震后極災區無人機最優航拍區域選擇

杜浩國 張方浩 鄧樹榮 和仕芳 余慶坤 呂佳麗

摘要：基于蟻群優化算法，提取震后極災區的震中距、房屋戶數、人口數量、地形條件、無人機飛行時間等影響因子，提出震后極災區無人機最優航拍區域選擇方法，并將該方法應用于2016年云龍5.0級地震，實踐表明該方法對極災區開展無人機航拍，為地震后第一時間獲取可靠的災情信息提供有力的技術保障。

關鍵詞：無人機；最優航拍區域選擇；災情獲取；蟻群優化算法

中圖分類號：P315.9；TP751 文獻標識碼：A 文章編號：1000-0666（2018）02-0209-07

0 引言

重大地震往往會造成極災區信息通信中斷和道路交通破壞，導致災情傳遞受阻或應急救援盲目部署，會造成更大的損失和次生災害。因此，如何快速獲取極災區的災情信息成為地震應急救援工作中亟需解決的問題。近幾年來迅速發展的無人機災情獲取系統（徐鵬杰，鄧磊，2011；周洋等，2017）與傳統人工調查方法相比，具有機動靈活、時效性好、可進行高危地區探測等特點，是震后災情快速獲取的一個有效技術支撐手段。但目前我國尚無專門用于地震災情監控的高分辨率衛星系統，且在跨行業資源尚未完全融合情況下，快速選出地震后極災區需航拍的重點區域是無人機應用于地震災害中的關鍵問題。

破壞性地震尤其是重特大地震災區分布范圍大、破壞方向不確定、受災程度分布不均，當前的無人機系統受燃油、電池等動力供應系統的限制，飛行時間有限。因此需要在有限時間內明確航拍的最優區域（金偉等，2009），第一時間獲取可靠的災情信息。目前，對于地震中無人機航拍區域選擇（曹彥波等，2017）主要有2種方式，一是人工選擇，該方法無人機飛行要求限制在飛控手視野范圍內，從而導致航拍區域受限，很難獲取有效的災情信息；二是采用全部覆蓋極災區的固定航線規劃（杜建福等，2008），主要采用固定的圓形路徑、方形路徑進行全方位航拍，導致無人機飛行的時間無法得到有效利用。

寇曉麗（2009）將蟻群優化算法引入到無人機航拍區域選取中，針對航拍點的震中距、房屋密度、人口數量、地形地勢等因素，結合無人機飛行速度、續航時間等性能指標，采用蟻群優化算法，建立了一套震后極災區無人機最優航拍區域選擇分析模型；解決了人工方式選取航拍區域存在的問題，提高了航拍區域的準確性，避免了全覆蓋極災區航拍方式的盲目性。把高效的優化算法應用于震后極災區無人機航拍最優區域選擇中，能使無人機在有效的時間范圍內，根據地震極災區的分布，選取出最優的航拍區域（魏文力等，2016），高效地完成震后極災區的航拍任務。

1 基本原理及技術路線

1.1 蟻群優化算法基本原理

蟻群優化算法是模擬螞蟻覓食的原理，設計出的一種群集智能算法。螞蟻在覓食過程中能夠在其經過的路程上留下一種稱之為信息素的物質（葉志偉，鄭肇葆，2004），并在覓食過程中感知這種物質的強度，指導自己行動方向，它們總是朝著該物質強度高的方向移動，因此大量螞蟻組成的集體覓食就表現為一種對信息素的正反饋現象（袁培燕等，2010）。同理，某一航拍區域被選中，區域上經過的螞蟻越多，其信息素遺留也就越多，信息素的濃度也就越高，螞蟻選擇這一區域的幾率也就越高，由此構成正反饋過程，從而逐漸逼近最優航拍區域。

