CN113671986A - 空地协同下无人机与车辆的任务分配方法和系统 - Google Patents
空地协同下无人机与车辆的任务分配方法和系统 Download PDFInfo
- Publication number
- CN113671986A CN113671986A CN202110858529.7A CN202110858529A CN113671986A CN 113671986 A CN113671986 A CN 113671986A CN 202110858529 A CN202110858529 A CN 202110858529A CN 113671986 A CN113671986 A CN 113671986A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- unmanned aerial
- point
- aerial vehicle
- task
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000006870 function Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000011084 recovery Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- 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)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种空地协同下无人机与车辆的任务分配方法和系统,涉及无人机技术领域。本发明先获取无人机、车辆、任务和道路路网的参数集合;然后在空地协同模式下获取预设的约束条件,并以无人机和车辆执行完所有任务回到起点所耗费的总时间最小为目标函数,构建空地协同下无人机与车辆的任务分配的混合整数规划模型;利用预设算法对任务分配模型进行求解,最终得到无人机执行任务方案和车辆执行任务方案,本发明提出的方法和系统能够优化无人机与车辆执行任务的集合,提升任务执行效率,实现无人机与车辆协同执行任务。
Description
技术领域
本发明涉及无人机技术领域,具体涉及一种空地协同下无人机与车辆的任务分配方法和系统。
背景技术
空地协同下无人机与车辆任务分配优化,通过利用无人机与车辆之间性能互补可以大大提升相较于传统车辆方式执行任务的效率。而无人机与车辆之间的协同模式的选择对无人机与车辆访问任务的能力具有一定的影响。
如图1所示,本文提出的空地协同模式相较于现有协同方式增强了无人机对任务的访问能力,实现无人机与车辆可访问所有任务。
但采用本文的空地协同模式会使得任务分配方案出现更多可能性,进一步加大了任务分配方案的优化难度。在任务执行过程中,为达到访问任务需要总时间最小的目的,需要同时优化无人机和车辆的任务分配方案,并且还需要考虑任务类型、道路路网的限制等约束条件,这些都给空地协同下无人机与车辆的任务分配带来较大的挑战。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种空地协同下无人机与车辆的任务分配方法和系统,解决了如何进行空地协同下无人机与车辆的任务分配的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
第一方面,提供了一种空地协同下无人机与车辆的任务分配方法,该方法包括:
获取无人机、车辆、任务和道路路网的参数集合;
获取预设的空地协同下的约束条件,并以无人机和车辆执行完所有任务回到起点所耗费的总时间最小为目标函数,构建空地协同下无人机与车辆的任务分配模型;
利用预设算法对任务分配模型进行求解,得到无人机执行任务方案和车辆执行任务方案。
进一步的,所述无人机参数,包括:无人机单位时间内旅行的距离值Vu、无人机续航时间Eu、无人机的最大飞行距离值R=EuVu;
所述车辆参数,包括:车辆单位时间内旅行的距离值Vv;
所述任务参数,包括:点任务参数P={1,...,n}和线段任务参数L={(n+1,n+2),...,(p,q),...,(n+m,n+m+1)};
其中,n表示点任务的数量,l=(p,q)表示一个线段任务,p和q是该路段的两端点,其中m表示线段任务的数量;
所述道路路网参数,包括:无人机飞行网络对应的无向图S={N,E}和车辆行驶网络对应的无向图G={N,A};
无人机飞行网络对应的无向图S={N,E},其中N={0,1,...,n,n+1,n+2,...,n+m,n+m+1,e},E={(i,j)|i∈N,j∈N,i≠j}表示N中任意两点之间的边,对于(i,j)∈E,用表示i和j之间的欧式距离值;
车辆行驶网络对应的无向图G={N,A},其中N即为无向图S中的点集合,A={(i,j)|i∈N,j∈N,i≠j}表示N中任意两点在道路路网约束下最短距离道路所抽象的边,对于(i,j)∈A,用表示i和j之间在道路路网约束下最短距离道路的距离值;0表示作为起点时的起点,e表示作为终点时的起点。
进一步的,所述以无人机和车辆执行完所有任务回到起点所耗费的总时间最小为目标函数,包括:
目标函数为:
其中,xij∈{0,1}、yikj∈{0,1}、yipqj∈{0,1}为决策变量;
yikj∈{0,1}表示无人机从点i或其邻近区域起飞,访问点任务k后降落在点j或其邻近区域取值为1,否则取0,其中i∈N\{e},k∈P,j∈N\{0},i≠k≠j;
yipqj∈{0,1}表示无人机从点i或其邻近区域起飞,访问线段任务(p,q)后降落在点j或其邻近区域取值为1,否则取0,其中i∈N\{e},(p,q)∈L,j∈N\{0},i≠p≠q≠j;
xij∈{0,1}表示车辆从点i行驶到点j取值为1,否则取0,其中i∈N\{e},j∈N\{0},i≠j;
进一步的,所述获取预设的约束条件,包括:
约束1、点任务被无人机或车辆访问一次:
约束2、线段任务被无人机或车辆访问一次:
约束3、车辆在节点的进入次数等于离开次数:
约束4、车辆仅从起点出发一次:
约束5、车辆仅返回起点一次:
约束6、车辆路径上的节点访问次序:
约束7、无人机在任意节点邻近区域至多发射一次:
约束8、无人机在任意节点邻近区域至多被回收一次:
约束9、无人机起飞和降落关联节点必须在车辆路径上,且起飞关联节点优先于降落关联节点被车辆访问:
约束10、无人机执行任务时必须由车辆进行协同:
yikj+yipqj+yiqpj≤xij,
约束11、无人机单次飞行只访问一个点任务或一条线段任务:
yikj+(yipqj+yiqpj)≤1,
第二方面,提供了一种空地协同下无人机与车辆的任务分配系统,所述系统包括:
参数获取模块,用于获取无人机、车辆、任务和道路路网的参数集合;
任务分配模型构建模块,用于获取预设的空地协同下的约束条件,并以无人机和车辆执行完所有任务回到起点所耗费的总时间最小为目标函数,构建空地协同下无人机与车辆的任务分配模型;
模型求解模块,用于利用预设算法对任务分配模型进行求解,得到无人机执行任务方案和车辆执行任务方案。
进一步的,所述无人机参数,包括:无人机单位时间内旅行的距离值Vu、无人机续航时间Eu、无人机的最大飞行距离值R=EuVu;
所述车辆参数,包括:车辆单位时间内旅行的距离值Vv;
所述任务参数,包括:点任务参数P={1,...,n}和线段任务参数L={(n+1,n+2),...,(p,q),...,(n+m,n+m+1)};
其中,n表示点任务的数量,l=(p,q)表示一个线段任务,p和q是该路段的两端点,其中m表示线段任务的数量;
所述道路路网参数,包括:无人机飞行网络对应的无向图S={N,E}和车辆行驶网络对应的无向图G={N,A};
无人机飞行网络对应的无向图S={N,E},其中N={0,1,...,n,n+1,n+2,...,n+m,n+m+1,e},E={(i,j)|i∈N,j∈N,i≠j}表示N中任意两点之间的边,对于(i,j)∈E,用表示i和j之间的欧式距离值;
车辆行驶网络对应的无向图G={N,A},其中N即为无向图S中的点集合,A={(i,j)|i∈N,j∈N,i≠j}表示N中任意两点在道路路网约束下最短距离道路所抽象的边,对于(i,j)∈A,用表示i和j之间在道路路网约束下最短距离道路的距离值;0表示作为起点时的起点,e表示作为终点时的起点。
进一步的,所述以无人机和车辆执行完所有任务回到起点所耗费的总时间最小为目标函数,包括:
目标函数为:
其中,xij∈{0,1}、yikj∈{0,1}、yipqj∈{0,1}为决策变量;
yikj∈{0,1}表示无人机从点i或其邻近区域起飞,访问点任务k后降落在点j或其邻近区域取值为1,否则取0,其中i∈N\{e},k∈P,j∈N\{0},i≠k≠j;
yipqj∈{0,1}表示无人机从点i或其邻近区域起飞,访问线段任务(p,q)后降落在点j或其邻近区域取值为1,否则取0,其中i∈N\{e},(p,q)∈L,j∈N\{0},i≠p≠q≠j;
xij∈{0,1}表示车辆从点i行驶到点j取值为1,否则取0,其中i∈N\{e},j∈N\{0},i≠j;
进一步的,所述获取预设的约束条件,包括:
约束1、点任务被无人机或车辆访问一次:
约束2、线段任务被无人机或车辆访问一次:
约束3、车辆在节点的进入次数等于离开次数:
约束4、车辆仅从起点出发一次:
约束5、车辆仅返回起点一次:
约束6、车辆路径上的节点访问次序:
约束7、无人机在任意节点邻近区域至多发射一次:
约束8、无人机在任意节点邻近区域至多被回收一次:
约束9、无人机起飞和降落关联节点必须在车辆路径上,且起飞关联节点优先于降落关联节点被车辆访问:
约束10、无人机执行任务时必须由车辆进行协同:
yikj+yipqj+yiqpj≤xij,
约束11、无人机单次飞行只访问一个点任务或一条线段任务:
yikj+(yipqj+yiqpj)≤1,
第三方面,提供了一种计算机可读存储介质,其存储用于空地协同下无人机与车辆的任务分配的计算机程序,其中,所述计算机程序使得计算机执行上述的空地协同下无人机与车辆的任务分配方法。
第四方面,提供了一种电子设备,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述程序包括用于执行上述的空地协同下无人机与车辆的任务分配方法。
(三)有益效果
本发明提供了一种空地协同下无人机与车辆的任务分配方法和系统。与现有技术相比,具备以下有益效果:
1.本发明提出的空地协同能够在续航时间约束存在的条件下让无人机具备访问所有任务的能力。
2.通过空地协同下无人机与车辆的任务分配模型构建,可以快速有效的为无人机和车辆提供任务分配方案,实现无人机与车辆协同执行任务,提高巡逻效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提出的空地协同的示意图。
图2为本发明实施例的流程图;
图3为本发明输出的无人机执行序列和车辆执行序列的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请实施例通过提供一种空地协同下无人机与车辆的任务分配方法和系统,解决了如何进行空地协同下无人机与车辆的任务分配的问题。
本申请实施例中的技术方案为解决上述技术问题,总体思路如下:
为达到无人机访问所有任务的目标,充分发挥无人机的优势,本发明提出了一种空地协同模式,如图1所示,描述为车辆在行进的路段上可以放飞无人机,不再将无人机的发射位置和回收位置约束在任务上,车辆选取合适的位置发射无人机,无人机访问任务,并在另一个合适的位置被车辆回收,空地协同在无人机访问任务为前提下,根据无人机续航时间条件,即可选择合适的位置进行空地协同。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例1:
本发明提供了一种空地协同下无人机与车辆的任务分配方法,该方法包括:
获取无人机、车辆、任务和道路路网的参数集合;
获取预设的空地协同下的约束条件,并以无人机和车辆执行完所有任务回到起点所耗费的总时间最小为目标函数,构建空地协同下无人机与车辆的任务分配模型;
利用预设算法对任务分配模型进行求解,得到无人机执行任务方案和车辆执行任务方案。
本实施例的有益效果为:
1.本发明提出的空地协同能够在续航时间约束存在的条件下让无人机具备访问所有任务的能力。
2.通过空地协同下无人机与车辆的任务分配模型构建,可以快速有效的为无人机和车辆提供任务分配方案,实现无人机与车辆协同执行任务,提高效率。
对于本领域技术人员来说,显然本实施例可以用于不止一个具体的应用场景,例如物流配送、交通道路巡逻或其他场景,下面具体以道路巡逻场景为例,对本发明实施例的实现过程进行详细说明:
对于城市区域内若干路口和路段的交通巡逻需求,可以采用巡逻无人机和车辆协同完成交通巡逻任务。在该场景中,巡逻车辆携带一架无人机从巡逻中心出发,沿着交通路网行驶,在执行完所分配的交通巡逻任务后,再返回巡逻中心(即起点)。无人机可以从巡逻车辆上起飞,沿着航线飞行,在执行完所分配的交通巡逻任务后,再降落到巡逻车辆上。车辆行驶的路径受到道路路网的约束;无人机执行路段巡逻任务时也受到道路路网约束。
无人机操作包括yikj∈{0,1}和yipqj∈{0,1}在点i的邻近区域从巡逻车辆发射,巡逻点任务k或线段任务(p,q)并返回到在点j邻近区域内的巡逻车辆上,即无人机的发射位置和降落位置将不在约束到确定的节点上。
本发明需要解决的空地协同交通巡逻任务分配问题可描述为在给定的交通路网条件下,针对路口巡逻任务和路段巡逻任务,分别生成巡逻无人机和车辆的任务执行序列,使得巡逻车辆携带无人机返回巡逻中心时的总时间最小。
结合以上描述,本发明做出以下基本假设:
(1)巡逻车辆的续航时间视为无限制,无人机飞行时间有限;
(2)更换无人机电池耗时非常短,相对于全过程耗费时长忽略不计;
(3)空地协同过程中,巡逻车辆总早于无人机抵达回收位置并等待无人机,这一过程无人机视为自动起降,起飞和降落耗时忽略不计。
(4)线段任务长度均视为无人机飞行范围内。
S1、获取巡逻无人机、车辆、任务和道路路网的参数集合;
S1.1、巡逻无人机和车辆参数:
巡逻无人机和车辆速度恒定,单位时间内旅行的距离值分别用Vu和Vv表示,无人机续航时间用Eu表示,则无人机的最大飞行距离值R=EuVu。
S1.2、路口巡逻任务参数:
路口巡逻任务,巡逻时间可忽略不计,因此将此类任务抽象成点任务,并用P={1,...,n}进行路口所有巡逻任务表示,其中,n表示点任务的数量。
S1.3、路段巡逻任务参数:
路段巡逻任务,不同的路段由于距离值不同巡逻耗费时间也不相同,可以用路段两端节点进行表示,因此将此类任务抽象成线段任务,并用L={(n+1,n+2),...,(p,q),...,(n+m,n+m+1)}进行路段所有巡逻任务表示,l=(p,q)表示一个路段巡逻任务,p和q是该路段的两端点,其中,m表示线段任务的数量。
S1.4、巡逻中心参数:
巡逻中心既是无人机与车辆开始巡逻的起点,又是巡逻结束的终点。为了后续方便描述,用0表示作为起点时的巡逻中心,e表示作为终点时的巡逻中心。
