Контроль міської мобільності бпла: ройовий інтелект і уникнення зіткнень
DOI:
https://doi.org/10.30837/2522-9818.2024.4.059Ключові слова:
безпілотні літальні апарати; рій; уникнення зіткнень; міська мобільність дронів; інтегровані системи управління.Анотація
Предмет дослідження – інтелектуальне управління транспортними потоками в умовах міського середовища з використанням принципів ройового інтелекту та алгоритмів уникнення зіткнень для забезпечення безпечної та ефективної міської мобільності. Особлива увага приділяється управлінню безпілотними транспортними засобами й дронами. Мета роботи – розроблення алгоритму до управління міською мобільністю, що поєднує принципи ройового інтелекту й алгоритми уникнення зіткнень для оптимізації транспортних потоків, підвищення безпеки руху та зниження кількості аварій. Завдання: дослідити проблеми безпеки та ефективності міського транспорту в умовах зростання урбанізації; розробити алгоритм, що поєднує ройовий інтелект і уникнення зіткнень для управління рухом безпілотних транспортних засобів; провести серію експериментів для перевірки ефективності запропонованого підходу; проаналізувати результати експериментів і визначити потенціал в покращенні міської мобільності та забезпеченні безпеки на дорогах. Методи: математичне моделювання транспортних потоків із застосуванням алгоритму ройового інтелекту для координації руху безпілотних транспортних засобів та уникнення зіткнень. Результати дослідження. Інтеграція ройового інтелекту та алгоритмів уникнення зіткнень є перспективним напрямом для підвищення ефективності та безпеки міської мобільності. Застосування цього алгоритму може суттєво зменшити кількість аварій, оптимізувати транспортні потоки та сприяти створенню стійких транспортних систем у містах. Висновки. Запропонований алгоритм до управління міською мобільністю продемонстрував здатність покращити потоки транспорту, знизити ризик зіткнень і підвищити загальну безпеку на дорогах. Результати експериментів підтвердили ефективність застосування ройового інтелекту для координації транспортних засобів і алгоритмів уникнення зіткнень з метою запобігання аваріям.
Посилання
Список літератури
Na S., Niu H., Lennox B., Arvin F. Bio-Inspired Collision Avoidance in Swarm Systems via Deep Reinforcement Learning. IEEE Transactions on Vehicular Technology, 2022, 71(3), Р. 2511-2526. DOI: 10.1109/TVT.2022.3145346
Pawełczyk M. Ł., Wojtyra M. Real World Object Detection Dataset for Quadcopter Unmanned Aerial Vehicle Detection. IEEE Access, 2020, 8, Р. 174394-174409. DOI: 10.1109/ACCESS.2020.3026192
Sytsma J., Thompson D., Sicoli J. Drone Ultrasonic Detection. Australian International Aerospace Congress, 2023. URL: https://search.informit.org/doi/abs/10.3316/informit.063769306863002 (дата звернення 11.11.2024).
Petersen K. Tackling air pollution with autonomous drones. MIT School of Engineering, 2021. URL: https://news.mit.edu/2021/tackling-air-pollution-with-autonomous-drones-0624 (дата звернення 11.11.2024)
Chu J. New 'traffic cop' algorithm helps a drone swarm stay on task. MIT News Office, 2023. URL: https://news.mit.edu/2023/new-traffic-cop-algorithm-drone-swarm-wireless-0313 (дата звернення 11.11.2024)
Enwerem C., Baras J.S. Consensus-Based Leader-Follower Formation Tracking for Control-Affine Nonlinear Multiagent Systems. 2023. URL: https://doi.org/10.48550/arXiv.2309.09156
Xu Z., Yan T., Yang S.X., Gadsden S.A. Distributed Leader Follower Formation Control of Mobile Robots based on Bioinspired Neural Dynamics and Adaptive Sliding Innovation Filter. IEEE Transactions on Industrial Informatics, 2023. DOI: 10.1109/TII.2023.3272666
Ye Y., Hu S., Zhu X., Sun Z. An Improved Super-Twisting Sliding Mode Composite Control for Quadcopter UAV Formation. Machines, 2024, 12(1), 32 р. DOI: https://doi.org/10.3390/machines12010032
Hadi B., Khosravi A., Sarhadi P. Adaptive formation motion planning and control of autonomous underwater vehicles using deep reinforcement learning. IEEE Journal of Oceanic Engineering. 2023. DOI:10.48550/arXiv.2304.00225
Zhang J., et al. Perdix: A Swarm of Swarming UAVs. Journal of Field Robotics, 2019, Vol. 36(6), Р. 1240–1255.
Distributed Leader Follower Formation Control of Mobile Robots based on Bioinspired Neural Dynamics and Adaptive Sliding Innovation Filter. 2023. 19 р. URL: https://arxiv.org/pdf/2301.01234.pdf
Sytsma J., Thompson D., Sicoli J. Drone Ultrasonic Detection. Australian International Aerospace Congress, 2023. Р. 221–225. URL: https://search.informit.org/doi/abs/10.3316/informit.063769306863002.
Kosanam B., Kukkadapu A. Swarm Intelligence Based Traffic Control System. IRA-International Journal of Technology & Engineering, 2017. Р. 46-52. DOI: http://dx.doi.org/10.21013/jte.v7.n2.p5
Tahir A. Formation Control of Swarms of Unmanned Aerial Vehicles. Doctoral Dissertation. University of Turku, Turku, Finland. 2023. 449 р. URL: https://urn.fi/URN:ISBN:978-951-29-9411-3
Pathak R., Barzin R., Bora G. C. Data-driven precision agricultural applications using field sensors and Unmanned Aerial Vehicle. International Journal of Precision Agriculture and Aviation. 2018. Vol. 1(1). P. 19–23. DOI: https://doi.org/10.33440/j.ijpaa.20180101.0004
Ali Z. A. Introductory chapter: Motion planning for dynamic agents. InTechOpen. 2024. URL: https://www.intechopen.com/chapters/1178552
Gielis J., Shankar A., Prorok A. A Critical Review of Communications in Multi-robot Systems. Current Robot Reports. 2022. Vol. 3(3). P. 213–225. DOI: 10.1007/s43154-022-00090-9
References
Na, S., Niu, H., Lennox, B. and Arvin, F. (2022), "Bio-Inspired Collision Avoidance in Swarm Systems via Deep Reinforcement Learning," in IEEE Transactions on Vehicular Technology, Vol. 71, No. 3, Р. 2511-2526. DOI: 10.1109/TVT.2022.3145346.
Pawełczyk, M. Ł., Wojtyra, M. (2020), "Real World Object Detection Dataset for Quadcopter Unmanned Aerial Vehicle Detection," in IEEE Access, Vol. 8, Р. 174394-174409. DOI: 10.1109/ACCESS.2020.3026192
Sytsma, J., Thompson, D., and Sicoli, J. (2023), "Drone Ultrasonic Detection", Australian International Aerospace Congress. available online: https://search.informit.org/doi/abs/10.3316/informit.063769306863002 (last accessed 11 November 2024).
Petersen, K. (2021), "Tackling air pollution with autonomous drones," MIT School of Engineering. available online: https://news.mit.edu/2021/tackling-air-pollution-with-autonomous-drones-0624 (last accessed 11 November 2024).
Chu, J. (2023), "New 'traffic cop' algorithm helps a drone swarm stay on task," MIT News Office. available online: https://news.mit.edu/2023/new-traffic-cop-algorithm-drone-swarm-wireless-0313 (last accessed 11 November 2024).
Enwerem, C. and Baras, J.S. (2023), "Consensus-Based Leader-Follower Formation Tracking for Control-Affine Nonlinear Multiagent Systems," available online: https://doi.org/10.48550/arXiv.2309.09156
Xu, Z., Yan, T., Yang, S.X., and Gadsden, S.A. (2023), "Distributed Leader Follower Formation Control of Mobile Robots based on Bioinspired Neural Dynamics and Adaptive Sliding Innovation Filter", IEEE Transactions on Industrial Informatics. DOI: 10.1109/TII.2023.3272666
Ye, Y., Hu, S., Zhu, X., and Sun, Z. (2024), "An Improved Super-Twisting Sliding Mode Composite Control for Quadcopter UAV Formation", Machines, 12(1), 32 р. DOI: https://doi.org/10.3390/machines12010032
Sarhadi, P., et al. (2023), "Adaptive formation motion planning and control of autonomous underwater vehicles using deep reinforcement learning", IEEE Journal of Oceanic Engineering. DOI: 10.48550/arXiv.2304.00225
Zhang, J., et al. (2019), "Perdix: A Swarm of Swarming UAVs", Journal of Field Robotics, Vol. 36, No. 6, Р. 1240–1255.
"Distributed Leader Follower Formation Control of Mobile Robots based on Bioinspired Neural Dynamics and Adaptive Sliding Innovation Filter". 2023. 19 р. available at: https://arxiv.org/pdf/2301.01234.pdf
Sytsma, J., Thompson, D., and Sicoli, J. (2023), "Drone Ultrasonic Detection", Australian International Aerospace Congress. Р. 221–225. available at: https://search.informit.org/doi/abs/10.3316/informit.063769306863002
Kosanam, B., Kukkadapu, A. (2017), Swarm Intelligence Based Traffic Control System. IRA-International Journal of Technology & Engineering. Р. 46-52. DOI: http://dx.doi.org/10.21013/jte.v7.n2.p5
Tahir, A. (2023), "Formation Control of Swarms of Unmanned Aerial Vehicles", Doctoral Dissertation, University of Turku, Turku, Finland. 449 р. available at: https://urn.fi/URN:ISBN:978-951-29-9411-3
Pathak, R., Barzin, R. and Bora, G.C. (2018), "Data-driven precision agricultural applications using field sensors and Unmanned Aerial Vehicle", International Journal of Precision Agriculture and Aviation, Vol. 1(1), P. 19–23. DOI: https://doi.org/10.33440/j.ijpaa.20180101.0004
Ali, Z.A. (2024), "Introductory chapter: Motion planning for dynamic agents", InTechOpen. available at: https://www.intechopen.com/chapters/1178552
Gielis, J., Shankar, A. and Prorok, A. (2022), "A Critical Review of Communications in Multi-robot Systems", Current Robot Reports, Vol. 3(3), P. 213–225. DOI: 10.1007/s43154-022-00090-9
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Наше видання використовує положення про авторські права Creative Commons для журналів відкритого доступу.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
Автори мають право укладати самостійні додаткові угоди щодо не комерційного та не ексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису опублікованої роботи, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи.
