five

juliensimon/nhats-accessible-asteroids

收藏
Hugging Face2026-03-28 更新2026-03-29 收录
下载链接:
https://hf-mirror.com/datasets/juliensimon/nhats-accessible-asteroids
下载链接
链接失效反馈
官方服务:
资源简介:
--- license: cc-by-4.0 pretty_name: "NASA NHATS Near-Earth Accessible Asteroids" language: - en description: >- Near-Earth asteroids accessible for human space flight missions, from NASA JPL's NHATS study. Includes delta-v requirements and trajectory counts. Updated daily. size_categories: - 1K<n<10K task_categories: - tabular-regression tags: - space - asteroid - nhats - nasa - human-exploration - delta-v - open-data - tabular-data - parquet configs: - config_name: default data_files: - split: train path: data/nhats_accessible_asteroids.parquet --- # NASA NHATS Near-Earth Accessible Asteroids *Part of the [Orbital Mechanics Datasets](https://huggingface.co/collections/juliensimon/orbital-mechanics-datasets-69c24caca4ab3934c9856994) collection on Hugging Face.* ![Update NHATS](https://github.com/juliensimon/space-datasets/actions/workflows/update-nhats.yml/badge.svg) ![Updated](https://img.shields.io/badge/dynamic/json?url=https://raw.githubusercontent.com/juliensimon/space-datasets/main/status.json&query=$.nhats&label=updated&color=brightgreen) Near-Earth asteroids accessible for human missions, currently **6,856** objects from NASA JPL's Near-Earth Object Human Space Flight Accessible Targets Study (NHATS). ## Dataset description The NHATS study identifies near-Earth asteroids that could be reached by crewed spacecraft with relatively low delta-v (velocity change) requirements. These are potential targets for human exploration missions, sample return, and in-situ resource utilisation (ISRU). Each asteroid in this dataset has at least one viable round-trip trajectory with total delta-v under 12 km/s, total mission duration under 450 days, and stay time of at least 8 days. The dataset is continuously updated as new asteroids are discovered and orbits are refined. ## Schema | Column | Type | Description | |--------|------|-------------| | `designation` | string | Primary asteroid designation | | `full_name` | string | Full formatted name/designation | | `n_viable_trajectories` | int64 | Number of viable round-trip trajectories | | `observation_magnitude` | float64 | Observed visual magnitude | | `orbit_condition_code` | int64 | Orbit condition code (0=well-determined to 9=poorly) | | `max_diameter_m` | float64 | Estimated maximum diameter (meters) | | `min_diameter_m` | float64 | Estimated minimum diameter (meters) | | `min_delta_v_kms` | float64 | Minimum total delta-v for round trip (km/s) | | `min_mission_duration_days` | float64 | Minimum total mission duration (days) | ## Quick stats - **6,856** accessible asteroids - Mean minimum delta-v: **9.05** km/s - Lowest delta-v target: **3.32** km/s - **684** targets with delta-v < 6 km/s ## Usage ```python from datasets import load_dataset ds = load_dataset("juliensimon/nhats-accessible-asteroids", split="train") df = ds.to_pandas() # Easiest targets to reach easy = df.nsmallest(20, "min_delta_v_kms") print(easy[["designation", "min_delta_v_kms", "min_mission_duration_days", "n_viable_trajectories"]]) # Targets with many trajectory options