CN110852471B - 车辆与无人机协同的交通巡逻方法及装置 - Google Patents
车辆与无人机协同的交通巡逻方法及装置 Download PDFInfo
- Publication number
- CN110852471B CN110852471B CN201910892196.2A CN201910892196A CN110852471B CN 110852471 B CN110852471 B CN 110852471B CN 201910892196 A CN201910892196 A CN 201910892196A CN 110852471 B CN110852471 B CN 110852471B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- unmanned aerial
- aerial vehicle
- formula
- road intersection
- 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
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
Abstract
本发明提供一种车辆与无人机协同的交通巡逻方法及装置,该方法包括:获取异构任务集合;构建无人机与车辆协同执行异构任务集合的路径规划模型;路径规划模型以将无人机与车辆从巡逻控制中心出发、执行完异构任务集合中所有巡逻任务并返回到巡逻控制中心所耗费的总时间最小化为目标,路径规划模型的预设约束条件为根据无人机与车辆协同执行异构任务集合的预设场景而设置;采用预设算法求解路径规划模型,得到无人机与车辆协同执行异构任务集合的最优路径。本发明将整个巡逻过程所耗费的时间最小化作为优化目标,可减少整个巡逻任务所耗费的时间,提高交通巡逻的效率;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。
Description
技术领域
本发明涉及交通巡逻技术领域,具体涉及一种车辆与无人机协同的交通巡逻方法、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,逐渐受到各行各业的关注,成为提高自动化水平和作业效率的重要辅助工具。但受到自身续航能力有限的影响,无人机无法独自完成远距离或大范围的任务。为了使得无人机能够应用于更多的任务场景,无人机与车辆协同作业的方式被提出。车辆可以作为移动平台搭载、发射和回收无人机,同时无人机在电量不足的情况下可以到车辆上更换电池,增强了无人机的持续作业能力。车辆相比于无人机拥有超长的行驶时间,可以充分地为无人机提供辅助。这种新型的协同方式将无人机的灵活优势与车辆的长时间行驶优势有效结合并实现互补,同时有效的路径规划和任务分配可以大大降低无人机执行任务所消耗的成本。
在这种无人机与车辆协同的新方式下,车辆和无人机均具有自己特点,如何对车辆和无人机各自的限制条件进行设置以能满足实际需求,成为工作人员需要研究的问题。
发明内容
(一)解决的技术问题
本发明提供了一种车辆与无人机协同的交通巡逻方法、装置、计算机设备和存储介质,依据实际场景设置约束条件,使求得的最优路径符合实际的场景需求。
(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,本申请提供一种车辆与无人机协同的交通巡逻方法,包括:获取异构任务集合;其中,所述异构任务集合中包括待巡逻的道路交点对应的点任务和待巡逻的道路线段对应的线任务;构建无人机与车辆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车辆从巡逻控制中心出发、执行完所述异构任务集合中所有巡逻任务并返回到所述巡逻控制中心所耗费的总时间最小化为目标,所述路径规划模型的预设约束条件为根据无人机与车辆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车辆从所述巡逻控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述车辆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巡逻任务时返回到道路交口与所述车辆汇合并更换电池,并继续执行下一个巡逻任务,直至所述无人机和所述车辆将所述异构任务集合中所有巡逻任务执行完成,所述车辆搭载所述无人机返回到所述巡逻控制中心;采用预设算法求解所述路径规划模型,得到无人机与车辆协同执行所述异构任务集合的最优路径。
第二方面,本申请提供一种车辆与无人机协同的交通巡逻装置,包括:任务获取模块,用于获取异构任务集合;其中,所述异构任务集合中包括待巡逻的道路交点对应的点任务和待巡逻的道路线段对应的线任务;模型构建模块,用于构建无人机与车辆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车辆从巡逻控制中心出发、执行完所述异构任务集合中所有巡逻任务并返回到所述巡逻控制中心所耗费的总时间最小化为目标,所述路径规划模型的预设约束条件为根据无人机与车辆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车辆从所述巡逻控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述车辆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巡逻任务时返回到道路交口与所述车辆汇合并更换电池,并继续执行下一个巡逻任务,直至所述无人机和所述车辆将所述异构任务集合中所有巡逻任务执行完成,所述车辆搭载所述无人机返回到所述巡逻控制中心;路径求解模块,用于采用预设算法求解所述路径规划模型,得到无人机与车辆协同执行所述异构任务集合的最优路径。
第三方面,本申请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,本申请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车辆与无人机协同的交通巡逻方法、装置、计算机设备和存储介质,由车辆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,将整个巡逻过程所耗费的时间最小化作为优化目标,可以减少整个巡逻任务所耗费的时间,提高交通巡逻的效率。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巡逻任务时返回到道路交口与所述车辆汇合并更换电池,并继续执行下一个巡逻任务,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。
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车辆与无人机协同的交通巡逻方法的流程示意图;
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车辆与无人机协同的交通巡逻装置的结构示意图。
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,本申请提供一种车辆与无人机协同的交通巡逻方法,如图1所示,该方法包括如下步骤:
S110、获取异构任务集合;其中,所述异构任务集合中包括待巡逻的道路交点对应的点任务和待巡逻的道路线段对应的线任务;
由于点任务和线任务都在道路网络中,并且车辆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为巡逻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所描述的线任务集合表示为其中同时n≤e。因此,异构任务集合为TV和TE的并集。可理解的是,由于车辆是一定从巡逻控制中心出发的,因此V0一定包括在TV内。
S120、构建无人机与车辆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车辆从巡逻控制中心出发、执行完所述异构任务集合中所有巡逻任务并返回到所述巡逻控制中心所耗费的总时间最小化为目标,所述路径规划模型的预设约束条件为根据无人机与车辆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车辆从所述巡逻控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述车辆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巡逻任务时返回到道路交口与所述车辆汇合并更换电池,并继续执行下一个巡逻任务,直至所述无人机和所述车辆将所述异构任务集合中所有巡逻任务执行完成,所述车辆搭载所述无人机返回到所述巡逻控制中心;
为了计算方便,我们假设车辆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,车辆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,车辆可视为无限续航,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。由于在整个过程中车辆和无人机都需要从巡逻中心出发并最终返回,相当于V0访问了两次,因此我们将所有车辆和无人机能出发的点设为VS={V0,V1,…,Vv-1},将所有车辆和无人机能返回的点设为VE={V1,V2,…,Vv},其中Vv等价于V0。
可理解的是,无人机和车辆同时从巡逻控制中心出发,并同时返回到巡逻控制中心,因此可以用车辆行驶的总时间作为整个巡逻工作所耗费的时间(即无人机与车辆从巡逻控制中心出发、执行完所述异构任务集合中所有巡逻任务并返回到所述巡逻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为所述车辆从所述巡逻控制中心出发至返回到所述巡逻控制中心的时间。
在应用中,针对路径规划模型的约束条件下面分四部分依次阐述:
(1)第一约束条件,所述第一约束条件包括:所述车辆从所述巡逻控制中心出发的总次数为1、所述车辆返回到所述巡逻控制中心的总次数为1、所述车辆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、所述巡逻控制中心的车辆访问顺序编号为1以及各个道路交点的车辆访问顺序编号随着所述车辆的行驶而递增中的至少一项。
其中,所述车辆从所述巡逻控制中心出发的总次数为1,即保证车辆从巡逻控制中心有且仅有一次的出发,可以采用第一公式表示第一约束条件“所述车辆从所述巡逻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为所述车辆和所述无人机的返回交点集合;x0j为0或1,若x0j=1则表示车辆从第0个道路交点行驶到第j个道路交点,若x0j=0则表示车辆未从第0个道路交点行驶到第j个道路交点。
其中,所述车辆返回到所述巡逻控制中心的总次数为1,即保证车辆向所述巡逻控制中心有且仅有一次的返回,可以采用第二公式表示第一约束条件“所述车辆返回到所述巡逻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则表示车辆从第i个道路交点行驶到第0个道路交点,若xi0为0则表示车辆未从第i个道路交点行驶到第0个道路交点;VS为所述车辆和所述无人机的出发交点集合;第0个道路交点为所述巡逻控制中心。
其中,所述车辆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,即保证车辆在行驶过程中每一个道路交点的进向弧等于出向弧,可以采用第三公式表示第一约束条件“所述车辆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。
可理解的是,xij为一个决策变量,xij={0,1},表示车辆是否从第i个道路交点行驶到第j个道路交点,是的话,取1;否的话,取0;其中,Vi∈VS,Vj∈VE,(Vi,Vj)∈E。
在实际中还设置一个决策变量ui,ui的取值表示车辆的访问顺序编号,针对车辆的访问路径,设置车辆所经过的点的集合P,其中,0≤ui≤v+1,i∈P。例如,车辆的行驶路径为0→3→5→1→0,则u0=1,u3=2,u5=3,u1=4,其他不被访问的点ui=0,其中i∈(V-P)。由于车辆的起点一定是巡逻控制中心,因此V0的车辆访问顺序编号一定是1,因此可以采用第四公式表示第一约束条件“所述巡逻控制中心的车辆访问顺序编号为1”,所述第四公式为:
u0=1
式中,u0为所述巡逻控制中心的车辆访问顺序编号。
除了第四公式之外,还需要ui沿着车辆的访问顺序而依次递增,具体可以采用第五公式表示第一约束条件“各个道路交点的车辆访问顺序编号随着所述车辆的行驶而递增”,所述第五公式为:
式中,ui为第i个道路交点的车辆访问顺序编号。
可理解的是,以上各个第一约束条件均针对车辆而设置。
(2)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车辆之前需要被释放、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车辆以及所述无人机的架次随着车辆的行驶而递增中的至少一项。
其中,无人机的每一个架次有且仅有一次的释放,可以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。
其中,无人机在每一个架次有且仅有一次的回收,可以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:
其中,无人机的任一个节点的进向弧等于出向弧,保证无人机的每一个架次有唯一的行驶路线,可以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:
其中,在每一个架次中,无人机在被回收之前必须要被释放的操作,具体可以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车辆之前需要被释放”,所述第九公式为:
其中,为了保证架次之间的独立性,无人机在被释放之前需要被回收到车辆上,可以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车辆”,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车辆访问顺序编号;为所述无人机在第f架次中的降落交点的车辆访问顺序编号;为所述无人机在第f’架次中的起飞交点的车辆访问顺序编号;为所述无人机在第f’架次中的降落交点的车辆访问顺序编号。
其中,无人机的架次是逐渐增加的,可以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车辆的行驶而递增”,所述第十一公式为:
可理解的是,上述第二约束条件是对无人机设置的约束条件。
(3)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、车辆从所述巡逻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车辆到达该降落点的时间进行对齐中的至少一项。
可理解的是,无人机与车辆并行执行任务时,需要在释放点和回收点校准时间并继续下一步的串行或并行巡逻,并在并行的结束节点,需要重新校对时间,才能继续执行后续的串行或并行巡逻。也就是说,当无人机从车辆上被释放,无人机和车辆分别去执行任务时,需要在释放无人机时对时间进行对齐,即,将此时无人机在这一架次的飞行起点的时间置为0。而且,当无人机和车辆到达降落点时,需要判断是谁先到达降落点,当无人机先到达降落点时,无人机在空中悬停,等待车辆的到达,车辆到达后再进行回收操作。当车辆先到达降落点时,车辆等待无人机的到达,在无人机到达后进行回收操作。可见,当无人机先到达降落点时,将车辆在此路段执行并行任务所耗费的时间加上回收无人机所耗费的时间为车辆或无人机在此路段耗费的总时间。当车辆先到达降落点时,将无人机在执行并行任务所耗费的时间加上回收无人机所耗费的时间为车辆或无人机在此路段所耗费的时间。可理解的是,这是在并行的结束节点即降落点的时间校准。
其中,在每一个架次中,无人机的飞行时间是随着无人机的飞行而增加的,具体可以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:
式中,M为极大值,CU为所述无人机飞行单位路程所耗费的时间,w(ehk)为道路线段(Vh,Vk)的长度,为所述无人机在f架次中到达第h个道路交点的时间。在该公式中,当取1时,也就是说,无人机在第f个架次到达第k个道路交点的时间为无人机在第f个架次到达第h个道路交点的时间与从第h个道路交点飞行到第k个道路交点所耗费的时间之和。
其中,无人机的电池能量有限,所以一次飞行不能执行完所有的任务,在电量不足时,需要返回车辆更换电池,此时需要无人机在每一个架次的飞行里程不能超过无人机的最大续航里程,具体可以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为所述车辆到达第i个道路交点的时间,CV为所述车辆行驶单位路长耗费的时间。
可理解的是,说明当车辆行驶到第k个道路交点即无人机的降落点时,无人机已经到达第k个道路交点,此时无人机在这一架次中的飞行里程用来计算。而说明车辆先到达第k个道路交点即无人机的降落点,此时无人机在这一架次中的飞行里程用计算。
其中,在无人机在每个架次所耗费的时间独立计算,也就是说,在每一个架次都要进行时间对齐,具体可以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:
其中,车辆不分架次,其行驶时间是连续计算的,只在巡逻控制中心出发时进行时间对齐,具体可以采用第十五公式表示第三约束条件“车辆从所述巡逻控制中心出发的时间点为0”,所述第十五公式为:
t0=0。
其中,对无人机到达降落点和车辆到达降落点的时间先后进行判断,进而对到达降落点的时间进行对齐,具体可以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车辆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。可理解的是,在该公式中,车辆在整个行驶过程中的时间逐渐增加,对于车辆路径上的每一个道路交点,都要判定此点是否是无人机的起飞点或者降落点,根据判断无人机到达此点的状态并添加起降所耗费的时间,同时还需判断车辆和无人机谁先到降落点,并重新校准时间使得下一阶段开始时的时间一致。
可理解的是,第三约束条件是对各个时间点的约束。
(4)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车辆和所述无人机访问的总次数为1以及任意一个点任务被所述车辆和所述无人机访问的总次数为1。
其中,每一个任务只能被访问一次,且在一次访问中执行完该任务,具体可以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车辆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。
其中,任意一个任务只能被无人机访问或者只能被车辆访问,不能既被无人机访问也被车辆访问,具体可以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车辆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。
可理解的是,第四约束条件是对任务访问的约束。
可见,以上第一约束条件、第二约束条件、第三约束条件和第四约束条件是从各个方面进行约束,以保证得到的最优解为可行解。当然,当具体的应用场景发生变化时,上述约束条件也会发生变化。
可理解的是,车辆到达所设的起飞点时,不是立即就放飞无人机的,需要准备无人机、安全检查等等,所以会产生释放无人机所耗费的时间,回收无人机所耗费时间亦是如此,这两个时间都是定值。
S130、采用预设算法求解所述路径规划模型,得到无人机与车辆协同执行所述异构任务集合的最优路径。
其中,预设算法有多种,例如,混合整数规划算法、遗传算法等,这里对具体的算法不做限定,可以根据需要进行选择。可理解的是,通过预设算法求解路径规划模型,得到的最优路径为能够实现上述优化目标以及满足上述约束条件的可行解。
可理解的是,本申请中的以上各个步骤的目的是对巡逻路径进行规划,在得到规划的最优路径后,便可以根据最优路径进行巡逻工作。
本申请提供的车辆与无人机协同的交通巡逻方法,由车辆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,将整个巡逻过程所耗费的时间最小化作为优化目标,可以减少整个巡逻任务所耗费的时间,提高交通巡逻的效率。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巡逻任务时返回到道路交口与所述车辆汇合并更换电池,并继续执行下一个巡逻任务,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。
第二方面,本申请提供一种车辆与无人机协同的交通巡逻装置,如如图3所示,该装置300包括:
任务获取模块310,用于获取异构任务集合;其中,所述异构任务集合中包括待巡逻的道路交点对应的点任务和待巡逻的道路线段对应的线任务;
模型构建模块320,用于构建无人机与车辆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车辆从巡逻控制中心出发、执行完所述异构任务集合中所有巡逻任务并返回到所述巡逻控制中心所耗费的总时间最小化为目标,所述路径规划模型的预设约束条件为根据无人机与车辆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车辆从所述巡逻控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述车辆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巡逻任务时返回到道路交口与所述车辆汇合并更换电池,并继续执行下一个巡逻任务,直至所述无人机和所述车辆将所述异构任务集合中所有巡逻任务执行完成,所述车辆搭载所述无人机返回到所述巡逻控制中心;
路径求解模块330,用于采用预设算法求解所述路径规划模型,得到无人机与车辆协同执行所述异构任务集合的最优路径。
第三方面,本申请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,本申请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)
1.一种车辆与无人机协同的交通巡逻方法,其特征在于,包括:
获取异构任务集合;其中,所述异构任务集合中包括待巡逻的道路交点对应的点任务和待巡逻的道路线段对应的线任务;
构建无人机与车辆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车辆从巡逻控制中心出发、执行完所述异构任务集合中所有巡逻任务并返回到所述巡逻控制中心所耗费的总时间最小化为目标,所述路径规划模型的预设约束条件为根据无人机与车辆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车辆从所述巡逻控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述车辆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巡逻任务时返回到道路交口与所述车辆汇合并更换电池,并继续执行下一个巡逻任务,直至所述无人机和所述车辆将所述异构任务集合中所有巡逻任务执行完成,所述车辆搭载所述无人机返回到所述巡逻控制中心;
采用预设算法求解所述路径规划模型,得到无人机与车辆协同执行所述异构任务集合的最优路径;其中,所述预设算法包括混合整数规划算法和遗传算法;
所述预设约束条件还包括第二约束条件,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车辆之前需要被释放、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车辆以及所述无人机的架次随着车辆的行驶而递增中的至少一项;其中:
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
采用第七公式表示第二约束条件“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车辆之前需要被释放”,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车辆”,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车辆访问顺序编号;为所述无人机在第f架次中的降落交点的车辆访问顺序编号;为所述无人机在第f’架次中的起飞交点的车辆访问顺序编号;为所述无人机在第f’架次中的降落交点的车辆访问顺序编号;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车辆的行驶而递增”,所述第十一公式为:
2.根据权利要求1所述的方法,其特征在于,所述预设约束条件包括第一约束条件,所述第一约束条件包括:所述车辆从所述巡逻控制中心出发的总次数为1、所述车辆返回到所述巡逻控制中心的总次数为1、所述车辆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、所述巡逻控制中心的车辆访问顺序编号为1以及各个道路交点的车辆访问顺序编号随着所述车辆的行驶而递增中的至少一项;其中:
采用第一公式表示第一约束条件“所述车辆从所述巡逻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为所述车辆和所述无人机的返回交点集合;x0j为0或1,若x0j=1则表示车辆从第0个道路交点行驶到第j个道路交点,若x0j=0则表示车辆未从第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“所述车辆返回到所述巡逻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则表示车辆从第i个道路交点行驶到第0个道路交点,若xi0为0则表示车辆未从第i个道路交点行驶到第0个道路交点;VS为所述车辆和所述无人机的出发交点集合;第0个道路交点为所述巡逻控制中心;和/或
采用第三公式表示第一约束条件“所述车辆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“所述巡逻控制中心的车辆访问顺序编号为1”,所述第四公式为:
u0=1
式中,u0为所述巡逻控制中心的车辆访问顺序编号;和/或
采用第五公式表示第一约束条件“各个道路交点的车辆访问顺序编号随着所述车辆的行驶而递增”,所述第五公式为:
式中,ui为第i个道路交点的车辆访问顺序编号。
3.根据权利要求1所述的方法,其特征在于,所述预设约束条件还包括第三约束条件,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、车辆从所述巡逻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车辆到达该降落点的时间进行对齐中的至少一项;其中:
采用第十二公式表示第三约束条件“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为所述车辆到达第i个道路交点的时间,CV为所述车辆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“车辆从所述巡逻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车辆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。
5.根据权利要求1所述的方法,其特征在于,所述路径规划模型的目标函数为:
min tv
式中,tv为所述车辆从所述巡逻控制中心出发至返回到所述巡逻控制中心的时间。
6.一种车辆与无人机协同的交通巡逻装置,其特征在于,包括:
任务获取模块,用于获取异构任务集合;其中,所述异构任务集合中包括待巡逻的道路交点对应的点任务和待巡逻的道路线段对应的线任务;
