CN113639750B - 顾及时变需求的高峰时段无人机监视路径规划方法及装置 - Google Patents
顾及时变需求的高峰时段无人机监视路径规划方法及装置 Download PDFInfo
- Publication number
- CN113639750B CN113639750B CN202110819779.XA CN202110819779A CN113639750B CN 113639750 B CN113639750 B CN 113639750B CN 202110819779 A CN202110819779 A CN 202110819779A CN 113639750 B CN113639750 B CN 113639750B
- Authority
- CN
- China
- Prior art keywords
- time
- monitoring
- road
- unmanned aerial
- varying
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种顾及时变需求的高峰时段无人机监视路径规划方法及装置,该方法包括以下步骤:对待监视路网进行抽象表达,得到路网无向图,获取路网无向图中的待监视路段,并设定监视任务时间;根据多时段路况信息,构建表征时变需求的时空立方体,并从时空立方体中提取待监视路段的时变需求数值;建立顾及时变需求的高峰时段多无人机监视路径规划模型,在监视任务时间内最大化路径的时空需求覆盖;通过预设算法对顾及时变需求的高峰时段多无人机监视路径规划模型进行求解,得到最优监视路径方案。本发明提供的路径规划方法将时变监视需求加入到了附有有限监视任务时间的路径规划问题中,有利于动态异常事件捕捉,提高高峰期监视效率。
Description
技术领域
本发明涉及地理信息服务技术领域,尤其涉及一种顾及时变需求的高峰时段无人机监视路径规划方法及装置。
背景技术
交通高峰时段,路面交通量陡增,极易发生交通拥堵等异常事件,影响车辆正常通行,给交通管理部门带来巨大挑战。同时,随着交通态势不断变化,交通异常事件的发生具有动态性,其发生风险呈现时空分布特征,具有一定的监测难度。因此,在交通高峰时段,实施有效的道路监视以动态高效地探测动态异常事件是非常重要的。近年来,无人机走入日常生活,被广泛应用于民用领域。尤其是无人机在交通监视和数据收集方面的应用,引起了研究者的极大兴趣。与地感线圈等传统地面固定传感器相比,无人机具有更广阔的视场和更高的机动性,并且可以突破路况的限制,及时进入拥堵路段进行观察。因而,无人机可以作为辅助传统监测方式的有力手段,进行路况监视和异常事件探测。
然而,在高峰时段的监视任务中,无人机会受到一定的时间限制。在高峰时段,路面拥堵等异常情况通常需要报告若干次,比非高峰时段更加频繁,所以高峰时段的交通监视任务会附有一定紧迫性和有限的单次任务时间。无人机需要在有限的时间内监控尽可能多的目标道路。另外,交通态势的动态变化导致了异常事件的动态发生,产生了时空变化的交通监视需求。以拥堵风险作为时变监视需求为例,若无人机在路段监视需求高时经过路段,将更有可能捕获拥堵事件,有利于管理部门及时做出响应。因此,需要针对时变监视需求在有限的高峰时段任务时间内优化无人机交通监视路径,以进行高效地无人机路网交通监视。
现有研究中,面向交通场景应用的无人机路径规划技术多针对日常交通信息收集,任务紧迫性低且任务时间限制宽松。所以在这些研究中,交通监视目标通常是一组固定数量的目标点或线段,无人机需要穿越所有目标,最小化设备能量消耗或飞行时间。据此,现有研究一般基于传统的旅行商问题(TSP),乡村邮递员问题(RPP),以及它们的变式问题,进行无人机路径规划问题的建模及求解。这些方法并不适用于具有有限任务时间和任务紧迫性的高峰时段无人机监视路径规划。同时,大多研究还是依据静态监视等级对监视需求进行描述,未考虑时变需求。虽已有极少量研究考虑到了路况的动态变化所导致的时变需求,但并未与高峰时段的任务特点相结合。因此,目前的技术还不能解决高峰时段顾及时变需求的无人机路径规划问题。
发明内容
针对现有技术的不足,本发明提出了一种顾及时变需求的高峰时段无人机监视路径规划方法,将时变需求加入到了附有有限监视任务时间的路径规划问题中,最大化无人机路径对时变需求的覆盖,以优化无人机路径,提高高峰期监视效率。
为了实现上述目的,本发明所提供的一种顾及时变需求的高峰时段无人机监视路径规划方法包括以下步骤:
S1、对待监视路网进行抽象表达,得到路网无向图,获取所述路网无向图中的待监视路段,并设定监视任务时间;
S2、获取监视任务时间内的多时段路况信息,根据所述多时段路况信息构建表征时变需求的时空立方体,并从所述时空立方体中提取所述待监视路段的时变需求数值;
S3、根据所述时变需求数值建立顾及时变需求的高峰时段多无人机监视路径规划模型,在所述监视任务时间内最大化路径的时空需求覆盖;
S4、通过预设算法对所述顾及时变需求的高峰时段多无人机监视路径规划模型进行求解,得到最优监视路径方案。
进一步地,步骤S3中,所述顾及时变需求的高峰时段多无人机监视路径规划模型为:
满足:
其中,z表示最大化时空需求覆盖的目标函数;K表示可用无人机集合,k表示无人机序号,Ap为待监视路段的双向弧段集合,L表示多时段集合,qijll’表示弧段(i,j)在时段(l,l’)的监视需求值,(s,s)表示无人机起始点,Tmax表示任务时间,tij表示无人机飞越弧段(i,j)的时间成本,rij表示i、j两点间的最短距离,M表示一个足够大的值;表示弧段(i,j)是否被k无人机监视,wijll’表示弧段(i,j)在时段(l,l’)是否被监视,/>表示弧段(i’,j’)是否在弧段(i,j)后被k无人机服务,bij表示无人机进入弧段(i,j)时的时间点;决策变量wijll’和/>为二元决策变量,取值为0表示判断结果为否、取值为1表示判断结果为是;决策变量bij为非负实数变量,取值范围为[0,+∞)。
进一步地,步骤S1具体包括:
S1.1、针对目标监视区域的路网进行无向图抽象表达,其中路段抽象为线要素,路口或路段分界处抽象为点要素,得到路网无向图;
S1.2、根据高峰时段监视需求,在所述路网无向图的路段中选取一组需要进行监视的路段集合,并设定完成一次监视任务的监视任务时间。
进一步地,步骤S2具体包括:
S2.1、获取所述监视任务时间内的多时段路况数据;
S2.2、按预设网格尺寸标准对目标监视区域进行网格划分,得到多个区域网格,按预设间隔距离对单个时段的线状路况数据进行虚拟点集提取,将虚拟点映射于其所坐落的区域网格中,加和单个网格中所有虚拟点附有的路况数据赋作该网格的监视需求数值;
S2.3、将时间维度加入到网格平面中,划分整个时空域划分为若干个小立方体组成时空立方体,其中单个立方体底面大小对应于网格尺寸,高度对应于单个时段长度,附有对应网格在相应时段的监视需求数值,一层小立方体展示了单个时段的监视需求数据;
S2.4、使用所述路网无向图中的待监视路段集合,与每层时空立方体进行相交处理,加和与单个路段相交的若干小立方体所附有的监视需求数据,将该和值作为该路段的监视需求数值,多时段监测需求组成了该路段的时变需求数值。
进一步地,所述路况数据由交通异常事件相关指标描述,包括:拥堵等级,事故风险等级,一般为实时预测数据。
进一步地,步骤S3具体包括:
S3.1、获取所述路网无向图的等价有向图G=(V,A,Ap),其中V是表示路口或路段分界处的节点集合;一个路段由两节点间的双向路段{(i,j),(j,i)}代替,A表示为双向弧段集合,Ap为待监视路段的双向弧段集合;
S3.2、根据顾及时变监视需求的监视目标,确定目标函数为最大化无人机路径的时空需求覆盖;
S3.3、设定约束条件;
S3.4、根据所述目标函数及约束条件,构建顾及时变需求的高峰时段多无人机监视路径规划模型。
更进一步地,步骤S3.3具体包括:
根据无人机飞行特点和飞行任务要求,设定无人机起始位置约束,路段监视次数限制约束,基本流保持约束,以及经过路段和监视路段的关联约束;
根据高峰时段监视任务时间限制,设定无人机飞行时间约束;
为关联无人机路径与时变需求,设定无人机进入待监视路段起始时间的相关约束,以及起始时间与时变需求的关联约束。
进一步地,步骤S4具体包括:
S4.1、设置最大求解时间限制,使用分支切面算法求解所述顾及时变需求的高峰时段多无人机监视路径规划模型的最优解,若在最大求解时间内求解达到最优,则直接输出最优解作为最终方案;
S4.2、若达到最大求解时间还未得到最优解,则输出最大求解时间限制下的当前最优解,换用基于迭代局部搜索框架的启发式算法求解次优无人机监视路径方案;选取两种算法求解结果中目标函数更高的解作为最终方案。
此外,为了实现上述目的,本发明还提供了一种顾及时变需求的高峰时段无人机监视路径规划装置,包括以下模块:
抽象表达模块,用于对待监视路网进行抽象表达,得到路网无向图;
