DOI: https://doi.org/10.1109/tcomm.2025.3621045
تاريخ النشر: 2025-10-13
المؤلف: Longyu Zhou وآخرون
الموضوع الرئيسي: تكنولوجيا الاستشعار البصري المتقدمة
نظرة عامة
يقدم القسم إطارًا جديدًا لتتبع الأهداف المتعددة (MTT) باستخدام الطائرات بدون طيار (UAVs)، خاصة في السيناريوهات الحرجة مثل تتبع الهجمات والفرار ودوريات الحدود. تعالج الحلول المقترحة تحديات التحكم في طوبولوجيا الطائرات بدون طيار، التي تنشأ من السرعات المتغيرة للأهداف والقدرات المحدودة للاستشعار والاتصال للطائرات بدون طيار. لتعزيز كفاءة التتبع، يقدم المؤلفون إطارًا تعاونيًا رقميًا توأميًا (DT) قائمًا على الحافة النهائية يمكّن من تتبع الأهداف المتعددة بدقة وفي الوقت الحقيقي.
يستخدم الإطار نماذج DT الزمنية المكانية التي تستفيد من المعلومات الزمنية والمكانية لكل من الأهداف والطائرات بدون طيار. تسهل هذه النماذج التعديل الديناميكي لمواقع الطائرات بدون طيار بين الجيران القريبين من أجل تحسين الطوبولوجيا المحلية من خلال خوارزمية تعلم الرسم البياني الزمني المكاني القائم على DT (TSGL-DT). وهذا يسمح للطائرات بدون طيار بتتبع الأهداف ذات السرعة المنخفضة بفعالية من خلال دعوة الجيران المناسبين بينما يتم تحسين الطوبولوجيات العالمية لاستيعاب الأهداف ذات السرعة العالية. تشير النتائج التجريبية إلى أن النهج المقترح يقلل بشكل كبير من زمن تأخير MTT بنسبة 41.2% ويعزز نسبة نجاح تتبع التسليم بنسبة 15.6% مقارنة بالطرق الحالية المتطورة.
مناقشة
يستخدم إطار العمل الرقمي التوأمي التعاوني القائم على الحافة النهائية مجموعة من الطائرات بدون طيار لتتبع المركبات التي تقوم بالهجمات والفرار، مما يعزز سلامة النقل. يتكون الإطار من مكونين رئيسيين: التعاون بين الجيران للأهداف ذات السرعة المنخفضة والتعاون بين السرب للأهداف ذات السرعة العالية. بالنسبة للأهداف ذات السرعة المنخفضة، تجمع الطائرات بدون طيار المعلومات المكانية والزمنية لإنشاء نماذج DT محلية، والتي يتم نقلها بعد ذلك إلى الطائرات بدون طيار الحافة لبناء نموذج عالمي باستخدام تقنية Wi-Fi 6. يستخدم هذا النهج آلية جدولة قائمة على الزناد لتحسين نقل البيانات وتقليل التنافس، مما يضمن التواصل الفعال بين الطائرات بدون طيار.
بالنسبة للأهداف ذات السرعة العالية، تستفيد الطائرات بدون طيار الحافة من نماذج DT المحلية للتنبؤ بالمسارات وتحسين طوبولوجيا الطائرات بدون طيار العالمية. يستخدم الإطار خوارزمية تعلم الرسم البياني الزمني المكاني القائم على DT (TSGL-DT)، التي تدمج عمليات تحسين الطوبولوجيا المحلية والعالمية. تسهل هذه الخوارزمية اختيار الجيران وتمكن الطائرات بدون طيار من تتبع الأهداف بشكل تعاوني من خلال تعديل مسارات طيرانها بناءً على البيانات في الوقت الحقيقي. يهدف النظام العام إلى تحقيق نسب نجاح عالية في التتبع مع الحفاظ على زمن تأخير منخفض في جمع البيانات ونقلها، مما يحسن فعالية تتبع الأهداف المتعددة (MTT) في البيئات الديناميكية.
DOI: https://doi.org/10.1109/tcomm.2025.3621045
Publication Date: 2025-10-13
Author(s): Longyu Zhou et al.
Primary Topic: Advanced Optical Sensing Technologies
Overview
The section presents a novel framework for Multiple Targets Tracking (MTT) using Unmanned Aerial Vehicles (UAVs), particularly in mission-critical scenarios such as hit-and-run tracking and border patrol. The proposed solution addresses the challenges of UAV topology control, which arise from the variable speeds of targets and the limited sensing and communication capabilities of UAVs. To enhance tracking efficiency, the authors introduce a terminal-edge cooperative Digital Twin (DT) framework that enables real-time and accurate MTT.
The framework employs time-spatial DT models that leverage both temporal and spatial information of targets and UAVs. These models facilitate the dynamic adjustment of UAV positions among one-hop neighbors for local topology optimization through the Time Spatial Graph Learning based DT (TSGL-DT) algorithm. This allows UAVs to effectively track low-speed targets by inviting suitable neighbors while also optimizing global topologies to accommodate high-speed targets. Experimental results indicate that the proposed approach significantly reduces MTT latency by 41.2% and enhances the successful tracking delivery ratio by 15.6% compared to existing state-of-the-art methods.
Discussion
The proposed terminal-edge cooperative Digital Twin (DT) framework utilizes a swarm of UAVs to track hit-and-run vehicles, enhancing transportation safety. The framework is structured into two main components: Neighbor Cooperation for low-speed targets and Swarm Cooperation for high-speed targets. For low-speed targets, UAVs collect spatial and temporal information to create local DT models, which are then transmitted to edge UAVs for global model construction using Wi-Fi 6 technology. This approach employs a trigger-based scheduling mechanism to optimize data transmission and minimize contention, ensuring efficient communication among UAVs.
For high-speed targets, edge UAVs leverage local DT models to predict trajectories and optimize global UAV topology. The framework employs a Time Spatial Graph Learning-based DT (TSGL-DT) algorithm, which integrates local and global topology optimization processes. This algorithm facilitates neighbor selection and enables UAVs to collaboratively track targets by adjusting their flight paths based on real-time data. The overall system aims to achieve high successful tracking ratios while maintaining low latency in data collection and transmission, thereby improving the effectiveness of multi-target tracking (MTT) in dynamic environments.