CN114254808A - 面向任务的时空最优路径评估方法及系统 - Google Patents
面向任务的时空最优路径评估方法及系统 Download PDFInfo
- Publication number
- CN114254808A CN114254808A CN202111412034.8A CN202111412034A CN114254808A CN 114254808 A CN114254808 A CN 114254808A CN 202111412034 A CN202111412034 A CN 202111412034A CN 114254808 A CN114254808 A CN 114254808A
- Authority
- CN
- China
- Prior art keywords
- time
- space
- task
- voxel
- cost
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于越野任务路径规划技术领域,特别涉及一种面向任务的时空最优路径评估方法及系统,构建时空综合环境影响模型并进行栅格化处理,沿时空坐标系坐标轴以相同空间和时间间隔将时空分割为时空单元立方体,将时空单元立方体作为时空体素;在任务活动可到达时空棱镜内,按固定时间间隔,以时空体素几何中心为节点,用匀速直线运动连接不同时刻的节点以构建备选时空路径区段;基于空间轨迹可重叠或交叉原则在不同时间段的备选时空路径区段中以综合威胁代价最小为目标搜索并获取时空环境中综合威胁代价最优路径。本发明利用时空棱镜范围、栅格尺度和基于空间掩膜方法将计算量控制在合理限度内,实现时空一体最优路径规划,更加优化、效率更高。
Description
技术领域
本发明属于越野任务路径规划技术领域,特别涉及一种面向任务的时空最优路径评估方法及系统。
背景技术
在特定领域下,任务是指在物理空间的单阶段行动。任务是一个广泛的概念,是在一定的环境和时空约束下,行动单元为完成所承担的责任或达到特定的目的,而进行的一系列相互关联的行动有序集合,包括在物理空间和非物理空间的多个阶段的行动,及各阶段之间的关联和协同。各阶段行动之间存在相互的影响或依赖关系,是一个复杂的联合体,除了基础的环境影响外,更重要的是巧妙的策略。面向作战任务的时空环境效能评估不是任何一个领域知识能够单独解决的复杂问题,涉及众多环境问题、分析方法、解决方案,以及相关领域的知识。环境影响分析的主要目的是分析环境因素的客观影响规律,相应的分析结论与具体的任务没有直接关系,但其结果可以为进一步针对具体任务的综合影响分析做支撑。时空棱镜问题研究的是人类活动的边界问题,即一段时间范围内,人类移动速度受环境影响下,能够出现的最大的时空范围。在越野活动中研究时空棱镜可以从整体上对越野可到达性进行评估,分析越野活动可能出现的时空范围大小,关键点,时空容差能力等一系列问题,从而达到从整体上对任务效能进行评估的目的。传统方法中,面向任务的综合时空环境分析采用二维的空间环境影响的数学模型,以统一地表达环境对任务的综合影响,该二维空间环境影响的数据模型虽然能够表现不同空间的环境代价规律,但是无法体现环境随时间变化带来的影响,在对任务执行方案的环境评估中存在一定的局限性。在时空中进行全局路径规划的目的就是需要找到一条连接起始和目标时空点的连续时空路径。与最短时间路径规划一样,可以用若干段首尾相接的空间直线来逼近。这个过程中比较重要的一步是构造路径搜索备选时空路径区段。在最短时间路径中,为达到时间代价最小的目的,可采用在每个体素中的最大安全速度构造相应时空直线段作为备选路线段。这种方法会导致在每个体素中“时空直线段”的时空斜率(速度)均不同,但依然是一个边界问题,整体计算量可控。从综合威胁代价角度对环境进行评估,须在时空中找出综合代价最小的路径。对于基于体素的最小综合威胁代价时空路径情况,尽管路径选择在局部受到最大速度限制,在整体上受到时空棱镜的限制,由于综合威胁程度代价不是边界问题,在可行区域内的可选路径可能性非常多,如果依然以单体素为单位进行路径搜索会导致计算量爆炸的问题。
发明内容
为此,本发明提供一种面向任务的时空最优路径评估方法及系统,通过构建基于时空体素的环境综合影响模型,利用时空轨迹来获取任务执行方案的环境综合代价,基于时空环境中搜索最优路径原则,从综合威胁代价角度对环境进行评估,找出综合代价最小路径,便于任务执行中的科学、有效选取对应方案策略,利用时空棱镜来限制可选路径范围,将计算量控制在合理限度内,实现越野任务活动时空一体的最优路径规划,相较于人工路径规划方法,本案路径规划能够更加科学、优化,且效率更高。
按照本发明所提供的设计方案,提供一种面向任务的时空最优路径评估方法,包含:
在时空坐标系中构建面向任务的用于描述环境综合威胁程度代价的时空综合环境影响模型;
对时空综合环境影响模型进行栅格化处理,沿时空坐标系坐标轴以相同空间和时间间隔将时空分割为时空单元立方体,将时空单元立方体作为时空体素;
在任务活动的可到达时空棱镜内,按照固定时间间隔,以时空体素几何中心为节点,用匀速直线运动连接不同时刻的节点以构建备选时空路径区段;
基于空间轨迹可重叠或交叉原则在不同时间段的备选时空路径区段中以综合威胁代价最小为目标搜索出时空环境中综合威胁代价最优路径。
作为本发明面向任务的时空最优路径评估方法,进一步地,所述时空综合环境影响模型在空间环境代价规律基础上扩展时间维,利用时空坐标系记录空间点随时间点的环境、态势及能力因素对任务执行中环境代价累计增长率,其中,确定地表一点为原点、以向东方向为X轴、向北方向为Y轴、并以时间T为竖直向上的Z轴建立三维直角坐标系,以该三维直角坐标系作为时空坐标系。
作为本发明面向任务的时空最优路径评估方法,进一步地,栅格化处理中,分别沿时空坐标系的X轴和Y轴,以相同的空间间隔将空间栅格化,每个空间栅格确定一个空间栅格中心;沿T轴以相同的时间间隔分割,将时间和空间栅格化后的最小时空单元作为用于简化环境空间变化和时间变化复杂性的时空体素。
作为本发明面向任务的时空最优路径评估方法,进一步地,通过在栅格化后的时空体素环境中,依据沿空间直线时刻按照环境允许的最大安全速度行进并到达目标空间栅格中心所需要的最短时间获取对应时空点到临近空间栅格中心所需最短时间,求解每个空间栅格中心位置的最早到达时空点来近似表达时空棱镜的下棱锥表面,并求解每个空间栅格中心位置的最晚停留时空点来近似表达时空棱镜的上棱锥表面;将相应段运动的时空轨迹作为连接当前时空点和目标空间栅格中心,且首尾相接的多个时空直线段构成的连续时空轨迹;每一时空直线段处于不同时空体素中,且除当前时空点和目标空间栅格中心外,每段的时空起始点和结束点为时空轨迹传入和穿出时空体素的时空坐标;时空轨迹追踪按序依次根据上一次穿出时空体素的时空坐标作为下一段时空直线段运动的时空起始点,结合空间移动方向、时空体素时空范围及在时空体素内按特定方向行驶的最大速度计算穿出时空体素时的时空坐标,直至在空间上到达目标空间栅格中心;依据下棱锥表面和上棱锥表面组成的时空棱镜表示的目标对象可达域范围,任务执行者的行驶路径必然位于这个范围之内。
作为本发明面向任务的时空最优路径评估方法,进一步地,利用时空体素在时空综合环境影响模型中追踪任务执行方案时空轨迹;并依据时空轨迹途径每个时空体素时产生的代价值之和来获取任务执行方案总的代价累积值,利用总的代价值来评估执行方案的优劣程度。
作为本发明面向任务的时空最优路径评估方法,进一步地,设定任务执行方案起始和达到的时空坐标,依据进入时空体素和穿出时空体素的时空点构造直线段来获取任务执行方案的时空轨迹;利用模型中任务执行进入或穿出时空体素时空点的时空坐标来获取时空轨迹上途经每个时空体素内行进长度和停留时间,通过时空轨迹经过的各时空体素代价增长率及对应时空体素内停留时间、和行进长度来获取任务执行方案的综合环境代价。
