为了有效刻画实际业务流性能状态,结合分形布朗运动模型(Fractional Brownian Motion,FBM)和元胞自动机提出一种新的预测方法 TSPCA(Traffic State Prediction method based on Cellular Automaton).该方法首先基于FBM模型推导了平均队列长度和平均时延的数学表达式,同时利用定义的元胞演化规则对估算结果进行修正,以提高预测精度.最后,通过NS2和MATLAB进行仿真实验,深入分析了影响该方法的关键因素,发现缓冲区较小时流量性能将由短相关特性支配,而缓冲区较大时性能由长相关支配,重置效应和截断效应对业务流性能影响较大.并且对比FARIMA和ARIMA的预测结果,证明该方法具有较好的适应性.
为了验证当前网络节点失效而产生的流量衰减问题,提出一种基于离散时间的新型网络实际流量预测算法(Prediction algorithm based on Discrete-Time for FARIMA model,PDF).该算法首先利用离散时间理论推导节点数据包的排队情况,计算出存在失效节点时流量平均对长的数学公式,并结合FARIMA模型建立预测方法.最后,通过数学仿真深入分析平均对长与服务率等影响因素之间的关系.仿真结果表明,PDF算法具有较好的适应性,与原始流量标准差为10.23.
为了有效模拟室内空间行人流疏散状况,结合元胞蚁群算法和卡尔曼滤波提出了一种新的疏散模型(Pedestrian Evacuation based on Cellular Ant,PECA).该模型首先基于位置吸引力和出口拥挤度给出了行人移动概率的计算公式,同时定义演化过程来阐述疏散策略,并利用元胞蚁群算法和卡尔曼滤波对最短疏散时间的优化模型进行求解.最后,利用建立的仿真平台进行实验,深入分析了疏散时间、出口宽度和初始行人密度之间的关系.结果表明,疏散时间与初始行人密度呈现正相关,而与出口宽度呈现负相关.与传统的元胞自动机疏散(Cellular Automaton,CA)模型相比,PECA的疏散效率更高.
针对网络节点发生失效而产生的性能问题,提出了一种新的流量预测算法(Prediction algorithm based-FARIMA model for Breakdown,PFB).该算法首先利用排队理论推导了存在失效节点时流量平均队长的数学表达式,并结合FARIMA模型建立了预测方法.同时,通过数学仿真分析了平均队长与服务率等影响因素之间的关系.实验结果表明该算法具有较好的适应性,与原始流量的标准差为12.13.
