面向通信遮挡与地形阻断的公路边坡多无人机巡检规划方法、系统、设备及介质

本申请涉及公路基础设施智能巡检与多无人机协同调度，特别是涉及面向通信遮挡与地形阻断的公路边坡多无人机巡检规划方法、系统、设备及介质。

背景技术：

1、随着山区高速公路、干线公路和沿山道路建设规模不断扩大，公路沿线边坡数量显著增加，且边坡分布通常具有距离长、点位散、风险差异明显和环境复杂等特点。受地形地貌、地质构造、降雨冲刷及施工扰动影响，公路边坡巡检任务往往呈现跨区域、离散化和时效性强的特征。

2、近年来，无人机巡检技术逐步应用于公路边坡监测领域，具有部署灵活、覆盖范围较大和数据获取效率较高等优势。但是，在复杂山区场景下，多无人机执行公路边坡巡检任务时仍面临一系列问题：（1）巡检对象通常以离散监测点、重点观测段或带状监测任务形式存在，若直接按单点任务进行分配，容易造成航次碎片化和资源浪费。（2）山区通信条件复杂，山体遮挡、弯道地形和局部构筑物阻断会导致部分区域通信可达性较差，进而影响任务组织与飞行安排。（3）多架无人机协同执行巡检任务时，需要同时考虑任务分配、航次顺序、起降安排和候选基地支撑条件，若缺乏统一建模，容易导致航次冲突、空驶距离偏大和基地利用不合理。

3、现有技术中，一部分方案仅研究单无人机路径规划，难以适用于大范围多任务协同场景；另一部分方案虽涉及多无人机任务分配，但多侧重静态分配问题，对复杂地形条件下的通信遮挡约束、基地部署约束和航次衔接问题考虑不足；还有部分方案将任务组织、飞行路线和部署决策割裂处理，未能在统一优化框架下协调任务包分配、航次规划与多基地支撑关系。

技术实现思路

1、本申请的目的是提供一种面向通信遮挡与地形阻断的公路边坡多无人机巡检规划方法、系统、设备及介质，能够提高公路边坡巡检任务的整体组织效率、资源配置合理性和多无人机协同作业能力。

2、为实现上述目的，本申请提供了如下方案：

3、第一方面，本申请提供了一种面向通信遮挡与地形阻断的公路边坡多无人机巡检规划方法，包括：

4、构建任务组织环境模型；所述任务组织环境模型内涵盖公路边坡离散监测任务数据、地形环境数据、通信约束数据、候选基地数据及无人机运行参数；

5、基于所述公路边坡离散监测任务数据及所述地形环境数据，进行风险-地理耦合任务打包，得到任务包集合；

6、基于所述任务包集合、所述通信约束数据、所述候选基地数据及所述无人机运行参数，构建任务包分配、航次规划与基地部署一体化的混合整数非线性规划模型；所述混合整数非线性规划模型包括多目标优化函数及约束集，所述多目标优化函数的优化目标涵盖总体风险覆盖收益、飞行成本、基地启用成本及任务完成时效；

7、采用边际效益驱动的任务包分配策略，在所述约束集的限制下，对所述多目标优化函数求解，得到任务包分配结果；然后基于时空冲突消解机制，根据所述任务包分配结果，生成多无人机四维航次轨迹；

8、基于所述任务组织环境模型，执行连续作业单元划分、连续作业单元-基地匹配及多基地启用与轮换部署，确定启用基地集合及轮换部署关系；所述任务包分配结果、所述多无人机四维航次轨迹、所述启用基地集合及所述轮换部署关系，构成多无人机协同巡检方案。

9、第二方面，本申请提供了一种面向通信遮挡与地形阻断的公路边坡多无人机巡检规划系统，应用面向通信遮挡与地形阻断的公路边坡多无人机巡检规划方法，包括：

10、环境建模模块，用于构建任务组织环境模型；所述任务组织环境模型内涵盖公路边坡离散监测任务数据、地形环境数据、通信约束数据、候选基地数据及无人机运行参数；

11、任务打包模块，用于基于所述公路边坡离散监测任务数据及所述地形环境数据，进行风险-地理耦合任务打包，得到任务包集合；

12、一体化建模模块，用于基于所述任务包集合、所述通信约束数据、所述候选基地数据及所述无人机运行参数，构建任务包分配、航次规划与基地部署一体化的混合整数非线性规划模型；所述混合整数非线性规划模型包括多目标优化函数及约束集，所述多目标优化函数的优化目标涵盖总体风险覆盖收益、飞行成本、基地启用成本及任务完成时效；

13、优化求解与轨迹生成模块，用于采用边际效益驱动的任务包分配策略，在所述约束集的限制下，对所述多目标优化函数求解，得到任务包分配结果；然后基于时空冲突消解机制，根据所述任务包分配结果，生成多无人机四维航次轨迹；

14、部署决策模块，用于基于所述任务组织环境模型，执行连续作业单元划分、连续作业单元-基地匹配及多基地启用与轮换部署，确定启用基地集合及轮换部署关系；所述任务包分配结果、所述多无人机四维航次轨迹、所述启用基地集合及所述轮换部署关系，构成多无人机协同巡检方案。

15、第三方面，本申请提供了一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现面向通信遮挡与地形阻断的公路边坡多无人机巡检规划方法。

16、第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现面向通信遮挡与地形阻断的公路边坡多无人机巡检规划方法。

17、根据本申请提供的具体实施例，本申请公开了以下技术效果：本申请依据采集到的数据进行风险-地理耦合任务打包，可将空间分散但具有连续服务关系的离散任务进行结构化组织，提高任务组织效率。构建任务包分配、航次规划与基地部署一体化的混合整数非线性规划模型，该模型包括多目标优化函数及约束集，所述多目标优化函数的优化目标涵盖总体风险覆盖收益、飞行成本、基地启用成本及任务完成时效。通过上述模型构建，将任务包分配、航次规划和基地部署纳入同一优化框架，增强整体协同性。采用边际效益驱动的任务包分配策略，在约束集的限制下对多目标优化函数求解，可以提高高优先级任务包的资源配置合理性。然后基于时空冲突消解机制，根据任务包分配结果生成多无人机四维航次轨迹，可降低多无人机协同执行过程中的航次冲突风险。最后，通过连续作业单元划分、连续作业单元-基地匹配及多基地启用与轮换部署，可提高基地支撑效率和长距离边坡巡检任务的持续执行能力。基于上述多项处理，最终得到了多无人机协同巡检方案，能够达到提高公路边坡巡检任务的整体组织效率、资源配置合理性和多无人机协同作业能力的效果。

1.一种面向通信遮挡与地形阻断的公路边坡多无人机巡检规划方法，其特征在于，所述方法包括：

2.根据权利要求1所述的面向通信遮挡与地形阻断的公路边坡多无人机巡检规划方法，其特征在于，所述公路边坡离散监测任务数据包括任务类型、任务位置、任务优先级、预计作业时长和观测需求；所述地形环境数据包括数字高程模型、坡面分布、道路中心线、障碍物分布和敏感区域信息；

3.根据权利要求1所述的面向通信遮挡与地形阻断的公路边坡多无人机巡检规划方法，其特征在于，所述多目标优化函数为：

4.根据权利要求3所述的面向通信遮挡与地形阻断的公路边坡多无人机巡检规划方法，其特征在于，所述约束集包括续航约束、通信可达性约束及基地容量约束；

5.根据权利要求1所述的面向通信遮挡与地形阻断的公路边坡多无人机巡检规划方法，其特征在于，采用边际效益驱动的任务包分配策略，在所述约束集的限制下，对所述多目标优化函数求解，得到任务包分配结果，包括：

6.根据权利要求1所述的面向通信遮挡与地形阻断的公路边坡多无人机巡检规划方法，其特征在于，基于时空冲突消解机制，根据所述任务包分配结果，生成多无人机四维航次轨迹，包括：

7.根据权利要求1所述的面向通信遮挡与地形阻断的公路边坡多无人机巡检规划方法，其特征在于，所述连续作业单元为：若离散监测任务i与离散监测任务j满足空间连续性、通信可达性及续航可行性条件，则认为离散监测任务i与离散监测任务j属于同一连续作业单元；

8.一种面向通信遮挡与地形阻断的公路边坡多无人机巡检规划系统，应用权利要求1-7中任一项所述的面向通信遮挡与地形阻断的公路边坡多无人机巡检规划方法，其特征在于，所述系统包括：

9.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-7中任一项所述的面向通信遮挡与地形阻断的公路边坡多无人机巡检规划方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-7中任一项所述的面向通信遮挡与地形阻断的公路边坡多无人机巡检规划方法。