路段获取模块,用于获取所述路网无向图中的待监视路段;
时间设定模块,用于设定监视任务时间;
立方体构建模块,用于根据所述监视任务时间内的多时段路况信息,构建表征时变需求的时空立方体,并从所述时空立方体中提取所述待监视路段的时变需求数值;
数值提取模块,用于从所述时空立方体中提取所述待监视路段的时变需求数值;
模型建立模块,用于根据所述时变需求数值建立顾及时变需求的高峰时段多无人机监视路径规划模型;
路径求解模块,用于通过预设算法对所述顾及时变需求的高峰时段多无人机监视路径规划模型进行求解,得到最优监视路径方案。
本发明提供的技术方案所带来的有益效果是:
本发明通过构建时空立方体,引入时变需求,建立并求解顾及时变需求的高峰时段多无人机监视路径规划模型,可以得到符合高峰时段时间限制需求的最优无人机监视路径方案,高效地进行无人机路网交通监视。相较于以往考虑静态监视需求的路径规划技术,本发明方法所求得路径方案的时空需求覆盖度更高,使得无人机有较大可能探测到动态异常事件,更加符合现实交通需求。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例提供的顾及时变需求的高峰时段无人机监视路径规划方法的流程图;
图2是本发明实施例提供的路网无向图的示意图;
图3是本发明实施例提供的时空立方体的示意图;
图4是本发明实施例提供的路径规划最终方案的效果图;
图5是本发明实施例提供的顾及时变需求的高峰时段无人机监视路径规划装置的结构图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
本发明的实施例以武汉市东湖新技术开发区内某一路网区域为目标监视区域。武汉是中国最拥挤的城市之一,交通拥堵等交通问题严重。目标监视区域内分布商业中心、企业、大学众多,人流车流密集,需要提供高效的交通监视,及时发现并响应异常事件,保障道路通畅和居民出行,尤其在高峰时段(午高峰及晚高峰)通勤车辆陡增,拥堵事件发生可能性较大。本实例选择2021年3月2日晚高峰中18:00至18:20间的20分钟作为单次无人机监视任务的任务时间,假设可用无人机共5台,在任务时间限制内对它们进行监视路径规划。无人机需要在任务时间内尽可能多收集待监视路段的交通信息,同时顾及时变的道路状况,无人机应尽可能在待监视路段监视需求高时经过该路段收集信息。
下面结合上述应用场景和附图详细说明本发明所提出的顾及时变需求的高峰时段无人机监视路径规划方法,参考图1具体步骤如下:
步骤S1:对待监视路网进行抽象表达,得到路网无向图,获取所述路网无向图中的待监视路段,并设定监视任务时间。具体包括以下步骤:
步骤S1.1:将目标监视区域内的主要道路抽象为线要素,道路交叉口抽象为点要素,获得对应路网的无向图,参考图2。
步骤S1.2:根据高峰时段监视需求,选取无向图中的一组线要素作为需要进行监视的路段集合。参考图2,共选取26个待监视路段。选择2021年3月2日晚高峰中18:00至18:20间的20分钟作为单次无人机监视任务的任务时间。
步骤S2:获取监视任务时间内的多时段路况信息,根据多时段路况信息构建表征时变需求的时空立方体,并从所述时空立方体中提取所述待监视路段的时变需求数值。具体包括以下步骤:
步骤S2.1:以5分钟为间隔将任务时间划分为四个子时段。从高德API中获取任务时间内的各个子时段的拥堵等级数据,作为实时预测数据。
步骤S2.2:根据0.5km×0.5km的网格尺寸标准对目标监视区域进行网格划分。以50m为间隔距离对单个子时段的线状拥堵等级数据进行虚拟拥堵点提取,将虚拟拥堵点映射于其所坐落的网格中,加和坐落单个网格中所有虚拟拥堵点的拥堵等级,将拥堵等级数值之和赋作该网格的监视需求数值。
步骤S2.3:将时间维度加入网格平面中,以5分钟时间间隔和0.5km空间网格尺寸对整个时空域进行划分,共得到612个小立方体。每层立方体展示了单个子时段的监视需求数据,参考图3。
步骤S2.4:参考图2,无向图中的待监视路段与所建时空立方体的每层相交,加和与单个路段相交的若干小立方体所附有的监视需求数据,将该和值作为该路段的监视需求数值,每个路段拥有一个包含四个时段监视需求值的时变需求数组,如路段(3,19)的时变需求数组为[67.0,77.0,106.0,116.0]。
步骤S3:根据所述时变需求数值建立顾及时变需求的高峰时段多无人机监视路径规划模型,在所述监视任务时间内最大化路径的时空需求覆盖。具体包括以下步骤:
