CN111915932A - 一种多目标约束的低空无人机航路规划设计方法 - Google Patents

Abstract

本发明公开了一种多目标约束的低空无人机航路规划设计方法，属于民航延误分析技术领域。首先基于城市低空需求设置初始航路点与航路网络，随后引入冲突约束、三区约束、通行需求约束等约束，通过移动航路点与重构航路网络，以实现空域容量、运行成本、运行安全性等多目标函数最优，从而针对不同低空环境设计出相应的无人机低空航路网络。

Description

一种多目标约束的低空无人机航路规划设计方法

技术领域

本发明属于无人机航路规划技术领域，根据需求构建航路点与初始航路网络，设置多个约束条件，通过移动航路点与重构航路网络，实现多目标函数最优，进而设计无人机低空航路网络。

背景技术

UTM场景下关城市低空无人机的相关研究以飞行规划为主，而航路网络规划较少。由于城市低空空域的连续性与复杂性，为减轻复杂度，目前构建空域环境研究较多采用网格法(Grid)建立低空无人机低空飞行空域环境，网格化表示将三维地理信息映射到网格中，首先将空域环境划分为网格块，然后根据网格内包含的航点(通信点、机场、临时降落区、降落等待区等)、限制区和通信、导航和监视能力，将网格分为障碍网格和自由网格。

自此，空域环境由自由网格和障碍网格构成，并形成一个连通图。这样，航路规划问题就转化成对自由网格的规划问题，即在该连通图上寻找从起始网格到终点网格的规避障碍物的最优路径。

UTM场景下的航空网络的主要特点有：低空无人机航路网络，它相比于传统的飞行器，具有以下的特征，首先是由于是城市低空，障碍物分布更加复杂。其次是城市无人机节点更加分散，而且相比于传统飞行器已知机场，需要先确定节点位置。最后是无人机密度高，动态变化情况显著，对于模型实时性要求比较高，可能在不同时段，航路网络要做相应的调整。因此需要一种多目标约束的低空无人机航路规划设计方法实现航路网络的设置。

发明内容

本发明提供了一种多目标约束的低空无人机航路规划设计方法，根据需求构建航路点与初始航路网络，设置多个约束条件，通过移动航路点与重构航路网络，实现多目标函数最优，进而设计无人机低空航路网络。

本发明提供的多目标约束的低空无人机航路规划设计方法，步骤如下：

步骤1：确定航路网络作用的区域。

步骤2：确定区域内有效空域。

步骤3：提取有效区空域内的城市轮廓。

步骤4：城市轮廓中构建节点。

步骤5：构建航路连边，形成初始航路网络。

步骤6：引入约束条件，确定多目标函数，优化无人机中心位置与连边，构建满足约束条件且多目标函数达到最优的航路网络。

本发明的优点在于：

1、本发明多目标约束的低空无人机航路规划设计方法，解决了未来无人机在城市上空的管理问题，相较于其他航路优化的适用范围，本发明结合城市低空特点与无人机特性，对城市低空加以分类区分，并融合安全性、经济性、可靠性对航路做综合优化。

2、本发明多目标约束的低空无人机航路规划设计方法，实现了根据需求点确定初始航路网络，随后在初始航路网络的基础上实现多目标优化航路网络，两部分相互影响相互作用，较为完整的实现了航路网络从无到有的规划以及优化。

附图说明

图1为本发明多目标约束的低空无人机航路规划设计方法流程图。

图2为本发明多目标约束的低空无人机航路规划设计方法中城市轮廓提取示意图。

图3为本发明多目标约束的低空无人机航路规划设计方法中城市需求点示意图。

图4为本发明多目标约束的低空无人机航路规划设计方法中无人机中心位置选取方式示意图。

图5为本发明多目标约束的低空无人机航路规划设计方法中连边初始构建示意图。

图6为航路网络ARN的示意图。

具体实施方式

下面将结合附图对本发明作进一步的详细说明。

本发明多目标约束的低空无人机航路规划设计方法，如图1所示：具体步骤为：

步骤1：确定航路网络作用的区域，并对该区域进行三维建模。

步骤2：对步骤1中所确定区域内空域进行分区；

由于大多数城市地区都有医院、学校等重点区域，因此为了减少无人机飞行的影响，并降低半空碰撞的可能性，对该区域内空域进行分区，将空域分为自由飞行空域、限制飞行空域与禁飞空域，其中自由飞行空域内无人机可自由飞行，限制飞行空域内无人机只可沿既定路线限制飞行，禁飞空域内无人机不得进入飞行。上述自由飞行空域与限制飞行空域共同形成航路网络作用的有效空域。

