移动机会网络(Mobile opportunistic network,MON)是无线移动通信中一种新兴的通信方式。MON被定义为一种节点之间的通信会频繁地断开和重连,只存在间歇式链接的移动网络,因此通常不能获得从源到目的的稳定通信路径。MON可应用于多种不同的领域,例如交通信息共享的车辆网络、用于野生动物追踪的移动传感器网络和由人类携带移动设备组成的便携式数据交换网络。由于MON节点不断移动,并且节点携带的通信设备在开/关状态之间频繁切换,这些特性使得端到端路径难以建立,因此传统的数据转发方法不能直接应用于MON。在MON中,数据转发依赖于节点之间的相遇机会,即数据包从数据持有者(携带数据包的节点)转发到遇到的普通节点(不携带数据包的节点),因此即使端到端的通信路径永远不会出现,数据包也会以多跳的方式转发给目标节点。因此,MON中的每个节点以“携带、存储、转发”的方式处理所接收的数据包。由于节点未来移动的不确定性,数据转发方法(尤其是如何选择合适的中继节点)成为提高传输率和减少传输延迟的重要问题。为了避免代价高昂的洪泛,通常在相遇节点中选择一个或多个中继来传播数据包。然而,节点的移动模式在不同类型的区域(例如住宅区、商业区或工业区)中会有所不同,即节点在不同类型区域内的移动方向和移动范围是不同的。本文的主要贡献如下:(1)设计了一种移动机会网络中节点区域类型的归属程度提取算法,该算法利用模糊数学理论,求解数据的模糊相似矩阵并计算得出数据内容属性的关联值。然后,根据预先定义的映射关系,相应地得到移动节点区域类型的归属程度值。(2)设计了一种基于区域类型的数据传播方法(Region Type based Data Dissemination Method,RTDDM)。该方法利用不同类型地区的节点移动规律,建立了节点移动模型,并且利用区域类型相关性、区域权重和节点区域类型归属程度值等建立了用于选择中继节点的马尔可夫决策模型。实验数据表明,节点区域类型的归属程度提取算法能够利用数据准确地得到移动节点区域类型的归属程度值;在不同的节点密集度和网络资源有限的情况下,相较于其它现有算法,RTDDM算法通过马尔科夫决策模型选择了更加高效的中继节点,显著地提高了数据送达率和降低了数据时延。本文主要提出了节点区域类型归属程度提取算法和RTDDM算法,针对这两种算法进行仿真实验,但是这两种算法依然有提升的空间。未来工作可以对以下内容进行深入研究:网络环境更加贴近现实的城市环境;在RTDDM算法中,考虑节点的区域类型检测周期时长对选择中继节点的影响;在马尔科夫决策中,考虑节点在同一区域类型中的移动规律对选择中继节点的影响。