有效收集、传输和处理的数据在持续监控任务使用无人机

无人驾驶车辆的有效就业(UV)可以帮助拯救生命,环境和基础设施。很多应用程序,比如野外火灾探测、基础设施健康监测和环境监测大大得益于数据收集由无人机执行任务。具体来说,这些任务需要持久数据收集从目标地区(s)来帮助早期检测或事件的及时观察/更改,其时间、地点,甚至发生的可能性或概率是不确定的。这宝贵的数据艾滋病有效的决策过程和随后的发展帮助及时有效决策的反应。

这个研究课题的目的是开发战略,促进高效的收集的数据在持续监控任务使用uv,并确保收集的数据传输和处理在一个基站及时。具体地说,我们的目标是解决数据收集和转移中面临以下挑战持续监控任务:
1)长时间/不确定任务的持续时间和燃料容量有限的车辆
2)异构数据收集要求不同的目标位置
3)弃用收集到的数据与时间的效用
4)难达到的目标位置和通信环境所施加的约束阻碍数据收集和数据传输的模式
5)收集的大量数据,需要运营商基站工作负载管理

我们正在寻找研究的贡献,应对上述挑战面临的持续监控任务。需要解决的主题包括,但不限于以下:
1)路径规划问题考虑单个或多个uv,优先目标,燃料约束、运动约束的车辆,车辆之间的协调和沟通相关问题
2)车辆定位是必要的在维护收集到的数据的价值
3)机器学习算法,帮助在一个有效的在线/离线数据处理;例如,确定事件的发生和评估事件的程度
4)问题有效的人类之间的合作和uv之间保持一个平衡数据分析的速度和运营商的工作负载管理
5)问题,确保安全可靠的数据采集和传输,特别是在通信受限环境

关键字:持续监控、路径规划、无人驾驶车辆,Human-UAV协作通信约束、燃料的能力

重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。