شکل ۳-۵: الگوی حرکتی مدل راهپیمایی تصادفی بازمان حرکت ثابت[۲۶].

 

۳-۳-۴- مدل حرکتی راهپیمایی جمع‌ آوری

در مدل راهپیمایی جمع‌ آوری[۴۶][۲۸]، حرکت با بهره گرفتن از چهار متغییر طول پرواز، زمان پرواز، جهت و زمان مکث مدل گردیده است که در آن طول پرواز اشاره به طول مسافتی دارد که گره بدون تغییر جهت خود در آن راستا حرکت می­ کند. مدل حرکتی راهپیمایی جمع­آوری بدین گونه عمل می‌کند که با انتخاب تصادفی این چهار متغییر یک حرکت آغاز می‌شود، یعنی گره در جهت انتخاب‌شده در زمان انتخاب‌شده حرکت می‌کند تا هنگامی‌که زمان به اتمام برسد و سپس یک حرکت جدید با انتخاب متغیرهای جدید شروع می‌شود و این روند ادامه پیدا می‌کند تا شبیه‌سازی به اتمام برسد. در این مدل طول پرواز و زمان مکث به صورت تصادفی انتخاب می‌شوند و برای انتخاب زاویه جهت حرکت از توزیعی استفاده می‌گردد که به توزیع یکنواخت نزدیک باشد.

 

جهت دانلود متن کامل این پایان نامه به سایت abisho.ir مراجعه نمایید.

 

۳-۴- مدل حرکتی شهری

در مدل شهری که به آن‌ ها مدل‌های وابسته زمانی نیز گفته می‌شود، هدف شبیه‌سازی وسایل نقلیه در خیابان‌های یک شهر است. در این نوع مدل‌ها گره‌ها به عنوان اجسامی متحرک در خیابان­های یک شهر در نظر گرفته می­شوند. ویژگی بارز این نوع مدل­ها محدودیت مکان­هایی است که یک گره متحرک با حداکثر سرعت خود می‌تواند حرکت کند. از انواع مدل‌های حرکتی در این زمینه می‌توان به مدل‌های آزادراه و منهتن اشاره کرد[۲۸].

 

۳-۴-۱- مدل حرکتی آزادراه

در مدل آزادراه[۴۷] [۲۷]، سرعت هر گره به سرعت‌های پیشین خود به صورت زمانی وابستگی دارد و در این مدل فرض گردیده است که اگر دو گره پشت سر هم در حداقل فاصله ممکن از پیش تعیین‌شده از یکدیگر قرار بگیرند سرعت گره عقبی از گره جلویی نمی‌تواند بیشتر باشد. از این مدل به منظور شبیه‌سازی یک آزادراه و وسایل نقلیه‌ای که در آن حرکت می‌کنند استفاده می‌گردد. بنابراین، این مدل دارای وابستگی فضایی و وابستگی شدید زمانی می­باشد.

 

۳-۴-۲- مدل حرکتی منهتن

در مدل منهتن[۴۸] [۲۷]، سرعت هر گره در یک بازه زمانی به سرعتش در بازه قبلی بستگی دارد. همچنین سرعت یک گره که در تعقیب گره دیگری است به سرعت گره جلویی بستگی دارد. این مدل به منظور شبیه‌سازی محیط‌های شهری طراحی گردیده است و هر خیابان در این مدل دارای دو خط در هر جهت است. گره­ها در این شبکه می­توانند از خیابان‌ها گذر کنند و در هر چهارراه گره­ها می‌تواند به سمت چپ یا راست یا مستقیم برود که انتخاب هر یک از این جهات تصادفی است و احتمال انتخاب چپ یا راست هر کدام ۲۵% در نظر گرفته شده است. بنابراین، این مدل دارای وابستگی بالای زمانی و فضایی است. در شکل ۳-۶ نمونه‌ای از نقشه‌های این مدل نشان داده شده است.

