容迟网络路由算法

容迟网络中路由算法

摘要：容迟网络的主要目标是支持具有链路间歇性连通、时延大、错误率高等通信特征的不同网络的互联和互操作；由于节点移动性、链路间歇连通、网络频繁割裂等特点，容迟网络中的源节点和目的节点之间在多数情景下不存在一条连通路径，因此节点采用“存储携带转发”的路由模式。数据转发算法是移动容迟网络研究的一个重要方面。相比传统无线传感器网络的路由算法，移动容迟网络的数据转发算法不仅要提高网络节点的能量效率、延长网络生存期，对如何提高消息传输成功率、降低消息传输时延与通信开销的研究则更加具有实际意义。现有的移动容迟网络数据转发算法大致可分为：基于消息复制的转发算法、基于历史信息的转发算法、基于先验知识的转发算法、基础设施辅助的转发算法和基于社会网络的转发算法。

关键词容迟网络；社会网络；路由协议；数据分发；优化算法

容迟网络（Delay Tolerant Networks,DTNs）是近年来无线网络领域内的一个研究热点，泛指部署在极端环境下由于节点的移动或者能量调度等原因而导致节点间只能间歇性进行通倍甚至长时间处于中断状态的一类网络[1-3]。其概念起源于星际网络（Interplanetary Internet,IPN），与传统通信网络模型相比，移动容迟网络具有网络间歇性连通、节点资源受限、传播时延高等特点。DTN作为未来互联网络发展的一个新方向，在环境监测、交通管理、水下探测和发展中国家偏远地区网络基础建设具有广泛的应用前景和实用价值。

如何做出正确高效的路由选择一直是无线网络领域内的关键技术和主要研究课题，然而传统的基于的路由协议、移动网络和无线传感网络的路由协议均很难在容迟网络中工作。一方面，与传统通信网络模型不同，移动容迟网络中不存在稳定可靠的端到端链路，使得现有的基于端到端连通性假设的无线传感器网络路由算法不能适用于该网络环境。另一方面，相对于传统的无线传感器网络路算法，移动容迟网络数据转发算法不仅需要综合考虑如何提高网络节点的能量效率、延长网络生存期，研究如何提高消息传输成功率、降低消息传输延迟与通信开销则具有更加实际的意义。目前，移动容迟网络的数据转发算法大致可分为以下几种方式：基于消息复制的转发算法、基于历史信息的转发算法、基于先验知识的转发算法、基础设施辅助的转发算法和基于社会网络的转发算法。

1容迟网络概述

1.1 容迟网络起源

上世纪九十年代，美国国家航空航天局(National Aeronautics and Space Administration, NASA)等研究机构在美国国防部高级研究计划署(Defense

Advanced Research Projects Agency, DARPA)的支持下开始了对星际互联网(Interplanetary Internet, IPN)的研究。IPN 的基本思想是让深空通信(Deep Space Communications)中的不同节点(如地面站与航天器)之间像Internet 上的主机一样进行通信。然而行星自转与航天器运动导致了通信链路的间歇性连通，使得基于端到端连通性假设的Internet 协议不能直接应用于IPN。面对深空通信中遇到的高时延与网络断开等问题，研究人员逐渐认识到了IPN环境与传统Internet 环境的主要区别是网络协议须容迟容断(Delay/Disruption-tolerant)。随着IPN研究的开展，互联网研究任务组(Internet Research Task Force, IRTF)成立了星际互联网研究组(Interplanetary Internet Research Group, IPNRG)，为相关的研究工作提供支持。随后，由互联网研究专家Vinton Cerf 等人提出了最初的IPN 体系结构，用于解决深空通信中的高时延与丢包问题。

随着IPN相关研究的不断深入，IPNRG 于2002年提出了改进的IPN 架构，并描述了将所提出的IPN 体系结构应用于更具一般性的容迟容断网络环境(Delay/Disruption-Tolerant Networks, DTN) 的结构设计中。随后，容迟网络研究组(Delay-Tolerant Networking Research Group, DTNRG) 在IPNRG的支持下成立，并致力于受限网络体系结构研究与网络协议设计。与此同时，针对如何将IPN的设计思想应用与其他受限网络环境的研究也受到了研究者们越来越多的重视。2003年，Kevin Fall 针对异构网络互联问题提出了基于“束”(Bundle) 的DTN体系结构[4]，。随着针对受限网络环境的应用场景逐渐增多[5,6]，相关的研究工作涉及到了DTN 的方方面面，包括体系结构设计、转发算法设计、安全问题以及可靠性验证等等。

