Revolutionizing RPAS logistics and reducing CO2 emissions with advanced RPAS technology for delivery systems
Notice bibliographique
Résumé
To manage remotely piloted aircraft system (RPAS) networks effectively, this research presents a multi-objective location-routing optimization model. This model integrates time window constraints, concurrent pick-up and delivery demands, and rechargeable battery functionality, and also introduces a standardized framework to clarify the RPAS CO2 emission model. These integrations significantly decrease battery consumption in Remotely Piloted Aircraft Systems (RPAS) and lower transportation costs, while also optimizing delivery times, reducing operational risks, and minimizing CO2 emissions. The model’s enhancement for optimizing delivery schedules takes into account uncertain traffic conditions, thus improving accuracy in dynamic environments and further contributing to environmental sustainability. Risk assessment employs the Specific Operations Risk Assessment (SORA) standard, adding a third objective function. This combination of the model, further enhance the efficiency and sustainability of RPAS operations, by optimizing delivery schedules, reducing CO2 emissions and battery consumption, and improving accuracy under dynamic conditions. Also, it make RPAS logistics more practical and effective in real-world applications. As result, the NSGA-II algorithm achieves significant reductions across all objectives: 33.3 % in cost, 6.48 % in time, 33.3 % in risk, and 35.7 % in battery usage within 250 generations. The use of the NSGA-II meta-heuristic method for validation enhances the credibility and practicality of the model. The optimization model’s performance over 250 generations shows rapid initial improvements in cost, time, risk, and battery usage, followed by stabilization, indicating efficient convergence and effective evolutionary computation. Also the findings show that with a CO2 emission rate of 3.773 × 104 kg of CO2 per Wh, highlighting the model’s efficiency and effectiveness.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».