车辆与无人机协同巡检的路径规划方法及系统与流程

1.本发明涉及协同作业技术领域，具体涉及一种车辆与无人机协同巡检的路径规划方法及系统。


背景技术：

2.伴随着传感器技术的发展，无人机携带各种载荷在情报侦察、电力巡检等军事和民用领域发挥着越来越大的作用。但是目前由于电池容量有限，无人机不能长时间或者长距离的执行巡检任务，导致其执行目标的效率较低。为了解决无人机在执行巡检任务时的续航问题，可使用一辆车和一架无人机协同进行任务巡检，将车作为一种地面移动平台，其可以携带无人机，还可以给无人机更换电池来重复利用无人机，这样可以有效提高无人机执行目标巡检的效率。
3.现有技术在实施车机协同巡检工作时，无法准确求出或者快速求出车机协同巡检路径规划的有效解，从而无法科学、有效指导车机协同的相关工作。
4.由此可见，亟需提出一种新的车辆与无人机协同巡检的路径规划技术，以有效解决现有技术存在的无法快速、准确求解车机协同巡检路径规划结果的问题。


技术实现要素：

5.(一)解决的技术问题
6.针对现有技术的不足，本发明提供了一种车辆与无人机协同巡检的路径规划方法及系统，解决了现有技术存在无法快速、准确求解车机协同巡检路径规划结果的问题。
7.(二)技术方案
8.为实现以上目的，本发明通过以下技术方案予以实现：
9.第一方面，本发明首先提出一种车辆与无人机协同巡检的路径规划方法，所述方法包括：
10.获取车机协同巡检相关参数，所述车机协同巡检相关参数包括无人机参数、地面车辆参数、巡检任务参数，以及路网参数；
11.获取预设的车机协同巡检约束条件，并基于所述车机协同巡检相关参数，以无人机巡检完所有目标点后到达终点时总时间最短为目标函数构建车机协同巡检路径规划模型；所述预设的车机协同巡检约束条件包括巡检目标点路径禁止环路约束、无人机起飞点约束、地面车辆停靠点时间约束，以及无人机和地面车辆访问终点约束；
12.求解所述车机协同巡检路径规划模型，获取车机协同巡检路径的最优规划方案。
13.优选的，其特征在于，所述无人机参数包括无人机速度和无人机的最长续航时间；
14.地面车辆参数包括地面车辆速度；
15.巡检任务参数包括每个目标点需要被无人机巡检的时间；
16.路网参数包括车机协同巡检过程中的节点坐标集合，所述节点包括起点、停靠点、终点以及目标点。
17.优选的，所述目标函数包括：
18.minz＝t
*
19.其中，t
*
表示无人机从起点出发并巡检完所有目标点后到达终点的总耗时。
20.优选的，所述巡检目标点路径禁止环路约束包括：
21.m
×
(1-y
ij
)≥(qi c
j-qj)，i,j∈v
t
,i≠j，该约束保证如果无人机从目标点i飞行到目标点j，则无人机从某个停靠点起飞到巡检完目标点i的时间qi与无人机在目标点j的巡检时间cj之和，要小于等于无人机从某个停靠点起飞到巡检完目标点j的时间qj，防止无人机的飞行路径出现i
→j→
...
→
i的情况；
22.所述无人机起飞点约束包括：
23.该约束保证如果无人机从某停靠点i起飞，则该停靠点必须在地面车辆的路径上；
24.所述地面车辆停靠点时间约束包括：
25.m
×
(3-y
ij-x
kj-s
ik
)≥|t
j-t
k-d
ij
/v
1-qi|,i∈v
t
,j∈{*}∪vs,k∈{0}∪vs,j≠k，该
26.约束保证如果无人机从停靠点k起飞，巡检目标点i，降落到停靠点j，同时地面车辆从停靠点k行驶到停靠点j，则地面车辆离开停靠点j的时刻tj等于地面车辆离开停靠点k的时刻tk、无人机从停靠点k起飞到巡检完目标点i的时间qi、无人机从目标点i飞往停靠点j的时间d
ij
/v1的三者之和；
27.m
×
(1-x
ij
)≥|t
j-t
i-d
ij
/v
2-sj|,i∈{0}∪vs,j∈vs∪{*},i≠j，该约束保证如果地面车辆从停靠点i行驶到停靠点j，则地面车辆在停靠点j的等待时间sj等于地面车辆离开停靠点j的时刻tj与地面车辆到达停靠点j的时刻(ti d
ij
/v2)之差；其中，ti表示地面车辆离开停靠点i的时刻；
28.m
×
(3-x
ij-s
ki-y
kq
)≥t
q-tj,i∈{0}∪vs,j,q∈vs∪{*},k∈v
t
，该约束保证如果地面车辆从停靠点i行驶到停靠点j，无人机从停靠点i起飞，巡检目标点k，降落到停靠点q，则地面车辆离开停靠点j的时刻tj要大于等于地面车辆离开停靠点q的时刻tq，即确保无人机必须在降落某个停靠点后才可以继续起飞；
29.所述无人机和地面车辆访问终点约束包括：
30.x
*i
＝0，i∈{0}∪vs∪{*}，该约束保证地面车辆在终点*处终止行驶状态；
31.该约束保证无人机不会从终点*处起飞；
32.该约束保证无人机从目标点i飞往到终点的次数之和小于等于1；
33.所述预设的车机协同巡检约束条件还包括：
34.x
ii
＝0，i∈{0}∪vs∪{*}，该约束保证地面车辆不会在停靠点i处原地循环行驶；