1.2 容迟网络的特点

相比传统的基于TCP/IP 协议族的互联网，容迟网络有以下几个特点[7]：

1 ）网络节点移动性

容迟网络中各节点的工作方式不依赖于网络基础设施，并且在移动容迟网络中不存在通信范围足以覆盖整个网络的特殊节点。网络中各节点能够按照预先指定的或者完全随机的路径在网络中移动，并利用移动带来的通信机会进行通信。当节点相遇时，即移动进入到彼此的通信范围之后，消息将在有限的相遇时间内在相遇的节点之间进行转发。通过这种方式，消息将最终逐跳地由源节点发送至目的节点。因此网络节点的移动性是容迟网络的主要特点。尤其对于某些特定的网络场景（例如利用由人携带的手持设备进行分布式组网），人的移动将直接影响到网络节点间的相遇间隔时间、相遇持续时间以及相遇频率等，并进而影响到数据转发算法的设计。

2）高时延与低带宽

容迟网络的端到端时延指的是消息从源节点发送到目的节点经过的端到端传输路径上的每一跳传输时延的总和。其中，每一跳传输时延又包括消息通过该链路时的发送时间、传播时间、排队时间和处理时间。在移动容迟网络中，节点移动导致网络拓扑结构的不断变化以及网络的间歇性连通，也使得消息在发送至下一跳节点之前需要经过很长的排队时间，从而产生了较高的时延。另一方面，网络节点的移动性也决定了在移动容迟网络环境中适宜采用无线通信技术，而受

限于无线信道的物理特性以及无线信号的干扰衰减等因素，节点之间的网络带宽通常比较低。

3）网络间歇性连通

在容迟网络中，节点的频繁移动导致网络拓扑结构不断变化。当节点移动超出彼此的通信范围时，节点间的无线通信链路即被中断。网络中各节点之间

通信链路的中断往往会导致整个网络被划分为多个互不连通的区域，从而导致源节点与目的节点之间通常不存在稳定可靠的端到端链路。对于因节点移动而产生的网络间歇性连通情况，有的可以提前预测（如IPN 中的链路通断），而有的难以进行预测（如PSN 中设备携带者之间的相遇）。另外，移动容迟网络中节点的休眠或失效也会导致网络的间歇性连通。

4）网络节点自组性

容迟网络是对等式网络，即网络中的所有节点地位平等，因而具有自组织的特性。一方面，移动容迟网络能够提供不依赖于基础设施的网络服务，网络节点间互相作为消息转发的载体；另一方面，网络中节点的加入或离开不会影响到整个网络的正常运行，从而提高了网络的生存能力；再者，网络中各节点之间通过分布式算法进行控制与协作，共同对整个网络进行构建和管理。

5）网络节点资源有限

容迟网络中的各网络节点仅具备有限的存储与计算能力。同时，移动容迟网络特殊的应用环境（如战场环境、水下环境等）限制了网络节点的体积和重量，从而间接地限制了网络节点的资源。这一特点使得如何更加有效地利用有限的节点资源并且提高消息传输成功率，成为了移动容迟网络数据转发算法设计中需要考虑的一个主要方面。

2容迟网络路由算法

容迟网络的路由算法通常可分为五种不同类型，包括：基于消息复制的(Replication-based)路由算法、基于历史信息的(History-based)路由算法、基于先验知识的(Knowledge-based)路由算法、基础设施辅助的(Infrastructure-assisted)路由算法和基于社会网络的(Social-based)路由算法。

1）基于消息复制的路由算法

基于消息复制的路由算法(Replication-based forwarding algorithm) 包括传染路由方式(Epidemic Routing)和控制洪泛方式(Controlled Flooding)。传染路由是最简单的移动容迟网络数据转发算法[8]，其思想是通过源节点向相遇节点发送消息副本，再由相遇节点重复该过程将消息副本发送至更多节点，最终将该消息传播到整个网络从而送达目的节点。这种转发方式的优点在于能够达到较高的消息传输成功率，但同时也具有明显的缺点。随着网络中节点数量的增多，大量的消息副本将耗尽网络中各节点的资源，因此该算法不具有可扩展性。针对传染路由的缺点，多种限制消息副本数的转发算法被相继提出。这类算法被称为控制洪泛方式的转发算法。例如在文献[9]中，作者提出了四种用于限制消息副本

