無線移動Ａｄ ｈｏｃ網絡移動模型研究
2009-01-01 00:00:00徐鑫鑫王玲張衡陽
計算機應用研究 2009年3期
(國防科學技術大學 電子科學與工程學院， 長沙 410073)
摘 要：介紹了現有移動模型的分類，重點分析了實體移動模型的性能，對它們的移動方式、算法、優缺點和應用范圍進行了詳細的論述和比較，為今后移動模型的使用和新的移動模型的設計打好了基礎。
關鍵詞：移動自組網絡； 移動模型； 實體移動模型； 群組移動模型
中圖分類號：TP393 文獻標志碼：A
文章編號：10013695(2009)03080405
Research of mobility model in Ad hoc network
XU Xinxin， WANG Ling， ZHANG Hengyang
(College of Electronic Science Engineering， National University of Defense Technology， Changsha 410073， China)
Abstract:The mobility model has important effect on simulation performance for mobile Ad hoc networks. The paper introduced the classification of existing mobility models， focused on analyzing the performance of entity mobility models， and then had a detailed discussion and comparison of their mobile mode， algorithm， characteristic and the scope of their applications. That is the guidance and reference for simulation research and practical application in mobile Ad hoc networks.
Key words：MANET; mobility model; entity mobility model; group mobility model
移動Ad hoc網絡(mobile Ad hoc network，MANET)是指一組移動節點組成的多跳的臨時性的無固定基礎設施支持的無線移動通信網絡。Ad hoc網絡的節點通過分層的網絡協議和分布式算法相互協調，實現網絡的自動組織和運行。網絡中所有節點的地位平等，每一個節點都可以作為數據通信的源節點、目的節點或中間轉發節點。當通信的節點不在直接通信范圍內時，報文要經過多跳(hop)才能到達目的地，這是Ad hoc網絡與其他移動通信網絡的最根本區別。
移動模型是網絡仿真中的重要參數，用來描述網絡中移動節點的運動方式，包括它們的位置、速度和加速度的變化。對移動模型的設計和研究是Ad hoc網絡中各類協議和技術開發應用的基礎，它將有利于人們對網絡性能以及可能出現的問題有更好的認識，從而為網絡的具體實現和性能改善起到推動作用。
1 移動Ad hoc網絡中移動模型的重要性
Ad hoc網絡的許多優良特性使它具有多種潛在的應用。網絡的自組織特性、多跳和中間節點的轉發特性、健壯性和抗毀性等特點，使其可以廣泛地應用于軍事領域、自然災害應急處理、臨時與緊急通信、個人局域網和商用網絡系統等領域。由于這些應用是多種多樣的，將來Ad hoc網絡會應用于更復雜的移動環境中。
目前，對Ad hoc網絡的研究仍處于發展階段，已經應用的Ad hoc網絡不是很多，因此，該領域的大部分研究都是基于仿真的方法來實現的。對于有特定應用的Ad hoc網絡，仿真是非常重要的，仿真中有一些參數，如移動模型、通信類型和傳播模型等，這些參數都會對網絡的性能產生影響。其中，移動模型以及對其參數的選擇對所獲得的仿真結果有重要影響。因為與Internet不同的是，Ad hoc網絡中移動節點的帶寬和能量是有限的，而且網絡拓撲是高度動態的，節點移動引起的頻繁的拓撲變化會導致現存路由的錯亂、分組的丟失和服務質量的顯著下降。只有通過移動模型正確地模仿真實節點的移動，才能得到正確的仿真結果。
移動模型模仿真實節點的移動， 節點的速度和方向都盡可能真實地反映節點的移動情況。仿真對移動模型的要求是：點空間分布均勻性、平均速度時間平穩性、貼近現實場景中節點的運動規律、模型參數可控并適合多種情況的仿真。
