CN112033411B - 一种基于安全代价评估的无人机航路规划方法 - Google Patents

Abstract

一种基于安全代价评估的无人机航路规划方法。其包括对无人机飞行空域的地面投影进行栅格化，获得多个正方形栅格；以栅格安全因子定量化描述栅格中无人机的飞行风险；构建基于栅格安全因子和无人机航路距离的航路规划总成本代价期望函数；以航路规划总成本代价期望函数作为蚁群算法的目标函数而对蚁群算法进行改进，利用改进蚁群算法进行迭代计算，最终获得航路安全与航路成本双重优化后的期望飞行路径等步骤。本发明可使规划的无人机航路具备地面人员安全屏障的作用。更进一步在战略阶段减缓无人机坠毁伤人事故的严重后果，做到风险缓解的前移。

Description

一种基于安全代价评估的无人机航路规划方法

技术领域

本发明属于无人机航路规划技术领域，特别是涉及一种基于安全代价评估的无人机航路规划方法。

背景技术

无人机航路规划是指在特定约束条件下,寻找从起始点到目标点并满足无人机性能指标的最优或可行的航路。现有无人机航路规划技术有两类，其一是基于展开数值算法的无人机路径规划研究，如仿生或粒子群等智能算法；其二是基于图形算法的路径规划研究，如Voronoi图和Laguerre图等。现有技术包括基于蚁群和遗传算法等智能仿生算法展开无人机路径规划研究、基于万有引力搜索算法和粒子群等不同算法规划无人机路径、以及各类无人机静态和动态实时避障路径规划。虽然现有无人机航路规划方法比较多，但尚未有一种航路规划方法能够有效地将无人机飞行对地面人员造成的安全风险考虑在内，使无人机的飞行航路具备安全属性，尽量减少因无人机飞行造成的地面人员伤亡。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于安全代价评估的无人机航路规划方法。

为了达到上述目的，基于安全代价评估的无人机航路规划方法包括按顺序进行的下列步骤：

1)对无人机飞行空域的地面投影进行栅格化，获得多个正方形栅格；

2)以栅格安全因子定量化描述上述栅格中无人机的飞行风险；

3)构建基于步骤2)获得的栅格安全因子和无人机航路距离的航路规划总成本代价期望函数；

4)以上述航路规划总成本代价期望函数作为蚁群算法的目标函数而对蚁群算法进行改进，利用改进蚁群算法进行迭代计算，最终获得航路安全与航路成本双重优化后的期望飞行路径。

在步骤1)中，所述的对无人机飞行空域的地面投影进行栅格化是将地面投影构成的二维空间划分成多个正方形栅格；栅格的边长由无人机的类型、设计尺寸确定；

无人机的类型分为固定翼无人机和多旋翼无人机；

对于固定翼无人机，栅格的设计尺寸为L_grid＝max(L_UAV+2R_person,W_UAV+2R_person)，其中，L_UAV为固定翼无人机的翼展，W_UAV为固定翼无人机的机长，R_person为人体平均半径；

对于多旋翼无人机，栅格的设计尺寸为L_grid＝D_UAV+2R_person，其中，D_UAV为多旋翼无人机的翼展直径。

在步骤2)中，所述的栅格安全因子定义为栅格内无人机地面撞击事故的发生概率和无人机地面撞击事故严重程度的乘积s；

其中无人机地面撞击事故的发生概率选取的量化指标是每飞行小时无人机地面撞击事故的发生概率P_U；

无人机地面撞击事故严重程度选取的量化指标是无人机每飞行小时地面撞击事故伤亡人数N_f；其中无人机每飞行小时地面撞击事故伤亡人数N_f可以表示为受事故影响的地面人数N_e和无人机每飞行小时地面撞击事故中人员伤亡率P_f的乘积，其计算公式为：

N_f＝P_f×N_e (1)

那么栅格安全因子的计算公式为：

s＝P_U×P_f×N_e (2)

将上述受事故影响的地面人数N_e用地面撞击事故的影响区域面积A_g与事故发生区域人口密度ρ的乘积表示，那么式(2)可以表示为：

s＝P_U×P_f×A_gρ(j) (3)。

所述无人机每飞行小时地面撞击事故中人员伤亡率P_f的计算方法：

无人机每飞行小时地面撞击事故中栅格j的人员伤亡率P_f(j)＝的计算公式为：

式中：P_S(j)为栅格j中地面遮蔽物的保护系数，其值与栅格内各类地面遮蔽物的类型及其栅格面积有关，计算公式如式(5)所示；n为校正因子，取

式中：h为表1中地面遮蔽物的类型；为地面遮蔽物h的保护系数；S_h为栅格j中地面遮蔽物h的面积；S_j为栅格j的面积；

表1为不同地面遮蔽物的类型及其保护系数；

表1、地面遮蔽物的类型及其保护系数

α为当地面遮蔽物的保护系数P_S＝6时，人员伤亡率为50％所需的冲击能量，取100kJ；β为当地面遮蔽物的保护系数P_S趋向于0时人员伤亡的能量阈值，取34J；E_i为地面撞击事故发生时的无人机动能，记为其中V_i取1.4倍设计速度与无人机垂直坠落速度的最大值，记为V_i＝max(1.4*V_op,V_y)；

所述地面撞击事故的影响区域面积A_g的计算方法：

定义无人机地面撞击事故影响区域为人体圆柱体受到无人机圆柱体侵犯的最大范围；在仅考虑无人机垂直坠落时，地面撞击事故的影响区域面积A_g的计算公式如式(6)所示，其中r_u为无人机等效翼展半径，r_p为人体半径；

A_g＝π(r_u+2r_p)² (6)

当无人机坠落中有横向位移时，在无人机与人员发生撞击后仍需考虑其横向位移，横移量满足式(7)，其中h_p为人体高度，γ为无人机与人体相撞的接触角，此时地面撞击事故的影响区域面积A_g的计算公式如式(8)所示：

A_g＝2π(r_u+2r_p)²+(r_u+2r_p)d (8)。

5、根据权利要求1所述的基于安全代价评估的无人机航路规划方法，其特征在于：在步骤3)中，所述构建基于步骤2)获得的栅格安全因子和无人机航路距离的航路规划总成本代价期望函数的方法是：

航路规划总成本代价期望函数由两部分构成，分别为安全代价和距离代价；其中安全代价是指无人机飞行路径所经过栅格的栅格安全因子之和；距离代价取无人机飞行路径的长短作为评价指标；

构建在安全代价和距离代价双重约束条件下的航路规划总成本代价期望函数，如式(9)所示：

式中：τ_j为从点j到终点的航路规划总成本代价期望值；d_j为从点j到终点的距离；s_j为点j的栅格风险因子；λ为距离启发因子，为用于表征距离重要程度的系数；μ为安全启发因子，为用于表征安全重要程度的系数。

在步骤4)中，所述以上述航路规划总成本代价期望函数作为蚁群算法的目标函数而对蚁群算法进行改进，利用改进蚁群算法进行迭代计算，最终获得航路安全与航路成本双重优化后的期望飞行路径的方法是：

以上述航路规划总成本代价期望函数作为蚁群算法的目标函数而对蚁群算法进行改进，利用改进蚁群算法，使蚁群分别从起点栅格出发，搜索其无障碍邻域栅格，并利用上述航路规划总成本代价期望函数计算出各邻域栅格的选择概率，再通过轮盘赌法确定下一栅格，直至该蚁群到达终点或陷入局部最优解；经历迭代后，最终得到航路安全与航路成本双重优化后的期望飞行路径。

所述改进蚁群算法的计算方法如下：

蚁群在选择路径时，移动到邻域栅格的概率根据式(10)计算：

式中，为蚁群k从点i移动到点j的概率；allowed_k为蚁群k下一步被允许访问的节点集合；τ_ij为从点i到达点j上的信息素浓度；η_ij为从点i移动到点j的期望值，即公式(10)所示的航路规划总成本代价期望函数值；ξ为信息素启发因子，为用于表征信息素重要程度的参数；ψ为期望启发因子，为用于表征期望重要程度的参数；在每一代的所有蚁群完成爬行后对信息素浓度进行更新，其更新规则如式(11)-(12)所示：

式中，为蚁群k对从点i到达点j上信息素浓度的增加；ρ为信息素挥发系数，取ρ∈(0,1]；Q为信息素增强系数；L_k为蚁群k从起点到达终点的爬行距离；T_k为蚁群k从起点到达终点的爬行路径。

本发明提供的基于安全代价评估的无人机航路规划方法具有如下有益效果：对无人机地面撞击事故概率和严重程度的评估，确定其飞行空域地面投影栅格的安全因子。构建栅格安全因子和航路距离双重约束下的航路总代价函数，并通过改进蚁群算法进行安全航路规划。使规划的无人机航路具备地面人员安全屏障的作用。更进一步在战略阶段减缓无人机坠毁伤人事故的严重后果，做到风险缓解的前移。

附图说明

图1为本发明中栅格安全因子构成示意图。

图2为本发明中无人机地面撞击事故影响区域分析图。

图3为本发明中改进蚁群算法计算流程图。

具体实施方式

下面结合附图及具体实施例对本发明做进一步的说明，但下述实施例绝非对本发明有任何限制。

如图1所示，本发明提供的基于安全代价评估的无人机航路规划方法包括按顺序进行的下列步骤：

1)对无人机飞行空域的地面投影进行栅格化，获得多个正方形栅格；

无人机飞行空域根据其飞行作业的任务范围确定，飞行空域的地面投影在地图中由经纬度坐标表示。

对无人机飞行空域的地面投影进行栅格化是将地面投影构成的二维空间划分成多个正方形栅格。栅格的边长由无人机的类型、设计尺寸确定。

无人机的类型分为固定翼无人机和多旋翼无人机；

对于固定翼无人机，栅格的设计尺寸为L_grid＝max(L_UAV+2R_person,W_UAV+2R_person)，其中，L_UAV为固定翼无人机的翼展，W_UAV为固定翼无人机的机长，R_person为人体平均半径。

对于多旋翼无人机，栅格的设计尺寸为L_grid＝D_UAV+2R_person，其中，D_UAV为多旋翼无人机的翼展直径。

2)以栅格安全因子定量化描述上述栅格中无人机的飞行风险；

所述的栅格安全因子定义为栅格内无人机地面撞击事故的发生概率和无人机地面撞击事故严重程度的乘积s。

其中无人机地面撞击事故的发生概率选取的量化指标是每飞行小时无人机地面撞击事故的发生概率P_U；

无人机地面撞击事故严重程度选取的量化指标是无人机每飞行小时地面撞击事故伤亡人数N_f；其中无人机每飞行小时地面撞击事故伤亡人数N_f可以表示为受事故影响的地面人数N_e和无人机每飞行小时地面撞击事故中人员伤亡率P_f的乘积，其计算公式为：

N_f＝P_f×N_e (1)

那么栅格安全因子的计算公式为：

s＝P_U×P_f×N_e (2)

将上述受事故影响的地面人数N_e用地面撞击事故的影响区域面积A_g与事故发生区域人口密度ρ的乘积表示，那么式(2)可以表示为：

s＝P_U×P_f×A_gρ(j) (3)

上述无人机每飞行小时地面撞击事故中人员伤亡率P_f的计算方法：

无人机每飞行小时地面撞击事故中人员伤亡率P_f与诸多因素有关，其中与无人机相关的因素主要为无人机运行高度和飞行速度，与栅格相关的因素主要为栅格内的地面遮蔽物对地面人员提供的保护能力。无人机每飞行小时地面撞击事故中栅格j的人员伤亡率P_f(j)的计算公式为：

式中：P_S(j)为栅格j中地面遮蔽物的保护系数，其值与栅格内各类地面遮蔽物的类型及其栅格面积有关，计算公式如式(5)所示；n为校正因子，取

式中：h为表1中地面遮蔽物的类型；为地面遮蔽物h的保护系数；S_h为栅格j中地面遮蔽物h的面积；S_j为栅格j的面积。

表1为不同地面遮蔽物的类型及其保护系数。

表1、地面遮蔽物的类型及其保护系数

α为当地面遮蔽物的保护系数P_S＝6时，人员伤亡率为50％所需的冲击能量，取100kJ；β为当地面遮蔽物的保护系数P_S趋向于0时人员伤亡的能量阈值，取34J；E_i为地面撞击事故发生时的无人机动能，记为其中V_i取1.4倍设计速度与无人机垂直坠落速度的最大值，记为V_i＝max(1.4*V_op,V_y)。

上述地面撞击事故的影响区域面积A_g的计算方法：

图2为无人机地面撞击事故影响区域分析图。如图2所示，定义无人机地面撞击事故影响区域为人体圆柱体受到无人机圆柱体侵犯的最大范围。在仅考虑无人机垂直坠落时，地面撞击事故的影响区域面积A_g的计算公式如式(6)所示，其中r_u为无人机等效翼展半径，r_p为人体半径。

A_g＝π(r_u+2r_p)² (6)

当无人机坠落中有横向位移时，在无人机与人员发生撞击后仍需考虑其横向位移，横移量满足式(7)，其中h_p为人体高度，γ为无人机与人体相撞的接触角，此时地面撞击事故的影响区域面积A_g的计算公式如式(8)所示：

A_g＝2π(r_u+2r_p)²+(r_u+2r_p)d (8)

3)构建基于步骤2)获得的栅格安全因子和无人机航路距离的航路规划总成本代价期望函数；

航路规划总成本代价期望函数由两部分构成，分别为安全代价和距离代价。其中安全代价是指无人机飞行路径所经过栅格的栅格安全因子之和，安全代价越大，表示无人机飞行安全性越差；距离代价是指无人机航路距离，距离代价越大，表示无人机飞行路径越长。

