无人机自组织网络中面向航拍的社交感知型路由机制

Flying ad hoc network (FANET) is an ad hoc network formed by interlinked unmanned air vehicles (UAVs). Compared to single UAV, FANET can expand the work area and improve mission success probability by routing. However, FANET is facing many challenges, such as the highly dynamic network topology as well as the limited nodes storages and power. Although many researchers have studied FANET routing schemes, the challenges above still cannot be overcome effectively. Since UAVs are controlled by human beings in some application scenario (e.g., aerial photography), the movement of these UAVs is influenced by the willing of these human beings, which make the encounters of the UAVs follow the human beings' social regularities. In this project, oriented to the aerial photography application of UAV, we propose the flying social network rouging and design FANET routing scheme based on the social regularities among UAV users. Based on three social aspects, that is, social metrics forwarding, user interest and community division, we will propose three different routing scheme to overcome the challenges of the limited storage spaces and power of UAV nodes, as well as the highly dynamic network topology. It is of great practical significance that the researches to be completed can improve the task-performing efficiency of UAV aerial photography.

飞行自组织网络（缩写：FANET）是由无人机（缩写：UAV）互联形成的Ad hoc网络。相较于单UAV，FANET能够通过路由扩大作业区范围提高任务成功概率，具有良好的应用前景。然而，FANET路由却面临诸多挑战，如高度动态的网络拓扑以及有限的节点存储空间和电能等。目前为止，虽然已经有课题设计了FANET路由机制，但是仍无法有效克服上述挑战。由于在一些应用场景中（如航拍），无人机是受人控制的，因此它们的运动受到人们的意愿所影响，使其彼此之间的相遇遵循人类的社交规律。课题拟面向无人机航拍应用提出飞行社交网络路由，基于无人机使用者之间的社交规律设计FANET路由机制。从基于社交度量转发、基于用户兴趣的以及基于社区划分三个社交角度拟设计三种不同的路由机制，分别解决UAV节点存储空间有限、电能有限以及网络拓扑高度动态的挑战。拟完成的研究成果能够提高无人机航拍的任务完成效率，具有十分重要的现实意义。

无人机（缩写：UAV）起源于军用，它具有体积小、造价低、使用方便、对作战环境要求低、战场生存能力较强等优点。随着无人机产业日渐成熟，以及行业应用愈发迫切，无人机正在人类日常生活中发挥着重要作用。在许多应用场景中，无人机是受人控制的，因此它们的运动受到人们的意愿所影响，使其彼此之间的相遇遵循人类的社交规律。课题拟提出飞行社交网络路由，基于无人机使用者之间的社交规律设计飞行自组织网络（缩写：FANET）路由机制。.本项目基本围绕原定计划执行，并在原计划基础上进行了扩展。首先，面向基于社交分析的 FANET 路由，提出相关系列算法。设计了飞行社交网络架构，并提出基于社交分析的 FANET 路由策略，相较于传统路由策略，提出的策略能够提升23%的消息交付率，并降低49%的消息交付延迟；基于模糊理论设计智能化路由算法，该算法在包交付率、平均延迟，以及通信开销方面均优于对比算法；提出异构无人机群的自主协同蜂拥算法，研究结果表明，护航无人机能够均匀地分布在运输无人机的外围，自主协同对运输无人机进行保护。. 其次，通过对用户进行兴趣分析，设计内容缓存机制。基于深度 Q 学习提出无人机辅助内容缓存机制，大量的实验表明，所提出的方案在内容命中率、响应延迟、调度概率和包缓存时间方面优于对比机制；基于深度强化学习，提出多无人机辅助缓存和卸载优化机制，实验证明，提出的机制能够提升近20%的缓存命中率，并降低近30%的响应延迟；基于深度强化学习，提出无人机辅助 6G 网络的边缘缓存优化机制，其在内容命中率、能量有效性方面均优于对比机制。. 此外，基于动态聚簇算法，设计地面节点坐标未知情况下的无人机无线电能传输机制，实验证明，提出机制能够使无人机提高11%至36%的能量使用，地面节点能够多获得12%至32%的传输能量；基于社交网络分析方法，设计消息分发机制，包括基于社交网络影响力最大化设计高效消息传播策略，该机制能够在运行时间、交付率和期望利润方面优于现有机制。