| Título | Despliegue y Control de una Red Inteligente de VehículosAutónomos Acuáticos para la Monitorización de Recursos HídricosAndaluces |
|---|---|
| Abreviado | RIVAA |
| Área de gestión | Proyecto |
| Comienzo | 01/01/2020 |
| Abstract | Resumen: Este proyecto se centra en la aplicación de una flota de vehículos acuáticos de superficie para la detección, monitorización y seguimiento de eventos contaminantes en aguas superficiales y embalsadas, los cuales puedan poner en riesgo la calidad de dichas aguas. Para ello cada vehículo incorpora un conjunto de sensores que permiten determinar parámetros de calidad del agua como pH, oxígeno disuelto y turbidez, parámetros ambientales, como temperatura y humedad, y agentes contaminantes, como algas y cianobacterias que puedan resultar perjudiciales para el consumo humano y/o la explotación de dichas aguas. Asimismo, cada vehículo incorpora dispositivos de comunicación inalámbricos mediante los cuales puede compartir con otros vehículos los datos adquiridos durante su movimiento. El objetivo es que la red de vehículos aprenda del entorno a medida que se despliega y determine las leyes de movimiento óptimas que permitan la detección, monitorización y el seguimiento de los agentes contaminantes, incluso anticipando su evolución. La propuesta afronta tres retos importantes desde el punto de vista científico: en primer lugar, un aprendizaje automático (machine learning) con un contexto sólo conocido parcialmente (condiciones del recurso hídrico) a medida que los vehículos se despliegan (hidden context). A su vez, un entorno con una dinámica 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 óptimas para los vehículos autónomos, considerando funciones de coste con múltiples. Para afrontar estos retos se propone el uso de técnicas 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. |
| Entidad financiadora | CONSEJERÍA DE ECONOMÍA, CONOCIMIENTO, EMPRESAS Y UNIVERSIDAD JUNTA DE ANDALUCIA, CECEU |
| Importe | 184100.00 € |
| Unidad |
Optimization and Control of Distributed Systems Departamento de Ingeniería Programa de Doctorado en Ciencia de los Datos |
| Investigador Principal |
Gestionar cookies