Mobile Ad Hoc Network (MANET) is compound by nodes that can communicate with each other by wireless links. The node can also relay (route) packets which destination node is not the node itself. The connection is then established by multi-hop wireless links. The nodes can also be battery powered, and of a small size. Then a node can be carried by a person and moves according to the person's movements. It is evident that a network of these characteristics will operate in a highly changing environment. The wireless links established between the nodes can easily switch on and off by either nodes movements or by the radio propagation phenomenon. Besides there is also the fact that the node is a small battery powered terminal resulting in limited battery life and reduced processing capacity by the small size and power consumption. In such environment is not acceptable for the network to be manually configured. Therefore, as a consequence, the network has to be self-configured and able to adapt to the constant changing environment where it operates.

MANET' flexibility imposes formidable technological challenges. One of the more important network characteristics is the nodes mobility, as explained before corresponds to the pedestrian mobility. There are a number of proposals aiming to emulate nodes mobility, however none of them (that we are aware at this moment) has been based on any kind of experimental observation. It means that those models are merely syntactic models and there is no probe about their realistic behavior.

This research starts based on a some simple questions such as: Are the models realistic enough?, are their assumptions true?, if not, are there better models possible?, can these models be used in other network tasks than just computer simulations?. We use real pedestrian data to answer some of these questions, and propose our original mobility model. The data was extracted by two different methods, the first one by an experiment conducted in the Tokyo big sight exhibition hall and the second by directly measure the movement of a pedestrian that carries a notebook PC connected to a Global Positioning System (GPS) receiver in order to periodically register the position.

The first model proposed assumes that a sequence of position points that constitute a trajectory should have a high correlation between consecutive sample points. This corresponds to the trend of a body in motion to keep moving in the same direction and the same speed, principle also known as inertia. We use an auto regressive process model of second order; the order of the autoregressive process was estimated directly from the data. To construct this model we use the data from the Tokyo big sight experiment that had the problem of short duration. With a longer trajectory the model parameter should change and to study that phenomenon we set up the second experiment with the GPS.

Assuming that the model parameters should change during a long trajectory, we proposes a more elaborate autoregressive model, this time the parameter of the autoregressive model will change in time to adapt the trajectory changes. To fit the model parameters to a particular trajectory the Least Square Lattice (LSL) filter was used. The LSL filter has: fast convergence, low error, a recursive and numerically stable calculation algorithm. The results on real tracked trajectories with the GPS showed that the method can quickly follow the trajectory changes, and also worked fine with the Tokyo big sight experimental data. With this model, a position prediction method was proposed, that showed low prediction error on different kind of trajectories.

The prediction method was used to propose a novel Geographical Routing protocol. Geographical routing protocols are those were the packet forwarding decision is taken only considering nodes geographical positions. In our proposal each node implements the prediction method itself. The nodes exchange hello packets with their neighbors (one hop) with current node position and an estimation of the future position calculated by the prediction method. The forwarding decision criteria include both current and estimated future position. The proposal has been tested by computer simulation and its results compared against the Greedy Perimeter Stateless Routing (GPSR) and Routing Protocol with Ellipsoid (RPE). The simulation results have showed that the proposal performs better in most of the simulated scenarios.

The LSL was also applied in the group mobility model. In this case the relative velocities of a moving group were modeled as an autoregressive process of order two, the velocity vector components (vertical and horizontal) were independently input to LSL filter. This time the LSL filter was used to justify the assumption that the relative velocities between nodes in a group can be modeled this way. The results after the LSL filter showed that the model parameters quickly converge to stability.

　本論文は「PEDESTRIAN MOBILITY MODELS AND ITS APPLICATION TO MOBILE AD HOC NETWORKS(歩行者モビリティモデルとそのモバイルアドホックネットワークへの応用)」と題し、アドホックネットワークの性能に大きな影響を与える端末のモビリティの中でも歩行者のモビリティに焦点あて、その実測を行うと共にモビリティモデルと予測モデルを構築し、更にアドホックネットワークのルーチングへの応用を検討したものであり、全八章から構成されている。

　第一章は「Introduction(序論)」と題し、アドホックネットワークについて概観すると共に、モビリティがその性能に大きな影響を与えることを示しながら、本研究の動機と背景について述べている。

　第二章は「Previous Work(従来の研究)」と題し、歩行者やその他のオブジェクトのモビリティモデルとアドホックネットワークのルーチングプロトコルの従来研究の紹介を行っている。

　第三章は「Mobility Model(モビリティモデル)」と題し、歩行者モビリティの測定実験とこれに基づくモビリティモデルの提案を行っている。モビリティの測定はレーザスキャナを用いた方式であり、これによって被験者がGPSやRFIDリーダ等の特別な位置測定デバイスを所持する必要がないばかりでなく、観測されていることも意識しない自然な形で複数の歩行者の軌跡を同時に取得することが可能である。また得られたデータを解析し、様々な静的モデルに当てはめた上で、ARIMAが良く適合することを見出した。その上でARIMAの次数及び係数の決定を行い、3種類のARIMAモデル間が確率的に遷移する形の静的歩行者モビリティモデルの提案を行っている。

　第四章は「Prediction Method(予測モデル)」と題し、歩行者の将来位置の予測に用いるための動的な歩行者モデルの提案とその性能評価を行っている。第三章で得られたデータを解析し、様々な動的モデルに当てはめた上で、アダプティブARTAモデルが良く適合することを見出した。また、アダプティブな線形予測等の他の予測手法に比べ、予測精度と収束時間の観点からも、ARTAが現実的な予測モデルであることを明らかにした。

　第五章は「Routing Protocol(ルーチングプロトコル)」と題し、第四章で提案したモビリティ予測モデルのルーチングプロトコルへの応用を行っている。既存ルーチングプロトコルの中で端末の現在の位置に基づいてルーチングを行う方式の中で、端末配置が二次元空間に限定されないという特長をもつRPEを改良し、現在の端末の位置情報の代わりに、予測に基づく将来の端末の位置情報を利用するルーチング方式の提案を行った。また、提案手法が現在の端末の位置情報のみを用いる方式に比べ優れた特性を示すことをシミュレーションによって明らかにした。

　第六章は「Group Mobility(グループモビリティ)」と題し、複数の歩行者がグループとしての歩行行動を行う場合のモビリティの測定をGPSを用いたフィールド実験によって行っている。また、グループ内の相対的な位置ベクトルがAR(2)に従うモデルを提案し、このモデルが実験値と適合することを示している。

　第七章は「Practical Implementation of Geographical Routing for Mobile Ad Hoc Networks(位置情報ルーチングのアドホックネットワークへの実装)」と題し、GPSによる位置情報取得機能を搭載したPC群によって実際にアドホックネットワークを構築した上で、第五章で提案した地理情報ルーチングの実装を行い動作確認を行うと共に提案手法の妥当性の検証を行っている。

　第八章は「Conclusions(結論)」であり、論文の成果と今後の展開をまとめている。

　以上これを要するに、本論文は実際の歩行者の軌跡を多数取得し、これを基に現実的な歩行者モビリティモデルと歩行者の将来位置の予測モデルの提案をすると共に、アドホックネットワークのルーチングへ応用とその実装を行ったものであって、電子情報学に貢献するところが少なくない。よって本論文は博士(情報理工学)の学位論文として合格と認められる。