Un algoritmo PSO-ABC migliorato per la pianificazione del percorso di UAV basato sulla costruzione della topologia dello spazio aereo urbano con dati GIS reali

Cieli più sicuri per i droni in città

I droni per consegne e i robot per ispezioni promettono spedizioni più veloci e città più intelligenti, ma farli volare sopra strade affollate e alti edifici comporta rischi. Questo studio mostra come costruire “autostrade invisibili” nel cielo sopra una città cinese reale e come un nuovo algoritmo possa guidare veicoli aerei senza pilota (UAV) lungo rotte che sono al contempo sicure per le persone a terra e efficienti per gli aeromobili.

Trasformare una città reale in una mappa di volo 3D

Gli autori partono da dati dettagliati del sistema informativo geografico (GIS) relativi a un’area di 5 per 5 chilometri nel distretto di Changqing a Jinan, Cina, comprensivi delle posizioni esatte e delle altezze degli edifici. Invece di trattare l’aria sopra la città come un unico grande spazio, la suddividono in nove sottili strati di altitudine, ognuno alto 5 metri, dal livello del suolo fino a 40 metri. All’interno di ogni strato posizionano una scacchiera di quadrati da 100 per 100 metri. Sovrapponendo questi quadrati si crea una griglia 3D di piccole celle, o voxel, ciascuna delle quali rappresenta una porzione di cielo che un drone potrebbe occupare.

Bilanciare lo spazio aereo libero con le persone e i beni sottostanti

Per decidere quali voxel siano effettivamente utilizzabili, il team combina due idee semplici ma potenti. Innanzitutto, la “disponibilità dello spazio aereo” misura quanto facilmente un drone può muoversi da un quadrato di griglia a un altro senza scontrarsi con edifici o altri ostacoli. Se un quadrato si collega a molti altri tramite corridoi aperti, riceve un punteggio elevato. In secondo luogo, il “rischio a terra” valuta il danno potenziale che un drone in caduta potrebbe causare sotto, basandosi sulla densità di popolazione locale, sul traffico e sulla presenza di strutture di valore. Il modello distingue tra decessi o lesioni di pedoni e occupanti di veicoli e i danni a edifici e infrastrutture.

Ordinare la città in zone per droni migliori o peggiori

Ogni posizione nella griglia ottiene due punteggi: uno per la disponibilità dello spazio aereo e uno per il rischio a terra. Gli autori usano poi un diagramma a quadranti per raggruppare le porzioni d’aria in quattro tipi: alta disponibilità con basso rischio (ideale), alta disponibilità con alto rischio (centri cittadini affollati), bassa disponibilità con basso rischio (poche persone ma molti ostacoli) e bassa disponibilità con alto rischio (il peggio dei due mondi). Valori di soglia determinano cosa si considera “alto” o “basso”. La maggior parte dello spazio aereo studiato — circa il 64 percento — rientra nella categoria migliore, con ampio margine di manovra e pericoli relativamente ridotti per persone e beni. Un passaggio più avanzato di “ordinamento Pareto” classifica quindi le celle migliori bilanciando maggiore apertura e rischio minore, mantenendo la metà superiore come rete preferita di corridoi aerei sicuri.

Insegnare ai droni a scegliere rotte più intelligenti

Una volta costruita questa rete 3D sicura, la sfida è trovare una rotta specifica da un punto di partenza vicino al suolo a una destinazione più alta, rispettando regole rigide: i droni devono evitare zone vietate sopra gli edifici, rimanere nei fasce di altitudine consentite, limitare salite e discese brusche e mantenere una distanza di sicurezza dal terreno e dalle strutture. Per farlo, gli autori combinano due tecniche di ricerca note ispirate alla natura. Un metodo di particle swarm optimization (PSO) si comporta come uno stormo di uccelli che esplora l’intero spazio alla ricerca di percorsi promettenti, mentre un metodo di artificial bee colony (ABC) agisce come api che si concentrano a perfezionare le migliori sorgenti di nettare. PSO esegue una ricerca globale ampia, poi ABC effettua un affinamento locale accurato attorno alle rotte candidate più promettenti. Infine, la sequenza di waypoint grezza viene smussata usando una curva matematica in modo che un drone reale possa percorrerla senza virate brusche e irrealistiche.

Rotte cittadine più veloci, più fluide e più sicure

I ricercatori testano il loro approccio combinato PSO-ABC confrontandolo con tre alternative comuni: un algoritmo genetico standard, solo PSO e solo ABC. In simulazioni realistiche che impiegano l’effettiva disposizione degli edifici di Changqing, il loro metodo trova costantemente percorsi di volo più fluidi che evitano tutte le zone vietate e le aree affollate a terra. Converge inoltre su soluzioni valide molto più rapidamente — usando circa la metà delle iterazioni rispetto agli altri metodi — riducendo il tempo di calcolo e il consumo energetico. Per un non specialista, il risultato è chiaro: modellando accuratamente sia il cielo sia la città sottostante e usando una miscela intelligente di strategie di ricerca ispirate agli uccelli e alle api, questo lavoro offre un modo pratico per guidare i droni attraverso ambienti urbani complessi proteggendo meglio persone e beni.

Citazione: Liu, Y., Dong, H., Liu, H. et al. An improved PSO-ABC path planning algorithm for UAVs based on a construction of urban airspace topology with actual GIS data. Sci Rep 16, 5048 (2026). https://doi.org/10.1038/s41598-026-35958-9

Parole chiave: instradamento droni urbani, pianificazione di percorsi per UAV, safety dello spazio aereo, ottimizzazione euristica, spazio aereo basato su GIS