前言：中文期刊网精心挑选了传播模型范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
传播模型范文1
引言
传播模型是通过某种数学模型，在一定程度上刻画并反映实际无线信号传播环境的特性和信号变化规律，是对于特定场景具有一定代表性的传播环境的模型。无线传播模型的校正作为网络规划的重要组成部分，直接影响网络规划的正确性和合理性。
1. TD-LTE无线传播模型介绍
无线传播模型是用来对无线电波的传播特性进行预测的一种模型。传播特性的预测，是无线网络规划的基础，其准确性影响到网络规划的准确性和质量。因此，准确的传播模型是准确的无线网络规划的前提条件。
本文实验中模型校正工作的目的是分析TD-LTE系统2595～2600MHz频段的无线信号传播特性。
1.1 通用传播模型介绍
移动通信传播环境远比自由空间复杂，传播损耗也难以用理论分析表述，因此必须以大量的测试数据为基础，总结出描述移动通信传播损耗的模型。SPM模型是在TD-LTE无线网络规划中应用比较广泛的规划工具Atoll、百林软件所支持的一种标准宏蜂窝模型。SPM模型的表达式为：
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是距离相关的lg（d）的修正因子；K3是lg（heff）发射机天线高度的修正因子；K4是衍射计算的修正因子；K5是lg（heff）lg（d）的修正因子；K6是hmeff移动台有效天线高度的修正因子；PR是接收的功率（dBm）；PTX是发射的功率（EIRP）（dBm）；d是接收机和发射机之间的距离（m）；heff是发射机天线的有效高度（m）；LDiffraction是阻隔路径上的衍射造成的损耗（dB）；hmeff是移动台的有效天线高度（m）；Kclutter是f（clutter）的修正因子，f（clutter）是地貌的平均加权损耗。
传播模型的各个系数中，K3、K4、K5、K6基本不会随着地形不同而变化，因此我们在校模时，一般只考虑K1、K2。
Kclutter为地形修正因子。模型校正时，可以不选择Kclutter，直接校正K1、K2。这时地物影响会叠加到系数K1、K2上，对校模结果没有太大影响，根据工程经验，是否考虑Kclutter对模型校正结果的误差大概在10米左右。
1.2 传播模型校正流程
TD-LTE传播模型校正流程与其他TD系统的模型校正流程相似，分为前期设备准备、选点及路线确定、架机及数据采集、数据处理、模型校正及结果分析。
由于本次使用的电子地图为20米精度，各种地物精细程度不是很充分，绕射因子K4和与HTxeff相关的K3，K5，K6等系数难以准确校正，因此本次模较考虑只对K1、K2、Kclutter值进行校正，K3～K6取典型值。
2. 传播模型校正的准备工作
2.1 测试及分析工具
此次实验CW测试的设备主要有发射机（2595MHZ-2600MHZ）、46dB增益功放器、接收机、2.5dBi增益全向天线、蓝牙GPS天线及笔记本电脑；此外还有8米1/2馈线、70米电源接线板等、CW测试数据处理软件。
其它相关设备：数码相机，测试车辆，测试软件，FH-NPTO CW数据转换软件 ，校正软件是NPS。
2.2 测试点的选取原则
为保证传播模型测试数据采集的准确性和代表性，在选择测试站点时，站点周围不能有明显的遮挡；站点的天线挂高应该和该区域模型大致需要的天线挂高接近，站点应高于周围建筑物，但不能高出太多。一般情况下，密集市区测试站点天线挂高应比周围建筑物平均高度高出5～10米左右。
2.3 测试路线的选取原则
测试路线的选择原则是使线路遍历规划区域内典型环境的各种地物类型。
东西向和南北向的道路都应包括；各种距离的位置都应跑到；各种地物附近区域都应跑到；应尽量包括所有能跑到的道路，以一般道路为主，最好选择宽度不超过3 米的狭窄道路。
避免在同样的路线反复测试。同一条道路上反复跑时，只记录第一次的数据。测试过程中停车时（如红灯）不记录数据。测试半径应该尽量大，保证接收机接收到的信号处于小区边缘； 测试过程中尽量保持匀速行驶，根据李氏定律计算出的速度40～28.8KM/h；避开水域做测试。
本次实验选取的方法：先跑东西向道路，再跑南北向道路，最终测试的道路形成网状结构。
2.4 传播模型测试环境
在进行实际的传播模型测试时，发射机、接收机、天线以及其它设备搭建的测试环境如下图所示：
3. 南京密集城区传播模型校正结果
密集市区参与模较的站点有两个，分别为大香炉和建宇大厦。经过数据的预处理和部分坏数据的删除后，利用各场景下校正站点的CW测试数据进行联合校正，对各场景相应站点的测试数据进行误差统计，得到其误差结果如下表：大香炉误差均值为-0.31，标准方差5.53；建宇大厦误差-0.83，标准方差4.68。
从误差统计结果上看，汇总的误差均值绝对值在1以内，标准方差在6以内，这两个误差结果都满足本次无线传播模型校正的要求。
从大香炉和建宇大厦站点的测试点平与预测电平拟合图可以看出，测试电平与预测电平拟合程度良好，能够比较好的反映密集市区各测试站点周围的电磁传播环境。
结论
TD-LTE是中国提出的一个具有自主知识产权的第四代移动通信标准。TD-LTE无线网络传播模型的校正直接影响着无线网络规划的质量以及后期建设工作。通过本次无线信号传播模型校正，以及各场景不同站点的验证分析，可以明显看到在现有电子地图的基础上，本次模型校正出来的各场景参数值都能很好反映该地区TD-LTE频段无线信号的传播特性，对后期无线规划具有非常重要的意义。
参考文献：
[1] 王映民.TD-LTE技术原理与系统设计.人民邮电出版社.2010.