S1.5、城市道路网络参数:
无人机飞行网络对应的无向图:
无人机被允许在任意两点之间飞行,飞行路径不受限于道路路网。由所有巡逻任务、巡逻中心所涉及到的点以及任意两点之间的边,共同构成无人机飞行网络对应的无向图S={N,E},
巡逻车辆行驶网络对应的无向图:
巡逻车辆需要沿着道路路网行驶,道路网络是一个复杂的交通网络,任意两点之间的距离是道路路网约束下此两点之间的最短距离,一般大于此两点之间的欧式距离。由所有巡逻任务、巡逻中心所涉及到的点以及任意两点之间在道路路网约束下最短距离道路所抽象的边,共同构成巡逻车辆行驶网络对应的无向图G={N,A},
其中,N即为无向图S中的点集合N,N={0,1,...,n,n+1,n+2,...,n+m,n+m+1,e},A={(i,j)|i∈N,j∈N,i≠j}表示N中任意两点在道路路网约束下最短距离道路所抽象的边。对于(i,j)∈A,用表示i和j之间在道路路网约束下最短距离道路的距离值。
S1.6、无向图节点之间的车辆行驶时间参数:
以车辆行驶路径所耗费的时间为时间计算基准,用以下两个时间参数表示巡逻过程中两种情况下两节点之间车辆的行驶时间:
只要任务分配方案确定,则这两个都是可以计算出来的已知参数。
S2、基于上述问题描述,构建空地协同交通巡逻任务分配模型,涉及到的决策变量与辅助决策变量、目标函数与约束条件的数学公式与表述含义,如下所示:
(1)决策变量:
yikj∈{0,1}:无人机从点i或其邻近区域起飞,访问点任务k后降落在点j或其邻近区域取值为1,否则取0,其中i∈N\{e},k∈P,j∈N\{0},i≠k≠j;
yipqj∈{0,1}表示无人机从点i或其邻近区域起飞,访问线段任务(p,q)后降落在点j或其邻近区域取值为1,否则取0,其中i∈N\{e},(p,q)∈L,j∈N\{0},i≠p≠q≠j。
xij∈{0,1}:车辆从点i行驶到点j取值为1,否则取0,其中i∈N\{e},j∈N\{0},i≠j;
(2)辅助决策变量:
以最小化巡逻无人机与车辆协同交通巡逻全过程总时间为目标的目标函数:
约束条件具体包括:任务访问约束、巡逻车辆路径约束、无人机路径约束、空地协同约束、无人机能力约束。
任务访问约束:
约束1、点任务被巡逻无人机或车辆访问一次:
约束2、线段任务被巡逻无人机或车辆访问一次:
巡逻车辆路径约束:
约束3、巡逻车辆在节点的进入次数等于离开次数:
约束4、巡逻车辆仅从巡逻中心出发一次:
约束5、巡逻车辆仅返回巡逻中心一次:
约束6、巡逻车辆路径上的节点访问次序(消除巡逻车辆出现子回路):
无人机路径约束:
约束7、无人机在任意节点邻近区域至多发射一次:
约束8、无人机在任意节点邻近区域至多被回收一次:
空地协同约束:
约束9、无人机起飞和降落关联节点必须在车辆路径上,且起飞关联节点优先于降落关联节点被车辆访问:
约束10、无人机执行任务时必须由车辆进行协同:
yikj+yipqj+yiqpj≤xij,
无人机能力约束:
约束11、无人机单次飞行只访问一个点任务或一条线段任务:
yikj+(yipqj+yiqpj)≤1,
S3、利用预设算法对任务分配模型进行求解,得到针对路口巡逻任务和路段巡逻任务的无人机执行序列和车辆执行序列。具体的一种方式:可预先构建的启发式算法库,里面可包括遗传算法、粒子群算法、模拟退火算法、蚁群算法等算法。
举例说明,求解得到的无人机执行序列和车辆执行序列,如图3所示,车辆从起点0出发访问了线段任务(3,4)、点任务1和5、任务(6,7)、点任务10后回到终点0,并在访问节点4之后进行第一次无人机发射,在访问节点1之前进行第一次无人机回收,在访问节点5之后进行了第二次无人机发射,在访问节点6之前进行了第二次的无人机回收。无人机进行了两次访问飞行,第一次访问了点任务2,第二次访问了线段任务(9,8)。因此,两条完整的无人机实际巡逻路径分别为4'→2→1'和5”→9→8→6',一条完整的巡逻车辆实际巡逻路径为0→3→4→4'→1'→1→5→5'→6'→6→7→10→0。
实施例2
本发明还提供了一种空地协同下无人机与车辆的任务分配系统,所述系统包括:
参数获取模块,用于获取无人机、车辆、任务和道路路网的参数集合;
任务分配模型构建模块,用于获取预设的空地协同下的约束条件,并以无人机和车辆执行完所有任务回到起点所耗费的总时间最小为目标函数,构建空地协同下无人机与车辆的任务分配模型;
模型求解模块,用于利用预设算法对任务分配模型进行求解,得到无人机执行任务方案和车辆执行任务方案。
可理解的是,本发明实施例提供的空地协同下无人机与车辆的任务分配系统与上述空地协同下无人机与车辆的任务分配方法相对应,其有关内容的解释、举例、有益效果等部分可以参考空地协同下无人机与车辆的任务分配方法中的相应内容,此处不再赘述。
实施例3
提供了一种计算机可读存储介质,其存储用于空地协同下无人机与车辆的任务分配的计算机程序,其中,所述计算机程序使得计算机执行上述的空地协同下无人机与车辆的任务分配方法。
实施例4
