Automatic Separation Management Between Multiple Unmanned Aircraft Vehicles in Uncertain Dynamic Airspace Based on Trajectory Prediction
Notice bibliographique
Résumé
In an uncertain dynamic airspace, the future trajectories of noncooperative aircrafts (obstacles) are very uncertain.Multiple unmanned aircraft vehicles (UAVs) must avoid colliding into noncooperative obstacles and keep a safe distance between each other.This poses a huge challenge to the unmanned aircraft system traffic management (UTM).To cope with the challenge, this paper puts forward an automatic separation management method for a formation of multiple UAVs based on trajectory prediction in 3D dynamic airspace.Firstly, the uncertain trajectories of each obstacle in a time horizon were predicted based on the reachable set, producing an ellipsoidal reachable region.Next, a safe and efficient double-layer separation management strategy was proposed based on the improved artificial potential field (APF) method, considering the safe distance between cooperative UAVs and that between cooperative and noncooperative UAVs.The distance-based traditional APF method was adopted to manage the conflicts according to the reachable region of each obstacle, maximizing the safety between the UAV and the obstacle.The APF method based on relative motion state was employed to manage the conflicts, and adaptively adjust the dynamic safe separation between the UAVs.Experimental results prove that our method can effectively prevent the conflicts between a UAV and other UAVs in the formation or noncooperative obstacle.Besides, the collision-free trajectory generated by our method is smooth and stable, and close to the planned trajectory.The proposed method provides a solid guarantee to UAV flight safety, while minimizing the impacts on nearby aircrafts.The research findings shed new light on the UTM of highly uncertain low-altitude airspaces.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».