作为本发明面向任务的时空最优路径评估方法,进一步地,假设任务执行方案在第i个时空体素中产生的代价则任务执行方案的综合环境代价为其中,n表示时空轨迹依次通过的时空体素个数,表示第i个时空体素代价增长率,表示时空轨迹在第i个时空体素中停留时间,表示时空轨迹在第i个时空体素中行进长度。
作为本发明面向任务的时空最优路径评估方法,进一步地,路径搜索采用时间段分层进行查找,从可到达域内部第一个计算时间段开始计算,在计算其中某段时,以该时间段内可到达域下边界上各节点或上一个时间段的目标体素中心点为起点,计算这些节点满足当时速度条件的前提下到该时间段目标体素中心点的备选时空路径;评估位于当前计算时间段的每个目标体素中心点连接的多个备选路径,仅保留其中一条累积综合威胁代价最小的路径,抛弃其它备选路径,结合相应起点的最小综合威胁代价评估到当前目标体素中心点的最小累积综合威胁代价;如果在本段计算内,可到达时空域包含部分时空棱镜上边界,则将上边界上各节点作为目标体素中心点参与计算,并评估从上边界相应节点至最终目标点的总体累积综合威胁代价;进入下一计算时间段,直至完成可到达域内的所有计算;找出所有到达越野终点路径的累积综合威胁代价最小的一条路径作为代价最优路径。
作为本发明面向任务的时空最优路径评估方法,进一步地,在路径搜索中采用并行计算和/或启发式搜索,或利用空间位置掩膜对目标时空体素中心点采样或降低时空体素分辨率来增加时空体素时空间隔,以优化路径搜索计算量。
进一步地,本发明还提供一种面向任务的时空最优路径评估系统,包含:模型构建模块、模型求解模块、备选构建模块和最优输出模块,其中,
模型构建模块,用于在时空坐标系中构建面向任务的用于描述环境综合威胁程度代价的时空综合环境影响模型;
模型求解模块,用于对时空综合环境影响模型进行栅格化处理,沿时空坐标系坐标轴以相同空间和时间间隔将时空分割为时空单元立方体,将时空单元立方体作为时空体素;
备选构建模块,用于在任务活动的可到达时空棱镜内,按照固定时间间隔,以时空体素几何中心为节点,用匀速直线运动连接不同时刻的节点以构建备选时空路径区段;
最优输出模块,用于基于空间轨迹可重叠或交叉原则在不同时间段的备选时空路径区段中以综合威胁代价最小为目标搜索出时空环境中综合威胁代价最优路径。
本发明的有益效果:
本发明通过构建基于时空体素的环境综合影响模型,利用时空轨迹来获取任务执行方案的环境综合代价,基于时空环境中搜索最优路径原则,从综合威胁代价角度对环境进行评估,找出综合代价最小路径,在任务环境空间代价规律基础上扩展时间维度来实现空间任意点与该点在时间上连续变化的情形,通过对模型进行栅格化处理来获取任务执行方案时空轨迹上的综合环境代价,较全面、合理地进行任务方案综合环境评估,以达到任务执行中的科学、有效选取对应策略的目的,利用时空棱镜范围来限制可选路径,有效控制计算量,实现时空一体的最优路径规划,相较于人工规划方法,更加优化、效率更高,具有较好的应用前景。
附图说明:
图1为实施例中面向任务的时空最优路径评估流程示意;
图2为实施例中时空坐标系示意;
图3为实施例中栅格化处理后的时空环境模型示意;
图4为实施例中时空轨迹计算流程示意;
图5为实施例中时空路径与时空棱镜空间示意;
图6为实施例中时空路径搜索节点的待选时空路径区段示意;
图7为实施例中通过空间位置掩膜降低计算量流程示意;
图8为实施例中空间轨迹可重叠或交叉示意;
图9为实施例中时空最小代价路径规划耗时与起始目标点之间时间差关系示意;
图10为实施例中B133实验结果示意;
图11为实施例中躲避危险时空综合最小威胁代价路径规划示意;
图12为实施例中隐蔽机动最小威胁代价路径规划示意;
图13为实施例中火力机动最小威胁代价路径规划示意;
图14为实施例中快速火力行动最小威胁代价路径规划示意。
具体实施方式:
为使本发明的目的、技术方案和优点更加清楚、明白,下面结合附图和技术方案对本发明作进一步详细的说明。
可预测动态时空环境的最短时间路径规划与基于时空棱镜的时空可到达域评估均是建立在最短时间消耗代价上的分析方法,回答在环境、态势和自身能力习性的影响下任务活动参与者最远、最快、最早能到达哪里,最长能停留多少时间的边界问题。这类方法对环境的能效给出的是一种整体的,范围的,概略的评价,对于从整体上认识环境对于任务的适应性能具有很大的作用,但是却缺乏明确的能效评价,即任务活动参与者在现有环境中最好能发挥到什么程度。对于这个问题,需要从综合威胁程度代价的角度对环境进行评估,找出综合代价最小的路径,回答在相应环境中,任务活动参与者最好能表现到什么程度。为此,本发明实施例,提供一种面向任务的时空最优路径评估方法,参见图1所示,包含:
S101、在时空坐标系中构建面向任务的用于描述环境综合威胁程度代价的时空综合环境影响模型;
S102、对时空综合环境影响模型进行栅格化处理,沿时空坐标系坐标轴以相同空间和时间间隔将时空分割为时空单元立方体,将时空单元立方体作为时空体素;
S103、在任务活动的可到达时空棱镜内,按照固定时间间隔,以时空体素几何中心为节点,在当时环境允许的速度下,用匀速直线运动连接不同时刻的节点以构建备选时空路径区段;
S104、基于空间轨迹可重叠或交叉原则在不同时间段的备选时空路径区段中以综合威胁代价最小为目标搜索出时空环境中综合威胁代价最优路径。
通过构建基于时空体素的环境综合影响模型,利用时空轨迹来获取任务执行方案的环境综合代价,基于时空环境中搜索最优路径原则,从综合威胁代价角度对环境进行评估,找出综合代价最小路径,便于任务执行中的科学、有效选取对应方案策略,利用时空棱镜内部体素数量来限制可选路径,有效控制计算量,降低计算设备运算符合,运算输出复杂度低、效率高。
二维空间环境影响模型能够表现出不同空间的环境代价规律,但无法体现环境随时间变化带来的影响。为此,本案实施例中,时空综合环境影响模型在空间环境代价规律基础上扩展时间维,利用时空坐标系记录空间点随时间点的环境、态势及能力因素对任务执行中的环境代价累计增长率,其中,确定地表一点为原点、以向东方向为X轴、向北方向为Y轴、并以时间T为竖直向上的Z轴建立三维直角坐标系,以该三维直角坐标系作为时空坐标系。
如图2所示,(a)表示二维空间的时空坐标系,(b)表示三维空间的空间坐标系,两种坐标系均是三维坐标系,但坐标含义完全不同。二维空间的时空坐标系定义与时空地理学中类似坐标系一致。为统一表达空间环境随时间的动态变化,本案实施例中通过时空综合环境影响模型,建立于图2中所述的时空坐标系,以记录任意时空的环境影响规律。在时空坐标系中任意位置(x,y,t)记录环境综合代价的时空增长率以表示在空间点(x,y)处t时刻环境、态势、能力对任务执行的代价累积的速度变化率。的含义与代价有关,对于最短时间规划而言,是移动单位距离所需的最少时间,即最短时间消耗代价率而对于路径综合代价分析而言,是时空综合威胁代价率
栅格化处理中,分别沿时空坐标系的X轴和Y轴,以相同的空间间隔将空间栅格化,每个空间栅格确定一个空间栅格中心;沿T轴以相同的时间间隔分割,将时间和空间栅格化后的最小时空单元作为用于简化环境空间变化和时间变化复杂性的时空体素。
通过在栅格化后的时空体素环境中,依据沿空间直线时刻按照环境允许的最大安全速度行进并到达目标空间栅格中心所需要的最短时间获取对应时空点到临近空间栅格中心所需最短时间,求解每个空间栅格中心位置的最早到达时空点来近似表达时空棱镜的下棱锥表面,并求解每个空间栅格中心位置的最晚停留时空点来近似表达时空棱镜的上棱锥表面;将相应段运动的时空轨迹作为连接当前时空点和目标空间栅格中心,且首尾相接的多个时空直线段构成的连续时空轨迹;每一时空直线段处于不同时空体素中,且除当前时空点和目标空间栅格中心外,每段的时空起始点和结束点为时空轨迹传入和穿出时空体素的时空坐标;时空轨迹追踪按序依次根据上一次穿出时空体素的时空坐标作为下一段时空直线段运动的时空起始点,结合空间移动方向、时空体素时空范围及在时空体素内按特定方向行驶的最大速度计算穿出时空体素时的时空坐标,直至在空间上到达目标空间栅格中心;依据下棱锥表面和上棱锥表面组成的时空棱镜表示的目标对象可达域范围,任务执行者的行使路径必然位于这个范围内。
