当前位置：首页 > news >正文

2026年CIE SCI2区TOP，优化应急救援行动：一种用于无人机通信中继规划的计算机智能系统，深度解析+性能实测

news 2026/5/11 20:53:01

1.摘要

针对灾害区域通信中断这一危机与运维管理中的关键问题，本文提出了一种面向无人机应急通信中继的计算机智能系统，实现从智能感知到协同规划的快速网络恢复。系统通过多模态融合框架（视觉与信号数据）精准评估基站健康状态，为后续决策提供可靠依据。在此基础上，本文提出双层分层路径规划算法，结合分段分解与旅行商问题优化方法，为包含空洞的不规则覆盖区域生成最优巡检路径。

2.问题描述

针对灾区通信中断问题，本文构建了基于多模态感知的基站状态识别与图论建模方法，形成通信连通图

V = { v i ∣ 1 ≤ i ≤ N } V=\{v_i\mid1\leq i\leq N\}V={vi∣1≤i≤N}

E = { e i j ∣ s i , s j ≠ Severely Damaged ∧ ∥ p i − p j ∥ ≤ D max ⁡ } E=\{e_{ij}\mid s_i,s_j\neq\text{Severely Damaged}\land\|p_i-p_j\|\leq D_{\max}\}E={eij∣si,sj=Severely Damaged∧∥pi−pj∥≤Dmax}

在此基础上，将无人机巡航中继规划建模为多目标优化问题：

max ⁡ path ∣ ⋃ t C t ∣ and min ⁡ path L ( path ) \max_\text{path}\left|\bigcup_tC_t\right|\quad\text{and}\quad\min_\text{path}L(\text{path})pathmaxt⋃CtandpathminL(path)

采用分层优化与TSP路径建模，在长航时假设下放松续航硬约束，实现应急通信重构。

3.实现算法

方法概述及流程

本文提出一种感知—规划—执行闭环工作流程：首先通过无人机对灾区基站进行多模态（视觉与信号）融合感知与模糊评估，完成基站健康判别及网络连通性分析；基于评估结果计算有效中继覆盖区域，并采用双层分层路径规划实现宏观区域导航与微观覆盖优化的统一；由无人机或集群按最优路径执行巡航中继任务。

基于多模态感知的基站状态智能识别与动态评估框架

本文构建了无人机前端多模态智能识别与评估模块，通过视觉损伤评分
D = ∑ i = 1 K p i s i D = \sum_{i=1}^{K} p_i s_iD=i=1∑Kpisi
基于链路预算的信号质量模型
R S R P k = P t x , k + G t x , k − F S P L ( D k ) + G r x + X k RSRP_k = P_{tx,k} + G_{tx,k} - FSPL(D_k) + G_{rx} + X_kRSRPk=Ptx,k+Gtx,k−FSPL(Dk)+Grx+Xk
S = ( ∏ i = 1 3 m i w i ) 1 / ∑ w i S = \left(\prod_{i=1}^{3} m_i^{w_i}\right)^{1/\sum w_i}S=(i=1∏3miwi)1/∑wi
融合判定基站状态：
S t a t u s = arg ⁡ max ⁡ c ∈ C μ c ( D , S ) Status = \arg\max_{c \in \mathcal{C}} \mu_c(D, S)Status=argc∈Cmaxμc(D,S)
构建通信图
E = { ( v i , v j ) ∣ ∥ p i − p j ∥ ≤ D max ⁡ ∧ S t a t u s ( v i ) , S t a t u s ( v j ) ≠ Severely Damaged } E = \{(v_i, v_j) \mid \|p_i - p_j\| \le D_{\max} \land Status(v_i), Status(v_j) \ne \text{Severely Damaged}\}E={(vi,vj)∣∥pi−pj∥≤Dmax∧Status(vi),Status(vj)=Severely Damaged}
利用DFS分析网络连通性，该方法实现了基站健康智能识别与动态连通评估，为无人机中继规划提供可靠决策基础。

考虑动态基站状态与通信需求的无人机巡检中继覆盖路径规划

本文提出一种面向动态基站状态与通信需求的无人机巡检中继路径规划方法，首先构建有效覆盖区域

Ω e f f = ( ⋃ k ∈ Usable BS Ω k ) ∩ Γ \Omega_{eff}=\left(\bigcup_{k\in\text{Usable BS}}\Omega_k\right)\cap\GammaΩeff=(k∈Usable BS⋃Ωk)∩Γ

其中

Ω k = { p ∈ R 2 ∣ R m i n ≤ ∥ p − p k ∥ ≤ R m a x } \Omega_k=\{p\in\mathbb{R}^2\mid R_{min}\leq\|p-p_k\|\leq R_{max}\}Ωk={p∈R2∣Rmin≤∥p−pk∥≤Rmax}

针对覆盖区域不规则、含空洞、多连通等特征，设计双层分层自适应路径规划，基于区域质心构建TSP优化访问顺序

min ⁡ L ( π ) = ∥ p u a v − c π ( 1 ) ∥ + ∑ i = 1 N − 1 ∥ c π ( i ) − c π ( i + 1 ) ∥ \min L(\pi)=\|p_{uav}-c_{\pi(1)}\|+\sum_{i=1}^{N-1}\|c_{\pi(i)}-c_{\pi(i+1)}\|minL(π)=∥puav−cπ(1)∥+i=1∑N−1∥cπ(i)−cπ(i+1)∥

基于负载均衡的多无人机协同任务分配策略

为将单无人机框架扩展至多无人机场景，本文将空间离散的有效覆盖区域
{ A 1 , A 2 , … , A K } \{\mathcal{A}_1,\mathcal{A}_2,\ldots,\mathcal{A}_K\}{A1,A2,…,AK}在M MM架无人机间进行分配，建模为最小化最大完成时间的负载均衡问题。

首先以区域内有效网格点数量定义巡航工作量w k w_kwk，作为飞行距离与任务耗时的度量指标，然后按工作量降序排序，采用负载感知贪心分配策略，将当前最大工作量区域分配给累计负载最小的无人机：

j ∗ = arg ⁡ min ⁡ j ∈ { 1 , … , M } L j j^*=\arg\min_{j\in\{1,\ldots,M\}}L_jj∗=argj∈{1,…,M}minLj

S j ∗ ← S j ∗ ∪ { A π ( i ) } , L j ∗ ← L j ∗ + w π ( i ) S_{j^*}\leftarrow S_{j^*}\cup\{\mathcal{A}_{\pi(i)}\},\quad L_{j^*}\leftarrow L_{j^*}+w_{\pi(i)}Sj∗←Sj∗∪{Aπ(i)},Lj∗←Lj∗+wπ(i)

4.结果展示

5.参考文献

[1] Ni X, Wang S, Yu X, et al. Optimizing emergency rescue operations: A computerized intelligent system for UAV communication relay planning[J]. Computers & Industrial Engineering, 2026: 111844.