针对应急物资配送的无人机路径规划方法和装置与流程

1.本发明涉及路径规划技术领域，具体涉及一种针对应急物资配送的无人机路径规划方法和装置。


背景技术：

2.地震等自然灾害会对人民生命造成很大威胁，如何在第一时间将应急物资配送到需要的人手中，关乎人民的生命安全。由于无人机可以不受地形因素的限制，可以对人力难以到达的地震灾后地区进行物资配送，无人机配送已逐渐应用于地震灾后物资配送工作中，可有效解决灾后物资的配送需求。地震灾害发生后，急需应急物资的救灾点较多，而可用于灾后救援物资配送的无人机数量有限，为了能尽早对救灾点进行应急物资发放，需要对无人机的配送路径进行优化，即在续航能力约束下，以最小的飞行时长将应急物资配送到指定地点。
3.然而，在现有技术的无人机配送方法中，同构无人机在续航能力约束下，为救灾点进行配送，单一站点在满足大规模需求中存在难度，不合理的任务路径规划方案，导致不能及时的将物资配送到救灾点，即现有技术的无人机配送方法生成的配送路径会导致配送时间过长。


技术实现要素：

4.(一)解决的技术问题
5.针对现有技术的不足，本发明提供了一种针对应急物资配送的无人机路径规划方法和装置，解决了现有技术的无人机配送方法生成的配送路径会导致配送时间过长的技术问题。
6.(二)技术方案
7.为实现以上目的，本发明通过以下技术方案予以实现：
8.第一方面，本发明提供一种针对应急物资配送的无人机路径规划方法，所述方法包括：
9.s1、获取救灾点信息、多个站点信息和异构无人机信息；
10.s2、基于救灾点信息、多个站点信息和异构无人机信息，以最小化无人机飞行时长为目标构建多站点带时间窗的多无人机配送模型；
11.s3、对多站点带时间窗的多无人机配送模型求解，最优任务路径规划方案。
12.优选的，所述多站点带时间窗的多无人机配送模型包括目标函数，采用公式(1)来表示：
[0013][0014]
其中，i和j为节点编号，v为所有节点集合；h为无人机编号，h为无人机集合；为编号为h的无人机从节点i到节点j的飞行时长；为决策变量，编号为h的无人机从节点i到
达节点j的路径；
[0015]
编号为h的无人机从节点i到达节点j的飞行时长通过下式计算得到：
[0016][0017]
其中，vi
h
为编号为h的无人机的飞行速度；x
i
为节点i的横坐标，y
i
为节点i的纵坐标；x
j
为节点j的横坐标，y
j
为节点j的纵坐标。
[0018]
3、如权利要求1所述的针对应急物资配送的无人机路径规划方法，其特征在于，所述多站点带时间窗的多无人机配送模型还包括约束条件，采用公式(3)至(11)来表示：
[0019][0020][0021][0022][0023][0024][0025][0026][0027][0028]
其中：
[0029]
公式(3)表示每个灾民点仅被访问一次；
[0030]
公式(4)表示各灾民点进出平衡约束
[0031]
公式(5)表示每架无人机仅被使用一次
[0032]
公式(6)～(7)表示每架无人机到达灾民点时间和灾民点的开始服务时间之间的关系；
[0033]
公式(7)表示无人机必须在灾民点的服务时间窗内提供服务
[0034]
公式(8)表示无人机必须在灾民点的服务时间窗内提供服务
[0035]
公式(9)～(10)表示消除子路径，确保无人机的飞行时长不能超过无人机的最大续航时长；
[0036]
公式(11)表示决策变量约束；
[0037]
l、i和j为救灾点编号，v为所有节点集合；d为无人机站点集合，n为救灾点集合；h为无人机编号，h为无人机集合；为编号为h的无人机访问救灾点j后已飞行时长，为编号为h的无人机访问救灾点i后已飞行时长，为编号为h的无人机访问救灾点r后已飞行时长，s
h
为编号为h的无人机的续航时间；e
i
为救灾点i的最早开始服务时间；l
i
为救灾点i的最
迟开始服务时间；为编号为h的无人机到达救灾点i的时间；为编号为h的无人机到达救灾点j的时间；为编号为h的无人机到达救灾点i的开始服务的时间；se
i
为无人机到达救灾点i用于完成任务的时间；为决策变量，编号为h的无人机从节点i到达节点j的路径；为决策变量，编号为h的无人机从节点l到达救灾点i的路径；为决策变量，编号为h的无人机从救灾点i到达节点j的路径；为决策变量，编号为h的无人机从节点r到达节点i的路径；为编号为h的无人机从节点i到节点j的飞行时长；m为一个大的正整数。
[0038]
优选的，所述s3包括：
