⚡ electrical engineering

A Real-Time System for Scheduling and Managing UAV Delivery in Urban Areas

Este artigo propõe um sistema de gerenciamento e agendamento em tempo real para entregas com drones urbanos, baseado no modelo "Aeroporto-Estação de Descarregamento", que atua como middleware para traduzir algoritmos de alto nível em instruções de execução e integra veículos terrestres autônomos, drones e equipe humana para otimizar a eficiência logística.

Autores originais: Han Liu, Tian Liu, Kai Huang

Publicado 2026-03-24

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Han Liu, Tian Liu, Kai Huang

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está tentando entregar pacotes em uma cidade superlotada, mas em vez de usar caminhões que ficam presos no trânsito, você decide usar drones (pequenos aviões de brinquedo inteligentes).

O problema é: se você tiver 100 drones voando ao mesmo tempo, como evitar que eles batam uns nos outros? Como saber qual drone vai para onde? E o mais importante: quem coloca a encomenda no drone e quem troca a bateria dele?

É aqui que entra este artigo. Os autores criaram um "Gerente de Trânsito Inteligente" para drones urbanos. Vamos explicar como funciona usando analogias do dia a dia.

1. O Cenário: O Aeroporto e a Estação de Descarga

Pense no sistema como um aeroporto pequeno no centro da cidade (o "Aeroporto") e várias paradas de ônibus espalhadas pela cidade (as "Estações de Descarga").

O Aeroporto: É onde os drones nascem, recebem suas cargas e trocam as baterias.
As Estações: São os pontos onde o drone deixa o pacote para o cliente pegar.

2. O Problema: A Lacuna entre o "Plano" e a "Realidade"

Antes deste trabalho, existiam muitos "cérebros" (algoritmos) que desenhavam planos perfeitos no computador. Eles diziam: "Drone A, voe para lá às 10:00".
Mas, na vida real, coisas imprevistas acontecem. O drone pode demorar um pouco mais, a bateria pode acabar antes do previsto, ou o chão pode estar ocupado. O "cérebro" não sabia o que estava acontecendo no "chão" em tempo real. Era como um maestro de orquestra que não ouve os músicos; ele apenas acena a batuta, mas a música fica desafinada.

A Solução: Os autores criaram um Middleware (um "tradutor" ou "gerente de meio de campo").

Imagine que o "cérebro" é o Maestro (planeja a música).
Os drones e robôs no chão são os Músicos (tocam a música).
O novo sistema é o Regente Intermediário. Ele pega a partitura do Maestro, olha para os músicos em tempo real e diz: "Ei, o violino está atrasado, vamos ajustar o ritmo!". Isso garante que o plano perfeito do computador realmente funcione na rua.

3. Os Personagens da História

Para fazer tudo funcionar, o sistema coordena três tipos de "atores":

Os Drones (UAVs): São os mensageiros voadores. Eles só sabem voar e entregar. Eles têm um "estado mental" simples: Pronto, Carregado, Voando, Descendo.
Os Robôs de Chão (AGVs): Imagine pequenos carrinhos de supermercado autônomos. Eles são os porteiros e motoristas.
- Eles pegam o drone no chão de decolagem.
- Levam o drone até a mesa de carga (onde humanos colocam o pacote).
- Levam o drone de volta para decolar.
- Eles são essenciais porque os drones não podem pousar onde os humanos estão trabalhando (por segurança).
A Equipe Humana: São os funcionários que carregam os pacotes e trocam as baterias dos drones na mesa de trabalho.

4. A Dança da Entrega (O Ciclo de Vida)

O sistema cria uma coreografia perfeita entre esses atores. Veja como funciona um ciclo, comparado a um trem de metrô:

O Robô (AGV) vai buscar o Drone que está esperando.
Eles vão até a Mesa de Carga. O humano coloca o pacote e troca a bateria (como encher o tanque de um carro).
O Robô leva o Drone até a Pista de Decolagem.
O Drone decola, entrega o pacote na cidade e volta.
Ao pousar, o Robô já está lá esperando para levá-lo de volta à mesa de carga.

A Mágica do Sistema: O sistema gerencia isso em tempo real. Se um drone atrasar, o robô não fica parado esperando; ele é redirecionado para ajudar outro drone. É como um aplicativo de transporte (tipo Uber) que redistribui motoristas automaticamente para evitar filas.

