การหาเส้นทางที่เหมาะสมในสภาพแวดล้อมที่มีอันตรายด้วยแผนภาพสามเหลี่ยม Delaunay
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยชิ้นนี้ มีจุดประสงค์เพื่อนำเสนอและแสดงตัวอย่างแนวทางการใช้แผนภาพสามเหลี่ยม Delaunay ในการวิเคราะห์เส้นทางที่เหมาะสมสำหรับการปฏิบัติภารกิจทางอากาศ เส้นทางที่เหมาะสมในงานวิจัยชิ้นนี้ คือ เส้นทางที่สั้นที่สุดที่สามารถหลีกเลี่ยงการบินเข้าไปยังบริเวณที่เสี่ยงต่อการถูกตรวจจับด้วยระบบเรดาร์ข้าศึกและการชนเข้ากับภูมิประเทศ โดยขอบเขตงานนี้จะอธิบายการประยุกต์ใช้แผนภาพสามเหลี่ยม Delaunay แต่ละขั้นตอนโดยละเอียด อีกทั้งยังอธิบายประสิทธิภาพและข้อจำกัดของแนวคิดนี้ด้วย ตัวอย่างของแนวคิดที่นำเสนอในงานวิจัยชิ้นนี้นั้น จะถูกประยุกต์บนแผนที่สามมิติที่จำลองสร้างขึ้นมา กระบวนการของแนวคิดที่นำเสนอ จะเริ่มต้นจากการสุ่มจุดยอดของสามเหลี่ยม Delaunay บนแผนที่สามมิติ จากนั้นดำเนินการสร้างโครงข่ายสามเหลี่ยม Delaunay ขึ้นมา โดยเส้นขอบของโครงข่ายสามเหลี่ยม Delaunay จะถูกพิจารณาเป็นเส้นทางที่สามารถใช้บินได้ของอากาศยานบนพื้นที่สามมิติ จากนั้นพื้นที่ที่เสี่ยงต่อการถูกตรวจจับจากระบบเรดาร์ข้าศึกหรือการถูกโจมตีจากข้าศึกจะถูกตัดออกจากโครงข่ายสามเหลี่ยม Delaunay หลังจากนั้นโครงข่ายที่เหลืออยู่จะถูกนำมาคำนวณหาเส้นทางที่สั้นที่สุดจากจุดเริ่มต้นไปยังเป้าหมายด้วยอัลกอลิทึมของไดก์สตรา (Dijkstra’s Algorithm) และในขั้นตอนสุดท้ายจะเป็นการปรับเส้นทางการบินให้ราบเรียบขึ้นด้วยสมการพหุนาม ซึ่งผลลัพธ์ที่ได้จากการศึกษาชิ้นนี้ แสดงให้เห็นว่าแนวคิดการประยุกต์ใช้แผนภาพสามเหลี่ยม Delaunay ในการใช้หาเส้นทางการบินที่เหมาะสมในการปฏิบัติภารกิจของอากาศยานนั้น มีประสิทธิภาพสูง อีกทั้งกระบวนการเหล่านี้ยังสามารถใช้สำหรับการวางแผนเส้นทางการบินได้อย่างดีและสามารถต่อยอดในปัญหาอื่น ๆ สำหรับการวางแผนเส้นทางของทหารเรือ ทหารบก หรือ แม้กระทั่งพลเรือนได้อีกด้วย
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารวิชาการโรงเรียนนายเรือ ด้านวิทยาศาสตร์และเทคโนโลยี ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใด ๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารวิชาการโรงเรียนนายเรือ ด้านวิทยาศาสตร์และเทคโนโลยี ถือเป็นลิขสิทธิ์ของโรงเรียนนายเรือ หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อกระทำการใด ๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจากโรงเรียนนายเรือก่อนเท่านั้น
References
Murphy R, Uryasev S, Zabarankin M. Trajectory optimization in a threat environment. Research Report 9 [Internet]. Florida: University of Florida, Department of Industrial and Systems Engineering; 2003 Jan. Available from https://www.researchgate.net/publication/ 251451092_Trajectory_optimization_in_a_threat_environment_Research_report
Turnbull O, Lawry J, Lowenberg M, Richards A. A cloned linguistic decision tree controller for real-time path planning in hostile environments. Fuzzy Sets Syst. 2016 Jun 15;(293):1-29.
