2021年 2期 大數(shù)據(jù)與人工智能 智慧農(nóng)業(yè)導(dǎo)刊 JournalofSmartAgriculture 面向農(nóng)業(yè)園區(qū)污染源監(jiān)測的多無人機路徑優(yōu)化方法研究 杜心怡 徐 玲 蘇 瑩怡 何羽亭 張 旭 丁 濤 中 國 計 量 大學(xué) 浙江杭 州 310018 我 國 現(xiàn) 有各 級農(nóng)業(yè)園 區(qū) 和 農(nóng)業(yè) 生產(chǎn) 基 地在 促 進 產(chǎn) 業(yè)集聚 和推動經(jīng)濟發(fā)展中 貢獻 重 大 但 與 此 同 時 園 區(qū) 生產(chǎn) 過 程 中 引 發(fā)的環(huán) 境 問題 也 日益突 出 成 為 環(huán) 境 污染 的 集聚 區(qū)域 政府 部門 通過 加 強 對 農(nóng)業(yè)園 區(qū) 污染 源的 日 常 環(huán) 境 監(jiān) 察 和 巡查 有 利 于 及 時 評 估園 區(qū) 范圍內(nèi) 的大氣 污染狀況 監(jiān) 控 各 污染 源 排放 現(xiàn) 狀 并 快 速確定 超 標(biāo)排放 污染 源的準(zhǔn)確 位置 對 實 現(xiàn) 園 區(qū) 大氣 污染 的 靶 向 治 理 和 制 定 有 效的 應(yīng) 急處置 方 案具 有 重要 意義 目前 污染 源的 日 常 環(huán) 境 監(jiān) 察 一 般 采 用 固 定 監(jiān) 測 站 無 線 傳 感器 網(wǎng)絡(luò) 監(jiān) 測 車或手 持 式 監(jiān) 測 儀 等 方 式 超 標(biāo)污染 源的定 位 一 般 通過將 其 監(jiān) 測 位置 和 污染物信息 濃度 相 綜 合 得到 較 粗 略 的 濃度 分 布圖 進 而 估 計 出 污染 源的 位置 1 但由于受 地面 條 件 建筑物 和 城市道路限 制 上 述 監(jiān) 測 手 段 往往 效率 不 高 同 時由于 監(jiān) 測 點 位往往 分 布 不 均 勻 且事故 污染 源 附 近不 一定 恰 好 設(shè) 有監(jiān) 測 站或 被 監(jiān) 測 點所 包圍 雖然可 以 通過 增加 監(jiān) 測 站 數(shù) 量 和 觀 測 頻 率來 提 高環(huán) 境 監(jiān) 測 質(zhì) 量 但 仍 面 臨 著 監(jiān) 測 范圍 有 限 成 本 高 昂且 機 動 性 差 的 問題 目前 研究 結(jié)果 表明 無 人 機 環(huán) 境 監(jiān) 測 平 臺 具 有 機 動 靈 活 和 監(jiān) 測 范圍廣 等 優(yōu)勢 可 以 彌 補 現(xiàn) 有 固 定 監(jiān) 測 站 和 監(jiān) 測 車 的 不 足 更 有 利 于對 大氣 污染 源 進行 日 常 環(huán) 境 巡查 2 3 單架 無 人 機進行 園 區(qū) 內(nèi) 大氣 污染 源 監(jiān) 測時 由于受 無 人 機自 身續(xù)航 時 間 限 制 一 次 飛 行 只 能 完成 部分 污染 源 點 位 的 監(jiān) 測 任 務(wù) 監(jiān) 測 任 務(wù) 的 執(zhí) 行 效率 不 高 4 5 也 不 滿足多個 污染 源在 監(jiān) 測時 間 上 盡 量 保持同 步 性的 要 求 因此 采 用 多 架 無 人 機 來 完成 多個 污染 源 的 監(jiān) 測 十 分 必 要 6 8 如 何 根據(jù) 農(nóng)業(yè)園 區(qū) 污染 源 監(jiān) 測 的 特 定 問題 來 研究構(gòu)建 目 標(biāo) 函 數(shù) 和 約束 條 件 并 采 用合 適 的 技術(shù) 手 段 尋找 園 區(qū) 內(nèi) 大氣 污染 源 最 優(yōu) 的 監(jiān) 測 路 徑 是 本 文 重 點 解 決 的 問題 不 同 于 傳 統(tǒng) 的 多 旅 行 商 mTSP 問題 該 方 法 根據(jù) 農(nóng)業(yè)園 區(qū) 污染 源 監(jiān) 測 的 特 定 問題 來 構(gòu)建 目 標(biāo) 函 數(shù) 和 約 束 條 件 目 標(biāo) 函 數(shù) 中 考慮 了 各無 人 機 監(jiān) 測 路 徑 總 長度 最 短 無 人 機 飛 行 路 徑轉(zhuǎn)彎 角 最 小 保 證 飛 行 的 平 滑 度 以 減 少 無 人 機 飛 行 能 耗 無 人 機 對 障礙 物 的 躲避半徑 最 大 該 項 可 使 得 無 人 機 距離障礙 物 的 路 徑適 應(yīng) 度值 小 以 保 證 最終 得到的 路 徑 和 障礙 物 保持 一定 距離 特 定 摘 要 文章 提 出 了 一 種 面 向農(nóng)業(yè) 園區(qū)污染 源監(jiān)測 的多 無 人機 路徑 優(yōu)化方法 該 方法根據(jù) 農(nóng)業(yè) 園區(qū)污染 源監(jiān)測 的 特定問 題 來 構(gòu) 建 目 標(biāo) 函 數(shù) 和 約束條件 目 標(biāo) 函 數(shù) 中 考慮 了 各無 人機 監(jiān)測 路徑 長度 最 短 無 人機 飛 行 路徑轉(zhuǎn)彎角 最 小 無 人機對 障礙物 的 躲避半徑 最 大 的 問題 特定約束條件包括無 人機 續(xù)航 時間 限制 污染 源 排放污染物類 別 限制 無 人機 監(jiān)測 停留 時間 限制 無 人機 起點 和 終點限制 等 采 用基于 復(fù)雜 變 異樹 的多 染色體 遺傳算法對上 述規(guī)劃 模 型 進行 求解 得 到 農(nóng)業(yè) 園區(qū)污染 源 最優(yōu) 監(jiān)測 路徑 該 方法可 針 對 特定 農(nóng)業(yè) 園區(qū) 快 速 計 算 出 多 無 人機 污染 源監(jiān)測 的最優(yōu) 路徑 關(guān)鍵詞 農(nóng)業(yè) 園區(qū) 無 人機 污染 源監(jiān)測 路徑 優(yōu)化 中圖分類號 V279 文獻標(biāo)志碼 A 文章編號 2096 9902 2021 02 0024 04 Abstract Thepaperproposesamulti UAVpathoptimizationmethodforagriculturalparkpollutionsourcemonitoring This methodconstructstheobjectivefunctionandconstraintsforthespecific problemofpollutionsourcemonitoringin agriculturalparks TheobjectivefunctiontakesintoaccounttheshortestlengthofeachUAVmonitoringpath thesmallest turningangleofUAVflightpath andthelargestavoidanceradiusofUAVtoobstacles ThespecificconstraintsincludeUAV limit pollutionsourceemissionpollutantcategorylimit UAVmonitoringresidencetimelimit UAVstartingpointandendpoint limit etc Thenthemulti chromosomegeneticalgorithmbasedoncomplexvariationtreeisusedtosolvetheaboveprogramming model andtheoptimalmonitoringpathofpollutionsourceinagriculturalparkisobtained Thismethodcanquicklycalculate theoptimalpathofmulti UAVpollutionsourcemonitoringforspecificagriculturalparks Keywords agriculturalpark UAV pollutionsourcemonitoring pathoptimization 基金項目 浙江省大學(xué)生科研創(chuàng)新活動計劃資助項目 編號 2020R409037 通信作者 丁濤 1975 男 博 士 副教授 研究方 向 環(huán) 境 智能 監(jiān)測和 溯 源 24 2021年 2期 大數(shù)據(jù)與人工智能 智慧農(nóng)業(yè)導(dǎo)刊 JournalofSmartAgriculture 的 約束 條 件 包括 單架 無 人 機 續(xù)航 時 間 限 制 各 污染 源 排 放污染物 類 別 和 排放污染物 數(shù) 量 限 制 各 污染 源 無 人 機 停留 時 間 限 制 無 人 機 起 飛 出 發(fā) 點 和 終 點 限 制 等 而 后 采 用 基 于 復(fù)雜 變異 樹 的 多 染 色 體 遺傳 算法 來 對 上 述 規(guī) 劃 模 型進行 求 解 得到 最 優(yōu) 的 農(nóng)業(yè)園 區(qū) 污染 源 監(jiān) 測 路 徑 1優(yōu)化方法 該 方 法 首先獲 取 目 標(biāo)農(nóng)業(yè)園 區(qū) 的環(huán) 境 信息 所 述 環(huán) 境 信息 包括 無 人 機出 發(fā) 基 地和 n個 污染 源 位置 的 坐 標(biāo) 信息 單架 無 人 機 續(xù)航 時 間 無 人 機平均 飛 行 速 度 無 人 機 飛 行 單位 能 耗 無 人 機 懸停 單位 能 耗 各 污染 源 排放 污染物 類 別 和 排放污染物 數(shù) 量 各 污染 源 無 人 機 停留 時 間 無 人 機 數(shù) 目 m等 而 后 根據(jù) 農(nóng)業(yè)園 區(qū) 的環(huán) 境 信息構(gòu) 建 大氣 污染 源 監(jiān) 測 的 路 徑 優(yōu) 化 問題 模 型 設(shè) 定 模 型 的 特 定 目 標(biāo) 函 數(shù) 和 約束 條 件 最 后 基 于 復(fù)雜 變異 樹 的 多 染 色 體 遺傳 算法 來 對 上 述 規(guī) 劃 模 型進行 求 解 得到 多個無 人 機最 優(yōu) 的 農(nóng)業(yè)園 區(qū) 污染 源 監(jiān) 測 路 徑 目 標(biāo) 函 數(shù) F為 minF w 1 L L max w 2 D max D w 3 max 式 中 w 1 w 2 和 w 3 為 監(jiān) 測 路 徑 總 長度 L 無 人 機 對 障礙 物 的 躲避半徑 D 無 人 機 飛 行 路 徑轉(zhuǎn)彎 角 的 三 個 子 目 標(biāo) 的 權(quán) 重 w 1 w 2 w 3 1 L max D max 和 max 為 預(yù) 先 設(shè) 定的極大 值 目 的 為 去 量 綱 化 躲避半徑 D取 倒 數(shù) 的 原 因 是 我 們 期 望 無 人 機 躲避半徑越 大 越 好 式 中 L k 為 第 k個無 人 機 的 路 線 飛 行總 時 間 距離 m 為 無 人 機 數(shù) 量 n為 園 區(qū) 內(nèi) 污染 源 數(shù) 量 C ij 為 無 人 機從 污染 源 i到 污染 源 j的 飛 行 時 間 x i y i 為 第 i 個 污染 源 位置 x j y j 為 第 j 個 污染 源 位置 C tw j 為 無 人 機 在 污染 源 j的 監(jiān) 測 停留 時 間 v為 無 人 機 的 平均 飛 行 速 度 S為 單架 無 人 機最 長 續(xù)航 時 間 最 大 飛 行 距離 為 懲罰 因 子 當(dāng) 第 k條 路 線 的 L k 大 于 S時 說明 這 條 路 徑 不 是 最 優(yōu) 路 徑 通過 懲罰 因子 使 該 條 路 徑 為 劣解 從 可 行 解 當(dāng) 中 剔除 式 中 D m 為 第 m架 無 人 機 的 飛 行 路 徑 對 障礙 物 的 躲避 半徑 之 和 g為 障礙 物 的 數(shù) 量 d k 為 飛 行 路 徑距離第 k 個 障礙 物 的 距離 r k 為 障礙 物 的 最 大 外 圍 半徑 式 中 m 為 第 m架 無 人 機 的 飛 行 路 徑 上 轉(zhuǎn)彎 角 之 和 w 為 轉(zhuǎn)彎 角 的 數(shù) 量 k 為 飛 行 路 徑 上 第 k個 轉(zhuǎn)彎 角 步 驟 S2的 約束 條 件 為 遍歷 農(nóng)業(yè)園 區(qū) 內(nèi) 所有 污染 源 監(jiān) 測 點 無 人 機 起 飛 基 地和 終 點 基 地 均為出 發(fā) 點 每 個 污染 源 僅 停留 一 次 單架 無 人 機 續(xù)航 能力和 其 他約束 式 中 M為 預(yù) 先 給 定的 無 人 機 數(shù) 量 m為 優(yōu) 化 后的 無 人 機 數(shù) 量 2優(yōu)化步驟 面 向 農(nóng)業(yè)園 區(qū) 污染 源 監(jiān) 測 的 多無 人 機 路 徑 優(yōu) 化 方 法 的 計算 過 程 如 圖 1所示 具 體 過 程 如 下 1 設(shè)置 基 于 復(fù)雜 變異 樹 的 多 染 色 體 遺傳 算法 的 參 數(shù) 包括 種 群 數(shù) 量 Pop 迭 代 次 數(shù) S 無 人 機 數(shù) 量 即 染 色 體 數(shù) 量 M 2 初 始化 種 群 根據(jù) 當(dāng) 前 染 色 體 數(shù) 量 M 采 用 多 染 色 體編碼 的方 式對 種 群 進行 編碼 一 條 染 色 體代 表 一 架 無 人 機 的 污染 源 監(jiān) 測 點 序 列 計算算法 適 應(yīng) 度 函 數(shù) 3 隨 機選 擇復(fù)雜 變異 樹 中 不 同 復(fù)雜 程度 的 算子 對 各 種 群 進行 優(yōu) 化 復(fù)雜 變異 樹分為 簡 單 變異算子 一 般 變異算子 和 復(fù)雜 變異算子 簡 單 變異算 子 包括 交換 Swap 算子 倒 位 Reverse 算子 滑 動 Slide 算子 插入 Insert 算子 和 交叉 Crossover 算子 一 般 變異 算子 為 隨 機兩 個 簡 單 算子 結(jié)合 而 成 包括 交換 和 交叉 Swap1mM 25 2021年 2期 大數(shù)據(jù)與人工智能 智慧農(nóng)業(yè)導(dǎo)刊 JournalofSmartAgriculture 出 發(fā) 基 地 m架 無 人 機 航 行 到 n個 大氣 監(jiān) 測 點 最終回 到 出 發(fā) 基 地 每 架 無 人 機 可 到 多個監(jiān) 測 點 進行 采 樣監(jiān) 測 要 求 每 個監(jiān) 測 點都 被 采 樣監(jiān) 測 且 每 個監(jiān) 測 點 只 能 被 一 架 無 人 機 采 樣 根據(jù) 各 污染 源 排放污染物 類 別 和 排放 污染物 數(shù) 量 確定 其采 樣 停留 時 間 m架 無 人 機 需 要 在 完 成 監(jiān) 測 任 務(wù) 后 再 回 到 出 發(fā) 基 地 要 求 為每 架 無 人 機 規(guī) 劃 出最 優(yōu) 的 監(jiān) 測 路 徑 且 無 人 機 數(shù) 量最終達 到 最 優(yōu) 化 已 知 目 標(biāo)農(nóng)業(yè)園 區(qū) 占 地面積 為 36km 2 園 區(qū) 內(nèi) 隨 機分 布有 20個 排放污染 源 20個 污染 源的 坐 標(biāo)信息 污染物排放 類 型 和 無 人 機 停留 時 間為 已知 條 件 單架 無 人 機 續(xù)航 時 間為 40min 平均 飛 行 速 度 為 5m s w 1 取 0 95 w 2 取 0 w 3 取 0 05 種 群 數(shù) 量 Pop設(shè) 定 為 80 迭代 次 數(shù) 設(shè) 定 為 500 圖 1多 無 人機 路徑 優(yōu)化算法 計 算 步驟 26 2021年 2期 大數(shù)據(jù)與人工智能 智慧農(nóng)業(yè)導(dǎo)刊 JournalofSmartAgriculture 初 始 無 人 機 數(shù) 量 預(yù) 設(shè) 為 8架 利用 基 于 復(fù)雜 變異 樹 的 多 染 色 體 遺傳 算法 來 對 上 述 規(guī) 劃 模 型進行 求 解 最終 得到 多個無 人 機最 優(yōu) 的 農(nóng)業(yè)園 區(qū) 污染 源 監(jiān) 測 路 徑 見 圖 2 由 圖 2可 知 優(yōu) 化 后的 無 人 機 數(shù) 量為 6架 第 1架 無 人 機 的 航 行 路 徑 為 1 18 2 1 第 2架 無 人 機 的 航 行 路 徑 為 1 15 20 1 第 3架 無 人 機 的 航 行 路 徑 為 1 12 19 1 第 4架 無 人 機 的 航 行 路 徑 為 1 16 17 11 10 1 第 5架 無 人 機 的 航 行 路 徑 為 1 6 5 14 1 第 6架 無 人 機 的 航 行 路 徑 為 1 4 9 13 3 8 1 6架 無 人 機 的 飛 行 路 徑 總 長度 為 49 0073km 計算程 序 的 迭代 次 數(shù) 為 435次 由計算 結(jié)果 可 知 該 方 法可 用 于 解 決 農(nóng)業(yè)園 區(qū) 污染 源 監(jiān) 測 的 多無 人 機 路 徑 優(yōu) 化 問題 參考文獻 1 陶 于金 李 沛峰 無 人機 系統(tǒng)發(fā) 展與 關(guān)鍵 技術(shù) 綜 述 J 航 空 制 造 技 術(shù) 2014 20 34 39 2 李 楊 馬舒慶 賈 小 芳 等 基于 無 人 直升 機 探 測 的 北京 地 區(qū) 重霧霾 天 氣 大 氣 顆粒 物 垂直 變 化 特 征 分 析 J 氣象 與環(huán) 境 學(xué)報 2016 32 6 179 183 3 丁 承君 宋賽 馮 玉伯 等 基于 無 人機的 立 體 大 氣 環(huán) 境 監(jiān)測 系統(tǒng)設(shè) 計 J 傳 感 器與 微系統(tǒng) 2020 39 10 62 65 69 4 WangD WangZ PengZ etal Usingunmannedaerialvehicle toinvestigatetheverticaldistributionoffineparticulatematter J In ternational Journal of Environmental Science and Technology 2020 17 1 219 230 5 PengZ WangD WangZ etal Astudyofverticaldistribution patternsofPM2 5concentrationsbasedonambientmonitoringwith unmannedaerialvehicles AcaseinHangzhou China J Atmospheric Environment 2015 123 12 357 369 6 VillaT JayaratneE GonzalezL etal Determinationofthe verticalprofileofparticlenumberconcentrationadjacenttoamo torwayusinganunmannedaerialvehicle J EnvironmentalPollution 2017 230 134 142 7 TommasoV FarhadS KyeM etal Developmentandvalidation ofaUAVbasedsystemforairpollutionmeasurements J Multidisci plinaryDigitalPublishingInstitute 2016 16 12 1 15 8 YangX ZhouX LiuS Developmentofalow costUAV based systemforCH4monitoringoveroilfields J EnvironmentalTechnolo gy 2020 13 1 10 圖 2農(nóng)業(yè) 園區(qū)污染 源監(jiān)測 路徑 MATLAB仿真 結(jié)果 27