Impact of Realistic Pedestrian Mobility Modelling in the Context of Mobile Network Simulation Scenarios

Author(s):  
Soren Hahn ◽  
Dennis M. Rose ◽  
Jaroslaw Sulak ◽  
Thomas Kurner
2016 ◽  
Vol 24 (3) ◽  
pp. 1774-1786 ◽  
Author(s):  
Seon Yeong Han ◽  
Nael B. Abu-Ghazaleh ◽  
Dongman Lee

1981 ◽  
Vol 42 (11) ◽  
pp. 1553-1557 ◽  
Author(s):  
E. Guyon ◽  
J.P. Clerc ◽  
G. Giraud ◽  
J. Roussenq
Keyword(s):  

2009 ◽  
Vol 129 (12) ◽  
pp. 808-811
Author(s):  
Akira TAKASHIMA ◽  
Tomoki KAZAWA ◽  
Ryohei KANZAKI

2009 ◽  
Vol E92-B (12) ◽  
pp. 3893-3902
Author(s):  
Hyeong-Min NAM ◽  
Chun-Su PARK ◽  
Seung-Won JUNG ◽  
Sung-Jea KO

Author(s):  
Bodhy Krishna .S

A wireless ad hoc network is a decentralized type of wireless network. It is a type of temporary computer-to-computer connection. It is a spontaneous network which includes mobile ad-hoc networks (MANET), vehicular ad-hoc networks (VANET) and Flying ad-hoc networks (FANET). A MANET is a network that has many free or autonomous nodes often composed of mobile devices that can operate without strict top-down network administration [1]. A VANET is a sub form of MANET. It is a technology that uses vehicles as nodes in a network to create a mobile network. FANET is an ad-hoc network of flying nodes. They can fly independently or can be operated distantly. This paper discusses the characteristics of these three ad-hoc networks.


Author(s):  
Alexander Driyarkoro ◽  
Nurain Silalahi ◽  
Joko Haryatno

Prediksi lokasi user pada mobile network merupakan hal sangat penting, karena routing panggilan pada mobile station (MS) bergantung pada posisi MS saat itu. Mobilitas MS yang cukup tinggi, terutama di daerah perkotaan, menyebabkan pencarian (tracking) MS akan berpengaruh pada kinerja sistem mobile network, khususnya dalam hal efisiensi kanal kontrol pada air interface. Salah satu bentuk pencarian adalah dengan mengetahui perilaku gerakan yang menentukan posisi MS. Dari MSC/VLR dapat diketahui posisi MS pada waktu tertentu. Karena location area suatu MS selalu unik dari waktu ke waktu, dan hal itu merupakan perilaku (behaviour) MS, maka dapat dibuat profil pergerakannya. Dengan menggunakan Neural Network (NN) akan diperoleh location area MS pada masa yang akan datang. Model NN yang digunakan pada penelitian ini adalah Propagasi Balik. Beberapa parameter NN yang diteliti dalam mempengaruhi kinerja prediksi lokasi user meliputi noise factor, momentum dan learning rate. Pada penelitian ini diperoleh nilai optimal learning rate = 0,5 dan noise factor = 1.


Sign in / Sign up

Export Citation Format

Share Document