flexible = df.nlargest(20, "n_viable_trajectories") print(flexible[["designation", "n_viable_trajectories", "min_delta_v_kms"]]) # Delta-v distribution import matplotlib.pyplot as plt fig, ax = plt.subplots(figsize=(10, 5)) ax.hist(df["min_delta_v_kms"].dropna(), bins=50) ax.set_xlabel("Min delta-v (km/s)") ax.set_ylabel("Count") ax.set_title("NHATS Asteroid Delta-v Distribution") plt.show() ``` ## Data source [NASA JPL Near-Earth Object Human Space Flight Accessible Targets Study (NHATS)](https://cneos.jpl.nasa.gov/nhats/). ## Update schedule Daily at 16:00 UTC via [GitHub Actions](https://github.com/juliensimon/space-datasets). ## Pipeline Source code: [juliensimon/space-datasets](https://github.com/juliensimon/space-datasets) ## Support If you find this dataset useful, please give it a ❤️ on the [dataset page](https://huggingface.co/datasets/juliensimon/nhats-accessible-asteroids) and share feedback in the Community tab! Also consider giving a ⭐️ to the [space-datasets](https://github.com/juliensimon/space-datasets) repo. ## Citation ```bibtex @dataset{nhats_accessible_asteroids, author = {Simon, Julien}, title = {NASA NHATS Near-Earth Accessible Asteroids}, year = {2026}, publisher = {Hugging Face}, url = {https://huggingface.co/datasets/juliensimon/nhats-accessible-asteroids}, note = {Based on NASA/JPL NHATS (Near-Earth Object Human Space Flight Accessible Targets Study)} } ``` ## License [CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/)
提供机构:
juliensimon
搜集汇总
数据集介绍
main_image_url
构建方式
在深空探测领域,识别可抵达的小行星是人类拓展太空疆域的关键前提。该数据集源自美国宇航局喷气推进实验室的近地天体载人航天可达目标研究,通过自动化流程每日更新。构建过程严格遵循轨道力学准则,筛选出总速度增量低于12公里/秒、任务周期短于450天且驻留时间不少于8天的可行往返轨迹,最终形成涵盖6,861个天体的结构化表格数据,并以Parquet格式高效存储。
特点
该数据集的核心价值在于为载人深空任务规划提供了量化决策依据。其最显著特征是包含每个天体的最小总速度增量参数,该指标直接决定了任务推进剂消耗与成本,其中684个目标的数值低于6公里/秒,甚至优于月球探测的能耗需求。数据集同时提供可行轨迹数量、任务最短时长及直径估计等多维属性,使得研究人员能够综合评估目标天体的可达性、任务弹性与科学价值,为原位资源利用等长期太空活动奠定数据基础。
使用方法
利用该数据集开展研究时,可通过Hugging Face数据集库直接加载为Pandas DataFrame进行多维分析。典型应用场景包括筛选低速度增量目标以评估任务可行性,或通过轨迹数量分析发射窗口灵活性。数据集支持与Matplotlib等可视化工具无缝集成,便于绘制速度增量分布等统计图表。由于数据每日自动更新,研究者可持续获取最新的轨道参数,为动态任务规划提供实时支持。
背景与挑战
背景概述
近地小行星作为深空探测与资源利用的关键目标,其可访问性评估是载人航天任务规划的核心前提。NASA喷气推进实验室(JPL)主导的近地天体载人航天可访问目标研究(NHATS)自启动以来,系统性地筛选出轨道动力学特征适宜人类航天器抵达的小行星群体。该数据集由研究人员Julien Simon于2026年整合发布,聚焦于揭示满足总速度增量低于12公里/秒、任务周期短于450天且驻留时间超过8天等严格约束条件的潜在目标。通过持续更新的轨道数据与轨迹分析,该资源为深空任务设计、原位资源利用研究提供了量化依据,推动了行星防御与太空资源开发领域的协同发展。
当前挑战
在深空探测领域,识别兼具低能量消耗与高科学价值的小行星目标面临多重挑战。轨道动力学约束要求目标天体与地球轨道具备高度相容性,而现有观测数据对小型天体轨道精度与物理特性的表征仍存在显著不确定性。数据集构建过程中,需整合多源观测数据以动态更新数千颗天体的轨道参数,并计算海量发射窗口下的可行轨迹,这对计算架构与算法可靠性提出了极高要求。同时,将专业领域指标如速度增量、任务时长等转化为标准化、可交互的数据产品,需克服数据格式异构与领域知识壁垒,确保数据在航天工程与行星科学社区间的有效流通。
常用场景
经典使用场景
在深空探测任务规划领域,该数据集为载人小行星探测任务提供了关键的目标筛选依据。研究人员通过分析各天体的最小总速度增量、任务持续时间和可行轨迹数量等参数,能够系统评估不同目标的工程可行性。经典应用场景包括建立多目标优化模型,在速度增量约束下寻找任务窗口最多或资源潜力最大的候选天体,为任务概念设计提供数据驱动的决策支持。
衍生相关工作
基于该数据集衍生的经典研究包括多目标优化算法在深空探测规划中的应用,如开发考虑速度增量、任务时长和科学回报的权衡模型。相关研究还拓展到小行星资源评估领域,结合光谱分类数据预测水冰或金属含量。此外,机器学习方法被用于从轨道参数中预测新发现天体的可达性,形成了轨道力学与数据科学交叉的创新研究方向。
数据集最近研究
最新研究方向
在近地天体探索领域,NASA NHATS数据集正推动着人类深空任务规划的前沿研究。当前热点聚焦于利用机器学习模型预测小行星轨道动力学特性,以优化任务窗口选择与燃料消耗。随着商业航天与深空资源利用议题升温,该数据集为原位资源开采目标筛选提供了关键支撑,助力构建可持续的月球门户及火星中转站基础设施。其每日更新的特性更适应了动态天体监测需求,成为行星防御与载人探测任务协同设计的重要数据基石。
以上内容由遇见数据集搜集并总结生成
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作