Efficient Deployment of UAVs for Search and Rescue Operations in Disaster Recovery Management
Author
Neupane, Pushpa
Term
4. Semester
Education
Publication year
2024
Submitted on
2024-03-11
Pages
61
Abstract
Unmanned aerial vehicles (UAVs), or drones, are increasingly used because they are easy to deploy, flexible, and relatively affordable. In disasters, they can quickly cover large areas, provide real-time information, and help responders make faster decisions. This thesis examines how UAVs can best support search-and-rescue teams after a disaster, aiming to cover affected areas with the fewest drones and the lowest possible energy use. We test four trajectory planning algorithms in simulation: Randomized Coverage Iteration (RCI), Intelligent Randomized Coverage Iteration (IRCI), scan movement (a systematic sweep), and nearest movement (going to the closest next location). Across four types of environments, we evaluate how many UAVs are required for full coverage, the average total distance flown, average energy consumption, and the number of configurations. In all simulated environments, the scan strategy achieved coverage with the fewest UAVs compared with the other algorithms. We also analyze how flight altitude limits change a UAV’s coverage radius and, in turn, the number of UAVs needed to cover an area. These results can inform the planning of UAV-assisted search-and-rescue operations.
Ubemannede luftfartøjer (UAV'er), også kaldet droner, bliver mere udbredte, fordi de er lette at indsætte, fleksible og relativt billige. Ved katastrofer kan de hurtigt dække store områder, levere information i realtid og hjælpe beredskaber med at træffe hurtigere beslutninger. Dette speciale undersøger, hvordan UAV'er bedst kan støtte eftersøgnings- og redningshold efter en katastrofe, med det mål at dække det ramte område med færrest mulige droner og lavest muligt energiforbrug. Vi tester fire ruteplanlægningsalgoritmer i simulering: Randomized Coverage Iteration (RCI), Intelligent Randomized Coverage Iteration (IRCI), scan-bevægelse (en systematisk gennemskanning) og nærmeste bevægelse (at flytte til den nærmeste næste lokation). På tværs af fire forskellige miljøtyper evaluerer vi, hvor mange UAV'er der kræves for fuld dækning, den gennemsnitlige samlede flyvedistance, gennemsnitligt energiforbrug og antallet af konfigurationer. I alle simulerede miljøer krævede scan-strategien færrest UAV'er for at opnå dækning sammenlignet med de øvrige algoritmer. Vi analyserer også, hvordan begrænsninger på flyvehøjde påvirker en UAV's dækningsradius og dermed, hvor mange droner der skal til for at dække et område. Resultaterne kan bruges til at planlægge UAV-understøttet eftersøgning og redning.
[This apstract has been rewritten with the help of AI based on the project's original abstract]