任务沿Lm的总体时空代价适用于沿任意时空轨迹移动的任务执行方案。通过总体时空代价公式进行积分,即可获得相关环境代价,但环境在时间和空间的变化都是非规律的,实际运算过程中存在困难。为此,本案实施例中,通过对时空环境进行栅格化处理,如图3所示,沿着X-Y-T三轴分别以相同的空间和时间间隔将时空分割为时空单元立方体(时空体素,简称体素)。近似地认为在同一个时空单元中环境综合代价的时空增长率是一致的。栅格化过程中的环境隶属问题可设定为:在空间上,栅格化后的环境隶属于为对任务影响最大的一部分的环境,在时间上,环境的状态隶属于体素所在几何中心的环境状态。表达的是代价累积的时空速率,除了与时空环境有关外,还可能与其它因素有关,如任务执行中的行驶方向,历史轨迹等。故即使环境栅格化后,也不一定是一个数值,而是代表一种代价累积规律。
理论上,对环境影响的认识过程就是对每个体素的计算过程。但事实上对考察时空区域内所有体素的都进行一遍计算是不现实的,且进行如此巨量的环境评估开销是巨大的,会导致计算过程中的爆炸问题。针对这个问题,本案实施例中,可利用时空轨迹,即在评估过程中用到哪个体素生成哪个体素,用多少,环境评估多少。
离散化的意义在于简化复杂的变化规律。当栅格化的时空间隔大小合适时,可近似地认为在其所代表的时空内环境相似,其所有代价规律也一致。如图3所示,若(x0,y0,t0)为图示绿色体素的几何中心点,w′(·)为代价w(·)在体素内的近似表达,那么w近似可用如下公式表示:
作为本发明实施例中面向任务的时空最优路径评估方法,进一步地,利用时空体素在时空综合环境影响模型中追踪任务执行方案时空轨迹;并依据时空轨迹途径中每个时空体素时产生的代价值之和来获取任务执行方案总的代价累积值,利用总的代价值来评估执行方案的优劣程度。进一步地,设定任务执行方案起始和达到的时空坐标,依据进入时空体素和穿出时空体素的时空点构造直线段来获取任务执行方案的时空轨迹。进一步地,利用模型中任务执行进入或穿出时空体素时空点的时空坐标来获取时空轨迹上途经每个时空体素内行进长度和停留时间,通过时空轨迹经过的各时空体素代价增长率及对应时空体素内停留时间、和行进长度来获取任务执行方案的综合环境代价。
基于时空综合环境影响模型对任务执行方案代价进行评估,首先需要获取已知方案会穿过哪些时空体素,以及在每个时空体素中停留的时间长度和移动的空间距离,此过程即为移动轨迹的时空追踪过程。在时空环境综合影响模型中的移动可以看作连续的若干段直线运动,任何复杂运动轨迹都可以通过这种方式逼近。如图4所示为一段时空中从时空点S至时空点E的直线运动,图中绘制出一部分体素A0,B0,B1,其中,A0,B0空间相邻时间一致,B0,B1空间一致时间相邻。时空点S为空间点A在其时空轨迹LA上的一个时空点;时空点E为空间点B在其时空轨迹LB上的一个时空点。假设任务执行方案从S出发以沿图示时空轨迹,途经时空点M0,M1到达E。具体方案中各直线段端点的时空坐标是已知的(如图中S,E的时空坐标是已知的),相应这一段任务行程的行驶速度和方向就已知,如果再求出每个进入或穿出体素的时空点的时空坐标(如图中M0,M1的时空坐标),即可求出时空轨迹在途径的每个体素(如图中A0,B0,B1途径的三个体素)内的行进长度和停留时间。
具体模型求解计算时,行驶方向i可通过A,B的空间坐标利用公式i=arctan((yB-yA)/(xB-xB))计算出来,该值在这两点之间的各个体素移动时均不会变化,在x,y轴方向的速度根据方案可得。设upper(x),floor(x)分别为向下和向上取整函数,可定义forward(x),backward(x)分别为向后和向前取整函数,记x,y,t轴的栅格间隔分别为dx,dy,dt,设在第j个时空体素内开始移动时的坐标标记为(xj,yj,tj),在该体素内最大剩余移动时间和体素的几何中心坐标可表示为:
在这段时间内,不考虑体素的空间边界的情况下,在x,y轴方向最大行驶距离分别为不考虑时空体素时间边界的情况下,在x,y轴方向最大行驶距离分别为如不考虑其它轴,记分别从T轴,X轴,Y轴穿出的最短时间分别为对应公式为 那么最早穿出时间Δtj表示为轴向为最短时间对应轴向。
通过上述方法即可完成直线段运动在体素中的追踪,获取时空轨迹进入和穿出每一个体素时的时空坐标。轨迹在体素内是匀速直线运动,即连接进入体素和穿出体素的时空点的直线段(如图4中直线段M0M1),通过上述内容即可追踪出具体越野方案会穿过哪些体素,以及在每个体素中停留的时间长度和移动的空间距离。
假如通过移动轨迹追踪得到任务执行方案的时空轨迹将依次通过n个时空体素。记在第i个时空体素代价增长率为轨迹在该时空体素中停留了时间行进空间长度为则任务执行方案在模型第i个体素中将产生的代价Wi为整个方案的总体代价W为
时间地理学是是一种理解人类、自然和技术之间相互依存关系的普遍方法,其一般在一个包含n维的空间与1维的时间的概念坐标系下进行研究,时间与空间是正交的,个体的活动在时间维上是单向不可逆的。时间地理学基本要素是时空路径和时空棱镜。时空棱镜问题研究的是人类活动的边界问题,即一段时间范围内,人类移动速度受环境影响下,能够出现的最大的时空范围。在越野活动中研究时空棱镜可以从整体上对越野可到达性进行评估,分析越野活动可能出现的时空范围大小,关键点,时空容差能力等一系列问题,从而达到从整体上对任务效能进行评估的目的。
如图5所示,一个静止物体的时空轨迹在时空坐标系中可以表示为一条与时间轴平行的直线(如Ls);一个连续移动物体的时空路径呈现为连续的曲线(如Lm);时空点PS′tart与Pe′nd之间的时空区域U称为由出发时空点和到达时空点Pe′nd确定的时空棱镜,表达移动的对象在这段时间内可能出现的时空范围,Pe′nd PS′tart分别称为时空棱镜的上下锚点;PPA是Potential Path Area的缩写,代表了在时间预算内个体可能出现的空间范围。如果PA(xA,yA,tA),PB(xB,yB,tB)两点之间为匀速直线运动,其速度的计算公式为:
该值正好是Lm与空间面的斜率,斜率值越小代表在空间中移动的速度越快。如Ls所示,如果一个对象如果是静止的,那么它应当呈现为一条平行于时间轴的直线。时空棱镜对可到达性的表达主要基于这样的原理:如果从出发的时空点处,以任意不超过最大速度的时空轨迹能到达的时空区域记为N;以任意不超过最大速度的时空轨迹行进,能在规定时间前到达终点的区域所可能经过的时空区域记为R,则如下所示:
U={(x,y,t)|(x,y,t)∈N∩(x,y,t)∈R}
锚点PS′tart与Pe′nd确定的时空棱镜U是即满足在指定时刻从指定起点出发能到达的时空,又满足能在另一指定时刻之前到达终点的时空。其反映了个体在起点、终点和一定的时间预算内旅行和活动的可能性。时空棱镜所表达的时空区域就是本案研究的可到达时空区域,不在该范围的时空区域受时间预算,环境影响和规则限制,或不可能从起点到达,或不可能按时到达终点。
通过时空棱镜获取在可预测时空条件下任务执行方案中可达区域范围,利用时空棱镜来表示任务执行方案中可能出现的时空边界,便于评价任务在相应时空执行时的可行性、可靠性、时空冗余度等问题,考虑环境随时间的连续变化,不会导致大量无效计算,解决传统算法存在大量时空实际在变化的环境中是不可能到达的情形,且降低运算负荷,运算输出复杂度低、效率高。本案方案中,在时空棱镜内部以体素几何中心为节点,以体素单位时间间隔的整数倍为时间间隔,以匀速直线运动连接起点与目标时空点的方法构建搜索备选时空路径区段,进行时空路径搜索。由于在时空棱镜内部体素的数量有限,选择的路径有限,能够有效控制计算量。在对某体素中心进行下一步路径搜索时,参见图6所示,可以选择的时空路径区段可按照如下步骤进行构造:
(1)以起始时空点为出发点,以整数倍体素单位时间间隔为一个计算时间段,计算该段时间内起始时空点能够到达的时空边界范围;
(2)在起始时空点可到达的空间范围内,且在整体的越野可到达时空域内,找出所有包含目标时刻的体素,以这些体素的几何中心点作为目标体素中心点;
(3)用时空直线(匀速直线运动)连接起始时空点至所有目标时空点,相应的连接线即从为在起始时空点进行下一步搜索时的备选时空轨迹;
通过备选时空直线的斜率计算行驶速度和方向等信息,然后即可沿时空直线计算出途径相关体素的时空轨迹,可以近似认为在一个时空体素内的环境影响规律是不变的。记备选路径线段H在第i个时空体素代价增长率为轨迹在该时空体素中停留了时间行进空间长度为故在第i个体素中将产生的代价如果H穿过了q个体素,且H的上一段H-1的累积综合威胁代价为DH-1,那么H的累积综合威胁程度代价DH按照计算。DH代表从任务活动出发点开始,途径H到达当前计算的目标体素中心点所要付出的最小的累积综合威胁程度代价。
在进行路径搜索时,可按计算时间段分层计算。从可到达域内部第一个计算时间段开始,按照以下步骤计算:以该时间段内可到达域下边界各节点为起点,计算到该时间段目标体素中心点的备选时空路径,如本计算时间段不是第一个时间段,还应计算上一个计算时间段所有目标体素中心点到该时间段目标体素中心点的备选路径;评估位于当前计算时间段的每个目标体素中心点会有多个备选路径与之连接,仅保留其中一条累积综合威胁代价最小的路径,抛弃其它备选路径,结合相应起点的最小综合威胁代价评估到当前目标体素中心点的最小累积威胁代价;如果在一个计算时间段内,可到达时空域包含一部分时空棱镜上边界,则将上边界上各节点作为目标体素中心点参与上述计算,并评估从上边界相应节点至越野最终目标点的总体累积综合威胁代价,并记录;进入下一计算时间段,直至完成可到达域内的所有计算;找出所有到达越野终点路径的累积综合威胁代价最小的一条,即是代价最优路径。进一步地,本案实施例中,可在路径搜索中采用并行计算和/或启发式搜索,或利用空间位置掩膜对目标时空体素中心点采样或降低时空体素分辨率来增加时空体素时空间隔,以优化路径搜索计算量。
进一步地,基于上述的方法,本发明实施例还提供一种面向任务的时空最优路径评估系统,包含:模型构建模块、模型求解模块、备选构建模块和最优输出模块,其中,
模型构建模块,用于在时空坐标系中构建面向任务的用于描述环境综合威胁程度代价的时空综合环境影响模型;
模型求解模块,用于对时空综合环境影响模型进行栅格化处理,沿时空坐标系坐标轴以相同空间和时间间隔将时空分割为时空单元立方体,将时空单元立方体作为时空体素;
备选构建模块,用于在任务活动的可到达时空棱镜内,按照固定时间间隔,以时空体素几何中心为节点,用匀速直线运动连接不同时刻的节点以构建备选时空路径区段;
最优输出模块,用于基于空间轨迹可重叠或交叉原则在不同时间段的备选时空路径区段中以综合威胁代价最小为目标搜索出时空环境中综合威胁代价最优路径。
在时空环境中搜索最优路径的原则,可基于如下三种原则来实现:
行进速度的选取原则,以最大安全速度行驶能够最快达成任务目标,但是对于很多任务来说,最快并不等于最好。比如车辆超过经济速度后平均油耗会明显升高,而刻意降低速度行驶有时能够获得更好的经济收益;又比如当被恶劣气象条件影响时,停车等待恶劣气象条件好转后再继续行驶,能够有效降低综合风险。最小代价路径规划的目标在于降低代价。也就是说与其时刻采用最大安全速度,不如采取任何能够带来更小代价的自由速度行驶。只需坚持一个原则:实际采用的速度不能超过环境限制下的最大安全速度。
时空路径与可到达域的关系,基于时空棱镜的时空可到达域评估为越野行动限定了可到域的时空边界,位于这个边界以外的时空区域要么以最大速度也无法到达,要么无法按时到达指定的任务目标。故无论采用什么样的时空轨迹,均不可能超过时空棱镜划定的可到达时空边界。类似的,规划的时空轨迹也不能途径任意危险逃逸时空棱镜划定的时空范围。
空间轨迹可重叠或交叉的原则,空间轨迹重叠或交叉不是指由于立体道路网络所导致的三维欧氏空间的情况,而是指同一条轨迹的不同部分在原空间上重叠或交叉。传统基于GIS的路径规划几乎遵循同一个原则:即空间轨迹不会重叠或交叉。这是由于空间轨迹交叉会导致在空间中闭合的环状路径,意味着相应区段的消耗会被认为是浪费的部分,从而导致无意义的代价升高。但特殊情况下的空间轨迹重叠和交叉是有意义的,尤其是面临复杂的现实环境。比如,任务承担者在当前空间的某一“未来”时刻有重要的事件需要完成,但是即将发生具有严重破坏性的事件,任务承担者必须先行躲避该破坏性事件,再回来完成相关任务。规划上述任务的时空轨迹极有可能导致空间轨迹交叉,甚至是逃逸危险的路径与危险过去之后的回程路径完全重合,但这种在空间中重合或交叉的路径规划是有特殊意义的。由于任何移动都需要时间,尽管轨迹在空间坐标系中重合,如图8(b)所示,但在时空坐标系中是不可能重合的,如图8(a)所示。在时空环境中,只需关注时空路径是否避开了危险发生的时空区域,或则取得更低的代价,不必刻意规避方案轨迹在空间中的重叠或交叉。
本案方案能够体现连续变化的环境、态势、能力等综合因素的影响,支持空间重叠和交叉的路径,能够巧妙利用时间差解决空间冲突问题,能够支持偏好各异的各类任务。通过该算法即可实现对任务活动综合威胁代价最佳表现的评估。尽管通过一定策略将计算量控制在可承担的范围内,但是由于同时需要在空间和时间范围内搜索代价最小路径,其计算量依然比较大。这个问题可以通过并行计算和引入启发式搜索的方案解决。
为验证本案方案有效性,下面结合试验数据对本案方案有效性做进一步解释说明:
第一组实验:计算复杂度实验
场景:各向同速且不随时间改变的经典场景,与态势无关,向各方向行驶的速度相同,速度也不随时间改变。环境设定:平缓的各向同速环境,地势平坦,无障碍,任何任务承担者向各方向行驶的速度均为1m/s,且不随时间改变。态势设定:无态势,环境中仅考虑任务承担人员。能力设定:用于场景分析的设定,行驶速度与方向无关,由环境指定;越野过程中不休息,不进食。任务类型设定:非战争行动,越野行动仅受环境影响,主要考虑经济消耗相关的问题,考虑风险较少,与态势无关。
上述场景设置主要用于对算法的特性进行验证。包含以下组合中讨论算法复杂度。设起点和目标点空间位置相同,越野时间长度为2T,体素的时空间隔分别标记为Δt,Δx,计算时间段长度选取为nΔt,越野最大安全速度为v。那么在一个计算时间长度内,某起始时空点最多可能的待选时空轨迹段数量m为m=floor(π(vnΔt/Δx)2),则在下半棱锥的第k个计算时间段(k=1,2,...,floor(T/(nΔt)))可能有待选路径数量为Mk=m·floor(π(kvnΔt/Δx)2)。故整个时空棱镜内部需要评估综合威胁代价的路径总数量M的等价关系式为M~(v/Δx)4T3nΔt,其计算复杂度是(v/Δx)的4阶,半程时间T的3阶,nΔt的1阶。
以上是在时空棱镜为正棱锥时进行最小代价路径搜索的计算量等价公式,斜棱锥以及其它异形棱锥的时空棱镜计算量会更加小。整体来说,在以时空棱镜划定的可行时空域内进行最小代价搜索,其计算量会随着v,T的增长迅速增长,随着Δx的变大迅速减少。
在一般应用中v,n,Δt变化有限,但T的变化主要受任务需求控制,难以预测,可能很大,只能通过增加Δx来实现计算量的降低。好在Δx的量阶大于T的量阶,尽管增加Δx会导致规划的细节程度降低,但是降低的速度快于计算量增长的速度。这就意味着,无论T多大,通过调整Δx,在一定计算量内,一定可以获得保持总细节程度不变的方案(比如构成路径直线段的数量不变)。本案方案中可通过两种方法可以达到增加Δx的效果,分别为通过掩膜的方法和通过降低分辨率的方法。