数的机制用于降低节点的资源消耗（如限制消息可被转发的最大跳数），然而该算法的缺点是增大了消息传输时延。喷射等待路由算法(Spray and wait)算法和喷射焦点路由算法(Spray and focus）[10]都将路由算法分为两阶段且第一阶段称为喷洒(Spray)：在网络中产生固定数目数据包拷贝进行传播，第二阶段分别为等待(Wait）和焦点(Focus)，在等待阶段携带数据包的节点对除碰到目的节点外不再传播数据包，在焦点阶段携带数据包的节点对除碰到目的节点或者碰到效用值比本节点高的节点外不再传播数据包，这两个算法可以控制网络中数据包副本数量。

2）基于历史信息的路由算法

不同于基于消息复制的路由算法，基于历史信息的数据路由算法(History-based forwarding algorithm) 利用网络中各节点之间的相遇历史记录或者节点间的相遇概率为下一跳节点的选择提供依据。在文献[11]中提出的PROPHET (Probabilistic Routing Protocol)算法是比较有代表性的基于历史信息的移动容迟网络数据转发算法。该算法基于节点非随机移动的假设，即经常经过同一区域的节点将来再次经过该区域的概率较高。网络中各节点预先计算与其他节点相遇的概率并在节点相遇时对该信息进行交换，然后利用相遇概率的传递性将消息转发给具有更大概率与目标节点相遇的节点。MV (Meetings and Visits)算法[12,13]通过学习网络中节点的移动模式(Mobility Pattern)，即节点之间相遇的概率以及节点经过特定区域的概率，将消息转发给分发概率更高的节点。Max Prop 算法[14]在MV 算法的基础上进行了扩展，利用基于节点间相遇历史记录的路径可能性(Path Likelihood)进行消息转发决策。Max Prop 算法还通过在网络中散播ACK 消息来移除网络中的过期消息，从而降低了网络中各节点的资源消耗。

3）基于先验知识的路由算法

基于先验知识的数据路由算法(Knowledge-based forwarding algorithm) 是指在网络拓扑结构、节点相遇时间或节点移动轨迹等信息部分已知或者全部已知的条件下进行转发决策的方式。在文献[15]中提出了基于先验知识（如链路统计信息、节点间连接信息、节点缓冲队列占用信息、通信需求信息等）的单副本转发算法，将路由问题转化为多重货物流问题。并且，作者通过给定不同条件的先验知识对转发算法的性能进行比较，得出了以下结论：给定的先验知识越多，消息的传输时延就越短。文献[16]对容迟网络中的多播(Multicast) 问题进行了研究，得出了与之类似的结论：即使只给出部分先验信息，基于多播的路由算法仍然能够达到较好的性能。但同时也指出了对于基于多播的数据转发算法，网络拓扑结构的先验信息极为重要。在文献[17]中，作者将链路状态路由(Link State Routing) 用于容迟网络环境中，针对偏远地区网络接入的应用场景提出了基于先验知识的路由算法,并且利用已知的往返于各村庄的车辆运行时刻信息对消息转发进行决策。文献[18]中提出了CAR (Context-Aware Routing) 路由协议。该协议将消息的同步和异步发送机制相结合，当与目的节点之间存在完整的端到端路径时，使用原有路由协议进行消息转发；而当与目的节点之间不存在完整的端到端路径时，节点利用上下文信息（如节点位置、移动模式、节点能量等）计算其效用值，然后采用卡尔曼滤波的方法对效用值进行预测，并将消息转发给效用值较高的节点。文献[19]通过增加时间维度构造空时(Space-Time) 路由表，提出了一种在节点移动模式确定的情况下的空时图(Space-Time Graph) 路由框架。与传统的基于下一跳的路由表不同，空时路由表记录了目标地址和消息到达时间点。该路由框架利

