无人机灾难响应系统设计

徐楚臻 吴美玲 金迪 何颖俞

摘  要：灾害的突然爆发，往往会引起物资的紧急需求，针对此类问题，设计了基于蚁群算法的物资分配路径，并对无人机的运输距离加以约束，建构成本最小化、运输效率最高化、运输周期最大化的多目标分配与调度模型，确定集装箱的放置地点与每架无人机上医疗包的分配方案。同时提出基于最小二乘支持向量机的预测模型，依据灾区的地形、气候等因素，预测未来的受灾情况。

关键词：多目标分配与调度模型;蚁群算法;最小二乘支持向量机预测模型

中图分类号：TP181;O29      文献标识码：A 文章编号：2096-4706（2020）06-0016-03

Abstract：Disasters erupted，often can cause the urgent needs of supplies，according to this kind of problem，design a material distribution based on ant colony algorithm path，and transportation distance of unmanned aerial vehicle （UAV），construction to minimize cost and maximize transportation efficiency is highest，the transportation cycle of multiple objective assignment and scheduling model，determine the container and place each drone on allocation of medical kits. At the same time，a prediction model based on least square support vector machine is proposed to predict the future disaster situation according to the terrain and climate of the disaster area.

Keywords：multiple objective assignment and scheduling model;ant colony algorithm;least squares support vector machine model

0  引  言

近年來，自然灾害时有发生，都会无可避免地对当地的人力、物力造成严重伤害[1]。接踵而来的是对医疗物资、救生设备和非政府救援行动的紧急需求。更严重的时候，人们的交通、通讯也会受到一定程度的影响。

对此，笔者作为物联网工程、数学与应用数学、应用统计学专业的学生，基于计算方法、数据分析、数学模型等课程的理论，以2017年波多黎各的飓风灾害事件为例，设计了无人机灾难响应系统，对自然灾害带来的道路堵塞、资源匮乏情景下的物资救援分配进行了研究。

1  无人机灾难响应系统设计

1.1  因素及其解释

考虑到多个变量之间的影响，建立多目标分配与调度模型得到最优的无人机舰队和医疗套餐，即无人机灾难响应系统。

1.1.1  无人机的数量

舰队成本主要取决于各类型无人机的数量Xi（i=1，2， …，7），在满足医院的医疗物资需求和标准集装箱的空间限制的条件下，无人机数量越少，成本越低。

1.1.2  无人机的飞行能力

飞行能力是指无人机在无负载货物情况下的距离指标，是无人机的飞行速度和到达目的地对应时间的乘积。其飞行能力越强，运输范围越大，运输效率越高。该系统中，忽略负载情况对无人机飞行能力的影响。

1.1.3  无人机的配置

无人机的配置是其主要性能指标，包括货舱与医疗包匹配情况、载重能力和有无视频配置功能。其配置越高，运输能力越强，运输效率越高。

1.1.4  标准集装箱的空间限制

空间限制是指集装箱与无人机和医疗包三者间的空间约束，结合医疗包的运输流程和三者间长度、宽度、高度等因素，通过定量计算，发现集装箱的空间比较充足，对救灾运输的限制性较小。

1.2  多目标分配与调度模型

通过查阅资料，了解得到医疗物资的大致运输流程，并将标准集装箱存放物资情况和无人机货舱存放物资情况进行空间布置，详见图1、图2。

考虑到无人机在标准集装箱中的放置情况，对其标准集装箱的空间限制进行降维，只考虑无人机在平面上的面积限制，得到：

再结合无人机类型数量和集装箱的空间限制等因素，对无人机的长宽高进行平均化处理，具体见表1。

由计算得到单个标准集装箱所能承载的无人机最大数量Xi（i=1，2，…，7）不超过13个，即：

其中，无人机舰队中所挑选的无人机中必须有视频配置功能用于路线规划，但只有F型无人机不具有视频配置功能，为了实现无人机舰队的有效路线规划，对F型无人机数量X6限制：

为满足医院所需的医疗包数量，结合每类无人机的货舱所属类型及其最大有效负载能力，得到医疗包总数量∑MDEj（j=1，2，3）的范围及它和每类无人机Xi（i=1，2，…，7）数量和的约束关系：

在满足医院医疗包的需求和标准集装箱的空间限制的条件下，以实现成本最小化为目标，以上述内容为约束条件，建立目标优化动态规划模型[2]：

通过软件实现，得知在满足医院医疗包的需求和标准集装箱的空间限制的前提下，无人机舰队的最优飞机数量为2架。但针对无人机舰队的机型分配和医疗套餐，还需涉及具体的地理位置和时间距离等因素，故对基于蚁群算法的应急物资调度路径[3]做模型改进，使其系统在满足灾区医院需求的情况下，确定集装箱的最佳放置地点，以及得到运输效率最高、运输周期最大的无人机上医疗包的分配方案。

1.3  以波多黎各為例，建立无人机灾难响应系统

经查阅波多黎各的受灾情况可知，灾区破坏程度严重，当地没有足够的电力供应，并且道路严重损坏，公路的交通方式几乎不能通行。因此，只能将标准集装箱停放在波多黎各的港口，而后在港口发送无人机舰队并安装系留无人机进行信号的传输。根据资料，本文整理出了波多黎各的5个灾区医院和11个主要港口的地理位置，具体如表2所示。

为了定性考察5个灾区医院和11个主要港口之间的位置关系，由软件实现将各个港口及灾区的经纬度信息导入，得到定位分布坐标图，使可选位置更加清晰明了，具体如图3所示，图中将灾区医院和各个港口的地理位置模糊成各自所在城市的地理位置。

其中，星星代表受灾区医院的位置，路标代表波多黎各的11个主要港口的位置。而制定最优的无人机飞行计划，即在满足灾区医院需求的情况下，还需选择出合适的标准集装箱停放位置，并使得运输效率最高，运输周期最大[4]。因此，我们需要了解各个港口和5个灾区之间的距离关系，并根据各个港口与5个灾区的经纬度位置，计算出两者之间的距离，以距离为基准，结合港口和灾区的实际地理位置，将这些点通过软件作图进行表示，得到如图4所示的有向交通网络图。

结合上述模型，对无人机的飞行距离进行约束，并设计基于蚁群算法[5]的应急物资调度路径，确定得到集装箱的放置地点，如表3所示。

本文根据表2中各个港口和5个灾区的经纬度位置，计算出两者之间的距离。然后根据港口和灾区之间的距离关系，在一定条件下选择出合适的标准集装箱停放位置，使得运输效率最高，运输周期最大。但我们发现在满足灾区医院需求的情况下，制定最优的无人机飞行计划还需对无人机舰队与医疗物资的运输进行深入的探究，这是由于无人机、无人机货舱、医疗包三者之间因为空间限制存在包含关系，同时无人机的运输过程中还涉及到距离、时间周期是否满足的制约和分配调度问题，对此还需要将应急救援物资分配与调度问题集成起来进行优化。

2  灵敏度检验分析

该模型的目的是设计一套运输路径最短且所需时间最短的方案，其中应包括三个因素——标准集装箱，无人机，医疗包三者的尺寸大小关系、医疗包的需求以及无人机的续航时间。根据不同的医疗包的需求量Q，得到相应方案的路线不变。假设无人机可以源源不断地运送至港口，所以医疗包的需求增加会影响无人机派出的数量。结果如表4所示。

上述敏感性指数表明，大约当Q增加10时，每次运输的ISO集装箱中无人机的数量将依次增加1架。因此，该指标的变化对结果影响不大。

3  结  论

本文基于多目标分配与调度模型，对无人机的飞行距离进行约束，设计基于蚁群优化设计应急物资调度路径的优化算法，确定集装箱的放置地点和每架无人机上医疗包的分配方案。另外，基于对未来灾害情景的适用性考虑，提出基于最小二乘支持向量机的预测模型，根据波多黎各的地形、气候等因素，预测未来的受灾情况。根据该模型给出建议，由于受灾地区的改变，应合理选择标准集装箱的放置地点。优化后的系统可应用于未来灾害情景下的预期医疗供应需求。

参考文献：

[1] 夏萍.灾害应急物流中基于需求分析的应急物资分配问题研究 [D].北京：北京交通大学，2010.

[2] 邹金和.多目标优化的云资源分配算法研究 [D].重庆：重庆邮电大学，2016.

[3] 张彦春.铁路防洪应急物资优化布局及调配研究 [D].长沙：中南大学，2011.

[4] 葛洪磊.基于灾情信息特征的应急物资分配决策模型研究 [D].杭州：浙江大学，2012.

[5] 张国富，王永奇，苏兆品，等.应急救援物资多目标分配与调度问题建模与求解 [J].控制与决策，2017，32（1）：86-92.

作者简介：徐楚臻（1998-），女，汉族，浙江金华人，本科在读，研究方向：物联网;通讯作者：何颖俞（1973-），女，汉族，浙江杭州人，讲师，博士，研究方向：运筹学与控制论和应用数学等。