Χρήση αυτόνομων ιπτάμενων οχημάτων για την αντιμετώπιση φυσικών καταστροφών

Utilization of Unmanned Aerial Vehicles (UAV) for managing natural disasters (Αγγλική)

  1. MSc thesis
  2. Παρασκευόπουλος, Γεώργιος
  3. Συστήματα Κινητού και Διάχυτου Υπολογισμού (ΣΔΥ)
  4. 26 Σεπτεμβρίου 2020 [2020-09-26]
  5. Ελληνικά
  6. 75
  7. Χατζημίσιος, Περικλής
  8. Γκουμόπουλος, Χρήστος
  9. UAV | UAV | σμήνος UAVs | UAV swarm | Internet of Things | Internet of Things | 5G | 5G | βέλτιστη διαδρομή | shortest path | εντοπισμός φωτιάς | fire detection | αποφυγή εμποδίων | obstacle avoidance | αλγόριθμος A-Star | A-Star algorithm
  10. 2
  11. 25
  12. Περιέχει πίνακες, διαγράμματα, εικόνες, χάρτες.
    • Η χρήση της τεχνολογίας και των αισθητήρων ως απάντηση στην κλιματική αλλαγή έχει ήδη ξεκινήσει. Μια πληθώρα διάχυτων συστημάτων που αποσκοπούν στην παρατήρηση και την προστασία του περιβάλλοντος έχουν κάνει αισθητή την παρουσία τους, ωστόσο καταφέρνουν να ενσωματώνονται ομαλά και αρμονικά στην ζωή των ανθρώπων. Στην παρούσα διπλωματική εργασία παρουσιάζεται ένα σύστημα καθοδήγησης σμήνους μη επανδρωμένων εναέριων οχημάτων (Unmanned Aerial Vehicles - UAVs), τα οποία ανιχνεύουν μια περιοχή και συλλέγουν συγκεκριμένα χαρακτηριστικά της δημιουργώντας πίνακα τιμών δομικών παραμέτρων. Με την υπολογιστική ισχύ του διακομιστή του συστήματος που βρίσκεται στην βάση απογείωσης, γίνεται η επεξεργασία των στοιχείων και υπολογίζεται η βέλτιστη διαδρομή με απώτερο σκοπό τον έγκαιρο εντοπισμό πυρκαγιών. Για τις ανάγκες της προσομοίωσης έχουν ληφθεί υπόψη χαρακτηριστικά από drones που είναι διαθέσιμα στο εμπόριο, με βασικό κριτήριο την αυτονομία, την ικανότητα διασύνδεσης με το υπολογιστικό νέφος (cloud) και την διάνυση μεγάλων αποστάσεων. Με τον τρόπο αυτό, επιτυγχάνεται η βέλτιστη αξιοποίηση των πόρων της εγκατάστασης σε περιοχές ενδιαφέροντος με έκταση πολλών χιλιομέτρων. Το σύστημα λαμβάνοντας υπόψη συγκεκριμένες παραμέτρους καταφέρνει και βρίσκει την βέλτιστη διαδρομή, προσπερνώντας εμπόδια στο περιβάλλον. Ενώ κάθε εμπόδιο που εισάγεται παραμετρικά στο σύστημα δημιουργεί καθυστέρηση, αλλά δεν καθιστά τον χώρο απαραιτήτως απροσπέλαστο, καθώς υπό συνθήκες μπορεί να αποτελέσει μέρος της συντομότερης διαδρομής. Η επιλογή και εφαρμογή των παραμέτρων του βελτιωμένου A-Star αλγόριθμου γίνεται με γνώμονα την εξοικονόμηση κόστους σε χρόνο και ταυτόχρονα σε ενεργειακή επιβάρυνση, άρα αποδοτικότητα. Τέλος, εκτελούνται δοκιμές με την βοήθεια σεναρίων και αναλύονται τα αποτελέσματα. Με στόχο να καταστεί σαφές το επίπεδο συμβολής του αλγορίθμου εύρεσης του συντομότερου μονοπατιού, παρατίθενται αναλυτικοί πίνακες, ενώ καταλήγουμε σε συμπεράσματα σχετικά με την αύξηση της αποδοτικότητας των UAVs που μπορεί να επιτευχθεί.
    • The use of technology and sensors in response to climate change has already begun. A plethora of pervasive systems aimed at monitoring and protecting the environment have made their presence felt, yet they manage to integrate smoothly and harmoniously into people's lives. This thesis presents a guidance system for a swarm of unmanned aerial vehicles (UAVs), which scan an area to collect specific features by creating a table of structural parameter values. With the computing power of the system server, located at the take-off base, the data is processed and the optimal route is calculated with the ultimate goal to detect fires in time. For the needs of the simulation, features from drones that are commercially available have been taken into account, with the basic criteria of autonomy, the ability to connect to the Cloud and the travel of long distances. As, in this way, the optimal utilization of the system resources is achieved in the areas of interest, in distances of many kilometers. The system, taking into account specific parameters, succeeds to find the optimal path, overcoming obstacles in the environment. While any obstacle that is introduced parametrically in the system may create a delay, it does not make the space necessarily inaccessible as under certain conditions it may be part of the shortest route. The selection and implementation of the parameters of the improved A-Star algorithm is done with the purpose of saving time and at the same time reducing energy burden, therefore improving efficiency. Finally, tests are performed with the help of scenarios and the results are analyzed. In order to clarify the contribution level of the shortest path algorithm, detailed tables are presented, while we come to conclusions about the increase in the efficiency of autonomous flying vehicles (UAV) that can be achieved.
  14. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.