شکل ۳-۶: انواع مدل­های شهری، a: مدل آزادراه، b: مدل منهتن[۲۷].

 

۳-۵- مدل‌های حرکتی وابسته زمانی

در مدل‌های حرکتی وابستگی زمانی، سرعت کنونی یک گره به سرعت قبلی آن وابستگی دارد. از انواع مدل‌های حرکتی در این زمینه می‌توان به مدل‌های گاس- مارکوف، راهپیمایی تصادفی احتمالی و مدل وابسته نمایی اشاره کرد.

 

۳-۵-۱- مدل حرکتی گاس- مارکوف

در مدل حرکتی گاس- مارکوف[۴۹] [۲۶]، ابتدا هر گره دارای یک سرعت و جهت کنونی ثابت است. در هر بازه زمانی ثابت، گره متحرک با سرعت و جهت جدیدی که توسط رابطه ۳-۱۰ و ۳-۱۱ بدست می‌آید به حرکت خود ادامه می‌دهد.

 

 

 

 

 

 

 

 

 

 

 

 

(۳-۱۰)
(۳-۱۱)

در رابطه‌های بالا S­n و dn به ترتیب اشاره به سرعت و جهت گره در مرحله nام دارد و به عنوان پارامتر تصحیح خطا از که یک عدد بین ۰ تا ۱ است استفاده می‌گردد و و متغیرهای تصادفی هستند که از توزیع گوسی پیروی می­ کنند.

 

۳-۵-۲- مدل حرکتی راهپیمایی تصادفی احتمالی

در مدل تصادفی احتمالی[۵۰] [۲۸]، از یک ماتریس احتمالاتی استفاده می‌شود تا مکان بعدی گره در میدان شبیه‌سازی مشخص شود. در این مدل از سه حالت مختلف برای محاسبه مقدار محور مختصات x مکان گره و از سه حالت برای محاسبه مقدار محور مختصات y مکان گره متحرک استفاده می‌شود. حالت صفر به مکان قبلی گره، حالت یک به مکان فعلی گره و حالت دو به مکان بعدی گره اشاره دارد و رابطه ۳-۱۲ نشان‌دهنده ماتریس احتمالاتی است.

 

 

 

 

 

 

 

(۳-۱۲)

در رابطه۳-۱۲، P(a,b) به احتمال اینکه گره متحرک از حالت a به حالت b برود، اشاره دارد و از مقادیر درون این ماتریس برای به روز کردن مکان گره متحرک(xوy) استفاده می‌شوند.

 

۳-۵-۳- مدل حرکتی وابسته نمایی

در مدل تصادفی وابسته نمایی[۵۱] [۲۶]، یک تابع برای تولید حرکات گره متحرک بکار گرفته می‌شود. با بهره گرفتن از یک مکان گره در زمان جاری مکان بعدی گره توسط رابطه۳-۱۳ بدست آورده می‌گردد.

 

 

 

 

 

 

 

(۳-۱۳)

در رابطه بالا b(t+1) و b(t) به ترتیب به مکان گره در بازه زمان آینده و جاری اشاره دارند و r متغییر تصادفی است که دارای توزیع گوسی با واریانس است.

 

۳-۶- مدل‌های حرکتی گروهی

در شبیه‌سازی شبکه‌های بی‌سیم مانند شبکه‌هایی که در آن‌ ها به گروهی از سربازان وظیفه جستجوی یک منطقه برای یافتن مین‌های آن منطقه و تخریب آن‌ ها و یا دستگیری سربازان دشمن به آنها محول شده است، این نیاز وجود دارد که گره‌ها درحالی‌که با هم به صورت گروهی حرکت می‌کنند، شبیه‌سازی گردند و بدین ترتیب مدل­های گروهی به وجود آمدند. از آنجا که این گره‌ها می‌بایستی با هم در یک گروه حرکت کنند و یک وابستگی مکانی در بین آن‌ ها وجود دارد یعنی مکان یک گره به مکان یک گره دیگر وابسته است به مدل‌های گروهی، مدل‌هایی با وابستگی مکانی نیز گفته می‌شود [۲۶]، [۲۷]. از انواع مدل‌های حرکتی در این زمینه می‌توان به مدل‌های نقطه مرجع، مدل تعقیب، مدل رشته‌ای و مدل ردیفی اشاره کرد.