传播模型范文2
1、国内外微博的发展现状
微博的始祖和领军者是美国网站Twitter，创办于2006年，根据相关公开数据，截止至2010年1月，Twitter的注册用户已超过7500万，荣登微博界的榜首。
正是看到了Twitter的“牛市”，许多网络公司也相继开发微博平台，成为其追随者，比如Plurk、Jaiku、Juick、Tumblelog等等。虽然在应用、功能等方面都比较相似，但已很难追上Twitter的高人气。
从2007年开始，国内也陆续有了一些微博网站，比如饭否网、嘀咕网等等，但都没有形成气候，有些网站已经关闭。一直到2009年8月份，中国最大的门户网站新浪网推出“新浪微博”内测版，成为门户网站中第一家提供微博服务的网站。
根据新浪网新闻中心提供的数据：自2009年8月28日正式启动对外公测起，新浪微博的用户数量一直保持着加速增长，同时影响着广大社会名人和草根网民。2009年11月2日，新浪微博迎来了第100万个用户，距离其对外公测仅66天时间。2010年4月28日，新浪微博注册用户数首次突破了千万大关。2010年8月28日，新浪微博迎来了一周岁生日，其注册用户数增长到3000万。截至目前，这一数字已经达到了4.24亿，呈现出爆发性的增长趋势。
2、新浪微博流行原因
（1）简单易用。说起微博客，大家都会联想到与之仅一字之差的博客。博客虽也是用户记录心情的一种方式，但比较强调版面的布置，一般情况下也多以文章的形式出现，而非短句。微博客在用户信息时设置了140个的字数限制，对用户来说，的内容只是由简单的只言片语构成，在语言的编排和组织上，没有博客要求那么高，用户的门槛也比较低。如果说博客好像是一本日记本，大部分人在写日记的时候都会注意文笔和排版；而微博就好像是一本便利贴，强调的是“快”和“纪实”。
除了内容的简易，微博还开通了多种插件，使用户可以通过手机、网络等多种渠道即时更新自己的个人信息和状态，让用户走到哪，“写”到哪，方便快捷。根据北京网络媒体协会统计的数据，在微博的注册用户中，有约69%的用户选择只用电脑登录微博，而有近31%的用户选择会使用手机来登录微博。对于手机这一新媒体日渐占据强势地位的今天，注重手机平台的开发也是微博注册用户数量猛增的一大原因。
（2）人际圈的影响力。对于一般的微博使用者来说，在微博中所关注的人和关注自己的粉丝多为真实生活圈子中的朋友，用户在微博的一言一行不但记录了自己的近况，更是让久别的朋友了解了自己的动态，维护了自己的人际圈子。从这一点来说，微博的功能类似于社交网络服务网站，比如“开心网”、“人人网”等等，不过微博在用户的动态更新这一方面相较于前者做得更专更精。
另一方面，相较之于博客，微博的用户接受信息更为主动，只要点击“加关注”，即表示你愿意接受某位用户的即时更新信息，未被“加关注”的用户更新信息将不会出现在你的首页上。这是微博的使用者对信息的一层主动筛选，也是微博使用者对自己在网络上的虚拟人际圈的一层主动筛选。
（3）天生的传播欲与社会化媒体的结合。相对于博客需要组织语言陈述事实或者采取修辞手法来表达心情，微博只言片语“语录体”的即时表述更加符合现代人的生活节奏和习惯；而新技术的运用则使得用户（作者）也更加容易对访问者的留言进行回复，从而形成良好的互动关系。新浪微博用户相比博客或者播客用户，能更即时与人际圈内人群形成互动。
（4）明星入驻。笔者对新浪微博及国内其他微博网站进行了初步的比较，他们在页面、应用、功能等方面的差异并不明显。新浪微博之所以能吸引超过4亿的网民，除了借助于中国最大门户网站——新浪网的平台，还应当归功于入驻新浪微博的各界明星和社会名人。
在新浪微博的认证用户中，有许多国际大腕，也有许多社会名流，他们最早使用新浪微博高频率地自己的最新演艺及生活资讯，吸引粉丝为了追星也织起“围脖”。人气明星姚晨、小S等在微博上的粉丝数突破2000万也验证了这一点。
二、微博的使用特点
1、便捷性
在新浪微博平台上微博的方式有多种：网页、WAP网、手机短彩信、手机客户端等多种方式。信息方式相当便捷，可以达到随时随地想发就发。的内容可以是文字（140字以内）、图片、音乐。所以，微博的即时通讯功能非常强大。只要有网络的地方，就可以直接通过电脑现场的内容，可以图文并茂。在没有网络的地方，只要有手机就可即时更新内容。
2、主动性
在新浪微博平台上，只要你喜欢，就可以将某人添加为关注的对象。主动成为他的粉丝，无需对方确认。第一时间在微博首页便可以看到他所的内容。同时，可以转发和评论你所关注的对象所的内容，完全达到自主选择。你可以主动选择去关注哪些人，转发什么消息，评论什么内容。
3、草根性
相对于强调版面布置的博客来说，微博的内容组成只是由简单的140个字。微博带来了内容生产的成本的降低。如果说博客上人们更多的分享着自己的思想，那么微博上人们分享的是自己的生活。从这个角度来说，对用户要求门槛很低，而且在语言的组织上，没有博客那么高。微博的语言偏向：展现个性、贴近生活、还原现场。
4、“病毒性”
一条微博之后，通过“急速裂变式传播”。这是新技术条件下产生的新的传播模式，是对传统人际传播方式的一种升级。
2010年2月24日22点07分，新浪微博一位普通用户“小酒窝999”发出一条求助信息——“小酒窝999：成都有位93岁的婆婆在30晚上不慎摔倒骨折，本应立刻手术，但婆婆的血型是罕见的RH阴性AB型，血库没有血源。老人家躺在床上10几天了，如果不能找到合适的血源，很容易危及生命，如果有哪位TX是这种血型又愿意献血的，请联系四川省医院骨科，或者打电话02888080712。”此后，该微博原文就被转发了3552次，收到813次评论。第二天就联系到了三位新浪微博网友白nana、小丸子729、晶晶马这三个血型合适的网友到医院献血。
