Καλαμπαλίκη Μαίρη

Από RemoteSensing Wiki

"Incorporating Drone and AI to Empower Smart Journalism via Optimizing a Propagation Model"

Το άρθρο των Faris A. Almalki, Maha Aljohani, Merfat Algethami και Ben Othman Soufiene, που δημοσιεύτηκε στο Sustainability το 2022, εξετάζει τη σύνδεση της τεχνητής νοημοσύνης (AI) με μη επανδρωμένα εναέρια οχήματα (drones) στη δημοσιογραφία, με σκοπό τη βελτιστοποίηση της διάδοσης σήματος και τη δημιουργία ενός αποδοτικότερου και βιώσιμου συστήματος εναέριας δημοσιογραφίας. Οι συγγραφείς επιχειρούν να προτείνουν ένα καινοτόμο μοντέλο μετάδοσης δεδομένων, βασισμένο σε αυτόματη προσαρμογή και βελτιστοποίηση μέσω τεχνητής νοημοσύνης.

Η δημοσιογραφία, στην εποχή της Τέταρτης Βιομηχανικής Επανάστασης (4IR), επηρεάζεται βαθύτατα από την τεχνολογική πρόοδο, που επιτρέπει τη μετάδοση πληροφοριών σε πραγματικό χρόνο, τη βελτίωση της ακρίβειας της πληροφόρησης και τη διεύρυνση της γεωγραφικής κάλυψης. Το άρθρο εστιάζει στη χρήση drones εξοπλισμένων με κάμερες, αισθητήρες και τεχνολογίες τεχνητής νοημοσύνης, ώστε να εξυπηρετηθούν ανάγκες όπως:

Ερευνητική δημοσιογραφία (ανθρωπιστικές κρίσεις, συγκρούσεις). Μετάδοση γεγονότων (φυσικές ή ανθρωπογενείς καταστροφές). Ζωντανή κάλυψη μεγάλων εκδηλώσεων (Ολυμπιακοί Αγώνες, συναυλίες, κοινωνικές διαδηλώσεις). Η μελέτη των συγγραφέων επιχειρεί να ενσωματώσει αυτές τις τεχνολογίες, βελτιώνοντας το μοντέλο διάδοσης σήματος, προκειμένου να διασφαλιστεί αποδοτική και βιώσιμη λειτουργία της εναέριας δημοσιογραφίας.

Μεθοδολογία και Τεχνική Προσέγγιση

1. Νευρωνικό Δίκτυο και Μοντέλο Βελτιστοποίησης

Οι συγγραφείς αναπτύσσουν ένα Νευρωνικό Δίκτυο με ακτινικές βάσεις (NN-RBFN), το οποίο προσαρμόζεται δυναμικά και μαθαίνει να επιλέγει το ιδανικό μοντέλο διάδοσης σήματος σε πραγματικό χρόνο. Ο στόχος είναι:

Αύξηση της ακρίβειας του σήματος. Βελτίωση της συνδεσιμότητας μέσω επιλογής του κατάλληλου καναλιού επικοινωνίας. Μείωση των απωλειών σήματος μέσω βελτιστοποίησης του προτύπου διάδοσης. Το νευρωνικό δίκτυο χρησιμοποιεί πέντε διαφορετικά μοντέλα διάδοσης σήματος για να υπολογίσει το βέλτιστο κανάλι:

ITU-R P.529-3 Model: Κατάλληλο για αστικές και προαστιακές περιοχές. Hata-Davidson Model: Εκτεταμένο μοντέλο βασισμένο στο Hata για ευρύτερη κάλυψη. Okumura Model: Αποδοτικό για ποικίλα εδάφη και σύνθετα αστικά περιβάλλοντα. Air-to-Ground (ATG) Model: Βελτιστοποιημένο για εναέριες εφαρμογές. Two-Ray Model: Καλύτερο για σενάρια με ισχυρές ανακλάσεις και εμπόδια. Το προτεινόμενο μοντέλο εκπαιδεύεται να επιλέγει το πιο αποδοτικό μοντέλο διάδοσης για κάθε δεδομένο περιβάλλον, ώστε να εξασφαλίσει μέγιστη κάλυψη, ελάχιστες παρεμβολές και αποδοτική μετάδοση δεδομένων.

