Effect of Design on Human Injury and Fatality Due to Impacts by Small UAS
Notice bibliographique
Résumé
Although Unmanned Aircraft Systems (UASs) offer valuable services, they also introduce certain risks—particularly to individuals on the ground—referred to as third-party risk (TPR). In general, ground-level TPR tends to rise alongside the density of people who might use these services, leading current regulations to heavily restrict UAS operations in populated regions. These operational constraints hinder the ability to gather safety insights through the conventional method of learning from real-world incidents. To address this, a promising alternative is to use dynamic simulations that model UAS collisions with humans, providing critical data to inform safer UAS design. In the automotive industry, the modelling and simulation of car crashes has been well developed. For small UAS, this dynamical modelling and simulation approach has focused on the effect of the varying weight and kinetic energy of the UAS, as well as the geometry and location of the impact on a human body. The objective of this research is to quantify the effects of UAS material and shape on-ground TPR through dynamical modelling and simulation. To accomplish this objective, five camera–drone types are selected that have similar weights, although they differ in terms of airframe structure and materials. For each of these camera–drones, a dynamical model is developed to simulate impact, with a biomechanical human body model validated for impact. The injury levels and probability of fatality (PoF) results, obtained through conducting simulations with these integrated dynamical models, are significantly different for the camera–drone types. For the uncontrolled vertical impact of a 1.2 kg UAS at 18 m/s on a model of a human head, differences in UAS designs even yield an order in magnitude difference in PoF values. Moreover, the highest PoF value is a factor of 2 lower than the parametric PoF models used in standing regulation. In the same scenario for UAS types with a weight of 0.4 kg, differences in UAS designs even considered yield an order when regarding the magnitude difference in PoF values. These findings confirm that the material and shape design of a UAS plays an important role in reducing ground TPR, and that these effects can be addressed by using dynamical modelling and simulation during UAS design.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».