当前位置：首页 > backend >正文

2025年COR IOTJ SCI2区，灾后通信无人机基站位置优化和移动充电无人机路径规划，深度解析+性能实测

backend 2025/9/5 22:08:16

1.摘要

本文针对灾害发生后传统通信系统失效的问题，提出了一种基于无人机创新通信解决方案。通过将无人机作为数据采集与传输平台，收集并回传受灾人群的消息与位置信息，建立稳定的应急通信网络。研究构建了一个优化模型，用于确定无人机基站的三维部署位置，以最大化覆盖率和服务质量，同时引入移动供电无人机为基站和数据传输提供能源，并对其路径进行优化。为提高求解效率，设计了基于聚类的混合启发式算法，并在土耳其苏丹贝利省开展案例研究。

2.问题描述与数学模型

无线通信中QoS表述：路径损耗模型

路径损耗模型用于量化无人机与用户设备间的信号衰减，是评估无线通信QoS的核心工具。模型综合考虑无人机高度、水平距离以及视距 (LoS) 与非视距 (NLoS) 场景差异，并以对数形式刻画信号随距离衰减的规律。同时引入高度-距离相关函数及载波频率、光速等参数，以更准确反映传播环境下的附加损耗，该模型能够有效评估灾后无人机通信中的覆盖质量与信号可靠性。

$P(h,ri)=11+aexp⁡(−b(arctan⁡(hri)−a))P\left(h,r_i\right)=\frac{1}{1+a\exp\left(-b\left(\arctan\left(\frac{h}{r_i}\right)-a\right)\right)}$

$L(h,ri)=20log⁡(h2+ri2)+(ηLoS−ηNLoS)P(h,ri)+20log⁡(4πfc)+ηNLoSL(h,r_i)=20\log\left(\sqrt{h^2+r_i^2}\right)+\left(\eta_{LoS}-\eta_{NLoS}\right)P(h,r_i)+20\log\left(\frac{4\pi f}{c}\right)+\eta_{NLoS}$

Visual representation of the path loss of drones at different altitudes and UEs at varying ground level distances

数学模型

参数定义

HDPRP模型确定无人机基站的三维部署位置与移动供电无人机的路径，以最大化用户覆盖率、降低路径损耗并最小化供电无人机行程。模型通过变量分解与耦合约束减少计算复杂度，并在保证服务质量（QoS）的前提下，实现灾后场景中高效、可扩展的无人机通信网络配置。
$max⁡b,m,u,x,v,z∑n∈Nu[α∑n′∈N∑k∈Kwnunn′k−β(∑k∈KLn′knwnunn′k+∑n′∈Ndnn′znn′)]\max_{b,m,u,x,v,z}\quad\sum_{n\in\mathcal{N}_{u}}\left[\alpha\sum_{n^{\prime}\in\mathcal{N}}\sum_{k\in\mathcal{K}}w_{n}u_{nn^{\prime}k}-\beta\left(\sum_{k\in\mathcal{K}}L_{n^{\prime}k}^{n}w_{n}u_{nn^{\prime}k}+\sum_{n^{\prime}\in\mathcal{N}}d_{nn^{\prime}}z_{nn^{\prime}}\right)\right]$

HDPRP模型约束过多，见原文。

Network representation of the problem: MPD gathers information from the DBS
and supplies its required energy

3.求解方法

为解决HDPRP模型计算量大、商业求解器难以高效处理的问题，本文提出了一种基于聚类两阶段启发式算法（CRMA）。

阶段 I（聚类）：通过迭代生成聚类，计算路径损耗并分配用户，最终筛选出效用最高的 DBS 部署位置与节点分配方案。
阶段 II（路径规划）：在确定 DBS 布局后，为 MPDs 设计最优路径以实现能量补给与信息传输。

Flowchart of CRMA

4.结果展示

论文仿真

5.参考文献

[1] Avishan F, Karasu M B, Çap M, et al. Optimization of drone base station locations and mobile charging drone routing for post-disaster communication[J]. Computers & Operations Research, 2025: 107206.