CN116301045B - 一种面向时空约束网络的无人机数据采集任务分配方法 - Google Patents
一种面向时空约束网络的无人机数据采集任务分配方法 Download PDFInfo
- Publication number
- CN116301045B CN116301045B CN202310280858.7A CN202310280858A CN116301045B CN 116301045 B CN116301045 B CN 116301045B CN 202310280858 A CN202310280858 A CN 202310280858A CN 116301045 B CN116301045 B CN 116301045B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- task
- ith
- jth
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005265 energy consumption Methods 0.000 claims description 55
- 230000005540 biological transmission Effects 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 11
- 230000002441 reversible effect Effects 0.000 claims description 10
- 238000001303 quality assessment method Methods 0.000 claims description 8
- 238000013441 quality evaluation Methods 0.000 claims description 6
- 239000013589 supplement Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 238000004088 simulation Methods 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000009365 direct transmission Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种面向时空约束网络的无人机数据采集任务分配方法,包括:若任务请求者的位置处于无人机的工作区域,则当存在无人机当前处于空闲状态,且任务请求者的任务处于未执行状态时,获取无人机能够执行的任务集合;根据所述任务的剩余有效时间对无人机数据采集任务进行分配,获取任务分配信号;空间众包服务器将任务分配信号发送至无人机。本发明针对时空约束网络数据采集中无人机任务分配的要求,考虑不同任务的时空需求和无人机的机动性对数据采集任务分配的需求,并且充分考虑了无人机由于电池限制,补充能源不方便的问题,在电池容量有限的情况下,平衡各无人机的数据采集任务,提高任务分配整体效率。
Description
技术领域
本发明涉及无线通信技术领域,具体而言,尤其涉及一种面向时空约束网络的无人机数据采集任务分配方法。
背景技术
在资源勘探、侦察监视、反潜、旅游、运输、应急通信等时空约束业务不断发展的推动下,无人机辅助时空约束数据采集的任务日益多样化、复杂化和个性化。提供高效、可靠的数据传输和处理,已逐渐成为时空约束网络研究领域的主要课题之一,并推动了基于物联网的网络运营服务的发展与应用。在时空约束网络中,数据传输速率低、覆盖范围有限和灵活性不足等网络缺陷给数据采集任务的执行带来了巨大的挑战。因此,针对不同时空约束业务场景的不同需求,制定有效的数据采集任务分配方案是必不可少的。
通过分析时空约束网络业务需求,已有不少针对数据采集的工作。在不同的业务场景中,对数据采集的移动性、带宽、时延、能耗等等方面有不同的要求。例如,在面向用户的定位、导航和应急通信场景中,优先考虑信息传输的效率,而在面向用户的语音和视频传输场景中,则需要考虑大数据量的传输。现有工作均未综合考虑不同任务的时空需求和无人机的机动性对数据采集任务分配的需求,而这些通常是实际应用中限制性能的因素。且现有空间众包研究内容大多研究陆基环境中常规任务分配,较少的工作研究海洋环境时空约束较多环境的空间众包任务分配。而海洋环境时空约束较多,时空约束业务场景中的无人机数量少,且补充能源不方便。因此,在电池容量有限的情况下,如何平衡各无人机的数据采集任务,提高其整体利用率成为新的关键挑战。
发明内容
本发明提供一种面向时空约束网络的无人机数据采集任务分配方法,以克服上述技术问题。
一种面向时空约束网络的无人机数据采集任务分配方法,包括如下步骤:
S1:建立时空约束数据采集网络,所述时空约束数据采集网络包括m架无人机组成的无人机集合U={u1,u2,…,ui,…,um}、n个任务请求者组成的任务集合S={s1,s2,…,sj,…,sn}和空间众包服务器;
S2:获取第i架无人机的位置坐标、第i架无人机的实时能量、第j(j=1,2,…,n)个任务请求者的位置坐标、第j个任务请求者的发射功率、第j个任务的剩余有效时间;
S3:根据第i架无人机的位置坐标和第j个任务请求者的位置坐标,获取第i架无人机与第j个任务请求者的距离dij;以判断第j个任务请求者的位置是否处于第i架无人机的工作区域;
