[논문 리뷰] Third Party Risk Modelling and Assessment for Safe UAV Path Planning in Metropolitan Environments

Bizhao Pang, Xinting Hu외 2명|arXiv (Cornell University)|2021. 07. 05.

Evacuation and Crowd Dynamics참고 문헌 48인용 수 6

한 줄 요약

이 논문은 도시 환경에서 안전한 3차원 UAV 경로 계획을 가능하게 하기 위해 통합된 위험 평가 모델과 하이브리드 EDA-RA* 알고리즘을 제안한다. 이는 인구 밀도와 교통 밀도를 이용한 중력 모델을 통해 제3자 위험—부상, 재산 피해, 사회적 영향 등을 정량화한다. 이 방법은 경로 계획을 안내하는 위험 지ap을 생성하며, 고위험 지역에 노출되는 것을 크게 줄이고 계산 효율성도 유지한다.

ABSTRACT

Various applications of advanced air mobility (AAM) in urban environments facilitate our daily life and public services. As one of the key issues of realizing these applications autonomously, path planning problem has been studied with main objectives on minimizing travel distance, flight time and energy cost. However, AAM operations in metropolitan areas bring safety and society issues. Because most of AAM aircraft are unmanned aerial vehicles (UAVs) and they may fail to operate resulting in fatality risk, property damage risk and societal impacts (noise and privacy) to the public. To quantitatively assess these risks and mitigate them in planning phase, this paper proposes an integrated risk assessment model and develops a hybrid algorithm to solve the risk-based 3D path planning problem. The integrated risk assessment method considers probability and severity models of UAV impact ground people and vehicle. By introducing gravity model, the population density and traffic density are estimated in a finer scale, which enables more accurate risk assessment. The 3D risk-based path planning problem is first formulated as a special minimum cost flow problem. Then, a hybrid estimation of distribution algorithm (EDA) and risk-based A* (named as EDA-RA*) algorithm is proposed to solve the problem. To improve computational efficiency, k-means clustering method is incorporated into EDA-RA* to provide both global and local search heuristic information, which formed the EDA and fast risk-based A* algorithm we call EDA-FRA*. Case study results show that the risk assessment model can capture high risk areas and the generated risk map enables safe UAV path planning in urban complex environments.

연구 동기 및 목표

• 도시 UAV 운영에서 잠재적인 UAV 고장으로 인한 사람과 재산 피해에 기인한 안전성 및 사회적 위험을 해결하기 위해.
• 사람과 차량에 대한 UAV 충격의 확률과 심각도를 측정하는 정량적 위험 평가 모델을 개발하기 위해.
• 누적 위험을 최소화하기 위해 3차원 위험 기반 경로 계획을 최소 비용 흐름 문제의 특수한 형태로 수학적으로 공식화하기 위해.
• 전역 탐색과 국소 탐색을 균형 있게 조절하는 효율적인 위험 인식 경로 생성을 위한 하이브리드 메타휴리스틱(EDA-RA*)을 설계하기 위해.
• 모델이 고위험 도시 지역을 식별하고 사례 연구를 통해 안전한 UAV 항로를 안내할 수 있는 능력을 검증하기 위해.

제안 방법

• 위험 평가 모델은 사람과 차량에 대한 UAV 충격의 확률 함수와 심각도 함수를 통합하며, 주요 입력으로 인구 밀도와 교통 밀도를 사용한다.
• 정밀한 공간 해상도에서 인구 밀도와 교통 밀도를 추정하기 위해 중력 모델이 적용되어 위험 국소화 정확도가 향상된다.
• 3차원 경로 계획 문제는 누적 위험을 최소화하기 위해 특수한 최소 비용 흐름 문제로 수학적으로 공식화된다.
• 하이브리드 알고리즘인 EDA-RA*는 전역 탐색을 위한 분포 추정 알고리즘(EDA)과 위험 기반 A*를 결합하여 국소 정밀 조정을 수행한다.
• k-means 클러스터링이 EDA-RA*에 통합되어 히وري스틱 정보를 생성하며, 이는 계산 효율성을 향상시킨 EDA-FRA* 변종을 도출한다.
• 알고리즘은 평가 모델에서 유도된 위험 지도를 경로 탐색의 비용 함수로 사용하여 저위험 경로를 우선순위로 정한다.

실험 결과

연구 질문

• RQ1 어떻게 도시 UAV 운영에서 부상, 재산 피해, 사회적 영향과 같은 제3자 위험을 정량적으로 모델링할 수 있는가?
• RQ2 인구 밀도와 교통 밀도는 도시 지역의 위험 공간 분포를 어느 정도 정확하게 추정할 수 있는가?
• RQ3 하이브리드 메타휴리스틱 알고리즘이 위험 기반 3차원 UAV 경로 계획에서 전역 탐색과 국소 탐색을 효과적으로 균형 있게 조절할 수 있는가?
• RQ4 k-means 클러스터링을 통합함으로써 위험 기반 경로 계획 알고리즘의 효율성은 어떻게 향상되는가?
• RQ5 제안된 위험 지도는 복잡한 도시 환경에서 고위험 지역을 정확히 식별하고 UAV가 더 안전한 비행 경로로 이동하도록 안내할 수 있는가?

주요 결과

• 위험 평가 모델은 중력 모델을 통해 인구 밀도와 교통 밀도를 통합하여 도시 환경에서 고위험 지역을 성공적으로 식별한다.
• 생성된 위험 지도는 공간적 위험 분포를 효과적으로 시각화하여 위협 수준이 높은 지역을 명확히 식별하는 데 기여한다.
• EDA-FRA* 알고리즘은 k-means 클러스터링을 활용해 전역 및 국소 탐색 히وري스틱을 이끌어내어 효율적인 계산을 달성한다.
• 사례 연구에서는 위험 지도에서 식별된 고위험 지역을 피하는 방식으로 제안된 방법이 더 안전한 UAV 경로를 생성함을 입증한다.
• 복잡한 도시 환경에서 기준선 방법에 비해 하이브리드 EDA-RA* 알고리즘이 해의 품질과 계산 시간의 균형을 효과적으로 확보한다.