[发明专利]基于动态分配算法的城市区域物流无人机需求预测方法

权利要求书

1.一种基于动态分配算法的城市区域物流无人机需求预测方法，其特征在于，包括以下步骤：

S1，获取城市低空区域飞行环境信息，确定物流无人机飞行空域范围；

S2，获取物流无人机运输性能参数，明确物流无人机自身飞行限制条件；具体包括：

S201，物流无人机m在每个工作时段内连续执行配送任务的总距离不能超过其最大续航里程的限制；

S202，物流无人机m在执行一次配送任务时所载的总包裹重量不能超过其最大有效载重的约束；

S203，物流无人机m在连续执行配送任务时，其总飞行时间要在其最大续航时间的范围内；

S3，在物流无人机飞行空域范围内，结合物流无人机在城市低空区域运行限制条件、物流无人机自身飞行限制条件以及物流运输任务要求，建立物流无人机运输任务优化分配模型；

S4，在物流无人机运输任务优化分配模型的基础上，利用集合元素求解法建立物流无人机需求架次预测模型；

S5，基于物流无人机需求架次预测模型，考虑不同任务点处包裹数量、所在低空区域飞行环境信息、物流无人机运输性能，采用动态分配算法预测物流无人机需求架次，具体包括：

S501，获取物流运输任务数据，包括起点、终点和包裹数量；

S502，设定代价函数、评估函数和启发函数，代价函数为从起点到当前点的实际代价，评估函数为从当前点到终点的估算代价，其值为当前位置与终点之间的曼哈顿距离，启发函数为代价函数和评估函数之和；

S503，建立用于A*算法的OPEN表和CLOSE表，并将起点加入OPEN表；

S504，获取OPEN表中启发函数值最小的点，从OPEN表中移除，并加入CLOSE表，若该点为终点则寻路结束，回溯出结果路径；

S505，以该点为中心，获取周围三维空间中26个点信息，计算启发函数并加入OPEN表，并跳转至步骤S504；

S506，当OPEN表为空或已经寻得路径时，结合当前无人机完成任务时的位置和时间信息，获取空间距离和时间距离加权值最小的任务并进入步骤S501，若所有任务均已执行完毕则算法结束；

S507，在使用动态分配算法完成物流无人机运输任务分配后，统计使用的物流无人机数量，预测物流无人机需求架次。

2.根据权利要求1所述的基于动态分配算法的城市区域物流无人机需求预测方法，其特征在于，所述步骤S1，获取城市低空区域飞行环境信息，确定物流无人机飞行空域范围，具体包括：

获取城市低空区域飞行环境信息，包括禁飞区域、限制区域和隔离区域信息，明确城市区域可用于物流无人机飞行的空域范围；

在城市区域可用于物流无人机飞行的空域范围内，获取城市区域地理环境信息和建筑物障碍信息，建立地理围栏，以确定物流无人机飞行空域范围。

3.根据权利要求1所述的基于动态分配算法的城市区域物流无人机需求预测方法，其特征在于，所述步骤S3，在物流无人机飞行空域范围内，结合物流无人机在城市低空区域运行限制条件、物流无人机自身飞行限制条件以及物流运输任务要求，建立物流无人机运输任务优化分配模型，具体包括：

S301，物流无人机在城市低空区域运行限制条件为：物流无人机m在确定的飞行空域范围内飞行，飞行高度h^m要在该飞行空域范围允许的最小飞行高度H_min与最大飞行高度H_max之间；飞行速度v^m要在该飞行空域范围允许的最小飞行速度V_min与最大飞行速度V_max之间；判断物流无人机是否为该飞行空域范围禁飞的机型，若是，则替换机型；

S302，物流运输任务要求为：运输距离、运输时间、运输重量；

S303，以物流无人机在城市低空区域运行限制条件、物流无人机自身飞行限制条件以及物流运输任务要求为约束条件，以任务完成时间最短为目标函数，建立物流无人机运输任务优化分配模型。

4.根据权利要求1所述的基于动态分配算法的城市区域物流无人机需求预测方法，所述步骤S4中，在物流无人机运输任务优化分配模型的基础上，利用集合元素求解法建立物流无人机需求架次预测模型，具体包括：

基于物流无人机运输任务优化分配模型，求得任务完成最短时间成本；

最短时间成本包括配送时间、调度时间和充电时间，而对单个任务来说，配送过程中起点和终点位置固定，时间最短问题可转化为求两点间的最短路问题，从无人机当前位置出发找出与无人机当前位置距离和时间加权最小的任务进行执行，确保调度时间最短，从而建立物流无人机需求架次预测模型。