Адаптивный алгоритм A* для доставки крови с помощью БПЛА

Почему важно доставлять кровь по воздуху

Когда кому‑то срочно нужен анализ крови или переливание, каждая минута в пробке может стоить жизни. Во многих городах загруженные дороги замедляют работу скорых и курьеров, особенно если образцы нужно транспортировать между отдалёнными больницами. В этом исследовании рассматривается, как малые автономные летательные аппараты — дроны — можно направлять по безопасным и эффективным маршрутам, чтобы они доставляли кровь через сложный ландшафт, не разряжаясь и не пересекав запретные зоны.

От городских улиц к воздушным трассам

Авторы сосредотачиваются на очень практичном вопросе: как дроны могут надёжно перевозить кровь между больницами в реальной стране, а не только в симуляции? Они рассматривают Ливан, где гористая местность и плотный трафик затрудняют быструю доставку. Дроны обещают лететь прямо над пробками, но сталкиваются с двумя серьёзными ограничениями. Во‑первых, батареи у них быстро садятся, особенно при перевозке тяжёлых охлаждённых пакетов с кровью. Во‑вторых, они не могут просто лететь по прямой, поскольку высокие холмы, плотная городская застройка и закрытые для полётов зоны могут лежать на пути. В статье ландшафт рассматривается как трёхмерная головоломка, и ставится задача найти пути, которые экономят энергию, но при этом доставляют кровь вовремя.

Обучение дронов «читать» ландшафт

Чтобы решить эту задачу, исследователи адаптировали хорошо известный метод навигации — алгоритм A*, который обычно находит кратчайший маршрут на плоской карте. Они снабдили его подробными цифровыми картами, описывающими высоту земли в каждой точке, превратив регион в сетку мелких клеток, каждая с собственной отметкой высоты. Улучшенный алгоритм учитывает реальные 3D‑расстояния, поэтому он понимает, что подъём через холм требует больше энергии, чем перелёт над ровной равниной. Он также проверяет препятствия, такие как запретные для полётов зоны, и отбрасывает любые шаги, которые их пересекали бы. Помимо чистого расстояния команда создала модель энергопотребления на основе экспериментов, показавших, что подъём требует дополнительной мощности, тогда как спуски используют чуть меньше. Поэтому алгоритм предпочитает маршруты, которые плавно огибают рельеф, ради небольшой прибавки дистанции добиваясь значительной экономии батареи.

Планирование мест для подзарядки

Даже при аккуратном прокладывании маршрутов современные дроны не могут летать бесконечно. Авторы оценивают, как далеко может пролететь популярный медицинский дрон с типичной нагрузкой крови, учитывая ветер и запасы безопасности. Затем они связывают этап планирования маршрута со второй задачей: где разместить станции подзарядки или обмена батарей. С помощью метода кластеризации они группируют близко расположенные больницы и выбирают центральные точки, которые могут служить общими узлами подзарядки. На любом запланированном маршруте, когда оставшейся батареи уже недостаточно, чтобы безопасно покрыть следующий сегмент, система выбирает ближайшее реалистичное место — часто больницу или сервисный центр — в качестве точки подзарядки, а не какое‑то удалённое, непригодное для использования место на карте.

Испытание системы

Фреймворк протестирован на реальных расположениях больниц в Ливане. Команда сравнивает несколько стратегий полёта между двумя удалёнными больницами: нереалистично идеальный путь по прямой и три более реалистичных варианта, которые по‑разному учитывают рельеф и энергопотребление. Они обнаружили, что наивная прямая линия не является наиболее энергоэффективной, когда учитываются подъёмы и спуски. Лучший подход начинает расчёт маршрута с истинной высоты исходной больницы и ограничивает ненужные изменения высоты, что снижает общее энергопотребление. Исследование также показывает, что при той же скорости полёта дрон обычно покрывает более короткое расстояние по воздуху, чем автомобиль по извилистым дорогам, и может избежать непредсказуемых задержек из‑за пробок.

Что это значит для будущих медицинских рейсов

Проще говоря, исследование демонстрирует, что умная навигация и продуманное размещение точек подзарядки могут превратить дронов из простых гаджетов в надёжных участников системы медицинской доставки. Научив дронов «видеть» холмы, закрытые зоны и собственные ограничения по батарее, предложенная система помогает обеспечить быструю и безопасную доставку образцов и препаратов крови с достаточным запасом энергии. Хотя в текущей работе предполагаются фиксированные препятствия и одиночные полёты дронов, она закладывает основу для будущих сетей взаимодействующих медицинских дронов, которые могли бы обслуживать пациентов в городах и отдалённых регионах.

Цитирование: Zaki, C., Taleb, H., Taki, M. et al. An adaptive A-Star algorithm to handle blood transportation using UAVs. Sci Rep 16, 13674 (2026). https://doi.org/10.1038/s41598-026-40040-5

Ключевые слова: медицинские дроны, перевозка крови, планирование маршрута, энергоэффективный полет, логистика здравоохранения