S4:若第j个任务请求者的位置处于第i架无人机的工作区域,则获取第i架无人机当前状态和第j个任务请求者的任务状态;
S5:当存在第i架无人机当前处于空闲状态,且第j个任务请求者的任务处于未执行状态时,执行S6;
S6:根据第j个任务请求者的发射功率,获取第i架无人机执行第j个任务请求者的任务时的信干噪比和第i架无人机执行第j个任务请求者的任务的能耗;
S7:确定第i架无人机是否能够执行第j个任务请求者的任务,获取第i架无人机能够执行的任务集合;以根据所述任务的剩余有效时间对无人机数据采集任务进行分配,获取任务分配信号;
S8:空间众包服务器将任务分配信号发送至无人机,使得无人机完成任务请求者的数据采集任务。
有益效果:本发明的一种面向时空约束网络的无人机数据采集任务分配方法,主要针对时空约束网络数据采集中无人机任务分配的要求,并考虑了任务的空间和时间约束、无人机的机动性和电池限制,对无人机数据采集任务进行分配,考虑不同任务的时空需求和无人机的机动性对数据采集任务分配的需求,并且充分考虑了无人机由于电池限制,补充能源不方便的问题,在电池容量有限的情况下,平衡各无人机的数据采集任务,提高任务分配整体效率。
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做以简单的介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的面向时空约束网络的空间众包无人机数据采集任务分配方法流程图;
图2为本发明实施例的一个时空约束下的数据采集网络场景图;
图3为本发明实施例的基于时空约束网络的空间众包数据采集任务分配过程图;
图4为本发明实施例的电子海图中无人机和任务分布地图;
图5为本发明实施例的场景1中时空约束网络数据采集任务分配图;
图6为本发明实施例的场景2中时空约束网络数据采集任务分配图;
图7为本发明实施例的场景1中无人机任务完成时间示意图;
图8为本发明实施例的场景2中无人机任务完成时间示意图;
图9为本发明实施例的场景1中无人机执行任务时间分布图;
图10为本发明实施例的场景2中无人机执行任务时间分布图;
图11为本发明实施例的场景1中无人机能耗图;
图12为本发明实施例的场景2中无人机能耗图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
本发明公开的一种面向时空约束网络的无人机数据采集任务分配方法,包括如下步骤。如图1所示:
S1:建立时空约束数据采集网络,所述时空约束数据采集网络包括m架无人机组成的无人机集合U={u1,u2,…,ui,…,um}、n个任务请求者组成的任务集合S={s1,s2,…,sj,…,sn}和空间众包服务器;
本实施例中,网络指挥中心派遣一定数量的无人机、无人船、无人车等智能体和移动工作站执行数据采集任务,并且监控工作区域,完成数据采集的任务。其中,无人机是时空约束数据采集网络中执行数据采集任务的任务执行者,与空间众包中的工作人员相对应,无人机根据收到的指令前往指定位置执行特定的数据采集任务。因为无人机具有很大的容量,所以,在执行任务中不卸载数据,在所述任务执行完毕之后,带回空间众包服务器统一卸载数据。无人船、航标和传感器则是任务请求者,对应空间众包中的任务请求者,在日常的作业中,采集水温、天气、交通流量等重要数据,生成的语音、图像、视频等信息等待无人机采集。其中,航标和传感器为提前部署好的设备。无人船除了搜集数据,还可以充当中继节点。此外,移动工作站,对应空间众包服务器,为无人机分配数据采集任务。最大限度地利用无人机资源,提高任务执行效率是至关重要。移动工作站不仅具有移动性可以移动接收信息和发送指令,根据任务分配指令指派无人机执行数据采集任务。
具体的,由于基于时空约束网络的数据采集任务是时间敏感的,需要无人机在指定的位置执行。因此,无人机的机动性和任务的时空特征为数据采集任务的分配提供了基础。基于时空约束网络的数据采集任务分配模式是空间众包服务器(移动工作站)分配任务。移动工作站收集无人机的位置信息、功率、能耗和任务请求者的待采集数据位置、待采集数据量和任务过期时间等任务要求,向无人机分配合适的任务。
S2:获取第i(i=1,2,…,m)架无人机的位置坐标、第i架无人机的实时能量、第j(j=1,2,…,n)个任务请求者的位置坐标、第j个任务请求者的发射功率、第j个任务的剩余有效时间;
具体的,任务请求者向移动工作站广播任务。任务包含地理位置、要传输的信息量和过期时间(剩余有效时间)等信息。任务请求者可以通过直接传输或者中继传输向移动工作站上传信息。同时无人机将其地理位置、功率和能源等信息上传到移动工作站。无人机从固定地方出发,可以通过直接传输或者中继传输向移动工作站上传信息。
S3:根据第i(i=1,2,…,m)架无人机的位置坐标和第j(j=1,2,…,n)个任务请求者的位置坐标,获取第i架无人机与第j个任务请求者的距离dij;以判断第j个任务请求者的位置是否处于第i架无人机的工作区域;
优选地,所述S3中,判断第j个任务请求者的位置是否处于第i架无人机的工作区域的方法如下:
若
则第j个任务请求者的位置处于第i架无人机的工作区域,那么此任务被此无人机覆盖,记为
其中,
其中,xi为第i(i=1,2,…,m)架无人机的实时位置的x轴坐标;yi为第i架无人机的实时位置的y轴坐标;dij为第j个任务请求者到第i架无人机位置的距离;xj为第j(j=1,2,…,n)个任务请求者的x轴坐标;yj为第j个任务请求者的y轴坐标;i为无人机的编号,m为无人机的总量;j为任务请求者的编号,n为任务请求者的总数;xi为第i架无人机的位置的x轴坐标;yi为第i架无人机的位置的y轴坐标;为第i架无人机覆盖区域的半径;
具体的,如图2所示,本实施例结合时空约束数据采集网络建立了一个时空约束下的数据采集网络场景(海事数据采集场景)。对于复杂的时空约束业务,网络指挥中心管理时空约束数据采集网络,提供服务。在时空约束数据采集任务之前,网络指挥中心派遣一定数量的无人机、无人船等智能体和移动工作站执行数据采集任务,并且监控工作区域。在接收到时空约束数据采集任务之后,网络指挥中心进行任务分配。本实施例中的坐标系采用大地坐标系,对于第j(j=1,2,…,n)个任务的请求者,由于任务分布在海面,hj=0,hj为第j个任务请求者的高度。
S4:若第j个任务请求者的位置处于第i架无人机的工作区域,即mij=1时,则获取第i架无人机当前状态和第j个任务请求者的任务状态;
S5:当存在第i架无人机当前处于空闲状态,即s1i=0,且第j个任务请求者的任务处于未执行状态s1j=0时,执行S6;
具体的,获取第i架无人机的任务匹配集合Mtask=[mij]M×N,当第i架无人机匹配第j个任务时,即第j个任务请求者的位置处于第i架无人机的工作区域,mij=1,否则mij=0,其中mij表示第i架无人机与第j个任务请求者的匹配状态,当mij=1时,第i架无人机与第j个任务请求者的任务匹配,即第j个任务请求者的位置处于第i架无人机的工作区域;当mij=0时,第i架无人机与第j个任务请求者的任务不匹配;
获取第i架无人机的当前状态集为SUAV=[s1i]1×M,当第i架无人机没有执行任务当前处于空闲状态时,s1i=0。否则,***处于在忙状态,s1i=1,此时第i架无人机正在执行任务。同样的,将任务的当前状态集设置为Stask=[s1j]1×N。当第j个任务处于未执行状态时,s1j=0。否则,它将处于已执行状态,s1j=1。
S6:根据第j个任务请求者的发射功率,获取第i架无人机执行第j个任务请求者的任务时的信干噪比(即第i架无人机执行第j个任务请求者的任务时,第i架无人机处的信干噪比)和第i架无人机执行第j个任务请求者的任务的能耗;
获取第i架无人机执行第j个任务请求者的任务时的信干噪比如下:
具体的,由于无人机与任务请求者之间的信道条件极大地影响了信息传输质量,这关系到任务的完成质量。因此需要计算第j个任务执行过程中,第i架无人机在采集数据时的信干噪比,可表示为:
其中,SINRij为第i架无人机在执行第j个任务时的信干噪比;Pj为第j个任务请求者的发射功率;λ为波长;G为任务请求者天线方向系数;I为其他无人机采集数据时的干扰;σ2为无人机的噪声功率;为路径损耗;/>表示单参考距离d=1m下的信道功率增益;dij表示第j个任务请求者到第i架无人机位置的距离,也是第i架无人机到第j个任务请求者的通信距离;
获取第i架无人机执行第j个任务请求者的任务的能耗如下:
由于无人机执行任务时的能量是受限的。第i架无人机执行第j个任务的能耗为飞行能耗悬停能耗/>和信息传输能耗/>之和,可表示为:
其中,Eij为第i架无人机执行第j个任务请求者的任务的能耗;为飞行能耗;为悬停能耗;/>为信息传输能耗;Pi fly为第i架无人机的飞行功率;Pi hover为第i架无人机的盘旋功率;Pi commu为第i架无人机的通信功率;/>为第i架无人机的飞行时间;为第i架无人机的盘旋时间;/>为第i架无人机的通信时间;
S7:确定第i架无人机是否能够执行第j个任务请求者的任务,获取第i架无人机能够执行的任务集合;以根据所述任务的剩余有效时间对无人机数据采集任务进行分配,获取任务分配信号;如图3所示;
优选地,确定第i架无人机是否能够执行第j个任务请求者的任务方法如下:
若SINRij≥SINRth且则第i架无人机能够执行第j个任务请求者的任务;
其中,SINRij为第i架无人机在执行第j个任务时的信干噪比;SINRth为信干噪比门限;Eij为第i架无人机执行第j个任务的能耗;Eth为无人机能耗门限;
其中,无人机到指定地点采集数据后需要返航,第i架无人机执行完第j个任务返航的能耗表示为:
其中,Ei为第i架无人机的实时能量;为第i架无人机的返航能耗;/>为第i架无人机执行第j个任务的返航能耗;/>为第i架无人机的返航时间,vi为第i架无人机的飞行速度;/>为第i架无人机的返航距离;/>为第i(1≤i≤m)架无人机的初始位置的x轴坐标;为第i架无人机的初始位置的y轴坐标。
以上条件表明当第j个任务请求程序被第i架无人机覆盖,且第i架无人机在执行第j个任务请求者的任务时的信干噪比不小于信干噪比门限,因此通过设定信干噪比门限SINRth去保证信息传输质量,同时第i架无人机执行第j个任务的能耗不大于无人机能耗门限时,第i架无人机被分配到第j个任务。
优选地,对无人机数据采集任务进行分配的方法如下:
S71:根据第i架无人机是否能够执行第j个任务请求者的任务,获取第i架无人机能够执行的任务向量
其中,Si表示第i架无人机能够执行的任务向量;表示第i架无人机能够执行的第p个任务;p表示第i架无人机能够执行的任务的编号;P表示第i架无人机能够执行的任务的总数;
S72:当P=1时,第i架无人此时只能执行任务/>因此任务/>由第i架无人机执行,即第i架无人机的最终执行任务为/>
S73:当P>1时;根据第i架无人机能够执行的任务集合向量,获取所有无人机能够执行的任务向量集合{S1,S2,...,Si,...,Sm};以获取能够执行的无人机向量其中,/>为第q架能够执行/>的无人机;Q为能够执行任务/>的无人机总数;
