前言：中文期刊網精心挑選了傳播模型范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
傳播模型范文1
引言
傳播模型是通過某種數學模型，在一定程度上刻畫并反映實際無線信號傳播環境的特性和信號變化規律，是對于特定場景具有一定代表性的傳播環境的模型。無線傳播模型的校正作為網絡規劃的重要組成部分，直接影響網絡規劃的正確性和合理性。
1. TD-LTE無線傳播模型介紹
無線傳播模型是用來對無線電波的傳播特性進行預測的一種模型。傳播特性的預測，是無線網絡規劃的基礎，其準確性影響到網絡規劃的準確性和質量。因此，準確的傳播模型是準確的無線網絡規劃的前提條件。
本文實驗中模型校正工作的目的是分析TD-LTE系統2595～2600MHz頻段的無線信號傳播特性。
1.1 通用傳播模型介紹
移動通信傳播環境遠比自由空間復雜，傳播損耗也難以用理論分析表述，因此必須以大量的測試數據為基礎，總結出描述移動通信傳播損耗的模型。SPM模型是在TD-LTE無線網絡規劃中應用比較廣泛的規劃工具Atoll、百林軟件所支持的一種標準宏蜂窩模型。SPM模型的表達式為：
PR=PTX-[K1+K2lg（d）+K3lg（heff）
+K4LDiffraction+K5lg（heff）lg（d）
+K6（hmeff）+Kclutterf（clutter）]
在此公式中：K1是偏移常量（dB）；K2是距離相關的lg（d）的修正因子；K3是lg（heff）發射機天線高度的修正因子；K4是衍射計算的修正因子；K5是lg（heff）lg（d）的修正因子；K6是hmeff移動臺有效天線高度的修正因子；PR是接收的功率（dBm）；PTX是發射的功率（EIRP）（dBm）；d是接收機和發射機之間的距離（m）；heff是發射機天線的有效高度（m）；LDiffraction是阻隔路徑上的衍射造成的損耗（dB）；hmeff是移動臺的有效天線高度（m）；Kclutter是f（clutter）的修正因子，f（clutter）是地貌的平均加權損耗。
傳播模型的各個系數中，K3、K4、K5、K6基本不會隨著地形不同而變化，因此我們在校模時，一般只考慮K1、K2。
Kclutter為地形修正因子。模型校正時，可以不選擇Kclutter，直接校正K1、K2。這時地物影響會疊加到系數K1、K2上，對校模結果沒有太大影響，根據工程經驗，是否考慮Kclutter對模型校正結果的誤差大概在10米左右。
1.2 傳播模型校正流程
TD-LTE傳播模型校正流程與其他TD系統的模型校正流程相似，分為前期設備準備、選點及路線確定、架機及數據采集、數據處理、模型校正及結果分析。
由于本次使用的電子地圖為20米精度，各種地物精細程度不是很充分，繞射因子K4和與HTxeff相關的K3，K5，K6等系數難以準確校正，因此本次模較考慮只對K1、K2、Kclutter值進行校正，K3～K6取典型值。
2. 傳播模型校正的準備工作
2.1 測試及分析工具
此次實驗CW測試的設備主要有發射機（2595MHZ-2600MHZ）、46dB增益功放器、接收機、2.5dBi增益全向天線、藍牙GPS天線及筆記本電腦；此外還有8米1/2饋線、70米電源接線板等、CW測試數據處理軟件。
其它相關設備：數碼相機，測試車輛，測試軟件，FH-NPTO CW數據轉換軟件 ，校正軟件是NPS。
2.2 測試點的選取原則
為保證傳播模型測試數據采集的準確性和代表性，在選擇測試站點時，站點周圍不能有明顯的遮擋；站點的天線掛高應該和該區域模型大致需要的天線掛高接近，站點應高于周圍建筑物，但不能高出太多。一般情況下，密集市區測試站點天線掛高應比周圍建筑物平均高度高出5～10米左右。
2.3 測試路線的選取原則
測試路線的選擇原則是使線路遍歷規劃區域內典型環境的各種地物類型。
東西向和南北向的道路都應包括；各種距離的位置都應跑到；各種地物附近區域都應跑到；應盡量包括所有能跑到的道路，以一般道路為主，最好選擇寬度不超過3 米的狹窄道路。
避免在同樣的路線反復測試。同一條道路上反復跑時，只記錄第一次的數據。測試過程中停車時（如紅燈）不記錄數據。測試半徑應該盡量大，保證接收機接收到的信號處于小區邊緣； 測試過程中盡量保持勻速行駛，根據李氏定律計算出的速度40～28.8KM/h；避開水域做測試。
本次實驗選取的方法：先跑東西向道路，再跑南北向道路，最終測試的道路形成網狀結構。
2.4 傳播模型測試環境
在進行實際的傳播模型測試時，發射機、接收機、天線以及其它設備搭建的測試環境如下圖所示：
3. 南京密集城區傳播模型校正結果
密集市區參與模較的站點有兩個，分別為大香爐和建宇大廈。經過數據的預處理和部分壞數據的刪除后，利用各場景下校正站點的CW測試數據進行聯合校正，對各場景相應站點的測試數據進行誤差統計，得到其誤差結果如下表：大香爐誤差均值為-0.31，標準方差5.53；建宇大廈誤差-0.83，標準方差4.68。
從誤差統計結果上看，匯總的誤差均值絕對值在1以內，標準方差在6以內，這兩個誤差結果都滿足本次無線傳播模型校正的要求。
從大香爐和建宇大廈站點的測試點平與預測電平擬合圖可以看出，測試電平與預測電平擬合程度良好，能夠比較好的反映密集市區各測試站點周圍的電磁傳播環境。
結論
TD-LTE是中國提出的一個具有自主知識產權的第四代移動通信標準。TD-LTE無線網絡傳播模型的校正直接影響著無線網絡規劃的質量以及后期建設工作。通過本次無線信號傳播模型校正，以及各場景不同站點的驗證分析，可以明顯看到在現有電子地圖的基礎上，本次模型校正出來的各場景參數值都能很好反映該地區TD-LTE頻段無線信號的傳播特性，對后期無線規劃具有非常重要的意義。
參考文獻：
[1] 王映民.TD-LTE技術原理與系統設計.人民郵電出版社.2010.
