Although airborne base stations (ABSs) mounted on drones show a significant potential to enhance network capacity and coverage due to their flexible deployment, the system performance is limited by the endurance of the on-board battery. To overcome this key shortcoming, we are exploring robotic airborne base station (RABS) with energy neutral grasping end-effectors able to autonomously perch at tall urban landforms. To this end, we propose novel integer linear programming (ILP) optimization models and computational efficient reformulation by proving total unimodularity problem structure to allow optimal deployment and operation of robotic small cells based on the spatio-temporal characteristics of underlying traffic demand from end-users. A wide set of numerical investigations reveal that a single robotic aerial small cell is able to outperform five (5) fixed small cells in terms of served user generated traffic within a 16 to 41 hours period. This is because robotic aerial small cell is able to alter its location based on actual traffic demand rather than on average values used for fixed small cell network deployment.


翻译:虽然安装在无人驾驶飞机上的空中基地站(ABS)由于灵活部署而显示出提高网络能力和覆盖面的巨大潜力,但该系统的性能因机载电池的耐力而受到限制。为了克服这一关键缺陷,我们正在探索机器人空中基地站(RABS),其能源中性抓住终端效应能够在高高的城市地面形态上自动穿透。为此,我们提出新的整数线性编程优化模型和计算效率重整,通过证明完全的单质问题结构,使机器人小型细胞能够根据终端用户基本交通需求的空洞-时空特性进行最佳部署和运行。一系列广泛的数字调查显示,一个单一的机器人空中小型空中小细胞能够在16至41小时内用用户生成的交通流量超过5个固定小细胞。这是因为机器人空中小细胞能够根据实际交通需求而不是固定小细胞网络部署的平均价值改变其位置。

0
下载
关闭预览

相关内容

【WWW2021】张量时间序列网络
专知会员服务
43+阅读 · 2021年4月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
OpenAI丨深度强化学习关键论文列表
中国人工智能学会
17+阅读 · 2018年11月10日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
视觉机械臂 visual-pushing-grasping
CreateAMind
3+阅读 · 2018年5月25日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年12月1日
Arxiv
8+阅读 · 2018年7月12日
VIP会员
相关VIP内容
相关资讯
OpenAI丨深度强化学习关键论文列表
中国人工智能学会
17+阅读 · 2018年11月10日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
视觉机械臂 visual-pushing-grasping
CreateAMind
3+阅读 · 2018年5月25日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员