Key points are not available for this paper at this time.
Mit unbemannten Luftfahrzeugen (UAV) kann schnell auf dringende Bedürfnisse wie Such- und Rettungsmissionen oder medizinische Lieferungen reagiert werden. Gleichzeitig errichtet der Gesetzgeber sogenannte geografische Zonen, die die UAV-Operationen einschränken, um das Luft- und Grundrisiko für Dritte zu mindern. Diese geografischen Zonen dienen einem speziellen Sicherheitsinteresse, können jedoch auch die effiziente Nutzung von UAVs bei zeitkritischen Missionen mit einer reichweitenbeschränkten Batteriekapazität behindern. In dieser Studie behandeln wir ein Standortproblem für bis zu zwei UAV-Hangars mit einem robusten Optimierungsmodell, das Nachfrage-Hotspots, geografische Zonen als eingeschränkte Bereiche, eine Standardmission zur Befriedigung der Batteriekapazitätsbeschränkungen und die Auswirkungen von Windszenarien berücksichtigt. Zu diesem Zweck werden Wasserrettungsmissionen beispielhaft verwendet, für die positive und negative Standortfaktoren für UAV-Hangars und Gebiete mit erhöhtem Ertrinkungsrisiko als Nachfragepunkte aus offenen georeferenzierten Daten abgeleitet werden. Optimale UAV-Missionsverläufe werden mit einem A*-Algorithmus unter Berücksichtigung von fünf verschiedenen Einschränkungsszenarien berechnet. Da diese Pfadsuche sehr zeitaufwendig ist, beschleunigen binäre Belegungsraster und Bildverarbeitungsalgorithmen die Berechnung, indem sie im Voraus entweder vollständig unzugängliche oder ohne Einschränkungen nutzbare Verbindungen identifizieren. Für die optimalen UAV-Hangarstandorte maximieren wir die Zugänglichkeit, während wir die Servicezeit zu den Hotspots minimieren, was zu einer Verringerung der durchschnittlichen Servicezeit von 570,4 s für alle Standortkandidaten auf 351,1 s für einen und 287,2 s für zwei optimale UAV-Hangarstandorte führt.
Braßel et al. (Fr,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: