공공 빅데이터를 이용한 UAV 위험구역검출 및 회피방법
Detecting and Avoiding Dangerous Area for UAVs Using Public Big Data
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
움직이는 UAV는 많은 위치에너지와 운동에너지를 가지므로 지상으로 추락하는 경우 많은 충격량을 가질 수 있다. 이는 인명피해로 연결될 수 있기 때문에 본 논문에서는 UAV 비행경로 상의 인구밀집지역을 위험구역으로 정의하였다. 기존의 UAV 경로비행은 사용자에 의해 미리 설정된 경로만을 운행하는 수동적인 형태였다. 일부 UAV는 경로비행 중 장애물을 회피하는 시스템 등 안전기능을 포함하고 있지만, 실시간 비행환경변화에 대응하기에는 부족하다. UAV 경로비행에 공공 빅데이터를 활용할 경우, 위험구역을 검출하고 회피비행을 수행할 수 있어서 실시간 비행환경변화에 대한 대응이 향상될 수 있다. 따라서 본 논문에서는 실시간으로 수집된 빅데이터를 활용하여 위험구역을 회피하는 최적경로 비행 방안을 제안한다. 실험 결과, 제안하는 자동경로비행에서 목적지와 목적지에 따른 경로를 지정할 경우, 실시간으로 위험지역을 판단하여 최적 우회경로로 비행하는 것을 확인하였다. 추후 회피방안에 따라 비행하여 획득하는 영상의 질적 만족도를 높일 수 있는 방안을 연구할 예정이다.
Abstract
Because of a moving UAV has a lot of potential/kinetic energy, if the UAV falls to the ground, it may have a lot of impact. Because this can lead to human casualities, in this paper, the population density area on the UAV flight path is defined as a dangerous area. The conventional UAV path flight was a passive form in which a UAV moved in accordance with a path preset by a user before the flight. Some UAVs include safety features such as a obstacle avoidance system during flight. Still, it is difficult to respond to changes in the real-time flight environment. Using public Big Data for UAV path flight can improve response to real-time flight environment changes by enabling detection of dangerous areas and avoidance of the areas. Therefore, in this paper, we propose a method to detect and avoid dangerous areas for UAVs by utilizing the Big Data collected in real-time. If the routh is designated according to the destination by the proposed method, the dangerous area is determined in real-time and the flight is made to the optimal bypass path. In further research, we will study ways to increase the quality satisfaction of the images acquired by flying under the avoidance flight plan.
참고문헌 (16)
- Zhenyu Zhou, "Social Big-Data-Based Content Dissemination in Internet of Vehicles", IEEE Transactions on Industrial Engineering, 14(2), pp.768~777 (2018)
- Kai Lin, "Localization Based on Social Big Data Analysis in the Vehicular Networks", IEEE Transactions on Industrial Engineering, 13(4), pp.1932~1940 (2017)
- 이상준, "빅데이터 로그를 이용한 실시간 예측분석시스템 설계 및구현", 정보보호학회논문지, 25(6), pp.1399~1410 (2015), 한국정보보호학회[DOI]
- 이종화, "Python을 이용한 SNS 크롤링 시스템 구축", 한국산업정보학회논문지, 23(5), pp.61~76 (2018), 한국산업정보학회[DOI]
- R. Kune, "The anatomy of Big Data Computing", Softw. Pract. Exper, 46(1), pp.79~105 (2016)
- G. George, "Big Data and Data Science Methods for Management Research", Academy of Management Journal, 59(5), pp.1493~1507 (2016)
- 박대민, "장기 시계열 내용 분석을 위한뉴스 빅데이터 분석의 활용 가능성 : 100만 건 기사의 정보원과 주제로 본 신문 26년", 한국언론학보, 60(5), pp.353~407 (2016), 한국언론학회[DOI]
- 문지훈, "유사 시계열 데이터 분석에 기반을 둔 교육기관의 전력 사용량 예측 기법", 정보과학회논문지, 44(9), pp.954~965 (2017), 한국정보과학회
- J. H. Kwak, "Autonomous UAV Flight Control for GPS-Based Navigation", IEEE Transactions on Industrial Engineering, 6, pp.37947~37955 (2018)
- Y. Zeng, "Wireless Communications with Unmanned Aerial Vehicles : Opportunities and Challenges", IEEE Commun. Mag, 54(5), pp.36~42 (2016)
- S. Zhang, "Grey Wolf Optimizer for Unmanned Combat Aerial Vehicle Path Planning", Adv. Eng. Softw, 99, pp.121~136 (2016)
- V. Roberge, "Comparison of Parallel Genetic Algorithm and Particle Swarm Optimization for Real-time UAV Path Planning", IEEE Transactions on Industrial Engineering, Ind. Informat, 9(1), pp.132~141 (2013)
- M. Lungu, "New Systems for Identification Estimation and Adaptive Control of the Aircrafts Movement", Stud. Inform. Control, 20(3), pp.273~284 (2011)
- 임인근, "지형 충돌 회피 및 기동성을 고려한 무인기 경로점 고도계획", 한국정보기술학회논문지, 16(9), pp.31~41 (2018), 한국정보기술학회[DOI]
- N. Gageik, "Obstacle Detection and Collision Avoidance for a UAV with Complementary Low-cost Sensors", IEEE Access, 3, pp.599~609 (2015)
- R. He, "UAV Autonomous Collision Avoidance Approach", Automatika, 58(2), pp.195~204 (2017)