曼哈顿无人飞机交通监控部署.docVIP

曼哈顿无人飞机交通监控部署 摘要 本文讨论分析了曼哈顿城市MAV交通监控部署问题，分别在四种不同的情况下求解出了最优巡航方案。 在Task1中，首先选取区域交通路口为节点，给出MAV的监控路段和节点选择方法; 然后讨论在无续航里程约束条件下，将MAV监控问题转化为TSP问题，并运用模拟退火算法予以求解; 而在有续航里程约束条件下，运用 K－means聚类方法，将监控区域划分成若干子区，进而将该问题转化为无续航里程约束的MAV监控部署问题，最后对上城区的监控进行实证分析，给出了最优部署方案。 在Task2中，在Task 1的基础上求解在30%的MAV无法使用的情况下如何实现巡航监控。首先将正常监控区域简化为其质心，比较无法正常巡航区域内的节点与各个质心的距离，对这些节点进行重新分配；然后在重新划分的区域内仍旧将问题转化为TSP问题；最后运用Task1中的模型进行求解。 在Task3中，首先根据与主干道相交道路的数量确定其权值；然后建立加权欧氏距离的K-means聚类模型进行聚类，对区域内的交通路口进行划分；最后在每一个监控子区内，又是一个TSP问题，同样用模拟退火算法可以求解最佳的巡航路径。 在Task4中，根据题目要求参与MAV巡航部署的和没有参与的人都不能确切知道MAV的巡航方案，即MAV的巡航方案具有一定的动态性（随机性）。本文首先确定巡航应当满足的条件以及方案评价体系；然后通过随机贪心算法求解足够多的可行静态解，最后引入时间切片叠加的思维，在静态解的基础上应用深度优先搜索算法，将求解动态巡航问题转化为在有向连通图中寻找使目标函数达到最大的约束环路问题，最终求得动态MAV巡航方案。 关键词：MAV巡航 TSP问题 时间切片 加权K-means聚类 问题重述 模型假设 1. 假设MAV的巡航速度100Km/h； 2. 假设MAV可以急转弯； 模型建立与求解 Task 1 基于旅行商模型的MAV监控部署 问题分析 MAV需要对整个曼哈顿的交通进行监控，主要是对区域的路段进行监控，尤 其是十字路口。根据监控历程是否超出飞机飞行距离，提出无人飞机在有无续航里程约束条件下的交通监控部署方法。 本文选取区域十字路口为节点，给出MAV的监控路段和节点的选择方法; 在无续航里程约束条件下，将无人飞机的交通监控问题转化为旅行商问题，并运用模拟退火算法予以求解; 在有续航里程约束条件下，运用 K－means聚类方法，将无人飞机的监控区域划分成若干子监控区，从而将该问题转化为无续航里程约束的无人飞机交通监控部署问题。 模型建立 2.1 监控节点和监控路段的选择 根据道路的交通安全水平评价，本文将MAV的交通监控对象分为节点和路段二类。目前，国内外对道路的交通安全状况进行了深入研究，得到了道路交通事故发生分布的一般特征。发现交通事故多发生于交通路口等地方。因此，本文选择交通路口作为监控节点。监控路段的选择，区域内的所有交通道路均为监控路段，路段长度的计算采用定长法，即不考虑各个道路的交通量、限速、道路质量，仅考虑道路的实际长度。 2.2无里程约束的无人飞机路线规划 当无人飞机的飞行距离很长时可不考虑其飞行里程的约束，在确定其监控对象后，规划其飞行路线: 无人飞机从基地出发，遍历这些节点、路段，然后再飞回基地，在此过程中，无人飞机将实时监控图像传回交通监控中心。该问题类似 于旅行商问题，即无人飞机从基地出发，遍历每个节点、路段，且只经过一 次，路径的选择目标是要求无人飞机的巡航路径最短。本文将路段抽象成为具有一定里程的节点，进行数学建模，如图1所示。 图1 监控路段抽象为节点示意图 假设监控网络中有个交通监控对象，是第个和第个监控对象之间的距离，无人飞机的巡航路线规划模型为: 其中： 目标函数是使MAV的总巡航距离最短，公式(1)保证无人飞机仅到达监控对象一次; 公式（2）保证无人飞机仅离开监控对象一次。无里程约束的无人飞机路线规划问题类似于旅行商问题，该问题属于NP完全问题。 2.3 有里程约束的监控小区划分 当无人飞机的飞行距离有限且监控范围较大时，所需的无人飞机巡航里程可能超过其最大飞行里程，且监控时间较长，此时需要考虑无人飞机监控小区的划分，配置多架无人飞机进行交通监控。通过监控小区的划分，一方面可满足无人飞机的最大飞行里程要求，另一方面可缩小单架次无人飞机的监控范围，提高交通监控的响应速度，从而将有里程约束的问题转换成为无里程约束问题。无人飞机监控小区划分的方法为: 根据无人飞机监控点、路段的空间分布，对监控对象进行聚类，实现监控小区划分。在监控小区划分的过程中，不断增加监控小区数量，保证每一监控小区有一架无人飞机进行交通监控.设有监控对象其中每个监控对象有2个空间坐标，即:；引入K－ m