Optimisation d’un réseau ad hoc de véhicules aériens sans pilote (UAV) dans un environnement urbain: Positionnement des UAV à l'aide de l'apprentissage automatique

Koffi, Assohoun Jean Honorat (2021). Optimisation d’un réseau ad hoc de véhicules aériens sans pilote (UAV) dans un environnement urbain: Positionnement des UAV à l'aide de l'apprentissage automatique. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (5MB) | Prévisualisation
Prévisualisation	PDF Télécharger (914kB) | Prévisualisation

Résumé

L’apparition récente mais remarquable des véhicules aériens sans pilote (UAV) qui occuperont bientôt la majeure partie de nos systèmes de service constitue la clé de l’expansion des nouvelles technologies de communication et des réseaux sans fil. Ces engins peuvent en effet servir de stations de base volantes permettant d’étendre et/ou d’améliorer la couverture du système de communication mobile terrestre afin de répondre efficacement à la demande de trafic toujours croissante. Cependant, déterminer les meilleures positions pour ces véhicules lors de leur déploiement demeure un réel et grand défi à relever afin d’obtenir d’eux des résultats satisfaisants.

Dans cette étude nous proposons un nouveau schéma de déploiement 3D d’un réseau multi-UAV dans une zone couverte par une station de base (BS) encombrée ou endommagée, intégrant l’apprentissage automatique en vue de maximiser le nombre d’utilisateurs desservis tout en maximisant les bénéfices de l'opérateur.

Premièrement nous proposons un algorithme permettant de déterminer le nombre optimal d'UAV à déployer pour desservir tous les utilisateurs en tenant compte de leurs exigences de service variées. Par la suite nous déterminons les emplacements optimaux de ces véhicules aériens à l'aide d'un algorithme de partitionnement et de positionnement qui intègre les auto-encodeurs afin d'optimiser les emplacements, avant de trouver leur altitude.

La simulation de notre algorithme est réalisée sous MATLAB. Les résultats numériques montrent que notre approche, Deep K-means, proposé peut servir un très grand pourcentage d’utilisateurs en fonction du nombre d’UAV utilisés tout en maximisant le profit de l’opérateur.

Titre traduit

Optimizing an ad-Hoc unmanned aerial vehicle (UAV) network in an urban environment: Positioning UAVs using machine learning

Résumé traduit

The recent but remarkable emergence of unmanned aerial vehicles (UAVs), which will soon occupy most of our service systems, is key to the expansion of new communication technologies and wireless networks. These machines can be used as flying base stations to extend and/or improve the coverage of the land mobile communication system in order to respond effectively to the ever-increasing demand for traffic. However, determining the best positions for these vehicles during their deployment remains a real and major challenge to achieve satisfactory results from them.

In this study we aim to propose a new 3D deployment scheme of a multi-UAVs network in an area covered by a cluttered or damaged base station (BS), integrating machine learning to maximize the number of users served while maximizing operator benefits.

First, we propose an algorithm to determine the optimal number of UAVs to be deployed to serve all users, considering their varied service requirements. We then determine the optimal locations of these aerial vehicles using a partitioning and positioning algorithm that integrates the auto-encoders to optimize the locations, before finding their altitude.

The simulation of our algorithm is performed under MATLAB. The numerical results show that our proposed Deep K-means approach can serve a very large percentage of users based on the number of UAVs used while maximizing operator profit.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l’École de technologie supérieure comme exigence partielle à l’obtention de la maîtrise avec mémoire en génie concentration : réseaux de télécommunications". Comprend des références bibliographiques (pages 73-77).
Mots-clés libres:	UAV, véhicule aérien sans pilote, réseau multi-UAV, BS, station de base, apprentissage automatique, auto-encodeur, K-Means
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Kadoch, Michel
Programme:	Maîtrise en ingénierie > Génie
Date de dépôt:	07 oct. 2021 14:49
Dernière modification:	09 déc. 2021 14:56
URI:	https://espace.etsmtl.ca/id/eprint/2736

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt