任麗麗,歐陽(yáng)君,張 旭

（1.蚌埠醫(yī)學(xué)院 公共課程部,安徽 蚌埠 233030；2.安慶師范大學(xué) 數(shù)學(xué)與計(jì)算科學(xué)學(xué)院,安徽 安慶 246133）

移動(dòng)醫(yī)療大數(shù)據(jù)平臺(tái)下節(jié)點(diǎn)和社區(qū)屬性的社交網(wǎng)絡(luò)轉(zhuǎn)發(fā)機(jī)制

任麗麗1,歐陽(yáng)君1,張 旭2

（1.蚌埠醫(yī)學(xué)院 公共課程部,安徽 蚌埠 233030；2.安慶師范大學(xué) 數(shù)學(xué)與計(jì)算科學(xué)學(xué)院,安徽 安慶 246133）

在移動(dòng)互聯(lián)網(wǎng)技術(shù)(3G、4G)的迅猛發(fā)展和移動(dòng)設(shè)備大量普及的背景下，移動(dòng)醫(yī)療的相關(guān)研究已在醫(yī)療衛(wèi)生領(lǐng)域中得到廣泛的應(yīng)用和認(rèn)可。然而，在醫(yī)療診斷過(guò)程中產(chǎn)生的大量數(shù)據(jù)信息，在進(jìn)行消息的傳輸時(shí)會(huì)與有限的網(wǎng)絡(luò)資源存在矛盾。因此，通過(guò)對(duì)移動(dòng)醫(yī)療大數(shù)據(jù)平臺(tái)進(jìn)行研究，分析容遲網(wǎng)絡(luò)中節(jié)點(diǎn)社區(qū)屬性的特點(diǎn)，進(jìn)而研究了當(dāng)節(jié)點(diǎn)屬于多個(gè)社交網(wǎng)絡(luò)進(jìn)行信息傳遞時(shí)，通過(guò)對(duì)社區(qū)關(guān)聯(lián)度和節(jié)點(diǎn)社會(huì)可靠性的分析，選擇合適的中繼節(jié)點(diǎn)進(jìn)行數(shù)據(jù)的轉(zhuǎn)發(fā)，即提出了基于社區(qū)關(guān)聯(lián)度和節(jié)點(diǎn)社會(huì)可靠性的數(shù)據(jù)轉(zhuǎn)發(fā)機(jī)制。最后利用計(jì)算機(jī)模擬實(shí)驗(yàn)，結(jié)果顯示本算法與傳統(tǒng)的Epidemic算法和Label算法相比，傳遞率高于Label算法并且能明顯的降低網(wǎng)絡(luò)資源成本。

容遲網(wǎng)絡(luò)；大數(shù)據(jù)；移動(dòng)醫(yī)療；社區(qū)；社會(huì)可靠性；關(guān)聯(lián)度

容遲網(wǎng)絡(luò)（Delay Tolerant Networks，DTNs）中的節(jié)點(diǎn)因數(shù)量的稀疏性，鏈路的間斷性和較長(zhǎng)的傳輸時(shí)延等特點(diǎn)，使得傳統(tǒng)的ad hoc無(wú)線自組織網(wǎng)絡(luò)難以發(fā)揮作用，但是在一些富有挑戰(zhàn)性的環(huán)境中卻得到很大的關(guān)注，比如太空通信，軍事探索和移動(dòng)社交網(wǎng)絡(luò)[1]等，其中移動(dòng)醫(yī)療平臺(tái)下的社交網(wǎng)絡(luò)也是DTNs的典型應(yīng)用。目前，無(wú)論在發(fā)達(dá)國(guó)家還是在發(fā)展中國(guó)家，快速增長(zhǎng)的人口與緊缺的醫(yī)療資源存在嚴(yán)重的矛盾，特別是在發(fā)展中國(guó)家現(xiàn)象尤為突出。掛號(hào)難，看病貴和看病不及時(shí)等問(wèn)題，不僅對(duì)人類的生命產(chǎn)生極大的困擾，同時(shí)嚴(yán)重阻礙了國(guó)家的發(fā)展，降低了人民的生活質(zhì)量，甚至有可能會(huì)出現(xiàn)影響廣泛的傳染病。因此，對(duì)于發(fā)展中國(guó)家必須投入大量的人力和物力解決醫(yī)療資源不均衡的狀況，提高醫(yī)療服務(wù)，特別是醫(yī)療服務(wù)的結(jié)構(gòu)性問(wèn)題。

移動(dòng)設(shè)備在無(wú)線通信技術(shù)的快速發(fā)展和激烈的市場(chǎng)競(jìng)爭(zhēng)背景下得到了較快的增長(zhǎng)。在中國(guó)，移動(dòng)電話的擁有量高達(dá)12.86億戶，普及率94.5部/百人，甚至在一些沿海城市的普及率高達(dá)100部/百人[2]。在此環(huán)境下，信息通信技術(shù)與醫(yī)療衛(wèi)生服務(wù)相結(jié)合誕生了移動(dòng)醫(yī)療。移動(dòng)醫(yī)療（Mobile Health）是電子醫(yī)療（E-health）的一個(gè)組成部分。對(duì)于移動(dòng)醫(yī)療[3-4]，美國(guó)醫(yī)療信息管理委員會(huì)提供的行業(yè)界定：醫(yī)療實(shí)踐中使用智能手機(jī)或平板電腦等設(shè)備下載與醫(yī)療有關(guān)的應(yīng)用軟件（應(yīng)用程序），通過(guò)移動(dòng)網(wǎng)絡(luò)在醫(yī)患之間傳遞信息，改善其溝通和交流。移動(dòng)醫(yī)療在國(guó)內(nèi)外的各個(gè)領(lǐng)域都得到廣泛的應(yīng)用和認(rèn)可，涉及到疾病檢測(cè)、監(jiān)控、診療以及健康管理等。比如可以通過(guò)對(duì)智能手機(jī)軟件的開發(fā)[5]，利用手機(jī)攝像頭實(shí)現(xiàn)對(duì)脈搏信號(hào)的采集、傳輸和分析。在全世界，美國(guó)移動(dòng)醫(yī)療應(yīng)用約占50%以上，歐洲約占20%，非洲、拉美占12%，亞太地區(qū)占4%[6]。而據(jù)互聯(lián)網(wǎng)數(shù)據(jù)中心（Internet Data Center,IDC）調(diào)查結(jié)果顯示，目前我國(guó)三級(jí)醫(yī)院也已有17.5%提供相關(guān)的醫(yī)療服務(wù)[7-8]。

近年來(lái)，移動(dòng)通信技術(shù)的高速發(fā)展確實(shí)對(duì)降低醫(yī)療機(jī)構(gòu)成本提供了幫助，而且也方便了患者就醫(yī)的途徑（掛號(hào)、咨詢和遠(yuǎn)程就診）。然而在現(xiàn)實(shí)中，便利的背后也存在一定的問(wèn)題。在醫(yī)院，對(duì)于每位就診的患者，從掛號(hào)到最后病情的確診需要做大量的檢查，牽扯到病人的個(gè)人信息，病情記錄和相關(guān)影像資料的錄入和輸出，這其中會(huì)產(chǎn)生大量的數(shù)據(jù)。對(duì)一位患者而言，可能比較容易接受，但是對(duì)于每年幾百萬(wàn)人次的門診接待量，這些龐大的數(shù)據(jù)無(wú)疑成為一種巨型資料——大數(shù)據(jù)。它的出現(xiàn)需要人類利用一種新的處理模式來(lái)處理這些海量的、高增長(zhǎng)率和多樣化的信息資產(chǎn)。

1 相關(guān)工作

基于大數(shù)據(jù)和移動(dòng)醫(yī)療在衛(wèi)生領(lǐng)域的應(yīng)用背景下，移動(dòng)互聯(lián)網(wǎng)技術(shù)和移動(dòng)設(shè)備的快速發(fā)展也促進(jìn)社交網(wǎng)絡(luò)的應(yīng)用，從而也使得社交網(wǎng)絡(luò)成為一個(gè)具有大量數(shù)據(jù)的資源庫(kù)。因此需要我們不斷提出高效的數(shù)據(jù)轉(zhuǎn)發(fā)機(jī)制，提高網(wǎng)絡(luò)的性能。近幾年來(lái)國(guó)內(nèi)外學(xué)者為提高社交網(wǎng)絡(luò)的性能提出了許多種方法。目前應(yīng)用較為廣泛的方法主要有基于節(jié)點(diǎn)的消息復(fù)制[9-10]，基于節(jié)點(diǎn)相似性[11-13]和基于節(jié)點(diǎn)社會(huì)屬性[14-19]等?；谙?fù)制較為經(jīng)典的是Epidemic算法，由Vahdat A等[9]人提出。該算法中攜帶數(shù)據(jù)包的節(jié)點(diǎn)在容遲網(wǎng)絡(luò)中隨機(jī)移動(dòng)，將包傳遞給與它接觸的所有節(jié)點(diǎn)，優(yōu)點(diǎn)是傳遞率較高，缺點(diǎn)是增加網(wǎng)絡(luò)開銷。在文獻(xiàn)[10]中，Pan H等人提出了Label算法，該算法中的攜帶數(shù)據(jù)包的網(wǎng)絡(luò)節(jié)點(diǎn)為提高傳遞率，只將數(shù)據(jù)包復(fù)制傳遞給那些與目的節(jié)點(diǎn)在同一社區(qū)中的節(jié)點(diǎn)。Nisgav A等人[11]針對(duì)節(jié)點(diǎn)相似性的研究提出了基于協(xié)同過(guò)濾的方法，發(fā)現(xiàn)社交網(wǎng)絡(luò)中的相似性用戶，提高網(wǎng)絡(luò)性能。Agarwal V等人[12]根據(jù)進(jìn)化算法獲得用戶喜好的參數(shù)集合，并以此為基礎(chǔ)得到參數(shù)相似性，并且集合用戶聯(lián)系強(qiáng)度大小給出了一種隱式評(píng)分模型去計(jì)算用戶關(guān)系的相似性?；诠?jié)點(diǎn)的社會(huì)屬性，劉靜等人在[14]中，針對(duì)移動(dòng)社交網(wǎng)絡(luò)提出了一種新的信息檢索算法QFD，其應(yīng)用半馬爾科夫模型獲得用戶移動(dòng)性的穩(wěn)態(tài)分布和瞬態(tài)行為，進(jìn)而提高數(shù)據(jù)轉(zhuǎn)發(fā)效率。

以上方法的研究及結(jié)果表明，大部分文獻(xiàn)只考慮社交網(wǎng)絡(luò)中節(jié)點(diǎn)的狀況，而沒(méi)有把社區(qū)和節(jié)點(diǎn)的屬性綜合考慮。通過(guò)調(diào)研，在移動(dòng)醫(yī)療大數(shù)據(jù)和網(wǎng)絡(luò)資源有限的背景下[20]，關(guān)于社交網(wǎng)絡(luò)中數(shù)據(jù)轉(zhuǎn)發(fā)性能的研究很少。因此，本文針對(duì)社交網(wǎng)絡(luò)的特點(diǎn)，提出了一種基于社區(qū)關(guān)聯(lián)度和節(jié)點(diǎn)社會(huì)可靠性的數(shù)據(jù)轉(zhuǎn)發(fā)算法。該算法充分利用節(jié)點(diǎn)所屬社區(qū)的關(guān)聯(lián)程度和節(jié)點(diǎn)的社會(huì)可靠性的大小來(lái)選擇中繼節(jié)點(diǎn)。通過(guò)與傳統(tǒng)的Epidemic算法和Label算法對(duì)比發(fā)現(xiàn)，該算法的傳遞率略低于Epidemic算法，高于Label算法并且能明顯的降低網(wǎng)絡(luò)資源成本。

2 網(wǎng)絡(luò)模型與算法

在醫(yī)院，有相同或者類似疾病的患者，由于就診的途徑、治療方案和醫(yī)生等相似特點(diǎn)，大家經(jīng)常同屬于若干個(gè)相同的區(qū)域，從而整個(gè)醫(yī)院無(wú)形地被分隔成許多個(gè)小區(qū)域，醫(yī)生成為患者交流的中心。針對(duì)醫(yī)院中醫(yī)患間的關(guān)系網(wǎng)絡(luò)，我們將該網(wǎng)絡(luò)抽象成不同區(qū)域網(wǎng)絡(luò)，即社交網(wǎng)絡(luò)。

