CN111861230B - 一种面向灾害应急的多星协同观测任务规划方法及装置 - Google Patents
一种面向灾害应急的多星协同观测任务规划方法及装置 Download PDFInfo
- Publication number
- CN111861230B CN111861230B CN202010723076.2A CN202010723076A CN111861230B CN 111861230 B CN111861230 B CN 111861230B CN 202010723076 A CN202010723076 A CN 202010723076A CN 111861230 B CN111861230 B CN 111861230B
- Authority
- CN
- China
- Prior art keywords
- observation
- task
- target
- imaging
- time
- 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 71
- 238000003384 imaging method Methods 0.000 claims abstract description 187
- 230000008901 benefit Effects 0.000 claims description 37
- 238000000354 decomposition reaction Methods 0.000 claims description 37
- 230000015572 biosynthetic process Effects 0.000 claims description 33
- 238000005457 optimization Methods 0.000 claims description 33
- 238000003786 synthesis reaction Methods 0.000 claims description 33
- 238000004422 calculation algorithm Methods 0.000 claims description 26
- 230000004044 response Effects 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 23
- 238000010276 construction Methods 0.000 claims description 22
- 230000002068 genetic effect Effects 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 11
- 238000013461 design Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000002194 synthesizing effect Effects 0.000 claims description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 108090000623 proteins and genes Proteins 0.000 description 16
- 210000000349 chromosome Anatomy 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 8
- 230000035772 mutation Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000002131 composite material Substances 0.000 description 5
- 239000012634 fragment Substances 0.000 description 5
- 238000003780 insertion Methods 0.000 description 5
- 230000037431 insertion Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 238000012224 gene deletion Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种面向灾害应急的多星协同观测任务规划方法及装置,涉及灾害监测技术领域,有助于满足灾害应急观测。本发明的主要技术方案为:获取灾情信息和观测需求信息,确定观测目标和成像时间、参与任务规划的卫星资源;根据观测需求信息设计观测成像策略,观测成像策略至少包括:时间优先成像策略和质量优先成像策略,时间优先成像策略指优先短时间覆盖观测目标区域,质量优先成像策略指在既定时间内优先进行不侧摆成像,剩余区域按照侧摆角度最小原则进行覆盖;根据观测目标、成像时间、参与任务规划的卫星资源、观测成像策略,构建多星观测任务规划模型;利用多星观测任务规划模型完成多星观测任务规划问题求解,得到多星任务规划方案。
Description
技术领域
本发明涉及灾害监测技术领域,尤其涉及一种面向灾害应急的多星协同观测任务规划方法及装置。
背景技术
我国地域辽阔,地理环境复杂,是世界上自然灾害最为严重的国家之一,给人民的生命财产安全和社会经济正常发展带来巨大威胁。自然灾害具有突发性强、波及面广、危害性大等特点,传统的地面监测技术越来越难以满足大范围、多时相、快速响应的灾害应急观测需求。卫星遥感技术具有宏观、快速、动态、准确等特点,对地观测卫星不仅可以实现千米尺度的全球宏观观测和米级尺度的重点区域高分辨率观测,而且具有高时间分辨率的连续观测能力和针对特定目标的机动观测能力,已成为防灾、减灾、救灾领域不可或缺的技术和信息支持手段。
目前,国内外学者针对卫星任务规划开展的研究多以常规任务为背景,主要以研究任务规划模型及算法为主,通常采用提前预设观测计划模式。例如,中国电子科技集团公司第五十四研究所(如专利文献CN109409775A[P].2019-03-01)提出一种卫星联合任务规划方法,包括构建卫星任务观测模型、在假设条件下构建卫星观测任务规划模型、基于约束条件构建数学模型、利用贪婪策略的遗传算法完成卫星任务规划。该发明的目的是解决现有求解卫星联合观测任务规划问题时建模考虑约束条件不足、算法收敛速度慢、算法计算时间长的问题。合肥工业大学(如:专利文献CN107239860B[P].2018-02-23)针对现有技术中遗传算法处理成像卫星任务规划时确定的最优任务序列通常不是全局最优解,且收敛慢,处理时间较长这一技术问题,发明一种成像卫星任务规划方法和装置。中国电子科技集团公司第五十四研究所和合肥工业大学(如:专利文献CN107239661B[P].2018-02-16)联合发明一种采用动态变邻域禁忌搜索算法处理遥感卫星观测任务规划问题的方法,提高算法的运行效率,扩大解的搜索范围且算法不易陷入循环搜索状态。
但是,现有的卫星观测任务规划技术多以常规任务为背景,主要以研究任务规划模型及算法为主,与灾害应急观测是存在较大的差异的,如此得到的多星协同观测任务规划方案,没有考虑灾害应急观测需求,因此使得应急数据获取时效性差、观测目标范围覆盖程度也不够高。
发明内容
有鉴于此,本发明提供一种面向灾害应急的多星协同观测任务规划方法及装置,主要目的在于以涉及考虑灾害应急观测需求而构建多星观测任务规划模型,继而利用该多星观测任务规划模型完成多星观测任务规划问题求解,得到多星任务规划方案,有助于确保应急数据获取时效性、较高的观测目标范围覆盖程度。
为了达到上述目的,本发明主要提供如下技术方案:
一方面,本发明提供了一种面向灾害应急的多星协同观测任务规划方法,该方法包括:
获取灾情信息和观测需求信息;
根据所述灾情信息及观测需求信息,确定观测目标和成像时间;
根据所述灾情信息及观测需求信息,确定参与任务规划的卫星资源;
根据所述观测需求信息,设计观测成像策略,所述观测成像策略至少包括:时间优先成像策略和质量优先成像策略,所述时间优先成像策略指优先短时间覆盖观测目标区域,所述质量优先成像策略指在既定时间内优先进行不侧摆成像,剩余区域按照侧摆角度最小原则进行覆盖;
根据所述参与观测任务的卫星资源、所述观测目标、所述成像时间、所述观测成像策略,构建多星观测任务规划模型;
利用所述多星观测任务规划模型,完成多星观测任务规划问题求解,得到多星任务规划方案。
可选的,所述根据所述灾情信息及观测需求信息,确定参与任务规划的卫星资源,包括:
根据所述灾情信息,确定灾害种类、目标应急响应等级、灾区气象条件;
根据所述观测需求信息,确定观测要素;
通过查找应急响应等级、观测任务等级两者之间的预设映射关系,得到所述目标应急响应等级对应的观测任务等级,所述观测任务等级用于指示调用卫星资源规则;
根据所述观测任务等级,并结合所述灾害种类、所述灾区气象条件及所述观测要素,调用与所述灾害种类匹配的卫星资源。
可选的,所述观测目标至少包括点目标和区域目标,其中,所述点目标是指由单星可以一次观测完成的目标;所述区域目标是指成像区域由一个多边形表示并需要由多次观测来完成的目标。
可选的,根据所述观测目标、所述成像时间、所述参与任务规划的卫星资源、所述观测成像策略,构建多星观测任务规划模型,包括:
根据所述观测目标,构建对应的观测任务;
根据所述观测任务,构建考虑任务分解及任务合成的多目标整数规划模型,所述模型包含三个优化目标函数:最大化任务收益、最小化成像完成时间、最小化分解方案的平均侧摆角度,所述任务收益为对点目标及区域目标分别构造收益函数,再综合计算对应的收益;
根据不同观测成像策略,选取优化目标组合,其中,时间优先成像策略选取最大化任务收益、最小化成像完成时间两个优化目标,质量优先成像策略选取最大化任务收益、最小化分解方案的平均侧摆角度两个优化目标;
设置所述规划模型的约束条件,所述约束条件至少包括:点目标的唯一性约束、相邻任务转换时间约束、任务时间窗口约束、任务合成时间约束、任务合成角度约束、卫星单圈成像时长约束、卫星存储约束、卫星能量约束。
可选的,所述根据所述观测目标,构建对应的观测任务,包括:
获取观测目标包含的点目标和区域目标;
将所述区域目标对应观测任务分解成多个子任务;
将所述点目标在每个时间窗口内构造为一个子任务;
将所述点目标对应的子任务和所述区域目标对应的子任务统一构建为元任务;
将对时间窗口和成像角度满足预设约束条件的多个所述元任务进行任务合成。
可选的,所述利用所述多星观测任务规划模型,完成多星观测任务规划问题求解,得到多星任务规划方案,包括:
利用所述多星观测任务规划模型,采用多目标遗传算法,完成多星观测任务规划问题求解,得到多星任务规划方案,以用于基于所述多星任务规划方案安排成像并采集数据。
另一方面,本发明还提供了一种面向灾害应急的多星协同观测任务规划装置,该装置包括:
获取单元,用于获取灾情信息和观测需求信息;
确定单元,用于根据所述获取单元获取到的灾情信息和观测需求信息,确定观测目标和成像时间;
所述确定单元,还用于根据所述获取单元获取的灾情信息和观测需求信息,确定参与任务规划的卫星资源;
设计单元,用于根据所述获取单元获取到的观测需求信息,设计观测成像策略,所述观测成像策略至少包括:时间优先成像策略和质量优先成像策略,所述时间优先成像策略指优先短时间覆盖观测目标区域,所述质量优先成像策略指在既定时间内优先进行不侧摆成像,剩余区域按照侧摆角度最小原则进行覆盖;
构建单元,用于根据所述确定单元确定的参与观测任务的卫星资源、所述确定单元确定的观测目标、所述确定单元确定的成像时间、所述设计单元得到的观测成像策略,构建多星观测任务规划模型;
执行单元,用于利用所述构建单元构建的多星观测任务规划模型,完成多星观测任务规划问题求解,得到多星任务规划方案。
可选的,所述确定单元包括:
确定模块,用于根据所述灾情信息,确定灾害种类、目标应急响应等级、灾区气象条件;
所述确定模块,还用于根据所述观测需求信息,确定观测要素;
获取模块,用于通过查找应急响应等级、观测任务等级两者之间的预设映射关系,得到所述目标应急响应等级对应的观测任务等级,所述观测任务等级用于指示调用卫星资源规则;
调用模块,用于根据所述获取模块获取到的观测任务等级,并结合所述灾害种类、所述灾区气象条件及所述观测要素,调用与所述灾害种类匹配的卫星资源。
可选的,所述观测目标至少包括点目标和区域目标,其中,所述点目标是指由单星可以一次观测完成的目标;所述区域目标的成像区域由一个多边形表示并需要由多次观测来完成对一个区域目标的观测。
可选的,所述构建单元包括:
构建模块,用于根据所述观测目标,构建对应的观测任务;
所述构建模块,还用于根据所述观测任务,构建考虑任务分解及任务合成的多目标整数规划模型,所述模型包含三个优化目标函数:最大化任务收益、最小化成像完成时间、最小化分解方案的平均侧摆角度,所述任务收益为对点目标及区域目标分别构造收益函数,再综合计算对应的收益;
选取模块,用于根据不同观测成像策略,从所述优化目标函数中选取优化目标组合,其中,时间优先成像策略选取最大化任务收益、最小化成像完成时间两个优化目标,质量优先成像策略选取最大化任务收益、最小化分解方案的平均侧摆角度两个优化目标;
设置模块,用于设置所述构建模块得到的规划模型的约束条件,所述约束条件至少包括:点目标的唯一性约束、相邻任务转换时间约束、任务时间窗口约束、任务合成时间约束、任务合成角度约束、卫星单圈成像时长约束、卫星存储约束、卫星能量约束。
可选的,所述构建模块包括:
获取子模块,用于获取观测目标包含的点目标和区域目标;
分解子模块,用于将所述获取子模块获取到的区域目标对应观测任务分解成多个子任务;
构造子模块,用于将所述获取子模块获取到的点目标在每个时间窗口内构造为一个子任务;
构建子模块,用于将所述点目标对应的子任务和所述区域目标对应的子任务统一构建为元任务;
合成子模块,用于将对时间窗口和成像角度满足预设约束条件的多个所述元任务进行任务合成。
可选的,所述执行单元包括:
执行模块,用于利用所述多星观测任务规划模型,采用多目标遗传算法,完成多星观测任务规划问题求解,得到多星任务规划方案,以用于基于所述多星任务规划方案安排成像并采集数据。
再一方面,本发明还提供了一种电子设备,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程序,所述处理器执行所述程序时,实现如上所述的面向灾害应急的多星协同观测任务规划方法。
又一方面,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序运行时实现如上所述的面向灾害应急的多星协同观测任务规划方法。
借由上述技术方案,本发明提供的技术方案至少具有下列优点:
本发明提供的一种面向灾害应急的多星协同观测任务规划方法及装置,本发明根据灾情信息和观测需求信息而确定参与观测任务的卫星资源、观测目标和成像时间、设计观测成像策略,进而充分考虑到参与观测任务的卫星资源、观测目标、成像时间、观测成像策略等这些因素,来构建多星观测任务规划模型,以利用该模型完成面向灾害应急的多星协同观测任务规划。相较于现有技术的卫星观测任务规划技术多以常规任务为背景(主要以研究任务规划模型及算法为主,与灾害应急观测是存在较大的差异的),本发明以涉及考虑灾害应急观测需求而构建多星观测任务规划模型,继而利用该多星观测任务规划模型完成多星观测任务规划问题求解,得到多星任务规划方案,有助于确保应急数据获取时效性、较高的观测目标范围覆盖程度的观测需求。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明实施例提供的一种面向灾害应急的多星协同观测任务规划方法流程图;
图2为本发明实施例提供的另一种面向灾害应急的多星协同观测任务规划方法流程图;
图3为本发明实施例提供的包含区域目标的元任务合成示意图;
图4为本发明实施例提供的元任务对区域目标的综合覆盖示意图;
图5为本发明实施例提供的一种面向灾害应急的多星协同观测任务规划装置的组成框图;
图6为本发明实施例提供的另一种面向灾害应急的多星协同观测任务规划装置的组成框图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种面向灾害应急的多星协同观测任务规划方法,如图1所示,对此本发明实施例提供以下具体步骤:
101、获取灾情信息和观测需求信息。
102、根据灾情信息和观测需求信息,确定观测目标和成像时间。
在本发明实施例中,观测目标包括点目标和区域目标,其中,点目标是指那些成像区域较小、在较短的时间内由单星可以一次观测完成的目标。区域目标的成像区域较为复杂,一般由一个多边形表示,一次观测难以覆盖整个目标区域,需要由多次观测来完成一个区域目标的观测。而成像时间包括观测开始时间、观测结束时间。
103、根据灾情信息和观测需求信息,确定参与任务规划的卫星资源。
在本发明实施例中,根据我国灾害应急响应分级,示例性的,如表1设计三级灾害应急观测任务等级,每个观测任务等级调用不同卫星资源,进一步的,如果当应急响应等级相同时,以人口密集程度为优先观测条件。
表一
进一步的,根据观测任务等级,并结合灾害种类、观测要素及灾区气象条件,确定参与规划的卫星资源。如表2例举的可用卫星资源与灾种的适应性举例。
例如,假设可用的卫星资源包括以下高分系列、资源系列、环境系列及商用系列共12颗成像卫星,考虑的灾害种类包括地震、洪涝、台风、地质灾害、雪灾、旱灾、火灾共7种。假设某地发生重大地震,启动Ⅱ级响应,则观测任务等级为次高级,应优先调用与地震灾害观测适应性较高的卫星资源,如果观测要素为灾区建筑物及道路桥梁受损情况,成像时间(白天)内的灾区气象条件为晴,则可以确定参与规划的卫星资源为GF-1/2/3/6、ZY-1/3、CBERS-04、GJ-1、BJ-2。
表二
104、根据观测需求信息,设计观测成像策略。
在本发明实施例中,根据应急观测中对数据时效性及成像质量的需求,设计时间优先和质量优先两种成像策略。
所述时间优先成像策略指最短时间覆盖观测目标区域;质量优先成像策略指在给定时间内,优先进行不侧摆成像,剩余区域按照侧摆角度最小原则进行覆盖。
根据灾害演进过程、获取灾情信息情况、重点观测要素等,选择成像策略。时间优先成像策略适用于灾后第一时间或初步掌握灾情信息的情况下,以初步获取灾区大体范围、初步判断受灾程度为观测目的,快速获取灾区数据;质量优先成像策略适用于评估灾损情况、识别损毁目标,对影像质量要求较高的情况。
105、根据观测目标、成像时间、参与观测任务的卫星资源、观测成像策略,构建多星观测任务规划模型。
106、利用多星观测任务规划模型,完成多星观测任务规划问题求解,得到多星任务规划方案。
本发明实施例提供的一种面向灾害应急的多星协同观测任务规划方法,本发明实施例根据灾情信息和观测需求信息而确定参与观测任务的卫星资源、观测目标和成像时间、设计观测成像策略,进而充分考虑到参与观测任务的卫星资源、观测目标、成像时间、观测成像策略等这些因素,来构建多星观测任务规划模型,以利用该模型完成面向灾害应急的多星协同观测任务规划。相较于现有技术的卫星观测任务规划技术多以常规任务为背景(主要以研究任务规划模型及算法为主,与灾害应急观测是存在较大的差异的),本发明实施例以涉及考虑灾害应急观测需求而构建多星观测任务规划模型,继而利用该多星观测任务规划模型完成多星观测任务规划问题求解,得到多星任务规划方案,有助于确保应急数据获取时效性、较高的观测目标范围覆盖程度的观测需求。
为了对上述实施例做出更加详细的说明,本发明实施例还提供了另一种面向灾害应急的多星协同观测任务规划方法,如图2所示,该方法是对上述实施例的细化陈述和补充陈述,对此本发明实施例提供以下具体步骤:
201、获取灾情信息和观测需求信息。
202、根据灾情信息和观测需求信息,确定观测目标和成像时间。
在本发明实施例中,观测目标包括点目标和区域目标。点目标是指那些成像区域较小、在较短的时间内由单星可以一次观测完成的目标;区域目标的成像区域较为复杂,一般由一个多边形表示,一次观测难以覆盖整个目标区域,需要由多次观测来完成一个区域目标的观测。而成像时间包括观测开始时间、观测结束时间。
203、根据灾情信息及观测需求信息,确定参与任务规划的卫星资源。
在本发明实施例中,对于步骤102进行补充陈述,可以预先设置应急响应等级、观测任务等级两者之间的预设映射关系,从而在根据灾情信息确定应急响应等级之后,就可以通过自动地查找该预设映射关系而获取到与灾情信息匹配的观测任务等级。进一步的,还预先可以为每个观测任务等级匹配对应的调用卫星资源规则,进而扩展得到如表1包含字段(即:应急响应分级、观测任务等级、对应的调用卫星资源)之间存在的映射关系。
利用如上扩展得到的三者存在的映射关系,就能够自动地确定参与任务规划的卫星资源,具体操作步骤,陈述如下:
首先是,根据灾情信息,确定灾害种类、目标应急响应等级、灾区气象条件,根据观测需求信息,确定观测要素。
其次是,通过查找应急响应等级、观测任务等级两者之间的预设映射关系,得到目标应急响应等级对应的观测任务等级,利用该观测任务等级用于指示调用卫星资源规则,如结合上述扩展的三者存在映射关系进行自动查找操作。
在后是,根据观测任务等级,确定了调用卫星资源规则,如表1中包含的“调用的卫星资源”字段,筛选出一个大范围的卫星资源,然后还需结合灾害种类、灾区气象条件及观测要素,进一步筛选卫星资源,以调用与灾害种类匹配的卫星资源。
具体的,示例性的,得到如上表2确定参与规划的卫星资源为GF-1/2/3/6、ZY-1/3、CBERS-04、GJ-1、BJ-2,对于表2的描述,在此不再赘述。
204、根据观测需求信息,设计观测成像策略。
在本发明实施例中,根据应急观测中对数据时效性及成像质量的需求,设计时间优先和质量优先两种成像策略。
时间优先成像策略指最短时间覆盖观测目标区域;质量优先成像策略指在给定时间内,优先进行不侧摆成像,剩余区域按照侧摆角度最小原则进行覆盖。
根据灾害演进过程、获取灾情信息情况、重点观测要素等,选择成像策略。时间优先成像策略适用于灾后第一时间或初步掌握灾情信息的情况下,以初步获取灾区大体范围、初步判断受灾程度为观测目的,快速获取灾区数据;质量优先成像策略适用于评估灾损情况、识别损毁目标,对影像质量要求较高的情况。
205、根据观测目标,构建对应的观测任务。
在本发明实施例中,对本步骤细化陈述如下:
第一步骤,获取观测目标包含的点目标和区域目标,将点目标在每个时间窗口内构造为一个子任务,将区域目标对应观测任务分解成多个子任务。具体的,区域目标任务分解过程如下:
设卫星集合区域目标集合/>卫星sj的最大侧视角度max gj,最小侧视角度min gj,传感器视场角Δθj,分解时的角度偏移量为Δλ。
设规划时段内,卫星sj对区域目标任务ti的时间窗口数量为Nij,卫星sj在第k个时间窗口内对任务ti进行分解,得到的子任务数量为Nijk,表示卫星sj在第k个时间窗口内对任务ti进行分解,得到的第v个子任务。为便于表述,进行如下定义:
任务ti依据卫星sj的第k个时间窗口分解的元任务集合其中k∈[1,Nij]。
任务ti依据卫星sj分解的元任务集合
任务ti分解的元任务集合
综上,任务ti分解后的子任务集合可以表示为:
具体的,解释说明区域目标动态分解流程如下:
(1)遍历TP中的每个区域目标。针对区域目标ti的观测要求,选择可用卫星集合S′。
(2)遍历S′中的每个卫星,根据每颗卫星sj对ti进行分解。
(3)根据卫星轨道预报模型,计算sj与ti的时间窗口集合Obs(i,j),并删除其中不满足ti时间要求的时间窗口。
(4)遍历Obs(i,j)中的每个时间窗口obsijk,根据每个时间窗口进行分解。
a)、得到时间窗口obsijk内,卫星sj指向区域目标ti顶点的最小、最大角度gmin(i,j),gmax(i,j)。
b)、得到时间窗口obsijk内,卫星对ti有效观测的最小角度gS,最大角度gE。
c)、按照不同的观测角度g′对区域进行分解。g′从最小角度gS开始,以Δλ为角度偏移量进行偏移,直至最大角度gE结束。
d)、在每种观测角度g′下,均生成一个子任务的观测角度/>为g′,其开始时间/>结束时间/>分别为卫星采用g′角度观测时,出入区域目标的时刻。根据及对应时刻的星下点坐标,采用卫星对地面覆盖区域的计算方法,得到卫星在此角度下覆盖的条带的顶点坐标,从而得到条带的坐标信息。
e)、将卫星sj与ti在时间窗口obsijk内分解的子任务加入集合
(5)将卫星sj与ti在各个时间窗口内分解得到的子任务加入集合
(6)将所有卫星与ti分解的子任务加入集合Oi。
(7)依次分解其他任务,若分解完毕,则返回并输出结果。
由于区域目标分解的每个子任务都是卫星的一个可选的观测活动,为便于统计子任务对区域目标的覆盖关系,必须记录其坐标信息。子任务的坐标信息采用顺时针顺序的四个顶点的经纬度坐标表示。分解得到的子任务采用六元组表示:分别表示子任务标识、任务标识、卫星标识、时间窗口、观测角度及子任务的坐标信息。
第二步骤:将点目标对应的子任务和区域目标对应的子任务统一构建为元任务,具体陈述如下:
点目标在每个时间窗口内只能构造为一个子任务。为统一描述,把点和区域目标分解的子任务统一为元任务,并作为任务规划的基本元素,避免两类目标在处理上的差异,便于两类目标的统一规划。
(1)区域目标的元任务按照第一步骤的区域目标动态分解方法进行构造。
(2)为统一表示,点目标的元任务构造仍采用区域目标分解时的表示法,其在每个时间窗口内只构造一个元任务,不再赘述。
(3)每个任务分解后得到的元任务集合称为该任务的元任务组。任务ti分解得到的元任务组Oi表示为:其中,Nij为卫星sj对任务ti的时间窗口数量,Nijk表示在卫星sj与任务ti的第k个时间窗口内,构造的元任务数量。元任务/>的时间窗口为/>此时间窗口内sj对ti的观测角度为/>
第三步骤,对时间窗口和成像角度满足一定约束条件的多个元任务进行任务合成,由卫星传感器一次性进行成像,提高观测效率。由于区域目标的特殊性,将按照只包含点目标的合成任务与包含区域目标的合成任务两种情况进行处理,具体任务合成约束如下:
(1)一种方式是:只包含点目标的合成任务
首先考虑最简化情况,即两个点目标的元任务合成观测而生成合成任务的情况。
设卫星sj的单次最大开机时间为Δdj,视场角为Δθj。若点目标ti,ti'分别存在两个元任务分别表示卫星sj与任务ti对应的观测目标之间可见时间窗口的开始时间,结束时间,侧摆角;/>分别表示卫星sj与任务ti'对应的观测目标之间可见时间窗口的开始时间,结束时间,侧摆角,并满足如下约束条件:/>
则两个元任务可以被卫星传感器合成观测。其中,式(2)为时间窗口约束,表示两个元任务的时间窗口必须在卫星的单次最大开机时间内。式(3)为成像角度约束,表示两个元任务的侧视角度必须在传感器的单个视场角度限制内。设该合成任务为卫星sj的第l个合成任务,以表示,合成任务的开始时间/>结束时间/>成像侧摆角/>分别为:
合成任务可以与其他的任务继续合成,并生成新的合成任务,因此,可以推广到任意多个元任务合成的情况。设合成任务/>包含的点目标元任务集合/> 中元任务的开始时间集合为/>结束时间集合为/>观测角度集合为/>则集合中元任务能否合成的约束条件为:
同理,可以得到中的任务合成后,得到的合成任务/>的开始时间/>结束时间/>成像侧摆角/>分别为:
(2)另一种方式:包含区域目标的合成任务。
区域目标分解的元任务代表了卫星在特定侧视角度下,对地面覆盖的条形区域,如果对其观测角度进行修正,则卫星的观测条带就会偏移,不能覆盖原定的区域。因此,当合成任务中包含区域目标分解的元任务时,卫星必须采用区域目标分解的元任务的观测角度进行成像。如图3所示,若合成任务包含了某区域目标元任务时,该合成任务的观测角度必定等于区域目标元任务的观测角度。因此,此情况下的合成任务只能通过扩展观测时间实现对点目标的合成观测。而且,若待合成元任务中包含多个区域目标元任务时,区域目标元任务的观测角度必须相同才有可能合成。如附图3所示包含区域目标的元任务合成示意图,该示意图中包含待合成的元任务(a)和合成任务(b)。
设区域目标元任务集合 中元任务的开始时间集合为结束时间集合为/>观测角度集合为/>首先给出/>和/>中的元任务能够合成的约束条件:
式(12)为时间约束,表示元任务的时间窗口必须在卫星的单次最大开机时间内。式(13)(14)为观测角度约束,式(13)表示其中包含的点目标元任务的观测角度必须在以区域目标元任务观测角度为中心的视场角度内,式(14)表示若其中包含多个区域目标元任务,则区域目标元任务的观测角度必须相同。
若和/>中元任务满足合成观测的约束条件,则其合成任务的/>的开始时间结束时间/>成像侧摆角/>分别为:
206、根据观测任务,构建考虑任务分解及任务合成的多目标整数规划模型,模型包含三个优化目标函数:最大化任务收益、最小化成像完成时间、最小化分解方案的平均侧摆角度,任务收益为对点目标及区域目标分别构造收益函数,再综合计算对应的收益。
在本发明实施例中,构建考虑任务分解及合成的多目标整数规划模型,此模型包含三个优化目标函数:最大化任务收益Profit,最小化成像完成时间CT,最小化分解方案的平均侧摆角度SA。
(1)灾害应急成像过程中需要获得整个灾区范围和受损程度,需要尽可能的全覆盖,利用任务的收益率进行衡量。
点目标和区域目标的特征决定了其收益计算方式存在差异,点目标只需安排一个元任务即可视为完成任务,只存在安排与未安排两种状态。区域目标还存在部分完成状态,必须统计多个元任务对区域目标的综合覆盖率,以计算观测区域目标获取的收益。因此,构造收益函数时必须兼顾二者的差异,对两类目标分别计算。
由于点和区域目标均分解为元任务,因此,任务的收益可以根据其元任务的完成状态进行计算。设任务完成情况下,任务ti的收益为pi,为其元任务/>的完成状态,定义为:/>
根据任务ti的元任务的安排状态,可以得到卫星观测任务ti的收益。下面分别针对点目标及区域目标建立收益函数。
设卫星sj共有个合成任务,则点目标的收益函数为:
由于点目标在每个观测时间窗口内只分解了一个元任务,Nijk=1,因此,上式可简写为:
点目标具有唯一性约束,即只能安排一次成像。在调度过程中,只会选择安排点目标的一个元任务,因此,此处并不会重复计算点目标的收益。
区域目标的收益是根据其所有被安排的元任务对区域目标的综合覆盖情况而定的,因此,必须首先计算多个元任务对区域目标ti的覆盖率Cover(ti):
此处采用集合论中的“并”关系表示多个元任务代表的小区域的组合关系,采用“交”关系表示多个元任务对区域的覆盖关系。其中表示元任务/>所表示的多边形区域(条带或单景)面积,ψ(ti)表示区域目标ti代表的多边形区域面积。
如图4所示的元任务对区域目标的综合覆盖示意图,利用图4说明元任务间的“并”以及元任务与区域目标的“交”关系。假设安排了两个元任务o1,o2对区域目标P进行观测,首先,对安排的元任务进行“并运算”,得到o1,o2的并集O=o1∪o2(如图4(b)所示);然后,对区域O与P进行“交”运算(如图4(c)中阴影部分所示),O∩P即为两个元任务对区域的有效观测区域。通过统计O∩P的面积与区域目标P面积的比率,即可得到对区域目标被观测的综合覆盖率。
得到多个元任务对区域目标的综合覆盖率后,就可以根据回报函数得到区域目标的收益。假设区域目标的收益为线性回报函数,即卫星观测区域目标获取的收益与对区域目标的覆盖率成正比。因此,区域目标的收益为:
优化目标Profit最大化任务收益为:
max:Profit=Cspot+Cpolygon 公式(22)
依据公式(19)可以得到卫星观测点目标的总收益为:
依据公式(21)可以得到卫星观测区域目标的总收益为:
(2)尽可能快的完成观测目标的覆盖,保证数据的时效性。优化目标CT表示观测完成时间,用所选观测条带中的最晚成像时间进行衡量。Ts为规划开始时间。
(3)卫星侧摆角度尽可能小,以免造成图像严重的几何畸变。优化目标SA衡量目标分解方案的平均侧摆角大小。表示元任务观测面积,α(T)表示所有目标总面积。
207、根据不同观测成像策略,选取优化目标组合,其中,时间优先成像策略选取最大化任务收益、最小化成像完成时间两个优化目标,质量优先成像策略选取最大化任务收益、最小化分解方案的平均侧摆角度两个优化目标。
时间优先成像策略选取最大化任务收益、最小化成像完成时间两个优化目标。针对成像目标范围,根据区域目标分解及元任务构造获取每颗卫星对目标的时间窗口集合,从中选取最先通过目标区域的卫星进行成像,然后从目标区域中排除最先成像的范围,再计算剩余区域中最先成像的卫星,以此类推,最终完成整个目标区域的成像。这种策略可以大大提高数据获取时效性,并且可以避免对目标区域重复观测,同时能有效减小运算量。
质量优先成像策略选取最大化任务收益、最小化分解方案的平均侧摆角度两个优化目标。针对成像目标范围,根据目标分解及元任务构造获取每颗卫星对目标的时间窗口和观测角度集合,从中选取不侧摆的卫星优先成像,然后从目标区域中排除最先成像的范围,再计算剩余区域中有观测机会的侧摆角最小的卫星,以此类推。质量优先成像策略有可能在规划时间段内无法完全覆盖目标区域,这种情况下在完成质量优先成像后,可对剩余观测区域利用时间优先成像策略进行任务规划。
