CN110825104B - 移动平台路径规划与无人机任务分配的两阶段优化方法 - Google Patents
移动平台路径规划与无人机任务分配的两阶段优化方法 Download PDFInfo
- Publication number
- CN110825104B CN110825104B CN201910892197.7A CN201910892197A CN110825104B CN 110825104 B CN110825104 B CN 110825104B CN 201910892197 A CN201910892197 A CN 201910892197A CN 110825104 B CN110825104 B CN 110825104B
- Authority
- CN
- China
- Prior art keywords
- mobile platform
- unmanned aerial
- aerial vehicle
- formula
- constraint condition
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Abstract
本发明提供一种移动平台路径规划与无人机任务分配的两阶段优化方法,该方法包括:获取异构任务集合和路网数据;构建无人机与移动平台协同执行异构任务集合的路径规划模型;采用预设二阶段求解算法求解所述路径规划模型,得到最优解,所述最优解为所述移动平台和所述无人机共同完成所述异构任务集合中所有任务时所述移动平台和所述无人机各自的最优路径。本发明采用二阶段求解算法求解上述模型,这种方法相对于其他求解算法,更加容易地求得最优路径。
Description
技术领域
本发明涉及任务分配技术领域,具体涉及一种移动平台路径规划与无人机任务分配的两阶段优化方法、装置、计算机设备和存储介质。
背景技术
无人机因为具有重量轻、体积小、灵活性高和成本低等特性,逐渐受到人们的关注,成为提高交通巡逻、电力巡检等的重要工具。例如,美国西雅图警方和洛杉矶警方都已经将无人机作为执法活动的一部分;在2016年,中国南京长江四桥路政大队手动操作无人机进行路政巡逻以及节假日的流量监控;2017年,英国德文群、康沃尔郡和多赛特的警察部队共同组建了英国首个专门的无人机部队,来提供相应的警务服务。然而,所采用的无人机多为旋翼无人机,这种无人机续航能力十分有限,而且无人机与车辆等移动平台执行的是较为复杂的任务,具体路径规划方案的求解很难,所以需要一种新的解决方案。
发明内容
(一)解决的技术问题
本发明提供了一种移动平台路径规划与无人机任务分配的两阶段优化方法、装置、计算机设备和存储介质,更加容易地求得最优路径。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
第一方面,本发明提供一种移动平台路径规划与无人机任务分配的两阶段优化方法,包括:获取异构任务集合和路网数据;其中,所述异构任务集合中包括道路交点对应的点任务和道路线段对应的线任务;构建无人机与移动平台协同执行所述异构任务集合的路径规划模型;其中,所述路径规划模型以将无人机与移动平台从预设控制中心出发、执行完所述异构任务集合中所有任务并返回到所述预设控制中心所耗费的总时间最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机与移动平台协同执行所述异构任务集合的预设场景而设置,所述预设场景包括:搭载有可多次起降的无人机的移动平台从所述预设控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述移动平台执行所述点任务或者所述线任务,在所述无人机的电量不足以至于无法继续执行下一个任务时返回到道路交口与所述移动平台汇合并更换电池,并继续执行下一个任务,直至所述无人机和所述移动平台将所述异构任务集合中所有任务执行完成,所述移动平台搭载所述无人机返回到所述预设控制中心;采用预设二阶段求解算法求解所述路径规划模型,得到最优解,所述最优解为所述移动平台和所述无人机共同完成所述异构任务集合中所有任务时所述移动平台和所述无人机各自的最优路径。
第二方面,本发明提供一种移动平台路径规划与无人机任务分配的两阶段优化装置,包括:任务输入模块,用于获取异构任务集合和路网数据;其中,所述异构任务集合中包括道路交点对应的点任务和道路线段对应的线任务;还用于构建无人机与移动平台协同执行所述异构任务集合的路径规划模型;其中,所述路径规划模型以将无人机与移动平台从预设控制中心出发、执行完所述异构任务集合中所有任务并返回到所述预设控制中心所耗费的总时间最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机与移动平台协同执行所述异构任务集合的预设场景而设置,所述预设场景包括:搭载有可多次起降的无人机的移动平台从所述预设控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述移动平台执行所述点任务或者所述线任务,在所述无人机的电量不足以至于无法继续执行下一个任务时返回到道路交口与所述移动平台汇合并更换电池,并继续执行下一个任务,直至所述无人机和所述移动平台将所述异构任务集合中所有任务执行完成,所述移动平台搭载所述无人机返回到所述预设控制中心;二阶段求解模块,用于采用预设二阶段求解算法求解所述路径规划模型,得到最优解,所述最优解为所述移动平台和所述无人机共同完成所述异构任务集合中所有任务时所述移动平台和所述无人机各自的最优路径。
第三方面,本发明提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面所提供的方法的步骤。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所提供的方法的步骤。