若当执行任务时,不存在Q>1,则/> 中的任一任务均/>只能由第i架无人机执行,则通过质量评估算法,获取第i架无人机最终执行的任务;
若存在Q>1,则 中存在任务/>能够由Q架无人机执行/>
则对 中的每个任务/>分别执行反向拍卖算法,确定任务/>的优选执行无人机/>
若不存在第i架无人机能够执行的第p个任务的优选执行无人机/>与第i架无人机能够执行的第z个任务/>的优选执行无人机/>相同时,则第i架无人机能够执行的第p个任务/>为所述优选执行无人机/>的最终执行任务;其中,
若存在第i架无人机能够执行的第p个任务的优选执行无人机/>与第i架无人机能够执行的第z个任务/>的优选执行无人机/>相同时,即/>即同时为/>和/>的优选执行无人机,则根据所述质量评估算法,获取/>的最终执行任务;
具体的为,分别获取执行/>和/>时所需的能量,选取所需能量小的任务作为的最终执行任务;
S74:若存在不属于/> 中任一任务的优选执行无人机时,
若已存在作为第i架无人机最终执行的任务或者优选执行无人机/>的最终执行任务时,则根据/>通过质量评估算法获取/>的最终执行任务;
否则根据S={s1,s2,…,sj,…,sn},通过质量评估算法获取的最终执行任务。
具体的,在时空约束网络数据采集任务分配中,无人机作为数据采集平台,采集各种智能体收集到的数据。无人机对任务顺序没有特定的要求。尽管如此,任务请求者发布的任务是时间敏感的,因为它们需要在有效期内尽快返回数据到网络中心。针对无人机与任务请求者之间缺乏目标一致性的问题,设计了任务完成质量评估算法,以保证数据采集的任务完成质量。
优选的,通过质量评估算法,获取第i架无人机最终执行的任务方法为:
若当第i架无人机执行第p个任务时,所耗费的能量为/>则第i架无人机最终执行任务为任务/>
其中,Eip为第i架无人机所能够执行的第p个任务的能耗。
根据以上质量评估算法,移动工作站为当前闲置的无人机分配相应的任务,使其能够有效执行。但是,通过此算法有可能将一个任务分配给多架无人机。因此本发明设计反向拍卖算法,使得当存在多个无人机可执行一个任务时,选择使得任务等待时间最少的无人机来执行。适当的奖励有利于任务的优化分配,有利于数据采集任务的有效完成。低奖励会降低无人机的工作积极性和任务完成效率。然而,过高的报酬不仅损害了任务的完成量,而且降低了移动工作站的整体效率。因此,为了提高无人机完成任务的积极性,减少任务等待时间,设计反向拍卖算法进一步进行时空约束网络数据采集任务分配。反向拍卖算法以任务为中心,任务等待时间为拍卖项。移动工作站充当拍卖商,无人机充当向其提交投标的买家,其中提交的投标是任务等待时间。
优选地,根据反向拍卖算法,确定第i架无人机能够执行的第p个任务的优选执行无人机/>方法如下:
获取中的第q架无人机的任务等待时间/>
具体的,由于任务具有时效性,所以它需要在有效期内被执行。任务的等待时间为此任务被执行时任务请求者所能够等待的时间,在此基础上,尽可能缩短任务等待时间,可以提高空间众包的任务完成效果。因此获取能够执行第i架无人机能够执行的第p个任务的无人机集合中的第q架无人机的任务等待时间/>
当时,
若满足,当中的无人机/>执行任务的时间为
则第i架无人机能够执行的第p个任务的优选执行无人机/>
其中,为能够执行第i架无人机能够执行的第p个任务/>的无人机集合中的第q架无人机的任务等待时间;/>为等待时间门限;
其中,tp为第p个任务的剩余有效时间;/>为第p个任务的任务传输时间。
S8:空间众包服务器将任务分配信号发送至无人机,使得无人机完成任务请求者的数据采集任务。
本实施例中,移动工作站根据任务分配信号向无人机分配任务。具体而言,移动工作站对收集到的所有数据采集任务和无人机的时空信息进行分析,但不向无人机披露任务信息。此外,移动工作站根据无人机与任务请求者之间的物理距离和通道条件,计算无人机的能耗,任务等待时间等,为无人机分配相应的任务。移动工作站通过直接传输或者中继传输向无人机发送指令。无人机执行完全部任务后需要返回出发点去卸载数据。由于能量有限,无人机在执行任务时不能远离初始位置。
具体的,一定时间段内,一架无人机只能处理一个任务。如果一架无人机分配到多个合适的任务,那么无人机选择能耗最小的任务。其他任务分配给此时其他空闲无人机或者等到下个时间段再分配。如果一个任务被分配给多架无人机,那么任务被分配给任务等待时间小的无人机。本实施例中的质量评估算法和反向拍卖算法被交替反复执行,直到所有当前空闲的无人机都匹配到合适的任务。如果无人机在覆盖区域内没有合适的任务,那么它就返航。
下面结合仿真对本发明的应用效果作详细的描述。
一、仿真条件
在仿真场景中,范围为18×8nmile2,该场景根据电子海图从部分近海区域中选取。任务位置和无人机位置如图4所示。绿色三角形和黄色三角形都表示船只的位置。根据船舶、信标和航道的实时位置,任务主要沿航道分布,其数据传输时间根据场景随机生成同时,随机部署在选定区域上空的无人机,以相同的飞行高度和速度执行任务。令任务数N=50,无人机数量M=4,无人机飞行高度hi=20m,无人机飞行速度vi=60m/s。设置无人机的飞行功率和悬停功率为Pi fly=87W和Pi hover=80W。与无人机的飞行能耗和悬停能耗相比,无人机的通信能耗设为10mW,这个值太小,可以忽略不计。
针对两种典型的时空约束业务场景,采用所设计基于时空约束网络的空间众包数据采集任务分配启发式(SC-MDC-TA)算法进行任务分配。场景1为用户定位导航和应急通信。一般来说,这种应用场景传输具有较短的数据包大小和相对较低的数据速率。因此,这类应用场景的数据流量需要立即传输。场景二是用户传输语音和视频。这种应用场景需要高达Gbps的吞吐量。
二、仿真内容与结果分析
通过与其他传输方法对比,展示所提算法的性能。
对比算法—基于距离最近的数据采集任务分配(CD-MDC-TA)算法:为当下空闲无人机分配距离最近的未被执行任务。CD-MDC-TA算法可以实现目前无人机任务执行时间最短与能耗最小,但是无法保证所有任务完成后的无人机任务时间最短与能耗最小。
仿真1:分析采用SC-MDC-TA算法进行任务分配的结果。
场景1的数据传输需求较小,无人机可以在飞行过程中采集数据,而不是在任务上空盘旋。相比之下,由于场景2对语音和视频传输的要求较高,无人机需要悬停在任务上方进行数据采集。根据无人机的数据大小和数据处理能力,将任务以上无人机的悬停时间设置为0~100之间的随机数。
图5和图6所示为,在场景1和场景2中,移动工作站采用SC-MDC-TA算法进行任务分配的结果。直线表示无人机的飞行路径,箭头表示无人机的飞行方向。通过比较不同场景下的结果,可以看出不同的信息传输量对任务分配的影响。本发明的无人机数据采集任务分配方法考虑了任务的多样性和个性化,移动工作站根据任务信息计算分配。因此,该方法可以根据不同的时空约束网络业务需求分配数据采集任务,对时空约束网络具有良好的适应性。
仿真2:采用SC-MDC-TA算法和CD-MDC-TA算法进行任务分配,对比无人机的任务完成时间。
从图7可以看出,采用CD-MDC-TA算法,无人机任务完成时间在672~1019秒之间波动,平均值约为806s。相比之下,可以看到采用SC-MDC-TA算法的无人机任务完成时间分布在634s~813s之间,平均值约为722s。由此可见,采用SC-MDC-TA算法可将无人机任务完成时间缩短84s,即缩短10%。从图8可以看出,采用CD-MDC-TA算法,无人机任务完成时间范围为1334s~1787s,平均值约为1554s。相比之下,可以看到采用SC-MDC-TA算法的无人机任务完成时间在1132~1457s之间波动,平均值约为1334s。由此可见,采用SC-MDC-TA算法可将无人机任务完成时间缩短220s,即缩短14%。
究其原因,SC-MDC-TA算法评估了任务完成质量,缩短了任务等待时间。通过任务完成质量评估算法,考虑无人机的任务完成能力,而不是局限于当前最优,从而优化时空约束网络数据采集任务分配的整体有效性。移动工作站通过反向拍卖算法的方式选择无人机,缩短任务等待时间,确保任务在有效期限内执行。以上因素对于减少任务完成时间是至关重要的。如果移动工作站不考虑无人机的任务完成能力,那么无人机执行任务的积极性将越来越低。如果移动工作站不考虑任务等待时间,时空约束网络数据采集任务完成时间将增加。因此,采用SC-MDC-TA算法可以显著缩短无人机任务完成时间。
仿真3:采用SC-MDC-TA算法和CD-MDC-TA算法进行任务分配,对比无人机的任务完成时间分布。
图9和图10用箱线图展示了采用CD-MDC-TA算法和SC-MDC-TA算法的无人机任务完成时间分布,图中清楚地展示了无人机任务完成时间的中位数、最大值、最小值、第一和第三四分位数。另外,我们可以看到采用SC-MDC-TA算法的数据更加集中。因此,采用SC-MDC-TA算法不仅获得了更短的无人机任务完成时间,而且时间方差也更小。这是因为SC-MDC-TA算法考虑了任务完成的整体性能,通过限制无人机的覆盖范围,确保无人机不会离初始位置太远。由此可见,虽然以上两种算法都能实现适应时空约束业务场景的数据采集任务分配,但SC-MDC-TA算法更为优越。因此,SC-MDC-TA算法不仅缩短了无人机的任务完成时间,而且实现了更好的任务均衡。
仿真4:采用不同算法进行任务分配,对比无人机的能耗。
图11显示了在场景1中的无人机能耗情况。采用CD-MDC-TA算法,无人机的能耗范围为58kJ~88kJ,平均值约为70kJ。相比之下,可以看到采用SC-MDC-TA算法的无人机能耗在54kJ到71kJ之间波动,平均值约为63kJ。可以发现,采用SC-MDC-TA算法可以显著降低无人机能耗7kJ,即降低10%。类似的,图12显示了在场景2中无人机能耗情况。采用CD-MDC-TA算法的无人机能耗分布在115kJ~154kJ之间,平均值约为135kJ。相比之下,采用SC-MDC-TA算法,无人机的能耗在98kJ到126kJ之间波动,平均值约为115kJ。可以发现,采用SC-MDC-TA算法可以使无人机执行任务的能耗降低20kJ,即降低了15%。
任务完成质量评估算法在SC-MDC-TA算法中起着非常重要的作用。移动工作站计算并比较无人机在时空约束网络数据采集任务分配中的能耗。其中,无人机的能耗是评价时空约束网络数据采集任务完成质量的重要指标。这确保了无人机在执行任务期间的最低能耗。此外,根据覆盖范围,无人机执行任务时尽可能接近其初始位置。因此,该方法可以保证无人机完成所有任务后的返回能量消耗最小。可以看出,该方法为无人机从出发到返回提供了能量支持。因此,SC-MDC-TA算法可以显著降低无人机的能耗。
本发明主要针对时空约束网络数据采集中无人机任务分配的要求,并考虑了两个决定性因素优化任务分配性能:1)数据采集任务的空间和时间约束,2)无人机的机动性和电池限制。此外,时空约束网络一般环境恶劣,采用固定翼无人机可以更好地抗干扰。将时空约束网络数据采集无人机任务分配问题进行建模,通过算法优化,考虑信干噪比、无人机能耗和任务等待时间,保证任务能够在最短的时间完成的同时,无人机分配到合适的数据采集任务。本发明的分配方法,融合任务完成质量评估算法和反向拍卖算法来优化无人机的数据采集任务分配,进一步降低无人机的任务完成时间和能耗,同时实现任务均衡。能够在无线通信等领域广泛推广。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (4)
1.一种面向时空约束网络的无人机数据采集任务分配方法,其特征在于,包括如下步骤:
S1:建立时空约束数据采集网络,所述时空约束数据采集网络包括m架无人机组成的无人机集合U={u1,u2,…,ui,…,um}、n个任务请求者组成的任务集合S={s1,s2,…,sj,…,sn}和空间众包服务器;
S2:获取第i架无人机的位置坐标、第i架无人机的实时能量、第j个任务请求者的位置坐标、第j个任务请求者的发射功率、第j个任务的剩余有效时间,即过期时间;
S3:根据第i架无人机的位置坐标和第j个任务请求者的位置坐标,获取第i架无人机与第j个任务请求者的距离dij;以判断第j个任务请求者的位置是否处于第i架无人机的工作区域;
S4:若第j个任务请求者的位置处于第i架无人机的工作区域,则获取第i架无人机当前状态和第j个任务请求者的任务状态;
S5:当存在第i架无人机当前处于空闲状态,且第j个任务请求者的任务处于未执行状态时,执行S6;
S6:根据第j个任务请求者的发射功率,获取第i架无人机执行第j个任务请求者的任务时的信干噪比和第i架无人机执行第j个任务请求者的任务的能耗;
获取第i架无人机与第j个任务请求者的任务时的信干噪比如下:
其中,SINRij为第i架无人机在执行第j个任务时的信干噪比;Pj为第j个任务请求者的发射功率;λ为波长;G为任务请求者天线方向系数;I为其他无人机采集数据时的干扰;σ2为无人机的噪声功率;为路径损耗;/>表示单参考距离d=1m下的信道功率增益;dij表示第j个任务请求者到第i架无人机位置的距离;
获取第i架无人机执行第j个任务请求者的任务的能耗如下:
其中,Eij为第i架无人机执行第j个任务请求者的任务的能耗;为飞行能耗;/>为悬停能耗;/>为信息传输能耗;Pi fly为第i架无人机的飞行功率;Pi hover为第i架无人机的盘旋功率;Pi commu为第i架无人机的通信功率;/>为第i架无人机的飞行时间;/>为第i架无人机的盘旋时间;/>为第i架无人机的通信时间;
S7:确定第i架无人机是否能够执行第j个任务请求者的任务,获取第i架无人机能够执行的任务集合;以根据所述任务的剩余有效时间对无人机数据采集任务进行分配,获取任务分配信号;
确定第i架无人机是否能够执行第j个任务请求者的任务方法如下:
若SINRij≥SINRth且则第i架无人机能够执行第j个任务请求者的任务;
其中,SINRij为第i架无人机在执行第j个任务时的信干噪比;SINRth为信干噪比门限;Eij为第i架无人机执行第j个任务的能耗;Eth为无人机能耗门限;
其中,Ei为第i架无人机的实时能量;为第i架无人机的返航能耗;/>为第i架无人机执行第j个任务的返航能耗;/>为第i架无人机的返航时间,vi为第i架无人机的飞行速度;/>为第i架无人机的返航距离;/>为第i(1≤i≤m)架无人机的初始位置的x轴坐标;/>为第i架无人机的初始位置的y轴坐标;
对无人机数据采集任务进行分配的方法如下:
S71:根据第i架无人机是否能够执行第j个任务请求者的任务,获取第i架无人机能够执行的任务向量
其中,Si表示第i架无人机能够执行的任务向量;表示第i架无人机能够执行的第p个任务;p表示第i架无人机能够执行的任务的编号;P表示第i架无人机能够执行的任务的总数;
S72:当P=1时,第i架无人此时只能执行任务/>因此任务/>由第i架无人机执行,即第i架无人机的最终执行任务为/>
S73:当P>1时;根据第i架无人机能够执行的任务集合向量,获取所有无人机能够执行的任务向量集合{S1,S2,...,Si,...,Sm};以获取能够执行的无人机向量 其中,/>为第q架能够执行/>的无人机;Q为能够执行任务/>的无人机总数;
若当执行任务时,不存在Q>1,则/> 中的任一任务均只能由第i架无人机执行,则通过质量评估算法,获取第i架无人机最终执行的任务;
若存在Q>1,则 中存在任务/>能够由Q架无人机执行
则对 中的每个任务/>分别执行反向拍卖算法,确定任务/>的优选执行无人机/>
若不存在第i架无人机能够执行的第p个任务的优选执行无人机/>与第i架无人机能够执行的第z个任务/>的优选执行无人机/>相同时,则第i架无人机能够执行的第p个任务/>为所述优选执行无人机/>的最终执行任务;其中,
若存在第i架无人机能够执行的第p个任务的优选执行无人机/>与第i架无人机能够执行的第z个任务/>的优选执行无人机/>相同时,即/>即/>同时为/>和/>的优选执行无人机,则根据所述质量评估算法,获取/>的最终执行任务;
具体为,分别获取执行/>和/>时所需的能量,选取所需的能量小的任务作为/>的最终执行任务;
S74:若存在不属于/>中任一任务的优选执行无人机时,
若已存在作为第i架无人机最终执行的任务或者优选执行无人机/>的最终执行任务时,则根据/>通过质量评估算法获取/>的最终执行任务;
否则根据S={s1,s2,…,sj,…,sn},通过质量评估算法获取的最终执行任务;
S8:空间众包服务器将任务分配信号发送至无人机,使得无人机完成任务请求者的数据采集任务。
2.根据权利要求1所述的一种面向时空约束网络的无人机数据采集任务分配方法,其特征在于,所述S3中,判断第j个任务请求者的位置是否处于第i架无人机的工作区域的方法如下:
若
则第j个任务请求者的位置处于第i架无人机的工作区域;
其中,
其中,xi为第i(i=1,2,…,m)架无人机的实时位置的x轴坐标;yi为第i架无人机的实时位置的y轴坐标;dij为第j个任务请求者到第i架无人机位置的距离;xj为第j(j=1,2,…,n)个任务请求者的x轴坐标;yj为第j个任务请求者的y轴坐标;i为无人机的编号,m为无人机的总量;j为任务请求者的编号,n为任务请求者的总数;xi为第i架无人机的位置的x轴坐标;yi为第i架无人机的位置的y轴坐标;为第i架无人机覆盖区域的半径。
3.根据权利要求1所述的一种面向时空约束网络的无人机数据采集任务分配方法,其特征在于,通过质量评估算法,获取第i架无人机最终执行的任务方法为:
若当第i架无人机执行第p个任务时,所需的能量为/>则第i架无人机最终执行任务为任务/>
其中,Eip为第i架无人机所能够执行的第p个任务的能耗。
4.根据权利要求1所述的一种面向时空约束网络的无人机数据采集任务分配方法,其特征在于,根据反向拍卖算法,确定第i架无人机能够执行的第p个任务的优选执行无人机/>方法如下:
获取中的第q架无人机的任务等待时间/>
当时,
若满足,当中的无人机/>执行任务的时间为
则第i架无人机能够执行的第p个任务的优选执行无人机/>
其中,为能够执行第i架无人机能够执行的第p个任务/>的无人机集合中的第q架无人机的任务等待时间;/>为等待时间门限;
其中,tp为第p个任务的剩余有效时间;/>为第p个任务的任务传输时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310280858.7A CN116301045B (zh) | 2023-03-21 | 2023-03-21 | 一种面向时空约束网络的无人机数据采集任务分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310280858.7A CN116301045B (zh) | 2023-03-21 | 2023-03-21 | 一种面向时空约束网络的无人机数据采集任务分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116301045A CN116301045A (zh) | 2023-06-23 |
CN116301045B true CN116301045B (zh) | 2024-04-12 |
Family
ID=86802883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310280858.7A Active CN116301045B (zh) | 2023-03-21 | 2023-03-21 | 一种面向时空约束网络的无人机数据采集任务分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116301045B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108111214A (zh) * | 2017-12-18 | 2018-06-01 | 张明虎 | 基于无人机的野外生态环境观测数据自动收集***及方法 |
CN110231833A (zh) * | 2019-06-14 | 2019-09-13 | 渤海大学 | 一种基于多无人机的油田巡检定点数据采集***及方法 |
CN111757361A (zh) * | 2020-07-30 | 2020-10-09 | 重庆邮电大学 | 一种雾网络中基于无人机辅助的任务卸载方法 |
CN112950251A (zh) * | 2021-05-11 | 2021-06-11 | 北京航空航天大学 | 一种基于信誉的车辆群智感知节点反向组合拍卖激励优化方法 |
CN114845245A (zh) * | 2022-07-06 | 2022-08-02 | 华北电力大学 | 一种基于无人机的移动数据采集方法、装置和终端 |
CN115278729A (zh) * | 2022-06-29 | 2022-11-01 | 大连海事大学 | 一种海洋物联网中无人机协作数据收集与数据卸载方法 |
CN115268498A (zh) * | 2022-08-26 | 2022-11-01 | 山东师范大学 | 多无人机辅助物联网网络的数量和任务完成时间优化方法 |
-
2023
- 2023-03-21 CN CN202310280858.7A patent/CN116301045B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108111214A (zh) * | 2017-12-18 | 2018-06-01 | 张明虎 | 基于无人机的野外生态环境观测数据自动收集***及方法 |
CN110231833A (zh) * | 2019-06-14 | 2019-09-13 | 渤海大学 | 一种基于多无人机的油田巡检定点数据采集***及方法 |
CN111757361A (zh) * | 2020-07-30 | 2020-10-09 | 重庆邮电大学 | 一种雾网络中基于无人机辅助的任务卸载方法 |
CN112950251A (zh) * | 2021-05-11 | 2021-06-11 | 北京航空航天大学 | 一种基于信誉的车辆群智感知节点反向组合拍卖激励优化方法 |
CN115278729A (zh) * | 2022-06-29 | 2022-11-01 | 大连海事大学 | 一种海洋物联网中无人机协作数据收集与数据卸载方法 |
CN114845245A (zh) * | 2022-07-06 | 2022-08-02 | 华北电力大学 | 一种基于无人机的移动数据采集方法、装置和终端 |
CN115268498A (zh) * | 2022-08-26 | 2022-11-01 | 山东师范大学 | 多无人机辅助物联网网络的数量和任务完成时间优化方法 |
Non-Patent Citations (2)
Title |
---|
"空天地海"一体化的海上应急 通信网络技术综述;林彬;移动通信(第9期);19-26 * |
Multi-carrier based UAV data relaying and user tracking system;Xu Wu et.;Physical Communication;第49卷;1-9 * |
Also Published As
Publication number | Publication date |
---|---|
CN116301045A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109936619B (zh) | 一种基于雾计算的空间信息网络架构、方法和可读存储介质 | |
CN109818669B (zh) | 一种基于虚拟化的卫星业务处理方法、***和存储介质 | |
Huda et al. | Survey on computation offloading in UAV-Enabled mobile edge computing | |
Hu et al. | Ready player one: UAV-clustering-based multi-task offloading for vehicular VR/AR gaming | |
Ateya et al. | Energy-and latency-aware hybrid offloading algorithm for UAVs | |
Wei et al. | Application of edge intelligent computing in satellite Internet of Things | |
CN113395679A (zh) | 一种无人机边缘服务器的资源和任务分配优化*** | |
Kang et al. | Cooperative UAV resource allocation and task offloading in hierarchical aerial computing systems: A MAPPO-based approach | |
CN111757361B (zh) | 一种雾网络中基于无人机辅助的任务卸载方法 | |
CN111446990B (zh) | 一种蜂窝无人机u2x通信模式选择和轨迹设计方法及装置 | |
CN113156992A (zh) | 面向边缘环境下无人机的三层架构协同优化***及方法 | |
CN113377125B (zh) | 用于空气污染检测的无人机*** | |
Liu et al. | Energy-efficiency computation offloading strategy in UAV aided V2X network with integrated sensing and communication | |
CN112929849B (zh) | 一种基于强化学习的可靠车载边缘计算卸载方法 | |
CN112541426A (zh) | 基于无人机集群协同感知的通信带宽自适应数据处理方法 | |
WO2022242468A1 (zh) | 任务卸载方法、调度优化方法和装置、电子设备及存储介质 | |
Chemodanov et al. | Policy-based function-centric computation offloading for real-time drone video analytics | |
CN115835294A (zh) | 车联网中深度强化学习辅助的ran切片和任务卸载联合优化方法 | |
Wang et al. | Resource scheduling in mobile edge computing using improved ant colony algorithm for space information network | |
CN116301045B (zh) | 一种面向时空约束网络的无人机数据采集任务分配方法 | |
Zheng et al. | Joint optimization of the deployment and resource allocation of UAVs in vehicular edge computing and networks | |
CN116781788B (zh) | 服务决策方法以及服务决策装置 | |
CN116193396A (zh) | 空天地一体化车联网中基于切片的协作式任务卸载方法 | |
CN115103376A (zh) | 面向空地一体化车联网的动态资源切片方法 | |
CN116009590A (zh) | 无人机网络分布式轨迹规划方法、***、设备及介质 |
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 |