Prevenção de Colisões em Serviços de Entregas por Drones em Cidades Inteligentes
Resumo
Os recentes avanços em veículos aéreos não tripulados (VANT), usualmente chamados de drones, aliados às novas tecnologias de comunicação e de inteligência artificial, estão possibilitando o desenvolvimento de serviços aéreos de entregas de mercadorias para um futuro próximo. No entanto, para que tais serviços avançados para cidades inteligentes se tornem realidade, é necessário garantir a segurança nas entregas. Particularmente, é necessário garantir que drones não colidam com outros drones, com outros objetos ou seres voadores, assim como com os vários obstáculos típicos de ambientes urbanos. Esse artigo propõe um cenário de serviço de entregas por drones em cidades inteligentes e avalia o número de drones que colidem sob três abordagens diferentes para a situação em que um drone se aproxima de outro: manter a rota original, efetuar um desvio aleatório e efetuar um desvio à direita, como na aviação. Os resultados mostram que os desvios podem manter ou eliminar o número de colisões para frotas com poucos drones, mas aumentam o número de colisões quando a densidade de drones aumenta. Investigamos o tempo de viagem dos drones para mostrar como cada abordagem se comporta e as posições das colisões para identificar a situação das colisões. A principal conclusão é que abordagens simples e ingênuas de desvio não garantem a evasão de colisões, indicando que estratégias mais sofisticadas devem ser aplicadas.
Referências
Ayamga, M., Akaba, S., and Nyaaba, A. A. (2021). Multifaceted applicability of drones: A review. Technological Forecasting and Social Change, 167:120677.
Braxmeier, H. (2021). Göreme, Capadócia, Turquia. [link]. Acessado em 9 de julho de 2021.
Carramiñana, D., Campaña, I., Bergesio, L., Bernardos, A. M., and Besada, J. A. (2021). Sensors and Communication Simulation for Unmanned Traffic Management. Sensors, 21(3).
Choi, D. and Kim, D. (2020). Enhanced Potential Field-Based Collision Avoidance for Unmanned Aerial Vehicles in a Dynamic Environment. Journal of Intelligent & Robotic Systems, pages 1–7.
Craighead, J., Murphy, R., Burke, J., and Goldiez, B. (2007). A survey of commercial open source unmanned vehicle simulators. In Proceedings 2007 IEEE International Conference on Robotics and Automation, pages 852–857.
Frachtenberg, E. (2019). Practical drone delivery. Computer, 52(12):53–57.
Gageik, N., Benz, P., and Montenegro, S. (2015). Obstacle Detection and Collision Avoidance for a UAV With Complementary Low-Cost Sensors. IEEE Access, 3:599–609.
Grigoropoulos, N. and Lalis, S. (2020). Simulation and digital twin support for managed drone applications. In 2020 IEEE/ACM 24th International Symposium on Distributed Simulation and Real Time Applications (DS-RT), pages 1–8.
Guan, X., Lyu, R., Shi, H., and Chen, J. (2020). A survey of safety separation management and collision avoidance approaches of civil UAS operating in integration national airspace system. Chinese Journal of Aeronautics, 33(11):2851–2863. SI: Emerging Technologies of Unmanned Aerial Vehicles.
Hentati, A. I., Krichen, L., Fourati, M., and Fourati, L. C. (2018). Simulation tools, environments and frameworks for uav systems performance analysis. In 2018 14th International Wireless Communications Mobile Computing Conference (IWCMC), pages 1495–1500.
Hrabar, S. (2011). Reactive obstacle avoidance for Rotorcraft UAVs. In 2011 IEEE/RSJ International Conference on Intelligent Robots and Systems, pages 4967–4974.
Kasliwal, A., Furbush, N. J., Gawron, J. H., McBride, J. R., Wallington, T. J., De Kleine, R. D., Kim, H. C., and Keoleian, G. A. (2019). Role of ying cars in sustainable mobility. Nature communications, 10(1):1–9.
Kleinbekman, I. C., Mitici, M. A., and Wei, P. (2018). eVTOL arrival sequencing and scheduling for on-demand urban air mobility. In 2018 IEEE/AIAA 37th Digital Avionics Systems Conference (DASC), pages 1–7. IEEE.
Lin, Z., Castano, L., Mortimer, E., and Xu, H. (2020). Fast 3D Collision Avoidance Algorithm for Fixed Wing UAS. Journal of Intelligent & Robotic Systems, 97:577–604.
Mairaj, A., Baba, A. I., and Javaid, A. Y. (2019). Application specific drone simulators: Recent advances and challenges. Simulation Modelling Practice and Theory, 94:100–117.
Olawale, O. P., Dimililer, K., and Al-Turjman, F. (2020). Chapter Six AI simulations and programming environments for drones: an overview. In Al-Turjman, F., editor, Drones in Smart-Cities, pages 93–106. Elsevier.
Open Source Robotics Foundation (2021). Gazebo. http://gazebosim.org/. Acessado em 11 de julho de 2021.
Seo, J., Kim, Y., Kim, S., and Tsourdos, A. (2017). Collision Avoidance Strategies for Unmanned Aerial Vehicles in Formation Flight. IEEE Transactions on Aerospace and Electronic Systems, 53(6):2718–2734.
Shah, S., Dey, D., Lovett, C., and Kapoor, A. (2018). Airsim: High-fidelity visual and physical simulation for autonomous vehicles. In Hutter, M. and Siegwart, R., editors, Field and Service Robotics, pages 621–635, Cham. Springer International Publishing.
Sánchez, P., Casado, R., and Bermúdez, A. (2020). Real-Time Collision-Free Navigation of Multiple UAVs Based on Bounding Boxes. Electronics, 9(10).
Sun, J., Tang, J., and Lao, S. (2017). Collision Avoidance for Cooperative UAVs With Optimized Artificial Potential Field Algorithm. IEEE Access, 5:18382–18390.
Yang, X. and Wei, P. (2021). Autonomous free ight operations in urban air mobility with IEEE Transactions on Intelligent computational guidance and collision avoidance. Transportation Systems.
Yasin, J. N., Mohamed, S. A. S., Haghbayan, M.-H., Heikkonen, J., Tenhunen, H., and Plosila, J. (2020). Unmanned Aerial Vehicles (UAVs): Collision Avoidance Systems and Approaches. IEEE Access, 8:105139–105155.
