[論文レビュー] Persistent Multi-UAV Surveillance with Data Latency Constraints

Jürgen Scherer, Bernhard Rinner|arXiv (Cornell University)|Jul 2, 2019

UAV Applications and Optimization参考文献 22被引用数 8

ひとこと要約

本稿では、センシング地点への訪問間の空き時間（idleness）を最小限に抑えつつ、データ遅延（データ収集から基地局への送信までの時間）を事前に定義された範囲内に保つ協調的で複数のUAVを用いた監視システムを提案する。最小遅延経路（MLP）を用いて、UAVが協働的にデータをストレージ・フォワーディングすることで、直接基地局へ向かうのを回避する。シミュレーションの結果、MILC-H2は他のヒューリスティクスを上回り、最悪ケースの空き時間を最適化されたUAVの協調制御によって低減していることが示された。

ABSTRACT

We discuss surveillance with multiple unmanned aerial vehicles (UAV) that minimize idleness (the time between consecutive visits of sensing locations) and constrain latency (the time between capturing data at a sensing location and its arrival at the base station). This is important in persistent surveillance scenarios where sensing locations should not only be visited periodically, but the captured data also should reach the base station in due time even if the area is larger than the communication range. Our approach employs the concept of minimum-latency paths (MLP) to guarantee that the data reaches the base station within a predefined latency bound. To reach the bound, multiple UAVs cooperatively transport the data in a store-and-forward fashion. Additionally, MLPs specify a lower bound for any latency minimization problem where multiple mobile agents transport data in a store-and-forward fashion. We introduce three variations of a heuristic employing MLPs and compare their performance in a simulation study. The results show that extensions of the simplest of our approaches, where data is transported after each visit of a sensing location, show improved performance and the tradeoff between latency and idleness.

研究の動機と目的

• UAVが通信範囲の制限により基地局と直接通信できない大規模領域における恒久的監視を解決すること。
• センシング地点への連続訪問間の空き時間（idleness）を最小化すると同時に、データ遅延がユーザーが定義した境界内に保たれることを保証すること。
• 各UAVが直接基地局へ向かう代わりに、UAVが協働的にデータをストレージ・フォワーディングすることで、効率的なデータ配信を可能にすること。
• 最小遅延経路（MLP）に基づくヒューリスティクスアルゴリズムを開発・評価し、マルチ-UAVシステムにおける空き時間と遅延のバランスをとること。

提案手法

• システムは最小遅延経路（MLP）を用いて、データが事前に定義された遅延境界内に基地局に到着することを保証し、移動エージェントを伴う遅延最小化問題の下界を形成する。
• 3つのヒューリスティクス（MILC-H1, MILC-H2, MILC-H3）を提案し、センシング地点を訪問後にMLPに沿ってデータをいつ、どのようにフォワードするかが異なる。
• UAVはすべてのセンシング地点を訪問する恒久的TSPベースの巡回路に従い、通信範囲を用いて中間のUAVを介してデータをフォワードする。
• 通信範囲、遅延制約、UAV数、伝送時間の変動を想定したシミュレーションを用いて、ヒューリスティクスを評価する。
• ミッション開始前に集中型ルート計画が行われ、UAVをセンシングとデータフォワーディングのチームに分割する。
• 性能は最悪ケースの空き時間（WI）で測定され、低い値が訪問頻度とデータ配信速度のバランスが良いことを示す。

実験結果

リサーチクエスチョン

• RQ1 複数のUAVシステムは、指定された境界内に保たれるデータ遅延を満たしながら、恒久的監視における空き時間をどのように最小化できるか？
• RQ2 通信範囲、遅延制約、UAV数の変化が、データフォワーディングヒューリスティクスの性能に与える影響は何か？
• RQ3 即時フォワーディングと遅延フォワーディングなどの異なるデータフォワーディング戦略は、空き時間と遅延のトレードオフにどのように影響するか？
• RQ4 最小遅延経路（MLP）は、ストレージ・フォワーディングUAVデータ配信における遅延の理論的境界を提供できるか？

主な発見

• MILC-H1（各訪問後に即座にデータをフォワードするベースラインヒューリスティクス）は、すべてのシミュレーションで最も成績が悪く、パフォーマンスのベンチマークとして機能する。
• MILC-H2はMILC-H1およびMILC-H3を常に上回り、遅延制約、通信範囲、UAV数が増加するにつれて、より低い最悪ケースの空き時間（WI）を達成する。
• MLPエッジ上の伝送時間が延長されると、MILC-H2はMILC-H1およびMILC-H3よりも劣化が顕著になるが、依然として全体的なパフォーマンスが優れている。
• 高い遅延制約（例：L^constr = 24）では、MILC-H3が最良のパフォーマンスを示す。これは、1台のUAVが複数のセンシング地点を訪問してから帰還することを許容するため、効率的なサブツアー基盤のフォワーディングが可能になる。
• 遅延制約が高くなるにつれて、MILC-H2およびMILC-H3の最悪ケースの空き時間は、個々のUAVが直接基地局にデータを配信できる最適値に近づく。
• ルート計画におけるサブツアー数はパフォーマンスと相関しており、特にMILC-H3においては、巡回を分割することで空き時間を低減する利点がある。