使用跟踪数据集和综合运动模型进行仿真是在机会网络中测量路由协议和QoS方案的两种主要方法。 但是,跟踪数据集无法满足所有情况的需求,并且很难收集。 传统的合成运动模型易于使用,但不能捕获人类详细的运动特征。 我们为机会网络仿真提出了一种基于社会聚合的组合运动模型。 在我们的模型中,我们使用几个可调的随机分布生成器来生成时变的移动性参数,并建立多个子模型来描述更详细的人类行为。 通过组合那些基于合理组合机制的子模型,可以重现复杂的人类活动。 因此,可以在我们的模型上测试路由协议和应用程序。 我们在机会网络环境(ONE)模拟器中将模型与不同的跟踪数据集和传统运动模型进行了比较。 仿真结果表明,该模型比传统的运动模型具有更高的准确性,其移动性模式近似于真实的轨迹数据集。
1