論文の概要: Reliable and Efficient Data Collection in UAV-based IoT Networks

• arxiv url: http://arxiv.org/abs/2311.05303v1
• Date: Thu, 9 Nov 2023 11:59:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-10 15:29:23.521041
• Title: Reliable and Efficient Data Collection in UAV-based IoT Networks
• Title（参考訳）: UAVベースのIoTネットワークにおける信頼性と効率的なデータ収集
• Authors: Poorvi Joshi (1), Alakesh Kalita (2), Mohan Gurusamy (1) ((1) National University of Singapore, (2) Singapore University of Technology and Design)
• Abstract要約: この記事では、UAV支援IoTネットワークにおける信頼性と効率的なデータ収集を強調します。 データ正確性と一貫性,ネットワーク接続性,データセキュリティとプライバシについて論じ,信頼性の高いデータ収集に関する洞察を提供する。 データ収集の信頼性と効率を向上させるためのサービスとして,UAVの2つのユースケースを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Internet of Things (IoT) involves sensors for monitoring and wireless networks for efficient communication. However, resource-constrained IoT devices and limitations in existing wireless technologies hinder its full potential. Integrating Unmanned Aerial Vehicles (UAVs) into IoT networks can address some challenges by expanding its' coverage, providing security, and bringing computing closer to IoT devices. Nevertheless, effective data collection in UAV-assisted IoT networks is hampered by factors, including dynamic UAV behavior, environmental variables, connectivity instability, and security considerations. In this survey, we first explore UAV-based IoT networks, focusing on communication and networking aspects. Next, we cover various UAV-based data collection methods their advantages and disadvantages, followed by a discussion on performance metrics for data collection. As this article primarily emphasizes reliable and efficient data collection in UAV-assisted IoT networks, we briefly discuss existing research on data accuracy and consistency, network connectivity, and data security and privacy to provide insights into reliable data collection. Additionally, we discuss efficient data collection strategies in UAV-based IoT networks, covering trajectory and path planning, collision avoidance, sensor network clustering, data aggregation, UAV swarm formations, and artificial intelligence for optimization. We also present two use cases of UAVs as a service for enhancing data collection reliability and efficiency. Finally, we discuss future challenges in data collection for UAV-assisted IoT networks.
• Abstract（参考訳）: IoT(Internet of Things)は、効率的な通信のための監視と無線ネットワークのためのセンサーである。 しかし、リソースが制限されたIoTデバイスと既存のワイヤレス技術の制限は、その大きな可能性を妨げている。 Unmanned Aerial Vehicles(UAV)をIoTネットワークに統合することは、そのカバレッジを拡張し、セキュリティを提供し、IoTデバイスにコンピューティングを近づけることで、いくつかの課題に対処することができる。 それでも、UAV支援IoTネットワークにおける効果的なデータ収集は、動的なUAV動作、環境変数、接続不安定性、セキュリティ上の考慮など、要因によって妨げられている。 本調査では,UAVベースのIoTネットワークをまず,通信とネットワークの面に注目して検討する。 次に、UAVベースのデータ収集手法の利点と欠点を取り上げ、続いてデータ収集のパフォーマンス指標について議論する。 この記事では、uav支援iotネットワークにおける信頼性と効率的なデータ収集を中心に、データの正確性と一貫性、ネットワーク接続性、およびデータのセキュリティとプライバシに関する既存の研究について簡単に論じて、信頼性のあるデータ収集に関する洞察を提供する。 さらに、UAVベースのIoTネットワークにおける効率的なデータ収集戦略について論じ、軌道と経路計画、衝突回避、センサネットワーククラスタリング、データ集約、UAVスワムの形成、最適化のための人工知能について論じる。 データ収集の信頼性と効率を向上させるためのサービスとして,UAVの2つのユースケースを提案する。 最後に、UAV支援IoTネットワークのデータ収集における今後の課題について論じる。

関連論文リスト

• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• Sparse Federated Training of Object Detection in the Internet of Vehicles [13.864554148921826]
  物体検出は、IoV(Internet of Vehicles)の鍵となる技術の一つである 現在のオブジェクト検出方法は、主に集中的な深層トレーニングに基づいており、エッジデバイスが取得したセンシティブなデータをサーバにアップロードする必要がある。 そこで本研究では,よく訓練されたローカルモデルを中央サーバで共有する,フェデレート学習ベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-07T08:58:41Z)
• Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual Antenna Arrays [55.736718475856726]
  無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である 既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。 協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
  論文  参考訳（メタデータ） (2023-08-03T02:49:50Z)
• AI-Empowered Data Offloading in MEC-Enabled IoV Networks [40.75165195026413]
  本稿では、信頼性、セキュリティ、エネルギー管理、サービス販売者利益の4つの主要な問題に基づいて分類された、データオフロードプロセスの一部としてAIを使用する研究を調査する。 MEC対応のIoVネットワークでデータをオフロードするプロセスにおけるさまざまな課題として、高いモバイル環境における信頼性のオフロード、同一ネットワーク内のユーザに対するセキュリティ、ネットワークへの不活性化を防ぐためのエネルギ管理などがある。
  論文  参考訳（メタデータ） (2022-03-31T09:31:53Z)
• Networking of Internet of UAVs: Challenges and Intelligent Approaches [93.94905661009996]
  I-UAVネットワークは、QoS(Quality-of-Service)とQoE(Quality-of-Experience)の3つのカテゴリに分類される。 本稿では、これらの課題を詳細に分析し、I-UAVネットワーク問題に取り組むための対応するインテリジェントアプローチについて解説する。
  論文  参考訳（メタデータ） (2021-11-13T09:44:43Z)
• RIS-assisted UAV Communications for IoT with Wireless Power Transfer Using Deep Reinforcement Learning [75.677197535939]
  無人航空機(UAV)通信をサポートするIoTデバイスのための同時無線電力伝送と情報伝送方式を提案する。 第1フェーズでは、IoTデバイスが無線電力転送を通じてUAVからエネルギーを回収し、第2フェーズでは、UAVが情報伝送を通じてIoTデバイスからデータを収集する。 マルコフ決定過程を定式化し、ネットワーク総和率を最大化する最適化問題を解くために、2つの深い強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-05T23:55:44Z)
• 3D UAV Trajectory and Data Collection Optimisation via Deep Reinforcement Learning [75.78929539923749]
  無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。 UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である 本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
  論文  参考訳（メタデータ） (2021-06-06T14:08:41Z)
• Artificial Intelligence for UAV-enabled Wireless Networks: A Survey [72.10851256475742]
  無人航空機(UAV)は次世代無線通信ネットワークにおいて有望な技術であると考えられている。 人工知能(AI)は近年急速に成長し、成功している。 UAVベースのネットワークにおけるAIの潜在的な応用について概観する。
  論文  参考訳（メタデータ） (2020-09-24T07:11:31Z)
• UAV Path Planning for Wireless Data Harvesting: A Deep Reinforcement Learning Approach [18.266087952180733]
  本稿では,IoT(Internet of Things)デバイスからのUAV対応データ収集に対するエンドツーエンド強化学習手法を提案する。 自律ドローンは、限られた飛行時間と障害物回避を受ける分散センサーノードからデータを収集する。 提案するネットワークアーキテクチャにより,エージェントが様々なシナリオパラメータの移動決定を行うことができることを示す。
  論文  参考訳（メタデータ） (2020-07-01T15:14:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。