[0039]
s301、基于灾点信息、多个站点信息、异构无人机信息和多站点带时间窗的多无人机配送模型获取无人机配送路径的初始任务路径规划方案集合；
[0040]
s302、对于生成的初始任务路径规划方案集合，通过引入分段交叉算子和动态插入算子的改进遗传算法进行优化，从而获得对于无人机进行一个或多个救灾点配送服务的最优任务路径规划方案。
[0041]
优选的，所述s301包括：
[0042]
s301a、设定编码规则；
[0043]
s301b、基于编码规则生成初始任务路径规划方案集合，包括：
[0044]
步骤1：将救灾点集合n中的救灾点进行随机排列n
r
，形成染色体的第一行编码；
[0045]
步骤2：针对排列n
r
中的每一个客户，从集合h中随机选择无人机进行访问，形成染色体的第二行编码；
[0046]
步骤3：依据无人机编号选出所访问的救灾点，并按照救灾点的时间窗最早开始访问时间非降序排列，从而得到无人机所访问的救灾点序列ro
k
；
[0047]
步骤4：在每架无人机访问救灾点序列的最前面和最后面加入该无人机对应的站点编号，用来表示无人机的起点，得到了每架无人机访问的救灾点序列r
k
；
[0048]
步骤5：根据预设的种群规模n
p
重复步骤1
‑
4，得到初始种群。
[0049]
优选的，所述s302包括：
[0050]
s302a、设置改进遗传算法的执行参数和以公式(12)作为适应度函数，对每一个初始任务路径规划方案的适应度值进行计算，所述执行参数包括最大迭代次数和交叉概率；
[0051][0052]
s302b、通过轮盘赌选择方法从初始任务路径规划方案集合中选择2个不同的路径规划方案使用分段交叉算子根据交叉概率进行交叉操作，得到2个路径规划方案，适应度值越小的方案被选中概率越大，包括：
[0053]
s302c、对步骤s302b中得到的路径规划方案进行动态插入操作，得到2个新的路径规划方案；
[0054]
s302d、重复步骤s302b
‑
s302c，直到达到预设的最大迭代次数，从更新的任务路径规划方案集合中，找到适应度函数值最小的任务路径规划方案，获得无人机进行一个或多个救灾点配送服务的最优任务路径规划方案。
[0055]
优选的，所述s302b包括：
[0056]
步骤1：通过轮盘赌选择方法从初始任务路径规划方案集合进行选择两条染色体
作为父代染色体；
[0057]
步骤2：根据无人机编号对父代染色体进行分段，每一分段染色体表示一架无人机的任务路径规划方案；
[0058]
步骤3：将两条染色体的一个分段进行单点交叉操作；
[0059]
步骤4：根据无人机数量h重复步骤3，直到完成所有分段的交叉操作，并依据无人机编号将分段的染色体进行合并，得到子染色体；
[0060]
和/或
[0061]
所述s302c包括：
[0062]
步骤1：如果未配送救灾点集合n
vc
不为空集，转步骤2；否则，输出任务路径规划方案；
[0063]
步骤2：从无人机集合h中随机选择无人机h；
[0064]
步骤3：判断无人机h是否满足续航约束，如果违反约束转步骤2；否则，转步骤4；
[0065]
步骤4：利用公式(13)从n
nd
中选出救灾点c；
[0066][0067]
其中，e
c
为救灾点c的最早开始服务时间；为编号为h的无人机到达救灾点c的时间，编号为h的无人机从救灾点u到救灾点c时间。
[0068]
第二方面，本发明提供一种针对应急物资配送的无人机路径规划装置，所述装置包括：
[0069]
信息获取模块，用于获取救灾点信息、多个站点信息和异构无人机信息；
[0070]
模型构建模型，用于基于救灾点信息、多个站点信息和异构无人机信息，以最小化无人机飞行时长为目标构建多站点带时间窗的多无人机配送模型；
[0071]
求解模型，用于对多站点带时间窗的多无人机配送模型求解，最优任务路径规划方案。
[0072]
第三方面，本发明提供一种计算机可读存储介质，其存储用于针对应急物资配送的无人机路径规划的计算机程序，其中，所述计算机程序使得计算机执行如上述所述的针对应急物资配送的无人机路径规划方法。
[0073]
第四方面，本发明提供一种电子设备，包括：
[0074]
一个或多个处理器；
[0075]
存储器；以及
[0076]
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上述所述的针对应急物资配送的无人机路径规划方法。
[0077]
(三)有益效果
[0078]
本发明提供了一种针对应急物资配送的无人机路径规划方法和装置。与现有技术相比，具备以下有益效果：
[0079]
本发明通过异构无人机从多个不同的站点出发为救灾点进行物资，能有效缩短完成配送任务的总时间。同时增加时间窗限制，对救援任务紧急的救援点进行优先配送，精准
确定物资配送路线，使救援路线的安排更加合理。
附图说明
[0080]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0081]
图1本发明实施例一种针对应急物资配送的无人机路径规划方法的框图；
[0082]
图2为染色体形式示意图；
[0083]
图3为初始任务路径规划方案生成过程，图3(a)初始任务路径规划方案生成过程染色体的变化过程示意图，图3(b)为图3(a)对应的路径示意图。
具体实施方式
[0084]
为使本发明实施例的目的、技术方案和优点更加清楚，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0085]
本技术实施例通过提供一种针对应急物资配送的无人机路径规划方法和装置，解决了现有技术的无人机配送方法生成的配送路径会导致配送时间过长的技术问题，实现异构无人机从多个不同的站点出发为多个救灾点进行配送服务，缩短配送时间。
[0086]
本技术实施例中的技术方案为解决上述技术问题，总体思路如下：
[0087]
现有技术无人机配送中，同构无人机在续航能力约束下，为救灾点进行配送，单一站点在满足大规模需求中存在难度，不合理的任务路径规划方案，可能会违反救灾点的时间窗约束，延迟到达救灾点的时间。针对现有技术的问题，本发明实施例提出一种针对应急物资配送的无人机路径规划方法，该方法通过循环多次迭代的改进方法，针对应急物资的配送任务实现了对异构无人机群进行物资配送任务，增加时间窗限制，更精准得确定应急物资配送路线，缩短了完成配送任务的总时间，降低成本，尽可能提升无人机的工作效用。
[0088]
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
[0089]
本发明实施例提供一种针对应急物资配送的无人机路径规划方法，该方法包括以下步骤：
[0090]
s1、获取救灾点信息、多个站点信息和异构无人机信息；
[0091]
s2、基于救灾点信息、多个站点信息和异构无人机信息，以最小化无人机飞行时长为目标构建多站点带时间窗的多无人机配送模型；
[0092]
s3、对多站点带时间窗的多无人机配送模型求解，最优任务路径规划方案。
[0093]
本发明实施例通过异构无人机从多个不同的站点出发为救灾点进行物资，能有效缩短完成配送任务的总时间。同时增加时间窗限制，对救援任务紧急的救援点进行优先配送，精准确定物资配送路线，使救援路线的安排更加合理。
[0094]
下面对本发明实施例的实施过程进行详细说明：
[0095]
在步骤s1中，获取救灾点信息、多个站点信息和异构无人机信息，具体实施过程如下：
[0096]
计算机获取救灾点信息、多个站点信息和异构无人机信息。
[0097]
救灾点信息包括救灾点的需求及坐标。
[0098]
多个站点信息包括站点编号、站点坐标和站点数量。
[0099]
异构无人机信息包括无人机的编号、无人机飞行速度和无人机续航能力。
[0100]
在步骤s2中，基于救灾点信息、多个站点信息和异构无人机信息，以最小化无人机飞行时长为目标构建多站点带时间窗的多无人机配送模型，具体实施过程如下：
[0101]
所述多站点带时间窗的多无人机配送模型的目标函数采用公式(1)来表示：
[0102][0103]
其中，i和j为节点编号，v为所有节点集合；h为无人机编号，h为无人机集合；为编号为h的无人机从节点i到节点j的飞行时长；为决策变量，编号为h的无人机从节点i到达节点j的路径。
[0104]
编号为h的无人机从节点i到达节点j的飞行时长通过下式计算得到：
[0105][0106]
其中，vi
h
为编号为h的无人机的飞行速度；x
i
为节点i的横坐标，y
i
为节点i的纵坐标；
[0107]
x
j
为节点j的横坐标，y
j
为节点j的纵坐标。
[0108]
所述多站点带时间窗的多无人机配送模型的约束条件采用公式(3)至(11)来表示：
[0109][0110][0111][0112][0113][0114][0115][0116][0117][0118]
其中：
