申请/专利权人：中南大学

申请日：2024-01-12

公开（公告）日：2024-04-12

公开（公告）号：CN117872763A

主分类号：G05B13/04

分类号：G05B13/04;G06Q10/047;G06N3/006;G08G1/01

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明提供一种多无人机路网交通流监控路径优化方法，包括步骤：S1，采集路网信息数据及监控需求，构建多无人机交通流监控道路网络；S2，构建采集间隔约束下多无人机路网交通流监控路径规划多目标优化模型；S3，利用基于可行解构造的变邻域局部搜索遗传所算法即模因算法求解所述多目标优化模型，得到无人机最优路径集合。本发明构建针对最小化设备成本、最小化能源消耗的多个优化目标模型，并通过变邻域局部搜索遗传算法对其进行求解，从而在满足路网交通流被监控精度和被监控采集间隔市场约束下获得多个无人机最优路径规划的集合，为道路交通信息化的实时性、安全性提供经济、便携的强有力保障。

主权项：1.一种多无人机路网交通流监控路径优化方法，其特征在于，包括以下步骤：S1、构建多无人机交通流监控道路网络：通过路网数据采集交通流监控需求构建道路网络G，G＝V,C,E,A，其中，V为路网交叉口集合，C为分布于部分路网交叉口的充电站集合，E为路网路段集合，A为有被监控需求的路段集合；S2、构建多目标优化模型：构建采集间隔约束下多无人机路网交通流监控路径规划多目标优化模型，该多目标优化模型包括分别以最小化设备成本minf1、最小化能源消耗minf2为目标的两个目标，其中f1为设备成本、f2为能源消耗；S3、求解多目标优化模型，得到无人机最优路径集合：利用基于变邻域局部搜索策略的进化算法，即模因算法，求解所述的多目标优化模型，得到无人机最优路径集合，具体包括，S31、算法设定参数：包括算法交叉概率pc、变异概率pc及最大迭代次数；S32、编码：对染色体进行编码，其中染色体的长度代表具有监控需求路段的个数，染色体的取值代表为特定路段服务的无人机的编号；S33、生成初始种群：依据所述编码方式，在多目标优化模型的决策搜索空间内，利用时间间隔约束满足逐步审核的方式对初始路径进行构建，即在满足无人机续航前提下允许飞行的路径中随机选一条路，得到初始染色体并以此方法逐步产生包含N个个体的种群；S34、利用遗传算法结合可变邻域搜索策略产生初始化可行解种群附近的子代，并通过考虑目标函数优化效果的环境选择策略保留具有更好目标函数值的优秀子代，最终不断迭代得到最优无人机飞行路径集合。

全文数据：

权利要求：

百度查询： 中南大学 一种多无人机路网交通流监控路径优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD