一种面向灾难数据采集的多无人机协同调度方法

1.本发明涉及物联网及灾难数据采集技术领域，具体为一种面向灾难数据采集的多无人机协同调度方法。


背景技术：

2.近年来，无人机在许多领域如智慧城市，交通检测，施工勘察，包裹递送，灾难管理等都具广泛的应用。无人机因其具有低成本，高机动性和部署灵活性等优点，可以很容易地立即进入一些灾后地区。及时全面获取灾难区的感知数据，对灾害复现、加速灾难响应过程和精准做出救援决策至关重要。由于灾后场景中许多中继设备和基站损坏，存储了数据的感知设备，难以通过多跳的方式向基站传输数据。然而，配备了数据接收装置的无人机可以快速部署在灾区，通过测绘技术和图像提供快速态势感知，通过收集感知设备的环境和生活数据，例如在可能的幸存者地点拍摄的摄像机，火灾现场的烟雾探测器等，帮助消防员识别热点、评估财产损失、搜索幸存者等。
3.目前，使用无人机进行数据采集的研究大多忽视了距离对采集速率和采集时间的影响，然而实际上在大规模传感器网络中，无人机同一覆盖范围内不同位置的感知设备与无人机的传输速率有很大的不同，进而会显著影响无人机的采集时间。此外，同时考虑能耗约束和存储容量约束的多无人机协同调度还没得到研究，无人机在采集一些感知设备数据，例如：高分辨率的视频信号，高质量的图片语音等等，机载可用内存可以很快被填满，同时在灾后场景中的使用多无人机进行协同调度，能够显著加快数据采集效率，进而加快整体的救援速度，因此亟需能够具有能耗和存储容量约束的多无人机的协同调度的方法。


技术实现要素：

4.鉴于上述存在的问题，提出了本发明。
5.因此，本发明解决的技术问题是：无人机同一覆盖范围内不同位置的感知设备与无人机的传输速率有很大的不同，从而影响无人机的采集时间不准确、耗时的问题，无能耗约束和存储容量约束的机载可用内存会很快被填满的问题。
6.为解决上述技术问题，本发明提供如下技术方案：一种面向灾难数据采集的多无人机协同调度方法，包括：获取并确定感知设备的位置和数据量大小；定义无人机与所述感知设备之间的数据传输速率、以及无人机的采集时间和采集能耗；形式化无人机采集时间最小化问题；使用区域离散化方法确定有限个无人机候选采集位置；通过贪心策略，获得无人机采集位置集合和对应的感知设备集合；形式化无人机部署成本最小化问题；通过经典带容量约束的dvrp问题算法，获取最少无人机的数量以及无人机的飞行
路径。
7.作为本发明所述的面向灾难数据采集的多无人机协同调度方法的一种优选方案，其中，所述感知设备的位置，包括，定义灾后一组感知设备集合为，每个感知设备表示为，，放置在一个二维平面上，固定位置坐标表示为，同时每个感知设备存储的数据量表示为。
8.作为本发明所述的面向灾难数据采集的多无人机协同调度方法的一种优选方案，其中，所述数据量大小，包括，使用一批同构无人机来采集所述感知设备中的数据，设无人机集合为 ，无人机的数量表示为，无人机的飞行高度为，固定波束宽度为，无人机在水平方向的通信覆盖半径为，并且每架无人机具有相同的能量约束和内存容量约束。
9.作为本发明所述的面向灾难数据采集的多无人机协同调度方法的一种优选方案，其中，所述定义无人机与所述感知设备之间的数据传输速率，包括，设无人机所有候选数据采集位置集合，集合范围无限；集合中具体采集位置坐标为，，；用表示在无人机数据收集位置通信范围内的感知设备集合，即：（1）设每个感知设备只能被采集一次，集合表示中划分后的感知设备集合，；表示中所有采集位置的感知设备划分方案，其中， 中的每个元素与集合中的元素一一对应；每架无人机对应一条具体的飞行路径，表示机库的位置；用，，表示无人机从数据采集位置飞到所需的飞行能耗，其中表示无人机飞行时单位距离能耗，表示无人机采集位置和之间的欧式距离；无人机在采集位置与其通信范围内的任意感知设备之间的数据传输速率为：（2）其中表示感知设备的发射功率，表示信道带宽，表示在参考距离下的信道带宽，，是噪声功率, 表示感知设备与无人机采集位置之间的水平距离。
10.作为本发明所述的面向灾难数据采集的多无人机协同调度方法的一种优选方案，其中，所述无人机的采集时间和采集能耗，包括，无人机在采集位置与感知设备之间的数据传输时间为：（3）
在采集位置处，无人机从感知设备集合中采集所有数据所需采集时间为:
ꢀꢀꢀꢀꢀ
（4）其中，是的子集，是的子集；无人机在位置处采集数据所需的悬停机械能耗为：，表示无人机悬停时的功率；当无人机在机库时，；无人机在悬停时同时接收多个感知设备数据，无人机在采集位置处收集数据所消耗的能量为：处收集数据所消耗的能量为：表示无人机的数据接收功率，由此无人机在位置处的总能耗为:。
11.作为本发明所述的面向灾难数据采集的多无人机协同调度方法的一种优选方案，其中，所述形式化无人机采集时间最小化问题，包括，建立约束，建立约束，从而得到无人机采集时间最小化问题，表示为，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（6）
ꢀꢀ
（7）作为本发明所述的面向灾难数据采集的多无人机协同调度方法的一种优选方案，其中，所述使用区域离散化方法确定有限个无人机候选采集位置，包括，确定无人机采集位置的候选区域，设感知设备区域为一个矩形，将设备区域沿水平和垂直方向扩大作为无人机的采集位置候选区域；将采集位置候选区域划分成边长为均匀网格，若候选区域不能被均匀划分，则将其沿水平和垂直方向继续扩大至能被边长为的正方形均匀划分，其中网格边长需要满足；通过绘制以感知设备为圆心，为半径的圆来进一步划分子区域，用集合表示划分后的子区域集合，将子区域中每个所有可能的采集位置都近似为一个相同的采集位置，用集合表示所有近似后的采集位置集合；根据无人机在采集位置的真实采集时间，将中具有相同的无人机采集位置集合中采集时间最小的采集位置放入集合中，得到无相同覆盖的无人机采集位置集合和与之对应的感知设备集族。
12.作为本发明所述的面向灾难数据采集的多无人机协同调度方法的一种优选方案，
其中，所述通过贪心策略，获得无人机采集位置集合和对应的感知设备集合，包括，a1：将每一个无人机采集位置所覆盖的设备集合划分为两个子集，第一子集为没有重复覆盖的感知设备集合，第二子集为有重复覆盖的感知设备集合，并将集合加入未被选择的感知设备集合中，将集合加入已经选择的感知设备集合中，即，；a2：对于，先从集合中去除已经被选择的感知设备，即；后执行时间成本效益最小化算法，包括，对中的感知设备根据采集时间由小到大排序；向集合中依次加入个感知设备，，并求出由个感知设备组成的集合的采集成本效益，得到采集成本效益最小的最优子集和最优值；a3：获得在所有候选采集位置中时间成本效益最优值最小的感知设备集合；a4：更新没有重复覆盖的感知设备集合、已经被选择的感知设备集合、采集位置集合和感知设备划分方案，即， ，，；a5：重复步骤a2至a4，直到所有的感知设备都被选择，即；a6：返回无人机采集位置集合和感知设备划分方案。作为本发明所述的面向灾难数据采集的多无人机协同调度方法的一种优选方案，其中，所述形式化无人机部署成本最小化问题，包括，b1：依据完全图来表示所述最小化问题，其中，，表示无人机数据采集位置与机库位置的集合，表示中任意两个节点之间的边的集合；b2：建立约束，其中，表示无人机在其飞行路径上的总能耗，表示无人机飞行路径上的采集位置和机库集合，表示无人机在无人机飞行路径上所有采集位置上的总能耗，表示无人机的飞行路径的边集合，表示无人机在其飞行路径上的飞行能耗；b3：建立约束，其中，表示无人机在其飞行路径上所采集的数据量；b4：建立约束；
b5：得到无人机部署成本最小化问题：。
13.作为本发明所述的面向灾难数据采集的多无人机协同调度方法的一种优选方案，其中，所述获取最少无人机的数量以及无人机的飞行路径，包括，c1：将所述完全图转换为只有边权重的辅助图，对于任意两个点，有 ；c2：运行带容量约束的dvrp算法，其中将图中的边权重看成dvrp中的两个点之间的边距离，将每个无人机的总能量约束看成dvrp问题距离约束；c3：返回无人机数量和对应的飞行路径集合。
14.本发明的有益效果：本发明提供一种面向灾难数据采集的多无人机协同调度方法，能够通过能耗约束和存储容量约束的无人机采集所有感知设备，通过确定无人机的采集位置、采集的感知设备和采集路径使得无人机的调度成本最小。
附图说明
15.为了更清楚地说明本发明实施例的技术方案，下面将对实施例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性的前提下，还可以根据这些附图获得其它的附图。其中：图1为本发明一个实施例提供的一种面向灾难数据采集的多无人机协同调度方法的流程图；图2为本发明一个实施例提供的一种面向灾难数据采集的多无人机协同调度方法中的网络模型示意图；图3为本发明一个实施例提供的一种面向灾难数据采集的多无人机协同调度方法中的区域离散化示意图；图4为本发明一个实施例提供的一种面向灾难数据采集的多无人机协同调度方法中近似度证明辅助图；图5为本发明一个实施例提供的一种面向灾难数据采集的多无人机协同调度方法中采集时间最小化算法流程图；图6为本发明一个实施例提供的一种面向灾难数据采集的多无人机协同调度方法中时间成本效益算法流程图。
