Internet of Space Things (IoST) is a challenging paradigm, which is currently attracting great interest from the scientific and industrial communities. IoST is based on the integration of the space segment into the global Internet of Things (IoT) infrastructure. In the relevant literature, reference is generally made to multiple constellations of nanosatellite platforms, used to enable IoT services on a global scale, including also disadvantaged and poorly infrastructured areas. In this paper, we focus on multi-tenant IoT scenarios, wherein multiple CubeSats constellations are enabled to offer services by exploiting a dynamic federation model. The objective is to efficiently provide services in an IoST scenario by leveraging an effective cooperation strategy originally designed for terrestrial IoT networks, the Mobile-IoT-Federation-as-a-Service (MIFaaS) paradigm. We extend this vision to IoT satellite networks in order to allow a constellation of satellites to effectively execute tasks through a tight cooperative behaviour with other CubeSats constellations. The reported performance evaluation studies show that better performance, in terms of percentage of tasks successfully completed, can be achieved through the implementation of the proposed cooperation paradigm.


翻译:空间事物互联网(IoST)是一个具有挑战性的范例,目前吸引了科学界和工业界的极大兴趣;IoST的基础是将空间部分纳入全球物业互联网基础设施;在相关文献中,一般都提到纳米卫星平台的多个星座,用于在全球范围内提供IoT服务,包括处境不利和基础设施薄弱的地区;在本文件中,我们侧重于多低温的IoT假设情景,其中多个CubeSat星座能够利用动态联邦模型提供服务;目标是通过利用最初为地面IoT网络设计的有效合作战略,即移动-IoT-FIontion-as-servicice(MIFaas-S)模式,在IoT卫星平台上高效提供服务;我们将这一愿景扩大到IoT卫星网络,以便卫星星座能够通过与其他CubeSat星座的密切合作行为有效执行任务;所报告的绩效评估研究表明,在成功完成的任务百分比方面,可以通过实施拟议的合作模式实现更好的业绩。

0
下载
关闭预览

相关内容

Mac 平台下的最佳 GTD 软件之一.有 iOS 版本. culturedcode.com/things
专知会员服务
44+阅读 · 2021年4月9日
机器学习组合优化
专知会员服务
109+阅读 · 2021年2月16日
剑桥大学《数据科学: 原理与实践》课程,附PPT下载
专知会员服务
49+阅读 · 2021年1月20日
最新《联邦学习Federated Learning》报告,Federated Learning
专知会员服务
88+阅读 · 2020年12月2日
迁移学习简明教程,11页ppt
专知会员服务
107+阅读 · 2020年8月4日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+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
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
已删除
将门创投
4+阅读 · 2018年5月31日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Arxiv
0+阅读 · 2021年11月21日
Bridging Knowledge Graphs to Generate Scene Graphs
Arxiv
5+阅读 · 2020年1月7日
VIP会员
相关VIP内容
专知会员服务
44+阅读 · 2021年4月9日
机器学习组合优化
专知会员服务
109+阅读 · 2021年2月16日
剑桥大学《数据科学: 原理与实践》课程,附PPT下载
专知会员服务
49+阅读 · 2021年1月20日
最新《联邦学习Federated Learning》报告,Federated Learning
专知会员服务
88+阅读 · 2020年12月2日
迁移学习简明教程,11页ppt
专知会员服务
107+阅读 · 2020年8月4日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+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
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
已删除
将门创投
4+阅读 · 2018年5月31日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Top
微信扫码咨询专知VIP会员