Using Drone Swarm to Stop Wildfire: A Predict-then-optimize Approach

要約

ドローンの群れとデータ インテリジェンスは、山火事の消火の未来となる可能性があります。
しかし、ドローン群消火活動は、山火事現場の非常に複雑な環境条件、山火事の延焼の非常に動的な性質、ドローン群作戦の大幅な計算の複雑さなど、大きな課題に直面しています。
私たちは、これらの課題に対処し、効果的なドローン群消火を可能にする、予測してから最適化するアプローチを開発します。
まず、実際の山火事データに基づいて山火事拡大予測凸型ニューラル ネットワーク (Convex-NN) モデルを構築します。
次に、効率的なドローン群タスク計画を可能にする動的計画法 (DP) と組み合わせた混合整数計画法 (MIP) モデルを提案します。
さらに、確率制約型ロバスト最適化 (CCRO) を使用して、さまざまな状況下で堅牢な消火パフォーマンスを保証します。
定式化されたモデルは、ベンダー分解と分岐とカットのアルゴリズムを使用して効率的に解決されます。
75 回の模擬山火事環境トレーニングの後、MIP+CCRO アプローチはいくつかのテスト セットの中で最高のパフォーマンスを示し、通常の MIP と比較して動きを 37.3% 削減しました。
また、完全に消火できないことが多かった GA ベースラインを大幅に上回りました。
最終的には、次の段階で実際の延焼実験と消火実験を実施し、さらなる検証を行う予定です。

要約(オリジナル)

Drone swarms coupled with data intelligence can be the future of wildfire fighting. However, drone swarm firefighting faces enormous challenges, such as the highly complex environmental conditions in wildfire scenes, the highly dynamic nature of wildfire spread, and the significant computational complexity of drone swarm operations. We develop a predict-then-optimize approach to address these challenges to enable effective drone swarm firefighting. First, we construct wildfire spread prediction convex neural network (Convex-NN) models based on real wildfire data. Then, we propose a mixed-integer programming (MIP) model coupled with dynamic programming (DP) to enable efficient drone swarm task planning. We further use chance-constrained robust optimization (CCRO) to ensure robust firefighting performances under varying situations. The formulated model is solved efficiently using Benders Decomposition and Branch-and-Cut algorithms. After 75 simulated wildfire environments training, the MIP+CCRO approach shows the best performance among several testing sets, reducing movements by 37.3\% compared to the plain MIP. It also significantly outperformed the GA baseline, which often failed to fully extinguish the fire. Eventually, we will conduct real-world fire spread and quenching experiments in the next stage for further validation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google