鄭羽潔,李 熹

(1.廣西經(jīng)濟(jì)管理干部學(xué)院 計(jì)算機(jī)系，廣西 南寧 530007； 2.廣西民族大學(xué) 信息科學(xué)與工程學(xué)院，廣西 南寧 530006)

分布式網(wǎng)絡(luò)傳感器節(jié)點(diǎn)信息分發(fā)與聚合傳輸控制協(xié)議研究*

鄭羽潔1,李 熹2

(1.廣西經(jīng)濟(jì)管理干部學(xué)院 計(jì)算機(jī)系，廣西 南寧 530007； 2.廣西民族大學(xué) 信息科學(xué)與工程學(xué)院，廣西 南寧 530006)

提出一種分布式網(wǎng)絡(luò)傳感器節(jié)點(diǎn)信息分發(fā)與聚合傳輸控制協(xié)議，該協(xié)議可以增強(qiáng)在智能測(cè)量方面應(yīng)用中的傳輸控制協(xié)議性能.所提出的新協(xié)議作用于遠(yuǎn)端設(shè)備和傳輸控制協(xié)議聚合連接之間，從智能測(cè)量設(shè)備中利用分布式傳輸控制協(xié)議連接接收信息，然后將之可靠聚合到一個(gè)傳輸控制協(xié)議連接中傳送至管理服務(wù)器端.仿真顯示，所提協(xié)議可以提供更大的數(shù)據(jù)業(yè)務(wù)動(dòng)態(tài)支持范圍、提高傳輸控制協(xié)議連接沖突控制的效率.

沖突控制; 網(wǎng)絡(luò)可靠性; 傳輸協(xié)議

0 引言

智能測(cè)量系統(tǒng)的重要特征之一是具備大量的離線部署的智能測(cè)量設(shè)備.這些測(cè)量設(shè)備一般以很低的速率生成測(cè)量數(shù)據(jù)，比如每分鐘200字節(jié).數(shù)據(jù)生成的規(guī)律可能是周期觸發(fā)或事件觸發(fā).數(shù)據(jù)包由應(yīng)用服務(wù)器進(jìn)行采集用于數(shù)據(jù)處理和決策制定.由于智能測(cè)量設(shè)備數(shù)量眾多，總體產(chǎn)生的數(shù)據(jù)量也非常大，而可用于這種數(shù)據(jù)傳輸?shù)膸捦钟邢蓿虼诵枰ＷC端到端數(shù)據(jù)傳輸?shù)目煽啃?[1-5]

傳輸控制協(xié)議(Transmission Control Protocol, TCP)的設(shè)計(jì)目的就是為了滿足端到端的傳輸可靠性的.但是，在智能測(cè)量領(lǐng)域中傳輸可靠性遇到的問(wèn)題特點(diǎn)是在智能測(cè)量通信中協(xié)議的沖突控制的有效性.在智能測(cè)量中，每個(gè)測(cè)量終端傳輸速率并不高，但是卻要求即使出現(xiàn)沖突，傳輸?shù)乃俾室膊豢梢詼p少.業(yè)務(wù)數(shù)據(jù)量并不是來(lái)自單一的數(shù)據(jù)速率的一個(gè)終端，而是來(lái)自大量的不同測(cè)量終端，每個(gè)測(cè)量終端傳輸速率都不算高.[6-10]有效的傳輸控制協(xié)議的缺失導(dǎo)致智能測(cè)量網(wǎng)絡(luò)中存在較高的丟包率和很低的吞吐量，嚴(yán)重制約著智能測(cè)量的應(yīng)用.[11-16]

文中提出基于TCP的改進(jìn)控制協(xié)議：分布式網(wǎng)絡(luò)傳感器節(jié)點(diǎn)信息分發(fā)與聚合傳輸控制協(xié)議(Transmission Control Protocol for Distributive Sensor Nodes Information Distribution and Aggregation, TCP-IDA)，增強(qiáng)了沖突控制部分的性能.TCP-IDA改變了傳統(tǒng)智能測(cè)量中智能測(cè)量設(shè)備和傳感器通信均通過(guò)同一個(gè)服務(wù)器的分離的TCP會(huì)話的通信方式，提出了將不同的控制信息數(shù)據(jù)集中于TCP-IDA一個(gè)協(xié)議下進(jìn)行聚合.