步骤3：提取有效区空域内的城市轮廓；

如图2所示，基于步骤1的三维建模结果，提取航路网络作用的区域内城市轮廓，为后续约束条件提供数据支撑。

步骤4：在城市轮廓中初步构建节点。

对于无人机航路网络而言，短期的应用为包裹递送，而长期的应用应该是运输人或执行复杂任务。因此，未来的需求点将会极为庞大，几乎可以到达所考虑区域的任何点。由于节点没有被定义，所以问题就变成了设计一个新的网络，在没有现有网络的情况下设计节点与边线，需要考虑包括人口密集的交通区域的位置、平台性能特征、地面基础设施、人口密度和配套基础设施等在内的多个设计因素。而且由于节点选址的实质为连续覆盖问题，作为NP问题，如果一次性考虑多个设计因素，一方面会让程序复杂性大增，其次多个设计因素可能会相互耦合，让结果提早收敛，最终的网络效果较差，因此在这一步中，只需要考虑需求覆盖与成本问题，构建初步的网络，随后再做进一步的细化工作。

城市轮廓中初步构建节点的具体方式如下：

A：分析城市内无人机需求，确定无人机需求区域，并将该区域拆分为离散的需求点，如图3所示。

B：使用有限覆盖算法从若干个候选无人机中心(为无人机提供停靠、装卸、维护等服务的实体站点位置)位置中选取n个无人机中心位置作为航路点，使n个无人机中心覆盖范围可将城市需求点全部覆盖，如图4所示，具体表述为最大化：

有

x_j∈{0，1}，j∈J

y_i∈{0,1},i∈I，I为需求点的集合

d_i，_j≤r

其中，x_j表示第j个候选被选中情况，被选中表示为1，未选中表示为0；y_i表示需求点i被覆盖情况，被无人机中心覆盖表示为1，未覆盖表示为0；I表示需求点的集合；J表示候选无人机中心位置的集合；d_i,_j表示需求点i到无人机中心j的距离(欧几里得距离)；K表示选择的无人机中心位置数量；r表示需求点与无人机中心位置之间的最大距离。

步骤5：初步构建航路连边，形成初始航路网络；

根据步骤4中确定的n个无人机中心位置，采用Kruskal算法相连，构成内部联通的无人机航路网络，形成初始无人机航路网络，如图5所示，具体方法如下：

构建初始无人机航路网络算法相关定义如下：

·有效无人机航路网络：一个无人机航路网络的有效无人机航路网络是指一个无人机航路网络的子图，它含有无人机航路网络中全部n个无人机中心，但只有n-1条边。也就是说一个有n个无人机中心的有效无人机航路网络有且仅有n-1条边，如果有效无人机航路网络中再添加一条边，则必定成环。

·最小有效无人机航路网络：在无人机航路网络的所有有效无人机航路网络中，所有边的代价和最小的有效无人机航路网络，称为最小有效无人机航路网络。

首先，初始最小有效无人机航路网络边数为0，每迭代一次就选择一条最小代价边，加入到最小有效无人机航路网络的边集合里。随后通过下述步骤构建连边：

(1)将最小有效无人机航路网络的边集合里的所有边按代价从小到大排序。

(2)将无人机航路网络中的n个无人机中心看成独立的n个有效无人机航路网络组成的航路网络集合。

(3)按权值从小到大选择边，所选的边连接的两个无人机中心ui,vi应属于两个不同的有效无人机航路网络，该边成为最小有效无人机航路网络的一条边，并将两个无人机中心ui,vi所属的两个有效无人机航路网合并作为一个有效无人机航路网络。

(4)重复步骤(3)，直到所有顶点都在一个有效无人机航路网内且整个网络有n-1条边为止，形成最小有效无人机航路网络。

步骤6：优化无人机中心位置与连边。

航路网络ARN(Air Route Network)是国家领空的骨干网络，对空运系统的飞行距离和运行效率产生影响。空运中，所有航班都将严格遵守ARN规则。另外，飞机配载保障、航班冲突解决、空中交通流量控制和导航基础设施建设等航空交通管理活动大多集中在飞机区域网络上。

图6是ARN的示意图。从图中可以看出，虚线代表了中国最繁忙的航线之一——京沪航线，而实线代表的是航路段(ARSs,Air Route Segments)，它通过一系列航路路径点(ARWs,Air Route Waypoints)连接。因此调整调整步骤B中选取的n个无人机中心位置并重构航路连边，在满足多约束条件的同时，保证多目标函数最优。

以步骤4中选取的n个无人机中心位置为圆心，在给定范围内随机移动，形成新的无人机中心，在完成所有无人机中心位置移动后，重复步骤5，重构航路连边，形成新的航路网络，并判断该网络是否满足约束条件，如果满足约束条件，则本次移动有效，如果不满足约束条件，则返回本次移动前的航路网络，并重新进行前述过程。上述每次无人机中心位置移动后，判断多目标函数是否达到最优，若多目标函数达到最优，则航路网络优化完毕，否则继续移动无人机中心，直到多目标函数达到最优。最终形成满足约束条件且多目标函数达到最优的航路网络。

上述约束条件如下：

a、节点每小时平均冲突次数约束：

c_k≤c_max

其中，c_k表示k小时的平均冲突次数，c_max表示一小时平均冲突次数的阈值。

b、三区约束：

其中，i’代表机场节点，P为网络节点位置坐标集合，P_i’表示为满足“三区”限制，在航路布设过程中产生的中间节点i’的位置，P_i’1,P_i’2为P_i’对应的三区顶点位置信息，t_i’为衡量P_i’与P_i’1,P_i’2距离比例系数。

c、通行需求约束：

其中，i’，j’代表机场节点，N为不包含i’在内的其他节点集合，q_Ri’为机场i’的需求，y_Ri’为i’机场的通行系数，x_Rj’为机场j’的交通容量。

d、通行能力约束：

y_i’j’/C_i’j’≤1

其中，i’，j’代表机场节点，y_i’j’表示从机场i’到机场j’航线的通行流量，C_i’j’为从机场i’到机场j’航线的通行流量阈值。

e、管制员负荷约束：

w_i’j’≤80％t_i’j’x_i’j’

其中，其中，i’，j′代表机场节点，w_i’j’表示从机场i’到机场j’的实际管制指令个数，t_i’j’为从机场i’到机场j’航线的管制系数，x_i’j’表示从机场i’到机场j’航线的通行流量。

多目标函数如下：

min∑f×d

min∑c

min∑SDB

其中，航段飞行流量f乘以航段长d累加求和最小表示航路网络运行成本最小化；航路网络节点每小时平均冲突次数c累加最小表示航路网络安全性最好；航路网络节点介数标准差SDB最小化，达到空域容量/通行能力最大化的目的。

本发明实现了航路网络设计与航路网络优化，为未来的无人机管控提出了一套完整的航路网络规划流程，且适用范围广，能针对不同城市给出对应的航路网络规划方案。

Claims (8)

1.一种多目标约束的低空无人机航路规划设计方法，其特征在于：具体步骤为：

步骤1：确定航路网络作用的区域；

步骤2：确定区域内有效空域；

步骤3：提取有效区空域内的城市轮廓；

步骤4：城市轮廓中构建节点；

步骤5：构建航路连边，形成初始航路网络；

步骤6：引入约束条件，确定多目标函数，优化无人机中心位置与连边，构建满足约束条件且多目标函数达到最优的航路网络。

2.如权利要求1多目标约束的低空无人机航路规划设计方法，其特征在于：步骤4中节点构建方法为：

A：确定无人机需求区域，并将区域拆分为离散需求点；

B：有限覆盖法选取无人机中心位置作为节点。

3.如权利要求2多目标约束的低空无人机航路规划设计方法，其特征在于：选取无人机中心位置，具体表述为最大化：

有

x_j∈{0,1},j∈J

y_i∈{0,1},i∈I，I为需求点的集合

d_i,j≤r

其中，x_j表示第j个候选被选中情况，被选中表示为1，未选中表示为0；y_i表示需求点i被覆盖情况，被无人机中心覆盖表示为1，未覆盖表示为0；I表示需求点的集合；J表示候选无人机中心位置的集合；d_i,j表示需求点i到无人机中心j的距离(欧几里得距离)；K表示选择的无人机中心位置数量；r表示需求点与无人机中心位置之间的最大距离。

