)形成候選轉(zhuǎn)發(fā)節(jié)點(diǎn)集合Fi'；最后，F(xiàn)i'中決策值Decj最高的即為最合適的轉(zhuǎn)發(fā)節(jié)點(diǎn)。另外，如果Fi'是空集的話(huà)，i直接與s通信。

針對(duì)是否使用EDFS算法，且利用一個(gè)人的躺下、站立、靜坐、行走這4種姿勢(shì)對(duì)各個(gè)傳感器節(jié)點(diǎn)協(xié)作完成數(shù)據(jù)傳遞的效果分別進(jìn)行測(cè)試，無(wú)論哪個(gè)傳感器在哪種人體姿勢(shì)下，使用EDFS后，節(jié)點(diǎn)作用過(guò)程中的滿(mǎn)能量消耗時(shí)長(zhǎng)幾乎是不使用EDFS的1.6倍；在躺下和站立時(shí)，EDFS的平均跳數(shù)相同，保持最高，靜坐的平均跳數(shù)稍低一些，但它們的平均跳數(shù)均大于2跳；而行走時(shí)的平均跳數(shù)最低，少于2跳；在這4種姿勢(shì)的平均時(shí)延方面，不使用EDFS是使用EDFS的2.24倍。顯然，EDFS非常適合拓?fù)鋭?dòng)態(tài)變化的傳感網(wǎng)，其應(yīng)用能為WBAN增添巨大的利益。其主要優(yōu)點(diǎn)是：（1）選擇轉(zhuǎn)發(fā)節(jié)點(diǎn)前，預(yù)先使用壓縮感知（compressed sensmg，簡(jiǎn)稱(chēng)CS）技術(shù)對(duì)收集到的數(shù)據(jù)進(jìn)行處理，可以減少數(shù)據(jù)傳輸量，降低能耗，并利用稀疏二元隨機(jī)測(cè)量矩陣和離散余弦變換（discrete cosine transform，簡(jiǎn)稱(chēng)DCT）使矩陣乘法轉(zhuǎn)換為矩陣加法，加速算法運(yùn)行；（2）密切關(guān)注節(jié)點(diǎn)自身能耗，利用采樣頻率、剩余能量和傳感節(jié)點(diǎn)的重要性作為度量因素，可以平衡傳感器能耗，延長(zhǎng)網(wǎng)絡(luò)壽命；（3）采用網(wǎng)絡(luò)能源協(xié)同式應(yīng)用，能有效避免重要傳感器的能量快速耗盡，比較適合拓?fù)浣Y(jié)構(gòu)動(dòng)態(tài)變化的應(yīng)用。其不足之處在于：（1）反映節(jié)點(diǎn)重要程度的參數(shù)ηj是主觀賦值，會(huì)對(duì)實(shí)驗(yàn)效果造成一定的影響，有待改進(jìn)；（2）該模型是建立在匯聚節(jié)點(diǎn)知道WBAN中傳感器的采樣頻率基礎(chǔ)上，這個(gè)獲取過(guò)程可能導(dǎo)致能耗增加。

考慮到人體陰影對(duì)WBAN中節(jié)點(diǎn)和網(wǎng)關(guān)間通信能力的不良影響，Argyriou等人提出一個(gè)節(jié)點(diǎn)具有雙通信技術(shù)的WBAN框架，即ODF（optimizing data forwarding for WBAN in the presence of body shadowing）模型。它包含兩個(gè)網(wǎng)絡(luò)分支：一個(gè)由身體上的節(jié)點(diǎn)組成，使用電容體耦合通信（body-coupled communication，簡(jiǎn)稱(chēng)BCC）；另一個(gè)是IEEE 802.15.4無(wú)線電頻率（radio frequency，簡(jiǎn)稱(chēng)RF）網(wǎng)絡(luò)，存在一定的工作周期，包括睡眠和工作兩種狀態(tài)，工作時(shí)轉(zhuǎn)發(fā)數(shù)據(jù)到網(wǎng)關(guān)，而且每個(gè)節(jié)點(diǎn)都要計(jì)算直接RF傳輸?shù)钠骄鶗r(shí)延和能量，并通知給其他節(jié)點(diǎn)。這兩個(gè)分支均是單跳的，使用不同的MAC協(xié)議，相互協(xié)作完成中繼節(jié)點(diǎn)的選擇和數(shù)據(jù)轉(zhuǎn)發(fā)。且候選中繼節(jié)點(diǎn)n是否轉(zhuǎn)發(fā)請(qǐng)求節(jié)點(diǎn)i上的數(shù)據(jù)的判斷條件為或?yàn)槠谕?，Erf，Drf分別是節(jié)點(diǎn)的本地RF傳輸?shù)哪芎暮蜁r(shí)延，Ebcc和Dbcc是隨機(jī)變量，分別代表BCC網(wǎng)絡(luò)中傳輸一個(gè)數(shù)據(jù)包的能量和時(shí)延。無(wú)論是在RF還是BCC中，基于MAC工作周期，時(shí)延計(jì)算都與這兩個(gè)網(wǎng)絡(luò)在活躍、空閑信道評(píng)估、傳輸、接收等狀態(tài)下的耗時(shí)相關(guān)，基本上是各項(xiàng)的線性之和，而能耗是在對(duì)不同狀態(tài)下時(shí)延分析的基礎(chǔ)上，考慮單位功耗后的各項(xiàng)線性之和。

通過(guò)與只使用RF通信的Baseline系統(tǒng)相比較，在節(jié)點(diǎn)數(shù)與中繼節(jié)點(diǎn)數(shù)均為4的前提下，當(dāng)時(shí)延約束為1 s時(shí)，OFD的數(shù)據(jù)包喪失率大約是Baseline系統(tǒng)的一半，而當(dāng)時(shí)延約束為50 ms時(shí)，前者約是后者的1/10；而無(wú)論時(shí)延約束是1 s還是50 ms，當(dāng)節(jié)點(diǎn)總數(shù)不變時(shí)，OFD歸一化后的能量都將隨著中繼節(jié)點(diǎn)數(shù)目的增加和系統(tǒng)裝載量的增長(zhǎng)而呈遞減趨勢(shì)。當(dāng)時(shí)延約束為1 s、節(jié)點(diǎn)總數(shù)為4、中繼節(jié)點(diǎn)數(shù)目由1遞增到4時(shí)，OFD的歸一化時(shí)延值隨著系統(tǒng)裝載量的增長(zhǎng)而遞減。此時(shí)，不同系統(tǒng)裝載量下，Baseline的平均數(shù)據(jù)包喪失率大約是OFD的2.4倍。同時(shí)，在真實(shí)的RF追蹤測(cè)試中，OFD在數(shù)據(jù)包延時(shí)、能耗和數(shù)據(jù)包喪失率方面都比使用RF中繼、Pocket和Torso等方法的轉(zhuǎn)發(fā)模型做得要好很多。因此，OFD在WBAN應(yīng)用中性能表現(xiàn)良好。OFD模型僅依靠網(wǎng)絡(luò)自身信道條件決定轉(zhuǎn)發(fā)策略，與文獻(xiàn)[8]相似，其主要優(yōu)點(diǎn)是：（1）具有BCC和RF兩種通信技術(shù)的節(jié)點(diǎn)，當(dāng)遇到RF擁塞時(shí)，可通過(guò)BCC借助其他節(jié)點(diǎn)完成請(qǐng)求的監(jiān)聽(tīng)、判斷、轉(zhuǎn)發(fā)到網(wǎng)關(guān)等工作，分工明確，避免信道擁塞，節(jié)省資源，很大程度上降低了網(wǎng)絡(luò)能耗；（2）當(dāng)WBAN中的節(jié)點(diǎn)之間不能通過(guò)RF通信時(shí)，RF傳輸被降到絕對(duì)最小，這有益于RF連接負(fù)載最小且對(duì)周?chē)腞F設(shè)備干擾影響也最小；（3）該模型使用節(jié)點(diǎn)本身的實(shí)際數(shù)據(jù)作為轉(zhuǎn)發(fā)判斷條件，更貼近現(xiàn)實(shí)需求，實(shí)用價(jià)值高。其明顯的不足在于：盡管對(duì)轉(zhuǎn)發(fā)條件（時(shí)延和能耗）的分析相當(dāng)詳細(xì)，但計(jì)算過(guò)程非常復(fù)雜，整個(gè)轉(zhuǎn)發(fā)實(shí)現(xiàn)算法的時(shí)間和空間復(fù)雜度也較高，這些都會(huì)導(dǎo)致瞬時(shí)轉(zhuǎn)發(fā)決策性能的下降，從而增加時(shí)延和網(wǎng)絡(luò)能耗，因而有待進(jìn)一步改善。

