Despliegue dinámico de drones en situaciones críticas utilizando Machine Learning

Este proyecto aborda el diseño de un modelo de despliegue dinámico de drones basado en Machine Learning, utilizando algoritmos para el entrenamiento de una red neuronal. El trabajo se centra en el diseño de una red neuronal de tipo LSTM, la cual optimiza la ubicación de drones en tiempo real, garantizando una cobertura efectiva de zonas críticas. Mediante mapas de calor y simulaciones de pruebas alimentado por una base de datos, con variables como coordenadas de latitud, altitud y longitud, los drones son capaces de identificar zonas y/o áreas con alta densidad poblacional y nivel de prioridad con el fin de no solo posicionarse estratégicamente, sino reducir el consumo de energía debido el uso de rutas optimizadas. Esto asegura que cada uno de los 50 drones logren estar en el lugar adecuado, en el momento exacto. Finalmente, la implementación de la red neuronal de tipo LSTM con la red de emergencia conformada por drones demostró ser una alternativa viable para solventar las limitaciones de funcionamiento de los sistemas de comunicaciones tradicionales durante y después de una situación crítica, debido al establecimiento de nodos autónomos y temporales, facilitando la comunicación entre los grupos de rescatistas y las personas afectadas de una localidad en específico y optimizando los tiempos de búsqueda.

• מחבר ראשי: Arroyo Barrera, Carlos Fernando (author)
• מחברים אחרים: Piyasagua Ávila, Boris Josue (author), Chávez Burbano, Patricia, Director (author)
• פורמט: bachelorThesis
• שפה: esp
• יצא לאור: 2025
• נושאים: Machine Learning; LSTM; Densidad poblacional
• גישה מקוונת: http://www.dspace.espol.edu.ec/handle/123456789/66061