CN110728447B - 一种最早完成区域目标覆盖的分区卫星任务规划方法 - Google Patents
一种最早完成区域目标覆盖的分区卫星任务规划方法 Download PDFInfo
- Publication number
- CN110728447B CN110728447B CN201910957601.4A CN201910957601A CN110728447B CN 110728447 B CN110728447 B CN 110728447B CN 201910957601 A CN201910957601 A CN 201910957601A CN 110728447 B CN110728447 B CN 110728447B
- Authority
- CN
- China
- Prior art keywords
- coverage
- cell
- opportunity
- cells
- partition
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000013439 planning Methods 0.000 title claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000000638 solvent extraction Methods 0.000 claims abstract description 4
- 238000005192 partition Methods 0.000 claims description 125
- 239000004576 sand Substances 0.000 claims description 17
- 238000005457 optimization Methods 0.000 claims description 8
- 238000000137 annealing Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 241000838698 Togo Species 0.000 claims description 3
- 101150043283 ccdA gene Proteins 0.000 claims description 3
- 230000000052 comparative effect Effects 0.000 claims description 3
- 238000001816 cooling Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 8
- 238000002922 simulated annealing Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
- B64G1/00—Cosmonautic vehicles
- B64G1/10—Artificial satellites; Systems of such satellites; Interplanetary vehicles
- B64G1/1021—Earth observation satellites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
- B64G1/00—Cosmonautic vehicles
- B64G1/10—Artificial satellites; Systems of such satellites; Interplanetary vehicles
- B64G1/1021—Earth observation satellites
- B64G1/1028—Earth observation satellites using optical means for mapping, surveying or detection, e.g. of intelligence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3852—Data derived from aerial or satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Astronomy & Astrophysics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Relay Systems (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Radar, Positioning & Navigation (AREA)
Abstract
本发明公开了一种最早完成区域目标覆盖的分区卫星任务规划方法，其步骤包括：1.对所述待观测矩形区域进行分区；2.向不同区域分配观测资源并选用一定的覆盖机会与其覆盖模式以使形成的覆盖方案对应的完工时间尽可能地最小。本发明能以合适的计算资源得出以充足的观测资源尽可能早地完成对区域目标完全覆盖的满意方案，达到计算资源消耗与解的最优性之间的平衡，从而能在实际环境下充分利用卫星资源，对重要区域目标进行快速有效的覆盖搜索。
Description
技术领域
本发明属于对地观测卫星区域目标任务规划领域，具体的说是一种最早完成区域目标覆盖的分区卫星任务规划方法。
背景技术
地球观测卫星(EOS：Earth Observation Satellite)，或称为成像卫星(以下简称为“卫星”)，其主要功能之一是通过星载传感器(如可见光相机、多光谱相机)对陆地、海洋、大气等进行观测。观测的需求由来自各个领域、各个部门的用户提出，在卫星的地面管控中心汇总，管控中心根据观测需求，结合卫星资源使用情况，综合制定各个卫星的成像覆盖计划，并生成测控指令，经由地面测控站上注至卫星，卫星在接收到指令后作出相应的动作，对指定的区域进行成像，所成影像数据暂时保存在星载硬盘上，当行至与地面站可通信时，将影像数据下传至地面站。在该过程中，地面管控中心制定卫星成像计划的环节称为卫星任务规划，是整个卫星使用管理过程中的关键环节之一。
在传统的卫星使用模式中，卫星单独制定计划，并单独执行成像任务，卫星与卫星之间不进行协同观测。而随着卫星数量的增多，使用多颗卫星协同对地进行成像观测已成为可能，且存在多星协同区域成像的现实需求。
卫星一次过境只能拍摄一个有限长度和宽度的条带区域，如果待观测的区域较大，则卫星一次过境难以完整观测整个区域。如果用户急需该区域的影像数据，则可以使用多颗卫星多次过境机会进行协同成像。由于，每个卫星的星下点轨迹不一定平行，因此有可能导致成像条带之间的重叠。如果不进行合理地安排，继而有可能会导致条带间大量的重叠，使得部分区域被重复观测，而部分区域得不到观测，这样的情形十分不利于资源的合理利用。为了更好的利用现有的卫星覆盖资源，应当制定一个合理的计划，对卫星每次过境的行为动作(主要包括开关机时间和侧摆角度)进行安排，使得多颗卫星多个覆盖机会协同观测的效果尽可能的“好”。这是一类典型的运筹优化问题，存在迫切的现实需求。该类优化问题中还存在如下应用场景：在一定的时间区间内，用户部门需要某一个较大区域的完整影像数据，且可供调用的卫星数量充足，完全有能力将该区域完整地拍摄下来。在这种情形下，为了让用户能尽早取得数据，希望制定一个覆盖方案，使得其完工时间尽可能的早。我们将该问题称为覆盖资源充足情形下的最小完工时间问题。一般的区域目标规划方法在对面此问题中的较大待观测的区域时，可能会由于问题规模过大，问题复杂度过高而需要消耗大量的计算资源。这不利于方法在实际工程环境下的运用。
发明内容
本发明是为了解决上述现有技术存在的不足之处，提出一种最早完成区域目标覆盖的分区卫星任务规划方法，以期能以合适的计算资源得出以充足的观测资源尽可能早地完成对区域目标完全覆盖的满意方案，达到计算资源消耗与解的最优性之间的平衡，从而能在实际环境下充分利用卫星资源，对重要区域目标进行快速有效的覆盖搜索。
本发明为解决技术问题采用如下技术方案：
本发明一种最早完成区域目标覆盖的分区卫星任务规划方法的特点是应用于以充足的覆盖机会集合S对一个待观测区域R完全覆盖的覆盖机会选用和覆盖模式规划中，其优化目的是使完成时间尽可能早，其中，每个覆盖机会s∈S有自己属性，包括：星下点轨迹os、卫星距地高度hs、最大开机时间ms，且ms对应于一个覆盖模式的最大长度rs、最大可侧摆角度vs、相机视场角ws；同时，每个覆盖机会对于待观测区域R有一个覆盖时机的开始时间α(s)与结束时间β(s)；
所述覆盖模式c是由卫星拍摄形成的矩形条带，并由一个覆盖机会选择一定的侧摆角度与开关机时间而确定；
以所述待观测矩形区域R的任意一个顶点为原点o，以与所述原点相邻的两条边分别为x轴和y轴，从而建立坐标系o-xy；所述待观测矩形区域R的四个顶点坐标，分别记为左上角顶点LU(R)、左下角顶点LD(R)、右上角顶点RU(R)、右下角顶点RD(R)；所述分区规划方法是按如下步骤进行：
步骤1：对所述待观测矩形区域R进行分区；
步骤1.1：设定每个分区的长Lp与宽Wp；
步骤1.2：根据待观测矩形区域R的四个顶点坐标计算所述待观测矩形区域R的长LR与宽WR；
步骤1.3：用LR整除Lp得到分区的长分段数DL及余数RL，若余数
则将DL+1赋值给DL；用WR整除Wp得到分区的宽分段数DW及余数RW，若余数
则将DW+1赋值给DW；
步骤1.4：用LR除以DL得到最终分区的长Lf，用WR除以DW得到最终分区的宽Wf；
步骤1.5：根据最终分区的长Lf与宽Wf对待观测矩形区域R进行平均分区，从而得到各个分区的四个顶点坐标；
步骤1.6：得到分区的集合N，且分区的总数为|N|＝DL×DW；
步骤2：向不同区域分配观测资源并选用一定的覆盖机会与其覆盖模式以使形成的覆盖方案对应的完工时间尽可能地最小；
步骤2.1：将覆盖机会随机分配至各个分区形成一个初始的当前分配方案
其中，ys的取值代表覆盖机会s所分配的分区；
步骤2.2：计算在当前分配方案Y下所选用的覆盖机会集合S*(Y)、较优覆盖模式集C*(Y)与相应的完工时间F(Y)；
步骤2.3：设置最大迭代次数
与初始退火温度T1，令当前外循环的迭代次数k＝1；
步骤2.4：如果
则转步骤2.9，否则执行步骤2.5；
步骤2.5：使用插入算子和交换算子构造当前分配方案Y的若干邻居分配方案；
步骤2.6：分别计算每个邻居分配方案下所选用的覆盖机会集合、较优覆盖模式集与相应的完工时间，选择其中完工时间最小的一个作为最优邻居分配方案
步骤2.7：比较最优邻居分配方案
与当前分配方案Y的完工时间，如果
则将最优邻居分配方案
赋值给当前分配方案Y后直接执行步骤2.8，否则先执行步骤2.7.1-步骤2.7.2后再执行步骤2.8；
步骤2.7.1：计算第k次迭代的劣解接受率
步骤2.7.2：第k次生成一个取值为0到1的随机数rk，若rk≤pk，则将最优邻居分配方案
赋值给当前分配方案Y；
步骤2.8：将k+1赋值给k，更新退火温度Tk＝Tk-1×λ，其中，λ为降温系数，并取小于1大于0的固定值，转至步骤2.4；
步骤2.9：输出当前分配方案Y，以及在该分配方案下总体选用的覆盖机会集合S*(Y)、各覆盖机会的较优覆盖模式C*(Y)与其对应的完工时间F(Y)。
本发明所述的分区规划方法的的也在于，所述步骤1.5是按如下过程进行：
步骤1.5.1：令i＝1，以待观测矩形区域R的左上角坐标LU(R)作为第i个分区ni的左上角坐标LU(ni)；
步骤1.5.2：将第i个分区ni的左上角坐标LU(ni)的横坐标值加上Lf得到其右上角坐标RU(ni)，将左上角坐标LU(ni)的纵坐标值加上Wf得到其左下角坐标LD(ni)，再将右上角坐标RU(ni)的纵坐标值加上Wf得到其右下坐标RD(ni)；
步骤1.5.3：若第i个分区ni的右下角坐标RD(ni)等于待观测矩形区域R的右下角坐标RD(R)，则转至步骤1.5.6，否则执行步骤1.5.4；
步骤1.5.4：若第i个分区ni的右上角坐标RU(ni)的横坐标值等于待观测矩形区域R的右上角坐标RU(R)的横坐标值，则令
作为第i+1个分区ni+1的左上角坐标LU(ni+1)，否则，令第i个分区ni的右上角坐标RU(ni)作为第i+1个分区ni+1的左上角坐标LU(ni+1)；
步骤1.5.5：将i+1赋值给i后，转至步骤1.5.2用于构造下一个分区的四顶点坐标；
步骤1.5.6：结束分区，输出各个分区的四顶点坐标。
所述步骤2.5是按如下过程进行：
步骤2.5.1设置需要构造的邻居分配方案数量为
令已构造的邻居分配方案数量为m，且m＝0；
步骤2.5.2使用插入算子构造邻居分配方案；
步骤2.5.2.1在当前分配方案Y下选用的覆盖机会集S*(Y)中寻找一个闲置覆盖机会
所述闲置覆盖机会
的结束时间
小于总体的完工时间F(Y)，但大于闲置覆盖机会
分配至的分区
的完工时间
若寻找不到闲置覆盖机会，则转至步骤2.5.2.4，否则执行步骤2.5.2.2；
步骤2.5.2.2将m+1赋值给m，在当前分配方案Y中将闲置覆盖机会
随机分配给一个分区，且闲置覆盖机会
的结束时间
小于所分配的分区的完工时间，从而形成一个邻居分配方案
步骤2.5.2.3将闲置覆盖机会
从覆盖机会集S*(Y)中去除，转步骤2.5.2.1；
步骤2.5.2.4输出所有使用插入算子得到的邻居分配方案；
步骤2.5.3使用交换算子构造邻居分配方案；
步骤2.5.3.1若
则转步骤2.5.3.3，否则，执行步骤2.5.3.2；
步骤2.5.3.2将m+1赋值给m，随机在分区集合N中选择两个分区ni与nj，随机在分配给分区ni的覆盖机会集合{s|ys＝ni}中选择一个覆盖机会si，随机在分配给分区nj的覆盖机会集合{s|ys＝nj}中选择一个覆盖机会sj，在当前分配方案Y中将si与sj互相交换，即将nj赋值给
将ni赋值给
从而形成一个邻居覆盖方案
转至步骤2.5.3.1；
步骤2.5.3.3输出所有使用交换算子得到的邻居分配方案。
所述步骤2.2和步骤2.6中的，在给定分配方案的情况下计算选用的覆盖机会集合、各覆盖机会选择的较优覆盖模式集与相应的完工时间是按如下步骤进行：
步骤a：以各个不同的分区以及分配给不同分区的覆盖机会的集合为输入，构造网格并使用两阶段启发式算法，计算不同分区局部选用的覆盖机会集合及较优覆盖方案与相应的完工时间；
步骤a.1：将第i个分区ni划分为多个大小一致的正方形单元格，得到单元格集合Ji；
步骤a.2：根据所划分出的单元格集合Ji，为分配给第i个分区ni的覆盖机会集Si生成最长基本覆盖模式，并组成其可选覆盖模式的总集合Ci；
所述最长基本覆盖模式是指：长度等于最大长度rs，且存在如下两个单元格：
①被覆盖模式完全覆盖，即四个顶点都在覆盖模式所覆盖面积内；
②其中一个单元格有顶点位于覆盖模式的左边界上，并命名为左单元格，另一个单元格有顶点位于覆盖模式的上边界上，并命名为上单元格，其中，左单元格与上单元格可以重合；
步骤a.3：以第i个分区ni划分出的单元格集合Ji以及分配给第i个分区ni的覆盖盖机会集合Si＝{s|ys＝ni,s∈S}与可选覆盖模式集合Ci为输入，以两阶段启发式算法确定第i个分区ni选用的覆盖机会子集
并选定各个覆盖机会的覆盖模式，从而得到较优覆盖模式集合
并同时得出其完工时间Fi；
步骤b：将所有分区选用的覆盖机会集合
合并，从而得到总体选用的覆盖机会集合S*，将所有分区的覆盖方案
合并，从而得到对待观测矩形区域R总体的覆盖方案C*，并将所有分区的覆盖方案对应的完工时间{Fi|i＝1,2,…,|N}中的最大值作为对待观测矩形区域R总体的完工时间F。
所述步骤a.2中的，根据单元格集合为覆盖机会集生成最长基本覆盖模式，并组成其可选覆盖模式的总集合是按如下步骤进行：
步骤a.2.1：如果
则转至步骤a.2.4，否则执行步骤a.2.2；
步骤a.2.2：选取其中一个覆盖机会s∈Si，根据覆盖机会s的类型，使用相应的方法为覆盖机会s构造基于单元格集合Ji的最大基本覆盖模式集Cs：
步骤a.2.2.1：根据覆盖机会s的星下点轨迹os判断覆盖机会s的类型，其类型分为右下倾斜型与左下倾斜型；
步骤a.2.2.2：令集合
步骤a.2.2.3：从单元格集合Ji中筛选出子集Js，且子集Js中的每个单元格都可以作为覆盖机会s的最长基本覆盖模式的左单元格；
步骤a.2.2.3.1：令
步骤a.2.2.3.2：遍历集合Ji，计算每一个单元格u作为覆盖模式的左单元格时，覆盖机会s的相机侧摆角度
其中，若覆盖机会为右下角倾斜型，则
为单元格u的左下角顶点LD(u)与覆盖机会s的星下点轨迹os之间的距离，若覆盖机会为左下倾斜型，则
为单元格u的左上角顶点LU(u)与覆盖机会s的星下点轨迹os之间的距离，如果|σs(u)|≤vs，则将单元格u加入左单元格的子集Js；
步骤a.2.2.4：如果
则转步骤a.2.2.10，否则，选择Js中的一个单元格p后执行步骤a.2.2.5；
步骤a.2.2.5：根据单元格p，从单元格集合Ji中筛选出单元格子集
且当p作为左单元格时
中的每个单元格都能为作为上单元格，与p共同构成覆盖机会s的一个最长基本覆盖模式；
步骤a.2.2.6：如果
则转步骤a.2.2.9，否则，选择
中的一个单元格q后执行步骤a.2.2.7；
步骤a.2.2.7：基于单元格p和q构造一个属于覆盖机会s的最长基本覆盖cs(p,q)；
步骤a.2.2.8：将cs(p,q)加入Cs，将单元格q从
中去除，转至步骤a.2.2.6；
步骤a.2.2.9：将单元格p从Js中去除，转至步骤a.2.2.4；
步骤a.2.2.10：输出覆盖模式集合Cs；
步骤a.2.3：将覆盖模机会s从Si中去除，转步骤a.2.1；
步骤a.2.4：令
输出覆盖模式集合Ci。
所述步骤a.2.2.5是按如下过程进行：步骤a.2.2.5.1：令
步骤a.2.2.5.2：利用式(1)计算单元格p作为左单元格时，覆盖模式的条带宽度ηs(p)：
步骤a.2.2.5.3：遍历集合Ji，检验其中的一个单元格t是否满足以下四个条件，若全部满足，则将单元格t加入
否则，继续检验的下一个单元格：
若覆盖机会为右下角倾斜型，则四个条件为：