35.qi＝0，i∈{0}∪vs∪{*}，该约束保证只有当i为目标点时，qi的值才有效，其他情况下qi的值为0；
36.其中，m表示接近无穷大的正整数；
37.v1表示无人机的速度；
38.v2表示地面车辆的速度；
39.d
ij
表示节点i和节点j之间的欧式距离；
40.qi表示无人机从某个停靠点起飞到巡检完目标点i的时间；
41.ti表示停靠点i被地面车辆访问的顺序，为连续数字变量，t0＝1；
42.si表示地面车辆在停靠点i等待无人机的时间；
43.ti表示地面车辆离开停靠点i的时刻，t0＝s0；
44.{0}表示起点；
[0045]vs
表示所有可以选择的停靠点集合；{*}表示终点；v
t
表示所有目标点集合；
[0046]ci
表示目标点i需要被无人机巡检的时间，且i∈v
t
；
[0047]
x
ij
、y
ij
、s
ij
均表示决策变量，具体的：
[0048][0049][0050][0051]
优选的，所述求解所述车机协同巡检路径规划模型包括：
[0052]
利用cplex求解器求解所述车机协同巡检路径规划模型。
[0053]
第二方面，本发明还提出了一种车辆与无人机协同巡检的路径规划系统，所述系统包括：
[0054]
参数获取模块，用于获取车机协同巡检相关参数，所述车机协同巡检相关参数包括无人机参数、地面车辆参数、巡检任务参数，以及路网参数；
[0055]
模型构建模块，用于获取预设的车机协同巡检约束条件，并基于所述车机协同巡检相关参数，以无人机巡检完所有目标点后到达终点时总时间最短为目标函数构建车机协同巡检路径规划模型；所述预设的车机协同巡检约束条件包括巡检目标点路径禁止环路约束、无人机起飞点约束、地面车辆停靠点时间约束，以及无人机和地面车辆访问终点约束；
[0056]
模型求解模块，用于求解所述车机协同巡检路径规划模型，获取车机协同巡检路径的最优规划方案。
[0057]
优选的，所述参数获取模块中无人机参数包括无人机速度和无人机的最长续航时间；
[0058]
地面车辆参数包括地面车辆速度；
[0059]
巡检任务参数包括每个目标点需要被无人机巡检的时间；
[0060]
路网参数包括车机协同巡检过程中的节点坐标集合，所述节点包括起点、停靠点、终点以及目标点。
[0061]
优选的，所述目标函数包括：
[0062]
minz＝t
*
[0063]
其中，t
*
表示无人机从起点出发并巡检完所有目标点后到达终点的总耗时。
[0064]
优选的，所述巡检目标点路径禁止环路约束包括：
[0065]m×
(1-y
ij
)≥(qi c
j-qj)，i,j∈v
t
,i≠j，该约束保证如果无人机从目标点i飞行到目标点j，则无人机从某个停靠点起飞到巡检完目标点i的时间qi与无人机在目标点j的巡检时间cj之和，要小于等于无人机从某个停靠点起飞到巡检完目标点j的时间qj，防止无人机的飞行路径出现i
→j→
...
→
i的情况；
[0066]
所述无人机起飞点约束包括：
[0067]
该约束保证如果无人机从某停靠点i起飞，则该停靠点必须在地面车辆的路径上；
[0068]
所述地面车辆停靠点时间约束包括：
[0069]m×
(3-y
ij-x
kj-s
ik
)≥|t
j-t
k-d
ij
/v
1-qi|,i∈v
t
,j∈{*}∪vs,k∈{0}∪vs,j≠k，该
[0070]
约束保证如果无人机从停靠点k起飞，巡检目标点i，降落到停靠点j，同时地面车辆从停靠点k行驶到停靠点j，则地面车辆离开停靠点j的时刻tj等于地面车辆离开停靠点k的时刻tk、无人机从停靠点k起飞到巡检完目标点i的时间qi、无人机从目标点i飞往停靠点j的时间d
ij
/v1的三者之和；
[0071]m×
(1-x
ij
)≥|t
j-t
i-d
ij
/v
2-sj|,i∈{0}∪vs,j∈vs∪{*},i≠j，该约束保证如果地面车辆从停靠点i行驶到停靠点j，则地面车辆在停靠点j的等待时间sj等于地面车辆离开停靠点j的时刻tj与地面车辆到达停靠点j的时刻(ti d
ij
/v2)之差；其中，ti表示地面车辆离开停靠点i的时刻；
[0072]m×
(3-x
ij-s
ki-y
kq
)≥t
q-tj,i∈{0}∪vs,j,q∈vs∪{*},k∈v
t
，该约束保证如果地面车辆从停靠点i行驶到停靠点j，无人机从停靠点i起飞，巡检目标点k，降落到停靠点q，则地面车辆离开停靠点j的时刻tj要大于等于地面车辆离开停靠点q的时刻tq，即确保无人机必须在降落某个停靠点后才可以继续起飞；
[0073]
所述无人机和地面车辆访问终点约束包括：
[0074]
x
*i
＝0，i∈{0}∪vs∪{*}，该约束保证地面车辆在终点*处终止行驶状态；
[0075]
该约束保证无人机不会从终点*处起飞；
[0076]
该约束保证无人机从目标点i飞往到终点的次数之和小于等于1；
[0077]
所述预设的车机协同巡检约束条件还包括：
