最近琢磨着如何处理MIT Reality数据集以导入The ONE，上午无意中发现已有人做了这部分工作，整理过来，以便交流（研究过程中发现，就数据集本身而言，就有很多可讨论的地方）。
1. 下载数据集
DTN的数据集通常在CRAWDAD下载（下载数据集，需要加入CRAWDAD社区，点这里。收到的邮件包含账号和密码可用于下载），但值得注意的是，上面的数据集有些是错误的，我就遇到这种情况，我在分析Bubble Rap论文中提到的数据集，发现结果与论文相差甚大，有的甚至连数据集描述都不一样，详情可参考文章《Bubble Rap数据集Infocom05, Hong-Kong, Cambrige, Infocom06, Reality》。得到Bubble Rap作者Pan HUI的确认，CRAWDAD上的Infocom06的确有问题。
从CRAWDAD下载的数据集，几乎都要自己写脚本转换成符合The ONE的格式（StandardEventsReader format），关于如果转换格式以及如何使用外部数据集可参考之前博文《导入不含节点位置的数据集》。
2. 可直接使用的数据集
幸运的是，已有人分享了适合The ONE使用的数据集，见Matthew Orlinski的博文《Encounter traces for the ONE simulator》。以下摘抄其主要内容。
- Reality Mining by MIT: 97 devices. Data taken from between 4294800 and 21276000 seconds. See original dataset.
- Haggle 3 - Infocom 5: 41 devices. See original dataset.
- Haggle 4 - Cambridge Imotes: 36 devices. See original dataset.
- Haggle 6 - Infocom 6: 77 mobile devices (20-97), plus static devices. See original dataset.
- LocShare: Note: All connections are for 10 seconds (see below). See original dataset
- NUS Contacts. Devices 10000 to 13000 only. Inferred dataset from lecture timetables. Limited to 3000 devices. See original dataset.
- Sassy: 25 devices. See original dataset.
3. 分析数据集
事实上，就数据集处理上，还是有很多值得讨论的地方。比如Infocom06有50%以上的contacts，其开始时间和结束时间是一样的。这种情况下，是简单丢弃不管呢，还是按连接1秒来算。举例如下：
1 3 51293 51293 1 0
1 3 60603 60603 2 9310
除此之外，从数据集建模contact graph，计算节点的中心度，做社区检测，这些都离不开对数据集的处理。我在这方面做了一些工作，可参考之前博文《数据集Infocom06分析：求所有重叠区间（附源码）》。