通过空间位置掩膜降低计算量的方法,搜索计算量过高的主要原因是每个起始时空点对应大量目标体素中心点,但这些待选路径之间的代价在大部分情况下差异并不大。故可以采取舍去部分目标体素中心点中非关键目标点的方法快速减少计算量,这种方法类似于增加了两个目标体素中心点之间的间距,间接达到了增加Δx的效果。
最简单的排除目标体素中心点的方法是等间距对目标体素中心点采样,但由于规律地排除某些点容易导致关键信息丢失,比如桥梁,渡河等关键节点丢失。为解决这个问题,本文提出基于掩膜的方法对目标体素中心点进行采样,具体如图7所示:在空间上以整数倍Δx间距(本文称为掩膜基准长度,记为Δy),对体素的空间中心点采样,并将采样点空间坐标记录在掩膜上;补充包含关键位置信息的体素中心点坐标,并追加记录在掩膜上;在时空路径搜索过程中,选择起始时空点和目标体素中心点时,仅考虑在掩膜上有记录的空间坐标位置。
由于该方法计算综合威胁代价时依然采用原体素分辨率,计算精度很高,但与此同时计算量降低程度不如通过直接降低分辨率的方法。
通过降低分辨率的方法降低时空路径搜索计算量,与通过掩膜的方法相比,更为直接的方法是降低体素的时空分辨率。降低分辨率的方法直接增加了Δx,又降低了在每一条路径上进行综合威胁代价评估的计算量,以4阶的速度迅速降低了计算量,但与通过掩膜的方法相比缺点是精度较差。
下面通过计算量对比实验对本案方案有效性做进一步说明:实验共8个,具体参数如表1所示。
表1最小综合威胁代价路径分析的计算量对比实验详情一览表
其中,前述试验中有对各向同速且不随时间改变的经典进行介绍,当前不再赘述。
长距离越野复杂仿真环境设定如下:与态势无关,各向异速,场景数据量较大的复杂仿真场景。环境会随时间连续变化,轮渡通过性会有周期性变化,考虑生物习性。用于对受环境及生物习性影响下的复杂通行性变化情况进行验证。包含以下组合:
环境设定:综合仿真环境,该环境设定采用的地形为ASTER GDEM 2DEM数据,经纬度范围为E 120°~121°,N 41°~42°。河流、湖泊和人工建筑设施数据从OpenStreetMap采集,相关的四种土质的粘土含量的设想情况如表2所示。
表2环境设定中的土质设定
参考Anderson相关研究,设定研究区域预计在8:30~11:30降暴雨,之后气象条件良好,在雨后28小时内土质含水量逐步恢复原来水平。上述四种土质在降雨、气温、地形植被等条件的共同作用下的含水量变化预测如表3所示,在给定时刻之间的含水量可按照时间内插得到。
表3四种土质的含水量变化预测值
在部分河流区段有轮渡,轮渡仅在服务时间段内可通过,服务时间表如表4所示;桥梁在任意时段均可使用(桥梁限速vb:40km/h)。
表4轮渡服务时间表
真实环境比上述仿真环境更加复杂,但本设定已经能够在一定程度上代表各类环境影响类型,更复杂的环境构成只会表现出不同的规律,不会影响对实验结果的科学性判定。为了便于数据生成和控制环境变量,将不再设定更加复杂的环境。
态势设定:同前述内容的无态势相同;
能力设定:长距离越野部队仿真能力设定;
越野装备主要性能参数如表5所示,其中VCI1和VCI50是越野车辆的机动车圆锥指数,分别指只通过1次最少需要土壤满足的额定圆锥指数,和通过50次至少需要土壤满足的额定圆锥指数。当土质的额定圆锥指数(RCI)小于VCI1时车辆无法通过,大于VCI50时,车辆的通过性不受土质限制。平地行驶速度是指在路况良好的情况下,该车一般行驶的速度,最低速度指车辆长时间行驶能够接受的最低速度。最大爬坡度是指车辆面向坡度方向能行驶的最大坡度,为保证行驶安全和动力充沛,防止侧翻,规定无论行驶方向,坡度须小于最大爬坡度。由于车辆性质原因,本设定不允许车辆通过人工建筑设施。
表5机动车越野参数
根据Choi等对大型露天矿自卸汽车的寻路研究,车辆在上坡和下坡时速度影响不同。如表6,由于安全需要和生理需要,通常在长途越野期间还需适时安排餐饮及休息。除此之外,每行驶55分钟,休息5分钟。
表6餐饮及休息安排
任务类型:非战争行动,越野行动仅受环境影响,主要考虑经济消耗相关的问题,考虑风险较少,与态势无关。
高空间分辨率,低时间分辨率:空间分辨率:90米;时间分辨率120秒。
低空间分辨率,低时间分辨率:空间分辨率:500米;时间分辨率:120秒。
基于上述实验条件和参数设定后,实验A011、A012、A013、A014、A015是为了验证综合威胁代价路径总数量等价关系式M~(v/Δx)4T3nΔt而设计的,它们的差异仅在于起点和终点之间的时间差长度不同。可对前7个实验各进行5次重复,所消耗的计算时间列入表7,且将前5个实验的计算耗时与T的关系绘制为统计图9。从图中可以看出,随着T变大,计算耗时增长非常快,其拟合后正好呈三次关系,且符合程度非常高(拟合曲线的R2非常接近1),实验验证了M~(v/Δx)4T3nΔt的准确性。
实验A035和A115分别实现采用掩膜的计算量降低方法和采用降低分辨率的方法,从实验结果来看,可以得出:通过直接或间接增加Δx的方法能够快速有效地降低计算量;对比A035和A115可知,通过掩膜的方法能够保证一定的精度,但是计算量降低的速度不如直接降低分辨率的方法快;对比A011、A015和A115可知,体素的空间分辨率Δx增加导致的计算量降低速度快于因T增加导致的计算量升高的速度。
与前7个实验不同,实验B133是通过掩膜的方法在长距离越野复杂仿真环境场景中进行实验的,其目的是为了验证掩膜的方法不会导致重要空间信息节点丢失。如图10,越野的起点和终点在河流的两侧,仅通过狭窄的桥梁相连,如果单纯地采用间隔一定空间间距的方法对目标体素中心点进行采样,桥梁可能正好被排除,导致最终无法到达目的地。但是由于生成空间掩膜时,通过掩膜将桥梁作为关键点保留,则可以参与到路径搜索过程中。图10中浅色细线代表通过实验B133规划的时空路径,半透明的时空棱镜为越野的可到达域,从结果图(c)可以看出,路线通过桥梁连接了起点和目标点,结果较为合理。
表7相关实验重复5次的平均计算耗时
第二组实验:空间轨迹重叠或交叉情况的验证实验
遵循空间轨迹可重叠或交叉的原则,这种原则具有很强的现实意义,利用躲避危险的实验来说明这个问题,并展示算法计算结果的效果。本实验采用火力机动的仿真场景;时空栅格化方案:高空间分辨率,低时间分辨率。
火力机动的仿真场景设置如下:在环境和态势影响下,红方执行隐蔽机动任务的复杂仿真场景。环境会随时间连续变化,轮渡通过性会有周期性变化,考虑生物习性,红蓝双方各单位具有不同能力值和不同任务类型。包含以下组合:
环境设定:与上述内容中的综合仿真环境相同;
态势设定:红蓝对抗态势,态势设定以综合仿真环境为基础,参与部队分为红蓝两方。红方掌握的情报信息包括:蓝方部分部队预定11点开始,从疑似部署区BLArea1向指定地域机动,此外,BFPoint1的部队会在每日11:00-14:00执行巡逻任务。
·红方设定:
能力设定:与前述内容中的长距离越野部队仿真能力设定相同;
任务类型:火力机动,越野行动具有一定的风险承担能力,但应尽量降低已知风险。其特点是:避免与对方部队相遇;谨慎进入对方管控区、火力覆盖区、观察哨覆盖区和疑似部署区
·蓝方单位BLArea1与BFPoint1设定:
能力设定:巡逻部队仿真能力设定,与长距离越野部队仿真能力设定相同,不同点,车辆性能有差异,情况如表8所示。
表8机动车越野参数
除火力机动的仿真场景相关设定外,实验补充以下设定:当前红方所在时空坐标为据消息,蓝方会在9:00am.—9:10am.对BFArea1集中炮火攻击,但红方9:40am.在当前坐标有重要任务要完成。求规划红方在当前场景中能够躲避炮击并按时返回的时空轨迹。
采用本案方案进行最小时空综合威胁代价路径规划,结果如图11所示。图中深色时空棱镜为BFArea1区域遭受炮击时红方的危险逃逸时空棱镜,半透明时空棱镜为红方的可到达时空棱镜,灰色时空曲线为规划的时空路径。从图中结果可以看出,为红方规划的时空路径顺利绕开了遭受蓝方炮击的危险时空范围,并在截止时间之前赶到了出发空间位置,结果科学合理。显然,本次规划的时空路径的往返部分在空间中是完全重合的,这也说明了空间轨迹重叠或交叉情况在时空路径规划中具有重要的应用。
第三组实验:通过不同任务类型的时空最优路径规划进行对比实验
通过四个实验验证不同种类任务类型的最小综合威胁代价路径的差异,其中,各类任务类型的威胁权重可根据专家经验设定,或利用层次分析设定各种威胁对于各类任务初始权重、再依据任务特点或相应活动策略进行加权微调等多种权值分析相结合的方法来确定任务类型中的威胁权重系数。对实验结果的特别说明:实验的原始计算结果均由GLTF模型呈现,但如图10所示,模型绘制的规划路径较细,在复杂场景的原图上难以观察。在忠于原始实验结果的基础上对截图中的重要信息进行加强,图像加强手段仅限于对规划路径进行加粗改色,对关键时空棱镜进行描边,所有修改内容均不会影响结果的真实性和科学性。
实验1:非战争行动。该实验与第一组实验中编号为B133的实验相同。规划结果解析:从图10(a)可以看出,规划计算的起点和目的点在河流两侧,通过桥梁连接,规划的时空路径穿过桥梁直接连接了起点和目标点,路径的空间结构合理。图10(a)所示规划区域地势平坦,在行进期间按照长距离越野复杂仿真环境场景设定,没有降雨,土质含水量较少,理论上在规划区域大部分环境内可以取得最大安全行驶速度。但从时间轴向来看,规划路径并未贴着时空棱镜底部,采取以最快速度到达目的地的方式,而是以稍低的速度行驶。这是由于任务特性造成的,该任务为非战争行动,按照任务特点的设定,其对时间要求并不高,反而是对燃油经济速度和距离更为敏感,见表9,故在能够按时到达目标点的前提下采取降低行驶速度的方法减少代价,结果科学合理。
表9非战争行动的威胁权重
实验2:隐蔽机动(任务特点:越野行动仅受环境影响,主要考虑经济消耗相关的问题,考虑风险较少,与态势无关)。该实验采用隐蔽机动的仿真场景(与上述采用火力机动的仿真场景大致相同,不同点是,红方任务类型设置为隐蔽机动,越野行动要求保证隐蔽性的前提下尽短时间完成任务。其特点是:避免与对方部队相遇,避免进入对方火力覆盖区、火力点覆盖区、观察哨覆盖区、疑似部署区和管控区);时空栅格化方案:低空间分辨率,低时间分辨率;该任务对各类威胁代价的权重评估见表10;起点Pstart和目标点Pend的时空坐标分别为(120.263°E,41.661°N,9:00am.),(120.538°E,41.151°N,13:30pm.)。规划结果如图12所示,其中深色为危险时空区域,半透明灰色时空棱镜为红方态势区域或红方越野可到达域,深灰色曲线为规划的时空路径。由于隐蔽机动要求红方避免与蓝方有任何接触,对红方来说所有蓝方态势区域均会形成图示橙色危险逃逸时空棱镜,故红方路线应当规避所有橙色时空区域。
表10隐蔽机动的威胁权重
规划结果解析:结合图12(a)、(d)可知,红方通过渡河过第一条河流后与BFArea1区域的危险时间段重合,故须从空间上绕开BFArea1形成的逃逸时空棱镜;由于态势影响,从时空可到达域可知,红方无法从目标地左侧到达,则只能向桥梁A行进,通过桥梁A从目标右侧到达;结合图12(a)、(b)、(c)、(e)可知,虽然在空间上蓝方在BVPoint3的监视区域正好与规划路线重合,但是限于某些原因BVPoint3所示监控点在12:00am.才会发挥监控作用,故在这个时间点之前,BVPoint3的监控点不会对红方的隐蔽机动产生威胁;结合图12(a)、(c)、(e)可知,红方通过桥梁A过第二条河流后与蓝方火力点BFPoint1接近,但是由于连续降雨的原因,蓝方BFPoint1的巡逻时空范围有限,尤其是从图12(c)可以看出,红方过河后有大量时间可以在与蓝方保持相当空间和时间距离的情况下经过BFPoint1巡逻部队的附近;如图12(c)所示,为避免红方部队长距离行军导致的饥饿、疲劳等消极影响,规划安排在通过桥梁A之前进行午餐休整。
综合结果来看,由于蓝方态势影响较多,红方执行隐蔽机动的难度很大,越野可到达域非常狭窄,时间窗口紧张,要在不与任何蓝方发生任何接触的前提下到达目标点具有较大挑战。但本案方案算法可巧妙利用了态势信息的时间差,和由于降雨对蓝方巡逻范围的影响,在受到态势综合影响下的连续变化环境中,成功规划出一条科学合理的隐蔽机动时空方案,结果符合任务预期,且能够取得综合最小威胁代价。
实验3:火力机动(任务特点,与前述中的活动机动相同)。该实验采用与前述中的火力机动的仿真场景相同;时空栅格化方案:低空间分辨率,低时间分辨率;该任务的各类威胁代价权重见表11;起点、目标点的时空坐标与实验2相同。规划结果如图13所示,深色、半透明灰色时空区域及深灰色时空曲线与实验2含义相同。由于火力机动的特点和风险承担能力较大,故与实验2相比,实验3中BVPoint1,BVPoint2,BVPoint3,BVPoint4,BFPoint1,BRArea1等区域均不再作为危险时空区域,而是仅形成了图示黄色半透明的风险时空区域。按照火力机动对各类威胁的权重偏好,时空路径应当避免所有橙色区域,谨慎进入黄色区域。
表11火力机动的威胁权重
规划结果解析:实验3为火力机动,虽然要求谨慎进入风险区域,但并不需完全避免。综合各种代价后,鉴于对蓝方管控区风险具有一定的承担能力,如图13(a)、(c),算法规划在通过渡河后从蓝方管控区BRAreal1边缘穿过,直接从目标点左侧到达目标;该规划结果展现了火力机动与隐蔽机动的不同的特点;图13(b)、(d)两子图均是从底部向上看的视角,再结合从顶部斜向下视角的图13(e),可发现算法选取了一条与蓝方BLAreal1机动部队的路线在空间上有很大重叠的时空路线。但是算法利用了双方运动的时间差,在与蓝方相遇之前通过由机动能力差异而形成的空缺绕道蓝方部队之后,待蓝方部队远离后再向目标地机动。如图13(f),在等待蓝方部队机动过程中还可以安排午餐休整;该方案非常巧妙地利用了时空可到达性差异,在不承担态势风险的前提下完成了任务;对比实验2中隐蔽机动狭窄的时间窗口,如图13(f)所示,执行火力机动的可到达域范围较大,时间宽裕,可靠性强。
综合结果来看,由于红方执行火力机动时对风险的承担能力较大,不必采取类似实验2中隐蔽机动中以时间换空间的机动策略,仅需承担少量风险(从蓝方管控区BRAreal1边缘穿过)即可实现从目标左侧到达目标的目的。规划方案充分考虑了连续变化的环境、态势、能力的特点,利用了空间活动的时间差,符合任务风险偏好,规划结果科学合理。
实验4:快速火力行动(任务特点:越野行动具有一定火力能力,在保证一定风险的前提下,要求快速到达目标。除满足火力机动任务类型的相关要求外,还要求路径规划以速度和距离优先)。该实验采用快速火力行动的仿真场景(本场景中红方的任务类型为快速火力行动,其它设定与上述内容中的隐蔽机动的仿真场景相同);时空栅格化方案:低空间分辨率,低时间分辨率;该任务的各类威胁代价权重见表12;起点、目标点的时空坐标与实验2相同。态势对快速火力行动与实验3中火力机动的影响类似,区别仅在于快速火力行动更加看重行进距离和速度。计算结果如图14所示。
表12快速火力行动的威胁权重
规划结果解析:如图14(a)、(b)、(c)所示,规划路径直接穿过了蓝方管控区BRAreal1形成的风险区域。这是由于快速火力行动的特点造成的,其对于行进距离具有一定的要求,会在可承担风险的前提下选择更直接更快的路线;从图14(c)、(d)可以看出,规划方案中除了必要的阶段休息,会赶在午餐休息前到达目的地,避免快速火力行动因长时间连续行动带来的与人类生物习性之间的冲突。综合结果来看,实验4的规划路径体现了快速火力行动的特点,结果科学合理。