(三)有益效果
本发明实施例提供了一种移动平台路径规划与无人机任务分配的两阶段优化方法、装置、计算机设备和存储介质,由移动平台和无人机共同完成异构任务集合中的所有任务,在路径规划过程中,将整个工作过程所耗费的时间最小化作为优化目标,可以减少整个任务所耗费的时间,提高工作效率。而且根据执行任务时的实际场景设置约束条件,使得到的路径符合实际的场景需求。例如,在实际场景中,当无人机的电量不足以至于无法继续执行下一个任务时返回到道路交口与所述移动平台汇合并更换电池,并继续执行下一个任务,考虑了无人机续航能力有限这一特点,使得得到的最优路径也符合无人机的使用场景。进一步的,本发明中采用预设二阶段求解算法求解上述模型,这种方法相对于其他求解算法,更加容易地求得最优路径。
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为本申请一实施例中移动平台路径规划与无人机任务分配的两阶段优化方法的流程示意图;
图2为本申请一实施例中一个简化的城市路网连通图;
图3为本申请一实施例中移动平台单独执行任务时的最短路径示意图;
图4为本申请一实施例中无人机和移动平台共同执行任务时的最优路径示意图;
图5为本申请一实施例中移动平台路径规划与无人机任务分配的两阶段优化装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
第一方面,本申请提供一种移动平台路径规划与无人机任务分配的两阶段优化方法,如图1所示,该方法包括如下步骤:
S100、获取异构任务集合和路网数据;其中,所述异构任务集合中包括道路交点对应的点任务和道路线段对应的线任务;
可理解的是,上述路网数据包括道路网络中各条道路的数据,例如,路段长度、道路交点等。
由于点任务和线任务都在道路网络中,并且移动平台和无人机都在道路网络中行进并执行任务,因此将道路网络离散简化为一个连通图G=(V,E),道路网络中可通行的道路交点集合为连通图G的点集合V=(V0,V2,…,Vv-1),v表示道路交点的数量。路段的集合则为连通图G的边集合E={eij=(Vi,Vj)},边的数量用e表示。每条边eij∈E上有非负权重w(eij),表示边(即路段)的长度,当时,w(eij)=0。同时基于实际的道路情况,连通图设计为有向图,即eij≠eji。在本文中根据实际情况建立一个简化的城市路网连通图,参考图2示出的简化连通图。
在上述道路网络连通图中,我们设V0为预设控制中心作为起始点和终止点,所描述的点任务集合表示为其中k={1,2,L,m},i={1,2,L,v},m≤v;所描述的线任务集合表示为其中k={1,2,L,n},(Vi,Vj)∈E,同时n≤e。因此,异构任务集合为TV和TE的并集。可理解的是,由于移动平台是一定从预设控制中心出发的,因此V0一定包括在TV内。
S200、构建无人机与移动平台协同执行所述异构任务集合的路径规划模型;其中,所述路径规划模型以将无人机与移动平台从预设控制中心出发、执行完所述异构任务集合中所有任务并返回到所述预设控制中心所耗费的总时间最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机与移动平台协同执行所述异构任务集合的预设场景而设置,所述预设场景包括:搭载有可多次起降的无人机的移动平台从所述预设控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述移动平台执行所述点任务或者所述线任务,在所述无人机的电量不足以至于无法继续执行下一个任务时返回到道路交口与所述移动平台汇合并更换电池,并继续执行下一个任务,直至所述无人机和所述移动平台将所述异构任务集合中所有任务执行完成,所述移动平台搭载所述无人机返回到所述预设控制中心;
可理解的是,移动平台可以为车辆或其他形式的可移动设备。
为了计算方便,我们假设移动平台和无人机在道路中是匀速行驶的,单位路程所耗费的时间我们分别用CV和CU表示,即,移动平台行驶单位路程所耗费的时间为CV,无人机飞行单位路程所耗费的时间为CU。对于城市的每个子管辖范围,移动平台可视为无限续航,无人机在一个架次中的最大续航里程用RMax表示。同时,释放和回收无人机也是需要时间的,分别用SL和SR表示无人机的释放和回收所耗费的时间。由于在整个过程中移动平台和无人机都需要从控制中心出发并最终返回,相当于V0访问了两次,因此我们将所有移动平台和无人机能出发的点设为VS={V0,V1,L,Vv-1},将所有移动平台和无人机能返回的点设为VE={V1,V2,L,Vv},其中Vv等价于V0。
可理解的是,无人机和移动平台同时从预设控制中心出发,并同时返回到预设控制中心,因此可以用移动平台行驶的总时间作为整个工作所耗费的时间(即无人机与移动平台从预设控制中心出发、执行完所述异构任务集合中所有任务并返回到所述预设控制中心所耗费的总时间),因此上述路径规划模型的目标函数为:
min tv
式中,tv为所述移动平台从所述预设控制中心出发至返回到所述预设控制中心的时间。
在一些实施例中,约束条件是依据无人机和移动平台的实际工作场景而设置的,例如,针对无人机的续航里程有限这一特点设置一个约束条件。预设约束条件可以为下文中的第一约束条件、第二约束条件、第三约束条件、第四约束条件等。
S300、采用预设二阶段求解算法求解所述路径规划模型,得到最优解,所述最优解为所述移动平台和所述无人机共同完成所述异构任务集合中所有任务时所述移动平台和所述无人机各自的最优路径;
其中,步骤S300可以具体包括如下步骤S310和S320:
S310、计算所述移动平台单独完成所述异构任务集合中所有任务时的最短路径;
可理解的是,在这一步中,假设只有移动平台执行任务,即无人机一直在移动平台上没有被释放出去执行任务。在此情况下,计算移动平台执行所有任务时的最短路径。例如,图3所示出的路径示意图为移动平台单独完成所有任务时的最短路径的示意图。