步骤S3.1:为便于建模,首先将问题定义在步骤S1中所述无向图的等价有向图G=(V,A,Ap)上,其中V是表示路口节点集合;一个路段由两节点间的双向路段{(i,j),(j,i)}代替,A表示为双向弧段集合,Ap为待监视路段的双向弧段集合。
步骤S3.2:根据顾及时变监视需求的监视目标,确定模型目标函数为最大化无人机路径的时空需求覆盖,即5架无人机路线经过待监视路段所收集的需求值之和最大化。
步骤S3.3:根据无人机飞行特点和飞行任务要求,确定无人机起始位置约束,假设所有无人机均从点43出发;确定路段监视次数限制约束,每个待监视路段仅被无人机监视一次;确定基本流保持约束,无人机路线进入某个点和驶出某个点的次数应保持一致;确定经过路段和监视路段的关联约束,无人机只有经过待监视路段才能对该路段进行监视。根据高峰时段监视任务时间限制,确定无人机飞行时间约束,本实施例中约束所有无人机在20分钟内完成一次往返监视任务。为关联无人机路径与时变需求,设立无人机进入待监视路段起始时间的相关约束,以及起始时间与时变需求的关联约束;
步骤S3.4:根据所述目标函数及约束,构建顾及时变需求的高峰时段多无人机监视路径规划模型如下:
满足:
其中,z表示最大化时空需求覆盖的目标函数;K={k1,…,k5}表示包含5个可用无人机的集合,L={(l0,l1),…,(l3,l4)}表示包含4个子时段的集合,qijll’表示弧段(i,j)在时段(l,l’)的监视需求值,例如弧段(3,19)在时段(l0,l1)的监视需求值为67.0,(s,s)表示无人机起始点,这里s=43,Tmax=20min表示任务时间,tij表示无人机飞越弧段(i,j)的时间成本,rij表示i,j两点间的最短距离,M=10000表示一个足够大的值;表示弧段(i,j)是否被k无人机监视,wijll’表示弧段(i,j)在时段(l,l’)是否被监视,/>表示弧段(i’,j’)是否在弧段(i,j)后被k无人机服务,bij表示无人机进入弧段(i,j)时的时间点;决策变量/>wijll’,/>为二元决策变量,取值为0表示判断结果为否、取值为1表示判断结果为是;决策变量bij为非负实数变量,取值范围为[0,+∞)。
步骤S4:通过预设算法求解顾及时变需求的高峰时段多无人机监视路径规划模型,得到最优监视路径方案。具体步骤如下:
步骤S4.1:设置最大求解时间限制为10min,使用商业软件Gurobi内置的分支切面算法求解所述顾及时变需求的高峰时段多无人机监视路径规划模型的最优解,未能求得最优解,输出最大求解时间限制下的当前最优解,其目标函数值为2845。
步骤S4.2:由于未能求得精确解,换用基于迭代局部搜索框架的启发式算法求解次优无人机监视路径方案,该方案目标函数值为2947,高于S4.1所求解,则选取启发式算法求解结果作为最终方案,最终方案的无人机路线请参考表1及图4。
表1.最终方案无人机路线
作为可选地实施方式,本实施例还提供了一种顾及时变需求的高峰时段无人机监视路径规划装置,以实现上述的顾及时变需求的高峰时段无人机监视路径规划方法。
参考图5,该装置包括以下模块:
抽象表达模块1,用于对待监视路网进行抽象表达,得到路网无向图;
路段获取模块2,用于获取所述路网无向图中的待监视路段;
时间设定模块3,用于设定监视任务时间;
立方体构建模块4,根据所述监视任务时间内的多时段路况信息,构建表征时变需求的时空立方体,并从所述时空立方体中提取所述待监视路段的时变需求数值;
数值提取模块5,用于从所述时空立方体中提取所述待监视路段的时变需求数值;
模型建立模块6,用于根据所述时变需求数值建立顾及时变需求的高峰时段多无人机监视路径规划模型;
路径求解模块7,用于通过预设算法对所述顾及时变需求的高峰时段多无人机监视路径规划模型进行求解,得到最优监视路径方案。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序,可将这些词语解释为标识。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种顾及时变需求的高峰时段无人机监视路径规划方法,其特征在于,包括以下步骤:
S1、对待监视路网进行抽象表达,得到路网无向图,获取所述路网无向图中的待监视路段,并设定监视任务时间;
S2、获取所述监视任务时间内的多时段路况信息,根据所述多时段路况信息构建表征时变需求的时空立方体,并从所述时空立方体中提取所述待监视路段的时变需求数值;
S3、根据所述时变需求数值建立顾及时变需求的高峰时段多无人机监视路径规划模型;
步骤S3具体包括:
S3.1、获取所述路网无向图的等价有向图G=(V,A,Ap),其中V是表示路口或路段分界处的节点集合;一个路段由两节点间的双向路段{(i,j),(j,i)}代替,A表示为双向弧段集合,Ap为待监视路段的双向弧段集合;
S3.2、根据顾及时变监视需求的监视目标,确定目标函数为最大化无人机路径的时空需求覆盖;
S3.3、设定约束条件;
S3.4、根据所述目标函数及约束条件,构建顾及时变需求的高峰时段多无人机监视路径规划模型;
所述顾及时变需求的高峰时段多无人机监视路径规划模型为:
满足:
其中,z表示最大化时空需求覆盖的目标函数;K表示可用无人机集合,k表示无人机序号,Ap为待监视路段的双向弧段集合,L表示多时段集合,qijll’表示弧段(i,j)在时段(l,l’)的监视需求值,(s,s)表示无人机起始点,Tmax表示任务时间,tij表示无人机飞越弧段(i,j)的时间成本,rij表示i、j两点间的最短距离,M表示一个足够大的值;表示弧段(i,j)是否被k无人机监视,wijll’表示弧段(i,j)在时段(l,l’)是否被监视,/>表示弧段(i’,j’)是否在弧段(i,j)后被k无人机服务,bij表示无人机进入弧段(i,j)时的时间点;决策变量/>wijll’和/>为二元决策变量,取值为0表示判断结果为否、取值为1表示判断结果为是;决策变量bij为非负实数变量,取值范围为[0,+∞);
S4、通过预设算法对所述顾及时变需求的高峰时段多无人机监视路径规划模型进行求解,得到最优监视路径方案。
2.如权利要求1所述的顾及时变需求的高峰时段无人机监视路径规划方法,其特征在于,步骤S1具体包括:
S1.1、针对目标监视区域的路网进行无向图抽象表达,其中路段抽象为线要素,路口或路段分界处抽象为点要素,得到路网无向图;
S1.2、根据高峰时段监视需求,在所述路网无向图的路段中选取一组需要进行监视的路段集合,并设定完成一次监视任务的监视任务时间。
3.如权利要求1所述的顾及时变需求的高峰时段无人机监视路径规划方法,其特征在于,步骤S2具体包括:
S2.1、获取所述监视任务时间内的多时段路况数据;
S2.2、按预设网格尺寸标准对目标监视区域进行网格划分,得到多个区域网格,按预设间隔距离对单个时段的线状路况数据进行虚拟点集提取,将虚拟点映射于其所坐落的区域网格中,加和单个网格中所有虚拟点附有的路况数据赋作该网格的监视需求数值;
S2.3、将时间维度加入到网格平面中,划分整个时空域划分为若干个小立方体组成时空立方体,其中单个立方体底面大小对应于网格尺寸,高度对应于单个时段长度,附有对应网格在相应时段的监视需求数值,一层小立方体展示了单个时段的监视需求数据;
S2.4、使用所述路网无向图中的待监视路段集合,与每层时空立方体进行相交处理,加和与单个路段相交的若干小立方体所附有的监视需求数据,将该和值作为该路段的监视需求数值,多时段监测需求组成了该路段的时变需求数值。
4.如权利要求3所述的顾及时变需求的高峰时段无人机监视路径规划方法,其特征在于,所述路况数据由交通异常事件相关指标描述,包括:拥堵等级,事故风险等级,一般为实时预测数据。
5.如权利要求1所述的顾及时变需求的高峰时段无人机监视路径规划方法,其特征在于,步骤S3.3具体包括:
根据无人机飞行特点和飞行任务要求,设定无人机起始位置约束,路段监视次数限制约束,基本流保持约束,以及经过路段和监视路段的关联约束;
根据高峰时段监视任务时间限制,设定无人机飞行时间约束;
为关联无人机路径与时变需求,设定无人机进入待监视路段起始时间的相关约束,以及起始时间与时变需求的关联约束。
6.如权利要求1所述的顾及时变需求的高峰时段无人机监视路径规划方法,其特征在于,步骤S4具体包括:
S4.1、设置最大求解时间限制,使用分支切面算法求解所述顾及时变需求的高峰时段多无人机监视路径规划模型的最优解,若在最大求解时间内求解达到最优,则直接输出最优解作为最终方案;
S4.2、若达到最大求解时间还未得到最优解,则输出最大求解时间限制下的当前最优解,换用基于迭代局部搜索框架的启发式算法求解次优无人机监视路径方案;选取两种算法求解结果中目标函数更高的解作为最终方案。
7.一种顾及时变需求的高峰时段无人机监视路径规划装置,其特征在于,包括以下模块:
抽象表达模块,用于对待监视路网进行抽象表达,得到路网无向图;
