5.3 彩排场：仿真评估与实测方法

5.3 彩排场：仿真评估与实测方法

仿真评估在 NS-3、OMNeT++ 这类离散事件平台上复现网络行为，用可控实验回答"如果"问题；实测方法用试验床与现场试点校验仿真的结论。两者的配合纪律是：仿真管因果、实测管校准，任何一方的结论都不能直接当成另一方的。

没有彩排就上舞台，是部署大忌。真实网络只有一次机会，而你想试的方案有十种——仿真存在的意义就是让"试错"变得廉价且可重复。但彩排永远不是演出本身：仿真器的每一个模型都是对现实的简化，简化错的方向恰好是你关心的方向，结论就整体作废。这一节讲怎么搭一个可信的彩排场，以及怎么让实测反过来校准它。

三层实验体系

第一层是算法仿真（比如用 Python 写个网络模拟脚本）：只模拟拓扑变化与协议逻辑，忽略无线细节，跑得飞快，用来扫参数、找趋势。第二层是网络仿真（NS-3、OMNeT++、GloMoSim 一类）：离散事件驱动，带无线信道模型、MAC 模型与协议栈实现，跑得慢但贴近真机行为，用来出论文级与方案级结论。第三层是试验床实测：几十上百台真设备放在真实环境（楼顶、车辆、野外），无线传播、干扰、硬件时序全是真的，用来最终验收。三层的关系是漏斗：算法层一天能扫一千个参数组合，网络层筛出十个，实测验证两三个。跳层是大忌——从算法仿真直接下结论部署的人，会在现场重新认识世界。

图：仿真实验的流水线

可信性从哪里来

第一个来源是统计纪律。随机性（节点位置、移动、业务到达）意味着单次仿真只是抽样，至少十次不同随机种子、报告均值与置信区间是底线；只报最好一次结果的材料，可信度按零处理。第二个来源是敏感性检查：把信道模型从自由空间换成带遮挡的经验模型，把移动模型从随机路点换成轨迹回放，结论若发生质变，说明结论依附于模型假设而非机制本身——这样的结论只能带条件发布。第三个来源是实测校准：把试验床实测的时延分布、投递率曲线拿回来，调仿真参数直到分布吻合，校准过的仿真器结论才有"预测力"。校准一次不够，环境换了要重校准——仿真器不是通用真值机，是某片环境的方言翻译。

以 NS-3 为例跑一组对比实验的骨架（命令行示意）：

场景脚本：100 节点，随机路点，速度 5 m/s，AODV 对 OLSR 对比
对每个协议跑 10 个种子：
  ./ns3 run "scratch-manet-compare --protocol=aodv --seed=7 \
    --nodes=100 --simTime=300 --tracing=true"
  ./ns3 run "scratch-manet-compare --protocol=olsr --seed=7 ..."
输出每次的投递率、平均时延、路由开销字节数
后处理：对 10 个种子算均值与置信区间，输出对比表
关键：两种协议除协议名外全部参数一致，一次只动一个变量
​

试验床与现场实测的门道

实测不是"把设备摆出去看跑不跑"。要抓三样东西：有基准的指标（跑一套已知负载，记录时延分布与投递率作为基线，之后任何改动都有对照）、故障注入的能力（能人为关节点、屏蔽链路，验证自愈指标——不主动弄坏它，你永远不知道它坏起来什么样）、可回溯的日志（每节点的时间戳对齐——3.3 的对时在这里派上用场——控制消息全量落盘）。现场试点的额外一条：环境档案。温度、湿度、人流、干扰源频谱快照，这些"背景变量"决定了试点结论能不能迁移到下一个场地。

一个反复出现的教训值得写下来：仿真里投递率百分之九十八的方案，到现场常掉到九十以下，差距大头往往不在协议，而在仿真器没建模的东西——同频干扰（旁边楼里的 Wi-Fi）、多径衰落的时间相关性、硬件的开关机时序。所以实测指标普遍比仿真差一个档位，这几乎是规律；方案设计时预留这个落差（仿真里做到九十九才敢承诺现场九十五），是工程成熟度的标志。

一次三层漏斗的完整使用

背景：为桥梁监测选路由方案，候选 AODV 与一个分簇方案。操作：算法层用两百行脚本扫"断链率从每分钟零次到两次"区间，发现分簇方案在断链率超过每分钟零点五次后重构开销反噬；网络层用 NS-3 复现该区间，确认拐点存在但位置右移到零点八次；实测在试验床（二十节点）人为关节点制造断链，实测拐点约每分钟零点六次。最终方案：桥面主体用分簇（实测断链率约零点二次/分，安全区），伸缩缝附近的六个易动节点单独划域跑按需路由。解读：三层各自给出的拐点数字不同，但"拐点存在且分簇怕高频断链"这个结构性结论贯穿三层——数字属于具体环境，结构才可迁移。变式：换一座钢结构桥，干扰环境更差，断链率升到零点七，分簇域就要再收窄——结论的结构不变，参数随环境重标定。

复现别人结果的三条纪律

借鉴文献与开源报告的仿真数字时，三条纪律能救命。纪律一，抄场景不抄数字：节点数、密度、移动模型、业务负载、指标口径全部对齐了，数字才有可比性——文献里"投递率提升百分之十二"在你自己的场景可能是负数，差异往往就藏在没写的参数里（包长、队列大小、种子数）。纪律二，问模型不问结论：对方用哪个信道模型、有没有建模干扰，直接决定结论的适用边界；自由空间模型得出的结论，搬到室内环境等于换了一个世界。纪律三，复跑最小案例：真正重要的方案，花半天把它在开源仿真器里跑起来，用自己的一组参数对照——能复现的方案才进了你的工具箱，复现不了的引用时打个问号。这三条纪律与三层漏斗同属一件事：让每一个被采信的数字都有可追溯的出生证明。

工具怎么配对

仿真器与试验床不必二选一，成熟团队是三件套配对使用：仿真器做主战场，试验床做校准器，真实轨迹与负载记录做燃料库。工具间要提前约定"同一套指标口径"——投递率在仿真里按发送计数、在实测里可能按接收计数，口径没对齐前，两边的数字不要出现在同一张表里。配置与脚本进版本库，实验日志与结果归档编号，三个月后还能复现当时那组数字，才算通过了彩排场的基本验收。

台词摘录

• 三层漏斗：算法层扫趋势、仿真层出结论、实测层做验收，跳层就是跳坑。
• 统计纪律：十种子起步，报均值加置信区间，单次最优结果等于没有结果。
• 敏感性即边界：对信道模型与移动模型双敏感的结论，只配带条件发布。
• 校准才可信：仿真器是某片环境的方言翻译，换环境要重新校准。
• 预留落差：现场比仿真差一档是规律，仿真做到九十九才承诺九十五。