ІНТЕГРАЦІЯ СЕНСОРНОЇ ІНФОРМАЦІЇ В ХМАРНУ ІНФРАСТРУКТУРУ ДЛЯ БЕЗПЕЧНОГО УПРАВЛІННЯ ГРУПАМИ ДРОНІВ - Scientific conference
Main page
UA PL EN

Congratulation from Internet Conference!

Hello

Рік заснування видання - 2011

ІНТЕГРАЦІЯ СЕНСОРНОЇ ІНФОРМАЦІЇ В ХМАРНУ ІНФРАСТРУКТУРУ ДЛЯ БЕЗПЕЧНОГО УПРАВЛІННЯ ГРУПАМИ ДРОНІВ

26.05.2025 16:36

[1. Information systems and technologies]

Author: Єна Максим Вікторович, аспірант, Національний аерокосмічний університет, Харківський авіаційний інститут; Погудіна Ольга Костянтинівна, кандитат технічних наук, доцент, Національний аерокосмічний університет, Харківський авіаційний інститут


ORCID: 0009-0006-0664-3244 Єна М.В.

ORCID: 0000-0001-5689-2552 Погудіна О.К.

Ефективне керування повітряним трафіком безпілотних літальних апаратів (БПЛА) вимагає постійного оновлення інформації про стан середовища, позиції дронів, наявність перешкод і зміни умов. Джерелами інформації є численні сенсорні системи, встановлені на БПЛА та наземній інфраструктурі. Інтеграція даних із сенсорів у реальному часі є критичною складовою побудови адаптивної та безпечної системи керування [1].

Для забезпечення масштабованої обробки таких потоків даних використано трикомпонентну хмарну архітектуру, яка складається з:

Рівень IaaS (Infrastructure as a Service): відповідає за фізичну обробку даних із сенсорів БПЛА, зокрема GPS, IMU, камери, LiDAR. На цьому рівні відбувається первинна фільтрація шумів, агрегування та буферизація потоку даних.

Рівень PaaS (Platform as a Service): реалізує модулі аналітики, маршрутизації, прогнозування конфліктів і затримок. На цьому рівні виконується обробка вхідного потоку сенсорних даних у режимі реального часу.

Рівень SaaS (Software as a Service): надає доступ до даних через API та графічні інтерфейси для диспетчерів, операторів і зовнішніх систем.

Цей підхід дозволяє гнучко масштабувати систему залежно від кількості активних БПЛА та щільності трафіку.

Формалізація пропускної здатності

Для розрахунку обсягу оброблюваних даних в одиницю часу використовується наступне співвідношення:




де T — загальний потік даних, що підлягає обробці (байт/с), N — кількість активних БПЛА у зоні покриття, D — середній обсяг даних, що генерує один БПЛА за інтервал Δt, Δt — інтервал оновлення даних.

Це дозволяє оцінити навантаження на систему в умовах підвищеної активності флотилії.

Роль цифрового двійника

Застосування цифрового двійника дозволяє синхронізувати обробку сенсорної інформації з моделлю повітряного простору. Отримані дані інтегруються у симуляційне середовище, де моделюється:

Просторова локалізація дронів;

Прогнозування трафіку;

Корекція маршрутів у режимі онлайн;

Побудова heatmap-концентрацій за даними з GPS, камер та LiDAR.

Приклад реалізації

У попередніх дослідженнях [2] реалізовано систему обробки сенсорних даних на основі алгоритму Калмана, що дозволяє уточнювати позицію дронів за даними з GPS і IMU. Це дає змогу знизити похибки позиціонування до 15–20% у динамічних умовах. Отримані дані також використовуються для оновлення вагових коефіцієнтів ребер графа повітряного простору.

 

Риснок 1 — Схема хмарної архітектури

Інтеграція сенсорних даних є критично важливою для забезпечення актуальної ситуаційної обізнаності в системах керування трафіком БПЛА. Запропонована трирівнева архітектура дозволяє ефективно збирати, фільтрувати та агрегувати інформацію з різнорідних джерел у реальному часі [3].

Такий підхід забезпечує високу точність, адаптивність та масштабованість системи, що є необхідною умовою для безпечного та ефективного функціонування БПЛА в умовах динамічного повітряного середовища.

Список літератури:

1. Yena M. Application of Blockchain in UTM Technologies // Youth Research on European Integration : XIII International Scientific and Practical Conference (Apr 5, 2024, Kharkiv, Ukraine) / Kharkiv National University named after V. N. Karazin. – Kharkiv : KNU, 2024. – Available at: https://ekhnuir.karazin.ua/handle/123456789/18596.

2. Єна, М. (2025). Розроблення алгоритмів оброблення даних у реальному часі для оптимізації трафіку БпЛА. СУЧАСНИЙ СТАН НАУКОВИХ ДОСЛІДЖЕНЬ ТА ТЕХНОЛОГІЙ В ПРОМИСЛОВОСТІ, (1(31), 49–60. https://doi.org/10.30837/2522-9818.2025.1.049

3. Neto, E. C. P., Baum, D. M., de Almeida Junior, J. R., Camargo Junior, J. B., Cugnasca, P. S. Trajectory-Based Urban Air Mobility (UAM) Operations Simulator (TUS). arXiv preprint, August 2019.



Creative Commons Attribution Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
допомога Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter

Another articles in this section

Сonferences

Conference 2025

Conference 2024

Conference 2023

Conference 2022

Conference 2021



Міжнародна інтернет-конференція з економіки, інформаційних систем і технологій, психології та педагогіки

Наукова спільнота - інтернет конференції

:: LEX-LINE :: Юридична лінія

Інформаційне суспільство: технологічні, економічні та технічні аспекти становлення