距离代价取无人机飞行路径的长短作为评价指标。

构建在安全代价和距离代价双重约束条件下的航路规划总成本代价期望函数，如式(9)所示：

式中：τ_j为从点j到终点的航路规划总成本代价期望值；d_j为从点j到终点的距离；s_j为点j的栅格风险因子；λ为距离启发因子，为用于表征距离重要程度的系数；μ为安全启发因子，为用于表征安全重要程度的系数。

4)以上述航路规划总成本代价期望函数作为蚁群算法的目标函数而对蚁群算法进行改进，利用改进蚁群算法进行迭代计算，最终获得航路安全与航路成本双重优化后的期望飞行路径。

以上述航路规划总成本代价期望函数作为蚁群算法的目标函数而对蚁群算法进行改进，利用改进蚁群算法，使蚁群分别从起点栅格出发，搜索其无障碍邻域栅格，并利用上述航路规划总成本代价期望函数计算出各邻域栅格的选择概率，再通过轮盘赌法确定下一栅格，直至该蚁群到达终点或陷入局部最优解；经历迭代后，最终得到航路安全与航路成本双重优化后的期望飞行路径。

上述改进蚁群算法的计算流程如图3所示，方法如下：

蚁群在选择路径时，移动到邻域栅格的概率根据式(10)计算：

式中，为蚁群k从点i移动到点j的概率；allowed_k为蚁群k下一步被允许访问的节点集合；τ_ij为从点i到达点j上的信息素浓度；η_ij为从点i移动到点j的期望值，即公式(10)所示的航路规划总成本代价期望函数值；ξ为信息素启发因子，为用于表征信息素重要程度的参数；ψ为期望启发因子，为用于表征期望重要程度的参数。在每一代的所有蚁群完成爬行后对信息素浓度进行更新，其更新规则如式(11)-(12)所示：

式中，为蚁群k对从点i到达点j上信息素浓度的增加；ρ为信息素挥发系数，取ρ∈(0,1]；Q为信息素增强系数；L_k为蚁群k从起点到达终点的爬行距离；T_k为蚁群k从起点到达终点的爬行路径。

Claims (4)

1.一种基于安全代价评估的无人机航路规划方法，其特征在于：所述的基于安全代价评估的无人机航路规划方法包括按顺序进行的下列步骤：

1)对无人机飞行空域的地面投影进行栅格化，获得多个正方形栅格；

2)以栅格安全因子定量化描述上述栅格中无人机的飞行风险；

3)构建基于步骤2)获得的栅格安全因子和无人机航路距离的航路规划总成本代价期望函数；

4)以上述航路规划总成本代价期望函数作为蚁群算法的目标函数而对蚁群算法进行改进，利用改进蚁群算法进行迭代计算，最终获得航路安全与航路成本双重优化后的期望飞行路径；

在步骤1)中，所述的对无人机飞行空域的地面投影进行栅格化是将地面投影构成的二维空间划分成多个正方形栅格；栅格的边长由无人机的类型、设计尺寸确定；

无人机的类型分为固定翼无人机和多旋翼无人机；

对于固定翼无人机，栅格的设计尺寸为L_grid＝max(L_UAV+2R_person,W_UAV+2R_person)，其中，L_UAV为固定翼无人机的翼展，W_UAV为固定翼无人机的机长，R_person为人体平均半径；

对于多旋翼无人机，栅格的设计尺寸为L_grid＝D_UAV+2R_person，其中，D_UAV为多旋翼无人机的翼展直径；

在步骤2)中，所述的栅格安全因子定义为栅格内无人机地面撞击事故的发生概率和无人机地面撞击事故严重程度的乘积s；

其中无人机地面撞击事故的发生概率选取的量化指标是每飞行小时无人机地面撞击事故的发生概率P_U；

无人机地面撞击事故严重程度选取的量化指标是无人机每飞行小时地面撞击事故伤亡人数N_f；其中无人机每飞行小时地面撞击事故伤亡人数N_f可以表示为受事故影响的地面人数N_e和无人机每飞行小时地面撞击事故中人员伤亡率P_f的乘积，其计算公式为：

N_f＝P_f×N_e (1)

那么栅格安全因子的计算公式为：

s＝P_U×P_f×N_e (2)

将上述受事故影响的地面人数N_e用地面撞击事故的影响区域面积A_g与事故发生区域人口密度ρ的乘积表示，那么式(2)可以表示为：

s＝P_U×P_f×A_gρ(j) (3)

在步骤3)中，所述构建基于步骤2)获得的栅格安全因子和无人机航路距离的航路规划总成本代价期望函数的方法是：

航路规划总成本代价期望函数由两部分构成，分别为安全代价和距离代价；其中安全代价是指无人机飞行路径所经过栅格的栅格安全因子之和；距离代价取无人机飞行路径的长短作为评价指标；

构建在安全代价和距离代价双重约束条件下的航路规划总成本代价期望函数，如式(9)所示：

式中：τ_j为从点j到终点的航路规划总成本代价期望值；d_j为从点j到终点的距离；s_j为点j的栅格风险因子；λ为距离启发因子，为用于表征距离重要程度的系数；μ为安全启发因子，为用于表征安全重要程度的系数。

2.根据权利要求1所述的基于安全代价评估的无人机航路规划方法，其特征在于：所述无人机每飞行小时地面撞击事故中人员伤亡率P_f的计算方法：

无人机每飞行小时地面撞击事故中栅格j的人员伤亡率P_f(j)的计算公式为：

式中：P_S(j)为栅格j中地面遮蔽物的保护系数，其值与栅格内各类地面遮蔽物的类型及其栅格面积有关，计算公式如式(5)所示；n为校正因子，取

式中：h为表1中地面遮蔽物的类型；为地面遮蔽物h的保护系数；S_h为栅格j中地面遮蔽物h的面积；S_j为栅格j的面积；

表1为不同地面遮蔽物的类型及其保护系数；

表1、地面遮蔽物的类型及其保护系数

α为当地面遮蔽物的保护系数P_S＝6时，人员伤亡率为50％所需的冲击能量，取100kJ；β为当地面遮蔽物的保护系数P_S趋向于0时人员伤亡的能量阈值，取34J；E_i为地面撞击事故发生时的无人机动能，记为其中V_i取1.4倍设计速度与无人机垂直坠落速度的最大值，记为V_i＝max(1.4*V_op,V_y)；

所述地面撞击事故的影响区域面积A_g的计算方法：

定义无人机地面撞击事故影响区域为人体圆柱体受到无人机圆柱体侵犯的最大范围；在仅考虑无人机垂直坠落时，地面撞击事故的影响区域面积A_g的计算公式如式(6)所示，其中r_u为无人机等效翼展半径，r_p为人体半径；

A_g＝π(r_u+2r_p)² (6)

当无人机坠落中有横向位移时，在无人机与人员发生撞击后仍需考虑其横向位移，横移量满足式(7)，其中h_p为人体高度，γ为无人机与人体相撞的接触角，此时地面撞击事故的影响区域面积A_g的计算公式如式(8)所示：

A_g＝2π(r_u+2r_p)²+(r_u+2r_p)d (8)。

3.根据权利要求1所述的基于安全代价评估的无人机航路规划方法，其特征在于：在步骤4)中，所述以上述航路规划总成本代价期望函数作为蚁群算法的目标函数而对蚁群算法进行改进，利用改进蚁群算法进行迭代计算，最终获得航路安全与航路成本双重优化后的期望飞行路径的方法是：

以上述航路规划总成本代价期望函数作为蚁群算法的目标函数而对蚁群算法进行改进，利用改进蚁群算法，使蚁群分别从起点栅格出发，搜索其无障碍邻域栅格，并利用上述航路规划总成本代价期望函数计算出各邻域栅格的选择概率，再通过轮盘赌法确定下一栅格，直至该蚁群到达终点或陷入局部最优解；经历迭代后，最终得到航路安全与航路成本双重优化后的期望飞行路径。

4.根据权利要求3所述的基于安全代价评估的无人机航路规划方法，其特征在于：所述改进蚁群算法的计算方法如下：

蚁群在选择路径时，移动到邻域栅格的概率根据式(10)计算：

式中，为蚁群k从点i移动到点j的概率；allowed_k为蚁群k下一步被允许访问的节点集合；τ_ij为从点i到达点j上的信息素浓度；η_ij为从点i移动到点j的期望值，即公式(10)所示的航路规划总成本代价期望函数值；ξ为信息素启发因子，为用于表征信息素重要程度的参数；ψ为期望启发因子，为用于表征期望重要程度的参数；在每一代的所有蚁群完成爬行后对信息素浓度进行更新，其更新规则如式(11)-(12)所示：

式中，为蚁群k对从点i到达点j上信息素浓度的增加；ρ为信息素挥发系数，取ρ∈(0,1]；Q为信息素增强系数；L_k为蚁群k从起点到达终点的爬行距离；T_k为蚁群k从起点到达终点的爬行路径。