Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
IRIS
Fast on-demand 5G connectivity can be deployed through the usage of aerial platforms. Indeed, the usage of moving nodes represents at the moment the most interesting and cost-affordable way to bring connectivity and network services in emergency scenarios or in the absence of the network infrastructure. This article presents an architecture for using drones as movable base stations, interconnected with a high altitude platform, capable of deploying multi-access edge computing following current ETSI standards. Moreover, a reinforcement learning algorithm is proposed to enable proper resource allocation in order to guarantee QoS requirements.
Design of an On-Demand Agile 5G Multi-Access Edge Computing Platform Using Aerial Vehicles
Granelli, Fabrizio;Costa, Cristina;Zhang, Jiajing;Bassoli, Riccardo;Fitzek, Frank H. P.
2020
Abstract
Fast on-demand 5G connectivity can be deployed through the usage of aerial platforms. Indeed, the usage of moving nodes represents at the moment the most interesting and cost-affordable way to bring connectivity and network services in emergency scenarios or in the absence of the network infrastructure. This article presents an architecture for using drones as movable base stations, interconnected with a high altitude platform, capable of deploying multi-access edge computing following current ETSI standards. Moreover, a reinforcement learning algorithm is proposed to enable proper resource allocation in order to guarantee QoS requirements.
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/11582/324970
Citazioni
ND
social impact
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2021-2023 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.