提供了一种电子设备,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述程序包括用于执行上述的空地协同下无人机与车辆的任务分配方法。
综上所述,与现有技术相比,本发明具备以下有益效果:
1.本发明提出的空地协同能够在续航时间约束存在的条件下让无人机具备访问所有任务的能力,可以促进无人机更好的服务于交通巡逻。
2.通过空地协同下无人机与车辆的任务分配模型构建,可以快速有效的为无人机和车辆提供巡逻任务分配方案,实现无人机与车辆协同巡逻任务,提高巡逻效率。
3.可实现无人机与车辆的高效巡逻,可以减少当前巡逻警员的工作量,为巡逻警员承担部分的工作,减轻负担。
需要说明的是,通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种空地协同下无人机与车辆的任务分配方法,其特征在于,该方法包括:
获取无人机、车辆、任务和道路路网的参数集合;
获取预设的空地协同下的约束条件,并以无人机和车辆执行完所有任务回到起点所耗费的总时间最小为目标函数,构建空地协同下无人机与车辆的任务分配模型;
利用预设算法对任务分配模型进行求解,得到无人机执行任务方案和车辆执行任务方案。
2.如权利要求1所述的一种空地协同下无人机与车辆的任务分配方法,其特征在于,
所述无人机参数,包括:无人机单位时间内旅行的距离值Vu、无人机续航时间Eu、无人机的最大飞行距离值R=EuVu;
所述车辆参数,包括:车辆单位时间内旅行的距离值Vv;
所述任务参数,包括:点任务参数P={1,...,n}和线段任务参数L={(n+1,n+2),...,(p,q),...,(n+m,n+m+1)};
其中,n表示点任务的数量,l=(p,q)表示一个线段任务,p和q是该路段的两端点,其中m表示线段任务的数量;
所述道路路网参数,包括:无人机飞行网络对应的无向图S={N,E}和车辆行驶网络对应的无向图G={N,A};
无人机飞行网络对应的无向图S={N,E},其中N={0,1,...,n,n+1,n+2,...,n+m,n+m+1,e},E={(i,j)|i∈N,j∈N,i≠j}表示N中任意两点之间的边,对于(i,j)∈E,用表示i和j之间的欧式距离值;
3.如权利要求2所述的一种空地协同下无人机与车辆的任务分配方法,其特征在于,所述以无人机和车辆执行完所有任务回到起点所耗费的总时间最小为目标函数,包括:
目标函数为:
其中,xij∈{0,1}、yikj∈{0,1}、yipqj∈{0,1}为决策变量;
yikj∈{0,1}表示无人机从点i或其邻近区域起飞,访问点任务k后降落在点j或其邻近区域取值为1,否则取0,其中i∈N\{e},k∈P,j∈N\{0},i≠k≠j;
yipqj∈{0,1}表示无人机从点i或其邻近区域起飞,访问线段任务(p,q)后降落在点j或其邻近区域取值为1,否则取0,其中i∈N\{e},(p,q)∈L,j∈N\{0},i≠p≠q≠j;
xij∈{0,1}表示车辆从点i行驶到点j取值为1,否则取0,其中i∈N\{e},j∈N\{0},i≠j;
4.如权利要求3所述的一种空地协同下无人机与车辆的任务分配方法,其特征在于,所述获取预设的约束条件,包括:
约束1、点任务被无人机或车辆访问一次:
约束2、线段任务被无人机或车辆访问一次:
约束3、车辆在节点的进入次数等于离开次数:
约束4、车辆仅从起点出发一次:
约束5、车辆仅返回起点一次:
约束6、车辆路径上的节点访问次序:
约束7、无人机在任意节点邻近区域至多发射一次:
约束8、无人机在任意节点邻近区域至多被回收一次:
约束9、无人机起飞和降落关联节点必须在车辆路径上,且起飞关联节点优先于降落关联节点被车辆访问:
约束10、无人机执行任务时必须由车辆进行协同:
yikj+yipqj+yiqpj≤xij,
约束11、无人机单次飞行只访问一个点任务或一条线段任务:
yikj+(yipqj+yiqpj)≤1,
5.一种空地协同下无人机与车辆的任务分配系统,其特征在于,所述系统包括:
参数获取模块,用于获取无人机、车辆、任务和道路路网的参数集合;
任务分配模型构建模块,用于获取预设的空地协同下的约束条件,并以无人机和车辆执行完所有任务回到起点所耗费的总时间最小为目标函数,构建空地协同下无人机与车辆的任务分配模型;
模型求解模块,用于利用预设算法对任务分配模型进行求解,得到无人机执行任务方案和车辆执行任务方案。
6.如权利要求5所述的一种空地协同下无人机与车辆的任务分配系统,其特征在于,
所述无人机参数,包括:无人机单位时间内旅行的距离值Vu、无人机续航时间Eu、无人机的最大飞行距离值R=EuVu;
所述车辆参数,包括:车辆单位时间内旅行的距离值Vv;
所述任务参数,包括:点任务参数P={1,...,n}和线段任务参数L={(n+1,n+2),...,(p,q),...,(n+m,n+m+1)};
其中,n表示点任务的数量,l=(p,q)表示一个线段任务,p和q是该路段的两端点,其中m表示线段任务的数量;
所述道路路网参数,包括:无人机飞行网络对应的无向图S={N,E}和车辆行驶网络对应的无向图G={N,A};