在相同區(qū)域的節(jié)點(diǎn)間交流次數(shù)頻繁，信息能夠直接或者間接到達(dá)。假設(shè)醫(yī)院被分成n個(gè)移動(dòng)社區(qū)，每個(gè)社區(qū)中的醫(yī)生被看成是固定的AP（Access Point）并且配有無(wú)線訪問(wèn)設(shè)備。含有m個(gè)攜帶無(wú)線訪問(wèn)設(shè)備（如手機(jī)，iPad等）的患者在移動(dòng)網(wǎng)絡(luò)范圍內(nèi)移動(dòng)。由此，我們可以把該網(wǎng)絡(luò)模型簡(jiǎn)化為一個(gè)圖G=(V,E),V表示n個(gè)AP和m個(gè)人所構(gòu)成的集合（N=n+m），E表示頂點(diǎn)間所構(gòu)成的邊集合。社交網(wǎng)路用C={c1,c2,…,cn}表示，其中ci(1≤i≤n)代表第i個(gè)社區(qū)。圖1表示的就是在某時(shí)刻的社會(huì)網(wǎng)絡(luò)分布狀態(tài)，由圖可知，節(jié)點(diǎn)a,b,c, d,e分別屬于c1，c2，c3這3個(gè)社區(qū)，而節(jié)點(diǎn)a,b,c同屬于c1，c2這3個(gè)社區(qū)，節(jié)點(diǎn)d,c同屬于c1，c3這2個(gè)社區(qū)，節(jié)點(diǎn)c,e同屬c2，c3這2個(gè)社區(qū)，節(jié)點(diǎn)c同屬于c1，c2，c3這3個(gè)社區(qū)，而c4社區(qū)與c1，c2，c3這3個(gè)社區(qū)的節(jié)點(diǎn)沒(méi)有交集。

2.1 基本定義

由于節(jié)點(diǎn)的活動(dòng)范圍和活動(dòng)能力都是有限的，因此我們?cè)趥鬟f消息時(shí)，總喜歡傳遞給活動(dòng)范圍較大，所遇的節(jié)點(diǎn)比較多的中繼節(jié)點(diǎn)進(jìn)行消息的轉(zhuǎn)發(fā)。因此我們給出節(jié)點(diǎn)的社會(huì)可靠性定義，是指節(jié)點(diǎn)所屬社區(qū)共含有節(jié)點(diǎn)個(gè)數(shù)的總和。節(jié)點(diǎn)的社會(huì)可靠性越大說(shuō)明所遇節(jié)點(diǎn)越多，消息傳遞到目的節(jié)點(diǎn)的概率就比較大。用公式表示如下：

定義1（節(jié)點(diǎn)社會(huì)可靠性） 節(jié)點(diǎn)i的社會(huì)可靠性(Social Reliability,S(i))是指節(jié)點(diǎn)所屬社區(qū)共含有節(jié)點(diǎn)個(gè)數(shù)的總和。其公式表達(dá)如下：

其中式(1)表示節(jié)點(diǎn)所屬社區(qū)共含有節(jié)點(diǎn)個(gè)數(shù)的總和；式(2)中的變量xi,j表示當(dāng)節(jié)點(diǎn)i屬于社區(qū)cj時(shí)，則xi,j=1，否則xi,j=0；式(3)中的變量δi,j表示當(dāng)節(jié)點(diǎn)i在社區(qū)cj停留的時(shí)間ti,j大于等于一個(gè)閾值δ時(shí)，則節(jié)點(diǎn)i屬于社區(qū)cj，記δi,j=1，否則δi,j=0；式(4)中的Nci表示社區(qū)ci中所含節(jié)點(diǎn)的個(gè)數(shù)。

2015年下半年，煤炭行業(yè)形勢(shì)更加嚴(yán)峻，煤炭企業(yè)經(jīng)濟(jì)運(yùn)行面臨的壓力進(jìn)一步增大。在這種條件下，對(duì)風(fēng)選項(xiàng)目的推進(jìn)工作更加迫切，進(jìn)一步優(yōu)化項(xiàng)目方案并縮減項(xiàng)目總投資成為風(fēng)選項(xiàng)目實(shí)施關(guān)鍵所在。

如圖1可知社區(qū)c1含有5個(gè)節(jié)點(diǎn)，c2社區(qū)含有8個(gè)節(jié)點(diǎn)，社區(qū)c3含有6個(gè)節(jié)點(diǎn)，而節(jié)點(diǎn)a同屬于社區(qū)c1和c2，節(jié)點(diǎn)c同屬于社區(qū)c1,c2和c3，則節(jié)點(diǎn)a的社會(huì)可靠性為13，節(jié)點(diǎn)c的社會(huì)可靠性為19。由此可知節(jié)點(diǎn)c比節(jié)點(diǎn)a所遇節(jié)點(diǎn)多，因此具有更好的數(shù)據(jù)轉(zhuǎn)發(fā)能力。

將時(shí)間T分割成若干個(gè)很小的等長(zhǎng)時(shí)間段t，為表示在此時(shí)段內(nèi)各社區(qū)節(jié)點(diǎn)的狀態(tài)，用ci,t(1≤i≤n)表示i社區(qū)在時(shí)間t內(nèi)所含有節(jié)點(diǎn)的集合。

