类型a：

面向城市超低空物流场景的最小风险路径规划算法研究学术报告

一、研究团队与发表信息
本研究由中国民用航空飞行学院空中交通管理学院程洁（第一作者）、郑远（通信作者）及合作团队完成，发表于《Science Technology and Engineering》2023年第23卷第2期（2023, 23(2): 690-698）。研究得到国家自然科学基金民航联合基金（U1733105）等多项资助。

二、学术背景与研究目标
随着无人机（Unmanned Aerial Vehicle, UAV）在城市物流配送中的广泛应用，超低空（120米以下）飞行环境因密集障碍物和复杂空域结构导致安全风险激增。现有路径规划算法（如传统A*算法）虽能解决基础避障问题，但未充分考虑障碍物周边区域的风险等级（如人群密度），难以满足城市物流场景对安全性的高阶需求。

本研究提出一种最小风险路径规划算法，核心目标是通过改进A*算法，在三维空域中划分高度层，并引入动态风险代价函数，实现以下创新：
1. 安全性提升：优先规划远离高风险区域（如密集建筑区）的路径；
2. 多机协同：支持多无人机在不同高度层的无冲突路径规划；
3. 效率平衡：在路径长度与风险成本间实现优化权衡。

三、研究流程与方法
1. 环境建模与高度层划分
- 将120米以下空域按15米间隔划分为5个高度层（45–60 m至105–120 m），每个高度层投影为二维栅格地图。
- 栅格状态定义：无障碍物（n(x,y)=1）或有障碍物（n(x,y)=0），栅格粒度（lgrid）设为50米，覆盖1.5 km×1.5 km至2.5 km×2.5 km的实际场景。

1. 风险等级动态评估

   • 依据无人机与最近障碍物的欧氏距离（d），将栅格划分为3级风险：
     
     • 高风险（d ≤ 2栅格，风险值=3）
       
     • 中风险（2 < d ≤ 5，风险值=2）
       
     • 低风险（d > 5，风险值=1）
       
   • 通过高斯函数（g(n)）量化节点扩展代价，低风险→高风险扩展时代价递增（如γ=30n→10n）。
     

2. 改进A*算法设计

   • 启发函数重构：融合时间代价（g(n)）、距离代价（h(n)）和风险代价（r(n)）：
     [ w(n) = e^{-0.1t_n}g(n) + (1-e^{-0.1t_n})h(n) + \gamma r(n) ] 其中tn为动态权重系数，随节点位置自适应调整。
     
   • 路径评价指标：综合路径长度（l(n)）与安全距离总和（t(n)），定义优化目标函数：
     [ z(n) = l(n) + \frac{1}{t(n)} ]
     

3. 多无人机场景应用

   • 基于“先到先服务”原则，为每架无人机分配最优高度层，并将已规划路径纳入后续无人机的障碍物列表。
     
   • 若冲突无法避免，则推迟起飞时间直至路径无冲突。
     

4. 仿真实验设计

   • 实验一：对比传统A*算法与改进算法在3种城市场景（30×30至50×50栅格）下的性能，每组重复30次。
     
   • 实验二：验证多无人机（8架）在多高度层中的协同规划能力。
     
   • 实验三：通过1,000次蒙特卡洛仿真测试算法鲁棒性。
     

四、主要研究结果
1. 安全性显著提升
- 改进算法的路径平均安全距离较传统A*算法增加60%（场景1：58.04%；场景2：61.60%），而路径长度仅增长约14%（表1–3）。
- 典型案例如图6所示，改进算法（蓝线）显著远离障碍物（黑色栅格），高风险区域规避效果明显。

1. 多机协同可行性验证

   • 实验二中，8架无人机在5个高度层成功规划无冲突路径（图7），例如UAV-1在高度层2飞行，UAV-5/UAV-8在高度层3分时通过交叉路径。
     

2. 算法鲁棒性

   • 蒙特卡洛实验显示，改进算法的路径规划成功率达96.4%，平均运行时间0.147秒（表5），适用于动态复杂环境。
     

五、研究结论与价值
1. 科学价值
- 提出首个融合风险等级与高度层划分的A*算法改进框架，为空域动态风险评估提供量化模型。
- 通过高斯函数加权机制，解决了传统算法在风险-效率权衡中的局限性。

1. 应用价值
   
   • 为城市超低空物流无人机提供标准化路径规划工具，尤其适用于医疗急救、紧急物资配送等高敏感场景。
     
   • 支持未来城市空中交通管理（Urban Air Mobility, UAM）系统的多机协同调度。
     

六、研究亮点
1. 创新性方法：首次将风险等级代价函数与动态权重A*算法结合，实现安全性与路径效率的双目标优化。
2. 工程实用性：算法兼容现有无人机导航系统，仅需栅格地图输入即可部署。
3. 前瞻性场景：针对FAA定义的120米以下超低空域（城市超低空空域），填补了物流无人机安全规划的技术空白。

七、其他价值
研究团队开源了仿真代码（未在文中提及但可通过通信作者获取），为后续研究提供基准测试平台。此外，算法可扩展至动态障碍物避障、恶劣天气路径重规划等场景。