5. As Três Estratégias de Tráfego (Os "Ciclos")

Os autores testaram três formas de organizar esse "trânsito" de robôs e drones, como se fossem diferentes layouts de uma linha de montagem:

Ciclo Único (One-Cycle): Todos os robôs usam a mesma pista de decolagem e aterrissagem. É como uma única fila de banco. Funciona, mas pode criar gargalos (filas longas).
Ciclo Duplo (Two-Cycle): Dividem-se em duas pistas. É como ter duas caixas de supermercado abertas. Os testes mostraram que essa foi a melhor opção: equilibrada, rápida e sem deixar os funcionários humanos parados demais.
Ciclo Triplo (Three-Cycle): Três pistas independentes. Parece ótimo, mas os robôs gastam muito tempo viajando entre as pistas, cansando-se mais e deixando os drones esperando.

6. O Resultado Final

O que eles descobriram?

O sistema funciona! Ele consegue coordenar drones, robôs e humanos sem que ninguém bata em ninguém.
A estratégia de Ciclo Duplo foi a campeã. Ela fez mais entregas, com melhor pontuação (menos atrasos) e usou os recursos (humanos e robôs) de forma mais inteligente.
O sistema é "real-time": ele reage instantaneamente. Se algo dá errado, ele ajusta o plano na hora, não depois.

Resumo em uma Frase

Os autores criaram um "maestro digital" que conecta o planejamento de entrega por drones com a realidade física, coordenando robôs, drones e humanos como se fosse uma orquestra perfeitamente afinada, garantindo que seus pacotes cheguem rápido e sem acidentes na cidade.

Eles até disponibilizaram o código no GitHub para que outros possam usar e melhorar essa "orquestra" de drones!

Título: Um Sistema em Tempo Real para Agendamento e Gerenciamento de Entrega por UAV em Áreas Urbanas

Autores: Han Liu, Tian Liu e Kai Huang (Universidade Sun Yat-sen, China).

1. Problema

Com o crescimento da demanda por logística urbana, a entrega por Veículos Aéreos Não Tripulados (UAVs) surge como uma solução promissora para aumentar a eficiência, reduzir o congestionamento e diminuir custos. No entanto, a implementação prática enfrenta desafios significativos:

Desconexão entre Teoria e Prática: Muitos algoritmos de agendamento de alto nível ignoram a infraestrutura de execução subjacente, utilizando simplificações irreais ou sendo projetados para uso offline (com tempos de cálculo longos), o que os torna inadequados para agendamento em tempo real.
Falta de Tradução de Comandos: O nível de agendamento frequentemente falha ao traduzir requisitos abstratos em comandos de execução específicos, sem ter conhecimento do estado exato do sistema subjacente.
Coordenação Complexa: A eficiência depende da coordenação perfeita entre UAVs, veículos terrestres autônomos (AGVs) e pessoal de solo (para carregamento, troca de bateria e recuperação), especialmente no modelo "Aeroporto-Estação de Descarga".

2. Metodologia

Os autores propõem um sistema de gerenciamento e agendamento em tempo real que atua como middleware, conectando a camada de agendamento de alto nível à infraestrutura de execução de baixo nível.

Arquitetura do Sistema

O sistema é composto por três nós de gerenciamento principais, operando como processos independentes e colaborativos:

Nó de Gerenciamento Mestre (Master Management Node): Conecta o agendador à camada de execução. Coleta status agregados de UAVs e AGVs para tomada de decisão e distribui resultados de agendamento.
Nó de Gerenciamento de AGV: Controla os AGVs usando Finite State Machines (FSMs) e multithreading. Gerencia o transporte de UAVs entre a área de Trabalho Aéreo (AW) e a área de Trabalho no Solo (GW).
Nó de Gerenciamento de UAV: Controla os UAVs de forma autônoma e em tempo real, também baseado em FSMs, executando tarefas como decolagem, entrega e pouso.

Modelo de Estado (FSMs)

UAV: Opera em 6 estados (Pronto, Em Carro/AGV, Esperando Decolagem, Voando para Entrega, Esperando Retorno, Voando de Volta). Transições baseiam-se em comandos (Entregar, Liberar Carga, Carregar) e condições (Pousado, Em AGV, Carga Carregada).
AGV: Opera em 4 estados (Esperando ir para GW, Esperando Retirada, Esperando Trabalho, Esperando ir para AW). Gerencia o transporte do UAV entre as zonas de decolagem/pouso e a bancada de trabalho.

Sistema de Agendamento

O sistema utiliza dois agendadores coordenados:

Agendador de Tráfego Terrestre: Gerencia o fluxo de AGVs. Foram implementados e testados três esquemas de ciclo:
- Um Ciclo: Todos os AGVs operam em um único loop.
- Dois Ciclos: Dois loops compartilhando um ponto de decolagem.
- Três Ciclos: Três loops independentes.
Agendador de Tráfego Aéreo: Decide permissões de decolagem e pouso.
- Regra de Decolagem: Garante um intervalo de tempo mínimo ( $t_{gap}$ ) entre as chegadas de UAVs na mesma estação de descarga para evitar conflitos.
- Regra de Retorno: Garante que um AGV esteja disponível no ponto de pouso antes da chegada do UAV.

3. Principais Contribuições

Sistema Middleware de Tempo Real: Desenvolvimento de uma arquitetura que preenche a lacuna entre algoritmos de agendamento teóricos e a execução física real, permitindo adaptação dinâmica a falhas e estados do sistema.
Mecanismos de Coordenação Colaborativa: Implementação de três esquemas de agendamento colaborativo integrando UAVs, AGVs e pessoal de solo, otimizando o fluxo de trabalho no modelo "Aeroporto-Estação de Descarga".
Validação Experimental Completa: Verificação da viabilidade do sistema através de simulações robustas, demonstrando a eficácia na logística urbana e fornecendo uma solução comercial prática.

4. Resultados Experimentais

Os experimentos foram realizados em um ambiente simulado (Docker, ROS, controladores PX4-like) variando o número de UAVs (de 4 a 16) e comparando os três esquemas de ciclo.

Desempenho de Entrega:
- O aumento no número de UAVs aumentou o volume de entregas e as pontuações gerais, mas com retornos decrescentes (lei dos rendimentos decrescentes).
- Esquema de Dois Ciclos (Two-Cycle): Obteve a maior pontuação e o melhor equilíbrio entre eficiência e utilização de recursos.
- Esquema de Três Ciclos: Teve a menor pontuação, pois os AGVs gastavam tempo excessivo viajando entre pontos distantes, reduzindo a eficiência global.
- Esquema de Um Ciclo: Apresentou baixa utilização de AGVs devido a longos tempos de espera.
Utilização de Recursos:
- A taxa de ocupação do pessoal de solo correlacionou-se diretamente com a pontuação de entrega (maior ocupação = mais carga processada).
- O esquema de Dois Ciclos maximizou a utilização do pessoal de solo mantendo uma utilização moderada de AGVs, enquanto o esquema de Três Ciclos sobrecarregou os AGVs com deslocamentos.
Métricas de Tempo: A pontuação média foi de cerca de 80 pontos, indicando que muitas entregas não foram concluídas dentro do tempo ideal ("BetterT"), mas antes do tempo limite ("TimeOut"), sugerindo espaço para otimização futura.

5. Significado e Conclusão

Este trabalho é significativo por fornecer uma solução de ponta a ponta para a entrega urbana por drones, indo além da otimização teórica de rotas.

Viabilidade Comercial: Demonstra que é possível construir um sistema de gerenciamento que traduz algoritmos complexos em comandos executáveis em tempo real, essencial para a operação comercial de frotas de drones.
Otimização de Recursos: Mostra que a eficiência não depende apenas de ter mais drones, mas de um design inteligente de infraestrutura (pontos de decolagem/pouso, rotas de AGVs) e coordenação de recursos (solo vs. aéreo).
Escalabilidade: A arquitetura baseada em nós independentes e threads permite a adição escalável de novos veículos sem interromper o sistema.

Em resumo, o sistema proposto valida a racionalidade e a viabilidade de uma infraestrutura de gerenciamento integrada para logística urbana de UAVs, oferecendo um modelo prático para superar as barreiras atuais na implementação de frotas de entrega autônomas.