שיטת תכנון מסלולים עבור רחפני משטרה המבוססת על PSO משופר הכולל AFS ו‑HJS

עיניים חכמות יותר בשמיים

כוחות משטרה פונים יותר ויותר לכלי טיס קטנים בלתי מאוישים — רחפני משטרה — כדי לעקוב אחרי רחובות סואנים, לחפש נעדרים ולהגיב למצבי חירום. אבל עבור רחפן השאלה "לאן לעוף לאחר מכן" אינה פשוטה: עליו להגיע למספר מיקומים במהירות, להימנע מאזורים אסורים ולחסוך את סוללתו, הכל במרחב אווירי עירוני צפוף. המחקר הזה מציג שיטה חדשה לתכנון אוטומטי של מסלולי טיס כך שרחפני משטרה יוכלו לבצע את המשימות שלהם מהר יותר ובבטחה רבה יותר, גם בסביבות עירוניות מורכבות.

האתגר במציאת מסלול טוב יותר

דמיינו ניידת סיור שיכולה לקפוץ מעל צמתים סואנים ובניינים — זו בקירוב היכולת של רחפן משטרתי. עם זאת, יש לבחור את מסלולו בקפידה. שיטות תכנון מסלולים קיימות מהרובוטיקה ומבינה מלאכותית יכולות לסייע, אך לכל שיטה יש פשרות. חלקן מחפשות היטב אבל אורכות זמן רב, בעוד שאחרות מהירות אך עלולות להיתקע בפתרונות בינוניים. עבודת המשטרה מוסיפה מורכבויות נוספות: הרחפן עלול להידרש לבקר במספר רב של יעדים, לנווט סביב שטחי טיסה מוגבלים ולהסתגל למצבים משתנים. המחברים מתמקדים בגרסה מיוחדת זו של בעיית תכנון המסלול וקוראים לה בעיית תכנון המסלול של רחפן משטרתי, או PU3P.

להשאיל רעיונות מחבורות ציפורים

כדי להתמודד עם PU3P, החוקרים בונים על שיטת אופטימיזציה פופולרית הנקראת אופטימיזציה בעזרת נחיל חלקיקים (PSO). בגישה זו, חלקיקים וירטואליים פשוטים משוטטים בחלל החיפוש בדומה לאופן שבו עדר ציפורים יתפרש בשדה כדי למצוא מזון. כל חלקיק זוכר את המיקום הטוב ביותר שמצא ומושך תשומת לב גם למיקום הטוב ביותר שמצא הקבוצה. בעשרות סיבובים הנחיל נוטה להיסחף לאזורי הבטחה, שלעתים קרובות תואמים כאן למסלולי טיס טובים. וריאציות קלאסיות של השיטה תוכננו בעיקר לבעיות חלקות ורציפות, לא לרצפים בדידים של נקודות מעבר שמגדירות את מסלול הרחפן, והן עלולות גם להתייצב מוקדם מדי על פתרון בינוני.

שני שיפורים לחיפוש חדה יותר

המאמר מציג שני שיפורים מרכזיים לשיפור החיפוש ההמוני הזה. הראשון, שנקרא אסטרטגיית הגורם המותאם (adaptive factor strategy), משנה בהדרגה עד כמה החלקיקים נושאים על עצמם את התנועה הקודמת אל הצעד הבא. בתחילה זה מעודד חקירה רחבה; מאוחר יותר זה תורם לכוונון עדין סביב מועמדים טובים. השיפור השני, בשם אסטרטגיית ה'סציייה למחצה' (half jumping strategy), מזיז מדי פעם חלק מהחלקיקים חלק מהדרך לעבר המיקומים הטובים שנצפו עד כה במקום לאפשר להם לשוטט לחלוטין בעצמם. יחד, אסטרטגיות אלה יוצרות נחיל משופר, בשם AFS‑HJS‑PSO, היכול גם לחקור באופן רחב וגם להתמקד במהירות. המחברים מיישמים את הנחיל המשופר הזה כדי להתמודד עם רצפי הביקורים הדרגתיים של יעדים ב‑PU3P, ומגדירים פונקציית התאמה השוקלת את מרחק הנסיעה הכולל של רחפן משטרתי המבקר בכל המיקומים שהוקצו לו.

בדיקת השיטה החדשה

כדי לבדוק האם הגישה שלהם באמת משתלמת, הקבוצה משווה את AFS‑HJS‑PSO כנגד מספר מתחרים ידועים: שיטת נחיל סטנדרטית, אלגוריתם גנטי בהשראת אבולוציה, הרחקת התקררות מדומה (simulated annealing) שמקורה במתכתיות, ופתרון לא־קווי קלאסי. תחילה הם בודקים את כולן על 20 בעיות מתמטיות תקניות המשמשות באופן מקובל להערכת אלגוריתמי חיפוש. ברוב המבחנים האלה, הנחיל המשופר מגיע לפתרונות טובים יותר, מגיע אליהם מהר יותר או עושה זאת בעקביות גבוהה יותר. לאחר מכן הם פונים לבעיה המעשית של ניתוב רחפני משטרה, ומפעילים כל שיטה 30 פעמים על אותו מערך של מיקומי יעד. שוב הנחיל המשופר מוצא מסלולים קצרים בממוצע ומציג מהירות ואמינות תחרותיות ביחס לטכניקות האחרות.

מה משמעות הדבר עבור רחפני משטרה בעתיד

במונחים פשוטים, המחקר מראה שלימוד להתאים את התנהגותו של נחיל וירטואלי בזמן אמת ולעשות צעדי-חצי חכמים לעבר רעיונות טובים יכול להניב תכניות טיסה טובות יותר לרחפני משטרה. השיטה המשופרת אינה מושלמת — עדיין יש מקום ליציבות גבוהה יותר ולצריכת משאבים נמוכה יותר — אבל בתנאים שנבדקו היא עולה על מספר כלים מבוססים. ככל שרחפנים יהפכו נפוצים יותר בשירותי ביטחון הציבור, שיפורים בתכנון מסלולים כאלה עשויים לסייע להם להגיב מהר יותר, להישאר פחות זמן באוויר ולהפחית סיכונים במרחבים אוויריים צפופים.

ציטוט: Wang, D., Qian, X. Police UAV path planning method based on improved PSO using AFS and HJS. Sci Rep 16, 12417 (2026). https://doi.org/10.1038/s41598-026-40670-9

מילות מפתח: רחפן משטרתי, תכנון מסלול UAV, אופטימיזציית נחיל, אלגוריתמי תכנון מסלולים, פיקוח עירוני