five

LENS|卫星网络数据集|空间通信数据集

收藏
github2024-05-06 更新2024-05-31 收录
卫星网络
空间通信
下载链接:
https://github.com/clarkzjw/LENS
下载链接
链接失效反馈
资源简介:
这是一个关于低地球轨道卫星网络测量数据集的仓库,包含了多个地点的卫星网络测量数据,用于支持ACM MMSys24会议的开放源代码软件和数据集轨道。

This repository contains a dataset of measurements from low Earth orbit satellite networks, encompassing data collected from multiple locations. It is intended to support the open-source software and dataset track for the ACM MMSys24 conference.
创建时间:
2024-02-02
原始信息汇总

LENS: A LEO Satellite Network Measurement Dataset

数据集概述

LENS数据集是针对低地球轨道(LEO)卫星网络的测量数据集,用于研究低延迟实时视频流。该数据集与两篇论文相关联,分别发表在ACM Multimedia Systems Conference (MMSys24)的Open-source Software and Dataset (ODS)轨道和MMSys24会议。

数据集内容

  1. Dish Locations

    • 数据集包含多个位于不同地区的卫星天线(Dish)的位置信息,包括ID、位置、天线版本、接入点(Point-of-Presence, PoP)和服务层级。
  2. Dish Obstruction Maps

    • 提供各天线的遮挡图,以图像形式展示。
  3. Monthly Snapshots

    • 数据集按月划分,包含原始数据(RAW)和处理后的CSV数据。每个月份的数据分为多个部分存储,可通过Zenodo链接下载。
    • RAW dataset
      • 包含IRTT(Inter-RTT)指标的.json格式文件和ping指标的.txt格式文件。
    • Processed CSV dataset
      • 包含IRTT和Ping的CSV格式数据。

数据集版本

  • 原始数据集快照可从特定Git提交中找到,例如c084c11

数据集下载与解压

  • 每月快照的数据由于文件大小限制,被分割成多个tar档案。解压时需确保安装了Zstd,并下载所有相关部分进行解压。

数据集引用

  • 数据集的引用信息可在README文件中找到。

数据集详细信息

Dish Locations

ID Location Dish Generation Point-of-Presence Service Tier
victoria_active_1 Victoria, BC, Canada rev3_proto2 Seattle Standard
victoria_active_2 Victoria, BC, Canada rev3_proto2 Seattle Mobile
victoria_inactive Victoria, BC, Canada rev3_proto2 Seattle Inactive Mobile, Roam
vancouver Vancouver, BC, Canada rev2_proto3 Seattle Standard [1]
seattle Seattle, WA, USA rev3_proto2 Seattle Standard
seattle_hp Seattle, WA, USA hp1_proto1 Seattle Priority
alaska Anchorage, AK, USA rev3_proto2 Seattle Mobile
ottawa Ottawa, ON, Canada rev3_proto2 New York Standard [5]

Monthly Snapshots

Monthly Snapshots Type Link Compressed Size Decompressed Size
2024-05 RAW [Part1-3] 99GB 1.2TB
2024-05 CSV [CSV] 32GB 111GB
2024-04 RAW [Part1-4] 119GB 1.4TB
2024-04 CSV [CSV] 38GB 131GB

[Part1-3]: https://zenodo.org/records/11537639, https://zenodo.org/records/11538900, https://zenodo.org/records/11540281 [CSV]: https://zenodo.org/records/11552317 [Part1-4]: https://zenodo.org/records/11540826, https://zenodo.org/records/11541705, https://zenodo.org/records/11542711, https://zenodo.org/records/11543385

AI搜集汇总
数据集介绍
main_image_url
构建方式
LENS数据集通过在多个地理位置部署的Starlink卫星接收器进行数据采集,涵盖了从加拿大到澳大利亚的广泛区域。这些接收器分布在不同的大洲,包括北美、欧洲、非洲、亚洲和澳洲,每个接收器都配备了特定的设备型号和服务等级。数据集的构建方式是通过每月定期收集网络测量数据,包括IRTT(Internet Round-Trip Time)和Ping指标,并将这些数据以原始格式(RAW)和处理后的CSV格式存储。原始数据以JSON和TXT文件形式保存,而CSV数据则经过预处理,便于直接分析。
特点
LENS数据集的显著特点在于其全球覆盖性和多维度的测量数据。数据集不仅包含了不同地理位置的网络性能指标,还记录了设备型号、服务等级以及网络拥塞情况等详细信息。此外,数据集按月划分,提供了时间序列上的连续性,使得研究者能够分析网络性能的长期变化趋势。数据集的多样性和详细性为低地球轨道卫星网络的研究提供了丰富的资源。
使用方法
使用LENS数据集时,用户可以通过下载每月快照的压缩文件,并按照提供的解压指南进行解压。原始数据包含IRTT和Ping的详细测量结果,用户可以根据需求选择分析JSON或TXT格式的原始数据,或直接使用处理后的CSV数据进行快速分析。数据集的多样性使得其在网络性能评估、低延迟视频流研究等领域具有广泛的应用潜力。
背景与挑战
背景概述
LENS数据集是由Clark Z. J. Wang等人创建的,旨在为低地球轨道(LEO)卫星网络的研究提供实测数据支持。该数据集于2024年首次发布,并在ACM多媒体系统会议(MMSys'24)的开放源码与数据集(ODS)轨道上进行了展示。LENS数据集的核心研究问题聚焦于低延迟实时视频流在LEO卫星网络中的传输性能,特别是通过Starlink网络进行的实验。该数据集的发布为研究者提供了宝贵的实测数据,推动了卫星通信领域的技术进步,尤其是在低延迟和高带宽需求的应用场景中。
当前挑战
LENS数据集在构建过程中面临了多重挑战。首先,数据采集涉及多个地理位置的卫星接收设备,这些设备分布在全球各地,涵盖了从加拿大到澳大利亚的广泛区域,这增加了数据采集的复杂性和难度。其次,数据集的规模庞大,每月生成的原始数据量高达TB级别,处理和存储这些数据需要强大的计算资源和高效的压缩技术。此外,卫星网络的动态性和不稳定性也给数据采集带来了挑战,尤其是在网络延迟和数据包丢失的测量中,需要精确的同步和校准。最后,数据集的多样性和复杂性要求研究者具备跨学科的知识,以便从多维度的数据中提取有价值的信息。
常用场景
经典使用场景
LENS数据集在低地球轨道(LEO)卫星网络的研究中具有经典应用场景,主要用于分析和优化低延迟实时视频流在Starlink网络中的传输性能。通过该数据集,研究者能够深入探讨卫星网络中的延迟、带宽波动、丢包率等关键性能指标,从而为低延迟视频流传输提供理论支持和优化方案。
解决学术问题
LENS数据集解决了卫星网络中低延迟传输的关键学术问题,特别是在实时视频流应用中,如何有效降低延迟、提高传输稳定性以及优化带宽利用率。该数据集为研究者提供了丰富的实测数据,有助于推动卫星网络性能建模、协议优化以及网络资源调度等方面的研究,具有重要的学术价值和应用前景。
衍生相关工作
基于LENS数据集,研究者已开展了一系列相关工作,包括低延迟视频流传输协议的优化、卫星网络性能模型的构建以及网络资源调度算法的研究。这些工作不仅推动了卫星网络技术的进步,还为其他类似网络环境下的应用提供了宝贵的经验。未来,LENS数据集有望在更多领域中发挥作用,如物联网、自动驾驶等对低延迟和高可靠性有严格要求的场景。
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4099个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

URPC系列数据集, S-URPC2019, UDD

URPC系列数据集包括URPC2017至URPC2020DL,主要用于水下目标的检测和分类。S-URPC2019专注于水下环境的特定检测任务。UDD数据集信息未在README中详细描述。

github 收录

China Health and Nutrition Survey (CHNS)

China Health and Nutrition Survey(CHNS)是一项由美国北卡罗来纳大学人口中心与中国疾病预防控制中心营养与健康所合作开展的长期开放性队列研究项目,旨在评估国家和地方政府的健康、营养与家庭计划政策对人群健康和营养状况的影响,以及社会经济转型对居民健康行为和健康结果的作用。该调查覆盖中国15个省份和直辖市的约7200户家庭、超过30000名个体,采用多阶段随机抽样方法,收集了家庭、个体以及社区层面的详细数据,包括饮食、健康、经济和社会因素等信息。自2011年起,CHNS不断扩展,新增多个城市和省份,并持续完善纵向数据链接,为研究中国社会经济变化与健康营养的动态关系提供了重要的数据支持。

www.cpc.unc.edu 收录

中国交通事故深度调查(CIDAS)数据集

交通事故深度调查数据通过采用科学系统方法现场调查中国道路上实际发生交通事故相关的道路环境、道路交通行为、车辆损坏、人员损伤信息,以探究碰撞事故中车损和人伤机理。目前已积累深度调查事故10000余例,单个案例信息包含人、车 、路和环境多维信息组成的3000多个字段。该数据集可作为深入分析中国道路交通事故工况特征,探索事故预防和损伤防护措施的关键数据源,为制定汽车安全法规和标准、完善汽车测评试验规程、

北方大数据交易中心 收录

ERIC (Education Resources Information Center)

ERIC (Education Resources Information Center) 是一个广泛的教育文献数据库,包含超过130万条记录,涵盖从1966年至今的教育研究、政策和实践。数据集内容包括教育相关的期刊文章、书籍、研究报告、会议论文、技术报告、政策文件等。

eric.ed.gov 收录

OQMD

12W+DFT计算数据,包括热力学和结构性质label

OpenDataLab 收录