跳转至

OrbitTransit: Traffic Delivery and Diffusion for Earth Observation via Satellite Mobility

TLDR

(1) 现有技术的局限性与挑战

  1. 地面站分布不均与 ISL 路由问题：

    • 传统方法试图通过 ISL 将流量转发到其他 GS 来缓解拥堵
    • 但受限于地理、政治和预算因素，地面站部署高度不均（主要集中在发达/人口密集地区，偏远地区稀缺）
    • 这导致依赖 ISL 的路由面临绕路过长的问题，不仅无法根除拥堵，还会引发卫星电池大量消耗等可持续性问题

  2. PCO 交付中的轨道资源竞争：

    • 利用卫星高速移动性进行的“拾取-携带-卸载”（Pickup-Carry-Offload, PCO）交付方法可以节省 ISL 传输能量
    • 但是，现有的 PCO 方法在卸载到目标 GS 时，往往会导致:
      • 特定轨道上卫星的存储和电量耗尽（产生资源竞争），而相邻轨道的资源却被闲置

(2) 核心创新：OrbitTransit 框架

为了解决上述问题，作者提出了 OrbitTransit 系统，这是一个结合了 PCO 与 ISL 的混合交付系统，旨在通过流量扩散来缓解 GS 拥堵和轨道资源竞争

该系统包含三个核心组件：

  1. Orbit-as-Node (OAN)框架:
    • 为了降低低轨卫星网络高度动态变化带来的建模复杂性，该框架 将网络拓扑的建模粒度从“卫星”抽象为“轨道”
    • 这利用了星间链路和地面站可见性在“轨道视角”下的相对稳定性，在不损失路由最优性的前提下大幅降低了求解规模
  2. 基于 OAN 的流量扩散:
    • 该机制为每个数据流确定最佳的卸载地面站:
      • 当目标轨道上的地面站拥堵时，算法会通过 ISL 将流量扩散（Diffusion）到相邻轨道
      • 从而: 平衡全球地面站的负载，克服 GS 部署不均衡的缺陷
  3. 避免竞争的交付机制:
    • 针对延迟容忍的 EO 数据，系统采用 PCO 与最小化 ISL 结合的方式，并通过最小费用最大流（MCMF）求解器来规划 ISL 传输的启动时间
      • 从而: 避免数据在星上存储和传输时发生资源竞争
    • 此外，对于近乎实时的任务，系统也支持回退到纯 ISL 模式以保证任务期限

(3) 实验结果与评估

基于真实世界的 LEO 星座（如 Starlink, OneWeb, Kuiper）及真实地面站分布数据构建了控制平面原型

大量实验表明，与现有的最先进地面站选择和路由算法相比，OrbitTransit 实现了以下提升：

  • 降低了 47.16% 的卫星电池消耗
  • 任务失败率降低了 1.09 倍，实现了更高的交付容量和成功率
  • 将最大地面站排队延迟控制在了 4.75 毫秒内
  • 计算开销远低于基于线性规划的最优解（PuLP），能够在实际系统中高效运行

Introduction

alt text

  • 研究背景与痛点:

    • 随着地球观测（EO）数据的爆发式增长（每天可达数 TB 甚至 PB 级），低轨卫星网络（LSN）的数据出口——地面站（GS）变得日益拥堵
    • Figure 1: 传统的 bent-pipe 回传模式依赖附近的地面站，但由于地理和预算限制，偏远地区地面站严重稀缺

  • 现有技术的局限性:

    1. 基于 ISL 的路由:
      • 虽然可以通过多跳网络将偏远数据传至远端地面站，但由于地面站部署严重不均（受人口分布影响），该方法无法从根本上解决拥堵热点问题
    2. PCO 策略 (picked up, carried, and offloaded):
      • Figure 1: 该策略利用卫星的高速移动性（约 7.8 km/s）携带并卸载数据，从而节省 ISL 激光传输的高能耗
      • 然而，现有的 PCO 方法会引发“轨道资源竞争”问题，导致飞越目标地面站上空时卫星存储和电量耗尽，未能充分利用整个轨道的闲置资源

  • 本文核心提议:

