一种复用运输无人机的城市感知运输协同调度方法技术

本发明专利技术公开了一种复用运输无人机的城市感知运输协同调度方法，通过对路径选择、感知时间分配、运货重量分配的联合优化问题进行合理分解，采用分步寻优求解的方式，有效实现了对复用运输无人机城市感知运输协同调度的方案优化，且寻优运算效率和运算进度都具备较高水准，有利于更好的复用运输无人机执行城市感知任务，从而帮助提高城市无人机资源的利用率，降低无人机集群执行货物运输和城市信息感知任务的综合能量消耗及资源消耗，优化提高城市无人运行的综合经济效益，能够用以实现低成本、大规模的城市感知。

【技术实现步骤摘要】
一种复用运输无人机的城市感知运输协同调度方法
本专利技术涉及无人机集群调度控制
，具体涉及一种复用运输无人机的城市感知运输协同调度方法。
技术介绍
近年来，无人机被众多大公司广泛用于城市最后一公里的快递运送和应急响应。全球运货无人机应用市场巨大，覆盖领域包括零售、医疗物资等，越来越多的运货无人机正被用来进行城市包裹等货物运送服务。无人机在进行包裹运送的同时，由于能够搭载大量的传感器，比如GPS和相机等，其也具有进行城市感知的潜力，如环境监测、灾难响应、以及空气质量监控等应用，使得复用大量运货无人机来提供大规模城市群智感知成为可能。城市信息感知(或称为城市群智感知)，是指利用具备信息感应采集能力的移动设备形成交互式的、参与式的感知网络，对城市多维度信息进行有效采集，从而提供各种物联网大数据应用的一种新的大数据信息获取模式，对于提升大数据、物联网、云计算等领域的服务能力和服务效率具有积极意义。如果能够复用大量运货无人机来提供城市信息感知，实现无人机资源的共享，将大大减少额外感知设备的安装成本和维护成本。因此，复用运货无人机能实现低成本、大规模的群智感知，能够为城市信息感知提供一种新型有效的方式。然而，目前针对无人机在城市信息感知方面的应用，大多考虑的是使用专门的无人机来进行群智感知，而忽略了复用已有的运货无人机资源。如果能够充分利用城市运货无人机资源来执行城市信息感知任务，不仅有利于实现对城市无人机资源的充分利用，控制城市上空无人机运行数量，并且由于执行城市信息感知任务能够带来感知收益，加上无人机货物运输带来的运货收益，就能够为无人机运行团队带来双重经营收益，提高无人机的收益率和利用率。但是，要实现复用运货无人机执行城市信息感知任务，在对无人机集群的调度控制中存在多方面的问题。因为运货无人机的货物运输路径上，可能会途经一个或多个感知任务区域，而有些货物运输路径有可能存在着局部重叠或交叉等情况，加之无人在执行货物运输的同时执行感知任务时，除了运输能耗的消耗还存在着感知器件运行能耗的消耗，这些因素就使得复用运输无人机的城市感知运输协同调度过程中，面临着需要联合优化路径选择、感知时间分配、运货重量分配等问题，才能实现在无人机能耗受限的约束条件下其运货收益和感知收益尽可能的最大化。然而，这些优化调度问题的求解难度都是较大的，因为至少存在如下两方面的技术挑战：(1)NP难问题的性能保证：即便仅考虑固定运货重量的情况，路径-时间联合优化问题(以下统称RT问题)也是一个混合整数非线性规划问题，涉及路径选择这组整数变量，和感知时间这组连续变量。因此，想要为混合整数非线性规划问题实现性能保证是非常具有挑战性的，并且是一个NP难问题。(2)多组变量间的紧耦合性：由于存在无人机的能耗约束，运货重量分配与路径选择和感知时间分配问题紧耦合，所以考虑调节运货重量为解决上述混合整数非线性规划问题带来了更大的困难。更大的问题是，这种耦合性使得目标函数和部分约束条件都不是凸函数，因此求解过程更具挑战。由于这些疑难因素的存在，使得如何解决复用运输无人机的城市感知运输协同调度问题，成为了一个亟需解决的行业性技术难题。
技术实现思路
针对现有技术存在的上述不足，本专利技术要解决的技术问题是如何提供一种复用运输无人机的城市感知运输协同调度方法的解决新方案，以帮助提高城市无人机资源的利用率，降低无人机集群执行货物运输和城市信息感知任务的综合能量消耗及资源消耗，优化提高城市无人运行的综合经济效益。为解决上述技术问题，本专利技术采用了如下的技术方案：一种复用运输无人机的城市感知运输协同调度方法，包括如下步骤：获取无人机集群执行货物运输任务的同时能够执行城市感知任务的路径集合作为无人机货物运输调度的运输路径集合，并获取相应的运货收益信息、感知收益信息、各组待运输货物的重量信息；以无人机的最大承载重量、每台无人机能耗上限和无人机集群的能耗预算为约束条件，以无人机集群完成各组待运输货物运输的总收益最大为优化目标，建立无人机货物运输调度的目标函数；所述完成各组待运输货物运输的总收益是无人机集群完成各组待运输货物运输和城市感知任务的运货收益及感知收益的总和；初始化无人机集群对各组待运输货物的运输载重分配、运输路径分配和感知时间分配方案，在满足约束条件的前提下基于所述目标函数对无人机货物运输调度的运输路径分配和感知时间分配进行优化求解，然后根据所述运输路径分配和感知时间分配的优化解采用贪心算法对所述载重分配方案进行更新寻优，再根据寻优后的载重分配方案再次进行运输路径分配和感知时间分配的优化，由此通过循环更新寻优求得总收益最大的载重分配方案对应的最优解运输路径分配和感知时间分配方案，作为无人机货物运输调度最优方案；按照所述无人机货物运输调度最优方案，实施无人机集群对各组待运输货物运输的配货运输以及执行城市感知任务的调度。上述复用运输无人机的城市感知运输协同调度方法中，作为优选方案，所述无人机货物运输调度的目标函数为：其中，U为无人机集群完成各组待运输货物运输的总收益；xij为无人机的路径选择变量，xij＝1表示第i个运送小组对应的第j条路径被某台无人机选择来执行运货和感知任务，xij＝0则表示该路径未被选中；表示无人机选择第i个运送小组对应的第j条路径并执行第k个感知任务的感知时间；wij为无人机选择第i个运送小组对应的第j条路径时携带的货物重量；λ表示感知收益权重系数；表示无人机选择第i个运送小组对应的第j条路径并执行第k个感知任务的感知收益函数；τ表示单位重量货物带来的运货收益；i∈[1,2,…,I]，j∈[1,2,…,J]，k∈[1,2,…,Kj]，I表示无人机集群划分的运送小组总数，J表示无人机可执行货物运输的运输路径总数，Kj表示无人机在第j条路径上可执行城市感知任务的任务数，且K表示无人机可执行城市感知任务的任务总数。上述复用运输无人机的城市感知运输协同调度方法中，作为优选方案，无人机选择第i个运送小组对应的第j条路径并执行第k个感知任务的感知收益函数按照下式确定：其中，uk表示执行第k个感知任务在单位时间内产生的感知收益；表示执行第k个感知任务的感知收益上限值。上述复用运输无人机的城市感知运输协同调度方法中，作为优选方案，所述约束条件包括：①无人机能耗约束：Pf(wij)和Ph(wij)分别表示无人机选择第i个运送小组对应的第j条路径携带的货物重量wij的运输能耗功率和感知能耗功率；Ei为第i个运送小组的能耗上限；dij表示第i个运送小组对应的第j条路径的长度；v为无人机飞行速度；②无人机小组划分约束：ai表示第i个运送小组最多可容纳的无人机数量；I表示无人机集群划分的运送小组总数；③能耗预算约束：表示选择第i个运送小组对应的第j条路径参与执行感知任务相比于从第i个运送小组所在位置起点直线飞行到第i个运送小组需到达目的站点而言所带来的运输能耗增量；j∈[1,本文档来自技高网...

【技术保护点】
1.一种复用运输无人机的城市感知运输协同调度方法，其特征在于，包括如下步骤：/n获取无人机集群执行货物运输任务的同时能够执行城市感知任务的路径集合作为无人机货物运输调度的运输路径集合，并获取相应的运货收益信息、感知收益信息、各组待运输货物的重量信息；/n以无人机的最大承载重量、每台无人机能耗上限和无人机集群的能耗预算为约束条件，以无人机集群完成各组待运输货物运输的总收益最大为优化目标，建立无人机货物运输调度的目标函数；所述完成各组待运输货物运输的总收益是无人机集群完成各组待运输货物运输和城市感知任务的运货收益及感知收益的总和；/n初始化无人机集群对各组待运输货物的运输载重分配、运输路径分配和感知时间分配方案，在满足约束条件的前提下基于所述目标函数对无人机货物运输调度的运输路径分配和感知时间分配进行优化求解，然后根据所述运输路径分配和感知时间分配的优化解采用贪心算法对所述载重分配方案进行更新寻优，再根据寻优后的载重分配方案再次进行运输路径分配和感知时间分配的优化，由此通过循环更新寻优求得总收益最大的载重分配方案对应的最优解运输路径分配和感知时间分配方案，作为无人机货物运输调度最优方案；/n按照所述无人机货物运输调度最优方案，实施无人机集群对各组待运输货物运输的配货运输以及执行城市感知任务的调度。/n...

【技术特征摘要】
1.一种复用运输无人机的城市感知运输协同调度方法，其特征在于，包括如下步骤：
获取无人机集群执行货物运输任务的同时能够执行城市感知任务的路径集合作为无人机货物运输调度的运输路径集合，并获取相应的运货收益信息、感知收益信息、各组待运输货物的重量信息；
以无人机的最大承载重量、每台无人机能耗上限和无人机集群的能耗预算为约束条件，以无人机集群完成各组待运输货物运输的总收益最大为优化目标，建立无人机货物运输调度的目标函数；所述完成各组待运输货物运输的总收益是无人机集群完成各组待运输货物运输和城市感知任务的运货收益及感知收益的总和；
初始化无人机集群对各组待运输货物的运输载重分配、运输路径分配和感知时间分配方案，在满足约束条件的前提下基于所述目标函数对无人机货物运输调度的运输路径分配和感知时间分配进行优化求解，然后根据所述运输路径分配和感知时间分配的优化解采用贪心算法对所述载重分配方案进行更新寻优，再根据寻优后的载重分配方案再次进行运输路径分配和感知时间分配的优化，由此通过循环更新寻优求得总收益最大的载重分配方案对应的最优解运输路径分配和感知时间分配方案，作为无人机货物运输调度最优方案；
按照所述无人机货物运输调度最优方案，实施无人机集群对各组待运输货物运输的配货运输以及执行城市感知任务的调度。


2.根据权利要求1所述复用运输无人机的城市感知运输协同调度方法，其特征在于，所述无人机货物运输调度的目标函数为：



其中，U为无人机集群完成各组待运输货物运输的总收益；xij为无人机的路径选择变量，xij＝1表示第i个运送小组对应的第j条路径被某台无人机选择来执行运货和感知任务，xij＝0则表示该路径未被选中；表示无人机选择第i个运送小组对应的第j条路径并执行第k个感知任务的感知时间；wij为无人机选择第i个运送小组对应的第j条路径时携带的货物重量；λ表示感知收益权重系数；表示无人机选择第i个运送小组对应的第j条路径并执行第k个感知任务的感知收益函数；τ表示单位重量货物带来的运货收益；i∈[1,2,…,I]，j∈[1,2,…,J]，k∈[1,2,…,Kj]，I表示无人机集群划分的运送小组总数，J表示无人机可执行货物运输的运输路径总数，Kj表示无人机在第j条路径上可执行城市感知任务的任务数，且K表示无人机可执行城市感知任务的任务总数。


3.根据权利要求2所述复用运输无人机的城市感知运输协同调度方法，其特征在于，所述感知收益权重系数λ通过先验知识或预先数据统计获得。


4.根据权利要求2所述复用运输无人机的城市感知运输协同调度方法，其特征在于，无人机选择第i个运送小组对应的第j条路径并执行第k个感知任务的感知收益函数按照下式确定：



其中，uk表示执行第k个感知任务在单位时间内产生的感知收益；表示执行第k个感知任务的感知收益上限值。


5.根据权利要求2所述复用运输无人机的城市感知运输协同调度方法，其特征在于，所述约束条件包括：
①无人机能耗约束：



Pf(wij)和Ph(wij)分别表示无人机选择第i个运送小组对应的第j条路径携带的货物重量wij的运输能耗功率和感知能耗功率；Ei为第i个运送小组的能耗上限；dij表示第i个运送小组对应的第j条路径的长度；v为无人机飞行速度；
②无人机小组划分约束：



ai表示第i个运送小组最多可容纳的无人机数量；I表示无人机集群划分的运送小组总数；
③能耗预算约束：




表示选择第i个运送小组对应的第j条路径参与执行感知任务相比于从第i个运送小组所在位置起点直线飞行到第i个运送小组需到达目的站点而言所带来的运输能耗增量；j∈[1,2,…,J]，k∈[1,2,…,Kj]，J表示无人机可执行货物运输的运输路径总数，Kj表示无人机在第j条路径上可执行城市感知任务的任务数，且K表示无人机可执行城市感知任务的任务总数；δ为无人机集群用于执行城市感知任务的能耗预算；
④路径选择唯一性约束：



表示路径j至多只能被一个运送小组选择；
⑤货物重量约束：



m表示待运输货物的总数量，分别表示各个待运输货物的重量值；
⑥运输路径和感知时间取值约束：
xij∈{0,1}，


6.根据权利要求1所述复用运输无人机的城市感知运输协同调度方法，其特征在于，通过循环更新寻优求得总收益最大的载重分配方案对应的最优解运输路径和感知时间的具体步骤为：
1)初始化循环次数n＝0，并根据约束条件随机初始化n＝0时的运货重量分配集w(n)、运输路径选择集x(n)和感知时间分配集t(n)；所述运货重量分配集w(n)、运输路径选择集x(n)和感知时间分配集t(n)分别表示无人机集群进行各组待运输货物运送和执行城市感知任务的运货重量分配状态集合、运输路径选择状态集合和感知时间分配状态集合；
2)基于当前第n次迭代的运货重量分配集w(n)，将x(n)、t(n)作为路径-时间联合分配算法的初始解，利用路径-时间联合分配算法优化求解得到第n+1次迭...

【专利技术属性】
技术研发人员：向朝参，周彦霖，杨朝山，陈瑞，屈毓锛，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50