1 系統(tǒng)模型

智能測(cè)量系統(tǒng)的結(jié)構(gòu)包含數(shù)量眾多的實(shí)體單元，進(jìn)行雙向的端到端通信.圖1給出了智能測(cè)量系統(tǒng)通信傳輸?shù)慕Y(jié)構(gòu)示意圖.

圖1 智能測(cè)量的結(jié)構(gòu)示意圖

Fig.1 structure of smart metering

智能測(cè)量系統(tǒng)由大量的測(cè)量終端組成，這些測(cè)量終端通過(guò)無(wú)線通信方式建立連接，可能通過(guò)一跳或者多跳方式與通信站連接，從而建立信息傳輸?shù)耐?對(duì)于遠(yuǎn)端分布的測(cè)量終端，可能配置中繼放大器加強(qiáng)信號(hào)強(qiáng)度.當(dāng)測(cè)量終端分布的區(qū)域達(dá)到一定的預(yù)先設(shè)定的面積大小后，在這片區(qū)域中會(huì)設(shè)置一個(gè)區(qū)域信息收集終端，負(fù)責(zé)將區(qū)域內(nèi)的終端信息匯聚再發(fā)往更核心的服務(wù)器處理.這樣信息一層一層地匯聚，最終匯聚在一個(gè)應(yīng)用服務(wù)器上，該應(yīng)用服務(wù)器再進(jìn)行信息的處理和決策制定等工作.智能測(cè)量的終端數(shù)量根據(jù)具體應(yīng)用變化非常大，有可能是幾百，也有可能達(dá)到百萬(wàn).終端一般完全支持TCP/IP協(xié)議，并且支持雙向的通信.為使建模分析更專注于協(xié)議性能，本文假設(shè)傳輸中的信道是完全理想的，因此產(chǎn)生的傳輸錯(cuò)誤都來(lái)自信息沖突.

每次傳輸?shù)臄?shù)據(jù)量大小可能從幾十比特到幾百比特，大小取決于具體攜帶信息內(nèi)容和系統(tǒng)采用的安全傳輸策略，越高的傳輸策略級(jí)別對(duì)應(yīng)所需的傳輸數(shù)據(jù)量也越大.每完成一次成功傳輸，測(cè)量終端都會(huì)發(fā)送一條對(duì)應(yīng)的狀態(tài)信息.由于智能測(cè)量應(yīng)用本身所關(guān)注的是最原始的信息情況，而不是經(jīng)過(guò)預(yù)先綜合的結(jié)論，因此在數(shù)據(jù)傳輸過(guò)程中無(wú)法進(jìn)行信息壓縮以減少信息沖突的風(fēng)險(xiǎn).

2 分布式網(wǎng)絡(luò)傳感器節(jié)點(diǎn)信息分發(fā)與聚合傳輸控制協(xié)議

下面將TCP-IDA進(jìn)行數(shù)學(xué)建模，用來(lái)進(jìn)行后續(xù)的協(xié)議性能分析，同時(shí)也用于支持TCP-IDA內(nèi)部的參數(shù)優(yōu)化.比如設(shè)置多少個(gè)聚合節(jié)點(diǎn)最優(yōu)等.模型在不同通信層都進(jìn)行了建模，包括傳輸層、應(yīng)用層等.同時(shí)考慮了網(wǎng)絡(luò)容量、傳輸試驗(yàn)、排隊(duì)和測(cè)量終端數(shù)量、聚合器數(shù)量等網(wǎng)絡(luò)方面的特性.通過(guò)該模型重現(xiàn)智能測(cè)量業(yè)務(wù)的全過(guò)程，并對(duì)負(fù)載、丟包率和端到端時(shí)延進(jìn)行指標(biāo)統(tǒng)計(jì).負(fù)荷基于數(shù)據(jù)源的吞吐量，根據(jù)TCP源處理的數(shù)據(jù)比例計(jì)算.丟包率是基于網(wǎng)絡(luò)緩沖溢出產(chǎn)生的丟包計(jì)算的.端到端時(shí)延是指數(shù)據(jù)包發(fā)出到接收的所用時(shí)間.