本案方案可作为面向作战任务的时空环境效能评估的一部分,以获得具有确定风险偏好的任务在环境、态势、能力等综合影响下,在连续变化环境中的最小代价方案,评估任务在相应环境中可以取得的最好表现。与传统基于GIS的空间路径分析算法有本质的不同,本案方案算法是一种时空协同的计算方法,在基于时空体素的环境综合影响模型中完成分析计算,属于时空分析的一种。规划方案的代价既有来自于空间的累积又有来自时间的累积,是在时空一体的环境中的评估方法。面向任务的时空最优路径规划算法能够体现连续变化的环境、态势、能力等综合因素的影响,支持空间重叠和交叉的路径,能够巧妙利用时间差解决空间冲突问题,能够支持偏好各异的各类任务。通过该算法即可实现对越野任务最佳表现的评估。
基于上述的系统,本发明实施例还提供一种服务器,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述的方法。
基于上述的系统,本发明实施例还提供一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现上述的方法。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述系统实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述系统实施例中相应内容。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述系统实施例中的对应过程,在此不再赘述。
在这里示出和描述的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制,因此,示例性实施例的其他示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、系统和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和系统,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述系统的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,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:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种面向任务的时空最优路径评估方法,其特征在于,包含如下内容:
在时空坐标系中构建面向任务的用于描述环境综合威胁程度代价的时空综合环境影响模型;
对时空综合环境影响模型进行栅格化处理,沿时空坐标系坐标轴以相同空间和时间间隔将时空分割为时空单元立方体,将时空单元立方体作为时空体素;
在任务活动的可到达时空棱镜内,按照固定时间间隔,以时空体素几何中心为节点,用匀速直线运动连接不同时刻的节点以构建备选时空路径区段;
基于空间轨迹可重叠或交叉原则在不同时间段的备选时空路径区段中以综合威胁代价最小为目标搜索出时空环境中综合威胁代价最优路径。
2.根据权利要求1所述的面向任务的时空最优路径评估方法,其特征在于,所述时空综合环境影响模型在空间环境代价规律基础上扩展时间维,利用时空坐标系记录空间点随时间点的环境、态势及能力因素对任务执行中环境代价累计增长率,其中,确定地表一点为原点、以向东方向为X轴、向北方向为Y轴、并以时间T为竖直向上的Z轴建立三维直角坐标系,以该三维直角坐标系作为时空坐标系。
3.根据权利要求1或2所述的面向任务的时空最优路径评估方法,其特征在于,栅格化处理中,分别沿时空坐标系的X轴和Y轴,以相同的空间间隔将空间栅格化,每个空间栅格确定一个空间栅格中心;沿T轴以相同的时间间隔分割,将时间和空间栅格化后的最小时空单元作为用于简化环境空间变化和时间变化复杂性的时空体素。
4.根据权利要求3所述的面向任务的时空最优路径评估方法,其特征在于,通过在栅格化后的时空体素环境中,依据沿空间直线时刻按照环境允许的最大安全速度行进并到达目标空间栅格中心所需要的最短时间获取对应时空点到临近空间栅格中心所需最短时间,求解每个空间栅格中心位置的最早到达时空点来近似表达时空棱镜的下棱锥表面,并求解每个空间栅格中心位置的最晚停留时空点来近似表达时空棱镜的上棱锥表面;将相应段运动的时空轨迹作为连接当前时空点和目标空间栅格中心,且首尾相接的多个时空直线段构成的连续时空轨迹;每一时空直线段处于不同时空体素中,且除当前时空点和目标空间栅格中心外,每段的时空起始点和结束点为时空轨迹传入和穿出时空体素的时空坐标;时空轨迹追踪按序依次根据上一次穿出时空体素的时空坐标作为下一段时空直线段运动的时空起始点,结合空间移动方向、时空体素时空范围及在时空体素内按特定方向行驶的最大速度计算穿出时空体素时的时空坐标,直至在空间上到达目标空间栅格中心;依据下棱锥表面和上棱锥表面组成的时空棱镜表示用于描述任务执行者行使路径必然所经范围的目标对象可达域范围。
5.根据权利要求1或2所述的面向任务的时空最优路径评估方法,其特征在于,利用时空体素在时空综合环境影响模型中追踪任务活动时空轨迹;并依据时空轨迹途径每个时空体素时产生的代价值之和来获取任务执行方案总的代价累积值,利用总的代价值来评估执行方案的优劣程度。
6.根据权利要求1所述的面向任务的时空最优路径评估方法,其特征在于,设定任务执行方案起始和达到的时空坐标,依据进入时空体素和穿出时空体素的时空点构造直线段来获取任务执行方案的时空轨迹;利用模型中任务执行进入或穿出时空体素时空点的时空坐标来获取时空轨迹上途经每个时空体素内行进长度和停留时间,通过时空轨迹经过的各时空体素代价增长率及对应时空体素内停留时间、和行进长度来获取任务执行方案的综合环境代价。
8.根据权利要求1所述的面向任务的时空最优路径评估方法,其特征在于,路径搜索采用时间段分层进行查找,从可到达域内部第一个计算时间段开始计算,在计算其中一时间段时,以该时间段内可到达域下边界上各节点或上一个时间段的目标体素中心点为起点,计算满足当时速度条件的前提下,节点到该时间段目标体素中心点的备选时空路径;评估位于当前计算时间段的每个目标体素中心点连接的多个备选路径,仅保留其中一条累积综合威胁代价最小的路径,抛弃其它备选路径,结合相应起点的最小综合威胁代价评估到当前目标体素中心点的最小累积综合威胁代价;如果当前时间段计算中,可到达时空域包含部分时空棱镜上边界,则将上边界上各节点作为目标体素中心点参与计算,并评估从上边界相应节点至最终目标点的总体累积综合威胁代价;进入下一计算时间段,直至完成可到达域内的所有计算;找出所有到达越野终点路径的累积综合威胁代价最小的一条路径作为代价最优路径。
9.根据权利要求1或8所述的面向任务的时空最优路径评估方法,其特征在于,在路径搜索中采用并行计算和/或启发式搜索,或利用空间位置掩膜对目标时空体素中心点采样或降低时空体素分辨率来增加时空体素时空间隔,以优化路径搜索计算量。
10.一种面向任务的时空最优路径评估系统,其特征在于,包含:模型构建模块、模型求解模块、备选构建模块和最优输出模块,其中,
模型构建模块,用于在时空坐标系中构建面向任务的用于描述环境综合威胁程度代价的时空综合环境影响模型;
模型求解模块,用于对时空综合环境影响模型进行栅格化处理,沿时空坐标系坐标轴以相同空间和时间间隔将时空分割为时空单元立方体,将时空单元立方体作为时空体素;
备选构建模块,用于在任务活动的可到达时空棱镜内,按照固定时间间隔,以时空体素几何中心为节点,用匀速直线运动连接不同时刻的节点以构建备选时空路径区段;
