Data collected at Hurricane Ian (2022) quantifies the demands that small uncrewed aerial systems (UAS), or drones, place on the network communication infrastructure and identifies gaps in the field. Drones have been increasingly used since Hurricane Katrina (2005) for disaster response, however getting the data from the drone to the appropriate decision makers throughout incident command in a timely fashion has been problematic. These delays have persisted even as countries such as the USA have made significant investments in wireless infrastructure, rapidly deployable nodes, and an increase in commercial satellite solutions. Hurricane Ian serves as a case study of the mismatch between communications needs and capabilities. In the first four days of the response, nine drone teams flew 34 missions under the direction of the State of Florida FL-UAS1, generating 636GB of data. The teams had access to six different wireless communications networks but had to resort to physically transferring data to the nearest intact emergency operations center in order to make the data available to the relevant agencies. The analysis of the mismatch contributes a model of the drone data-to-decision workflow in a disaster and quantifies wireless network communication requirements throughout the workflow in five factors. Four of the factors-availability, bandwidth, burstiness, and spatial distribution-were previously identified from analyses of Hurricanes Harvey (2017) and Michael (2018). This work adds upload rate as a fifth attribute. The analysis is expected to improve drone design and edge computing schemes as well as inform wireless communication research and development.


翻译:本文数据收集于2022年“伊恩”飓风时期,定量分析小型无人机(即“无人机”)对网络通讯基础设施的需求,并确定了相关研究领域的不足之处。自从卡特里娜飓风(2005年)以来,无人机已成为灾难应对中越来越常见的选择。然而,确保从无人机获取的数据及时传送给紧急响应系统中的相关决策者仍然是个难题。尽管像美国这样的国家在无线基础设施、快速部署节点和商业卫星解决方案方面已经做出了重大投资,但这种延迟问题仍在持续存在。 “伊恩”飓风是无线通讯需求与现有能力之间不匹配的一个案例研究。在响应的前四天中,根据佛罗里达州FL-UAS1的指示,九个无人机团队执行了34个任务,产生了636GB的数据。这些团队可以访问六个不同的无线通信网络,但不得不把数据物理传输到最近的完整紧急操作中心,以使数据可供相关机构使用。该分析产生了一种灾难中无人机数据决策工作流程的模型,并定量衡量了该工作流程中五个因素的无线网络通讯要求。其中四个因素(可用性、带宽、爆发性和空间分布)已经从对哈维飓风(2017年)和迈克尔飓风(2018年)的分析中确定。本研究为无人机设计和边缘计算方案提供了新的启示,并为无线通信研究和开发提供了宝贵的建议。

0
下载
关闭预览

相关内容

Explanation:无线网。 Publisher:Springer。 SIT: http://dblp.uni-trier.de/db/journals/winet/
JADC2的十大数据需求
专知会员服务
115+阅读 · 2022年6月8日
浅聊对比学习(Contrastive Learning)
极市平台
2+阅读 · 2022年7月26日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
NetworkMiner - 网络取证分析工具
黑白之道
16+阅读 · 2018年6月29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
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2023年5月12日
Arxiv
0+阅读 · 2023年5月12日
Arxiv
82+阅读 · 2022年7月16日
VIP会员
相关VIP内容
JADC2的十大数据需求
专知会员服务
115+阅读 · 2022年6月8日
相关资讯
浅聊对比学习(Contrastive Learning)
极市平台
2+阅读 · 2022年7月26日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
NetworkMiner - 网络取证分析工具
黑白之道
16+阅读 · 2018年6月29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
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员