3.5 無(wú)線混合網(wǎng)絡(luò)（wireless mesh network，簡(jiǎn)稱(chēng)WMN）數(shù)據(jù)轉(zhuǎn)發(fā)

相較于車(chē)載網(wǎng)、社交網(wǎng)等，WMN是一種更貼近物聯(lián)網(wǎng)概念的應(yīng)用模式。由于代價(jià)低、易于部署和安裝，WMN已成為無(wú)線互聯(lián)網(wǎng)基礎(chǔ)設(shè)施發(fā)展的熱門(mén)技術(shù)之一。通過(guò)改善各種措施，可以提高整個(gè)無(wú)線混合網(wǎng)絡(luò)的吞吐量?？紤]到鏈接質(zhì)量、干擾和擁塞的動(dòng)態(tài)變化對(duì)WMN數(shù)據(jù)傳遞吞吐量的影響，Islam等人將WMN建模成無(wú)向圖，提出一個(gè)O-DTE（optimization framework for dynamic trafic engineering）框架模型，基于其N(xiāo)P難問(wèn)題，首先利用貪婪啟發(fā)式變換方法對(duì)O-DTE進(jìn)行優(yōu)化，形成G-DTE（greedy heuristic alternate solution for dynamic trafficengineering）。G-DTE從傳輸節(jié)點(diǎn)的一跳下行節(jié)點(diǎn)中選取轉(zhuǎn)發(fā)節(jié)點(diǎn)，轉(zhuǎn)發(fā)節(jié)點(diǎn)應(yīng)具有更高的數(shù)據(jù)傳輸速率和更低的干擾。然后，利用G-DTE將動(dòng)態(tài)流量工程分割成多個(gè)流，通過(guò)以上選取的轉(zhuǎn)發(fā)節(jié)點(diǎn)組成的多條路徑進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)。在每一跳中，G-DTE僅僅使用節(jié)點(diǎn)的鄰居信息，因此具有很強(qiáng)的擴(kuò)展性。

G-DTE模型立足于某個(gè)傳輸源節(jié)點(diǎn)，通過(guò)以下方法判斷轉(zhuǎn)發(fā)分配方案s是否最優(yōu)：

其中，v和w分別是傳輸源節(jié)點(diǎn)和接收節(jié)點(diǎn)，（vw）代表節(jié)點(diǎn)間存在一定關(guān)系，ω(vw)是指該邊權(quán)重，Sv是節(jié)點(diǎn)v的所有分配方案集合，δv(s)是分配方案下轉(zhuǎn)發(fā)者的節(jié)點(diǎn)級(jí)別擁塞，設(shè)定ε=0.0001，以免分母為代表節(jié)點(diǎn)v的上行連接的集合,x（vw）是該連接在任意給定時(shí)刻的激活狀態(tài)，p（vw）和r是為該連接分配的傳輸功率和數(shù)據(jù)速率，它們均是事先給定的離散實(shí)數(shù)集合。

顯然，在上式取最大值的分配方案中，所有參與節(jié)點(diǎn)即為轉(zhuǎn)發(fā)節(jié)點(diǎn)。與O-DTE、MRA、MRT和CLC_DGS比較，在網(wǎng)絡(luò)吞吐量、端到端的平均時(shí)延和數(shù)據(jù)包的投遞率這3個(gè)方面，G-DTE表現(xiàn)得都較為平穩(wěn)：在前半部分，O-DTE比G-DTE表現(xiàn)得要好。但到中間時(shí)，兩者形成交叉點(diǎn)。隨后，G-DTE性能在這3個(gè)方面都優(yōu)于O-DTE。而且無(wú)論是哪個(gè)方面的比較，G-DTE和O-DTE都比另外3個(gè)優(yōu)越許多。G-DTE框架模型的主要優(yōu)點(diǎn)是：（1）使用DTE動(dòng)態(tài)確定當(dāng)前節(jié)點(diǎn)的流量分配向量，并為其每個(gè)元素分配適當(dāng)?shù)墓β屎退俾?，同時(shí)考慮連接質(zhì)量、鄰居擁塞、節(jié)點(diǎn)擁塞和路徑擁塞，可以保證流保護(hù)約束，更具客觀性；（2）利用多元化路徑容量將流量分割到設(shè)定的多個(gè)轉(zhuǎn)發(fā)連接，可以滿(mǎn)足流的需求，提供了實(shí)現(xiàn)大數(shù)據(jù)傳輸?shù)臋C(jī)會(huì)，比如傳輸視頻等；（3）為了避免擁塞，每個(gè)DTE節(jié)點(diǎn)本地監(jiān)測(cè)它的積壓流量強(qiáng)度和轉(zhuǎn)發(fā)能力，目的是為了以一種公平的方式調(diào)節(jié)上行流速率，可以達(dá)到從宏觀上控制流的傳輸?shù)哪康?，保證網(wǎng)絡(luò)吞吐量最大化；（4）這是一種綜合優(yōu)化整個(gè)網(wǎng)絡(luò)多個(gè)元素的框架，如最大化聚合轉(zhuǎn)發(fā)速率、最小化鄰居干擾和各等級(jí)阻塞等，可擴(kuò)展性強(qiáng)，實(shí)用價(jià)值高，極其符合物聯(lián)網(wǎng)應(yīng)用的需求。但是，G-DTE模型也存在明顯的不足：（1）使用靜態(tài)方式對(duì)混合網(wǎng)中轉(zhuǎn)發(fā)節(jié)點(diǎn)間通信連接上的信道進(jìn)行分配，會(huì)導(dǎo)致實(shí)驗(yàn)數(shù)據(jù)與實(shí)際應(yīng)用存在一定的誤差，違背客觀現(xiàn)實(shí)；（2）它沒(méi)有考慮某個(gè)節(jié)點(diǎn)不存在合適的轉(zhuǎn)發(fā)方案時(shí)的處理情況，這可能會(huì)使數(shù)據(jù)傳輸失敗，網(wǎng)絡(luò)服務(wù)得不到保障。

針對(duì)多傳輸/接收WMN環(huán)境，Wang等人結(jié)合鏈路調(diào)度和數(shù)據(jù)轉(zhuǎn)發(fā)提出了一個(gè)最小化數(shù)據(jù)轉(zhuǎn)發(fā)調(diào)度模型MDFS（minimizing data forwarding schedule），其環(huán)境模型是將以網(wǎng)關(guān)節(jié)點(diǎn)為樹(shù)根而形成的森林模型。該路由森林的構(gòu)造采用啟發(fā)式算法，它不斷地將一個(gè)節(jié)點(diǎn)及其子孫從具有最高裝載量的網(wǎng)關(guān)樹(shù)遷移到裝載量相對(duì)較低的網(wǎng)關(guān)樹(shù)上，該算法具有較低的復(fù)雜度，最終能形成一個(gè)接近最優(yōu)化的均衡森林。MDFS在計(jì)算過(guò)程中將干擾消除和空間復(fù)用等多輸入多輸出通信技術(shù)作為判斷轉(zhuǎn)發(fā)的依據(jù)，路由者能在它的鏈路上同時(shí)傳輸或接收不同的數(shù)據(jù)包，也能同時(shí)將多個(gè)數(shù)據(jù)包傳遞給一個(gè)鄰居節(jié)點(diǎn)。與文獻(xiàn)[110]提出的另一個(gè)構(gòu)造森林的整數(shù)線性規(guī)劃算法對(duì)比，當(dāng)網(wǎng)關(guān)數(shù)目和節(jié)點(diǎn)度數(shù)均為4、網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)目從10增到70時(shí)，在業(yè)務(wù)量最重的網(wǎng)關(guān)上，MDFS較之多出至少8.6%的裝載量；當(dāng)每個(gè)節(jié)點(diǎn)有6個(gè)鄰居時(shí)，MDFS較之多出至少9.1%的裝載量，前考的計(jì)算時(shí)長(zhǎng)為58.8 s，而MDFS為0.36 s；當(dāng)網(wǎng)關(guān)個(gè)數(shù)為5時(shí)，MDFS較之多出至少6.7%的裝載量，此時(shí)，前者的計(jì)算時(shí)長(zhǎng)為14.6 s，而MDFS為0.48 s。由此不難看出，MDFS在很多方面都展現(xiàn)出了良好的性能。

