互联网中的流量由数以万计的不同应用产生，其构成结构会随应用的变化而变化。充分掌握网络总体的流量构成以及各种成分的变化规律对网络管理和网络行为学的研究具有重要意义。随着互联网及其流量的快速增长，通过网络流量测量来理解网络行为是网络管理、规划和发展的基础。　　通过对2005年以来CERNET江苏省网边界流量的观测以及国内外相关文献的报道，发现互联网中的UDP流量比例在不断增高。本论文的研究工作基于这样一个事实展开，主要研究互联网中与UDP流量行为相关的问题，旨在对当前的高UDP流量现象给出合理解释的同时，评价在UDP流量比例较高的网络环境中使用UDP作为传输层协议的流量对使用经典的TCP协议的应用的传输性能产生的影响，并为高UDP流量的网络环境提出可行的拥塞控制方法。论文的主要研究工作均基于主干网络信道上的实测数据展开。论文工作主要包括四部分内容。　　论文首先完成了一个面向高速主干网流量的综合性研究平台-IPTAS(iptas.edu.cn)，该平台具有面向主干网的IP trace采集、分析、发布和管理等功能。目前平台的IP Trace库中保存有2005年以来在CERNET江苏省网边界定期采集的IP Trace，数据总量近40TB，总时长近1000小时，是目前国内时间跨度最长、最为完整的IP Trace库之一。这些数据为网络管理、网络行为学等研究工作提供了珍贵的分析数据源。　　论文随后对IPTAS提供的Trace数据进行了UDP流量与TCP流量的Hurst指数对比分析和流速分析，结果表明相同环境中的UDP流量的Hurst指数略高于TCP流量，但变化趋势基本一致;在带宽条件基本相同的条件下，UDP流量比例会对TCP流速产生影响。　　在此基础上，提出了一个面向时间粒度的TCP综合性能测度-R测度，利用这个测度，采用经典的正态分布检验、显著性检验、相关性分析等统计方法完成了面向实测数据的UDP流量比例对TCP传输性能的影响分析，分析结果表明UDP流量比例是影响TCP传输性能的因素，随后根据统计分析的结果建立了R测度与UDP流量比例和占用带宽间的经验公式。　　目前所有的拥塞控制机制均平等处理TCP和UDP报文，对具有自动避让功能的TCP流量不公平。基于这一事实，论文在最后提出了一个面向高UDP流量比例环境的AQM算法SF-RED，该算法通过引入TCP流量与UDP流量的区分丢包互斥机制，对不同的传输层协议产生差异型的动态丢包概率。文中对算法和所有相关参数进行了详细的讨论，使用Lotka-Volterra竞争模型证明该机制存在稳定的平衡点，确保了主动队列管理算法的稳定性和传输层协议间的公平性。