对网络QoS中拥塞控制的研究

拥塞控制是解决网络拥塞问题的重要策略。本文主要从流量预测和流量整形两个方面提出了降低拥塞率的通用方法．对传统的漏桶算法和RED算法做了改进。使得它们在降低拥塞率的同时又照顾到了公平性和效率。     

基于改进Dijkstra算法的配用电通信网流量调度策略

针对配用电通信网中数据汇聚易产生拥塞的问题,提出了一种复合边权值流量调度路由算法。首先,依据跳数建立节点分层模型;然后,划分配用电业务优先级和节点拥塞等级;最后,以跳数、流量负载率和链路利用率为综合指标计算边权值,对需要流量调度的节点根据改进的Dijkstra算法进行路由选择,同时对重度拥塞节点按照配用电业务优先级进行调度。与最短路径（SPF）算法和贪婪背压算法（GBRA）相比,在数据生成率为80 kb/s时,所提算法紧急型业务丢包率分别减少了81.3%和67.7%,关键型业务丢包率分别减少了79%和63.8%。仿真结果表明,所提算法能有效缓解网络拥塞,提高网络有效吞吐量,降低网络端到端时延和高优先级业务的丢包率。     

基于逐跳计算的分布式负载均衡算法

网络中流量的不断增长容易导致流量不均衡、网络拥塞,进而影响用户的体验。因特网服务提供商（ISP）通常采用优化开放最短路径优先（OSPF）权值（OPW）算法应对网络拥塞,然而该算法存在三个方面的问题：1）需要实际流量矩阵;2）容易导致网络震荡;3）OPW已经被证实为NP难题,并且需要采用集中式方法求解。针对OPW算法存在的问题,提出了一种基于逐跳计算的分布式负载均衡算法（DLBH）。首先,为所有节点设置虚拟流量;然后,根据虚拟流量计算所有链路的代价;最后,采用分布式算法计算最优路由。DLBH采用分布式方法解决网络拥塞问题,而OPW只能采用集中式方法解决网络拥塞问题,因此DLBH的扩展性优于OPW的扩展性。理论分析表明,DLBH的时间复杂度远远小于OPW的时间复杂度。实验结果表明,DLBH的最大链路利用率明显低于OPW算法的最大链路利用率,大幅降低了网络拥塞。     

最小割多路径路由算法

在最小割理论基础上提出了最小割多路径(min-cut multi-path,简称MCMP)路由算法,为流量请求选取少量关键路径,并在这些路径间均衡流量,在获得方法易实现性的同时能够有效地控制网络瓶颈链路拥塞通过实际流量数据在北美和欧洲骨干网络中的实验,对比常用的OSPF(open shortest path first)路由算法和模型中的多路径路由算法,MCMP路由算法可降低拥塞链路负载分别达到41％和20％以上.     

流量工程中多维目标优化的路由算法综述

互联网中传统的最短路径路由算法本质上存在导致拥塞的可能。网络拥塞不仅会降低网络性能,而且会使得服务提供商难以完成对客户的服务质量保证。通过在路由选择阶段面向流量工程实施优化,能够避免拥塞,提高网络资源利用率。概述面向流量工程的约束路由算法的研究进展。首先阐述了三类主要的流量工程优化目标：最小化网络资源占用、负载平衡和最小干涉,然后分析了各类典型算法,最后对此方向的研究进行了总结和展望。     

TCP/IP拥塞控制算法研究

当因特网上的分组过多超过了网络的处理能力时,出现的网络性能下降的问题称为拥塞.使用流量/拥塞控制技术可以避免或缓解拥塞状况.本文对当前网络上运行的TCP/IP拥塞和流量控制算法进行了综述,分析和比较了各种算法的基本性能与可行性,指出了流量/拥塞控制技术将来发展方向.     

基于遗传算法实现并行路径的自适应流量工程

研究实现动态并行路径的集中式流量工程,利用遗传算法提出流量优化算法,基于网络拥塞信息动态精简优化对象,基于网络链路利用率动态确定并行路径的采用,同时给出在并行路径间可行、简洁的流量分配方案简化算法的进化选择。仿真结果验证了提出的算法简化了解空间、降低了复杂度、提高了收敛速度,可同时确保优化性能。     

一种基于通信时间延迟的流量分配/路由选择算法

本文在分析传统流量拥塞控制算法机理及特点的基础上,提出了一种新的流量分配算法,该算法将两节点间链路时延作为线路物理特性、网络流量状况及节点处理能力等网络状态的概括,作为流量分配控制的动态因素,参与加权排队模型。链路状态的发布是在节点空闲时进行的,邻近节点可通过记录最近通信时间间隔（时延）作为衡量线路质量好坏的依据。最后,本文对该算法作了简单的性能分析。     

一种基于流量速率和队长的AQM算法

本文设计了一种基于准确预测链路拥塞状态从而进行拥塞控制的AQM算法.算法以控制队列稳定和加快响应速度为主要目标,是一种将流量速率和队列长度相结合的AQM算法.     

机器学习在P2P流量检测中的研究

P2P流量逐渐成为了互联网流量的重要组成部分,在对Internet 起巨大推动作用的同时,也带来了因资源过度占用而引起的网络拥塞以及安全隐患等问题,妨碍了正常的网络业务的开展.文中提出了基于机器学习的P2P流量识别方案,并运用FCBF(Fast Correlation-Based Filter)特征选择算法形成了流量特征子集,构建了机器学习P2P流量识别模型并对比了几种常见的机器学习算法在流量识别方面的性能.测试实验结果表明,C4.5算法和贝叶斯网络算法都适合于P2P流量检测,其个别模型达到了90%以上的识别率.     

