[论文解读] Analysis of Spatio-Temporal Preferences and Encounter Statistics for DTN Performance

Gautam S. Thakur, Udayan Kumar+2 more|arXiv (Cornell University)|Jul 6, 2010

Opportunistic and Delay-Tolerant Networks参考文献 45被引用 9

一句话总结

本文分析了时空用户偏好与相遇统计如何影响迟延容忍网络（DTN）的性能，表明常用移动性模型无法复现真实世界的路由结果——其延迟比真实轨迹高出67%，可达性则低79%，因此呼吁开发能够捕捉人类移动性全局结构性质的新移动性模型。

ABSTRACT

Spatio-temporal preferences and encounter statistics provide realistic measures to understand mobile user's behavioral preferences and transfer opportunities in Delay Tolerant Networks (DTNs). The time dependent behavior and periodic reappearances at specific locations can approximate future online presence while encounter statistics can aid to forward the routing decisions. It is theoretically shown that such characteristics heavily affect the performance of routing protocols. Therefore, mobility models demonstrating such characteristics are also expected to show identical routing performance. However, we argue models despite capturing these properties deviate from their expected routing performance. We use realistic traces to validate this observation on two mobility models. Our empirical results for epidemic routing show those models' largely differ (delay 67% & reachability 79%) from the observed values. This in-turn call for two important activities: (i) Analogous to routing, explore structural properties on a Global scale (ii) Design new mobility models that capture them.

研究动机与目标

• 理解真实世界人类移动模式，特别是时空偏好和相遇统计，对DTN路由性能的影响。
• 识别移动性模型理论预期与其在真实世界DTN场景中实际性能之间的脱节。
• 挑战一种假设，即捕捉周期性重新出现和相遇模式的移动性模型能够提供准确的路由性能预测。
• 倡导开发反映人类移动性大规模结构性质的新移动性模型。
• 使用 epidemic routing 作为基准，验证合成模型与真实轨迹之间的性能差距。

提出的方法

• 分析真实世界移动轨迹，提取时空偏好和相遇统计特征。
• 以 epidemic routing 作为测试平台，比较合成移动性模型与真实轨迹的性能表现。
• 量化模型预测与真实轨迹观测之间在延迟和可达性方面的偏差。
• 将两种广泛使用的移动性模型（如随机行走模型和基于社区的模型）与实证数据进行对比。
• 应用统计分析，评估移动性模型在多大程度上复现了人类相遇的时空结构。
• 提出在移动性设计中需要引入全局尺度的结构建模，类似于路由协议设计的考量。

实验结果

研究问题

• RQ1 那些捕捉周期性重新出现和相遇模式的移动性模型，在多大程度上能复现真实世界的DTN路由性能？
• RQ2 为何即使在时空特征相似的情况下，移动性模型仍与真实轨迹表现出显著的性能偏差？
• RQ3 当前移动性模型中缺失的人类移动性在全局尺度上的哪些结构性质，影响了DTN路由性能？
• RQ4 时空偏好和相遇统计如何影响epidemic routing中的延迟与可达性？
• RQ5 这些差异对DTN研究中未来移动性模型设计有何影响？

主要发现

• 当使用合成移动性模型时，epidemic routing协议的延迟比真实世界轨迹高出67%。
• 合成模型中的可达性比真实轨迹中观测到的结果低79%，表明存在显著的性能差距。
• 尽管捕捉了周期性重新出现和相遇模式，移动性模型仍无法复现真实的路由性能。
• 本研究识别出移动性模型设计与实际DTN性能之间存在关键脱节，即使已建模行为偏好亦如此。
• 结果表明，当前移动性模型缺乏对准确性能预测至关重要的全局结构性质。
• 作者得出结论：未来移动性模型必须具备全局尺度的结构保真度，才能匹配真实世界的DTN行为。