一种天气干扰下的在线动态无人机分层配送方法

本发明属于无人机调度，尤其涉及一种天气干扰下的在线动态无人机分层配送方法。

背景技术：

1、随着无人机低空物流由单架次试飞和小规模示范逐步走向连续运营，调度对象和仿真环境也由相对静态转向高度动态，逐步揭露静态场景下的局限性。一方面，新的物流任务会在运营过程中持续进入任务池，任务起点、终点、载荷重量和服务时限各不相同；另一方面，无人机的位置、电量、载重和可用时间会随执行过程实时变化，天气变化、任务超时、返航补能等事件也会不断改变既有任务与无人机资源之间的对应关系。因此，低空物流调度不再只是为一组预先给定的任务寻找可行路径，而是需要在滚动变化的任务流、无人机状态和服务约束之间持续生成高质量决策。

2、针对无人机任务分配和路径规划，现有搜索驱动方法能够在给定任务集合、飞行环境和约束条件下进行组合优化，并获得较高质量的调度方案。例如，群智能优化和数学规划方法等均可用于处理无人机任务分配、路径生成和多机协同问题。但是，人们通常研究依赖相对明确的任务集合和约束条件；当低空物流任务持续到达、任务状态发生变化或外部扰动改变无人机可用性时，已有方案往往需要频繁重排，搜索空间也需要反复重构，从而增加滚动调度的计算压力，影响调度实时性。

3、为提高动态场景下的适应能力，学习驱动方法开始被用于无人机物流调度。该类方法可以根据系统状态学习在线决策策略，在任务和资源变化时作出响应。然而，在规模化低空物流场景中，若直接由强化学习策略处理所有任务与所有无人机之间的匹配关系，则状态和动作空间会随着任务数量和无人机数量同步增长，容易导致训练成本高、策略收敛困难和迁移难。特别是在不同任务规模、不同无人机数量和不同负载强度之间切换时，已有学习策略往往难以保持稳定的调度效果。

4、由此，搜索驱动方法虽然具有较强的组合优化能力，但对持续变化的执行环境响应不足；学习驱动方法虽然具有一定自适应能力，但在大规模任务-无人机匹配中面临动作空间膨胀和迁移困难。现有搜索-学习融合方法虽尝试结合二者优势，但多集中于路径搜索、区域覆盖或固定任务集合下的策略调整，对低空物流中“任务持续到达、突发扰动频繁发生、任务-无人机候选匹配规模不断扩大”三类问题同时存在的场景支持不足。

5、因此，低空物流调度需要一种更适合复杂运营场景的协同机制，能够应对任务流滚动更新、突发扰动重构和规模化组合决策带来的调度难题。

技术实现思路

1、为解决上述技术问题，本发明提出了一种天气干扰下的在线动态无人机分层配送方法，以解决上述现有技术存在的问题。

2、为实现上述目的，本发明提供了一种天气干扰下的在线动态无人机分层配送方法，包括：

3、获取当前调度时刻的待执行任务集合、请求接收新任务的无人机集合及天气环境信息，构造任务快照和无人机快照；

4、根据所述任务快照和所述无人机快照，采用整数向量编码表示任务与无人机的归属关系，得到整数向量编码；

5、将所述整数向量编码解码为各任务的归属无人机，对每一任务与其归属无人机进行任务-无人机成对服务估计，获得估计服务代价；

6、根据所述估计服务代价与各任务的时间约束，对所述整数向量编码进行多目标评价，利用搜索算法在所述整数向量编码的解空间中搜索，得到候选解集；

7、根据预设偏好权重从所述候选解集中选择最终分配方案，并解码为各无人机的承诺任务集合；

8、各无人机在执行过程中，当获得决策机会时，根据所述承诺任务集合与自身局部观测状态输出离散规则动作；当输出的离散规则动作为请求新任务动作时，向调度平台提交接收新任务请求，所述调度平台在请求窗口内收集各无人机的请求后执行任务分配，并将分配结果反馈至各无人机的承诺任务集合，完成分层配送。

9、可选的，所述任务快照包括任务起点、任务终点、待执行时间、服务截止时间、任务重量和时效风险；所述无人机快照包括无人机当前位置或当前目标位置、可用时间、速度、电量、载重和已有承诺任务。

10、可选的，所述整数向量编码以当前调度窗口内的待分配任务数量为向量维度，所述整数向量编码中的每一维元素分别对应一个任务，且每一维元素的取值为请求参与分配的无人机编号集合中的任一无人机编号；所述整数向量编码仅用于确定各任务的归属无人机，不限定各无人机对其承诺任务集合中任务的取货顺序和投送顺序。

11、可选的，所述任务-无人机成对服务估计包括：

12、根据无人机锚点位置和可用时间，估计从所述锚点位置到任务起点的访问时间、从任务起点到任务终点的投送时间、取货服务时间和投送服务时间；

13、根据所述访问时间、所述投送时间、所述取货服务时间和所述投送服务时间，计算单任务服务代价；

14、根据所述无人机可用时间和所述单任务服务代价，计算任务预计完成时间；

15、根据所述任务预计完成时间和任务截止时间，计算预计迟到量；

16、根据任务等待时间、所述任务预计完成时间和所述任务截止时间，计算任务分配后的时效风险。

17、可选的，所述多目标评价所采用的目标包括服务效率目标、风险时效目标和负载均衡目标；

18、所述服务效率目标为候选方案中所有已分配任务的单任务服务代价之和；

19、所述风险时效目标为候选方案中各任务的时效风险与预计迟到量的加权和；

20、所述负载均衡目标为各无人机在当前调度窗口下的估计工作量的方差，所述估计工作量根据无人机已有任务的剩余占用时间与新分配任务的服务代价之和确定。

21、可选的，所述搜索算法为多目标进化算法。

22、可选的，根据预设偏好权重从所述候选解集中选择最终分配方案，包括：

23、将所述候选解集中各候选方案的多目标评价值分别进行归一化；

24、根据归一化后的各目标值与所述预设偏好权重进行加权求和，计算各候选方案的偏好评分；

25、选择偏好评分最小的候选方案作为所述最终分配方案。

26、可选的，所述局部观测状态为固定维度的向量，包括动作可用性特征、承诺任务压力特征、可请求任务压力特征、规则原型对应的任务类型特征以及不同规则动作的预计后果特征；

27、所述动作可用性特征包括是否存在可执行任务、是否存在取货候选、是否存在投送候选、是否可请求新任务以及请求动作是否可用；

28、所述承诺任务压力特征包括承诺任务数量、承诺任务重量、机上载重、取货时限压力和投送时限压力；

29、所述可请求任务压力特征包括可请求任务数量、最优预计完成时间、最小预计迟到量、最大时效风险和总重量。

30、可选的，所述离散规则动作包括选择旅行时间最短的可行任务、选择服务截止时间最早的可行任务、选择预计服务裕度最小的可行任务、优先投送、优先取货、请求新任务和等待；当输出的离散规则动作为前五类动作时，根据无人机当前位置、电量、载重、已承诺任务、已装载任务和安全返航约束构造可行任务集合，并在所述可行任务集合中选择满足相应规则条件的任务执行。

31、可选的，所述离散规则动作由强化学习策略输出，多架无人机共享同一所述强化学习策略网络，各无人机在执行过程中异步调用所述强化学习策略网络；所述强化学习策略的即时奖励根据一次决策步内完成任务数、准时完成任务数、已分配任务失效数、终局未服务任务数和迟到总时间构建。

32、与现有技术相比，本发明具有如下优点和技术效果：

33、本发明将低空物流调度分解为上层任务分配与下层局部决策两个协同层次，使任务-无人机匹配问题由规模化组合优化压缩为各无人机的有限承诺任务集合，降低单次调度的搜索复杂度，减少滚动重排计算压力；上层采用整数向量编码表示任务归属关系并配合成对服务估计，仅需确定任务归属而无需完整遍历取货投送序列，以降低单次分配的计算开销，同时构建服务效率、风险时效和负载均衡多目标进行pareto搜索，使系统在不同运营偏好下获得适配最优解，避免单一目标优化导致时效风险升高或负载失衡；下层采用固定维度的局部观测状态将可变规模任务信息压缩为固定输入，避免强化学习策略随任务数量增长而扩展动作空间，多架无人机共享同一策略并异步调用，使学习策略在不同无人机数量下可复用，降低迁移成本和重训练开销；加之上下层通过接单请求-分配反馈形成闭环，下层在执行过程中通过请求动作将无法消化的任务提交上层，上层在请求窗口内收集请求后重新分配并写回承诺任务集合，使系统在任务持续到达、突发扰动和候选匹配规模扩大的情况下持续保持调度响应，提高任务完成率和时效稳定性，提升无人机运力利用效率。