高速铁路移动通信网移动IPv6应用研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (31): 79-81.

高速铁路移动通信网移动IPv6应用研究

马宏锋1，2，周越3，党建武2

1.兰州工业高等专科学校电子信息工程系，兰州 730050
2.兰州交通大学电子与信息工程学院，兰州 730070
3.甘肃省计算中心，兰州 730000

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-01 发布日期:2011-11-01

Applied research of mobile IPv6 in high-speed railway mobile communication system

MA Hongfeng1，2，ZHOU Yue3，DANG Jianwu2

1.Department of Electronic Information Engineering，Lanzhou Polytechnic College，Lanzhou 730050，China
2.College of Electronics and Information Engineering，Lanzhou Jiaotong University，Lanzhou 730070，China
3.Gansu Computing Center，Lanzhou 730000，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-01 Published:2011-11-01

摘要/Abstract

摘要： 针对高速铁路的运行特点，提出一种基于预测的高速铁路移动通信切换方法，引入列车路径信息表，移动节点切换到新链路前预先指定下一接入路由，准确判断切换方向，提前完成配置子网前缀和新转交地址过程。通过NS2仿真实验证明，该方法提高了切换效率，解决了网络资源利用率低和切换延迟大的问题。

关键词: 高速铁路, 移动通信网, 移动IPv6, 快速切换, 预测

Abstract: Based on problems in the high-speed railway mobile communication system，the prediction-based handoff method of mobile high-speed railway has been proposed.According to the table for train path，mobile nodes designate the next access routing in advance before switching，judgment for switching directions is accurate，and configuration of subnet prefix，care-of address can be accomplished ahead.The switching efficiency will increase and problems such as low utilization of network resources and switching delay can be resolved via NS2 simulation experiments.

Key words: high-speed railway, mobile communication network, mobile IPv6, fast handoff, prediction

马宏锋1，2，周越3，党建武2. 高速铁路移动通信网移动IPv6应用研究[J]. 计算机工程与应用, 2011, 47(31): 79-81.

MA Hongfeng1，2，ZHOU Yue3，DANG Jianwu2. Applied research of mobile IPv6 in high-speed railway mobile communication system[J]. Computer Engineering and Applications, 2011, 47(31): 79-81.

[1]	黄冬宜，杨兵，吴子豪，匡佳一，颜泽明. 用于全市蜂窝流量预测的时空全连接卷积网络[J]. 计算机工程与应用, 2021, 57(9): 168-175.
[2]	杨力，吴义，魏德宾，潘成胜. 基于时空相关性的卫星网络流量预测[J]. 计算机工程与应用, 2021, 57(7): 101-106.
[3]	常昊，陈晓雷，张爱华，李策，林冬梅. 嵌入改进SENet的卷积神经网络连续血压预测[J]. 计算机工程与应用, 2021, 57(7): 130-135.
[4]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[5]	刘紫燕，袁磊，朱明成，马珊珊，陈霖周廷. 融合SPP和改进FPN的YOLOv3交通标志检测[J]. 计算机工程与应用, 2021, 57(7): 164-170.
[6]	张睿，吴伯雄，张丽园，张博. 复杂场景下行人轨迹预测方法[J]. 计算机工程与应用, 2021, 57(6): 138-143.
[7]	杨丰玉，黄雅璇，周世健，郑巍. 结合多元度量指标软件缺陷预测研究进展[J]. 计算机工程与应用, 2021, 57(5): 10-24.
[8]	张倩玉，严冬梅，韩佳彤. 结合深度学习和分解算法的股票价格预测研究[J]. 计算机工程与应用, 2021, 57(5): 56-64.
[9]	李硕，梁毅. 面向Spark的批处理应用执行时间预测模型[J]. 计算机工程与应用, 2021, 57(5): 79-87.
[10]	赵红蕊，薛雷. 基于LSTM-CNN-CBAM模型的股票预测研究[J]. 计算机工程与应用, 2021, 57(3): 203-207.
[11]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[12]	郑建锋，王应明. 基于DEA-BP神经网络的效率置信区间预测模型研究[J]. 计算机工程与应用, 2021, 57(3): 273-278.
[13]	安卫超，阎婷，张楠，张杉，相洁，曹锐，王彬. 病理图像纹理分析在胃癌MSI预测中的应用研究[J]. 计算机工程与应用, 2021, 57(24): 205-211.
[14]	姚远，张朝阳. 基于HP-LSTM模型的股指价格预测方法[J]. 计算机工程与应用, 2021, 57(24): 296-304.
[15]	顾海艳，陈亮，王多点. 基于模型预测控制的无人机时空协同航迹规划[J]. 计算机工程与应用, 2021, 57(23): 270-279.