    • 作者提出了一种 PCO-ISL 混合交付系统（OrbitTransit）
      • 旨在通过 流量扩散 解决地面站拥堵和轨道资源竞争问题
    • 引入 "Orbit-as-Node(OAN)" 框架
      • 利用静态轨道参数简化 LSN 动态拓扑建模规模, 在不损失最优性的情况下抽象链路更新
    • 基于 OAN 的流量扩散机制:
      • 通过 ISL 在不同轨道间平衡流量, 为每个数据流分配最佳地面站, 克服地面站分布不均的缺陷
    • 避免竞争的交付方案:
      • 结合 PCO 与最小化的 ISL 使用. 在保证实时任务优先级的避开轨道资源争夺

Background of LSNs

  • 地面基础设施：

    • 地面站 (GS) 和接入点 (PoP) 是连接 LSN 流量和地面网络的桥梁
    • Figure 1 所示：
      • alt text
      • UE 将数据包发送给卫星，卫星再根据地面站的可用性，将数据包转发给附近的 GS 或通过 ISL 发送给相邻卫星
      • GS 随后通过光纤链路，将数据包转发给 PoP，而下行流量则遵循相反的路径

  • 回传策略：

    • Bent-pipe 策略是目前主导的卸载方法，即：卫星在同时对用户和 GS 可见时，直接将用户数据转发给 GS
    • 但是，由于典型 GS 需要 25 度的最小无遮挡仰角，其覆盖范围通常被限制在直径约 2500 公里的圆内，使得该策略无法覆盖范围外的用户

  • ISLs 的作用：

    • 为了服务偏远地区（如岛屿和货船）的用户，ISL 技术允许相邻卫星进行通信，使流量能在星座内部转发并最终卸载到远端 GS
    • 尽管 ISL 理论上能支持 Gbps 级别的传输速率，但其实际性能易受复杂的太空环境和网络突发流量影响
    • 因此，由于地球观测 (EO) 数据通常数据量庞大且对延迟不敏感，系统仍需要限制 ISL 的使用，以储备带宽和能源

  • 能源可持续性：

    • 卫星电池极难甚至无法更换，且低轨卫星有一半的轨道周期处于背光的阴影区，无法依靠太阳能充电，但其基本运行和通信等仍在持续耗电
    • 因此，通过限制长时间或高强度的 ISL 通信来进行高效的能源管理，对于延长卫星寿命至关重要

  • EO与通信集成系统 (Integrated EO-communication systems)：

    • 受低延迟通信和在轨观测需求的驱动，越来越多的集成化平台开始涌现（例如 Starshield 和 NASA 的近地网络 NSN），这些平台通常兼具高速光中继、ISL 通信以及执行多种 EO 任务的能力

Measurement and Insights

(1) Lessons from ISL-based Algorithms

  • 算法表现困境：
    • 采用 就近选择 (Nearest) 策略 会导致距离最近的几个 GS 严重过载，产生极高的排队延迟
    • 采用 最近可用 (Nearest-available) 策略 虽能平衡负载，但会迫使数据绕道更远的 GS
      • 导致 ISL 路由路径显著拉长，进而严重消耗卫星电池电量
  • 部署与需求不匹配：
    • GS 的部署高度偏向城市化和发达地区（受限于数据中心距离和地缘政治约束），而大量缺乏互联网接入但有潜在需求的偏远地区 GS 覆盖严重不足
  • Observation 1：
    1. 由于 GS 部署存在严重偏差，传统的 ISL 路由算法无法有效解决偏远地区的拥堵问题
    2. 频繁的 ISL 绕路会引发严重的卫星能源可持续性问题

(2) Lessons from PCO Delivery

  • 高失败率：
    • PCO 交付虽然平均能耗比 ISL 路由低 6.73 倍，但在高流量强度下，由于星上存储或电量耗尽，其任务失败率极高（约 48.71% - 63.03%）
  • 资源利用低效：
    • 当特定轨道经过 GS 密集区域时，该轨道上的卫星存储利用率会逼近 100%. 而相邻轨道（如飞行在海洋上空）的卫星资源却几乎处于闲置状态
  • Observation 2：
    • 现有的 PCO 方法忽略了目标 GS 上空固有的“轨道拥堵”问题，导致空间和时间维度上的轨道资源均未被充分利用

