[논문]동적 계획법을 통한 Urban Air Mobility 최적화 기반 충돌 회피 알고리즘

노영진; 임지웅; 원종훈

doi:10.11003/jpnt.2024.13.4.441

[국내논문] 동적 계획법을 통한 Urban Air Mobility 최적화 기반 충돌 회피 알고리즘
Optimization-based Collision Avoidance Algorithm for Urban Air Mobility Through Dynamic Programming 원문보기

Journal of Positioning, Navigation, and Timing, v.13 no.4, 2024년, pp.441 - 447

노영진 (Autonomous Navigation Lab., Department of Electrical and Computer Engineering, Inha University) , 임지웅 (Autonomous Navigation Lab., Department of Electrical and Computer Engineering, Inha University) , 원종훈 (Autonomous Navigation Lab., Department of Electrical and Computer Engineering, Inha University)

Abstract ▼ AI-Helper

In this study, we propose a collision avoidance algorithm for Urban Air Mobility (UAM). The proposed algorithm uses Dynamic Programming (DP) techniques to optimize trajectory planning and collision avoidance strategies. The algorithm includes a dynamic and adaptive framework that can effectively manage a variety of unpredictable urban airspace scenarios. Through a comprehensive analysis of the surrounding environment, the algorithm formulates collision avoidance decisions by considering the state of the aerial vehicle. By utilizing DP, the algorithm optimally balances the trade-off between minimizing collision risk and ensuring efficient path planning. The effectiveness of the proposed algorithm is tested in various urban environments through simulations. These tests demonstrate its ability to manage complex airspace scenarios. The results show a significant reduction in collision risk while maintaining acceptable path efficiency, compared to other collision avoidance algorithms.

Keyword

표/그림 (7)

그림 Fig. 1. Grid sate space of general DP algorithm (left) and area sate space of the proposed DP algorithm (right).
그림 Fig. 2. General motion state of DP algorithm.
그림 Fig. 3. New motion state of proposed DP algorithm. proposed motion state (left), and vertical/horizontal motion state of proposed (right).
그림 Fig. 4. The result of the general DP algorithm (top) and the result of the proposed DP algorithm (bottom) at sparse-distributed environment.
표 Table 1. Comparison of performance at sparse-distributed environment.
그림 Fig. 5. The result of the general DP algorithm (top) and the result of the proposed DP algorithm (bottom) at complex environment.
표 Table 2 Comparison of performance at complex environment.

AI 본문요약
AI-Helper

제안 방법

본 논문에서는 앞서 제시한 동적 계획법 알고리즘의 문제들을 해소하기 위한 새로운 모델링 방법을 제시하며, 특히 넓은 영역에 특정 관심 영역이 존재하는 환경을 중점적으로 다룬다. Fig.
기존의 경로 계획 시스템은 주로 사전에 정의된 규칙과 휴리스틱을 사용하여 도시 공간의 변화와 환경 조건에 대응하는데 제한이 된다. 이를 해결하기 위해 본 논문에서는 UAM의 행동의 유연함을 이용해 새로운 동작 상태를 정의하고 이를 동적 계획법에 적용하여 더 우수한 경로를 계획했다.
본 논문에서는 복잡한 도시 환경에서 UAM의 경로 계획을 위해 새로운 동작 상태를 정의하고, 설계한 최적화 문제를 동적 계획법을 이용해 해결하는 방법을 제안한다. UAM 기술의 발전과 효율적인 교통 솔루션에 대한 수요가 증가함에 따라 안전하고 효율적인 자율 비행이 필수적인 요구사항이 되었다.

성능/효과

Table 1은 두 알고리즘이 획득하는 보상값과 평균 계산 시간을 보여준다. 일반적인 알고리즘과 비교해 본 논문에서 제안하는 알고리즘의 보상 개선율은 45.5%로 더 나은 성능을 나타냄을 알 수 있다. 여기서 보상 개선율은 (proposed – general)/general로 계산되었다.
본 논문에서 제안한 동적 계획법 알고리즘은 UAM 작업에 특화된 새로운 동작 상태를 도입함으로써 이러한 문제를 해결했다. 동적 계획법 알고리즘은 장애물과의 충돌 위험을 최소화하면서도 에너지 효율적인 경로를 계획했다.
본 논문에서 제안한 동적 계획법 알고리즘은 UAM 작업에 특화된 새로운 동작 상태를 도입함으로써 이러한 문제를 해결했다. 동적 계획법 알고리즘은 장애물과의 충돌 위험을 최소화하면서도 에너지 효율적인 경로를 계획했다. 실험 결과는 알고리즘이 예측할 수 없는 도시 시나리오를 효과적으로 다룰 수 있는 능력을 입증하며, 특히 관심 영역이 적게 분산된 환경에서도 우수한 성능을 보여주었다.
동적 계획법 알고리즘은 장애물과의 충돌 위험을 최소화하면서도 에너지 효율적인 경로를 계획했다. 실험 결과는 알고리즘이 예측할 수 없는 도시 시나리오를 효과적으로 다룰 수 있는 능력을 입증하며, 특히 관심 영역이 적게 분산된 환경에서도 우수한 성능을 보여주었다. 향후 해당 알고리즘의 능력을 실시간 데이터 업데이트 및 동적 환경 변화에 대응할 수 있도록 확장하는 연구가 필요하다.
이는 알고리즘이 같은 영역에 대해 여러 번 접근할 수 있기 때문에 가능한 결과이다. 따라서 본 논문에서 제안한 동적 계획법 알고리즘의 모델링 방법이 더 나은 성능을 보임을 알 수 있다.
본 논문에서는 복잡한 도시 환경에서 UAM의 경로 계획을 위해 새로운 동작 상태를 정의하고, 설계한 최적화 문제를 동적 계획법을 이용해 해결하는 방법을 제안한다. UAM 기술의 발전과 효율적인 교통 솔루션에 대한 수요가 증가함에 따라 안전하고 효율적인 자율 비행이 필수적인 요구사항이 되었다. 기존의 경로 계획 시스템은 주로 사전에 정의된 규칙과 휴리스틱을 사용하여 도시 공간의 변화와 환경 조건에 대응하는데 제한이 된다.

후속연구

UAM 기술의 발전과 효율적인 교통 솔루션에 대한 수요가 증가함에 따라 안전하고 효율적인 자율 비행이 필수적인 요구사항이 되었다. 기존의 경로 계획 시스템은 주로 사전에 정의된 규칙과 휴리스틱을 사용하여 도시 공간의 변화와 환경 조건에 대응하는데 제한이 된다. 이를 해결하기 위해 본 논문에서는 UAM의 행동의 유연함을 이용해 새로운 동작 상태를 정의하고 이를 동적 계획법에 적용하여 더 우수한 경로를 계획했다.
실험 결과는 알고리즘이 예측할 수 없는 도시 시나리오를 효과적으로 다룰 수 있는 능력을 입증하며, 특히 관심 영역이 적게 분산된 환경에서도 우수한 성능을 보여주었다. 향후 해당 알고리즘의 능력을 실시간 데이터 업데이트 및 동적 환경 변화에 대응할 수 있도록 확장하는 연구가 필요하다. 또한 머신 러닝 기술을 적응형 경로 계획에 통합하여 높은 동적 도시 환경에서의 적응성과 탄력성을 향상시킬 수 있을 것으로 기대된다.
향후 해당 알고리즘의 능력을 실시간 데이터 업데이트 및 동적 환경 변화에 대응할 수 있도록 확장하는 연구가 필요하다. 또한 머신 러닝 기술을 적응형 경로 계획에 통합하여 높은 동적 도시 환경에서의 적응성과 탄력성을 향상시킬 수 있을 것으로 기대된다. 전반적으로 본 논문에서 제안한 동적 계획법 알고리즘은 복잡한 도시 환경에서 안전하고 효율적인 UAM 작업을 위한 솔루션으로, 자율 비행 운송 시스템의 발전에 기여할 것으로 기대된다.
또한 머신 러닝 기술을 적응형 경로 계획에 통합하여 높은 동적 도시 환경에서의 적응성과 탄력성을 향상시킬 수 있을 것으로 기대된다. 전반적으로 본 논문에서 제안한 동적 계획법 알고리즘은 복잡한 도시 환경에서 안전하고 효율적인 UAM 작업을 위한 솔루션으로, 자율 비행 운송 시스템의 발전에 기여할 것으로 기대된다.

참고문헌 (20)

Bellman, R. 1966, Dynamic programming, Science, 153, 34-37. https://doi.org/10.1126/science.153.3731.34

상세보기
Causa, F., Franzone, A., & Fasano, G. 2023, Strategic and？tactical path planning for urban air mobility: Overview？and application to real-world use cases, Drones, 7, 11.？https://doi.org/10.3390/drones7010011

상세보기
Chen, Y. F., Liu, M., Everett, M., & How, J. P. 2017,？Decentralized non-communicating multiagent collision？avoidance with deep reinforcement learning, In？2017 IEEE International Conference on Robotics and？Automation (ICRA), Singapore, 29 May - 3 June 2017,？pp.285-292. https://doi.org/10.1109/ICRA.2017.7989037
Dai, W., Pang, B., & Low, K. H. 2021, Conflict-free four-dimensional path planning for urban air mobility？considering airspace occupancy, Aerospace Science？and Technology, 119, 107154. https://doi.org/10.1016/j.ast.2021.107154

상세보기
Dauptain, X., Kone, A., Grolleau, D., Cerezo, V., Gennesseaux,？M., et al. 2022, Conception of a high-level perception and？localization system for autonomous driving, Sensors, 22, 9661. https://doi.org/10.3390/s22249661

상세보기
Dolgov, D., Thrun, S., Montemerlo, M., & Diebel, J. 2008,？Practical search techniques in path planning for？autonomous driving, Ann Arbor, 1001(48105), 18-80.
Frasch, J. V., Gray, A., Zanon, M., Ferreau, H. J., Sager, S., et？al. 2013, An auto-generated nonlinear MPC algorithm？for real-time obstacle avoidance of ground vehicles,？In 2013 European Control Conference (ECC), Zurich,？Switzerland, 17-19 July 2013, pp.4136-4141. https://doi.org/10.23919/ECC.2013.6669836
Khatib, O. 1986, Real-time obstacle avoidance for？manipulators and mobile robots, The International？Journal of Robotics Research, 5, 90-98. https://doi.org/10.1177/027836498600500106

상세보기
Kuwata, Y., Wolf, M. T., Zarzhitsky, D., & Huntsberger, T.？L. 2014, Safe maritime autonomous navigation with？COLREGS, using velocity obstacles, IEEE Journal？of Oceanic Engineering, 39, 110-119. https://doi.org/10.1109/JOE.2013.2254214

상세보기
Mohamed, A., Marino, M., Watkins, S., Jaworski, J., &？Jones, A. 2023, Gusts encountered by flying vehicles？in proximity to buildings, Drones, 7, 22. https://doi.org/10.3390/drones7010022

상세보기
Neto, E. C. P., Baum, D. M., de Almeida, J. R., Camargo, J. B.,？& Cugnasca, P. S. 2022, A trajectory evaluation platform？for urban air mobility (UAM), IEEE Transactions on？Intelligent Transportation Systems, 23, 9136-9145.？https://doi.org/10.1109/TITS.2021.3091411

상세보기
Pak, H., Asmer, L., Kokus, P., Schuchardt, B. I., End, A.,？et al. 2024, Can urban air mobility become reality?？Opportunities and challenges of UAM as innovative？mode of transport and DLR contribution to ongoing？research, CEAS Aeronautical Journal. https://doi.org/10.1007/s13272-024-00733-x
Pfeiffer, M., Shukla, S., Turchetta, M., Cadena, C., Krause,？A., et al. 2018, Reinforced imitation: Sample efficient？deep reinforcement learning for mapless navigation？by leveraging prior demonstrations, IEEE Robotics？and Automation Letters, 3, 4423-4430. https://doi.org/10.1109/LRA.2018.2869644

상세보기
Pradeep, P. & Wei, P. 2019, Energy-efficient arrival with RTA？constraint for multirotor eVTOL in urban air mobility,？Journal of Aerospace Information Systems, 16, 263-277.？https://doi.org/10.2514/1.I010710

상세보기
Ross, S. M. 2014, Introduction to stochastic dynamic？programming (San Diego: Academic Press).
Tang, H., Zhang, Y., Mohmoodian, V., & Charkhgard, H.？2021, Automated flight planning of high-density urban？air mobility, Transportation Research Part C: Emerging？Technologies, 131, 103324. https://doi.org/10.1016/j.trc.2021.103324

상세보기
Taye, A. G., Valenti, R., Rajhans, A., Mavrommati, A.,？Mosterman, P. J., et al. 2024, Safe and scalable real-time？trajectory planning framework for urban air mobility,？Journal of Aerospace Information Systems, 21, 1-10.？https://doi.org/10.2514/1.I011381
Wahab, M. N. A., Nefti-Meziani, S., & Atyabi, A. 2020, A？comparative review on mobile robot path planning:？Classical or meta-heuristic methods?, Annual Reviews？in Control, 50, 233-252. https://doi.org/10.1016/j.arcontrol.2020.10.001

상세보기
Wang, L., Deng, X., Gui, J., Jiang, P., Zeng, F., et al. 2023,？A review of urban air mobility-enabled intelligent？transportation systems: Mechanisms, applications？and challenges, Journal of Systems Architecture, 141, 102902. https://doi.org/10.1016/j.sysarc.2023.102902

상세보기
Yasin, J. N., Mohamed, S. A . S,, Haghbayan, M.-H.,？Heikkonen, J., Tenhunen, H., et al. 2020, Unmanned？aerial vehicles (UAVs): Collision avoidance systems and？approaches, IEEE Access, 8, 105139-105155. https://doi.org/10.1109/ACCESS.2020.3000064

상세보기

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증