CN110852470B - 无人机与车辆协同下交通巡逻任务分配的优化方法 - Google Patents
无人机与车辆协同下交通巡逻任务分配的优化方法 Download PDFInfo
- Publication number
- CN110852470B CN110852470B CN201910891838.7A CN201910891838A CN110852470B CN 110852470 B CN110852470 B CN 110852470B CN 201910891838 A CN201910891838 A CN 201910891838A CN 110852470 B CN110852470 B CN 110852470B
- Authority
- CN
- China
- Prior art keywords
- task
- vehicle
- unmanned aerial
- aerial vehicle
- path
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种无人机与车辆协同下交通巡逻任务分配的优化方法,该方法包括:获取异构任务集合;构建无人机与车辆协同执行异构任务集合的路径规划模型;计算车辆单独完成异构任务集合中所有巡逻任务时的最短路径;根据目标最短路径、预设约束条件和预设启发式分配算法,逐个确定异构任务集合中的每一个任务是否分配给无人机,得到在实现优化目标时无人机和车辆各自执行的任务,并输出车辆和无人机共同完成异构任务集合中所有巡逻任务时车辆和无人机各自的最优路径。本发明采用两阶段求解过程,并采用启发式算法选择任务分配给无人机,这种方法相对于其他求解算法,更加容易地求得最优路径。
Description
技术领域
本发明涉及任务分配技术领域,具体涉及一种无人机与车辆协同下交通巡逻任务分配的优化方法、装置、计算机设备和存储介质。
背景技术
随着无人机与车辆协同执行任务的模式在越来越多的领域中得到应用,如地理测绘、污染检测、交通巡逻、物流配送以及电力巡检等,无人机与车辆在执行任务过程中的路径优化问题也开始受到关注。在该问题下,无人机和车辆的路径是相互影响的,无人机在空中的路径与车辆道路上的路径的需要协同优化,以使得完成任务的成本最小化,同时任务的执行特点以及道路路网的约束等也给求解路径优化问题带来了考验,且随着任务数量的增长以及任务区域的扩大,问题空间呈现“组合***”的特点,精确算法难以解决该类问题,为此需要提供新的解决方案。
发明内容
(一)解决的技术问题
本发明提供了一种无人机与车辆协同下交通巡逻任务分配的优化方法、装置、计算机设备和存储介质,更加容易地求得最优路径。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
第一方面,本发明提供一种无人机与车辆协同下交通巡逻任务分配的优化方法,包括:
获取异构任务集合和路网数据;其中,所述异构任务集合中包括待巡逻的道路交点对应的点任务和待巡逻的道路线段对应的线任务;
构建无人机与车辆协同执行所述异构任务集合的路径规划模型;其中,所述路径规划模型以将无人机与车辆从巡逻控制中心出发、执行完所述异构任务集合中所有巡逻任务并返回到所述巡逻控制中心所耗费的总时间最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机与车辆协同执行所述异构任务集合的预设场景而设置,所述预设场景包括:搭载有可多次起降的无人机的车辆从所述巡逻控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述车辆执行所述点任务或者所述线任务,在所述无人机的电量不足以至于无法继续执行下一个巡逻任务时返回到道路交口与所述车辆汇合并更换电池,并继续执行下一个巡逻任务,直至所述无人机和所述车辆将所述异构任务集合中所有巡逻任务执行完成,所述车辆搭载所述无人机返回到所述巡逻控制中心;
确定所述异构任务集合中所有线任务的多种巡逻方向组合,构建每一种巡逻方向组合所对应的一个访问距离矩阵;将所述访问距离矩阵转化为指派问题进行求解得到在对应巡逻方向组合下车辆单独完成所述异构任务集合中所有巡逻任务时的最短路径,将该最短路径记为候选最短路径;将多种巡逻方向组合下对应的多个候选最短路径进行比较,将最小的候选最短路径作为目标最短路径;其中,所述访问距离矩阵中第i行第j列的元素的值表示第i行对应的任务与第j列对应的任务之间的最短距离,所述异构任务集合中的所有任务作为行方向上的任务,且作为列方向上的任务;
根据所述目标最短路径、所述预设约束条件和预设启发式分配算法,逐个确定所述异构任务集合中的每一个任务是否分配给无人机,得到在实现所述优化目标时无人机和车辆各自执行的任务,并输出所述车辆和所述无人机共同完成所述异构任务集合中所有巡逻任务时所述车辆和所述无人机各自的最优路径;其中,逐个确定所述异构任务集合中的每一个任务是否分配给无人机的过程包括:确定将该任务试分配给无人机时无人机的最优起降点组合,计算在所述最优起降点组合下车辆在该任务对应子路段所花费的第一时间和未将该任务分配给无人机时车辆在该任务对应子路径所花费的第二时间,若所述第一时间小于所述第二时间,则将该任务分配给无人机执行。
第二方面,本发明提供一种无人机与车辆协同下交通巡逻任务分配的优化装置,包括:
任务获取模块,用于获取异构任务集合和路网数据;其中,所述异构任务集合中包括待巡逻的道路交点对应的点任务和待巡逻的道路线段对应的线任务;
模型构建模块,用于构建无人机与车辆协同执行所述异构任务集合的路径规划模型;其中,所述路径规划模型以将无人机与车辆从巡逻控制中心出发、执行完所述异构任务集合中所有巡逻任务并返回到所述巡逻控制中心所耗费的总时间最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机与车辆协同执行所述异构任务集合的预设场景而设置,所述预设场景包括:搭载有可多次起降的无人机的车辆从所述巡逻控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述车辆执行所述点任务或者所述线任务,在所述无人机的电量不足以至于无法继续执行下一个巡逻任务时返回到道路交口与所述车辆汇合并更换电池,并继续执行下一个巡逻任务,直至所述无人机和所述车辆将所述异构任务集合中所有巡逻任务执行完成,所述车辆搭载所述无人机返回到所述巡逻控制中心;
第一计算模块,用于确定所述异构任务集合中所有线任务的多种巡逻方向组合,构建每一种巡逻方向组合所对应的一个访问距离矩阵;将所述访问距离矩阵转化为指派问题进行求解得到在对应巡逻方向组合下车辆单独完成所述异构任务集合中所有巡逻任务时的最短路径,将该最短路径记为候选最短路径;将多种巡逻方向组合下对应的多个候选最短路径进行比较,将最小的候选最短路径作为目标最短路径;其中,所述访问距离矩阵中第i行第j列的元素的值表示第i行对应的任务与第j列对应的任务之间的最短距离,所述异构任务集合中的所有任务作为行方向上的任务,且作为列方向上的任务;
第二计算模块,用于根据所述目标最短路径、所述预设约束条件和预设启发式分配算法,逐个确定所述异构任务集合中的每一个任务是否分配给无人机,得到在实现所述优化目标时无人机和车辆各自执行的任务,并输出所述车辆和所述无人机共同完成所述异构任务集合中所有巡逻任务时所述车辆和所述无人机各自的最优路径;其中,逐个确定所述异构任务集合中的每一个任务是否分配给无人机的过程包括:确定将该任务试分配给无人机时无人机的最优起降点组合,计算在所述最优起降点组合下车辆在该任务对应子路段所花费的第一时间和未将该任务分配给无人机时车辆在该任务对应子路径所花费的第二时间,若所述第一时间小于所述第二时间,则将该任务分配给无人机执行。
第三方面,本发明提供一种计算机设备,包括存储器、处理器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时实现第一方面所提供的方法的步骤。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所提供的方法的步骤。
(三)有益效果
本发明实施例提供了一种无人机与车辆协同下交通巡逻任务分配的优化方法、装置、计算机设备和存储介质,由车辆和无人机共同完成异构任务集合中的所有任务,在路径规划过程中,将整个巡逻过程所耗费的时间最小化作为优化目标,可以减少整个巡逻任务所耗费的时间,提高交通巡逻的效率。而且根据执行任务时的实际场景设置约束条件,使得到的路径符合实际的场景需求。例如,在实际场景中,当无人机的电量不足以至于无法继续执行下一个巡逻任务时返回到道路交口与所述车辆汇合并更换电池,并继续执行下一个巡逻任务,考虑了无人机续航能力有限这一特点,使得得到的最优路径也符合无人机的使用场景。进一步的,本发明中,首先计算出由车辆单独执行所有任务时的最短路径,然后基于该最短路径,从所有任务中选择至少一个任务给无人机执行,以使整个巡逻工作的总时间最小化,这种方式为两阶段求解过程,在该过程中采用启发式算法选择任务分配给无人机,这种方法相对于其他求解算法,更加容易地求得最优路径。
附图说明
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。
图1为本申请一实施例中无人机与车辆协同下交通巡逻任务分配的优化方法的流程示意图;
图2为本申请一实施例中无人机与车辆协同下交通巡逻任务分配的优化装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,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。
第一方面,本申请提供一种无人机与车辆协同下交通巡逻任务分配的优化方法,如图1所示,该方法包括如下步骤:
S100、获取异构任务集合和路网数据;其中,所述异构任务集合中包括待巡逻的道路交点对应的点任务和待巡逻的道路线段对应的线任务;
可理解的是,路网数据为道路网络数据,例如,路段长度、道路交点等。
由于点任务和线任务都在道路网络中,并且车辆和无人机都在道路网络中行进并执行任务,因此将道路网络离散简化为一个连通图G=(V,E),道路网络中可通行的道路交点集合为连通图G的点集合V=(V0,V2,…,Vv-1),v表示道路交点的数量。路段的集合则为连通图G的边集合E={eij=(Vi,Vj)},边的数量用e表示。每条边eij∈E上有非负权重w(eij),表示边(即路段)的长度,当时,w(eij)=0。同时基于实际的道路情况,连通图设计为有向图,即eij≠eji。在本文中根据实际情况建立一个简化的城市路网连通图。
在道路网络连通图中,我们设V0为巡逻控制中心作为起始点和终止点,所描述的点任务集合表示为其中k={1,2,…,m},i={1,2,…,v},m≤v;所描述的线任务集合表示为其中同时n≤e。因此,异构任务集合为TV和TE的并集。可理解的是,由于车辆是一定从巡逻控制中心出发的,因此V0一定包括在TV内。
S200、构建无人机与车辆协同执行所述异构任务集合的路径规划模型;其中,所述路径规划模型以将无人机与车辆从巡逻控制中心出发、执行完所述异构任务集合中所有巡逻任务并返回到所述巡逻控制中心所耗费的总时间最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机与车辆协同执行所述异构任务集合的预设场景而设置,所述预设场景包括:搭载有可多次起降的无人机的车辆从所述巡逻控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述车辆执行所述点任务或者所述线任务,在所述无人机的电量不足以至于无法继续执行下一个巡逻任务时返回到道路交口与所述车辆汇合并更换电池,并继续执行下一个巡逻任务,直至所述无人机和所述车辆将所述异构任务集合中所有巡逻任务执行完成,所述车辆搭载所述无人机返回到所述巡逻控制中心;
为了计算方便,我们假设车辆和无人机在道路中是匀速行驶的,单位路程所耗费的时间我们分别用CV和CU表示,即,车辆行驶单位路程所耗费的时间为CV,无人机飞行单位路程所耗费的时间为CU。由于在整个过程中车辆和无人机都需要从巡逻中心出发并最终返回,相当于V0访问了两次,因此我们将所有车辆和无人机能出发的点设为VS={V0,V1,…,Vv-1},将所有车辆和无人机能返回的点设为VE={V1,V2,…,Vv},其中Vv等价于V0。
可理解的是,无人机和车辆同时从巡逻控制中心出发,并同时返回到巡逻控制中心,因此可以用车辆行驶的总时间作为整个巡逻工作所耗费的时间(即无人机与车辆从巡逻控制中心出发、执行完所述异构任务集合中所有巡逻任务并返回到所述巡逻控制中心所耗费的总时间),因此上述路径规划模型的目标函数为:
min tv
式中,tv为所述车辆从所述巡逻控制中心出发至返回到所述巡逻控制中心的时间。
在一些实施例中,约束条件是依据无人机和车辆的实际工作场景而设置的,例如,针对无人机的最大续航时长设置的约束条件,为筛选起降点组合而设置的约束条件。
S300、确定所述异构任务集合中所有线任务的多种巡逻方向组合,构建每一种巡逻方向组合所对应的一个访问距离矩阵;将所述访问距离矩阵转化为指派问题进行求解得到在对应巡逻方向组合下车辆单独完成所述异构任务集合中所有巡逻任务时的最短路径,将该最短路径记为候选最短路径;将多种巡逻方向组合下对应的多个候选最短路径进行比较,将最小的候选最短路径作为目标最短路径;其中,所述访问距离矩阵中第i行第j列的元素的值表示第i行对应的任务与第j列对应的任务之间的最短距离,所述异构任务集合中的所有任务作为行方向上的任务,且作为列方向上的任务;
其中,所述确定所述异构任务集合中所有线任务的多种巡逻方向组合可以包括:针对[0,2n-1]范围内的每一个整数,确定一个对应的巡逻方向组合,具体为:将该整数转化为对应的n位二进制数;根据所述n位二进制数,确定n个线任务对应的巡逻方向组合;其中,n为所述异构任务集合中所有线任务的数量。
举例来说,该步骤S300的具体过程可以包括如下步骤:
S310、针对[0,2n-1]范围内的每一个整数,确定一个对应的候选最短路径,n为所述异构任务集合中线任务的数量,确定过程包括:将该整数转化为对应的n位二进制数;根据所述n位二进制数,确定n个线任务对应的巡逻方向组合;根据所述巡逻方向组合,构建一个访问距离矩阵,其中,所述访问距离矩阵中第i行第j列的元素的值表示第i行对应的任务与第j列对应的任务之间的最短距离,所述异构任务集合中的所有任务作为行方向上的任务,且作为列方向上的任务;将所述述访问距离矩阵转化为指派问题进行求解,得到在所述巡逻方向组合下车辆单独完成所述异构任务集合中所有巡逻任务时的最短路径,并将该最短路径记为候选最短路径;
可理解的是,若用车辆进行任务访问,本质是找到这些异构任务的访问顺序和任务间的访问路径,由于任务有点任务和线任务之分,因此线任务可以理解为两个必须连续访问的任务节点,巡逻时需要从其中一个端点进入路段,并在另一个端点驶出,从而完成对该线任务的巡逻,对于网络中任务间的访问路径有三种方式:(1)点任务与点任务;(2)点任务到线任务;(3)线任务到点任务;(4)线任务到线任务。针对第(1)种,两点之间的最短距离即为两个点任务之间的最短距离;针对第(2)种,点任务与线任务中的进入端点之间的最短距离为点任务到线任务之间的最短距离;针对第(3)种,线任务中的驶出端点与点任务之间的最短距离为线任务到点任务的最短距离;针对第(4)种,第一个线任务中的驶出端点与第二个线任务的进入端点之间的最短距离为第一个线任务到第二个线任务之间的最短距离。
可见,对于线任务来说,进入端点和驶出端点不同,会导致线任务与其前置任务之间的最短距离以及线任务与其后置任务之间的最短距离是不同的,但是上述路径规划模型的可行解是一个所有异构任务的混合访问顺序,其中路段具有方向性。
举例来说,在异构任务集合中有2个点任务和3个线任务,针对[0,23-1]即[0,7]范围内的每一个整数:0、1、2、3、4、5、6、7都执行上述步骤,一共有23个整数。例如,针对整数0,转化为3位二进制数为000,000对应的是三个线任务的巡逻方向组合,假设二进制数中的0为方向不变,二进制数中的1为方向改变,第一位二进制数对应第一个线任务,第二个二进制数对应第二个线任务,第三个二进制数对应第三个线任务,也就是说,000代表这三个线任务的巡逻方向都不变。假设第一个线任务原本的巡逻方向为L1-L2,第二个线任务原本的巡逻方向为L3-L4,第三个线任务原本的巡逻方向为L5-L6,当二进制数为000时,这三个线任务的巡逻方向均不变。再例如,针对整数3,转化为3位二进制数为011,也就是说,第一个线任务的巡逻方向不变,第二个线任务的巡逻方向改变,第三个线任务的巡逻方向改变,此时第一个任务的巡逻方向仍为L1-L2,第二个线任务的巡逻方向变为L4-L3,第三个线任务的巡逻方向变为L6-L5,可见第一个线任务的巡逻方向不变,而其他两个线任务的方向均发生了改变。
在确定了各个线任务的巡逻方向之后,可以确定一个对应的访问距离矩阵,举例来说,在一个异构任务集合中有两个点任务和两个线任务,两个点任务为P1和P2,两个线任务为L1-L2和L3-L4,此时的巡逻方向只是初始方向,在最优路径中可能会发生变化。针对[0,3]中的整数0,转化为2位的二进制数为00,表示两个线任务的方向不变,仍为L1-L2和L3-L4。针对这四个任务,构建的访问距离矩阵可以参考如下表1:
表1整数0所对应的访问距离矩阵表
从上表1中,灰色的部分为真正的访问距离矩阵,相同点任务之间的最短距离设置为预设的最大值即MAX,相同线任务之间的最短距离设置为预设的最大值即MAX,这样可以避免某个任务的后置任务为自身的情况发生。点任务之间的最短距离是对称的,例如,P1与P2之间的最短距离为a3,P2与P1之间的最短距离也为a3。但是点任务与线任务或者线任务之间的最短距离并不是对称的,例如,T0到线任务L1-L2(该线段的进点为L1,出点为L2)之间的最短距离为T0与L1之间的最短距离,而L1-L2到T0之间的最短距离为L2与T0之间的最短距离。L1-L2到L3-L4的最短距离为L2-L3,而L3-L4到L1-L2的最短距离为L4-L1。其中,T0即V0,为巡逻控制中心。点任务间、点任务与线任务的某一个端点之间、线任务的相邻端点之间的最短距离由在路网图中的最短路径算法求得。将上述访问距离矩阵转化为一个指派问题,进而计算得到一个最短路径。
可理解的是,所谓的指派问题也可称之为匈牙利算法,例如,某单位需完成n项工作,恰好有n个人可承担这些工作。由于每人的专长不同,各人完成工作所费时间不同。于是产生应指派哪个人去完成哪项工作,使完成n项工作的所需总时间最小,这类问题称为指派问题。可以理解的是,本申请中的异构任务集合中的各个任务为上述n个人,异构任务集合中的各个任务也为上述n项工作,进而可以依据指派问题求解上述访问距离矩阵,进而得到车辆执行所有任务时的最短路径。
在实际中,利用指派问题求解后得到解未必是可行解,例如,利用指派问题求解后得到解为0→4→3→0和1→2→1。由于0→4→3→0中未包括任务1和任务2,没有执行完所有的任务,因此为非可行解。由于1→2→1的起始点和终止点为非0,且未包括所有的任务,因此也为非可行解。因此在利用指派问题求解得到解后,步骤S310还包括:判断将所述访问距离矩阵转化为指派问题进行求解所得到的最短路径是否为可行解,若否,则对所述述访问距离矩阵进行修改,直至将所述访问距离矩阵转化为指派问题进行求解所得到的最短路径为可行解;其中,采用所述约束条件判断得到的最短路径是否为可行解,所述所述约束条件包括:所述车辆从所述巡逻控制中心出发的总次数为1、所述车辆返回到所述巡逻控制中心的总次数为1以及所述异构任务集合中所有的任务都被执行完成。
可理解的是,上述所述约束条件至少为:路径的开头为0,结尾为0,中间不可包含0,且中间包含所有的任务。
可理解的是,之所以会出现非可行解的一个重要原因是:异构任务集合中有些任务相距较远。例如,一共有4个任务,任务1~3之间相距较近,而任务1~3与任务4之间相距较远,这时候得到的解就可能会遗漏任务4,此时逐渐拉近任务4与其他3个任务的距离,距离拉近一次,计算一次访问距离矩阵,计算一次解,直至计算得到的解为可行解。也就是说,如果判断为非可行解时,对上述访问距离矩阵进行修改,修改的方式可以为逐渐缩小相距较远的任务之间的距离,直至缩小到利用利用指派问题求解后得到解为可行解。
举例来说,参见表2,可以看出通过转化为指派问题进行求解得到的路径为:T0-[L3-L4]-[L1-L2]-T0、P1-P2,从第一条路径中没有P1、P2,在第二条路径中没有T0、L1-L2、L3-L4,且第二条路径不是一个闭合的路径,这说明,T0、L1-L2、L3-L4相距较近,P1、P2相距较近,但T0、L1-L2、L3-L4与P1、P2相距较远。可以通过逐渐缩小T0与P1、P2的距离,P1与L1-L2、L3-L4的距离、P2与L1-L2、L3-L4的距离,即缩小下表2中向下箭头所表示的距离。
表2利用指派问题求解得到的解的表格
通过上述阐述可知,如果在异构任务集合中有n个线任务,就会产生2n个访问距离矩阵,从而得到2n个解即2n个最短距离,这2n个最短距离作为2n个候选最短距离。
S320、将2n个巡逻方向组合下对应的候选最短路径进行比较,将最小的候选最短路径作为目标最短路径。
由于针对包含n个线任务的异构任务集合,可以得到车辆执行所有任务时的候选最短路径有2n个,此时对这2n个候选最短路径进行比较,将其中的最小值作为目标最短路径。
S400、根据所述目标最短路径、所述预设约束条件和预设启发式分配算法,逐个确定所述异构任务集合中的每一个任务是否分配给无人机,得到在实现所述优化目标时无人机和车辆各自执行的任务,并输出所述车辆和所述无人机共同完成所述异构任务集合中所有巡逻任务时所述车辆和所述无人机各自的最优路径;其中,逐个确定所述异构任务集合中的每一个任务是否分配给无人机的过程包括:确定将该任务试分配给无人机时无人机的最优起降点组合,计算在所述最优起降点组合下车辆在该任务对应子路段所花费的第一时间和未将该任务分配给无人机时车辆在该任务对应子路径所花费的第二时间,若所述第一时间小于所述第二时间,则将该任务分配给无人机执行。
可理解的是,利用无人机和车辆协同来优化巡逻过程的目的是能使得无人机和车辆并行执行一些任务,从而提升任务巡逻效率。因此,步骤S400的主要任务就是从车辆访问的所有任务中抽取出一些任务分配给无人机,找到最优的任务分配,进而得到车辆的最优访问路径和无人机的最优访问路径。
在实际应用中,可以对每一个任务进行分析,试分配给无人机,也就是将每个任务分配给无人机试一下,如果通过计算,分配给无人机使整个巡逻所耗费的总时间减少,那么就分配给无人机,可以安扎这样方式将异构任务集合中所有任务都试一遍。
可理解的是,将其中一些任务分配给无人机,无人机从车辆上起飞后执行这些任务,此时车辆也执行其他任务,即,从无人机被释放开始到无人机在车辆上完成回收操作结束期间,车辆和无人机各自在路网中行驶,该过程为并行访问过程。而无人机在车辆上随着车辆一起执行一些任务,即,无人机未被释放时跟着车辆一同在路网中行驶,该过程可以称为串行访问过程。车辆与无人机协同执行的整个过程是由多个并行和串行访问过程组成的。
可见,未被分配任务给无人机的车辆的最短路径可以看作是一个串行单元,若将其中一个任务分配给无人机,剩余任务重新组成一条完整的访问路径,同时在此访问路径中找出此架次无人机的起飞点和降落点,同时形成了两个串行单元和一个并行单元,由于车辆上只有一架无人机,因此,并行的车辆路径上不能再次释放无人机,相当于此段路径被锁死。那么不断地在串行单元中选择任务分配给无人机,找出起降点,直到无法分配或者分配方案不能降低总时间为止。
可见,为无人机分配任务的启发式算法,是在车辆单独执行所有任务时的最短路径的基础上,通过不断抽取任务重新分配给无人机,然后评估效能,最终形成一个完整分配策略。
在一些实施例中,该步骤S400的具体过程可以包括:
S410、针对所述异构任务集合中的各个任务,依次执行以下遍历步骤,直至所有任务遍历完成:
S411、计算第i-1个任务的结束点与第i+1个任务的起始点之间的最短路径,将该最短路径记为第一子路径;若所述第一子路径经过第i个任务,则退出第i个任务的遍历步骤;若所述第一子路径未经过第i个任务,则执行步骤S412;
可理解的是,对于点任务来说,其起始点和结束点是一样的,而对于线任务来说,起始点为线任务的进入端点,结束点为驶出端点。其中,可以认为T0为第0个点任务,i-1大于等于0,因此i大于等于1;还可以认为T0为最后一个点任务,i+1小于等于T0最为最后一个点任务时的顺序编号,因此i小于等于最后一个点任务时的顺序编号-1。可见i的值可以覆盖所有实际要执行的任务。
可理解的是,如果第一子路径经过第i个任务,说明车辆从第i-1个任务点结束后执行第i+1个任务前一定要经过第i个任务,此时就没有必要将第i个任务分配给无人机执行,故退出第i个任务的遍历过程,也就是说,不执行后续的各个步骤。当第一子路径未经过第i个任务时,可以考虑是否将第i个任务分配给无人机执行,并非一定会将第i个任务分配给无人机执行,因为将第i个任务分配给无人机时,还会产生释放无人机和回收无人机所耗费的时间,所以将第i个任务分配给无人机后所耗费的时间并不一定会比没有分配给无人机时所耗费的时间少,因此还需要进一步判断。
S412、从所述第一子路径中选择出无人机的所有起降点组合,并采用预设约束条件对所述起降点组合进行筛选,得到满足所述预设约束条件的起降点组合;针对满足所述预设约束条件的每一个起降点组合,计算所述车辆行驶所述第一子路径所花费的时间;将满足所述预设约束条件的所有起降点组合下所述车辆行驶所述第一子路径所花费的时间进行比较,将最短时间记为第一时间;
在该步骤中,假设将第i个任务分配给无人机,此时需要确定无人机的起飞点和降落点,可理解的是,无人机的起降点一定在车辆的行驶路径中,因此一定会在第一子路径中,故从第一子路径中选择起降点组合。由于并不是所有在第一子路径中选择出的起降点组合都能作为真正可行的起降点,需要对第一子路径中选择出的起降点组合进行筛选,例如,降落点一定晚于起飞点,再例如,起飞点和降落点之间的距离不能超过无人机的最大续航里程等。
可理解的是,上述预设约束条件包括:起降点组合中的降落点晚于起飞点。当然,如果无人机为旋翼无人机,则具有续航能力有限这一特点,这样上述预设约束条件中还可以包所述无人机在每一个架次中的飞行里程小于等于所述无人机的最大续航里程,该预设约束条件用第一公式表示,所述第一公式为:
式中,RMax为所述最大续航里程;为所述无人机在f架次中到达第k个道路交点的时间;CU为所述无人机飞行单位路程所耗费的时间;th为所述车辆到达第h个道路交点的时间;w(ehk)为道路线段(Vh,Vk)的长度;CV为所述车辆行驶单位路长耗费的时间;ti为所述车辆到达第i个道路交点的时间;VE为所述车辆和所述无人机的返回交点集合;VS为所述车辆和所述无人机的出发交点集合;Fij f为所述无人机的第f个架次中从第i个道路交点起飞并从第j个道路交点降落。
举例来说,对从第一子路径中选择出的所有起降点组合进行筛选后,有三种起降点组合是可行的,那么计算在其中每一种起降点组合下车辆从第i-1个任务的结束点到第i+1个任务的起始点所花费的时间,得到时间1、时间2和时间3,将三个时间进行比较,时间最短的起降点组合在这三种起降点组合中是最优的,将最短的时间记为第一时间,便于后续的描述。
可理解的是,该步骤中计算得到的第一时间为将第i个任务分配给无人机后在第一子路径上所耗费的时间。
S413、根据所述车辆单独完成所述异构任务集合中所有巡逻任务时的目标最短路径,确定由所述车辆执行第i个任务的情况下车辆从第i-1个任务的结束点到第i+1个任务的起始点且经过第i个任务的路径,计算所述车辆经过该路径所花费的时间,并将该时间记为第二时间;
可理解的是,这里的第二时间为假设第i个任务为车辆执行时车辆从第i-1个任务的结束点到第i+1个任务的起始点且经过第i个任务时所耗费的时间。
S414、判断所述第一时间是否小于所述第二时间:
若是,则将第i个任务分配给所述无人机,根据所述第一时间对应的起降点组合,确定所述车辆和所述无人机分别从第i-1个任务的结束点到第i+1个任务的起始点的最短路径,将该最短路径记为最优子路径;并将i加1;
否则,确定车辆从第i-1个任务的结束点到第i+1个任务的起始点且经过第i个任务的最短路径,将该最短路径记为最优子路径,并将i加1,返回到步骤S411;
这里,将第一时间和第二时间进行比较,实际上是将第i个任务分配给无人机后和未将第i个任务分配给无人机这两种情况下所耗费的时间进行比较,哪一种所耗费的时间短就采用哪一种方案。例如,第一时间小于第二时间,就将第i个任务分配给无人机,否则,第i个任务仍然由车辆执行。当无人机执行第i个任务时,将无人机和车辆各自的最优子路径输出;当由车辆执行第i个任务时,输出车辆的最优子路径。
在实际中,在所述第一时间小于所述第二时间时,判断无人机在执行第i个任务时是否会经过其他任务;若是,则将所述其他任务从所述异构任务集合中待遍历任务中删除。这是考虑到多个任务可能相距很近,当执行完一个任务时,其他任务也同时被执行完成,此时就在后续未遍历的任务中删除该其他任务。
S420、在遍历完成后,根据所述车辆的各个最优子路径和所述无人机的各个最优子路径,确定所述车俩的最优路径和所述无人机的最优路径。
在遍历完成后,将车辆的各个最优子路径串起来,得到车辆整个的最优路径,根据无人机的各个最优子路径和车辆的各个最优子路径可以得到无人机的最优路径。
在一些实施例中,在步骤S412中针对满足所述预设约束条件的每一个起降点组合,计算所述车辆行驶所述第一子路径所花费的时间的过程可以包括如下步骤:
S4121、计算所述车辆从第i-1个任务的结束点行驶到该起降点组合中的降落点所花费的时间,将该时间记为第三时间;所述第三时间为所述车辆从第i-1个任务的结束点行驶到该起降点组合中的起飞点所花费的时间、释放所述无人机所花费的时间以及释放所述无人机后所述车辆从所述起飞点行驶到所述降落点所花费的时间之和;
S4122、计算所述无人机从第i-1个任务的结束点至该起降点组合中的降落点所花费的时间,该时间记为第四时间;所述第四时间为所述车辆从第i-1个任务的结束点行驶到所述起飞点所花费的时间、释放所述无人机所花费的时间以及所述无人机从所述起飞点飞行至所述降落点所花费的时间之和;
S4123、判断所述第三时间是否小于等于所述第四时间:
若是,则将计算所述第四时间、回收所述无人机所花费的时间以及回收无人机之后所述车辆行驶至第i+1个任务的起始点所花费的时间之和,并将该时间之和作为该起降点组合下所述车辆行驶所述第一子路径所花费的时间;
否则,计算所述第三时间、回收所述无人机所花费的时间以及回收无人机之后所述车辆行驶至第i+1个任务的起始点所花费的时间之和,并将该时间之和作为该起降点组合下所述车辆行驶所述第一子路径所花费的时间。
可理解的是,若第三时间小于第四时间,则说明车辆先到达降落点,此时车辆等待无人机到达,然后回收无人机。因此车辆行驶这一子路径所花费的时间为第四时间、回收无人机所花费的时间以及车辆从降落点到第i+1个任务的起始点的时间之和。
可理解的是,若第三时间大于第四时间,则说明无人机先到达降落点,飞机悬停并等待车辆的到达,当车辆到达后回收无人机,然后携带无人机行驶到第i+1个任务的起始点。因此车辆行驶这一子路段所耗费的时间为第三时间、回收所述无人机所花费的时间以及回收无人机之后所述车辆行驶至第i+1个任务的起始点所花费的时间之和。
可理解的是,除了第一公式对应的约束条件之外,还可以根据实际场景设置多个其他的约束条件,当然还有一些约束条件是隐含在具体方法中的。具体还设置哪些约束条件,可以根据具体情况而定。
本发明提供的无人机与车辆协同下交通巡逻任务分配的优化方法,由车辆和无人机共同完成异构任务集合中的所有任务,在路径规划过程中,将整个巡逻过程所耗费的时间最小化作为优化目标,可以减少整个巡逻任务所耗费的时间,提高交通巡逻的效率。而且根据执行任务时的实际场景设置约束条件,使得到的路径符合实际的场景需求。例如,在实际场景中,当无人机的电量不足以至于无法继续执行下一个巡逻任务时返回到道路交口与所述车辆汇合并更换电池,并继续执行下一个巡逻任务,考虑了无人机续航能力有限这一特点,使得得到的最优路径也符合无人机的使用场景。进一步的,本发明中,首先计算出由车辆单独执行所有任务时的最短路径,然后基于该最短路径,从所有任务中选择至少一个任务给无人机执行,以使整个巡逻工作的总时间最小化,这种方式为两阶段求解过程,在该过程中采用启发式算法选择任务分配给无人机,这种方法相对于其他求解算法,更加容易地求得最优路径。
第二方面,本发明提供一种无人机与车辆协同下交通巡逻任务分配的优化装置,如图2所示,该装置包括:
任务获取模块,用于获取异构任务集合和路网数据;其中,所述异构任务集合中包括待巡逻的道路交点对应的点任务和待巡逻的道路线段对应的线任务;
模型构建模块,用于构建无人机与车辆协同执行所述异构任务集合的路径规划模型;其中,所述路径规划模型以将无人机与车辆从巡逻控制中心出发、执行完所述异构任务集合中所有巡逻任务并返回到所述巡逻控制中心所耗费的总时间最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机与车辆协同执行所述异构任务集合的预设场景而设置,所述预设场景包括:搭载有可多次起降的无人机的车辆从所述巡逻控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述车辆执行所述点任务或者所述线任务,在所述无人机的电量不足以至于无法继续执行下一个巡逻任务时返回到道路交口与所述车辆汇合并更换电池,并继续执行下一个巡逻任务,直至所述无人机和所述车辆将所述异构任务集合中所有巡逻任务执行完成,所述车辆搭载所述无人机返回到所述巡逻控制中心;
第一计算模块,用于确定所述异构任务集合中所有线任务的多种巡逻方向组合,构建每一种巡逻方向组合所对应的一个访问距离矩阵;将所述访问距离矩阵转化为指派问题进行求解得到在对应巡逻方向组合下车辆单独完成所述异构任务集合中所有巡逻任务时的最短路径,将该最短路径记为候选最短路径;将多种巡逻方向组合下对应的多个候选最短路径进行比较,将最小的候选最短路径作为目标最短路径;其中,所述访问距离矩阵中第i行第j列的元素的值表示第i行对应的任务与第j列对应的任务之间的最短距离,所述异构任务集合中的所有任务作为行方向上的任务,且作为列方向上的任务;
第二计算模块,用于根据所述目标最短路径、所述预设约束条件和预设启发式分配算法,逐个确定所述异构任务集合中的每一个任务是否分配给无人机,得到在实现所述优化目标时无人机和车辆各自执行的任务,并输出所述车辆和所述无人机共同完成所述异构任务集合中所有巡逻任务时所述车辆和所述无人机各自的最优路径;其中,逐个确定所述异构任务集合中的每一个任务是否分配给无人机的过程包括:确定将该任务试分配给无人机时无人机的最优起降点组合,计算在所述最优起降点组合下车辆在该任务对应子路段所花费的第一时间和未将该任务分配给无人机时车辆在该任务对应子路径所花费的第二时间,若所述第一时间小于所述第二时间,则将该任务分配给无人机执行。
第三方面,本发明提供一种计算机设备,包括存储器、处理器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时实现第一方面所提供的方法的步骤。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所提供的方法的步骤。
可理解的是,第二方面提供的装置、第三方面提供的计算机设备和第四方面提供的计算机可读存储介质中有关内容的解释、举例、实施例、有益效果等部分可以参考第一方面中的内容,此处不再赘述。
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。
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。
Claims (9)
1.一种无人机与车辆协同下交通巡逻任务分配的优化方法,其特征在于,包括:
获取异构任务集合和路网数据;其中,所述异构任务集合中包括待巡逻的道路交点对应的点任务和待巡逻的道路线段对应的线任务;
构建无人机与车辆协同执行所述异构任务集合的路径规划模型;其中,所述路径规划模型以将无人机与车辆从巡逻控制中心出发、执行完所述异构任务集合中所有巡逻任务并返回到所述巡逻控制中心所耗费的总时间最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机与车辆协同执行所述异构任务集合的预设场景而设置,所述预设场景包括:搭载有可多次起降的无人机的车辆从所述巡逻控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述车辆执行所述点任务或者所述线任务,在所述无人机的电量不足以至于无法继续执行下一个巡逻任务时返回到道路交口与所述车辆汇合并更换电池,并继续执行下一个巡逻任务,直至所述无人机和所述车辆将所述异构任务集合中所有巡逻任务执行完成,所述车辆搭载所述无人机返回到所述巡逻控制中心;
确定所述异构任务集合中所有线任务的多种巡逻方向组合,构建每一种巡逻方向组合所对应的一个访问距离矩阵;将所述访问距离矩阵转化为指派问题进行求解得到在对应巡逻方向组合下车辆单独完成所述异构任务集合中所有巡逻任务时的最短路径,将该最短路径记为候选最短路径;将多种巡逻方向组合下对应的多个候选最短路径进行比较,将最小的候选最短路径作为目标最短路径;其中,所述访问距离矩阵中第i行第j列的元素的值表示第i行对应的任务与第j列对应的任务之间的最短距离,所述异构任务集合中的所有任务作为行方向上的任务,且作为列方向上的任务;
根据所述目标最短路径、所述预设约束条件和预设启发式分配算法,逐个确定所述异构任务集合中的每一个任务是否分配给无人机,得到在实现所述优化目标时无人机和车辆各自执行的任务,并输出所述车辆和所述无人机共同完成所述异构任务集合中所有巡逻任务时所述车辆和所述无人机各自的最优路径;其中,逐个确定所述异构任务集合中的每一个任务是否分配给无人机的过程包括:确定将该任务试分配给无人机时无人机的最优起降点组合,计算在所述最优起降点组合下车辆在该任务对应子路段所花费的第一时间和未将该任务分配给无人机时车辆在该任务对应子路径所花费的第二时间,若所述第一时间小于所述第二时间,则将该任务分配给无人机执行;
根据所述目标最短路径、所述预设约束条件和预设启发式分配算法,逐个确定所述异构任务集合中的每一个任务是否分配给无人机,得到在实现所述优化目标时无人机和车辆各自执行的任务,并输出所述车辆和所述无人机共同完成所述异构任务集合中所有巡逻任务时所述车辆和所述无人机各自的最优路径,包括:
S410、针对所述异构任务集合中的各个任务,依次执行以下遍历步骤,直至所有任务遍历完成:
S411、计算第i-1个任务的结束点与第i+1个任务的起始点之间的最短路径,将该最短路径记为第一子路径;若所述第一子路径经过第i个任务,则退出第i个任务的遍历步骤;若所述第一子路径未经过第i个任务,则执行步骤S412;
S412、从所述第一子路径中选择出无人机的所有起降点组合,并采用预设约束条件对所述起降点组合进行筛选,得到满足所述预设约束条件的起降点组合;针对满足所述预设约束条件的每一个起降点组合,计算所述车辆行驶所述第一子路径所花费的时间;将满足所述预设约束条件的所有起降点组合下所述车辆行驶所述第一子路径所花费的时间进行比较,将最短时间记为第一时间;
S413、根据所述车辆单独完成所述异构任务集合中所有巡逻任务时的目标最短路径,确定由所述车辆执行第i个任务的情况下车辆从第i-1个任务的结束点到第i+1个任务的起始点且经过第i个任务的路径,计算所述车辆经过该路径所花费的时间,并将该时间记为第二时间;
S414、判断所述第一时间是否小于所述第二时间:
若是,则将第i个任务分配给所述无人机,根据所述第一时间对应的起降点组合,确定所述车辆和所述无人机分别从第i-1个任务的结束点到第i+1个任务的起始点的最短路径,将该最短路径记为最优子路径;并将i加1;
否则,确定车辆从从第i-1个任务的结束点到第i+1个任务的起始点且经过第i个任务的最短路径,将该最短路径记为最优子路径,并将i加1,返回到步骤S411;
S420、在遍历完成后,根据所述车辆的各个最优子路径和所述无人机的各个最优子路径,确定所述车辆 的最优路径和所述无人机的最优路径。
2.根据权利要求1所述的方法,其特征在于,所述确定所述异构任务集合中所有线任务的多种巡逻方向组合,包括:
针对[0,2n-1]范围内的每一个整数,确定一个对应的巡逻方向组合,具体为:将该整数转化为对应的n位二进制数;根据所述n位二进制数,确定n个线任务对应的巡逻方向组合;其中,n为所述异构任务集合中所有线任务的数量。
3.根据权利要求1所述的方法,其特征在于,所述访问距离矩阵中第i行第i列的元素的值为预设最大值。
4.根据权利要求1所述的方法,其特征在于,将所述访问距离矩阵转化为指派问题进行求解得到在对应巡逻方向组合下车辆单独完成所述异构任务集合中所有巡逻任务时的最短路径之后,所述方法还包括:判断将所述访问距离矩阵转化为指派问题进行求解所得到的最短路径是否为可行解,若否,则对所述述访问距离矩阵进行修改,直至将所述访问距离矩阵转化为指派问题进行求解所得到的最短路径为可行解;其中,采用所述约束条件判断得到的最短路径是否为可行解,所述约束条件包括:所述车辆从所述巡逻控制中心出发的总次数为1、所述车辆返回到所述巡逻控制中心的总次数为1以及所述异构任务集合中所有的任务都被执行完成。
5.根据权利要求1所述的方法,其特征在于,针对满足所述预设约束条件的每一个起降点组合,计算所述车辆行驶所述第一子路径所花费的时间,包括:
计算所述车辆从第i-1个任务的结束点行驶到该起降点组合中的降落点所花费的时间,将该时间记为第三时间;所述第三时间为所述车辆从第i-1个任务的结束点行驶到该起降点组合中的起飞点所花费的时间、释放所述无人机所花费的时间以及释放所述无人机后所述车辆从所述起飞点行驶到所述降落点所花费的时间之和;
计算所述无人机从第i-1个任务的结束点至该起降点组合中的降落点所花费的时间,该时间记为第四时间;所述第四时间为所述车辆从第i-1个任务的结束点行驶到所述起飞点所花费的时间、释放所述无人机所花费的时间以及所述无人机从所述起飞点飞行至所述降落点所花费的时间之和;
判断所述第三时间是否小于所述第四时间:
若是,则将计算所述第四时间、回收所述无人机所花费的时间以及回收无人机之后所述车辆行驶至第i+1个任务的起始点所花费的时间之和,并将该时间之和作为该起降点组合下所述车辆行驶所述第一子路径所花费的时间;
否则,计算所述第三时间、回收所述无人机所花费的时间以及回收无人机之后所述车辆行驶至第i+1个任务的起始点所花费的时间之和,并将该时间之和作为该起降点组合下所述车辆行驶所述第一子路径所花费的时间。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述第一时间小于所述第二时间时,判断无人机在执行第i个任务时是否会经过其他任务;若是,则将所述其他任务从所述异构任务集合中待遍历任务中删除。
7.一种无人机与车辆协同下交通巡逻任务分配的优化装置,其特征在于,包括:
任务获取模块,用于获取异构任务集合和路网数据;其中,所述异构任务集合中包括待巡逻的道路交点对应的点任务和待巡逻的道路线段对应的线任务;
模型构建模块,用于构建无人机与车辆协同执行所述异构任务集合的路径规划模型;其中,所述路径规划模型以将无人机与车辆从巡逻控制中心出发、执行完所述异构任务集合中所有巡逻任务并返回到所述巡逻控制中心所耗费的总时间最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机与车辆协同执行所述异构任务集合的预设场景而设置,所述预设场景包括:搭载有可多次起降的无人机的车辆从所述巡逻控制中心出发,沿着道路行驶,并在道路交口释放所述无人机,所述无人机和所述车辆执行所述点任务或者所述线任务,在所述无人机的电量不足以至于无法继续执行下一个巡逻任务时返回到道路交口与所述车辆汇合并更换电池,并继续执行下一个巡逻任务,直至所述无人机和所述车辆将所述异构任务集合中所有巡逻任务执行完成,所述车辆搭载所述无人机返回到所述巡逻控制中心;
第一计算模块,用于确定所述异构任务集合中所有线任务的多种巡逻方向组合,构建每一种巡逻方向组合所对应的一个访问距离矩阵;将所述访问距离矩阵转化为指派问题进行求解得到在对应巡逻方向组合下车辆单独完成所述异构任务集合中所有巡逻任务时的最短路径,将该最短路径记为候选最短路径;将多种巡逻方向组合下对应的多个候选最短路径进行比较,将最小的候选最短路径作为目标最短路径;其中,所述访问距离矩阵中第i行第j列的元素的值表示第i行对应的任务与第j列对应的任务之间的最短距离,所述异构任务集合中的所有任务作为行方向上的任务,且作为列方向上的任务;
第二计算模块,用于根据所述目标最短路径、所述预设约束条件和预设启发式分配算法,逐个确定所述异构任务集合中的每一个任务是否分配给无人机,得到在实现所述优化目标时无人机和车辆各自执行的任务,并输出所述车辆和所述无人机共同完成所述异构任务集合中所有巡逻任务时所述车辆和所述无人机各自的最优路径;其中,逐个确定所述异构任务集合中的每一个任务是否分配给无人机的过程包括:确定将该任务试分配给无人机时无人机的最优起降点组合,计算在所述最优起降点组合下车辆在该任务对应子路段所花费的第一时间和未将该任务分配给无人机时车辆在该任务对应子路径所花费的第二时间,若所述第一时间小于所述第二时间,则将该任务分配给无人机执行;
根据所述目标最短路径、所述预设约束条件和预设启发式分配算法,逐个确定所述异构任务集合中的每一个任务是否分配给无人机,得到在实现所述优化目标时无人机和车辆各自执行的任务,并输出所述车辆和所述无人机共同完成所述异构任务集合中所有巡逻任务时所述车辆和所述无人机各自的最优路径,包括:
S410、针对所述异构任务集合中的各个任务,依次执行以下遍历步骤,直至所有任务遍历完成:
S411、计算第i-1个任务的结束点与第i+1个任务的起始点之间的最短路径,将该最短路径记为第一子路径;若所述第一子路径经过第i个任务,则退出第i个任务的遍历步骤;若所述第一子路径未经过第i个任务,则执行步骤S412;
S412、从所述第一子路径中选择出无人机的所有起降点组合,并采用预设约束条件对所述起降点组合进行筛选,得到满足所述预设约束条件的起降点组合;针对满足所述预设约束条件的每一个起降点组合,计算所述车辆行驶所述第一子路径所花费的时间;将满足所述预设约束条件的所有起降点组合下所述车辆行驶所述第一子路径所花费的时间进行比较,将最短时间记为第一时间;
S413、根据所述车辆单独完成所述异构任务集合中所有巡逻任务时的目标最短路径,确定由所述车辆执行第i个任务的情况下车辆从第i-1个任务的结束点到第i+1个任务的起始点且经过第i个任务的路径,计算所述车辆经过该路径所花费的时间,并将该时间记为第二时间;
S414、判断所述第一时间是否小于所述第二时间:
若是,则将第i个任务分配给所述无人机,根据所述第一时间对应的起降点组合,确定所述车辆和所述无人机分别从第i-1个任务的结束点到第i+1个任务的起始点的最短路径,将该最短路径记为最优子路径;并将i加1;
否则,确定车辆从从第i-1个任务的结束点到第i+1个任务的起始点且经过第i个任务的最短路径,将该最短路径记为最优子路径,并将i加1,返回到步骤S411;
S420、在遍历完成后,根据所述车辆的各个最优子路径和所述无人机的各个最优子路径,确定所述车辆 的最优路径和所述无人机的最优路径。
8.一种计算机设备,包括存储器、处理器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时实现权利要求1至6中任一项所述方法的步骤。
9.一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,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910891838.7A CN110852470B (zh) | 2019-09-20 | 2019-09-20 | 无人机与车辆协同下交通巡逻任务分配的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910891838.7A CN110852470B (zh) | 2019-09-20 | 2019-09-20 | 无人机与车辆协同下交通巡逻任务分配的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110852470A CN110852470A (zh) | 2020-02-28 |
CN110852470B true CN110852470B (zh) | 2021-04-27 |
Family
ID=69594931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910891838.7A Active CN110852470B (zh) | 2019-09-20 | 2019-09-20 | 无人机与车辆协同下交通巡逻任务分配的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110852470B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11586209B2 (en) * | 2020-04-08 | 2023-02-21 | Baidu Usa Llc | Differential dynamic programming (DDP) based planning architecture for autonomous driving vehicles |
CN112134608B (zh) * | 2020-06-10 | 2022-06-24 | 合肥工业大学 | 对抗环境下无人机协同中继网络快速构建方法和*** |
CN111781927A (zh) * | 2020-06-28 | 2020-10-16 | 上海运晓机器人有限公司 | 一种多机器人协同运输任务的调度分配方法 |
CN111798122B (zh) * | 2020-06-30 | 2024-06-14 | 广东电网有限责任公司清远供电局 | 一种机器人和无人机协同巡检的资源调度方法及装置 |
CN112308372A (zh) * | 2020-09-22 | 2021-02-02 | 合肥工业大学 | 数据和模型联合驱动的空地巡逻资源动态调度方法和*** |
CN112180987B (zh) * | 2020-09-27 | 2024-02-20 | 广州极飞科技股份有限公司 | 协同作业方法、***、装置、计算机设备及存储介质 |
CN112488357B (zh) * | 2020-10-30 | 2022-11-04 | 合肥工业大学 | 基于车辆与无人机协同作业的末端配送方法及*** |
CN113064451B (zh) * | 2021-06-02 | 2021-09-24 | 北京三快在线科技有限公司 | 一种无人设备控制方法、装置、存储介质及电子设备 |
CN113456647A (zh) * | 2021-07-16 | 2021-10-01 | 北京中科昊盈生物技术有限公司 | 一种组合物及其制备方法和应用、一种制剂及其应用 |
CN113485429B (zh) * | 2021-07-23 | 2022-01-18 | 安徽有云智能科技有限公司 | 空地协同交通巡检的路径优化方法和装置 |
