En förbättrad PSO-ABC-ruttplaneringsalgoritm för UAV:er baserad på konstruktion av urban luftrums-topologi med verkliga GIS-data

Säkrare himlar för stadsdrönare

Leveransdrönare och inspektionsrobotar lovar snabbare leveranser och smartare städer, men att flyga dem över trånga gator och höga byggnader är riskabelt. Denna studie visar hur man kan skapa ”osynliga motorvägar” i skyn ovanför en verklig kinesisk stad och hur en ny datoralgoritm kan styra obemannade luftfarkoster (UAV:er) längs rutter som både är säkra för människor på marken och effektiva för farkosten.

Förvandla en verklig stad till en 3D-flygkarta

Författarna börjar med detaljerade geografiska informationssystem (GIS) data från ett 5×5 kilometer stort område i Changqing-distriktet i Jinan, Kina, inklusive exakta positioner och höjder på byggnader. Istället för att betrakta luften över staden som ett enda stort utrymme delar de upp den i nio tunna altitudlager, vardera 5 meter höga, från marknivå upp till 40 meter. Inom varje lager lägger de ett schackbräde av rutor om 100×100 meter. Genom att stapla dessa rutor skapas ett 3D-nät av små kuber, eller voxlar, där varje voxel representerar en potentiell del av himlen som en drönare kan uppta.

Balansera öppen luft mot människor och egendom nedanför

För att avgöra vilka voxlar som faktiskt är användbara kombinerar teamet två enkla men kraftfulla idéer. För det första mäter ”luftrums-tillgänglighet” hur lätt en drönare kan förflytta sig från en rutor till en annan utan att kollidera med byggnader eller andra hinder. Om en ruta förbinder till många andra genom öppna korridorer får den höga poäng. För det andra mäter ”markrisk” hur stor skada en fallande drönare kan åstadkomma nedanför, baserat på lokal befolkningstäthet, trafik och förekomst av värdefulla byggnader. Modellen skiljer mellan dödsfall eller skador på fotgängare och bilister och skador på byggnader och infrastruktur.

Sortera staden i bättre eller sämre drönarzoner

Varje plats i nätet får två poäng: en för luftrums-tillgänglighet och en för markrisk. Författarna använder sedan ett kvadrantdiagram för att gruppera luftpartier i fyra typer: hög tillgänglighet med låg risk (idealisk), hög tillgänglighet med hög risk (trafikintensiva stadskärnor), låg tillgänglighet med låg risk (få människor men många hinder) och låg tillgänglighet med hög risk (värst av båda). Tröskelvärden avgör vad som räknas som ”högt” eller ”lågt”. Större delen av det studerade luftrummet—ungefär 64 procent—hamnar i den bästa kategorin, med gott om manöverutrymme och relativt låg fara för människor och egendom. Ett mer avancerat steg med ”Pareto-sortering” rankar sedan de bästa cellerna genom att avväga högre öppenhet mot lägre risk, och behåller den övre halvan som det föredragna nätverket av säkra himmelskorridorer.

Lära drönare välja smartare rutter

När detta säkra 3D-nät väl är byggt är utmaningen att hitta en specifik rutt från en startpunkt nära marken till ett mål högre upp, samtidigt som strikta regler följs: drönare måste undvika markerade no-fly-zoner ovanför byggnader, hålla sig inom tillåtna altitudband, begränsa branta stigningar och dykningar, och hålla säkert avstånd från terräng och byggnadsverk. För att göra detta kombinerar författarna två välkända söktekniker inspirerade av naturen. En particle swarm optimization (PSO)-metod fungerar som en flock fåglar som utforskar hela utrymmet efter lovande rutter, medan en artificial bee colony (ABC)-metod beter sig som bin som fokuserar på att förfina de bästa nektarkällorna. PSO utför en bred global sökning, och ABC utför noggrann lokal finjustering kring de mest lovande kandidatvägarna. Slutligen slätas den grova kedjan av vägpunkter ut med en matematisk kurva så att en verklig drönare kan flyga den utan skarpa, orealistiska svängar.

Snabbare, smidigare och säkrare stadsrutter

Forskarna testar sin kombinerade PSO-ABC-metod mot tre vanliga alternativ: en standard genetisk algoritm, PSO ensam och ABC ensam. I realistiska simuleringar som använder den faktiska byggnadsstrukturen i Changqing hittar deras metod konsekvent smidigare flygrutter som undviker alla no-fly-zoner och tätbefolkade områden på marken. Den konvergerar också mot bra lösningar mycket snabbare—med ungefär halva antalet iterationer jämfört med de andra metoderna—vilket minskar onödig beräkningstid och energianvändning. För en icke-specialist är slutsatsen tydlig: genom att noga modellera både himlen och staden nedanför, och genom att använda en smart blandning av fågel-liknande och bi-liknande sökstrategier, erbjuder detta arbete ett praktiskt sätt att styra drönare genom komplexa urbana miljöer samtidigt som människor och egendom skyddas.

Citering: 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

Nyckelord: drönarrutter i staden, UAV ruttplanering, luftrumsäkerhet, heuristisk optimering, GIS-baserat luftrum