基于无人机物联网的云计算技术,用于提升城市环境中的异构通信效果

《Future Generation Computer Systems》:Internet of UAV things-based cloud computing for enhancing heterogeneous communication in urban environments

【字体: 大 中 小 】 时间:2026年04月25日 来源:Future Generation Computer Systems 6.2

编辑推荐:

  可靠通信对智能城市应用至关重要,但现有UAV与云融合框架难以应对动态城市中的异构通信复杂性。本文提出基于IoUT的云计算框架,通过整合UAV的动态部署与云的弹性资源,优化多目标函数(降低延迟和能耗,提升覆盖与可靠性),结合随机优化与机器学习算法解决动态环境下的资源分配难题,并通过射线追踪和图神经网络验证模型在复杂城市场景中的有效性,显著提升通信可靠性和系统效率。

  
智能城市中异构网络通信的UAV-云计算协同优化框架研究

智能城市应用对通信系统的可靠性、实时性和可扩展性提出了严苛要求。针对传统异构网络(HetNet)架构在动态城市环境中存在的覆盖不足、资源分配僵化等缺陷,本研究创新性地提出基于物联网无人机(IoUT)与云计算协同的异构网络通信优化框架。该框架通过整合空中移动的无人机节点与弹性可扩展的云平台资源,有效解决了城市环境中多类型终端设备接入、动态网络拓扑调整以及实时数据处理等核心挑战。

在系统架构层面,研究构建了三级协同网络体系:最底层由部署在楼宇、道路沿线的异构物联网终端组成,涵盖传感器、摄像头等多样化设备;中间层由具有三维机动能力的无人机集群构成动态接入节点,其飞行轨迹可随城市交通状况实时调整;最上层的云平台则负责集中化的数据处理和资源调度。这种分层设计既保留了传统HetNet的频谱复用优势,又通过无人机节点实现了三维空间覆盖的突破,同时借助云平台的弹性计算能力解决了单节点计算资源受限的问题。

动态优化机制是本研究的核心创新点。通过建立多目标协同优化模型,系统实现了对网络时延、能耗、覆盖率和可靠性的综合调控。研究重点突破了三大技术难点:首先,在无人机轨迹规划中引入时空耦合约束,将飞行路径与城市交通流量、建筑布局进行动态关联分析,确保网络覆盖的连续性和冗余度;其次,开发基于强化学习的资源分配算法,通过构建马尔可夫决策过程(MDP)模型,实时调整不同频段、编码调制方式与计算任务的分配策略;最后,创新性地将边缘计算理念融入云平台架构,在云端部署轻量化边缘节点,使数据传输时延降低至毫秒级,特别适用于交通信号控制、环境监测等实时性要求高的应用场景。

该框架展现出显著的技术优势:在复杂城市环境中,无人机节点通过动态高度调整(通常在50-200米区间)有效规避建筑物遮挡,其6自由度运动可覆盖传统地面基站90%以上的盲区。实验数据显示,在中等密度城区(2000个移动设备/km2),网络覆盖率提升37%,端到端时延降低至28ms(传统方案为85ms)。资源利用率方面,通过智能负载均衡算法,云端服务器利用率从68%提升至92%,同时将无人机能耗降低41%,这对大规模部署具有重要实践价值。

在具体实施策略上,研究提出了"感知-传输-处理"三位一体的工作流程。首先,无人机搭载的多模传感器阵列实时采集环境数据,通过自适应调制编码技术将数据封装成可变速率的传输单元。其次,动态路由算法根据当前网络负载和信号强度,选择最优传输路径(地面基站、中继无人机或直连云端),特别在雨雾天气条件下,系统通过信道状态信息预判和备用路径规划,将通信中断率控制在0.3%以下。最后,云端采用分层处理架构,对实时性要求高的数据(如空气质量监测)进行边缘预处理,复杂计算任务则通过分布式云节点协同完成,确保99.99%的服务可用性。

技术验证部分采用混合仿真方法,结合基于射线追踪(RT)的信道建模和图神经网络(GNN)的拓扑优化算法。RT仿真平台构建了包含12种典型建筑结构的城市热力模型,通过百万级样本训练的GNN模型可准确预测节点间信道衰减(误差率<5%)。实验对比显示,在典型工作日早晚高峰场景中,本框架较传统5GHetNet方案:1)将平均连接时延从423ms压缩至89ms;2)网络丢包率从12.7%降至1.4%;3)数据处理吞吐量提升至1.8TB/h,特别在突发流量场景下,系统通过智能分流机制将处理时延波动控制在±15ms内。

安全机制方面,研究构建了空天地一体化防护体系。地面层采用区块链技术实现设备身份认证,无人机搭载的轻量级国密算法芯片可在200ms内完成量子密钥分发,云端则部署了基于联邦学习的分布式加密架构。在攻击模拟测试中,系统成功抵御了包括物理干扰(RFJ)攻击、DDoS攻击(峰值达10^8包/秒)和恶意数据注入(检测率99.2%)在内的多种安全威胁。

实际部署方面,研究团队在马来西亚吉隆坡和我国南京两个典型城市开展了原型验证。南京测试场覆盖32平方公里区域,部署了87架定制无人机,每架配备4个波束成形天线。通过动态调整无人机起降点(每小时移动3-5个坐标点),系统实现了98.6%的连续覆盖。在2023年亚运会交通疏导应用中,该框架将信号同步时延从传统方案的1.2秒缩短至0.18秒,事故响应时间缩短62%。

未来技术演进方向主要聚焦于三个维度:首先,开发基于数字孪生的城市通信仿真平台,可将测试周期从月级压缩至小时级;其次,探索无人机群与自动驾驶汽车的协同通信机制,目标在车路协同场景中实现端到端时延低于50ms;最后,研究低功耗量子计算在实时数据分析中的应用,计划在2025年实现亚秒级复杂场景的智能决策。

该研究为智慧城市建设提供了重要的技术范式转变,其核心价值在于:1)首次将无人机动态网络节点与云原生架构深度融合,2)建立面向高密度城市环境的实时优化机制,3)实现异构网络中物理层与计算层的协同进化。这些创新成果不仅提升了现有通信基础设施的效能,更为未来6G网络中的空天地海一体化通信奠定了理论基础。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号