JP2017161315A - 最適飛行網の生成方法及びシステム - Google Patents

Abstract

【課題】 消費エネルギが少なく済む飛行経路を決定できる最適飛行網の生成方法及びシステムを提供する。【解決手段】 地図データ記憶部１０から読み出した３次元地図データより、適正位置決定部１２の飛行予定領域決定部１４は飛行予定領域を決定する。暫定位置決定部１６は飛行予定領域内の複数の移動ウエイポイントについて、蟻コロニー最適化により各移動ウエイポイントから各固定ウエイポイントまでの消費エネルギが最小となる飛行経路を決定し、次に粒子群最適化により平均消費エネルギが最小となる位置を決定する。この過程を３次元地図データに含まれる全ての飛行予定領域について適用する。【選択図】 図１

Description

本発明は、最適飛行網の生成方法及びシステムに関するものである。

特開平６−１４９３７６号公報（特許文献１）には３次元地形情報に基づいて経路コストが最小になるような経路を探索する経路生成技術が開示されている。また特許第３５５７４４３号公報（特許文献２）及び特許第３３０２７３５号公報（特許文献３）には、３次元の地図データに対して経路データベースの基準点となる複数のウエイポイントを設定し、航空機を低高度で飛行させるのに適した飛行経路を複数のウエイポイントを結んで生成する飛行経路の生成技術が開示されている。

特開平６−１４９３７６号公報 特許第３５５７４４３号公報 特許第３３０２７３５号公報

特許文献２及び３に記載の技術では、設定したウエイポイントを固定した状態でウエイポイント間に適正な飛行経路を設定している。しかしながらドローンのような無人飛行体では、電池を電源にして飛行しなければならず長時間の飛行ができず、しかも飛行高度に制限が付けられている。このような条件では、飛行時間をできるだけ長くする（言い換えると燃費に相当する消費エネルギができるだけ少なくなる）経路を選択する必要がある。しかしながら従来の技術では、ウエイポイントを固定しているために、このような要求に十分に応えることができない。

本発明の目的は、できるだけ高速で飛行することができ、しかも消費エネルギが少なく済む飛行経路を決定できる最適飛行網の生成方法及びシステムを提供することある。

本発明の方法は、３次元地図データに対して経路データベースの基準点となる複数のウエイポイントを設定し、上限飛行高度が定められた無人飛行体を低消費エネルギで飛行させるのに適した飛行経路を各ウエイポイント間に生成する最適飛行網の生成方法を対象とする。本発明では、第１のステップと第２のステップを３次元地図データを網羅するように定めた複数の飛行予定領域に対して、それぞれ実行することにより、３次元地図データに設定した複数のウエイポイントの適正位置を決定する。

第１のステップでは、３次元地図データ内に１つの飛行予定領域を決定し、該飛行予定領域を囲む複数のウエイポイントを移動しない複数の固定ウエイポイントと定める。
第２のステップでは、複数の固定ウエイポイントに囲まれた飛行予定領域内にある１以上のウエイポイントの位置を変えながら、１以上のウエイポイントと複数の固定ウエイポイントとの間を無人飛行体が移動するのに消費エネルギが最小になる経路を求め、１以上のウエイポイントと複数の固定ウエイポイントとの間の消費エネルギの平均消費エネルギが最小になる経路が得られる１以上のウエイポイントの位置を該１以上のウエイポイントの暫定位置として決定する。そして、第１のステップと第２のステップを３次元地図データを網羅するように定めた複数の飛行予定領域に対して、それぞれ実行することにより、３次元地図データに設定した複数のウエイポイントの適正位置を決定する。

本発明では、固定ウエイポイントに囲まれた飛行予定領域内の１以上のウエイポイントの位置を適宜に変更しながら１以上のウエイポイントと複数の固定ウエイポイントとの間の消費エネルギの平均消費エネルギが最小になる経路が得られる１以上のウエイポイントの位置を該１以上のウエイポイントの暫定位置として決定する。したがってウエイポイントを固定した状態で最適飛行網を決定していた従来の技術と比べて、出発点から到達点に達するまでに要する消費エネルギを少なくすることができる。