①过单元格p的左下角顶点作直线Lp‖os，过t的右上角顶点作直线Lt′‖os，则直线Lp与Lt′之间的距离不能超过条带的宽度ηs(p)；
②分别过单元格p和t的左上角顶点作直线Lp′⊥os和Lt⊥os，则Lt在Lp′的上方；
③过单元格t的左下角顶点作直线
则直线
在Lp的右侧；
④过单元格p的右下角顶点作直线
则直线
与Lt之间的距离不能超过条带长度ls；其中，“‖”表示平行关系，“⊥”表示垂直关系；
若覆盖机会为左下角倾斜型，则四个条件为：
①过单元格p的左上角顶点作直线Lp‖os，过t的右下角顶点作直线Lt′‖os，则直线Lp与Lt′之间的距离不能超过条带的宽度ηs(p)；
②分别过单元格p和t的右上角顶点作直线Lp′⊥os和Lt⊥os，则Lt在Lp′的上方；
③过单元格t的左上角顶点作直线
则直线
在Lp的右侧；
④过单元格p的左下角顶点作直线
则直线
与Lt之间的距离不能超过条带长度ls；其中，“‖”表示平行关系，“⊥”表示垂直关系。
所述步骤a.2.2.7是按如下过程进行：
步骤a.2.2.7.1：若覆盖机会为右下角倾斜型，则过单元格p的左下角顶点LD(p)作直线Lp‖os，过单元格q的左上角顶点LU(q)作直线Lq⊥os，若覆盖机会为左下角倾斜型，则过单元格p的左上角顶点LU(p)作直线Lp‖os，过单元格q的右上角顶点RU(q)作直线Lq⊥os；
步骤a.2.2.7.2：计算单元格p作为左单元格时，覆盖模式的条带宽度ηs(p)；
步骤a.2.2.7.3：作直线
使其满足：
①
②
与Lp之间的距离等于ηs(p)；
③
在Lp的右侧；
步骤a.2.2.7.4：作直线
使其满足：
①
②
与Lq之间的距离等于ls；
③
在Lq的下侧；
步骤a.2.2.7.5：以Lp,
Lq,
四条直线作为矩形的四边，以四条直线的交点作为矩形的四个顶点，构造覆盖模式cs(p,q)。
所述步骤a.3是按如下过程进行：
步骤a.3.1：以单元格集合Ji、覆盖机会集Si以及其对应的覆盖模式集Ci为输入，以启发式算法计算，得到选用的覆盖机会子集
选择的覆盖模式集
与相应的可覆盖单元格数量Ai；
步骤a.3.2：如果Ai＜|Ji|，其中|Ji|表示集合Ji中元素的个数，则转至步骤a.3.4，否则，执行步骤a.3.3；
步骤a.3.3：使用提升算法优化
与
步骤a.3.3.1将
中结束时间最大的一个覆盖机会
从
中去除，得到覆盖机会集合
步骤a.3.3.2以单元格集合Ji、覆盖机会集
以及与
对应的可选覆盖模式集
为输入，以启发式算法计算，得到覆选用的盖机会子集
与选择的覆盖模式集
与相应的可覆盖单元格数量
步骤a.3.3.3如果
则将
赋值给
将c赋值给
转至步骤a.3.3.1，否则，执行步骤a.3.4；
步骤a.3.4输出选用的覆盖机会集合
及覆盖模式集合
以
中覆盖机会结束时间的最大值作为完工时间Fi。
所述步骤a.3.1是按如下过程进行：
步骤a.3.1.1：将Si中的所有覆盖机会按照其结束时间进行非降序排序，得到
步骤a.3.1.2：令Ji中所有的单元格的状态为“未覆盖”，令g＝0，令
步骤a.3.1.3：将g+1赋值给g，从
中取出覆盖机会sg，遍历其可选覆盖模式集合
对其中每一个覆盖模式
从单元格集合Ji中选出能被
完全覆盖且状态为“未覆盖”的单元格，记为有效单元格集合
其数量记为
步骤a.3.1.4：选择
中覆盖有效单元格数量最大的覆盖模式
并作为覆盖机会sg选择的覆盖模式，再将
加入
后，将覆盖模式
的有效单元格集合
中所有单元格的状态均改为“已覆盖”；
步骤a.3.1.5：计算Ji中所有状态为“已覆盖”的单元格的数量，记为Ai；
步骤a.3.1.6：如果Ai＝|Ji|或
则执行步骤Ⅶ，否则，转至步骤Ⅲ；
步骤a.3.1.7：输出覆盖机会子集
以及其覆盖模式集
与覆盖的单元格数量Ai。
所述步骤a.3.3.2是按如下过程进行：
步骤a.3.3.2.1：令Ji中所有的单元格的状态为“未覆盖”，令
步骤a.3.3.2.2：令
步骤a.3.3.2.3：若
则转步骤a.3.3.2.5，否则执行步骤a.3.3.2.4；
步骤a.3.3.2.4：选择
中的第
个覆盖模式，并从单元格集合Ji中选出能被第
个覆盖模式完全覆盖且状态为“未覆盖”的单元格，记为有效单元格集合
其数量记为
将
赋值给
转至步骤a.3.3.2.3；
步骤a.3.3.2.5：若
则转至步骤a.3.3.2.8，否则执行步骤a.3.3.2.6；
步骤a.3.3.2.6：选择Ci中有效单元格数量最大的覆盖模式
并作为相应覆盖机会
所选择的覆盖模式，再将
加入
中，将覆盖模式
的有效单元格集合
中所有单元格的状态均改为“已覆盖”；
步骤a.3.3.2.7：将覆盖机会
所对应的覆盖模式集合
从可选覆盖模式集合
中去除，转至步骤a.3.3.2.2；
步骤a.3.3.2.8：输出各个覆盖机会选择的覆盖模式集合
即最终的覆盖方案，计算Ji中所有状态为“已覆盖”的单元格的数量，记为
与现有技术相比，本发明的有益效果在于：
1.本发明采用“分而治之”的思想提出基于分区的求解策略，即将大的待观测的区域分解成若干个小的分区，并将覆盖资源分配给各个分区，每个分区单独求解，多个分区合并起来，形成总体覆盖方案，从而减小了问题的规模，降低了优化的难度。不同的覆盖资源分配方案会导致不同的总体覆盖方案，因此提出了使用模拟退火方法对最优的资源分配方案进行搜索。
2.本发明采用网格离散化方法对待观测的分区进行处理，将原问题转变为覆盖各个单元格的问题，从而降低了与计算几何的耦合性；同时，基于网格，构建各个观测机会的最大基本覆盖模式作为可选覆盖模式集，将决策变量从连续空间内取值转变为从离散空间内取值，从而降低了计算量。
3.本发明采用了两阶段启发式算法为离散化后的各个分区寻找较优覆盖方案，第一阶段使用动态贪婪规则寻找一个“有效”的可行解，第二阶段通过尝试在已有方案的基础上去除“最晚”覆盖机会后重新规划覆盖方案以提升解的质量。该两阶段启发式算法为多项式时间算法，当覆盖模式的总数在合理范围内时，其求解速度快，易实现，解释性强，稳定可靠，从而在本方法的模拟退火过程中，能快速有效地找到较优的覆盖方案可行解，以提高对分配方案解空间的搜索的速度。
附图说明
图1为本发明最早完成区域目标覆盖的分区卫星任务规划方法的流程图；
图2a为本发明左下倾斜型区域目标覆盖示意图；
图2b为本发明右下倾斜型区域目标覆盖示意图；
图2c为本发明多星协同覆盖示意图；
图3a为本发明覆盖模式形成示意图；
图3b为本发明最大覆盖模式长度示意图；
图3c为本发明卫星侧摆示意图；
图3d为本发明最大可侧摆角度示意图；
图4a为本发明右下倾斜型最长基本覆盖模式示意图；
图4b为本发明左下倾斜型最长基本覆盖模式示意图；
图5a为本发明一种情况下侧摆角度计算示意图；
图5b为本发明另一种情况下侧摆角度计算示意图；
图6a为本发明可行上单元格条件1示意图；
图6b为本发明可行上单元格条件2示意图；
图6c为本发明可行上单元格条件3示意图；
图6d为本发明可行上单元格条件4示意图。
具体实施方式
如图2a、图2b、图2c所示，本实施例中，一种最早完成区域目标覆盖的分区卫星任务规划方法，其特征是应用于以充足的覆盖机会集合S对一个待观测区域R完全覆盖的覆盖机会选用和覆盖模式规划中，其优化目的是使完成时间尽可能早，所谓覆盖机会是指卫星通过待观测区域上空，可以执行覆盖观测的一次机会。如图2c所示待观测区域R的面积较大，单个覆盖机会仅能覆盖一小部分，因此需要由多个覆盖机会协同观测。
如图3a、图3b、图3c、图3d所示，每个覆盖机会s∈S有自己属性，包括：星下点轨迹os、卫星距地高度hs、最大开机时间ms，且ms对应于一个覆盖模式的最大长度rs、最大可侧摆角度vs、相机视场角ws；卫星环绕地球运行，其正下点在地面上形成的轨迹实际上应是曲线，但在待观测区域内部的较小范围内可近似将其看做直线，为了简化问题，本文将覆盖机会的星下点轨迹os视为直线；如图2a、图2b所示，每个覆盖机会对于待观测区域R有一个覆盖时机的开始时间α(s)与结束时间β(s)；
覆盖模式c是由卫星拍摄形成的矩形条带，并由一个覆盖机会选择一定的侧摆角度与开关机时间而确定；
以待观测矩形区域R的任意一个顶点为原点o，以与原点相邻的两条边分别为x轴和y轴，从而建立坐标系o-xy；待观测矩形区域R的四个顶点坐标，分别记为左上角顶点LU(R)、左下角顶点LD(R)、右上角顶点RU(R)、右下角顶点RD(R)；如图1所示，分区规划方法是按如下步骤进行：
步骤1：对待观测矩形区域R进行分区；
步骤1.1：设定每个分区的长Lp与宽Wp；
步骤1.2：根据待观测矩形区域R的四个顶点坐标计算待观测矩形区域R的长LR与宽WR；
步骤1.3：用LR整除Lp得到分区的长分段数DL及余数RL，若余数
则将DL+1赋值给DL；用WR整除Wp得到分区的宽分段数DW及余数RW，若余数
则将DW+1赋值给DW；
步骤1.4：用LR除以DL得到最终分区的长Lf，用WR除以DW得到最终分区的宽Wf；
步骤1.5：根据最终分区的长Lf与宽Wf对待观测矩形区域R进行平均分区，从而得到各个分区的四个顶点坐标；
步骤1.5.1：令i＝1，以待观测矩形区域R的左上角坐标LU(R)作为第i个分区ni的左上角坐标LU(ni)；
步骤1.5.2：将第i个分区ni的左上角坐标LU(ni)的横坐标值加上Lf得到其右上角坐标RU(ni)，将左上角坐标LU(ni)的纵坐标值加上Wf得到其左下角坐标LD(ni)，再将右上角坐标RU(ni)的纵坐标值加上Wf得到其右下坐标RD(ni)；
步骤1.5.3：若第i个分区ni的右下角坐标RD(ni)等于待观测矩形区域R的右下角坐标RD(R)，则转至步骤1.5.6，否则执行步骤1.5.4；
步骤1.5.4：若第i个分区ni的右上角坐标RU(ni)的横坐标值等于待观测矩形区域R的右上角坐标RU(R)的横坐标值，则令
作为第i+1个分区ni+1的左上角坐标LU(ni+1)，否则，令第i个分区ni的右上角坐标RU(ni)作为第i+1个分区ni+1的左上角坐标LU(ni+1)；
步骤1.5.5：将i+1赋值给i后，转至步骤1.5.2用于构造下一个分区的四顶点坐标；
步骤1.5.6：结束分区，输出各个分区的四顶点坐标。
步骤1.6：得到分区的集合N，且分区的总数为|N|＝DL×DW；
步骤2：向不同区域分配观测资源并选用一定的覆盖机会与其覆盖模式以使形成的覆盖方案对应的完工时间尽可能地最小；即令不同的覆盖机会负责对不同的分区进行覆盖，而不同的分配方案最终会带来不同的覆盖方案，便对应着不同的完工时间，因此此处采用模拟退火的方法对最优的分配方案进行搜索。
步骤2.1：将覆盖机会随机分配至各个分区形成一个初始的当前分配方案
其中，ys的取值代表覆盖机会s所分配的分区；
步骤2.2：计算在当前分配方案Y下所选用的覆盖机会集合S*(Y)、较优覆盖模式集C*(Y)与相应的完工时间F(Y)；
步骤2.2.1：以各个不同的分区以及分配给不同分区的覆盖机会的集合为输入，构造网格并使用两阶段启发式算法，计算不同分区局部选用的覆盖机会集合及较优覆盖方案与相应的完工时间；
步骤2.2.1.1：将第i个分区ni划分为多个大小一致的正方形单元格，得到单元格集合Ji；其中，每一个单元格的边长应该足够小。以保证存在单元格能够被覆盖模式完全覆盖。
若不进行分区直接计算，当待观测的区域较大时，会产生极其多的单元格。基于这些单元格会产生大量的覆盖模式，需消耗大量的计算资源。部分大规模算例甚至无法在合理的时间内求得解方案，所以本文提出基于分区的求解策略。
步骤2.2.1.2：根据所划分出的单元格集合Ji，为分配给第i个分区ni的覆盖机会集Si生成最长基本覆盖模式，并组成其可选覆盖模式的总集合Ci；
如图4a和图4b所示，最长基本覆盖模式是指：长度等于最大长度rs，且存在如下两个单元格：
①被覆盖模式完全覆盖，即四个顶点都在覆盖模式所覆盖面积内；
②其中一个单元格有顶点位于覆盖模式的左边界上，并命名为左单元格，另一个单元格有顶点位于覆盖模式的上边界上，并命名为上单元格，其中，左单元格与上单元格可以重合；
每个覆盖机会可以选择无限多个开关机时间和侧摆角度值，故每个覆盖机会实际上对应无穷多的覆盖模式。但也由此无法枚举出全部的覆盖模式，因此基于所有覆盖模式的全集难以设计问题的求解方法。最长基本覆盖模式是一类特殊的覆盖模式，其可以代替绝大部分非最长基本覆盖模式，而且数量有限。大部分非最长基本覆盖模式都可以稍加调整从而而转变为对应的最长基本覆盖模式，而使得完全覆盖的单元格不减少。因此，本文将最长基本覆盖模式集作为可选覆盖模式的总集合，这样就将连续空间内优化问题转变为离散空间内优化问题。
步骤2.2.1.2.1：如果
则转至步骤2.2.1.2.4，否则执行步骤2.2.1.2.2；
步骤2.2.1.2.2：选取其中一个覆盖机会s∈Si，根据覆盖机会s的类型，使用相应的方法为覆盖机会s构造基于单元格集合Ji的最大基本覆盖模式集Cs：
步骤2.2.1.2.2.1：根据覆盖机会s的星下点轨迹os判断覆盖机会s的类型，其类型分为右下倾斜型与左下倾斜型；
步骤2.2.1.2.2.2：令集合
步骤2.2.1.2.2.3：从单元格集合Ji中筛选出子集Js，且子集Js中的每个单元格都可以作为覆盖机会s的最长基本覆盖模式的左单元格；
步骤2.2.1.2.2.3.1：令
步骤2.2.1.2.2.3.2：遍历集合Ji，计算每一个单元格u作为覆盖模式的左单元格时，覆盖机会s的相机侧摆角度
其中，若覆盖机会为右下角倾斜型，如图4a所示，则
为单元格u的左下角顶点LD(u)与覆盖机会s的星下点轨迹os之间的距离，若覆盖机会为左下倾斜型，如图4b所示，则
为单元格u的左上角顶点LU(u)与覆盖机会s的星下点轨迹os之间的距离，如果|σs(u)|≤vs，则将单元格u加入左单元格的子集Js。
步骤2.2.1.2.2.4：如果
则转步骤2.2.1.2.2.10，否则，选择Js中的一个单元格p后执行步骤2.2.1.2.2.5；
步骤2.2.1.2.2.5：根据单元格p，从单元格集合Ji中筛选出单元格子集
且当p作为左单元格时
中的每个单元格都能为作为上单元格，与p共同构成覆盖机会s的一个最长基本覆盖模式；
步骤2.2.1.2.2.5.1：令
步骤2.2.1.2.2.5.2：利用式(1)计算单元格p作为左单元格时，覆盖模式的条带宽度ηs(p)：
如图5a和图5b所示，当单元格u作为覆盖模式的左单元格时，覆盖机会s的相机侧摆角度σs(u)，以及覆盖模式的条带宽度ηs(u)的计算公式均可以由初等几何得出。其中OB为中垂线，OB的长度为卫星距地面的高度，即hs。AB的长度为直线Lu与os之间的距离，即
显然，∠ABO为直角，因此，很容易求出：
则相机侧摆角度
在图5a中，∠AOC为视场角，即ws，而∠AOB＞ws，此时条带的宽度为AC的长度，
在图5b中，∠AOD为视场角，即ws，OC为∠AOD的角平分线，即
此时条带的宽度为AD的长度。
∠DOB＝ws-∠AOB，可求得：BD＝hs·tan∠DOB，继而可求得：
步骤2.2.1.2.2.5.3：遍历集合Ji，检验其中的一个单元格t是否满足以下四个条件，若全部满足，则将单元格t加入
否则，继续检验的下一个单元格：
若覆盖机会为右下角倾斜型，则四个条件为：
①如图6a所示，过单元格p的左下角顶点作直线Lp‖os，过t的右上角顶点作直线Lt′‖os，则直线Lp与Lt′之间的距离不能超过条带的宽度ηs(p)；
②如图6b所示，分别过单元格p和t的左上角顶点作直线Lp′⊥os和Lt⊥os，则Lt在Lp′的上方；
③如图6c所示，过单元格t的左下角顶点作直线
则直线
在Lp的右侧；
④如图6d所示，过单元格p的右下角顶点作直线
则直线
与Lt之间的距离不能超过条带长度ls；其中，“‖”表示平行关系，“⊥”表示垂直关系。
若覆盖机会为左下角倾斜型，则四个条件为：
①过单元格p的左上角顶点作直线Lp‖os，过t的右下角顶点作直线Lt′‖os，则直线Lp与Lt′之间的距离不能超过条带的宽度ηs(p)；
②分别过单元格p和t的右上角顶点作直线Lp′⊥os和Lt⊥os，则Lt在Lp′的上方；
③过单元格t的左上角顶点作直线
则直线
在Lp的右侧；
④过单元格p的左下角顶点作直线
则直线
与Lt之间的距离不能超过条带长度ls；其中，“‖”表示平行关系，“⊥”表示垂直关系；
显然，单元格p本身也满足这四个条件。
步骤2.2.1.2.2.6：如果
则转步骤2.2.1.2.2.9，否则，选择
中的一个单元格q后执行步骤2.2.1.2.2.7；
步骤2.2.1.2.2.7：基于单元格p和q构造一个属于覆盖机会s的最长基本覆盖cs(p,q)；
步骤2.2.1.2.2.7.1：若覆盖机会为右下角倾斜型，则过单元格p的左下角顶点LD(p)作直线Lp‖os，过单元格q的左上角顶点LU(q)作直线Lq⊥os，若覆盖机会为左下角倾斜型，则过单元格p的左上角顶点LU(p)作直线Lp‖os，过单元格q的右上角顶点RU(q)作直线Lq⊥os；
步骤2.2.1.2.2.7.2：计算单元格p作为左单元格时，覆盖模式的条带宽度ηs(p)；
步骤2.2.1.2.2.7.3：作直线
使其满足：
①
②
与Lp之间的距离等于ηs(p)；
③
在Lp的右侧；
步骤2.2.1.2.2.7.4：作直线
使其满足：
①
②
与Lq之间的距离等于ls；
③
在Lq的下侧；
步骤2.2.1.2.2.7.5：以Lp,
Lq,
四条直线作为矩形的四边，以四条直线的交点作为矩形的四个顶点，构造覆盖模式cs(p,q)。
步骤2.2.1.2.2.8：将cs(p,q)加入Cs，将单元格q从
中去除，转至步骤2.2.1.2.2.6；
步骤2.2.1.2.2.9：将单元格p从Js中去除，转至步骤2.2.1.2.2.4；
步骤2.2.1.2.2.10：输出覆盖模式集合Cs；
步骤2.2.1.2.3：将覆盖模机会s从Si中去除，转步骤2.2.1.2.1；
步骤2.2.1.2.4：令
输出覆盖模式集合Ci。
步骤2.2.1.3：以第i个分区ni划分出的单元格集合Ji以及分配给第i个分区ni的覆盖盖机会集合Si＝{s|ys＝ni,s∈S}与可选覆盖模式集合Ci为输入，以两阶段启发式算法确定第i个分区ni选用的覆盖机会子集
并选定各个覆盖机会的覆盖模式，从而得到较优覆盖模式集合
并同时得出其完工时间Fi；
步骤2.2.1.3.1：以单元格集合Ji、覆盖机会集Si以及其对应的覆盖模式集Ci为输入，以启发式算法计算，得到选用的覆盖机会子集
与选择的覆盖模式集