3.6 命名數(shù)據(jù)網(wǎng)絡(luò)（named data networking，簡(jiǎn)稱(chēng)NDN）數(shù)據(jù)轉(zhuǎn)發(fā)

以主機(jī)為中心的傳統(tǒng)互聯(lián)網(wǎng)絡(luò)體系結(jié)構(gòu)已難以滿(mǎn)足人們對(duì)數(shù)據(jù)內(nèi)容本身的強(qiáng)烈需求，NDN順應(yīng)這種時(shí)代需求而出現(xiàn)，它是一種基于信息和內(nèi)容的全新網(wǎng)絡(luò)體系結(jié)構(gòu)，將作為互聯(lián)網(wǎng)下一步研究的基礎(chǔ)。

在最初的車(chē)載命名數(shù)據(jù)網(wǎng)（verhicluar NDN，簡(jiǎn)稱(chēng)VNDN）中，消費(fèi)者pull機(jī)制時(shí)延長(zhǎng)且不支持push關(guān)鍵數(shù)據(jù)進(jìn)入網(wǎng)絡(luò)，因此，Majeed等人提出一種積極的數(shù)據(jù)轉(zhuǎn)發(fā)模式EPBC（enabling push-based critical dataforwarding），以便push關(guān)鍵內(nèi)容到一跳鄰居節(jié)點(diǎn)。Push-Based VNDN將數(shù)據(jù)內(nèi)容分為關(guān)鍵和非關(guān)鍵兩部分，允許有需求（比如求救）的節(jié)點(diǎn)主動(dòng)傳播信標(biāo)消息（如內(nèi)容名字和大小）給它的一跳鄰居節(jié)點(diǎn)。

Push-Based VNDN數(shù)據(jù)轉(zhuǎn)發(fā)判斷的流程非常簡(jiǎn)單，且遵循NDN工作機(jī)制，其主要優(yōu)點(diǎn)是：（1）有需求的節(jié)點(diǎn)采用積極主動(dòng)的方式向網(wǎng)絡(luò)發(fā)送請(qǐng)求信標(biāo)，觸發(fā)數(shù)據(jù)轉(zhuǎn)發(fā)流程，顯然，該轉(zhuǎn)發(fā)算法的復(fù)雜度與PIT（pending interest table）的大小緊密相關(guān)，這種通過(guò)鍵值（請(qǐng)求）尋找內(nèi)容的方式能夠提高算法運(yùn)算速度，節(jié)省能源，非常適合像車(chē)載網(wǎng)這種高速移動(dòng)下對(duì)瞬時(shí)決策要求也較高的應(yīng)用；（2）相較于傳統(tǒng)的Pull-Based VNDN，Push-Based VNDN的總塊傳輸時(shí)延只有它的一半或1/3，且Push-Based VNDN模型中生產(chǎn)者（信息服務(wù)節(jié)點(diǎn)）發(fā)送信標(biāo)后立即推送數(shù)據(jù)內(nèi)容，通過(guò)消除等待一個(gè)請(qǐng)求到達(dá)的時(shí)間大大降低了傳輸代價(jià)，限于文章篇幅，該證明過(guò)程可參見(jiàn)原文；（3）這是第一個(gè)嘗試使用NDN分類(lèi)處理內(nèi)容并允許推送內(nèi)容到需要的地方的模型，為研究者們進(jìn)一步對(duì)NDN或其他應(yīng)用中的數(shù)據(jù)轉(zhuǎn)發(fā)研究提供了堅(jiān)實(shí)的理論基礎(chǔ)和應(yīng)用依據(jù)。該模型的唯一不足之處在于：只在時(shí)延上進(jìn)行了對(duì)比驗(yàn)證，優(yōu)化目標(biāo)單一，不能突顯其優(yōu)良性能。

由于物聯(lián)網(wǎng)中存在大量資源受限的弱網(wǎng)絡(luò)設(shè)備，當(dāng)前的NDN采用的數(shù)據(jù)轉(zhuǎn)發(fā)模式產(chǎn)生了大量的通信代價(jià)和無(wú)效的緩存命中率，已經(jīng)不適合物聯(lián)網(wǎng)的需求。針對(duì)這個(gè)問(wèn)題，文獻(xiàn)[136]提出了一個(gè)緩存感知的命名數(shù)據(jù)轉(zhuǎn)發(fā)模式。

首先是對(duì)PIT中興趣的處理。考慮到無(wú)線傳感網(wǎng)數(shù)據(jù)時(shí)效性和有效性的敏感程度，不同于以往的NDN數(shù)據(jù)轉(zhuǎn)發(fā)，當(dāng)一條新的興趣到來(lái)時(shí)，文獻(xiàn)[136]不刪除PIT中同名的興趣，而是設(shè)置不同的標(biāo)志進(jìn)行區(qū)別，每個(gè)興趣在進(jìn)入CS（content store）處理管道前要先計(jì)算出其節(jié) 點(diǎn)上傳感數(shù)據(jù)興趣的泊松分布輸入值。一旦在內(nèi)容存儲(chǔ)中發(fā)現(xiàn)需要的興趣數(shù)據(jù)，那么興趣輸入值和輸出值就被載入即將返回的數(shù)據(jù)包。然而，沒(méi)有被命中的興趣將會(huì)創(chuàng)建一個(gè)新的PIT入口，并被轉(zhuǎn)發(fā)到上游接口。在發(fā)出或刪除原來(lái)的興趣輸出值后，其值再一次根據(jù)興趣被重新計(jì)算。

其次是關(guān)于數(shù)據(jù)的處理。該模式構(gòu)建了一個(gè)隨機(jī)緩存時(shí)間模型，它能表征個(gè)體數(shù)據(jù)包的緩存過(guò)程并評(píng)估該數(shù)據(jù)包在下一跳節(jié)點(diǎn)上的緩存時(shí)間。當(dāng)一個(gè)新的數(shù)據(jù)到來(lái)時(shí)，興趣的輸入值和輸出值從數(shù)據(jù)頭中被取出，根據(jù)緩存時(shí)間模型計(jì)算這個(gè)數(shù)據(jù)的緩存時(shí)間。如果這個(gè)節(jié)點(diǎn)己經(jīng)存儲(chǔ)了下一個(gè)上游的緩存時(shí)間，那么這個(gè)新的時(shí)間將被刪除。在通過(guò)己存在的PIT入口傳送數(shù)據(jù)包后，它會(huì)更新興趣的輸入值和輸出值，而且該數(shù)據(jù)內(nèi)容的PIT入口立刻被刪除，CS也被更新。

最后是關(guān)于數(shù)據(jù)轉(zhuǎn)發(fā)判斷。當(dāng)一個(gè)興趣在MT或CS中沒(méi)有匹配項(xiàng)時(shí)，第1個(gè)要尋找的部分就是FIB（forwarding information base）的名稱(chēng)前綴，下一個(gè)要尋找的部分是FIB的名稱(chēng)后綴，如果一個(gè)名字的后綴存在，這個(gè)興趣選擇一個(gè)接口轉(zhuǎn)發(fā)它自己，即通過(guò)平等概率隨機(jī)選擇一個(gè)上游節(jié)點(diǎn)發(fā)送。整個(gè)過(guò)程貌似后綴信息不存在一樣，使用多播路由選擇所需數(shù)據(jù)。