傳播模型范文2
1、國內外微博的發展現狀
微博的始祖和領軍者是美國網站Twitter，創辦于2006年，根據相關公開數據，截止至2010年1月，Twitter的注冊用戶已超過7500萬，榮登微博界的榜首。
正是看到了Twitter的“牛市”，許多網絡公司也相繼開發微博平臺，成為其追隨者，比如Plurk、Jaiku、Juick、Tumblelog等等。雖然在應用、功能等方面都比較相似，但已很難追上Twitter的高人氣。
從2007年開始，國內也陸續有了一些微博網站，比如飯否網、嘀咕網等等，但都沒有形成氣候，有些網站已經關閉。一直到2009年8月份，中國最大的門戶網站新浪網推出“新浪微博”內測版，成為門戶網站中第一家提供微博服務的網站。
根據新浪網新聞中心提供的數據：自2009年8月28日正式啟動對外公測起，新浪微博的用戶數量一直保持著加速增長，同時影響著廣大社會名人和草根網民。2009年11月2日，新浪微博迎來了第100萬個用戶，距離其對外公測僅66天時間。2010年4月28日，新浪微博注冊用戶數首次突破了千萬大關。2010年8月28日，新浪微博迎來了一周歲生日，其注冊用戶數增長到3000萬。截至目前，這一數字已經達到了4.24億，呈現出爆發性的增長趨勢。
2、新浪微博流行原因
（1）簡單易用。說起微博客，大家都會聯想到與之僅一字之差的博客。博客雖也是用戶記錄心情的一種方式，但比較強調版面的布置，一般情況下也多以文章的形式出現，而非短句。微博客在用戶信息時設置了140個的字數限制，對用戶來說，的內容只是由簡單的只言片語構成，在語言的編排和組織上，沒有博客要求那么高，用戶的門檻也比較低。如果說博客好像是一本日記本，大部分人在寫日記的時候都會注意文筆和排版；而微博就好像是一本便利貼，強調的是“快”和“紀實”。
除了內容的簡易，微博還開通了多種插件，使用戶可以通過手機、網絡等多種渠道即時更新自己的個人信息和狀態，讓用戶走到哪，“寫”到哪，方便快捷。根據北京網絡媒體協會統計的數據，在微博的注冊用戶中，有約69%的用戶選擇只用電腦登錄微博，而有近31%的用戶選擇會使用手機來登錄微博。對于手機這一新媒體日漸占據強勢地位的今天，注重手機平臺的開發也是微博注冊用戶數量猛增的一大原因。
（2）人際圈的影響力。對于一般的微博使用者來說，在微博中所關注的人和關注自己的粉絲多為真實生活圈子中的朋友，用戶在微博的一言一行不但記錄了自己的近況，更是讓久別的朋友了解了自己的動態，維護了自己的人際圈子。從這一點來說，微博的功能類似于社交網絡服務網站，比如“開心網”、“人人網”等等，不過微博在用戶的動態更新這一方面相較于前者做得更專更精。
另一方面，相較之于博客，微博的用戶接受信息更為主動，只要點擊“加關注”，即表示你愿意接受某位用戶的即時更新信息，未被“加關注”的用戶更新信息將不會出現在你的首頁上。這是微博的使用者對信息的一層主動篩選，也是微博使用者對自己在網絡上的虛擬人際圈的一層主動篩選。
（3）天生的傳播欲與社會化媒體的結合。相對于博客需要組織語言陳述事實或者采取修辭手法來表達心情，微博只言片語“語錄體”的即時表述更加符合現代人的生活節奏和習慣；而新技術的運用則使得用戶（作者）也更加容易對訪問者的留言進行回復，從而形成良好的互動關系。新浪微博用戶相比博客或者播客用戶，能更即時與人際圈內人群形成互動。
（4）明星入駐。筆者對新浪微博及國內其他微博網站進行了初步的比較，他們在頁面、應用、功能等方面的差異并不明顯。新浪微博之所以能吸引超過4億的網民，除了借助于中國最大門戶網站——新浪網的平臺，還應當歸功于入駐新浪微博的各界明星和社會名人。
在新浪微博的認證用戶中，有許多國際大腕，也有許多社會名流，他們最早使用新浪微博高頻率地自己的最新演藝及生活資訊，吸引粉絲為了追星也織起“圍脖”。人氣明星姚晨、小S等在微博上的粉絲數突破2000萬也驗證了這一點。
二、微博的使用特點
1、便捷性
在新浪微博平臺上微博的方式有多種：網頁、WAP網、手機短彩信、手機客戶端等多種方式。信息方式相當便捷，可以達到隨時隨地想發就發。的內容可以是文字（140字以內）、圖片、音樂。所以，微博的即時通訊功能非常強大。只要有網絡的地方，就可以直接通過電腦現場的內容，可以圖文并茂。在沒有網絡的地方，只要有手機就可即時更新內容。
2、主動性
在新浪微博平臺上，只要你喜歡，就可以將某人添加為關注的對象。主動成為他的粉絲，無需對方確認。第一時間在微博首頁便可以看到他所的內容。同時，可以轉發和評論你所關注的對象所的內容，完全達到自主選擇。你可以主動選擇去關注哪些人，轉發什么消息，評論什么內容。
3、草根性
相對于強調版面布置的博客來說，微博的內容組成只是由簡單的140個字。微博帶來了內容生產的成本的降低。如果說博客上人們更多的分享著自己的思想，那么微博上人們分享的是自己的生活。從這個角度來說，對用戶要求門檻很低，而且在語言的組織上，沒有博客那么高。微博的語言偏向：展現個性、貼近生活、還原現場。
4、“病毒性”
一條微博之后，通過“急速裂變式傳播”。這是新技術條件下產生的新的傳播模式，是對傳統人際傳播方式的一種升級。
2010年2月24日22點07分，新浪微博一位普通用戶“小酒窩999”發出一條求助信息——“小酒窩999：成都有位93歲的婆婆在30晚上不慎摔倒骨折，本應立刻手術，但婆婆的血型是罕見的RH陰性AB型，血庫沒有血源。老人家躺在床上10幾天了，如果不能找到合適的血源，很容易危及生命，如果有哪位TX是這種血型又愿意獻血的，請聯系四川省醫院骨科，或者打電話02888080712。”此后，該微博原文就被轉發了3552次，收到813次評論。第二天就聯系到了三位新浪微博網友白nana、小丸子729、晶晶馬這三個血型合適的網友到醫院獻血。