与相应的可覆盖单元格数量Ai；
该两阶段启发式算法的第一阶段使用基于动态贪婪的规则，每次选择覆盖“有效”单元格数量最多的覆盖模式。一旦某个覆盖机会选择了一个覆盖模式，则该覆盖机会退出后续的选择活动。一旦某个单元格在上一轮选择中被覆盖，则该单元格退出后续的选择活动。该方法简单、快速、有效，非常适合在当前环境下快速求得较优可行覆盖方案。
步骤2.2.1.3.1.1：将Si中的所有覆盖机会按照其结束时间进行非降序排序，得到
步骤2.2.1.3.1.2：令Ji中所有的单元格的状态为“未覆盖”，令g＝0，令
步骤2.2.1.3.1.3：将g+1赋值给g，从
中取出覆盖机会sg，遍历其可选覆盖模式集合
对其中每一个覆盖模式
从单元格集合Ji中选出能被
完全覆盖且状态为“未覆盖”的单元格，记为有效单元格集合
其数量记为
步骤2.2.1.3.1.4：选择
中覆盖有效单元格数量最大的覆盖模式
并作为覆盖机会sg选择的覆盖模式，再将
加入
后，将覆盖模式
的有效单元格集合
中所有单元格的状态均改为“已覆盖”；
步骤2.2.1.3.1.5：计算Ji中所有状态为“已覆盖”的单元格的数量，记为Ai；
步骤2.2.1.3.1.6：如果Ai＝|Ji|或
则执行步骤Ⅶ，否则，转至步骤Ⅲ；
步骤2.2.1.3.1.7：输出覆盖机会子集
以及其覆盖模式集
与覆盖的单元格数量Ai。
步骤2.2.1.3.2：如果Ai＜|Ji|，则转至步骤2.2.1.3.4，否则，执行步骤2.2.1.3.3；
在覆盖机会充足的前提下，随机分配至每一个分区的覆盖机会一般有能力对该分区完全覆盖，即Ai＝|Ji|。如果出现部分分区无法被完全覆盖的情况，则会在模拟退火阶段的由插入算子和交换算子构造的邻居分配方案中得到改善。
步骤2.2.1.3.3：使用提升算法优化
与
该两阶段启发式算法的第二阶段在由第一阶段得到的方案的基础上，通过在删去已选用覆盖机会中结束时间最大的一个后尝试重新规划完全覆盖方案以探索方案的更优解空间。
步骤2.2.1.3.3.1将
中结束时间最大的一个覆盖机会
从
中去除，得到覆盖机会集合
步骤2.2.1.3.3.2以单元格集合Ji、覆盖机会集
以及与
对应的可选覆盖模式集
为输入，以启发式算法计算，得到覆选用的盖机会子集
与选择的覆盖模式集
与相应的可覆盖单元格数量
步骤a.3.3.2.1：令Ji中所有的单元格的状态为“未覆盖”，令
步骤a.3.3.2.2：令
步骤a.3.3.2.3：若
则转步骤a.3.3.2.5，否则执行步骤a.3.3.2.4；
步骤a.3.3.2.4：选择
中的第
个覆盖模式，并从单元格集合Ji中选出能被第
个覆盖模式完全覆盖且状态为“未覆盖”的单元格，记为有效单元格集合
其数量记为
将
赋值给
转至步骤a.3.3.2.3；
步骤a.3.3.2.5：若
则转至步骤a.3.3.2.8，否则执行步骤a.3.3.2.6；
步骤a.3.3.2.6：选择Ci中有效单元格数量最大的覆盖模式
并作为相应覆盖机会
所选择的覆盖模式，再将
加入
中，将覆盖模式
的有效单元格集合
中所有单元格的状态均改为“已覆盖”；
步骤a.3.3.2.7：将覆盖机会
所对应的覆盖模式集合
从可选覆盖模式集合
中去除，转至步骤a.3.3.2.2；
步骤a.3.3.2.8：输出各个覆盖机会选择的覆盖模式集合
即最终的覆盖方案，计算Ji中所有状态为“已覆盖”的单元格的数量，记为
步骤2.2.1.3.3.3如果
则将
赋值给
将
赋值给
转至步骤2.2.1.3.3.1，否则，执行步骤2.2.1.3.4；
步骤2.2.1.3.4输出选用的覆盖机会集合
及覆盖模式集合
以
中覆盖机会结束时间的最大值作为完工时间Fi。
步骤2.2.2：将所有分区选用的覆盖机会集合
合并，从而得到总体选用的覆盖机会集合S*，将所有分区的覆盖方案
合并，从而得到对待观测矩形区域R总体的覆盖方案C*，并将所有分区的覆盖方案对应的完工时间{Fi|i＝1,2,…,|N|}中的最大值作为对待观测矩形区域R总体的完工时间F。
以下用模拟退火的方法对分配方案的解空间进行搜索，以期能获得一个较优的分配方案，使产生覆盖方案对应的完工时间最小化。
步骤2.3：设置最大迭代次数
与初始退火温度T1，令当前外循环的迭代次数k＝1；
步骤2.4：如果
则转步骤2.9，否则执行步骤2.5；
步骤2.5：使用插入算子和交换算子构造当前分配方案Y的若干邻居分配方案；
步骤2.5.1设置需要构造的邻居分配方案数量为
令已构造的邻居分配方案数量为m，且m＝0；
步骤2.5.2使用插入算子构造邻居分配方案；
步骤2.5.2.1在当前分配方案Y下选用的覆盖机会集S*(Y)中寻找一个闲置覆盖机会
闲置覆盖机会
的结束时间
小于总体的完工时间F(Y)，但大于闲置覆盖机会
分配至的分区
的完工时间
若寻找不到闲置覆盖机会，则转至步骤2.5.2.4，否则执行步骤2.5.2.2；
步骤2.5.2.2将m+1赋值给m，在当前分配方案Y中将闲置覆盖机会
随机分配给一个分区，且闲置覆盖机会
的结束时间
小于所分配的分区的完工时间，从而形成一个邻居分配方案
步骤2.5.2.3将闲置覆盖机会
从覆盖机会集S*(Y)中去除，转步骤2.5.2.1；
步骤2.5.2.4输出所有使用插入算子得到的邻居分配方案；
步骤2.5.3使用交换算子构造邻居分配方案；
步骤2.5.3.1若
则转步骤2.5.3.3，否则，执行步骤2.5.3.2；
步骤2.5.3.2将m+1赋值给m，随机在分区集合N中选择两个分区ni与nj，随机在分配给分区ni的覆盖机会集合{s|ys＝ni}中选择一个覆盖机会si，随机在分配给分区nj的覆盖机会集合{s|ys＝nj}中选择一个覆盖机会sj，在当前分配方案Y中将si与sj互相交换，即将nj赋值给
将ni赋值给
从而形成一个邻居覆盖方案
转至步骤2.5.3.1；
步骤2.5.3.3输出所有使用交换算子得到的邻居分配方案。
步骤2.6：分别计算每个邻居分配方案下所选用的覆盖机会集合、较优覆盖模式集与相应的完工时间，选择其中完工时间最小的一个作为最优邻居分配方案
步骤2.7：比较最优邻居分配方案
与当前分配方案Y的完工时间，如果
则将最优邻居分配方案
赋值给当前分配方案Y后直接执行步骤2.8，否则先执行步骤2.7.1-步骤2.7.2后再执行步骤2.8；
步骤2.7.1：计算第k次迭代的劣解接受率
步骤2.7.2：第k次生成一个取值为0到1的随机数rk，若rk≤pk，则将最优邻居分配方案
赋值给当前分配方案Y；
步骤2.8：将k+1赋值给k，更新退火温度Tk＝Tk-1×λ，其中，λ为降温系数，并取小于1大于0的固定值，转至步骤2.4；
退火温度的大小代表着对解空间搜索的随机性大小，如果对最终解质量的要求较高便可以将λ设置得较大并增加迭代次数，若需要快速收敛则可以将λ设置得较小。
步骤2.9：输出当前分配方案Y，以及在该分配方案下总体选用的覆盖机会集合S*(Y)、各覆盖机会的较优覆盖模式C*(Y)与其对应的完工时间F(Y)。
Claims (10)
1.一种最早完成区域目标覆盖的分区卫星任务规划方法，其特征是应用于以充足的覆盖机会集合S对一个待观测区域R完全覆盖的覆盖机会选用和覆盖模式规划中，其优化目的是使完成时间早，其中，每个覆盖机会s∈S有自己属性，包括：星下点轨迹os、卫星距地高度hs、最大开机时间ms，且ms对应于一个覆盖模式的最大长度rs、最大可侧摆角度vs、相机视场角ws；同时，每个覆盖机会对于待观测区域R有一个覆盖时机的开始时间α(s)与结束时间β(s)；
所述覆盖模式c是由卫星拍摄形成的矩形条带，并由一个覆盖机会选择一定的侧摆角度与开关机时间而确定；
以所述待观测矩形区域R的任意一个顶点为原点o，以与所述原点相邻的两条边分别为x轴和y轴，从而建立坐标系o-xy；所述待观测矩形区域R的四个顶点坐标，分别记为左上角顶点LU(R)、左下角顶点LD(R)、右上角顶点RU(R)、右下角顶点RD(R)；所述分区卫星任务规划方法是按如下步骤进行：
步骤1：对所述待观测矩形区域R进行分区；
步骤1.1：设定每个分区的长Lp与宽Wp；
步骤1.2：根据待观测矩形区域R的四个顶点坐标计算所述待观测矩形区域R的长LR与宽WR；
步骤1.3：用LR整除Lp得到分区的长分段数DL及余数RL，若余数
则将DL+1赋值给DL；用WR整除Wp得到分区的宽分段数DW及余数RW，若余数
则将DW+1赋值给DW；
步骤1.4：用LR除以DL得到最终分区的长Lf，用WR除以DW得到最终分区的宽Wf；
步骤1.5：根据最终分区的长Lf与宽Wf对待观测矩形区域R进行平均分区，从而得到各个分区的四个顶点坐标；
步骤1.6：得到分区的集合N，且分区的总数为|N|＝DL×DW；
步骤2：向不同区域分配观测资源并选用一定的覆盖机会与其覆盖模式以使形成的覆盖方案对应的完工时间最小；
步骤2.1：将覆盖机会随机分配至各个分区形成一个初始的当前分配方案
其中，ys的取值代表覆盖机会s所分配的分区；
步骤2.2：计算在当前分配方案Y下所选用的覆盖机会集合S*(Y)、较优覆盖模式集C*(Y)与相应的完工时间F(Y)；
步骤2.3：设置最大迭代次数
与初始退火温度T1，令当前外循环的迭代次数k＝1；
步骤2.4：如果
则转步骤2.9，否则执行步骤2.5；