圖2給出了TCP-IDA的模型示意圖.智能測(cè)量網(wǎng)絡(luò)業(yè)務(wù)傳輸可分為兩個(gè)步驟.第一步驟由測(cè)量終端和TCP-IDA聚合器之間的TCP連接承載，第二步驟由TCP-IDA聚合器到應(yīng)用服務(wù)器之間的TCP連接承載.在TCP-IDA模型中，首先將源產(chǎn)生的業(yè)務(wù)數(shù)據(jù)建模為網(wǎng)絡(luò)參數(shù)函數(shù)，包含丟包率和時(shí)延參數(shù).隨后，參數(shù)進(jìn)一步合并為業(yè)務(wù)負(fù)荷函數(shù).根據(jù)源產(chǎn)生的網(wǎng)絡(luò)負(fù)荷初值，可以結(jié)算出網(wǎng)絡(luò)參數(shù)值.得到的數(shù)據(jù)用于計(jì)算網(wǎng)絡(luò)實(shí)際可提供負(fù)載值.隨著迭代進(jìn)行，每次丟包率和時(shí)延的值均會(huì)自動(dòng)更新，直到具體數(shù)值不再變化時(shí)，迭代停止，最終的數(shù)值即模型輸出的系統(tǒng)性能參數(shù)值.

圖2 TCP-IDA模型示意圖

第一步驟完成測(cè)量終端到聚合節(jié)點(diǎn)的通信.這個(gè)步驟中，測(cè)量終端根據(jù)區(qū)域位置分成不同的組，每個(gè)組與同一個(gè)TCP-IDA聚合器通信.聚合器獲取測(cè)量終端信息的瓶頸建模成一個(gè)隊(duì)列棧.網(wǎng)絡(luò)性能參數(shù)通過(guò)配置隊(duì)列棧的參數(shù)可以實(shí)現(xiàn)一一對(duì)應(yīng).

在第二步驟中，每個(gè)區(qū)域的數(shù)據(jù)在對(duì)應(yīng)的TCP-IDA聚合器已經(jīng)被匯總，并發(fā)往應(yīng)用服務(wù)器.傳輸?shù)慕７绞脚c第一步驟一致.第二步驟的平衡點(diǎn)在于TCP-IDA總到達(dá)率γt穩(wěn)定下的穩(wěn)態(tài)第二步驟丟包率Pa和時(shí)延d2.

下面通過(guò)假設(shè)給定的聚合器數(shù)量，計(jì)算對(duì)應(yīng)的策略業(yè)務(wù)的丟包率和時(shí)延，從而建立起以聚合器數(shù)量為自變量的第一步驟的丟標(biāo)率函數(shù)、時(shí)延函數(shù).

假設(shè)TCP連接一直處于激活狀態(tài)，因此不需要重復(fù)TCP連接的建立過(guò)程.并且將ACK信令響應(yīng)功能關(guān)閉.考慮到策略數(shù)據(jù)生成速率很低，具有較長(zhǎng)的空閑間隔，所以數(shù)據(jù)生成的過(guò)程建模為開(kāi)關(guān)過(guò)程.假設(shè)測(cè)量終端靜默時(shí)間的均值是Toff秒且服從參數(shù)為α=1/Toff的指數(shù)分布.測(cè)量終端傳輸時(shí)間的均值是Ton秒且服從參數(shù)為β=1/Ton的指數(shù)分布.

當(dāng)測(cè)量終端處于傳輸狀態(tài)時(shí)，TCP會(huì)話傳輸?shù)臎_突窗口大小為w.無(wú)論采用何種TCP方式，測(cè)量終端沖突窗口不會(huì)大于2，因?yàn)椋?)數(shù)據(jù)量很小，即Ton很??；2)Toff很大，導(dǎo)致了沖突窗口有足夠的時(shí)間恢復(fù)到初值.因此這個(gè)開(kāi)關(guān)模型可以表達(dá)普遍的數(shù)據(jù)生成和傳輸?shù)姆绞?建立的馬爾科夫模型如圖3所示.

圖3 測(cè)量終端馬爾科夫模型

圖3中的狀態(tài)序號(hào)對(duì)應(yīng)了沖突窗口的數(shù)值大小.狀態(tài)間的傳輸概率代表成功傳輸或者傳輸失敗的比率.當(dāng)數(shù)據(jù)生成的頻率非常低的時(shí)候，模型停留在狀態(tài)1的可能性大，當(dāng)數(shù)據(jù)生成頻率高的時(shí)候狀態(tài)停留在狀態(tài)2的可能性增大.

