有室内移动性模型，例如随机行走，随机行进点，随机方向。同样，也有高斯马尔可夫(Gauss Markov)等户外运动模型和随机游走的概率版本。
高斯-马可夫(Gauss-Markov)：
提出了此移动性模型用于模拟个人通信服务。例如，几年前，只有座机，但现在有无线电话，您可以在房屋各处走动使用。对于该类型的服务，使用高斯马尔可夫模型。
该模型适应于不同级别的随机性。在室内移动性模型中，有固定的模拟区域，我们可以在其中进行随机行走，随机航路点或随机方向的操作。但是在户外移动性模型中，没有模拟区域的概念。这纯粹是随机的。
最初，为每个移动节点分配了当前速度和方向。这意味着每个节点都有其初始方向和初始速度，并且可以随机更改。它可以自由进出。
使用以下公式计算第n个实例的速度和方向值。使用以下公式可以轻松计算出新速度和新方向：
现在，由于此模型中没有模拟区域。假设它超出了该区域或位于该区域的边界。然后，将平均速度和平均方向值替换为平均值。为了计算平均值，我们使用量角器。加入两个量角器，我们就可以完整360度旋转。
它会照看它所在的附近范围。假设它在225范围附近。它涵盖均值并将其放入内部并获得完全覆盖。需要注意的重点只是高斯分布的随机性，平均速度和随机变量的指数。
优势–非常简单易懂。
缺点–会降低图像细节和图像边缘。