複数の飛行予定領域が重ならない状態で設定される場合には、１以上のウエイポイントの暫定位置はそのまま適正位置となる。複数の飛行予定領域が一部重なる状態で設定される場合には、重なる位置にある１以上のウエイポイントの暫定位置は、再度第２のステップが実施されることにより新たな暫定位置に変わることがある。暫定位置は、すべての飛行予定領域に対する１以上のウエイポイントの決定動作が終了した時点で、適正位置となる。

なお１以上のウエイポイントが１つのウエイポイントの場合は、最も簡単で且つ適正位置の決定時間が短くなる。

また複数の飛行予定領域の設定は、次に設定される飛行予定領域が前に設定された飛行予定領域内の暫定位置にあるウエイポイントが固定ウエイポイントとなるように、隣合うように設定すると位置決定に要する時間が短くなるが、次の飛行予定領域の設定をランダムに行ってもよいのは勿論である。

３次元地図データの外周部に位置する複数のウエイポイントを常に固定ウエイポイントとするのが好ましい。このようにすると外周部に位置する複数のウエイポイントの適正位置の決定のための地図データを準備する必要がなくなる。

前記第２のステップでは、消費エネルギを目的関数とする最適化を行うことができる。

第２のステップにおいて、経路を求める際に、蟻コロニー最適化または遺伝的アルゴリズムを用い、１以上のウエイポイントを移動させるときに粒子群最適化またはグリッドサーチを用いると、経路の決定及び１以上のウエイポイントの決定が容易になる。

蟻コロニー最適化では、ｆ＝ａｘ＋ｂｙ＋ｃｚの関数を消費エネルギに相当するコスト関数とし演算を行うことができる。この場合、ｘは飛行経路の水平方向の移動距離、ｙは飛行経路の垂直方向の移動距離、ｚは飛行経路の平均曲率であり、ａ、ｂ及びｃは無人飛行体の性能によって定められる係数である。このようなコスト関数を用いると、経路の決定を簡単な演算で実現できる。なおコスト関数は、上記の関数に限定されるものではない。

本発明の最適飛行網の生成システムの１つの実施の形態を示すブロック図である。 図１の実施の形態における飛行予定領域決定部により決定された３次元地図上の飛行予定領域を表した図である。 蟻コロニー最適化部により飛行予定領域内の移動ウエイポイントから各固定ウエイポイントまでの最適飛行経路を決定する様子を示す図２と同様の図である。 蟻コロニー最適化部が図３の最初の移動ウエイポイントについての処理が終了した後に移動ウエイポイントを移動させた状態を示す図２と同様の図である。 粒子群最適化部がウエイポイントの暫定位置を決定した状態を示す図２と同様の図である。 １つの暫定位置が決定した後の次の飛行予定領域の各ウエイポイントを示す図２と同様の図である。 図１に示した最適飛行網の生成システムを、コンピュータを用いて実施する場合のソフトウエアのアルゴリズムを示すフローチャートである。 図２のステップ２の詳細を示すフローチャートである。 ３つの飛行予定領域を含む最適飛行網を３次元地図データ上に表した図である。

以下、図面を参照しつつ本発明の最適飛行網の生成方法及びシステムの実施の形態の一例について説明する。

図１において、本実施の形態の最適飛行網の生成システムは、３次元地図データに対して経路データベースの基準点となる複数のウエイポイントを設定し、上限飛行高度が定められた無人飛行体を低消費エネルギで飛行させるのに適した飛行経路を各ウエイポイント間に生成するシステムである。そのために本実施の形態の最適飛行網の生成システムは、地図データ記憶部１０と、適正位置決定部１２とを備えている。

地図データ記憶部１０は、複数のウエイポイントを設定した３次元地図データを記憶する。３次元地図データは通常の２次元地図データに加えて標高データを含んでいる。標高データは、例えば陸域観測技術衛星が生成したものを用いることができる。