2 現有移動模型的分類
在各種基于不同模擬環境的應用中，存在著很多不同的移動模型。根據建立移動模型所采用的方法不同，移動模型可以分為兩類：a)軌跡移動模型[1]，它通過對移動節點的多條實際運動軌跡進行跟蹤測量并將數據保存成軌跡文件，然后在仿真過程中讓節點按軌跡移動；b)合成移動模型[1]，它是指在仿真過程中，根據節點以前的位置等參數，按照某種特定規則或公式，實時計算確定節點在當前時刻位置的辦法。目前的研究中通常都采用合成移動模型。
根據節點在移動中的狀態是否與其他節點相獨立，合成移動模型分為實體移動模型和群組移動模型。在實體移動模型中，各節點之間的運動是相互獨立的，模型的算法相對較為簡單；在群組移動模型中，移動節點是以群組的形式出現的，根據應用環境的不同，每個群組的移動方式都符合一定的規則，每個群組內的移動節點之間并不是相互獨立的，它們通常都是以特定坐標作為參考點，采用某種實體移動模型進行移動。群組移動模型的研究起步較晚，但由于它具有較強的實際意義，最近的研究發展較快。Ad hoc網絡合成移動模型的分類如圖1所示。
合成移動模型實體移動模型隨機步行移動模型隨機路點移動模型隨機方向移動模型高斯—馬爾可夫移動模型平滑隨機移動模型半馬爾可夫平滑移動模型群組移動模型
隊列移動模型參考點組移動模型追逐團體移動模型游牧團體移動模型指數相關隨機移動模型
圖1 Ad hoc網絡合成移動模型分類
3 實體移動模型的性能分析和比較
3.1 隨機步行移動模型(RW模型)
隨機步行移動模型(random walk mobility model)的原型是物理學中著名的布朗運動模型，最早由愛因斯坦在1926年用數學方法進行了描述[1]。由于許多實體實際上是以一種極端不規則的方式移動，RW模型被用來模擬這種運動。在這種模型中，一個移動節點從它當前的位置隨機選擇一個速度和方向運動到一個新的位置，新的速度和方向從一個預先定義的范圍內選擇，分別為[Vmin，Vmax]和[0，2π]，通常都服從均勻分布。節點運動一個固定時間段t或固定距離d后，重新選擇新的運動速度和方向。特殊的是，如果移動節點到達了仿真區域的邊界， 它就以一個來時的方向所確定的角度從邊界反彈回去， 然后繼續以這個新路徑運動下去。
RW模型是一種基于隨機速度和方向的簡單移動模型， 仿真時模型中輸入的參數值較小(距離或時間)。在實際中經常被簡化使用，它在模型的初始化和特殊環境的測試中是值得借鑒的。Polya曾證明了RW模型在一維或二維的情況下，節點返回初始位置的概率是確定的，該特性確保了節點都在初始位置的周圍運動，不用擔心節點超出仿真區域而回不到初始位置， 這樣也更符合實際中的情況。
RW模型是一種無記憶的運動方式，因為它不考慮以往的運動位置和速度， 節點當前的移動速度和方向完全獨立于先前的移動速度和方向，這個特性會產生一些不切實際的運動方式， 如突然停止或急轉。當仿真選擇的固定時間段t或距離d過小時，節點基本會在一個很小的區域中游走，無法遍歷整個網絡。因此在Ad hoc網絡仿真中，要選擇相對大的t或d以保證節點在全網的移動性。
3.2 隨機路點移動模型(RWP模型)
隨機路點移動模型(random waypoint mobility model)由Johnson等人[2]首次提出。在這種模型中，移動節點先暫停一段時間，然后節點在仿真區域中隨機選擇一個目的位置和一個運動速度v。其中v服從[Vmin，Vmax]的均勻分布，而后節點以速度v向所選的目的位置勻速移動。節點到達目的位置后，改變運動速度之前會暫停一段時間Tpause，然后重復上述過程。
最大速度Vmax和暫停時間Tpause是這種模型的兩個關鍵參數。Tpause表示移動的強度，Tpause=0表示連續移動。如果Vmax小而Tpause長，則網絡的拓撲相對穩定；如果Vmax大而Tpause短，則網絡的拓撲有較高的動態性。
RWP模型可以看做是隨機步行模型的改進，與RW模型相比，主要是在每次改變速度時加進了暫停時間。RWP模型比較真實地反映了實體的一種基本的運動規律，具有很好的現實性，且簡單易于實現，因此被用在很多典型的Ad hoc網絡協議的仿真研究中，已經成為事實上的基準移動模型。
RWP模型的優點在于它的簡單和直觀，然而在它的靜態行為中存在著兩大缺點：a)Yoon等人[3]指出隨著時間的推移，RWP模型中節點的平均速度減小，由于移動系統性能對節點的速度高度依賴，致使系統達到穩態前得到的仿真結果缺乏可靠性，而采取的節點Vmin＞0及舍棄仿真的初始數據等措施僅能降低卻不能消除速度衰減帶來的副作用；b)Bettstetter等人[4]和Blough等人[5]分別觀察到，假設初始狀態是均勻分布，仿真開始后，RWP模型的空間分布由均勻分布逐漸變為非均勻分布，在穩定狀態時空間節點分布不均勻，仿真區域的中間節點密度最大，而在仿真區域的邊沿接近零。這意味著基于RWP模型的分析和仿真可能產生錯誤的結果。在空間特性上，節點會產生邊界效應(border effect)[4]，暫停時間越大，邊界效應越小。