一条小小的微博，在12 小时内动员了身处各地的网友。也实现了爱心接力棒的传递。微博的传播速度和传播广度是几何级的，远远高于之前的任何一种媒介。
5、圈群性
由于微博主动性的特征，导致每个人关注的人不同。而每个微博当他在选择自己的关注对象时，因为关注的内容而被贴上了“标签”，自然而然的形成了拥有共同话题或兴趣爱好的群体。例如，关注小S的人，大多都是喜欢《康熙来了》这个电视节目的。所以自己的圈子内发表意见的时候，更容易引起共鸣。
总之，类似一些大的突发事件或引起全球关注的大事，利用各种手段在微博上发表出来，其实时性、现场感以及快捷性，传播的效果及轰动程度有时也超过传统媒体。
三、传播模型建构
1、传统媒体的传播模型
传统媒体传播特点：点对面单向传播。One to One（1-1）模式。
2、博客的传播模型
博客的传播特点：一对多传播模式，传者与受者双向互动，但受众群之间无法相互互动。始终是One to N（1-N）模式。
3、微博的传播模型
微博的传播特点：传者与受者双向互动，受者群之间能够相互互动，受者群数量层级式增长。“1-N-Nn ”传播模式。
四、由微博传播模型看其优势
1、速度与广度
微博信息传递速度超越所有其他媒介达到裂变式最大化；微博信息传递广度超越其他所有媒介达到层级式最大化。
曾有一个形象的比喻：“你的粉丝超过一百，你就好像是本内刊；超过一千，你就是个布告栏；超过一万，你就好像是本杂志；超过十万，你就是一份都市报；超过一百万，你就是一份全国性报纸；超过一千万，你就是电视台，超过一亿，你就是CCTV了。”
2、受者传者身份的即时转化
然在如博客等网络媒体之中，也可以通过点击转载博文达到传者与受者之间的转化，但第三级传者无法与第一级传者进行直接沟通。互相不能够达到互通有无的状态。而微博可以打破受众群之间的界限，达到整个群体的沟通。
3、对网络信息流的自然筛选
微博“圈群性”的特征形成是对网络巨大信息流的自然筛选。相较于博客，微博用户他们接受信息的方式更为主动，这是微博的使用者对信息的一层主动筛选，也是微博使用者对自己在网络上的虚拟人际圈的一层主动筛选。企业用户可以利用“圈群性”的特征定位目标受众群。有指向地收集到的用户信息需求，产生互动。
4、高社会化、低成本的新媒体
社会化媒体是一个近年来出现的概念，大致上指的是“能互动”的媒体，或者说，如果缺乏用户的有效参与，平台基本上就毫无内容的媒体。社会化媒体改变以往媒体一对多的传播方式为多对多的“对话”，使得人际间的沟通呈现更快速与便捷的方式。
微博，也正是这样一种高社会化的媒体。它给予了用户极大参与空间，而仅需要最低的内容创作成本。与社交型网络（SNS）、博客、播客等相比，它所需要的内容生产成本更低，而它所带来的社会化程度则更高。
参考文献
①北京网络媒体协会，《微博媒体特性及用户使用状况研究报告》，2010
②DCCI互联网数据中心，《2010微博与社区调查数据》，2010
③新浪网，《新浪微博白皮书》，2012
④新浪新闻中心，http：//news.sina.
传播模型范文3
【关键词】无线传播模型 模型验证 验证站点 CW测试 李氏准则
1 引言
匹配良好的无线传播模型是现代移动网络规划的基础,一般在使用之前,运营商都会对本地的无线传播模型进行校正,使之更符合本地区的传播特性。大量文献与实践证明,通过CW连续波测试进行模型校正是比较合理的方式[1~3]。随着模型校正在工程中大规模的应用,如何验证已校模型的准确性,是移动通信运营商亟待解决的问题。
通常运营商会选择将现网覆盖仿真与现网实际路测电平进行对比,定性判断校正的模型是否准确。此类方法逻辑直观,但是缺点同样明显:
(1)由于移动通信网络一般都是扇区化基站,必须将路测电平与服务小区对应,采用该方法必然导致测试区域受限,工程测试实施困难;
(2)由于现网运营的基站都带有业务,对于天线口发射功率等参数只能通过设备参数、天馈系统损耗来估算,无法通过功率计等设备准确获取,精确获得仿真所需的工程参数比较困难;
(3)判断是定性的,无法通过测试、仿真数据定量描述模型准确程度,易受主管因素影响。
2 基于验证站点的模型验证方法
2.1 方法介绍
本文将介绍一种定量验证无线传播模型的方法,描述如下:
运营商在进行模型校正之后,选定与模型典型地貌类似的验证站点,对验证站点再进行一次CW测试,获得足够多地形地貌数据;然后根据每个测试数据点所在的位置与地貌环境,通过已获得的校正模型,预测该点的场强;最后与测试场强进行比较,通过将足够多的测试数据与预测场强数据比较,判断模型是否准确。其基本流程如图1:
2.2 方法原理
本小节将对该方法的原理进行简单描述,在这之前首先回顾一下模型校正的原理[1,3]。
假定对于标准宏蜂窝模型采用如下形式:
对于任意一个测试点,、是固定值,因此矩阵是确定矩阵,可以通过收发天线高度与接收机位置以及测试点的位置获得。其中是在测试点所在位置,根据三维数字地图与特定的等效刃形衍射方法计算得到的衍射损耗。
路径损耗矩阵P的元素Plossi计算公式为:
Plossi=EIRPTX-PRX(3)
其中EIRPTX为发射天线有效发射功率,PRX为接收机接收电平,单位为dBm。
由于实际的接收机接收电平包含了快衰落成分,因此不能直接用于模型校正。但是如果测试数据满足李氏准则[4],即在40波长采样区间内,采样点在30～50个之间,这样就能较彻底地去除快衰落,保留慢衰落,使模型充分体现所在区域的无线传播特性,此时P矩阵就能用于模型的校正。
获得了A、P矩阵以后,可以通过最小二乘法获得K值矩阵。
基于验证站点的模型验证方法,恰好与模型校正过程相反:通过已知的K值矩阵,去验证实际的路径损耗与预测的路径损耗之间的偏差程度,如果偏差较小,说明模型准确性高,验证通过;否则验证未通过,需要重新校正模型。因此要获得验证结果必须给出定量的验证指标。
