Towards Softwarized Drone Networks
Notice bibliographique
Résumé
Drones, or Unmanned Aerial Vehicles (UAVs), are considered essential tools in search and rescue, disaster relief, remote sensing, aerial surveillance and security. Drone-assisted communication networks are gaining considerable attention as a cost-effective and flexible network infrastructure offering new capabilities and opportunities. In addition to enabling connectivity for complex multi-drone tasks, drone networks can be deployed to facilitate connectivity in remote areas and extreme environments and supplement and extend the coverage of mobile networks in response to variable demands. However, utilizing such flexibility requires dealing with the inherent dynamics of drone networks, characterized by a high level of mobility and limited resources. Network softwarization using Software Defined Networking (SDN) and Network Functions Virtualization (NFV) enables flexible and adaptive control and reconfigurability in drone networks through centralized programmability and virtualized network functions. In this thesis, we investigate drone network softwarization by identifying potential gains from the flexibility offered by softwarization not investigated previously in the context of drone networks. To enable the utilization of SDN and NFV in drone networks, we propose and describe an architecture for softwarized drone networks. Furthermore, we address an important challenge relating to SDN control, a key element in SDN architectures, allowing the programmability of the network through an interface between logically centralized controllers and the programmable network nodes. To adapt to the network mobility and connectivity constraints, we propose schemes for deploying and assigning SDN controllers embedded in drones, allowing for continuous operation of control functions with changing network topology and possible unavailability of ground infrastructure. We also utilize the flexibility offered by NFV. New deployment and orchestration schemes are needed to efficiently deploy and manage drone networks defined by Virtual Network Functions (VNFs) implementing task and network functionalities. To this end, we describe the applicable use cases that benefit from this flexibility and propose schemes that efficiently deploy and manage NFV-based drone networks.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».