CN114117322A - 一种城市低空无人机物流运输航路网络容量的评估方法 - Google Patents

一种城市低空无人机物流运输航路网络容量的评估方法 Download PDF

Info

Publication number
CN114117322A
CN114117322A CN202111344647.2A CN202111344647A CN114117322A CN 114117322 A CN114117322 A CN 114117322A CN 202111344647 A CN202111344647 A CN 202111344647A CN 114117322 A CN114117322 A CN 114117322A
Authority
CN
China
Prior art keywords
airway
network
objective function
aerial vehicle
unmanned aerial
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
Application number
CN202111344647.2A
Other languages
English (en)
Other versions
CN114117322B (zh
Inventor
张洪海
夷珈
钟罡
刘皞
李姗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202111344647.2A priority Critical patent/CN114117322B/zh
Publication of CN114117322A publication Critical patent/CN114117322A/zh
Application granted granted Critical
Publication of CN114117322B publication Critical patent/CN114117322B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Mathematical Optimization (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Algebra (AREA)

Abstract

本发明公开了一种城市低空无人机物流运输航路网络容量的评估方法，包括以下步骤，采集目标区域的航路网络结构的基本信息，并对基本信息进行结构化、信息化处理后，构建航路网络结构的拓扑结构图；基于拓扑结构图，获取单位时间内航路网络容纳的最大无人机流量，构建以整体航路网络流量最大为上层规划的第一目标函数；基于拓扑结构图，根据Wardrop系统最优原则，构建以整体航路网络总阻抗最小为下层规划的第二目标函数；基于第一目标函数和第二目标函数，根据Kuhn‑Tucker定理以及通过遗传算法，获取目标区域内区域的物流运输航路网络容量；本发明为未来城市低空空中交通的规划与管理提供了技术参考和技术依据。