適正位置決定部１２は、複数のウエイポイントの適正位置を決定して地図データ記憶部１０に記憶させる。

適正位置決定部１２は、飛行予定領域決定部１４と、暫定位置決定部１６と、ウエイポイント設定部１８とを含む。飛行予定領域決定部１４は、地図データ記憶部１０から読み出した３次元地図データ内に１つの飛行予定領域を決定し、該飛行予定領域を囲む６つのウエイポイントを、移動しない６つの固定ウエイポイントと定める。図２は、飛行予定領域決定部１４により決定された３次元地図上の飛行予定領域を表す。図２において、飛行経路は三角メッシュ状に３次元地図全体を覆っており、飛行経路の各交点がそれぞれウエイポイントである。多数のウエイポイントのうち、６つの固定ウエイポイントWPｆ１〜WPｆ６により囲まれた領域を飛行予定領域とし、飛行予定領域に含まれる１つのウエイポイントを移動ウエイポイントWPｍとする。

なお本実施の形態では、３次元地図データの外周部に位置する複数のウエイポイントは、常に固定ウエイポイントとするようにしている。図２に示した３次元地図データでは、固定ウエイポイントWPｆ１〜WPｆ６は、飛行予定領域の外周部に位置しており、移動ウエイポイントWPｍの適正位置を決定するまでの間は、常に固定ウエイトポイントで、移動ウエイトポイントにはならない。このようにすると外周部に位置するウエイポイントの適正位置決定のためのデータを準備する必要がなくなる。これらの固定ウエイポイントWPｆ１〜WPｆ６も、順次移動ウエイポイントWPｍとなって適正位置を決めるときには、移動させられることになる。

暫定位置決定部１６は、飛行予定領域決定部１４が設定した飛行予定領域と３次元地図データとを受け取って、飛行予定領域内における最適な移動ウエイポイントWPｍの位置を決定し、暫定ウエイポイントWPｐとする。本実施の形態では、リソースの節約及び決定時間の短縮の観点より、一回の処理で１つの暫定ウエイポイントWPｐを決定する。しかしながら条件によっては、１つの飛行予定領域内に複数の移動ウエイポイントを設けて、複数の暫定ウエイポイントＷＰｐを同時に得ることも可能である。 暫定位置決定部１６は、暫定ウエイポイントWPｐを決定するために、蟻コロニー最適化部２０及び粒子群最適化部２２において２段階での決定処理を行う。

蟻コロニー最適化とは、フェロモンを使って蟻が効率的に巣から餌場まで移動しているしくみを確率モデルで表したものである。蟻は、巣であるコロニーから餌を採りに出かけるが、餌を見つけるとその一部を持ち帰るが、その際にフェロモンを出しながら帰る。そして、餌を探しに行く蟻はフェロモンを見つけると、その先にある餌を求めてその経路を移動し、帰りにフェロモンを強化していく。フェロモンは時間と共に蒸発するため、より適した経路が選択される。

第１のステップを実行する蟻コロニー最適化部２０は、図３に示すように、移動ウエイポイントWPｍから各固定ウエイポイントWPｆ１〜WPｆ６までの飛行経路においてエネルギの消費が最小になる経路を最適飛行経路として設定する。したがって移動ウエイポイントWPｍと各固定ウエイポイントWPｆ１〜WPｆ６との間に、それぞれ１本ずつ、計６本の最適飛行経路が生成される。すなわちコロニーに該当する移動ウエイポイントWPｍから、各固定ウエイポイントWPｆ１〜６までの消費エネルギが最小となる経路が、上記の蟻コロニー最適化の手法を利用して求められる。因みに図３の最初に選択される移動ウエイポイントWPｍは、三角メッシュ状の飛行経路の交点上にある。 本実施の形態において、どの経路が消費エネルギが最小となるかは、無人飛行体が飛行した場合に、消費エネルギを目的関数とする最適化演算により決定する。すなわち以下のコスト関数が最小となる経路を最適飛行経路とする。