具体实施方式
16.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而
不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
17.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
18.其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
19.实施例1参照图1-图6，为本发明的一个实施例，提供了一种面向灾难数据采集的多无人机协同调度方法，包括：s1：获取并确定感知设备的位置和数据量大小；更进一步的， 感知设备的位置，包括，定义灾后一组感知设备集合为，每个感知设备表示为，，放置在一个二维平面，固定位置坐标表示为，同时每个感知设备存储的数据量表示为。
20.更进一步的，数据量大小，包括，使用一批同构无人机来采集感知设备中的数据，设无人机集合为，无人机的数量表示为，无人机的飞行高度为，固定波束宽度为，无人机在水平方向的通信覆盖半径为，并且每架无人机具有相同的能量约束和内存容量约束。
21.s2：定义无人机与感知设备之间的数据传输速率、以及无人机的采集时间和采集能耗；更进一步的，定义无人机与感知设备之间的数据传输速率，包括，设无人机所有候选数据采集位置集合，集合范围无限；集合中具体采集位置坐标为，，；用表示在无人机数据收集位置通信范围内的感知设备集合，即：（1）设每个感知设备只能被采集一次，集合表示中划分后的感知设备集合，；表示中所有采集位置的感知设备划分方案，其中， 中的每个元素与集合中的元素一一对应；应说明的是，由于一个感知设备可能处于多个采集位置覆盖范围内，因此可能被采集多次，故设定每个感知设备只能被采集一次。
22.每架无人机对应一条具体的飞行路径，表示机库的位置；用，，表示无人机从数据采集位置飞到所需的飞行能耗，其中表示无人机飞行时单位距离能耗，表示无人机采集位置和之间的欧式距离；
无人机在采集位置与其通信范围内的任意感知设备之间的数据传输速率为：（2）其中表示感知设备的发射功率，表示信道带宽，表示在参考距离下的信道带宽，，是噪声功率, 表示感知设备与无人机采集位置之间的水平距离。
23.更进一步的，无人机的采集时间和采集能耗，包括，无人机在采集位置与感知设备之间的数据传输时间为：在采集位置处，无人机从感知设备集合中采集所有数据所需采集时间为:其中，是的子集，是的子集；无人机在位置处采集数据所需的悬停机械能耗为：，表示无人机悬停时的功率；当无人机在机库时，；无人机在悬停时同时接收多个感知设备数据，无人机在采集位置处收集数据所消耗的能量为：处收集数据所消耗的能量为：表示无人机的数据接收功率，由此无人机在位置处的总能耗为:。
24.s3：形式化无人机采集时间最小化问题；更进一步的，形式化无人机采集时间最小化问题，包括，建立约束；应说明的是，此约束保证无人机在所有准确采集位置上能够采集所有的感知设备；建立约束；应说明的是，此约束保证任意两个采集位置划分的采集感知设备集合不相交，即保证了每个感知设备上的数据仅被一架无人机所采集。
25.从而得到无人机采集时间最小化问题，表示为，表示为，表示为，s4：使用区域离散化方法确定有限个无人机候选采集位置；
更进一步的，使用区域离散化方法确定有限个无人机候选采集位置，包括，确定无人机采集位置的候选区域，设感知设备区域为一个矩形，将设备区域沿水平和垂直方向扩大作为无人机的采集位置候选区域；将采集位置候选区域划分成边长为均匀网格，若候选区域不能被均匀划分，则将其沿水平和垂直方向继续扩大至能被边长为的正方形均匀划分，其中网格边长需要满足；通过绘制以感知设备为圆心，为半径的圆来进一步划分子区域，用集合表示划分后的子区域集合，将子区域中每个所有可能的采集位置都近似为一个相同的采集位置，用集合表示所有近似后的采集位置集合；根据无人机在采集位置的真实采集时间，将中具有相同的无人机采集位置集合中采集时间最小的采集位置放入集合中，得到无相同覆盖的无人机采集位置集合和与之对应的感知设备集族。
26.s5：通过贪心策略，获得无人机采集位置集合和对应的感知设备集合；更进一步的，通过贪心策略，获得无人机采集位置集合和对应的感知设备集合，包括，a1：将每一个无人机采集位置所覆盖的设备集合划分为两个子集，第一子集为没有重复覆盖的感知设备集合，第二子集为有重复覆盖的感知设备集合，并将集合加入未被选择的感知设备集合中，将集合加入已经选择的感知设备集合中，即，；a2：对于，先从集合中去除已经被选择的感知设备，即；后执行时间成本效益最小化算法，包括，对中的感知设备根据采集时间由小到大排序；向集合中依次加入个感知设备，，并求出由个感知设备组成的集合的采集成本效益，得到采集成本效益最小的最优子集和最优值；a3：获得在所有候选采集位置中时间成本效益最优值最小的感知设备集合；a4：更新没有重复覆盖的感知设备集合、已经被选择的感知设备集合、采集位置集合和感知设备划分方案，即， ，，；a5：重复步骤a2至a4，直到所有的感知设备都被选择，即；a6：返回无人机采集位置集合和感知设备划分方案。
27.s6：形式化无人机部署成本最小化问题；
更进一步的，形式化无人机部署成本最小化问题，包括，b1：依据完全图来表示所述最小化问题，其中，，表示无人机数据采集位置与机库位置的集合，表示中任意两个节点之间的边的集合；b2：建立约束，其中，表示无人机在其飞行路径上的总能耗，表示无人机飞行路径上的采集位置和机库集合，表示无人机在无人机飞行路径上所有采集位置上的总能耗，表示无人机的飞行路径的边集合，表示无人机在其飞行路径上的飞行能耗；应说明的是，该约束保证无人机完成采集任务过程中总能耗不大于电池容量。
28.b3：建立约束，其中，表示无人机在其飞行路径上所采集的数据量；b4：建立约束；b5：得到无人机部署成本最小化问题：。
29.s7：通过经典带容量约束的dvrp问题算法，获取最少无人机的数量以及无人机的飞行路径。
30.更进一步的，获取最少无人机的数量以及无人机的飞行路径，包括，c1：将所述完全图转换为只有边权重的辅助图，对于任意两个点，有 ；c2：运行带容量约束的dvrp算法，其中将图中的边权重看成dvrp中的两个点之间的边距离，将每个无人机的总能量约束看成dvrp问题距离约束；c3：返回无人机数量和对应的飞行路径集合。
31.应说明的是，上述方案考虑了灾后场景中使用无人机进行数据采集，提出了一种面向灾难数据采集的多无人机协同调度方法，通过确定无人机的采集位置、采集的感知设备和采集路径使得无人机的调度成本最小。具体来说，首先提出了无人机采集时间最小化算法，获得无人机采集位置和对应的感知设备集合，并证明了该算法具有为的近似比，然后使用具有容量约束的dvrp算法获得无人机的最小调度成本和飞行路径。
32.实施例2参考图1、图5、图6，本实施示例提供了一种面向灾难数据采集的多无人机协同调
度方法，网络模型图如图2所示，应用于由多个感知设备和多个无人机采集点组成的无线感知网络中，本发明考虑如何使用最小的成本部署无人机来采集所有的感知设备，具体流程图如图3所示，包括以下步骤：本实施例在s1中步骤如下：设灾后场景800m*800m的区域中幸存的感知设备集合，以机库位置为坐标轴原点，每个感知设备的位置坐标和数据量如表1所示。
33.表1感知设备参数本实例中无人机的飞行高度为，波束宽度，则无人机的通信覆盖半径为100m。无人机的传输带宽b=1mb/s，飞行能耗。
34.本实施例在s2中包括以下步骤：无人机在采集位置与其通信范围内的任意感知设备之间的数据传输速率为：其中表示感知设备的数据传输功率假设为常数，表示信道带宽，表示在参考距离下的信道带宽，是正常数，是噪声功率,表示感知设备与无人机采集位置之间的水平距离，具体参数列表如表2；表2参数列表无人机在采集位置与感知设备之间的数据传输时间为：在采集位置处，无人机从感知设备集合无人机从感知设备集合中采集所有数据所需时间采集时间为:无人机在位置处采集数据所需的悬停机械能耗为：。特别地，当无人机在机库时，。由于无
人机在悬停时同时接收多个感知设备数据，无人机在采集位置处收集数据所消耗的能量为：，。因此无人机在位置处的总能耗为:。
35.本实施例在s3中步骤如下：建立约束，保证无人机在所有准确采集位置上能够采集所有的感知设备；建立约束，保证任意两个采集位置划分的采集感知设备集合不相交，每个感知设备上的数据仅被一架无人机所采集；得到无人机采集时间最小化问题：得到无人机采集时间最小化问题：得到无人机采集时间最小化问题：本实施例中区域离散化之后的子区域如图3所示，本实施例在s4中包括以下步骤：首先确定无人机的采集位置的候选区域，假设设备区域是一个矩形，如图3浅灰色区域，将设备区域沿水平和垂直方向扩大作为无人机的采集位置候选区域，候选位置数量为100个；将该区域划分成边长为100m均匀网格；通过绘制以感知设备为圆心为半径的圆来进一步划分子区域，用集合表示,这里，即候选位置数量为132；通过区域离散化之后无人机候选采集位置子区域集合，对于覆盖相同感知覆盖集合的位置，根据无人机在该位置的真实采集时间，保留具有最小采集时间的采集位置；得到无重复的无人机采集位置集合：，和与之对应的感知设备集族：。
36.本实施例在s5中采集时间最小化算法的流程图如图5所示，包括以下步骤：a1：将每一个无人机采集位置所覆盖的设备集合划分为两个子集，一个是没有重复覆盖的感知设备集合，另一个是有重复覆盖的感知设备集合，此时，，，，，，，，，，并将集合加入未被选择的感知设备集合中，将集合加入已经选择的感知设备集合中，此时，，；a2：对于，首先从集合中去除已经被选择的感知设备，即，然后执行时间成本效益最小化算法，该算法流程图如图6所示，得到采集成本效益最小的最优子集
；a3：获得在所有候选采集位置中时间成本效益最小的感知设备集合；a4：更新没有重复覆盖的感知设备集合、已经被选择的感知设备集合、采集位置集合和感知设备划分方案，此时，；a5：经过上述步骤，返回无人机采集位置集合，感知设备划分方案。
37.本实施例在s6中步骤如下：b1：借用完全图来描述该问题，其中，表示无人机数据采集位置与机库位置的集合，表示中任意两个节点之间的边的集合；b2：建立约束，其中表示无人机完成采集任务过程中总能耗不大于电池容量；b3：建立约束，其中表示无人机在其飞行路径上所采集的数据量，保证无人机采集的数据量不大于容量约束=100m；b4：建立约束，保证无人机访问所有数据采集位置；b5：得到无人机部署成本最小化问题：本实施例在s7中步骤如下：c1：将图转换为只有边权重的辅助图，对于任意两个点，有；c2：运行带容量约束的dvrp算法，其中将图中的边权重看成dvrp中的两个点之间的边距离，将每个无人机的总能量约束看成dvrp问题距离约束。
38.c3：经过以上步骤，即可找到无人机数量和对应的飞行路径集合。
39.实施例3为对本方法中采用的技术效果加以说明，本实施例将对步骤中的具体有益效果进行解释。
40.在s5的采集时间最小化算法的近似比为，其中为调和函数。
41.首先根据s4将区域进行离散化之后获得子区域集合，将子区域中任意位置都近似为同一点。如图4黑色圆圈所示的表示该子区域中任意一个采集位置，表示在该子区域随机选择的一点作为的近似位置。则无人机在采集位置与感知设备之间的水平距离为，同理在采集位置与感知设备之间的水平距离为。
42.首先，令，将简化为,很明显在传输速率近似之后，有，因此，有：1）当时2）当时，不等式也成立因此，无人机与感知设备之间的传输功率具有常数近似误差为：。
43.在确定无人机候选采集位置之后，下面根据s6使用贪心策略选择无人机采集位置和感知设备划分方案。假设元素都有一个时间成本用符号表示，，当被选中加入集合时给其赋值。按照算法覆盖元素的次序对中的元素进行编号，同时被覆盖的元素可任意编号。设是这个编号。
44.因为在同一采集子区域中，无人机在采集位置和处无人机通信范围内的感知设备一样，即，那么，有：其中，所以进行区域离散化之后无人机在任意子区域内采
集时间与最优时间的近似比为：。
45.设离散化之后无人机在每个采集位置的采集时间近似比为，在任意一次迭代中，最优解中剩余的集合能以小于的采集时间采集剩余的元素。因此，在这些集合中，必定存在一个采集时间成本小于的集合，这里在覆盖元素的那次迭代中，中至少包含个元素。因为这次迭代中用采集时间成本效益最小的集合覆盖，所以有：因为每个选取的集合采集时间成本分布于新覆盖的元素中，所以选取的集合覆盖的总时间成本等于，采集时间最多为，为调和函数。
46.综上，采集时间最小化算法的近似比为。
47.应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。