无人机飞行网络对应的无向图S={N,E},其中N={0,1,...,n,n+1,n+2,...,n+m,n+m+1,e},E={(i,j)|i∈N,j∈N,i≠j}表示N中任意两点之间的边,对于(i,j)∈E,用表示i和j之间的欧式距离值;
7.如权利要求6所述的一种空地协同下无人机与车辆的任务分配系统,其特征在于,所述以无人机和车辆执行完所有任务回到起点所耗费的总时间最小为目标函数,包括:
目标函数为:
其中,xij∈{0,1}、yikj∈{0,1}、yipqj∈{0,1}为决策变量;
yikj∈{0,1}表示无人机从点i或其邻近区域起飞,访问点任务k后降落在点j或其邻近区域取值为1,否则取0,其中i∈N\{e},k∈P,j∈N\{0},i≠k≠j;
yipqj∈{0,1}表示无人机从点i或其邻近区域起飞,访问线段任务(p,q)后降落在点j或其邻近区域取值为1,否则取0,其中i∈N\{e},(p,q)∈L,j∈N\{0},i≠p≠q≠j;
xij∈{0,1}表示车辆从点i行驶到点j取值为1,否则取0,其中i∈N\{e},j∈N\{0},i≠j;
8.如权利要求7所述的一种空地协同下无人机与车辆的任务分配系统,其特征在于,所述获取预设的约束条件,包括:
约束1、点任务被无人机或车辆访问一次:
约束2、线段任务被无人机或车辆访问一次:
约束3、车辆在节点的进入次数等于离开次数:
约束4、车辆仅从起点出发一次:
约束5、车辆仅返回起点一次:
约束6、车辆路径上的节点访问次序:
约束7、无人机在任意节点邻近区域至多发射一次:
约束8、无人机在任意节点邻近区域至多被回收一次:
约束9、无人机起飞和降落关联节点必须在车辆路径上,且起飞关联节点优先于降落关联节点被车辆访问:
约束10、无人机执行任务时必须由车辆进行协同:
yikj+yipqj+yiqpj≤xij,
约束11、无人机单次飞行只访问一个点任务或一条线段任务:
yikj+(yipqj+yiqpj)≤1,
9.一种计算机可读存储介质,其特征在于,其存储用于空地协同下无人机与车辆的任务分配的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-4任一项所述的空地协同下无人机与车辆的任务分配方法。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述程序包括用于执行如权利要求1-4任一项所述的空地协同下无人机与车辆的任务分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110858529.7A CN113671986B (zh) | 2021-07-28 | 2021-07-28 | 空地协同下无人机与车辆的任务分配方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110858529.7A CN113671986B (zh) | 2021-07-28 | 2021-07-28 | 空地协同下无人机与车辆的任务分配方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113671986A true CN113671986A (zh) | 2021-11-19 |
CN113671986B CN113671986B (zh) | 2022-10-18 |
Family
ID=78540578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110858529.7A Active CN113671986B (zh) | 2021-07-28 | 2021-07-28 | 空地协同下无人机与车辆的任务分配方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113671986B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114115287A (zh) * | 2021-12-06 | 2022-03-01 | 西安航空学院 | 一种无人车-无人机空地协同巡逻和引导系统 |
CN114239319A (zh) * | 2021-12-30 | 2022-03-25 | 中国民用航空总局第二研究所 | 无人机航线获取系统 |
CN116300990A (zh) * | 2022-11-18 | 2023-06-23 | 南京航空航天大学 | 一种用于低空环境的直升机和无人机协同搜救的时间规划方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991818A (zh) * | 2017-05-23 | 2017-07-28 | 安徽科力信息产业有限责任公司 | 一种有效缓解城市交通拥堵的方法、存储介质和系统 |
CN107134133A (zh) * | 2017-01-23 | 2017-09-05 | 北京博研智通科技有限公司 | 辖区之间高速公路交通拥堵程度排序的方法和系统 |
WO2018048854A1 (en) * | 2016-09-09 | 2018-03-15 | Wal-Mart Stores, Inc. | Apparatus and method for unmanned flight task optimization |
CN108256553A (zh) * | 2017-12-20 | 2018-07-06 | 中国人民解放军国防科技大学 | 车辆搭载无人机双层路径的构造方法及装置 |
US10140875B1 (en) * | 2017-05-27 | 2018-11-27 | Hefei University Of Technology | Method and apparatus for joint optimization of multi-UAV task assignment and path planning |
WO2021057601A1 (zh) * | 2019-09-26 | 2021-04-01 | 深圳市道通智能航空技术有限公司 | 一种无人机飞行方法、装置和无人机 |
CN112731967A (zh) * | 2020-12-24 | 2021-04-30 | 中科院计算技术研究所大数据研究院 | 一种基于聚类和遗传算法的多无人机协同任务规划方法 |
-
2021
- 2021-07-28 CN CN202110858529.7A patent/CN113671986B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018048854A1 (en) * | 2016-09-09 | 2018-03-15 | Wal-Mart Stores, Inc. | Apparatus and method for unmanned flight task optimization |
CN107134133A (zh) * | 2017-01-23 | 2017-09-05 | 北京博研智通科技有限公司 | 辖区之间高速公路交通拥堵程度排序的方法和系统 |
CN106991818A (zh) * | 2017-05-23 | 2017-07-28 | 安徽科力信息产业有限责任公司 | 一种有效缓解城市交通拥堵的方法、存储介质和系统 |
US10140875B1 (en) * | 2017-05-27 | 2018-11-27 | Hefei University Of Technology | Method and apparatus for joint optimization of multi-UAV task assignment and path planning |
CN108256553A (zh) * | 2017-12-20 | 2018-07-06 | 中国人民解放军国防科技大学 | 车辆搭载无人机双层路径的构造方法及装置 |
WO2021057601A1 (zh) * | 2019-09-26 | 2021-04-01 | 深圳市道通智能航空技术有限公司 | 一种无人机飞行方法、装置和无人机 |
CN112731967A (zh) * | 2020-12-24 | 2021-04-30 | 中科院计算技术研究所大数据研究院 | 一种基于聚类和遗传算法的多无人机协同任务规划方法 |
Non-Patent Citations (3)
Title |
---|
HE DONG 等: "Research on Computing Task Allocation Method Based on Multi-UAVs Collaboration", 《2020 IEEE INTERNATIONAL CONFERENCE ON SMART INTERNET OF THINGS (SMARTIOT)》 * |
刘正元 等: "无人机在应急物流配送中的任务分配模型构建", 《科技管理研究》 * |
叶青松 等: "多无人机编队协同目标分配的两阶段求解方法", 《合肥工业大学学报(自然科学版)》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114115287A (zh) * | 2021-12-06 | 2022-03-01 | 西安航空学院 | 一种无人车-无人机空地协同巡逻和引导系统 |
CN114115287B (zh) * | 2021-12-06 | 2023-09-22 | 西安航空学院 | 一种无人车-无人机空地协同巡逻和引导系统 |
CN114239319A (zh) * | 2021-12-30 | 2022-03-25 | 中国民用航空总局第二研究所 | 无人机航线获取系统 |
CN114239319B (zh) * | 2021-12-30 | 2023-11-10 | 中国民用航空总局第二研究所 | 无人机航线获取系统 |
CN116300990A (zh) * | 2022-11-18 | 2023-06-23 | 南京航空航天大学 | 一种用于低空环境的直升机和无人机协同搜救的时间规划方法 |
CN116300990B (zh) * | 2022-11-18 | 2023-11-07 | 南京航空航天大学 | 用于低空环境的直升机和无人机协同搜救时间规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113671986B (zh) | 2022-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113671986B (zh) | 空地协同下无人机与车辆的任务分配方法和系统 | |
CN112418497B (zh) | 一种面向制造物联的物料配送路径优化方法 | |
CN110852554B (zh) | 车机协同下无人机任务分配智能决策方法及装置 | |
Khochare et al. | Heuristic algorithms for co-scheduling of edge analytics and routes for UAV fleet missions | |
CN108650011B (zh) | 多无人机与地面网络协作性数据中继方法及系统 | |
CN111813144B (zh) | 一种基于改进羊群算法的多无人机协同航路规划方法 | |
Yang et al. | Optimization and improvement for multi-UAV cooperative reconnaissance mission planning problem | |
He et al. | An adaptive variable neighborhood search ant colony algorithm for vehicle routing problem with soft time windows | |
CN114281104A (zh) | 一种基于改进蚁群算法的多无人机协同调控方法 | |
CN115079701A (zh) | 一种无人车与无人机协同的路径规划方法 | |
Du et al. | AI-based energy-efficient path planning of multiple logistics UAVs in intelligent transportation systems | |
Xu et al. | A GV-drone arc routing approach for urban traffic patrol by coordinating a ground vehicle and multiple drones | |
CN113934228A (zh) | 基于协商共识的集群四旋翼无人机任务规划方法 | |
Asghar et al. | Risk-aware recharging rendezvous for a collaborative team of uavs and ugvs | |
CN116088586B (zh) | 一种无人机作战过程中的临机任务规划的方法 | |
Liu et al. | Real-time traffic impedance and priority based cooperative path planning mechanism for SOC-ITS: Efficiency and equilibrium | |
CN110662272A (zh) | 一种基于蜂群无人机的最少数量领航者选取方法 | |
CN113487264B (zh) | 一种基于异构多无人机的物流配送方法及系统 | |
CN113807646A (zh) | 无人机与车辆协同任务分配的智能优化方法和系统 | |
CN115062486A (zh) | 一种单车辆与多无人机协同弧路由调度方法 | |
CN113095543B (zh) | 用于机场停机位与滑行道的分配方法及系统 | |
Wang et al. | Joint path planning of truck and drones for mobile crowdsensing: Model and algorithm | |
CN110825104B (zh) | 移动平台路径规划与无人机任务分配的两阶段优化方法 | |
Lin et al. | Multi-task assignment of logistics distribution based on modified ant colony optimization | |
Liu et al. | An improved ant colony algorithm for the vehicle routing problem in time-dependent networks |
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 |