過 去七年來，美國馬里蘭大學(University of Maryland)先進計算機研究所客座教授Tom Snitch一直致力于研究概率性時空模型，利用他手邊可接觸到的各種數據類型以及多種變量，希望能為監視用無人機定義出最佳飛行路線，使其得以擴展至更 多的應用以及更有效率地執行任務。
Snitch的工作結合使用大數據(歷史數據和各種衛星成像資源)，從伊拉克和阿富汗戰爭期間就開始了，當時他嘗試預測路邊簡易爆炸裝置(IED)的風險，然后派出監視無人機(UAV)，檢查在他的算法中產生的熱點。
Snitch透露，“很多時候，透過派遣無人機飛抵預測性算法指示的熱點地區，我們能夠在美國軍|隊衛兵采取特定行動之前幾個小時看到有人在放置IED，甚至還能回播視訊追蹤放置IED的人回到生產該爆炸裝置的炸|彈工廠。”
這種智能工作當時并未大肆公開宣傳，但對于防止非法盜獵非洲的大象與犀牛應該很有效果。Snitch指出，他的概率性時空模型經過調校后當然可以用來阻止盜獵者接近其目標。
去 年，Snitch和他的同事們發表了一篇論文，文中介紹一種基于反盜獵引擎(簡稱APE)的數據驅動型行為模型。這種算法整合了動物活動的行為模式，并根 據歷史數據 (來自野生動物保護區管理員的觀察結果)建模了盜獵者的行為，能為空中的無人機和地面的巡邏士兵提供大量的飛行路徑協同數據集，從而最有效地保護動物，并 在盜獵者采取任何行動之前加以阻攔。
基于反盜獵引擎的數據驅動型行為模式
“我們在南非收集了多年的寶貴資料，并在研究這些資料的基礎上確定了數學模式，”Snitch解釋，“因為一些保護區的范圍非常廣泛，無人機可能飛上一個月都見不到任何東西。因此，問題的關鍵在于設法減少覆蓋的范圍。”
因此，透過從觀光旅游、過去的盜獵事件、陷阱或動物尸體等資料的大量分析，同時從地圖上去掉動物可能很少去的區域(基于地形的理由，或在特定月份沒有水坑等原因)，研究人員就能夠設計出正確的動態數學模型。
“過 去兩年來，我們已經在林白基金會的‘空中牧羊人計劃’(Lindbergh Foundations Air Shepherd initiative)指導下對南非的一些私人保護區開展APE測試了。只要我們在野生動物保護區操作無人機，盜獵活動就會馬上停止，”Snitch指 出。
利用無人機建模收集地理數據
這種監控無人機配備一套GPS以 及兩個安裝在陀螺穩定云臺系統的可變焦攝影系統(分別針對可見光和紅外線)。在夜里，即使距離很遠也非常容易地探測到游客或盜獵者的熱特征。而在白天，無 人機可以沿著保護區邊界飛行，以便辨識防護漏洞(只需數分鐘的時間，而開車巡邏則得在顛簸的道路上行駛幾個小時)，無人機操控人員還可以一邊偵測動物一邊 收集地理數據。
未來，Snitch還想利用圖像處理技術自動收集動物存在的數據。但他指出，“其挑戰在于如何為放置在灌木叢中的筆記本電腦配置足夠強大的運算能力。”
無人機操作人員正在操控無人機
根據上述這些結果，南非國家公園(SANPark)宣布，這些UAV解決方案現在已經成為打擊在克魯格國家公園(Kruger National Park)盜獵犀牛的有效策略之一。
林 白基金會也啟動了‘空中牧羊人’群眾集資運動，旨在籌集50萬美元的資金，以一年的時間在克魯格國家公園完成防盜獵計劃建置，并在第二年進一步擴展到另外 7個非洲國家(僅在2010-2013的4年間，非洲估計就有10萬頭大象被獵殺)。籌募到的資金將用于購買無人機，以及培訓更多的巡邏人員。
基于這個充分的理由，Snitch計劃向有意愿進一步開發這項反盜獵策略的非洲大學免費提供APE授權，協助學生們收集合適的資料并針對其當地物種調整算法。
Snitch 表示，他的概率性時空模型還可以讓無人機用于許多其它目的，例如對付非法伐木、調查糧食作物病蟲害的傳播及其發生來源(根據植物高光譜特征、動物活動以及 風場類型等)，甚至尋找在國家公園中迷途者(據估計，美國國家公園中每年都有幾十位的背包客迷途，因此可透過該模式提供足夠的數據實現協尋功能)。
?