A Data-Driven Approach to Locating and Routing Unmanned Aerial Vehicles for Disaster Area Reconnaissance

Cette thèse présente un cadre général visant l’exploitation des données météorologiques pour aider à planifier l’utilisation d’un véhicule aérien sans pilote (UAV) muni de capteurs pour aider les équipes de recherche et de sauvetage à analyser une zone impactée par une tornade. Cette thèse utilise les bases des problèmes de planification des tournées, d’assignation et de détermination dynamique des routes de véhicules. Nous nous appuyons sur ces principes en incorporant des données historiques sur les tornades afin de rechercher plus efficacement une zone impactée par une tornade. En effet, la localisation et le trajet des tornades ne sont pas totalement aléatoires. Dans cette thèse, nous cherchons à exploiter les données historiques pour développer des stratégies de recherche afin d’évaluer les zones touchées par les tornades de manière plus efficace. Nous démontrons tout d’abord comment les données météorologiques et les données spatiales relatives aux tornades peuvent être incorporées dans les procédures de recherche et de sauvetage afin d’acheminer les UAV adéquatement. Nous développons une méthode d’acheminement des UAV à l’aide de l’ensemble des données historiques disponibles. Nous analysons également les compromis entre le temps nécessaire pour créer des points de passage et la valeur de la fonction objectif. On observe qu’il est possible d’utiliser des «méthodes exactes» pour générer des points de passage. Ainsi, l’heuristique que nous proposons permet de déployer UAV plus rapidement. Ensuite, nous présentons une méthode et une solution pour le localisation d’UAV dans l’état d’Oklahoma à l’aide de données historiques sur les tornades, basées sur des modèles de couverture et d’acheminement des véhicules à stations multiples. Lors de l’affectation des UAV, nous découvrons qu’il faut jusqu’à 70% de UAV en plus pour obtenir une couverture suffisante, alors qu’il n’y a que 5% de chances qu’un UAV donné ne puisse pas voler. Enfin, nous exploitons les données historiques pour identifier plus efficacement l’étendue de la zone impactée par une tornade. Nous constatons que l’utilisation des tendances historiques des tornades permet de réduire de 2% le temps nécessaire à l’identification de l’étendue de la zone touchée (30% des tournées de UAV ne sont pas du tout déterminés de manière dynamique). Cette thèse constitue une première étape pour appuyer les chercheurs et les sauveteurs avec l’utilisation des données météorologiques et d’autres données d’experts. Cette thèse fournit également un contexte et des opportunités supplémentaires pour l’utilisation des détecteurs de signaux sans fil. Cette thèse contient également d’autres propositions, comme la quantification du compromis entre l’utilisation de méthodes exactes et d’heuristiques et leur impact sur la mise en oeuvre d’une solution, ainsi que l’utilisation de la durée totale de réalisation du VRP comme fonction objectif.