一种基于强化指针网络与公共交通的无人机监控调度方法

本发明涉及机器学习和无人机调度的，特别是一种基于强化指针网络与公共交通的无人机监控调度方法。

背景技术：

1、信息时代，利用信息通信技术(ict)实现城市可持续发展的可行性与必要性日益彰显，智慧城市技术是实现可持续目标的有效路径与强大支撑。智慧城市已经成为推进全球城镇化、提升城市治理水平、破解大城市病、提高公共服务质量、发展数字经济的战略选择。智慧城市利用无人机能够快速移动，使用便捷的特性，城市管理者能够精确获取源数据，实时掌握系统全貌，动态制定灵活策略，深刻转变管理方式；城市居民能够快速了解周边情况，获得更加安全、方便、舒适的居住环境。但无人机电池容量有限，较低的续航使得基于无人机建立监控网络难以实现。

2、现有的城区监控与利用无人机的方案存在以下不足：当前，城市的视频监控数据通常通过固定的摄像头获取，但仅仅依靠这种方式，无法获得更高空的视角，也无法针对突发情况快速做出反应。也有方案采用无人机来弥补这些不足，但无人机的通信范围和能量都较为有限，严重限制了无人机的应用场景与服务范围，并且无人机的无线数据采集和充电技术也面临着诸多挑战。现有的解决方案一般使用固定的充电站、专用的移动充电车等，需要额外增加基础设施并且无法动态的调整无人机的服务范围，不具有经济性和灵活性。而当前的公共交通主要发挥了传统的交通工具属性，没有展现其网络遍布城市并携带了相对充足能源的优势。因此，借助公共交通网络辅助无人机组成城区监控系统具有可用性和实用性。

3、如专利cn115423406 a公开了一种无人机结合公交车区域协同配送系统及方法，包括：无人机子系统执行配送任务以及储存用户物品；公交车搭载子系统利用设置与公交车顶的无人机无线充电搭载台为无人机提供配送路途中的长距离运送以及中途充电。该专利虽提出了无人机搭乘公交车充电的概念，但并未解决多架无人机和多辆公交车在同一时刻处于同一公交站点时的分配问题。

技术实现思路

1、本发明要解决的技术问题是针对上述现有技术的不足，而提供一种基于强化指针网络与公共交通的无人机监控调度方法，在利用公共交通网络和无人机监控优势的同时，保证兴趣点的监控覆盖的前提下，尽量增加整个系统的可用性，较为准确地规划无人机换班路线，设计更加可持续的调度方案。

2、为解决上述技术问题，本发明采用的技术方案是：

3、一种基于强化指针网络与公共交通的无人机监控调度方法，包括以下步骤：

4、s1、对所需监控的城区地理信息进行预处理，将城区地图进行栅格化并建立平面坐标系，标记所需监控的兴趣点位置，得到预处理后的兴趣点集合

5、s2、对城区公共交通网络进行预处理，标记城区范围内的公交车站位置，得到预处理后的公交车站集合公交车集合β＝{b1,…,bm}；

6、s3、对每一时刻的公交车位置进行离散化，每辆公交车bk都可以得到依据时间离散化的公交车线路位置集合得出在时间t位于公交车站bj的公交车集合bs(t,bj)和公交车在各个车站间通行所需时间；

7、s4、将兴趣点依据所在位置的信号传输质量分为视频监控、视频中转和两者兼顾的三种类型，使用γh＝<xh,yh>进行标记，其中xh、yh为1或0，分别代表该兴趣点是否需要视频监控或视频中转；

8、s5、根据无人机所能覆盖的距离，遍历所有的车站与兴趣点组合，得到无人机位于公交车站bj能覆盖到的兴趣点集合和能够覆盖兴趣点ph的公交车站集合

9、s6、基于公交车站集合，通过完全图构建算法建立有向完全图，并使用聚类算法将其分成k个完全有向子图，在每个子图上分别解决调度问题；

10、s7、在每个完全有向子图上使用强化指针网络解决旅行商问题；随机选取一个公交车站作为初始点，调用解决旅行商问题的启发式算法生成一个解，将其作为无人机在公交车站间轮班的计划路线；

11、s8、通过兴趣点-公交车站匹配算法，将子图中的每个兴趣点初始化分配给一个匹配的公交车站，每个兴趣点初始时由位于其匹配的公交车站的无人机提供视频监控或视频中转服务；

12、s9、使用初始状态生成算法分配所有无人机的初始位置及工作状态，让无人机沿着规划好的行动路线在兴趣点之间转移执行监控任务，并在转移途中借助公交车进行充电；

13、s10、基于无人机在某个时间片的位置、能量状态和临近公交车及公交车站上无人机的状态，使用时隙调度算法做出当前无人机的行动决策，选择留在当前车站还是被其他无人机接班后乘坐公交车充电并转移到另一个车站。

14、作为本发明的进一步优选，步骤s6中，将公交车站作为点，公交线路作为连接这些点的边，以距离为边的权值构建完全有向图，从而得到再使用聚类算法得到一组完全有向子图集合具体步骤为：

15、s61、将公交车站作为节点，得到点的集合新建空的边集合

16、s62、遍历每条公交路线，将两个公交站之间存在的直接线路加入边的集合权值为该条线路的长度d(bj,bj′)，bj′是bj在其公交线路中的下一个站点，即每条边为<bj,bj′,d(bj,bj′)>；

17、s63、枚举公交站的两两组合，若中不存在连接这两点的边，就使用迪杰斯特拉最短路径算法计算这两个点借助已存在的边能够联通的最短路径λj,j′，将其作为新边的权值，再将新构造的连接这两个点的边加入边的集合即加入的虚拟边为<bj,bj′,λj,j′>；

18、s64、对公交车站集合使用聚类算法，得到k个车站的簇

19、s65、k个车站的簇对应k个兴趣点集合，初始化对应的兴趣点集合为一系列空兴趣点集合

20、s66、遍历兴趣点集合针对每一个兴趣点ph，如果能够覆盖兴趣点ph的车站集合都在同一个车站簇内，就将兴趣点ph加入对应的兴趣点集合否则通过轮盘赌算法，选择一个包含中车站的簇，将ph加入对应的兴趣点集合；

21、s67、基于聚类后的每一对与重复s66的步骤，得到完全有向子图集合

22、作为本发明的进一步优选，步骤s8中通过兴趣点-公交车站匹配算法，将子图中的每个兴趣点初始化分配给一个匹配的公交车站，具体步骤为：

23、s81、从中随机选取两个兴趣点和

24、s82、从和中各选取一个车站，枚举得到距离最近的一对车站和得到将其加入构成初始匹配结果

25、s831、对于每个还未匹配的兴趣点ph，随机在匹配结果中抽取一对

26、s832、在中找到和bj′距离最近的

27、s833、生成新的一组匹配的<ph′,bj′>，令匹配结果为

28、s834、返回匹配结果

29、作为本发明的进一步优选，步骤s9中通过初始状态生成算法分配所有无人机的初始位置及工作状态，具体步骤为：

30、s91、无人机的工作状态由和兴趣点的匹配决定；

31、s911、基于每一对由步骤s8生成的匹配结果<ph,bj>，随机选择一架无人机ui，将其初始位置li,0设置为bj；

32、s912、工作状态从时间0开始，持续到ui能量耗尽为止，可以计算得出该状态的结束时间ci，1为其中emax为无人机电池容量，e为无人机悬停每单位时间消耗的能量，em为无人机进行视频监控每单位时间消耗的能量，er为无人机进行视频中转每单位时间消耗的能量；

33、s913、ui第一个状态πi,1即为<ph，bj，bj，0，ci,1>；

34、s914、在空闲无人机集合中减去ui；

35、s92、将剩余无人机平均分配到公交车站；

36、s921、对于每架被分配的无人机ui，将其初始位置li，0设置为b；

37、s922、根据公交路线得到下一个车站为b′；

38、s923、如果在0时刻恰好有一辆公交车在b处等候，且它的下一站恰好是b′，那么ui将搭乘该车前往b′；相应的，将ui的状态设置为充电状态，即πi，1＝<bk，b，b′，0，tk，2>，其中tk，2为公交车到达下一站的时间；

39、s924、若不满足s923中的条件，则ui的初始状态为空闲状态，该状态的持续时间为ui能量耗尽时间，即则

40、作为本发明的进一步优选，步骤s10中使用时隙调度算法做出当前无人机的行动决策，选择留在当前车站还是被其他无人机接班后乘坐公交车充电并转移到另一个车站，具体步骤为：

41、s101、检查中所有空闲的无人机，当前空闲的无人机在下一时刻可能转为充电状态或保持空闲等待；

42、s1011、获取当前无人机ui的位置与电量状态；

43、s1012、若该无人机ui的当前位置为b，下一个轮班位置为b′，而当前时刻有一辆公交车在b处等候，且它的下一站恰好是b′，那么ui将乘坐公交车前往b′；

44、s1013、搭乘上公交车，ui的空闲状态被重置，进入新的充电状态；否则，ui在公交车站保持空闲状态；

45、s102、检查中所有充电状态的无人机，充电状态的无人机可以转为工作状态，或者继续保持充电状态；

46、s1021、如果正在充电的无人机ui到达此次乘坐公交车充电轮班的目的地，则执行以下步骤；

47、s1022、获取ui的位置b；得到当前在该位置的所有其它无人机作为候选集合，候选集合中的一架无人机将被ui接替；

48、s1023、如果候选集合为空，则根据s101的规则判断让ui继续充电或闲置；

49、s1024、如果候选集合不为空，则选择集合中剩余能量最小的无人机，ui将接替该无人机的工作，转入新的工作状态；该无人机重置自己的工作状态，依据s101的规则转入充电状态或空闲状态。

50、本发明具有如下有益效果：

51、1.本发明提出了时隙调度算法解决了多架无人机和多辆公交车在同一时刻处于同一公交站点时的分配问题，能够在兴趣点全覆盖的约束条件下，最大化的利用无人机的能量，从而延长整个监控系统的可用时间。此外，本发明中针对兴趣点的聚类和无人机轮班路线的规划是基于公交车在站点间通行的时间而不是物理距离，更加符合这一场景，得出的聚类结果与路线更加准确，也减少了无人机能量的浪费。

52、2.采用本发明的方法，使用强化指针网络进行路径规划计算无人机轮班路线，针对城区这类较大场景有更快的计算速度和更高的准确度，有助于充分利用无人机能量和公共交通网络的充电机会。

53、3.本发明借助公共交通网络来辅助无人机在站点间转移并补充能量，扩大了无人机的服务范围，增加了无人机的续航时间，提升了整个城区监控系统的使用寿命，增强了实用性。