論文の概要: Co-planning of Flight Corridors and Communication Infrastructure for Urban Drone Logistics Networks

• arxiv url: http://arxiv.org/abs/2607.23989v1
• Date: Mon, 27 Jul 2026 04:34:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.309749
• Title: Co-planning of Flight Corridors and Communication Infrastructure for Urban Drone Logistics Networks
• Title（参考訳）: 都市型ドローンロジスティックスネットワークのための飛行回廊と通信インフラの共設計
• Abstract要約: 本稿では,複雑な都市環境におけるBS展開とUAV飛行回廊の協調最適化について検討する。 通信路相互誘導型光導波路誘導型マルチアームバンディットフレームワークCR-CMABを提案する。
• 参考スコア（独自算出の注目度）: 5.791839624577244
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable wireless connectivity is essential for urban air mobility (UAM) networks in dense urban environments. It is therefore imperative to carefully plan the supporting communication infrastructure for UAM flight corridors. Most existing works optimize communication infrastructure and UAV flight paths independently, often leading to unnecessary base station (BS) deployment or excessive flight detours. This paper studies the joint optimization of BS deployment and UAV flight corridors in complex urban environments, aiming to minimize both infrastructure investment and flight distance while satisfying communication quality constraints. We propose CR-CMAB, a channel reciprocity-guided combinatorial multi-armed bandit framework. The framework constructs high-fidelity radio maps using 3D ray tracing, selects BS combinations via coverage-aware CMAB search, and dynamically expands the search space by identifying promising BS locations through channel reciprocity. Experimental results from a detailed case study demonstrate that CR-CMAB outperforms baseline methods with moderate computational time, yielding more strategically positioned BSs and shorter flight corridors. This study offers a practical planning perspective for cost-effective and communication-reliable UAM deployment in future smart cities.
• Abstract（参考訳）: 都市大気移動(UAM)ネットワークには,信頼性の高い無線接続が不可欠である。 したがって、UAM飛行回廊を支える通信インフラを慎重に計画することが不可欠である。 既存の作業の多くは、通信インフラとUAV飛行経路を独立して最適化しており、しばしば不必要な基地局(BS)の配備や過度の飛行遅延につながる。 本稿では,インフラ投資と飛行距離の両方を最小化しつつ,通信品質の制約を満たすことを目的とした,複雑な都市環境におけるBS展開とUAV飛行回廊の協調最適化について検討する。 通信路相互誘導型多武装バンディットフレームワークCR-CMABを提案する。 このフレームワークは、3D線トレーシングを用いて高忠実度無線マップを構築し、カバレッジを意識したCMABサーチによりBS組合せを選択し、チャネルの相反性を通じて有望なBS位置を特定することにより、検索空間を動的に拡張する。 CR-CMABは, より戦略的に位置決めされたBSと短い飛行回廊により, 適度な計算時間でベースライン法より優れることを示した。 本研究は,今後のスマートシティにおける費用対効果と通信信頼性を両立させるための実践的な計画的視点を提供する。

関連論文リスト

• Trajectory Design for UAV-Based Low-Altitude Wireless Networks in Unknown Environments: A Digital Twin-Assisted TD3 Approach [62.11847362756054]
  低高度無線ネットワーク(LAWN)のキーイネーブラーとして無人航空機(UAV)が登場している 我々は、デジタルツイン(DT)支援トレーニングおよびデプロイメントフレームワークを提案する。 このフレームワークでは、UAVは統合されたセンシングと通信信号を送信し、地上ユーザーに通信サービスを提供し、同時にDTサーバにアップロードされたエコーを収集して、仮想環境(VE)を段階的に構築する。 これらのVEはモデルトレーニングを加速し、展開中のリアルタイムUAVセンシングデータを継続的に更新し、意思決定をサポートし、飛行安全性を向上する。
  論文  参考訳（メタデータ） (2025-10-28T10:05:53Z)
• Maximizing UAV Cellular Connectivity with Reinforcement Learning for BVLoS Path Planning [2.9248680865344343]
  本稿では,BVLoS以外のセルラー接続型無人航空機(UAV)の経路計画に対する強化学習(RL)に基づくアプローチを提案する。 提案手法では,UAVと基地局(BS)間の通信リンクの質を報奨関数として利用してエージェントの訓練を行う。 RLアルゴリズムは最適経路を効率よく同定し、地上BSとの最大接続を確保し、安全で信頼性の高いBVLoS飛行動作を保証する。
  論文  参考訳（メタデータ） (2025-09-11T06:06:39Z)
• Bayesian-Driven Graph Reasoning for Active Radio Map Construction [96.08082552413117]
  本稿では,経路ナビゲーションに適したグラフベースの推論を明示的に活用する不確実性を考慮した無線地図再構成フレームワークを提案する。 提案手法は,(1)空間的不確実性をリアルタイムで推定するベイズニューラルネットワーク,(2)グローバル推論を行う注意に基づく強化学習ポリシの2つの重要な深層学習要素を統合した。 実験の結果,URAMは既存のベースラインよりも最大で34%の精度で復元できることがわかった。
  論文  参考訳（メタデータ） (2025-07-29T03:32:01Z)
• Deep UAV Path Planning with Assured Connectivity in Dense Urban Setting [2.4156037371075088]
  本稿では, 保証接続(DUPAC)を用いたUAV経路計画の枠組みを提案する。 UAV飛行中、DUPACは、定義されたソースから目的地への最良のルートを、距離と信号品質の観点から決定する。 その結果、DUPACは、飛行を通して平均9%の接続品質を維持しながら、2%の増分しか持たないベース方式に類似した自律型UAV飛行経路を達成できることを確認した。
  論文  参考訳（メタデータ） (2024-06-21T15:10:25Z)
• 5G Network on Wings: A Deep Reinforcement Learning Approach to the UAV-based Integrated Access and Backhaul [11.197456628712846]
  無人航空機(UAV)ベースの航空ネットワークは、高速で柔軟で信頼性の高い無線通信のための有望な代替手段を提供する。 本稿では,静的環境と動的環境の両方において,複数のUAV-BSを制御する方法について検討する。 複数のUAV-BSの3次元配置を協調的に最適化するために,深部強化学習アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-02-04T07:45:06Z)
• Wireless-Enabled Asynchronous Federated Fourier Neural Network for Turbulence Prediction in Urban Air Mobility (UAM) [101.80862265018033]
  垂直離着陸機(VTOL)が配車サービスに使用される都市空力(UAM)が提案されている。 UAMでは、航空機はエアロドロムを繋ぐ廊下として知られる指定空域で運用することができる。 GBSと航空機間の信頼性の高い通信網により、UAMは適切に空域を利用することができる。
  論文  参考訳（メタデータ） (2021-12-26T14:41:52Z)
• Autonomous Navigation and Configuration of Integrated Access Backhauling for UAV Base Station Using Reinforcement Learning [13.836618781378796]
  本稿では,このユースケースに機械学習を適用するためのフレームワークとシグナリング手法を提案する。 深い強化学習アルゴリズムは、UAV-BSの3次元位置だけでなく、アクセスとバックホールアンテナの傾きを協調的に最適化するように設計されている。 提案アルゴリズムは,UAV-BSを自律的にナビゲートし,そのスループットを向上し,MCユーザの減少率を低減できることを示す。
  論文  参考訳（メタデータ） (2021-12-14T11:47:11Z)
• Deep Learning Aided Routing for Space-Air-Ground Integrated Networks Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
  現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。 大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。 低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
  論文  参考訳（メタデータ） (2021-10-28T14:12:10Z)
• A Comprehensive Overview on 5G-and-Beyond Networks with UAVs: From Communications to Sensing and Intelligence [152.89360859658296]
  5Gネットワークは、拡張モバイルブロードバンド(eMBB)、超信頼性低遅延通信(URLLC)、大規模機械型通信(mMTC)の3つの典型的な利用シナリオをサポートする必要がある。 一方、UAVはコスト効率のよい航空プラットフォームとして利用でき、地上の利用者に高い高度と3D空間での操作性を利用して通信サービスを強化することができる。 一方,UAVと地上ユーザの両方に同時に通信サービスを提供することは,ユビキタスな3D信号網と強力な地上ネットワーク干渉の必要性から,新たな課題を提起する。
  論文  参考訳（メタデータ） (2020-10-19T08:56:04Z)
• Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks [51.05735925326235]
  低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。 軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。 エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。 本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2020-05-26T05:39:27Z)

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。