Banfi J, Campbell M. High-Level Path Planning in Hostile Dynamic Environments. In Proceedings of the 18th International Conference on Autonomous Agents and Multi-Agent Systems [Internet]; 2019 Jan; Montreal, Canada. Montreal; Conference: AAMAS; 2019 [cited 2023 Jan 12]; p.1799-1801. Available from: https://www.researchgate.net/ publication/335125982_High-Level_Path_Planning_in_Hostile_Dynamic_Environments
Yang L, Qi J, Xiao J, Yong X. A literature review of UAV 3D path planning. In Proceeding of the 11th World Congress on Intelligent Control and Automation [Internet]; 2014 Jun 1; Shenyang, IEEE; 2014 [cited 2023 Feb 1]; p. 2376-81. Available from: https://ieeexplore.ieee.org/document/7053093 doi: 10.1109/WCICA.2014.7053093.
Bruce J, Veloso M. Real-time randomized path planning for robot navigation. In IEEE/RSJ international conference on intelligent robots and systems [Internet]; 2002; Lausanne, Switzerland. [place unknown]; IEEE; 2002 [cited 2023 Feb 12]; p. 2383-88. Available from: https://ieeexplore.ieee.org/document/1041624 doi: 10.1109/IRDS.2002.1041624.
Aurenhammer F. Voronoi diagrams: A survey of a fundamental geometric data structure. ACM Comput Surv. 1991 Seb 1;23(3): 345-405.
Garrido S, Moreno LE, Blanco D. Voronoi diagram and Fast Marching applied to path planning. In Proceedings of the 2006 IEEE International Conference on Robotics and Automation [Internet]; 2006 May 15-19; Orlando, Florida, USA. [place unknown]: DBLP; 2006 [cited 2023 Mar 3]; p.3049-54. Available from: https://www.researchgate.net/ publication/221072916_Voronoi_Diagram_and_Fast_Marching_applied_to_Path_Planning doi:10.1109/ROBOT.2006.1642165
Garrido S, Moreno L. Mobile robot path planning using voronoi diagram and fast marching. In: Luo Z, editor. Robotics, Automation, and Control in Industrial and Service Settings. [place unknown]: IGI Global; 2015. p. 92-108.
Al-Dahhan M, Schmidt, K. Path Planning Based on Voronoi Diagram and PRM for Omnidirectional Mobile Robots. In: DTSS2019 international conference [Internet]; 2019 Oct; Ankara, Turkey.
Özcan M, Yaman U. A continuous path planning approach on Voronoi diagrams for robotics and manufacturing applications. Procedia Manuf. 2019;38:1-8.
Delaunay B. Sur la sphère vide. Bulletin de l'Académie des Sciences de l'URSS, Bull Acad Serbe Sci Cl Sci Math Nat Sci Nat. 1934;6:793–800.
Skolnik M. Radar Handbook. 3rd ed. Boston: McGraw-Hill, 1990.
Mahafza B. Radar Systems Analysis and Design Using MATLAB. 3rd ed. New York: CRC Press, 2013.
Skolnik M. Introduction to Radar Systems. 3rd ed. New York: McGraw-Hill; 2001.
Mahafza BR, Elsherbeni A. MATLAB Simulations for Radar Systems Design. New York: Chapman & Hall/CRC; 2003.
Willis NJ. Bistatic Radar. Raleigh, NC: SciTech; 2005.
Dijkstra EW. A note on two problems in connexion with graphs. Numer Math. 1959;1: 269-71.
Cormen TH, Leiserson CE, Rivest RL, Stein C. Introduction to Algorithms. 2nd ed. New York: McGraw-Hill; 2001.
Broumi S, Bakal A, Talea M, Smarandache F, Vladareanu L. Applying Dijkstra algorithm for solving neutrosophic shortest path problem. In: 2016 International Conference on Advanced Mechatronic Systems (ICAMechS) [Internet]; 2016 Nov 30 – 2016 Dec 3; Melbourne, VIC, Australia; 2016 International Conference on Advanced Mechatronic Systems (ICAMechS); 2017 [cited 2023 Mar 20]; p.412-6. Available from: IEEE doi: 10.1109/ICAMechS.2016.7813483
Qing G, Zheng Z, Yue X. In: Path-planning of automated guided vehicle based on improved Dijkstra algorithm [Internet]; 2017 May 28-30; Chongqing, China; 2017 29th Chinese control and decision conference (CCDC); 2017 [cited 2023 Apr 12]; p.7138-43. Available from IEEE doi: 10.1109/CCDC.2017.7978471.
Schatzman M. Numerical Analysis: A Mathematical Introduction. Oxford: Clarendon; 2002.
Dai R, Cochran JE. Path planning and state estimation for unmanned aerial vehicles in hostile environments. J Guid Control Dyn. 2010 Apr;33:595-601.
Artuñedo A, Godoy J, Villagra J. A comparison of local path-planning interpolation methods for autonomous driving in urban environments. Industriales research meeting 17.