CN114239319B - 无人机航线获取系统 - Google Patents
无人机航线获取系统 Download PDFInfo
- Publication number
- CN114239319B CN114239319B CN202111635748.5A CN202111635748A CN114239319B CN 114239319 B CN114239319 B CN 114239319B CN 202111635748 A CN202111635748 A CN 202111635748A CN 114239319 B CN114239319 B CN 114239319B
- Authority
- CN
- China
- Prior art keywords
- node
- arc
- delivery
- distribution
- constraint
- 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
- 238000010276 construction Methods 0.000 claims abstract description 41
- 238000010586 diagram Methods 0.000 claims abstract description 27
- 238000005265 energy consumption Methods 0.000 claims abstract description 26
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 11
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种无人机航线获取系统,包括:数据获取模块,获取需求节点集Bd、预设的服务中心节点集Bs和预设的充电节点集Br;航线网络构建模块,用于基于Bd、Bs和Br构建第一航线网络结构图;以及在第一航线网络结构图中加入虚拟节点,形成第二航线网络结构图;所述数据获取模块还用于获取基础信息;模型构建模块,用于基于获取的基础信息构建目标函数和生成约束条件;航线确定模块,用于基于目标函数和约束条件得到目标节点和对应的设施规模、目标配送弧和对应的配送量以及目标配送弧配送的需求。本发明能够在总能耗最少化的情况下,最大化无人机最后一公里配送的能力。
Description
技术领域
本申请涉及无人机配送领域,具体涉及一种无人机航线获取系统。
背景技术
无人机,也称为无人驾驶航空器(Unmanned Aircraft, UA),近几年在城市低空空域内应用越来越广泛,尤其新冠疫情期间无人接触的物流配送。服务药品、小包裹、外卖等货物的无人机配送,大大提高了最后一公里的配送效率。然而,爆发式的无人机配送需求,对最后一公里配送系统带来运行新挑战。在运行阶段,通过设计高效的无人机航线获取系统,得到合理的无人机航线及配送网络,不仅能有效地缓解飞行安全隐患,也能降低企业运行成本,最大化满足客户的需求。
事实上,无人机的最大航程直接影响最后一公里配送覆盖地区的范围大小,进而影响整个无人机航线及网络的设计。决定无人机的航程能力包括自身因素和外部条件,自身因素简单可以概括为无人机本身的飞行能力,其承载货物重量的大小和电池或燃料容量也会影响无人机的续航时间。现有的无人机航线获取系统一般只考虑客户的配送需求而未考虑无人机交付过程中的时效性和续航覆盖能力范围;而在实际应用中,除去考虑无人机本身机型设计和航线规划算法优越性,外部条件的调整优化也可改变当前无人机的续航覆盖能力范围,例如,合理布置无人机服务中心和增设充电节点以及合理分配每条航线的配送任务等都可以显著提升无人机的续航条件。
因此,在一定的能耗即成本的情况下,以尽可能短的配送时间完成配送任务,进而最大化无人机的最后一公里配送的能力,是实现低空无人机大规模高效运行的关键。
发明内容
针对上述技术问题,本发明提供一种无人机航线获取系统,能够在总能耗最少化的情况下,最大化无人机最后一公里配送的能力。
本发明实施例采用的技术方案为:
本发明实施例提供一种无人机航线获取系统,包括:
数据获取模块,用于获取需求节点集Bd、预设的服务中心节点集Bs和预设的充电节点集Br;
航线网络构建模块,用于基于数据获取模块获取的需求节点集Bd、预设的服务中心节点集Bs和预设的充电节点集Br构建第一航线网络结构图;以及用于在第一航线网络结构图中加入虚拟节点bdummy,以形成第二航线网络结构图;其中,所述第二航线网络结构图包括预设的M条航线,每条航线的两个节点之间通过配送弧a连接,其中,所有的配送弧a构成弧集A,包括:连接服务中心节点和充电节点的配送弧构成的充电配送弧集Ar、连接服务中心节点和需求节点的配送弧构成的服务配送弧集As、连接充电节点和需求节点的配送弧构成的需求配送弧集Ad、连接虚拟节点和服务中心节点的配送弧构成的虚拟配送弧集Adum以及连接虚拟节点和需求节点的配送弧构成的虚拟配送弧集Avir;
所述数据获取模块还用于获取基础信息和决策变量,所述基础信息包括 Bd中的任一需求节点i的需求d的数量和需求集D、任一配送弧a上配送需求d的配送能耗ca、任一配送弧a的距离da、Bs∪Br中的任一节点j的设施规模m和设施规模集 Mj、设施规模为m的节点j的容量capj,m和建设能耗fj,m、A\(Adum∪AVir)中的每个配送弧的建设能耗ha、最大配送时间Tmax和无人机续航里程Ddua以及无人机的飞行速度;所述决策变量包括:节点j的设施规模变量yj,m、配送弧a的建设变量 za、经配送弧a配送的需求d的配送量决策变量xad、需求d通过配送弧a配送的配送弧选择变量pad;
模型构建模块,用于基于获取的基础信息构建目标函数min
+和生成约束条件,所述约束条件包括节点的配送量
约束、节点的设施规模约束、节点的容量约束、最大配送时间约束、无人机续航里程约束、经
过需求节点和服务中心节点的路径约束、决策变量约束以及决策变量的相关关系约束;
航线确定模块,用于基于目标函数和约束条件确定yj,m、za、xad和pad的取值,得到目标节点和对应的设施规模、目标配送弧和对应的配送量以及目标配送弧配送的需求。
本发明实施例提供的无人机航线获取系统,以总能耗最小化为原则构建目标函数,通过节点配送量约束、节点设施规模约束、节点容量约束、最大配送时间约束、无人机续航里程约束、经过需求节点和服务中心路径约束、决策变量约束以及决策变量相关关系约束作为约束条件来对目标函数进行求解,能够在总能耗最少化的情况下,最大化无人机最后一公里配送的能力。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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为本申请实施例提供的无人机航线获取系统的结构示意图;
图2为本申请实施例中没有设置虚拟节点的配送网络结构图;
图3为在图2中设置有虚拟节点的配送网络结构图;
图4为根据本申请的系统对图2配送网络结构图进行优化后得到的配送网络结构图。
具体实施方式
下面将结合本申请实施例中的附图,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。基于本申请中的实施例,本领域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,都属于本申请保护的范围。
本发明实施例提供一种无人机航线获取系统。在本发明实施例中,无人机为民用无人机,用于实现基于单路径的配送服务,例如将货物由货物发送方配送到货物接收方,具体用于低空空域域内最后一公里的货物配送。单路径为需求不可以拆分,即同一货物发送方发送的货物只能通过发送方指定的一条航线配送到同一个货物接收方。
如图1所示,本发明实施例提供的无人机航线获取系统包括数据获取模块、航线网络构建模块、模型构建模块和航线确定模块。这些模块在具体实现时可集成在现有的控制装置例如工控机上。
其中,数据获取模块,用于获取需求节点集Bd、预设的服务中心节点集Bs和预设的充电节点集Br,并发送给航线网络构建模块。在本发明实施例中,需求节点集Bd为所有需求节点构成的集合、预设的服务中心节点集Bs和预设的充电节点集Br可为用户例如货物发送方自定义设置。
在本发明实施例中,航线网络构建模块,用于基于数据获取模块获取的需求节点集Bd、预设的服务中心节点集Bs和预设的充电节点集Br构建第一航线网络结构图;以及用于在第一航线网络结构图中加入虚拟节点bdummy,以形成第二航线网络结构图;所述第二航线网络结构图包括预设的M条航线,每条航线的两个节点之间通过配送弧a连接,其中,所有的配送弧a构成弧集A,包括:连接服务中心节点和充电节点的配送弧构成的充电配送弧集Ar、连接服务中心节点和需求节点的配送弧构成的服务配送弧集As、连接充电节点和需求节点的配送弧构成的需求配送弧集Ad、连接虚拟节点和服务中心节点的配送弧构成的虚拟配送弧集Adum以及连接虚拟节点和需求节点的配送弧构成的虚拟配送弧集Avir。
在一个示意性实施例中,基于需求节点集Bd、预设的服务中心节点集Bs和预设的充电节点集Br构建的第一航线网络结构图可如图2所示。图2中的第一航线网络结构图节点包括属于Bd的需求节点、属于Bs的服务中心节点、属于Br的充电节点。预设的服务中心节点集Bs和预设的充电节点集Br为预先设置,即服务中心节点和充电节点的候选位置为事先设置,以满足无人机的起降要求。如图2所示,充电节点的设置可以扩大无人机最后一公里配送服务范围。
在第一航线网络结构图中,在充电节点的设置下,无人机最后一公里配送可以通过如下两种方式实现配送服务:
1. 通过任一配送弧a∈As将货物直接从服务中心配送到客户的需求节点,如图2中,选择的S1到D4配送弧;
2. 先通过a∈Ar将货物从服务中心配送到充电节点,再通过a∈Ad从充电节点配送到客户需求节点,如图2中,选择从S1经过R1到D4的配送弧。
无论是从服务中心节点还是从充电节点飞行到需求节点的航线,都需要考虑无人机的返回飞行旅程,也就是说a∈Ad∪As的距离都应该小于无人机总续航里程。
由于服务范围和节点容量的限制,图2示出的航线网络结构图的服务中心节点并不能满足所有的需求节点,为此本发明实施例中引入虚拟节点bdummy,引入虚拟节点后得到的第二航线网络结构图可如图3所示。未满足的需求节点在虚拟配送弧的帮助下从虚拟节点bdummy到达需求节点。这样,任何服务中心节点都可以满足所有需求,因此服务中心节点可以选择并分配不同的设施规模。如图3所示,虚拟节点分别与每个服务中心节点和需求节点可通过虚拟配送弧连接。图3示出的航线网络结构图上的连接虚拟节点和服务中心节点的配送弧构成配送弧集Adum,连接虚拟节点和需求节点的配送弧构成配送弧集Avir 显然,Bd⊂B,Bs⊂B,Br⊂B,bdummy∈B,Ar⊂A,As⊂A,Ad⊂A,Adum⊂A,Avir⊂A。
进一步地,在本发明实施例中,所述数据获取模块还用于获取基础信息和决策变量,所述基础信息包括:Bd中的任一需求节点i的需求d的数量和需求集D、任一配送弧a上配送需求d的配送能耗ca、任一配送弧a的距离da、Bs∪Br中的任一节点j的设施规模m和设施规模集Mj、设施规模为m的节点j的容量capj,m和建设能耗fj,m、 A\(Adum∪Avir)中的每个配送弧的建设能耗ha、最大配送时间Tmax和无人机续航里程Ddua以及无人机的飞行速度;所述决策变量包括:节点j的设施规模变量yj,m、配送弧a的建设变量za、经配送弧a配送的需求d的配送量决策变量xad、需求d通过配送弧a配送的配送弧选择变量pad。
在本发明实施例中,任一需求节点i的需求d的数量可根据实际情况得到。根据每个需求节点的需求的数量可得到相应的D。例如,一共有3个需求节点,分别有1个需求、2个需求和3个需求,则D={1,2,3}。在一个示意性实施例中,每个需求节点的需求的数量可为高峰时段的需求的数量nd。
在本发明实施例中,Bs∪Br中的任一节点j的设施规模m和设施规模集Mj、设施规模为m的节点j的容量capj,m和建设能耗fj,m可根据用户设置得到。节点的设施规模m可至少为1个,即m≥1。基于每个节点j的m,可得到对应的Mj,m∈Mj 。例如,节点j可以选择的设施规模可以有1、3和4三种规模,则Mj={1,3,4}。
一般,一架无人机的充电时间较长,通常为1-2小时;而客户对于货物最后一公里配送的最长配送时间通常不超过30分钟。为了避免无人机的充电时间对配送时间要求的影响,在充电节点引入自动换电机柜。无人机在自动换电机柜的换电池时间只需要几分钟,这样可以规划管理配送时间,以满足最后一公里最长配送时间的要求。当无人机降落充电节点时,无人机在自动换电机柜进行更换电池。更换好电池后,无人机从充电节点起飞继续将货物运送到需求节点。例如,当一个充电节点只配置了一个自动换电机柜,一架无人机更换电池时间需要6分钟,起飞和降落时间各需要1分钟,即一架无人机在充电节点的处理时间为8分钟,这样的充电节点1个小时只能处理7架来自服务中心的无人机,相当于无人机充电节点的容量为7架次/小时。由于每个充电节点附近的需求节点分布不同,因此,可以确定不同规模的充电节点,即每个充电节点配置不同数量的自动换电机柜,具备不同的容量,满足不同的需求。
对于服务中心,例如,一个服务中心只配置了一个起降平台,一架无人机在起降平台的处理时间为2分钟,包括停留在起降平台上的时间1分钟和起飞时间1分钟。这样的服务中心1个小时只能处理30架无人机,相当于无人机服务中心的容量为30架次/小时。因此,配置不同规模的起降平台,无人机服务中心的容量也不同,满足不同起降要求。
这样,每个服务中心节点的设施规模为可转化为布置多少个起降平台,每个服务中心节点的容量可转化为单位时间所有起降平台的无人机的起降总架次量;每个充电节点的设施规模可转化为可布置多少个自动换电机柜,每个充电节点的容量可转化为单位时间所有自动换电机柜的无人机的起降总架次量。在一个示意性实施例中,节点的设施规模和对应的容量可如下表1所示:
表1 节点的设施规模和容量
由上表1可知,节点的设施规模有三种方案,其中方案一节点的设施规模m为1种,方案二的节点的设施规模m为2种,方案三的节点的设施规模m为3种。每个起降平台和自动换电机柜需要的建设能耗是已知的,因此,可知服务中心节点和充电节点的建设能耗fj,m。
在本发明实施例中,任一配送弧a的距离da,任一配送弧a上配送需求d的配送能耗ca,A\(Adum∪AVir)即除了虚拟弧上的每个配送弧的建设能耗ha可基于实际情况确定,h a 可通过对无人机飞行对周围环境的影响能耗来衡量。
在本发明实施例中,最大配送时间Tmax和无人机续航里程Ddua以及无人机的飞行速度等,最大配送时间Tmax和无人机续航里程Ddua以及无人机的飞行速度可为事先设置。
在本发明实施例中,yj,m、za、xad和pad是用于确定从图3中示出的配送网络结构图中选择那些航线的决策变量。yj,m为节点j设施规模变量,取值为0或1,如果节点j选择设施规模m则等于1,否则等于0。za为0-1变量,即取值为0或者1,如果构建配送弧a则等于1,否则等于0。xad可为大于等于0的整数即自然数,例如,某条配送弧a需要配送5个需求d,则xad=5。在实际应用场景中,假设每个无人机只能配送一个需求,则配送弧a上配送量等于经过该配送弧的无人机数量。pad为0-1变量,即取值为0或1,如果需求d使用配送弧a则等于1,否则等于0。
在本发明实施例中,模型构建模块,用于基于获取的基础信息构建目标函数min(C1+C2+C3)和生成约束条件,所述约束条件包括节点的配送量约束、节点的设施规模约束、节点的容量约束、最大配送时间约束、无人机续航里程约束、经过需求节点和服务中心节点的路径约束、决策变量约束以及决策变量的相关关系约束。
其中,C1为M条配送路径上的配送能耗之和,与每个配送弧上的配送量相关,详细
地, 。
C2为M条配送路径上的所有的配送弧的建设能耗之和, 。
C3为M条配送路径上的所有节点的建设能耗之和,与节点的设施规模相关,详细
地,。
通过上述可知,本发明实施例中,目标函数是基于总能耗最小化的原则构建的。
进一步地,在本发明实施例中,从虚拟节点到需求节点的连接确保了需求得到满足。其中,使用虚拟弧的需求代表当前解决方案中未满足的需求。这通常是由于节点容量有限或需求距离太远。需求满足可以通过节点配送量约束来实现,如下式(1)所示。在虚拟节点bdummy,需求从每个节点流出。而在需求节点i,其相应的量流入。在中间节点,没有需求被保留。
所述节点配送量约束为:
=(1)
其中,Aj-为流入节点j的配送弧构成的弧集,a1为Aj-中的任一配送弧,xa1-d为配送弧a1的配送量决策变量;Aj+为流出节点j的配送弧构成的弧集,a2为Aj+中的任一配送弧;xa2-d为配送弧a2的配送量决策变量,为自然数 。
进一步地,在本发明实施例中,所述节点规模约束为:
,∀j∈Bs∪Br;(2)
通过式(2)可知,对于服务中心节点和充电节点,最多只能选择一个设施规模。此外,这些约束意味着当yj,m之和为0时,不选择该节点。
进一步地,在本发明实施例中,所述节点容量约束为:
,∀j∈Bs∪Br; (3)
其中,Aj+为流出节点j的弧集,capj,m为设施规模m的节点j的容量。通过式(3),可以使得通过每个服务中心节点和每个充电节点的需求的数量小于每个服务中心的容量和每个充电节点的容量。
进一步地,在本发明实施例中,当无人机配送路线经过充电节点时,有可能超过最大配送时间要求。由于每条配送路线由连接服务中心节点和充电节点的配送弧a∈Ar和连接充电节点和需求节点的配送弧a∈Ad组成,总配送时间包括弧上的配送时间和充电节点的处理时间,因此,所述最大配送时间约束可为:
,∀d∈D,j∈Br;(4)
其中, ta为无人机在弧a上的配送时间,可基于无人机飞行速度和配送弧的长度
确定,tja+为无人机在弧a的源节点上的配送时间,具体包括无人机更换电池时间和无人机
起降时间。则有 为充电节点到需求点的配送时间; 为充电节
点的处理时间,即充电节点到需求点弧的源节点处理时间,具体包括无人机更换电池时间
和无人机起降时间; 为服务中心节点到充电节点的配送时间。
进一步地,在本发明实施例中,所述无人机续航里程约束包括:
2da*pad≤Ddua ∀d∈D,a∈As∪Ad;(5)
da*pad≤Ddua,∀d∈D,a∈Ar; (6)
通过式(5)和(6)可知,当考虑无人机的返回时,式(5)要求从服务中心到需求节点和从充电节点到需求节点的飞行距离应小于其续航里程的1/2。当无人机从服务中心节点飞往充电节点时,没有必要考虑返程,因为无人机可以在充电节点充电,如式(6)所要求的,飞行距离需要比其续航里程短即可。
进一步地,在本发明实施例中,所述经过需求节点和服务中心节点路径约束包括:
,∀d∈D,j∈Bd; (7)
,∀d∈D,j∈Bs; (8)
式(7)约束需求只能通过一条路径流入需求点;式(8)约束需求只能通过一条路径流出服务中心,即需求不可以被拆分。如图4所示,需求节点D4的所有需求最终由S1经过充电节点的路线进行配送来满足。
进一步地,在本发明实施例中,所述决策变量约束包括:
xad∈N1,∀d∈D,a∈A,N1为自然数;(9)
za={0,1},∀a∈Ar∪As∪Ad;(10)
yj,m={0,1},∀j=Br∪Bs,m∈Mj;(11)
pad={0,1},∀d∈D,a∈A;(12)
式(9)-(12)定义了目标函数中变量的范围和类型。式(9)中的配送量决策变量被定义为自然数变量,其余的变量被定义为二进制变量。
进一步地,在本发明实施例中,所述决策变量相关关系约束包括配送弧的配送量传输与节点建设、配送弧建设之间的相关关系约束、配送弧建设和节点建设的相关关系约束以及配送弧的配送量和需求在配送弧的利用相关关系约束。
其中,配送弧的配送量传输与节点建设之间的相关关系约束为:
,∀d∈D,a∈Ar∪As∪Ad;(13)
配送弧的配送量传输与配送弧建设的相关关系约束为:
xad≤N2*za,∀d∈D,a∈Ar∪As∪Ad(14)
式(13)意味着需求d可以通过配送弧 a∈Ar∪As∪Ad配送,必须构建所选配送弧a
的源节点j a+ ,即 等于1;式(14)意味着如果配送弧必须用等于1的za构建,则需求d
可以通过配送弧a配送,否则,xad必须等于0。N2为远大于xad的自然数,式(13)和式(14)中的
N2用于耦合无人机对节点和配送弧的使用,是关于配送弧的选择。
进一步地,配送弧的构造需要耦合节点构造的约束。配送弧建设和节点建设的相关关系约束为:
,∀a∈Ar∪As∪Ad; (15)
,∀a∈Ar; (16)
由于需求节点已经存在,式(15)规定,如果 等于1,即配送弧a∈Ar∪As∪Ad
的源节点被构造,则可以构造配送弧a。对于每个连接服务中心节点和充电节点弧 a∈Ar,
应构建两侧的节点。式(16)规定,如果 等于1,即配送弧的汇节点 被构造,则可以
构造配送弧a。
进一步地,配送弧的配送量和需求在配送弧的利用相关关系约束为:
xad≥-N2*(1-pad),∀d∈D,a∈A;(17)
xad≤N2* pad,∀d∈D,a∈A;(18)
式(17)和式(18)对配送弧a上需求d的数量和需求d利用弧a的相互作用进行建模。如果p ad 等于1,则式(17)用于确保x ad 大于0;否则,式(18)要求如果p ad 等于0,则x ad 必须等于0。同样,式(17)和式(18)中的N2用于耦合弧的配送量和需求利用弧的相关关系约束。
在本发明实施例中,可通过现有算法或设计智能启发式算法,求解目标函数和约束条件得到每个决策变量的取值。在一个示意性实施例中,可通过ILOG CPLEX 12.10软件在Visual Studio 2017平台上用预设语言例如C #语言求解得到每个决策变量的取值。
进一步地,在本发明实施例中,航线确定模块,用于基于目标函数和约束条件获取yj,m、za、xad和pad的取值,得到目标节点和对应的设施规模、目标配送弧和对应的配送量以及目标配送弧配送的需求。
如果yj,m=1,则意味着对应的节点j选择设施规模m,对应的节点j为目标节点,m为目标节点的设施规模;如果za=1,则意味着对应的配送弧a被构建,为目标配送弧;基于xad可得到目标配送弧上配送的需求d的数量;如果pad=1,则意味着需求d使用弧a进行配送。这样,可基于确定的yj,m、za、xad和pad得到目标节点和对应的设施规模、目标配送弧和对应的配送量以及目标配送弧配送的需求,进而可根据目标节点和目标配送弧得到目标航线。在一个示意性实施例中,图3示出的航线网络结构图中的目标航线可如图4中的黑色线条所指示的配送弧。
进一步地,所述系统还包括显示模块,用于显示所述航线网络结构图和获取的航线。显示模块可为显示屏。图4示出的航线网络结构图可在显示器上进行显示,在显示时,选择的目标航线与没有选择的航线的颜色不同。
综上,本发明实施例提供的无人机航线获取系统,以总能耗最小化为原则构建目标函数,通过节点配送量约束、节点设施规模约束、节点容量约束、最大配送时间约束、无人机续航里程约束、经过需求节点和服务中心路径约束、决策变量约束以及决策变量相关关系约束作为约束条件来对目标函数进行求解,能够在总能耗最少化的情况下,最大化无人机最后一公里配送的能力。
虽然已经通过示例对本申请的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本申请的范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本申请的范围和精神。本申请开的范围由所附权利要求来限定。
Claims (8)
1.一种无人机航线获取系统,其特征在于,包括:
数据获取模块,用于获取需求节点集Bd、预设的服务中心节点集Bs和预设的充电节点集Br;
航线网络构建模块,用于基于数据获取模块获取的需求节点集Bd、预设的服务中心节点集Bs和预设的充电节点集Br构建第一航线网络结构图;以及用于在第一航线网络结构图中加入虚拟节点bdummy,以形成第二航线网络结构图;其中,所述第二航线网络结构图包括预设的M条航线,每条航线的两个节点之间通过配送弧a连接,其中,所有的配送弧a构成弧集A,包括:连接服务中心节点和充电节点的配送弧构成的充电配送弧集Ar、连接服务中心节点和需求节点的配送弧构成的服务配送弧集As、连接充电节点和需求节点的配送弧构成的需求配送弧集Ad、连接虚拟节点和服务中心节点的配送弧构成的虚拟配送弧集Adum以及连接虚拟节点和需求节点的配送弧构成的虚拟配送弧集Avir;
所述数据获取模块还用于获取基础信息和决策变量,所述基础信息包括Bd中的任一需求节点i的需求d的数量和需求集D、任一配送弧a上配送需求d的配送能耗ca、任一配送弧a的距离da、Bs∪Br中的任一节点j的设施规模m和设施规模集Mj、设施规模为m的节点j的容量capj,m和建设能耗fj,m、A\(Adum∪Avir)中的每个配送弧的建设能耗ha、最大配送时间Tmax和无人机续航里程Ddua以及无人机的飞行速度;所述决策变量包括:节点j的设施规模变量yj,m、配送弧a的建设变量za、经配送弧a配送的需求d的配送量决策变量xad、需求d通过配送弧a配送的配送弧选择变量pad;
模型构建模块,用于基于获取的基础信息构建目标函数和生成约束条件,所述约束条件包括节点的配送量约束、节点的设施规模约束、节点的容量约束、最大配送时间约束、无人机续航里程约束、经过需求节点和服务中心节点的路径约束、决策变量约束以及决策变量的相关关系约束;
航线确定模块,用于基于目标函数和约束条件确定yj,m、za、xad和pad的取值,得到目标节点和对应的设施规模、目标配送弧和对应的配送量以及目标配送弧配送的需求;
其中,所述决策变量的相关关系约束包括配送弧的配送量传输与节点建设、配送弧建设之间的相关关系约束、配送弧建设和节点建设的相关关系约束以及配送弧的配送量和需求在配送弧的利用相关关系约束;
其中,配送弧的配送量传输与节点建设之间的相关关系约束为:
配送弧的配送量传输与配送弧建设的相关关系约束为:
N2为大于xad的自然数;
配送弧建设和节点建设的相关关系约束为:
配送弧的配送量和需求在配送弧的利用相关关系约束分别为:
ja+为配送弧a的源节点,ja-为配送弧a的汇节点。
2.根据权利要求1所述的系统,其特征在于,所述节点配送量约束为其中,Aj-为流入节点j的配送弧构成的弧集,a1为Aj-中的任一配送弧,xa1-d为配送弧a1的配送量决策变量;Aj+为流出节点j的配送弧构成的弧集,a2为Aj+中的任一配送弧;xa2-d为配送弧a2的配送量决策变量;nd为需求节点i的需求量。
3.根据权利要求1所述的系统,其特征在于,所述节点规模约束为:
所述节点容量约束为:
其中,Aj+为流出节点j的配送弧构成的弧集。
4.根据权利要求1所述的系统,其特征在于,所述最大配送时间约束为Aj+为流出节点j的配送弧构成的弧集,ta为无人机在配送弧a上的配送时间,tja+为无人机在配送弧a的源节点上的配送时间,Aj-为流入节点j的配送弧构成的弧集。
5.根据权利要求1所述的系统,其特征在于,所述无人机续航里程约束包括:
6.根据权利要求1所述的系统,其特征在于,所述经过需求节点和服务中心节点的路径约束包括:
其中,Aj+为流出节点j的配送弧构成的弧集,Aj-为流入节点j的配送弧构成的弧集。
7.根据权利要求1所述的系统,其特征在于,所述决策变量约束包括:
N1为自然数;
8.根据权利要求1所述的系统,其特征在于,还包括显示模块,用于显示所述航线网络结构图和获取的航线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111635748.5A CN114239319B (zh) | 2021-12-30 | 2021-12-30 | 无人机航线获取系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111635748.5A CN114239319B (zh) | 2021-12-30 | 2021-12-30 | 无人机航线获取系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114239319A CN114239319A (zh) | 2022-03-25 |
CN114239319B true CN114239319B (zh) | 2023-11-10 |
Family
ID=80744156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111635748.5A Active CN114239319B (zh) | 2021-12-30 | 2021-12-30 | 无人机航线获取系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114239319B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109835200A (zh) * | 2019-01-02 | 2019-06-04 | 广州大学 | 一种桥梁的单行无线充电传感器网络的路径规划方法 |
CN110553629A (zh) * | 2019-09-20 | 2019-12-10 | 中南大学 | 一种基于边缘计算的无人机目标追踪功耗优化方法及系统 |
CN111536979A (zh) * | 2020-07-08 | 2020-08-14 | 浙江浙能天然气运行有限公司 | 一种基于随机优化的无人机巡检路径规划方法 |
CN111678524A (zh) * | 2020-07-31 | 2020-09-18 | 中国民用航空飞行学院 | 一种基于飞行安全的救援航空器路径规划方法及系统 |
CN112558608A (zh) * | 2020-12-11 | 2021-03-26 | 重庆邮电大学 | 一种基于无人机辅助的车机协同控制及路径优化方法 |
CN113452956A (zh) * | 2021-02-26 | 2021-09-28 | 深圳供电局有限公司 | 一种输电线路巡检任务智能分配方法及系统 |
CN113671986A (zh) * | 2021-07-28 | 2021-11-19 | 合肥工业大学 | 空地协同下无人机与车辆的任务分配方法和系统 |
CN113848970A (zh) * | 2021-08-31 | 2021-12-28 | 中南大学 | 一种车辆-无人机多目标协同路径规划方法 |
CN113988772A (zh) * | 2021-12-30 | 2022-01-28 | 中国民用航空总局第二研究所 | 基于多路径的无人机配送网络构建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210042872A1 (en) * | 2016-09-15 | 2021-02-11 | Simpsx Technologies Llc | Price Time Priority Queue Routing for Transportation Capacity Units |
-
2021
- 2021-12-30 CN CN202111635748.5A patent/CN114239319B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109835200A (zh) * | 2019-01-02 | 2019-06-04 | 广州大学 | 一种桥梁的单行无线充电传感器网络的路径规划方法 |
CN110553629A (zh) * | 2019-09-20 | 2019-12-10 | 中南大学 | 一种基于边缘计算的无人机目标追踪功耗优化方法及系统 |
CN111536979A (zh) * | 2020-07-08 | 2020-08-14 | 浙江浙能天然气运行有限公司 | 一种基于随机优化的无人机巡检路径规划方法 |
CN111678524A (zh) * | 2020-07-31 | 2020-09-18 | 中国民用航空飞行学院 | 一种基于飞行安全的救援航空器路径规划方法及系统 |
CN112558608A (zh) * | 2020-12-11 | 2021-03-26 | 重庆邮电大学 | 一种基于无人机辅助的车机协同控制及路径优化方法 |
CN113452956A (zh) * | 2021-02-26 | 2021-09-28 | 深圳供电局有限公司 | 一种输电线路巡检任务智能分配方法及系统 |
CN113671986A (zh) * | 2021-07-28 | 2021-11-19 | 合肥工业大学 | 空地协同下无人机与车辆的任务分配方法和系统 |
CN113848970A (zh) * | 2021-08-31 | 2021-12-28 | 中南大学 | 一种车辆-无人机多目标协同路径规划方法 |
CN113988772A (zh) * | 2021-12-30 | 2022-01-28 | 中国民用航空总局第二研究所 | 基于多路径的无人机配送网络构建方法 |
Non-Patent Citations (3)
Title |
---|
Optimal UAV Path Planning: Sensing Data Acquisition Over lot Sensor Network Using Multi-objective Bio-inspired Algorithms;QIN YANG et al;IEEE Access;13671-13684 * |
多特征融合的旋翼无人机能耗优化路径规划方法研究;姬翔;中国博士学位论文全文数据库 工程科技Ⅱ辑;C031-1 * |
民用无人机交通管理体系架构及关键技术;陈义友等;科学技术与工程;13221-13237 * |
Also Published As
Publication number | Publication date |
---|---|
CN114239319A (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11900819B2 (en) | Determining VTOL departure time in an aviation transport network for efficient resource management | |
AU2018260459B2 (en) | Efficient VTOL resource management in an aviation transport network | |
Ploetner et al. | Long-term application potential of urban air mobility complementing public transport: an upper Bavaria example | |
JP7053253B2 (ja) | 蓄電池モジュール貸与システム、貸与方法および貸与プログラム | |
CN109032177B (zh) | 一种优化无人机路径方法及装置 | |
Fisher | The Lagrangian relaxation method for solving integer programming problems | |
CN109141398B (zh) | 一种用于物流的无人机路径规划方法及装置 | |
AU2018357929A1 (en) | Vertiport management platform | |
Moolchandani et al. | Assessing effects of aircraft and fuel technology advancement on select aviation environmental impacts | |
Zhang et al. | Dynamic operations and pricing of electric unmanned aerial vehicle systems and power networks | |
Iliopoulou et al. | Robust electric transit route network design problem (RE-TRNDP) with delay considerations: Model and application | |
Chen et al. | Two-tier energy compensation framework based on mobile vehicular electric storage | |
Abualola et al. | A matching game-based crowdsourcing framework for last-mile delivery: Ground-vehicles and unmanned-aerial vehicles | |
CN113988772B (zh) | 基于多路径的无人机配送网络构建方法 | |
Ssamula | Comparing air transport network operations in sparse networks in Africa | |
CN114239319B (zh) | 无人机航线获取系统 | |
Alkouz et al. | Density-based pruning of drone swarm services | |
CN112862258B (zh) | 一种考虑旅客偏好的有限理性的航班恢复方法 | |
Zhu et al. | Maximal weighted coverage deployment of uav-enabled rechargeable visual sensor networks | |
Varnousfaderani et al. | DeepDispatch: Deep Reinforcement Learning-Based Vehicle Dispatch Algorithm for Advanced Air Mobility | |
CN112581184A (zh) | 一种空铁联运票价制定方法、系统、设备及可读存储介质 | |
Macias et al. | An integrated vertiport placement model considering vehicle sizing and queuing: A case study in London | |
Ghaharikermani et al. | Designing a Network of Battery Swap Stations for Supporting UAVs in Long-range Delivery Operations | |
Bayliss | Airline reserve crew scheduling under uncertainty | |
Lulli et al. | Introduction to the special section: Air transportation systems planning and operations under uncertainty |
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 |