用动态规划和类似于Dijkstra 最短路径的算法求解不同节点之间的最短路径，从而最小化端到端的消息传输时延。

4）基础设施辅助的路由算法

基础设施辅助的路由算法(Infrastructure-assisted forwarding algorithm)是指通过在容迟网络中添加特殊节点并且控制特殊节点的移动轨迹从而进行消息转发的方式。文献[20]通过在稀疏网络环境中引入移动节点(MULE)来进行数据收集，并以单跳或多跳的方式将数据转发到接入骨干网的AP节点。与之类似，文献[21]提出了MF (Message Ferry) 消息摆渡路由。该方式利用主动移动的Ferry 节点在稀疏网络环境中进行消息传输，即源节点先将消息发送至Ferry节点，然后由Ferry 节点在移动过程中将消息转发至目的节点。文献[22]针对网络中的普通节点与Ferry 节点之间无法协作的问题，提出了OPWP (OPtimized Way-Points) 优化路线点的路由算法，通过对Ferry 节点的移动进行优化，缩短Ferry 节点的等待时间。针对Ferry 节点失效而导致系统瘫痪的问题，文献[23]提出了包含多个Ferry 节点的系统。由于规划Ferry节点的移动轨迹在实际应用环境中通常难以实现，因而这种转发方式的应用范围比较有限。

5）基于社会网络的路由算法

基于社会网络的路由算法(Social-based forwarding algorithm)是指利用人的移动性与社会性辅助进行消息转发的方式。在由手持设备组成的容迟网络环境中，设备随着人的移动而移动。因此人的移动性、人与人之间相遇的间隔时间与频率等因素直接影响到消息传输的成功率与时延。设计基于社会网络的转发算法首先需要对人与人之间的相遇规律进行分析。文献[24]通过对大量的实验数据进行分析，得出了人与人之间的相遇间隔时间服从幂律分布的结论，并且指出由于相遇间隔时间的分布不存在有限的均值，已有的移动容迟网络数据转发算法均无法达到有限的消息传输时延。针对该结论，文献[25]指出了人所携带的网络节点之间的相遇间隔时间在一定时间阈值内服从幂律分布，而超过该阈值则服从指数分布。

在基于社会网络的路由算法中，节点间的社团结构(Community)[26]与中心度(Centrality)[27]是两个非常重要的概念。一方面，社团结构是对设备携带者之间联系紧密程度的映射，并且具有长期稳定的特点。由于属于同一社团的各节点之间彼此相遇(Contact)的概率较高，当源节点向目的节点发送消息时，选择与目的节点属于同一社团的成员节点进行消息转发有助于提高消息传输成功率。另一方面，节点中心度是对节点在网络中活跃程度的度量，并且具有多种不同的计算方法[27]。比如，在节点关系图(Social Graph)中，对经过各节点的最短路径条数进行计数，以此作为节点的介数中心度(Betweenness Centrality)。在基于社会网络的数据转发算法中，通常选择具有较高中心度的节点作为中继节点进行消息转发。容迟网络的自组织特性决定了网络中各节点只能获得局部的网络拓扑结构或部分节点之间的关系，因此只能通过分布式算法进行社团检测。文献[28]中提出了三个分布式社团检测算法（SIMPLE算法, k-CLIQUE算法和MODULARITY 算法）。这三个算法均需要预先指定节点间的累计相遇持续时间的阈值，将累计相遇持续时间大于该阈值的节点加入到各节点的朋友集合(Familiar Set)中，然后通过在节点相遇时比较各自朋友集合的相似性等方法进行社团检测。由于需要预先指定累积相遇持续时间的阈值并且该阈值随应用场景的不同而变化，因此文献[28]中提出的三个分布式社团检测算法具有一定的局限性。文献[29]中提出的SHARC 算法采用另一种方式进行分布式社团检测。网络中的各节点向邻居节点广播自己

的社团标签，并通过计算与邻居节点社团标签的相似性来进行社团检测。该算法的优点是可被用于动态社团检测。然后由于广播标签引入了较大的通信代价，使得该算法不适用于对节点能耗要求较高的应用场景之中。

目前，已经有多种不同类型的基于社会网络的数据转发算法被提出。考虑到

属于同一社团的成员节点之间相遇的概率较大，选择目的节点的社团成员节点进行消息转发很自然地成为了最基本的基于社会网络的转发方式，如文献[30]中提出的Label 算法。该算法中，消息被转发至与目的节点具有相同社团标签(Label) 的中继节点。文献[31]中提出的Sim Bet 算法利用了介数中心度(Betweenness Centrality) 和相似度(Similarity) 来估计各节点向特定节点转发消

息的效用值。在该算法中，介数中心度指的是经过各节点的最短路径条数，而相似度指的是节点之间共同的邻居节点的比例。文献[32]中提出了SPM (Social Pressures Metric) 度量方法和基于朋友关系的路由算法(Friendship Based Routing)。该算法将消息转发给目的节点属于同一社团(Friendship Community) 的节点或者与目的节点有着更强的朋友关系的节点。与之类似，文献[32]中利用节点相遇记录计算节点相似度，提出了基于社团的传染转发算法(Community-based Epidemic Forwarding Algorithm)。文献[33]提出了基于全局中心度(Global Centrality) 与本地中心度(Local Centrality) 的Bubble rap 转发算法。全局中心度较高意味着与目的节点的社团成员节点的相遇概率较高，而本地中心度较高则意味着与目的节点的相遇概率较高。在Bubble rap 算法中，消息在送达目的节点的社团成员节点之前将沿着全局中心度增大的方向转发。而当消息被转发至目的节点的社团成员节点之后，将沿着本地中心度增大的方向转发，从而最终被发送至目的节点。

此外，文献[34]提出了针对发布/订阅(Publish/Subscribe)模式的Social Cast路由算法，该算法将消息转发过程分为兴趣分发、中继选择和消息发布3个阶段。在兴趣分发阶段，各节点向一跳以内的邻居节点广播其兴趣；在中继选择阶段，节点通过卡尔曼滤波的方法计算对转发特定兴趣消息的效用值，并选择具有最大效用值的节点作为中继节点；在消息分发阶段，节点将消息转发到对该消息感兴趣节点或者最佳的中继节点。

3 容迟网络的应用场景

目前，容迟网络的应用场景不断增多，如战场通信(Military Communications)、手持设备网络(Pocket Switched Networks)、野生动物追踪(Wildlife Tracking)、偏远地区网络接入(Opportunistic Networking in Developing Areas)、车载网络(Vehicular Networks)以及水下传感器网络(Underwater Sensor Networks)等。

1）战场通信

在战场环境中，传统的集中式通信网络架构由于网络基础设施容易受到干扰和破坏因而生存能力较差。通信网络的生存能力对于战场指挥、协同作战等极为重要，因此采用分布式组网方式动态地组建战场通信网络则较为适宜。目前，作战人员和车辆通常配备有无线通信设备，这些设备为分布式组网提供了硬件基础。另外在战场环境中，作战人员和车辆的移动会造成网络拓扑的频繁变化，并且复杂的地形和障碍物等因素也会造成通信链路的中断和网络的间歇性连通，因

而战场通信网络具备了移动容迟网络的主要特点。

2）手持设备网络

随着智能手机、平板电脑等手持设备的大量普及，利用这些设备进行分布式组网并提供不依赖于网络基础设施的网络服务具有广阔的应用前景。英国剑桥大学与英特尔研究院提出了手持设备网络(Pocket Switched Networks, PSN)[79]的概念。在PSN 中，网络节点即人随身携带的手持设备。这些设备随着人的移动而移动，并且利用节点相遇带来的通信机会进行通信。

3）野生动物追踪

由于野生动物特殊的生活环境与习性，人类难以近距离进行观察与研究。因此，人们采用在动物身上安装传感器的方法对其进行追踪，并且利用传感器采集到的数据对动物的习性进行分析。由普林斯顿大学设计的Zebra Net[35]是专门用于追踪非洲野生斑马的容迟网络应用系统。该系统由安装于斑马颈部的无线传感器节点和移动基站组成。无线传感器节点负责收集斑马的移动数据，并在斑马相遇时进行数据交换。移动基站则由研究人员携带，并在定期穿越追踪区域时对各无线传感器节点上存储的数据进行收集。

4）偏远地区网络接入

现阶段，发展中国家或偏远地区由于网络基础设施部署不足而无法接入到互联网。如何为这些国家或地区提供价格低廉的互联网接入方案，成为了容迟网络研究的一个实际问题。

5）车载网络

目前，具有Wi-Fi 或蓝牙等短距无线通信能力的车辆正在逐渐增多，针对车

辆间无线组网的研究工作也随之展开。车辆在道路上行驶的速度存在差异，并且不同道路上车辆的密度也存在差异，导致该网络网络的拓扑结构不断变化、网络间歇性连通。并且，消息在不同车辆间传输将会累积较大的时延，从而形成了一个典型的移动容迟网络环境。

