移动社交网络的复杂性和可变性使协议评估变得困难。 因此,必须在仿真中使用能够很好地反映实际MSN中人类运动特性的综合运动模型。 本文的总体目标是设计一个实用的流动性模型,该模型全面涉及影响下一个目的地选择的多个因素。 提出了社区吸引力的概念作为选择标准。 它与三个因素有关,即移动的距离,人际关系和位置限制。 因此,我们新的移动性模型称为距离,关系,位置(DRL)。 具体来说,前两个因素是通过交互矩阵来表示的,它们以社会关系属性和位置信息为输入。 并且我们首次提出了“位置吸引”来表示地点的位置限制。 顺便说一句,“位置吸引”的值是随时间变化的。 此外,通过机器学习得出决定社区吸引力公式中各个因素权重的参数。 这种学习方法称为贝叶斯个性化排名算法。 我们在DRL上加载了几种协议,结果表明DRL正确评估了它们的性能。 为了验证我们模型的合理性,我们将DRL的仿真结果与真实轨迹进行了比较,它们非常吻合。