ｆ＝ａｘ＋ｂｙ＋ｃｚ （１）
コスト関数を表す式（１）において、
ｘ：飛行経路の水平方向の移動距離
ｙ：飛行経路の垂直方向の移動距離（積算）
ｚ：飛行経路の平均曲率
である。

飛行経路の水平方向の移動距離が長ければそれだけエネルギを消費し、積算の水平方向の移動距離（始点と終点の高度差ではない）はそのまま消費エネルギに反映し、平均曲率は無人飛行体が曲がると加減速のためにエネルギを使うためである。ａ、ｂ及びｃは無人飛行体の性能によって定まる定数であるが、例えば０．０８、０．８、０．０１のような数値の重み定数である。定数は無人飛行体の機種ごとに定まり、無人飛行体を実際に飛行させてデータを取得することができるほか、メーカから提供される仕様からも導き出せる。また無人飛行体が実荷か空荷かで定数に相当な差が生じるが、無人飛行体が実荷で目的地に行き、空荷で出発点まで戻るとすると、最大積載重量の半分程度の重量の荷物を積載した状態で定数を求めるようにしてもよいのは勿論である。このようなコスト関数を用いると、経路の決定を簡単な演算で実現することができる。

関数格納部２４は上記のコスト関数を格納し、外部から入力された各定数を記憶しておき、コスト関数に各定数を入れて、蟻コロニー最適化部２０にコスト関数を出力する。なおコスト関数は上記のものに限定されることはなく、乗算を含めたり、他の要素を加えたり、あるいは消費エネルギ以外の評価基準（例えば目的地に到達するまでに要する時間等）が考慮されていてもよい。

蟻コロニー最適化部２０は図３のように、まず１つの移動ウエイポイントWPｍについての最適飛行経路が求められたら、図４のように移動ウエイポイントＷＰｍを移動させ、さらに図５のように移動させて、各移動ウエイポイントWPｍについて上記と同様に６本の最適飛行経路を求める。１回の処理において最適飛行経路が求められる移動ウエイポイントＷＰｍの位置や個数は限定されないが、１つの飛行予定領域に一つの移動ウエイポイントＷＰｍを想定することが最も演算が容易になる。移動ウエイポイントWPｍの移動箇所は、初期の位置は全体に分散することなく飛行予定領域の中心付近に集中させることが効率的と考えられる。理論的には、飛行予定領域の広さやリソースや処理時間等により調整されるが、例えば１００箇所である。

次に、第２のステップを実行する粒子群最適化部２２は、粒子群最適化の処理により、移動ウエイポイントWPｍと６つの固定ウエイポイントＷＰｆとの間の消費エネルギの平均消費エネルギが最小になる経路が得られる１つの移動ウエイポイントWPｍの位置を発見し、暫定ウエイポイントＷＰｐの暫定位置として決定する。

粒子群最適化とは、魚群において一匹が良い経路を見つけると、残りの群がそれに倣うしくみをモデル化したものである。多次元空間において、最適解を求めようとするとき、位置と速度を持つ粒子群が動き回る。このとき、最も良い値となっている粒子の位置が全体に通知され、また、ローカルなベストな位置にある粒子が近傍に通知される。

粒子群最適化部２２は、蟻コロニー最適化部２０から複数の移動ウエイポイントWPｍそれぞれの位置及び６つの最適飛行経路の平均消費エネルギを受け取り、これらに基づいて粒子群最適化の処理を行う。すなわち平均消費エネルギが最小となる暫定ウエイポイントWPｐ（＝粒子）の位置が求められ、ローカルなベストな位置にある移動ウエイポイントＷＰｍの位置（＝粒子）が計算上近傍にある移動ウエイポイントに通知され、各移動ウエイポイントは，自分がそれまでに発見した最良の位置を記憶する。そして、現在位置をその最良の位置と比較し、最良の位置の方が良い位置であれば、移動ウエイポイントは速度を調節してその最良の位置に戻る。これらの通知に基づいて各移動ウエイポイントＷＰｍ（＝粒子）の位置及び速度が更新される。

本実施の形態における上記「平均」は単純な算術平均だが、幾何平均等の他の平均の利用が妥当なこともある。例えば飛行予定領域が荷物の集積地の近傍で、無人飛行体はトラック等の他の輸送手段で搬入された荷物を集積地から個々の目的地に配達するためにその飛行予定領域を飛行するような場合である。このような集積地から離れる方向に向かう無人飛行体はほとんど実荷であり、集積地に近づく方向に向かう無人飛行体はほとんど空荷である。このように実荷と空荷との無人飛行体が同じ飛行経路を、極端に偏った向きで飛行することが見込まれる場合、実荷と空荷とでコスト関数の定数を変えるとともに、向きを考慮した調和平均を適用することにより、現実の無人機運用に即した最適飛行経路を得ることが期待できる。

ウエイポイント設定部１８は、粒子群最適化部２２から位置及び速度の更新された各粒子の位置＝移動ウエイポイントＷＰｍの位置を受け取って、再度の処理が必要ならば蟻コロニー最適化部２０に出力し、再度の処理が必要ない場合には１つの飛行予定領域について平均消費エネルギの最小だった暫定ウエイポイントＷＰｐの暫定位置を新たな固定ウエイポイントＷＰｆに置き換えて飛行予定領域決定部１４に出力する。図５に暫定ウエイポイントＷＰｐの暫定位置を決定した状態を示す。最終的には、暫定位置を適正位置として、地図データ記憶部１０に出力する。

一つの暫定ウエイポイントＷＰｐの暫定位置が決定されると、これを受信した飛行予定領域決定部１４は、次に処理する飛行予定領域の設定を行う。その際、本実施の形態では、位置決定に要する時間を短くするために、先に暫定ウエイポイントＷＰｐの位置が決定されて更新された固定ウエイポイントＷＰｆを含む飛行予定領域に隣接して次の飛行予定領域を設定する。その中でも、先に更新された固定ウエイポイントにより囲まれた飛行予定領域に設定すると、より効率的である。図６に示すように、図５の暫定ウエイポイントＷＰｐを新たな固定ウエイポイントＷＰｆ７として、固定ウエイポイントＷＰｆ２、４、８〜１０で囲まれる新たな飛行予定領域を設定し、領域内に含まれていた固定ウエイポイントＷＰｆ３を新たな移動ウエイポイントＷＰｍとして、暫定位置決定の処理を続行している。なお、処理時間やリソースへの負担が問題にならない限り、次に処理対象となる飛行予定領域はランダムに設定されても、他の規則に従って選択されてもよいことは言うまでもない。

他の実施の形態においては、経路を求める際に、蟻コロニー最適化の代わりに遺伝的アルゴリズム等の他の手法を利用することができる。また１以上のウエイポイントを移動させるときに、粒子群最適化の代わりにグリッドサーチ等の他の手法を用いることができる。

このような最適飛行網の生成システムは、パーソナルコンピュータの制御装置、演算装置、主記憶装置等、補助記憶装置等の周辺機器及びＯＳを含むソフトウエアにより構成することができる。蟻コロニー最適化や粒子群最適化に関しては、専用のパッケージソフトが販売されており、入手可能である。

次に、本実施の形態に係る最適飛行網の生成システムをコンピュータを用いて実現する場合に用いるソフトウエアのアルゴリズムを図７及び８を参照しつつ説明する。最初に、適正位置決定部１２の飛行予定領域決定部１４が、初期は三角メッシュ状の飛行経路の交点である複数のウエイポイントを設定した３次元地図データを地図データ記憶部１０から読み出し（ステップＳ１）、図２に示すように、第１のステップとして、移動しない６つの固定ウエイポイントＷＰｆ１〜ＷＰｆ６に囲まれた飛行予定領域を決定する（ステップＳ２）。

次に、暫定位置決定部１６は、図３以下に示すように、第２のステップとして、飛行予定領域決定部１４が決定した飛行予定領域内において、飛行予定領域を囲む６つの固定ウエイポイントＷＰｆ１〜ＷＰｆ６との間を無人飛行体が移動するのに消費エネルギが最小となる１つの移動ウエイポイントＷＰｍの位置を、１つの暫定ウエイポイントＷＰｐの暫定位置として決定する（ステップＳ３）。

ステップＳ３の暫定位置決定は、図７のフローチャートに示すように飛行予定領域内の複数の各移動ポイントＷＰｍ（ステップＳ３１で位置を決定）から各固定ウエイポイントＷＰｆ１〜ＷＰｆ６までの消費エネルギが最小となる最適経路をそれぞれ得る蟻コロニー最適化のステップ３２と、平均消費エネルギの最小となる移動ウエイポイントWPｍ（＝粒子）の位置を求め、これを暫定ウエイポイントＷＰｐとして、その位置が全体の粒子（ウエイポイント）に通知され、またローカルなベストな位置にある粒子（ウエイポイント）が近傍の粒子に通知され、これらの通知に基づいて各粒子の位置及び速度を更新する粒子群最適化のステップＳ３４との２段階の最適化を通じて暫定位置が決定される。

次に、暫定ウエイポイントＷＰｐの位置を決定してよいかどうかが判断される（ステップＳ３６）。この判断は、本実施の形態においてはステップＳ３２及びＳ３４を繰り返した回数に基づく。粒子群最適化は、繰り返し処理を行う回数が多ければ多いほど、結果が最適に近づくことは明らかであるが、リソース及び処理時間の問題から、適当な回数で終了することが好ましい。本実施の形態では、同一の飛行予定領域について、ステップＳ３２及び３４を５回繰り返すと、今回の暫定ウエイポイントＷＰｐの位置が現在のところ該飛行予定領域内で最適なウエイポイントの位置とであると判断し、暫定位置決定がなされる。繰り返した回数が５回未満の場合には、ステップＳ３４の粒子群最適化において移動された各移動ウエイポイントＷＰｍの位置が更新されて（ステップＳ３８）、更新された各移動ウエイポイントＷＰｍの位置にて蟻コロニー最適化（ステップ３２）の処理が繰り返し行われる。

その他の実施の形態では、暫定ウエイポイントＷＰｐの位置を決定してよいかどうかの判断は、例えば前回の暫定位置と今回の暫定位置とを比較して、同一か無視してよいような微差しかないような場合には、今回の暫定位置が最適であるとの推定に基づいてなされるようにしてもよい。

１つの飛行予定領域についてステップＳ３の暫定位置決定が終了したら、３次元地図データに未処理の飛行予定領域があるかどうか判断し（ステップＳ４）、ある場合には地図データ記憶部１０に記憶された３次元地図データ上で暫定位置の移動ウエイポイントを固定ウエイポイントに変更し（ステップＳ５）、ステップＳ１に戻って新たな飛行予定領域についてステップＳ２以下が繰り返される。

ステップＳ４にて、全部の飛行予定領域についての処理が終了したと判断されたら、すなわち３次元地図データに設定した三角メッシュの最外周に位置する固定ウエイポイント以外の固定ウエイポイントを移動ウエイポイントしてその暫定位置を決定したら、それまでに決定された固定ウエイポイントの暫定位置を適正位置としてよいかどうかが判断される（ステップＳ６）。この判断は、本実施の形態では繰り返しの回数で、３回である。回数が２回以下の場合には、各飛行予定領域について再度の適正位置決定の処理が実行される。従って、１回目と２回目、２回目と３回目では、暫定ウエイポイントＷＰｐの位置が異なってくるが、回数を重ねるうちに収束することは明らかであり、本実施の形態においては、３回繰り返せばほぼ最適な結果に到達したと推測される。他の実施の形態では、３次元地図データの面積の広狭や飛行予定領域の数によって、処理の回数は変動しうる。また他の実施の形態では、ステップＳ６の判断は前回の結果との照合に基づく。

ステップＳ６で暫定位置が適正位置と判断されたら、３次元地図データに設定した複数のウエイポイントの適正位置を決定し、地図データ記憶部１０に書き込んで（ステップＳ７）、本実施の形態の処理は終了する。

図９は、３つの飛行予定領域について、本実施の形態による最適飛行網の生成方法により生成された最適飛行網の一例である。初期は三角メッシュ状に規則的に並んでいた３つのウエイポイントＷＰ１〜３は、図１のシステムを用いて図７及び８に示した処理を施した結果、初期の位置からずれ、相互間及び外周の固定ポイントまでの経路が直線ではなくなっている。図９の結果が得られるまで、まず３つの飛行予定領域について最適化を５回繰り返し、それを３回繰り返したので、図９の最適飛行網はステップＳ３３及び３４の最適化を総計で４５回実行したことになる。

地図データ記憶部１０に書き込まれた適正位置のウエイポイントを交点とする飛行経路は、無人飛行体がこれに沿って飛行することにより、消費エネルギを最小に抑えることが期待される。上記の処理を３次元地図データ上の三角メッシュの交点に位置する固定ウエイポイント（正しい地図データの最外周部に位置する固定ウエイポイントを除く）について、実施することにより、３次元地図データ上の全ての領域に最適飛行網を設定することができる。

以上のように本実施の形態の最適飛行網の生成方法は、ウエイポイントを移動させて最適飛行網を生成することができるので、ウエイポイントを固定した状態で最適飛行網を決定していた従来の技術と比べて、出発点から到達点に達するまでに要する消費エネルギを少なくすることができる。

複数の飛行予定領域が重ならない状態で設定される場合には、１以上のウエイポイントの暫定位置はそのまま適正位置となる。複数の飛行予定領域が一部重なる状態で設定される場合には、重なる位置にある１以上のウエイポイントの暫定位置は、再度第２のステップが実施されることにより新たな暫定位置に変わることがある。暫定位置は、３次元地図データをカバーするすべての飛行予定領域に対する１以上のウエイポイントの決定動作が終了した時点で、適正位置となる。

以上説明したように、本発明の最適飛行網の生成方法及びシステムによれば、消費エネルギが少なくて済む無人飛行体の最適な飛行経路を決定することができる。

１０ 地図データ記憶部
１２ 適正位置決定部
１４ 飛行予定領域決定部
１６ 暫定位置決定部
１８ ウエイポイント設定部
２０ 蟻コロニー最適化部
２２ 粒子群最適化部
２４ コスト関数格納部

Claims (14)

1. ３次元地図データに対して経路データベースの基準点となる複数のウエイポイントを設定し、上限飛行高度が定められた無人飛行体を低消費エネルギで飛行させるのに適した飛行経路を各ウエイポイント間に生成する最適飛行網の生成方法であって、
   前記３次元地図データ内に１つの飛行予定領域を決定し、該飛行予定領域を囲む複数のウエイポイントを移動しない複数の固定ウエイポイントと定める第１のステップと、
   前記複数の固定ウエイポイントに囲まれた前記飛行予定領域内にある１以上のウエイポイントの位置を変えながら、前記１以上のウエイポイントと前記複数の固定ウエイポイントとの間を前記無人飛行体が移動するのに消費エネルギが最小になる経路を求め、前記１以上のウエイポイントと前記複数の固定ウエイポイントとの間の前記消費エネルギの平均消費エネルギが最小になる経路が得られる前記１以上のウエイポイントの位置を該１以上のウエイポイントの暫定位置として決定する第２のステップを、
   前記３次元地図データを網羅するように定めた複数の前記飛行予定領域に対して、それぞれ実行することにより、前記３次元地図データに設定した前記複数のウエイポイントの適正位置を決定することを特徴とする最適飛行網の生成方法。
2. 前記３次元地図データの外周部に位置する複数のウエイポイントを常に固定ウエイポイントとする請求項１に記載の最適飛行網の生成方法。
3. 先に暫定位置が決定された前記１以上のウエイポイントを含む前記飛行予定領域に隣接して次の飛行予定領域を設定する請求項１または２に記載の最適飛行網の生成方法。
4. 前記複数の飛行予定領域をランダムに設定することを特徴とする請求項１または２に記載の最適飛行網の生成方法。
5. 前記第１のステップ及び第２のステップでは、消費エネルギを目的関数とする最適化を行うことを特徴とする請求項１に記載の最適飛行網の生成方法。
6. 前記第２のステップにおいて、前記経路を求める際に、蟻コロニー最適化または遺伝的アルゴリズムを用い、前記１以上のウエイポイントを移動させるときに粒子群最適化またはグリッドサーチを用いることを特徴とする請求項１に記載の最適飛行網の生成方法。
7. 前記蟻コロニー最適化では、ｆ＝ａｘ＋ｂｙ＋ｃｚの関数を消費エネルギに相当するコスト関数とし演算を行い、
   但し、ｘは飛行経路の水平方向の移動距離、ｙは飛行経路の垂直方向の移動距離、ｚは前記飛行経路の平均曲率であり、ａ、ｂ及びｃは前記無人飛行体の性能によって定められる係数であることを特徴とする請求項３に記載の最適飛行網の生成方法。
8. ３次元地図データに対して経路データベースの基準点となる複数のウエイポイントを設定し、上限飛行高度が定められた無人飛行体を低消費エネルギで飛行させるのに適した飛行経路を各ウエイポイント間に生成する最適飛行網の生成システムであって、
   前記複数のウエイポイントを設定した前記３次元地図データを記憶する地図データ記憶部と、
   前記複数のウエイポイントの適正位置を決定して前記地図データ記憶部に記憶させる適正位置決定部とを備え、
   適正位置決定部は、コンピュータを用いて、
   前記３次元地図データ内に１つの飛行予定領域を決定し、該飛行予定領域を囲む複数のウエイポイントを移動しない複数の固定ウエイポイントと定める第１のステップと、
   前記複数の固定ウエイポイントに囲まれた前記飛行予定領域内にある１以上のウエイポイントの位置を変えながら、前記１以上のウエイポイントと前記複数の固定ウエイポイントとの間を前記無人飛行体が移動するのに消費エネルギが最小になる経路を求め、前記１以上のウエイポイントと前記複数の固定ウエイポイントとの間の前記消費エネルギの平均消費エネルギが最小になる経路が得られる前記１以上のウエイポイントの位置を該１以上のウエイポイントの暫定位置として決定する第２のステップとを、
   前記３次元地図データを網羅するように定めた複数の前記飛行予定領域に対して、それぞれ実行することにより、前記３次元地図データに設定した前記複数のウエイポイントの適正位置を決定するように構成されていることを特徴とする最適飛行網の生成システム。
9. 前記３次元地図データの外周部に位置する複数のウエイポイントを常に固定ウエイポイントとする請求項８に記載の最適飛行網の生成システム。
10. 先に暫定位置が決定された前記１以上のウエイポイントを含む前記飛行予定領域に隣接して次の飛行予定領域を設定する請求項８または９に記載の最適飛行網の生成システム。
11. 前記複数の飛行予定領域をランダムに設定することを特徴とする請求項８または９に記載の最適飛行網の生成システム。
12. 前記第１のステップ及び第２のステップでは、消費エネルギを目的関数とする最適化を行うことを特徴とする請求項８に記載の最適飛行網の生成システム。
13. 前記第２のステップにおいて、前記経路を求める際に、蟻コロニー最適化または遺伝的アルゴリズムを用い、前記１以上のウエイポイントを移動させるときに粒子群最適化またはグリッドサーチを用いることを特徴とする請求項８に記載の最適飛行網の生成システム。
14. 前記蟻コロニー最適化では、ｆ＝ａｘ＋ｂｙ＋ｃｚの関数を消費エネルギに相当するコスト関数とし演算を行い、
    但し、ｘは飛行経路の水平方向の移動距離、ｙは飛行経路の垂直方向の移動距離、ｚは前記飛行経路の平均曲率であり、ａ、ｂ及びｃは前記無人飛行体の性能によって定められる係数であることを特徴とする請求項１０に記載の最適飛行網の生成システム。