CN107300927B - 一种无人机基站选址与巡逻路径优化方法及装置 - Google Patents

一种无人机基站选址与巡逻路径优化方法及装置 Download PDF

Info

Publication number
CN107300927B
CN107300927B CN201710493615.6A CN201710493615A CN107300927B CN 107300927 B CN107300927 B CN 107300927B CN 201710493615 A CN201710493615 A CN 201710493615A CN 107300927 B CN107300927 B CN 107300927B
Authority
CN
China
Prior art keywords
unmanned aerial
base station
aerial vehicle
patrol
aerial vehicles
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710493615.6A
Other languages
English (en)
Other versions
CN107300927A (zh
Inventor
刘忠
刘瑶
石建迈
陈超
罗志浩
张家铭
王玥
周天任
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN201710493615.6A priority Critical patent/CN107300927B/zh
Publication of CN107300927A publication Critical patent/CN107300927A/zh
Application granted granted Critical
Publication of CN107300927B publication Critical patent/CN107300927B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/10Simultaneous control of position or course in three dimensions
    • G05D1/101Simultaneous control of position or course in three dimensions specially adapted for aircraft

Abstract

本发明提供一种无人机基站选址与巡逻路径优化方法及装置,所述方法包括:根据无人机侦察的目标点和基站的欧式距离对目标点进行聚类处理,而后对每个类按照CW节约搜索算法规划无人机路径,以无人机续航时间约束无人机巡逻路径,检测并调整无人机配置得到无人机基站选址与巡逻路径的初始方案;对初始方案进行邻域搜索,获得无人机基站选址与巡逻路径邻域调整后的新方案;计算无人机基站选址与巡逻路径的新方案的总费用;若判定新方案总费用比原初始方案总费用减少,则保存新方案,并在新方案的基础上进行领域搜索,否则舍弃,重新进行领域搜索,直到达到预定的领域搜索次数。上述技术方案可以使无人机基站选址与巡逻路径成本最小化。