[0119]
公式(3)表示每个灾民点仅被访问一次；
[0120]
公式(4)表示各灾民点进出平衡约束
[0121]
公式(5)表示每架无人机仅被使用一次
[0122]
公式(6)～(7)表示每架无人机到达灾民点时间和灾民点的开始服务时间之间的关系；
[0123]
公式(7)表示无人机必须在灾民点的服务时间窗内提供服务
[0124]
公式(8)表示无人机必须在灾民点的服务时间窗内提供服务
[0125]
公式(9)～(10)表示消除子路径，确保无人机的飞行时长不能超过无人机的最大续航时长；
[0126]
公式(11)表示决策变量约束。
[0127]
l、i和j为救灾点编号，v为所有节点集合；d为无人机站点集合，n为救灾点集合；h为无人机编号，h为无人机集合；为编号为h的无人机访问救灾点j后已飞行时长，为编号为h的无人机访问救灾点i后已飞行时长，为编号为h的无人机访问救灾点r后已飞行时长，s
h
为编号为h的无人机的续航时间；e
i
为救灾点i的最早开始服务时间；l
i
为救灾点i的最迟开始服务时间；为编号为h的无人机到达救灾点i的时间；为编号为h的无人机到达救灾点j的时间；为编号为h的无人机到达救灾点i的开始服务的时间；se
i
为无人机到达救灾点i用于完成任务的时间；为决策变量，编号为h的无人机从节点i到达节点j的路径；为决策变量，编号为h的无人机从节点l到达救灾点i的路径；为决策变量，编号为h的无人机从救灾点i到达节点j的路径；为决策变量，编号为h的无人机从节点r到达节点i的路径；为编号为h的无人机从节点i到节点j的飞行时长；m为一个大的正整数。
[0128]
在步骤s3中，对多站点带时间窗的多无人机配送模型求解，最优任务路径规划方案，具体实施过程如下：
[0129]
s301、基于灾点信息、多个站点信息、异构无人机信息和多站点带时间窗的多无人机配送模型获取无人机配送路径的初始任务路径规划方案集合。具体为：
[0130]
s301a、设定编码规则，如下：
[0131]
一条染色体表示一个初始任务路径规划方案，染色体采用一种整数编码方式，由两行构成，无人机访问的救灾点构成染色体第一行，无人机编号构成染色体的第二行。染色体形式如图2所示：
[0132]
图1所示染色体表示：编号为1的无人机访问救灾点3、救灾点4、救灾点5、救灾点6和救灾点7；编号为2的无人机访问救灾点1、救灾点2、救灾点8和救灾点9。
[0133]
s301b、根据编码规则生成初始任务路径规划方案集合，包括：
[0134]
步骤1：将救灾点集合n中的救灾点进行随机排列n
r
，形成染色体的第一行编码；
[0135]
步骤2：针对排列n
r
中的每一个客户，从集合h中随机选择无人机进行访问，形成染色体的第二行编码；
[0136]
步骤3：依据无人机编号选出所访问的救灾点，并按照救灾点的时间窗最早开始访问时间非降序排列，从而得到无人机所访问的救灾点序列ro
k
；
[0137]
步骤4：在每架无人机访问救灾点序列的最前面和最后面加入该无人机对应的站
点编号，用来表示无人机的起点，得到了每架无人机访问的救灾点序列r
k
；
[0138]
步骤5：根据预设的种群规模n
p
重复步骤1
‑
4，初始任务路径规划方案集合。
[0139]
初始任务路径规划方案生成过程如图3所示：
[0140]
图3(a)所示染色体表示：编号为1的无人机访问救灾点3、救灾点4、救灾点5、救灾点6和救灾点7；编号为2的无人机访问救灾点1、救灾点2、救灾点8和救灾点9。依据救灾点的时间窗最早开始访问时间非降序排列对救灾点顺序进行调整，则编号为1的无人机依次访问救灾点6、救灾点5、救灾点4、救灾点3和救灾点7，编号为2的无人机依次访问救灾点8、救灾点1、救灾点9和救灾点2。在任务序列的最前面和最后面加入该无人机对应的站点编号得到完整的初始任务路径规划方案，则编号为1的无人机从编号为10的站点出发，依次完成救灾点6、救灾点5、救灾点4、救灾点3和救灾点7的配送任务，最后返回编号为10的站点，编号为2的无人机从编号为11的站点出发，依次完成救灾点8、救灾点1、救灾点9和救灾点2的配送任务，最后返回编号为11的站点。路径示意图如图3(b)所示。
[0141]
在具体实施过程中，初始任务路径规划方案集合中的规划方案并不一定都满足多站点带时间窗的多无人机配送模型的约束条件，所以有必要对初始任务路径规划方案集合中的每条染色体进行约束检查，并对不满足约束条件的染色体进行删除。
[0142]
s302、对于生成的初始任务路径规划方案集合，通过引入分段交叉算子和动态插入算子的改进遗传算法进行优化，从而获得对于无人机进行一个或多个救灾点配送服务的最优任务路径规划方案，包括：
[0143]
s302a、设置遗传算法的执行参数，如最大迭代次数、交叉概率等；以公式(12)作为适应度函数，对每一个初始任务路径规划方案的适应度值进行计算，；
[0144][0145]
s302b、通过轮盘赌选择方法从初始任务路径规划方案集合中选择2个不同的路径规划方案使用分段交叉算子根据交叉概率进行交叉操作，得到2个路径规划方案，适应度值越小的方案被选中概率越大，包括：
[0146]
步骤1：通过轮盘赌选择方法从初始任务路径规划方案集合进行选择两条染色体作为父代染色体；
[0147]
步骤2：根据无人机编号对父代染色体进行分段，每一分段染色体表示一架无人机的任务路径规划方案；
[0148]
步骤3：将两条染色体的一个分段进行单点交叉操作；
[0149]
步骤4：根据无人机数量h重复步骤3，直到完成所有分段的交叉操作，并依据无人机编号将分段的染色体进行合并，得到子染色体。
[0150]
s302c、对步骤s302b中得到的路径规划方案进行动态插入操作，得到2个新的路径规划方案；
[0151]
步骤1：如果未配送救灾点集合n
vc
不为空集，转步骤2；否则，输出任务路径规划方案；
[0152]
步骤2：从无人机集合h中随机选择无人机h；
[0153]
步骤3：判断无人机h是否满足续航约束，如果违反约束转步骤2；否则，转步骤4；
[0154]
步骤4：利用公式(13)从n
nd
中选出救灾点c；
[0155][0156]
其中，e
c
为救灾点c的最早开始服务时间；为编号为h的无人机到达救灾点c的时间，编号为h的无人机从救灾点u到救灾点c时间；
[0157]
步骤5：检验插入救灾点c是否满足约束条件，如果满足则将救灾点c插入当前规划路径r
h
中，并从集合n
nd
中删除救灾点c，转步骤4；否则，转步骤6；
[0158]
步骤6：从无人机集合h中删除无人机h，转步骤1。
[0159]
s302d、重复步骤s302b
‑
s302c，直到达到预设的最大迭代次数，从更新的任务路径规划方案集合中，找到适应度函数值最小的任务路径规划方案，获得无人机进行一个或多个救灾点配送服务的最优任务路径规划方案。
[0160]
本发明实施例还提供一种针对应急物资配送的无人机路径规划装置，所述装置包括：
[0161]
信息获取模块，用于获取救灾点信息、多个站点信息和异构无人机信息；
[0162]
模型构建模型，用于基于救灾点信息、多个站点信息和异构无人机信息，以最小化无人机飞行时长为目标构建多站点带时间窗的多无人机配送模型；
[0163]
求解模型，用于对多站点带时间窗的多无人机配送模型求解，最优任务路径规划方案。
[0164]
可理解的是，本发明实施例提供的针对应急物资配送的无人机路径规划装置与上述针对应急物资配送的无人机路径规划方法相对应，其有关内容的解释、举例、有益效果等部分可以参考针对应急物资配送的无人机路径规划方法中的相应内容，此处不再赘述。
[0165]
本发明实施例还提供一种计算机可读存储介质，其存储用于针对应急物资配送的无人机路径规划的计算机程序，其中，所述计算机程序使得计算机执行如上述所述的针对应急物资配送的无人机路径规划方法。
[0166]
本发明实施例还提供一种电子设备，包括：
[0167]
一个或多个处理器；
[0168]
存储器；以及
[0169]
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上述所述的针对应急物资配送的无人机路径规划方法。
[0170]
综上所述，与现有技术相比，具备以下有益效果：
[0171]
本发明实施例通过异构无人机从多个不同的站点出发为救灾点进行物资，能有效缩短完成配送任务的总时间。同时增加时间窗限制，对救援任务紧急的救援点进行优先配送，精准确定物资配送路线，使救援路线的安排更加合理。
[0172]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在
包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0173]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。