通過(guò)求解馬爾科夫過(guò)程穩(wěn)態(tài)來(lái)得到對(duì)應(yīng)的穩(wěn)態(tài)概率：π1，π2，π0和πidle.概率π1和π2分別表示狀態(tài)1和狀態(tài)2的傳輸，每個(gè)數(shù)據(jù)源的平均業(yè)務(wù)可以表示為：

λi=δπ1+2δπ2

(1)

區(qū)域內(nèi)總的業(yè)務(wù)量可以表示為：

(2)

下面進(jìn)行第二步驟的穩(wěn)態(tài)建模.

第二步驟的穩(wěn)態(tài)模型相對(duì)于測(cè)量終端穩(wěn)態(tài)模型來(lái)講更為復(fù)雜，對(duì)應(yīng)的穩(wěn)態(tài)過(guò)程模型如圖4所示.

圖4 第二步驟馬爾科夫模型

狀態(tài)序號(hào)對(duì)應(yīng)著沖突窗口大小數(shù)值.例如，狀態(tài)S對(duì)應(yīng)每RTT內(nèi)傳輸S個(gè)字段.狀態(tài)0代表超時(shí)，無(wú)數(shù)據(jù)傳輸.

圖4的狀態(tài)轉(zhuǎn)移可描述如下：

在沖突窗口大小為w的情況下，全部會(huì)話成功傳輸?shù)母怕时硎緸閝w(1-Pa)w，其中Pa是在聚合器上的丟包率.

狀態(tài)轉(zhuǎn)移代表沖突窗口加大，轉(zhuǎn)移率為δqw.

假設(shè)丟包是相互獨(dú)立的事件，第i個(gè)會(huì)話在窗口大小為w時(shí)產(chǎn)生丟包的概率表示為：

當(dāng)狀態(tài)小于4時(shí)，任何會(huì)話產(chǎn)生丟包都會(huì)使得狀態(tài)轉(zhuǎn)移到狀態(tài)0，轉(zhuǎn)化率為δ(1-qw).

狀態(tài)序號(hào)大于14的狀態(tài)轉(zhuǎn)移與狀態(tài)14的狀態(tài)轉(zhuǎn)移具有相同的規(guī)律.

從FR狀態(tài)轉(zhuǎn)移到其他狀態(tài)的狀態(tài)轉(zhuǎn)移穩(wěn)態(tài)概率為δ.這樣的狀態(tài)轉(zhuǎn)移將同時(shí)啟動(dòng)TCP重置機(jī)制.FR狀態(tài)不傳輸實(shí)際數(shù)據(jù).

從狀態(tài)0轉(zhuǎn)移到其他狀態(tài)的狀態(tài)轉(zhuǎn)移穩(wěn)態(tài)概率為τ=1/(Tr+4σ)=1/5Tr=δ/5.

與測(cè)量終端不同的是，聚合節(jié)點(diǎn)沒(méi)有空閑狀態(tài)(idle狀態(tài)).假設(shè)測(cè)量終端傳輸概率為Pactive=Ton/(Ton+Toff)，那么n個(gè)同一區(qū)域的測(cè)量終端的傳輸概率表示為：

Pidle=(1-Pactive)n

(3)

例如，如果Ton=0.1秒且Toff=1分，同時(shí)n為10000，那么Pidle=5.8×10-8.

下面進(jìn)一步計(jì)算聚合節(jié)點(diǎn)的負(fù)載γt.通過(guò)求解馬爾科夫穩(wěn)態(tài)方程求解πs，其中s是狀態(tài)s.

令γj表示第j個(gè)聚合節(jié)點(diǎn)的負(fù)荷，則：

(4)

其中，Ws是狀態(tài)s的沖突窗口大小.求和項(xiàng)計(jì)算沖突窗口的均值.連乘得到總的負(fù)荷.那么，傳輸?shù)降诙襟E的總的負(fù)載表示為：

(5)

其中，NA表示聚合節(jié)點(diǎn)數(shù)量.

3 算法性能分析

本文通過(guò)NS2編程環(huán)境搭建了TCP-IDA協(xié)議模型，并與數(shù)學(xué)計(jì)算結(jié)果對(duì)比驗(yàn)證.重點(diǎn)關(guān)注輸入有誤負(fù)載、丟包率和端到端時(shí)延.

