The Logistical Reconnaissance of Railway Infrastructure Using Drones
Abstract
A key factor in successful military operations is proper reconnaissance of the theatre of operations, which includes mapping transport infrastructures to ensure the accurate location of materiel, troops and supplies. One of the modes of land transport is railways. In this article, the possibilities for further developing of the reconnaissance of the rail network with the use of unmanned aerial vehicles are investigated. In empirical research for an extended checklist for reconnaissance on a domain-specific basis was developed, and the requirements for the usability of drones for reconnaissance of railway infrastructure were defined based on the results of field experiments. All this can significantly improve the effectiveness of logistical reconnaissance.
References
Biernikowicz, Wiktor 2021. Rail Transport in NATO’s Logistics System: The Case of Poland. European Research Studies Journal. 24 (1): 748–761. https://doi.org/10.35808/ersj/2071
Byungjun, Ju, Minsu, Kim, Ilkyeong, Moon 2021. Vehicle Routing Problem Considering Reconnaissance and Transportation. Sustainability. 13, 3188. https://doi.org/10.3390/su13063188
Community of European Railway and Infrastructure Companies (CER) 2018. Longer trains: Facts and Experiences in Europe. Results of the CER working group on longer and heavier trains. Bruxelles: CER.
Criollo, Linker, Mena-Arciniega, Carlos, Xing, Shen 2024. Classification, military applications, and opportunities of unmanned aerial vehicles. Aviation. 28 (2): 115–127. https://doi.org/10.3846/aviation.2024.21672
Dietterich, Thomas G., Horvitz, Eric 2015. Benefits and Risks of Artificial Intelligence. https://medium.com/@tdietterich/benefits-and-risks-of-artificial-intelligence-460d288cccf3 (Letöltés ideje: 2023. 03. 12.)
Flammini, Francesco, Pragliola, Concetta, Smarra, Giovanni 2016a. Railway Infrastructure Monitoring by Drones. 2016 International Conference on Electrical Systems for Aircraft, Railway, Ship Propulsion and Road Vehicles & International Transportation Electrification Conference (ESARS-ITEC). 1–6. Toulouse: IEEE https://doi.org/10.1109/ESARS-ITEC.2016.7841398
Flammini, Francesco, Naddei, Riccardo, Pragliola, Concetta, Smarra, Giovanni 2016b. Towards Automated Drone Surveillance in Railways: State-of-the-Art and Future Directions. In Blanc-Talon, Jacques, Distante, Cosmio, Philips, Wilfried, Popescu, Dan, Scheunders, Paul (editors): Advanced Concepts for Intelligent Vision Systems. 17th International Conference, ACIVS 2016. Lecture Notes in Computer Science Vol. 10016. Cham: Springer International Publishing AG. https://doi.org/10.1007/978-3-319-48680-2_30
Horváth, Balázs, Horváth, Richárd 2021. Video based data collection in transportation. In Horváth Balázs, Horváth Gábor (szerk.): XI. Közlekedéstudományi Konferencia – Közlekedés a járvány után: folytatás vagy újrakezdés. 148–156. Győr: Széchenyi István Egyetem.
Horváth Csongor 2018. Az adatgyűjtés-koordináló és felderítési követelmények menedzsmentje. Honvédségi Szemle. 146 (4): 71–78.
Kovács László 2004. Az elektronikus felderítés korszerű eszközei, eljárásai és azok alkalmazhatósága a Magyar Honvédségben. Doktori (PhD) értekezés. Budapest: Zrínyi Miklós Nemzetvédelmi Egyetem.
Lévai Zsolt 2019. Vasút és terrorizmus: „puha” célpontok a terroristák célkeresztjében. Katonai Logisztika 27 (4): 86–113. https://doi.org/10.30583/2019/4/086
Lévai Zsolt 2023. A vasúti infrastruktúra komplex védelmi célú felkészítésének innovatív módszerei. Doktori (PhD) értekezés. Budapest: Nemzeti Közszolgálati Egyetem, Katonai Műszaki Doktori Iskola. https://doi.org/10.17625/NKE.2024.002
Magyar Honvédség 2015. Magyar Honvédség Összhaderőnemi Logisztikai Támogatás Doktrína. Budapest
Marin, Niculae, Spătaru, Pǎtru 2010. The role and importance of UAV within the current theaters of operations. INCAS Bulletin. 2 (2): 66–74. https://doi.org/10.13111/2066-8201.2010.2.2.9
Magyar Államvasutak Zrt. (MÁV) 2017. H.6. sz. Utasítás a rendkívüli küldemények kezelésére (UVH/VF/NS/A/3435/1/2016).
Multinational Interoperability Working Group 2012. Common Record of Logistic Reconnaissance For Coalition Partners. Washington D.C.
Müller, Vincent C. 2016. Editorial: Risks of Artilical Intelligence; In: Müller, Vincent C. (editor): Risks of general intelligence. 1–8. London: CRC Press – Chapman & Hall. https://doi.org/0000-0002-4144-4957
Nagy Péter 2007. Térinformatikai szolgáltatások fejlesztésének lehetőségei az átalakuló Magyar Honvédségben. Doktori (PhD) értekezés. Budapest: Zrínyi Miklós Nemzetvédelmi Egyetem, Bolyai János Katonai Műszaki Kar Katonai Műszaki Doktori Iskola.
Russell, Stuart, Dewey, Daniel, Tegmark, Max 2015. Research Priorities for Robust and Beneficial Artificial Intelligence. AI Magazine, 36 (4): 105–114. https://doi.org/10.1609/aimag.v36i4.2577
Szajkó Gyula, Lévai Zsolt 2021. A vasúthálózatok értékelése a hadszíntéri logisztikai felderítés végrehajtásakor. Hadtudományi Szemle. 14 (1): 27–51. https://doi.org/10.32563/HSZ.2021.1.3
Szajkó Gyula, Horváth Attila 2022. A közlekedési hálózatok értékelése a hadszíntéri logisztikai felderítés végrehajtásakor. In Földi László (szerk.): Szemelvények a katonai műszaki tudományok eredményeiből III. 371–387. Budapest: Ludovika Egyetemi Kiadó.
Szajkó Gyula 2025. A logisztikai felderítés rendszerének továbbfejlesztési lehetőségei a Magyar Honvédség műveleteinek előkészítésében. Doktori (PhD) értekezés. Budapest: Budapest: Nemzeti Közszolgálati Egyetem, Katonai Műszaki Doktori Iskola. (kiadás alatt)
Szloszjár Balázs 2017. A dandárképesség jövője – Mennyiség vagy Minőség? Honvédségi Szemle. 27 (5): 26–45.
US Marine Corps 2015. Ground Reconnaissance Operations. Washington D.C.: Department of the Navy (MCWP 2-25).
Working Group on the Trans-Asian Railway Network 2019. Inspection and monitoring of railway infrastructure using aerial drones. Bangkok: UN Economic and Social Commission for Asia and the Pacific (ESCAP/tarn/wg/2019/4).