在初始時刻，m只螞蟻隨機放置于地震極災區中，各個極災區中的航拍區域上的信息素初始值相等，設τij（0）=τ0為信息素初始值，其中：τ0=m/Lm，Lm是由最近鄰啟發式方法構造的航拍價值量。螞蟻k（k=1，2…m）按照隨機比例規則選擇下一步要訪間的航拍區域，其選擇概率公式為：式中：τij為區域（i，j）上的信息素；ηij=1/dij為從區域i轉移到區域j的啟發式因子；allowedk為螞蟻k下一步被允許訪問的航拍區域集合。

為了不讓螞蟻選擇已經訪問過的航拍區域，采用禁忌表tabuk來記錄螞蟻k當前所選擇的航拍區域。經過t時刻，所有螞蟻都完成一次周游，計算每只螞蟻所走過的航拍區域的總價值，保存最大航拍區域的總價值，同時，更新各邊上的信息素。首先是信息素揮發，其次是螞蟻在它們所經過的邊上釋放信息素（陳亮，張啟義，2012），計算公式如下：

τij=（1-ρ）τij（2）式中：ρ為τ信息素揮發系數，且0≤ρ≤1。式中：Δτijk是第k只螞蟻向它經過的區域釋放的信息素，可表示為：

由式（4）可知，螞蟻經過航拍區域的總價值量dij越大，則路徑上各條邊就會獲得更多的信息素，在以后的迭代中就更有可能被其他螞蟻選擇。

螞蟻完成一次循環后，清空禁忌表，重新對極災區的所有航拍區域進行選擇，準備下一次周游；信息素的更新公式為（黃永青等，2006）：式中：Δτijbs（t）是第k只螞蟻向它經過的區域釋放的信息素，其的定義如下：式中：Lbs為每次循環中被螞蟻選中航拍區域的總價值量。允許更新的路徑可以是全局最優解，或本次迭代的最優解。實踐證明逐漸增加全局最優解的使用頻率，會使該算法獲得較好的性能。

1.2 技術路線

我們設計了蟻群優化算法最優航拍區域選擇流程圖（圖1），即：提取極災區航拍信息并進行數據化表示，再對數據進行初始化，以螞蟻的覓食原理對航拍數據求取最優方案。當螞蟻選擇最優航拍區域時，若總航拍時間T（j）大于無人機飛行限制時間T，螞蟻則不再選取該區域，而對于限制時間T內的航拍區域，螞蟻每次走過都會留下信息素。在船拍總時間小于T的情況下，其所選航拍區域的總價值量L（j）>L（j-1），j區域信息素加強，（j-1）區域信息素減弱。最終使其既滿足無人機航拍限制時間T，又能使其航拍價值量最大化。

2 航拍區域影響因子分析

無人機最優航拍區域選擇模型中影響因子包括：（1）震中距。本文震中距指航拍區域與震中的直線距離，它直接決定該地區受災的嚴重程度；（2）人口數量。人口數量也影響受災的嚴重程度，地震發生在人口密集區域，即使一個很小的地震如果處置不當，也會導致巨大的損失：（3）房屋戶數。房屋是人們生活的住所，一個家庭財富的聚集地，地震中房屋受損程度直接影響該區域的經濟情況：（4）地形條件。地形也會影響無人機航拍效率，航拍區域的海拔、地理位置、房屋結構類型，是否處于斷裂帶上或滑坡體上，是直接影響無人機飛行的重要因素。綜合考慮以上因素，通過專家的問卷調查和研究，確定各航拍因素的權重值。

2.1 航拍區域參數設置

無人機最優航拍區域選擇需提取每個自然村的震中距（自然村距震中的直線距離）、房屋戶數、人口數量與地形條件等影響因子。經過專家調查問卷，得出每個航拍因素的權重如表1所示；其中地形條件采用層次分析法，根據海拔、斷裂帶、地質條件等因素綜合考慮，分為6個等級，如表2所示。

2.2 蟻群優化算法參數設置

螞蟻的數量越多，可使被選擇的最有價值航拍區域的信息量越來越大，其不被選擇的航拍區域的信息量越來越小，從而直到其信息量消失。所以理論上，螞蟻數量越多越好，但會增加運算的時間，降低效率。螞蟻最優航拍區域選擇：對于很多的螞蟻，都有n個選擇方式，其可選區域增多，可以克服螞蟻搜尋的局限性，使其可搜尋的航拍區域更多。螞蟻c++編譯中隨機尋找路徑（陳昊，2006）的方式為隨機選擇為：

double choose=[（double）rand（）]/（TAND_MAX）（7）

為了使電腦硬件能夠快速運行，螞蟻數量（胡小兵，2004）應限制在3000只范圍內，螞蟻的區域數量應限制在1 000個范圍內；程序所預設的值為隨機數，所以采用循環10次求平均值的方法，以保證結果的準確性。

3 最優航拍區域選擇方法及模擬分析

蟻群優化算法（楊劍峰，2007）主要根據具有航拍價值量大和耗時量最小的性能指標，將改進的蟻群優化算法應用于無人機航拍區域選擇設計中。本文基于蟻群優化算法提出了一種新型啟發式最優無人機航拍區域選擇方法，該方法以極災區中每個自然村為1個航拍區域，提取每個自然村的震中距d（i）、房屋戶數a（i）、人口數量b（i）、地形條件c（i）與無人機到達該地區的飛行時間t（i）等，根據這些影響因子，計算出該地區無人機航拍的價值量v（i），從而得到無人機在有限時間內航拍的價值總量L（j）。

無人機到達該自然村的往返（2倍路程：考慮到無人機航拍后要以同樣的路程返回）飛行時間為：式中：v為無人機航拍飛行速度，且v=20m/s。

被選中航拍區域所需要的總飛行時間為：

T=∑t（i）（0≤i≤n）（0≤T≤16min）（9）式中，無人機的最大飛行總時間限制為T≤16min。

單個航拍區域的航拍價值量v（i）為：式中：d（i）為震中距；a（i）為房屋戶數；b（i）為人口數量；c（i）為地形條件；i為被選中航拍的區域；n為航拍區域（自然村）個數。其中d（i），c（i）與該區域的航拍價值量v（i）成反比；a（i），b（i）與v（i）成正比。

被選中航拍區域i的總價值量為：（0≤i≤n）（11）

比較每條航線價值量L（3）的大小，從而在有限的飛行時間內，得出最大航拍價值量L（j），即選出的區域為最優的航拍區域。

為檢驗最優航拍區域選擇方法的有效性，我們模擬了發生X級地震后，對極災區進行無人機航拍。對極災區的無人機航拍數據進行收集，模擬2個相鄰航拍區域之間的距離為1km，共有9個航拍區（圖2），每個航拍區域的震中距、房屋戶數、人口數量及地形條件c（i）見表3。

通過最優航拍區域選擇方法，可計算得出航拍區域（自然村）4、5、6被選中，通過式（8）～（10）計算可得v（4）=25.6097，v（5）=45，v（6）=40，航拍所需要的總飛行時間為T=t（4）+t（5）+t（6）=15min≤16min，航拍的實際路徑為D=2×d（4）+2×d（5）+2×d（6）=18km≤19.2km，滿足無人機飛行最大時間和最大飛行路程要求，其航拍的總價值量為L（j）=v（4）+v（5）+v（6）=110.6。因此，無人機4、5、6航拍區域為最優航拍區域（圖2）。

4 應用分析

4.1 震區基本情況

2016年5月21日云南省大理州云龍縣發生5.0級地震，宏觀震中位于云龍縣多依樹村一帶，大理州洱源縣部分鄉鎮遭受不同程度破壞。此次地震余震頻繁，加之受震后降雨的影響，出現了滑坡、崩塌等次生地質災害。214國道云龍縣至震中多依樹村一帶落石，路基、路面嚴重損毀。通往大麥地村、長新鄉（鎮）、白石鄉（鎮）等40多條通村公路多處塌方，因受余震影響，通往震中多依樹村公路多次交通中斷，長新、白石等鄉鎮的鄉村公路和橋梁也受到不同程度的破壞。云龍縣境內山高坡陡，高山河谷落差較大，通往地震災區的唯一生命線告急，此時，若能有無人機在災情獲取和道路偵察方面提供技術支持，將對應急救援提供很好的幫助。

4.2 震中航拍信息提取

此次航拍所采用的無人機為大疆悟inspire 2。由于村鎮人口密集，因此以云龍5.0級地震極災區多依樹村、長新鄉、白石鎮等30個自然村為單位開展無人機航拍。根據2016年云龍縣5.0級地震災害信息調查，得到每個航拍區房屋戶數、人口數量、地形條件，如表4所示；再計算出各自然村的震中距及無人機到達指定地點的飛行時間；最后采用最優航拍區域選擇方法得到被選中的航拍區域（表4中I表示選中，0表示未被選中）。

4.3 最優化運行結果

圖3為震后極災區無人機最優航拍區域選擇結果，其中被選中舫拍總價值量為760。由圖3可以看出，航拍區域的優選很大程度上由震中距決定，因為震中距在影響航拍區域選取的因素達到總影響因素的40%；而對于中和上村，震中距較遠，但該區域的房屋戶數和人口數量相對較多，輕微的震感也會導致很大的經濟損失。所以中和上村也被選中為最優航拍區域。由于此次航拍備有5塊無人機電池，總航拍時間為80min，因此在有限的飛行時間內，能最快、最有效、第一時間獲取地震災情。

據實地調查，震中多依樹及其附近的后曲、紅栗坡、石城等區域房屋多為土木結構，且建造于不穩定的滑坡上，相對于未被選中航拍區域有明顯的裂縫和損壞。圖4為無人機對重點航拍區域多依樹、后曲、紅栗坡、石城的航拍影像圖。

5 結論

在地震應急指揮中，無人機最優航拍區域選擇方法能使無人機在地震發生的第一時間，根據每個航拍區域的震中距、房屋戶數、人口數量、地形條件以及無人機到達指定地點的飛行時間等影響因子，迅速在極災中選出最優航拍區域，有效利用無人機的飛行時間，避免了人為選取的不足。下一步的重點研究方向是獲取無人機影像后的快速智能處理方法，以期能達到地震災害發生后準實時響應。

參考文獻：

曹彥波，吳艷梅，許瑞杰，等.2017.基于微博輿情數據的震后有感范圍提取研究[J].地震研究，40（2）：303-310.

陳昊.2006.蟻群優化算法的原理及其應用[J].湖北大學學報（自然科學版），28（4）：350-352.

陳亮，張啟義.2012.基于動態蒸發因子的蟻群算法[J].軍事交通學院學報，14（9）：88-91.

杜建福.2008.基于預測控制的小型無人直升機自主飛行研究[D].上海：上海交通大學.

胡小兵.2004.蟻群優化原理、理論及其應用研究[D].重慶：重慶大學.

黃永青，梁呂勇，張祥德.2006.基于均勻設計的蟻群算法參數設定[J].控制與決策，21（1）：93-96.

金偉，葛宏立，杜華強，等.2009.無人機遙感發展與應用概況[J].遙感信息，（1）：88-92.

寇曉麗.2009.群智能算法及其應用研究[D].西安：西安電子科技大學.

魏義力，丁建，黃建峰.2016.固定翼無人機電力巡線航線規劃淺析[J].中國電業（技術版），（4）：74-76.

徐鵬杰，鄧磊.2011.遙感技術在減災救災巾的應用[J].遙感技術與應用，26（4）：512-519.

楊劍峰.2007.蟻群算法及其應用研究[D].杭州：浙江大學

葉志偉，鄭肇葆.2004.蟻群算法中參數α、β、β設置的研究——以TSP問題為例[J].武漢大學學報（信息科學版），29（7）：597-601.

袁培燕，劉萍，高宏卿.2010.蟻群算法迭代次數的一種優化策略[J].河南師范大學學報（自然版），38（4）：48-50.

周洋，明小娜，楊艷珠，等.災評新技術在云龍5.0級地震烈度調查中的應用[J].地震研究，40（1）：161-166.