Dron istasyonları için yer belirleme ve bir uygulama

Abstract

Yangınlar iklim krizinin beklenmeyen anlarında veya insan kaynaklı etkilerin şiddetli ve öngörülemeyen yerlerde meydana geldiği durumlarda müdahale zor olabilir. Bu, insanların zarar görmesi veya coğrafyanın müdahaleyi imkânsız kılması nedeniyle ortaya çıkabilir. Sonuç olarak, bölgedeki küçük yangınlar, yayılmadan önce ateş topları ve dronlarla söndürülecektir. Bu yangın topları için dron şarjının sadece bakımı değil, aynı zamanda bu toplar için dron şarj istasyonlarının kurulması, tesis planlama sorununu ele almayı amaçlamaktadır. Bu çalışmada, NASA'dan elde edilen ve Kaggle'dan alınan 2000'den 2021'e kadar Türkiye'deki yangın verilerini içeren bir veri kümesi, veri analizi, özellik mühendisliği ve özellik çıkarma için kullanıldı. Ayrıca, en sık görülen yangın türü olan 'bitki örtüsü yangını' seçildi ve Antalya'da bu tür yangınların en çok meydana geldiği tarih ve konum belirlendi. Bu bölgede uygun dron istasyonlarını kurmak için en uygun algoritmalar, Spektral Kümeleme, K-Ortalama ve DBSCAN olarak belirlendi. Tesis konumu problemi için matematiksel model karışık tam sayılı doğrusal programlama bu amaçla geliştirildi. NP-Zor bir problem olduğundan, optimal sonuçlar meta sezgisel yöntemlerden biri olan genetik algoritma kullanılarak elde edildi.

While fires occur in unexpected moments of climate crisis or human-induced effects are violent and occur in unpredictable places, intervention can be difficult either because people can be harmed or because geography makes intervention impossible. As a result, small fires in the area will be put out with fireballs and drones before they spread. The maintenance of drone charging alone, as well as the installation of drone charging stations for these fireballs, are intended to address the facility planning problem. In this study, a dataset obtained from NASA, containing fire data in Turkey from 2000 to 2021 (acquired from Kaggle), was utilized for data analysis, feature engineering, and feature extraction. Additionally, latitude and longitude information were used to obtain address details through a python library. Following that, the most common type of fire, known as 'vegetation fire,' was chosen, as well as Antalya, the date and location of the most fires occurring on that date. The most appropriate algorithms for setting up appropriate drone stations in this region are Spectral Clustering, K-Means, and DBSCAN. The mathematical model mixed integer linear formulation was developed for the problem of facility location. Since NP-Hard is a problem, optimal results were obtained using a genetic algorithm, which is one of the metaheuristic methods.