无人机最优放置数据集

本研究创建了一个用于无人机最优放置的数据集，旨在通过机器学习算法提高无人机在辅助车辆网络（DAVN）中的通信和能源效率。数据集通过模拟生成，涵盖了无人机的运动轨迹、车辆动态以及通信延迟和能源消耗等参数。数据集的创建过程涉及使用SUMO交通模拟器和随机走算法来模拟车辆和无人机的运动。该数据集主要用于研究无人机在车辆网络中的最优位置配置，以解决通信延迟和能源消耗问题。

This study develops a dataset for optimal unmanned aerial vehicle (UAV) placement, aiming to improve the communication and energy efficiency of UAVs in drone-aided vehicle networks (DAVN) using machine learning algorithms. The dataset is generated through simulations, covering parameters such as UAV movement trajectories, vehicle dynamics, communication latency, and energy consumption. The construction of this dataset employs the SUMO traffic simulator and the Random Walk algorithm to simulate the movements of both vehicles and UAVs. This dataset is primarily utilized to investigate optimal position configuration of UAVs in vehicle networks, so as to address the challenges of communication latency and energy consumption.

搜集汇总

背景与挑战

背景概述

无人机最优放置数据集是一个通过模拟生成的数据集，专注于提高无人机在辅助车辆网络中的通信和能源效率。它涵盖了无人机运动轨迹、车辆动态、通信延迟和能源消耗等参数，使用SUMO交通模拟器和随机走算法进行模拟。该数据集主要用于研究无人机在车辆网络中的最优位置配置，以解决通信延迟和能源消耗问题。