2.3 验证指标取定
与模型校正类似,模型验证的评判指标也可以通过预测值和实际路测值的均值误差(Mean Error)、均方根误差(RMS Error)和标准差误差(Std.Dev Error)这三个统计值进行判断。然而实际工程中,运营商更关心实际测试点与预测点对比的吻合度,即在特定误差范围内的测试点占总测试点的百分比,记为Per。若能合理确定Per阈值,就能在工程上获得一个直观的定量的模型验证方法。下面探讨如何获取Per的阈值。
假设校正后的模型参数为K矩阵,P为根据参数矩阵K获得的预测路径损耗矩阵,P'为验证站点实际测试获
以上分析假定测试数据满足李氏准则,快衰落对路径损耗的影响可以忽略不计;而实际工程由于无法完全消除快衰落并且测试数据不能完全满足中心极限定理要求,即误差矩阵e不完全符合正态分布,因此Per取值要小于表1中对应的值。工程上一般要求模型校正的标准差小于8dB,故取误差电平绝对值最大值emax为8dBm,此时建议Per工程阈值如表2所示:
2.4 注意事项
(1)由于模型验证是对特定已校正模型,因此验证测试点所选取的区域必须与模型区域类似;
(2)由于模型校正的目的在于获得所校区域无线传播慢衰落的特性,因此在进行验证的时候,一定要获得由慢衰落引起的路径损耗,而外界的快衰落和干扰必须要去除,否则验证过程本身就存在问题。对于干扰影响,可以通过清频方式解决,而快衰落影响则通过李氏准则的测试方法去除,因此验证测试过程必须符合李氏准则;
(3)为了尽量接近中心极限定理的条件,测试数据必须足够多,一般要求有效测试数据量超过10000个。
3 工程实例
该工程为我国某移动通信运营商A市市区1800M无线传播模型校正工程,与校正结果相关的参数如表3～5所示:
为验证此模型的准确性,采用本文方法进行模型验证。在类似地貌环境下,通过验证站点CW测试,共测得有效验证数据33334个,其Per值(测试与预测电平误差绝对值小于8dB的占比)为72.1%,说明超过72%的实际测试点落在了8dB误差区间范围内,模型与实际地貌符合较好,属于良好模型。图2～5也说明了验证结果的有效性:
4 结论
本文论述了一种在工程中易于实现的传播模型验证方法,相对于其它验证方法,该方法最大的优点在于验证指标的定量化;并通过满足李氏准则的CW测试,保证验证所需数据的准确性,给运营商提供了一种传播模型成果的验收标准,在实际工程中具有较大意义。
参考文献
[1]吕敬平,罗汉文. 第三代移动通信无线传播模型校正[J]. 移动通信,2004(8):87-89.
[2]朱悦,李建新,杨剑键. 宏蜂窝模型的传播模型校正研究[J]. 邮电设计技术,2009(9):1-6.
[3]谢益溪. 无线电波传播原理与应用[M]. 北京:人民邮电出版社,2008:172-209.
[4]William C Y Lee. 移动通信工程理论和应用[M]. 北京:人民邮电出版社,2002:92-96.
[5]盛骤,谢式千,潘承毅,等. 概率论与数理统计[M]. 北京:高等教育出版社,2001:144-170.
【作者简介】
传播模型范文4
【关键词】复杂网络；交通网络；级联失效
0 前言
随着时代的发展，近些年来，越来越多领域的专家都开始研究复杂网络，如数学领域、物理领域以及计算机领域等，他们发现复杂网络特性从实际网络中也可以体现出来。经过实证研究，交通网络在复杂网络的结构特性方面等同于其他网络。于是，越来越多的人们开始研究公共交通网络级联失效模型。
1 复杂网络的级联失效
一是，复杂网络级联失效的定义：网络上的级联失效是交通网络和网络上传播行为的一个相似之处；在实际网络中，如果有故障发生于一个节点或者少数几个节点，那么在节点之间耦合关系的影响下，就会导致故障发生于其他节点，发生联锁反应，除了导致一部分节点出现故障之外，严重的话，整个网络都可能因此而崩溃；我们用级联失效来形容这种现象。
二是，复杂网络级联失效的研究意义：随着时代的发展，人们越来越重视关乎国计民生的复杂网络的安全性和可靠性，虽然在此领域内进行了深入的研究和努力，但是依然还会出现一些大规模的级联失效故障。比如，在二十一世纪初期，因为有过载烧断问题出现于美国俄亥俄州克里夫兰市，之后导致了北美出现大范围停电事故，影响到了数千万人的正常生活和工作，造成了数百亿美元的损失。因此，我们就需要深入的研究级联失效的发生机理，以此来采取措施有效的预防和控制级联失效。
2 复杂网络级联失效的动态模型
一是，沙堆模型：在上个世纪八十年代，美国三个物理学家进行了研究，他们假设将砂子不停的堆设于一个平面上，沙堆的逐渐变大，会增加坡面陡度，那么新添加的砂子，就会增大砂崩的可能性。那么我们用自组织临界状态来描述砂崩前的临界状态。科学家通过研究发现，本沙堆模型的雪崩规律分布，具有幂律特性，1.5是它的大概指数。
二是，OPA模型：有专家提出了一个模型，是电网从初始状态向自组织临界状态转化，我们将其称之为最优潮流方法模型，电网状态演化过程中的各个过程，如增加用户负荷、改变电网容量以及修复故障等，都可以利用本模型来进行建模分析。他们认为，电网状态要想发展为自组织临界状态，非常重要的一个动因就是对各种小型故障的防护性工程反应。也就是说，在简单防护和避免小型停电事故，其实就是积累了一次大规模的相继故障。
3 城市交通网络的级联失效研究