模型构建模块,用于构建无人机与车辆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车辆从巡逻控制中心出发、执行完所述异构任务集合中所有巡逻任务并返回到所述巡逻控制中心所耗费的总时间最小化为目标,所述路径规划模型的预设约束条件为根据无人机与车辆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车辆从所述巡逻控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述车辆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巡逻任务时返回到道路交口与所述车辆汇合并更换电池,并继续执行下一个巡逻任务,直至所述无人机和所述车辆将所述异构任务集合中所有巡逻任务执行完成,所述车辆搭载所述无人机返回到所述巡逻控制中心;
路径求解模块,用于采用预设算法求解所述路径规划模型,得到无人机与车辆协同执行所述异构任务集合的最优路径;其中,所述预设算法包括混合整数规划算法和遗传算法;
所述预设约束条件还包括第二约束条件,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车辆之前需要被释放、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车辆以及所述无人机的架次随着车辆的行驶而递增中的至少一项;其中:
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
采用第七公式表示第二约束条件“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车辆之前需要被释放”,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车辆”,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车辆访问顺序编号;为所述无人机在第f架次中的降落交点的车辆访问顺序编号;为所述无人机在第f’架次中的起飞交点的车辆访问顺序编号;为所述无人机在第f’架次中的降落交点的车辆访问顺序编号;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车辆的行驶而递增”,所述第十一公式为:
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 |
---|---|---|---|
CN201910892196.2A CN110852471B (zh) | 2019-09-20 | 2019-09-20 | 车辆与无人机协同的交通巡逻方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910892196.2A CN110852471B (zh) | 2019-09-20 | 2019-09-20 | 车辆与无人机协同的交通巡逻方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110852471A CN110852471A (zh) | 2020-02-28 |
CN110852471B true CN110852471B (zh) | 2022-12-09 |
Family
ID=69594920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910892196.2A Active CN110852471B (zh) | 2019-09-20 | 2019-09-20 | 车辆与无人机协同的交通巡逻方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110852471B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112349092B (zh) * | 2020-09-22 | 2021-09-14 | 合肥工业大学 | 空地协同下的交通巡逻业务管控方法、系统和存储介质 |
JP7174748B2 (ja) * | 2020-12-18 | 2022-11-17 | 楽天グループ株式会社 | 走行制御システム、制御方法、及び制御装置 |
CN113359821B (zh) * | 2021-05-28 | 2022-07-05 | 合肥工业大学 | 基于车辆与无人机协同作业的路径规划方法及系统 |
CN113485429B (zh) * | 2021-07-23 | 2022-01-18 | 安徽有云智能科技有限公司 | 空地协同交通巡检的路径优化方法和装置 |
CN114881558B (zh) * | 2022-04-29 | 2023-04-18 | 清华大学 | 基于无人机与车辆协同的快递配送方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104699102A (zh) * | 2015-02-06 | 2015-06-10 | 东北大学 | 一种无人机与智能车协同导航与侦查监控系统及方法 |
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 |
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 |
US10242571B1 (en) * | 2018-08-02 | 2019-03-26 | Mapanything, Inc. | Utilizing determined optimized time windows for precomputing optimal path matrices to reduce computer resource usage |