208、设置规划模型的约束条件,约束条件至少包括:点目标的唯一性约束、相邻任务转换时间约束、任务时间窗口约束、任务合成时间约束、任务合成角度约束、卫星单圈成像时长约束、卫星存储约束、卫星能量约束。
(1)点目标的唯一性约束,表示每个点目标最多被观测一次。
(2)转换时间约束,表示两个相邻任务之间必须有足够的转换时间,其中表示两个连续观测活动之间的转换时间;
式中,分别表示卫星sj上第l个任务、第l+1个任务的成像开始观测时间,表示卫星sj上第l个任务的成像持续时长,/>表示第l个任务和第l+1个任务间的转换时间。
(3)时间窗口约束,表示每个任务必须在其时间窗口内进行成像;
(4)任务紧凑合成时间约束,表示任何一个时间窗口若与成像方案中的某个任务合成,必须满足时间约束;
式中,表示卫星sj与观测目标T之间的时间窗口集,/>为卫星sj与任务ti之间的第k个时间窗口。
(5)任务紧凑合成角度约束,表示任何一个时间窗口若与成像方案中的某个任务合成,二者必须同时位于卫星观测视场内;
(6)单圈成像时长约束,表示在卫星运行的任何单圈时长内,执行的任务累积时常不能超过卫星单圈最长成像时间;
式中,Ts、Te分别为规划开始时间、结束时间,卫星sj上从任意位置b开始单个圈次时间内的成像序列,dutyj为卫星sj的单圈最大成像时间。
(7)卫星的存储约束,表示卫星观测方案的内存消耗不能超过最大储存容量限制;
式中,mj表示卫星sj的观测单位时间需要的存储容量,Mj表示卫星sj的最大存储容量。
(8)卫星的能量约束,表示卫星规划方案消耗的能量不能超过最大能量限制。
式中,pwj表示卫星sj观测单位时间消耗的能量,spwj表示卫星sj侧摆单位角度消耗的能量,PWj卫星sj的最大能量。
209、利用多星观测任务规划模型,采用多目标遗传算法,完成多星观测任务规划问题求解,得到多星任务规划方案,以用于基于多星任务规划方案安排成像并采集数据。
在本发明实施例中,可以基于NSGA-II多目标遗传算法的卫星任务规划求解算法,具体陈述如下:
根据约束条件的数学模型,采用Deb等提出的NSGA-II多目标遗传算法,完成多星观测任务规划问题求解,得到多星任务规划方案,基于观测方案安排成像,采集数据。
NSGA-II算法原理:在传统遗传算法的基础上,增加一个非支配选择排序和拥挤度计算的环节。将NSGA-II算法应用于成像卫星任务规划中,对其作适当改正。在该流程中,引入精英解保持策略过程。在形成新父代种群之前,将旧父代和子代合为一体并进行非支配排序和拥挤度计算。运用这种方式,不仅能够保留旧父代中的精英解,而且扩大了个体的采样空间。算法流程如下:
1)设计问题编码,设置种群大小M,最大迭代次数T,当前迭代次数t=0,并初始化种群Pt。
2)对种群Pt进行选择、交叉、变异遗传操作,产生新种群Qt。
3)对新种群Rt=(Pt∪Qt)进行非支配排序,得到Rt的非支配前沿F=(F1,F2,…)。
4)令i=1,Pt+1=Pt+1∪Fi。
5)令i=i+1,若|Pt+1|+|Fi|<M,转到步骤4);若|Pt+1|+|Fi|=M,转到步骤7)。
6)计算Fi中个体的拥挤距离,并按拥挤距离选出最好的|M-|Pt+1||个体,
7)t=t+1,若t+1<T且Pt+1∩Pt≠Pt,重复步骤2)。
8)输出Pt中的非支配pareto解,并解码。
在本发明实施例中,具体的,首先是:问题编码。
将每个卫星的任务序列设计为一个染色体片段。染色体是由多个基因排列组成的,每个基因表示此位置上的任务,染色体片段的首末两个基因位为两个虚拟的任务,用来标识该染色体片段的开始和结束。每个基因采用实数编码,存储相应位置上的任务信息,包括时间窗口,最早开始时间,最晚开始时间,侧摆角度,包含的元任务等。
其次是:种群初始化。
采用随机插入算法构建初始种群,产生若干个个体。其基本思想是从未安排任务中随机选择时间窗口进行插入。
最后是:遗传算子设计。
(1)选择算子
选择算子用以选择生成下一代的父代个体,对算法的性能影响较大。选择算子主要作用是对个体进行优胜劣汰操作,即从种群中选择精英个体繁殖下一代,淘汰较差的个体。选择算子保证好的个体有更大的选择机率,同时较差的个体也有较小的被选择的机会,使得搜索过程是全局的,不会过早收敛。
为了避免算法早熟收敛,搜索结果尽可能与全局pareto最优解接近,使用二元锦标赛选择方法进行选择配对。每次随机从父代种群中选择两个个体,比较两者的非支配等级,选出其中非支配等级小的作为父个体,重复该过程直至填满交配池。
(2)交叉算子
通过交叉算子,父代个体优良的基因信息在进化过程中会传递给下一代。交叉概率表示父个体被选择后进行交叉的概率。采用两点交叉的方式,在染色体片段连接处,随机选择两个位置作为交叉点,对两个父个体交叉点之间的染色体片段相互交换;由于交换染色体片段后产生的新个体可能为不可行解,需依据模型中的约束条件对两个子个体进行调整,最终得到代表可行解的新个体。交叉算子的流程主要包括选择交叉点,染色体片段交换,删除重复基因,修复丢失基因四个步骤。
删除重复基因具体是指当两个染色体片段交换后,产生的代表任务序列的新个体中可能出现重复的任务,不满足唯一性约束。这种情况下,将非交换染色体片段中的重复任务。
修复丢失基因具体指在交换的染色体片段中子个体丢失了父个体上的某些基因,因此需要把丢失的任务插入到子个体中。
(3)变异算子
变异是指随机将染色体中的某些基因值用其它基因值来替换,从而形成一个新的个体。变异算子是产生新个体的辅助方法,决定了遗传算法的局部搜索能力,同时保持种群的多样性。交叉算子和变异算子的相互配合,共同实现对搜索空间的局部搜索和全局搜索。
根据多星任务规划问题的特点,采用单点变异算子,主要有三种操作:基因删除,基因转移,基因插入。
基因删除是指将随机选择的任务从成像方案中删除。
基因转移是指将随机选择的任务安排到其他时间窗口,即先将此任务从规划方案中删除,再将随机选择的时间窗口进行插入。
基因插入是从未规划任务集中搜索在变异点位置有时间窗口的任务,安排到当前变异点位置前后。
进一步的,作为对上述图1、图2所示方法的实现,本发明实施例提供了一种面向灾害应急的多星协同观测任务规划装置。该装置实施例与前述方法实施例对应,为便于阅读,本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述,但应当明确,本实施例中的装置能够对应实现前述方法实施例中的全部内容。该装置应用于给出面向灾害应急的多星协同观测任务规划,具体如图5所示,该装置包括:
获取单元31,用于获取灾情信息和观测需求信息;
确定单元32,用于根据所述获取单元31获取的灾情信息及观测需求信息,确定观测目标和成像时间;
所述确定单元32,还用于根据所述获取单元31获取到的灾情信息及观测需求信息,确定参与任务规划的卫星资源;
设计单元33,用于根据所述获取单元31获取到的观测需求信息,设计观测成像策略,所述观测成像策略至少包括:时间优先成像策略和质量优先成像策略,所述时间优先成像策略指优先短时间覆盖观测目标区域,所述质量优先成像策略指在既定时间内优先进行不侧摆成像,剩余区域按照侧摆角度最小原则进行覆盖;
构建单元34,用于根据所述确定单元32确定的观测目标和成像时间、所述确定单元32确定的参与任务规划的卫星资源、所述设计单元33得到的观测成像策略,构建多星观测任务规划模型;
执行单元35,用于利用所述构建单元34构建的多星观测任务规划模型,完成多星观测任务规划问题求解,得到多星任务规划方案。
进一步的,如图6所示,所述确定单元32包括:
确定模块321,用于根据所述灾情信息,确定灾害种类、目标应急响应等级、灾区气象条件;
所述确定模块321,还用于根据所述观测需求信息,确定观测要素;
获取模块322,用于通过查找应急响应等级、观测任务等级两者之间的预设映射关系,得到所述目标应急响应等级对应的观测任务等级,所述观测任务等级用于指示调用卫星资源规则;
调用模块323,用于根据所述获取模块322获取到的观测任务等级,并结合所述灾害种类、所述灾区气象条件及所述观测要素,调用与所述灾害种类匹配的卫星资源。
进一步的,所述观测目标至少包括点目标和区域目标,其中,所述点目标是指由单星可以一次观测完成的目标;所述区域目标的成像区域由一个多边形表示并需要由多次观测来完成对一个区域目标的观测。
进一步的,如图6所示,所述构建单元34包括:
构建模块341,用于根据所述观测目标,构建对应的观测任务;