Description

一种城市低空无人机物流运输航路网络容量的评估方法
技术领域
本发明涉及城市低空空中交通技术领域，是一种面向低空无人机物流运输的航路网络容量评估方法。
背景技术
近年来，随着人们物质生活水平的不断提高，物流运输行业发展迅速，城市内快递配送与外卖服务的业务量持续增长，人们对于交通出行日益增长的需求与有限的地面道路资源之间形成了鲜明的对比。因此，国内外的研究学者开始将目光投向城市空中资源。研究表明，城市空中交通物流运输市场广阔、潜能巨大，是缓解地面物流运输压力的有效途径之一。目前，我国低空空域尚未完全开放，诸如城市低空空域划设、无人机运行模式等核心问题也仍处于探索阶段。部分学者考虑到无人机具备一定的自主避障和路径规划能力，认为自由、自主飞行是未来城市低空运行模式的趋势，但本发明认为，城市低空复杂多变，无人机机型多种多样，为降低风险，提高安全性，实现监控与管理，按照航路网络飞行更适合于城市低空环境。容量评估是空中交通管理的重要组成部分，是实施流量管理的前提，也是评价航路网络划设是否合理的重要指标之一。有效的城市低空无人机物流运输航路网络容量评估是实现低空无人机物流运输的重要基础，也是城市低空航路网络划设的重要参考标准之一，因此，急需一种评估城市低空无人机物流运输航路网络容量的方法，为低空航路网络的建设提供支持。
发明内容
本发明的目的是提出一种城市低空无人机物流运输航路网络容量评估的方法，通过获取区域内航路网络结构的基本信息，如起降点坐标、航线构成、航路长度、航线方向等，建立航路网络属性表，并根据实际的航路网络绘制拓扑结构图。将低空无人机物流运输航路网络容量定义为单位时间内航路网络所能容纳的最大无人机流量，以整体航路网络流量最大为上层规划的目标函数，以整体航路网络总阻抗最小为下层规划的目标函数，从而构建城市低空航路网络容量评估双层规划模型，采取遗传算法等启发式算法对模型进行求解，从而得到区域内无人机物流运输航路网络容量。
为了实现上述目的，本发明提供了一种城市低空无人机物流运输航路网络容量的评估方法，包括以下步骤：
采集目标区域的航路网络结构的基本信息，并对基本信息进行结构化、信息化处理后，构建航路网络结构的拓扑结构图，其中，基本信息至少包括降点坐标、航线构成、航路长度、航线方向；
基于拓扑结构图，获取单位时间内航路网络容纳的最大无人机流量，构建以整体航路网络流量最大为上层规划的第一目标函数；
基于拓扑结构图，根据Wardrop系统最优原则，构建以整体航路网络总阻抗最小为下层规划的第二目标函数；
基于第一目标函数和第二目标函数，根据Kuhn-Tucker定理以及通过遗传算法，获取目标区域内区域的物流运输航路网络容量。
优选地，在构建第一目标函数的过程中，第一目标函数的表达式为：
Figure BDA0003353539270000031
其中，Q表示区域内无人机物流运输航路网络流量，求解无人机物流运输航路网络最大流量即为其容量；(i,j)表示航路网络中的OD对，i∈I表示起点，I为起点集合，j∈J表示终点，J为终点集合；qij表示从起点i到降点j的OD飞行流量。
优选地，在构建第一目标函数的过程中，第一目标函数还包括第一目标函数的第一约束条件，其中，第一约束条件包括整体航路网络流量必须非负。
优选地，第一约束条件的表达式为：
Figure BDA0003353539270000032
其中，
Figure BDA0003353539270000033
表示从起点i到降点j的航线a上的飞行流量，a∈Aij，Aij表示i和j之间的航线集合。
优选地，在构建第二目标函数的过程中，第二目标函数的表达式为：
Figure BDA0003353539270000034
其中，Z表示区域内无人机物流运输航路网络的总阻抗；xk表示航路k的飞行流量，k∈K，K为所有航路的集合；wk表示航路k的阻抗函数，wk∈W，W为所有航路k上的阻抗集合。
优选地，在构建第二目标函数的过程中，第二目标函数还包括第二目标函数的第二约束条件，第二约束条件包括分配到单条航路上的流量小于等于单条航路的容量、每条单条航路之间的航路流量的关系、OD需求与各航路分配到的流量相等。
优选地，在构建第二目标函数的过程中，第二目标函数的表达式包括：
xk≤Ck
Figure BDA0003353539270000041
Figure BDA0003353539270000042
其中，xk表示航路k上的飞行流量，Ck表示航路k的容量，dk表示航路k全长，du表示无人机身长，v0×1.1表示无人机运行安全间隔，无人机运行安全间隔表示无人机运行1秒的距离加10％的保护距离，
Figure BDA0003353539270000043
表示分配到各航路的飞行流量，
Figure BDA0003353539270000044
表示航路航线关系矩阵，
Figure BDA0003353539270000045
为0、1变量，若航线a包括航路k，则
Figure BDA0003353539270000046
为1，否则为0。
优选地，第二目标函数的表达式还包括：
wk＝αtk+(1-α)rk
Figure BDA0003353539270000047
其中，wk表示航路网络的交通组阻抗函数，tk表示效率阻抗，rk表示安全阻抗；
效率阻抗
Figure BDA0003353539270000048
dk表示航路k的长度，vk表示无人机在航路k的巡航速度；
安全阻抗rk＝rp×rs，rp表示无人机发生安全事故的概率；rs表示当无人机发生安全事故时的影响程度，其中，
Figure BDA0003353539270000051
ra表示无人机发生坠机时的撞地面积，rλ表示无人机飞行所使用的航路的地面人口密度，E表示撞击动能，S表示遮蔽系数，α和β是模型中的固定参数。
优选地，根据第一目标函数、第一约束条件、第二目标函数、第二约束条件，构建低空航路网络容量评估双层规划模型；
基于Kuhn-Tucker定理，将低空航路网络容量评估双层规划模型，转化为单层规划模型，并通过遗传算法进行求解，获取物流运输航路网络容量。
优选地，低空航路网络容量评估双层规划模型的表达式为：
Figure BDA0003353539270000052
本发明公开了以下技术效果：
本发明为城市低空无人机物流运输航路网络容量评估提供了一种方法，为未来城市低空交通流量管理、城市低空航路网络划设以及实现低空无人机物流运输提供了技术依据。获取区域内航路网络结构的基本信息，如起降点坐标、航线构成、航路长度、航线方向等；对获取的数据进行结构化、信息化处理，形成航路网络属性表；根据实际的航路网络绘制拓扑结构图。将低空无人机物流运输航路网络容量定义为单位时间内航路网络所能容纳的最大无人机流量，以整体航路网络流量最大为上层规划的目标函数，约束条件主要是航线上的流量必须非负；参照Wardrop系统最优原则，以整体航路网络总阻抗最小为下层规划的目标函数，约束条件主要有分配到单条航路上的流量必须小于等于其容量、航线流量与航路流量的关系、OD需求与各航线分配到的流量相等。从而构建低空航路网络容量评估双层规划模型，利用Kuhn-Tucker定理，将双层规划模型转化为单层规划模型，采取遗传算法等启发式算法对模型进行求解，最终得到区域内无人机物流运输航路网络容量。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的方法流程示意图；
图2为本发明的具体实施方式示意图。
具体实施方式
下为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
如图1-2所示，本发明提供了一种城市低空无人机物流运输航路网络容量的评估方法，包括：
采集目标区域的航路网络结构的基本信息，并对基本信息进行结构化、信息化处理后，构建航路网络结构的拓扑结构图，其中，基本信息至少包括降点坐标、航线构成、航路长度、航线方向；
基于拓扑结构图，获取单位时间内航路网络容纳的最大无人机流量，构建以整体航路网络流量最大为上层规划的第一目标函数；
基于拓扑结构图，根据Wardrop系统最优原则，构建以整体航路网络总阻抗最小为下层规划的第二目标函数；
基于第一目标函数和第二目标函数，根据Kuhn-Tucker定理以及通过遗传算法，获取目标区域内区域的物流运输航路网络容量。
进一步优选地，在构建第一目标函数的过程中，第一目标函数的表达式为：
Figure BDA0003353539270000081
其中，Q表示区域内无人机物流运输航路网络流量，求解无人机物流运输航路网络最大流量即为其容量；(i,j)表示航路网络中的OD对，i∈I表示起点，I为起点集合，j∈J表示终点，J为终点集合；qij表示从起点i到降点j的OD飞行流量。
进一步优选地，在构建第一目标函数的过程中，第一目标函数还包括第一目标函数的第一约束条件，其中，第一约束条件包括整体航路网络流量必须非负。
进一步优选地，第一约束条件的表达式为：
Figure BDA0003353539270000082
其中，
Figure BDA0003353539270000083
表示从起点i到降点j的航线a上的飞行流量，a∈Aij，Aij表示i和j之间的航线集合。
优选地，在构建第二目标函数的过程中，第二目标函数的表达式为：
Figure BDA0003353539270000084
其中，Z表示区域内无人机物流运输航路网络的总阻抗；xk表示航路k的飞行流量，k∈K，K为所有航路的集合；wk表示航路k的阻抗函数，wk∈W，W为所有航路k上的阻抗集合。
进一步优选地，在构建第二目标函数的过程中，第二目标函数还包括第二目标函数的第二约束条件，第二约束条件包括分配到单条航路上的流量小于等于单条航路的容量、每条单条航路之间的航路流量的关系、OD需求与各航路分配到的流量相等。
进一步优选地，在构建第二目标函数的过程中，第二目标函数的表达式包括：
xk≤Ck
Figure BDA0003353539270000091
Figure BDA0003353539270000092
其中，xk表示航路k上的飞行流量，Ck表示航路k的容量，dk表示航路k全长，du表示无人机身长，v0×1.1表示无人机运行安全间隔，无人机运行安全间隔表示无人机运行1秒的距离加10％的保护距离，
Figure BDA0003353539270000093
表示分配到各航路的飞行流量，
Figure BDA0003353539270000094
表示航路航线关系矩阵，
Figure BDA0003353539270000095
为0、1变量，若航线a包括航路k，则
Figure BDA0003353539270000096
为1，否则为0。
进一步优选地，第二目标函数的表达式还包括：
wk＝αtk+(1-α)rk
Figure BDA0003353539270000097
其中，wk表示航路网络的交通组阻抗函数，tk表示效率阻抗，rk表示安全阻抗；
效率阻抗
Figure BDA0003353539270000098
dk表示航路k的长度，vk表示无人机在航路k的巡航速度；
安全阻抗rk＝rp×rs，rp表示无人机发生安全事故的概率；rs表示当无人机发生安全事故时的影响程度，其中，
Figure BDA0003353539270000101
ra表示无人机发生坠机时的撞地面积，rλ表示无人机飞行所使用的航路的地面人口密度，E表示撞击动能，S表示遮蔽系数，α和β是模型中的固定参数。
进一步优选地，根据第一目标函数、第一约束条件、第二目标函数、第二约束条件，构建低空航路网络容量评估双层规划模型；
基于Kuhn-Tucker定理，将低空航路网络容量评估双层规划模型，转化为单层规划模型，并通过遗传算法进行求解，获取物流运输航路网络容量。
进一步优选地，低空航路网络容量评估双层规划模型的表达式为：
Figure BDA0003353539270000102
本发明还公开了一种城市低空无人机物流运输航路网络容量的评估系统，用于实现上述的评估方法，包括以下功能模块：
数据采集模块，用于采集目标区域的航路网络结构的基本信息，并对基本信息进行结构化、信息化处理后，构建航路网络结构的拓扑结构图，其中，基本信息至少包括降点坐标、航线构成、航路长度、航线方向；
第一数据处理模块，用于基于拓扑结构图，获取单位时间内航路网络容纳的最大无人机流量，构建以整体航路网络流量最大为上层规划的第一目标函数；
第二数据处理模块，用于基于拓扑结构图，根据Wardrop系统最优原则，构建以整体航路网络总阻抗最小为下层规划的第二目标函数；
数据分析模块，用于基于第一目标函数和第二目标函数，根据Kuhn-Tucker定理以及通过遗传算法，获取目标区域内区域的物流运输航路网络容量。
实施例1：本发明公开了一种城市低空无人机物流运输航路网络容量评估的方法，包括如下步骤：获取区域内航路网络结构的基本信息，如起降点坐标、航线构成、航路长度、航线方向等；对获取的数据进行结构化、信息化处理，形成航路网络属性表；根据实际的航路网络绘制拓扑结构图。将低空无人机物流运输航路网络容量定义为单位时间内航路网络所能容纳的最大物流无人机流量，以整体航路网络流量最大为上层规划的目标函数，约束条件主要是航线上的流量必须非负；参照Wardrop系统最优原则，以整体航路网络总阻抗最小为下层规划的目标函数，约束条件主要有分配到单条航路上的流量必须小于等于其容量、航线流量与航路流量的关系、OD需求与各航线分配到的流量相等。从而构建低空航路网络容量评估双层规划模型，利用Kuhn-Tucker定理，将双层规划模型转化为单层规划模型，采取遗传算法等启发式算法对模型进行求解，最终得到区域内无人机物流运输航路网络容量。
如图1所示，一种面向低空无人机物流运输的航路网络容量评估方法，具体实施步骤如下：
(1)获取区域内航路网络结构的基本信息，如起降点坐标、航线构成、航路长度、航线方向等；对获取的数据进行结构化、信息化处理，形成航路网络属性表；根据实际的航路网络绘制拓扑结构图；
(2)将低空无人机物流运输航路网络容量定义为单位时间内航路网络所能容纳的最大无人机流量，以整体航路网络流量最大为上层规划的目标函数；
(3)参照Wardrop系统最优原则，以整体航路网络总阻抗最小为下层规划的目标函数；
(4)利用Kuhn-Tucker定理，将步骤(3)中的双层规划模型转化为单层规划模型，采取遗传算法等启发式算法对模型进行求解，最终得到区域内无人机物流运输航路网络容量。
本发明从交通流分配的角度出发，首先确定上层目标为求解整体航路网络最大飞行流量，其次参考Wardrop系统最优原则，以整体航路网络总阻抗最小为下层规划的目标。考虑到网络中飞行流量的非负性，航路飞行流量与航线飞行流量的关系，单条航路上的容量限制，OD交通流分配的基本条件等因素，采用双层规划模型，提出了一种面向低空无人机物流运输的航路网络容量评估方法，为未来城市低空交通流量管理、城市低空航路网络划设以及实现低空无人机物流运输提供了技术依据。
本发明公开了一种面向低空无人机物流运输的航路网络容量评估方法，具体实施流程如图2所示，包括如下步骤：
步骤1：获取区域内航路网络结构的基本信息，如起降点坐标、航线构成、航路长度、航线方向等；对获取的数据进行结构化、信息化处理，形成航路网络属性表；根据实际的航路网络绘制拓扑结构图；
步骤2：将低空无人机物流运输航路网络容量定义为单位时间内航路网络所能容纳的最大无人机流量，以整体航路网络流量最大为上层规划的目标函数；
步骤3：根据步骤2中的上层规划目标函数，建立的约束条件主要是航线上的流量必须非负；
步骤4：参照Wardrop系统最优原则，以整体航路网络总阻抗最小为下层规划的目标函数；
步骤5：根据步骤4中的下层规划目标函数，建立的约束条件主要有分配到单条航路上的流量必须小于等于其容量、航线流量与航路流量的关系、OD需求与各航线分配到的流量相等；
步骤6：根据步骤2中的上层规划目标函数、步骤3中的上层规划的约束条件、步骤4中的下层规划的目标函数、步骤5中的下层规划约束条件，构建低空航路网络容量评估双层规划模型；
步骤7：利用Kuhn-Tucker定理，将步骤6中的双层规划模型转化为单层规划模型；
步骤8：采取遗传算法等启发式算法对模型进行求解，最终得到区域内无人机物流运输航路网络容量。
步骤2中的将低空无人机物流运输航路网络容量定义为单位时间内航路网络所能容纳的最大无人机流量以整体航路网络流量最大为上层规划的目标函数为：
Figure BDA0003353539270000141
其中，Q表示区域内无人机物流运输航路网络流量，求解无人机物流运输航路网络最大流量即为其容量；(i,j)表示航路网络中的OD对，i∈I表示起点，I为起点集合，j∈J表示终点，J为终点集合；qij表示从起点i到降点j的OD飞行流量。
步骤3中的上层规划约束条件为：
Figure BDA0003353539270000142
Figure BDA0003353539270000143
表示从起点i到降点j的航线a上的飞行流量，a∈Aij，Aij表示i和j之间的航线集合；
Figure BDA0003353539270000144
表示表示从起点i到降点j的飞行流量必须非负；
步骤4中的，参照Wardrop系统最优原则，以整体航路网络总阻抗最小为下层规划的目标函数为：
Figure BDA0003353539270000145
其中，Z表示区域内无人机物流运输航路网络的总阻抗；xk表示航路k的飞行流量，k∈K，K为所有航路的集合；wk表示航路k的阻抗函数，wk∈W，W为所有航路k上的阻抗集合。
步骤5中，建立下层规划约束条件为：
xk≤Ck，表示分配到航路k上的飞行流量xk必须小于等于其容量；
Figure BDA0003353539270000151
表示单条航路的容量定义为单位时间内，航路k上所有的无人机以最低巡航速度运行，并保持安全间隔时，单条航路上的无人机架次数；
式中，单条航路k的容量Ck等于航路k全长dk除以无人机u的身长du与安全间隔之和，将该航路的无人机运行安全间隔规定为无人机运行1.1秒的距离，即无人机运行1秒的距离加10％的保护距离。
Figure BDA0003353539270000152
表示航路k上的飞行流量xk等于分配到航线
Figure BDA0003353539270000153
上的飞行流量与航路航线关系矩阵
Figure BDA0003353539270000154
相乘，
Figure BDA0003353539270000155
为0、1变量，若航线a包括航路k，则
Figure BDA0003353539270000156
为1，否则为0。
wk＝αtk+(1-α)rk表示航路网络上的交通组阻抗函数wk由效率阻抗tk和安全阻抗rk加权相加得到。其中，效率阻抗
Figure BDA0003353539270000157
dk表示航路k的长度，vk表示无人机在航路k的巡航速度；安全阻抗rk＝rp×rs，rp表示无人机发生安全事故的概率；rs表示当无人机发生安全事故时的影响程度，
Figure BDA0003353539270000158
ra表示无人机发生坠机时的撞地面积，rλ表示无人机飞行所使用的航路的地面人口密度，E表示撞击动能，S表示遮蔽系数，α和β是模型中的固定参数。
步骤6中的低空航路网络容量评估双层规划模型为：
Figure BDA0003353539270000161
Figure BDA0003353539270000162
本发明建立了简单的双层规划模型，可通过Kuhn-Tucker定理转化为单层规划模型并采用遗传算法等启发式算法求解，适用于未来城市低空空中交通的规划与管理。

Claims (10)

1.一种城市低空无人机物流运输航路网络容量的评估方法，其特征在于，包括以下步骤：
采集目标区域的航路网络结构的基本信息，并对所述基本信息进行结构化、信息化处理后，构建所述航路网络结构的拓扑结构图，其中，所述基本信息至少包括降点坐标、航线构成、航路长度、航线方向；
基于所述拓扑结构图，获取单位时间内航路网络容纳的最大无人机流量，构建以整体航路网络流量最大为上层规划的第一目标函数；
基于所述拓扑结构图，根据Wardrop系统最优原则，构建以整体航路网络总阻抗最小为下层规划的第二目标函数；
基于所述第一目标函数和所述第二目标函数，根据Kuhn-Tucker定理以及通过遗传算法，获取所述目标区域内区域的物流运输航路网络容量。
2.根据权利要求1所述一种城市低空无人机物流运输航路网络容量的评估方法，其特征在于：
在构建所述第一目标函数的过程中，所述第一目标函数的表达式为：
Figure FDA0003353539260000011
其中，Q表示区域内无人机物流运输航路网络流量，求解无人机物流运输航路网络最大流量即为其容量；(i,j)表示航路网络中的OD对，i∈I表示起点，I为起点集合，j∈J表示终点，J为终点集合；qij表示从起点i到降点j的OD飞行流量。
3.根据权利要求2所述一种城市低空无人机物流运输航路网络容量的评估方法，其特征在于：
在构建所述第一目标函数的过程中，所述第一目标函数还包括所述第一目标函数的第一约束条件，其中，所述第一约束条件包括所述整体航路网络流量必须非负。
4.根据权利要求3所述一种城市低空无人机物流运输航路网络容量的评估方法，其特征在于：
所述第一约束条件的表达式为：
Figure FDA0003353539260000021
其中，
Figure FDA0003353539260000022
表示从起点i到降点j的航线a上的飞行流量，a∈Aij，Aij表示i和j之间的航线集合。
5.根据权利要求4所述一种城市低空无人机物流运输航路网络容量的评估方法，其特征在于：
在构建所述第二目标函数的过程中，所述第二目标函数的表达式为：
Figure FDA0003353539260000023
其中，Z表示区域内无人机物流运输航路网络的总阻抗；xk表示航路k的飞行流量，k∈K，K为所有航路的集合；wk表示航路k的阻抗函数，wk∈W，W为所有航路k上的阻抗集合。
6.根据权利要求5所述一种城市低空无人机物流运输航路网络容量的评估方法，其特征在于：
在构建所述第二目标函数的过程中，所述第二目标函数还包括所述第二目标函数的第二约束条件，所述第二约束条件包括分配到单条航路上的流量小于等于单条航路的容量、每条所述单条航路之间的航路流量的关系、OD需求与各航路分配到的流量相等。
7.根据权利要求6所述一种城市低空无人机物流运输航路网络容量的评估方法，其特征在于：
在构建所述第二目标函数的过程中，所述第二目标函数的表达式包括：
xk≤Ck
Figure FDA0003353539260000031
Figure FDA0003353539260000032
其中，xk表示航路k上的飞行流量，Ck表示航路k的容量，dk表示航路k全长，du表示无人机身长，v0×1.1表示无人机运行安全间隔，所述无人机运行安全间隔表示无人机运行1秒的距离加10％的保护距离，
Figure FDA0003353539260000033
表示分配到各航路的飞行流量，
Figure FDA0003353539260000034
表示航路航线关系矩阵，
Figure FDA0003353539260000035
为0、1变量，若航线a包括航路k，则
Figure FDA0003353539260000036
为1，否则为0。
8.根据权利要求7所述一种城市低空无人机物流运输航路网络容量的评估方法，其特征在于：
所述第二目标函数的表达式还包括：
wk＝αtk+(1-α)rk
Figure FDA0003353539260000041
其中，wk表示航路网络的交通组阻抗函数，tk表示效率阻抗，rk表示安全阻抗；
所述效率阻抗
Figure FDA0003353539260000042
dk表示航路k的长度，vk表示无人机在航路k的巡航速度；
所述安全阻抗rk＝rp×rs，rp表示无人机发生安全事故的概率；rs表示当无人机发生安全事故时的影响程度，其中，
Figure FDA0003353539260000043
ra表示无人机发生坠机时的撞地面积，rλ表示无人机飞行所使用的航路的地面人口密度，E表示撞击动能，S表示遮蔽系数，α和β是模型中的固定参数。
9.根据权利要求8所述一种城市低空无人机物流运输航路网络容量的评估方法，其特征在于：
根据所述第一目标函数、所述第一约束条件、所述第二目标函数、所述第二约束条件，构建低空航路网络容量评估双层规划模型；
基于所述Kuhn-Tucker定理，将所述低空航路网络容量评估双层规划模型，转化为单层规划模型，并通过所述遗传算法进行求解，获取所述物流运输航路网络容量。
10.根据权利要求9所述一种城市低空无人机物流运输航路网络容量的评估方法，其特征在于：
所述低空航路网络容量评估双层规划模型的表达式为：
Figure FDA0003353539260000051
CN202111344647.2A 2021-11-15 2021-11-15 一种城市低空无人机物流运输航路网络容量的评估方法 Active CN114117322B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111344647.2A CN114117322B (zh) 2021-11-15 2021-11-15 一种城市低空无人机物流运输航路网络容量的评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111344647.2A CN114117322B (zh) 2021-11-15 2021-11-15 一种城市低空无人机物流运输航路网络容量的评估方法

Publications (2)

Publication Number Publication Date
CN114117322A true CN114117322A (zh) 2022-03-01
CN114117322B CN114117322B (zh) 2024-08-02

Family

ID=80395957

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111344647.2A Active CN114117322B (zh) 2021-11-15 2021-11-15 一种城市低空无人机物流运输航路网络容量的评估方法

Country Status (1)

Country Link
CN (1) CN114117322B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115985142A (zh) * 2022-08-30 2023-04-18 南京航空航天大学 一种基于市场需求的机场群交通流分配方法
CN116486655A (zh) * 2023-05-06 2023-07-25 南京航空航天大学 一种城市低空无人机航路构型设计方法
CN116562692A (zh) * 2023-05-11 2023-08-08 南京航空航天大学 一种城市低空无人机航路网络评价方法
CN117516538A (zh) * 2023-11-08 2024-02-06 广东翼景信息科技有限公司 一种无人机航路规划方法、装置、计算设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596397A (zh) * 2018-05-02 2018-09-28 山东理工大学 一种基于水文模型多机航线规划方法
US20210089134A1 (en) * 2019-09-19 2021-03-25 Bao Tran Air transportation systems and methods
US20210339777A1 (en) * 2020-04-30 2021-11-04 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for controlling one or more vehicles with one or more controlled vehicles

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596397A (zh) * 2018-05-02 2018-09-28 山东理工大学 一种基于水文模型多机航线规划方法
US20210089134A1 (en) * 2019-09-19 2021-03-25 Bao Tran Air transportation systems and methods
US20210339777A1 (en) * 2020-04-30 2021-11-04 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for controlling one or more vehicles with one or more controlled vehicles