[0078]
x
ii
＝0，i∈{0}∪vs∪{*}，该约束保证地面车辆不会在停靠点i处原地循环行驶；
[0079]
qi＝0，i∈{0}∪vs∪{*}，该约束保证只有当i为目标点时，qi的值才有效，其他情况下qi的值为0；
[0080]
其中，m表示接近无穷大的正整数；
[0081]
v1表示无人机的速度；
[0082]
v2表示地面车辆的速度；
[0083]dij
表示节点i和节点j之间的欧式距离；
[0084]
qi表示无人机从某个停靠点起飞到巡检完目标点i的时间；
[0085]
ti表示停靠点i被地面车辆访问的顺序，为连续数字变量，t0＝1；
[0086]
si表示地面车辆在停靠点i等待无人机的时间；
[0087]
ti表示地面车辆离开停靠点i的时刻，t0＝s0；
[0088]
{0}表示起点；
[0089]vs
表示所有可以选择的停靠点集合；{*}表示终点；v
t
表示所有目标点集合；
[0090]ci
表示目标点i需要被无人机巡检的时间，且i∈v
t
；
[0091]
x
ij
、y
ij
、s
ij
均表示决策变量，具体的：
[0092][0093][0094][0095]
优选的，所述模型求解模块求解所述车机协同巡检路径规划模型包括：
[0096]
利用cplex求解器求解所述车机协同巡检路径规划模型。
[0097]
(三)有益效果
[0098]
本发明提供了一种车辆与无人机协同巡检的路径规划方法及系统。与现有技术相比，具备以下有益效果：
[0099]
1、本发明获取车机协同巡检相关参数；然后预设车机协同巡检约束条件，并基于上述的相关参数，以无人机巡检完所有目标点后到达终点时总时间最短为目标函数构建车机协同巡检路径规划模型；最后求解构建的车机协同巡检路径规划模型，获取车机协同巡检路径的最优规划方案。本发明相比于现有技术，可以快速、准确地求出可行解，并基于可行解可得到车机协同巡检路径规划的最优方案，进而可对车机巡检相关工作进行科学有效地指导。
[0100]
2、本发明以无人机巡检完所有目标点后到达终点时总时间最短为目标函数构建车机协同巡检路径规划模型，同时在构建该模型时，预设巡检目标点路径禁止环路约束、无人机起飞点约束、地面车辆停靠点时间约束，以及无人机和地面车辆访问终点约束等约束条件，这样可以保证求解的准确性和求解的快速性。
[0101]
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。
[0102]
图1为本发明车机协同巡检的场景示意图；
[0103]
图2为本发明实施例中一种车辆与无人机协同巡检的路径规划方法的流程图；
[0104]
图3为本发明实施例中场景1下利用本技术求解的车机协同巡检路径图；
[0105]
图4为本发明实施例中场景1下利用2e-gucrp模型求解的车机协同巡检路径图；
[0106]
图5为本发明实施例中场景2下利用本技术求解的车机协同巡检路径图；
[0107]
图6为为本发明实施例中场景2下利用2e-gucrp模型求解的车机协同巡检路径图。
具体实施方式
[0108]
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做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。
[0109]
本技术实施例通过提供一种车辆与无人机协同巡检的路径规划方法及系统，解决了现有技术存在无法快速准确求解车机协同巡检路径规划结果的问题，实现科学、有效指导车机协同巡检工作的目的。
[0110]
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：
[0111]
为了准确、快速地求解出车机协同巡检路径规划结果，本发明首先获取车机协同巡检过程中所涉及的包括无人机参数、地面车辆参数、巡检任务参数，以及路网参数等相关参数；然后根据车机协同巡检的真实情况预设包括巡检目标点路径禁止环路约束、无人机起飞点约束、地面车辆停靠点时间约束，以及无人机和地面车辆访问终点约束等相关约束条件，并基于相关参数，以无人机巡检完所有目标点后到达终点时总时间最短为目标函数构建车机协同巡检路径规划模型；最后求解构建的车机协同巡检路径规划模型，最终可获取车机协同巡检路径的最优规划方案。
[0112]
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。
[0113]
参见图1，车机协同巡检的场景可以描述为：
[0114]
一辆车携带一架无人机从起点出发，地面车辆沿着道路路网行驶，在适合的停靠点释放无人机，无人机飞行至路网外的目标点，对其进行巡检，在无人机续航允许的前提下尽可能的巡检多个目标点，然后再次在合适的停靠点与地面车辆进行汇合，更换电池，无人机重复起飞、巡检目标点、降落更换电池的过程，直到巡检完所有的目标点，最终地面车辆和无人机在终点处集合。