在測(cè)量終端建模環(huán)節(jié)，首先NS2計(jì)算Pm和RTT時(shí)間長(zhǎng)度，為計(jì)算網(wǎng)絡(luò)吞吐量λt做儲(chǔ)備.將步驟一計(jì)算得到的Pm和RTT輸入到步驟2中，得到吞吐量λt.圖5給出了實(shí)際網(wǎng)絡(luò)測(cè)試和NS2搭建的仿真軟件結(jié)果之間的差異.對(duì)應(yīng)的參數(shù)為1Mbps帶寬和50ms傳輸時(shí)延，測(cè)量終端生成數(shù)據(jù)的激活時(shí)間均值是100ms，靜默時(shí)間均值是1分鐘.從圖中可以看到，當(dāng)測(cè)量終端數(shù)量增長(zhǎng)時(shí)，算法測(cè)試結(jié)果與實(shí)際結(jié)果基本一致.

圖5 第一步驟馬爾科夫模型吞吐量吻合度

對(duì)于TCP-IDA的聚合器穩(wěn)態(tài)馬爾科夫過(guò)程的驗(yàn)證方式與上述方式類似.圖6中給出的聚合器穩(wěn)態(tài)測(cè)試和仿真數(shù)據(jù)中，仿真的輸入值是上一步驟計(jì)算得到的吞吐量負(fù)載值.從圖中可以看出，仿真和試驗(yàn)測(cè)試結(jié)果的差異控制在2%以內(nèi)，較符合實(shí)際情況.

圖6 第二步驟馬爾科夫模型吻合度

圖7給出了與上述吞吐量測(cè)試配置同樣參數(shù)情況下，不同的聚合器數(shù)量下對(duì)應(yīng)的吞吐量和端到端時(shí)延.可以看到當(dāng)聚合器數(shù)量過(guò)少或者過(guò)多時(shí)都將引起兩項(xiàng)指標(biāo)性能的下降.因此對(duì)于具體網(wǎng)絡(luò)應(yīng)用時(shí)，可以先根據(jù)預(yù)計(jì)部署的網(wǎng)絡(luò)規(guī)模和相關(guān)參數(shù)，應(yīng)用本文所提的TCP-IDA協(xié)議進(jìn)行仿真計(jì)算，得到最優(yōu)的聚合器配置數(shù)量，從而達(dá)到優(yōu)化的網(wǎng)絡(luò)傳輸性能.

圖7 TCP-IDA丟包率及時(shí)延

4 結(jié)語(yǔ)

智能測(cè)量網(wǎng)絡(luò)業(yè)務(wù)量增大是導(dǎo)致無(wú)線傳輸性能下降的主要因素，主要的癥結(jié)在于業(yè)務(wù)量增大則產(chǎn)生TCP沖突的次數(shù)增多，從而無(wú)法有效完成大量智能測(cè)量設(shè)備同時(shí)傳輸?shù)男枨?本文提出了一種分布式網(wǎng)絡(luò)傳感器節(jié)點(diǎn)信息分發(fā)與聚合傳輸控制協(xié)議(TCP-IDA)，通過(guò)兩步驟建模方式，將智能測(cè)量的信息向聚合節(jié)點(diǎn)、聚合節(jié)點(diǎn)到應(yīng)用服務(wù)器的傳輸過(guò)程分別建模為不同的馬爾科夫過(guò)程，并求解最優(yōu)穩(wěn)態(tài)解下的聚合節(jié)點(diǎn)數(shù)量，從而實(shí)現(xiàn)對(duì)智能測(cè)量網(wǎng)絡(luò)性能的優(yōu)化.本文通過(guò)仿真驗(yàn)證了所提出的理論模型與仿真結(jié)果吻合，且通過(guò)改變聚合節(jié)點(diǎn)的數(shù)量可以尋求適合網(wǎng)絡(luò)特征的最優(yōu)的聚合節(jié)點(diǎn)數(shù)量.

[1] S Arora,JW Taylor. Forecasting electricity smart meter data using conditional kernel density estimation [J]. Omega, 2016,2(1): 59-62.

[2] 趙文杰. 網(wǎng)絡(luò)化智能測(cè)控技術(shù)研究 [J]. 山東工業(yè)技術(shù), 2016(1):149-150.

[3] 劉浩然,花卉. 現(xiàn)代測(cè)控技術(shù)的發(fā)展及實(shí)踐 [J]. 科學(xué)與財(cái)富, 2015, 8(1):1-13.

