UTM และ Remote ID

ตัวอย่างที่ 1 สี่รายยื่นเจตนาในเช้าวันเดียวกัน

OP-A คือการตรวจแนวท่อของเรา OP-B ส่งของ OP-C ภารกิจตำรวจที่หน่วยงานกำกับให้ลำดับสูงกว่า และ OP-D ทำแผนที่ แต่ละรายเป็นกล่องในพิกัดท้องถิ่น ความสูง และเวลาหลัง 09:00 น. (ข้อมูลสมมติ)

# เจตนาการปฏิบัติการแบบ 4 มิติ: กล่อง x, y (m), ความสูง (m) และช่วงเวลา (นาทีหลัง 09:00)
intents = {
    "OP-A survey":   dict(x=(0, 800), y=(0, 600), z=(0, 90), t=(0, 40), prio=0),
    "OP-B delivery": dict(x=(700, 2000), y=(500, 700), z=(60, 120), t=(30, 45), prio=0),
    "OP-C police":   dict(x=(-500, 300), y=(400, 900), z=(0, 120), t=(35, 60), prio=1),
    "OP-D mapping":  dict(x=(1500, 2500), y=(0, 400), z=(0, 90), t=(10, 50), prio=0),
}

def overlap(a, b):
    return all(max(a[k][0], b[k][0]) < min(a[k][1], b[k][1]) for k in "xyzt")

names = list(intents)
for i, a in enumerate(names):
    for b in names[i + 1:]:
        A, B = intents[a], intents[b]
        if overlap(A, B):
            if A["prio"] != B["prio"]:
                who = (a if A["prio"] < B["prio"] else b) + " (lower priority)"
            else:
                who = "same priority: rule set by the authority"
            shared = {k: (max(A[k][0], B[k][0]), min(A[k][1], B[k][1])) for k in "xyzt"}
            print(f"CONFLICT {a} x {b}: time {shared['t']} min, height {shared['z']} m -> replan: {who}")
        else:
            print(f"clear    {a} x {b}")

CONFLICT OP-A survey x OP-B delivery: time (30, 40) min, height (60, 90) m -> replan: same priority: rule set by the authority
CONFLICT OP-A survey x OP-C police: time (35, 40) min, height (0, 90) m -> replan: OP-A survey (lower priority)
clear    OP-A survey x OP-D mapping
clear    OP-B delivery x OP-C police
clear    OP-B delivery x OP-D mapping
clear    OP-C police x OP-D mapping

OP-A ขัดแย้งกับสองราย กับ OP-B ในช่วง 30–40 นาทีที่ความสูง 60–90 m ซึ่งลำดับเท่ากันจึงต้องใช้กติกาของหน่วยงานกำกับ และกับ OP-C ในช่วง 35–40 นาทีซึ่ง OP-A ต้องปรับเพราะลำดับต่ำกว่า ทางแก้ที่ง่ายที่สุดของ OP-A คือจบงานส่วนที่ซ้อนก่อนนาทีที่ 30 หรือแบ่งพื้นที่ออกเป็นส่วนเล็กที่ใช้เวลาสั้นลง เจตนาที่กว้างเกินจำเป็นทำให้ขัดแย้งกับผู้อื่นมากขึ้น

ตัวอย่างที่ 2 เจ้าหน้าที่จะเห็นโดรนของเราหรือไม่

เจ้าหน้าที่ยืนริมแนวท่อพร้อมเครื่องรับ Remote ID แบบออกอากาศ สภาพแวดล้อมต่างกันทำให้พลาดข้อความ 20%, 50% หรือ 80% โดรนบิน 20 m/s

RATE_HZ = 1.0                 # อย่างน้อย 1 ข้อความต่อวินาที (14 CFR 89.310)
LATENCY_S = 1.0               # ตำแหน่งต้องออกอากาศภายใน 1.0 s หลังวัด
ACC_M = 100 * 0.3048          # ความแม่นตำแหน่ง 100 ft ที่ความน่าจะเป็น 95%

for loss in (0.2, 0.5, 0.8):  # สัดส่วนข้อความที่เครื่องรับพลาด (สภาพแวดล้อมต่างกัน)
    for window in (3, 10):
        n = int(window * RATE_HZ)
        p = 1 - loss ** n
        print(f"loss {loss:.0%}  window {window:>2} s: P(at least one message) = {p:.3f}")

v = 20.0                      # ความเร็วโดรน m/s
worst = v * LATENCY_S + ACC_M
print(f"position uncertainty at {v:.0f} m/s: up to about {worst:.0f} m")

loss 20%  window  3 s: P(at least one message) = 0.992
loss 20%  window 10 s: P(at least one message) = 1.000
loss 50%  window  3 s: P(at least one message) = 0.875
loss 50%  window 10 s: P(at least one message) = 0.999
loss 80%  window  3 s: P(at least one message) = 0.488
loss 80%  window 10 s: P(at least one message) = 0.893
position uncertainty at 20 m/s: up to about 50 m

ในที่โล่งพลาดน้อย ฟัง 3 วินาทีก็เกือบแน่นอนว่าได้ข้อความ แต่ถ้าพลาด 80% เช่นมีต้นไม้และอาคารบัง โอกาสใน 3 วินาทีต่ำกว่าครึ่ง ส่วนตำแหน่งที่ได้อาจคลาดจากตำแหน่งจริงได้ราว 50 m จากความล่าช้าบวกความแม่น เจ้าหน้าที่จึงควรใช้ข้อมูลนี้ระบุตัวโดรน ไม่ใช่ใช้นำทางเข้าหาโดรนแบบแม่นยำ