[论文解读] Implementation of the SWIM Mobility Model in OMNeT++

Asanga Udugama, Behruz Khalilov+2 more|arXiv (Cornell University)|Sep 16, 2016

Opportunistic and Delay-Tolerant Networks参考文献 3被引用 3

一句话总结

本文在OMNeT++仿真器中实现了并验证了Small Worlds in Motion（SWIM）移动性模型，实现了物联网网络中人类移动性模式的逼真仿真。该模型使用受距离家远近和地点受欢迎程度影响的概率方程来指导节点移动，验证结果表明，较高的α值倾向于选择附近地点，而较低的α值则增加对远程目的地的选择。

ABSTRACT

The Internet of Things (IoT) is expected to grow into billions of devices in the near future. Evaluating mechanisms such as networking architectures for communications in the IoT require the use of simulators due to the scale of the size of networks. Mobility is one of the key aspects that need to be evaluated when considering the different scenarios of the IoT. Small Worlds in Motion (SWIM) is a mobility model that mathematically characterises the movement patterns of humans. The work presented in this paper details the development and verification of the SWIM mobility model in the OMNeT++ simulator.

研究动机与目标

• 为解决现有OMNeT++移动性模型在物联网场景中无法准确反映真实人类移动性模式的问题。
• 在OMNeT++仿真框架中实现基于两个核心直觉（距离家的远近和地点受欢迎程度）的SWIM移动性模型。
• 验证所实现的模型是否正确反映了SWIM的理论行为，特别是α参数对目的地选择的影响。
• 为未来物联网和移动网络研究提供一个可重用、开源的OMNeT++中SWIM实现。

提出的方法

• 扩展OMNeT++中的LineSegmentsMobilityBase类以实现SWIM移动性逻辑，支持分段线性移动并实现动态目的地选择。
• 采用基于SWIM方程的概率目的地选择机制，结合距离家的远近和地点受欢迎程度来计算目的地权重。
• 利用OMNeT++的信号机制通知节点到达新地点，从而实现对地点受欢迎程度计数的动态更新。
• 配置模型参数（如α、waitTime、speed和移动区域大小）以控制移动行为并模拟多样化的移动场景。
• 通过改变α值（0.3和0.8）进行仿真，并分析在二维空间中生成的移动模式。
• 使用固定的21个地点集合，其中16个被归类为邻近地点（距离家300米以内），5个为远程地点，以评估不同α设置下的选择偏差。

实验结果

研究问题

• RQ1 OMNeT++中的SWIM移动性模型在多大程度上再现了基于距离和受欢迎程度的理论人类移动性模式？
• RQ2 SWIM模型中的α参数在多大程度上影响了对邻近地点与远程地点的选择？
• RQ3 SWIM模型能否在OMNeT++仿真环境中通过标准移动性抽象被有效实现并验证？
• RQ4 不同α值如何影响模拟物联网环境中节点移动的空间分布？

主要发现

• 当α = 0.3时，模型表现出更高的倾向性，选择远程（访问）地点，表明受欢迎程度在目的地选择中起更强作用。
• 当α = 0.8时，模型更倾向于选择邻近（邻近）地点，表明距离家的远近在移动决策中占主导地位。
• 仿真结果证实，SWIM模型正确实现了理论中距离与受欢迎程度在目的地选择中的权衡。
• 实现成功集成到OMNeT++的移动性框架中，利用信号传播到达事件并动态更新地点受欢迎程度。
• 在多个运行中，模型行为保持一致，显示出在设定参数下的稳定且可预测的移动模式。
• 开源实现已发布在GitHub上，采用GPL许可证，可供研究社区重用和扩展。