若針對行動節點群體一起移動時的行為進行模擬，並比較不同方法帶來 的影響，則可以發現，若群體大小不同時，對於交遞延遲、控制訊息量等，
都會有顯著的影響。
re 4-2中，橫坐標代表MN周圍k個行動節點一起移動，縱座標是控制 訊息數量。不難發現本篇論文所提出之方法（ARMs）其控制訊息量會比 AODV 少許多。推測是由於AODV在MN移動時會利用廣播訊息修復繞送路 徑；然而ARMs由於只需要由子樹的根節點發一單點傳播的控制訊息到管理 單元即可，因此所需的控制訊息較少。但由於模擬實驗時較難控制一起移動 的點要剛好形成一個子樹，因此移動群體較大時，仍然需要較多控制訊息, 但ARMs所使用的控制訊息量仍遠低於AODV。
Figure 4-2 同時移動節點數與控制訊息量的關係
- 29 -
Figure 4-3、Figure 4-4、Figure 4-5是交遞時間分佈，橫坐標是移動群體 的大小，縱座標是交遞成功佔總實驗次數的百分比。由圖中可以看到，ARMs 在 3 秒內換手成功的比率高達 90%，其中失敗的原因可能是MN 移動過 後，型成孤島，無法進行封包繞送，或是由於訊標訊框之間的碰撞，而無法 發現新的父節點可加入網路等；Zigbee則因為ID無法重新分配，而使得換 手成功機率降低許多；AODV當MN單獨移動時，交遞成功機率並不高，推 測是由於要由CN利用廣播訊息尋找MN，而廣播訊息有TTL的限制，因此要 找到MN有一定的難度，然而若多點一起移動，則只要找到其中一個點便可 修復繞送路徑，因此成功率會大幅提高。
Figure 4-3 同時移動節點數與換手時間分佈 (AODV)
- 30 -
Figure 4-4 同時移動節點數與換手時間分佈 (Zigbee)
Figure 4-5 同時移動節點數與換手時間分佈 (ARMs)
然而參考Figure 4-6，當同時移動的節點變多時交遞所需的時間變化，
由圖中可以看出AODV所需的交遞時間差異相當大，且由於只從 80 次實驗 做平均，因此平均後的數據仍然不是很具有代表性。但從圖中略為可以看 出，AODV在移動群體較大時，所需的時間較少，可能是由於只要找到群體 中的其中一個行動節點，即可修復讓送路徑；然而ARMs在移動群體較大
- 31 -
時，所需的時間則略為增加，推測是由於短時間內控制訊息較多，因此會造 成一些congestion delay。
Figure 4-6 同時移動節點數與交遞延遲時間的關係
由Figure 4-2、Figure 4-5、Figure 4-6可知，ARMs是一個需要控制 訊息數少、可靠性高且修復繞送路徑快的演算法，因此對於感測網路提供良 好的行動性支援。
而前述模擬實驗時的封包流，其方向是從管理單元流向MN，若改變 CBR Traffic的封包流向，換成由MN流向管理單元，重複前述的實驗，則結 果如Figure 4-7、Figure 4-8、Figure 4-9、Figure 4-10所示，ARMs的控 制訊息量及交遞時間相較於AODV、Zigbee相比幾乎是不相上下。這是由 於CBR Traffic流向管理單元，然而管理單元並沒有移動，路由表也只有少數 的行動節點需要更新，不需要廣播去找行動節點，因此控制訊息量不需要很 多，同時交遞成功率也相當高。
- 32 -
Figure 4-7 同時移動節點數與控制訊息量的關係
Figure 4-8 同時移動節點數與換手時間分佈 (AODV)
- 33 -
Figure 4-9 同時移動節點數與換手時間分佈 (Zigbee)
Figure 4-10 同時移動節點數與換手時間分佈 (ARMs) 而交遞延遲的情形則可由Figure 4-11看出，AODV的交遞延遲
與Figure 4-6相差不多，約在 1.5~2.0 秒之內，而ARMs則縮減至 1.5 秒，
這是因為在上個實驗中ARMs藉由父節點的訊標訊框（Beacon）來判斷是 否中斷連線；然而，在本次實驗中，可以藉由封包遺失的情形，較快速得來 判斷連線是否中斷，因此可以較快速的進行交遞。
- 34 -
Figure 4-11 同時移動節點數與交遞延遲時間的關係
4.4. 單元總結
由模擬結果可以看出，ARMs 是一個需要控制訊息數少、可靠性高且修 復繞送路徑快的演算法，因此對於感測網路提供良好的行動性支援。但比較 的參數及比較對象仍然有待補強，例如 ARMs 與重新取得識別碼的演算法 比較、ARMs 適合多大規模的網路環境或是封包流向不同的比例對於 ARMs 有什麼樣的影響等。
- 35 - 有負載平衡（Load Balance）及容錯（Fault Tolerance）等特性。然而在 此機制中，會對下行繞送封包產生較長的標頭（Header），造成較多額外負