所述构建模块341,还用于根据所述观测任务,构建考虑任务分解及任务合成的多目标整数规划模型,所述模型包含三个优化目标函数:最大化任务收益、最小化成像完成时间、最小化分解方案的平均侧摆角度,所述任务收益为对点目标及区域目标分别构造收益函数,再综合计算对应的收益;
选取模块342,用于根据不同观测成像策略,从所述优化目标函数中选取优化目标组合,其中,时间优先成像策略选取最大化任务收益、最小化成像完成时间两个优化目标,质量优先成像策略选取最大化任务收益、最小化分解方案的平均侧摆角度两个优化目标;
设置模块343,用于设置所述构建模块341得到的规划模型的约束条件,所述约束条件至少包括:点目标的唯一性约束、相邻任务转换时间约束、任务时间窗口约束、任务合成时间约束、任务合成角度约束、卫星单圈成像时长约束、卫星存储约束、卫星能量约束。
进一步的,如图6所示,所述构建模块341包括:
获取子模块3411,用于获取观测目标包含的点目标和区域目标;
分解子模块3412,用于将所述获取子模块3411获取到的区域目标对应观测任务分解成多个子任务;
构造子模块3413,用于将所述获取子模块3411获取到的点目标在每个时间窗口内构造为一个子任务;
构建子模块3414,用于将所述点目标对应的子任务和所述区域目标对应的子任务统一构建为元任务;
合成子模块3415,用于将对时间窗口和成像角度满足预设约束条件的多个所述元任务进行任务合成。
进一步的,如图6所示,所述执行单元35包括:
执行模块351,用于利用所述多星观测任务规划模型,采用多目标遗传算法,完成多星观测任务规划问题求解,得到多星任务规划方案,以用于基于所述多星任务规划方案安排成像并采集数据。
所述面向灾害应急的多星协同观测任务规划装置包括处理器和存储器,上述获取单元、确定单元、设计单元、构建单元和执行单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来以涉及考虑灾害应急观测需求而构建多星观测任务规划模型,继而利用该多星观测任务规划模型完成多星观测任务规划问题求解,得到多星任务规划方案,有助于确保应急数据获取时效性、较高的观测目标范围覆盖程度。
本发明实施例提供了一种电子设备,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程序,所述处理器执行所述程序时,实现如上所述的面向灾害应急的多星协同观测任务规划方法。
本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序运行时实现如上所述的面向灾害应急的多星协同观测任务规划方法。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种面向灾害应急的多星协同观测任务规划方法,其特征在于,所述方法包括:
获取灾情信息和观测需求信息;
根据所述灾情信息和观测需求信息,确定观测目标和成像时间;
根据所述灾情信息和观测需求信息,确定参与任务规划的卫星资源;
根据所述观测需求信息,设计观测成像策略,所述观测成像策略至少包括:时间优先成像策略和质量优先成像策略,所述时间优先成像策略指优先短时间覆盖观测目标区域,所述质量优先成像策略指在既定时间内优先进行不侧摆成像,剩余区域按照侧摆角度最小原则进行覆盖;
根据所述观测目标、所述成像时间、所述参与任务规划的卫星资源、所述观测成像策略,构建多星观测任务规划模型,其中,所述观测目标至少包括点目标和区域目标,其中,所述点目标是指由单星可以一次观测完成的目标,所述区域目标的成像区域由一个多边形表示并需要由多次观测来完成对一个区域目标的观测;
所述根据所述观测目标、所述成像时间、所述参与任务规划的卫星资源、所述观测成像策略,构建多星观测任务规划模型,具体包括以下:
根据所述观测目标,构建对应的观测任务;
根据所述观测任务,构建考虑任务分解及任务合成的多目标整数规划模型,所述模型包含三个优化目标函数:最大化任务收益、最小化成像完成时间、最小化分解方案的平均侧摆角度,所述任务收益为对点目标及区域目标分别构造收益函数,再综合计算对应的收益;
根据不同观测成像策略,选取优化目标组合,其中,时间优先成像策略选取最大化任务收益、最小化成像完成时间两个优化目标,质量优先成像策略选取最大化任务收益、最小化分解方案的平均侧摆角度两个优化目标;
设置所述规划模型的约束条件,所述约束条件至少包括:点目标的唯一性约束、相邻任务转换时间约束、任务时间窗口约束、任务合成时间约束、任务合成角度约束、卫星单圈成像时长约束、卫星存储约束、卫星能量约束;
利用所述多星观测任务规划模型,完成多星观测任务规划问题求解,得到多星任务规划方案。
2.根据权利要求1所述的方法,其特征在于,所述根据所述灾情信息和观测需求信息,确定参与任务规划的卫星资源,包括:
根据所述灾情信息,确定灾害种类、目标应急响应等级、灾区气象条件;
根据所述观测需求信息,确定观测要素;
通过查找应急响应等级、观测任务等级两者之间的预设映射关系,得到所述目标应急响应等级对应的观测任务等级,所述观测任务等级用于指示调用卫星资源规则;
根据所述观测任务等级,并结合所述灾害种类、所述灾区气象条件及所述观测要素,调用与所述灾害种类匹配的卫星资源。
3.根据权利要求1所述的方法,其特征在于,所述根据所述观测目标,构建对应的观测任务,包括:
获取观测目标包含的点目标和区域目标;
将所述区域目标对应观测任务分解成多个子任务;
将所述点目标在每个时间窗口内构造为一个子任务;
将所述点目标对应的子任务和所述区域目标对应的子任务统一构建为元任务;
将对时间窗口和成像角度满足预设约束条件的多个所述元任务进行任务合成。
4.根据权利要求1所述的方法,其特征在于,所述利用所述多星观测任务规划模型,完成多星观测任务规划问题求解,得到多星任务规划方案,包括:
利用所述多星观测任务规划模型,采用多目标遗传算法,完成多星观测任务规划问题求解,得到多星任务规划方案,以用于基于所述多星任务规划方案安排成像并采集数据。
5.一种面向灾害应急的多星协同观测任务规划装置,其特征在于,所述装置包括:
获取单元,用于获取灾情信息和观测需求信息;
确定单元,用于根据所述获取单元获取到的灾情信息和观测需求信息,确定观测目标和成像时间;
所述确定单元,还用于根据所述获取单元获取到的灾情信息和观测需求信息,确定参与任务规划的卫星资源;
设计单元,用于根据所述获取单元获取到的观测需求信息,设计观测成像策略,所述观测成像策略至少包括:时间优先成像策略和质量优先成像策略,所述时间优先成像策略指优先短时间覆盖观测目标区域,所述质量优先成像策略指在既定时间内优先进行不侧摆成像,剩余区域按照侧摆角度最小原则进行覆盖;
构建单元,用于根据所述确定单元确定的观测目标和成像时间、所述确定单元确定的参与任务规划的卫星资源、所述设计单元得到的观测成像策略,构建多星观测任务规划模型,其中,所述观测目标至少包括点目标和区域目标,其中,所述点目标是指由单星可以一次观测完成的目标,所述区域目标的成像区域由一个多边形表示并需要由多次观测来完成对一个区域目标的观测;
所述构建单元包括:构建模块、选取模块和设置模块;
所述构建模块,用于根据所述观测目标,构建对应的观测任务;
所述构建模块,还用于根据所述观测任务,构建考虑任务分解及任务合成的多目标整数规划模型,所述模型包含三个优化目标函数:最大化任务收益、最小化成像完成时间、最小化分解方案的平均侧摆角度,所述任务收益为对点目标及区域目标分别构造收益函数,再综合计算对应的收益;
所述选取模块,用于根据不同观测成像策略,从所述优化目标函数中选取优化目标组合,其中,时间优先成像策略选取最大化任务收益、最小化成像完成时间两个优化目标,质量优先成像策略选取最大化任务收益、最小化分解方案的平均侧摆角度两个优化目标;
所述设置模块,用于设置所述构建模块得到的规划模型的约束条件,所述约束条件至少包括:点目标的唯一性约束、相邻任务转换时间约束、任务时间窗口约束、任务合成时间约束、任务合成角度约束、卫星单圈成像时长约束、卫星存储约束、卫星能量约束;
执行单元,用于利用所述构建单元构建的多星观测任务规划模型,完成多星观测任务规划问题求解,得到多星任务规划方案。
6.根据权利要求5所述的装置,其特征在于,所述确定单元包括:
确定模块,用于根据所述灾情信息,确定灾害种类、目标应急响应等级、灾区气象条件;
所述确定模块,还用于根据所述观测需求信息,确定观测要素;
获取模块,用于通过查找应急响应等级、观测任务等级两者之间的预设映射关系,得到所述目标应急响应等级对应的观测任务等级,所述观测任务等级用于指示调用卫星资源规则;
调用模块,用于根据所述获取模块获取到的观测任务等级,并结合所述灾害种类、所述灾区气象条件及所述观测要素,调用与所述灾害种类匹配的卫星资源。
7.一种电子设备,其特征在于,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程序,所述处理器执行所述程序时,实现如权利要求1-4中任一所述的面向灾害应急的多星协同观测任务规划方法。
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,所述程序运行时实现如权利要求1-4中任一所述的面向灾害应急的多星协同观测任务规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010723076.2A CN111861230B (zh) | 2020-07-24 | 2020-07-24 | 一种面向灾害应急的多星协同观测任务规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010723076.2A CN111861230B (zh) | 2020-07-24 | 2020-07-24 | 一种面向灾害应急的多星协同观测任务规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111861230A CN111861230A (zh) | 2020-10-30 |
CN111861230B true CN111861230B (zh) | 2023-11-28 |
Family
ID=72950574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010723076.2A Active CN111861230B (zh) | 2020-07-24 | 2020-07-24 | 一种面向灾害应急的多星协同观测任务规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111861230B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529437B (zh) * | 2020-12-17 | 2024-02-09 | 中国科学院空天信息创新研究院 | 多目标卫星成像规划方法 |
CN112801394A (zh) * | 2021-02-05 | 2021-05-14 | 中国科学院空天信息创新研究院 | 资源调度方法 |
CN113343777B (zh) * | 2021-05-14 | 2023-03-24 | 武汉大学 | 一种面向自然灾害应急响应的卫星快速规划方法及系统 |
CN113408835B (zh) * | 2021-08-20 | 2022-01-28 | 北京道达天际科技有限公司 | 基于海上移动目标的多星协同规划方法 |
CN115204628B (zh) * | 2022-06-24 | 2023-04-07 | 上海交通大学 | 基于成像资源自适性调节的卫星最小量元任务规划方法 |
CN116681235A (zh) * | 2023-05-30 | 2023-09-01 | 中国科学院微小卫星创新研究院 | 星载分布式星座协同自主任务规划系统及其方法 |
CN117332624B (zh) * | 2023-12-01 | 2024-03-08 | 武汉大学 | 顾及影像mtf退化的超敏捷卫星任务规划方法及系统 |
CN117743773A (zh) * | 2024-02-07 | 2024-03-22 | 中国人民解放军战略支援部队航天工程大学 | 一种基于历史大数据的遥感卫星持续观测方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05158540A (ja) * | 1991-12-06 | 1993-06-25 | Fujitsu Ltd | 宇宙機のアーム制御システム、および、アーム付宇宙機の姿勢制御システム |
JP2003252299A (ja) * | 2002-02-26 | 2003-09-10 | Mitsubishi Electric Corp | 人工衛星の姿勢制御装置 |
CN101894367A (zh) * | 2010-05-26 | 2010-11-24 | 中国人民解放军国防科学技术大学 | 成像卫星观测调度的目标聚类方法 |
CN106353771A (zh) * | 2016-08-12 | 2017-01-25 | 北京空间飞行器总体设计部 | 一种敏捷卫星成像任务全局优化分配方法 |
EP3364212A1 (en) * | 2017-02-15 | 2018-08-22 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | A method and an apparatus for computer-assisted processing of sar raw data |
CN108803647A (zh) * | 2018-08-14 | 2018-11-13 | 上海航天控制技术研究所 | 一种用于航天器姿态控制的无模型数据驱动控制方法 |
CN108845976A (zh) * | 2018-06-25 | 2018-11-20 | 湖南国科轩宇信息科技有限公司 | 多星联合成像下的大规模区域观测调度方法和系统 |
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 |
CN109034531A (zh) * | 2018-06-19 | 2018-12-18 | 上海卫星工程研究所 | 一种考虑多时间窗口约束的卫星成像多源任务动态规划方法 |
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 |
JP2019202587A (ja) * | 2018-05-21 | 2019-11-28 | Necネッツエスアイ株式会社 | 衛星観測スケジューリングシステム及びスケジューリング方法 |
CN110728447A (zh) * | 2019-10-10 | 2020-01-24 | 合肥工业大学 | 一种最早完成区域目标覆盖的分区卫星任务规划方法 |
CN110751353A (zh) * | 2018-07-24 | 2020-02-04 | 民政部国家减灾中心 | 一种面向洪涝应急的多卫星协同观测方法及装置 |
CN110986963A (zh) * | 2019-12-25 | 2020-04-10 | 北京理工大学 | 基于姿态信息的航天器多目标在线聚类规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2311664T3 (es) * | 2003-10-21 | 2009-02-16 | Astrium Gmbh | Metodo de control dinamico de guiñada para naves espaciales. |
-
2020
- 2020-07-24 CN CN202010723076.2A patent/CN111861230B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05158540A (ja) * | 1991-12-06 | 1993-06-25 | Fujitsu Ltd | 宇宙機のアーム制御システム、および、アーム付宇宙機の姿勢制御システム |
JP2003252299A (ja) * | 2002-02-26 | 2003-09-10 | Mitsubishi Electric Corp | 人工衛星の姿勢制御装置 |
CN101894367A (zh) * | 2010-05-26 | 2010-11-24 | 中国人民解放军国防科学技术大学 | 成像卫星观测调度的目标聚类方法 |
CN106353771A (zh) * | 2016-08-12 | 2017-01-25 | 北京空间飞行器总体设计部 | 一种敏捷卫星成像任务全局优化分配方法 |
EP3364212A1 (en) * | 2017-02-15 | 2018-08-22 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | A method and an apparatus for computer-assisted processing of sar raw data |
JP2019202587A (ja) * | 2018-05-21 | 2019-11-28 | Necネッツエスアイ株式会社 | 衛星観測スケジューリングシステム及びスケジューリング方法 |
CN109034531A (zh) * | 2018-06-19 | 2018-12-18 | 上海卫星工程研究所 | 一种考虑多时间窗口约束的卫星成像多源任务动态规划方法 |
CN108845976A (zh) * | 2018-06-25 | 2018-11-20 | 湖南国科轩宇信息科技有限公司 | 多星联合成像下的大规模区域观测调度方法和系统 |
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 |
CN110751353A (zh) * | 2018-07-24 | 2020-02-04 | 民政部国家减灾中心 | 一种面向洪涝应急的多卫星协同观测方法及装置 |
CN108803647A (zh) * | 2018-08-14 | 2018-11-13 | 上海航天控制技术研究所 | 一种用于航天器姿态控制的无模型数据驱动控制方法 |
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 |
CN110728447A (zh) * | 2019-10-10 | 2020-01-24 | 合肥工业大学 | 一种最早完成区域目标覆盖的分区卫星任务规划方法 |
CN110986963A (zh) * | 2019-12-25 | 2020-04-10 | 北京理工大学 | 基于姿态信息的航天器多目标在线聚类规划方法 |
Non-Patent Citations (2)
Title |
---|
多星联合任务规划方法;王智勇;中国空间科学技术;第2卷(第1期);8-14 * |
资源卫星(可见光)遥感数据获取 任务调度优化算法研究;徐雪仁;资源卫星(可见光)遥感数据获取 任务调度优化算法研究;第11卷(第1期);109-114 * |
Also Published As
Publication number | Publication date |
---|---|
CN111861230A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111861230B (zh) | 一种面向灾害应急的多星协同观测任务规划方法及装置 | |
Mensour et al. | A geographical information system-based multi-criteria method for the evaluation of solar farms locations: A case study in Souss-Massa area, southern Morocco | |
CN111859800B (zh) | 用于pm2.5浓度分布的时空估算和预测方法 | |
Niu et al. | Satellite scheduling of large areal tasks for rapid response to natural disaster using a multi-objective genetic algorithm | |
CN106570595B (zh) | 一种基于空间大数据的地铁站点选址方法及系统 | |
Labordena et al. | Impact of political and economic barriers for concentrating solar power in Sub-Saharan Africa | |
Posch et al. | Calculation and mapping of critical thresholds in Europe: Status Report 1999 | |
Pillot et al. | An integrated GIS and robust optimization framework for solar PV plant planning scenarios at utility scale | |
CN109933842B (zh) | 一种基于约束满足遗传算法的移动目标单星任务规划方法 | |
CN104063748B (zh) | 一种用于解决面向成像卫星的时间依赖型调度问题的算法 | |
Deveci et al. | Evaluation of criteria for site selection of solar photovoltaic (PV) projects using fuzzy logarithmic additive estimation of weight coefficients | |
Xu et al. | GIS-modelling based coal-fired power plant site identification and selection | |
CN110782087B (zh) | 一种海上应急物资优化调度方法及系统 | |
CN110825513A (zh) | 敏捷单星多约束任务优化调度方法 | |
Damania et al. | Transport, economic growth, and deforestation in the Democratic Republic of Congo: A spatial analysis | |
Patankar et al. | Land use trade-offs in decarbonization of electricity generation in the American West | |
CN114330856A (zh) | 一种长时段大区域遥感卫星快速覆盖方法及系统 | |
CN116562466B (zh) | 一种高轨卫星观测任务的规划方法 | |
Mosadeghi et al. | Coastal management issues in Queensland and application of the multi-criteria decision making techniques | |
Ponsoni et al. | Greenlandic sea ice products with a focus on an updated operational forecast system | |
CN113760506A (zh) | 改进遗传算法求解多星协同对地观测任务调度方法与装置 | |
Sicuaio et al. | Sustainable and resilient land use planning: A multi-objective optimization approach | |
CN114565203A (zh) | 一种基于大邻域搜索算法和K-means的多星多任务规划方法 | |
Katikas et al. | Spatial decision support system for offshore wind farm siting using Geographic Information Systems, spatial analysis and optimization | |
Xu | Identifying British Columbia’s strategically important wave energy sites |
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 |