空地协同交通巡检的路径优化方法和装置与流程

技术特征：
1.一种空地协同交通巡检的路径优化方法，其特征在于，包括以下步骤：s1、获取多无人机与车辆协同的巡检任务数据；s2、基于所述巡检任务数据，以使整个巡检任务完成时间最小为目标构建可从多个站点出发、无需返回出发站点、可多次访问同一巡检点的空地协同路径模型；s3、基于所述巡检任务数据、空地协同路径模型和模因算法，获取车辆与无人机协同巡检点目标的最优路径规划方案。2.如权利要求1所述的空地协同交通巡检的路径优化方法，其特征在于，所述巡检任务数据包括：巡检点目标的坐标；车辆与无人机出发的站点数量、站点编号和站点坐标；无人机编号、无人机飞行速度、无人机续航时长；车辆编号和车辆行驶速度。3.如权利要求1所述的空地协同交通巡检的路径优化方法，其特征在于，所述空地协同路径模型包括：空地协同路径模型的目标函数采用公式(1)来表示：其中，l和m为巡检点目标编号，n为节点集合；k为车辆编号，k为车辆集合；为编号为k的车辆从节点l到节点m的行驶时长；为决策变量，编号为k的车辆是否选择从节点l到节点m的路径；该目标函数表示负载均衡，使最后一辆车的返回时间最小，使整个任务完成时间最小。4.如权利要求1所述的空地协同交通巡检的路径优化方法，其特征在于，所述空地协同路径模型的约束条件采用公式(2)至(10)来表示：路径模型的约束条件采用公式(2)至(10)来表示：路径模型的约束条件采用公式(2)至(10)来表示：路径模型的约束条件采用公式(2)至(10)来表示：路径模型的约束条件采用公式(2)至(10)来表示：路径模型的约束条件采用公式(2)至(10)来表示：路径模型的约束条件采用公式(2)至(10)来表示：路径模型的约束条件采用公式(2)至(10)来表示：路径模型的约束条件采用公式(2)至(10)来表示：
其中，公式(2)表示每个节点至少被访问一次；公式(3)表示确保每辆车必须从仓库出发；公式(4)表示每辆车完成任务后必须返回仓库；公式(5)表示流量守恒约束；公式(6)表示变量与公式(6)中的到达时间相关联；公式(7)表示每架无人机飞行时长不能超过无人机最大续航时长；公式(8)表示如果无人机d从l点发射并在n点收集，则必须将点l和n分配给车辆k，即在车辆的路径上；公式(9)～公式(10)表示决策变量取值约束；d为无人机编号，d为无人机集合；l、m、n和p为节点编号，n为节点集合，t为巡检点目标集合；k为车辆编号，k为车辆集合；为决策变量，编号为k的车辆是否选择从节点l到达节点m的路径，为决策变量，编号d的无人机是否选择从节点l出发到达节点m并在节点n与编号d的车辆汇合的路径；为决策变量，编号为k的车辆是否选择从编号为e的站点到达巡检点目标l的路径；为决策变量，编号为k的车辆是否选择从巡检点目标q到达编号为e的站点的路径；为编号为k的车辆从节点l到节点m的行驶时长；为编号为k的车辆到达节点i的到达时间，为编号为k的车辆到达节点l的到达时间；为编号为d的无人机从节点l到巡检点目标m的飞行时长，为编号为d的无人机到达节点m的到达时间，为编号为d的无人机到达节点n的到达时间；为决策变量，编号为k的车辆是否选择从节点h到达节点l的路径，为决策变量，编号为k的车辆是否选择从节点n到达节点i的路径；c
d
为编号d的无人机可执行巡检任务的最大飞行续航时长。5.如权利要求1～4任一所述的空地协同交通巡检的路径优化方法，其特征在于，所述基于巡检任务数据、空地协同路径模型和模因算法，获取车辆与无人机协同巡检点目标的最优路径规划方案，包括：s301、采用不等长的染色体编码方式的染色体对空地协同交通巡检路径初始规划方案进行编码；s302、生成车辆和无人机协同交通巡检的初始巡检路径规划方案集合；s303、采用模因算法对初始巡检路径规划方案集合进行优化，获取车辆与无人机协同巡检点目标的最优路径规划方案。6.如权利要求5所述的空地协同交通巡检的路径优化方法，其特征在于，生成车辆和无人机协同交通巡检的初始巡检路径规划方案集合，包括：s302a、巡检目标点的编号进行随机排列生成染色体的第2行，再将该排列分成|k|每段的前面和后面各加1个站点编号，其中第k段染色体对应于第k辆车的路径，其中|k|为空地协同联合体数量；s302b、对第k段染色体从前向后每次依次取出2个节点编号，以这2个编号对应的点目标作为椭圆的2个焦点，以无人机的续航能力为长轴，构造“最大续航范围”；
s302c、如果“最大续航范围”中只有1个目标点，则在前一个目标点编号的下面写上该目标点的编号；如果“最大续航范围”中不只1个目标点，则随机选择1个目标编号写在前一个目标编号的下面；如果“最大续航范围”中没有目标，则在前一个目标编号的下面写上
“‑
1”，重复上述操作直到该段染色体的倒数第2位，在最后1位的下面写上
“‑
1”；s302d、对|k|段染色体依据车辆编号，在染色体的第一行加入车辆编号；s302e、重复步骤s302b～s302d共|k|次，得到每个车辆和无人机协同交通巡检路径方案；每个车辆和无人机协同交通巡检路径方案组成初始巡检路径规划方案集合。7.如权利要求5所述的空地协同交通巡检的路径优化方法，其特征在于，所述采用模因算法对初始巡检路径规划方案集合进行优化，获取车辆与无人机协同巡检点目标的最优路径规划方案，包括：s303a、设置模因算法的执行参数，所述执行参数包括最大迭代次数和交叉概率；以空地协同路径模型的目标函数作为适应度函数，计算空地协同交通巡检初始路径规划方案的适应度值，计算公式如下：s303b、根据空地协同交通巡检初始路径规划方案的适应度值选择2个方案用于子代遗传操作，适应度值越小的方案被选择的概率越大；s303c、对选择的2个方案通过初始方案混合的方式，创建新的候选解决方案；其中，初始方案混合包括：步骤1：依据空地协同联合体编号将2个初始路径规划方案划分成|k|个分段；步骤2：将初始路径规划方案进行交叉操作，判断相同编号的空地协同联合体中车辆访问的路径中是否有相同的巡检点目标，若有相同的巡检点目标，则将从该巡检点目标出发的无人机访问的巡检点目标进行交换；步骤3：根据空地协同联合体数量|k|重复步骤2，完成所有分段的交叉操作；步骤4：将|k|个分段进行拼接，形成完整的空地协同巡检路径规划方案；s303d、从候选方案中选择适应度值大的子方案，根据交叉概率进行交叉操作；s303e、选择优良的子方案进行路径规划方案集合，替代原先差的父代路径规划方案；s303f、重复步骤s303c～s303e，直至当前迭代次数等于最大迭代次数，终止操作，得到优化的巡检路径规划方案集合；303g、在优化的巡检路径规划方案集合中选择适应度值最小的巡检路径规划方案作为最优路径规划方案。8.一种空地协同交通巡检的路径优化装置，其特征在于，包括：数据获取模块，用于获取多无人机与车辆协同的巡检任务数据；模型构建模块，用于基于所述巡检任务数据，以使整个巡检任务完成时间最小为目标构建可从多个站点出发、无需返回出发站点、可多次访问同一巡检点的空地协同路径模型；最优路径规划方案获取模块，用于基于所述巡检任务数据、空地协同路径模型和模因算法，获取车辆与无人机协同巡检点目标的最优路径规划方案。9.一种计算机可读存储介质，其特征在于，其存储用于空地协同交通巡检的路径优化的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1～7任一所述的空地协
同交通巡检的路径优化方法。10.一种电子设备，其特征在于，包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如权利要求1～7任一所述的空地协同交通巡检的路径优化方法。

技术总结
本发明提供空地协同交通巡检的路径优化方法和装置，涉及路径规划技术领域。本发明首先通过获取多无人机与车辆协同的巡检任务数据；然后基于巡检任务数据，以使整个巡检任务完成时间最小为目标构建可从多个站点出发、无需返回出发站点、可多次访问同一巡检点的空地协同路径模型；最后基于巡检任务数据、空地协同路径模型和模因算法，获取车辆与无人机协同巡检点目标的最优路径规划方案。本发明通过多无人机与车辆协同进行交通巡检，在面临远距离要求的交通巡检工作时，实现由车辆搭载无人机协同完成交通巡检任务，提高工作效率。提高工作效率。提高工作效率。


技术研发人员：徐丽 朱默宁 朱武 罗贺 王国强 靳鹏 蒋儒浩 马滢滢 张歆悦
受保护的技术使用者：安徽有云智能科技有限公司
技术研发日：2021.07.23
技术公布日：2021/10/8