无人机安保任务的调度研究

伍思远

摘 要：针对无人机安保任务的覆盖监测，对杨浦区按照无人机监测范围进行网格划分。采用不同指标建立人流量评价函数，并进行一致化处理，得出各区人流量多少的标准。根据监测路线和监测时间间隔，建立基于旅行商问题的目标规划模型，运用蚁群算法进行迭代处理，通过Matlab求解得分别得到各个时间段监控区域所需的最少无人机数量和监测路线来完成对杨浦区的限时覆盖。

关键词：无人机安保；网格分割；人流量等级；蚁群算法；路径规划

无人机城市安保则需在于满足监测时间的周期性、监测任务的持续性和区域面积的全覆盖等因素，来以最小代价完成任务。本文将以上海市杨浦区为例对无人机城市安保任务的规划进行研究。

1 问题描述

假设现有一重大活动在上海市场杨浦区举办，为维持秩序，计划采用无人机对整个杨浦区进行监视。需完成以下任务：对于杨浦区，有些地点由于其人流量比较大。

1.1 搜索策略和侦查范围的确定

假定本次所用的无人机监测时的航行速度为10m/s，并且本次无人机在上空进行监测工作时，传感器高度h处监测范围近似为R的圆。为了问题的简化，将杨浦区的面积进行网格划分，每个网格的边长为1000m的正方形，并按照一定的比例尺划分和标号，可以得到，杨浦区面积总共被划分为69个网格。而无人机的监测范围近似为一个圆，可以用外接多边形去代替，从而确定了监测面积。

1.2 研究满足因人流量不同而产生不同监测时间约束的条件

研究各区域人流量的多少来区分各区域的重要程度，并对其进行区域划分。而人流量大小是一个相对的概念，这里很难统计，因此考虑采用一些特定分指标建立指标函数。

结合实际情况，给出了一个网格人流量多少的数学表征：

这里，k为一致化系数，取0.9；Y*表示一致化后的人流量因素函数；Yi表示每个区域内的人流量；Ymax表示杨浦区最大的人流量。对函数的相关数据进行处理，用不同的颜色分别标出人流量为较多、适中、较少的杨浦区区域如图1：

根据要求，取人流量较大的区域监测时间为每5分钟一次，人流量较小的区域监测时间为每25分钟一次，人流量一般的区域取上述的平均值，即每15分钟监测一次。

2 基于蚁群算法求解旅行商问题的数学规划模型

可以将本问题转化为旅行商问题，即遍历所有城市且要求路程最短的问题，而旅行商问题是组合优化领域里的一个典型的NP完全难题，考虑用蚁群算法求解。

通过初始化参数、构建解空间、更新信息素、判断是否终止等5个步骤对模型求解，利用MATLAB编程求解如图2所示：

从图2可得，蚁群算法迭代了200次，在小于80次迭代已经收敛，说明最短距离符合全局最优解。则所需的无人机数量s为：s=z1/3000+z2/9000+z3/15000+1。通过计算并取整得出红色区域需要9架；蓝色区域需要4架；绿色区域需要3架；加上考虑到特殊区域，最少需要17架无人机监测满足监测要求。各个区域路径规划为：在红色区域，从任意点开始，每间隔距离3000米安放一架即可，现举例安排一种方案如下：在点22开始向点30（顺时针）方向飞行，每隔3000米安排一架无人机。在蓝色区域，从任意点开始，每间隔距离9000米安放一架即可，现举例在点4开始向点9方向（顺时针）飞行，每隔9000米安排一架无人机。在绿色区域，从任意点开始，每间隔距离15000米安放一架即可，现举例安排一种方案如下：在点3开始向点1方向（逆时针）飞行，每隔15000米安排一架无人机。

3 结论

1）本文对杨浦区的不规则区域进行了网格划分并标号，使得研究的问题简化，同时对研究无人机在其他地区的安保任务有较大的普适性。2）采用了指标函数表征人流量的多少，通过精确的数字手段处理模糊的对象，对杨浦区人流量区域进行级别划分，同时通过蚁群算法的求解，得到较理想结果。

参考文献：

[1] 杜萍，杨春.飞行器航迹规划算法综述[J].飞行力学，2005，23（2）：10-14.

[2] 郑昌文，严平，丁明跃等.飞行器航轨迹规划研究现状与趋势[J].宇航学报，2007，28（6）：1441-1446.