2. Περιβάλλον Δοκιμών και Υπολογιστική Προσομοίωση

Η προσομοίωση πραγματοποιήθηκε χρησιμοποιώντας:

MATLAB: Για την ανάλυση και εξομοίωση του συστήματος. 3D Remcom Wireless Insite Tool: Για προσομοίωση πραγματικών συνθηκών μετάδοσης σήματος. Η δοκιμή πραγματοποιήθηκε στο Souq Okaz (Σαουδική Αραβία), ένα χώρο που φιλοξενεί μεγάλες εκδηλώσεις και ποικιλία φυσικών εμποδίων, γεγονός που επέτρεψε τη δοκιμή των διαφόρων μοντέλων σε ρεαλιστικές συνθήκες.

Το σύστημα δοκιμάστηκε σε υψόμετρα 10-70 μέτρων για να αναλυθεί ο τρόπος διάδοσης του σήματος σε διαφορετικά περιβάλλοντα.

Κύρια Συμπεράσματα

Το NN-RBFN πέτυχε ακρίβεια 99% στην επιλογή του ιδανικού μοντέλου διάδοσης, προσαρμόζοντας δυναμικά τη μετάδοση του σήματος. Το Two-Ray Model είχε την καλύτερη απόδοση, εξασφαλίζοντας υψηλή ποιότητα σήματος και μεγάλη κάλυψη. Η ενσωμάτωση drones στη δημοσιογραφία αυξάνει τη γεωγραφική κάλυψη και επιτρέπει την καταγραφή γεγονότων σε δυσπρόσιτες ή επικίνδυνες περιοχές. Η χρήση 5G MIMO κεραίας επέτρεψε υψηλούς ρυθμούς μετάδοσης δεδομένων, βελτιώνοντας τη ροή της πληροφορίας. Ο αυτοματοποιημένος έλεγχος και η δυναμική επιλογή καναλιών καθιστούν τη δημοσιογραφία πιο βιώσιμη και αποδοτική, μειώνοντας το κόστος λειτουργίας. Σημασία και Προοπτικές

Το άρθρο καταδεικνύει ότι η ενοποίηση drones με AI μπορεί να επιφέρει επανάσταση στη δημοσιογραφία, καθιστώντας τη ταχύτερη, αποδοτικότερη και λιγότερο εξαρτημένη από φυσική παρουσία δημοσιογράφων. Αυτή η τεχνολογία έχει τη δυναμική να βελτιώσει την ασφάλεια των δημοσιογράφων, καθώς θα μπορούν να καλύπτουν ειδήσεις εξ αποστάσεως, χωρίς να εκτίθενται σε κινδύνους.

Μελλοντικές προτάσεις

Δοκιμές σε περισσότερα περιβάλλοντα, όπως αστικές και αγροτικές περιοχές. Ανάλυση σε πραγματικά γεγονότα, αντί μόνο σε προσομοιώσεις. Ανάπτυξη AI με δυνατότητα πρόβλεψης των βέλτιστων συνθηκών λήψης πριν την αποστολή του drone.

Συμπέρασμα

Το άρθρο παρέχει μια καινοτόμο προσέγγιση στη χρήση drones και AI στη δημοσιογραφία, εστιάζοντας στη βελτιστοποίηση της διάδοσης σήματος για αποτελεσματικότερη, πιο οικονομική και ασφαλέστερη ενημέρωση. Η εναέρια δημοσιογραφία μέσω drones μπορεί να αναδιαμορφώσει τον τρόπο κάλυψης ειδήσεων, ενισχύοντας τη διαφάνεια, τη βιωσιμότητα και την προσβασιμότητα στην πληροφόρηση.