Simulation Study on Search Strategies for the Reconnaissance Drone

정찰 드론의 탐색 경로에 대한 시뮬레이션 연구

Abstract

The use of drone-bots is demanded in times regarding the reduction of military force, the spread of the life-oriented thought, and the use of innovative technology in the defense through the fourth industrial revolution. Especially, the drone's surveillance and reconnaissance are expected to play a big role in the future battlefield. However, there are not many cases in which the concept of operation is studied scientifically. In this study, We propose search algorithms for reconnaissance drone through simulation analysis. In the simulation, the drone and target move linearly in continuous space, and the target is moving adopting the Random-walk concept to reflect the uncertainty of the battlefield. The research investigates the effectiveness of existing search methods such as Parallel and Spiral Search. We analyze the probabilistic analysis for detector radius and the speed on the detection probability. In particular, the new detection algorithms those can be used when an enemy moves toward a specific goal, PS (Probability Search) and HS (Hamiltonian Search), are introduced. The results of this study will have applicability on planning the path for the reconnaissance operations using drone-bots.

군 병력 감축, 인명중시 사상의 확산 그리고 4차 산업혁명을 통한 혁신 기술의 국방에서의 활용과 같은 시대적 요구 속에 드론-봇의 적극적인 활용이 요구되고 있다. 특히, 드론을 활용한 감시 및 정찰은 미래 전장에서 큰 역할을 할 것으로 예상된다. 하지만 정찰용 드론의 운용 개념, 특히 적을 찾기 위한 드론의 탐색 경로에 대한 연구는 많이 이루어지지 않았다. 본 연구에서는 정찰 목적용 드론의 효과적인 운용을 위한 탐색 방법을 시뮬레이션 분석을 통해 제안한다. 시뮬레이션에서 드론과 적은 연속공간에서 선형(First-Order)으로 움직이며, 적은 불확실성을 반영하여 랜덤워크 기법을 적용하였다. 연구는 먼저 기존에 군에서 주요하게 활용하던 탐색 방법(Parallel, Spiral)이 실제로 목표를 탐지하는 확률을 제시하며, 이어서 탐지자의 탐색반경과 속도가 탐지 확률에 미치는 영향을 분석한다. 마지막으로, 적이 랜덤하게 이동하지 않고 특정한 목표를 가지고 이동할 때 적용할 수 있는 새로운 탐지방법인 PS(Probability Search), PCS((Probability Circle Search), HS(Hamiltonian Search), HCS(Hamiltonian Circle Search) 방법을 소개하고 이에 대한 실험결과를 제시한다. 본 연구에서 제시한 탐색방법은 드론의 정찰 작전 시 활용도가 클 것으로 기대한다.

Fig. 1. Example of Encounter of two objects

Fig. 2. Example of path for first-order moving object

Fig. 3. Example of random-walk enemy location at different time interval (1000 iterations)

Fig. 4. Simulation based optimization

Fig. 5. The Box-plot for PD with different settings of v and r

Fig. 6. Linear Regression Model with two variables(velocity, radius)

Fig. 7. Result for 3-types of search patterns

Fig. 8. Example of enemy movement when they prefer left, right, and center

Fig. 9. Example of enemy movement (5 nodes, 15 enemies)

Fig. 10. Movement of detector using PS algorithm

Fig. 11. Rate of visiting node is converging but never exceed 0.5

Fig. 12. Movement of drone using PCS algorithm

Fig. 13. Movement of drone using HS and HCS

Fig. 14. Variance for 100 replications with 100 simulation run each in AV

Fig. 15. Variance for 100 replications with 100 simulation run each in independent sampling

Table 1. List of Studies related to Search and Detection

Table 2. Comparison of MOPs where m = 100, n =10

Table 3. Comparison of MOPs where m = 100, n =10

Table 4. Result for 50 replications with 100 simulation run each

Table 5. Result for 50 replications with 100 simulation run each

Table 6. CI for Paired T-test for PD

Table 7. CI for Paired T-test for PD

Table 8. Result for 30 replications with 100 simulation run each

Table 9. Result for 30 replications with 100 simulation run each