Улучшенный алгоритм планирования траектории PSO-ABC для БПЛА на основе построения топологии воздушного пространства города с реальными ГИС-данными

Безопасное небо для городских дронов

Дроны для доставки и роботы-инспекторы обещают более быструю доставку и «умные» города, но полеты над оживленными улицами и высотными зданиями сопряжены с риском. В этой работе показано, как построить «невидимые магистрали» в небе над реальным китайским городом и как новый компьютерный алгоритм может прокладывать для беспилотных летательных аппаратов маршруты, одновременно безопасные для людей на земле и эффективные для самих летательных аппаратов.

Преобразование реального города в 3D-карту полетов

Авторы начинают с подробных данных географической информационной системы (ГИС) для района площадью 5 на 5 километров в районе Чанчинг города Цзинань, Китай, включая точные координаты и высоты зданий. Вместо того чтобы рассматривать воздух над городом как единое пространство, они разрезают его на девять тонких высотных слоев, каждый высотой 5 метров, от уровня земли до 40 метров. В пределах каждого слоя они размещают шахматную сетку клеток размером 100 на 100 метров. Наслаивание этих квадратов создает 3D-сетку крошечных ячеек, или вокселей, каждая из которых представляет потенциальный участок неба, в котором может находиться дрон.

Баланс между свободным воздухом и людьми и имуществом внизу

Чтобы определить, какие воксели действительно пригодны для полета, команда использует две простые, но эффективные идеи. Во-первых, «доступность воздушного пространства» измеряет, насколько легко дрон может перемещаться из одной клети сетки в другую, не сталкиваясь со зданиями или другими препятствиями. Если клетка соединяется со многими другими через открытые коридоры, её показатель высок. Во-вторых, «риск для земли» оценивает, какой вред может причинить упавший дрон внизу, с учетом плотности населения, трафика и наличия ценных сооружений. Модель различает возможные смерти или травмы пешеходов и автомобилистов и ущерб зданиям и инфраструктуре.

Сортировка города на лучшие и худшие зоны для дронов

Каждое местоположение в сетке получает два показателя: один за доступность воздушного пространства и другой за риск для земли. Затем авторы используют диаграмму в квадрантах, чтобы сгруппировать участки воздуха на четыре типа: высокая доступность и низкий риск (идеально), высокая доступность и высокий риск (оживленные центры города), низкая доступность и низкий риск (мало людей, но много препятствий) и низкая доступность и высокий риск (худший вариант). Пороговые значения определяют, что считается «высоким» или «низким». Большая часть исследованного воздушного пространства — около 64 процентов — попадает в лучшую категорию, с достаточно места для маневров и относительно низкой опасностью для людей и имущества. Более продвинутый шаг «парето-сортировки» затем ранжирует лучшие ячейки, балансируя более высокую открытость и более низкий риск, оставляя верхнюю половину в качестве предпочтительной сети безопасных коридоров в небе.

Обучение дронов выбирать более умные маршруты

После построения этой безопасной 3D-сети задача состоит в том, чтобы найти конкретный маршрут от стартовой точки у земли до цели на большей высоте, соблюдая строгие правила: дроны должны избегать отмеченных зон запрета полетов над зданиями, оставаться в пределах разрешенных высотных диапазонов, ограничивать крутые наборы и снижения и держаться на безопасном расстоянии от рельефа и строений. Для этого авторы объединяют две хорошо известные поисковые техники, вдохновленные природой. Метод роя частиц (PSO) действует как стая птиц, исследующая все пространство в поисках перспективных маршрутов, в то время как метод искусственного пчелиного улья (ABC) похож на пчел, которые фокусируются на уточнении лучших источников нектара. PSO выполняет широких глобальный поиск, затем ABC осуществляет тщательную локальную настройку вокруг наиболее перспективных кандидатных путей. Наконец, грубая цепочка путевых точек сглаживается с помощью математической кривой, чтобы реальный дрон мог пролететь её без резких, нереалистичных поворотов.

Быстрее, плавнее и безопаснее городские маршруты

Исследователи протестировали комбинированный подход PSO-ABC в сравнении с тремя распространенными альтернативами: стандартным генетическим алгоритмом, только PSO и только ABC. В реалистичных моделированиях с использованием фактичесной планировки зданий Чанчинга их метод последовательно находит более плавные траектории полета, которые избегают всех зон запрета полетов и плотных наземных зон. Он также сходится к хорошим решениям значительно быстрее — примерно за половину итераций по сравнению с другими методами — что снижает излишние вычислительные затраты и энергопотребление. Для неспециалиста итог ясен: тщательное моделирование как неба, так и города внизу, а также умелое сочетание птице- и пчело-подобных стратегий поиска предлагают практический способ проводить дронов через сложные городские среды, повышая безопасность людей и имущества.

Цитирование: 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

Ключевые слова: маршрутизация городских дронов, планирование траектории БПЛА, безопасность воздушного пространства, эвристическая оптимизация, воздушное пространство на основе ГИС