S320、根据所述最短路径、所述预设约束条件和预设启发式分配算法,从所述异构任务集合中筛选出至少一个任务由无人机完成以实现所述优化目标,并输出所述移动平台和所述无人机共同完成所述异构任务集合中所有任务时所述移动平台和所述无人机各自的最优路径。
可理解的是,利用无人机和移动平台协同来优化工作过程的目的是能使得无人机和移动平台并行执行一些任务,从而提升任务执行的效率。因此,步骤S320的主要任务就是从移动平台访问的所有任务中抽取出一些任务分配给无人机,找到最优的任务分配,进而得到移动平台的最优访问路径和无人机的最优访问路径。例如,图4为无人机和移动平台共同执行所有任务时的路径示意图。
在实际应用中,可以对每一个任务进行分析,试分配给无人机,也就是将每个任务分配给无人机试一下,如果通过计算,分配给无人机使整个工作所耗费的总时间减少,那么就分配给无人机,可以安扎这样方式将异构任务集合中所有任务都试一遍。
可理解的是,将其中一些任务分配给无人机,无人机从移动平台上起飞后执行这些任务,此时移动平台也执行其他任务,即,从无人机被释放开始到无人机在移动平台上完成回收操作结束期间,移动平台和无人机各自在路网中行驶,该过程为并行访问过程。而无人机在移动平台上随着移动平台一起执行一些任务,即,无人机未被释放时跟着移动平台一同在路网中行驶,该过程可以称为串行访问过程。移动平台与无人机协同执行的整个过程是由多个并行和串行访问过程组成的。
可见,未被分配任务给无人机的移动平台的最短路径可以看作是一个串行单元,若将其中一个任务分配给无人机,剩余任务重新组成一条完整的访问路径,同时在此访问路径中找出此架次无人机的起飞点和降落点,同时形成了两个串行单元和一个并行单元,由于移动平台上只有一架无人机,因此,并行的移动平台路径上不能再次释放无人机,相当于此段路径被锁死。那么不断地在串行单元中选择任务分配给无人机,找出起降点,直到无法分配或者分配方案不能降低总时间为止。
可见,为无人机分配任务的启发式算法,是在移动平台单独执行所有任务时的最短路径的基础上,通过不断抽取任务重新分配给无人机,然后评估效能,最终形成一个完整分配策略。
在一些实施例中,该步骤S320的具体过程可以包括如下步骤:
S321、从所述异构任务集合中按序选择一个任务试分配给无人机,并判断移动平台是否满足第一约束条件,所述第一约束条件包括:所述移动平台从所述预设控制中心出发的总次数为1、所述移动平台返回到所述预设控制中心的总次数为1、所述移动平台到达道路网络中任一道路交点的总次数与从该道路交点离开的总次数相同、所述预设控制中心的移动平台访问顺序编号为1以及各个道路交点的移动平台访问顺序编号随着所述移动平台的行驶而递增中的至少一项;
采用第一公式表示第一约束条件“所述移动平台从所述预设控制中心出发的总次数为1”,所述第一公式为
式中,E={eij=(Vi,Vj)},E为道路网络中所有道路线段的集合,eij=(Vi,Vj)为从第i个道路交点到第j个道路交点之间的道路线段;VE为所述移动平台和所述无人机的返回交点集合;x0j为0或1,若x0j=1则表示移动平台从第0个道路交点行驶到第j个道路交点,若x0j=0则表示移动平台未从第0个道路交点行驶到第j个道路交点;和/或
采用第二公式表示第一约束条件“所述移动平台返回到所述预设控制中心的总次数为1”,所述第二公式为:
式中,xi0为0或1,若xi0为1则表示移动平台从第i个道路交点行驶到第0个道路交点,若xi0为0则表示移动平台未从第i个道路交点行驶到第0个道路交点;VS为所述移动平台和所述无人机的出发交点集合;第0个道路交点为所述预设控制中心;和/或
采用第三公式表示第一约束条件“所述移动平台到达道路网络中任一道路交点的总次数与从该道路交点离开的总次数相同”,所述第三公式包括:
式中,V为所述返回交点集合和所述出发交点集合的并集;和/或
采用第四公式表示第一约束条件“所述预设控制中心的移动平台访问顺序编号为1”,所述第四公式为:
u0=1
式中,u0为所述预设控制中心的移动平台访问顺序编号;和/或
采用第五公式表示第一约束条件“各个道路交点的移动平台访问顺序编号随着所述移动平台的行驶而递增”,所述第五公式为:
式中,ui为第i个道路交点的移动平台访问顺序编号。
可理解的是,当满足第一约束条件时可以执行后续步骤S322,否则从所述异构任务集合中按序选择下一个任务分配给无人机,继续判断此时无人机是否满足第一约束条件。
S322、判断所述无人机是否满足第二约束条件,所述第二约束条件包括:所述无人机在每一个架次中的释放次数为1、所述无人机在每一个架次中的返回次数为1、所述无人机到达任一道路交点的总次数与从该道路交点离开的总次数相同、所述无人机在每一次架次中返回所述移动平台之前需要被释放、所述无人机在任一架次中被释放之前需要在上一架次中返回到所述移动平台以及所述无人机的架次随着移动平台的行驶而递增中的至少一项;
采用第六公式表示第二约束条件“所述无人机在每一个架次中的释放次数为1”,所述第六公式包括:
式中,表示所述无人机的第f个架次中是否从第i个道路交点起飞并从第j个道路交点降落;为0或1,若为1则表示所述无人机在第f个架次中从第i个道路交点飞行至第k个道路交点,若为0则表示所述无人机在第f个架次中未从第i个道路交点飞行至第k个道路交点;和/或
采用第七公式标识第二约束条件“所述无人机在每一个架次中的返回次数为1”,所述第七公式为:
采用第八公式表示第二约束条件“所述无人机到达任一道路交点的总次数与从该道路交点离开的总次数相同”,所述第八公式为:
采用第九公式表示第二约束条件“所述无人机在每一次架次中返回所述移动平台之前需要被释放”,所述第九公式为:
采用第十公式表示第二约束条件“所述无人机在任一架次中被释放之前需要在上一架次中返回到所述移动平台”,所述第十公式为:
式中,为所述无人机在第f架次中的起飞交点的移动平台访问顺序编号;为所述无人机在第f架次中的降落交点的移动平台访问顺序编号;为所述无人机在第f’架次中的起飞交点的移动平台访问顺序编号;为所述无人机在第f’架次中的降落交点的移动平台访问顺序编号;和/或
采用第十一公式表示第二约束条件“所述无人机的架次随着移动平台的行驶而递增”,所述第十一公式为:
可理解是,当满足第二约束条件时可以执行后续步骤S323,否则从所述异构任务集合中按序选择下一个任务分配给无人机,继续判断此时无人机是否满足第一约束条件,即返回步骤S321。
S323、判断是否满足第三约束条件,所述第三约束条件包括:在同一架次中所述飞行机的飞行耗时随着所述无人机的飞行而增加、所述无人机的每一个架次的飞行里程小于等于所述无人机的最大续航里程、所述无人机的每一个架次的起飞时间点为0、移动平台从所述预设控制中心出发的时间点为0以及将无人机到达每一个架次的降落点的时间以及移动平台到达该降落点的时间进行对齐中的至少一项;
采用第十二公式表示第三约束条件“在同一架次中所述飞行机的飞行耗时随着所述无人机的飞行而增加”,所述第十二公式为:
采用第十三公式表示第三约束条件“所述无人机的每一个架次的飞行里程小于等于所述无人机的最大续航里程”,所述第十三公式为:
式中,RMax为所述最大续航里程,ti为所述移动平台到达第i个道路交点的时间,CV为所述移动平台行驶单位路长耗费的时间;和/或
采用第十四公式表示第三约束条件“所述无人机的每一个架次的起飞时间点为0”,所述第十四公式为:
采用第十五公式表示第三约束条件“移动平台从所述预设控制中心出发的时间点为0”,所述第十五公式为:
t0=0;和/或
采用第十六公式表示第三约束条件“将无人机到达每一个架次的降落点的时间以及移动平台到达该降落点的时间进行对齐”,所述第十六公式为:
式中,SR为所述无人机的释放所耗费的时间,SL为所述无人机的回收所耗费的时间。
可理解是,当满足第三约束条件时可以执行后续步骤S324,否则从所述异构任务集合中按序选择下一个任务分配给无人机,继续判断此时无人机是否满足第一约束条件,即返回步骤S321。
S324、判断是否满足第四约束条件,所述第四约束条件包括:任意一个线任务被所述移动平台和所述无人机访问的总次数为1,和/或,任意一个点任务被所述移动平台和所述无人机访问的总次数为1;
采用第十七公式表示第四约束条件“任意一个线任务被所述移动平台和所述无人机访问的总次数为1”,所述第十七公式为:
式中,TE为所有线任务的集合;和/或
采用第十八公式表示第四约束条件“任意一个点任务被所述移动平台和所述无人机访问的总次数为1”,所述第十八公式为:
式中,TV为所有点任务的集合。
可理解是,当满足第二约束条件时可以执行后续步骤S325,否则从所述异构任务集合中按序选择下一个任务分配给无人机,继续判断此时无人机是否满足第一约束条件,即返回步骤S321。
S325、判断是否能够实现目标函数,所述目标函数为:
min tv
式中,tv为所述移动平台从所述预设控制中心出发至返回到所述预设控制中心的时间;
若是,则将该任务分配给无人机执行,并从所述异构任务集合中按序选择下一个任务试分配给无人机,并进行约束条件和目标函数的判断,及返回步骤S321,直至所述异构任务集合中所有任务都遍历完成,得到由无人机和移动平台各自执行的任务以及所述移动平台和所述无人机执行各自任务的最优路径。
本发明提供的移动平台路径规划与无人机任务分配的两阶段优化方法,由移动平台和无人机共同完成异构任务集合中的所有任务,在路径规划过程中,将整个过程所耗费的时间最小化作为优化目标,可以减少整个任务所耗费的时间,提高工作效率。而且根据执行任务时的实际场景设置约束条件,使得到的路径符合实际的场景需求。例如,在实际场景中,当无人机的电量不足以至于无法继续执行下一个任务时返回到道路交口与所述移动平台汇合并更换电池,并继续执行下一个任务,考虑了无人机续航能力有限这一特点,使得得到的最优路径也符合无人机的使用场景。进一步的,本发明中采用预设二阶段求解算法求解上述模型,这种方法相对于其他求解算法,更加容易地求得最优路径。
第二方面,本发明提供一种移动平台路径规划与无人机任务分配的两阶段优化装置,如图5所示,该装置500包括:
任务输入模块510,用于获取异构任务集合和路网数据;其中,所述异构任务集合中包括道路交点对应的点任务和道路线段对应的线任务;还用于构建无人机与移动平台协同执行所述异构任务集合的路径规划模型;其中,所述路径规划模型以将无人机与移动平台从预设控制中心出发、执行完所述异构任务集合中所有任务并返回到所述预设控制中心所耗费的总时间最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机与移动平台协同执行所述异构任务集合的预设场景而设置,所述预设场景包括:搭载有可多次起降的无人机的移动平台从所述预设控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述移动平台执行所述点任务或者所述线任务,在所述无人机的电量不足以至于无法继续执行下一个任务时返回到道路交口与所述移动平台汇合并更换电池,并继续执行下一个任务,直至所述无人机和所述移动平台将所述异构任务集合中所有任务执行完成,所述移动平台搭载所述无人机返回到所述预设控制中心;
二阶段求解模块520,用于采用预设二阶段求解算法求解所述路径规划模型,得到最优解,所述最优解为所述移动平台和所述无人机共同完成所述异构任务集合中所有任务时所述移动平台和所述无人机各自的最优路径。
第三方面,本发明提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面所提供的方法的步骤。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所提供的方法的步骤。
