Bookshelf

Traditionelle Computernetzwerke übertragen Nachrichten auf der Grundlage der Annahme eines bestehenden End-zu-End-Pfades während des Übertragungsprozesses. Mit dem Aufkommen intelligenter Geräte entstand ein neuer, herausfordernder Netzwerktyp. Die Mobilität dieser Geräte führt zu regelmäßigen Verbindungsverlusten und schnell wechselnden Nachbarn. Die Annahme von Ende-zu-Ende-Pfaden ist in diesen Netzwerken nicht erfüllt, so dass übliche Routing-Protokolle nicht durchführbar sind. Stattdessen werden Nachrichten geroutet, indem sie auf einem Gerät gespeichert und transportiert werden. Bei Kontakt mit neuen Nachbarn können Nachrichten an andere Geräte weitergeleitet werden. Basierend auf dieser Routing-Strategie werden diese Netzwerke OppNet genannt. Im Gegensatz zu traditionellen Netzwerken unterscheiden sich OppNets in ihren Eigenschaften. Dies führt zu spezialisierten Routing-Ansätzen für verschiedene Klassen von OppNets. In dieser Arbeit konzentrieren wir uns auf OppNets basierend auf öffentlichen Verkehrsnetzen. Es wurden viele Ansätze für den Einsatz in Fahrzeug basierten OppNets entwickelt. Der öffentliche Verkehr unterscheidet sich jedoch durch die Tatsache, dass er fahrplanmäßig betrieben wird. Diese Informationen des Fahrplans können zur Optimierung von Weiterleitungsentscheidungen genutzt werden. Wir untersuchen fünf bestehende Routing-Ansätze auf ihre Eignung in öffentlichen Verkehrsnetzen. Dazu gehören Epidemic-Routing, Spray and Wait, Geographical Opportunistic Routing, MobySpace und Contact Graph Routing. Darüber hinaus entwickeln wir unseren eigenen Ansatz namens Schedule Graph Routing. Die Ansätze werden mit dem Simulator ONE evaluiert. Dafür erweitern wir ONE um ein Bewegungsmodell, das eine planmäßige, kartenbasierte Bewegung der Simulationsknoten erlaubt. Wir haben eine neuartige Metrik entwickelt, die es erlaubt, die Zustellleistung über die gesamte Simulation für jeden Ansatzes zu bewerten. Während alle evaluierten Ansätze Ergebnisse liefern können, die für die Anwendung in geeigneten Umgebungen verwendbar sind, unterscheiden sie sich in Bezug auf ihre Robustheit gegenüber Unsicherheiten und ihre Stabilität gegenüber Umgebungsänderungen. Die robustesten Ergebnisse stammen dabei von GeOpps. Allerdings erzielt CGR die beste Zustellleistung und sendet dabei durchschnittlich lediglich 0.24 Promille der Nachrichten, die GeOpps sendet. CGR mangelt es aber an Robustheit gegenüber Verspätungen, was zukünftige Arbeiten am Ansatz notwendig macht.