Naarmate het commerciële gebruik van drones blijft toenemen, wordt verwacht dat het droneverkeer in laaggelegen gebieden onder de 120 meter de komende jaren aanzienlijk zal groeien. Deskundigen voorspellen dat de Verenigde Staten in 2027 bijna 1 miljoen commerciële dronesystemen zullen hebben die worden gebruikt voor expresbezorging, verkeersmonitoring, noodhulp en andere taken. De toestroom van drones naar lage hoogten zal een ernstige uitdaging vormen voor de luchtvaartveiligheid.

Als reactie op de toename van het droneverkeer heeft een onderzoeksteam onder leiding van Lanier Watkins en Louis Whitcomb van het Assurance Automation Institute van Hopkins University kunstmatige intelligentie gebruikt om een ​​systeemmodel te bouwen om het droneverkeer veiliger te sturen via een zekere mate van geautomatiseerde besluitvorming, ter vervanging van enkele processen die handmatige deelname vereisen. Hun onderzoeksresultaten zijn gepubliceerd in het tijdschrift Computer.

"We wilden zien of verschillende AI-benaderingen de verwachte omvang van drone-operaties veilig konden verwerken, en dat bleek haalbaar", aldus Watkins. Het team gebruikte autonome algoritmen om de veiligheid en schaalbaarheid van drone-operaties in gebieden onder 120 meter te verbeteren. Om de veiligheid van droneverkeer te verifiëren, evalueerde het team de impact van autonome algoritmen in het gesimuleerde driedimensionale luchtruim. Uit hun eerdere onderzoek bleek dat algoritmen voor het vermijden van botsingen het aantal ongevallen aanzienlijk verminderden. Na toevoeging van het algoritme voor strategische conflictoplossing wordt het aantal ongevallen verder verlaagd door de verkeerstijd te controleren om botsingen te voorkomen, en worden luchtruimongevallen vrijwel geëlimineerd.

Om de simulatie realistischer te maken, heeft het team ook twee functies aan het systeem toegevoegd. De eerste is een "ruissensor" om de onvoorspelbaarheid van de echte omgeving te simuleren en het aanpassingsvermogen van het systeem te verbeteren; de tweede is een ‘fuzzy inference system’ om het risiconiveau van elke drone te berekenen op basis van meerdere factoren, zoals de afstand tussen de drone en obstakels. Watkins en Whitcomb zeggen dat deze methoden het systeem in staat stellen geautomatiseerde beslissingen te nemen om botsingen te voorkomen.

Professor Whitcomb zei: "Ons onderzoek heeft rekening gehouden met een verscheidenheid aan variabelen, waaronder scenario's waarin een 'malafide drone' afwijkt van de beoogde route. De resultaten zijn veelbelovend." Het team is van plan de gesimuleerde omgeving uitgebreider en realistischer te maken door dynamische obstakels zoals het weer te introduceren.

Watkins zei dat het onderzoek voortbouwt op meer dan twintig jaar onderzoek door het Hopkins Physics Applications Laboratory, gericht op het verbeteren van de veiligheid van het Amerikaanse nationale luchtruimsysteem. Met de snelle ontwikkeling van commerciële drones is het gebruik van AI en simulatie om beslissingsondersteuning te bieden voor hun verkeersbeheer en om een ​​efficiënte en veilige werking van dronesystemen te bereiken een belangrijke richting van het huidige onderzoek.