一种无人机快递自动投送路径规划方法及系统与流程

本发明涉及无人直升机航迹规划领域，特别是一种无人机快递自动投送路径规划方法及系统。

背景技术：

随着我国电子商务的蓬勃发展和日益成熟，网络购物因其时尚，快速，便捷的特点，逐渐成了消费者的重要的购物方式甚至是主要购物方式，越来越多的人开始选择网上购买产品和服务。与此同时，与网购紧密相连的快递行业也得到了飞速发展。一方面，快递行业的服务规模不断扩大，服务效率也在不断提高；而另一方面，快递行业也逐渐面临着人力、油价等运输成本的上涨等一系列问题。因此，运用先进科学技术和现代化设备来提高效率降低成本的快递是快递业当前的迫切需求。

而采用无人机来运送快递，可以避免地面交通的拥堵情况，不仅可以可以实现同城物流的加急业务，进一步开辟物流领域的细分市场，使物流网点、终端之间的流转获得更高的效率。同时，对于较远距离的少量快递，使用无人机运送能节省更多的运送成本。而且，使用无人机投递还可以大量减少人力的使用。

无人机在投送快递作业过程中需要考虑的因素很多，比如飞行区域、飞行时间、载重量、飞行速度、飞行轨迹已经飞行安全等问题，要想无人机能够快速准确高效的将快递送达，有效的路径规划算法是不能少的。

本发明中涉及到的旅行商问题(travelingsalesmanproblem，tsp)也称货郎担问题，简称tsp问题，是最基本的路线问题，该问题是某售货员要到若干城市去推销商品，他要选定一条从驻地出发，经过每个城市一遍，最后回到驻地的最短路线。是一个经典的np难度的组合优化问题，其计算量随问题规模的增长呈指数增长趋势。tsp问题的提出可以追溯到18世纪，1759年，欧拉的文献中就提出了这个问题。直到1948年，兰德(rand)公司引入了这个问题，此时正是对线性规划和组合优化问题研究的开始时期，tsp问题立刻引起了众多学者的注意。对tsp问题的大量研究使得tsp问题成为了一个著名的组合优化问题。目前，求解tsp问题的较为常用的方法有二叉树描述法、蚁群算法、最近邻法、神经网络法、模拟退火法和遗传算法等。遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局概率搜索算法,具有良好的全局寻优能力,成为解决tsp问题的有效方法之一。

为了能提高运送效率，未来的无人机快递趋势必然将朝着一次性运送多件快递发展，因此需要考虑到无人机的充电续航问题。因此本发明所涉及的基于旅行商问题的无人机快递航迹规划，比基本的旅行商问题更为复杂一些。来自德国柏林的初创公司skysense在无人机户外充电方面提供了一种解决方案。但是价格相对是比较昂贵的，紧凑版边长18英寸，售价1130美元，中型充电板边长36英寸，售价2410美元，大型充电板边长72英寸，售价高达7865美元。所以需要尽可能少的在快递接收点设置无人机自动充电站来减少成本，同时必须使得设置的充电站能满足所有情况下的快递作业。

本发明中用到的名词解释如下：

快递无人机：能够投递快件并可通过充电桩自主充电的无人机。本发明中提到的无人机都指这种类型的无人机。

路径规划：飞行器能够满足飞行任务并满足约束条件的飞行轨迹。

快递集散中心：快递公司的快递集中地，快件在这个地点进行分捡，分类，派件。

快递站点：指区域内设置的所有快递投送点，安装有快递柜、能够自动接收无人机快递的站点。每个快递站点都设置有充电桩，以满足无人机长距离飞行的充电需求。

任务站点：在无人机执行以此快递投送任务中需要接收快递的快递站点。

可充电站点：设置有可供无人机自动充电装置的快递站点。

中转站点：在无人机无法直接飞往下一个站点的时候，用来补充电量的可充电站点；

最大单次飞行距离lmax：无人机在满负载情况下，充满电后考虑安全裕量的最大飞行路程长度，可根据无人机的情况进行设置，在本发明的实施例中，取lmax＝10km。

旅行推销商问题：又称为tsp问题(travelingsalesmanproblem，tsp)，它是计算机领域一个非常经典的问题，该问题可以简单地表述为：假设有n座城市，要求找出一条最短且封闭的旅行路线，使推销商访问其中每座城市仅一次。

技术实现要素：

本发明旨在提供一种无人机快递自动投送路径规划方法及系统，可以在中途对无人机进行充电，降低能源消耗，扩大投送范围，提高快递投送效率。

为解决上述技术问题，本发明所采用的技术方案是：一种无人机快递自动投送路径规划方法，包括以下步骤：

1)对区域内包含快件集散点在内的所有n个快递站点进行路径规划，使得无人机从快件集散点出发，经过每个快递站点仅一次，再返回到快递集散点的总飞行路程最短，得到最短路径；

2)在上述最短路径上，根据无人机的最大飞行路程lmax，判断无人机在满电情况下最多可以飞过的站点数，在相应的站点上安设供无人机充电的自动充电装置；

3)读取快递地址信息，根据所述地址信息，确定快递投送点，设一次任务中任务站点数与快递集散点的数目均为k，在这k个任务站点中规划出一条最短且经过所有快递站点仅一次的飞行路线，并从快递集散点开始，将这些任务站点依次编号为1、2、……、k，设从快递集散点到任务站点2的距离为s1、任务站点2到任务站点3的距离为s2、……、任务站点k回到快递集散点的距离为sk，计算出s(k)，其中，

4)判断s(k)与lmax的关系，如果lmax≥s(k)，则路径规划完成；如果lmax<s(k)，则找出使得s(t)>lmax的t的最小值，并进入步骤5)，其中t＝1、2、……、k；

5)令a＝lmax-s(t-1)，其中s(0)＝0；

6)以编号为t的站点为圆心，以a为半径画圆，如果圆内没有充电站点，则令t＝t-1，返回步骤5)，如果圆内含有充电站点，则转移至步骤7)；

7)在圆中寻找与距离编号为t+1的站点最近的充电站点，并读取该充电站点与编号为t+1的站点的距离，记为b，当t＝k时，取t+1的结果为1；

8)如果b>lmax，则以步骤7)中找出的充电站点为圆心，以lmax为半径画圆，返回至步骤7)，如果b≤lmax，则继续比较t与k的大小，如果t≠k，则令t＝t+1、a＝lmax-b，返回至步骤7)，当t＝k时，整个路径规划完成。

步骤8)之后，将规划好的路径发送给无人机执行快件派送任务。

借由上述方法，可以在中途对无人机进行充电，从而可以对多件快递进行一次性投送而不用多次返回快递集散点，并且能规划出最短的飞行路径，能有效降低能源消耗，扩大投送范围，提高快递投送效率。

相应地，本发明还提供了一种无人机快递自动投送路径规划系统，包括：

第一规划单元：用于对区域内包含快件集散点在内的所有n个快递站点进行路径规划，使得无人机从快件集散点出发，经过每个快递站点仅一次，再返回到快递集散点的总飞行路程最短，得到最短路径；

充电装置设置单元：用于在上述最短路径上，根据无人机的最大飞行路程lmax，判断无人机在满电情况下最多可以飞过的站点数，在相应的站点上安设供无人机充电的自动充电装置；

第一处理单元：用于读取快递地址信息，根据所述地址信息，确定快递投送点，设一次任务中任务站点数与快递集散点的数目均为k，在这k个任务站点中规划出一条最短且经过所有快递站点仅一次的飞行路线，并从快递集散点开始，将这些任务站点依次编号为1、2、……、k，设从快递集散点到任务站点2的距离为s1、任务站点2到任务站点3的距离为s2、……、任务站点k回到快递集散点的距离为sk，计算出s(k)，其中，

第二处理单元：用于判断s(k)与lmax的关系，如果lmax≥s(k)，则路径规划完成；如果lmax<s(k)，则找出使得s(t)>lmax的t的最小值，并执行初始化单元的处理，其中t＝1、2、……、k；

初始化单元：令a＝lmax-s(t-1)，其中s(0)＝0；

第三处理单元：用于以编号为t的站点为圆心，以a为半径画圆，如果圆内没有充电站点，则令t＝t-1，执行初始化单元的处理，如果圆内含有充电站点，则转移至第四处理单元处理；

第四处理单元：用于在圆中寻找与距离编号为t+1的站点最近的充电站点，并读取该充电站点与编号为t+1的站点的距离，记为b，当t＝k时，取t+1的结果为1；

第二规划单元：用于进行如下判断：如果b>lmax，则以第四处理单元中找出的充电站点为圆心，以lmax为半径画圆，执行第四处理单元的操作，如果b≤lmax，则继续比较t与k的大小，如果t≠k，则令t＝t+1、a＝lmax-b，执行第四处理单元的操作，当t＝k时，整个路径规划完成。

