Συντάχθηκε 20-02-2026 15:00
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 24/02/2026 17:00
Λήξη: 24/02/2026 18:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Νικολάου Χατζηδήμου
με θέμα
Συντονισμός Σμήνους Drones για Εντοπισμό και Παρακολούθηση Δυναμικών Περιβαλλοντικών Φαινομένων
Drone Swarm Coordination for Detection and Monitoring of Dynamic Environmental Phenomena
Εξεταστική Επιτροπή
Καθηγητής Μιχαήλ Γ. Λαγουδάκης (Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγητής Θρασύβουλος Σπυρόπουλος (Σχολή ΗΜΜΥ)
Καθηγητής Παναγιώτης Παρτσινέβελος (Σχολή ΜΗΧΟΠ)
Περίληψη
Οι δυναμικοί περιβαλλοντικοί κίνδυνοι αποτελούν μία κρίσιμη πρόκληση για τη διαχείριση καταστροφών, λόγω της ταχέως εξελισσόμενης έντασής τους και των απρόβλεπτων ορίων τους. Οι δασικές πυρκαγιές αποτελούν το κύριο πεδίο εφαρμογής της παρούσας μελέτης και επιλέχθηκαν λόγω των χωρικά περίπλοκων περιμέτρων τους, αλλά και επειδή το μέτωπο διάδοσης της πυρκαγιάς λειτουργεί ως δυναμικό εμπόδιο που επιβάλλει γεωμετρικούς περιορισμούς πραγματικού χρόνου στην περιοχή παρακολούθησης. Τα συμβατικά συστήματα παρακολούθησης, όπως οι δορυφόροι ή τα μεμονωμένα μη επανδρωμένα αεροσκάφη (UAVs), συχνά στερούνται της χωροχρονικής ανάλυσης που απαιτείται για τη συνεχή επίγνωση της κατάστασης σε αυτά τα πολύπλοκα περιβάλλοντα. Για την αντιμετώπιση αυτού του περιορισμού, η παρούσα διπλωματική εργασία προτείνει μια Ιεραρχική Αρχιτεκτονική Σμήνους Drones, η οποία εφαρμόζει μια υβριδική στρατηγική ελέγχου, συνδυάζοντας αποτελεσματικά τον κεντρικό σχεδιασμό υψηλού επιπέδου με αποκεντρωμένες reactive συμπεριφορές. Στο πλαίσιο ενός περιβάλλοντος προσομοίωσης πλέγματος, βασισμένο σε Stochastic Cellular Automata για τη διάδοση της πυρκαγιάς, το σύστημα χρησιμοποιεί έναν κεντρικό leader agent για τη δημιουργία των αρχικών διαδρομών και τη βελτιστοποίηση της κατανομής πόρων για τα subordinate drones του σμήνους. Παράλληλα, οι subordinate agents πλοηγούνται βάσει των αρχικών διαδρομών σε ένα περιβάλλον με εμπόδια, με στόχο τον εντοπισμό των εστιών της πυρκαγιάς και εκτελούν μια αποκεντρωμένη λογική παρακολούθησης, όταν ανατίθενται σε μία περίμετρο φωτιάς, διατηρώντας επιτήρηση από κοντινή απόσταση. Αυτή η αρχιτεκτονική αξιολογείται συγκριτικά με δύο βασικές διαμορφώσεις ως σημεία αναφοράς: ένα στοχαστικό random walk (που αντιπροσωπεύει μία αμιγώς αντιδραστική αναζήτηση) και μία συστηματική σάρωση (που αντιπροσωπεύει μία εξαντλητική αναζήτηση). Τα πειραματικά αποτελέσματα που διεξήχθησαν σε διάφορα μεγέθη σμήνους, μεγέθη περιβάλλοντος και αρχικό αριθμό σημείων ανάφλεξης, επιδεικνύουν ότι το προτεινόμενο ιεραρχικό σμήνος εξισορροπεί επιτυχώς την ταχύτητα διεκπεραίωσης της αποστολής με την εξοικονόμηση πόρων. Στη φάση του εντοπισμού, το σύστημα προσφέρει καλύτερη ενεργειακή απόδοση σε σύγκριση με τις μεθόδους εξαντλητικής αναζήτησης, ενώ στη φάση της παρακολούθησης επιτυγχάνει υψηλά ποσοστά κάλυψης της πυρκαγιάς. Επιπλέον, η ανάλυση επεκτασιμότητας του συστήματος επιβεβαιώνει ότι, διατηρώντας σταθερή την πυκνότητα των πρακτόρων στην περιοχή επιχείρησης, η προτεινόμενη αρχιτεκτονική μετριάζει αποτελεσματικά την πολυπλοκότητα των μεγαλύτερων περιβαλλόντων, διατηρώντας γρήγορους χρόνους εντοπισμού των σημείων πυρκαγιάς και υψηλής ποιότητας κάλυψη παρακολούθησής τους, ακόμη και όταν επεκτείνεται η περιοχή ενδιαφέροντος.
Abstract
Dynamic environmental hazards present a critical challenge for disaster management due to their rapidly evolving intensity and unpredictable boundaries. Wildfires serve as the primary use case for this study, selected for their spatially complex perimeters and because the propagating fire front acts as a dynamic obstacle that imposes real-time geometric constraints on the monitoring area. Conventional monitoring systems, such as satellites or single UAVs, often lack the spatiotemporal resolution required for persistent situational awareness in these complex settings. To address this limitation, this diploma thesis proposes a Hierarchical Drone Swarm Architecture that employs a hybrid control strategy, effectively combining centralized high-level planning with decentralized reactive behaviors. Within a grid-based simulation framework based on Stochastic Cellular Automata for simulating fire propagation, the system utilizes a centralized leader agent to generate the initial paths and optimize the resource allocation for the subordinate drones of the swarm. Simultaneously, the subordinate agents navigate based on the initial paths in the obstacle environment to detect the fire spots and execute a decentralized tracking logic, when they are assigned to a fire perimeter, maintaining close-range surveillance. This architecture is evaluated against two baseline configurations: a stochastic random walk (representing purely reactive search) and a systematic sweep (representing exhaustive search). Experimental results across varying swarm sizes, environmental scales, and initial fire ignition points demonstrate that the proposed hierarchical swarm successfully balances mission speed with resource conservation. In the detection phase, the system delivers superior energy efficiency compared to exhaustive search methods, while in the monitoring phase it achieves high fire-tracking coverage. Furthermore, scalability analysis confirms that by maintaining a constant agent density in the operational area, the proposed architecture effectively mitigates the complexity of larger environments, sustaining rapid detection times and high-quality monitoring coverage even as the region of interest expands.
Meeting ID: 95875350571
Password: 869224
