AEC-IoT TaskNet
收藏资源简介：
AEC-IoT TaskNet是一个专为物联网-无人机协同计算、移动边缘智能和多智能体决策系统研究设计的综合基准数据集。它集成了真实世界城市拓扑、城市无线通信模型、物联网硬件约束和环境动态，为下一代空中边缘计算研究提供了统一的测试平台。数据集包含5000个由526个物联网设备在10个真实达卡空间集群中生成的任务，每个任务包括任务大小、CPU周期、信噪比、上行链路速率、无人机能量和环境属性等。数据生成使用固定种子以确保完全可重复性，并包括最终的CSV数据集和完整的Python生成管道。
AEC-IoT TaskNet is a comprehensive benchmark dataset specifically tailored for research on Internet of Things (IoT)-unmanned aerial vehicle (UAV) collaborative computing, mobile edge intelligence, and multi-agent decision-making systems. It integrates real-world urban topology, urban wireless communication models, IoT hardware constraints, and environmental dynamics, serving as a unified testbed for next-generation aerial edge computing research. The dataset comprises 5000 tasks generated by 526 IoT devices across 10 real-world spatial clusters in Dhaka, where each task encompasses task size, CPU cycles, signal-to-noise ratio (SNR), uplink rate, UAV energy, environmental attributes, and other related metrics. The data generation process employs a fixed seed to guarantee full reproducibility, and the released package includes the final CSV dataset as well as the complete Python data generation pipeline.
AEC-IoT TaskNet 数据集概述
数据集基本信息
- 数据集名称：AEC-IoT TaskNet
- 核心用途：为物联网-无人机协同计算、移动边缘智能和多智能体决策系统研究提供综合基准数据集。
- 设计目标：集成真实城市拓扑、城市无线通信模型、物联网硬件约束和环境动态，为下一代空中边缘计算研究提供统一的测试平台。
- 主要研究领域：任务卸载、无人机辅助的多接入边缘计算、基于GTrXL的任务优先级排序、多智能体强化学习、延迟-能量-吞吐量优化。
数据集内容与规模
- 数据文件：
GLEMETA_clustered_iot_dataset.csv - 任务样本：5000个物联网任务
- 物联网设备：526个
- 空间集群：10个达卡地区
- 特征数量：30多个
- 随机种子：
numpy.seed(42)，random.seed(42) - 代码提供：完整的数据集生成脚本
数据生成与建模细节
1. 空间建模
- 地理基础：基于孟加拉国达卡市10个真实区域。
- 区域列表：Jatrabari, Dhanmondi, Gulshan, Azimpur, Uttara, Mirpur, Motijheel, Lalmatia, Banani, Mohammadpur。
- 生成方法：使用真实GPS坐标作为聚类中心，采用高斯分布（σ = 0.0015°）生成设备位置，每个区域包含40-60个物联网设备。
2. 任务生成
- 每个物联网设备生成7-10个任务，总计5000个任务。
- 采样基于LTE/5G物联网工作负载研究。
3. 计算建模
- 关键参数：CPU频率（0.1–2.0 GHz）、每比特CPU周期数、IPC（0.5–2.5）、动态计算的MIPS。
- 硬件匹配：数值与真实物联网硬件（如ESP32, ARM-Cortex, Raspberry Pi Zero）相匹配。
4. 通信与信道建模
- 距离计算：Haversine公式。
- 路径损耗：对数距离模型，n = 3.5。
- 信道增益：路径损耗 + 高斯衰落。
- 带宽：5–20 MHz（LTE/5G）。
- 信噪比：从增益推导得出。
- 上行链路速率：香农容量公式。
- 环境模拟：通过对数正态衰落反映城市非视距行为。
5. 能量与电池建模
- 电池健康度：20–100%。
- 剩余能量：200–3000 mAh。
- 能量约束：包含CPU能量截止时间和传输能量。
6. 任务优先级评分
- 评分范围：
task_priority_score∈ [0.1, 1.0]。 - 用途：适用于基于GTrXL的优先级排序、多智能体调度和时间关键型卸载决策。
7. 环境因素
- 包含变量：障碍物距离、风速、天气类别（晴朗/多云/雨天）、能见度、降水、湿度、温度。
数据验证与质量
1. 统计验证
- 任务大小符合物联网工作负载分布。
- CPU值符合物联网硬件规格。
- 带宽与LTE-M/NR物联网标准一致。
2. 空间验证
- 集群互不重叠。
- 设备密度匹配达卡大都市布局。
3. 异常注入
- 目的：提高强化学习模型的鲁棒性。
- 比例：5%的任务。
- 类型：信噪比骤降（±10–20 dB）、CPU峰值（0.01或5 GHz）、任务大小极端值（0.05倍或3倍）、截止时间异常（50 ms或10 s）。
4. 完全可复现性
- 提供完整的Python生成流程。
- 使用固定随机种子可生成完全相同的输出。
预期应用场景
- 边缘计算与任务卸载
- 强化学习（MADDPG/PPO/DDPG）
- 无人机辅助的空中边缘计算系统
- 基于GTrXL的动态任务优先级排序
- 延迟-能量-吞吐量优化研究
特征概览
| 特征 | 描述 |
|---|---|
| iot_id | 物联网设备标识符 |
| cluster_id | 达卡区域 |
| task_type | 任务类型（传感器/视频/AI） |
| task_size_MB | 任务大小 |
| cpu_frequency_GHz | 设备CPU频率 |
| cpu_cycles_per_bit | 每比特CPU周期数 |
| delay_deadline_ms | 任务截止时间 |
| Location_Lat/Lon | GPS坐标 |
| distance_m | 到无人机的距离 |
| channel_gain_dB | 基于路径损耗的信道增益 |
| uplink_data_rate_Mbps | 香农速率 |
| Battery_Level_% | 电池健康度 |
| task_priority_score | 任务优先级评分 |
| offload_ratio | 卸载任务比例 |
| energy_deadline_mJ | 所需能量 |
| mec_uav_cpu_GHz | 无人机CPU频率 |
| mec_uav_remaining_energy | 无人机剩余能量 |
| weather, wind, visibility | 环境变量 |
文件结构
AEC-IoT-TaskNet/ │── GLEMETA_clustered_iot_dataset.csv # 最终数据集 │── generate_dataset.py # 完整的可复现生成器 │── README.md # 项目文档
