Article
KI basierte Bahnoptimierung von Drohnen im urbanen Umfeld (de)
* Presenting author
Abstract:
Das Fliegen von Liefer-Drohnen oder Lufttaxis im urbanen Umfeld erfordert die erfolgreiche Lösung verschiedener Herausforderungen, die im Zusammenhang mit dem autonomen Fliegen und dessen Zulassung stehen. Abgesehen hiervon kann die Akzeptanz solcher Flugbewegungen sehr stark von der Lärmbelastung abhängen. Optimierungsverfahren, welche die Navigation unterstützen und bezüglich der Lärmbelästigung minimieren, können die Akzeptanz solcher Operationen verbessern oder sogar erst ermöglichen. An einem Modell einer synthetischen Stadt wird gezeigt, wie mit Hilfe der Bahn-Optimierung mittels KI-Verfahren (decision trees) die Lärmbelästigung reduziert werden kann. Die Verwendung von decision trees zur Flugbahn-Navigation erlaubt eine objektivierte Bahnfindung, bei der die konkurrierenden Parameter möglichst kurze und schnelle Flugstrecke und möglichst geringe Lärmbelästigung der Anwohner quantitativ bewertet und berücksichtigt werden. Da das Verfahren in der Lage ist, mehrere Parameter zu verarbeiten, können auch weitere Gesichtspunkte, wie lokale Störungen (erhöhtes Aufkommen von Flugverkehr), Gefährdungen von überflogenen Bereichen, Windeinfluss oder verbleibende Antriebsenergie in den objektivierten Entscheidungsprozess einbezogen werden. Die Bewertungen der verschiedenen Teilstrecken der Flugbahn und die Ermittlung der relevanten Parameter kann zum einen durch den Betreiber der Flugdienste vorgegeben werden und zum anderen an die tatsächlichen zeitlichen Veränderungen der Parameter angepasst werden. Die quantitative Berücksichtigung der Lärmbelästigung bei der Bahnoptimierung geht über die Anwendung konventioneller Navigationssysteme hinaus.