Optimizing autonomous unmanned aircraft system deployment locations for enhanced wildfire detection and monitoring

Standortoptimierung autonomer unbemannter Flugsysteme zur fortgeschrittenen Erkennung und Beobachtung von Waldbränden

  • The increase in the frequency and severity of wildfires as a symptom of climate change requires innovative methods of wildfire fighting. For this reason, we propose a framework for an autonomous Unmanned Aircraft System (UAS), consisting of a fleet of Micro Air Vehicles (MAVs) stored in purpose-built hangars. The intention is to deploy the UAS as the first responder to an alarm and have the sensor-equipped MAVs monitor the target area even before other standard firefighting vehicles have arrived. The focus of this paper is primarily on the development and application of a location-allocation optimization Mixed-Integer Linear Programming (MILP) model that selects different MAV and hangar types and locates them, with the objective of approaching the target area as quickly as possible while guaranteeing a certain monitoring time at the scene. The model is applied to a large, sparsely populated, rural operational area, around a third of which consists of forest in the South of Brandenburg, Germany. The spatial demand is measured throughThe increase in the frequency and severity of wildfires as a symptom of climate change requires innovative methods of wildfire fighting. For this reason, we propose a framework for an autonomous Unmanned Aircraft System (UAS), consisting of a fleet of Micro Air Vehicles (MAVs) stored in purpose-built hangars. The intention is to deploy the UAS as the first responder to an alarm and have the sensor-equipped MAVs monitor the target area even before other standard firefighting vehicles have arrived. The focus of this paper is primarily on the development and application of a location-allocation optimization Mixed-Integer Linear Programming (MILP) model that selects different MAV and hangar types and locates them, with the objective of approaching the target area as quickly as possible while guaranteeing a certain monitoring time at the scene. The model is applied to a large, sparsely populated, rural operational area, around a third of which consists of forest in the South of Brandenburg, Germany. The spatial demand is measured through an easily reproducible and transferable open data approach. Finally, several instances with different fixed numbers of hangars and MAVs to be set up are solved by the commercial state-of-the-art solver CPLEX and analyzed for their computation time.show moreshow less
  • Die Zunahme der Häufigkeit und Schwere von Waldbränden als Symptom des Klimawandels erfordert innovative Methoden der Waldbrandbekämpfung. Für diesen Zweck nutzen wir ein autonomes unbemanntes Luftfahrtsystem (Unmanned Aricraft System - UAS), das aus einer Flotte von Drohnen besteht, die in eigens dafür errichteten Hangars gelagert werden. Ziel ist, das UAS als Erstreaktion bei einem Alarm einzusetzen und die mit Sensoren ausgestatteten Drohnen das Zielgebiet beobachten zu lassen, noch bevor die ersten Einsatzkräfte vor Ort eintreffen. Der Fokus dieses Papers liegt in erster Linie auf der Entwicklung und Anwendung eines Modells der gemischt-ganzzahligen Programmierung (Mixed-Integer Linear Programming - MILP) zur Optimierung der Standortzuweisung. Es werden verschiedene Drohnen- und Hangartypen auswählt und platziert, mit dem Ziel, die Einsatzbereiche so schnell wie möglich anzufliegen und gleichzeitig eine bestimmte Beobachtungszeit am Einsatzort zu garantieren. Das Modell wird auf ein großes, dünn besiedeltes, ländlichesDie Zunahme der Häufigkeit und Schwere von Waldbränden als Symptom des Klimawandels erfordert innovative Methoden der Waldbrandbekämpfung. Für diesen Zweck nutzen wir ein autonomes unbemanntes Luftfahrtsystem (Unmanned Aricraft System - UAS), das aus einer Flotte von Drohnen besteht, die in eigens dafür errichteten Hangars gelagert werden. Ziel ist, das UAS als Erstreaktion bei einem Alarm einzusetzen und die mit Sensoren ausgestatteten Drohnen das Zielgebiet beobachten zu lassen, noch bevor die ersten Einsatzkräfte vor Ort eintreffen. Der Fokus dieses Papers liegt in erster Linie auf der Entwicklung und Anwendung eines Modells der gemischt-ganzzahligen Programmierung (Mixed-Integer Linear Programming - MILP) zur Optimierung der Standortzuweisung. Es werden verschiedene Drohnen- und Hangartypen auswählt und platziert, mit dem Ziel, die Einsatzbereiche so schnell wie möglich anzufliegen und gleichzeitig eine bestimmte Beobachtungszeit am Einsatzort zu garantieren. Das Modell wird auf ein großes, dünn besiedeltes, ländliches Einsatzgebiet, das zu etwa einem Drittel aus Wald besteht, im Süden von Brandenburg, Deutschland angewendet. Die räumliche Nachfrage wird durch einen leicht reproduzierbaren und übertragbaren Ansatz mittels Open Data gemessen. Schließlich werden mehrere Instanzen mit unterschiedlichen festgelegten Anzahlen von Hangars und aufzustellenden MAVs mit dem kommerziellen State-of-the-Art Solver CPLEX gelöst und auf ihre Rechenzeit hin analysiert.show moreshow less

Download full text files

Export metadata

Additional Services

Search Google Scholar Stastistics
Metadaten
Author:Sascha ZellORCiD, Armin FügenschuhORCiD
URN:urn:nbn:de:kobv:co1-opus4-69422
DOI:https://doi.org/10.26127/BTUOpen-6942
Series (Serial Number):Cottbus Mathematical Preprints (32, 2025)
Document Type:Working paper
Language:English
Year of Completion:2025
Release Date:2025/02/21
Tag:Autonome Waldbrandbekämpfung; Drohnen; Drohnenhangar; Gemischt-ganzzahlige Programmierung; Standortproblem
Autonomous wildfire monitoring; Location-allocation optimization; Micro air vehicles; Mixed-lnteger linear programming; Unmanned aircraft systems
GND Keyword:Waldbrand; Überwachung; Drohne (Flugkörper); Autonomes System; Standortproblem; Lineare Optimierung
Note:
This paper is a preprint that will be published as a post-conference proceedings of the Optimization and Wildfire Conference (O&W) that took place in Luso, Portugal, 2024 in "Lecture Notes in Operations Research" by Springer. https://doi.org/10.1007/978-3-032-03108-2
Institutes:Fakultät 1 MINT - Mathematik, Informatik, Physik, Elektro- und Informationstechnik / FG Ingenieurmathematik und Numerik der Optimierung
Licence (German):License LogoCreative Commons - CC BY-NC-ND - Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International
Einverstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.