Integration of Unmanned Aerial Vehicles (UAVs) in multimodal transportation systems. Parameters and decision-making methodology.

Κουρέτας, Κωνσταντίνος; Kouretas, Konstantinos

dc.contributor.author	Κουρέτας, Κωνσταντίνος	el
dc.contributor.author	Kouretas, Konstantinos	en
dc.date.accessioned	2024-01-31T09:36:52Z
dc.date.available	2024-01-31T09:36:52Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/58732
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.26428
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Στοχαστική βελτιστοποίηση	el
dc.subject	Δρομολόγηση οχημάτων	el
dc.subject	Ηλεκτροκίνηση	el
dc.subject	Βιώσιμες μεταφορές	el
dc.subject	Συνδυασμένες μεταφορές	el
dc.subject	ΣμηΕΑ	el
dc.subject	Επιχειρησιακή έρευνα	el
dc.subject	Stochastic optimization	en
dc.subject	Vehicle routing	en
dc.subject	Electromobility	en
dc.subject	Sustainable transportation	en
dc.subject	Multimodal transport	en
dc.subject	UAV
dc.subject	Drones	en
dc.title	Integration of Unmanned Aerial Vehicles (UAVs) in multimodal transportation systems. Parameters and decision-making methodology.	en
dc.title	Ενσωμάτωση μη Επανδρωμένων Αεροσκαφών σε συστήματα συνδυασμένων μεταφορών. Παράμετροι και μεθοδολογία λήψης αποφάσεων	el
heal.type	doctoralThesis
heal.classification	Σχεδιασμός Μεταφορών	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-10-11	el
heal.abstract	Synergetic transport schemes are extensively used in parcel delivery operations, exploiting the best features of each mode, and achieving better performance. Last mile deliveries and the approach of remote areas with limited transport connections form a particular challenge. This research is based on a new flexible, modular framework for integrated Conventional Vehicle – Unmanned Aerial Vehicle (CV-UAV) parcel delivery operations. Several items must be delivered to certain Delivery Locations (DL), from a Central Depot (CD). A CV is equipped onboard with multiple UAVs. Several types of locations facilitate UAV deployment, collectively namely Launch Sites (LS): Remote Depots (RD), which are facilities with in-house available UAVs (also available in the CD), and Virtual Hubs (VH), which are pre-determined locations for convenient UAV deployment by the CV operator, such as parking lots. Based on site characteristics, some of the DLs may also serve as locations for CV-based UAV deployment. For UAV flights, we are considering the presence of Restricted Zones (RZ), e.g., because of airports and a probabilistic Weather Forecast, which also affects flights. No-fly areas result from the presence of RZs and accepted risk in weather forecast and thus flight paths are not always straight. The solution methodology includes a specifically developed Assignment and Routing Optimization nested GA (AROnGA) scheme for obtaining the best mode assignment and routing solution under given/fixed conditions. The algorithm is additionally modified to perform scenario-based robust optimization, yielding a solution which performs well under most anticipated conditions. The methodology is gradually adapted in GIS environment, streamlining with common practice in terms of input file types in network design, airspace control and weather forecasting but also taking advantage of ever evolving sophisticated and powerful tools. The framework and the solution methodology are useful for strategic decisions on infrastructure and for operations planning with satisfactory performance and less risk.	en
