RIVAA
Project
01/01/2020
Resumen: Este proyecto se centra en la aplicaci¢n de una flota de veh¡culos acu ticos de superficie para la detecci¢n, monitorizaci¢n y seguimiento de eventos contaminantes en aguas superficiales y embalsadas, los cuales puedan poner en riesgo la calidad de dichas aguas. Para ello cada veh¡culo incorpora un conjunto de sensores que permiten determinar par metros de calidad del agua como pH, ox¡geno disuelto y turbidez, par metros ambientales, como temperatura y humedad, y agentes contaminantes, como algas y cianobacterias que puedan resultar perjudiciales para el consumo humano y/o la explotaci¢n de dichas aguas. Asimismo, cada veh¡culo incorpora dispositivos de comunicaci¢n inal mbricos mediante los cuales puede compartir con otros veh¡culos los datos adquiridos durante su movimiento. El objetivo es que la red de veh¡culos aprenda del entorno a medida que se despliega y determine las leyes de movimiento ¢ptimas que permitan la detecci¢n, monitorizaci¢n y el seguimiento de los agentes contaminantes, incluso anticipando su evoluci¢n. La propuesta afronta tres retos importantes desde el punto de vista cient¡fico: en primer lugar, un aprendizaje autom tico (machine learning) con un contexto s¢lo conocido parcialmente (condiciones del recurso h¡drico) a medida que los veh¡culos se despliegan (hidden context). A su vez, un entorno con una din mica variable en el tiempo (concept drift), ya que los eventos contaminantes dependen de los diferentes vertidos realizados en las masas de agua y de las condiciones ambientales. En tercer lugar, un planificador de rutas ¢ptimas para los veh¡culos aut¢nomos, considerando funciones de coste con m£ltiples. Para afrontar estos retos se propone el uso de t‚cnicas de despliegue basadas en enjambre. Abstract This Project is focused in the application of water surface vehicles and fleets to the detection and monitoring of contamination events in shallow waters and ponds, leading to quality risks of such waters. Each vehicle would include a set of sensors for measuring water quality parameters such as pH, dissolved oxygen and turbidity, ambient parameters, such as temperature and moisture, and contaminant agents such as algae and cyanobacteria, that could be harmful for human consumption and/or for the exploitation of said waters. Additionally, every vehicle would have wireless communication devices that would be used to share data with other vehicles along their routes. The objective is that the fleet will be able to learn from the environment during the deployment, determining optimal routes with the focus of detecting and monitoring contaminant agents, with the possibility even to predict this sort of harmful events. This Project faces three relevant scientific challenges: machine learning with a hidden context (water conditions unknown during fleet deployment), concept drift environments, and optimal routes planner for autonomous vehicles, considering cost functions with multiples targets. To overcome such challenges, we propose the use of deployment techniques based in swarm formations.
CONSEJERÖA DE ECONOMÖA, CONOCIMIENTO, EMPRESAS Y UNIVERSIDAD JUNTA DE ANDALUCIA, CECEU
184100 €
Departamento de Ingeniería
Optimization and Control of Distributed Systems