[論文レビュー] Deployment of UAVs for Optimal Multihop Ad-hoc Networks Using Particle Swarm Optimization and Behavior-based Control

Ngan Duong Thi Thuy, Duy Nam Bui+2 more|arXiv (Cornell University)|Dec 26, 2022

UAV Applications and Optimization被引用数 4

ひとこと要約

本稿では、障害物を避けるリアルタイムなUAV配置を実現する二段階のUAV展開戦略を提案する。粒子群最適化（PSO）を用いて最適なUAV位置を特定し、行動ベースのコントローラーでUAVを安全にその位置へ誘導する。本手法は、平均位置ずれ70 m、角度ずれ0.2 radで、複雑な環境下でも4台のUAVで1000 mの信頼性の高い通信リンクを確立する。

ABSTRACT

This study proposes an approach for establishing an optimal multihop ad-hoc network using multiple unmanned aerial vehicles (UAVs) to provide emergency communication in disaster areas. The approach includes two stages, one uses particle swarm optimization (PSO) to find optimal positions to deploy UAVs, and the other uses a behavior-based controller to navigate the UAVs to their assigned positions without colliding with obstacles in an unknown environment. Several constraints related to the UAVs' sensing and communication ranges have been imposed to ensure the applicability of the proposed approach in real-world scenarios. A number of simulation experiments with data loaded from real environments have been conducted. The results show that our proposed approach is not only successful in establishing multihop ad-hoc routes but also meets the requirements for real-time deployment of UAVs.

研究の動機と目的

• インfraストラクチャが破壊された災害地域において、信頼性が高くリアルタイムなマルチホップアドホック通信を確立する課題に対処すること。
• 未知で障害物が多様な環境下で、通信範囲を最大化しネットワークの信頼性を最適化するためのUAVノード配置を最適化すること。
• 障害物を避けながらネットワーク接続を維持する行動ベースの制御戦略を用いて、UAVを割り当てられた位置へ安全にリアルタイムで誘導すること。
• 現実の緊急展開シナリオにおいてスケーラビリティと計算の実行可能性を保証すること。

提案手法

• マルチホップネットワークの接続性を最大化し、リンク長を最小化する最適な配置を特定するため、PSOを用いた制約付き最適化問題としてUAV展開を定式化する。
• UAVを位置 $P=[x,y,z]^T$、進行方向 $\psi$ を持つ粒子としてモデル化し、通信範囲（$R_C=300$ m）、センシング範囲（$R_S=50$ m）、安全距離（$S=10D$）の制約を設ける。
• 目標位置への安全で障害物のない経路に沿って誘導するため、パrameters $a_{m2g}, b_{m2g}, a_{ath}, b_{ath}, a_{adr}, b_{adr}$ を有する行動ベースのターゲット追跡コントローラーを用いる。
• 順次展開戦略を実装し、各UAVが自身のセンシング範囲内で通信境界に最も近い最適な位置を探索した後、次のUAVを展開する。
• PSOを二段階のナビゲーションプロセスと統合する：まず、最後に展開されたUAVに向かって飛行する（割り当て状態）、次に中間点を探索して最終位置に到達する（探索状態）。
• 視線経路への近接度とネットワーク接続性に基づくフィットネス関数を定義し、$w=1$, $c_1=c_2=1.5$, 群体サイズ100で100イテレーションにわたって最適化する。

実験結果

リサーチクエスチョン

• RQ1 PSOは、未知で障害物が多様な環境下でも、マルチホップアドホックネットワーク形成のための最適なUAV位置を効果的に特定できるか？
• RQ2 行動ベースのコントローラーは、障害物を避けながらネットワーク接続を維持し、リアルタイムでUAVを目標位置へ誘導できるか？
• RQ3 本手法の配置戦略は、位置ずれ、経路の安全性、計算時間の観点から、どの程度正確で効率的か？
• RQ4 本手法は、長い距離および現実的なセンサーや通信制約を伴う複雑な地形にどの程度スケーラブルか？

主な発見

• PSOアルゴリズムは30～50イテレーションで収束し、リアルタイム展開に適した高速収束を示した。
• 理想の視線経路からの平均位置ずれは70 m、平均ターゲット角度ずれは0.2 radであり、主に環境の障害物に起因する。
• 4台のUAVを15 m/sの速度で展開する平均所要時間は5分であり、PSOの計算時間は1回あたり1秒にとどまり、UAVのポイント間飛行時間内に収まる。
• 行動ベースのコントローラーは制御命令をミリ秒単位で計算でき、リアルタイム動作に適していることが確認された。
• 両シナリオにおいて、UAVは平均リンク長295 mでマルチホップネットワークを正常に形成し、通信範囲300 mに近い値を達成した。
• シミュレーション結果および動画デモにより、複雑な環境下でも障害物から安全な距離を保った展開経路が維持されたことが確認された。