利用Random Waypoint Model生成室内軌迹資料
- 1 模型簡介
-
- 1.1 Random Waypoint Model
- 1.2 Random Walk Model
- 1.3 Random Direction Model
- 2 生成軌迹資料
- 連結
在做室内定位方面的實驗時，打算利用RNN進行室内定位，而利用RNN做定位則需要室内行人的軌迹資料做訓練，如果讓人走，工作量太大。經過一篇論文的啟發，覺得可以利用Random Waypoint Model自動生成室内行人軌迹資料，是以就學習這一模型并編寫了生成軌迹資料的Python代碼。
1 模型簡介
在移動性管理中，随機路點模型是模拟移動使用者移動，以及它們的位置，速度和加速度如何随時間變化的随機模型。在評估新的網絡協定時，移動性模型用于模拟目的。Random Waypoint Model（RWP）最初由Johnson和Maltz提出，由于其簡單性和廣泛的可用性，它是評估移動ad hoc網絡（MANET）路由協定的最流行的移動模型之一。
在基于随機的移動性仿真模型中，移動節點随機且自由地移動而沒有限制。 更具體地說，目的地，速度和方向都是随機選擇的，并且與其他節點無關。 這種模型已被用于許多模拟研究中。
RWP存在兩種變體：random walk model（RW）和random direction model（RD）。下面介紹RWP和它的兩種變體。
1.1 Random Waypoint Model
在RWP中，初始狀态時，結點在整個仿真區域内服從均勻分布，結點首先從二維仿真區域中随機選擇一個結點作為目的地，然後從[Vmin, Vmax]中随機選擇一個速度（服從均勻分布），結點以此速度向目的地運動。在到達目的地後，結點在[0, Pmax]中随機選擇一段停留時間T，然後選擇下一個目的地。RWP中結點運動模式如圖1.1.1所示。
圖1.1.1 RWP結點運動模式
另外，RWP中存在密度波(density wave)的現象，具體來說就是結點會随着時間的推移表現出非均勻分布，在仿真區域的中心處達到最大，而在邊界處密度趨于0。下面是論文[1]中描述RWP密度波現象的圖。
圖1.1.2 density wave
在後面利用RWP生成室内軌迹資料也可以看到這種現象。
1.2 Random Walk Model
RW作為RWP的變體，也是一種重要的随機移動性模型。RW中結點從[0, 2π]随機的選擇一個方向，從[Vmin, Vmax]随機選擇一個速度，然後按照選取的方向和速度移動到新的位置。在結點移動的過程中，選擇一個時間間隔t或者固定距離d，當結點運動了t時間或者移動了d長度時，重新選擇結點的方向和速度。RW中結點的運動模式如圖1.2.1所示。
圖1.2.1 RW結點運動模式
當結點到達仿真區域的邊界時，要根據目前結點運動的方向以一定的角度從邊界彈回。
1.3 Random Direction Model
在RD中，結點随機地從[0, 2π]選擇一個方向，然後按此方向一直移動，直到達到仿真區域的邊界，在[0, Pmax]中随機選擇一段停留時間T，再從[0, π]之間選擇一個角度，繼續移動。RD可以克服RWP引起的density wave現象。
圖1.3.1 RD中結點的移動模式
2 生成軌迹資料
基于RWP，就可以模拟行人的移動：行人按一定的步長和方向移動到目的地，暫停一段時間，然後改變方向，按一定的步長移動到另一個目的地。
由于之前需要生成軌迹資料訓練RNN，是以部落客編寫了基于RWP生成室内行人運動軌迹資料的程式（文末會給出程式的Github連結），圖2.1是總步數為2000的行人運動軌迹。
圖2.1 2000step RWP
前面提到，RWP存在density wave現象，導緻均勻分布的空間點随着時間累積，會轉換成非均勻分布，最終導緻中間密度大，邊緣密度趨緊于0，在圖2.1中可以明顯觀察到這種現象。
可以通過RD對軌迹生成模型進行改進，RD是RWP模型的變體，将RD模型引入軌迹生成模型，在生成軌迹時有機率基于RD生成軌迹，改進後的模型生成的行人運動軌迹如圖2.2。
圖2.2 2000step RWP-RP（RP pro=0.3）
連結
代碼的Github連結: https://github.com/I-Hope-Peace/RandomWaypoint
Wiki https://en.wikipedia.org/wiki/Random_waypoint_model
論文[1] Visualization of Spatial Distribution of Random Waypoint Mobility Models http://www.jcomputers.us/vol12/jcp1204-04.pdf