heal.abstract	Συνεργατικά σχήματα μεταφορών χρησιμοποιούνται ευρέως σε επιχειρήσεις διανομής πακέτων, αξιοποιώντας τα καλύτερα χαρακτηριστικά κάθε μέσου και πετυχαίνοντας καλύτερη απόδοση. Παραδόσεις τελευταίου μιλίου και η προσέγγιση δυσπρόσιτων περιοχών με περιορισμένες συνδέσεις αποτελούν ιδιαίτερες προκλήσεις. Αυτή η έρευνα βασίζεται σε ένα νέο, ευέλικτο και αρθρωτό πλαίσιο για επιχειρήσεις διανομής πακέτων με συνδυασμό Συμβατικού Οχήματων (ΣΟ) και Συστημάτων μη Επανδρωμένων Αεροσκαφών (ΣμηΕΑ). Ορισμένα πακέτα πρέπει να παραδοθούν σε Θέσεις Παράδοσης (ΘΠ), από μια Κεντρική Αποθήκη (ΚΑ). Ένα ΣΟ είναι εξοπλισμένο με πολλαπλά ΣμηΕΑ. Διάφοροι τύποι τοποθεσιών μπορούν να υποστηρίξουν την εκτόξευση και συλλογή (ανάπτυξη) ΣμηΕΑ, όλες επονομαζόμενες και Σημεία Εκτόξευσης (ΣΕ): Απομακρυσμένες Αποθήκες (ΑΑ), δηλαδή εγκαταστάσεις με διαθέσιμα ΣμηΕΑ εντός τους (όπως και εντός της ΚΑ) και Εικονικοί Κόμβοι (ΕΚ), που είναι προκαθορισμένες τοποθεσίες για ευχερή ανάπτυξη ΣμηΕΑ από τον χειριστή του ΣΟ, όπως π.χ. ανοιχτοί χώροι στάθμευσης. Βάσει χαρακτηριστικών τοποθεσίας, ορισμένες ΘΠ μπορούν επίσης να εξυπηρετήσουν ως θέσεις για ανάπτυξη ΣμηΕΑ από το ΣΟ. Για τις πτήσεις ΣμηΕΑ, λαμβάνουμε υπόψη την παρουσία Απαγορευμένων Ζωνών (ΑΖ), π.χ. λόγω αεροδρομίων και μια Πιθανοτική Πρόβλεψη Καιρού, που επίσης επηρεάζει τις πτήσεις. Οι περιοχές απαγόρευσης πτήσεων προκύπτουν από την παρουσία ΑΖ και ένα αποδεκτό ρίσκο ως προς την καιρική πρόβλεψη, συνεπώς οι διαδρομές πτήσης δεν είναι πάντα ευθείες γραμμές. Η μεθοδολογία επίλυσης περιλαμβάνει έναν ειδικά ανεπτυγμένο εμφωλευμένο γενετικό αλγόριθμο βελτιστοποίησης ανάθεσης και δρομολόγησης (Assignment and Routing Optimization nested-GA: AROnGA), για την εύρεση της βέλτιστης λύσης ανάθεσης μέσου για κάθε πακέτο και δρομολόγηση του ΣΟ κάτω από δεδομένες συνθήκες. Ο αλγόριθμος τροποποιείται επιπλέον για να εκτελέσει μια εύρωστη βελτιστοποίηση με βάση σενάρια, προσφέροντας μια λύση που αποδίδει καλά κάτω από τις περισσότερες αναμενόμενες συνθήκες. Η μεθοδολογία προσαρμόζεται σταδιακά σε περιβάλλον Γεωγραφικών Συστημάτων Πληροφοριών (Geographic Information Systems – GIS), ευθυγραμμιζόμενη με την κοινή πρακτική όσον αφορά στους τύπους αρχείων εισόδου για ανάλυση δικτύων, έλεγχο εναερίου χώρου και καιρικές προβλέψεις, αξιοποιώντας τα σχετικά συνεχώς εξελισσόμενα, πολύπλοκα και ισχυρά εργαλεία ανάλυσης. Το πλαίσιο και η μεθοδολογία επίλυσης είναι χρήσιμα για στρατηγικές αποφάσεις ως προς την υποδομή και για σχεδιασμό επιχειρήσεων με ικανοποιητική απόδοση και λιγότερο ρίσκο.	el
heal.sponsor	Funding: The implementation of the article was co-financed by Greece and the European Union (European Social Fund-ESF) through the Operational Programme «Human Resources Development, Education and Lifelong Learning» in the context of the Act “Enhancing Human Resources Research Potential by undertaking a Doctoral Research” Sub-action 2: IKY Scholarship Programme for PhD candidates in the Greek Universities.	en
heal.advisorName	Κεπαπτσόγλου, Κωνσταντίνος	el
heal.advisorName	Kepaptsoglou, Konstantinos	el
heal.committeeMemberName	Μπαλλής, Αθανάσιος
heal.committeeMemberName	Ιωαννίδης, Χαράλαμπος
heal.committeeMemberName	Βλαχογιάννη, Ελένη
heal.committeeMemberName	Γκιοτσαλίτης, Κωνσταντίνος
heal.committeeMemberName	Καράντζαλος, Κωνσταντίνος
heal.committeeMemberName	Μπάσμπας, Σωκράτης
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Έργων Υποδομής και Αγροτικής Ανάπτυξης	el
heal.academicPublisherID	ntua
heal.numberOfPages	151 σ.
heal.fullTextAvailability	false