1、無線自組織網(wǎng)絡不需要固定基礎設施的支持，通過分布式方式使節(jié)點自組織成網(wǎng)絡并實現(xiàn)數(shù)據(jù)通信，具有組網(wǎng)靈活、展開迅速、分布控制等諸多優(yōu)點，因此得到了廣泛關注和快速發(fā)展。然而，在很多實際應用環(huán)境中，節(jié)點移動、網(wǎng)絡稀疏或信號衰減等各種原因常常導致網(wǎng)絡連接中斷和網(wǎng)絡分割（network partition），使得傳統(tǒng)的自組織網(wǎng)絡傳輸模式無法在這類環(huán)境中運行。為了滿足網(wǎng)絡間歇連通環(huán)境下的通信需求，出現(xiàn)了機會網(wǎng)絡（Opportunistic Netwo

2、rk）。作為一種特殊的自組織網(wǎng)絡，機會網(wǎng)絡不要求源節(jié)點和目標節(jié)點之間存在完整路徑，利用節(jié)點移動帶來的相遇機會實現(xiàn)通信，因此其更符合實際的無線自組織網(wǎng)絡應用需求。機會網(wǎng)絡的出現(xiàn)使信息傳遞在時間和空間尺度上得到最大程度的延伸，對實現(xiàn)未來普適計算具有重要意義。
　　數(shù)據(jù)傳輸是機會網(wǎng)絡的一個基本問題，幾乎所有的網(wǎng)絡應用都建立在數(shù)據(jù)傳輸?shù)幕A之上。然而機會網(wǎng)絡的連接中斷和網(wǎng)絡分割特性，對數(shù)據(jù)傳輸構(gòu)成了極大的挑戰(zhàn)。同時，機會網(wǎng)絡有著廣闊的應用

3、領域，不同的應用千差萬別，使機會網(wǎng)絡與實際的應用場景緊密相關，很難找到一個適用于所有實際場景的通用數(shù)據(jù)傳輸算法。面對機會網(wǎng)絡研究中的這個薄弱環(huán)節(jié)，本文結(jié)合具體應用場景，針對機會網(wǎng)絡的兩種具體形式——延遲容忍移動傳感器網(wǎng)絡（DTMSN）和車載自組織網(wǎng)絡（VANET），在系統(tǒng)、全面地分析和總結(jié)的基礎上，深入細致地研究了數(shù)據(jù)傳輸問題，取得了若干創(chuàng)新和成果。本文的主要貢獻包括：
　　1.針對DTMSN的間歇連通性，提出了一種基于相對距離感

4、知的數(shù)據(jù)傳輸策略（Relative Distance-AwareData deliveryscheme，RDAD）。通過匯聚點的高功率廣播，傳感器節(jié)點能以較小的網(wǎng)絡開銷獲取自身到匯聚點的相對距離。RDAD依據(jù)此相對距離對節(jié)點的消息傳輸能力進行評估并得到節(jié)點的傳輸概率，以此作為消息傳輸時選擇下一跳的依據(jù)。為優(yōu)化復本管理，RDAD引入消息的生存時間（survival time）和最大復制數(shù)（maximal replication）決定隊列中

5、消息傳遞的優(yōu)先順序和丟棄原則。仿真試驗表明，與幾種現(xiàn)有的DTMSN數(shù)據(jù)傳輸算法相比，RDAD能以較低的數(shù)據(jù)傳輸能耗和傳輸延遲獲得較高的數(shù)據(jù)傳輸成功率，并且具有相對較長的網(wǎng)絡壽命。
　　2.根據(jù) DTMSN的節(jié)點移動性，提出了一種基于運動趨勢的數(shù)據(jù)傳輸策略（Motion Tendency-based AdaptiveDatadeliveryscheme，MTAD）。節(jié)點的移動使其到匯聚點的距離發(fā)生變化，從而影響節(jié)點向匯聚點傳輸消息的

6、能力。通過匯聚點高功率廣播，節(jié)點可感知自身到匯聚點相對距離的不斷變化，并在此基礎上計算自己的運動趨勢（包括運動方向和速度）。MTAD將節(jié)點到匯聚點的相對距離與運動趨勢相結(jié)合，共同評估節(jié)點的數(shù)據(jù)傳輸能力并用于傳輸決策，因此能夠獲得更加有效的消息傳遞。仿真試驗表明MTAD具有較好的數(shù)據(jù)傳輸性能和較長的網(wǎng)絡壽命。
　　3.提出了一種基于車輛行駛預測的車載自組織網(wǎng)絡數(shù)據(jù)傳輸策略（ Travel Prediction based Dataf

7、orwardingscheme，TPD），通過在車輛間共享各自的行駛路線信息，使消息傳輸在多跳的攜帶-轉(zhuǎn)發(fā)（carry-and-forward）環(huán)境中獲得較低延遲和較高的可靠性。目前的很多車載自組織網(wǎng)絡數(shù)據(jù)傳輸算法，通常只采用道路交通流量的統(tǒng)計信息（如車輛密度、路段平均速度等）進行數(shù)據(jù)傳輸決策，因而當車流密度較低時，統(tǒng)計信息的可靠性降低使協(xié)議性能受到影響。針對這個問題， TPD利用微觀的個體車輛行駛路線信息預測車輛間的相遇概率，隨后構(gòu)建

8、相遇圖并在優(yōu)化的基礎上指導消息傳遞，因此能夠避免交通流量較輕時統(tǒng)計信息不可靠對性能的影響，并提供比現(xiàn)有算法更加準確的數(shù)據(jù)傳輸。仿真實驗表明，相比現(xiàn)有的經(jīng)典算法，TPD具有較高的數(shù)據(jù)傳輸成功率和較低的傳輸延遲。
　　4.在VADD算法的基礎上，提出了一種基于延遲評估的車載自組織網(wǎng)絡數(shù)據(jù)傳輸策略（Delay Evaluation-baseddata Forwardingscheme，DEF）。DEF利用道路交通流量信息和車輛的行駛方向