关于车载AdHoc网络移动模型的分析和建议.docx

车载Ad Hoc网络移动模型分析和建议 一、移动模型分类 1.1按照节点之间的关系分类：（图1所示） 个体移动模型和群组移动模型。 个体移动模型：随机漫步模型、随机路径点模型、边界随机加路径点模型、随机方向模型、无限仿真域模型、平滑随机移动模型、基于概率矩阵的随机漫步模型、移动矢量模型、高斯-马尔可夫模型、加权路径点模型、基于优选速度和方向的用户移动性模型。 群组移动模型：指数相关随机移动模型、基于社会网络的移动模型、混合移动模型、追逐移动模型、参照点组移动模型、地理分隔移动模型、引力移动模型、虚拟路径组移动模型、流移动模型。 图1 基于节点之间关系的移动模型分类 1.2按照节点的移动特性分类： 随机移动模型、受限移动模型（基于时间的模型、基于空间的模型）。 随机移动模型：随机漫步模型、随机路径点模型、边界随机路径点模型、随机方向模型 基于时间的受限移动模型：无限仿真域模型、平滑随机移动模型、基于概率矩阵的随机漫步模型、移动矢量模型、高斯-马尔可夫模型、加权路径点模型、基于优选速度和方向的用户移动性模型、指数相关随机移动模型、基于社会网络的移动模型。 基于空间的受限移动模型：障碍物移动模型、曼哈顿移动模型、基于图的移动模型、混合移动模型、追逐移动模型、参照点组移动模型、地理分隔移动模型、引力移动模型、虚拟路径组移动模型、流移动模型。 二、车载Ad Hoc网络的特点 2.1快速移动性 网络中节点速度非常快，城市中的移动速度都在每小时数十公里，而高速公路的时速甚至超过100公里。 2.2拓扑变化频繁 由于网络中节点的快速移动性，以及节点无线通信距离短，使得网络拓扑结构变化快，路径寿命短。 2.3间歇连通性 网络的间歇连通性指的是网络中的节点间通信不能够保证一段时间里稳定持续的连接，连接总是时断时续。 2.4节点非均匀分布 通常，网络中车辆并不是均匀分布的，这是因为它们可能会集中在某些路段上，例如城市中的一些繁华路段。 2.5节点移动可预测性和相关性 节点的移动具有一定的规律性，通常限制在道路上，并且目的地一般明确，随机性较低；同时节点之间通常存在相对速度和距离，具有一定的运动相关性。 2.6网络系统的追踪性 越来越多的车辆上装备了各种传感器，例如监测行驶状态、汽车的机械性能、周围环境情况等等。GPS系统和电子地图的广泛应用，可以有效地帮助车辆定位，对于信息传输有很大的帮助。 另外，车辆一般以蓄电池为能量来源，再加之新型电池和太阳能等技术的使用，所以车载Ad Hoc网络较之一般的Ad Hoc网络不存在能量控制的问题；车辆通常在城区行驶，受建筑物和道路状况的影响较大，因此无线信道质量很不稳定，导致节点之间的通信也很不稳定。 三、车载Ad Hoc网络移动模型的分析 根据车载Ad Hoc网络自身独特的特点，节点的快速移动性导致网络拓扑快速变化、连通性不稳定等，决定了节点之间通信实时性和时延对于移动模型的要求；节点非均匀分布决定了移动模型的空间诉求；无线信道质量不稳定决定了移动模型的地理受限和空间约束；节点移动可预测性和相关性以及网络系统的追踪性和决定了移动模型的群组化、位置化和智能化。 由此，我认为就车载Ad Hoc整个网络而言，随机移动模型和个体移动模型并不适合。由于车辆的基本参量（如：速度、加速度等），车间的基本参量（如：距离、相对速度）等都在理论上是时空相关的，尤其在数学表达上是以时间为基准的，以此车载Ad Hoc网络应该是基于时间和空间的受限移动模型。同时车辆的位置感极强，节点移动具有规律，节点之间密切相关，因此群组移动模型更加适合车载Ad Hoc网络。 在移动模型分类中，群组移动模型都是基于时间或者空间的受限移动模型。其中，指数相关随机移动模型有较好的理论，但是参数值的选择太重要，这种固有缺陷，不适合建模仿真；混合移动模型和追逐移动模型可以认为是参照点组移动模型的特殊情况；地理分隔移动模型、引力移动模型、虚拟路径组移动模型、流移动模型等理论性太强，并且尚不成熟，也不一定适合实际场景。基于社会网络的移动模型比较符合实际场景和车辆行为习惯，参照点组移动模型采用一般的处理方法来决定群组的移动，在该模型中选择特殊的参数值可以实现队列移动模型、游牧团体移动模型和追逐团体移动模型的功能，具有普适性，符合网络特性。在个体移动模型中，高斯-马尔可夫模型提供了比较真实移动节点的移动模型，较好地表达了移动节点移动到仿真边界的处理方法；曼哈顿移动模型是针对城区环境的移动模型，较好地说明了移动节点在城区的移动情况，车辆绝大部分情况下是在城区行驶的，因此该模型可以在车载Ad Hoc网络得到较好的使用。其它的一些个体移动模型中，无边界仿真区域移动模型也提供了比较真实的移动节点的移动模型，但是移动节点不加限制地进行移动。随机走动概率矩阵移动