3.3 隨機方向移動模型(RD模型)
隨機方向移動模型(random direction mobility model)是Royer等人[6]提出的更穩定的隨機模型。在這種模型中，移動節點會選擇一個隨機的運動方向，而不是選擇一個隨機的目標位置，這有點類似于RW模型。在選擇了運動方向之后，移動節點會沿著這個方向到達仿真區域的邊界；當節點到達邊界后，暫停一個隨機的時間段，然后在0~180°中再選擇一個方向，重復以上的過程。
RD模型是更穩定的隨機移動模型，但是在RD模型中仍然存在空間節點分布不均勻的問題。在二維運動空間，按照RD模型運動的節點在空間的分布呈現出中心概率密度小、邊緣概率密度大，且具有圓對稱的非均勻分布的特點。
在RD模型的仿真中，節點允許離開仿真區域。當一個節點要離開仿真區域的時候，需要一個邊界原則來定義如何處理這種節點的行為，這樣一個原則對RD模型是必需的。下面是三種處理邊界問題的基本原則：a)根據特定的規則把要離開的節點反彈回仿真區域；b)刪除要離開的節點，根據節點的初始分布初始化一個新的節點；c)環繞到仿真區域的另一邊，節點的速度和方向不變。為了克服空間節點分布不均勻的問題，Nain等人[7]指出，在邊界問題上根據原則a)建立的反射RD模型和根據原則c)建立的環繞RD模型中節點位置和方向為均勻分布。
RD模型和RW模型比較相似，但更側重方向的影響，該模型不能較好地反映移動節點的移動，還有待進一步完善。
3.4 高斯—馬爾可夫移動模型(GM模型)
高斯—馬爾可夫移動模型(GaussMarkov mobility model)最早用于移動網絡中移動終端的快速定位[8， 9]，Tolety將此移動模型用于Ad hoc網絡協議的仿真研究[10]。在該模型中， 移動節點的運動速率被看做時間上相關的高斯—馬爾可夫過程。開始時， 每個移動節點設計一個當前的速度和方向， 在一個固定的時間間隔t后， 每個移動節點更新當前的速度和方向。采用離散時間間隔劃分移動，速度矢量在每次間隔之初更新，其高斯—馬爾可夫過程描述如下：其中：Vt=[vxt，vyt]T和Vt-l=[vxt-l，vyt-l]T分別是時間t和t-l的速度矢量；Wt-l=[wxt-l，wyt-l]T是均值為0、方差為σ2的不相關高斯隨機過程；α=[αx，αy]T、v=[vx，vy]T、σ=[σx，σy]T分別代表記憶級別、漸近均值和漸近標準方差。
二維情況下，式(1)可寫成
vxt=αvxt-l+(1-α)vx+σx1-α2wxt-l
vyt=αvyt-l+(1-α)vy+σy1-α2wyt-l
(2)
當節點移動到區域邊界，會翻轉180°，然后向遠離邊界方向移動。
α是影響高斯—馬爾可夫過程隨機性的記憶級別參數，其中：
a)如果是無記憶性，α=0，該模型描述了RW模型。
b)如果是強記憶性，α=1，
vxt=vxt-lvyt=vyt-l(3)
該模型在t時間速率與前一時刻相同，稱為流體流動模型。
c)如果有一些記憶性，0＜α＜1，節點的速度受以前的速度和新的高斯隨機變量的影響。如果α增加，速度受以前速度的影響要多一些；反之，則主要受新的高斯隨機變量的影響。
GM模型提供了比較真實的節點的移動模型， 該移動模型較好地表達了移動節點移動到仿真區域邊界的處理方法。在GM模型中，節點任意一個時刻的速度都與它先前的速度相關，因此節點的運動是平滑的，沒有速度衰減問題，避免了速度或方向的突變行為，而且空間節點的分布是均勻的；但是，節點在任一時間段的速度是它以前的速度和一個高斯隨機變量的函數，只要記憶級別參數α≠1，節點就不能沿直線運動，而且在整個仿真過程中都不會停止。
3.5 平滑隨機移動模型(SR模型)
平滑隨機移動模型(smooth random mobility model)是Bettstetter[11]提出的更加符合節點實際運動軌跡的模型。在這種模型中，節點當前的速度和方向依賴于以前的速度和方向，也就是說，節點不同時刻的速度和方向是相關的，因此，速度和方向的轉變是平滑的。
速度控制的思想是基于目標速度和線性加速的使用。一個節點以速度v勻速運動，由隨機過程決定節點速度改變的時間，這個隨機過程一般是泊松過程。當目標速度確定以后，節點加速(或減速)直到達到目標速度。因此，節點在t時刻的速度可以由以下三個參數來描述：當前速度v(t)，單位是m/s；當前加速度a(t)，單位是m/s2；當前目標速度v*(t)。
方向控制的原則與速度控制相似，每個節點有一個初始方向φ(t=0)，服從[0，2π]的均勻分布：
p(φ)=1/2π;0≤φ＜2π(4)
隨機過程決定節點方向改變的時間。一個節點沿直線運動，當它將要改變方向時，節點從式(4)中選擇一個新的目標方向φ*。當節點勻速通過方向改變時的曲線時，節點速度越小，曲線半徑越小；節點速度越大，曲線半徑越大。節點在t時刻的方向可由以下三個參數來描述：當前方向φ（t)；當前方向改變Δφ(t)/Δt；當前目標方向φ*(t)。
分別對節點的速度和方向的軌跡仿真[11]可以看到，SR模型中節點速度和方向的轉變都是平滑的。
SR模型是一種增強的隨機移動模型，模型中使用兩個隨機過程來分別控制速度和方向，新的速度和方向與先前的速度和方向相關，這個特征使得節點的運動更加平滑，這也是將此模型命名為平滑隨機移動模型的原因。SR模型的不足是，節點沿著一個特定的方向運動，根據獨立的泊松隨機過程來轉變速度或方向。由于假定是泊松隨機過程，每個運動中速度和方向轉變的不確定性，使得網絡性能的評價非常困難。平滑隨機運動在速度轉變的過程中還可能會產生新的速度改變要求，而且如果目標速度不設定為零，運動就不會停止，使得速度的控制不靈活。另外，還存在邊界問題導致的節點分布不均，仿真區域中間概率密度大、邊緣概率密度小，這個問題可以通過使用環面的仿真區域來克服。
3.6 半馬爾可夫平滑移動模型(SMS模型)
半馬爾可夫平滑移動模型(semiMarkov smooth mobility model)是Zhao Ming等人[12]基于平滑運動的基本物理定律提出的一種新的移動模型。
根據平滑運動的基本物理定律，在一次運動過程中，物體應當經歷加速、勻速和減速三個階段，這意味著平滑運動應當包含多個運動階段，不同的階段在速度發生轉變時存在暫時相關性。因此，SMS模型由四個連續的階段組成，即加速階段、中間平滑階段、減速階段和暫停階段。定義一次SMS運動的持續時間為節點從出發點到下一個停止運動的位置所用的時間，每一次運動時間被分為k(k∈Z)個相同的時間段。SMS模型服從以下假設：
a)所有的移動節點是相互獨立的，且具有相同的隨機性質。
b)對于任意一個節點，它的每一次SMS運動具有相同的隨機性質。
c)在一次SMS運動中，節點的當前速度依賴于它的運動歷史。
1)加速階段(α階段)
對于每一次運動，節點在達到穩定速度之前會先加速，因此，運動的第一階段稱為加速α階段，時間為[t0，tα]=[t0，t0+αΔt]。在運動的初始時刻t0，節點隨機選擇一個目標速度vα∈[vmin，vmax]、一個目標方向α∈[0，2π]和加速階段時間段的總數目α∈Z且α∈[αmin，αmax]，這三個隨機變量是獨立同分布的。實際上，物體通常是沿直線加速，在α階段中方向α不變。為避免速度突變，節點從初始速度v(t0)=0平滑地加速到目標速度vα，也就是α階段的末速度v(tα)=vα。因此，加速α階段可以由三個參數(α，vα，α)來表示，α階段的加速度可以由式(5)得到：
aα=[vα-v(t0)]/(tα-t0)=vα/αΔt(5)
2)中間平滑階段(β階段)
加速完成之后，節點在時刻tα隨機選擇β個時間段進入中間平滑β階段，時間為(tα，tβ]=(tα，tα+βΔt]。其中β∈Z，且β服從[βmin，βmax]的均勻分布。作為α階段的后續階段，β階段的初始速度v0和初始方向0分別為vα和α，然后，β階段的速度和方向根據記憶水平參數 ζ在vα和α的基礎上進行改變，ζ∈[0，1]且在每一個時間段都是常數。通過調整參數ζ可以很容易地控制兩個連續時間段速度相關的程度。因此，中間平滑β階段可以由四個參數(β，vα，α，ζ)來表示，β階段的末速度vβ和末方向β可以由下式得到：
vβ=vα+1-ζ2 ∑β-1m=0 ζβ-m-1Vm(6)
β=α+1-ζ2 ∑β-1m=0 ζβ-m-1 m(7)
3)減速階段(γ階段)
根據運動定律，節點在完全停止之前會減速到零。為了避免突然停止事件的發生，SMS模型中節點會經歷減速階段來結束一次運動。節點在時刻tβ隨機選擇γ個時間段進入減速γ階段，時間為(tβ，tγ]=(tβ，tβ+γΔt]。其中γ∈Z，且γ服從[γmin，γmax]的均勻分布。實際上，物體在停止運動前通常是沿直線減速，在γ階段中方向γ不變。為避免急轉事件的發生，γ和β是相關的。在γ階段的最后，節點停止在當前運動的目標位置。因此，減速γ階段可以由三個參數(γ，vβ，γ)來表示，γ階段的減速度可以由式（8）得到：
aγ=(vγ-vβ)/(tγ-tβ)=-vβ/γΔt(8)
在一次運動之后，節點會暫停隨機時間Tp。通過仿真可以看到SMS模型中節點的速度和方向變化的全過程。由于SMS模型能夠更好地模仿實際中物體的運動行為，用SMS模型評價網絡性能更加合理。
SMS模型是一種新穎的移動模型，之所以用半馬爾可夫過程來分析SMS模型的穩態性質，是因為相鄰階段的轉換時間是離散地均勻分布，而不是指數分布。通過隨機分析[8]可以得到該模型避免了一些模型的缺點，綜合了現有模型的一些好的性質。首先，SMS模型是平滑和穩定的，因為對于任意的初始速度沒有速度衰減問題，并且不論節點如何放置都能保持均勻的空間節點分布；其次，它能夠簡單靈活地應用于無線Ad hoc網絡的仿真中，可以適應不同的網絡環境，模仿更多的現實場景。但是在SMS模型的分析中，假設節點沿直線運動，然而在實際中節點可能沿曲線運動，出現拐彎，SMS模型無法分析這種情況下的運動。因此，還有待提出更好、更符合實際的移動模型。
3.7 實體移動模型的性能比較
實體移動模型中，各個節點之間的運動是相互獨立的，模型的算法相對較為簡單，但也存在著一定的缺點。前面介紹的六種實體移動模型的性能比較如表1所示。其中：V為速度；T為運動持續時間；D為目標位置；θ為方向。
表1 不同移動模型的性質
模型RWRWPRDSRGMSMS
參數V，θV，DV，θ，TV，θV，θV，θ，T
運動階段{移動，暫停}{移動，暫停}{移動，暫停}{移動，暫停}{移動}{加速，中間平滑，減速，暫停}
平滑性否否否是是是
速度衰減可能是否否否否
均勻節點分布接近否是接近是是
描述模型角度宏觀宏觀宏觀微觀微觀微觀
均勻模型否否否否否是
可控制性低低低中中高
4 群組移動模型
4.1 隊列移動模型
隊列移動模型為追蹤和搜索提供了一種合理的模型描述。它表示一個移動節點的集合被組織成一列縱隊統一地向一個方向往前推進，每個節點可以在它的初始參考位置附近徘徊。但是隊列移動模型并不僅限于通常的以行為軸的運行，而是可以以任意的角度移動。通過很少的修改，隊列移動模型還可以表示成移動節點的尾隨方式，如可以模擬一隊學生沿著一條線走到教室。
隊列移動模型在運行時，首先會定義初始化參考網格(用以形成移動節點的隊列)，而后節點被初始化在參考網格中與自身的參考點相關的區域，并且允許在參考點周圍以實體模型的方式隨機移動。用數學公式描述移動模型中每個實體的運動規律如下：
new_ref_position=old_ref_position+advance_vector
new_position=new_ref_position+random_vector
其中：old_ref_position表示移動節點的初始參考位置；advance_vector表示移動參考網格的預定義偏移量，其值通過一個隨機距離和隨機角度來確定，所有的節點都使用同一個預定義偏移量；random_vector是節點相對于參考點的隨機偏移量，表示移動節點在參考點附近隨機地移動。
移動節點的新參考位置是初始參考位置和偏移量的和；節點的新位置是隨機偏移量和當前參考點位置的總和。
4.2 追逐團體移動模型
追逐團體移動模型表示一組移動節點追逐一個特定的目標。移動節點隨機的程度是受限制的， 以此來保持被追逐移動節點的有效路徑。一個移動節點當前的位置、隨機偏移量、加速函數結合起來才能計算出移動節點的下一個位置。追逐模型可用于軍事領域， 如一隊戰士追逐敵軍。追逐團體移動模型使用一個單一的等式更新移動節點的移動，等式如下：
new_position=old_position+acceleration(targetold_position)+random_vector
其中：acceleration(targetold_position)是移動節點開始追逐時的運動信息；random_vector是移動節點的隨機偏移量。
4.3 游牧團體移動模型
游牧團體移動模型描述了一組移動節點共同從一個區域移動到另一個區域。在一個團體或者一組移動節點中，每個獨立的實體以隨機的方式在它們自己的空間內運動，它們在給定的參考點附近使用一種隨機實體模型徘徊。這種場景出現在很多應用中，例如有一個班的同學一起參觀博物館，他們共同從一個位置移動到另一個位置，然而在班內的同學又可以各自在位置的周圍徘徊。
在游牧團體移動模型中，每個移動節點在給定的參考點周圍使用一種實體移動模型徘徊。當參考點改變時，組內的所有節點向新參考點定義的區域移動，然后繼續在新參考點周圍徘徊。實體移動模型的參數定義了移動節點能夠離開參考點的距離。與隊列移動模型相比，游牧團體模型中的移動節點共用一個參考點，而不是有各自的參考點。
4.4 參考點組移動模型
參考點組移動模型表示一組移動節點的隨機運動， 如同一個組內單個節點的隨機運動一樣。組的移動軌跡是基于一個所謂的邏輯中心， 移動節點可以在指定的邏輯中心區域內隨機移動。組邏輯中心的運動完全刻畫了它對應的組中移動節點的運動， 包括它們的方向和速度。移動節點在它們自身預先定義的參考點附近移動， 而總體來講它的移動依賴于組的移動。
參考點組移動模型采用一般的處理方法來決定群組的移動， 在該模型中選擇特殊的參數值可以實現隊列、追逐團體和游牧團體移動模型的功能。
4.5 指數相關隨機移動模型
在指數相關隨機移動模型中， 需要創建移動節點的移動函數來決定群組的移動。給定時間t的位置向量b(t)，則時間t+1的位置向量b(t+1)為
b(t+1)=b(t)e-1/τ+(σ+1-(e1/τ)2 r(9)
其中：τ是節點從一個位置移動到另一個位置的調整率； r和σ是高斯變量。對于選定的參數對(τ，σ)，難以創建一個運動模式，所以在仿真實驗中存在許多缺點。
5 結束語
移動模型是仿真中的重要參數，用來描述移動節點的運動模式；通過對移動模型參數的配置，可以得到不同場景的仿真模型。本文重點介紹了六種常見的實體移動模型，簡單介紹了五種群組移動模型， 并且對實體移動模型的性能進行了詳細的分析和比較，指出了這幾種移動模型的優缺點。
目前，移動模型的研究大體可分為兩個方面：設計新的模型以更好地模擬現實世界中的移動場景；對現有的模型進行改進以克服其固有的缺陷。現有的模型都在不同程度上存在著如下缺陷：a)節點在仿真區域非均勻分布；b)選取不同的模型參數會使仿真結果產生較大的差異[13]；c)基于統計的模型完全依賴于特定的現實狀況[14]，即使同類節點的活動也會因不同時間、不同地點而產生不同的統計結果；d)模型建立在簡單的直線運動上，難以模擬現實中復雜的運動模式，尚未提出一種曲線移動的模型；e)模型對網絡動態特性僅限于直觀的節點上，而未體現鏈路的動態特性及其分布[15]。
總之，移動模型的研究對移動Ad hoc網絡的研究具有重大的實踐意義。最近幾年，移動模型的研究更多地傾向于對基于現實的環境進行設計和建模，已經陸續開發和實驗仿真了一些模型，這對推動Ad hoc網絡的實際應用具有重要的意義。在今后的研究中，在選擇模型時應該根據實際情況正確選擇已有的模型或者設計新的、更符合現實環境的移動模型，這樣有利于Ad hoc網絡協議的研究和評價。
參考文獻：
［1］CAMP T， BOLENG J， DAVIES V. A survey of mobility models for Ad hoc network research[J]. Wireless Communications and Mobile Computing， 2002，2(5):483502.
[2]JOHNSON D B， MALTZ D A. Dynamic source routing in Ad hoc wireless networks[C]//Proc of the International Series in Engineering and Computer Science. New York: Kluwer Academic Publishers， 1996:153181.
[3]YOON J， LIU M， NOBLE B. Random waypoint considered harmful[C]//Proc of the 22nd Annual Joint Conference on IEEE Computer Communications Societies. 2003:13121321.
[4]BETTSTETTER C， RESTA G， SANTI P. The node distribution of the random waypoint mobility model for wireless Ad hoc networks[J]. IEEE Trans on Mobile Computing， 2003，2(3):257269.
[5]BLOUGH D M， RESTA G， SANTI P. A statistical analysis of the longrun node spatial distribution in mobile Ad hoc networks[J]. Wireless Networks， 2004，10(5):543554.
[6]ROYER E M， MELLIARSMITH P M， MOSER L E. An analysis of the optimum node density for Ad hoc mobile networks[C]//Proc ofIEEE International Conference on Communications. Helsinki， Finland:[s.n.]， 2001:857861.
[7]NAIN P， TOWSLEY D， LIU Benyuan， et al. Properties of random direction models[C]//Proc of the 24th Annual Joint Conference on IEEE Computer and Communications Societies. 2005:18971907.
[8]BAI Fan， SADAGOPAN N， HELMY A. The important framework for analyzing the impact of mobility on performance of routing protocols for Ad hoc networks[C]//Proc of the 22nd Annual Joint Conference on IEEE Computer Communications Societies. 2003: 825835.
[9]LIANG Ben， HAAS Z J. Predictive distancebased mobility management for PCS networks[C]//Proc of IEEE Information Communications Conference. 1999:13771384.
[10]TOLETY V. Load reduction in Ad hoc networks using mobile servers[D]. Golden， Colorado:Colorado School of Mines， 1999.
[11]BETTSTETTER C. Smooth is better than sharp: a random mobility model for simulation of wireless networks[C]//Proc of the 4th ACM International Symposium on Modeling， Analysis and Simulation of Wireless and Mobile Systems. New York: ACM Press， 2001:1927.
[12]ZHAO Ming， WANG Wenye. A novel semiMarkov smooth mobility model for mobile Ad hoc networks[C]//Proc of IEEE Telecommunications Conference. 2006:15.
[13]YOON J， LIU M， NOBLE B. Sound mobility models[C]//Proc of the 9th Annual International Conference on Mobile Computing and Networking. New York: ACM Press， 2003:205216.
[14]JARDOSH A， BELDINGROYER E M， ALMEROTH K C， et al. Towards realistic mobility models for mobile Ad hoc networks[C]//Proc of the 9th Annual International Conference on Mobile Computing and Networking. New York: ACM Press， 2003:217229.
[15]LIN T， MIDKIFF S F. Mobility versus link stability in simulation of mobile Ad hoc networks[C]//Proc of Communication Networks and Distributed Systems Modeling and Simulation Conference. 2003:38.
