基于实际 GIS 数据构建城市空域拓扑的改进 PSO-ABC 无人机路径规划算法

为城市无人机创造更安全的天空

配送无人机和检测机器人承诺带来更快的包裹投递和更智能的城市管理，但在拥挤的街道和高楼上空飞行也伴随风险。该研究展示了如何在真实的中国城市上方构建“看不见的高速公路”，以及一种新算法如何引导无人机沿着既能保护地面人员安全又对飞行器高效的路径飞行。

把真实城市变成三维飞行地图

作者以中国济南长清区 5 公里乘 5 公里的详细地理信息系统（GIS）数据为起点，包括建筑的精确位置和高度。作者没有把城市上方的空域视为一个整体，而是把它切成九层薄薄的高度带，每层 5 米，从地面到 40 米。在每一层内，他们按 100 米×100 米的网格划分方格。将这些方格叠加起来就形成了由许多小立方体（体素）组成的三维网格，每个体素代表无人机可能占据的一个空中单元。

在开放空域与地面人员和财产之间取得平衡

为决定哪些体素可用，研究团队结合了两个简单但有力的思想。其一，“空域可用性”衡量无人机在格网方格之间移动而不与建筑或其他障碍物相撞的容易程度。如果某个方格能通过开放通道与许多其他方格相连，它的得分就高。其二，“地面风险”衡量无人机坠落到地面可能造成的危害，依据当地人口密度、交通情况以及是否存在价值较高的建筑物等因素。模型区分了对行人和车内人员的伤亡风险与对建筑和基础设施的损害。

将城市划分为更适合或不适合无人机的区域

网格中的每个位置都会得到两个分值：一个是空域可用性，一个是地面风险。然后作者使用象限图将空中单元分为四类：高可用性且低风险（理想）、高可用性且高风险（繁忙市中心）、低可用性且低风险（人少但障碍多）、以及低可用性且高风险（最糟糕的组合）。阈值用于划定“高”或“低”的界限。研究区域的大部分空域——约 64%——属于最佳类别，既有充足的机动空间又对地面人员和财产相对安全。随后更高级的“帕累托排序”步骤在最优单元之间权衡更高的开放度与更低的风险，对它们进行排序，并保留排名前半的体素作为首选的安全空中走廊网络。

教会无人机选择更聪明的路径

在构建好这个安全的三维网络之后，挑战是找到从接近地面的起点到更高终点的具体路线，同时满足严格规则：无人机必须避开建筑上方的禁飞区，待在允许的高度层内，限制陡升和陡降，并与地形和结构保持安全距离。为此，作者融合了两种受自然启发的常见搜索技术。粒子群优化（PSO）方法像一群鸟一样在整个空间中探索有前景的路径，而人工蜂群（ABC）方法则像蜜蜂一样集中精力优化最好的“花源”。PSO 先执行广泛的全局搜索，随后 ABC 在最有希望的候选路径周围进行精细的局部调整。最后，将粗略的航路点链用数学曲线平滑，以便真实的无人机能够在不发生突兀转向的情况下飞行。

更快、更平滑、更安全的城市航线

研究人员将他们的 PSO-ABC 组合方法与三种常用替代算法进行了比较：标准遗传算法、单独的 PSO 和单独的 ABC。在基于长清区真实建筑布局的逼真仿真中，他们的方法始终能找到更平滑的飞行路径，避开所有禁飞区和人群密集的地面区域。该方法也能更快收敛到良好解——所需迭代次数约为其他方法的一半，从而减少了计算时间和能耗。对非专业读者而言，结论很明确：通过同时精确建模空中与地面，并采用一种结合“鸟群式”和“蜂群式”搜索策略的智能混合方法，这项工作为在复杂城市环境中引导无人机、保护人员和财产提供了切实可行的途径。

引用: 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

关键词: 城市无人机航线, UAV 路径规划, 空域安全, 启发式优化, 基于 GIS 的空域