无人机高速公路巡逻的路径优化方法和系统技术方案

本发明专利技术提供一种无人机高速公路巡逻的路径优化方法和系统，涉及路径规划技术领域。本发明专利技术提出了一种路网导向型的多站点固定终点的多旅行商问题模型。无人机编队将始终在道路上空飞行并记录飞行过程中交通的实时路况，并将不同类型的巡逻任务组合，提高飞行过程中的资源利用率，无人机编队需要同时完成重要道路节点的巡逻任务和对某些易拥堵、违章的道路路段的指挥任务，选择巡逻路径总长度最短的处理策略，对动态环境更具灵活性。对动态环境更具灵活性。对动态环境更具灵活性。

【技术实现步骤摘要】
无人机高速公路巡逻的路径优化方法和系统


[0001]本专利技术涉及路径规划
，具体涉及一种无人机高速公路巡逻的路径优化方法和系统。

技术介绍

[0002]近年来，全国高速公路通车里程增长迅速，交通管理的警力不足与需求增加的矛盾日益凸显。目前，交通主管部门通常采用常规人工巡逻和固定摄像头等方式获取城市高速公路的实时信息。然而，城市高速公路巡逻任务面临着里程长、盲区多、效率低等问题，固定摄像头无法实现全路段覆盖，而常规的人工巡逻往往需要占用本已十分拥堵的有限道路资源，且难以快速获取实时路况信息。因此，如何满足当前日渐增长的高速公路交通管理需求是高速公路巡逻的一大难题。无人机是一种环境适应性和可扩展性较强的传感平台，同时具有远程自主航线巡逻、道路抓拍、定点悬停飞行、实时语音通讯等功能。因此，在城市建筑和道路条件复杂、地面视角有限的道路交通巡逻中，无人机被视为当前巡逻业务的有效补充并已被广泛应用。
[0003]在现阶段，无人机高速公路巡逻的方法为：交警部门在接到多个巡逻任务后，依靠专业的操控员现场操作以确定无人机的起飞降落位置和巡逻路径，完成对巡逻任务的访问，并回到停机坪。在这个过程中，通过操控员现场人为操作，难以找到一种较优的任务分配与路径规划方案，导致无人机在飞行巡逻过程中资源利用率较低。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术的不足，本专利技术提供了一种无人机高速公路巡逻的路径优化方法和系统，解决了现有方法中无人机飞行巡逻过程中资源利用率较低的技术问题。
[0006](二)技术方案
[0007]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0008]第一方面，本专利技术提供一种无人机高速公路巡逻的路径优化方法，所述方法包括以下步骤：
[0009]S1、获取高速公路路网数据、异构巡逻任务集合和无人机数量及编号，所述异构巡逻任务集合包括点目标和线目标；
[0010]S2、基于所述高速公路路网数据、所述异构巡逻任务集合和所述无人机数量及编号构建路网导向型的多站点固定终点的多旅行商问题模型；
[0011]S3、基于所述高速公路路网数据、所述异构巡逻任务集合、所述无人机数量及编号和所述多旅行商问题模型，采用单亲遗传算法获取每架无人机的访问任意一个或多个巡逻目标的最优任务分配方案。
[0012]优选的，所述多旅行商问题模型，包括：
[0013]所述多旅行商问题模型的目标函数为所有无人机的巡逻路径总长度最短，采用公
式(1)来表示：
[0014][0015]所述多旅行商问题模型的约束条件采用公式(2)至(11)来表示：
[0016][0017][0018][0019][0020]S
k
≤S
max
，U
k
∈U
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0021][0022][0023][0024][0025][0026]其中：
[0027]式(2)保证网络中所有的节点的进向弧和出向弧相等；式(3)保证至多有一架无人机从停机坪出发；式(4)保证至多有一架无人机返回同一停机坪；式(5)为单架无人机飞行总距离的计算公式；式(6)为无人机的续航能力约束，单架无人机飞行的距离为S
k
,无人机的最大续航距离为S
max
。；式(7)规定二元决策变量的取值，若无人机k选择从路网中的节点i飞向节点j则否则式(8)规定二元决策变量的取值，若无人机k选择从停机坪b飞向路网中的节点j，则否则式(9)规定二元决策变量的取值，若无人机k选择从路网中的节点i飞向停机坪b则否则式(10)保证每个线目标都仅被一架无人机访问一次；式(11)保证每个点目标都仅被一架无人机访问一次；
[0028]优选的，所述S3包括：
[0029]S301、设定染色体编码方式和设置单亲遗传算法的执行参数；
[0030]S302、根据设定染色体编码方式、单亲遗传算法的执行参数和异构巡逻任务集合初始化种群，得到初始种群；
[0031]S303、计算初始种群中所有个体的适应度值，得到初始种群的适应度值；
[0032]S304、从父代种群中选择临时种群；
[0033]S305、生成2个随机突变片段选择点i和j、以及突变片段插入位置p；
[0034]S306、对临时群体中的每个个体进行四次变异，每次变异得到的个体和临时种群中的原个体加入子代种群；
[0035]S307、获取子代种群的适应度，并与父代种群的适应度值进行比较，若子代种群的适应度优于父代种群的适应度值，则子代种群取代父代种群，否则保留父代种群；
[0036]S308、从父代种群中选择适应度值最大的个体，记为最优解；
[0037]S308、更新当前迭代次数，判断是否达到最大迭代次数，若是，输出最优解，否则，返回步骤S304，所述最优解为最优任务分配方案的编码。
[0038]优选的，所述染色体编码方式包括：
[0039]采用基于任务点序号的整数编码和设置断点的方式对染色体进行编码，用两个向量表示一条染色体，其中，第一个向量是所有点目标编号和线目标两个端点的一个随机排列，第二个向量是随机设置的断点位置，一条染色体代表多旅行商问题模型的一个可行路径规划方案。
[0040]优选的，所述S302包括：
[0041]S302a、将异构巡逻任务集合中的编号随机排列得到一个序列H，其中线任务编号需转换为该线段两端的端点；
[0042]S302b、根据无人机数量K随机设置K
‑
1个中断点，从而将序列H分成K段，确定每个无人机应该检查的任务点；
[0043]S302c、根据预设的种群规模重复步骤S302a
‑
S302b，得到初始种群。
[0044]优选的，所述S304包括：
[0045]S304a、从父代种群中使用轮盘赌选择5个未被选择的个体；
[0046]S304b、从刚刚选出的5个个体中找出适应度值最高的个体，将适应度值最高的个体存入到临时种群中，重复步骤S304a～S304b，直到父代种群中所有的个体都被轮盘赌选中。
[0047]优选的，在所述S306中，以四种变异算子对临时群体中的每个个体进行四次变异，所述四种变异包括：变异算子swapinsert、flipinsert、Lslideinsert、rslideinsert；
[0048]其中：
[0049]变异算子swapinsert的变异过程为：交换位置i、j的序列号，然后将位置i至j这一片段插入到插入位置p；
[0050]变异算子flipinsert的变异过程为：反转片段i到j中的序列号，然后将位置i至j这一片段插入到插入位置p；
[0051]变异算子lslideinsert的变异过程为：i至j中的序列号向左循环移位一个位置，然后将位置i至j这一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机高速公路巡逻的路径优化方法，其特征在于，所述方法包括以下步骤：S1、获取高速公路路网数据、异构巡逻任务集合和无人机数量及编号，所述异构巡逻任务集合包括点目标和线目标；S2、基于所述高速公路路网数据、所述异构巡逻任务集合和所述无人机数量及编号构建路网导向型的多站点固定终点的多旅行商问题模型；S3、基于所述高速公路路网数据、所述异构巡逻任务集合、所述无人机数量及编号和所述多旅行商问题模型，采用单亲遗传算法获取每架无人机的访问任意一个或多个巡逻目标的最优任务分配方案。2.如权利要求1所述的无人机高速公路巡逻的路径优化方法，其特征在于，所述多旅行商问题模型，包括：所述多旅行商问题模型的目标函数为所有无人机的巡逻路径总长度最短，采用公式(1)来表示：所述多旅行商问题模型的约束条件采用公式(2)至(11)来表示：所述多旅行商问题模型的约束条件采用公式(2)至(11)来表示：所述多旅行商问题模型的约束条件采用公式(2)至(11)来表示：所述多旅行商问题模型的约束条件采用公式(2)至(11)来表示：所述多旅行商问题模型的约束条件采用公式(2)至(11)来表示：所述多旅行商问题模型的约束条件采用公式(2)至(11)来表示：所述多旅行商问题模型的约束条件采用公式(2)至(11)来表示：所述多旅行商问题模型的约束条件采用公式(2)至(11)来表示：所述多旅行商问题模型的约束条件采用公式(2)至(11)来表示：所述多旅行商问题模型的约束条件采用公式(2)至(11)来表示：其中：式(2)保证网络中所有的节点的进向弧和出向弧相等；式(3)保证至多有一架无人机从停机坪出发；式(4)保证至多有一架无人机返回同一停机坪；式(5)为单架无人机飞行总距离的计算公式；式(6)为无人机的续航能力约束，单架无人机飞行的距离为S
k
,无人机的最
大续航距离为S
max
；式(7)规定二元决策变量的取值，若无人机k选择从路网中的节点i飞向节点j则否则式(8)规定二元决策变量的取值，若无人机k选择从停机坪b飞向路网中的节点j，则否则式(9)规定二元决策变量的取值，若无人机k选择从路网中的节点i飞向停机坪b则否则式(10)保证每个线目标都仅被一架无人机访问一次；式(11)保证每个点目标都仅被一架无人机访问一次。3.如权利要求1～2任一所述的无人机高速公路巡逻的路径优化方法，其特征在于，所述S3包括：S301、设定染色体编码方式和设置单亲遗传算法的执行参数；S302、根据设定染色体编码方式、单亲遗传算法的执行参数和异构巡逻任务集合初始化种群，得到初始种群；S303、计算初始种群中所有个体的适应度值，得到初始种群的适应度值；S304、从父代种群中选择临时种群；S305、生成2个随机突变片段选择点i和j、以及突变片段插入位置p；S306、对临时群体中的每个个体进行四次变异，每次变异得到的个体和临时种群中的原个体加入子代种群；S307、获取子代种群的适应度，并与父代种群的适应度值进行比较，若子代种群的适应度优于父代种群的适应度值，则子代种群取代父代种群，否则保留父代种群；S308、从父代种群中选择适应度值最大的个体，记为最优解；S308、更新当前迭代次数，判断是否达到最大迭代次数，若是，输出最优解，否则，返回步...

【专利技术属性】
技术研发人员：项芮，朱默宁，徐丽，罗贺，王国强，朱武，张歆悦，马滢滢，蒋儒浩，
申请(专利权)人：安徽有云智能科技有限公司，
类型：发明
国别省市：