一條小小的微博，在12 小時內動員了身處各地的網友。也實現了愛心接力棒的傳遞。微博的傳播速度和傳播廣度是幾何級的，遠遠高于之前的任何一種媒介。
5、圈群性
由于微博主動性的特征，導致每個人關注的人不同。而每個微博當他在選擇自己的關注對象時，因為關注的內容而被貼上了“標簽”，自然而然的形成了擁有共同話題或興趣愛好的群體。例如，關注小S的人，大多都是喜歡《康熙來了》這個電視節目的。所以自己的圈子內發表意見的時候，更容易引起共鳴。
總之，類似一些大的突發事件或引起全球關注的大事，利用各種手段在微博上發表出來，其實時性、現場感以及快捷性，傳播的效果及轟動程度有時也超過傳統媒體。
三、傳播模型建構
1、傳統媒體的傳播模型
傳統媒體傳播特點：點對面單向傳播。One to One（1-1）模式。
2、博客的傳播模型
博客的傳播特點：一對多傳播模式，傳者與受者雙向互動，但受眾群之間無法相互互動。始終是One to N（1-N）模式。
3、微博的傳播模型
微博的傳播特點：傳者與受者雙向互動，受者群之間能夠相互互動，受者群數量層級式增長。“1-N-Nn ”傳播模式。
四、由微博傳播模型看其優勢
1、速度與廣度
微博信息傳遞速度超越所有其他媒介達到裂變式最大化；微博信息傳遞廣度超越其他所有媒介達到層級式最大化。
曾有一個形象的比喻：“你的粉絲超過一百，你就好像是本內刊；超過一千，你就是個布告欄；超過一萬，你就好像是本雜志；超過十萬，你就是一份都市報；超過一百萬，你就是一份全國性報紙；超過一千萬，你就是電視臺，超過一億，你就是CCTV了。”
2、受者傳者身份的即時轉化
然在如博客等網絡媒體之中，也可以通過點擊轉載博文達到傳者與受者之間的轉化，但第三級傳者無法與第一級傳者進行直接溝通。互相不能夠達到互通有無的狀態。而微博可以打破受眾群之間的界限，達到整個群體的溝通。
3、對網絡信息流的自然篩選
微博“圈群性”的特征形成是對網絡巨大信息流的自然篩選。相較于博客，微博用戶他們接受信息的方式更為主動，這是微博的使用者對信息的一層主動篩選，也是微博使用者對自己在網絡上的虛擬人際圈的一層主動篩選。企業用戶可以利用“圈群性”的特征定位目標受眾群。有指向地收集到的用戶信息需求，產生互動。
4、高社會化、低成本的新媒體
社會化媒體是一個近年來出現的概念，大致上指的是“能互動”的媒體，或者說，如果缺乏用戶的有效參與，平臺基本上就毫無內容的媒體。社會化媒體改變以往媒體一對多的傳播方式為多對多的“對話”，使得人際間的溝通呈現更快速與便捷的方式。
微博，也正是這樣一種高社會化的媒體。它給予了用戶極大參與空間，而僅需要最低的內容創作成本。與社交型網絡（SNS）、博客、播客等相比，它所需要的內容生產成本更低，而它所帶來的社會化程度則更高。
參考文獻
①北京網絡媒體協會，《微博媒體特性及用戶使用狀況研究報告》，2010
②DCCI互聯網數據中心，《2010微博與社區調查數據》，2010
③新浪網，《新浪微博白皮書》，2012
④新浪新聞中心，http：//news.sina.
傳播模型范文3
【關鍵詞】無線傳播模型 模型驗證 驗證站點 CW測試 李氏準則
1 引言
匹配良好的無線傳播模型是現代移動網絡規劃的基礎,一般在使用之前,運營商都會對本地的無線傳播模型進行校正,使之更符合本地區的傳播特性。大量文獻與實踐證明,通過CW連續波測試進行模型校正是比較合理的方式[1~3]。隨著模型校正在工程中大規模的應用,如何驗證已校模型的準確性,是移動通信運營商亟待解決的問題。
通常運營商會選擇將現網覆蓋仿真與現網實際路測電平進行對比,定性判斷校正的模型是否準確。此類方法邏輯直觀,但是缺點同樣明顯:
(1)由于移動通信網絡一般都是扇區化基站,必須將路測電平與服務小區對應,采用該方法必然導致測試區域受限,工程測試實施困難;
(2)由于現網運營的基站都帶有業務,對于天線口發射功率等參數只能通過設備參數、天饋系統損耗來估算,無法通過功率計等設備準確獲取,精確獲得仿真所需的工程參數比較困難;
(3)判斷是定性的,無法通過測試、仿真數據定量描述模型準確程度,易受主管因素影響。
2 基于驗證站點的模型驗證方法
2.1 方法介紹
本文將介紹一種定量驗證無線傳播模型的方法,描述如下:
運營商在進行模型校正之后,選定與模型典型地貌類似的驗證站點,對驗證站點再進行一次CW測試,獲得足夠多地形地貌數據;然后根據每個測試數據點所在的位置與地貌環境,通過已獲得的校正模型,預測該點的場強;最后與測試場強進行比較,通過將足夠多的測試數據與預測場強數據比較,判斷模型是否準確。其基本流程如圖1:
2.2 方法原理
本小節將對該方法的原理進行簡單描述,在這之前首先回顧一下模型校正的原理[1,3]。
假定對于標準宏蜂窩模型采用如下形式:
對于任意一個測試點,、是固定值,因此矩陣是確定矩陣,可以通過收發天線高度與接收機位置以及測試點的位置獲得。其中是在測試點所在位置,根據三維數字地圖與特定的等效刃形衍射方法計算得到的衍射損耗。
路徑損耗矩陣P的元素Plossi計算公式為:
Plossi=EIRPTX-PRX(3)
其中EIRPTX為發射天線有效發射功率,PRX為接收機接收電平,單位為dBm。
由于實際的接收機接收電平包含了快衰落成分,因此不能直接用于模型校正。但是如果測試數據滿足李氏準則[4],即在40波長采樣區間內,采樣點在30～50個之間,這樣就能較徹底地去除快衰落,保留慢衰落,使模型充分體現所在區域的無線傳播特性,此時P矩陣就能用于模型的校正。
獲得了A、P矩陣以后,可以通過最小二乘法獲得K值矩陣。
基于驗證站點的模型驗證方法,恰好與模型校正過程相反:通過已知的K值矩陣,去驗證實際的路徑損耗與預測的路徑損耗之間的偏差程度,如果偏差較小,說明模型準確性高,驗證通過;否則驗證未通過,需要重新校正模型。因此要獲得驗證結果必須給出定量的驗證指標。
2.3 驗證指標取定
與模型校正類似,模型驗證的評判指標也可以通過預測值和實際路測值的均值誤差(Mean Error)、均方根誤差(RMS Error)和標準差誤差(Std.Dev Error)這三個統計值進行判斷。然而實際工程中,運營商更關心實際測試點與預測點對比的吻合度,即在特定誤差范圍內的測試點占總測試點的百分比,記為Per。若能合理確定Per閾值,就能在工程上獲得一個直觀的定量的模型驗證方法。下面探討如何獲取Per的閾值。
假設校正后的模型參數為K矩陣,P為根據參數矩陣K獲得的預測路徑損耗矩陣,P'為驗證站點實際測試獲
以上分析假定測試數據滿足李氏準則,快衰落對路徑損耗的影響可以忽略不計;而實際工程由于無法完全消除快衰落并且測試數據不能完全滿足中心極限定理要求,即誤差矩陣e不完全符合正態分布,因此Per取值要小于表1中對應的值。工程上一般要求模型校正的標準差小于8dB,故取誤差電平絕對值最大值emax為8dBm,此時建議Per工程閾值如表2所示:
2.4 注意事項
(1)由于模型驗證是對特定已校正模型,因此驗證測試點所選取的區域必須與模型區域類似;
(2)由于模型校正的目的在于獲得所校區域無線傳播慢衰落的特性,因此在進行驗證的時候,一定要獲得由慢衰落引起的路徑損耗,而外界的快衰落和干擾必須要去除,否則驗證過程本身就存在問題。對于干擾影響,可以通過清頻方式解決,而快衰落影響則通過李氏準則的測試方法去除,因此驗證測試過程必須符合李氏準則;
(3)為了盡量接近中心極限定理的條件,測試數據必須足夠多,一般要求有效測試數據量超過10000個。
3 工程實例
該工程為我國某移動通信運營商A市市區1800M無線傳播模型校正工程,與校正結果相關的參數如表3～5所示:
為驗證此模型的準確性,采用本文方法進行模型驗證。在類似地貌環境下,通過驗證站點CW測試,共測得有效驗證數據33334個,其Per值(測試與預測電平誤差絕對值小于8dB的占比)為72.1%,說明超過72%的實際測試點落在了8dB誤差區間范圍內,模型與實際地貌符合較好,屬于良好模型。圖2～5也說明了驗證結果的有效性:
4 結論
本文論述了一種在工程中易于實現的傳播模型驗證方法,相對于其它驗證方法,該方法最大的優點在于驗證指標的定量化;并通過滿足李氏準則的CW測試,保證驗證所需數據的準確性,給運營商提供了一種傳播模型成果的驗收標準,在實際工程中具有較大意義。
參考文獻
[1]呂敬平,羅漢文. 第三代移動通信無線傳播模型校正[J]. 移動通信,2004(8):87-89.
[2]朱悅,李建新,楊劍鍵. 宏蜂窩模型的傳播模型校正研究[J]. 郵電設計技術,2009(9):1-6.
[3]謝益溪. 無線電波傳播原理與應用[M]. 北京:人民郵電出版社,2008:172-209.
[4]William C Y Lee. 移動通信工程理論和應用[M]. 北京:人民郵電出版社,2002:92-96.
[5]盛驟,謝式千,潘承毅,等. 概率論與數理統計[M]. 北京:高等教育出版社,2001:144-170.
【作者簡介】
傳播模型范文4
【關鍵詞】復雜網絡；交通網絡；級聯失效
0 前言
隨著時代的發展，近些年來，越來越多領域的專家都開始研究復雜網絡，如數學領域、物理領域以及計算機領域等，他們發現復雜網絡特性從實際網絡中也可以體現出來。經過實證研究，交通網絡在復雜網絡的結構特性方面等同于其他網絡。于是，越來越多的人們開始研究公共交通網絡級聯失效模型。
1 復雜網絡的級聯失效
一是，復雜網絡級聯失效的定義：網絡上的級聯失效是交通網絡和網絡上傳播行為的一個相似之處；在實際網絡中，如果有故障發生于一個節點或者少數幾個節點，那么在節點之間耦合關系的影響下，就會導致故障發生于其他節點，發生聯鎖反應，除了導致一部分節點出現故障之外，嚴重的話，整個網絡都可能因此而崩潰；我們用級聯失效來形容這種現象。
二是，復雜網絡級聯失效的研究意義：隨著時代的發展，人們越來越重視關乎國計民生的復雜網絡的安全性和可靠性，雖然在此領域內進行了深入的研究和努力，但是依然還會出現一些大規模的級聯失效故障。比如，在二十一世紀初期，因為有過載燒斷問題出現于美國俄亥俄州克里夫蘭市，之后導致了北美出現大范圍停電事故，影響到了數千萬人的正常生活和工作，造成了數百億美元的損失。因此，我們就需要深入的研究級聯失效的發生機理，以此來采取措施有效的預防和控制級聯失效。
2 復雜網絡級聯失效的動態模型
一是，沙堆模型：在上個世紀八十年代，美國三個物理學家進行了研究，他們假設將砂子不停的堆設于一個平面上，沙堆的逐漸變大，會增加坡面陡度，那么新添加的砂子，就會增大砂崩的可能性。那么我們用自組織臨界狀態來描述砂崩前的臨界狀態。科學家通過研究發現，本沙堆模型的雪崩規律分布，具有冪律特性，1.5是它的大概指數。
二是，OPA模型：有專家提出了一個模型，是電網從初始狀態向自組織臨界狀態轉化，我們將其稱之為最優潮流方法模型，電網狀態演化過程中的各個過程，如增加用戶負荷、改變電網容量以及修復故障等，都可以利用本模型來進行建模分析。他們認為，電網狀態要想發展為自組織臨界狀態，非常重要的一個動因就是對各種小型故障的防護性工程反應。也就是說，在簡單防護和避免小型停電事故，其實就是積累了一次大規模的相繼故障。
3 城市交通網絡的級聯失效研究
一是，城市交通擁堵的形成與傳播機理：要想促使城市能夠更好的發展，就需要深入研究城市交通網絡的魯棒性和可靠性。目前，隨著社會經濟的發展，城市規模越來越大，城市人口越來越多，并且私家車數量也在呈較大速度的上升趨勢，城市交通需求越來越大，但是交通系統建設和發展卻嚴重跟不上這個速度，對城市的可持續發展起到了較大程度的制約作用。城市交通擁堵問題的出現，不僅在很大程度上損失了經濟利益，還對人們的時間造成了極大的浪費，交通事故也因此而增大，環境污染問題日益嚴重。因此，在目前的城市交通研究中，就需要將城市交通擁堵作為研究的重點，需要結合實際情況，進行城市交通擁堵傳播模型的構建工作，同時，對傳播過程中網絡節點重要性進行探討，對擁堵傳播受到不同拓撲結構的影響進行分析和研究，然后提出科學的道路規劃和控制策略，來對交通擁堵問題進行有效的緩解和預防。
通常情況下，主要會有三種方式造成城市交通擁堵，分別是暫時的故障、網絡本身通行能力較低以及在網絡中某一個特定地區，需求隨機波動，這樣就會導致排隊延伸。不管是是哪一種方式造成的，都可以對擁堵的后續發展和傳播過程進行預見，在對城市交通擁堵的形成和傳播機理進行研究時，需要對下面這兩種情形進行充分注意：
首先是排隊傳播：我們在開始時，選擇某區域中心附近某處的第一個路障，有交通事故發生，在分岔過程中，會有路段間排隊的延伸產生，然后在各個路段的交叉口，都會有新的分岔產生于每一個排隊上。剛開始的時候，我們可以用簡單樹的形狀來看待分支的拓撲結構，但是，經過時間的推移，會沿著一個街區的四周，排隊越來越長，之后首尾交接，形成一個封閉的環。然后這樣的情況發生于其他地方，導致更多封閉環的出現，因此，拓撲結構就會發生變化，成為網格形態。
其次，量化交通擁堵嚴重程度：我們可以量化模型中總旅行時間和因擁堵而造成的延誤時間。主要有兩種度量方法，第一種度量方法的主要對象是路障導致的市區交通堵塞形成的時間，另外一種方法則是在任何特定時刻，擁堵范圍內擁堵節點及路段數量的形成都可以表示為整體交通擁堵增長和消散的速率。
再次，城市交通網絡中交通樞紐或Hub點的確定：自從911恐怖襲擊發生之后，各國科學家都已經將復雜網絡的相關理論應用起來，以此來對城市基礎設施可能遭受到的攻擊進行預防，以此來促使國家和城市的安全得到保證。要想解決這個問題，非常關鍵的一個環節就在于將網絡中的Hub點給找出來。通過確定城市交通網絡的Hub點，就可以有效預防那些蓄意性攻擊，有效解決交通網絡設計問題，提高資金的使用率，將其更加有效地在網絡改擴建或新建工程中應用。有學者在這個方面已經進行了研究，他們依據北京公交網絡的無標度特性，將公交網絡平衡配流理論和方法給應用了過來，提出了一種方案，來對公交網絡集散點進行有效尋找，以此來利用無標度網絡理論來對現實的交通網絡的規劃設計工作進行有效地指導。
4 結語
通過上文的敘述分析我們可以得知，隨著時代的發展，我國交通擁堵問題日益嚴重，城市交通網絡是一種重要的城市基礎設施，它的正常運行，會對城市經濟發展以及城市可持續發展產生直接的影響，因此，就需要將復雜網絡理論給應用過來，深入研究城市交通網絡的級聯失效，以此來更好的指導于城市時空結構，對交通擁堵產生的內在機理進行解釋，對交通網絡合理設計，針對交通擁堵，提出一系列的緩解措施和預防措施。本文簡要分析了模擬交通網絡擁堵傳播的級聯失效模型，希望可以提供一些有價值的參考意見。
【參考文獻】
[1]王正武，況愛武，王賀杰.考慮級聯失效的交通網絡節點重要度測算[J].公路交通科技，2012，2（5）：123-125.
[2]汪小凡，李翔，陳關榮.復雜網絡理論及其應用[M].北京：清華大學出版社，2008，10.
傳播模型范文5
關鍵詞：世博會 傳播影響力 評價體系 TOPSIS
上海世博會的舉辦在世界各地都產生了很大的反響，并影響了上海等地相關行業的發展，周千猷、張亞斌（2011）認為上海世博會對于宏觀經濟具有很大的影響力。同時，事件活動近些年來引起了人們極大的關注，事件活動的舉辦對于舉辦地的經濟等方面不僅在舉辦時段會產生巨大的影響，舉辦結束后仍然會產生很大的影響。世博會由于其本身的特性，影響力更為久遠，然而查閱文獻發現學者們的實證研究視角大多集中在世博會對于舉辦地經濟、旅游等某一側面的影響，如姚沛等（2011）認為世博會對于上海旅游業的影響力將長達85年。考慮到世界博覽會的宗旨是促進各國經濟、文化、科學技術的交流與發展，其特點是把科學性和情感結合起來，將人類發展的新概念、新觀念、新技術展現在世人面前，因而衡量一屆世博會是否成功召開最重要的標準不是其是否帶動了當地經濟或旅游等的發展，而是在于其新理念、新技術的傳播能否為人們的生活方式、社會的發展帶來巨大的變化和推進，這依賴于世博會的總體傳播影響力，因而對世博會傳播影響力做出評估并從中找出有助于世博會成功舉辦的決定性因素是一個非常有意義的問題。
世博會傳播影響力評價體系構建
考慮到世博會自身所擔負的責任，評價一屆世博會的影響力最重要的因素是對于觀念和技術等的傳播性，而首次傳播的程度必然會影響再次傳播以及后續的傳播。我們在經濟分析的基礎上并結合數據的可得性，確定了以下五個指標：舉辦天數、參觀人數、建筑面積、參展國數和投資成本。舉辦天數表明了開放的時間；參觀人數越多，表明世博會的吸引力越大；建筑面積反映了建設的狀況；參展國數越多，參與交流的國家越廣泛；而投資成本的多寡表明了舉辦國的重視程度。世博會的開放程度、吸引力度、建設程度、廣泛程度和被重視的程度對于首次傳播影響程度起決定性作用，因此所選定的5個指標反映了世博會傳播影響力度的大小，可以作為評定世博會傳播影響力的最重要指標，從而構建了如圖1所示的世博會傳播影響力評價體系。
從圖1可以看出世博會的傳播影響力受到開放度、吸引度、建設度、廣泛度、重視度五個方面的共同作用，而對于每個方面，都可以找到相應的具體指標去進一步量化出上述的五個方面。我們所建立的指標體系避免了主觀性，全部指標均依賴于客觀數據，且包括了影響世博會傳播影響力的主要因素，因而所建立的指標具有代表性和合理性。
歷屆世博會傳播影響力評估
（一）世博會傳播影響力評價模型―TOPSIS
用于評價的模型很多，如模糊綜合評判法、層次分析法、因子分析法和主成分分析法等，然而這些評價方法中有些需要人為的定義權重，如前兩種方法，這必然會影響評價的客觀性；有些對數據有一定的要求，如數據不能通過因子分析中的KMO檢驗，顯然不能用因子分析。目前比較先進的評價方法還有遺傳算法和基于BP神經網絡的MIV變量篩選法，但這兩種方法需要用目標函數作為初始規劃，然而目前對于影響力的評估沒有一個明確的目標函數，因此這兩種算法都行不通。同時，總體影響力往往是多種影響力組成的，基于這些考慮，我們最終選定了近年來興起的一種多目標決策分析方法―TOPSIS法。
TOPSIS法是一種簡捷有效的多指標評價方法，通過原始數據進行同趨化和歸一化處理，消除不同量綱對結果的影響，找出最優值和最劣值，然后比較各評價對象與最優值與最劣值的接近程度來評定優秀等級。TOPSIS模型的優勢在于：它不需要目標函數，也不需要通過檢驗，僅僅依靠幾組數據去求出與最優值與最劣值的接近程度，就可以比較出目標的優與劣。
TOPSIS程序流程如圖2所示。這里得到的與最優值的接近程度Ci，我們定義為影響力度。Ci值在0與1之間，該值越接近1，表示評價對象越接近最優水平，影響力越大；反之，該值越接近0，表示評價對象越接近最劣水平，影響力越小。
（二）數據來源與處理
從世界博覽會網站和上海世博會網站查找到1900年以后世界所有綜合型世博會在舉辦天數、參觀人數、建筑面積、參展國數和投資成本方面的數據。
對表1中的五個指標進行趨同化處理，將其中低優化指標Xij通過倒數變換而轉化成高優指標X`ij，然后再建立同趨勢化后的原始數據矩陣。在轉換時我們發現表1中五個指標都是隨著時間有上升的趨勢，這樣原始數據就可以作為標準化數據矩陣X。
（三）世博會的傳播影響力
首先建立歸一化矩陣，用歸一化公式 計算歸一化矩陣Z，如表2所示。
根據Z矩陣得最優向量與最劣向量：Z+=(0.4358，0.4390，0.4516，0.5505，0.6102)，Z-=(0.1816，0.1129，0.0479，0.0602，0.0001)。其中，
。
計算各界世博會的指標與最優向量和最劣向量的距離Di+、Di-及與最優值的相對接近程度（影響力度）Ci，由Di+=
，Di-=，則得Ci=Di-/(Di++Di-)。
依據上述公式代入數據求得反映傳播影響力度的值Ci，按時間順序給出Ci值并繪圖，得到圖3。由圖3可以看出，上海世博會在歷屆綜合型世界博覽會中傳播影響力最大，其次是1970年日本大阪世博會，這符合歷史事實。1970年的大阪市是日本最大的城市，也是第一個辦世博會的亞洲城市，高達1500億日元的投資很快收回，且盈利頗豐，大阪博覽會成為世博會歷史上成功的經典，當時展示的新興事物如懸浮列車、電視電話等得到了迅速的發展和普及。上海世博會的影響更是巨大，直接經濟效益達到了800多億人民幣，其主題是：城市，讓生活更美好，展覽的一大亮點就是低碳科技的創新。
影響世博會成功舉辦的決定性因素
將世博會傳播影響力評價體系中的5個指標與世博會傳播影響力的值作相關性分析，結果見表3。從表3可以看出，各個指標對世博會傳播影響力均起到了正向效應，但投資成本和參展國數兩個指標對世博會的傳播影響力起到了最大作用，它們的皮爾遜相關系數分別達到了0.850和0.823，且顯著性水平均處于0.01以內，即在統計學意義上呈現出了非常顯著的正相關性。在現實實踐中，投資成本越高說明舉辦國在場館的建設、交通設施、宣傳等各方面投入了更多的成本，這一方面會吸引更多的游客參觀，另一方面有助于世界各地對于該屆世博會的了解。參展國數代表了直接參與到該屆世博會的國家，參展國數越多必然有助于世博會的新理念和新技術在世界各地的傳播。參觀人數是另一個與世博會傳播影響力呈非常顯著正相關性的指標，它們的相關系數為0.665，參觀的人數越多，世博會中所展示的新事物被人們所了解的程度和范圍自然會加強和擴大。然而世博會舉辦的天數和建筑的面積對于世博會的傳播影響力不能起到很顯著的正向效應。
綜上，成功舉辦一屆世博會，首要的因素是承辦地必須給予足夠的重視，建好配套設施，同時世界各國的參與程度也是決定世博會傳播影響力的關鍵因素，各國參與程度高，且世博會展覽地配套設施比較齊全，也會吸引更多的游客參觀，而參觀人數對世博會的傳播影響力有顯著的正向效應。成功的世博會在推動世界進步的同時，對于當地經濟的發展也起到了很大的促進作用，如上海世博會、大阪世博會等。而上海世博會在目前所舉辦的綜合型世界博覽會中的傳播影響力最大，將低碳生活理念廣泛的傳播到世界各地，對于未來城市的發展方向和人們該如何生活起到了非常重要的作用。
參考文獻：
1.周千猷，張亞斌.上海世博會宏觀經濟影響力的系統動力學分析[J].系統工程，2011（1）
2.姚沛，劉喜波，李明.上海世博會影響力的定量評估[J].數學的實踐與認識，2011（12）
3.雷啟立.主體隱匿的景觀創制―論“后世博”時代的文化表象[J].華東師范大學學報（哲學社會科學版），2011（4）
4.楊利，謝炳庚.基于上海世博會背景下的永康市會展旅游發展思路[J].經濟地理，2011（8）
5.許靜.論世博主題的演繹與文化表達[J].商業時代，2009（27）
傳播模型范文6
網絡拓撲結構經過以下三個發展階段: 1959 年Erdos 和Renyi 提出一種隨機網絡模型(ER)模型來描述網絡,在接下來的數十年里這種模型一直被研究和引用;從上世紀末開始,由于互聯網的發展,科學家們發現大量的真實網絡并不是隨機網絡,而是具有與隨機網絡不同的統計特征的網絡,這樣的一些網絡被科學家們叫做復雜網絡。關于復雜網絡, 1999年Barabasi 和Albert 在Science 上發表文章指出,許多實際的復雜網絡的連接度分布具有冪律形式,由于冪律分布沒有明顯的特征長度, 該類網絡又被稱為無標度(Scale-Free, 簡稱為SF)網絡。后來的研究表明并非萬維網獨有,無標度網絡無處不在。包括:生命科學領域的各種網絡、社會網絡(流行性疾病的傳播網絡、科學家合作網絡、人類性關系網絡)、語言學網絡,等等。當然電子郵件網絡也不例外,它是符合冪律分布規律的網絡之一,因而也具有無標度的特性。
Newman 等人分析了電子郵件網絡的實際拓撲結構,統計了和調查了一個實際的電子網絡,通過電子郵件簿來構建該網絡的模型。在這個模型中,節點代表實際的計算機用戶,如果B 的電子郵件地址出現在A 的電子郵件地址簿中,則認為從A 到B 有一條連接。
該網絡共有16881 個節點,這些節點間共有4581 個地址簿。
可以看出,該郵件網絡的入度及出度均服從明顯的指數型分布,但入度服從純指數分布,而出度服從冪為1/ 2 的拉伸的指數分布。
Ebel 等人建立了另外一種電子郵件拓撲結構網絡模型。該模型基于美國Keil 大學的一組電子郵件網絡服務器。該網絡共有59812 個節點。與Newman 的調查方式不同,他通過這個實際網絡的電子郵件帳戶來構建該模型。
可以看出,該郵件網絡是一個明顯的有向無標度網絡,其入度服從指數為1.49±0.18 的冪律分布,出度服從指數為2.03±0.12 的的冪律分布。
2. 本文的目的與貢獻
綜合以上對于實際郵件網絡的調查結果可知,現實中的電子郵件網絡應該是一個符合冪律分布的有向SF 網絡。可是在目前的復雜網絡研究文獻中,對于SF 網絡的研究與仿真絕大多數都是建立于無向SF 模型之上,對于電子郵件這種有向SF 網絡而言,這些模型及其仿真結果并不能令人信服。
本文以Bollobás 的理論為基礎,在Matlab 中構建一個有向SF 網絡模型,并通過調整模型的參數,使其盡量符合實際的郵件網絡。在此基礎上,通過高性能集群計算系統,在Matlab 環境中仿真了惡意代碼在該模型上的傳播過程和特性;并根據惡意代碼的傳播模式,對不同的免疫策略進行仿真,提出有針對性的免疫策略。
3 SF 有向電子郵件網絡模型的演化與建立
按照 Bollobás 的模型,有向網絡的演化過程分為兩個階段:生長階段及內部連邊階段。由于這個網絡的有向性,其生長階段又分為兩種可能:新加節點為出度的情況(我們把它稱為生長過程A)及新加節點為入度的情況(我們把它稱為生長過程B)。設定三個參數分別代表這三個階段的概率:
α代表生長過程A 的概率, β代表內部連邊的概率, γ代表生長過程B 的概率。顯然,在該模型中,有α+β+γ=1;另外,按照BA 模型的網絡生長規則,新加入的節點和連線將優先與原網絡中連接度大的節點連接,這種效應被稱為“馬太效應”。在本模型中,按照這個規則,如果一個節點在演化過程中的某個步驟中沒有得到連接,在網絡以后的演化過程中,它將永遠變為孤立節點(因為它的連接概率是零)。為避免這種情況出現,這個模型中引入了兩個參數:δin、δout,分別代表出度及入度的修正值,并且假定這兩個參數都是非負的實數。引入這兩個參數后,每個節點的入度和出度分別是din(Vi)+δin和dout(Vi)+δout。
該網絡的生長過程如下:
(1) 初始化:設網絡中有N0 個節點,并在節點之間隨機的連接M0 條邊;
(2) 生長過程A:在每個時間步,以α的概率進行以下過程:添加一個新的節點N,并從N 連接一條邊到已有的節點W。在這里,W 按照以下的概率公式計算選擇:
Pr(Vi=W)=(din(Vi)+δin)/(t+δinN(t)) (1)(3) 內部連邊:以β的概率進行以下過程:從已有的節點V 連接一條邊到另外一個節點W。在這里,V 和W 都是獨立選擇的,W 按照公式(1)的原則選擇,而V 按照以下的概率公式計算選擇:
Pr(Vi=V)=(dout(Vi)+δout)/(t+δoutN(t)) (2)(4) 生長過程B:以γ的概率進行以下過程:添加一個新的節點 N,并在已有的節點中選擇一個節點W 連接一條邊到N。
反復進行以上步驟,直到生成的網絡足夠大。
令C1=(α+β)/(1+δin (α+γ));C2=(β+γ)/(1+δout (α+γ));根據Bollobas 的分析,該模型生成的網絡其入度符合以下的關系:
~ Xinin in P Ci? ;其中Xin = 1+1/C1;其出度符合以下的關系:
~ Xoutout out P C i? ;其中Xout = 1+1/C2;考慮到許多現實的網絡其冪律分布一般在2~3 之間,我們的參數設置如下:
α=0.2;β=0.7;γ=0.1。中國為您碩士論文。
在Matlab 中,仿真程序運行50000 步,生成15092 個節點。
可以看出,該模型生成的網絡為典型的有向SF 網絡,可以用于進行下一步的仿真。
4 電子郵件蠕蟲病毒的傳播模式
電子郵件病毒本質上與普通病毒并沒有區別,只是以電子郵件為媒介,利用郵件用戶之間的交互來傳播。典型的電子郵件病毒,比如Melissa 病毒使用了Word 宏,附在郵件的附件里面。如果郵件接收者打開了該附件,Word 宏就被激活,之后電子郵件病毒搜尋用戶通信簿的郵件列表,并把自身發送到郵件列表中的每一個地址。本文將按照這種模式,假設用戶一旦感染病毒,病毒將自動查找本機的電子郵件簿,并朝電子郵件簿中的地址發送病毒郵件。
傳播模型是這樣的:采用SIS 模型,令從易染狀態到感染狀態的概率為V,從感染狀態到易染狀態概率為δ,有效傳播率為 λ = v/δ。
首先,根據病毒傳染率的不同,設定三組不同的參數對三種病毒的傳播進行模擬;第一類病毒:令v=0.8,代表那些高度傳染性的病毒。比如尼姆達、求職信病毒。這類病毒有個共同特點,就是它們利用了微軟系統及outlook 中的漏洞,當用戶
瀏覽信件時,不需要打開附件,病毒即可激活,因而這類病毒的傳染率非常高;第二類病毒:令v=0.6,代表那些中度傳染性的病毒,比如W32/Sircam 病毒。這類病毒的典型特征是重復感染,即當用戶打開病毒郵件的附件激活病毒后,病毒即向外發送電子郵件副本,而不管該用戶是否已被感染病毒。
第三類病毒:令v=0.3,代表那些低度傳染性的病毒,比如Melissa 和I Love you 病毒。
這類病毒是非重復感染的病毒,即病毒被激活后,僅向外發送一次電子郵件病毒的副本,以后不再發送同樣的病毒郵件。
然后,以上一節生成電子郵件矩陣模型基礎上,假設在某個時間段(T1),網絡中有十臺機器感染病毒。該病毒每隔時間T 就向網絡中發送病毒郵件。
在病毒開始流行到一定階段(T2)以后,防毒軟件和系統補丁開始介入,此時被感染主機開始以一定的概率δ恢復。T2 之前的傳染階段稱為前期,這之后的階段稱為后期。
在以下的仿真過程中,我們設定的后期條件如下:
在病毒傳播開始50 個周期以后,網絡中開始清除病毒,一開始的恢復率規定為5%,然后系統中每隔5 個周期,恢復率增加3%,直到最后的50%為止。
將每組病毒的參數帶入模型,每組運行十次,取平均值。
可以看出,在無防護的網絡上,即便是傳染率較低的病毒其傳播速率也相當快。在本例中,當v=0.3 時,只用了20 個周期左右就傳播遍了網絡中所有的易感主機。這就是為什么新病毒一旦產生,它往往在短短幾天之內就傳播遍了整個互聯網絡的原因。
另外,從該仿真結果可以看出,無論病毒在該網絡中傳播多少個周期,該網絡中始終有一部分節點不受感染。(本例中,有大約3000 個節點始終未被病毒感染)這是有向網絡與無向網絡的一個重大區別,更符合現實的情況。因為在現實中,A 是B 的聯系人并不一定意味著B 也是A 的聯系人,同樣,A 向B 發送了一封郵件也并不意味著B 會回信。這樣,現實的郵件網絡中有許多的帳號是只向外發送郵件,而沒有接收郵件或者這些帳號根本就沒有被加入到其他帳號的地址簿里面,可想而知這些賬戶是不會感染病毒的。
5 不同的免疫策略
從以上的仿真結果可以看出,病毒很容易在未加防護措施的電子郵件網絡中流行。因此在現實的電子郵件網絡中,應該采取合適的免疫策略來減緩或消除病毒的流行。針對目前的網絡結構,通常采取的免疫策略有三種:隨機免疫、目標免疫和熟人免疫。
5.1 隨機免疫(Random Immunization)
隨機免疫方法是完全地隨機抽取網絡中的一部分節點進行免疫。它對度大的節點(被感染的風險高)和度小的節點(相對安全)是完全平等的。為了模擬這種免疫策略的效果,設定ρ(免疫節點密度)=30%,50%兩種情況進行仿真。
從仿真結果可以看出:隨機免疫的效率不高。即使免疫節點數經達到50%的情況下,在病毒流行的前期,其傳播速度與沒有防護的網絡幾乎沒有區別;而在病毒流行的后期,盡管有另外一半節點已經采取了防護措施,仍然有相當一部分節點會被感染。
5.2 目標免疫 (Targeted Immunization)
根據無標度網絡的不均勻特性,可以進行有選擇的目標免疫,即選取少數度最大的節點進行免疫。
傳統的算法是統計并排序所有的節點的出度數,按百分比ρ挑出度數靠前的節點進行免疫。我們采用了一種新的算法進行仿真,先計算出該網絡的平均出度數Dout,然后設定一個參數Pd(節點平均出度數的倍數),若某個節點的出度大于pd×Dout,則該節點需要免疫;否則不需要免疫。
5.2.1 Pd=4(在該模型中,相當于免疫節點密度ρ=3.48%)。
5.2.1 Pd =3(在該模型中,相當于免疫節點密度ρ=5.77%)。
與隨機免疫相比,這種免疫策略相當有效。其有效性表現在兩個方面:
(1)在病毒傳播的前期,可以大大減緩病毒的傳播速度。可以看出,在同樣的條件下,實施了這種策略的網絡病毒感染網絡中所有易染主機的時間延長了將近1 倍。這意味著在現實中,網絡管理員或者殺毒軟件公司可以得到更多的響應時間。
(2)對于電子郵件網絡或服務器管理員來說,僅僅免疫網絡中出度最大的極少數用戶,而不用每個用戶用戶上都去添加免疫措施就可以讓網絡中的病毒難以傳播和流行,大大減輕了工作量。
5.3 熟人免疫:(Acquaintance Immunization)
目標免疫雖然比較有效,但是這種方法需要對網絡的結構有詳細的了解,對網絡中各節點的度數有比較清楚的認識。在很多情況下,這是難以做到的。針對這種情形,可以采用另外一種免疫策略:熟人免疫。
熟人免疫的原理基于無標度網絡的不均勻性。它的執行步驟是:從N 個節點中隨機的選擇比例為p 的節點,然后再從被選出的節點中隨機挑出一個鄰居節點進行免疫。按照無標度網絡的性質及統計概率學的原理,若隨機選擇一個節點,再選擇他的鄰居,那么度數大的節點被選中的概率就會比較大。
5.3.1 P =10%時。
5.3.2 P =15%時。
與隨機免疫相比,熟人免疫策略的效率還算不錯,在病毒傳播的前期,傳染速度減少了將近一半。這種免疫策略可以在以相對較少的免疫節點數目的條件下,取得接近于目標免疫的效果。
當郵件網絡受到病毒及惡意代碼攻擊時,應該采取什么樣的免疫策略?一個好的免疫策略它必須具有兩個特點:
(1)在病毒流行的初期,它能夠盡可能地減緩病毒的傳播速度。
(2)不需要實施大規模的個體免疫,就能夠把受感染的個體控制在可以接受的范圍內。
可以看出,隨機免疫策略需要免疫大量的節點才能把病毒的流行控制在一定范圍內,而在病毒傳播的前期,這種策略并不能減慢病毒的傳播速度。目標免疫需要實施的免疫密度最低,病毒在這種網絡上的傳播速度也最慢,但是實施這種策略需要詳細了解網絡架構,因此這種策略僅適合電子郵件服務器供應商或網絡管理員。熟人免疫策略的效率介于隨機免疫與目標免疫之間,需要實施的免疫密度大大低于隨機免疫,而且這種策略的實施不需要知道網絡架構,就可以有效的減緩和控制病毒的流行。因而對于殺毒軟件商和最終用戶來講,這種策略往往是最可行的。