Description

一种无人机基站选址与巡逻路径优化方法及装置
技术领域
本发明涉及无人机技术领域,尤其涉及一种无人机基站选址与巡逻路径优化方法及装置。
背景技术
近年来边境地区偷渡、走私、恐怖活动等犯罪行为日渐严重,犯罪形式呈现出多样化、智能化、隐蔽化的趋势,这都对边防部队的监测能力和反应速度提出了较高的要求。而且我国陆地边境线大部分为高山大漠区域,地理位置复杂、环境恶劣,靠站岗和人工巡逻这种传统的边防监测方式效率低、危险性高、反应速度慢,无法满足当前边境形势的需求。安装摄像头这种监控方式也因其成本高、后期难以维护,无法进行广泛应用。因此,随着无人机和空中监视技术的发展,在边防地区部署无人机进行监控和巡逻的做法逐渐普及,美国、意大利等国已经率先使用无人机协助边境巡逻。
由于美国部分边境线穿过无人居住和难以通行的区域,地面摄像机、传感器等设备难以维护,非法越境和贩毒活动频发,美国国土安全局于2003年开始研究将无人机应用于边境巡逻。同年,选定长航时的高空无人机“捕食者B”进行侦查巡逻。在一些难以建设基础设施或不便到达的偏僻地区,“捕食者B”能够帮助边境局准确分辨边境入侵情况,大大提高监控的反应速度和边境的巡逻效率。但是“捕食者B”作为大型无人机,更多的用于高空监控,一方面其飞行路线需经过飞行管制和调度,另一方面,在树林等有树叶或其他物体遮盖的区域,高空监控难以发现小规模的犯罪行为,巡逻精度较低。在小型无人机方面,美国警方分别在亚利桑那州和洛杉矶使用“skywalkers X8”和“dranganflyer X6”协助侦查,这两种小型无人机的重量较轻、可拆卸装入背包,其续航能力只有30分钟左右,时间较短,主要作为边境监控协助工具来帮助边境人员扩大巡逻监控的视线范围。
许多欧洲国家也已经开始应用无人机用于边境巡逻。欧盟在2006年决定在地中海沿岸和拉芒什海峡附近的边境线使用无人机进行巡逻,预防偷渡、走私、恐怖活动等。意大利国防部也已经从2008年开始使用无人机,先后6架购买了“收割者”MQ-9无人机,用来加强巡逻效率和为边防部队提供保障。据报道,俄罗斯联邦安全局已经使用国产的“副翼”进行空中侦查。边防部门表示,在巡视难以到达的交通困难路段,无人驾驶航空系统能够协助边防监控,查明偷猎活动,并引导边防值勤人员去抓捕违法者。
此外,巴西、以色列、土耳其等国家也相继在边防监控上引入无人机辅助完成巡逻任务。
国内方面,新疆边防部队在2013年引进了相应的六旋翼无人机,在山地复杂区域协助边防执勤,帮助官兵进一步消除观察盲区,加强边防监控和管理力度,确保边防地区的安全稳定。之后,内蒙古省内的边防线也进行了无人机的部署,用以帮助官兵更高效更安全的完成在大漠戈壁内的巡逻和监控。2016年11月,广东省公安边防总队利用多架无人机对粤港的边防线进行巡逻监控,为打击偷渡走私等违法犯罪活动提供技术保障。
从国外无人机在边防巡逻的应用来看,无人机能够大大提高边防部队的边境监控能力、反应速度和巡逻效率,很好的弥补了传统手段的不足,得到了越来越多国家的重视与应用将成为边境巡查的重要力量。从国内无人机边防巡逻情况来看,还处于起步阶段,在新疆、内蒙等地进行了一些试点部署应用,随着无人机技术的发展与推广应用,将成为我国边境巡逻的重要组成力量。
确定无人机的部署基站和规划无人机巡逻的飞行路线是应用无人机辅助边防巡逻时面临的一个关键技术问题。
发明内容
本发明实施例提供一种无人机基站选址与巡逻路径优化方法及装置,以使无人机基站选址与巡逻路径成本最小化,大大降低无人机巡逻成本。
一方面,本发明实施例提供了一种无人机基站选址与巡逻路径优化方法,所述方法包括:
根据无人机侦察的目标点和基站的欧式距离对目标点进行聚类处理,而后对每个类按照CW节约搜索算法规划无人机路径,检测并调整基站的无人机数量,得到无人机基站选址与巡逻路径的初始方案;
对所述初始方案进行邻域调整,获得无人机基站选址与巡逻路径邻域调整后的新方案;
计算所述无人机基站选址与巡逻路径的新方案的总费用;
若判定所述新方案总费用比原方案总费用减少,则保存新方案,并在新方案的基础上进行下一步迭代,否则舍弃。
另一方面,本发明实施例提供了一种无人机基站选址与巡逻路径优化装置,其特征在于,所述装置包括:
初始方案获取单元,用于根据无人机侦察的目标点和基站的欧式距离对目标点进行聚类处理,而后对每个类按照CW节约搜索算法规划无人机路径,检测并调整基站的无人机数量,得到无人机基站选址与巡逻路径的初始方案;
邻域调整单元,用于对所述初始方案进行邻域调整,获得无人机基站选址与巡逻路径邻域调整后的新方案;
费用计算单元,用于计算所述无人机基站选址与巡逻路径的新方案的总费用;
迭代判断单元,用于若判定所述新方案总费用比原方案总费用减少,则保存新方案,并在新方案的基础上进行下一步迭代,否则舍弃。
上述技术方案具有如下有益效果:可以使无人机基站选址与巡逻路径成本最小化,大大降低无人机巡逻成本,且能够给出更优的选址路径规划方案。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一种无人机基站选址与巡逻路径优化方法流程图;
图2为本发明实施例一种无人机基站选址与巡逻路径优化装置结构示意图;
图3为本发明实施例邻域调整单元结构示意图;
图4为本发明实施例无人机边境巡逻基站选址与飞行路径规划问题的示意图;
图5为本发明实施例基站关闭示意图;
图6为本发明实施例目标点交换的示意图;
图7为本发明实施例限定条件下的控制基站候选点和侦查目标点示意图;
图8为本发明实施例求得的实验案例初始方案(a)和邻域搜索后的优化方案(b)示意图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例针对无人机边防巡逻中的部署基站选址和巡逻路线规划问题展开研究,依托现有边防部队设施,以边防哨所作为可供部署无人机的候选基站,以边境重要巡逻区域为巡逻侦察目标,建立无人机基站选址与巡逻路线集成优化的数学规划模型,基于聚类分配与启发式搜索设计模型的快速求解算法,为无人机在边防巡逻邻域的应用提供技术支撑。
如图1所示,为本发明实施例一种无人机基站选址与巡逻路径优化方法流程图,所述方法包括:
101、根据无人机侦察的目标点和基站的欧式距离对目标点进行聚类处理,而后对每个类按照CW节约搜索算法规划无人机路径,检测并调整基站的无人机数量,得到无人机基站选址与巡逻路径的初始方案;
102、对所述初始方案进行邻域调整,获得无人机基站选址与巡逻路径邻域调整后的新方案;
