Az autonóm felszíni közlekedés biztonságának növelése UAV-rendszerrel gyűjtött meteorológiai információk figyelembevételével
Copyright (c) 2022 Sziroczák Dávid, Gál István, Szilágyi Dávid, Rohács József, Rohács Dániel
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Absztrakt
Ez a tanulmány a UAV-eszközök felhasználásának lehetőségeit elemzi meteorológiai adatok gyűjtésére, az adatokból pontosított előrejelzések generálására és ezek hasznosítására, elsősorban az autonóm közúti közlekedésben. Ma jelentős hiány mutatkozik a planetáris határrétegben mért adatokban, ezek ismerete kulcsfontosságú a pontosabb előrejelzésekhez, hiszen ez az időjárást befolyásoló föld-légkör interakciók zónája. A mai dróntechnológiával az adatok megfelelő térbeli és időbeli felbontással gyűjthetők, Magyarországon 15 mérőállomásból álló adatgyűjtő rendszer képes 90% lefedettséget biztosítani. Az időjárás-előrejelző rendszerek piaca 22 milliárd HUF gazdasági-társadalmi értéket képvisel, a rendszer fejlesztésével ez az érték mint piac hasznosítható. Az autonóm járművek jelenlegi technológiai szintje mellett a legfontosabb kérdés az útszakaszok azonosítása, ahol a járművek autonóm funkciói biztonságosan használhatók az adott időjárási körülmények mellett, és a rendszer használatával ez az információ a közúti felhasználókkal megosztható.
Kulcsszavak:
Hogyan kell idézni
Hivatkozások
1. S. Al Moshin, A. Rahman, N. Islam, Weather Monitoring IoT Drone. Dhaka, Bangladesh, Daffodil International University, 2020.
2. Bartholy J. et al., Meteorológiai alapismeretek. Budapest, ELTE, 2013.
3. Black Swift Technologies, S2 UAV Datasheet. Online: https://bst.aero/wp-content/uploads/2020/10/S2-Data-Sheet-Oct2020-web.pdf
4. Bottyán Zs., A közfeladatokat ellátó repülések meteorológiai biztosításának kérdései. Budapest, NKE, 2017.
5. Bottyán Zs. et al., „Measuring and Modeling of Hazardous Weather Phenomena to Aviation Using the Hungarian Unmanned Meteorological Aircraft System (HUMAS),” Időjárás, 119. évf. 3. sz. pp. 307–335. 2015.
6. D. Leuenberger et al., „Improving High-Impact Numerical Weather Prediction with Lidar and Drone Observations,” Bulletin of the American Meteorological Society, Vol. 101, No. 7, pp. E1036–E1051. 2020. Online: https://doi.org/10.1175/BAMS-D-19-0119.1 Online: https://doi.org/10.1175/BAMS-D-19-0119.1
7. European Commission, EU Transport in Figures. Luxembourg, Publications Office of the EU, 2018.
8. EuroStat, Passenger Mobility Statistics. 2021. Online: https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Passenger_mobility_statistics
9. International Transport Forum, Road Safety Report 2020 Hungary. OECD, 2020. Online: https://www.itf-oecd.org/sites/default/files/hungary-road-safety.pdf
10. Komaco, Weather Observation. Online: http://komaconvis.com/stech3_weatherobserv
11. Központi Statisztikai Hivatal, Közlekedési baleseti statisztikai évkönyv 2015. Budapest, KSH, 2016. Online: https://www.ksh.hu/docs/hun/xftp/idoszaki/baleset/baleset15.pdf
12. Központi Statisztikai Hivatal, Magyarországon első alkalommal forgalomba helyezett új és használt közúti gépjárművek száma járműnemenként. KSH, 2019. Online: https://www.ksh.hu/docs/hun/xstadat/xstadat_eves/i_ode007.html
13. S. T. Kral et al., „Innovative Strategies for Observations in the Arctic Atmospheric Boundary Layer (ISOBAR) – The Hailuoto 2017 Campaign,” Atmosphere, Vol. 9, No. 7. 268. pp. 1–29. 2018. Online: https://doi.org/10.3390/atmos9070268
14. T. Litman, Autonomous Vehicle Implementation Predictions. Implications for Transport Planning. Victoria Transport Policy Institute, 2021. Online: https://www.vtpi.org/avip.pdf
15. M. Pearson, Certification and Standards – Manned and Unmanned Flight. Vertical Flight Society, April 22, 2020. Online: https://vtol.org/files/dmfile/20200422---marilynpearson---faa---weather-standards.pdf
16. Meteomatics, Meteodrones-Meteobase. Online: https://www.meteomatics.com/en/meteodrones-meteob ase/
17. National Aeronautics and Space Administration, „NASA-led Airborne Mission Studies Storm Intensification in Northern Hemisphere,” NASA, 2017. augusztus 15. Online: https://www.nasa.gov/centers/armstrong/features/airborne-mission-studies-northern-hemisphere.html
18. A. Perrels, V. Nurmi, P. Nurmi, „Weather Service Chain Analysis (WSCA) – An Approach For Appraisal of the Social-Economic Benefits of Improvements in Weather Services,” In 16th International Road Weather Conference, SIRWEC 2012, May 2012. pp. 1–8.
19. R. Hranac et al., Empirical Studies on Traffic Flow in Inclement Weather. Washington, Contract nr. FHWA-HOP-07-073, Federal Highway Administration, 2006. Online: https://vtechworks.lib.vt.edu/bitstream/handle/10919/55110/weatherempirical.pdf
20. J-P. Rodrigue, The Geography of Transport Systems. New York, Routledge, 2020. Online: https://doi.org/10.4324/9780429346323
21. Rohács J., Rohács D., „Total Impact Evaluation of Transportation Systems,” Transport, Vol. 35, No. 2. pp. 193–202. 2020. Online: https://doi.org/10.3846/transport.2020.12640
22. S. Mayer et al., „Atmospheric Profiling with the UAS SUMO: A New Perspective for the Evaluation of Fine-Scale
Atmospheric Models,” Meteorology and Atmospheric Physics, Vol. 116, No. 1. pp. 15–26. 2012. Online: https://doi.org/10.1007/s00703-010-0063-2
23. Szegedi Cs., Dombai F., Csirmaz K., Németh P., Országos meteorológia szolgálat időjárási radarhálózatának mérései. Budapest, Országos Meteorológiai Szolgálat, 2014.
24. V. A. Korolkov et al., „Autonomous Weather Stations for Unmanned Aerial Vehicles. Preliminary Results of Measurements of Meteorological Profiles,” IOP Conf. Series: Earth and Environmental Science, Vol. 211, p. 012069. 2018. Online: https://doi.org/10.1088/1755-1315/211/1/012069