CN113131985B - 一种基于信息年龄最优路径规划的多无人机数据收集方法 - Google Patents

Abstract

本发明公开了一种基于信息年龄最优路径规划的多无人机数据收集方法，与传统近距离无线传输、传统互联网、卫星传输相比较，本发明采用无人机作为中继数据转发技术，能够降低无线传感网络部署上的约束，提高数据采集能效以及所采集数据的时效性。与现有单无人机辅助的数据收集方式相比较，本发明方法中的多无人机数据收集方案采用分簇方法来确定每架无人机数据采集点位置，有效地平衡了无人机对所有传感节点数据收集的能耗问题，适用于不同规模的无线传感器网络。采用信息年龄作为采样数据新鲜度的衡量指标，适用于时延敏感场景，对分析无线传感网络数据时效性具有重要意义。

Description

一种基于信息年龄最优路径规划的多无人机数据收集方法

技术领域

本发明属于无人机数据采集技术领域，具体涉及一种基于信息年龄最优路径规划的多无人机数据收集方法

背景技术

无线传感网络由大量部署的传感器组成，传感器能从被观察监测的应用场景中获取所需的有效感知数据。当前无人机辅助的数据收集方法被应用于无线传感网络。无人机具有机动性高、部署灵活、运营成本低等特点，近来被广泛应用到巡航、物流、测绘等各种场景。

作为操控性极强的移动数据采集器，无人机特别适用于人烟稀少或不适合人类活动的应用场合，通过飞行和通信控制来提高数据采集性能。一方面，传感节点无需时刻保持工作状态，可以在无人机飞近时从休眠状态中苏醒，根据无人机指令进行数据采集，做到何时需要何时采集，节省了传感节点的能量；另一方面，无人机可以在飞近传感节点时与之建立视距通信链路，并进行感知数据的传输，有效降低了传感节点的发射功率，和数据包的丢失率。然而，单架无人机自身携带的能量通常是有限的，这导致无人机在网络内进行数据收集的时间受到限制。在大规模网络中，单纯地提高无人机数据收集效率并不能保证其携带的能量能够满足无人机完成对整个网络的数据采集任务的需求。因此，可以考虑使用多架无人机协同工作的方案来解决这个问题。在现有的对于单无人机数据收集的研究中，目前无人机辅助的数据采集方案主要有：

(1)基于无人机移动模式的数据收集方案：通过设计无人机不同的移动模式，来改变无人机对传感节点的覆盖，实现对传感节点的采集。

(2)基于分簇的无人机数据收集方案：将监控区域内传感节点分成多簇，无人机通过访问簇头节点，来收集这个区域内的所有节点的感知数据。

然而现有技术中仍然存在以下问题：

(1)圆周飞行增加覆盖范围内的节点，但是增加飞行时间，消耗能量；直线飞行会导致节点的覆盖遗漏。无人机的能量受限问题也可能导致无人机不能完成对所有节点的覆盖和数据收集任务。

(2)由于其频繁的数据传输任务，簇头节点可能会因为能量耗尽而提前失去功能；而且，通过簇头节点转发感知数据会降低无人机所收集的数据时效性。

发明内容

本发明提供一种基于最小化信息年龄的新型多无人机数据收集方法，保证采样数据的时效性，通过数据采集点和多无人机飞行轨迹联合优化，在无人机携带能量约束下最小化传感节点数据的信息年龄，提高无人机能量效率，减少不必要的无人机能耗开支。

根据本发明的一个方面，步骤S1：基站v₀接收GPS定位系统获取的M个传感节点的位置信息p_i＝(x_i,y_i)(i＝1,...,M)，传感节点的通讯半径为r；根据最大独立集原理确定采集点以及传感节点与采集点的关联关系；步骤S2：所述基站v₀执行基于核K-means的聚类算法，将所述采集点分成K组，分配K架无人机，初始化K的值为1；步骤S3：所述基站v₀获取采集点组数K及分配的无人机数量K，以及与所述K组采集点中每组所包括的所述采集点的位置和个数，对每架无人机编号为k＝1,2,3……K；以传感节点的最大信息年龄或平均信息年龄最小化为优化目标，通过动态规划算法计算每一架无人机k所收集的传感节点的信息年龄，生成飞行路径

