[논문 리뷰] Deployment of UAVs for Optimal Multihop Ad-hoc Networks Using Particle Swarm Optimization and Behavior-based Control

Ngan Duong Thi Thuy, Duy Nam Bui외 2명|arXiv (Cornell University)|2022. 12. 26.

UAV Applications and Optimization인용 수 4

한 줄 요약

이 논문은 자연재해 지역에서 기반시설이 파괴된 환경에서 최적의 멀티홉 애드혹 네트워크를 구축하기 위해 입자군집최적화(PSO)를 사용해 최적의 드론 위치를 결정하고, 행동 기반 제어기를 활용해 드론을 안전하게 그 위치로 이동시키는 이단계 드론 배치 전략을 제안한다. 이 방법은 평균 위치 편차 70 m, 각도 편차 0.2 rad를 기록하며 실시간 장애물 회피 배치를 실현하여, 복잡한 환경에서도 4架 드론으로 1000 m 이상의 신뢰할 수 있는 통신 링크를 구축한다.

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.

연구 동기 및 목표

• 기반시설이 파손된 재해 지역에서 신뢰성 있고 실시간으로 작동하는 멀티홉 애드혹 통신을 구축하는 데 도전하는 것.
• 알 수 없는, 장애물이 많은 환경에서 통신 범위 최대화와 네트워크 신뢰성 향상을 위해 드론 노드의 최적 배치를 최적화하는 것.
• 장애물 회피와 네트워크 연결 유지 조건을 만족시키며, 행동 기반 제어 전략을 활용해 드론을 할당된 위치로 안전하고 실시간으로 이동시키는 것.
• 실제 재난 대응 상황에서의 확장성과 계산적 실현 가능성을 보장하는 것.

제안 방법

• 멀티홉 네트워크 연결성 최대화와 링크 길이 최소화를 목표로 PSO를 사용해 제약 조건이 있는 최적의 위치를 찾는 최적화 문제로 드론 배치를 수식화한다.
• 드론을 위치 $P=[x,y,z]^T$, 헤딩 $\psi$를 가진 입자로 모델링하고, 통신 범위($R_C=300$ m), 감지 범위($R_S=50$ m), 안전 거리($S=10D$)에 대한 제약 조건을 설정한다.
• 목표 위치로 안전하고 장애물 없는 경로를 따라 이동시키기 위해 $a_{m2g}, b_{m2g}, a_{ath}, b_{ath}, a_{adr}, b_{adr}$ 파rameter를 가진 행동 기반 목표 추적 제어기를 사용한다.
• 순차적 배치 전략을 구현하여, 각 드론이 자신의 감지 범위 내에서 통신 경계에 가장 가까운 최적의 위치를 탐색한 후 다음 드론을 배치한다.
• PSO를 이중 단계 항법 과정과 통합한다: 첫 번째로 마지막으로 배치된 드론 쪽으로 향하는 것(할당 상태), 두 번째로 중간 지점 탐색(탐색 상태)을 통해 최종 위치에 도달하는 것.
• 선형 시각 경로에의 가까이와 네트워크 연결성을 기반으로 한 피트니스 함수를 정의하고, $w=1$, $c_1=c_2=1.5$, 인구 수 100으로 100회 반복 동안 최적화한다.

실험 결과

연구 질문

• RQ1 알 수 없는, 장애물이 많은 환경에서 PSO가 멀티홉 애드혹 네트워크 형성에 최적의 드론 위치를 효과적으로 식별할 수 있는가?
• RQ2 행동 기반 제어기가 장애물 회피와 네트워크 연결 유지 조건을 동시에 만족시키며 드론을 목표 위치로 안전하고 실시간으로 이동시킬 수 있는가?
• RQ3 위치 편차, 경로 안전성, 계산 시간 측면에서 제안된 배치 전략의 정확성과 효율성은 어떠한가?
• RQ4 실제 센서 및 통신 제약 조건을 고려할 때, 이 방법은 더 긴 거리와 복잡한 지형으로의 확장에 얼마나 잘 적응하는가?

주요 결과

• PSO 알고리즘은 30~50회 반복 내에 수렴하여 실시간 배치에 적합한 빠른 수렴 특성을 보였다.
• 이deal한 선형 시각 경로에서의 평균 위치 편차는 70 m였고, 평균 목표 각도 편차는 0.2 rad였으며, 주로 환경적 장애물에 기인했다.
• 4대의 드론을 15 m/s 속도로 배치하는 데 평균 5분이 소요되었고, PSO 계산은 각 탐색 시 1초 이내로, 드론 간 이동 시간 내에 충분히 빠르게 수행되었다.
• 행동 기반 제어기는 제어 명령을 밀리초 단위로 계산하여 실시간 운영에 적합함을 확인했다.
• 모든 시나리오에서 드론은 평균 링크 길이 295 m로 멀티홉 네트워크를 성공적으로 형성하였으며, 통신 범위 300 m와 매우 가까운 수준이었다.
• 모의 실험 결과 및 영상 시연을 통해, 복잡한 환경에서도 장애물로부터 안전한 거리를 확보한 배치 경로를 유지함을 확인했다.