路段获取模块,用于获取所述路网无向图中的待监视路段;
时间设定模块,用于设定监视任务时间;
立方体构建模块,用于根据所述监视任务时间内的多时段路况信息,构建表征时变需求的时空立方体,并从所述时空立方体中提取所述待监视路段的时变需求数值;
数值提取模块,用于从所述时空立方体中提取所述待监视路段的时变需求数值;
模型建立模块,用于根据所述时变需求数值建立顾及时变需求的高峰时段多无人机监视路径规划模型;
所述模型建立模块,具体用于:
获取所述路网无向图的等价有向图G=(V,A,Ap),其中V是表示路口或路段分界处的节点集合;一个路段由两节点间的双向路段{(i,j),(j,i)}代替,A表示为双向弧段集合,Ap为待监视路段的双向弧段集合;
根据顾及时变监视需求的监视目标,确定目标函数为最大化无人机路径的时空需求覆盖;
设定约束条件;
根据所述目标函数及约束条件,构建顾及时变需求的高峰时段多无人机监视路径规划模型;
所述顾及时变需求的高峰时段多无人机监视路径规划模型为:
满足:
其中,z表示最大化时空需求覆盖的目标函数;K表示可用无人机集合,k表示无人机序号,Ap为待监视路段的双向弧段集合,L表示多时段集合,qijll’表示弧段(i,j)在时段(l,l’)的监视需求值,(s,s)表示无人机起始点,Tmax表示任务时间,tij表示无人机飞越弧段(i,j)的时间成本,rij表示i、j两点间的最短距离,M表示一个足够大的值;表示弧段(i,j)是否被k无人机监视,wijll’表示弧段(i,j)在时段(l,l’)是否被监视,/>表示弧段(i’,j’)是否在弧段(i,j)后被k无人机服务,bij表示无人机进入弧段(i,j)时的时间点;决策变量/>wijll’和/>为二元决策变量,取值为0表示判断结果为否、取值为1表示判断结果为是;决策变量bij为非负实数变量,取值范围为[0,+∞);
路径求解模块,用于通过预设算法对所述顾及时变需求的高峰时段多无人机监视路径规划模型进行求解,得到最优监视路径方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110819779.XA CN113639750B (zh) | 2021-07-20 | 2021-07-20 | 顾及时变需求的高峰时段无人机监视路径规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110819779.XA CN113639750B (zh) | 2021-07-20 | 2021-07-20 | 顾及时变需求的高峰时段无人机监视路径规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113639750A CN113639750A (zh) | 2021-11-12 |
CN113639750B true CN113639750B (zh) | 2023-05-26 |
Family
ID=78417843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110819779.XA Active CN113639750B (zh) | 2021-07-20 | 2021-07-20 | 顾及时变需求的高峰时段无人机监视路径规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113639750B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103994768A (zh) * | 2014-05-23 | 2014-08-20 | 北京交通大学 | 动态时变环境下寻求全局时间最优路径的方法 |
CN108897312A (zh) * | 2018-05-14 | 2018-11-27 | 南开大学 | 多无人飞行器对大规模环境的持续监控路径规划方法 |
CN109508035A (zh) * | 2018-12-24 | 2019-03-22 | 南京邮电大学 | 基于分布式控制的多区域分级式无人机编队路径规划方法 |
CN110989626A (zh) * | 2019-12-27 | 2020-04-10 | 四川大学 | 一种基于控制参数化的无人机路径规划方法 |
WO2020103034A1 (zh) * | 2018-11-21 | 2020-05-28 | 深圳市道通智能航空技术有限公司 | 一种无人机路径规划方法、装置及无人机 |
WO2021001768A1 (fr) * | 2019-07-01 | 2021-01-07 | Uavia | Procédé de détermination de trajet d'un appareil aérien non habité et autres procédés associés |
CN112580893A (zh) * | 2020-12-29 | 2021-03-30 | 浙江量大智能科技有限公司 | 一种基于改进遗传算法的多无人机大气监测路径规划方法 |
CN112650292A (zh) * | 2020-12-29 | 2021-04-13 | 中国计量大学 | 一种面向工业园区污染源监测的多无人机路径优化方法 |
CN113063419A (zh) * | 2021-01-25 | 2021-07-02 | 南京航空航天大学 | 一种无人机路径规划方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3274255A4 (en) * | 2015-03-26 | 2018-12-05 | Matternet, Inc. | Route planning for unmanned aerial vehicles |
CN112327923B (zh) * | 2020-11-19 | 2022-04-01 | 中国地质大学(武汉) | 一种多无人机协同路径规划方法 |
-
2021
- 2021-07-20 CN CN202110819779.XA patent/CN113639750B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103994768A (zh) * | 2014-05-23 | 2014-08-20 | 北京交通大学 | 动态时变环境下寻求全局时间最优路径的方法 |
CN108897312A (zh) * | 2018-05-14 | 2018-11-27 | 南开大学 | 多无人飞行器对大规模环境的持续监控路径规划方法 |
WO2020103034A1 (zh) * | 2018-11-21 | 2020-05-28 | 深圳市道通智能航空技术有限公司 | 一种无人机路径规划方法、装置及无人机 |
CN109508035A (zh) * | 2018-12-24 | 2019-03-22 | 南京邮电大学 | 基于分布式控制的多区域分级式无人机编队路径规划方法 |
WO2021001768A1 (fr) * | 2019-07-01 | 2021-01-07 | Uavia | Procédé de détermination de trajet d'un appareil aérien non habité et autres procédés associés |
CN110989626A (zh) * | 2019-12-27 | 2020-04-10 | 四川大学 | 一种基于控制参数化的无人机路径规划方法 |
CN112580893A (zh) * | 2020-12-29 | 2021-03-30 | 浙江量大智能科技有限公司 | 一种基于改进遗传算法的多无人机大气监测路径规划方法 |
CN112650292A (zh) * | 2020-12-29 | 2021-04-13 | 中国计量大学 | 一种面向工业园区污染源监测的多无人机路径优化方法 |
CN113063419A (zh) * | 2021-01-25 | 2021-07-02 | 南京航空航天大学 | 一种无人机路径规划方法及系统 |
Non-Patent Citations (3)
Title |
---|
Wu Yu et al..Multi-constrained cooperative path planning of multiple drones for persistent surveillance in urban environments.《Complex & Intelligent Systems》.2021,第7卷(第3期),1633-1647. * |
应对突发事件的无人机监测任务分配和航行路径规划;薛文斌等;军事交通学院学报(第04期);90-94 * |
灾情侦测无人机动态航迹规划算法设计;秦玉鑫等;《红外与激光工程》;第48卷(第10期);1-6 * |
Also Published As
Publication number | Publication date |
---|---|
CN113639750A (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107610469B (zh) | 一种考虑多因素影响的日维度区域交通指数预测方法 | |
CN105825310A (zh) | 基于信息熵的出租车寻客路线推荐方法 | |
Li et al. | Hunting or waiting? Discovering passenger-finding strategies from a large-scale real-world taxi dataset | |
CN104809112B (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
Petrovska et al. | Traffic congestion analysis visualisation tool | |
CN103473620B (zh) | 综合客运枢纽多交通方式预测方法及系统 | |
CN104318324B (zh) | 基于出租车gps记录的机场巴士站点及路线规划方法 | |
CN110705747A (zh) | 一种基于大数据的智慧公共交通云脑体系 | |
CN107919014B (zh) | 面向多载客里程的出租车运行线路优化方法 | |
CN105513370B (zh) | 基于稀疏车牌识别数据挖掘的交通小区划分方法 | |
CN108648445B (zh) | 基于交通大数据的动态交通态势预测方法 | |
Yang et al. | Investigation on structural and spatial characteristics of taxi trip trajectory network in Xi’an, China | |
CN110363985A (zh) | 一种交通数据分析方法、装置、存储介质及设备 | |
CN107195177A (zh) | 基于分布式内存计算框架对城市交通路况的预测方法 | |
CN112215416B (zh) | 智能规划巡检航线系统及方法 | |
CN112418556B (zh) | 一种基于互联网共享平台下的网格化服务系统 | |
CN113639750B (zh) | 顾及时变需求的高峰时段无人机监视路径规划方法及装置 | |
CN109712402A (zh) | 一种基于元路径拥塞模式挖掘的移动对象行驶时间预测方法及装置 | |
Rahman et al. | Traffic pattern analysis from GPS data: A case study of Dhaka city | |
Kyriakou et al. | Analysis of spatiotemporal data to predict traffic conditions aiming at a smart navigation system for sustainable urban mobility | |
CN109544005A (zh) | 基于大数据框架的比较区域内公交客流和出租客流差异的系统 | |
Lei et al. | Research on multi-objective bus route planning model based on taxi GPS data | |
CN113343358B (zh) | 一种考虑道路信息的电动汽车充电负荷时空分布建模方法 | |
CN105096661A (zh) | 基于垂直剖面视图的空中交通流管理系统与方法 | |
Naji et al. | Towards understanding the impact of human mobility patterns on taxi drivers' income based on GPS data: A case study in Wuhan—China |
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 |