在互联网发展越来越迅速,面向范围越来越广的今天,从社交网络服务增值到大量的图片、视频和文档等内容数据的传播,用户对互联网的能力要求不再只是基本的连接性。如今的互联网中容纳着大量由用户产生和消费的内容数据,用户需要的是一个巨大的内容分发网络,一个更快,更高效,更安全的内容入口,而不再关心内容的位置。本课题专注于研究命名数据网络(Named Data Networking,NDN),NDN网络将关注点从数据在哪儿(地址和主机)转移到数据是什么(用户和应用关心的内容)。通过数据的名字从网络中取回数据,数据独立于位置、应用、存储以及各种传输方式,并且使用了网络内部的缓存机制。NDN网络将智能性从路由层扩展到了转发层,由于网络中的数据层保存了数据报的状态信息,因此NDN网络拥有自适应的转发能力。转发层不再简单的读取路由表信息,而是对路由表拥有了可读可写的能力。NDN网络所独有的转发模块通过整合从路由层和转发层获取的两方面的信息,决定数据包的转发路径。同时,由于NDN网络支持无环的多路径转发,可以更好地利用网络资源,在网络出现问题时能够更快的恢复。传统IP网络中,网络层并不对拥塞控制负责。而NDN网络的自适应转发能力,为网络的拥塞控制带来了新的解决方案。通过网络拥塞的反馈消息和路由节点的速率调整,NDN可以在路由转发的过程中进行逐跳的拥塞反馈,在发生拥塞时首先将网络中的流量分散在整个网络中,然后才会选择将消息反馈到请求数据的节点,由节点调整本地的请求发送速率。本课题通过利用NDN网络的自适应转发能力,改进数据包的转发过程,从而对NDN网络现有的拥塞控制机制进行改进,提出了预测型拥塞控制算法(Predictive Congestion Control,PCC)。算法扩展了网络拥塞的反馈消息类型,增加了对于网络不同拥塞程度的检测机制,同时提出了针对不同网络拥塞程度的多种速率调整方案。目的在于解决NDN网络拥塞机制基于不准确性的数据计算和单一的速率调整方案,可能导致网络拥塞以及请求公平性的问题。最后,本课题通过使用ndnSIM进行了模拟仿真,在不同的拓扑环境下对两种算法在网络发生拥塞时的反应灵敏性、链路利用率和网络吞吐量等指标上的性能表现进行了对比。PCC算法对于网络拥塞的反应更快,反馈更及时和准确,不仅减少了网络拥塞的发生,同时也减少了网络拥塞所造成的损失。