可理解的是,第二方面提供的装置、第三方面提供的计算机设备和第四方面提供的计算机可读存储介质中有关内容的解释、举例、实施例、有益效果等部分可以参考第一方面中的内容,此处不再赘述。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种移动平台路径规划与无人机任务分配的两阶段优化方法,其特征在于,包括:
获取异构任务集合和路网数据;其中,所述异构任务集合中包括道路交点对应的点任务和道路线段对应的线任务;
构建无人机与移动平台协同执行所述异构任务集合的路径规划模型;其中,所述路径规划模型以将无人机与移动平台从预设控制中心出发、执行完所述异构任务集合中所有任务并返回到所述预设控制中心所耗费的总时间最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机与移动平台协同执行所述异构任务集合的预设场景而设置,所述预设场景包括:搭载有可多次起降的无人机的移动平台从所述预设控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述移动平台执行所述点任务或者所述线任务,在所述无人机的电量不足以至于无法继续执行下一个任务时返回到道路交口与所述移动平台汇合并更换电池,并继续执行下一个任务,直至所述无人机和所述移动平台将所述异构任务集合中所有任务执行完成,所述移动平台搭载所述无人机返回到所述预设控制中心;
采用预设二阶段求解算法求解所述路径规划模型,得到最优解,所述最优解为所述移动平台和所述无人机共同完成所述异构任务集合中所有任务时所述移动平台和所述无人机各自的最优路径;
所述采用预设二阶段求解算法求解所述路径规划模型,得到最优解,包括:
计算所述移动平台单独完成所述异构任务集合中所有任务时的最短路径;
根据所述最短路径、所述预设约束条件和预设启发式分配算法,从所述异构任务集合中筛选出至少一个任务由无人机完成以实现所述优化目标,并输出所述移动平台和所述无人机共同完成所述异构任务集合中所有任务时所述移动平台和所述无人机各自的最优路径;
所述根据所述最短路径、所述预设约束条件和预设启发式分配算法,从所述异构任务集合中筛选出至少一个任务由无人机完成以实现所述优化目标,并输出所述移动平台和所述无人机共同完成所述异构任务集合中所有任务时所述移动平台和所述无人机各自的最优路径,包括:
从所述异构任务集合中按序选择一个任务试分配给无人机,并判断移动平台是否满足第一约束条件,所述第一约束条件包括:所述移动平台从所述预设控制中心出发的总次数为1、所述移动平台返回到所述预设控制中心的总次数为1、所述移动平台到达道路网络中任一道路交点的总次数与从该道路交点离开的总次数相同、所述预设控制中心的移动平台访问顺序编号为1以及各个道路交点的移动平台访问顺序编号随着所述移动平台的行驶而递增中的至少一项;
采用第一公式表示第一约束条件“所述移动平台从所述预设控制中心出发的总次数为1”,所述第一公式为
式中,E={eij=(Vi,Vj)},E为道路网络中所有道路线段的集合,eij=(Vi,Vj)为从第i个道路交点到第j个道路交点之间的道路线段;VE为所述移动平台和所述无人机的返回交点集合;x0j为0或1,若x0j=1则表示移动平台从第0个道路交点行驶到第j个道路交点,若x0j=0则表示移动平台未从第0个道路交点行驶到第j个道路交点;和/或
采用第二公式表示第一约束条件“所述移动平台返回到所述预设控制中心的总次数为1”,所述第二公式为:
式中,xi0为0或1,若xi0为1则表示移动平台从第i个道路交点行驶到第0个道路交点,若xi0为0则表示移动平台未从第i个道路交点行驶到第0个道路交点;VS为所述移动平台和所述无人机的出发交点集合;第0个道路交点为所述预设控制中心;和/或
采用第三公式表示第一约束条件“所述移动平台到达道路网络中任一道路交点的总次数与从该道路交点离开的总次数相同”,所述第三公式包括:
式中,V为所述返回交点集合和所述出发交点集合的并集;和/或
采用第四公式表示第一约束条件“所述预设控制中心的移动平台访问顺序编号为1”,所述第四公式为:
u0=1
式中,u0为所述预设控制中心的移动平台访问顺序编号;和/或
采用第五公式表示第一约束条件“各个道路交点的移动平台访问顺序编号随着所述移动平台的行驶而递增”,所述第五公式为:
式中,ui为第i个道路交点的移动平台访问顺序编号。
2.根据权利要求1所述的方法,其特征在于,所述根据所述最短路径、所述预设约束条件和预设启发式分配算法,从所述异构任务集合中筛选出至少一个任务由无人机完成以实现所述优化目标,并输出所述移动平台和所述无人机共同完成所述异构任务集合中所有任务时所述移动平台和所述无人机各自的最优路径,还包括:
若所述无人机满足第一约束条件,则判断所述无人机是否满足第二约束条件,所述第二约束条件包括:所述无人机在每一个架次中的释放次数为1、所述无人机在每一个架次中的返回次数为1、所述无人机到达任一道路交点的总次数与从该道路交点离开的总次数相同、所述无人机在每一次架次中返回所述移动平台之前需要被释放、所述无人机在任一架次中被释放之前需要在上一架次中返回到所述移动平台以及所述无人机的架次随着移动平台的行驶而递增中的至少一项;
采用第六公式表示第二约束条件“所述无人机在每一个架次中的释放次数为1”,所述第六公式包括:
式中,表示所述无人机的第f个架次中是否从第i个道路交点起飞并从第j个道路交点降落;为0或1,若为1则表示所述无人机在第f个架次中从第i个道路交点飞行至第k个道路交点,若为0则表示所述无人机在第f个架次中未从第i个道路交点飞行至第k个道路交点;和/或
采用第七公式标识第二约束条件“所述无人机在每一个架次中的返回次数为1”,所述第七公式为:
采用第八公式表示第二约束条件“所述无人机到达任一道路交点的总次数与从该道路交点离开的总次数相同”,所述第八公式为:
采用第九公式表示第二约束条件“所述无人机在每一次架次中返回所述移动平台之前需要被释放”,所述第九公式为:
采用第十公式表示第二约束条件“所述无人机在任一架次中被释放之前需要在上一架次中返回到所述移动平台”,所述第十公式为:
式中,为所述无人机在第f架次中的起飞交点的移动平台访问顺序编号;为所述无人机在第f架次中的降落交点的移动平台访问顺序编号;为所述无人机在第f’架次中的起飞交点的移动平台访问顺序编号;为所述无人机在第f’架次中的降落交点的移动平台访问顺序编号;和/或
采用第十一公式表示第二约束条件“所述无人机的架次随着移动平台的行驶而递增”,所述第十一公式为:
3.根据权利要求2所述的方法,其特征在于,所述根据所述最短路径、所述预设约束条件和预设启发式分配算法,从所述异构任务集合中筛选出至少一个任务由无人机完成以实现所述优化目标,并输出所述移动平台和所述无人机共同完成所述异构任务集合中所有任务时所述移动平台和所述无人机各自的最优路径,还包括:
若满足第二约束条件,则判断是否满足第三约束条件,所述第三约束条件包括:在同一架次中所述无人机的飞行耗时随着所述无人机的飞行而增加、所述无人机的每一个架次的飞行里程小于等于所述无人机的最大续航里程、所述无人机的每一个架次的起飞时间点为0、移动平台从所述预设控制中心出发的时间点为0以及将无人机到达每一个架次的降落点的时间以及移动平台到达该降落点的时间进行对齐中的至少一项;
采用第十二公式表示第三约束条件“在同一架次中所述飞行机的飞行耗时随着所述无人机的飞行而增加”,所述第十二公式为:
采用第十三公式表示第三约束条件“所述无人机的每一个架次的飞行里程小于等于所述无人机的最大续航里程”,所述第十三公式为:
式中,RMax为所述最大续航里程,ti为所述移动平台到达第i个道路交点的时间,CV为所述移动平台行驶单位路长耗费的时间;和/或
采用第十四公式表示第三约束条件“所述无人机的每一个架次的起飞时间点为0”,所述第十四公式为:
采用第十五公式表示第三约束条件“移动平台从所述预设控制中心出发的时间点为0”,所述第十五公式为:
t0=0;和/或
采用第十六公式表示第三约束条件“将无人机到达每一个架次的降落点的时间以及移动平台到达该降落点的时间进行对齐”,所述第十六公式为:
式中,SR为所述无人机的释放所耗费的时间,SL为所述无人机的回收所耗费的时间。
4.根据权利要求3所述的方法,其特征在于,所述根据所述最短路径、所述预设约束条件和预设启发式分配算法,从所述异构任务集合中筛选出至少一个任务由无人机完成以实现所述优化目标,并输出所述移动平台和所述无人机共同完成所述异构任务集合中所有任务时所述移动平台和所述无人机各自的最优路径,还包括:
若满足所述第三约束条件,则判断是否满足第四约束条件,所述第四约束条件包括:任意一个线任务被所述移动平台和所述无人机访问的总次数为1,和/或,任意一个点任务被所述移动平台和所述无人机访问的总次数为1;
采用第十七公式表示第四约束条件“任意一个线任务被所述移动平台和所述无人机访问的总次数为1”,所述第十七公式为:
式中,TE为所有线任务的集合;和/或
采用第十八公式表示第四约束条件“任意一个点任务被所述移动平台和所述无人机访问的总次数为1”,所述第十八公式为:
式中,TV为所有点任务的集合。
5.根据权利要求4所述的方法,其特征在于,所述根据所述最短路径、所述预设约束条件和预设启发式分配算法,从所述异构任务集合中筛选出至少一个任务由无人机完成以实现所述优化目标,并输出所述移动平台和所述无人机共同完成所述异构任务集合中所有任务时所述移动平台和所述无人机各自的最优路径,还包括:
若满足所述第四约束条件,则判断是否能够实现目标函数,所述目标函数为:
min tv
式中,tv为所述移动平台从所述预设控制中心出发至返回到所述预设控制中心的时间;
若能够实现目标函数,则从所述异构任务集合中按序选择下一个任务分配给无人机,并进行约束条件和目标函数的判断,直至所述异构任务集合中所有任务都遍历完成,得到由无人机和移动平台各自执行的任务以及所述移动平台和所述无人机执行各自任务的最优路径。
6.一种移动平台路径规划与无人机任务分配的两阶段优化装置,其特征在于,包括:
任务输入模块,用于获取异构任务集合和路网数据;其中,所述异构任务集合中包括道路交点对应的点任务和道路线段对应的线任务;还用于构建无人机与移动平台协同执行所述异构任务集合的路径规划模型;其中,所述路径规划模型以将无人机与移动平台从预设控制中心出发、执行完所述异构任务集合中所有任务并返回到所述预设控制中心所耗费的总时间最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机与移动平台协同执行所述异构任务集合的预设场景而设置,所述预设场景包括:搭载有可多次起降的无人机的移动平台从所述预设控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述移动平台执行所述点任务或者所述线任务,在所述无人机的电量不足以至于无法继续执行下一个任务时返回到道路交口与所述移动平台汇合并更换电池,并继续执行下一个任务,直至所述无人机和所述移动平台将所述异构任务集合中所有任务执行完成,所述移动平台搭载所述无人机返回到所述预设控制中心;
二阶段求解模块,用于采用预设二阶段求解算法求解所述路径规划模型,得到最优解,所述最优解为所述移动平台和所述无人机共同完成所述异构任务集合中所有任务时所述移动平台和所述无人机各自的最优路径;
所述采用预设二阶段求解算法求解所述路径规划模型,得到最优解,包括:
计算所述移动平台单独完成所述异构任务集合中所有任务时的最短路径;
根据所述最短路径、所述预设约束条件和预设启发式分配算法,从所述异构任务集合中筛选出至少一个任务由无人机完成以实现所述优化目标,并输出所述移动平台和所述无人机共同完成所述异构任务集合中所有任务时所述移动平台和所述无人机各自的最优路径;