步骤2.5：使用插入算子和交换算子构造当前分配方案Y的若干邻居分配方案；
步骤2.6：分别计算每个邻居分配方案下所选用的覆盖机会集合、较优覆盖模式集与相应的完工时间，选择其中完工时间最小的一个作为最优邻居分配方案
步骤2.7：比较最优邻居分配方案
与当前分配方案Y的完工时间，如果
则将最优邻居分配方案
赋值给当前分配方案Y后直接执行步骤2.8，否则先执行步骤2.7.1-步骤2.7.2后再执行步骤2.8；
步骤2.7.1：计算第k次迭代的劣解接受率
步骤2.7.2：第k次生成一个取值为0到1的随机数rk，若rk≤pk，则将最优邻居分配方案
赋值给当前分配方案Y；
步骤2.8：将k+1赋值给k，更新退火温度Tk＝Tk-1×λ，其中，λ为降温系数，并取小于1大于0的固定值，转至步骤2.4；
步骤2.9：输出当前分配方案Y，以及在该分配方案下总体选用的覆盖机会集合S*(Y)、各覆盖机会的较优覆盖模式C*(Y)与其对应的完工时间F(Y)。
2.根据权利要求1所述的分区卫星任务规划方法，其特征是，所述步骤1.5是按如下过程进行：
步骤1.5.1：令i＝1，以待观测矩形区域R的左上角坐标LU(R)作为第i个分区ni的左上角坐标LU(ni)；
步骤1.5.2：将第i个分区ni的左上角坐标LU(ni)的横坐标值加上Lf得到其右上角坐标RU(ni)，将左上角坐标LU(ni)的纵坐标值加上Wf得到其左下角坐标LD(ni)，再将右上角坐标RU(ni)的纵坐标值加上Wf得到其右下坐标RD(ni)；
步骤1.5.3：若第i个分区ni的右下角坐标RD(ni)等于待观测矩形区域R的右下角坐标RD(R)，则转至步骤1.5.6，否则执行步骤1.5.4；
步骤1.5.4：若第i个分区ni的右上角坐标RU(ni)的横坐标值等于待观测矩形区域R的右上角坐标RU(R)的横坐标值，则令
作为第i+1个分区ni+1的左上角坐标LU(ni+1)，否则，令第i个分区ni的右上角坐标RU(ni)作为第i+1个分区ni+1的左上角坐标LU(ni+1)；
步骤1.5.5：将i+1赋值给i后，转至步骤1.5.2用于构造下一个分区的四顶点坐标；
步骤1.5.6：结束分区，输出各个分区的四顶点坐标。
3.根据权利要求1所述的分区卫星任务规划方法，其特征是，所述步骤2.5是按如下过程进行：
步骤2.5.1设置需要构造的邻居分配方案数量为
令已构造的邻居分配方案数量为m，且m＝0；
步骤2.5.2使用插入算子构造邻居分配方案；
步骤2.5.2.1在当前分配方案Y下选用的覆盖机会集S*(Y)中寻找一个闲置覆盖机会
所述闲置覆盖机会
的结束时间
小于总体的完工时间F(Y)，但大于闲置覆盖机会
分配至的分区
的完工时间
若寻找不到闲置覆盖机会，则转至步骤2.5.2.4，否则执行步骤2.5.2.2；
步骤2.5.2.2将m+1赋值给m，在当前分配方案Y中将闲置覆盖机会
随机分配给一个分区，且闲置覆盖机会
的结束时间
小于所分配的分区的完工时间，从而形成一个邻居分配方案
步骤2.5.2.3将闲置覆盖机会
从覆盖机会集S*(Y)中去除，转步骤2.5.2.1；
步骤2.5.2.4输出所有使用插入算子得到的邻居分配方案；
步骤2.5.3使用交换算子构造邻居分配方案；
步骤2.5.3.1若
则转步骤2.5.3.3，否则，执行步骤2.5.3.2；
步骤2.5.3.2将m+1赋值给m，随机在分区集合N中选择两个分区ni与nj，随机在分配给分区ni的覆盖机会集合{s|ys＝ni}中选择一个覆盖机会si，随机在分配给分区nj的覆盖机会集合{s|ys＝nj}中选择一个覆盖机会sj，在当前分配方案Y中将si与sj互相交换，即将nj赋值给
将ni赋值给
从而形成一个邻居覆盖方案
转至步骤2.5.3.1；
步骤2.5.3.3输出所有使用交换算子得到的邻居分配方案。
4.根据权利要求1所述的分区卫星任务规划方法，其特征是，所述步骤2.2和步骤2.6中的，在给定分配方案的情况下计算选用的覆盖机会集合、各覆盖机会选择的较优覆盖模式集与相应的完工时间是按如下步骤进行：
步骤a：以各个不同的分区以及分配给不同分区的覆盖机会的集合为输入，构造网格并使用两阶段启发式算法，计算不同分区局部选用的覆盖机会集合及较优覆盖方案与相应的完工时间；
步骤a.1：将第i个分区ni划分为多个大小一致的正方形单元格，得到单元格集合Ji；
步骤a.2：根据所划分出的单元格集合Ji，为分配给第i个分区ni的覆盖机会集Si生成最长基本覆盖模式，并组成其可选覆盖模式的总集合Ci；
所述最长基本覆盖模式是指：长度等于最大长度rs，且存在如下两个单元格：
①被覆盖模式完全覆盖，即四个顶点都在覆盖模式所覆盖面积内；
②其中一个单元格有顶点位于覆盖模式的左边界上，并命名为左单元格，另一个单元格有顶点位于覆盖模式的上边界上，并命名为上单元格，其中，左单元格与上单元格可以重合；
步骤a.3：以第i个分区ni划分出的单元格集合Ji以及分配给第i个分区ni的覆盖盖机会集合Si＝{s|ys＝ni,s∈S}与可选覆盖模式集合Ci为输入，以两阶段启发式算法确定第i个分区ni选用的覆盖机会子集
并选定各个覆盖机会的覆盖模式，从而得到较优覆盖模式集合
并同时得出其完工时间Fi；
步骤b：将所有分区选用的覆盖机会集合
合并，从而得到总体选用的覆盖机会集合S*，将所有分区的覆盖方案
合并，从而得到对待观测矩形区域R总体的覆盖方案C*，并将所有分区的覆盖方案对应的完工时间{Fi|i＝1,2,…,|N|}中的最大值作为对待观测矩形区域R总体的完工时间F。
5.根据权利要求4所述的分区卫星任务规划方法，其特征是，所述步骤a.2中的，根据单元格集合为覆盖机会集生成最长基本覆盖模式，并组成其可选覆盖模式的总集合是按如下步骤进行：
步骤a.2.1：如果
则转至步骤a.2.4，否则执行步骤a.2.2；
步骤a.2.2：选取其中一个覆盖机会s∈Si，根据覆盖机会s的类型，使用相应的方法为覆盖机会s构造基于单元格集合Ji的最大基本覆盖模式集Cs：
步骤a.2.2.1：根据覆盖机会s的星下点轨迹os判断覆盖机会s的类型，其类型分为右下倾斜型与左下倾斜型；
步骤a.2.2.2：令集合
步骤a.2.2.3：从单元格集合Ji中筛选出子集Js，且子集Js中的每个单元格都可以作为覆盖机会s的最长基本覆盖模式的左单元格；
步骤a.2.2.3.1：令
步骤a.2.2.3.2：遍历集合Ji，计算每一个单元格u作为覆盖模式的左单元格时，覆盖机会s的相机侧摆角度
其中，若覆盖机会为右下角倾斜型，则
为单元格u的左下角顶点LD(u)与覆盖机会s的星下点轨迹os之间的距离，若覆盖机会为左下倾斜型，则
为单元格u的左上角顶点LU(u)与覆盖机会s的星下点轨迹os之间的距离，如果|σs(u)|≤vs，则将单元格u加入左单元格的子集Js；
步骤a.2.2.4：如果
则转步骤a.2.2.10，否则，选择Js中的一个单元格p后执行步骤a.2.2.5；
步骤a.2.2.5：根据单元格p，从单元格集合Ji中筛选出单元格子集
且当p作为左单元格时
中的每个单元格都能为作为上单元格，与p共同构成覆盖机会s的一个最长基本覆盖模式；
步骤a.2.2.6：如果
则转步骤a.2.2.9，否则，选择
中的一个单元格q后执行步骤a.2.2.7；
步骤a.2.2.7：基于单元格p和q构造一个属于覆盖机会s的最长基本覆盖cs(p,q)；
步骤a.2.2.8：将cs(p,q)加入Cs，将单元格q从
中去除，转至步骤a.2.2.6；
步骤a.2.2.9：将单元格p从Js中去除，转至步骤a.2.2.4；
步骤a.2.2.10：输出覆盖模式集合Cs；
步骤a.2.3：将覆盖模机会s从Si中去除，转步骤a.2.1；
步骤a.2.4：令
输出覆盖模式集合Ci。
6.根据权利要求5所述的分区卫星任务规划方法，其特征是，所述步骤a.2.2.5是按如下过程进行：步骤a.2.2.5.1：令
步骤a.2.2.5.2：利用式(1)计算单元格p作为左单元格时，覆盖模式的条带宽度ηs(p)：
步骤a.2.2.5.3：遍历集合Ji，检验其中的一个单元格t是否满足以下四个条件，若全部满足，则将单元格t加入
否则，继续检验的下一个单元格：
若覆盖机会为右下角倾斜型，则四个条件为：
①过单元格p的左下角顶点作直线Lp‖os，过t的右上角顶点作直线L′t‖os，则直线Lp与L′t之间的距离不能超过条带的宽度ηs(p)；
②分别过单元格p和t的左上角顶点作直线L′p⊥os和Lt⊥os，则Lt在L′p的上方；
③过单元格t的左下角顶点作直线
则直线
在Lp的右侧；
④过单元格p的右下角顶点作直线
则直线
与Lt之间的距离不能超过条带长度ls；其中，“‖”表示平行关系，“⊥”表示垂直关系；
若覆盖机会为左下角倾斜型，则四个条件为：
①过单元格p的左上角顶点作直线Lp‖os，过t的右下角顶点作直线L′t‖os，则直线Lp与L′t之间的距离不能超过条带的宽度ηs(p)；
②分别过单元格p和t的右上角顶点作直线L′p⊥os和Lt⊥os，则Lt在L′p的上方；
③过单元格t的左上角顶点作直线
则直线
在Lp的右侧；
④过单元格p的左下角顶点作直线
则直线
与Lt之间的距离不能超过条带长度ls；其中，“‖”表示平行关系，“⊥”表示垂直关系。