最优输出模块,用于基于空间轨迹可重叠或交叉原则在不同时间段的备选时空路径区段中以综合威胁代价最小为目标搜索出时空环境中综合威胁代价最优路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111412034.8A CN114254808A (zh) | 2021-11-25 | 2021-11-25 | 面向任务的时空最优路径评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111412034.8A CN114254808A (zh) | 2021-11-25 | 2021-11-25 | 面向任务的时空最优路径评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114254808A true CN114254808A (zh) | 2022-03-29 |
Family
ID=80793282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111412034.8A Pending CN114254808A (zh) | 2021-11-25 | 2021-11-25 | 面向任务的时空最优路径评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114254808A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115775309A (zh) * | 2023-01-31 | 2023-03-10 | 中国电子科技集团公司第二十八研究所 | 面向三维空间的火力范围标记方法、装置 |
-
2021
- 2021-11-25 CN CN202111412034.8A patent/CN114254808A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115775309A (zh) * | 2023-01-31 | 2023-03-10 | 中国电子科技集团公司第二十八研究所 | 面向三维空间的火力范围标记方法、装置 |
CN115775309B (zh) * | 2023-01-31 | 2023-04-04 | 中国电子科技集团公司第二十八研究所 | 面向三维空间的火力范围标记方法、装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
San Juan et al. | Intelligent UAV map generation and discrete path planning for search and rescue operations | |
Xu et al. | Optimized multi-UAV cooperative path planning under the complex confrontation environment | |
Riehl et al. | Cooperative search by UAV teams: A model predictive approach using dynamic graphs | |
Pitre et al. | UAV route planning for joint search and track missions—An information-value approach | |
Du et al. | Evolutionary planning of multi-UAV search for missing tourists | |
Zhao et al. | Computational intelligence in urban traffic signal control: A survey | |
CN110737968A (zh) | 基于深层次卷积长短记忆网络的人群轨迹预测方法及系统 | |
Groba et al. | Integrating forecasting in metaheuristic methods to solve dynamic routing problems: Evidence from the logistic processes of tuna vessels | |
Parunak et al. | Concurrent modeling of alternative worlds with polyagents | |
Wei et al. | Recurrent MADDPG for object detection and assignment in combat tasks | |
CN112556686B (zh) | 可预测动态时空环境的最短时间路径规划方法 | |
CN114254875A (zh) | 面向任务的多维度效能评估方法 | |
CN114254808A (zh) | 面向任务的时空最优路径评估方法及系统 | |
Altshuler et al. | Optimal dynamic coverage infrastructure for large-scale fleets of reconnaissance UAVs | |
Xu et al. | Deep reinforcement learning based multi-AUVs cooperative decision-making for attack–defense confrontation missions | |
Solka et al. | Fast computation of optimal paths using a parallel Dijkstra algorithm with embedded constraints | |
Sujit et al. | Multiple agent search of an unknown environment using game theoretical models | |
CN114254210A (zh) | 任务活动威胁代价评估中时空协同路径搜索优化方法及系统 | |
Fu et al. | Heterogeneous vehicle routing and teaming with gaussian distributed energy uncertainty | |
CN114169659A (zh) | 一种犯罪时空风险预测及决策调度方法和装置 | |
Das et al. | Factored particle filtering for data fusion and situation assessment in urban environments | |
de Reus et al. | Geospatial analysis for machine learning in tactical decision support | |
CN114254810A (zh) | 基于时空棱镜的任务活动可到达时空域评估方法 | |
CN114254874A (zh) | 基于时空体素的任务方案综合环境代价评估方法及系统 | |
Motorin et al. | A study of a trajectory synthesis method for a cyclic changeable target in an environment with periodic dynamics of properties |
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 |