一是，城市交通拥堵的形成与传播机理：要想促使城市能够更好的发展，就需要深入研究城市交通网络的鲁棒性和可靠性。目前，随着社会经济的发展，城市规模越来越大，城市人口越来越多，并且私家车数量也在呈较大速度的上升趋势，城市交通需求越来越大，但是交通系统建设和发展却严重跟不上这个速度，对城市的可持续发展起到了较大程度的制约作用。城市交通拥堵问题的出现，不仅在很大程度上损失了经济利益，还对人们的时间造成了极大的浪费，交通事故也因此而增大，环境污染问题日益严重。因此，在目前的城市交通研究中，就需要将城市交通拥堵作为研究的重点，需要结合实际情况，进行城市交通拥堵传播模型的构建工作，同时，对传播过程中网络节点重要性进行探讨，对拥堵传播受到不同拓扑结构的影响进行分析和研究，然后提出科学的道路规划和控制策略，来对交通拥堵问题进行有效的缓解和预防。
通常情况下，主要会有三种方式造成城市交通拥堵，分别是暂时的故障、网络本身通行能力较低以及在网络中某一个特定地区，需求随机波动，这样就会导致排队延伸。不管是是哪一种方式造成的，都可以对拥堵的后续发展和传播过程进行预见，在对城市交通拥堵的形成和传播机理进行研究时，需要对下面这两种情形进行充分注意：
首先是排队传播：我们在开始时，选择某区域中心附近某处的第一个路障，有交通事故发生，在分岔过程中，会有路段间排队的延伸产生，然后在各个路段的交叉口，都会有新的分岔产生于每一个排队上。刚开始的时候，我们可以用简单树的形状来看待分支的拓扑结构，但是，经过时间的推移，会沿着一个街区的四周，排队越来越长，之后首尾交接，形成一个封闭的环。然后这样的情况发生于其他地方，导致更多封闭环的出现，因此，拓扑结构就会发生变化，成为网格形态。
其次，量化交通拥堵严重程度：我们可以量化模型中总旅行时间和因拥堵而造成的延误时间。主要有两种度量方法，第一种度量方法的主要对象是路障导致的市区交通堵塞形成的时间，另外一种方法则是在任何特定时刻，拥堵范围内拥堵节点及路段数量的形成都可以表示为整体交通拥堵增长和消散的速率。
再次，城市交通网络中交通枢纽或Hub点的确定：自从911恐怖袭击发生之后，各国科学家都已经将复杂网络的相关理论应用起来，以此来对城市基础设施可能遭受到的攻击进行预防，以此来促使国家和城市的安全得到保证。要想解决这个问题，非常关键的一个环节就在于将网络中的Hub点给找出来。通过确定城市交通网络的Hub点，就可以有效预防那些蓄意性攻击，有效解决交通网络设计问题，提高资金的使用率，将其更加有效地在网络改扩建或新建工程中应用。有学者在这个方面已经进行了研究，他们依据北京公交网络的无标度特性，将公交网络平衡配流理论和方法给应用了过来，提出了一种方案，来对公交网络集散点进行有效寻找，以此来利用无标度网络理论来对现实的交通网络的规划设计工作进行有效地指导。
4 结语
通过上文的叙述分析我们可以得知，随着时代的发展，我国交通拥堵问题日益严重，城市交通网络是一种重要的城市基础设施，它的正常运行，会对城市经济发展以及城市可持续发展产生直接的影响，因此，就需要将复杂网络理论给应用过来，深入研究城市交通网络的级联失效，以此来更好的指导于城市时空结构，对交通拥堵产生的内在机理进行解释，对交通网络合理设计，针对交通拥堵，提出一系列的缓解措施和预防措施。本文简要分析了模拟交通网络拥堵传播的级联失效模型，希望可以提供一些有价值的参考意见。
【参考文献】
[1]王正武，况爱武，王贺杰.考虑级联失效的交通网络节点重要度测算[J].公路交通科技，2012，2（5）：123-125.
[2]汪小凡，李翔，陈关荣.复杂网络理论及其应用[M].北京：清华大学出版社，2008，10.
传播模型范文5
关键词：世博会 传播影响力 评价体系 TOPSIS
上海世博会的举办在世界各地都产生了很大的反响，并影响了上海等地相关行业的发展，周千猷、张亚斌（2011）认为上海世博会对于宏观经济具有很大的影响力。同时，事件活动近些年来引起了人们极大的关注，事件活动的举办对于举办地的经济等方面不仅在举办时段会产生巨大的影响，举办结束后仍然会产生很大的影响。世博会由于其本身的特性，影响力更为久远，然而查阅文献发现学者们的实证研究视角大多集中在世博会对于举办地经济、旅游等某一侧面的影响，如姚沛等（2011）认为世博会对于上海旅游业的影响力将长达85年。考虑到世界博览会的宗旨是促进各国经济、文化、科学技术的交流与发展，其特点是把科学性和情感结合起来，将人类发展的新概念、新观念、新技术展现在世人面前，因而衡量一届世博会是否成功召开最重要的标准不是其是否带动了当地经济或旅游等的发展，而是在于其新理念、新技术的传播能否为人们的生活方式、社会的发展带来巨大的变化和推进，这依赖于世博会的总体传播影响力，因而对世博会传播影响力做出评估并从中找出有助于世博会成功举办的决定性因素是一个非常有意义的问题。
世博会传播影响力评价体系构建
考虑到世博会自身所担负的责任，评价一届世博会的影响力最重要的因素是对于观念和技术等的传播性，而首次传播的程度必然会影响再次传播以及后续的传播。我们在经济分析的基础上并结合数据的可得性，确定了以下五个指标：举办天数、参观人数、建筑面积、参展国数和投资成本。举办天数表明了开放的时间；参观人数越多，表明世博会的吸引力越大；建筑面积反映了建设的状况；参展国数越多，参与交流的国家越广泛；而投资成本的多寡表明了举办国的重视程度。世博会的开放程度、吸引力度、建设程度、广泛程度和被重视的程度对于首次传播影响程度起决定性作用，因此所选定的5个指标反映了世博会传播影响力度的大小，可以作为评定世博会传播影响力的最重要指标，从而构建了如图1所示的世博会传播影响力评价体系。
从图1可以看出世博会的传播影响力受到开放度、吸引度、建设度、广泛度、重视度五个方面的共同作用，而对于每个方面，都可以找到相应的具体指标去进一步量化出上述的五个方面。我们所建立的指标体系避免了主观性，全部指标均依赖于客观数据，且包括了影响世博会传播影响力的主要因素，因而所建立的指标具有代表性和合理性。
历届世博会传播影响力评估
（一）世博会传播影响力评价模型―TOPSIS