6）水下传感器网络

海洋环境监测通过在海洋中部署一定数量的传感器节点进行观测数据的采集，并且根据实际需求采用不同的传输手段将数据传回岸上基站进行存储与处理。随着人们对海洋资源需求的逐渐增多，利用水下传感器网络组建立体海洋观测网络的研究已逐渐展开。

参考文献

[1] Spypopoulous T,Rais R N,Turletti T,et al.Routing for disruption tolerant networks:

taxonomy and design[J].Wireless Networks,2010,16(8):2349-2370.

[2] 王欣.容迟网络中基于复制策略的单播路由算法研究[J] .电子设计工程，

2013,21(6):24-26.

[3] 杨振国,资源受限的延迟容忍网络路由调度问题研究[D].[S.I.]:中国科学技术

大学,2012.

2006

[4] Fall K. A Delay-Tolerant Network Architecture for Challenged Internets[C].

Proceedings of the 2003 ACM SIGCOMM, pp. 27-34.

[5] Juang P, Oki H, Wang Y, Martonosi M, Peh L.S and

Rubenstein D.I. Energy-efficient computing for wildlife tracking: Design tradeoffs and early experiences with Zebra Net[C]. Proceedings of the 10th international conference on Architectural support for programming languages and operating systems, 96-107, 2002.

[6] Pentland A, Fletcher R, and Hasson A. Dak Net: Rethinking

Connectivity in Developing Nations[J]. IEEE Computer, 37(1), pp. 78-83, 2004.

[7] Fall K, Farrell S. DTN: An Architectural Retrospective[J]. IEEE Journal on

Selected Areas in Communications, 2008, 26(5): 828–836.

[8] Vahdat A and Becker D. Epidemic routing for partially connected

ad hoc networks. Technical Report CS-200006, Duke University, 2000.

[9] Harras K.A, Almeroth K.C and Belding-royer E.M. Delay Tolerant

Mobile Networks(DTMNs): Controlled Flooding Schemes in Sparse Mobile Networks[C]. Proceedings of the 4th International IFIP-TC6 Networking Conference, pp. 1180-1192, 2005.

[10]Spyropoulos T, Psounis K, Raghavendra C.S. Spray and Wait: An Efficient

Routing Scheme for Intermittently Connected Mobile Networks[C].

Proceedings of the 2005 ACM SIGCOMM workshop on Delay-tolerant Networking (WDTN '05), pp. 252-259, 2005.

[11]Lindgren A, Doria A and Scheln O. Probabilistic Routing in

Intermittently Connected Networks[C]. Proceedings of the SIGMOBILE Mobile Computing and Communication Review, 7(3): 19-20, 2004.

[12]Burns B, Brock O and Levine BN. MV routing and capacity building in

disruption tolerant networks[C]. Proceedings of the 2005 INFOCOM, pp.

398?408, 2005.

[13]Burns B, Brock O and Levine BN. Autonomous enhancement of

disruption tolerant networks[C]. Proceedings of the 2006 IEEE International Conference on Robotics and Automation, pp. 2105?2110, 2006.

[14]Burgess J, Gallagher B, Jensen D and Levine B. N. Max Prop:

Routing for Vehicle-Based Disruption-Tolerant Networks[C]. Proceedings of the 25th IEEE International Conference on Computer Communications, pp.1-11, 2006.

[15]Jain S, Fall K, Patra R. Routing in a Delay Tolerant

Network[C]. Proceedings of the SIGCOMM '04, pp. 145-158, 2004. [16]Zhao W, Ammar M, Zegura E. Multicasting in delay tolerant

networks: Semantic models and routing algorithms[C]. Proceedings of the 2005 ACM SIGCOMM workshop on Delay-tolerant networking (WDTN '05), pp. 268-275, 2005.