 

۳-۶-۱- مدل حرکتی نقطه مرجع

در مدل گروهی نقطه مرجع[۵۲] [۲۷]، حرکت تصادفی برای گروهی از گره‌ها ارائه گردیده است. گروه دارای یک گره مرکزی به نام سرگروه است که حرکات گروه وابسته به حرکت این گره است. در این مدل گره‌های موجود در گروه به صورت تصادفی در نزدیکی نقاط مرجع در یک گروه حرکت می‌کنند که حرکت این نقاط مرجع تابعی از حرکت سرگروه می­باشد. هنگامی‌که تغییر مکان جدید یک نقطه مرجع با توجه به تغییر مکان سرگروه محاسبه شد، مکان جدید گره مرجع به عنوان ورودی یک تابع در نظر گرفته می­ شود که در آن با بهره گرفتن از یک بردار حرکت تصادفی، مکان گره‌هایی را تولید می‌کند که گره مرجع جدید را به عنوان گره مرجع خود انتخاب کرده بودند. در شکل ۳-۷ یک انتقال گروه و گره‌های درون آن از یک مکان در زمان جاری به مکان بعدی نشان داده شده است.

شکل ۳-۷: تغییر مکان گروه در مدل گروهی نقطه مرجع[۲۷].
در شکل ۳-۷، بردار حرکتی برای سرگروه این گروه است. بردار حرکت تصادفی برای نقطه مرجع iام است و بردار حرکتی نهایی برای عضو iام با نشان داده شده است.

 

۳-۶-۲- مدل حرکتی تعقیب

در مدل تعقیب[۵۳]، گره‌ها سعی می‌کنند که یک هدف خاص را تعقیب کنند. در این مدل با توجه به رابطه۳-۵ مکان هر گره به روز می‌گردد. در این مدل مکان جدید گره از مجموع مکان قدیم گره و اطلاعاتی درباره مکان گره تحت تعقیب و یک بردار تصادفی برای حفظ فاصله گره‌ها با گره تحت تعقیب بدست می‌آید.

 

 

 

 

 

 

 

(۳-۱۴)

در رابطه۳-۱۴، به متوسط موقعیت هدف مورد تعقیب در زمان t و به بردار تصادفی اشاره دارد.

 

۳-۶-۳- مدل حرکتی رشته‌ای

در مدل رشته‌ای[۵۴] [۲۶]، گره‌های موجود در یک گروه به صورت رشته از اعضاء به دنبال سرگروه حرکت می‌کنند بنابراین از این مدل به منظور جستجو کردن یک هدف استفاده می‌گردد. در این مدل اعضای گروه با حرکتی شبیه به واگن‌های یک قطار که به دنبال لوکوموتیو کشیده می‌شوند، به دنبال سرگروه حرکت می‌کنند. به منظور پیاده‌سازی این مدل ابتدا یک خط به عنوان راستای قرار گرفتن گره‌های متحرک[۵۵] در نظر گرفته می‌شود. بعد از ایجاد کردن راستای قرار گرفتن گره‌ها، گره‌ها نسبت به سرگروه موقعیت خود را بر روی این راستا مشخص می‌کنند. همان طور که در شکل ۳-۸ نشان داده شده است، هنگامی‌که گره‌ها جستجو کردن را به اتمام رساندن، رشته مورد نظر به اندازه‌ی تغییر جهت می‌دهد که این زاویه یک عدد تصادفی بین می‌باشد.