《表1 上海出租车GPS数据信息字段》
基于Trace的移动模型(Trace-Based Mobility model,TBM)则通过收集真实的车辆移动数据提出符合实际情况的移动模型.UMASSDieselNet(1)、MIT Reality Mining(2)和Cabspotting(3)等都对Trace进行了收集.UMASSDieselNet提供了Amherst市公交系统的移动轨迹数据,并分析了节点间的相遇规律,它包含40辆公交车,接触持续的时间相对短暂.Cabspotting为San Francisco的出租车安装GPS以及通信模块,能够周期性地将各个出租车的位置信息传回数据中心,实时观察出租车的移动情况.Reality Mining项目记录了校园中100个携带具备蓝牙功能的智能手机的学生和职工为期9个月的移动轨迹和相遇数据.此外,文献[22]指出,不同于服从独立同分布理论的随机移动模型推导出的指数分布,人类携带的移动设备Trace展现出的是幂律分布的特性,随机移动模型不适合用于模拟人类移动Trace.因此,为了进一步模拟真实场景,本文对基于上海出租车的真实GPS数据构造的SUVnet移动模型[23]进行了研究,超过4000辆出租车的位置和相遇信息被该数据集记录,表1描述了车载GPS数据信息字段.
图表编号 | XD0035540400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 高扬 |
绘制单位 | 东南大学教育部计算机网络和信息集成重点实验室、江苏省计算机网络重点实验室、东南大学网络空间安全学院 |
更多格式 | 高清、无水印(增值服务) |