如圖2在t時(shí)刻內(nèi)社區(qū)c1,c2,c3,c4中節(jié)點(diǎn)的集合分別為c1,t={b,c,e},c2,t={a,d,g,h},c3,t={f,i}, c4,t={i,j,g,h}。

在某時(shí)間段內(nèi)，如果不同社區(qū)存在相同節(jié)點(diǎn)的情況，說(shuō)明這些節(jié)點(diǎn)具有多種喜好，交友范圍廣，能夠在不同社區(qū)移動(dòng)，有利于數(shù)據(jù)的轉(zhuǎn)發(fā)。因此，接下來(lái)本文通過(guò)分析不同社區(qū)相同節(jié)點(diǎn)的個(gè)數(shù)與不同社區(qū)間所含有的不重復(fù)節(jié)點(diǎn)的總數(shù)來(lái)給出社區(qū)關(guān)聯(lián)度的定義。

定義2（節(jié)點(diǎn)社區(qū)關(guān)聯(lián)度） 在一段時(shí)間內(nèi)，兩個(gè)不同節(jié)點(diǎn)所屬社區(qū)所具有相同節(jié)點(diǎn)的個(gè)數(shù)與不同社區(qū)間所含有的不重復(fù)節(jié)點(diǎn)的總數(shù)之比，我們定義為節(jié)點(diǎn)所在社區(qū)ci和cj的社區(qū)關(guān)聯(lián)度（Community Correlation）。

其中card(ci∩cj)表示節(jié)點(diǎn)i和節(jié)點(diǎn)j所在ci和cj社區(qū)所具有相同節(jié)點(diǎn)的個(gè)數(shù)，card(ci∪cj)表示ci和cj社區(qū)所含有不重復(fù)節(jié)點(diǎn)的總數(shù)，rt(ci,cj)表示社區(qū)ci和cj在某時(shí)刻內(nèi)社區(qū)在網(wǎng)絡(luò)中的關(guān)聯(lián)度。

如圖2所示，c3∩c4={i},c2∩c4={g,h},c2∪c4={a,d, g,h,j,i},c3∪c4={f,i,j,g,h},card(c3∩c4)=1,card(c2∩c4)= 2,card(c2∪c4)=6,card(c3∪c4)=5,則在t時(shí)刻，若節(jié)點(diǎn)i遇到節(jié)點(diǎn)j，則社區(qū)c3和c4的關(guān)聯(lián)度為

若在t時(shí)刻，節(jié)點(diǎn)g遇到節(jié)點(diǎn)j，則社區(qū)c2和c4的關(guān)聯(lián)度為

節(jié)點(diǎn)所屬社區(qū)的關(guān)聯(lián)程度越大，說(shuō)明不同社區(qū)所具有相同節(jié)點(diǎn)個(gè)數(shù)占不同社區(qū)所含有的不重復(fù)節(jié)點(diǎn)總數(shù)的比值越大?？芍?jié)點(diǎn)所屬社區(qū)c2,c4在網(wǎng)絡(luò)中關(guān)聯(lián)度大于社區(qū)c3,c4的社區(qū)關(guān)聯(lián)度。

2.2 基于社區(qū)關(guān)聯(lián)度和節(jié)點(diǎn)社會(huì)可靠性的數(shù)據(jù)轉(zhuǎn)發(fā)算法

在移動(dòng)醫(yī)療大數(shù)據(jù)平臺(tái)下，源節(jié)點(diǎn)向目的節(jié)點(diǎn)轉(zhuǎn)發(fā)數(shù)據(jù)時(shí)，需要面對(duì)如何選擇合適的中繼節(jié)點(diǎn)問(wèn)題。我們的算法與傳統(tǒng)算法不同，本文綜合考慮了社區(qū)和節(jié)點(diǎn)的社會(huì)屬性并且定義了一種基于社區(qū)關(guān)聯(lián)度和節(jié)點(diǎn)影響力的數(shù)據(jù)轉(zhuǎn)發(fā)算法，CCNS。算法如下：

假設(shè)節(jié)點(diǎn)i攜帶源數(shù)據(jù)包pk，節(jié)點(diǎn)i遇到節(jié)點(diǎn)j時(shí)；

步驟1如果節(jié)點(diǎn)j是數(shù)據(jù)包pk的目的節(jié)點(diǎn)，則節(jié)點(diǎn)i將數(shù)據(jù)包pk轉(zhuǎn)發(fā)給節(jié)點(diǎn)j,否則轉(zhuǎn)到步驟2；

步驟2

步驟（2.1）計(jì)算節(jié)點(diǎn)i和節(jié)點(diǎn)j所在社區(qū)的關(guān)聯(lián)度rt(ci,cj);

步驟（2.2）計(jì)算節(jié)點(diǎn)i和節(jié)點(diǎn)j的社會(huì)可靠性S(i)和S(j);

步驟（2.3）如果rt(ci,cj)＜=β且S(i)＜S(j)，則節(jié)點(diǎn)i傳遞數(shù)據(jù)包pk給節(jié)點(diǎn)j，其中β∈[0,1];

步驟3結(jié)束。

3 實(shí)驗(yàn)與仿真

在本節(jié)中，對(duì)本文所提出的CCNS算法與傳統(tǒng)的Epidemic算法和Label算法在移動(dòng)社交網(wǎng)絡(luò)性能上進(jìn)行比較。實(shí)驗(yàn)所采用的數(shù)據(jù)是Infocom 06[21]，該數(shù)據(jù)共含有98個(gè)節(jié)點(diǎn)，78個(gè)移動(dòng)節(jié)點(diǎn)分布在整個(gè)區(qū)域，剩余20個(gè)節(jié)點(diǎn)作為固定的AP存在于不同區(qū)域內(nèi)。我們主要從傳遞率、平均延遲和拷貝數(shù)目（包副本數(shù)）三個(gè)方面來(lái)研究三種算法的性能的不同。模擬實(shí)驗(yàn)結(jié)果都是在C++上運(yùn)行200次結(jié)果的平均值。

首先，將CCNS算法中的發(fā)包數(shù)目從150個(gè)增加到600個(gè)，來(lái)比較三種算法的性能。實(shí)驗(yàn)結(jié)果如圖3顯示，在圖3（a）中可以看出三種路由算法的傳遞率隨著發(fā)包數(shù)目的增加，都緩慢地減小。但是我們可以明顯地發(fā)現(xiàn)，CCNS算法的傳遞率略低于Epidemic算法，高于Label算法。在圖3（b）中，可以看出CCNS算法的平均延遲略高于Epidemic算法和Label。這是因?yàn)樵谶x擇中繼節(jié)點(diǎn)的時(shí)候，我們不僅要考慮社區(qū)的關(guān)聯(lián)度還要考慮節(jié)點(diǎn)的可靠性，必然會(huì)導(dǎo)致傳遞時(shí)間的延長(zhǎng)。在圖3（c）中觀察到，CCNS算法在降低網(wǎng)絡(luò)資源消耗方面具有很大的優(yōu)勢(shì)，相比于Epidemic算法的拷貝數(shù)目平均低了48.1%，相對(duì)于Label算法平均低了42.1%。綜上說(shuō)明了，CCNS算法在減少大量網(wǎng)絡(luò)開銷的同時(shí)獲得了良好的轉(zhuǎn)發(fā)性能。

其次，通過(guò)改變數(shù)據(jù)包的存在時(shí)間（Time-to-Live，TTL）來(lái)研究三種算法對(duì)網(wǎng)絡(luò)性能的改變。我們將TTL從12小時(shí)變化到36個(gè)小時(shí)，如圖4（a）所示，其中當(dāng)TTL從12小時(shí)變化到15小時(shí)時(shí)，三種算法的傳遞率增長(zhǎng)明顯，這是因?yàn)閯傞_始數(shù)據(jù)包在網(wǎng)絡(luò)中存在的時(shí)間較短，沒(méi)有足夠的時(shí)間傳遞到目的節(jié)點(diǎn)，隨著時(shí)間的延長(zhǎng)，三種算法傳遞率逐漸增大并且趨勢(shì)基本相同。其中，CCNS算法的傳遞率略低于Epidemic算法，但高于Label算法，說(shuō)明CCNS算法具有很好的轉(zhuǎn)發(fā)性能。在圖4（b）中，隨著TTL時(shí)間的增加，三種算法的平均延遲的增加趨勢(shì)和幅度基本相同。在圖4（c）中，隨著TTL時(shí)間的變化，三種算法的拷貝數(shù)目變化不明顯，但是我們還是可以明顯地看出，CCNS算法的拷貝數(shù)目比其他兩種算法的拷貝數(shù)目要少很多，相比于 Epidemic算法最多減少49.2%，相比于Label算法最多減少43.1%。