[17]Demmer D and Fall K. DTLSR: Delay Tolerant Routing for

Developing Regions[C]. Proceedings of the 2007 ACM workshop on Networked Systems for Developing Regions (NSDR’07), pp. 1~6, 2007. [18]Musolesi M, Mascolo C. CAR: Context-Aware adaptive routing

for delay tolerant mobile networks[J]. IEEE Transaction on Mobile Computing, 2009, 8(2): 246?260.

[19]Merugu S, Ammar M, Zegura E. Routing in space and time

in networks with predictable mobility. Technical Report, GIT-CC-04-07, Georgia Tech College of Computing, 2004.

[20]Shah RC, Roy S, Jain S, Brunette W. Data MULEs: Modeling

and analysis of a three-tier architecture for sparse sensor networks[C]. Proceedings of the IEEE SNPA workshop, pp. 30-41, 2003.

[21]Zhao W, Ammar M, Zegura E. A message ferrying approach

for data delivery in sparse mobile ad hoc networks[C]. Proceedings of the 2004 ACM Mobihoc, pp. 187?198, 2004.

[22] Zhao W, Ammar M, Zegura E. Controlling the mobility of multiple data transport

ferries in a delay-tolerant network[C]. Proceedings of the 2005 INFOCOM, pp.

1407-1418, 2005.

[23]Chaintreau A, Hui P, Crowcroft J, Diot C, Gass R and Scott J.

Impact of Human Mobility on Opportunistic Forwarding Algorithms[J].

IEEE Transactions on Mobile Computing, vol. 6, no. 6, pp. 606-620, 2007. [24]Karagiannis T, Boudec J-Y.L, and V ojnovi M. Power law and

exponential decay of inter contact times between mobile devices[C].

Proceedings of the 13th annual ACM international conference on Mobile computing and networking, pp. 183-194, 2007.

[25]Newman M.E.J. Modularity and community structure in networks[J]. National

Academy of Sciences, vol. 103, no. 23, pp. 8577, 2006.

[26]Freeman L.C. A set of measuring centrality based on betweenness[J].

Sociometry, vol. 40, pp. 35–41, 1977.

[27]Hui P, Yoneki E, Chan S and Crowcroft J. Distributed

community detection in delay tolerant networks[C]. Proceedings of the 2nd ACM/IEEE international workshop on Mobility in the evolving internet architecture (Mobi Arch '07), pp: 1-8, 2007.

[28]Herbiet G.-H and Bouvry P. SHARC: Community-based partitioning

for mobile ad hoc networks using neighborhood similarity[C].

Proceedings of the 2010 IEEE International Symposium on World of Wireless Mobile and Multimedia Networks (Wo WMo M 2010), pp.1-9, 2010.

[29]Hui P and Crowcroft J. How small labels create big

improvements[C]. Proceedings of the ACM Co NEXT conference (Co NEXT '06), pp. 1-2, 2006.

[30] Daly E and Haahr M. Social network analysis for routing in

disconnected delay-tolerant MANETs[C]. Proceedings of the 8th ACM

international symposium on Mobile ad hoc networking and computing (Mobi Hoc '07), pp. 32-40, 2007.

[31] Bulut E and Szymanski B.K. Friendship Based Routing in Delay Tolerant

Mobile Social Networks[C]. Proceedings of the 2010 Global Telecommunications Conference (GLOBECOM 2010), pp.1-5, 2010.

[32]Li F and Wu J. Local Com: a community-based epidemic forwarding

scheme in disruption-tolerant networks[C]. Proceedings of the 6th Annual IEEE communications society conference on Sensor, Mesh and Ad Hoc Communications and Networks (SECON'09), pp. 574-582, 2009.

[33]Hui P, Crowcroft J and Yoneki E. Bubble rap: social-based forwarding

in delay tolerant networks[J]. IEEE Transactions on Mobile Computing, vol.

10, no. 11, pp. 1576–1589, November, 2011.

[34]Costa P, Mascolo C, Musolesi M, Picco GP. Socially-Aware routing

for publish-subscribe in delay-tolerant mobile ad hoc networks[J].

IEEE Journal of Selected Areas in Communication, 2008, 26(5):748?760. [35] Juang P, Oki H, Wang Y, Martonosi M, Peh L.S and

Rubenstein D.I. Energy-efficient computing for wildlife tracking: Design tradeoffs and early experiences with Zebra Net[C]. Proceedings of the 10th international conference on Architectural support for programming languages and operating systems, 96-107, 2002.