计算每架无人机沿着所述的对应的采集点飞行路径飞行所消耗的能量e_k(u_k)；步骤S4：比较步骤S3计算的e_k(u_k)是否小于其自身的携带能量E_carry，若e_k(u_k)≤E_carry，则确定无人机k的所述飞行路径u_k并执行步骤S5；若e_k(u_k)＞E_carry，则令K＝K+1，返回步骤S3；步骤S5：所述基站v₀派出所述K架无人机，分别按照步骤S4中所述飞行路径u_k访问K组中所有采集点，收集所述采集点所关联的传感节点的信息，返回基站得到无人机的飞行时间以及传感节点的最大或平均信息年龄。

优选地，所述最大独立集原理确定采集点为：步骤S11：将所有传感节点布置在无线传感网络系统的二维平面中，以传感节点为圆心，通讯半径r为半径在所述无线传感网络系统中形成M个圆，判断所述M个传感节点两两之间圆心的距离

将M个传感节点加入未标记颜色节点集合

步骤S12：从集合

中随机选择并标记一个传感节点i的圆为黑色，判断集合

中是否有传感节点j(j＝1,2,3……M，j≠i)的圆与之重叠，即d_i,j≤2r，将有重叠的圆标记白色，将标记为白色的传感节点从集合

中删除；将传感节点i加入集合I，将标记为黑色的传感节点从集合

中删除，判断集合

中是否存在传感节点；若存在传感节点，则重新执行步骤S12；若不存在传感节点，则执行步骤S13；步骤S13：以所述无线传感网络系统中的M个传感节点为顶点，连接顶点形成连通图，在所述连通图中寻找一颗由M-1条边连接M个顶点所构成的最小生成树；步骤S14：将步骤S13最小生成树的边和步骤S12中集合I内的传感节点为中心的圆相交，所得到的交点作为候选采集点，加入集合Ω；步骤S15：在所述候选采集点集合Ω中，以候选采集点为圆心，以无人机采集数据范围为半径，获取所述候选采集点所覆盖的传感节点个数；比较覆盖传感节点最多的采集点，将所述覆盖传感节点最多的采集点加入到集合Ω₁中，并将此采集点及所覆盖的传感节点排除；判断集合Ω₁中的采集点是否能覆盖到所有传感节点：若能覆盖所有M个传感节点，则进入步骤S16；若不能，则继续执行S15；步骤S16：将所述选出集合Ω₁中的采集点与其所覆盖的M个传感节点建立连接关系。

优选地，其特征在于,将所述采集点分成K组包括：步骤S21：获取所述集合Ω₁中所述采集点c_i坐标s_i＝(x_i,y_i),(i＝1,...,L)，利用轮盘法在L个采集点中传感节点中随机选择K个传感节点作为聚类中心h_k(k＝1,…,K)，坐标记作

步骤S22：将所述采集点和所述聚类中心通过高斯核函数映射到高斯核空间内，高斯核函数的表示为

在所述核空间内根据||ψ(s_l)-ψ(h_k)||²＝κ(s_l,s_l)-2κ(s_l,h_k)+κ(h_k,h_k)确定所述所有采集点和所述聚类中心之间的距离，将所述采集点分配给||ψ(s_l)-ψ(h_k)||²值最小的聚类中心；步骤S23：分别将每个组中的所述采集点作为所述聚类中心，计算组内其他采集点到聚类中心的距离，距离之和最小的采集点作为该组的新的聚类中心h_k；步骤S24：重复迭代步骤S22、S23，直到聚类中心位置不在改变；步骤S25：根据聚类中心将采集点分为K个组，并将每个节点标记对应的每组的标签，建立每组采集点与k架无人机的关联关系。

优选地，所述核K-means的聚类算法优化公式为：

其中，||ψ(s_l)-ψ(h_k)||²表示在高斯核空间聚类中心和采集点之间的距离的平方。约束条件s.t.表明每一个采集点只与一架无人机建立关联关系；若η_k,l为1，表示采集点c_l与第k架无人机建立连接，否则η_k,l为0。

优选地，所述以传感节点的最大信息年龄为优化目标包括：列出所述集合Ω₁的所有子集S_k，无人机k从采集点c_j出发访问所述集合Ω₁中所有采集点后回到基站的路径费用效用函数用f_k(c_j,S_k)表示，可以如下迭代计算:

其中，

表示第k架无人机从采集点c_j到采集点c_i的飞行时间；经过迭代的计算第k架无人机访问的传感节点的最小的最大信息年龄为

优选地，所述以平均信息年龄最小化为优化目标包括：

列出所述集合Ω₁的所有子集S_k，无人机k从采集点c_j出发访问所述集合Ω₁中所有采集点后回到基站的路径费用效用函数用g_k(c_j,S_k)表示，可以如下迭代计算：

其中

表示第k架无人机第j个数据采集点所收集到的传感节点个数；经过迭代计算得到第k架无人机访问的传感节点的最小的平均信息年龄为

其中M_k是第k架无人机访问的传感节点总数。

优选地，所述无人机沿着飞行轨迹u_k的飞行能耗e_k(u_k)可以如下计算：

其中，

分别表示无人机k的速度和加速度，m表示无人机的质量，包括无人机本身的重量和电池的重量；式中的f₁和f₂是两个和无人机能耗有关的参数，包括无人机本身的性能和环境，比如无人机的宽度或空气的密度。

本发明的有益效果是：

1.与传统近距离无线传输、传统互联网、卫星传输相比较，本发明采用无人机作为中继数据转发技术，能够降低无线传感网络部署上的约束，提高数据采集能效以及所采集数据的时效性。

2.与现有单无人机辅助的数据收集方式相比较，本发明方法中的多无人机数据收集方案采用分簇方法来确定每架无人机数据采集点位置，有效地平衡了无人机对所有传感节点数据收集的能耗问题，适用于不同规模的无线传感器网络。

3.采用信息年龄作为采样数据新鲜度的衡量指标，适用于时延敏感场景，对分析无线传感网络数据时效性具有重要意义。

附图说明

图1为本发明的基于信息年龄动态规划滤镜的无人机数据收集方法总流程图；

图2为本发明的数据采集点确定流程图；

图3为本发明执行核K-means分簇流程图；

图4为本发明的系统模型结构示意图；

图5为本发明的数据采集点确定过程图；

图6为本发明的传感节点与采集点关联图；

图7为本发明的采集点分簇示意图；

图8为本发明的最大信息年龄最优无人机飞行轨迹图；

图9为本发明的节点信息年龄随无人机数及其携带能量的变化曲线。

具体实施方式

现在将参照若干示例性实施例来论述本发明的内容。应当理解，论述了这些实施例仅是为了使得本领域普通技术人员能够更好地理解且因此实现本发明的内容，而不是暗示对本发明的范围的任何限制。

如本文中所使用的，术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。术语“基于”要被解读为“至少部分地基于”。术语“一个实施例”和“一种实施例”要被解读为“至少一个实施例”。术语“另一个实施例”要被解读为“至少一个其他实施例”。

根据本发明的一个实施例，在无线传感网络中，存在M个传感节点，K架无人机。无人机统一停靠在基站。假设网络内的传感节点和基站的位置固定，无人机的飞行高度不变，所有的传感节点的通信范围大小一致且可能会有重叠。

具体流程如图1所示：

1.基站通过GPS等方法获取传感节点坐标位置和每个节点的通信范围。初始化无人机数量，确定每架无人机所携带的能量。

2.根据传感节点的位置与其通信范围，执行基于最大独立集的传感节点与采集点关联算法，确定无人机实际的数据采集点个数及其坐标位置，确定传感节点和采集点的关联关系。

3.执行基于核K-means的分簇算法，将所有采集点分成K组，确定每组采集点个数及位置，建立每架无人机与一组采集点之间的关联关系。

4.分别以传感节点的最大信息年龄和平均信息年龄最小化为优化目标，执行动态规划算法，确定每架无人机沿着对应的数据采集点的飞行轨迹。

5.根据步骤4所给定的飞行轨迹，计算每一架无人机沿着飞行轨迹飞行所消耗的能量。

6.如果每架无人机所消耗能量小于它自身携带的能量，即能量满足飞行要求，则执行步骤7；否则增派一架无人机，返回步骤3。

7.每架无人机从基站出发，按照确定的飞行轨迹执行数据采集任务，即飞到第一个数据采集点，收集此采集点所关联的所有传感节点的感知数据，这样逐个访问它所关联的采集点，完成对传感节点感知数据的接收任务，然后飞回基站进行数据处理，计算每个节点的信息年龄以及所有传感节点的最大信息年龄和平均信息年龄。

实施例1：

根据本发明的一个实施例，一种基于信息年龄动态规划路径的无人机数据收集方法包括：

步骤1：通过无线传输将GPS等定位方式确定的传感网络的拓扑结构和传感节点坐标位置p_i＝(x_i,y_i)(i＝1,…,M)传输给基站。

步骤2：将所有传感节点布置在无线传感网络系统的二维平面中，以传感节点为圆心，通讯半径r为半径在所述无线传感网络系统中形成M个圆，判断所述M个传感节点两两之间圆心的距离

通过颜色法寻找两两互不相交的圆：将M个传感节点加入未标记节点集合

从集合

中随机选择并标记一个传感节点的圆为黑色，判断是否有其他传感节点的圆与之重叠，即d_i,j≤2r，将有重叠的圆标记白色，将标记颜色的传感节点从集合

中删除；重复之前的操作，直到集合

为空集以及所有的圆都标记为黑色或白色，将标记为黑色的圆的传感节点加入集合I。连接无线传感网络系统中的传感节点成连通图，在所述连通图中寻找一颗M-1条边连接M个传感节点所构成的最小生成树；

步骤3：将步骤2中最小生成树的边和以集合I内传感节点为中心的圆相交，所得到的交点作为候选采集点，加入集合Ω；在所述候选采集点Ω中选出覆盖传感节点最多的采集点，将选出的采集点所覆盖的传感节点排除，判断采集点是否能覆盖到所有传感节点：若能覆盖所有传感节点，则进入步骤4；若不能，则继续执行3；

步骤4：将所述选出采集点加入集合Ω₁中，集合Ω₁中的采集点与其所覆盖的M个传感节点建立并保存连接关系；

步骤5：获取所述采集点c_l的坐标

L表示采集点的数量，在采集点内利用轮盘法确定K个点作为初始的聚类中心，坐标记为

轮盘法如下操作：先随机选择一个采集点作为聚类中心，计算其他所有采集点与当前聚类中心的距离，以样本距离占距离总和的权重的方式计算每个采集点被选作下一个聚类中心的概率，并依次选择K个聚类中心作为初始的聚类中心。

将所述采集点和所述聚类中心通过高斯核函数映射到核空间内，高斯核函数的表示为

在所述核空间内根据||ψ(s_l)-ψ(h_k)||²＝κ(s_l,s_l)-2κ(s_l,h_k)+κ(h_k,h_k)确定所述采集点和所述聚类中心之间的距离，将所述采集点分配给||ψ(s_l)-ψ(h_k)||²值最小的聚类中心；分别将每个类中的采集点作为聚类中心，计算类内其他采集点到类中心的距离，距离之和最小的采集点作为该类的聚类中心，并更新聚类中心h_k；所述核K-means的聚类算法目标函数为：

使得每个类内采集点之间的距离小。其中，||ψ(s_l)-ψ(h_k)||²表示在高斯核空间聚类中心和采集点之间的距离的平方。约束条件表明每一个采集点只与一架无人机建立关联关系。若η_k,l为1，表示采集点c_l与第k架无人机建立连接，否则η_k,l为0。重复迭代步骤5，直到聚类中心位置不在改变。根据聚类中心将采集点分为K个组，并将每个节点标记对应的每组的标签，建立每组采集点与一架无人机的关联关系。

步骤6：分别以传感节点的最大信息年龄和平均信息年龄最小化为优化目标，执行动态规划算法，确定每架无人机沿着对应的数据采集点的飞行轨迹：以最大信息年龄最小为优化目标，列出所述集合Ω₁的所有子集S_k，无人机k从采集点c_j出发访问集合S_k中所有采集点后回到基站，其飞行轨迹对应的路径费用以效用函数f_k(c_j,S_k)表示，如下迭代计算：

其中，

表示第k架无人机从采集点c_j到采集点c_i的飞行时间。当S_k为空集时，无人机从采集点c_j飞回到基站，相应的最小的路径费用就是两点之间的飞行时间，即

当S_k不为空集时，无人机从采集点c_j飞向c_i点再经由S_k-{c_i}集合中所有采集点回到基站，最小路径费用对应了最少的飞行时间，即：

经过迭代的计算,第k架无人机访问的传感节点的最小的最大信息年龄为

对于平均信息年龄最小化的场景，由于每架无人机所访问的数据采集点个数不同，每个采集点所关联的传感节点个数也不同，无人机k从采集点c_j出发访问集合S_k中所有采集点后回到基站的路径费用用效用函数g_k(c_j,S_k)表示：

其中，

表示第k架无人机在数据采集点c_j所采集的传感节点个数。经过迭代计算，第k架无人机访问的传感节点的最小的平均信息年龄为

其中M_k是第k架无人机访问的传感节点总数。

分别由效用函数f_k(c_j,S_k)和g_k(c_j,S_k)回溯得到最大信息年龄和平均信息年龄最小的无人机飞行轨迹u_k。

步骤7：根据步骤6得到的无人机飞行路径u_k，计算每架无人机沿着预先规划的飞行路径所消耗的能量。固定翼无人机在完成数据采集任务的过程中所消耗能量主要分为飞行的推动能量和传输能量。其中，传输能量消耗太小，相比于飞行能量的消耗可以忽略不计。假设第k架无人机的飞行路径为

无人机沿着飞行轨迹u_k的飞行能耗e_k(u_k)可以如下计算：

其中

分别表示无人机k的速度和加速度，m表示无人机的质量，包括无人机本身的重量和电池的重量。式中的f₁和f₂是两个和无人机能耗有关的参数，包括无人机本身的性能和环境，比如无人机的宽度，空气的密度等。v_k(T₀)和v_k(T_k)表示无人机k的初始速度和终止速度。

步骤8：比较步骤7计算的出每一架无人机所需要消耗的能量是否满足它自身的携带能量E_carry，若e_k(u_k)≤E_carry，则执行步骤9；若e_k(u_k)＞E_carry，无人机消耗能量超过携带能量，返回步骤5，并增派一架无人机，使无人机数量K＝K+1。

步骤9：根据上述步骤得到满足无人机能量要求的、信息年龄最小的K架无人机的飞行路径。每架无人机k从基站v₀出发，按照飞行轨迹u_k采集所关联的传感节点的感知信息，结束任务返回基站，计算无人机的飞行时间,每个节点的信息年龄，以及所有节点的最大信息年龄和平均信息年龄。

应理解，本发明发明内容及实施例中各步骤的序号的大小并不绝对意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种基于信息年龄动态规划路径的多无人机数据收集方法，其特征在于，包括：

步骤S1：基站v₀接收GPS定位系统获取的M个传感节点的位置信息p_i＝(x_i,y_i)(i＝1,...,M)，传感节点的通讯半径为r；根据最大独立集原理确定采集点以及传感节点与采集点的关联关系；

步骤S2：所述基站v₀执行基于核K-means的聚类算法，将所述采集点分成K组，分配K架无人机，初始化K的值为1；

步骤S3：所述基站v₀获取采集点组数K及分配的无人机数量K，以及与所述K组采集点中每组所包括的所述采集点的位置和个数，对每架无人机编号为k＝1,2,3……K；以传感节点的最大信息年龄或平均信息年龄最小化为优化目标，通过动态规划算法计算每一架无人机k所收集的传感节点的信息年龄，生成飞行路径

计算每架无人机沿着对应的所述采集点的飞行路径飞行所消耗的能量e_k(u_k)；

步骤S4：比较步骤S3计算的e_k(u_k)是否小于其自身的携带能量E_carry，若e_k(u_k)≤E_carry(k＝1,2,3……K)，则确定每一架无人机k的所述飞行路径u_k，执行步骤S5；若有某架无人机k的能量消耗大于自身携带能，e_k(u_k)＞E_carry，则令K＝K+1，返回步骤S3；

步骤S5：所述基站v₀派出所述K架无人机，分别按照步骤S4中所述飞行路径u_k访问K组中所有采集点，收集所述采集点所关联的传感节点的信息，返回基站得到无人机的飞行时间以及传感节点的最大或平均信息年龄。

2.根据权利要求1所述的数据收集方法，其特征在于，所述最大独立集原理确定采集点为：

步骤S11：将所有传感节点布置在无线传感网络系统的二维平面中，以传感节点为圆心，通讯半径r为半径在所述无线传感网络系统中形成M个圆，判断所述M个传感节点两两之间圆心的距离

将M个传感节点加入未标记颜色节点集合

步骤S12：从集合

中随机选择并标记一个传感节点i的圆为黑色，判断集合

中是否有传感节点j(j＝1,2,3……M，j≠i)的圆与之重叠，即d_i,j≤2r，将有重叠的圆标记白色，将标记为白色的传感节点从集合

中删除；将传感节点i加入集合I，将标记为黑色的传感节点从集合

中删除，判断集合

中是否存在传感节点；若存在传感节点，则重新执行步骤S12；若不存在传感节点，则执行步骤S13；

步骤S13：以所述无线传感网络系统中的M个传感节点为顶点，连接顶点形成连通图，在所述连通图中寻找一颗由M-1条边连接M个顶点所构成的最小生成树；

步骤S14：将步骤S13最小生成树的边和步骤S12中集合I内的传感节点为中心的圆相交，所得到的交点作为候选采集点，加入集合Ω；

步骤S15：在所述候选采集点集合Ω中，以候选采集点为圆心，通信范围r为半径，获取所述候选采集点所覆盖的传感节点个数；比较覆盖传感节点最多的采集点，将所述覆盖传感节点最多的采集点加入到集合Ω₁中，并将此采集点及所覆盖的传感节点排除；判断所述集合Ω₁中的采集点是否能覆盖到所有传感节点：若能覆盖所有M个传感节点，则进入步骤S16；若不能，则继续执行S15；

步骤S16：将选出所述集合Ω₁中的采集点与其所覆盖的M个传感节点建立连接关系。

3.根据权利要求2所述的数据收集方法，其特征在于,将所述采集点分成K组包括：

步骤S21：获取所述集合Ω₁中的采集点c_i坐标s_i＝(x_i,y_i),(i＝1,...,L)，利用轮盘法在L个采集点中传感节点中随机选择K个传感节点作为聚类中心h_k(k＝1,…,K)，坐标记作

步骤S22：将所述采集点和所述聚类中心通过高斯核函数映射到高斯核空间内，高斯核函数的表示为

在所述核空间内根据||ψ(s_l)-ψ(h_k)||²＝κ(s_l,s_l)-2κ(s_l,h_k)+κ(h_k,h_k)确定所述所有采集点和所述聚类中心之间的距离，将所述采集点分配给||ψ(s_l)-ψ(h_k)||²值最小的聚类中心；

步骤S23：分别将每个组中的所述采集点作为所述聚类中心，计算组内其他采集点到聚类中心的距离，距离之和最小的采集点作为该组的新的聚类中心h_k；

步骤S24：重复迭代步骤S22、S23，直到聚类中心位置不再改变；

步骤S25：根据聚类中心将采集点分为K个组，并将每个节点标记对应的每组的标签，建立每组采集点与1架无人机的关联关系。

4.根据权利要求3所述的数据收集方法，其特征在于，所述核K-means的聚类算法优化公式为：

其中，||ψ(s_l)-ψ(h_k)||²表示在高斯核空间聚类中心和采集点之间的距离的平方；约束条件s.t.表明每一个采集点只与一架无人机建立关联关系；若η_k,l为1，表示采集点c_l与第k架无人机建立连接，否则η_k,l为0。

5.根据权利要求4所述的数据收集方法，其特征在于，所述以传感节点的最大信息年龄为优化目标包括：

列出所述集合Ω₁的所有子集S_k，无人机k从采集点c_j出发访问所述集合Ω₁中所有采集点后回到基站的路径费用效用函数用f_k(c_j,S_k)表示，可以如下迭代计算:

其中，

表示第k架无人机从采集点c_j到采集点c_i的飞行时间；经过迭代的计算第k架无人机访问的传感节点的最小的最大信息年龄为

6.根据权利要求5所述的数据收集方法，其特征在于，所述以平均信息年龄最小化为优化目标包括：

列出所述集合Ω₁的所有子集S_k，无人机k从采集点c_j出发访问所述集合Ω₁中所有采集点后回到基站的路径费用效用函数用g_k(c_j,S_k)表示，可以如下迭代计算：

其中

表示第k架无人机第j个数据采集点所收集到的传感节点个数；经过迭代计算得到第k架无人机访问的传感节点的最小的平均信息年龄为

其中M_k是第k架无人机访问的传感节点总数。

7.根据权利要求1所述的数据收集方法，其特征在于，所述无人机沿着飞行轨迹u_k的飞行能耗e_k(u_k)可以如下计算：

其中，

分别表示无人机k的速度和加速度，m表示无人机的质量，包括无人机本身的重量和电池的重量；式中的f₁和f₂是两个和无人机能耗有关的参数，包括无人机本身的性能和环境，比如无人机的宽度或空气的密度。

Images