CN113657650B (zh) * | 2021-07-23 | 2023-07-04 | 合肥工业大学 | 面向地震灾后快速勘察的车机协同路径优化方法和装置 |
CN113807646B (zh) * | 2021-07-28 | 2023-07-04 | 合肥工业大学 | 无人机与车辆协同任务分配的智能优化方法和*** |
CN114063610B (zh) * | 2021-09-16 | 2024-07-19 | 长沙理工大学 | 一种基于最短距离的无人机监测巡航和轨迹规划方法 |
CN113985912A (zh) * | 2021-09-17 | 2022-01-28 | 合肥工业大学 | 车辆与无人机协同巡检的路径规划方法及*** |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104517155A (zh) * | 2013-09-26 | 2015-04-15 | Sap欧洲公司 | 用于动态路径优化的***和方法 |
CN104699102B (zh) * | 2015-02-06 | 2017-07-18 | 东北大学 | 一种无人机与智能车协同导航与侦查监控***及方法 |
CN106052701B (zh) * | 2016-05-23 | 2018-08-14 | 山东大学 | 一种交通溢流状态下车辆路径选择的方法 |
CN106908065B (zh) * | 2017-02-13 | 2019-10-18 | 中国人民解放军国防科学技术大学 | 车辆搭载无人机的双层路径构建方法及*** |
GB2567810A (en) * | 2017-10-18 | 2019-05-01 | Uvue Ltd | Method and system for determining optimal path for drones |
CN108549952B (zh) * | 2017-12-20 | 2020-07-28 | 中国人民解放军国防科技大学 | 车辆搭载无人机双层路径的优化方法及装置 |
CN108256553B (zh) * | 2017-12-20 | 2020-03-27 | 中国人民解放军国防科技大学 | 车辆搭载无人机双层路径的构造方法及装置 |
US10242571B1 (en) * | 2018-08-02 | 2019-03-26 | Mapanything, Inc. | Utilizing determined optimized time windows for precomputing optimal path matrices to reduce computer resource usage |
CN109324621A (zh) * | 2018-09-26 | 2019-02-12 | 博康智能信息技术有限公司 | 一种无人巡逻车路径规划方法 |
CN110162103A (zh) * | 2019-06-13 | 2019-08-23 | 河南宙合网络科技有限公司 | 一种无人机与智能车组自主协同运输***及方法 |
-
2019
- 2019-09-20 CN CN201910891838.7A patent/CN110852470B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110852470A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110852470B (zh) | 无人机与车辆协同下交通巡逻任务分配的优化方法 | |
CN110852554B (zh) | 车机协同下无人机任务分配智能决策方法及装置 | |
CN112016812B (zh) | 多无人机任务调度方法、***及存储介质 | |
Zheng et al. | Order dispatch in price-aware ridesharing | |
Cattaruzza et al. | The multi-trip vehicle routing problem with time windows and release dates | |
CN109960544B (zh) | 基于数据驱动型敏捷卫星任务并行调度方法 | |
US8103532B2 (en) | Method and system for fast local search and insertion heuristics for vehicle routing | |
CN109214756B (zh) | 整车物流调度方法及装置、存储介质、终端 | |
Zhou et al. | An exact algorithm for the two-echelon vehicle routing problem with drones | |
CN114201925B (zh) | 无人机集群协同任务规划方法、电子设备及可读存储介质 | |
CN109460936B (zh) | 一种公交车辆智能排班方法、智能终端及存储介质 | |
CN113703472A (zh) | 多无人机与车辆协同巡检的路径优化方法和装置 | |
CN110852471A (zh) | 车辆与无人机协同的交通巡逻方法及装置 | |
Pan et al. | Ridesharing: simulator, benchmark, and evaluation | |
Cai et al. | A bi-objective constrained robust gate assignment problem: Formulation, instances and algorithm | |
CN116027739A (zh) | 机群出入库转运协同调度优化方法、装置和设备 | |
CN110610273A (zh) | 一种车机协同巡检方法 | |
CN113485409A (zh) | 一种面向地理公平性的无人机路径规划分配方法及*** | |
US20220147664A1 (en) | Systems and Methods for Multi-Modal Transportation Simulation Verification | |
Castagna et al. | Demand-responsive rebalancing zone generation for reinforcement learning-based on-demand mobility | |
CN113706081A (zh) | 基于城市屋顶自动快递装置的无人机取送货***和方法 | |
CN116384606A (zh) | 一种基于车辆无人机协同配送的调度优化方法及*** | |
CN110825104B (zh) | 移动平台路径规划与无人机任务分配的两阶段优化方法 | |
Li et al. | Optimal online dispatch for high-capacity shared autonomous mobility-on-demand systems | |
CN113095543B (zh) | 用于机场停机位与滑行道的分配方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |