使用者移動模型

，針對不同的網路環境，在設計擇路演算法時，

二種，一種是藉由長期的觀察，記錄使用者在實際生活上

型[40]可以分成個體隨機移動模型跟群組移動 為了更貼切真實環境的情況

會有不同的考量因素。這種依據特殊的考量因素而設計的擇路演算法，在模擬 時，需要不同的移動模型來配合。針對擇路演算法的特性設計特殊的移動模型來 配合模擬與分析，將會讓擇路演算法的特性更加的突顯出來，更能讓觀察者瞭解 這個擇路演算法是否真的有解決當初設計時想解決的問題。所以徹底的了解擇路 演算法的特性並設計適合的移動模型是很重要的。有些研究就是專門研究移動模 型對模擬的重要性。

移動模型可以分成

的移動方式，並進行統計與分析，找出適當的移動模型。但這種方式相當耗時，

並且需要不同領域的分析方法，所以暫時先不考慮利用這種方式產生移動模型。

另一種是利用數學上的理論來決定移動的方式，再利用程式實現這個數學理論，

進而實現設計的移動模型。當然利用這種方式產生的移動模型可能跟實際上的情 況有所誤差，但已經足以突顯或分析出擇路演算法之間的差異，所以採用這種方 式產生模擬需要的移動模型。

經由數學理論產生的移動模

模型。個體移動模型是比較基本的移動模型，而群組移動模型則是把個體移動模 型再加上群組移動的觀念。

個 體 移 動 模 型 最 常 使 用 的 模 型 便 是 隨 機 移 動 模 型 (Random Walk

生活上，常會發生個體之間不是隨機移動的情況，而是有組織性的移 Model)[40]。當模擬其中一個行動運算節點時，一開始在整個模擬範圍之內，隨 機的決定一個初位置。接著隨機決定一個方向跟速度，在一個隨機決定的結束時 間內移動。當隨機決定的時間結束時，行動運算節點就會再決定下一個方向跟速 度，接著再隨機決定下一個結束的時間，重複步驟直到模擬時間結束。決定方向 的方式有二種，一種是在模擬範圍之內決定一個目標位置，依照隨機決定的速 度，往目標位置的方向移動一段時間。另一種是決定一個移動的角度，依照隨機 決定的速度，沿著該角度的方向移動一段時間。另外，為了使移動模型更加的貼 近實際情況，有幾種方式可以運用。一、加上停頓時間(Pause Time)：在節點到 達定點時，不會馬上決定一個方向跟角度，而是先停頓一段隨機決定的時間。二、

控制角度的大小：在決定移動方向時，讓比較大的角度出現的機會比較小，可以 模擬實際上移動時，較少有突然折回的現象。三、移動到模擬範圍邊緣的處理方 式：因為模擬的範圍有限，所以當行動運算節點跑到模擬環境的邊緣時，要特別 的處理。

在實際

動，例如學生排隊與參加升旗，或是軍隊整體移動。所以在個體移動模型的基礎 之下，可以發展出群組移動模型，配合實際生活上會遇到的情況。群組移動模型

最 常 看 到 的 就 是 參 考 點 群 組 移 動 模 型 (Reference Point Group Mobility

Model)[40]。每一個小群組都設定一個群組參考點，可以決定整個群組移動的方 向。群組內的行動運算節點會以群組參考點為中心，用個體移動模型的方式移 動。利用這樣的方式就可以表現出比較接近實際的群組移動模型(見圖 5-1)。

圖 5-1 群組移動模型示意圖

由於 PCHMR 演算法是針對群組移動模型而設計的，因此在之後的模擬將採 用參考點群組移動模型，讓 PCHMR 演算法在群組移動的環境下，凸顯出 PCHMR 演算法的設計特性。