CN110162103A (zh) * | 2019-06-13 | 2019-08-23 | 河南宙合网络科技有限公司 | 一种无人机与智能车组自主协同运输系统及方法 |
-
2019
- 2019-09-20 CN CN201910892196.2A patent/CN110852471B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104699102A (zh) * | 2015-02-06 | 2015-06-10 | 东北大学 | 一种无人机与智能车协同导航与侦查监控系统及方法 |
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 |
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 |
US10242571B1 (en) * | 2018-08-02 | 2019-03-26 | Mapanything, Inc. | Utilizing determined optimized time windows for precomputing optimal path matrices to reduce computer resource usage |
CN110162103A (zh) * | 2019-06-13 | 2019-08-23 | 河南宙合网络科技有限公司 | 一种无人机与智能车组自主协同运输系统及方法 |
Non-Patent Citations (3)
Title |
---|
A Hybrid Genetic Algorithm on Routing and Scheduling for Vehicle-Assisted Multi-Drone Parcel Delivery;Kai Peng 等;《IEEE Access》;20190416;第7卷;第49191-49200页 * |
基于改进ACO算法的多UAV协同航路规划;张耀中等;《火力与指挥控制》;20170515(第05期);第142-148页 * |
基于车辆和无人机协同巡检的路径规划算法的研究;傅睿;《中国优秀博硕士学位论文全文数据库(硕士) 基础科学辑》;20190615;第A002-185页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110852471A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110852471B (zh) | 车辆与无人机协同的交通巡逻方法及装置 | |
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 | |
CN108256553B (zh) | 车辆搭载无人机双层路径的构造方法及装置 | |
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 | |
CN110703802A (zh) | 基于多无人机协同作业的桥梁自动检测方法及系统 | |
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 | |
CN110597286B (zh) | 一种利用智慧机库实现输电线路无人机自主巡检的方法 | |
CN108846522B (zh) | 无人机系统联合充电站部署及路由选择方法 | |
CN105185163B (zh) | 飞行路径选择方法和装置、飞行器和空中交通管理系统 | |
CN110413003A (zh) | 输电线路的巡视方法、装置、设备和计算机可读存储介质 | |
CN105404941A (zh) | 一种物流运输方式和路径智能优化的方法及系统 | |
CN111328412B (zh) | 基于车辆轨迹数据的自适应交通控制 | |
CN113342046A (zh) | 基于蚁群算法的输电线路无人机巡检路径优化方法 | |
KR102142402B1 (ko) | 드론 네트워크에서 효율적인 배터리 충전을 위한 클라우드 기반 드론 내비게이션 방법 | |
CN111047086B (zh) | 车辆路径规划与无人机任务分配联合优化方法和装置 | |
CN115146882B (zh) | 一种空地协同巡检方法及系统 | |
Lv et al. | Speed planning for solar-powered electric vehicles | |
CN115185303A (zh) | 用于国家公园及自然保护地的无人机巡护路径规划方法 | |
CN113671986A (zh) | 空地协同下无人机与车辆的任务分配方法和系统 | |
CN113507717A (zh) | 一种基于车辆轨迹预测的无人机轨迹优化方法及系统 | |
Huang et al. | Drone stations-aided beyond-battery-lifetime flight planning for parcel delivery | |
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 | |
CN117032311A (zh) | 一种输电线路无人机巡检任务自动规划方法、装置、设备及介质 | |
CN110634332A (zh) | 一种中小型垂直起降无人机机场空域流量控制方法 |
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 |