(3) Lessons from Spatiotemporal Dynamics

  • GSL 的高动态性：

    • 无论从 satellite 视角还是 GS 视角来看，由于卫星的高速运动，GSL 在极短的时间内都会发生极其频繁的切换

  • 轨道视角的稳定性：

    • alt text
    • 同一轨道内的相邻卫星保持相对固定的位置，且相邻轨道间的 ISL 也相对稳定
    • 此外，由于地球自转带来的位移较小，地面站对于整个轨道的可见窗口可以长达 90 分钟
  • Observation 3：
    • 如果将视角从“单颗卫星”提升为“整个轨道”，ISL 和 GSL 的连接关系会变得稳定得多
    • 这为降低系统建模复杂度提供了切入点
Warning

我觉得这有点像 starpike 的 design 2 context reuse

LSN Topology Modeling

omitted

OrbitTransit Methodology

系统整体架构与优化目标

系统通过接收星座拓扑、EO 任务和 GS 负载状态，依次经过轨道节点建模、流量扩散和避开竞争的路由交付三个模块，最终输出调度方案:

alt text

系统的核心目标是在平衡 GS 负载分布的同时，权衡 ISL 和 PCO 在交付时间、存储容量和能量消耗上的利弊:

alt text

(1) 核心模型：Orbit As Node

为了解决卫星高速移动带来的海量节点和链路更新问题，系统将建模粒度从“卫星级 (a)”提升为“轨道级 (b)”

alt text

在这个逻辑框架中，每个轨道作为一个节点，维护与下方 GS 的逻辑星地链路以及与相邻轨道的逻辑星间链路

  • 降低复杂度与保持最优性：

    • 这种抽象大幅降低了路由搜索空间（例如将 Starlink 某层的路由表缩小了 \(22 \times 22\) 倍）
    • 同时由于 LSN 类似网格的拓扑特性，并未牺牲路径规划的最优性

  • 并发传输机制：

    • 卫星在轨道上飞行（PCO 交付）的过程中，可以同时通过星间链路（ISL）跨轨道传输数据
    • ISL 的传输时间被自然地吸收到主导的 PCO 交付时间中
    • alt text

(2) 空间维度优化：基于 OAN 的流量扩散

  • 无拥堵 GS 选择：

    • 算法会优先在 "数据源所属轨道内" 寻找距离最近、容量充足且能满足任务截止时间的 GS

  • 跨轨道流量扩散：

    • 如果当前轨道的所有 GS 都拥堵或无法满足时效，算法会以交替顺序（如轨道 1, -1, 2, -2）向相邻轨道搜索，通过 ISL 将流量扩散出去
    • 这一机制有效解决了区域 GS 资源极度不均导致的轨道拥堵问题。

(3) 时间维度优化：避免竞争的交付机制

  • 任务时效兼容：

    • 对于极少数对实时性要求极高的任务，若 PCO 混合模式无法在截止时间内完成，算法会切换到“纯 ISL”模式以确保准时交付

  • 纯 PCO 与混合交付：

    • 如果 "目标 GS" 就在当前轨道，直接由卫星携带并卸载（纯 PCO）
    • 如果 "目标 GS" 在其他轨道，则需要通过 ISL 将数据转移到目标轨道再执行 PCO 卸载

  • 消除资源竞争：

    • 在多任务并发时，直接启动跨轨道 ISL 传输可能会导致目标轨道卫星发生“流量碰撞”和资源竞争
    • 算法通过求解“最小费用最大流（MCMF）”问题，智能地推迟或调度部分任务的 ISL 启动时间 (\(t_{isl}\))，通过时间错峰来完美化解竞争

Implementation and Evaluation

本章只看一下对比对象，积累一下常见 ISL routing 和 PCO 的对比实例

分类 方法名称 核心机制与特点
GS Selection Nearest[cite: 2, 8, 10] 早期的 Starlink 策略，将流量直接转发到最近的可用 GS
Selected GS Groups SusCO[cite: 13] 一种 LEO 数据卸载框架，通过选择低成本的协作地面站组来降低能量消耗并提高容量
Space Routing Umbra[cite: 8] 一种采用保留 (withhold) 机制的类 PCO 交付方法: 当目标地面站拥堵时，卫星会暂存（保留）数据，随后通过时间扩展网络进行卸载
Space Routing SHORT[cite: 7] 一种 LEO 路由算法，利用轨道大地测量地址来适应卫星机动、故障和动态网络条件