用于评价的模型很多，如模糊综合评判法、层次分析法、因子分析法和主成分分析法等，然而这些评价方法中有些需要人为的定义权重，如前两种方法，这必然会影响评价的客观性；有些对数据有一定的要求，如数据不能通过因子分析中的KMO检验，显然不能用因子分析。目前比较先进的评价方法还有遗传算法和基于BP神经网络的MIV变量筛选法，但这两种方法需要用目标函数作为初始规划，然而目前对于影响力的评估没有一个明确的目标函数，因此这两种算法都行不通。同时，总体影响力往往是多种影响力组成的，基于这些考虑，我们最终选定了近年来兴起的一种多目标决策分析方法―TOPSIS法。
TOPSIS法是一种简捷有效的多指标评价方法，通过原始数据进行同趋化和归一化处理，消除不同量纲对结果的影响，找出最优值和最劣值，然后比较各评价对象与最优值与最劣值的接近程度来评定优秀等级。TOPSIS模型的优势在于：它不需要目标函数，也不需要通过检验，仅仅依靠几组数据去求出与最优值与最劣值的接近程度，就可以比较出目标的优与劣。
TOPSIS程序流程如图2所示。这里得到的与最优值的接近程度Ci，我们定义为影响力度。Ci值在0与1之间，该值越接近1，表示评价对象越接近最优水平，影响力越大；反之，该值越接近0，表示评价对象越接近最劣水平，影响力越小。
（二）数据来源与处理
从世界博览会网站和上海世博会网站查找到1900年以后世界所有综合型世博会在举办天数、参观人数、建筑面积、参展国数和投资成本方面的数据。
对表1中的五个指标进行趋同化处理，将其中低优化指标Xij通过倒数变换而转化成高优指标X`ij，然后再建立同趋势化后的原始数据矩阵。在转换时我们发现表1中五个指标都是随着时间有上升的趋势，这样原始数据就可以作为标准化数据矩阵X。
（三）世博会的传播影响力
首先建立归一化矩阵，用归一化公式 计算归一化矩阵Z，如表2所示。
根据Z矩阵得最优向量与最劣向量：Z+=(0.4358，0.4390，0.4516，0.5505，0.6102)，Z-=(0.1816，0.1129，0.0479，0.0602，0.0001)。其中，
。
计算各界世博会的指标与最优向量和最劣向量的距离Di+、Di-及与最优值的相对接近程度（影响力度）Ci，由Di+=
，Di-=，则得Ci=Di-/(Di++Di-)。
依据上述公式代入数据求得反映传播影响力度的值Ci，按时间顺序给出Ci值并绘图，得到图3。由图3可以看出，上海世博会在历届综合型世界博览会中传播影响力最大，其次是1970年日本大阪世博会，这符合历史事实。1970年的大阪市是日本最大的城市，也是第一个办世博会的亚洲城市，高达1500亿日元的投资很快收回，且盈利颇丰，大阪博览会成为世博会历史上成功的经典，当时展示的新兴事物如悬浮列车、电视电话等得到了迅速的发展和普及。上海世博会的影响更是巨大，直接经济效益达到了800多亿人民币，其主题是：城市，让生活更美好，展览的一大亮点就是低碳科技的创新。
影响世博会成功举办的决定性因素
将世博会传播影响力评价体系中的5个指标与世博会传播影响力的值作相关性分析，结果见表3。从表3可以看出，各个指标对世博会传播影响力均起到了正向效应，但投资成本和参展国数两个指标对世博会的传播影响力起到了最大作用，它们的皮尔逊相关系数分别达到了0.850和0.823，且显著性水平均处于0.01以内，即在统计学意义上呈现出了非常显著的正相关性。在现实实践中，投资成本越高说明举办国在场馆的建设、交通设施、宣传等各方面投入了更多的成本，这一方面会吸引更多的游客参观，另一方面有助于世界各地对于该届世博会的了解。参展国数代表了直接参与到该届世博会的国家，参展国数越多必然有助于世博会的新理念和新技术在世界各地的传播。参观人数是另一个与世博会传播影响力呈非常显著正相关性的指标，它们的相关系数为0.665，参观的人数越多，世博会中所展示的新事物被人们所了解的程度和范围自然会加强和扩大。然而世博会举办的天数和建筑的面积对于世博会的传播影响力不能起到很显著的正向效应。
综上，成功举办一届世博会，首要的因素是承办地必须给予足够的重视，建好配套设施，同时世界各国的参与程度也是决定世博会传播影响力的关键因素，各国参与程度高，且世博会展览地配套设施比较齐全，也会吸引更多的游客参观，而参观人数对世博会的传播影响力有显著的正向效应。成功的世博会在推动世界进步的同时，对于当地经济的发展也起到了很大的促进作用，如上海世博会、大阪世博会等。而上海世博会在目前所举办的综合型世界博览会中的传播影响力最大，将低碳生活理念广泛的传播到世界各地，对于未来城市的发展方向和人们该如何生活起到了非常重要的作用。
参考文献：
1.周千猷，张亚斌.上海世博会宏观经济影响力的系统动力学分析[J].系统工程，2011（1）
2.姚沛，刘喜波，李明.上海世博会影响力的定量评估[J].数学的实践与认识，2011（12）
3.雷启立.主体隐匿的景观创制―论“后世博”时代的文化表象[J].华东师范大学学报（哲学社会科学版），2011（4）
4.杨利，谢炳庚.基于上海世博会背景下的永康市会展旅游发展思路[J].经济地理，2011（8）
5.许静.论世博主题的演绎与文化表达[J].商业时代，2009（27）
传播模型范文6
网络拓扑结构经过以下三个发展阶段: 1959 年Erdos 和Renyi 提出一种随机网络模型(ER)模型来描述网络,在接下来的数十年里这种模型一直被研究和引用;从上世纪末开始,由于互联网的发展,科学家们发现大量的真实网络并不是随机网络,而是具有与随机网络不同的统计特征的网络,这样的一些网络被科学家们叫做复杂网络。关于复杂网络, 1999年Barabasi 和Albert 在Science 上发表文章指出,许多实际的复杂网络的连接度分布具有幂律形式,由于幂律分布没有明显的特征长度, 该类网络又被称为无标度(Scale-Free, 简称为SF)网络。后来的研究表明并非万维网独有,无标度网络无处不在。包括:生命科学领域的各种网络、社会网络(流行性疾病的传播网络、科学家合作网络、人类性关系网络)、语言学网络,等等。当然电子邮件网络也不例外,它是符合幂律分布规律的网络之一,因而也具有无标度的特性。
Newman 等人分析了电子邮件网络的实际拓扑结构,统计了和调查了一个实际的电子网络,通过电子邮件簿来构建该网络的模型。在这个模型中,节点代表实际的计算机用户,如果B 的电子邮件地址出现在A 的电子邮件地址簿中,则认为从A 到B 有一条连接。
该网络共有16881 个节点,这些节点间共有4581 个地址簿。
可以看出,该邮件网络的入度及出度均服从明显的指数型分布,但入度服从纯指数分布,而出度服从幂为1/ 2 的拉伸的指数分布。
Ebel 等人建立了另外一种电子邮件拓扑结构网络模型。该模型基于美国Keil 大学的一组电子邮件网络服务器。该网络共有59812 个节点。与Newman 的调查方式不同,他通过这个实际网络的电子邮件帐户来构建该模型。
可以看出,该邮件网络是一个明显的有向无标度网络,其入度服从指数为1.49±0.18 的幂律分布,出度服从指数为2.03±0.12 的的幂律分布。
2. 本文的目的与贡献
综合以上对于实际邮件网络的调查结果可知,现实中的电子邮件网络应该是一个符合幂律分布的有向SF 网络。可是在目前的复杂网络研究文献中,对于SF 网络的研究与仿真绝大多数都是建立于无向SF 模型之上,对于电子邮件这种有向SF 网络而言,这些模型及其仿真结果并不能令人信服。
本文以Bollobás 的理论为基础,在Matlab 中构建一个有向SF 网络模型,并通过调整模型的参数,使其尽量符合实际的邮件网络。在此基础上,通过高性能集群计算系统,在Matlab 环境中仿真了恶意代码在该模型上的传播过程和特性;并根据恶意代码的传播模式,对不同的免疫策略进行仿真,提出有针对性的免疫策略。
3 SF 有向电子邮件网络模型的演化与建立
按照 Bollobás 的模型,有向网络的演化过程分为两个阶段:生长阶段及内部连边阶段。由于这个网络的有向性,其生长阶段又分为两种可能:新加节点为出度的情况(我们把它称为生长过程A)及新加节点为入度的情况(我们把它称为生长过程B)。设定三个参数分别代表这三个阶段的概率:
α代表生长过程A 的概率, β代表内部连边的概率, γ代表生长过程B 的概率。显然,在该模型中,有α+β+γ=1;另外,按照BA 模型的网络生长规则,新加入的节点和连线将优先与原网络中连接度大的节点连接,这种效应被称为“马太效应”。在本模型中,按照这个规则,如果一个节点在演化过程中的某个步骤中没有得到连接,在网络以后的演化过程中,它将永远变为孤立节点(因为它的连接概率是零)。为避免这种情况出现,这个模型中引入了两个参数:δin、δout,分别代表出度及入度的修正值,并且假定这两个参数都是非负的实数。引入这两个参数后,每个节点的入度和出度分别是din(Vi)+δin和dout(Vi)+δout。
该网络的生长过程如下:
(1) 初始化:设网络中有N0 个节点,并在节点之间随机的连接M0 条边;
(2) 生长过程A:在每个时间步,以α的概率进行以下过程:添加一个新的节点N,并从N 连接一条边到已有的节点W。在这里,W 按照以下的概率公式计算选择:
Pr(Vi=W)=(din(Vi)+δin)/(t+δinN(t)) (1)(3) 内部连边:以β的概率进行以下过程:从已有的节点V 连接一条边到另外一个节点W。在这里,V 和W 都是独立选择的,W 按照公式(1)的原则选择,而V 按照以下的概率公式计算选择:
Pr(Vi=V)=(dout(Vi)+δout)/(t+δoutN(t)) (2)(4) 生长过程B:以γ的概率进行以下过程:添加一个新的节点 N,并在已有的节点中选择一个节点W 连接一条边到N。
反复进行以上步骤,直到生成的网络足够大。
令C1=(α+β)/(1+δin (α+γ));C2=(β+γ)/(1+δout (α+γ));根据Bollobas 的分析,该模型生成的网络其入度符合以下的关系:
~ Xinin in P Ci? ;其中Xin = 1+1/C1;其出度符合以下的关系:
~ Xoutout out P C i? ;其中Xout = 1+1/C2;考虑到许多现实的网络其幂律分布一般在2~3 之间,我们的参数设置如下:
α=0.2;β=0.7;γ=0.1。中国为您硕士论文。
在Matlab 中,仿真程序运行50000 步,生成15092 个节点。
可以看出,该模型生成的网络为典型的有向SF 网络,可以用于进行下一步的仿真。
4 电子邮件蠕虫病毒的传播模式
电子邮件病毒本质上与普通病毒并没有区别,只是以电子邮件为媒介,利用邮件用户之间的交互来传播。典型的电子邮件病毒,比如Melissa 病毒使用了Word 宏,附在邮件的附件里面。如果邮件接收者打开了该附件,Word 宏就被激活,之后电子邮件病毒搜寻用户通信簿的邮件列表,并把自身发送到邮件列表中的每一个地址。本文将按照这种模式,假设用户一旦感染病毒,病毒将自动查找本机的电子邮件簿,并朝电子邮件簿中的地址发送病毒邮件。
传播模型是这样的:采用SIS 模型,令从易染状态到感染状态的概率为V,从感染状态到易染状态概率为δ,有效传播率为 λ = v/δ。
首先,根据病毒传染率的不同,设定三组不同的参数对三种病毒的传播进行模拟;第一类病毒:令v=0.8,代表那些高度传染性的病毒。比如尼姆达、求职信病毒。这类病毒有个共同特点,就是它们利用了微软系统及outlook 中的漏洞,当用户
