In recent years, Unmanned aerial vehicles (UAVs) have developed rapidly due to advances in aerospace technology, and wireless communication systems. As a result of their versatility, cost-effectiveness, and flexibility of deployment, UAVs have been developed to accomplish a variety of large and complex tasks without terrain restrictions, such as battlefield operations, search and rescue under disaster conditions, monitoring, etc. Data collection and offloading missions in The internet of thingss (IoTs) networks can be accomplished with the use of UAVs as network edge nodes. The fundamental challenge in such scenarios is to develop a UAV movement policy that enhances the quality of mission completion and avoids collisions. Real-time learning based on neural networks has been proven to be an effective method for solving decision-making problems in a dynamic, unknown environment. In this thesis, we assume a real-life scenario in which a UAV collects data from Ground base stations (GBSs) without knowing the information of the environment. A UAV is responsible for the MOO including collecting data, avoiding obstacles, path planning, and conserving energy. Two Deep reinforcement learnings (DRLs) approaches were implemented in this thesis and compared. / Under de senaste åren har UAV utvecklats snabbt på grund av framsteg inom flygteknik och trådlösa kommunikationssystem. Som ett resultat av deras mångsidighet, kostnadseffektivitet och flexibilitet i utbyggnaden har UAV:er utvecklats för att utföra en mängd stora och komplexa uppgifter utan terrängrestriktioner, såsom slagfältsoperationer, sök och räddning under katastrofförhållanden, övervakning, etc. Data insamlings- och avlastningsuppdrag i IoT-nätverk kan utföras med användning av UAV:er som nätverkskantnoder. Den grundläggande utmaningen i sådana scenarier är att utveckla en UAV-rörelsepolicy som förbättrar kvaliteten på uppdragets slutförande och undviker kollisioner. Realtidsinlärning baserad på neurala nätverk har visat sig vara en effektiv metod för att lösa beslutsfattande problem i en dynamisk, okänd miljö. I den här avhandlingen utgår vi från ett verkligt scenario där en UAV samlar in data från GBS utan att känna till informationen om miljön. En UAV är ansvarig för MOO inklusive insamling av data, undvikande av hinder, vägplanering och energibesparing. Två DRL-metoder implementerades i denna avhandling och jämfördes.

Inkluderandet av barn i planeringsprocesser är en aktiv diskussion i samhället då barn som grupp ofta blir åsidosatta i sitt deltagande. Barn utgör ungefär 25 procent av befolkningen men de utgör 100 procent av vår framtid, vilket innebär att de bör ges möjlighet att påverka det samhälle de växer upp i. År 2020 blev barnkonventionen en svensk lag som främjar barns rättigheter och skyddar barnets bästa. För att uppnå barnets bästa och inkludera barn i planeringsprocesser finns metoden barnkonsekvensanalys. Denna metod analyserar planeringsprojekts konsekvenser, bedömer hur barn påverkas av planeringssituationer samt presenterar lösningar för att uppnå den mest gynnsamma miljön för barn. Denna uppsats syftar till att undersöka möjligheter och utmaningar med barnkonsekvensanalys i planeringsprocesser genom att implementera metoden i Trafikverkets planering för en ny vägplan (väg 684). Undersökningen genomförs baserat på metoderna barnkonsekvensanalys och aktionsforskning för att både möjliggöra en implementering och en reflektion av processen. Tillvägagångssättet för metoderna består av workshops, gåtur och intervju varpå dess resultat analyseras och reflekteras över. Resultatet diskuteras utifrån teorier om barns rättigheter, både i den fysiska miljön samt i planeringsprocesser. Uppsatsens slutsats är att det finns ett flertal utvecklingsmöjligheter för barnkonsekvensanalys som bör beaktas för att metoden ska uppnå sin fulla potential. Detta inkluderar exempelvis att öka förståelsen för barnens perspektiv och ge barnkonsekvensanalys ökat utrymme inom planeringsprocesser. Implementeringen av barnkonsekvensanalysen i Trafikverkets planering ger slutsatsen att förslagen för vägplanen gynnar barnets bästa. Det finns dock utmaningar med metoden som måste hanteras för att barnens delaktighet ska förbättras, exempelvis gällande utformningen av kunskapsinhämtning. / The inclusion of children in planning processes is an active discussion in society as children as a group often become disregarded in their participation. Children constitute about 25 percent of the population, but they constitute 100 percent of our future, which means that they should be given the opportunity to influence the society in which they grow up. In the year 2020, the Convention on the Rights of the Child became a Swedish law that promotes children’s rights and protects what is best for the children. To fulfill the children’s best interests and include children in planning processes, there is a method called child impact assessment. This method analyzes the consequences of planning projects, assesses how children are affected by planning situations, and presents solutions to achieve the most advantageous environment for children. This thesis aims to investigate opportunities and challenges with child impact assessment in planning processes by implementing the method in the Swedish Transport Administration’s planning for a new transportation plan (road 684). The thesis is conducted based on the methods of child impact assessment and action research to enable both an implementation and a reflection of the process. The implementation of the methods consists of workshops, child-led tour, and interview, after which the results are analyzed and reflected on. The results are discussed based on theories about children’s rights, both in the physical environment and in planning processes. The thesis’ conclusion is that there are several development opportunities for child impact assessment that should be considered for the method to reach its full potential. This includes, for example, improved understanding of children’s perspectives and giving child impact assessment more space in planning processes. The implementation of the child impact assessment in the Swedish Transport Administration’s planning gives the conclusion that the proposals for the transportation plan benefit children’s best interests. However, there are challenges with the method that must be addressed in order for the children’s participation to be improved, for example regarding the design of knowledge acquisition.