1.一种面向时空特性变化认知的机会网络路由方法，其特征在于：在该方法中，在考虑转移区域时，将地理区域以外的空间在半马尔可夫模型中视为同一个状态，降低节点的缓存空间和算法的时间复杂度；当认知到节点时空特性不再符合半马尔可夫模型时，改变已有的消息转发机制，采用消息的多副本转发；当认知到节点时空特性再次符合半马尔可夫模型时，恢复原有的消息转发机制，实现所提路由方法的自适应性；具体包括以下步骤：S1：节点移动半马尔可夫模型建立阶段：用于预测未来时刻节点处于某一地理区域的概率和节点间在未来时间段内接触的效用值；

S2：面向节点时空特性变化认知机制阶段：用于检测节点的时空特性变化与半马尔可夫模型是否相吻合；

S3：路由方法自适应性的实现阶段：用于携带消息的节点与相遇节点进行接触效用值的比较，以决定是否要转发消息。

2.根据权利要求1所述的一种面向时空特性变化认知的机会网络路由方法，其特征在于：所述步骤S1具体包括：

S11：将节点在地理区域之间的移动看作半马尔可夫链{(Xn,Tn):n≥0}的更新过程，Tn表示第n次状态转移的时间，Xn表示第n次转移到的状态；假设网络中共有M个地理区域和地理区域以外的区域间，状态空间对应于网络中的地理区域集合为S＝{1,2,...,M,0}，其中0表示地理区域以外的空间，简称区域间；节点在地理区域之间的移动对应于半马尔可夫过程中状态之间的转移，随机变量Tn+1-Tn表示节点在地理区域内的停留时间；将状态i到j的转移概率，即节点从地理区域i到j的概率用pij表示；节点移动到下一个地理区域j之前，节点在地理区域i的停留时间概率分布函数为Hij(t)，节点在地理区域i的停留时间概率分布函数为Gi(t)；机会网络中节点移动模型表达式按照半马尔可夫链的特征可定义为：X＝(Xk,k∈N+)；

S12：k步状态转移概率函数fij(k)表示节点在初始时刻的状态为i，经过时间k后所处状态为j的概率值，其求解过程分为两种情况：在时间段k内节点状态没有发生改变，一直处于i状态(i＝j)；在时间段k内节点状态曾发生改变，假设节点的初始状态为i，在时间段k中的某一时刻状态转移到l，最后处于状态j；因此，首先需要获得节点的状态转移概率pij以及时间概率分布函数Hij(k)；统计节点在地理区域i处的转移频率获得pij，用Nij表示节点由地理区域i转移到j的转移次数，Ni表示节点由地理区域i转移到其他地理区域的总次数；Hij(k)表示节点在地理区域i的停留时间小于等于k且离开i后所到下一地理区域为j的概率值；Hij(k)的求解过程为统计N(tij＜k)/N(tij)的值，其中N(tij＜k)表示在地理区域i的停留时间小于等于k且离开i后移动到区域j的次数，N(tij)表示从区域i移动到区域j的总次数；

S13：当网络运行到稳定状态时，求出节点稳态转移概率向量p；由节点在地理区域停留的时间概率分布函数Hi(k)求出平均停留时间向量 即节点在每个地理区域停留的平均时长；由节点的k步状态转移概率函数fij(k)可知，如果节点在0时刻处于状态i，那么在k时刻节点处于状态j的概率为fij(k)；因此在机会网络中，已知节点在0时刻处于地理区域i，则通过fij(k)计算出节点在k时刻处于地理区域j的概率；节点互相交换状态转移概率矩阵P和状态停留时间概率分布矩阵H，即可对接触节点在未来时间所处状态进行评估；节点在本地保留的信息为＜id,P,H,ID,TimeStamp＞，其中id表示节点标识，ID表示地理区域标识，TimeStamp表示该条信息的记录时刻，接触节点依据TimeStamp相互更新记录；假设节点移动是相互独立的过程，节点a在时刻ka所处状态为sa，节点b在时刻kb所处状态为sb，在未来时刻k时，节点a、b所处状态为τ的概率分别为 则节点a、b在未来时刻k接触的预测值为Cab(k)；路由策略选取节点接触效用值为C_Util，表示在消息的剩余生存时间内，相遇节点c与目的节点d能够接触的效用值。

3.根据权利要求2所述的一种面向时空特性变化认知的机会网络路由方法，其特征在于：所述步骤S2具体包括：

S21：由半马尔可夫链建立的节点移动模型可知，如果预测得到节点在未来时刻的状态与节点实际状态不吻合，则表明节点的时空特性发生改变，节点的移动不再符合所建模型；

原有的消息转发策略不再有效，需要对其进行消息转发策略的调整；

S22：假设节点当前时刻处于状态s，在未来时间段T内，节点在地里区域τ停留的最大概率为pmax；统计在过去时间段T内，节点停留在地理区域τ的时间为tτ，则在地理区域τ中停留时间比例为wτ；将预测所得的pmax和统计得到的wτ之间的差值比率定义为认知比率ρ；

S23：若ρ大于阈值γ，表明节点时空特性发生改变；原有的依赖节点接触概率预测值的消息转发策略将不再有效，需要对其进行消息转发策略的调整；

S24：若ρ≤γ表明所建半马氏模型预测准确，节点时空特性没有发生改变，或是节点时空特性恢复；原有的依赖节点接触概率预测值的消息转发策略仍然有效；

S25：增加时空特性变化认知机制的节点，节点的知识单元会发生改变，增加预测记录Pre和统计记录Stat；在nT时刻对节点在nT～(n+1)T时间段内最大概率值pmax对应的停留地理区域τpre进行预测；在(n+1)T时刻对节点在nT～(n+1)T时间段内在地理区域τpre停留时间比例进行统计，然后求得认知比率；在(n+1)T时刻再次预测下一时间段T内的预测记录Pre，更新原有的数据，在(n+2)T时刻更新记录Stat，以此做循环步骤；称时间段T为时移窗口，称此过程为节点时空特性变化认知机制。

4.根据权利要求3所述的一种面向时空特性变化认知的机会网络路由方法，其特征在于：所述步骤S3具体包括：

S31：假设节点a携带目的地址为节点d的消息M，当节点a与节点c相遇时，如果c与d的接触效用值大于a与d的接触效用值，则节点a将消息M转发给c，然后由c继续与相遇节点做接触效用值判断；

S32：如果c与d的接触效用值小于或等于a与d的接触效用值，则a携带消息M，继续与相遇节点做接触效用值比较；

S33：循环以上接触效用值判断步骤，直到将消息转发到目的节点d，或是消息M的剩余生命时长TTL为零，M被丢弃；

S34：如果机会网络中节点的时空特性变化过程一直遵循所建立的半马尔可夫模型，那么消息的每次转发过程都是将消息转发到一个与目的节点发生接触机会更大的中继节点；

如果节点在某一段时间的地理区域访问倾向性和时间规律性发生改变，则此时该节点的时空特性变化过程不再符合半马尔可夫模型，导致节点接触效用值的计算不再准确，相应地，基于节点接触效用值的消息转发策略不再是逐步将消息转发到一个与目的节点发生接触机会更大的中继节点；当节点a、b接触时，若a和b的时空特性都没有发生改变，则进行策略转发；若a的时空特性改变，b的时空特性未改变，则直接转发；若a的时空特性未改变，b的时空特性改变，则拒绝转发；若a和b的时空特性都改变，则复制消息。