基于移动预测的FMIPv6切换方法

摘要

本发明涉及一种基于移动预测的FMIPv6切换方法，通过采用改进的Apriori方法对移动节点的移动轨迹进行预测，其中，改进的Apriori方法使用迭代方法挖掘对象数据集中所有频繁项集，并记录每个频繁项集的日期，计算每个频繁项集的支持度；利用得出的频繁项集，生成移动节点所有可能的关联移动规则，并计算每条移动规则的置信度、记录移动节点每条关联移动规则的日期，同时，计算每条关联移动规则的日期加权值，生成移动节点的所有强关联移动规则。利用改进的Apriori方法代替FMIPv6中的层二触发切换机制，从而消除了层二触发切换带来的负面影响。

主权项

一种基于移动预测的FMIPv6切换方法，其特征在于：增加如下消息类型与数据结构：(1)、接入路由通知消息(AR_Notify)，由移动节点(MN)向前接入路由器(PAR)发送，并由前接入路由器(PAR)转发给新接入路由器(NAR)，消息中包含移动节点(MN)的当前转交地址(PCoa)及家乡地址前缀以及改进Apriori方法预测得到的新接入路由器(NAR)信息；(2)、接入路由通知确认消息(AR_Notify_Ack)：作为接收到接入路由通知消息(AR_Notify)的回应，接入路由通知确认消息(AR_Notify_Ack)中包含了新接入路由器(NAR)为移动节点(MN)配置得到的新转交地址(NCoa)；(3)、预测转交地址列表(NCoa_list)，由移动节点(MN)维护，内部存有改进Apriori方法预测得到的每个新接入路由器(NAR)接收到移动节点(MN)的接入路由通知消息(AR_Notify)后为其配置的新转交地址(NCoa)；所述FMIPv6切换方法包括如下步骤步骤1、移动节点(MN)在切换前通过改进Apriori方法预测得到n个新接入路由器(NAR)，预切换开始后移动节点(MN)向前接入路由器(PAR)发送接入路由通知消息(AR_Notify)；步骤2、前接入路由器将接入路由通知消息(AR_Notify)转发到n个新接入路由器(NAR)之后，每个新接入路由器(NAR)根据路由通知消息(AR_Notify)中的移动节点(MN)家乡地址前缀以及自身的链路信息为移动节点(MN)完成新转交地址(NCoa)的分配与重复地址检测过程，最后向前接入路由器(PAR)回应接入路由通知确认消息(AR_Notify_Ack)；步骤3、前接入路由器(PAR)接收到来所有自新接入路由器(NAR)的接入路由通知确认消息(AR_Notify_Ack)后，完成与每个新接入路由器(NAR)之间的双向隧道建立过程，并将接入路由通知确认消息(AR_Notify_Ack)消息转发至移动节点(MN)，移动节点(MN)提取出新转交地址(NCoa)后将其添加至预测转交地址列表(NCoa_list)中，预切换过程完成；步骤4、层二触发切换开始后，前接入路由器(PAR)通过步骤3中建立的双向隧道将发往移动节点(MN)的数据分组转发到预测的n个新接入路由器(NAR)，每个新接入路由器(NAR)缓存发往移动节点(MN)的新转交地址(NCoa)的分组数据；步骤5、移动节点(MN)接收到新接入路由器(NAR)广播的接入路由通知确认消息(AR_Notify_Ack)，表明移动节点(MN)已经进入当前实际新接入路由器(NAR_true)的覆盖范围，层三(L3)切换开始，移动节点(MN)从预测转交地址列表(NCoa_list)中取出当前实际新接入路由器(NAR_true)为其分配的新转交地址(NCoa)向家乡代理(HA)/通信节点(CN)发送绑定更新请求，随之删除预测转交地址列表(NCoa_list)中的数据以节省移动节点(MN)资源；最后移动节点(MN)向当前实际新接入路由器(NARtrue)发送快速邻居通告报文(FNA)；步骤6、当前实际新接入路由器(NARtrue)接收到快速邻居通告报文(FNA)后将步骤4中缓存的数据分组转发到移动节点(MN)的新转交地址，然后向前接入路由器(PAR)发送快速绑定更新报文(FBU)，之后当前实际新接入路由器(NARtrue)不用再缓存发往移动节点(MN)新转交地址的数据分组；步骤7、前接入路由器(PAR)接收到快