Versión probabilística de Random-Walk

Hay dos tipos de modelos de movilidad. Uno es el modelo de movilidad interior y el otro es el modelo de movilidad exterior. Se clasifica además en varios tipos:

Modelo de movilidad interior
• Caminata aleatoria
• Punto de paso aleatorio
• Dirección aleatoria

Modelo de movilidad al aire libre
• Gauss Markov
• Versión probabilística de Random-Walk

En este tema, aprenderemos sobre la versión probabilística de Random-Walk del modelo de movilidad al aire libre. Random-Walk era básicamente el modelo de Indoor Mobility Model, pero en este se agrega una array probabilística que lo convierte en parte de la versión probabilística de Random-Walk del Outdoor Mobility Model. Utiliza una array de probabilidad para determinar la posición de un Node móvil en particular en el siguiente paso.

Esta versión tiene tres estados-
• Estado 0: actual
• Estado 1: anterior
• Estado 2: siguiente

Versión probabilística de Random-Walk

Siguiendo el diagrama, supongamos que (0) es un Node en X’=X. Ahora, si vamos al estado anterior que está en (1) en X’=X-1 o al estado siguiente, es decir, en (2) en X’=X+1, tienen probabilidad de ir al estado anterior o siguiente. 0 aquí define la ubicación actual. Podemos ir al siguiente estado con 0,5 de probabilidad o volver al estado anterior con 0,5 de probabilidad. El mismo trabajo para el Node Y también.

Ahora, trabajando en su array siguiendo la array probabilística dada arriba.

• Mirando (0, 0), no hay probabilidad, por lo que el valor sigue siendo 0.
• Para (0, 1), es 0.5
• Para (0, 2), es 0.5
• Para (1, 0), es 0.3
• Para (1, 1), es 0.7 (Es un bucle)
• Para (1, 2), es 0 (ya que no puede pasar del estado anterior al siguiente)
• Para (2, 0), es 0.3
• Para (2, 1), es 0 (ya que no puede pasar del siguiente estado al anterior)
• Para (2, 2), es 0.7 (Es un bucle)

La nueva array es:

¿Qué significa?
Ya sea el Node X o el Node Y, la misma array de probabilidad funciona en ambos. A la vez, solo pueden trabajar en tres estados, es decir, anterior, actual o siguiente.