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MAXIME BERGER等: "Proposal of a Time-Domain Platform for Short-Circuit Protection Analysis in Rapid Transit Train DC Auxiliary Systems", 《IEEE TRANSACTIONS ON INDUSTRY APPLICATIONS》, vol. 52, no. 6, 10 August 2016 (2016-08-10), pages 5295, XP011634732, DOI: 10.1109/TIA.2016.2599480 *
王航臣: "基于动态网络流方法的空域通行能力优化研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, 15 January 2021 (2021-01-15), pages 031 - 762 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115985142A (zh) * 2022-08-30 2023-04-18 南京航空航天大学 一种基于市场需求的机场群交通流分配方法
CN115985142B (zh) * 2022-08-30 2024-03-19 南京航空航天大学 一种基于市场需求的机场群交通流分配方法
CN116486655A (zh) * 2023-05-06 2023-07-25 南京航空航天大学 一种城市低空无人机航路构型设计方法
CN116486655B (zh) * 2023-05-06 2024-03-08 南京航空航天大学 一种城市低空无人机航路构型设计方法
CN116562692A (zh) * 2023-05-11 2023-08-08 南京航空航天大学 一种城市低空无人机航路网络评价方法
CN116562692B (zh) * 2023-05-11 2024-03-22 南京航空航天大学 一种城市低空无人机航路网络评价方法
CN117516538A (zh) * 2023-11-08 2024-02-06 广东翼景信息科技有限公司 一种无人机航路规划方法、装置、计算设备及存储介质
CN117516538B (zh) * 2023-11-08 2024-07-05 广东翼景信息科技有限公司 一种无人机航路规划方法、装置、计算设备及存储介质

Also Published As

Publication number Publication date
CN114117322B (zh) 2024-08-02

Similar Documents

Publication Publication Date Title
CN114117322A (zh) 一种城市低空无人机物流运输航路网络容量的评估方法
Outay et al. Applications of unmanned aerial vehicle (UAV) in road safety, traffic and highway infrastructure management: Recent advances and challenges
CN112215407B (zh) 一种三维无人机安全航路规划方法
Postorino et al. Reinventing mobility paradigms: Flying car scenarios and challenges for urban mobility
JP7488287B2 (ja) 動的な航空機ルーティング
CN111507879A (zh) 一种城市空间结构识别方法
Ha et al. Large-scale design-economics optimization of eVTOL concepts for urban air mobility
CN111506974B (zh) 一种无人机超低空飞行区域分类划设方法
CN114363316A (zh) 一种跨区域道路基础设施智能联网监测与监管系统
CN107798440B (zh) 一种基于线路候选集的地铁接驳巴士线路规划方法
KR102422300B1 (ko) 도심항공교통의 포트 선정을 위한 기후정보 제공 방법 및 시스템
Zhuang et al. Load forecast of electric vehicle charging station considering multi-source information and user decision modification
CN114596709A (zh) 数据处理方法、装置、设备以及存储介质
CN117436941A (zh) 基于迭代约束聚类和isodata算法的垂直起降站选址方法
CN111582592B (zh) 一种区域机场群航线网络优化方法
CN117455030A (zh) 无人机机巢仿生规划方法、装置及存储介质
CN116720658A (zh) 一种面向旋翼无人机的低空航路通行能力评估方法
CN105096661B (zh) 基于垂直剖面视图的空中交通流管理系统与方法
CN112884233B (zh) 高速铁路系统多模态融合晚点预测方法
CN115018374A (zh) 一种城市公交韧性评价方法、装置及计算机设备
CN111611332B (zh) 航线中转的优化方法及系统
CN113639750A (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
CN113867391A (zh) 基于数字孪生的无人机低空安全预警与监控方法及系统
Gao et al. Developing 3D Virtual Safety Risk Terrain for UAS Operations in Complex Urban Environments
CN112929421A (zh) 智能网联汽车扩展碰撞预警系统

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