在反映IP网络性能的诸多参数中,时延被称为“网络距离”(Network Distance),其在优化网络应用中发挥着重要作用。但目前网络结构呈现出高度复杂性,实现全网时延直接测量代价极高。而一种解决方案便是构建IP网络坐标系统进行时延预测,它是利用部分节点间的时延,将全网时延映射到几何空间中,并为每个节点赋予相应坐标,通过坐标几何距离计算,预测出节点间时延。但目前IP网络坐标系统存在以下问题:首先,实测时延在构建IP网络坐标系统时,网络中随机延迟污染常致使该时延存在几个数量级的波动幅度,这严重恶化IP网络坐标系统性能。其次,路由策略等原因导致时延存在三角不等式违例(TIV)现象,TIV现象与几何空间距离度量准则相悖,这导致坐标盲目更新却愈加偏离正确值。最后,单一层次关系的IP网络坐标系统在构建过程中,存在着长、短时延相互干扰影响时延预测准确性。针对上述问题,本文创新工作主要包括以下三部分:首先,提出两种随机延迟污染抑制方法,即t-Filter和Δ-Filter,其在抑制受污染时延大幅波动性,同时维持时延统计的约束条件下,平滑处理时延以抑制污染对IP网络坐标系统性能影响。其次,提出基于多弹簧模型的坐标系统快速收敛方法(M-Vivaldi),特点是坐标更新同时依据多个邻居节点,通过邻居间相互制约,将坐标系统振荡转变为多弹簧内部势能相互转化,避免了节点盲目更新坐标。最后,提出一种层次化IP网络坐标系统构建方法,并依据构建算法和选取参考邻居节点等的不同,具体构建出全局坐标系统和局部坐标系统,进行层次化时延预测。以PlanetLab时延数据集的仿真结果表明:t-Filter和Δ-Filter是有效的随机延迟污染抑制方法,它们可以显著改善IP网络坐标系统性能;M-Vivaldi能避免坐标盲目更新,可以有效改善坐标系统收敛性等;理论分析了层次化IP网络坐标系统不但能提高时延预测精度,并且能提供有差异性的时延预测服务。