本发明的系统还包括输出单元，该输出单元用于将规划好的路径发送给无人机执行快件派送任务。

与现有技术相比，本发明所具有的有益效果为：本发明可以在中途对无人机进行充电，从而可以对多件快递进行一次性投送而不用多次返回快递集散点，并且能规划出最短的飞行路径，能有效降低能源消耗，扩大投送范围，提高快递投送效率；同时可以减少充电桩的设置情况，在充电桩少于充电站点的时候仍然可以大范围的运送快递。

附图说明

图1本发明实施例快递站点分布以及连接这些站点的最短路径，以及无人机自动充电装置安设的站点示意图；

图2为本发明实施例选择的任务站点以及它们与快件集散中心之间的最短路径规划；

图3为本发明实施例从快递集散中心去到第一个任务站点路径段的第一个中转站点的寻找示意图；

图4为本发明实施例从快递集散中心去到第一个任务站点路径段的第二个中转站点的寻找示意图；

图5为本发明实施例从10号任务站点去到16号任务站点寻找第一个中转站点的示意图；

图6为本发明实施例从10号任务站点去到16号任务站点寻找第二个中转站点的示意图；

图7为本发明实施例在第三个路径段寻找第一个中转站点的示意图；

图8为本发明实施例在第三个路径段寻找第二个中转站点的示意图；

图9为本发明实施例在第三个路径段寻找第三个中转站点的示意图；

图10为本发明实施例最终规划好的路径示意图；

图11为本发明具体实现过程流程图。

具体实施方式

本发明的主要任务是确定一种有效的针对可充电站点少于快递站点的无人机快递自动投送路径规划方法，该方案的具体实现方式可用示例演示如下：

1、对分布在30km*30km区域内的包含快递集散中心在内的20个快递站点(站点坐标分别为：1(2，2)，2(2.5，4.8)，3(7，7)，4(8.5，11)，5(8.5，11)，6(5，12)，7(3，12)，8(2，10)，9(4，19)，10(5，22)，11(11，22)，12(10，20)，13(15，13)，14(18，18)，15(23，20)，16(26，13)，17(22，9)，18(16，7)，19(11，2)，20(8，1))，基于tsp问题采用遗传算法对所有快递站点进行路径规划，使得经过每个任务快递站点一次且再返回起点的总飞行路程最短；在这条路线上，根据无人机最大飞行距离lmax(本例中，设置lmax＝10km)，判断无人机一次最多能飞经的站点，在相应的站点上设置无人机自动充电桩，如图1所示；

2、假设在站点10和站点16有快递任务，将10和16两个站点设定为任务站点，基于tsp问题采用遗传算法对快递集散中心和两个任务站点进行路径规划，并读取站点与站点间的距离s1、s2、s3，如图2所示，s1＝20.22km，s2＝22.85km，s3＝26.40km；

3、明显，从快递集散中心1到任务站点10的距离s1要大于lmax，因此在这条路径段上，以站点1圆心，以lmax为半径画圆，在此圆内距离任务站点10最近的可充电站点为7号快递站点，如图3所示，且7号站点距离任务站点10的距离为10.2km>10km；

4、因此继续以站点7为圆心，lmax为半径画圆，可知距离任务站点10最近的可充电站点为9号站点，且9号站点距离任务站点10的距离为3.16km<10km，如图4所示；

5、令a＝10-3.16＝6.84，以站点10为圆心，a为半径画圆，如图5所示，可知圆内包含三个可充电站点，其中可充电站点12距离站点16最为接近，为17.46km>lmax；

6、继续以中转站点12为圆心，以lmax画圆，如图6所示，可知圆内含有可充电站点且离任务站点16距离最接近的站点为14号站点，为9.43km<10km；

7、接着以站点16为圆心，以10-9.43＝0.57km为半径画圆，可找到离站点1最近的可充电站点为其本身；

8、分别以16号站点为圆心，以lmax为半径画圆，如图7所示，可知在以站点16为圆心的圆内离站点1最近的可充电点为站点17，其离站点1的距离为21.19km，要大于lmax；

9、以17号站点为圆心，以lmax为半径画圆，如图8所示，可知离站点1最近的可充电站点为18，其离站点1的距离为14.86km，仍然要大于lmax；

10、以18号站点为圆心，以lmax为半径画圆，如图9所示，此圆区域内离站点1最近的可充电站点为4，故选择4号站点作为又一个中转站点，且站点4离站点1的距离为8.6km<10km；

11、至此，路径规划完成，总的路线如图10所示，在这条路径上，能成功将快递送达并安全返回快递集散中心。