[0115]
在本发明的技术方案中，做出以下假设：
[0116]
1)车和无人机的速度均是恒定的；
[0117]
2)无人机从车上起飞和降落的时间忽略不计；
[0118]
3)无人机在车上更换电池的时间忽略不计；
[0119]
4)车可以在停靠点处等待无人机，反之则不能。
[0120]
实施例1：
[0121]
第一方面，本发明首先提出了一种车辆与无人机协同巡检的路径规划方法，参见图2，该方法包括：
[0122]
s1、获取车机协同巡检相关参数，所述车机协同巡检相关参数包括：无人机参数、地面车辆参数、巡检任务参数，以及路网参数；
[0123]
s2、获取预设的车机协同巡检约束条件，并基于所述车机协同巡检相关参数，以无人机巡检完所有目标点后到达终点时总时间最短为目标函数构建车机协同巡检路径规划模型；所述预设的车机协同巡检约束条件包括巡检目标点路径禁止环路约束、无人机起飞点约束、地面车辆停靠点时间约束，以及无人机和地面车辆访问终点约束；
[0124]
s3、求解所述车机协同巡检路径规划模型，获取车机协同巡检路径的最优规划方
案。
[0125]
可见，本发明获取车机协同巡检相关参数；然后预设车机协同巡检约束条件，并基于上述的相关参数，以无人机巡检完所有目标点后到达终点时总时间最短为目标函数构建车机协同巡检路径规划模型；最后求解构建的车机协同巡检路径规划模型，获取车机协同巡检路径的最优规划方案。本发明相比于现有技术，可以快速、准确地求出可行解，并基于可行解可得到车机协同巡检路径规划的最优方案，进而可对车机巡检相关工作进行科学有效地指导。
[0126]
下面结合对s1-s3具体步骤的解释，来详细说明本发明一个实施例的实现过程。
[0127]
s1、获取车机协同巡检相关参数，所述车机协同巡检相关参数包括：无人机参数、地面车辆参数、巡检任务参数，以及路网参数。
[0128]
设置车机协同巡检过程中的相关参数，这些相关参数具体如下：
[0129]
无人机参数，其包括：无人机速度v1和无人机的最长续航时间θ；
[0130]
地面车辆参数，其包括：地面车辆速度v2；
[0131]
路网参数，路网参数包括车机协同巡检过程中的节点的坐标集合。用g＝(v,e)表示车机协同巡检过程中的路径图，如图3-6所示，其中，e表示所有边的集合，其为节点之间的连线；v表示所有节点集合，v＝{0}∪vs∪{*}∪v
t
；其中，{0}表示起点，vs＝{1,2,...,m}表示所有可以选择的停靠点集合，即共有m个停靠点；{*}表示终点，这里用m 1表示；v
t
＝{m 2,m 3,...,m n 1}表示所有目标点集合，即共有n个目标点；
[0132]
巡检任务参数，其包括：每个被巡检目标点的巡检时间ci；其中，i表示被巡检的目标点的编号，且i∈v
t
。
[0133]
s2、获取预设的车机协同巡检约束条件，并基于所述车机协同巡检相关参数，以无人机巡检完所有目标点后到达终点时总时间最短为目标函数构建车机协同巡检路径规划模型；所述预设的车机协同巡检约束条件包括巡检目标点路径禁止环路约束、无人机起飞点约束、地面车辆停靠点时间约束，以及无人机和地面车辆访问终点约束。
[0134]
为了获得符合真实场景下的最优的车机协同巡检路径规划方案，本发明基于上述车机协同巡检过程中的相关参数，以无人机从起点出发巡检完所有待巡检的目标点后到达终点时的总时间最短为目标函数构建车机协同巡检路径规划模型。具体的，该目标函数用公式可表示为：
[0135]
minz＝t
*
[0136]
其中，t
*
表示无人机从起点出发并巡检完所有目标点后到达终点的总耗时。
[0137]
同时，为了确保车机协同巡检路径规划模型的科学性，以及求解该模型时其求解结果的有效性和合理性，针对上述车机协同巡检路径规划模型目标函数设置如下约束条件：
[0138]
该约束确保了每个可选择的停靠点最多被访问一次；
[0139]
该约束表示终点的入度等于起点的出度，且都等于1；
[0140]
该约束表示终点的出度等于起点的入度，且都等于0；
[0141]
m-1≥t
i-tj m
×
x
ij
，i∈{0}∪vs,j∈{*}∪vs，该约束为消除子环路约束(mtz约束)，消除车的路线的子环路；ti表示交汇节点i的车的访问顺序，为连续数字变量；
[0142]
该约束确保所有的目标点仅被访问一次；
[0143]m×
(1-y
ij
)≥|cj d
ij
/v
1-qj| s
ji-1|，i∈{0}∪vs,j∈v
t
，该约束描述了无人机的起飞过程，当无人机从节点i起飞，飞往节点j时，s
ji
＝1，无人机在目标点j的消耗总时间等于j点的服务时间和节点间的飞行时间；
[0144]m×
(2-y
ij-s
ik
)≥|qi cj d
ij
/v
1-qj| |s
ik-s
jk
|，i,j∈v
t
,k∈{0}∪vs，该约
[0145]
束描述了无人机在目标点之间的飞行过程；
[0146]m×
(1-y
ij
)≥(qi d
ij
/v
1-θ)，i∈v
t
,j∈{0}∪vs∪{*}，该约束描述了无人机从目标点i飞行至停靠点j的降落过程；
[0147]m×
(2-y
ij-s
ik
)≥|x
kj-1|，i∈v
t
,j,k∈{0}∪vs,j≠k，该约束确保如果无人机降落在某个停靠点，则该停靠点一定在地面车辆的路径上；
[0148]m×
(3-y
ij-x
kj-s
ik
)≥(d
kj
/v
2-d
ij
/v
1-qi)，i∈v
t
,j∈{*}∪vs,k∈{0}∪vs,j≠k，该
[0149]
约束限制了地面车辆必须先于无人机到达指定降落交汇点；
[0150]yij
＝0，i,j∈{0}∪vs∪{*}，该约束确保无人机不会在路网上飞行；
[0151]
该约束确保地面车辆所到达的停靠点必须是无人机的起飞或降落的节点；
[0152]m×
(2-yij-s
ij
)≥|s
j-q
i-d
ij
/v1|，i∈v
t
,j∈{0}∪vs∪{*}，该约束表示地面车辆在某停靠点释放无人机后，原地等待无人机返回的时间；si表示车在交汇节点i等待无人机的时间；
[0153]m×
(3-yij-x
kj-s
ik
)≥|t
j-t
k-d
ij
/v
1-sj|,i∈v
t
,j∈{*}∪vs,k∈{0}∪vs,j≠k，该约束为计算车在停靠点j的等待时间；
[0154]m×
(1-x
ij
)≥t
i-tj d
ij
/v2，i∈{0}∪vs,j∈{*}∪vs,i≠j，该约束保证了地面车辆离开交汇节点的时间和交汇节点的顺序的一致性；ti表示车从起点出发，离开交汇节点i的时刻；
[0155]m×
(1-x
ij
)≥ti d
ij
/v2 s
j-tj，i∈{0}∪vs,j∈vs∪{*}，该约束确保地面车辆从停靠点i行驶到停靠点j，则行驶的时间要小于等于车辆到达停靠点j的时刻；
[0156]
该约束表示未被选择的停靠点t值为0；
[0157]
该约束表示无人机的每个目标节点都被分配到具体的飞行片段中；
[0158]
该约束保证只有当i为目标点时，s
ij
才有效；
[0159]
0≤qi≤θ，i∈v
t
，该约束为无人机的续航约束；
[0160]
t0＝1，该约束为初始化起始节点的t值；
[0161]
t0＝s0，该约束描述了一种特殊场景，即无人机从起点起飞，巡检目标点后，再回到起点。
[0162]
特别的，除了上述约束条件外，本技术预设的车机协同巡检约束条件还包括:
[0163]
巡检目标点路径禁止环路约束：
[0164]m×
(1-y
ij
)≥(qi c
j-qj)，i,j∈v
t
,i≠j，该约束保证如果无人机从目标点i飞行到目标点j，则无人机从某个停靠点起飞到巡检完目标点i的时间qi与无人机在目标点j的巡检时间cj之和，要小于等于无人机从某个停靠点起飞到巡检完目标点j的时间qj，防止无人机的飞行路径出现i
→j→
...
→
i的情况；
[0165]
无人机起飞点约束包括：
[0166]
该约束保证如果无人机从某停靠点i起飞，则该停靠点必须在地面车辆的路径上；
[0167]
地面车辆停靠点时间约束包括：
[0168]m×
(3-y
ij-x
kj-s
ik
)≥|t
j-t
k-d
ij
/v
1-qi|,i∈v
t
,j∈{*}∪vs,k∈{0}∪vs,j≠k，该
[0169]
约束保证如果无人机从停靠点k起飞，巡检目标点i，降落到停靠点j，同时地面车辆从停靠点k行驶到停靠点j，则地面车辆离开停靠点j的时刻tj等于地面车辆离开停靠点k的时刻tk、无人机从停靠点k起飞到巡检完目标点i的时间qi、无人机从目标点i飞往停靠点j的时间d
ij
/v1的三者之和；
[0170]m×
(1-x
ij
)≥|t
j-t
i-d
ij
/v
2-sj|,i∈{0}∪vs,j∈vs∪{*},i≠j，该约束保证如果地面车辆从停靠点i行驶到停靠点j，则地面车辆在停靠点j的等待时间sj等于地面车辆离开停靠点j的时刻tj与地面车辆到达停靠点j的时刻(ti d
ij
/v2)之差；其中，ti表示地面车辆离开停靠点i的时刻；
[0171]m×
(3-x
ij-s
ki-y
kq
)≥t
q-tj,i∈{0}∪vs,j,q∈vs∪{*},k∈v
t
，该约束保证如果地面车辆从停靠点i行驶到停靠点j，无人机从停靠点i起飞，巡检目标点k，降落到停靠点q，则地面车辆离开停靠点j的时刻tj要大于等于地面车辆离开停靠点q的时刻tq，即确保无人机必须在降落某个停靠点后才可以继续起飞；
[0172]
无人机和地面车辆访问终点约束包括：
[0173]
x
*i
＝0，i∈{0}∪vs∪{*}，该约束保证地面车辆在终点*处终止行驶状态；
[0174]
该约束保证无人机不会从终点*处起飞；
[0175]
该约束保证无人机从目标点i飞往到终点的次数之和小于等于1；
[0176]
另外，预设的车机协同巡检约束条件还包括：
[0177]
x
ii
＝0，i∈{0}∪vs∪{*}，该约束保证地面车辆不会在停靠点i处原地循环行驶；
[0178]
qi＝0，i∈{0}∪vs∪{*}，该约束保证只有当i为目标点时，qi的值才有效，其他情况下qi的值为0。
[0179]
其中，在上述约束中，m表示接近无穷大的正整数；v1表示无人机的速度；v2表示地面车辆的速度；d
ij
表示节点i和节点j之间的欧式距离；qi表示无人机从某个停靠点起飞到巡检完目标点i的时间；ti表示停靠点i被地面车辆访问的顺序，为连续数字变量，t0＝1；ti表示地面车辆从起点0出发，离开停靠点i的时刻；si表示地面车辆在停靠点i等待无人机的时间；{0}表示起点；vs表示所有可以选择的停靠点集合；{*}表示终点；v
t
表示所有目标点集合；ci表示目标点i需要被无人机巡检的时间，且i∈v
t
；x
ij
、y
ij
、s
ij
均表示决策变量，具体的：
[0180][0181][0182][0183]
s3、求解所述车机协同巡检路径规划模型，获取车机协同巡检路径的最优规划方案。
[0184]
在上述约束条件下，利用cplex求解器等方法对车机协同巡检路径规划模型进行求解，根据每个所求的解对应的规划路径和无人机飞行速度即可获得车机协同过程中无人机巡检完所有目标点后到达终点时的总时间，比较所有解对应的总时间，总时间最短(即t
*
)的解对应的路径规划方案为车机协同巡检路径的最优规划方案，即最优路径规划方案指无人机巡检完所有目标点后到达终点时总时间最短所对应的路径规划方案。具体的，最优路径规划方案包括无人机巡检目标点的先后顺序，停靠在哪些备选停靠点的序号，以及在停靠点停靠的先后顺序等。获得这个最优路径规划方案后，即可按照该方案执行车机巡检工作。
[0185]
至此，则完成了本发明一种车辆与无人机协同巡检的路径规划方法的全部过程。
[0186]
为了验证本发明求解的有效性和高效性，下面分别在不同场景下，将本技术方案与现有技术进行对比。
[0187]
设置车机协同巡检过程中的无人机参数、地面车辆参数、巡检任务参数，以及路网参数，并基于路网参数生成一个小规模的实例，其仿真区域为100*100，然后在该区域中随机产生所需要的所有节点的坐标，用(x，y)表示节点的坐标，无人机的速度为2单位/秒，地面车辆的速度为1单位/秒，无人机的最大续航时间为100单位，然后基于预先设置的约束条件，利用cplex求解器对该实例进行求解，基于求解结果验证本发明的有效性。
[0188]
1)验证本发明的有效性，即验证本发明是否可以准确求出有效解。
[0189]
场景1：设置停靠点为2个，目标点为4个。
[0190]
表1场景1中的起点、停靠点、终点集合
[0191] x坐标y坐标起点03077停靠点18640停靠点24857终点39641
[0192]
表2场景1中的目标点集合
[0193]
目标点x坐标y坐标巡检时间(秒)
43377.49563469.616827610.63738477.16
[0194]
参见图3，图中，方块表示停靠点集合，其中，0为起点，3为终点，1和2均为停靠点；圆圈4、5、6、7为无人机巡检的目标点；实线为地面车辆行驶路径，虚线为无人机飞行的路径。地面车辆携带无人机从起点(即图中0点)出发，无人机从起点释放，连续巡检目标点4和7后与地面车辆在停靠点2交汇，更换电池后，再从2点起飞，连续巡检目标点5和6，车同步地从起点行驶到2点，再行驶到终点，最终车与无人机在终点(即图中3点)处汇合。
[0195]
针对场景1利用本技术方案进行求解，得到最优的路径规划方案如图3所示：其中，方块表示停靠点集合，其中，0为起点，3为终点，1和2均为停靠点；圆圈4、5、6、7为无人机巡检的目标点；实线为地面车辆行驶路径，虚线为无人机飞行的路径。地面车辆携带无人机从起点(即图中0点)出发，无人机从起点释放，连续巡检目标点4和7后与地面车辆在停靠点2交汇，更换电池后，再从2点起飞，连续巡检目标点5和6，车同步地从起点行驶到2点，再行驶到终点，最终车与无人机在终点(即图中3点)处汇合。在此路径规划方案下，无人机执行完所有巡检目标点到达终点时所花费时间为130.195秒。同时，记录利用本技术方案的车机协同路径规划模型求解最优的路径规划方案时，cpu运行时间(即计算机求出最优解时花费的时间)为1.24秒。
[0196]
而在同样的场景下(即采用上述相同的节点列表中的节点信息，以及车机协同巡检相关参数)，运行现有技术的2e-gucrp(two-echelon groundvehicle and its mounteduav cooperative routing problem)模型时，求出的路径规划方案如图4所示。其中，地面车辆携带无人机从起点0行驶到停靠点1，再行驶到终点3，在终点3处无人机起飞后，连续巡检5、6、7号目标点后，降落到停靠点1，目标点4号，无人机对其进行单独的巡检，即y
44
＝1。但上述路径规划方案违反了无人机禁止从终点处起飞的约束，以及目标点之间的禁止环路约束，因此是不可行的。
[0197]
场景2：设置停靠点为4个，目标点为4个。
[0198]
表3场景2中的起点、停靠点、终点集合
[0199] x坐标y坐标起点0175停靠点15536停靠点25993停靠点3556停靠点43842终点53358
[0200]
表4场景2中的目标点集合
[0201]
目标点x坐标y坐标巡检时间(秒)691107.64774198.69816287.45
970297.52
[0202]
参见图5，图中，方块为停靠点，其中0为起点，5为终点，1、2、3、4均为停靠点，圆圈6、7、8、9为目标点。图中实线为地面车辆行驶路径，虚线为无人机飞行路径。地面车辆携带无人机从起点出发，无人机同时从起点释放，巡检目标点8后与地面车辆在停靠点3交汇，更换电池后，再从3点起飞，连续巡检目标点6、7、9，车同步地从起点行驶到3点，再行驶到终点，最终与无人机在终点处汇合。
[0203]
同理，针对场景2进行求解，最优的路径规划方案为：无人机执行完所有巡检目标点到达终点时所花费时间为121.816秒时所对应的路径规划方案。同时，利用本技术方案的车机协同路径规划模型求解最优的路径规划方案时，cpu运行时间为3.22秒。
[0204]
而在同样的场景下(即采用上述相同的节点列表中的节点信息，以及车机协同巡检相关参数)，运行现有技术的2e-gucrp模型时，求出的路径规划方案如图6所示。其中，地面车辆携带无人机从起点0行驶到停靠点4，再行驶到停靠点5，在停靠点5处无人机起飞后，同时出现3条无人机的巡检路径，即无人机的第一条飞行路径为无人机连续巡检目标点6、9号，降落到0号起点，无人机的第二条飞行路径为无人机巡检目标点7号后降落到0号起点，无人机的第三条路径为无人机巡检目标点8号降落到4号停靠点。但上述路径规划方案违反了多个约束，因此是不可行的。
[0205]
由此可见，本发明可以准确求出车机协同巡检路径规划方案，可以克服现有技术无法求出有效解或者求解结果不准确的问题。
[0206]
2)验证本发明求解的高效性，即可以快速求出有效解。
[0207]
为了更进一步验证本技术方案相比于现有技术求解最优路径规划时效率更高，速度更快，本实施例进一步增加了实验组数。
[0208]
表5不同节点数时的求解时间表
[0209][0210]
在表5中，利用本发明的模型分别求解了六个不同场景(第一至第六组)下的cpu运行时间，对应的场景与2e-gucrp模型中的场景一致。cpu运行时间表示在不同停靠点数和目标点数的情况下，计算机求解出最优车机协同巡检路径规划方案所花费的时间。由上表可知，在求解相同问题时，本技术方案相比于现有技术的2e-gucrp模型，计算机所花费的求解时间要更短，即可证明本发明可以更高效、快速的求解出车机协同巡检的路径规划方案。
[0211]
综上可知，本发明相比于现有技术，可以更加快速、准确地求解出车机协同巡检路径规划的有效解。
[0212]
实施例2：
[0213]
第二方面，本发明还提供了一种车辆与无人机协同巡检的路径规划系统，该系统
包括：
[0214]
参数获取模块，用于获取车机协同巡检相关参数，所述车机协同巡检相关参数包括无人机参数、地面车辆参数、巡检任务参数，以及路网参数；
[0215]
模型构建模块，用于获取预设的车机协同巡检约束条件，并基于所述车机协同巡检相关参数，以无人机巡检完所有目标点后到达终点时总时间最短为目标函数构建车机协同巡检路径规划模型；所述预设的车机协同巡检约束条件包括巡检目标点路径禁止环路约束、无人机起飞点约束、地面车辆停靠点时间约束，以及无人机和地面车辆访问终点约束；
[0216]
模型求解模块，用于求解所述车机协同巡检路径规划模型，获取车机协同巡检路径的最优规划方案。
[0217]
可选的，所述参数获取模块中无人机参数包括无人机速度和无人机的最长续航时间；
[0218]
地面车辆参数包括地面车辆速度；
[0219]
巡检任务参数包括每个目标点需要被无人机巡检的时间；
[0220]
路网参数包括车机协同巡检过程中的节点坐标集合，所述节点包括起点、停靠点、终点以及目标点。
[0221]
可选的，所述目标函数包括：
[0222]
minz＝t
*
[0223]
其中，t
*
表示无人机从起点出发并巡检完所有目标点后到达终点的总耗时。
[0224]
可选的，所述巡检目标点路径禁止环路约束包括：
[0225]m×
(1-y
ij
)≥(qi c
j-qj)，i,j∈v
t
,i≠j，该约束保证如果无人机从目标点i飞行到目标点j，则无人机从某个停靠点起飞到巡检完目标点i的时间qi与无人机在目标点j的巡检时间cj之和，要小于等于无人机从某个停靠点起飞到巡检完目标点j的时间qj，防止无人机的飞行路径出现i
→j→
...
→
i的情况；
[0226]
所述无人机起飞点约束包括：
[0227]
该约束保证如果无人机从某停靠点i起飞，则该停靠点必须在地面车辆的路径上；
[0228]
所述地面车辆停靠点时间约束包括：
[0229]m×
(3-y
ij-x
kj-s
ik
)≥|t
j-t
k-d
ij
/v
1-qi|,i∈v
t
,j∈{*}∪vs,k∈{0}∪vs,j≠k，该
[0230]
约束保证如果无人机从停靠点k起飞，巡检目标点i，降落到停靠点j，同时地面车辆从停靠点k行驶到停靠点j，则地面车辆离开停靠点j的时刻tj等于地面车辆离开停靠点k的时刻tk、无人机从停靠点k起飞到巡检完目标点i的时间qi、无人机从目标点i飞往停靠点j的时间d
ij
/v1的三者之和；
[0231]m×
(1-x
ij
)≥|t
j-t
i-d
ij
/v
2-sj|,i∈{0}∪vs,j∈vs∪{*},i≠j，该约束保证如果地面车辆从停靠点i行驶到停靠点j，则地面车辆在停靠点j的等待时间sj等于地面车辆离开停靠点j的时刻tj与地面车辆到达停靠点j的时刻(ti d
ij
/v2)之差；其中，ti表示地面车辆离开停靠点i的时刻；
[0232]m×
(3-x
ij-s
ki-y
kq
)≥t
q-tj,i∈{0}∪vs,j,q∈vs∪{*},k∈v
t
，该约束保证如果地面车辆从停靠点i行驶到停靠点j，无人机从停靠点i起飞，巡检目标点k，降落到停靠点q，则
地面车辆离开停靠点j的时刻tj要大于等于地面车辆离开停靠点q的时刻tq，即确保无人机必须在降落某个停靠点后才可以继续起飞；
[0233]
所述无人机和地面车辆访问终点约束包括：
[0234]
x
*i
＝0，i∈{0}∪vs∪{*}，该约束保证地面车辆在终点*处终止行驶状态；
[0235]
该约束保证无人机不会从终点*处起飞；
[0236]
该约束保证无人机从目标点i飞往到终点的次数之和小于等于1；
[0237]
所述预设的车机协同巡检约束条件还包括：
[0238]
x
ii
＝0，i∈{0}∪vs∪{*}，该约束保证地面车辆不会在停靠点i处原地循环行驶；
[0239]
qi＝0，i∈{0}∪vs∪{*}，该约束保证只有当i为目标点时，qi的值才有效，其他情况下qi的值为0；
[0240]
其中，m表示接近无穷大的正整数；
[0241]
v1表示无人机的速度；
[0242]
v2表示地面车辆的速度；
[0243]dij
表示节点i和节点j之间的欧式距离；
[0244]
qi表示无人机从某个停靠点起飞到巡检完目标点i的时间；
[0245]
ti表示停靠点i被地面车辆访问的顺序，为连续数字变量，t0＝1；
[0246]
si表示地面车辆在停靠点i等待无人机的时间；
[0247]
ti表示地面车辆离开停靠点i的时刻，t0＝s0；
[0248]
{0}表示起点；
[0249]vs
表示所有可以选择的停靠点集合；{*}表示终点；v
t
表示所有目标点集合；
[0250]ci
表示目标点i需要被无人机巡检的时间，且i∈v
t
；
[0251]
x
ij
、y
ij
、s
ij
均表示决策变量，具体的：
[0252][0253][0254][0255]
可选的，所述模型求解模块求解所述车机协同巡检路径规划模型包括：
[0256]
利用cplex求解器求解所述车机协同巡检路径规划模型。
[0257]
可理解的是，本发明实施例提供的车辆与无人机协同巡检的路径规划系统与上述车辆与无人机协同巡检的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照车辆与无人机协同巡检的路径规划方法中的相应内容，此处不再赘述。
[0258]
综上所述，与现有技术相比，具备以下有益效果：
[0259]
1、本发明获取车机协同巡检相关参数；然后预设车机协同巡检约束条件，并基于上述的相关参数，以无人机巡检完所有目标点后到达终点时总时间最短为目标函数构建车
机协同巡检路径规划模型；最后求解构建的车机协同巡检路径规划模型，获取车机协同巡检路径的最优规划方案。本发明相比于现有技术，可以快速、准确地求出可行解，并基于可行解可得到车机协同巡检路径规划的最优方案，进而可对车机巡检相关工作进行科学有效地指导；
[0260]
2、本发明以无人机巡检完所有目标点后到达终点时总时间最短为目标函数构建车机协同巡检路径规划模型，同时在构建该模型时，预设巡检目标点路径禁止环路约束、无人机起飞点约束、地面车辆停靠点时间约束，以及无人机和地面车辆访问终点约束等约束条件，这样可以保证求解的准确性和求解的快速性。
[0261]
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。
[0262]
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。