7.根据权利要求5所述的分区卫星任务规划方法，其特征是，所述步骤a.2.2.7是按如下过程进行：
步骤a.2.2.7.1：若覆盖机会为右下角倾斜型，则过单元格p的左下角顶点LD(p)作直线Lp‖os，过单元格q的左上角顶点LU(q)作直线Lq⊥os，若覆盖机会为左下角倾斜型，则过单元格p的左上角顶点LU(p)作直线Lp‖os，过单元格q的右上角顶点RU(q)作直线Lq⊥os；
步骤a.2.2.7.2：计算单元格p作为左单元格时，覆盖模式的条带宽度ηs(p)；
步骤a.2.2.7.3：作直线
使其满足：
①
②
与Lp之间的距离等于ηs(p)；
③
在Lp的右侧；
步骤a.2.2.7.4：作直线
使其满足：
①
②
与Lq之间的距离等于ls；
③
在Lq的下侧；
步骤a.2.2.7.5：以Lp,
Lq,
四条直线作为矩形的四边，以四条直线的交点作为矩形的四个顶点，构造覆盖模式cs(p,q)。
8.根据权利要求4所述的分区卫星任务规划方法，其特征是，所述步骤a.3是按如下过程进行：
步骤a.3.1：以单元格集合Ji、覆盖机会集Si以及其对应的覆盖模式集Ci为输入，以启发式算法计算，得到选用的覆盖机会子集
选择的覆盖模式集
与相应的可覆盖单元格数量Ai；
步骤a.3.2：如果Ai＜|Ji|，其中|Ji|表示集合Ji中元素的个数， 则转至步骤a.3.4，否则，执行步骤a33；
步骤a.3.3：使用提升算法优化
与
步骤a.3.3.1将
中结束时间最大的一个覆盖机会
从
中去除，得到覆盖机会集合
步骤a.3.3.2以单元格集合Ji、覆盖机会集
以及与
对应的可选覆盖模式集
为输入，以启发式算法计算，得到覆选用的盖机会子集
与选择的覆盖模式集
与相应的可覆盖单元格数量
步骤a.3.3.3如果
则将
赋值给
将c赋值给
转至步骤a.3.3.1，否则，执行步骤a.3.4；
步骤a.3.4输出选用的覆盖机会集合
及覆盖模式集合
以
中覆盖机会结束时间的最大值作为完工时间Fi。
9.根据权利要求8所述的分区卫星任务规划方法，其特征是，所述步骤a.3.1是按如下过程进行：
步骤a.3.1.1：将Si中的所有覆盖机会按照其结束时间进行非降序排序，得到
步骤a.3.1.2：令Ji中所有的单元格的状态为“未覆盖”，令g＝0，令
步骤a.3.1.3：将g+1赋值给g，从
中取出覆盖机会sg，遍历其可选覆盖模式集合
对其中每一个覆盖模式
从单元格集合Ji中选出能被
完全覆盖且状态为“未覆盖”的单元格，记为有效单元格集合
其数量记为
步骤a.3.1.4：选择
中覆盖有效单元格数量最大的覆盖模式
并作为覆盖机会sg选择的覆盖模式，再将
加入
后，将覆盖模式
的有效单元格集合
中所有单元格的状态均改为“已覆盖”；
步骤a.3.1.5：计算Ji中所有状态为“已覆盖”的单元格的数量，记为Ai；
步骤a.3.1.6：如果Ai＝|Ji|或
则执行步骤Ⅶ，否则，转至步骤Ⅲ；
步骤a.3.1.7：输出覆盖机会子集
以及其覆盖模式集
与覆盖的单元格数量Ai。
10.根据权利要求8所述的分区卫星任务规划方法，其特征是，所述步骤a.3.3.2是按如下过程进行：
步骤a.3.3.2.1：令Ji中所有的单元格的状态为“未覆盖”，令
步骤a.3.3.2.2：令
步骤a.3.3.2.3：若
则转步骤a.3.3.2.5，否则执行步骤a.3.3.2.4；
步骤a.3.3.2.4：选择
中的第
个覆盖模式，并从单元格集合Ji中选出能被第
个覆盖模式完全覆盖且状态为“未覆盖”的单元格，记为有效单元格集合
其数量记为
将
赋值给
转至步骤a.3.3.2.3；
步骤a.3.3.2.5：若
则转至步骤a.3.3.2.8，否则执行步骤a.3.3.2.6；
步骤a.3.3.2.6：选择Ci中有效单元格数量最大的覆盖模式
并作为相应覆盖机会
所选择的覆盖模式，再将
加入
中，将覆盖模式
的有效单元格集合
中所有单元格的状态均改为“已覆盖”；
步骤a.3.3.2.7：将覆盖机会
所对应的覆盖模式集合
从可选覆盖模式集合
中去除，转至步骤a.3.3.2.2；
步骤a.3.3.2.8：输出各个覆盖机会选择的覆盖模式集合
即最终的覆盖方案，计算Ji中所有状态为“已覆盖”的单元格的数量，记为
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910957601.4A CN110728447B (zh) | 2019-10-10 | 2019-10-10 | 一种最早完成区域目标覆盖的分区卫星任务规划方法 |
| US17/007,157 US11708179B2 (en) | 2019-10-10 | 2020-08-31 | Partition satellite mission planning method for earliest completion of regional target coverage |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910957601.4A CN110728447B (zh) | 2019-10-10 | 2019-10-10 | 一种最早完成区域目标覆盖的分区卫星任务规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110728447A CN110728447A (zh) | 2020-01-24 |
| CN110728447B true CN110728447B (zh) | 2021-03-09 |
Family
ID=69219753
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910957601.4A Active CN110728447B (zh) | 2019-10-10 | 2019-10-10 | 一种最早完成区域目标覆盖的分区卫星任务规划方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11708179B2 (zh) |
| CN (1) | CN110728447B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111861230B (zh) * | 2020-07-24 | 2023-11-28 | 二十一世纪空间技术应用股份有限公司 | 一种面向灾害应急的多星协同观测任务规划方法及装置 |
| CN113420095B (zh) * | 2021-05-25 | 2022-11-11 | 上海交通大学 | 一种基于边界反衍的可视栅格处理方法及系统 |
| CN113568426B (zh) * | 2021-06-30 | 2024-03-26 | 中国资源卫星应用中心 | 一种基于多星多载荷的卫星集群协同规划方法 |
| CN113758467B (zh) * | 2021-09-07 | 2023-06-30 | 合肥工业大学 | 基于区域划分和局部网格嵌套的遥感卫星区域观测方法 |
| CN116700235A (zh) * | 2022-02-28 | 2023-09-05 | 北京智行者科技股份有限公司 | 动态全覆盖路径规划方法及装置、清洁设备、存储介质 |
| CN115014294A (zh) * | 2022-05-18 | 2022-09-06 | 河海大学 | 一种东西向卫星的河道敏捷成像方法 |
| EP4332004A1 (en) * | 2022-09-01 | 2024-03-06 | Urugus S.A. | Planet observation system and method for remote sensing |
| CN117909075B (zh) * | 2024-01-22 | 2024-08-09 | 北京开运联合信息技术集团股份有限公司 | 卫星遥感任务可执行性分析方法、系统、存储介质及装置 |
| CN118297352B (zh) * | 2024-06-03 | 2024-09-24 | 中国科学院软件研究所 | 一种多星对地周期性观测及优先级更新方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105095643A (zh) * | 2015-06-15 | 2015-11-25 | 中国人民解放军国防科学技术大学 | 面向动态环境的成像卫星自主任务规划方法 |
| CN106597434A (zh) * | 2016-11-28 | 2017-04-26 | 中国人民解放军国防科学技术大学 | 一种基于推扫轨迹的敏捷卫星目标分解方法及系统 |
| CN108269009A (zh) * | 2018-01-05 | 2018-07-10 | 合肥工业大学 | 多成像卫星区域覆盖任务动态规划方法 |
| CN109087023A (zh) * | 2018-08-23 | 2018-12-25 | 中南大学 | 一种基于分治策略的多星观测分层调度方法及系统 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9126700B2 (en) * | 2010-01-25 | 2015-09-08 | Tarik Ozkul | Autonomous decision system for selecting target in observation satellites |
| US9396391B2 (en) * | 2014-06-17 | 2016-07-19 | Digitalglobe, Inc. | Automated geospatial image mosaic generation with multiple zoom level support |
| WO2017048339A1 (en) * | 2015-06-16 | 2017-03-23 | King Abdulaziz City Of Science And Technology | Systems and methods for remote sensing of the earth from space |
| US9800376B1 (en) * | 2016-04-12 | 2017-10-24 | Hughes Network Systems, L.L.C. | Frequency reuse efficiency via interference avoidance for multi-beam satellite communications network |
| CN106384169B (zh) * | 2016-09-22 | 2018-02-06 | 合肥工业大学 | 一种基于超启发式算法的卫星任务规划方法 |
| CN106767730A (zh) * | 2016-11-22 | 2017-05-31 | 航天恒星科技有限公司 | 用静态网格描述的卫星动态条带区域拆分方法 |
| CN106681807B (zh) | 2016-11-28 | 2020-04-14 | 中国人民解放军国防科学技术大学 | 一种基于Spark的成像卫星任务预处理并行化方法 |
| CN106845692A (zh) * | 2016-12-29 | 2017-06-13 | 航天恒星科技有限公司 | 一种考虑气象信息的成像卫星任务规划方法 |
| US10178499B2 (en) * | 2017-04-21 | 2019-01-08 | The United States Of America As Represented By The Administrator Of Nasa | Virtual stationary satellites over any area of the earth for a continuous or set amount of time |
| EP4117199A1 (en) * | 2017-10-20 | 2023-01-11 | Hawkeye 360, Inc. | Method and scheduling system of a plurality of hierarchical tasks for a satellite system |
| CN108268975B (zh) * | 2018-01-05 | 2021-12-10 | 合肥工业大学 | 考虑传感器侧摆的多成像卫星区域覆盖任务规划方法 |
| CN108268976B (zh) * | 2018-01-05 | 2021-12-14 | 合肥工业大学 | 多成像卫星区域覆盖任务最大完成时间最小化规划方法 |
| CN108932384A (zh) * | 2018-07-04 | 2018-12-04 | 北京市遥感信息研究所 | 基于一次覆盖条带最大化的成像卫星区域目标覆盖方法 |
| US11557059B2 (en) * | 2019-03-19 | 2023-01-17 | Here Global B.V. | System and method for determining position of multi-dimensional object from satellite images |
| JP7114082B2 (ja) * | 2019-03-20 | 2022-08-08 | 株式会社アクセルスペース | 情報処理装置、情報処理方法及びプログラム |
| CN110210700A (zh) | 2019-04-19 | 2019-09-06 | 中国科学院遥感与数字地球研究所 | 面向应急响应的基于任务优先级的多星动态任务规划方法 |
-
2019
- 2019-10-10 CN CN201910957601.4A patent/CN110728447B/zh active Active
-
2020
- 2020-08-31 US US17/007,157 patent/US11708179B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105095643A (zh) * | 2015-06-15 | 2015-11-25 | 中国人民解放军国防科学技术大学 | 面向动态环境的成像卫星自主任务规划方法 |
| CN106597434A (zh) * | 2016-11-28 | 2017-04-26 | 中国人民解放军国防科学技术大学 | 一种基于推扫轨迹的敏捷卫星目标分解方法及系统 |
| CN108269009A (zh) * | 2018-01-05 | 2018-07-10 | 合肥工业大学 | 多成像卫星区域覆盖任务动态规划方法 |
| CN109087023A (zh) * | 2018-08-23 | 2018-12-25 | 中南大学 | 一种基于分治策略的多星观测分层调度方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| US11708179B2 (en) | 2023-07-25 |
| US20210107688A1 (en) | 2021-04-15 |
| CN110728447A (zh) | 2020-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110728447B (zh) | 一种最早完成区域目标覆盖的分区卫星任务规划方法 | |
| CN110727903B (zh) | 一种有限覆盖资源实现最大观测面积的卫星任务规划方法 | |
| CN110705888B (zh) | 一种最小成本区域目标覆盖的分区卫星任务规划方法 | |
| CN108632831A (zh) | 一种基于动态航迹的无人机群频谱资源分配方法 | |
| CN108253971A (zh) | 一种巡检方法及系统 | |
| CN109239735A (zh) | 虚拟星座协作观测方法 | |
| CN113595619B (zh) | 一种无人机群通联与覆盖组合优化方法 | |
| CN110807579B (zh) | 一种资源充足情形下最小完工时间的卫星任务规划方法 | |
| CN104657795A (zh) | 多卫星对地协同观测的待观测任务确定方法及装置 | |
| CN113568426B (zh) | 一种基于多星多载荷的卫星集群协同规划方法 | |
| CN109714097A (zh) | 一种卫星资源跨域协同调度系统 | |
| CN104680238A (zh) | 多卫星对地协同观测的待观测任务确定方法 | |
| CN115659556A (zh) | 一种面向大区域目标的多星任务规划方法及系统 | |
| CN110782166B (zh) | 一种有限资源覆盖最大面积的分区卫星任务规划方法 | |
| CN110717673B (zh) | 一种资源充足情形下最小观测成本的卫星任务规划方法 | |
| CN109358345B (zh) | 基于Agent的虚拟星座协作观测方法 | |
| CN109710389A (zh) | 一种多层级卫星协同调度方法和系统 | |
| CN108268976B (zh) | 多成像卫星区域覆盖任务最大完成时间最小化规划方法 | |
| CN114610058B (zh) | 一种集群飞行器多任务分布式任务分配方法 | |
| CN114580892A (zh) | 基于变邻域搜索的多卫星区域观测规划方法 | |
| CN113758467B (zh) | 基于区域划分和局部网格嵌套的遥感卫星区域观测方法 | |
| CN108268975B (zh) | 考虑传感器侧摆的多成像卫星区域覆盖任务规划方法 | |
| CN108334979A (zh) | 面向区域覆盖的多成像卫星任务规划方法 | |
| CN113706050A (zh) | 基于自适应遗传算法的多卫星区域观测规划方法 | |
| CN117556579B (zh) | 一种多星协同最优观测方法 |
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 |