本文提出的緩存感知轉(zhuǎn)發(fā)與NDN多播轉(zhuǎn)發(fā)及概率轉(zhuǎn)發(fā)相比較，在單節(jié)點(diǎn)轉(zhuǎn)發(fā)興趣的數(shù)量方面，前者分別大約是后兩個(gè)的2倍和2.4倍；在平均有效命中率方面，緩存感知轉(zhuǎn)發(fā)為95.65%，稍微低于NDN概率轉(zhuǎn)發(fā)（96.98%），但遠(yuǎn)遠(yuǎn)高于NDN多播轉(zhuǎn)發(fā)（28.75%）；在平均時(shí)延方面，緩存感知轉(zhuǎn)發(fā)為62.93 ms，NDN概率轉(zhuǎn)發(fā)為67.43 ms，而NDN多播轉(zhuǎn)發(fā)為61.68 ms。顯然，緩存感知轉(zhuǎn)發(fā)模式在各個(gè)方面的性能表現(xiàn)都很突出，值得關(guān)注。

3.7 多跳蜂窩網(wǎng)絡(luò)（multi-hop cellular network，簡(jiǎn)稱(chēng)MCN）數(shù)據(jù)轉(zhuǎn)發(fā)

隨著移動(dòng)通信系統(tǒng)及技術(shù)的發(fā)展，未來(lái)的5G無(wú)線網(wǎng)絡(luò)服務(wù)模式的改變使D2D或M2M（machine-to-machine）等通信得到廣泛應(yīng)用，這也將為物聯(lián)網(wǎng)應(yīng)用帶來(lái)新的機(jī)遇和挑戰(zhàn)。針對(duì)MCN，Coll-PeraleS等人結(jié)合D2D通信技術(shù)以?xún)商D(zhuǎn)發(fā)為研究背景提出了一種高效、節(jié)能的基于上下文的機(jī)會(huì)MCN轉(zhuǎn)發(fā)策略（energy-efficient opportunistic forwarding，簡(jiǎn)稱(chēng)EEOF）。

兩跳機(jī)會(huì)轉(zhuǎn)發(fā)的最優(yōu)化條件是

T={τ1,τ2, …,τΓ}是離散化形式的時(shí)間約束，F(xiàn)代表傳輸數(shù)據(jù)大小，TRD2D和TRcell分別表示D2D和Cellular通信的速率，ED2D是D2D通信單位時(shí)間功耗，PR和PW分別表示D2D傳輸過(guò)程中SN傳輸信息時(shí)、MR接收信息時(shí)的單位時(shí)間存儲(chǔ)功耗，PIDLE代表MR向BS移動(dòng)過(guò)程中存儲(chǔ)和攜帶信息時(shí)的單位時(shí)間功耗。顯然，能耗最小即尋找最優(yōu)位置的MR（Opt_Xi）及MR在哪個(gè)位置（Opt_Yi）轉(zhuǎn)發(fā)，用g表示最小化處理過(guò)程，則有：

EEOF模型的主要優(yōu)點(diǎn)是：

（1）在MCN中同時(shí)使用D2D通信技術(shù)和蜂窩技術(shù)，很大程度上改善了傳統(tǒng)MCN中因使用間歇式Adhoc連接移動(dòng)中繼而導(dǎo)致的端到端的傳輸延遲情況，提高了系統(tǒng)服務(wù)的性能。

（2）整個(gè)應(yīng)用運(yùn)作期間的場(chǎng)景設(shè)置合理，流程清晰，作為移動(dòng)中繼節(jié)點(diǎn)選擇的度量因素，源節(jié)點(diǎn)與移動(dòng)中繼間通信、中繼移動(dòng)過(guò)程中、中繼向基站轉(zhuǎn)發(fā)過(guò)程中的存儲(chǔ)、攜帶和轉(zhuǎn)發(fā)等操作能耗己作了比較全面而充分的考慮，計(jì)算方式選擇也較恰當(dāng)，為實(shí)驗(yàn)結(jié)果更加貼近實(shí)際應(yīng)用場(chǎng)景提供了保障。

（3）在節(jié)點(diǎn)空間密度分別為0.1和0.05時(shí)，節(jié)點(diǎn)均勻分布情況下，EEOF模型比一跳蜂窩網(wǎng)配置下的平均能耗可降低95%和94%；而節(jié)點(diǎn)不均勻分布時(shí)，平均能耗減少量分別為61%和51%。

（4）將經(jīng)過(guò)理論驗(yàn)證后的EFOF模型應(yīng)用到基于上下文環(huán)境的延遲容忍網(wǎng)絡(luò)機(jī)會(huì)轉(zhuǎn)發(fā)中，性能優(yōu)良，為今后的相應(yīng)研究提供了可靠的理論指導(dǎo)和應(yīng)用保障。該模型存在的唯一不足之處是：實(shí)驗(yàn)僅僅驗(yàn)證了兩跳通信的場(chǎng)景，但對(duì)于目前各種網(wǎng)絡(luò)通信應(yīng)用模式并存的物聯(lián)網(wǎng)，其效果不得而知，建議從多跳轉(zhuǎn)發(fā)開(kāi)始，逐步嘗試擴(kuò)展應(yīng)用。

3.8 各種模型的比較

對(duì)本節(jié)介紹的不同場(chǎng)景下的部分模型在一些參數(shù)方面進(jìn)行的對(duì)比，總共適用18個(gè)指標(biāo)。

前8個(gè)指標(biāo)是根據(jù)文獻(xiàn)[21]對(duì)機(jī)會(huì)轉(zhuǎn)發(fā)策略分類(lèi)所提及的各項(xiàng)候選度量因子的比較，其中，接觸信息是指轉(zhuǎn)發(fā)過(guò)程中兩個(gè)節(jié)點(diǎn)相遇時(shí)的交換信息；上下文信息是指數(shù)據(jù)轉(zhuǎn)發(fā)網(wǎng)絡(luò)環(huán)境信息；社會(huì)關(guān)系和社會(huì)地位根據(jù)節(jié)點(diǎn)攜帶者的特性來(lái)確定，前者反映攜帶者的社交關(guān)系，后者代表攜帶者在某個(gè)社交關(guān)系范圍內(nèi)的活躍度；網(wǎng)絡(luò)拓?fù)湫畔⒅傅氖寝D(zhuǎn)發(fā)模型的網(wǎng)絡(luò)環(huán)境模型；數(shù)據(jù)屬性代表轉(zhuǎn)發(fā)數(shù)據(jù)本身的特征；時(shí)間因素和空間因素指的是數(shù)據(jù)轉(zhuǎn)發(fā)過(guò)程中是否考慮判斷節(jié)點(diǎn)在不同時(shí)刻、不同位置的轉(zhuǎn)發(fā)能力。以上這8個(gè)指標(biāo)都是構(gòu)建轉(zhuǎn)發(fā)模型時(shí)通常需要考慮的因子。

第9個(gè)指標(biāo)是評(píng)價(jià)是否對(duì)所采用模型進(jìn)行實(shí)時(shí)動(dòng)態(tài)性能評(píng)估。

第10～15個(gè)指標(biāo)代表對(duì)比測(cè)試該模型時(shí)是否使用到的評(píng)估度量因子。

第16～18個(gè)指標(biāo)是指數(shù)據(jù)轉(zhuǎn)發(fā)模型是否己經(jīng)運(yùn)用到實(shí)際環(huán)境中、所使用到的主要數(shù)學(xué)模型以及所適用的實(shí)際場(chǎng)景。

物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)模型的構(gòu)建并非要考慮所有度量因子，它與實(shí)際應(yīng)用場(chǎng)景及轉(zhuǎn)發(fā)方式密切相關(guān)，并且，不同模型間在很多性能方面也存在較大差別。比如LWOF、EDFS、ODF和EEOF這4個(gè)模型，LWOF適用于一般的無(wú)線傳感網(wǎng)環(huán)境，EDFS和ODF應(yīng)用在無(wú)線體域網(wǎng)環(huán)境，EEOF是針對(duì)移動(dòng)蜂窩網(wǎng)絡(luò)中D2D通信條件下的兩跳轉(zhuǎn)發(fā)場(chǎng)景而設(shè)定的轉(zhuǎn)發(fā)策略，在它們的數(shù)據(jù)轉(zhuǎn)發(fā)模型的構(gòu)建過(guò)程中，都主要依靠網(wǎng)絡(luò)上下文環(huán)境的通信信道條件時(shí)刻進(jìn)行轉(zhuǎn)發(fā)判斷，這種依據(jù)網(wǎng)絡(luò)環(huán)境實(shí)際參數(shù)數(shù)據(jù)制定的轉(zhuǎn)發(fā)策略在模型的魯棒性方面都具有相對(duì)最好的效果。而在移動(dòng)社交網(wǎng)絡(luò)中，大量的節(jié)點(diǎn)與其攜帶者的行為關(guān)聯(lián)緊密，因此，攜帶者的移動(dòng)軌跡、社會(huì)關(guān)系、社會(huì)地位及攜帶者間的接觸信息將會(huì)作為數(shù)據(jù)轉(zhuǎn)發(fā)模型構(gòu)建的主要度量因子。例如LASS模型和OVDF模型。顯然，這些模型下的度量因子隨機(jī)性比較大，對(duì)轉(zhuǎn)發(fā)判斷提供人性化效果的同時(shí)，也會(huì)引起判斷結(jié)果與現(xiàn)實(shí)情況之間產(chǎn)生一定的誤差，所以它們?cè)隰敯粜苑矫姹憩F(xiàn)一般。但考慮到人類(lèi)參與物聯(lián)網(wǎng)應(yīng)用的廣泛性，這類(lèi)模型的適用于各種物聯(lián)網(wǎng)環(huán)境的性能較強(qiáng)。新興的命名數(shù)據(jù)網(wǎng)絡(luò)技術(shù)應(yīng)用到車(chē)載網(wǎng)絡(luò)環(huán)境中，實(shí)現(xiàn)了EPBC數(shù)據(jù)轉(zhuǎn)發(fā)模型，根據(jù)命名數(shù)據(jù)網(wǎng)絡(luò)的工作機(jī)制，EPBC暫時(shí)僅將節(jié)點(diǎn)間的接觸信息、時(shí)空因素作為度量因子，這些因子同樣也是具有很大的不穩(wěn)定性，因此，其魯棒性相對(duì)較低。但由于有作為未來(lái)互聯(lián)網(wǎng)變革主體之一的命名數(shù)據(jù)網(wǎng)絡(luò)的參與，該模型在可擴(kuò)展性方面會(huì)展現(xiàn)出相對(duì)最好的效果。G-DTE模型是基于無(wú)線混合網(wǎng)絡(luò)環(huán)境而設(shè)計(jì)的，無(wú)線混合網(wǎng)是一種綜合以上各類(lèi)特定網(wǎng)絡(luò)環(huán)境的泛在應(yīng)用場(chǎng)景，主要以提高整個(gè)網(wǎng)絡(luò)的吞吐量、降低整體能耗為目標(biāo)，其中，節(jié)點(diǎn)類(lèi)型和節(jié)點(diǎn)間的能力等存在很大差別。另外，其網(wǎng)絡(luò)環(huán)境最為復(fù)雜，因此，一般情況下無(wú)法將節(jié)點(diǎn)攜帶者的信息、時(shí)空因素作為轉(zhuǎn)發(fā)衡量因子，其轉(zhuǎn)發(fā)模型構(gòu)建主要考慮網(wǎng)絡(luò)上下文信息、節(jié)點(diǎn)間的接觸情況以及網(wǎng)絡(luò)空間的模型情況等。所以，相對(duì)于其他模型，該模型的可擴(kuò)展性效果較好，而適用于各種物聯(lián)網(wǎng)環(huán)境的能力和魯棒性性能一般。

4 存在的問(wèn)題及展望

4.1 存在的問(wèn)題及解決方案

作為物聯(lián)網(wǎng)子范疇的無(wú)線傳感網(wǎng)，已存在大量與其數(shù)據(jù)轉(zhuǎn)發(fā)研究相關(guān)的成果，但是，隨著與物聯(lián)網(wǎng)有關(guān)的各項(xiàng)全新的概念、技術(shù)、思想和方法的出現(xiàn)，比如命名數(shù)據(jù)網(wǎng)絡(luò)、5G移動(dòng)通信網(wǎng)絡(luò)、（無(wú)線）軟件定義網(wǎng)絡(luò)、D2D通信技術(shù)、移動(dòng)邊緣計(jì)算或霧計(jì)算等，原來(lái)己有的數(shù)據(jù)轉(zhuǎn)發(fā)模型或處理過(guò)程已不能完全滿(mǎn)足當(dāng)前物聯(lián)網(wǎng)應(yīng)用的需求，而集成新出現(xiàn)技術(shù)的物聯(lián)網(wǎng)研究還處于起始階段，存在一些明顯的問(wèn)題。

（1）物聯(lián)網(wǎng)應(yīng)用場(chǎng)景網(wǎng)絡(luò)空間模型構(gòu)建多樣化的問(wèn)題。

環(huán)境網(wǎng)絡(luò)模型構(gòu)建是研究數(shù)據(jù)轉(zhuǎn)發(fā)機(jī)制的最基礎(chǔ)的工作，有的采用無(wú)向圖或有向圖，也有的使用向量，有的使用平面圖表述，有的采用凸空間形式，還有的使用樹(shù)形結(jié)構(gòu)等等。霧計(jì)算等新技術(shù)的出現(xiàn)使得傳統(tǒng)物聯(lián)網(wǎng)的體系結(jié)構(gòu)發(fā)生了變化，如果網(wǎng)絡(luò)空間模型構(gòu)建不隨之改變，可能會(huì)嚴(yán)重影響到后續(xù)數(shù)據(jù)轉(zhuǎn)發(fā)的建模效果。

（2）數(shù)據(jù)轉(zhuǎn)發(fā)度量因子定義的混亂性。

物聯(lián)網(wǎng)應(yīng)用中，不同的環(huán)境可能會(huì)選擇不同的度量因子，同一名稱(chēng)的度量因子在不同的環(huán)境中會(huì)具有同樣的意義，但在不同的研究中對(duì)它的定義或計(jì)算有可能不同，具有一定的主觀人為性，比如社會(huì)關(guān)系、接觸信息、社會(huì)相似性等的定義及計(jì)算方式，這將導(dǎo)致數(shù)據(jù)轉(zhuǎn)發(fā)模型的性能難以準(zhǔn)確測(cè)量。

（3）數(shù)據(jù)轉(zhuǎn)發(fā)模型的多樣性。

物聯(lián)網(wǎng)應(yīng)用場(chǎng)景具有多樣性，比如傳統(tǒng)無(wú)線傳感網(wǎng)絡(luò)、車(chē)載網(wǎng)絡(luò)、移動(dòng)社交網(wǎng)絡(luò)、水下傳感網(wǎng)絡(luò)、無(wú)線體域網(wǎng)絡(luò)、無(wú)線混合網(wǎng)絡(luò)等。各種數(shù)據(jù)轉(zhuǎn)發(fā)模型都是基于一定的應(yīng)用背景，比如車(chē)載網(wǎng)絡(luò)和移動(dòng)社交網(wǎng)絡(luò)應(yīng)用下的數(shù)據(jù)轉(zhuǎn)發(fā)易依賴(lài)于社會(huì)關(guān)系和地位、歷史軌跡、接觸信息、時(shí)空因素等進(jìn)行建模，而無(wú)線體域網(wǎng)絡(luò)更加依賴(lài)數(shù)據(jù)屬性，幾乎不考慮空間因素。所以，不同的數(shù)據(jù)轉(zhuǎn)發(fā)模型適用于不同的應(yīng)用場(chǎng)景，這一點(diǎn)導(dǎo)致模型難以統(tǒng)一，性能不易評(píng)估。

（4）模型性能評(píng)價(jià)標(biāo)準(zhǔn)的不一致性且評(píng)價(jià)困難。

不同的物聯(lián)網(wǎng)應(yīng)用情形對(duì)數(shù)據(jù)轉(zhuǎn)發(fā)模型的性能要求存在差別，比如無(wú)線混合網(wǎng)絡(luò)比較注重整個(gè)網(wǎng)絡(luò)的吞吐量最優(yōu)化，而移動(dòng)社交網(wǎng)絡(luò)會(huì)過(guò)多地考慮網(wǎng)絡(luò)服務(wù)提供給使用者的數(shù)據(jù)質(zhì)量，因此，不同模型間功能效果的對(duì)比評(píng)估是一個(gè)相當(dāng)不容易的工作，而且大多數(shù)模型性能的評(píng)價(jià)都是通過(guò)模擬實(shí)驗(yàn)完成的，沒(méi)有對(duì)實(shí)際性能進(jìn)行驗(yàn)證，可能會(huì)與現(xiàn)實(shí)情況存在較大偏差。

（5）幾乎所有模型都沒(méi)有綜合考慮各種可能的度量因子。

比如：大多數(shù)模型沒(méi)有考慮社會(huì)關(guān)系和地位、時(shí)空因素，這些在機(jī)會(huì)網(wǎng)絡(luò)應(yīng)用中起著極其重要的作用。而且，由于物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)應(yīng)用中存在許多不確定因素，模型的實(shí)現(xiàn)存在一定的難度。

（6）新興技術(shù)或方法為物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)研究注入了生機(jī)和活力。

相較于傳統(tǒng)的物聯(lián)網(wǎng)來(lái)說(shuō)，移動(dòng)邊緣計(jì)算或霧計(jì)算模式提高了物聯(lián)網(wǎng)邊緣設(shè)備的計(jì)算能力，拉近了物聯(lián)網(wǎng)設(shè)備與數(shù)據(jù)中心之間的距離，5G可增強(qiáng)物聯(lián)網(wǎng)設(shè)備間的通信能力，SDN和NDN能簡(jiǎn)化物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)的設(shè)計(jì)或開(kāi)發(fā)。這些新興技術(shù)的應(yīng)用，總體上能使物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)的延遲減少、投遞率增加、通信代價(jià)和能耗降低，可以讓我們將更多的注意力放在轉(zhuǎn)發(fā)算法本身性能的優(yōu)化上。但到目前為止，其中很多技術(shù)并不成熟，相關(guān)方面的研究成果也相對(duì)較少，會(huì)存在各種各樣的問(wèn)題。比如，盡管霧計(jì)算能為物聯(lián)網(wǎng)應(yīng)用帶來(lái)巨大的好處，但是由于物聯(lián)網(wǎng)設(shè)備具有移動(dòng)性和異構(gòu)性的特點(diǎn)，很難使霧計(jì)算節(jié)點(diǎn)的部署達(dá)到最優(yōu)化。例如，可穿戴設(shè)備和移動(dòng)電話(huà)的位置隨時(shí)間不斷在變化，不同的物聯(lián)網(wǎng)設(shè)備有不同的傳輸需求等等。一些能量不敏感的設(shè)備（如移動(dòng)電話(huà)和監(jiān)控設(shè)備）需要很高的數(shù)據(jù)速率，而一些能量敏感型的設(shè)備（如傳感器節(jié)點(diǎn)）要求低速率、低能耗的數(shù)據(jù)傳輸。因此，物聯(lián)網(wǎng)設(shè)備中這種異構(gòu)的數(shù)據(jù)傳輸需求需要不同的設(shè)備采用不同的無(wú)線訪問(wèn)技術(shù)，從而導(dǎo)致在物聯(lián)網(wǎng)硬件、技術(shù)標(biāo)準(zhǔn)及維護(hù)等方面都增加了一定的難度和負(fù)擔(dān)。而且，目前已存在的物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)模型幾乎都沒(méi)有考慮設(shè)備間性能參數(shù)上的這些差異，最終導(dǎo)致測(cè)試結(jié)果與實(shí)際存在較大的誤差，模型或算法的可靠性降低。

由于物聯(lián)網(wǎng)應(yīng)用環(huán)境本身的復(fù)雜性，不可能使用一種高效、可靠、統(tǒng)一的標(biāo)準(zhǔn)來(lái)解決以上問(wèn)題。因此，為了提高物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)性能：首先，我們?cè)谠O(shè)計(jì)轉(zhuǎn)發(fā)模型時(shí)應(yīng)盡量詳細(xì)、全面地考慮以上決定轉(zhuǎn)發(fā)性能的度量因素，采用正確、合理的方法構(gòu)建或獲取它們的模型，針對(duì)每一個(gè)指標(biāo)逐項(xiàng)突破；其次，網(wǎng)絡(luò)是物聯(lián)網(wǎng)的神經(jīng)系統(tǒng)，數(shù)據(jù)轉(zhuǎn)發(fā)的成功與否主要由網(wǎng)絡(luò)性能決定，因此，除了以上傳統(tǒng)保守的解決方案之外，我們還可以利用5G、移動(dòng)云計(jì)算、移動(dòng)邊緣計(jì)算、NDN等新興網(wǎng)絡(luò)模式或技術(shù)對(duì)物聯(lián)網(wǎng)應(yīng)用的影響。針對(duì)特定物聯(lián)網(wǎng)環(huán)境下數(shù)據(jù)轉(zhuǎn)發(fā)研究存在的問(wèn)題，分別從以下3個(gè)方面提出相應(yīng)的解決方案。

（1）移動(dòng)通信技術(shù)

5G作為新一代移動(dòng)通信系統(tǒng)，它的一些技術(shù)、方法或措施可以決定5G的性能和物聯(lián)網(wǎng)應(yīng)用的效果。比如，以采用D2D通信技術(shù)輔助的或以5G信道環(huán)境、干擾模型等為判斷依據(jù)的移動(dòng)物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)效果就主要依賴(lài)于這些技術(shù)的性能高低。D2D作為無(wú)線通信自組織網(wǎng)絡(luò)的一項(xiàng)主要通信技術(shù)，具有發(fā)射功率低、頻譜利用率高、低時(shí)延以及高速率等優(yōu)點(diǎn)。它能夠復(fù)用小區(qū)資源進(jìn)行直接通信，可使終端發(fā)射頻率降低，蜂窩網(wǎng)頻譜效率提高，在一定程度上提升了無(wú)線通信系統(tǒng)頻譜資源的利用率。顯然，D2D可以輔助蜂窩網(wǎng)完成在某些網(wǎng)絡(luò)覆蓋較差環(huán)境下的任務(wù)，比如利用附近移動(dòng)智能設(shè)備（手機(jī)或智能腕表等）作為協(xié)作中繼進(jìn)行數(shù)據(jù)采集或轉(zhuǎn)發(fā)，使源點(diǎn)與基站時(shí)刻保持通信。然而，蜂窩頻譜資源在被D2D復(fù)用的同時(shí)，蜂窩用戶(hù)、基站和D2D用戶(hù)之間也會(huì)互相干擾，影響了D2D通信和峰窩通信。因此，為了提高物聯(lián)網(wǎng)環(huán)境下數(shù)據(jù)轉(zhuǎn)發(fā)的性能，消除干擾或降低干擾影響勢(shì)在必行，我們可以從以下方面對(duì)5G中的干擾或信道等技術(shù)進(jìn)行改進(jìn)。首先，可以對(duì)特定物聯(lián)網(wǎng)環(huán)境下干擾產(chǎn)生的原因進(jìn)行分析并分類(lèi)總結(jié)，尋求降低干擾帶來(lái)的性能損傷方法，構(gòu)建符合其應(yīng)用的合理干擾模型，優(yōu)化干擾協(xié)調(diào)技術(shù)或設(shè)計(jì)高效的干擾協(xié)調(diào)算法；其次，對(duì)于信道，可以從其容量、模型、傳輸方案以及天線抵消技術(shù)等方面去改善大規(guī)模多輸入多輸出的頻譜效率和功效，合理分配移動(dòng)網(wǎng)絡(luò)頻譜資源，以適應(yīng)物聯(lián)網(wǎng)大規(guī)模數(shù)據(jù)轉(zhuǎn)發(fā)復(fù)雜業(yè)務(wù)的基本需求。所以，深入研究最優(yōu)信道信息獲取方式、無(wú)線傳輸方法、多用戶(hù)共享空間無(wú)線資源的聯(lián)合調(diào)配方法，以及研究貼合實(shí)際物聯(lián)網(wǎng)應(yīng)用環(huán)境的信道模型，分析它對(duì)信道容量的影響，分析實(shí)際信道模型在適度的導(dǎo)頻開(kāi)銷(xiāo)和一定實(shí)現(xiàn)復(fù)雜度下可達(dá)到的頻譜效率及功效等，均可以作為研究提升物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)性能的潛在領(lǐng)域。

（2）服務(wù)計(jì)算模式

傳統(tǒng)的物聯(lián)網(wǎng)處理大數(shù)據(jù)時(shí)沒(méi)有足夠的可擴(kuò)展性和有效性，而且大數(shù)據(jù)轉(zhuǎn)換會(huì)消耗巨大的能量、帶寬和時(shí)間，代價(jià)太高；而且物聯(lián)網(wǎng)大數(shù)據(jù)流必須以高容積、快速度傳遞到云，其中，用戶(hù)隱私還依然是一個(gè)未被解決的挑戰(zhàn)性問(wèn)題。大規(guī)模多輸入多輸出天線陣列和超密集異構(gòu)網(wǎng)絡(luò)部署方式等是5G的重要特征，它們使得“宏基站提供覆蓋范圍，小區(qū)或小基站提供容量”成為目前或未來(lái)互聯(lián)網(wǎng)的主要服務(wù)部署模式。密集型小區(qū)部署使得D2D通信在物聯(lián)網(wǎng)應(yīng)用中無(wú)處不在，也使得物聯(lián)網(wǎng)服務(wù)計(jì)算模式從移動(dòng)云計(jì)算向“移動(dòng)邊緣計(jì)算”或“霧計(jì)算”“微云計(jì)算”逐漸擴(kuò)展。霧計(jì)算是一個(gè)分布式計(jì)算框架，它包含了大量互相連接的高性能物理機(jī)，是一種可使分布式物聯(lián)網(wǎng)設(shè)備具有較強(qiáng)計(jì)算能力的計(jì)算模式。因此，在網(wǎng)絡(luò)中部署大量霧節(jié)點(diǎn)可以進(jìn)行本地收集、分類(lèi)、分析原始物聯(lián)網(wǎng)數(shù)據(jù)流，而不用將它們傳輸?shù)皆?，這樣可以極大地減輕核心網(wǎng)絡(luò)的負(fù)擔(dān)，潛在地加速物聯(lián)網(wǎng)大數(shù)據(jù)的處理。顯然，霧計(jì)算等新的計(jì)算模式可以使數(shù)據(jù)中心盡可能地接近物聯(lián)網(wǎng)物理設(shè)備，從而減少數(shù)據(jù)的傳輸和延遲，降低網(wǎng)絡(luò)通信代價(jià)，為物聯(lián)網(wǎng)應(yīng)用注入了生機(jī)和活力。因此，設(shè)計(jì)符合新計(jì)算模式下的物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)模型或算法也可以成為一種提升或改進(jìn)傳統(tǒng)數(shù)據(jù)轉(zhuǎn)發(fā)性能的手段或方法。另外，為了支持新計(jì)算模式下物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)的順利進(jìn)行，也必須在技術(shù)上很好地解決以下問(wèn)題，如良好的信號(hào)模型、高效率的認(rèn)知無(wú)線電技術(shù)或干擾消除技術(shù)、充足的頻譜資源、智能的回傳網(wǎng)絡(luò)、實(shí)時(shí)的移動(dòng)性以及良好的網(wǎng)絡(luò)節(jié)點(diǎn)動(dòng)態(tài)部署、自動(dòng)配置和維護(hù)效果等等，都需要選擇或設(shè)計(jì)符合實(shí)際需求的、正確的算法或模型。

（3）網(wǎng)絡(luò)體系架構(gòu)

一定物聯(lián)網(wǎng)環(huán)境下的數(shù)據(jù)轉(zhuǎn)發(fā)研究會(huì)嚴(yán)格受到物聯(lián)網(wǎng)體系架構(gòu)的影響。在現(xiàn)有且成熟的網(wǎng)絡(luò)架構(gòu)上進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)研究，可以達(dá)到事半功倍的效果。作為一種新型網(wǎng)絡(luò)體系架構(gòu)，NDN是以數(shù)據(jù)內(nèi)容和信息為中心的，它給數(shù)據(jù)資源建立索引，利用虛擬的控制和轉(zhuǎn)發(fā)分離實(shí)現(xiàn)高效率的物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)效果。相較于傳統(tǒng)的IP網(wǎng)絡(luò)架構(gòu)，NDN能夠更好地支持和適應(yīng)物聯(lián)網(wǎng)環(huán)境的動(dòng)態(tài)拓?fù)渥兓?。NDN中的通信是由接收端驅(qū)動(dòng)的，它已完善地解決了可控制性轉(zhuǎn)發(fā)策略、路由策略和鏈路協(xié)議等一系列關(guān)鍵性的問(wèn)題。類(lèi)似于NDN，SDN把一個(gè)軟件層置于網(wǎng)絡(luò)管理員和實(shí)體網(wǎng)絡(luò)組件之間，使網(wǎng)絡(luò)管理員不必手工配置物理的接入網(wǎng)絡(luò)設(shè)備和硬件，而只需通過(guò)軟件接口調(diào)整網(wǎng)絡(luò)設(shè)備。它類(lèi)似于虛擬化服務(wù)器和存儲(chǔ)，目的在于簡(jiǎn)化維護(hù)和配置操作。資源分片和信道隔離、監(jiān)控與狀態(tài)報(bào)告、切換等關(guān)鍵技術(shù)是當(dāng)前SDN在無(wú)線網(wǎng)絡(luò)中應(yīng)用的技術(shù)挑戰(zhàn)，這些挑戰(zhàn)直接影響到數(shù)據(jù)轉(zhuǎn)發(fā)的效果。比如：資源分片不合理，可能會(huì)導(dǎo)致有些資源被多個(gè)任務(wù)排隊(duì)搶占，引起系統(tǒng)擁塞，致使轉(zhuǎn)發(fā)數(shù)據(jù)停留時(shí)間過(guò)長(zhǎng)而失效，最終轉(zhuǎn)發(fā)失??；信道隔離效果差，信道間干擾嚴(yán)重，會(huì)引起以信道信息作為判斷條件的物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)性能的下降等。這些研究剛剛開(kāi)始，還需要深入進(jìn)行。另外，SDN和NDN都可作為物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)研究的一個(gè)基礎(chǔ)性架構(gòu)存在，因此，我們還可以以現(xiàn)有SDN架構(gòu)（如Open flow）或NDN架構(gòu)為基礎(chǔ)，通過(guò)使用各種措施提升它們的自身性能或改進(jìn)路由策略等來(lái)提高物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)的性能。

4.2 展望

結(jié)合上節(jié)中提到的問(wèn)題及相應(yīng)的解決方案，我們認(rèn)為可以從以下幾個(gè)方面對(duì)物聯(lián)網(wǎng)環(huán)境下的數(shù)據(jù)轉(zhuǎn)發(fā)模型做進(jìn)一步的工作。

（1）進(jìn)一步構(gòu)建合理的網(wǎng)絡(luò)場(chǎng)景模型。綜合各方面的需求，選擇的元素要盡量能夠充分展現(xiàn)實(shí)際的物聯(lián)網(wǎng)應(yīng)用場(chǎng)景。比如，對(duì)于車(chē)載網(wǎng)動(dòng)態(tài)場(chǎng)景模型的構(gòu)建，除了要考慮固定路線車(chē)輛和隨機(jī)路線車(chē)輛的相輔相成特性、車(chē)輛間關(guān)聯(lián)的主要因素個(gè)數(shù)及值（如權(quán)重）、關(guān)聯(lián)是否有向等，還要考慮因霧計(jì)算、5G等新技術(shù)出現(xiàn)引起的路邊基站的部署結(jié)構(gòu)變化及通信技術(shù)進(jìn)化的情況。這也是開(kāi)始進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)研究的最基礎(chǔ)的工作。

（2）深入研究數(shù)據(jù)轉(zhuǎn)發(fā)模型中各度量因子的定義，尤其要注意它的獲取方式和測(cè)量方法等的正確性、合理化，這對(duì)數(shù)據(jù)轉(zhuǎn)發(fā)的建模非常重要，是其建模的基礎(chǔ)工作。比如，在移動(dòng)社交網(wǎng)絡(luò)環(huán)境下，當(dāng)采用節(jié)點(diǎn)間社會(huì)相似性作為轉(zhuǎn)發(fā)度量條件時(shí)，對(duì)于度量因子“相似性”的定義，有的研究利用兩個(gè)節(jié)點(diǎn)間共同鄰居的個(gè)數(shù)衡量，而有的借助社團(tuán)分區(qū)和節(jié)點(diǎn)間的相遇頻率來(lái)衡量。顯然，后者更符合實(shí)際物聯(lián)網(wǎng)社交網(wǎng)絡(luò)場(chǎng)景。

（3）研究盡可能通用的物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)模型。物聯(lián)網(wǎng)幾乎綜合了當(dāng)前的各種應(yīng)用，要想實(shí)現(xiàn)數(shù)據(jù)轉(zhuǎn)發(fā)模型的完全統(tǒng)一是絕對(duì)不可能的，但可以針對(duì)相同或相似的應(yīng)用場(chǎng)景構(gòu)建通用的數(shù)據(jù)轉(zhuǎn)發(fā)模型。比如，在車(chē)載網(wǎng)和移動(dòng)社交網(wǎng)中，節(jié)點(diǎn)位置都是隨時(shí)間不斷變化的，節(jié)點(diǎn)間都會(huì)存在一定的相遇概率，每個(gè)節(jié)點(diǎn)也都會(huì)有它所屬的小社團(tuán)等等，這些共同因素的存在，能夠促使同一個(gè)數(shù)據(jù)轉(zhuǎn)發(fā)模型在它們之間通用。

（4）數(shù)據(jù)轉(zhuǎn)發(fā)模型性能評(píng)價(jià)問(wèn)題。如何客觀地對(duì)各種數(shù)據(jù)轉(zhuǎn)發(fā)模型進(jìn)行性能評(píng)測(cè)，是下一步值得認(rèn)真研究的問(wèn)題，可以考慮對(duì)相似或相同物聯(lián)網(wǎng)場(chǎng)景下的數(shù)據(jù)轉(zhuǎn)發(fā)模型建立一個(gè)實(shí)驗(yàn)場(chǎng)景進(jìn)行比較研究。比如，對(duì)于適合同時(shí)在車(chē)載網(wǎng)和移動(dòng)社交網(wǎng)環(huán)境下應(yīng)用的轉(zhuǎn)發(fā)模型，評(píng)估其性能將不會(huì)是一件太難的工作。

（5）對(duì)已經(jīng)應(yīng)用到物聯(lián)網(wǎng)的新興技術(shù)作深入研究。比如，移動(dòng)邊緣計(jì)算或霧計(jì)算的出現(xiàn)改變了傳統(tǒng)物聯(lián)網(wǎng)的服務(wù)計(jì)算模式，并在很大程度上改變了物聯(lián)網(wǎng)的基本體系架構(gòu)，可以考慮在構(gòu)建一個(gè)邊緣物聯(lián)網(wǎng)服務(wù)模式的基礎(chǔ)上進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)研究；5G系統(tǒng)使物聯(lián)網(wǎng)網(wǎng)絡(luò)通信方式或技術(shù)性能得以提升，可以考慮利用新特性的網(wǎng)絡(luò)通信方法構(gòu)建高效率的數(shù)據(jù)轉(zhuǎn)發(fā)模型；SDN和NDN作為新型網(wǎng)絡(luò)架構(gòu)，為物聯(lián)網(wǎng)應(yīng)用研究，尤其是路由研究，提供了便利的框架結(jié)構(gòu)，在此基礎(chǔ)上，可以考慮改進(jìn)其性能或路由算法，以提升數(shù)據(jù)轉(zhuǎn)發(fā)的能力。以上這些技術(shù)都有助于加速物聯(lián)網(wǎng)應(yīng)用中物體全智能化的實(shí)現(xiàn)，值得關(guān)注和深入。

（6）結(jié)合如人工智能、隨機(jī)幾何理論、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘、深度學(xué)習(xí)等其他學(xué)科的知識(shí)，繼續(xù)探索適合物聯(lián)網(wǎng)環(huán)境下數(shù)據(jù)轉(zhuǎn)發(fā)的新模型、新方法。比如，在具有分布式、無(wú)控制中心等特性的無(wú)線Ad Hoc網(wǎng)絡(luò)環(huán)境下構(gòu)建數(shù)據(jù)轉(zhuǎn)發(fā)模型時(shí)，可以利用隨機(jī)幾何理論作為數(shù)學(xué)分析工具，構(gòu)建SINR/SIR（signal to interference plus noise ratio/signal to interference ratio）分析模型，推導(dǎo)節(jié)點(diǎn)的中繼概率；也可以通過(guò)改進(jìn)機(jī)器學(xué)習(xí)中的支持向量機(jī)、核學(xué)習(xí)機(jī)或小波神經(jīng)網(wǎng)絡(luò)等算法提升通信系統(tǒng)的信道性能，以便適應(yīng)以5G下信道模型或干擾計(jì)算為判斷依據(jù)的數(shù)據(jù)轉(zhuǎn)發(fā)算法；還可以利用博弈論、貝葉斯分類(lèi)器、馬爾可夫鏈等智能算法構(gòu)建物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)模型；除此之外，也可以考慮在移動(dòng)邊緣計(jì)算等新興技術(shù)對(duì)物聯(lián)網(wǎng)架構(gòu)改變的基礎(chǔ)上實(shí)現(xiàn)上述方法，尋求在物聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)性能方面有進(jìn)一步的突破。

5 總結(jié)

多年來(lái)，數(shù)據(jù)轉(zhuǎn)發(fā)應(yīng)用場(chǎng)景、算法、模型的研究從針對(duì)無(wú)線傳感網(wǎng)靜態(tài)節(jié)點(diǎn)到關(guān)注動(dòng)態(tài)節(jié)點(diǎn)的作用、從基于一種通信技術(shù)的傳感器到多種通信技術(shù)并存的智能設(shè)備、從比較單一的度量因子模型到多個(gè)度量因子的模型、從傳統(tǒng)無(wú)線傳感器網(wǎng)絡(luò)環(huán)境到無(wú)處不在的智能生活環(huán)境、從單一的目標(biāo)優(yōu)化實(shí)現(xiàn)到多目標(biāo)聯(lián)合優(yōu)化實(shí)現(xiàn)、從集中式數(shù)據(jù)轉(zhuǎn)發(fā)模型到轉(zhuǎn)發(fā)與控制分離的模型、從專(zhuān)一的應(yīng)用場(chǎng)景模型到多場(chǎng)景混合的模型等，都可以說(shuō)明，高性能的數(shù)據(jù)轉(zhuǎn)發(fā)模型研究是促進(jìn)物聯(lián)網(wǎng)應(yīng)用快速普及的一個(gè)非常活躍的方向。文獻(xiàn)[7]指出，2015年—2020年是物聯(lián)網(wǎng)發(fā)展的第3個(gè)階段，目標(biāo)是實(shí)現(xiàn)物體的半智能化，在應(yīng)用和服務(wù)方面要實(shí)現(xiàn)全球化的應(yīng)用、自適應(yīng)的系統(tǒng)及代碼的分布式執(zhí)行、存儲(chǔ)和處理，在能耗方面要實(shí)現(xiàn)惡劣條件下的發(fā)電、多種能量的捕獲以及能源可再生等問(wèn)題。結(jié)合本文研究工作可知，物聯(lián)網(wǎng)環(huán)境下的數(shù)據(jù)轉(zhuǎn)發(fā)性能仍需進(jìn)一步提升，還需要廣大研究者們的不懈努力。

（摘自《軟件學(xué)報(bào)》2018年1期）