速绑定确认报文(FBA)后，取消与其余n‑1个预测的新接入路由器(NAR)之间的双向隧道，发往移动节点(MN)的数据分组仍然需要隧道转发至当前实际新接入路由器(NARtrue)，直到移动节点(MN)接收到家乡代理(HA)/通信节点(CN)的绑定确认消息；步骤8、移动节点(MN)接收到绑定确认消息，表示层三(L3)切换已经完成，之后家乡代理(HA)/通信节点(CN)直接将数据分组发往移动节点(MN)的新转交地址(NCoa)，不再需要前接入路由器(PAR)的参与；其中，所述改进Apriori方法用于对移动节点移动轨迹的关联移动规则进行挖掘，并预测移动节点下一个移动轨迹，其包含如下步骤：步骤一、使用迭代方法挖掘对象数据集中所有频繁项集，并记录每个频繁项集的日期，计算每个频繁项集的支持度；在该步骤中，将移动节点移动轨迹的时间属性与空间属性一同作为挖掘对象数据，用事务数据库D表示对象数据集，每条事务条目用p₁，p₂，…p_n‑2，p_n‑1，p_n表示，其中p_n＝{(c_n，t_n)｜c_n∈C，t_n∈T}，代表移动节点在时间点t_n接入了路由器c_n，集合C代表移动节点日常经过的所有接入路由器，T代表每天划分的X个时间段集合，X＝12或24或48或72；步骤二、利用步骤一得出的频繁项集，生成移动节点所有可能的关联移动规则，并计算每条移动规则的置信度；步骤三、记录步骤二中移动节点每条关联移动规则的日期以及计算每条关联移动规则日期的远近变动因子；同时，根据记录的日期和计算的日期远近变动因子，计算每条关联移动规则的日期加权值TWeight(R)，从而得到强关联性移动规则，其中，每条关联移动规则日期对应的远变动因子m和近变动因子n计算公式如下：$m=\frac{\left|MaxDate-\frac{1}{K}\underset{k=1}{\overset{K}{\Sigma }}{\mathrm{RuleDate}}_k\right|}{\underset{k=1}{\overset{K}{\Sigma }}{\mathrm{RuleDate}}_k},n=\frac{\left|MinDate-\frac{1}{K}\underset{k=1}{\overset{K}{\Sigma }}{\mathrm{RuleDate}}_k\right|}{\underset{k=1}{\overset{K}{\Sigma }}{\mathrm{RuleDate}}_k};$每条关联移动规则的日期加权值TWeight(R)计算公式如下：$TWeight\left(R\right)=\frac{RuleDate-{\mathrm{MinDate}}^n}{{\mathrm{MaxDate}}^m-{\mathrm{MinDate}}^n}·\frac{{\mathrm{MinDate}}^n·{\mathrm{MaxDate}}^m}{{\mathrm{MaxDate}}^m+{\mathrm{MinDate}}^n}\times 100;$其中，RuleDate、MaxDate以及MinData分别表示移动规则的日期、移动轨迹数据集中最近的记录日期与最远的记录日期；m为移动轨迹数据集中的最近记录日期MaxDate的变动因子，即近变动因子；n为移动轨迹数据集中的最远记录日期MinData的变动因子，即远变动因子；K为该移动规则日期RuleDate所在月的总天数，RuleDatek表示该月中第k天的日期值；步骤四、根据移动节点当前轨迹及步骤三生成的强关联移动规则，预测移动节点下一个移动轨迹：假定当前移动节点的移动轨迹为T：(c_n，t_n)→(c_m，t_m)，遍历所有关联移动规则，如果关联移动规则R包含移动轨迹T则说明关联移动规则R是匹配的移动规则，然后根据下式计算关联移动规则R的匹配度，匹配度越高则越有可能是移动节点下一个移动轨迹：Score(R)＝Confidence(R)+TWeight(R)其中，score(R)为关联移动规则R的匹配度，Confidence(R)为关联移动规则R的置信度，TWeight(R)为关联移动规则R的日期加权值；记录移动节点下一个移动轨迹中新接入路由器(NAR)的编号。