[4] Creaco, Enrico,Kossieris, Panagiotis,VamvakeridouLyroudia, Lydia,Makropoulos, C.,Kapelan, Zoran. Parameterizing residential water demand pulse models through smart meter readings [J]. Procedia Enginnering, 2014, 12(8):91-123.

[5] 邢寧哲,紀(jì)雨彤. 基于分布式探針的電力數(shù)據(jù)通信網(wǎng)綜合監(jiān)測(cè)方法 [J]. 電力信息與通信技術(shù), 2016(1):77-81.

[6] 姚國(guó)棟,丑武勝. 基于CANopen的分布式兩軸傾角測(cè)量器設(shè)計(jì) [J]. 單片機(jī)與嵌入式系統(tǒng)應(yīng)用, 2016(1):31-38.

[7] 楊子健. 現(xiàn)代測(cè)控技術(shù)淺析 [J]. 科學(xué)導(dǎo)報(bào), 2016(1):3-6.

[8] AR Lodder,T Wisman. Artificial Intelligence Techniques and the Smart Grid: Towards Smart Meter Convenience While Maintaining Privacy [J]. Social Science Electronic Publishing, 2016,2(1):113-124.

[9] SS Grid. Analysis: Smart Meter and Smart Grid Problems [J]. Local Smart Grid Security, 2013, 7(13):88-91.

[10] 尹浩,李峰. 互聯(lián)網(wǎng)性能測(cè)量技術(shù)發(fā)展研究 [J]. 計(jì)算機(jī)研究與發(fā)展, 2016(1):4-13.

[11] 張飛朋,陳琳,張京京. 面向大規(guī)模復(fù)雜網(wǎng)絡(luò)測(cè)量和性能瓶頸分析方法 [J]. 計(jì)算機(jī)科學(xué)與探索, 2016, 2(1):8-21.

[12] R Al-Otaibi,N Jin,T Wilcox,P Flach. Feature Construction and Calibration for Clustering Daily Load Curves from Smart Meter Data [J]. IEEE Transactions on Industrial Informatics, 2016:1-10.

[13] 王玥. 區(qū)域分布式能源的智能微網(wǎng)能源管理研究 [J]. 科技創(chuàng)新與應(yīng)用, 2016(4):18-21.

[14] A. Kipping,E. Tr?mborg. Modeling and disaggregating hourly electricity consumption in Norwegian dwellings based on smart meter data [J]. Energy and Buildings, 2016, 1(1):8-27.

[15] 方禾,許力,蘇彬庭,等. 多信道無(wú)線網(wǎng)絡(luò)中竊聽(tīng)與干擾攻擊的對(duì)抗策略 [J]. 四川大學(xué)學(xué)報(bào)：工程科學(xué)版, 2016(1):13-23.

[16] 顧碩. WAGO作分布式模塊化的引領(lǐng)者 [J]. 自動(dòng)化博覽, 2016(1):4-6.

[17] R Cardell-Oliver,J Wang，H Gigney. Smart Meter Analytics to Pinpoint Opportunities for Reducing Household Water Use [J]. Journal of Water Resources Planning & Management, 2016, 1(2):78-89.

[責(zé)任編輯 蘇 琴]

[責(zé)任校對(duì) 黃招揚(yáng)]

Research on a Novel Transmission Control Protocol for Distributive Sensor Nodes Information Distribution and Aggregation

ZHENG Yu-jie1,LI Xi2

(1.DepartmentofComputerScience，GuangxiEconomicManagementCadreCollege，Nanning530007，China;2.CollegeofInformationScienceandEngineering，GuangxiUniversityforNationalities，Nanning530006，China)

A Transmission Control Protocol for Distributive Sensor Nodes Information Distribution and Aggregation (TCP-IDA) is proposed in this paper. TCP-IDA works on remote terminals and transmission control protocol connections. TCP-IDA utilizes distributed transmission control protocol to abstract information from smart metering devices, and aggregates the information into a single transmission control protocol which sends the information to management server. Proved by simulation, TCP-IDA could provide great range of dynamic varying for data service, and it could also upgrade the efficiency of transmission control protocol for congestion control.

congestion control; network reliability; transmission control

2016-10-15.

鄭羽潔(1979-)，女，廣西桂林人，碩士，廣西經(jīng)濟(jì)管理干部學(xué)院計(jì)算機(jī)系副教授，研究方向：智能數(shù)據(jù)分析處理，算法分析.

TP393.04

A

1673-8462(2016)04-0067-06