所述根据所述最短路径、所述预设约束条件和预设启发式分配算法,从所述异构任务集合中筛选出至少一个任务由无人机完成以实现所述优化目标,并输出所述移动平台和所述无人机共同完成所述异构任务集合中所有任务时所述移动平台和所述无人机各自的最优路径,包括:
从所述异构任务集合中按序选择一个任务试分配给无人机,并判断移动平台是否满足第一约束条件,所述第一约束条件包括:所述移动平台从所述预设控制中心出发的总次数为1、所述移动平台返回到所述预设控制中心的总次数为1、所述移动平台到达道路网络中任一道路交点的总次数与从该道路交点离开的总次数相同、所述预设控制中心的移动平台访问顺序编号为1以及各个道路交点的移动平台访问顺序编号随着所述移动平台的行驶而递增中的至少一项;
采用第一公式表示第一约束条件“所述移动平台从所述预设控制中心出发的总次数为1”,所述第一公式为
式中,E={eij=(Vi,Vj)},E为道路网络中所有道路线段的集合,eij=(Vi,Vj)为从第i个道路交点到第j个道路交点之间的道路线段;VE为所述移动平台和所述无人机的返回交点集合;x0j为0或1,若x0j=1则表示移动平台从第0个道路交点行驶到第j个道路交点,若x0j=0则表示移动平台未从第0个道路交点行驶到第j个道路交点;和/或
采用第二公式表示第一约束条件“所述移动平台返回到所述预设控制中心的总次数为1”,所述第二公式为:
式中,xi0为0或1,若xi0为1则表示移动平台从第i个道路交点行驶到第0个道路交点,若xi0为0则表示移动平台未从第i个道路交点行驶到第0个道路交点;VS为所述移动平台和所述无人机的出发交点集合;第0个道路交点为所述预设控制中心;和/或
采用第三公式表示第一约束条件“所述移动平台到达道路网络中任一道路交点的总次数与从该道路交点离开的总次数相同”,所述第三公式包括:
式中,V为所述返回交点集合和所述出发交点集合的并集;和/或
采用第四公式表示第一约束条件“所述预设控制中心的移动平台访问顺序编号为1”,所述第四公式为:
u0=1
式中,u0为所述预设控制中心的移动平台访问顺序编号;和/或
采用第五公式表示第一约束条件“各个道路交点的移动平台访问顺序编号随着所述移动平台的行驶而递增”,所述第五公式为:
式中,ui为第i个道路交点的移动平台访问顺序编号。
7.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910892197.7A CN110825104B (zh) | 2019-09-20 | 2019-09-20 | 移动平台路径规划与无人机任务分配的两阶段优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910892197.7A CN110825104B (zh) | 2019-09-20 | 2019-09-20 | 移动平台路径规划与无人机任务分配的两阶段优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110825104A CN110825104A (zh) | 2020-02-21 |
CN110825104B true CN110825104B (zh) | 2022-07-19 |
Family
ID=69548108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910892197.7A Active CN110825104B (zh) | 2019-09-20 | 2019-09-20 | 移动平台路径规划与无人机任务分配的两阶段优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110825104B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113759959B (zh) * | 2021-07-23 | 2022-10-11 | 合肥工业大学 | 针对应急物资配送的无人机路径规划方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880186A (zh) * | 2012-08-03 | 2013-01-16 | 北京理工大学 | 基于稀疏a*算法和遗传算法的航迹规划方法 |
CN105208347A (zh) * | 2015-10-08 | 2015-12-30 | 成都时代星光科技有限公司 | 铁路线空中无人机自动巡查与实时图像采集传输监控装置 |
CN106908065A (zh) * | 2017-02-13 | 2017-06-30 | 中国人民解放军国防科学技术大学 | 车辆搭载无人机的双层路径构建方法及系统 |
CN107238388A (zh) * | 2017-05-27 | 2017-10-10 | 合肥工业大学 | 多无人机任务分配与航迹规划联合优化方法及装置 |
CN107977743A (zh) * | 2017-11-29 | 2018-05-01 | 合肥工业大学 | 多无人机协同任务分配方法及装置 |
CN207415378U (zh) * | 2017-10-30 | 2018-05-29 | 中国石油大学(华东) | 一种空-地协同多功能智能机器人 |
CN108256553A (zh) * | 2017-12-20 | 2018-07-06 | 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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8723730B2 (en) * | 2011-07-27 | 2014-05-13 | Exelis Inc. | System and method for direction finding and geolocation of emitters based on line-of-bearing intersections |
-
2019
- 2019-09-20 CN CN201910892197.7A patent/CN110825104B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880186A (zh) * | 2012-08-03 | 2013-01-16 | 北京理工大学 | 基于稀疏a*算法和遗传算法的航迹规划方法 |
CN105208347A (zh) * | 2015-10-08 | 2015-12-30 | 成都时代星光科技有限公司 | 铁路线空中无人机自动巡查与实时图像采集传输监控装置 |
CN106908065A (zh) * | 2017-02-13 | 2017-06-30 | 中国人民解放军国防科学技术大学 | 车辆搭载无人机的双层路径构建方法及系统 |
CN107238388A (zh) * | 2017-05-27 | 2017-10-10 | 合肥工业大学 | 多无人机任务分配与航迹规划联合优化方法及装置 |
CN207415378U (zh) * | 2017-10-30 | 2018-05-29 | 中国石油大学(华东) | 一种空-地协同多功能智能机器人 |
CN107977743A (zh) * | 2017-11-29 | 2018-05-01 | 合肥工业大学 | 多无人机协同任务分配方法及装置 |
CN108256553A (zh) * | 2017-12-20 | 2018-07-06 | 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 |
Non-Patent Citations (2)
Title |
---|
KAI PENG et al..A Hybrid Genetic Algorithm on Routing and Scheduling for Vehicle-Assisted Multi-Drone Parcel Delivery.《IEEE Access》.2019,第49191-49200页. * |
刘畅等.多目标群多基地多无人机协同任务规划.《弹箭与制导学报》.2019,第39卷(第1期),第119-124页. * |
Also Published As
Publication number | Publication date |
---|---|
CN110825104A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110852554B (zh) | 车机协同下无人机任务分配智能决策方法及装置 | |
CN110852470B (zh) | 无人机与车辆协同下交通巡逻任务分配的优化方法 | |
CN110852471A (zh) | 车辆与无人机协同的交通巡逻方法及装置 | |
CN105938572B (zh) | 一种物流存储系统预防干涉的多自动导引车路径规划方法 | |
CN111121782B (zh) | 车载无人机电力巡检的双层路径规划方法与装置 | |
CN111158401B (zh) | 一种分布式鼓励时空数据探索的无人机路径规划系统及方法 | |
CN111121783B (zh) | 一种车载无人机电力巡检的双层路径规划方法与装置 | |
KR102142402B1 (ko) | 드론 네트워크에서 효율적인 배터리 충전을 위한 클라우드 기반 드론 내비게이션 방법 | |
CN113671986B (zh) | 空地协同下无人机与车辆的任务分配方法和系统 | |
CN110532846A (zh) | 自动换道方法、装置及存储介质 | |
CN107622699A (zh) | 基于时序的全时段空域冲突探测与解脱方法 | |
CN110825104B (zh) | 移动平台路径规划与无人机任务分配的两阶段优化方法 | |
CN108549952A (zh) | 车辆搭载无人机双层路径的优化方法及装置 | |
CN113848970A (zh) | 一种车辆-无人机多目标协同路径规划方法 | |
CN111047086A (zh) | 车辆路径规划与无人机任务分配联合优化方法和装置 | |
CN115079701A (zh) | 一种无人车与无人机协同的路径规划方法 | |
CN115576343A (zh) | 一种结合无人机配送的多目标车辆路径优化方法 | |
Lv et al. | Speed planning for solar-powered electric vehicles | |
Huang et al. | Drone stations-aided beyond-battery-lifetime flight planning for parcel delivery | |
CN110033111B (zh) | 机场场面运动规划方法和装置 | |
CN110610273A (zh) | 一种车机协同巡检方法 | |
CN111680822B (zh) | 一种基于非固定路线的往返式公交疏散路径规划方法 | |
CN112149906B (zh) | 一种计及充电时间的电动车出行线路综合优化方法 | |
Asghar et al. | Risk-aware recharging rendezvous for a collaborative team of uavs and ugvs | |
CN109945880A (zh) | 路径规划方法、相关设备及可读存储介质 |
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 |