five

5G Measurement Datasets|5G网络数据集|网络测量数据集

收藏
github2024-04-30 更新2024-05-31 收录
5G网络
网络测量
下载链接:
https://github.com/mssn/5GMeas-Dataset
下载链接
链接失效反馈
资源简介:
本仓库由普渡大学的MSSN小组发布,包含了所有由MSSN小组收集的5G测量数据集。这些数据集涵盖了从2021年4月开始的5G测量研究,包括多个项目的数据集,如Aerial 5G, SCGFailure, CA++, Dependent Misconfiguration等。

This repository is released by the MSSN group at Purdue University and contains all the 5G measurement datasets collected by the MSSN group. These datasets encompass 5G measurement research starting from April 2021, including datasets from multiple projects such as Aerial 5G, SCGFailure, CA++, and Dependent Misconfiguration.
创建时间:
2024-04-25
原始信息汇总

5G Measurement Datasets 概述

数据集列表

  1. Aerial 5G in West Lafayette

    • 发布日期:2024年4月30日
    • 相关论文:[IWQoS24] The Sky is Not the Limit: Unveiling Operational 5G Potentials in the Sky
    • 数据集位置:$DATASET/iwqos-aerial-5g
    • 时间范围:2023年11月 - 2024年2月
    • 地点:West Lafayette, IN
  2. SCGFailure

    • 发布日期:2024年1月15日
    • 相关论文:[HotMobile24] Demystifying Secondary Radio Access Failures in 5G
    • 数据集位置:https://github.com/mssn/scgfailure
    • 时间范围:(1) 2021年4月 - 2022年1月, (2) 2023年9月 - 2023年10月
    • 地点:(1) Indianapolis,IN and Chicago,IL (2) West Lafayette, IN
  3. CA++

    • 发布日期:2023年4月30日
    • 相关论文:[MobiCom23] CA++: Enhancing Carrier Aggregation Beyond 5G
    • 数据集位置:https://github.com/mssn/ca-plus
    • 时间范围:2021年4月 - 2022年3月
    • 地点:Indianapolis, IN and Los Angeles, CA
  4. Dependent Misconfiguration

    • 发布日期:2023年4月18日
    • 相关论文:[CoNEXT23] Dependent Misconfiguration in 5G/4.5G Radio Resource Control
    • 数据集位置:https://github.com/mssn/5G_misconfig
    • 时间/地点:(1) 2019 - 2021 (Los Angeles, CA), (2) 2021 (Chicago,IL), (3) 2021 - 2022 (Indianapolis, IN), (4) 2019 - 2023 (West Lafayette, IN), (5) 2019 (China)
  5. 5G in two US cities (Chicago and Indy)

    • 发布日期:2023年1月9日
    • 相关论文:[INFOCOM23] A Close Look at 5G in the Wild: Unrealized Potentials and Implications
    • 数据集位置:https://github.com/mssn/INFOCOM23-5GMeas
    • 时间范围:2021年4月 - 2022年1月
    • 地点:Indianapolis, IN and Chicago, IL

引用信息

若使用上述任一数据集,请引用相关论文及数据集仓库。如需引用整个数据集仓库,请使用以下格式:

@misc{mssn-5g-dataset, author={Purdue~MSSN~Group}, title={5G Measurement Datasets}, howpublished={url{https://github.com/mssn/5GMeas-Dataset}}, }

AI搜集汇总
数据集介绍
main_image_url
构建方式
该数据集由普渡大学计算机科学系MSSN小组在Prof. Peng的领导下,自2021年4月起在实际运营的5G网络中进行测量研究而构建。数据集涵盖了多个项目,包括空中5G测量、次级无线接入失败、载波聚合增强、依赖性配置错误等多个方面。每个数据集的收集时间和地点均详细记录,确保数据的时空一致性和可追溯性。
特点
该数据集的显著特点在于其全面性和多样性,涵盖了从2019年到2024年多个城市和地区的5G网络测量数据。数据集不仅包括基础的网络性能指标,还涉及复杂的网络故障和配置问题,为研究5G网络的实际运行情况提供了丰富的资源。此外,每个数据集都附有详细的README文件,便于用户理解和使用。
使用方法
用户可以通过访问GitHub仓库中的各个数据集链接,下载所需的数据文件。每个数据集都附有详细的README文件,提供了数据的具体描述、收集方法和使用建议。为了确保数据的正确引用,用户在使用数据时应参考并引用相应的论文和仓库。此外,用户还可以通过仓库中的README文件获取更多关于数据集的背景信息和使用指南。
背景与挑战
背景概述
5G Measurement Datasets是由普渡大学计算机科学系MSSN研究组在Peng教授的领导下,自2021年4月起开展的一系列5G测量研究成果的集合。该数据集涵盖了多个关键领域的5G测量数据,包括空中5G网络、次级无线接入失败、载波聚合增强等,研究地点遍布美国多个城市如西拉法叶、印第安纳波利斯、芝加哥等。这些数据集的发布旨在为5G网络的性能分析、故障诊断及优化提供宝贵的实证数据,推动5G技术在实际应用中的进一步发展。
当前挑战
5G Measurement Datasets在构建过程中面临多项挑战。首先,5G网络的复杂性和多样性使得数据采集和分析变得异常复杂,尤其是在不同地理环境和网络配置下的性能差异。其次,数据集的实时性和准确性要求极高,确保数据能够真实反映5G网络的运行状态。此外,数据集的规模庞大,如何有效存储、管理和共享这些数据也是一个重要挑战。最后,随着5G技术的不断演进,数据集需要持续更新以保持其前沿性和实用性。
常用场景
经典使用场景
5G Measurement Datasets由普渡大学MSSN团队发布,涵盖了多个5G网络测量研究的数据集。这些数据集的经典使用场景主要集中在5G网络性能分析、故障诊断以及新技术的评估。例如,'Aerial 5G in West Lafayette'数据集通过空中测量揭示了5G网络在实际运营中的潜力,而'SCGFailure'数据集则专注于研究5G网络中次级无线接入失败的问题。这些数据集为研究人员提供了宝贵的实测数据,支持他们在5G网络优化、故障检测和新技术验证等方面进行深入研究。
解决学术问题
5G Measurement Datasets解决了5G网络研究中的多个关键学术问题。首先,这些数据集揭示了5G网络在实际运营中的性能瓶颈和潜在问题,如次级无线接入失败和依赖性配置错误。其次,通过提供多城市、多时间段的测量数据,这些数据集帮助研究人员理解5G网络在不同地理和环境条件下的表现。此外,这些数据集还为5G新技术的评估提供了实证基础,如载波聚合技术的增强。这些研究成果对于推动5G网络的理论发展和实际应用具有重要意义。
衍生相关工作
5G Measurement Datasets的发布催生了一系列相关的经典研究工作。例如,基于'Aerial 5G in West Lafayette'数据集的研究揭示了空中5G网络的潜力,推动了相关技术的进一步探索。'SCGFailure'数据集的研究则深入分析了5G网络中次级无线接入失败的问题,为故障诊断和网络优化提供了新的视角。此外,'CA++'数据集的研究展示了载波聚合技术在5G网络中的应用,促进了该技术的实际部署。这些衍生工作不仅丰富了5G网络的理论研究,也为实际应用提供了重要的技术支持。
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

Figshare

Figshare是一个在线数据共享平台,允许研究人员上传和共享各种类型的研究成果,包括数据集、论文、图像、视频等。它旨在促进科学研究的开放性和可重复性。

figshare.com 收录

PCLT20K

PCLT20K数据集是由湖南大学等机构创建的一个大规模PET-CT肺癌肿瘤分割数据集,包含来自605名患者的21,930对PET-CT图像,所有图像都带有高质量的像素级肿瘤区域标注。该数据集旨在促进医学图像分割研究,特别是在PET-CT图像中肺癌肿瘤的分割任务。

arXiv 收录

中国逐日格点降水数据集V2(1960–2024,0.1°)

CHM_PRE V2数据集是一套高精度的中国大陆逐日格点降水数据集。该数据集基于1960年至今共3476个观测站的长期日降水观测数据,并纳入11个降水相关变量,用于表征降水的相关性。数据集采用改进的反距离加权方法,并结合基于机器学习的LGBM算法构建。CHM_PRE V2与现有的格点降水数据集(包括CHM_PRE V1、GSMaP、IMERG、PERSIANN-CDR和GLDAS)表现出良好的时空一致性。数据集基于63,397个高密度自动雨量站2015–2019年的观测数据进行验证,发现该数据集显著提高了降水测量精度,降低了降水事件的高估,为水文建模和气候评估提供了可靠的基础。CHM_PRE V2 数据集提供分辨率为0.1°的逐日降水数据,覆盖整个中国大陆(18°N–54°N,72°E–136°E)。该数据集涵盖1960–2024年,并将每年持续更新。日值数据以NetCDF格式提供,为了方便用户,我们还提供NetCDF和GeoTIFF格式的年度和月度总降水数据。

国家青藏高原科学数据中心 收录

HazyDet

HazyDet是由解放军工程大学等机构创建的一个大规模数据集,专门用于雾霾场景下的无人机视角物体检测。该数据集包含383,000个真实世界实例,收集自自然雾霾环境和正常场景中人工添加的雾霾效果,以模拟恶劣天气条件。数据集的创建过程结合了深度估计和大气散射模型,确保了数据的真实性和多样性。HazyDet主要应用于无人机在恶劣天气条件下的物体检测,旨在提高无人机在复杂环境中的感知能力。

arXiv 收录

BDD100K

数据集推动了视觉的进步,但现有的驾驶数据集在视觉内容和支持任务方面缺乏研究,以研究自动驾驶的多任务学习。研究人员通常只能在一个数据集上研究一小组问题,而现实世界的计算机视觉应用程序需要执行各种复杂的任务。我们构建了最大的驾驶视频数据集 BDD100K,包含 10 万个视频和 10 个任务,以评估图像识别算法在自动驾驶方面的令人兴奋的进展。该数据集具有地理、环境和天气的多样性,这对于训练不太可能对新条件感到惊讶的模型很有用。基于这个多样化的数据集,我们为异构多任务学习建立了一个基准,并研究了如何一起解决这些任务。我们的实验表明,现有模型需要特殊的训练策略来执行此类异构任务。 BDD100K 为未来在这个重要场所的学习打开了大门。更多详细信息请参见数据集主页。

OpenDataLab 收录