4.如权利要求1多目标约束的低空无人机航路规划设计方法，其特征在于：步骤5中根据构建的节点，采用Kruskal算法相连，构成内部联通的无人机航路网络。

5.如权利要求4多目标约束的低空无人机航路规划设计方法，其特征在于：具体方式为：

首先，初始最小有效无人机航路网络边数为0，每迭代一次就选择一条最小代价边，加入到最小有效无人机航路网络的边集合里；

随后通过下述步骤构建连边：

(1)将最小有效无人机航路网络的边集合里的所有边按代价从小到大排序；

(2)将无人机航路网络中的n个无人机中心看成独立的n个有效无人机航路网络组成的航路网络集合；

(3)按权值从小到大选择边，所选的边连接的两个无人机中心ui,vi应属于两个不同的有效无人机航路网络，该边成为最小有效无人机航路网络的一条边，并将两个无人机中心ui,vi所属的两个有效无人机航路网合并作为一个有效无人机航路网络；

(4)重复步骤(3)，直到所有顶点都在一个有效无人机航路网内且整个网络有n-1条边为止，形成最小有效无人机航路网络。

6.如权利要求1多目标约束的低空无人机航路规划设计方法，其特征在于：步骤6的具体方法为：

以步骤4中选取的节点为圆心，在给定范围内随机移动，形成新的无人机中心，在完成所有无人机中心位置移动后，重复步骤5，重构航路连边，形成新的航路网络，并判断该网络是否满足约束条件，如果满足约束条件，则本次移动有效，如果不满足约束条件，则返回本次移动前的航路网络，并重新进行前述过程；上述每次无人机中心位置移动后，判断多目标函数是否达到最优，若多目标函数达到最优，则航路网络优化完毕，否则继续移动无人机中心，直到多目标函数达到最优。

7.如权利要求1多目标约束的低空无人机航路规划设计方法，其特征在于：步骤6中约束条件如下：

a、节点每小时平均冲突次数约束：

c_k≤c_max

其中，c_k表示k小时的平均冲突次数，c_max表示一小时平均冲突次数的阈值。

b、三区约束：

其中，i’代表机场节点，P为网络节点位置坐标集合，P_i’表示为满足“三区”限制，在航路布设过程中产生的中间节点i’的位置，P_i’1,P_i’2为P_i’对应的三区顶点位置信息，t_i’为衡量P_i’与P_i’1,P_i’2距离比例系数。

c、通行需求约束：

其中，i’，j’代表机场节点，N为不包含i’在内的其他节点集合，q_Ri’为机场i’的需求，y_Ri’为i’机场的通行系数，x_Rj’为机场j’的交通容量。

d、通行能力约束：

y_i’j’/C_i’j’≤1

其中，i’，j’代表机场节点，y_i’j’表示从机场i’到机场j’航线的通行流量，C_i’j’为从机场i’到机场j’航线的通行流量阈值。

e、管制员负荷约束：

w_i’j’≤80％t_i’j’x_i’j’

其中，其中，i’，j′代表机场节点，w_i’j’表示从机场i’到机场j’的实际管制指令个数，t_i’j’为从机场i’到机场j’航线的管制系数，x_i’j’表示从机场i’到机场j’航线的通行流量。

8.如权利要求1多目标约束的低空无人机航路规划设计方法，其特征在于：步骤6中多目标函数如下：

min∑f×d

min∑c

min∑SDB

其中，航段飞行流量f乘以航段长d累加求和最小表示航路网络运行成本最小化；航路网络节点每小时平均冲突次数c累加最小表示航路网络安全性最好；航路网络节点介数标准差SDB最小化，达到空域容量/通行能力最大化的目的。

Images