最后，對(duì)CCNS算法中社區(qū)關(guān)聯(lián)度的閥值進(jìn)行改變，令初始值從0.1變化到1.0，通過(guò)實(shí)驗(yàn)仿真來(lái)觀察閥值的變化對(duì)網(wǎng)絡(luò)性能的影響。從圖5（a）可以看出，隨著社區(qū)關(guān)聯(lián)度閥值的增大，傳遞率也逐漸增加。由算法可知，社區(qū)的關(guān)聯(lián)度越大，說(shuō)明社區(qū)中的節(jié)點(diǎn)參與程度越高，從而會(huì)導(dǎo)致傳遞率的顯著升高。隨著更多節(jié)點(diǎn)的參與，如圖5（b）所示平均延遲在逐漸減少。而在如圖5（c）中，關(guān)聯(lián)度閥值的增加雖然可以有更多的節(jié)點(diǎn)供選擇，但同時(shí)也導(dǎo)致了網(wǎng)絡(luò)中拷貝數(shù)目的增加。

4 結(jié)束語(yǔ)

本文針對(duì)移動(dòng)醫(yī)療大數(shù)據(jù)背景社交網(wǎng)絡(luò)的特點(diǎn)，提出了一種基于社區(qū)關(guān)聯(lián)度和節(jié)點(diǎn)社會(huì)可靠性的數(shù)據(jù)轉(zhuǎn)發(fā)算法，即CCNS算法。與以往研究的不同，該算法充分考慮節(jié)點(diǎn)所屬社區(qū)關(guān)聯(lián)程度和節(jié)點(diǎn)的社會(huì)可靠性的大小來(lái)選擇中繼節(jié)點(diǎn)。首先，根據(jù)醫(yī)院中醫(yī)患移動(dòng)的規(guī)律，把基于移動(dòng)醫(yī)療大數(shù)據(jù)平臺(tái)下的移動(dòng)網(wǎng)絡(luò)抽象成社交網(wǎng)絡(luò)，建立網(wǎng)絡(luò)模型；其次，給出了節(jié)點(diǎn)社會(huì)可靠性和節(jié)點(diǎn)社區(qū)關(guān)聯(lián)度的定義，并且給出了CCNS算法；通過(guò)仿真實(shí)驗(yàn)對(duì)比發(fā)現(xiàn)本文的CCNS算法，在傳遞率上高于Label算法，略低于Epidemic算法，并且能明顯的降低網(wǎng)絡(luò)資源成本。由此可知，該算法性能對(duì)于提高移動(dòng)醫(yī)療社交網(wǎng)路中大數(shù)據(jù)的傳播作用十分明顯。在未來(lái)的工作中，對(duì)移動(dòng)醫(yī)療大數(shù)據(jù)平臺(tái)下的社交網(wǎng)絡(luò)進(jìn)行進(jìn)一步的分析和挖掘，從節(jié)點(diǎn)和所屬社區(qū)間的共同社會(huì)屬性出發(fā)去研究新算法，提高消息的轉(zhuǎn)發(fā)率，降低網(wǎng)絡(luò)資源消耗。

[1]Fan J,Du Y,Gao W,et al.Geography-aware active data dissemination in mobile social networks[J].2010: 109-118.

[2]雒續(xù)源，陳志剛，王云華，等.基于移動(dòng)醫(yī)療大數(shù)據(jù)平臺(tái)下深度最優(yōu)匹配算法的機(jī)會(huì)網(wǎng)絡(luò)轉(zhuǎn)發(fā)機(jī)制[J].計(jì)算機(jī)工程與科學(xué)，2015，37（10）：1799-1805．

[3]黨 偉.醫(yī)療耗材庫(kù)存與采購(gòu)控制管理[J].中國(guó)醫(yī)院管理，2011，31（9）：93-94．

[4]AHIMA.Mobile apps 101:A primer for Consumers. http://myphr .com/Stories/NewsStory.aspx?Id=596. Accessed 10 June 2013.

[5]孟 濬，朱天宇.一種基于智能手機(jī)的新移動(dòng)醫(yī)療系統(tǒng)模式[J].計(jì)算機(jī)應(yīng)用研究，2013，30（7）：2055-2060．

[6]徐 倩，趙文龍.國(guó)內(nèi)外移動(dòng)醫(yī)療應(yīng)用現(xiàn)狀及啟示[J].檢驗(yàn)醫(yī)學(xué)與臨床，2014（9）：1295-1297．

[7]徐開敏.淺析醫(yī)院物資材料的采購(gòu)管理[J].醫(yī)學(xué)信息（上旬刊)，2011，24（6）：3269-3270．

[8]黃永剛，王 蕾.移動(dòng)醫(yī)療在醫(yī)院醫(yī)療服務(wù)中的應(yīng)用[J].醫(yī)療衛(wèi)生裝備，2015，36（4）：133-134,140．

[9]Vahdat A,Becker D.Epidemic routing for partially connected ad hoc networks，San Diego:University of California[R],2000.

