28、基于历史方法预测拓扑控制信息的研究

基于历史方法预测拓扑控制信息的研究

1. 引言

在移动自组织和机会网络中，预测拓扑控制信息对于减少网络流量和节省移动设备能量至关重要。本文将探讨不同的移动模型、预测方法以及相关机制对拓扑控制信息预测性能的影响。

2. 移动模型

2.1 移动模型介绍

• Random Waypoint 模型 ：节点在特定区域内随机改变方向和速度移动，例如公园中的人可以步行、跑步或骑自行车，无需遵循正式路径。
• Nomadic 模型 ：人们以群体形式从一个地点移动到另一个地点，类似于城市市区的导游带领的游览活动。每个群体有一个特定节点（参考节点）决定下一个目标点、参考路径和到达速度，导游可扮演此角色。
• SLAW 模型 ：人们移动较为随机，但会考虑之前的移动（速度和方向）来确定新的移动，类似于公园中使用步行道的人的移动。该模型也适用于模拟社区成员之间的偶然相遇，如大学校园里的学生或主题公园中的朋友。此模型的速度不能参数化，默认值为 1 m/s（步行速度）。

2.2 节点假设

假设所有节点类似，其能力相当于 iPhone 4。这些设备在开放区域的有效 WiFi 范围约为 80 米，在此范围内，设备间可实现稳定的自组织通信，带宽至少为 50 Kbps，足以支持移动节点间的可靠交互。

3. 结果分析

3.1 可预测性限制

为确定 HBP 方法可达到的上限，假设节点具有无限内存，并跟踪 TC