Comprender la movilidad de los nodos es fundamental para la correcta simulación de dispositivos móviles en una red inalámbrica. Sin embargo, los modelos de movilidad actuales a menudo no reflejan los movimientos realistas de los usuarios dentro de sus entornos. Tampoco proporcionan la libertad de ajustar sus grados de aleatoriedad o de imitar adecuadamente los movimientos humanos al inyectar posibles puntos de cruce y agregar patrones recurrentes. En este documento, proponemos el modelo de movilidad recurrente auto-similar Gauss-Markov (RSSGM), un modelo de movilidad novedoso que es adecuado para aplicaciones en las que los nodos muestran visitas recurrentes a ubicaciones seleccionadas con rutas semi-similares. Ejemplos de tales aplicaciones incluyen las rutinas diarias de las personas, las rutas de aviones y transporte público, y los paseos de estudiantes dentro de un campus. Primero, presentamos el algoritmo propuesto y sus suposiciones, y luego estudiamos su comportamiento en diferentes escenarios. Los resultados del estudio muestran que se pueden lograr trazas de movilidad diferentes y más realistas sin necesidad de modelos computacionales complejos o registros GPS existentes. Nuestro modelo puede ajustar de manera flexible su comportamiento para adaptarse a cualquier aplicación mediante la sintonización cuidadosa y la elección de los valores adecuados para sus parámetros.