[10]Hui P,Crowcroft J.How Small Labels Create Big Improvements[J].Proceedings of IEEE Percom Workshop on Intermittently Connected Mobile Ad Hoc Networks,2007:65-70.

[11]Nisgav A,Patt-Shamir B.Finding similar users in social networks[J].Theory of Computing Systems,2011, 49(4):720-737.

[12]Agarwal V,Bharadwaj K K.A collaborative filtering framework for friends recommendation in social networks based on interaction intensity and adaptive user similarity[J].Social Network Analysis and Mining, 2013,3(3):359-379.

[13]汪晶明.移動(dòng)社交網(wǎng)絡(luò)中一種基于節(jié)點(diǎn)相似度和活躍度的數(shù)據(jù)轉(zhuǎn)發(fā)算法[D].合肥：合肥工業(yè)大學(xué)，2015．

[14]Liu J,Wang Q S,Wang Q,et al.An information search algorithm based on query delegation and feedback delegation in Delay-Tolerant networks[J].Wireless Personal Communications,2015,82(4):2623-2635.

[15]Yin L,Lu H,Cao Y.Probabilistic Delay Routing for Delay Tolerant Networks[J].10th International Conference on Advanced Communication Technology.Gangwon-Do:IEEE Press,2008,1:191-195.

[16]Spyropoulos T,Psounis K,Raghavendra C.Efficient routing in intermittently connected Mobile networks: The single-copy case[J].IEEE-ACM Transactions on Networking,2008,16(1):63-76.

[17]Liu Y,Li L,Li Z,et al.Trust-based optimized routing scheme in Mobile Social Networks[C].2013 International Conference on Communications,Circuits and Systems(ICCCAS).Chengdu:IEEE Press,2013,1:87-90.

[18]Li X K,Zhang Q.Influence maximization across Multi-Channels in social network[J].Journal of Computer Research and Development,2016,53(8):1709-1718.

[19]Shen J D.A new data forwarding algorithm based on cumulative performance and transient performance in DTNs[J].Journal of Information&Computational Science,2015,12(2):563-572.

[20]關(guān)培源，陳志剛，王云華，等.基于移動(dòng)醫(yī)療大數(shù)據(jù)平臺(tái)下降低能量消耗機(jī)會(huì)網(wǎng)絡(luò)的研究與應(yīng)用[J].計(jì)算機(jī)應(yīng)用研究，2015，32（12）：3790-3793．

[21]Scott J,Gass R,Crowcroft J,et al.CRAWDAD data set cambridge/haggle(v.2009-05-29).Downloaded from http://crawdad,cs,dartmouth.edu/haggle,5,2014.

A forwarding algorithm under the attribute of node and community in social networks based on mobile medical large data platform

REN Li-li1,OUYANG Jun1,ZHANG Xu2
(1.Department of Fundamental Course,Bengbu Medical College,Bengbu Anhui 233030,China；2.School of Mathematics and Computation Science,Anqing Normal University,Anqing Anhui 246133,China)

With the rapid development of 3G(4G)mobile internet technology and the popularity of mobile devices,mobile medical research has been widely used in medical fields.However,the process of medical diagnosis will produce large amounts of data information.The transmission of the message was contradicted with the limited network resources.Therefore,the paper analyzes how to transfer the information when the nodes belong to several social networks in delay tolerant networks based on mobile medical large data platform.Then the paper chooses the appropriate relay node for data forwarding by analyzing the community correlation and node social reliability and puts forward a new algorithm based on community correlation and node social reliability.Finally,the experimental results show that compared with the existing well-known Epidemic and Label algorithm,the new algorithm can obviously reduce the cost of network resources and the delivery rate is better than that of the Label.

DTNs;big data;mobile medical;community;social reliability;correlation

TP393

A

1004-4329（2017）01-073-07

10.14096/j.cnki.cn34-1069/n/1004-4329（2017）01-073-07

2016-11-24

國(guó)家自然科學(xué)基金(61603003)；蚌埠醫(yī)學(xué)院自然科學(xué)基金（BYKY1661）資助。

任麗麗（1988- ），女，碩士，助教，研究方向：移動(dòng)醫(yī)療、容遲網(wǎng)絡(luò)。