机会网络仿真：社会聚集组合运动模型

"基于机会聚集的基于社交聚集的组合运动模型是针对机会网络仿真提出的一种新的运动模型。该模型旨在解决传统合成运动模型在捕捉人类详细移动特性方面的不足，以及跟踪数据集在获取和适用性上的限制。通过使用可调的随机分布生成器创建时变的移动性参数，并构建多个子模型来描述更具体的人类行为，该模型能够更准确地再现复杂的人类活动。在机会网络环境(ONE)模拟器中，模型的表现优于传统运动模型，其移动性模式与真实轨迹数据集的相似度更高。" 在机会网络中，节点的运动模式对路由协议和服务质量(QoS)方案的性能有着直接影响。传统的合成运动模型虽然方便使用，但由于它们通常基于简化的人类运动假设，因此无法充分反映实际环境中人们的行为多样性。跟踪数据集虽然能提供更精确的移动信息，但往往难以获取，并且不适用于所有场景。 本文提出的"基于社会聚合的组合运动模型"是一个创新的解决方案。该模型的核心是利用多个子模型，这些子模型基于不同的人类行为模式，如社会交互、日常活动模式等。每个子模型都有其特定的随机分布生成器，可以根据实际情况调整参数，从而生成与现实世界更为接近的移动性参数。这些子模型通过一个合理的组合机制结合在一起，能够生成复杂的、动态变化的移动轨迹，以模拟人类在各种环境中的集体行为。 在评估阶段，该模型被应用到ONE模拟器中，与不同的跟踪数据集和传统运动模型进行了对比。结果显示，基于社会聚合的组合运动模型在再现真实世界移动模式方面具有更高的准确性。这表明，该模型对于机会网络的研究和优化，尤其是在设计和测试路由协议和应用程序时，是一种有效的工具。 总结来说，这个研究提供了一个更加精细且灵活的机会网络仿真运动模型，它能够更好地模拟真实世界中人的移动行为，从而提高对网络性能评估的准确性和可靠性。这对于进一步理解机会网络的动态特性，优化网络设计，以及开发适应性强的通信策略具有重要意义。