103、计算所述无人机基站选址与巡逻路径的新方案的总费用;
104、若判定所述新方案总费用比原方案总费用减少,则保存新方案,并在新方案的基础上进行下一步迭代,否则舍弃。
优选地,所述根据无人机侦察的目标点和基站的欧式距离对目标点进行聚类处理,而后对每个类按照CW节约搜索算法规划无人机路径,检测并调整基站的无人机数量,得到无人机基站选址与巡逻路径的初始方案,包括:
Step1:已知侦查目标点集合和基站候选点集合以及每个点的位置,根据欧式距离,将每个侦查目标点分配给距离最近的基站候选点;
Step2:计算每个基站候选点分配到目标点的数量,找出分配到目标点数量最多的基站,将该基站设定为开设状态,并移除候选基站集合;
Step3:针对目标点数量最多的基站,计算目标点到基站的节约矩阵;
Step4:应用节约算法构建基站的无人机巡逻路径,包括以下子步骤
Step4.1:根据节约矩阵,在无人机的航程约束下,按照节约里程量从大到小的顺序,对目标侦查点进行依次合并;
Step4.2:判断是否达到无人机续航能力约束下的最大回路,如果达到则为该基站增加一架无人机,转Step4.3;如果没有达到,则继续判断是否还有未合并的目标点,如果没有,则为该基站增加一架无人机,转Step5,如果还有未合并的目标点则转Step4.1;
Step4.3:判断基站无人机数量是否达到上限,如果达到,则将还未合并的搜索目标点按照距离最近原则重新分配给未开设的基站候选点,并转Step2,如果没有达到,则转Step4.1;
Step5:检查是否还有未侦察的目标点,如果有则转Step2,如果没有进入Step6;
Step6:检测基站无人机配置数量,按无人机配置数量由少到多排序,如果无人机配置数量最少的达到基站配置数量的下限,则结束,给出初始方案;如果没有达到,则进行如下操作:
Step6.1:如果该基站只有一个相邻基站,并且相邻基站无人机配置数量少于上限,则关闭该基站,将其目标分配给相邻的基站,应用Step4的节约算法重新构建无人机巡逻路径,若应用基站配置上限数量的无人机能够完成所有目标的巡逻,则转Step6,若不能完成所有目标的巡逻,则转Step6.3;
Step6.2:如果该基站有两个相邻的基站,则关闭该基站,将其目标先分配给无人机数量较少的相邻基站,应用Step4的节约算法重新构建无人机巡逻路径,若应用基站配置上限数量的无人机能够完成所有目标的侦察,则转Step6,则将该相邻基站的无人机配置到上限数量,并将剩余不能访问的目标分配给第二个相邻基站,应用Step4的节约算法重新计算第二个相邻基站的无人机巡逻路径,若第二个相邻基站应用配置上限数量的无人机能够完成所有目标的巡逻,则转Step6,否则转Step6.3;
Step6.3:为无人机数量少于下限的基站增加1架无人机,该无人机按照最近原则顺序访问相邻基站中无人机数量较多的一个基站分配的目标点,构建该无人机的最大访问回路,依次为该基站增加无人机,直到达到无人机下限数量要求,然后对该相邻基站剩余的目标点应用Step4的节约算法重新构建无人机巡逻路径,转Step6;
Step7:若Step6循环次数超过候选基站总数,则停止算法,给出基站选址和无人机巡逻路径的初始方案。
优选地,对所述初始方案进行邻域调整时调用如下元操作:关闭基站操作:关闭基站并重新分配相应目标点,使控制基站的无人机完全利用,以降低巡逻费用。
优选地,对所述初始方案进行邻域调整时调用如下元操作:交换目标点操作:在同一基站的两个无人机飞行回路内各自随机选择一个目标点,进行交换。
优选地,对所述初始方案进行邻域调整时调用如下元操作:合并无人机路由:在满足无人机续航能力的约束条件下,随机选取一个基站或两个邻近基站的两条无人机飞行回路进行合并。
如图2所示,为本发明实施例一种无人机基站选址与巡逻路径优化装置结构示意图,所述装置包括:
初始方案获取单元21,用于根据无人机侦察的目标点和基站的欧式距离对目标点进行聚类处理,而后对每个类按照CW节约搜索算法规划无人机路径,检测并调整基站的无人机数量,得到无人机基站选址与巡逻路径的初始方案;
邻域调整单元22,用于对所述初始方案进行邻域调整,获得无人机基站选址与巡逻路径邻域调整后的新方案;
费用计算单元23,用于计算所述无人机基站选址与巡逻路径的新方案的总费用;
迭代判断单元24,用于若判定所述新方案总费用比原方案总费用减少,则保存新方案,并在新方案的基础上进行下一步迭代,否则舍弃。
优选地,所述初始方案获取单元21,具体用于根据无人机侦察的目标点和基站的欧式距离对目标点进行聚类处理,而后对每个类按照CW节约搜索算法规划无人机路径,以无人机续航时间约束限定无人机巡逻路径,并限定每个基站配置无人机数量的上下限,得到无人机基站选址与巡逻路径的初始方案,包括:
Step1:已知侦查目标点集合和基站候选点集合以及每个点的位置,根据欧式距离,将每个侦查目标点分配给距离最近的基站候选点;
Step2:计算每个基站候选点分配到目标点的数量,找出分配到目标点数量最多的基站,将该基站设定为开设状态,并移除候选基站集合;
Step3:针对目标点数量最多的基站,计算目标点到基站的节约矩阵;
Step4:应用节约算法构建基站的无人机巡逻路径,包括以下子步骤
Step4.1:根据节约矩阵,在无人机的航程约束下,按照节约里程量从大到小的顺序,对目标侦查点进行依次合并;
Step4.2:判断是否达到无人机续航能力约束下的最大回路,如果达到则为该基站增加一架无人机,转Step4.3;如果没有达到,则继续判断是否还有未合并的目标点,如果没有,则为该基站增加一架无人机,转Step5,如果还有未合并的目标点则转Step4.1;
Step4.3:判断基站无人机数量是否达到上限,如果达到,则将还未合并的搜索目标点按照距离最近原则重新分配给未开设的基站候选点,并转Step2,如果没有达到,则转Step4.1;
Step5:检查是否还有未侦察的目标点,如果有则转Step2,如果没有进入Step6;
Step6:检测基站无人机配置数量,按无人机配置数量由少到多排序,如果无人机配置数量最少的达到基站配置数量的下限,则结束,给出初始方案;如果没有达到,则进行如下操作:
Step6.1:如果该基站只有一个相邻基站,并且相邻基站无人机配置数量少于上限,则关闭该基站,将其目标分配给相邻的基站,应用Step4的节约算法重新构建无人机巡逻路径,若应用基站配置上限数量的无人机能够完成所有目标的巡逻,则转Step6,若不能完成所有目标的巡逻,则转Step6.3;
Step6.2:如果该基站有两个相邻的基站,则关闭该基站,将其目标先分配给无人机数量较少的相邻基站,应用Step4的节约算法重新构建无人机巡逻路径,若应用基站配置上限数量的无人机能够完成所有目标的侦察,则转Step6,则将该相邻基站的无人机配置到上限数量,并将剩余不能访问的目标分配给第二个相邻基站,应用Step4的节约算法重新计算第二个相邻基站的无人机巡逻路径,若第二个相邻基站应用配置上限数量的无人机能够完成所有目标的巡逻,则转Step6,否则转Step6.3;
Step6.3:为无人机数量少于下限的基站增加1架无人机,该无人机按照最近原则顺序访问相邻基站中无人机数量较多的一个基站分配的目标点,构建该无人机的最大访问回路,依次为该基站增加无人机,直到达到无人机下限数量要求,然后对该相邻基站剩余的目标点应用Step4的节约算法重新构建无人机巡逻路径,转Step6;
Step7:若Step6循环次数超过候选基站总数,则停止算法,给出基站选址和无人机巡逻路径的初始方案。
如图3所示,为本发明实施例邻域调整单元结构示意图,优选地,所述邻域调整单元22包括:
第一元操作模块221,用于对所述初始方案进行邻域调整时调用如下元操作:关闭基站操作:关闭基站并重新分配相应目标点,使控制基站的无人机完全利用,以降低巡逻费用。
优选地,所述邻域调整单元22包括:
第二元操作模块222,用于对所述初始方案进行邻域调整时调用如下元操作:交换目标点操作:在同一基站的两个无人机飞行回路内各自随机选择一个目标点,进行交换。
优选地,所述邻域调整单元22包括:
第三元操作模块223,用于对所述初始方案进行邻域调整时调用如下元操作:合并无人机路由:在满足无人机续航能力的约束条件下,随机选取一个基站或两个邻近基站的两条无人机飞行回路进行合并。
上述技术方案具有如下有益效果:可以使无人机基站选址与巡逻路径成本最小化,大大降低无人机巡逻成本,且能够给出更优的选址路径规划方案。
以下通过应用实例进行详述:
无人机作为一种可控制、能搭载多种传感器的无人驾驶航空飞行器。近些年,无人机受到越来越多的重视,发展迅猛,在军事、科研、民用三大邻域有着宽广的使用范围和应用前景。
1、无人机边防巡逻系统组成
根据本文中边境巡逻的应用背景,无人机巡逻系统主要由以下五大部分组成:控制基站、无人机、任务载荷、发射回收装置、通信链路。
(1)控制基站
在边境巡逻任务中,控制基站一般建立在地面。地面站系统中包含图像显示器、侦查信息分析等软硬件系统,主要进行无人机飞行指令的发送、无人机飞行状态的监控、实时视频信息处理等。
一方面,控制人员在基站内利用通信设备给无人机发送指令,控制无人机的飞行和任务载荷的运转。另一方面,通过通信链路,控制人员也能获得无人机传回的信息和图像,包括无人机的地理位置、飞行高度、航速、电源电压、以及无人机传回的实时图像等。
除此之外,控制基站一般还集成有与外界联系的通信系统,主要用来请示上级、接收上级下达的任务、以及获取天气等外界信息。
(2)无人机
在无人机巡逻过程中,无人机的主要任务是承载相应的任务载荷,从基站起飞按照指令,在边境线附近完成巡逻任务后返回基站。
首先,无人机机体需要有足够的载重能力,能够搭载各种任务载荷,包括电池、摄像头等传感器。其次,无人机的飞行高度也有相应的限制。中国陆地边境线22000多公里中有部分为高山区域,且有树林覆盖,故无人机有时需要跨越山丘树林等障碍物,这就要求无人机最大飞行高度不低于3000米,能够在中高空进行一段时间的飞行任务。但是如果无人机飞行高度过高,则通过无人机传输的画面难以发现山区或树林中的违法行为,导致辨识精度大大降低,因此要求无人机能够在低空,甚至在发现异常需要深入勘察时超低空飞行。第三,边境巡逻也对无人机的飞行速度和续航时间提出了要求。一方面我国边境线较长、巡逻任务较复杂,只有当无人机续航时间不低于1小时,巡航速度不低于每小时50公里时,才能合理安排基站位置和无人机数量,降低基站建设和无人机使用带来的费用。另一方面,巡逻任务中可能出现不明的异常情况,需要进一步检测,这就要求无人机能够降低速度缓速飞行甚至具有悬停能力。
(3)任务载荷
任务载荷的类型和性能是根据所完成的任务来决定的。
无人机首先需要搭载一定容量的能量单元,如电池或燃油,并且能量单元的容量也有一定限制。容量过低则不足以支撑无人机长时间的飞行巡逻,容量过高则能量过重无人机无法承载。其次,无人机需要承载包括摄像机在内的简易视频成像系统,基站内的控制人员可以通过调整摄像机的方向、焦距等,获取清晰准确的实时图像信息。此外,无人机还需承载导航系统,利用卫星进行定位,也可搭载异频雷达收发机,这样控制人员可以通过基站内的雷达显示器,获取无人机的方位和距离。
(4)发射回收装置
对于巡逻任务过程中使用的小型无人机,如果采用可以垂直起飞的多旋翼无人机,则无需发射装置。但对于无法垂直起飞的无人机,一般可采用人工投掷的方式,或者是利用倾斜滑道通过推力发射无人机,也就是简易的发射装置。
由于无人机成本较高,巡逻任务中的无人机需要在回收装置的保护下安全返回基站。主要采用回收伞的形式,当无人机完成任务、返回至基站附近时,控制人员通过发送指令使得发动机慢车,无人机减速、降高。一定时间后,无人机降到合适高度和速度,同样通过发送指令使得发动机停车,回收伞打开,并在合适高度时打开回收伞,使得无人机在伞下慢慢着陆,降低着陆时机体和任务设备的损伤。
(5)通信链路
通信链路是控制站和无人机之间实现实时信息交换的通道,有上行通信链路和下行通信链路之分。
上行通信链路指从控制基站到无人机的通信链路,主要传送的有:无人机的飞行控制指令,任务载荷的运行指令,相关的位置更新信息等。
下行通信链路指从无人机传送信息回控制基站,传送的信息包括无人机的位置信息,任务载荷获取的相关图像和数据,以及无人机上监测的飞行参数和状态信息,比如电量、飞行速度、飞行高度等。
2、基站选址与巡逻路径优化的模型构建
下面对无人机的基站选址和巡逻路径协同规划问题中的相关因素进行数学定义,构建了基站选址与巡逻路经规划的0-1整数规划模型。
如图4所示,为本发明实施例无人机边境巡逻基站选址与飞行路径规划问题的示意图。已知一系列基站候选点和侦查目标点的情况下,以最小化巡逻成本和基站建立成本等总体费用为目标函数,考虑到无人机续航能力及控制基站中无人机数量等约束,构建模型如图4所示。
2.1基站选址与巡逻路径优化问题描述
在基站选址和巡逻路径优化问题中,问题因素主要有候选基站、侦查目标、无人机。本节主要对三个因素进行定义和约束分析,并明确模型的优化目标。
2.1.1候选基站
在无人机边境巡逻任务中,首先需要建立一系列相应的基站并装备相应的无人机系统。一般情况下,无人机基站可以建立在边防哨所,便于利用连队的现有设施来降低基站的建设成本,也可以建立在无人机巡逻的边境线附近,更有利于无人机的飞行调度。这些边防哨所或候选地点构成候选基站集合M={1,2,…,m}。当候选基站确定建设为无人机基站时,一般需要建立通信站、起飞回收装置等相应的配套设施,还需要配置无人机指控、飞行监测、侦察信息分析等软硬件系统,从而会产生一个建设基站的固定成本Ci(i∈M)。同样出于经济成本和军事编制的考虑,在一个基站内,无人机数量也有相应的限制。无人机数量过少时经济上则不能够充分利用固定基站的价值,编制上也不合理;同样受军事编制和固定设施容量限制,配备的无人机也不能超过一定数量。基站配置无人机数量的下限记为aL,上限记为aU
2.1.2侦查目标
侦察目标是指分布在边境线上的一个小的区域或一段道路,在该区域内可能发生走私、偷渡等违法行为,需要对其进行频繁巡逻侦察。将这些目标区域或线段抽象为一系列侦察目标点,构成侦察目标集合,记为N={1,2,L,n}。无人机在每一个侦察目标i(i∈N)都需要盘旋一定时间以完成对该目标区域的侦察任务,记为目标i的服务时间si。任意两个侦察目标(或侦察目标与基站)i,j(i,j∈MUN)之间飞行距离已知,记为dij
2.1.3无人机
无人机作为用于边防巡逻的一种新兴高科技手段,能够在较短时间内完成对边境的巡逻和侦察,节省了人力资源的同时也大大提高了巡逻效率。由所有基站内的无人机构成无人机集合,记为V={1,2,L,v}。因为无人机在使用前后均需要进行相应的维护,从而会产生一个使用无人机的固定成本Fk(k∈V)。假设无人机在巡逻过程中始终匀速飞行,又任意两侦察目标(或侦察目标与基站)i,j(i,j∈MUN)之间飞行距离已知,可以得到任意两点之间的飞行时间,记为tij。而无人机在巡逻任务中会受到续航能力的限制,即无人机访问多个目标的飞行时间与服务时间的总和不能超过其最大续航时间,记为D。
2.1.4优化目标
1)最小化基站建设的总体成本;
2)用尽可能少的无人机完成所有侦察目标的巡逻;
3)无人机对所有侦察目标完成一次巡逻的总体成本最小。
通过对三个方面的目标相加,确定总体优化目标。通过优化基站的选址、每个基站无人机的配置数量以及每架无人机的飞行路线等方面的决策,来优化总体目标。
2.2问题模型构建
通过3.1中的问题描述,对建模过程中用到的参数和决策变量总结如下:
Figure BDA0001331971340000111
Figure BDA0001331971340000121
数学模型:
Figure BDA0001331971340000122
使得:
Figure BDA0001331971340000123
Figure BDA0001331971340000124
Figure BDA0001331971340000126
Figure BDA0001331971340000127
Figure BDA0001331971340000128
Figure BDA00013319713400001210
Figure BDA00013319713400001211
Figure BDA00013319713400001212
Figure BDA0001331971340000131
目标函数(2.1)最小化基站建设、无人机固定使用与飞行等的总体成本。约束(2.2)确保所有基站和目标点的出入度相等,表示若无人机从一个节点飞入(飞出),则必须从该节点飞出(飞入)。约束(2.3)表示每个目标点必须被访问且只能被访问1次,即必须且只能分配到一架无人机的飞行回路中。约束(2.4)表示每架无人机的飞行时间和服务时间不得超过其续航能力。约束(2.5)表示每架无人机在一次规划中最多被调用1次。约束(2.6)表示无人机只能从建设基站出发,并且每个建设基站配置的无人机数不能超过其上限。约束(2.7)表示当在候选基站位置建设基站时,配置的无人机数量不能少于其下限。约束(2.8)表示每架无人机必须返回至原来出发的基站。约束(2.9)确保每架无人机的飞行路线中不能存在子回路。约束(2.10)-(2.12)为变量取值范围约束。
3、基于目标聚类与CW节约搜索的启发式算法:
3.1.1初始方案生成
Clarke和Wright于1964年提出节约算法,该算法虽然为解决车辆路径问题提供了一个简单易行的途径,但并没有考虑选址问题,也没有考虑车辆的数量限制问题。
基于目标聚类与CW节约搜索的启发式算法在寻找初始方案的过程中,首先根据目标点和基站的欧式距离(euclidean metric,欧几里得度量,也称欧氏距离,是一个通常采用的距离定义,指在m维空间中两个点之间的真实距离)对目标点进行聚类处理,而后对每个类借鉴CW节约搜索算法进行路径规划,从而寻得初始方案。
初始方案生成的大致思路阐述如下:
Step1:已知侦查目标点集合和基站候选点集合以及每个点的位置,根据欧式距离,将每个侦查目标点分配给距离最近的基站候选点;
Step2:计算每个基站候选点分配到目标点的数量,找出分配到目标点数量最多的基站,将该基站设定为开设状态,并移除候选基站集合;
Step3:针对目标点数量最多的基站,计算目标点到基站的节约矩阵;
Step4:应用节约算法构建基站的无人机巡逻路径,包括以下子步骤
Step4.1:根据节约矩阵,在无人机的航程约束下,按照节约里程量从大到小的顺序,对目标侦查点进行依次合并;
Step4.2:判断是否达到无人机续航能力约束下的最大回路,如果达到则为该基站增加一架无人机,转Step4.3;如果没有达到,则继续判断是否还有未合并的目标点,如果没有,则为该基站增加一架无人机,转Step5,如果还有未合并的目标点则转Step4.1;
Step4.3:判断基站无人机数量是否达到上限,如果达到,则将还未合并的搜索目标点按照距离最近原则重新分配给未开设的基站候选点,并转Step2,如果没有达到,则转Step4.1;
Step5:检查是否还有未侦察的目标点,如果有则转Step2,如果没有进入Step6;
Step6:检测基站无人机配置数量,按无人机配置数量由少到多排序,如果无人机配置数量最少的达到基站配置数量的下限,则结束,给出初始方案;如果没有达到,则进行如下操作:
Step6.1:如果该基站只有一个相邻基站,并且相邻基站无人机配置数量少于上限,则关闭该基站,将其目标分配给相邻的基站,应用Step4的节约算法重新构建无人机巡逻路径,若应用基站配置上限数量的无人机能够完成所有目标的巡逻,则转Step6,若不能完成所有目标的巡逻,则转Step6.3;
Step6.2:如果该基站有两个相邻的基站,则关闭该基站,将其目标先分配给无人机数量较少的相邻基站,应用Step4的节约算法重新构建无人机巡逻路径,若应用基站配置上限数量的无人机能够完成所有目标的侦察,则转Step6,则将该相邻基站的无人机配置到上限数量,并将剩余不能访问的目标分配给第二个相邻基站,应用Step4的节约算法重新计算第二个相邻基站的无人机巡逻路径,若第二个相邻基站应用配置上限数量的无人机能够完成所有目标的巡逻,则转Step6,否则转Step6.3;
Step6.3:为无人机数量少于下限的基站增加1架无人机,该无人机按照最近原则顺序访问相邻基站中无人机数量较多的一个基站分配的目标点,构建该无人机的最大访问回路,依次为该基站增加无人机,直到达到无人机下限数量要求,然后对该相邻基站剩余的目标点应用Step4的节约算法重新构建无人机巡逻路径,转Step6;
Step7:若Step6循环次数超过候选基站总数,则停止算法,给出基站选址和无人机巡逻路径的初始方案。
3.1.2邻域搜索
在得到初始方案之后,需要对初始方案进行相应的邻域调整,主要有三个元操作Nk(k=1,2,3):
1)关闭基站操作。
在初始方案的规划过程中,存在控制基站的无人机未完全利用的情况,所以,关闭基站并重新分配相应目标点,能够在一定概率上降低巡逻费用。如图5所示,为本发明实施例基站关闭示意图。候选基站a配置了2架无人机进行巡逻,而临近的候选基站b也配置了2架无人机,基站无人机配置数量的上限是4架,此时关闭候选基站a,并为候选基站b增加2架无人机,对原属于基站a的目标点进行巡逻。
2)交换目标点操作。
这一元操作,指在同一基站的两个无人机飞行回路内各自随机选择一个目标点,进行交换。如图6所示,为本发明实施例无人机路由内目标点交换的示意图。
3)合并无人机路由。
在满足无人机续航能力的约束条件下,随机选取一个基站或两个邻近基站的两条无人机路径进行合并。
每次迭代中,随机调用这三个元操作中的任意一个,并计算新规划方案的总体费用,若费用减少,则保存新方案,并在新方案的基础上进行下一步迭代,否则舍弃。
4、应用示例
在实验设计过程中,考虑到边境巡逻这一背景的特殊性,由于是对一段边境线进行巡逻,所以侦查区域设定为一个不规则的带状区域。图7给出了一个包含5个基站和20个目标点的实施例,基站与目标点的坐标位置如表4-1所示。图7中的虚线并不表示边境线,是在实验设计中为分开候选基站和目标点而设置的一条分界线。本示例中无人机的续航时间设定为3小时,巡逻飞行速度设定为70公里每小时。每个基站配属无人机的数量限定为最少2架,最多4架。每个目标点的侦察服务时间设定为0.2小时。
表4-1 候选基站与目标点坐标
Figure BDA0001331971340000161
如图8所示,为本发明实施例求得的实验案例初始方案(a)和邻域搜索后的优化方案(b)示意图。可以看出,节约搜索算法找到的初始方案中最大可能的利用了无人机的续航能力。经过邻域搜索算法的调整,图(b)对部分基站进行了合并,关闭了基站3,降低了基站建设费用。
如表4-2所示,巡逻成本由原来的312199降低至251886,即巡逻成本同比下降19%,验证了算法的可行性。
表4-2 求得的实验案例初始方案和邻域搜索后的优化方案详细对比
Figure BDA0001331971340000162
通过测试可知,本发明实施例技术方案能完成边境巡逻背景下的基站选址和无人机路径规划问题,能够给出更优的选址路径规划方案。并且,在测试中,也发现,经过邻域搜索的调整,能够显著优化初始方案,大大降低巡逻成本。
应该明白,公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好,应该理解,过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素,并且不是要限于所述的特定顺序或层次。
在上述的详细描述中,各种特征一起组合在单个的实施方案中,以简化本公开。不应该将这种公开方法解释为反映了这样的意图,即,所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反,如所附的权利要求书所反映的那样,本发明处于比所公开的单个实施方案的全部特征少的状态。因此,所附的权利要求书特此清楚地被并入详细描述中,其中每项权利要求独自作为本发明单独的优选实施方案。
为使本领域内的任何技术人员能够实现或者使用本发明,上面对所公开实施例进行了描述。对于本领域技术人员来说;这些实施例的各种修改方式都是显而易见的,并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此,本公开并不限于本文给出的实施例,而是与本申请公开的原理和新颖性特征的最广范围相一致。
上文的描述包括一个或多个实施例的举例。当然,为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的,但是本领域普通技术人员应该认识到,各个实施例可以做进一步的组合和排列。因此,本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外,就说明书或权利要求书中使用的术语“包含”,该词的涵盖方式类似于术语“包括”,就如同“包括,”在权利要求中用作衔接词所解释的那样。此外,使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability),上述的各种说明性部件(illustrative components),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块,或单元都可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于用户终端中。可选地,处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中,本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置,或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (6)

1.一种无人机基站选址与巡逻路径优化方法,其特征在于,所述方法包括:
根据无人机侦察的目标点和基站的欧式距离对目标点进行聚类处理,而后对每个类按照CW节约搜索算法规划无人机路径,以无人机续航时间约束限定无人机巡逻路径,并限定每个基站配置无人机数量的上下限,得到无人机基站选址与巡逻路径的初始方案,获得所述初始方案包括以下步骤:
Step1:已知侦查目标点集合和基站候选点集合以及每个点的位置,根据欧式距离,将每个侦查目标点分配给距离最近的基站候选点;
Step2:计算每个基站候选点分配到目标点的数量,找出分配到目标点数量最多的基站,将该基站设定为开设状态,并移出候选基站集合;
Step3:针对目标点数量最多的基站,计算目标点到基站的节约矩阵;
Step4:应用节约算法构建基站的无人机巡逻路径,包括以下子步骤:
Step4.1:根据节约矩阵,在无人机的航程约束下,按照节约里程量从大到小的顺序,对目标侦查点进行依次合并;
Step4.2:判断是否达到无人机续航能力约束下的最大回路,如果达到则为该基站增加一架无人机,转Step4.3;如果没有达到,则继续判断是否还有未合并的目标点,如果没有,则为该基站增加一架无人机,转Step5,如果还有未合并的目标点则转Step4.1;
Step4.3:判断基站无人机数量是否达到上限,如果达到,则将还未合并的搜索目标点按照距离最近原则重新分配给未开设的基站候选点,并转Step2,如果没有达到,则转Step4.1;
Step5:检查是否还有未侦察的目标点,如果有则转Step2,如果没有进入Step6;
Step6:检测基站无人机配置数量,按无人机配置数量由少到多排序,如果无人机配置数量最少的达到基站配置数量的下限,则结束,给出初始方案;如果没有达到,则进行如下操作:
Step6.1:如果该基站只有一个相邻基站,并且相邻基站无人机配置数量少于上限,则关闭该基站,将其目标分配给相邻的基站,应用Step4的节约算法重新构建无人机巡逻路径,若应用基站配置上限数量的无人机能够完成所有目标的巡逻,则转Step6,若不能完成所有目标的巡逻,则转Step6.3;
Step6.2:如果该基站有两个相邻的基站,则关闭该基站,将其目标先分配给无人机数量较少的相邻基站,应用Step4的节约算法重新构建无人机巡逻路径,若应用基站配置上限数量的无人机能够完成所有目标的侦察,则转Step6,否则将该相邻基站的无人机配置到上限数量,并将剩余不能访问的目标分配给第二个相邻基站,应用Step4的节约算法重新计算第二个相邻基站的无人机巡逻路径,若第二个相邻基站应用配置上限数量的无人机能够完成所有目标的巡逻,则转Step6,否则转Step6.3;
Step6.3:为无人机数量少于下限的基站增加1架无人机,该无人机按照最近原则顺序访问相邻基站中无人机数量较多的一个基站分配的目标点,构建该无人机的最大访问回路,依次为该基站增加无人机,直到达到无人机下限数量要求,然后对该相邻基站剩余的目标点应用Step4的节约算法重新构建无人机巡逻路径,转Step6;
Step7:若Step6循环次数超过候选基站总数,则停止算法,给出基站选址和无人机巡逻路径的初始方案;对所述初始方案进行邻域搜索,获得无人机基站选址与巡逻路径邻域搜索后的新方案,对所述初始方案进行邻域搜索时调用如下元操作:
关闭基站操作:关闭基站并重新分配相应目标点,使控制基站的无人机完全利用,以降低巡逻费用;
计算所述无人机基站选址与巡逻路径的新方案的总费用;
若判定所述新方案总费用比原方案总费用减少,则保存新方案,并在新方案的基础上进行下一步领域搜索,否则舍弃,在原方案的基础上进行邻域搜索,直到达到预定搜索次数。
2.如权利要求1所述无人机基站选址与巡逻路径优化方法,其特征在于,对所述初始方案进行邻域搜索时调用如下元操作:
交换目标点操作:在同一基站的两个无人机飞行回路内各自随机选择一个目标点,进行交换。
3.如权利要求1所述无人机基站选址与巡逻路径优化方法,其特征在于,对所述初始方案进行邻域搜索时调用如下元操作:
合并无人机路由:在满足无人机续航能力的约束条件下,随机选取一个基站或两个邻近基站的两条无人机飞行回路进行合并。
4.一种无人机基站选址与巡逻路径优化装置,其特征在于,所述装置包括:
初始方案获取单元,用于根据无人机侦察的目标点和基站的欧式距离对目标点进行聚类处理,而后对每个类按照CW节约搜索算法规划无人机路径,以无人机续航时间约束限定无人机巡逻路径,并限定每个基站配置无人机数量的上下限,得到无人机基站选址与巡逻路径的初始方案,获得所述初始方案包括以下步骤:
Step1:已知侦查目标点集合和基站候选点集合以及每个点的位置,根据欧式距离,将每个侦查目标点分配给距离最近的基站候选点;
Step2:计算每个基站候选点分配到目标点的数量,找出分配到目标点数量最多的基站,将该基站设定为开设状态,并移出候选基站集合;
Step3:针对目标点数量最多的基站,计算目标点到基站的节约矩阵;
Step4:应用节约算法构建基站的无人机巡逻路径,包括以下子步骤:
Step4.1:根据节约矩阵,在无人机的航程约束下,按照节约里程量从大到小的顺序,对目标侦查点进行依次合并;
Step4.2:判断是否达到无人机续航能力约束下的最大回路,如果达到则为该基站增加一架无人机,转Step4.3;如果没有达到,则继续判断是否还有未合并的目标点,如果没有,则为该基站增加一架无人机,转Step5,如果还有未合并的目标点则转Step4.1;
Step4.3:判断基站无人机数量是否达到上限,如果达到,则将还未合并的搜索目标点按照距离最近原则重新分配给未开设的基站候选点,并转Step2,如果没有达到,则转Step4.1;
Step5:检查是否还有未侦察的目标点,如果有则转Step2,如果没有进入Step6;
Step6:检测基站无人机配置数量,按无人机配置数量由少到多排序,如果无人机配置数量最少的达到基站配置数量的下限,则结束,给出初始方案;如果没有达到,则进行如下操作:
Step6.1:如果该基站只有一个相邻基站,并且相邻基站无人机配置数量少于上限,则关闭该基站,将其目标分配给相邻的基站,应用Step4的节约算法重新构建无人机巡逻路径,若应用基站配置上限数量的无人机能够完成所有目标的巡逻,则转Step6,若不能完成所有目标的巡逻,则转Step6.3;
Step6.2:如果该基站有两个相邻的基站,则关闭该基站,将其目标先分配给无人机数量较少的相邻基站,应用Step4的节约算法重新构建无人机巡逻路径,若应用基站配置上限数量的无人机能够完成所有目标的侦察,则转Step6,否则将该相邻基站的无人机配置到上限数量,并将剩余不能访问的目标分配给第二个相邻基站,应用Step4的节约算法重新计算第二个相邻基站的无人机巡逻路径,若第二个相邻基站应用配置上限数量的无人机能够完成所有目标的巡逻,则转Step6,否则转Step6.3;
Step6.3:为无人机数量少于下限的基站增加1架无人机,该无人机按照最近原则顺序访问相邻基站中无人机数量较多的一个基站分配的目标点,构建该无人机的最大访问回路,依次为该基站增加无人机,直到达到无人机下限数量要求,然后对该相邻基站剩余的目标点应用Step4的节约算法重新构建无人机巡逻路径,转Step6;
Step7:若Step6循环次数超过候选基站总数,则停止算法,给出基站选址和无人机巡逻路径的初始方案;
邻域搜索单元,用于对所述初始方案进行邻域搜索,获得无人机基站选址与巡逻路径邻域搜索后的新方案,所述邻域搜索单元包括:
第一元操作模块,用于对所述初始方案进行邻域搜索时调用如下元操作:关闭基站操作:关闭基站并重新分配相应目标点,使控制基站的无人机完全利用,以降低巡逻费用;
费用计算单元,用于计算所述无人机基站选址与巡逻路径的新方案的总费用;
迭代判断单元,用于若判定所述新方案总费用比原方案总费用减少,则保存新方案,并在新方案的基础上进行下一步迭代邻域搜索,否则舍弃,在原方案的基础上重新进行领域搜索,直到达到预定领域搜索次数。
5.如权利要求4所述无人机基站选址与巡逻路径优化装置,其特征在于,所述邻域搜索单元包括:
第二元操作模块,用于对所述初始方案进行邻域搜索时调用如下元操作:交换目标点操作:在同一基站的两个无人机飞行回路内各自随机选择一个目标点,进行交换。
6.如权利要求4所述无人机基站选址与巡逻路径优化装置,其特征在于,所述邻域搜索单元包括:
第三元操作模块,用于对所述初始方案进行邻域搜索时调用如下元操作:合并无人机路由:在满足无人机续航能力的约束条件下,随机选取一个基站或两个邻近基站的两条无人机飞行回路进行合并。
CN201710493615.6A 2017-06-26 2017-06-26 一种无人机基站选址与巡逻路径优化方法及装置 Active CN107300927B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710493615.6A CN107300927B (zh) 2017-06-26 2017-06-26 一种无人机基站选址与巡逻路径优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710493615.6A CN107300927B (zh) 2017-06-26 2017-06-26 一种无人机基站选址与巡逻路径优化方法及装置

Publications (2)

Publication Number Publication Date
CN107300927A CN107300927A (zh) 2017-10-27
CN107300927B true CN107300927B (zh) 2020-02-07

Family

ID=60135481

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710493615.6A Active CN107300927B (zh) 2017-06-26 2017-06-26 一种无人机基站选址与巡逻路径优化方法及装置

Country Status (1)

Country Link
CN (1) CN107300927B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108064465A (zh) * 2017-11-02 2018-05-22 北京小米移动软件有限公司 无人机飞行信息的传输方法、装置、基站及核心网设备
CN108549952B (zh) * 2017-12-20 2020-07-28 中国人民解放军国防科技大学 车辆搭载无人机双层路径的优化方法及装置
CN108256553B (zh) * 2017-12-20 2020-03-27 中国人民解放军国防科技大学 车辆搭载无人机双层路径的构造方法及装置
CN108572379B (zh) * 2018-04-27 2022-02-08 陈亮 基于无人机的通信基站选址勘察方法
CN108762294B (zh) * 2018-04-28 2023-12-22 广州亿航智能技术有限公司 用于航拍的无人机路径规划方法及管理系统
WO2020018867A1 (en) * 2018-07-20 2020-01-23 Schlumberger Technology Corporation Optimized multi-stage intermittent fugitive emission detection
CN109075856B (zh) * 2018-08-06 2021-06-01 北京小米移动软件有限公司 飞行路径配置方法和装置
CN110378639A (zh) * 2018-09-06 2019-10-25 北京京东尚科信息技术有限公司 配送路线规划方法和系统
CN111121782B (zh) * 2018-12-28 2023-07-04 中国人民解放军国防科技大学 车载无人机电力巡检的双层路径规划方法与装置
CN111273691B (zh) * 2020-02-21 2022-09-09 苏州禺疆船艇科技有限公司 一种基于多约束条件的多无人机巡逻任务规划方法
CN113532434B (zh) * 2020-04-21 2023-06-30 北京三快在线科技有限公司 航空区域构建方法、装置、存储介质和电子设备
CN111679690B (zh) * 2020-06-24 2023-03-31 安徽继远软件有限公司 一种巡检无人机机巢分布及信息交互方法
CN112783988A (zh) * 2020-12-29 2021-05-11 同济大学 一种空调通风系统内部环境参数的监测反馈及分析方法
CN116679758B (zh) * 2023-08-04 2023-10-17 江西现代职业技术学院 一种无人机调度方法、系统、计算机及可读存储介质
CN117129637B (zh) * 2023-10-25 2024-01-12 北京英视睿达科技股份有限公司 一种基于移动无人机巢的城市no2的监测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880798A (zh) * 2012-09-20 2013-01-16 浪潮电子信息产业股份有限公司 一种求解多车场带时间窗车辆路径问题的变邻域搜索算法
CN105528649A (zh) * 2015-11-30 2016-04-27 山东烟草研究院有限公司 一种基于聚类和节约算法的路线优化推荐方法
CN105828345A (zh) * 2016-05-06 2016-08-03 华南农业大学 一种兼容uav的地空无线传感网络通信装置与方法
CN106814752A (zh) * 2017-03-21 2017-06-09 广东容祺智能科技有限公司 一种基于无人机集群的全天候城市监控系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4087104B2 (ja) * 2001-11-20 2008-05-21 シャープ株式会社 群ロボットシステム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880798A (zh) * 2012-09-20 2013-01-16 浪潮电子信息产业股份有限公司 一种求解多车场带时间窗车辆路径问题的变邻域搜索算法
CN105528649A (zh) * 2015-11-30 2016-04-27 山东烟草研究院有限公司 一种基于聚类和节约算法的路线优化推荐方法
CN105828345A (zh) * 2016-05-06 2016-08-03 华南农业大学 一种兼容uav的地空无线传感网络通信装置与方法
CN106814752A (zh) * 2017-03-21 2017-06-09 广东容祺智能科技有限公司 一种基于无人机集群的全天候城市监控系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
开放式车辆路径问题及其应用研究;符卓;《中国博士学位论文全文数据库》;20040915(第03期);1-49 *

Also Published As

Publication number Publication date
CN107300927A (zh) 2017-10-27

Similar Documents

Publication Publication Date Title
CN107300927B (zh) 一种无人机基站选址与巡逻路径优化方法及装置
CN107239078B (zh) 一种无人机基站选址与巡逻路径优化方法及装置
CN109447048A (zh) 一种人工智能预警系统
US11912407B1 (en) Unmanned vehicle morphing
CN114035614B (zh) 基于先验信息的无人机自主巡检方法、系统及存储介质
CN106412502B (zh) 基于人脸识别的视频监控智能化天网系统及其工作方法
CN108007464A (zh) 高压输电线路巡线机器人自主导航方法和系统
CN102654940A (zh) 基于无人驾驶飞机的交通信息采集系统及其处理方法
CN109787679A (zh) 基于多旋翼无人机的警用红外搜捕系统及方法
CN106375713B (zh) 一种视频监控智能化天网系统及其工作方法
CN106341206A (zh) 一种低空无人机防御系统
KR102184693B1 (ko) 지상무인이동체로의 무인비행체 자동착륙 방법 및 무인비행체 자동착륙 장치
CN105915845A (zh) 爆破现场无人机监控的控制方法
US11174023B1 (en) Self-charging unmanned vehicle
CN109740583A (zh) Led路灯和基于人脸识别的智能视频监控系统
CN207850190U (zh) 一种反无人机控制系统
CN114494917A (zh) 森林防火综合监管方法及系统
EP3762294B1 (en) Dynamic race course using an aircraft system swarm
JP7050809B2 (ja) 情報処理装置
CN111145065A (zh) 一种人工智能社区物联服务终端及系统
CN205232355U (zh) 基于无人飞行器的安防系统
CN111901217B (zh) 一种基于微振感知的重点区域陆空一体警戒系统
CN109916227A (zh) 一种反无人机控制系统及方法
CN113870421A (zh) 一种竞速无人机的轨道智能定位方法、装置及设备
Surmin et al. Investigation about use of drone in a patrol purpose and applicability of this surveillance particularly to existing legislation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant