Selection strategies of resident space objects for active debris removal missions through the resident space object network

This work focuses on the problem of congestion of Earth orbits by proposing a new method to analyse them and a novel approach to select strategies for debris removal. The developed tool applies network theory to Resident Space Objects (RSOs), namely orbiting Earth objects, to analyse their positional interactions. Particularly, RSOs represent nodes of a network, while links between nodes are established whenever a conjunction is predicted over a specific period. The obtained network, called Resident Space Object Network (RSONet), is used as a guide to define new metrics called RSONet scores. These scores combine, for each RSO, the likelihood of direct collisions with other RSOs and collisions with debris generated by other objects. Within this framework, it is analysed the space population through the network connectivity and a novel metric, called “danger score”, which merges network-related characteristics and collisional severity factors, such as object mass, probability of collision, etc. More precisely, the main contribution of this work is, by utilising the RSONet, to address the influence of specific RSOs on the rest of population after their removal by quantifying the change of the mentioned metrics. Employing this methodology, two scenarios are analysed to assess the global influence of space debris and mega-constellations on the rest of the RSO population. Moreover, two complementary approaches are followed to select candidates for debris removal missions. The first one is based on network centrality measures (degree, betweenness, closeness), whilst the second one is based on weighted measures (probability of collision, strength, RSONet scores). Based on those strategies, a set of nodes to be removed from the RSONet is obtained. Thus, it is analysed the changes in RSONet connectivity and danger score to assess the effectiveness of each strategy. The findings emphasize that the optimal strategy to weaken the network connectivity involves removal of objects with highest degree. However, the analysis also identifies alternative strategies based on a RSONet score that yield more optimal results in terms of danger score.

Questo lavoro si concentra sul problema della congestione delle orbite terrestri proponendo un nuovo metodo per analizzarle e un nuovo approccio per selezionare strategie di rimozione dei detriti. Lo strumento sviluppato applica la teoria delle reti agli Oggetti Spaziali Residenti (RSO), cioè gli oggetti orbitanti la Terra, per analizzare le loro interazioni posizionali. In particolare, gli RSO rappresentano i nodi di una rete, mentre i collegamenti tra nodi sono stabiliti ogni volta che una congiunzione è prevista, in un periodo specifico. La rete ottenuta, chiamata RSONet (Resident Space Object Network), viene utilizzata come guida per definire nuove metriche chiamate punteggi RSONet. Questi punteggi combinano, per ogni RSO, la probabilità di collisioni dirette con altri RSO e collisioni con detriti generati da altri oggetti. In questo quadro di riferimento, la popolazione spaziale è analizzata attraverso la connettività di rete e una nuova metrica, chiamata "punteggio di pericolo", che unisce caratteristiche legate alla rete e fattori di severità collisionale, come la massa dell'oggetto, la probabilità di collisione, ecc. Più precisamente, il principale contributo di questo lavoro è, utilizzando RSONet, affrontare l'influenza di RSO specifici sul resto della popolazione dopo la loro rimozione quantificando il cambiamento delle metriche menzionate. Utilizzando questa metodologia, due scenari sono analizzati per valutare l'influenza globale dei detriti spaziali e delle mega-costellazioni sul resto della popolazione RSO. Inoltre, vengono seguiti due approcci complementari per selezionare i candidati per le missioni di rimozione dei detriti. Il primo si basa su misure di centralità della rete (grado, betweenness, vicinanza), mentre il secondo si basa su misure ponderate (probabilità di collisione, forza, punteggi RSONet). Sulla base di queste strategie, un insieme di nodi da rimuovere dal RSONet sono ottenuti. I cambiamenti nella connettività del RSONet e il punteggio di pericolo per valutare l'efficacia di ogni strategia vengono così analizzati. I risultati sottolineano che la strategia ottimale per indebolire la connettività della rete comporta la rimozione di oggetti con il massimo grado. Tuttavia, l'analisi identifica anche strategie alternative basate su un punteggio RSONet che danno risultati più ottimali in termini di punteggio di pericolo.