改进矩阵法寻优法在交通仿真系统中的应用

文章在矩阵寻优法的基础上加入了启发信息要素,提出了一种改进的动态寻优算法。文中给出了算法的基本过程与实现方法,并对启发信息的合理性予以论述。最后以城市交通仿真系统为平台,通过实验给出了此算法与全动态Dijkstra算法的性能比较,分析结果证实了改进矩阵算法方法具有较高的速度,验证了该方法的正确性和有效性。     

交叉路口中一种智能的车辆实时调度算法

针对城市道路交通拥堵问题,提出了一种基于智能交通信息环境下的车辆实时调度算法,该算法在现有信号相位设计的基础上,根据当前道路的相对滞留率进行相位的选择,然后针对每个被选中相位,调整交叉路口的交通信号周期,尽可能使更多车辆在各自车道上安全行驶。实验结果表明,本文提出的算法的车辆平均等待时间低于现有算法。     

基于JPEG2000的交通监控图像高速实时压缩应用仿真研究

随着交通公路运输的快速发展,公路交通安全形势日趋突出,尤其在低等级公路地势险峻的路段交通事故时有发生,因此迫切需要建立针对这些路段的交通监控系统.但是,传统的交通监控系统设计模式不能满足低成本建设的要求.针对山区及边远地区公路车流量较少的应用环境,提出了使用CCD相机拍摄图片,利用无线网络进行监控图片传输的设计构想.并针对交通监控图像的实时、高速、高压缩率传输需求,在Visual C 环境下,建立了对监控图像进行压缩、传输、解压、接收、显示等过程进行仿真研究的仿真系统.该系统主要使用JPEG2000算法进行了仿真分析,在仿真系统的设计实现中采用图像分块压缩等关键技术,并针对压缩速度提出了压缩效率、信噪比等评价指标.仿真结果证明了图像数据压缩系统的有效性.本项研究成果可以用于对监控图像实时压缩技术进行仿真研究和分析,并可以指导相关监控设备的研发及监控系统设计.     

基于知识免疫计算的交通流量预测方法研究

随着交通行业的快速发展,交通事故,道路拥堵和交通堵塞日益严重影响我们的日常生活。为了提高道路的使用效率,引入知识免疫的新思路,目的是在智能交通网下解决交通流量的预测问题。在数学模型的基础上,设计并提出一种基于知识免疫车辆预测方案,并在仿真环境中进行实验。结果表明,该算法能收敛多目标优化问题并提供合理的交通流量导向方案,为交通流量预测模式提供方向,具有良好的价值。     

基于并行遗传算法的智能公交排班研究

智能公交排班问题是公交车辆智能调度的一个典型问题之一。它可以描述为：利用某种智能化算法,在有限的步骤内,找出所有满足约束条件的最优或者接近最优的排班方案。由于排班问题搜索规模巨大,传统算法在短时间内难以获得高质量可行解。文章引入并行遗传算法,对三种主流并行模型进行评价分析,并设计了求解车辆排班问题的粗粒度并行遗传算法,编制了算法实现程序。     

Robust identification for multi-section freeway traffic models

1IntroductionIt is important to estimate the densityandspeed oftrafficfor the safetyandtraffic control .For decades ,manyresearchwork have been done to estimate traffic density, trafficvolume ,average speed,and other parameters[1,2] .Theproblemof estimating dynamic traffic has been involved inparts of those research work[1 ~4] .By means of O_Dmatrix,some researchers have also made a series of studiesof traffic prediction and traffic layout estimation[5] .However , most of the research work m…     

Robust identification for multi_section freeway traffic models

Since it is difficult to fit measured parameters using the conventional traffic model, a new traffic density and average speed model is introduced in this paper.To determine traffic model structures accurately, a model identification method for uncertain nonlinear system is developed.To simplify uncertain nonlinear problem, this paper presents a new robust criterion to identify the multi-section traffic model structure of freeway efficiently.In the new model identification criterion,numerically efficient U-D factorization is used to avoid computing the determinant values of two complex matrices.By estimating the values of U-D factor of data matrix, both the upper and lower bounds of system uncertainties are described. Thus a model structure identification algorithm is proposed.Comparisons between identification outputs and simulation outputs of traffic states show that the traffic states can be accurately predicted by means of the new traffic models and the structure identification criterion.     

Video-based personalized traffic learning

We present a video-based approach to learn the specific driving characteristics of drivers in the video for advanced traffic control. Each vehicle’s specific driving characteristics are calculated with an offline learning process. Given each vehicle’s initial status and the personalized parameters as input, our approach can vividly reproduce the traffic flow in the sample video with a high accuracy. The learned characteristics can also be applied to any agent-based traffic simulation systems. We then introduce a new traffic animation method that attempts to animate each vehicle with its real driving habits and show its adaptation to the surrounding traffic situation. Our results are compared to existing traffic animation methods to demonstrate the effectiveness of our presented approach.     

手机流量非侵入式监测的决策树算法

针对现有手机中不良软件难以监测和识别的问题,提出并实现了手机流量监测系统,采用非侵入式方法获取手机流量数据,根据特征采用ID3算法建立决策树模型,再根据此决策树规则对流量数据进行分类。实验结果表明:该方法对手机流量类型的识别准确率在92%以上。