无人机灾难应急系统基站空间分析

来源:用户上传      作者:

　　摘要：飓风等灾难造成的后果非常严重，因此响应系统的建立和优化非常重要。本文针对无人机灾难应急系统基站数量以及空间位置选择进行了相关研究。在系统建立过程中，使用Arcmap为数据可视化和地理栅格数据处理提供可靠的支持，从而获得最优方案和路径规划，解决了运输系统配置设计，成功对无人机基站最佳地址进行选择。
　　关键词：无人机调度；聚类分析；空间分析；灾难应急
　　引言
　　在2017年，飓风灾害袭击了波多黎各。东部和东南沿海人口稠密的城市地区的交通系统遭到破坏。伤亡人数非常多，而与此同时岛外的援助结果进展缓慢。因此及时提供援助并迅速收集信息的灾后重建系统是非常重要的。HELP是一家美国非政府组织，计划提供一个“DroneGo”移动灾难响应系统，该系统使用无人机向指定医院提供医疗包，并执行视频侦察任务以检测道路网络。
　　1 基站数量分析
　　本文使用聚类分析计算基站数量。具体根据五个医疗点的纬度和经度，估计两者之间的距离，选择最小距离法进行聚类。结果如下：
　　从结果来看，有3个基站，可以携带更多的医疗包和无人机。
　　2 基站最佳位置确定
　　只有确定最佳位置，才能最有效地完成道路网络的医疗包裹递送和视频侦察。本文使用Arcgis的空间分析功能支持选址工作。
　　2.1选址原则
　　1.应接近预期的医疗包裹需求位置。
　　2.應靠近港口（通往波多黎各的最佳运输方式是海运，在靠近港口的位置设置可以方便系统组件的运输。）
　　3.应靠近主要的高速公路和道路。
　　4.应靠近波多黎各人口稠密的地方。
　　5.避免山区等不适合起飞和降落的区域。
　　2.2 数据预处理
　　通过搜索波多黎各港口信息，并创建港口数据集，考虑到无人机在某些特殊环境中不能飞行的要求，将土地利用类数据集的“森林”和“自然保护区”保留为限制区域。只保留道路网元素数据集的“高速公路”，“主要”，“次要”，“主干”，最终处理结果图如下：
　　2.3 分析步骤
　　①输入数据：选定医疗中心、土地利用、道路、人口稠密地区以及港口。
　　②导出数据并重新分类：
　　首先计算主数据的“欧几里德”距离，并计算出靠近主要特征的区域，然后创建派生数据集，使用加权叠加来生成自适应贴图。
　　其次根据影响率对因子进行加权，其设置如下：到医疗点的距离：50%；到海港的距离：25%；与人口聚集地的距离：12%；到主要道路的距离：12%。
　　最后获取自适应图后，对其进行过滤，获得无人机可以巡航的最远距离，最终结果如下：
　　结论
　　本文使用Arcgis进行数据预处理，高度匹配波多黎各的实际情况，并为选址和路径规划制定计划。使用波多黎各的地理信息用于确定最佳的集装箱位置，主要通过使用Arcgis中的Overlay工具箱进行栅格图层加权叠加分析，以获得可靠的位置范围。最后获取中心点以获得最佳基站位置。
　　参考文献
　　[1]Yin Shirong.Solving 3D packing problem with adaptive hybrid genetic algorithm [D].South China University of Technology，2013.
　　[2]Wang Shuo，Jiang Huawei.Application of Genetic-ant colony algorithm in post-emergency material route planning problem[A].Computer Application and Software，2018，35（9）：99-103.
转载注明来源:https://www.xzbu.com/1/view-14850307.htm