浏览信件时,不需要打开附件,病毒即可激活,因而这类病毒的传染率非常高;第二类病毒:令v=0.6,代表那些中度传染性的病毒,比如W32/Sircam 病毒。这类病毒的典型特征是重复感染,即当用户打开病毒邮件的附件激活病毒后,病毒即向外发送电子邮件副本,而不管该用户是否已被感染病毒。
第三类病毒:令v=0.3,代表那些低度传染性的病毒,比如Melissa 和I Love you 病毒。
这类病毒是非重复感染的病毒,即病毒被激活后,仅向外发送一次电子邮件病毒的副本,以后不再发送同样的病毒邮件。
然后,以上一节生成电子邮件矩阵模型基础上,假设在某个时间段(T1),网络中有十台机器感染病毒。该病毒每隔时间T 就向网络中发送病毒邮件。
在病毒开始流行到一定阶段(T2)以后,防毒软件和系统补丁开始介入,此时被感染主机开始以一定的概率δ恢复。T2 之前的传染阶段称为前期,这之后的阶段称为后期。
在以下的仿真过程中,我们设定的后期条件如下:
在病毒传播开始50 个周期以后,网络中开始清除病毒,一开始的恢复率规定为5%,然后系统中每隔5 个周期,恢复率增加3%,直到最后的50%为止。
将每组病毒的参数带入模型,每组运行十次,取平均值。
可以看出,在无防护的网络上,即便是传染率较低的病毒其传播速率也相当快。在本例中,当v=0.3 时,只用了20 个周期左右就传播遍了网络中所有的易感主机。这就是为什么新病毒一旦产生,它往往在短短几天之内就传播遍了整个互联网络的原因。
另外,从该仿真结果可以看出,无论病毒在该网络中传播多少个周期,该网络中始终有一部分节点不受感染。(本例中,有大约3000 个节点始终未被病毒感染)这是有向网络与无向网络的一个重大区别,更符合现实的情况。因为在现实中,A 是B 的联系人并不一定意味着B 也是A 的联系人,同样,A 向B 发送了一封邮件也并不意味着B 会回信。这样,现实的邮件网络中有许多的帐号是只向外发送邮件,而没有接收邮件或者这些帐号根本就没有被加入到其他帐号的地址簿里面,可想而知这些账户是不会感染病毒的。
5 不同的免疫策略
从以上的仿真结果可以看出,病毒很容易在未加防护措施的电子邮件网络中流行。因此在现实的电子邮件网络中,应该采取合适的免疫策略来减缓或消除病毒的流行。针对目前的网络结构,通常采取的免疫策略有三种:随机免疫、目标免疫和熟人免疫。
5.1 随机免疫(Random Immunization)
随机免疫方法是完全地随机抽取网络中的一部分节点进行免疫。它对度大的节点(被感染的风险高)和度小的节点(相对安全)是完全平等的。为了模拟这种免疫策略的效果,设定ρ(免疫节点密度)=30%,50%两种情况进行仿真。
从仿真结果可以看出:随机免疫的效率不高。即使免疫节点数经达到50%的情况下,在病毒流行的前期,其传播速度与没有防护的网络几乎没有区别;而在病毒流行的后期,尽管有另外一半节点已经采取了防护措施,仍然有相当一部分节点会被感染。
5.2 目标免疫 (Targeted Immunization)
根据无标度网络的不均匀特性,可以进行有选择的目标免疫,即选取少数度最大的节点进行免疫。
传统的算法是统计并排序所有的节点的出度数,按百分比ρ挑出度数靠前的节点进行免疫。我们采用了一种新的算法进行仿真,先计算出该网络的平均出度数Dout,然后设定一个参数Pd(节点平均出度数的倍数),若某个节点的出度大于pd×Dout,则该节点需要免疫;否则不需要免疫。
5.2.1 Pd=4(在该模型中,相当于免疫节点密度ρ=3.48%)。
5.2.1 Pd =3(在该模型中,相当于免疫节点密度ρ=5.77%)。
与随机免疫相比,这种免疫策略相当有效。其有效性表现在两个方面:
(1)在病毒传播的前期,可以大大减缓病毒的传播速度。可以看出,在同样的条件下,实施了这种策略的网络病毒感染网络中所有易染主机的时间延长了将近1 倍。这意味着在现实中,网络管理员或者杀毒软件公司可以得到更多的响应时间。
(2)对于电子邮件网络或服务器管理员来说,仅仅免疫网络中出度最大的极少数用户,而不用每个用户用户上都去添加免疫措施就可以让网络中的病毒难以传播和流行,大大减轻了工作量。
5.3 熟人免疫:(Acquaintance Immunization)
目标免疫虽然比较有效,但是这种方法需要对网络的结构有详细的了解,对网络中各节点的度数有比较清楚的认识。在很多情况下,这是难以做到的。针对这种情形,可以采用另外一种免疫策略:熟人免疫。
熟人免疫的原理基于无标度网络的不均匀性。它的执行步骤是:从N 个节点中随机的选择比例为p 的节点,然后再从被选出的节点中随机挑出一个邻居节点进行免疫。按照无标度网络的性质及统计概率学的原理,若随机选择一个节点,再选择他的邻居,那么度数大的节点被选中的概率就会比较大。
5.3.1 P =10%时。
5.3.2 P =15%时。
与随机免疫相比,熟人免疫策略的效率还算不错,在病毒传播的前期,传染速度减少了将近一半。这种免疫策略可以在以相对较少的免疫节点数目的条件下,取得接近于目标免疫的效果。
当邮件网络受到病毒及恶意代码攻击时,应该采取什么样的免疫策略?一个好的免疫策略它必须具有两个特点:
(1)在病毒流行的初期,它能够尽可能地减缓病毒的传播速度。
(2)不需要实施大规模的个体免疫,就能够把受感染的个体控制在可以接受的范围内。
可以看出,随机免疫策略需要免疫大量的节点才能把病毒的流行控制在一定范围内,而在病毒传播的前期,这种策略并不能减慢病毒的传播速度。目标免疫需要实施的免疫密度最低,病毒在这种网络上的传播速度也最慢,但是实施这种策略需要详细了解网络架构,因此这种策略仅适合电子邮件服务器供应商或网络管理员。熟人免疫策略的效率介于随机免疫与目标免疫之间,需要实施的免疫密度大大低于随机免疫,而且这种策略的实施不需要知道网络架构,就可以有效的减缓和控制病毒的流行。因而对于杀毒软件商和最终用户来讲,这种策略往往是最可行的。
