综述：无人机路径规划与轨迹优化：综述

《ARABIAN JOURNAL FOR SCIENCE AND ENGINEERING》：UAV Path Planning and Trajectory Optimization: A Comprehensive Survey

无人机路径规划综述提出三分类框架（应用/算法/优化目标），分析四类场景约束差异，指出实时计算、动态适应、多机协作等技术挑战及标准化缺失问题，展望AI与边缘计算融合及标准化测试床等未来方向。

　　

摘要

无人机（UAV）已迅速应用于各种现实场景，包括应急响应、监控、物流和医疗配送等。这些应用中的一个主要挑战是无人机路径规划问题，即需要在遵守各种约束条件的同时，确定可行且最优的飞行轨迹，以最小化路径长度和能源消耗。尽管在无人机轨迹规划和优化领域已经进行了大量研究，但目前仍缺乏一项全面的研究，能够深入探讨算法路径规划方法、能源效率考虑因素以及实际部署约束之间的相互关系。本调查通过回顾130多篇最新论文，提出了一种新的分类体系，旨在连接算法方法和特定应用需求。我们构建了一个结构化的分类框架，涵盖了应用领域、算法方法和优化目标，并提供了比较各方法优势、局限性和解决方案的表格。此外，我们还通过定量分析为关键发现提供了易于量化的证据。我们根据应用类型、技术手段和目标标准对无人机路径规划方法进行了分类，进一步将其分为经典方法、元启发式方法、基于机器学习的策略和混合方法。这种分类方式突显了每种方法在能源消耗和飞行距离目标之间的平衡关系。我们将无人机应用分为四个领域：应急响应、安全监控、环境监测以及物流配送。我们分析了特定领域约束如何影响路径规划的优先级。文章还对文献中使用的评估指标和基准进行了广泛比较，强调了标准化性能评估的必要性。在所调查的方法中，大约30%属于经典方法，29%为元启发式方法，18%基于人工智能，23%为混合方法；仅有18%的研究报告了实际实验结果，大多数结果仅基于仿真，这凸显了实际实验验证的缺乏。我们指出了一些关键技术挑战，如实时计算、动态环境适应性以及多架无人机之间的协调问题。同时，我们也指出了实际应用中的限制因素，包括电池续航能力、通信障碍和监管限制。此外，我们还指出了评估方面的不足，例如缺乏标准化的数据集和评估指标。最后，我们提出了进一步研究的方向，例如结合先进的人工智能和边缘计算以实现更智能的路径规划、建立标准化测试平台以及探索新的多领域应用。同时，我们提出了一些开放性的研究问题，以指导学术界的探索方向。本调查旨在为那些希望在现实场景中设计高效节能且飞行距离最优的无人机轨迹的研究人员和从业者提供权威参考。

无人机（UAV）已广泛应用于各种现实场景，涵盖应急响应、监控、物流和医疗配送等领域。在这些应用中，无人机路径规划是一个核心挑战，它要求在满足各种约束条件的同时，找到可行的最优飞行轨迹，以最小化路径长度和能源消耗。尽管在无人机轨迹规划和优化领域已有大量研究，但目前仍缺乏一项全面的研究，能够系统地探讨不同算法方法、能源效率考量与实际应用约束之间的相互作用。本文通过回顾130多篇最新论文，提出了一种新的分类体系，旨在解决这一空白。我们构建了一个结构化的分类框架，涵盖了应用领域、算法方法和优化目标，并提供了比较各方法优势、局限性和解决方案的表格。此外，我们还通过定量分析为关键发现提供了易于量化的证据。我们根据应用类型、技术手段和目标标准对无人机路径规划方法进行了分类，进一步将其分为经典方法、元启发式方法、基于机器学习的策略和混合方法。这种分类方式突显了每种方法在能源消耗和飞行距离目标之间的平衡关系。我们将无人机应用分为四个领域：应急响应、安全监控、环境监测以及物流配送。我们分析了特定领域约束如何影响路径规划的优先级，并对文献中使用的评估指标和基准进行了广泛比较，强调了标准化性能评估的必要性。在所调查的方法中，大约30%属于经典方法，29%为元启发式方法，18%基于人工智能，23%为混合方法；仅有18%的研究报告了实际实验结果，大多数结果仅基于仿真，这表明实际实验验证的缺乏。我们指出了几个关键技术挑战，如实时计算、动态环境适应性以及多架无人机之间的协调问题。此外，我们还指出了实际应用中的限制因素，包括电池续航能力、通信障碍和监管限制。同时，我们也指出了评估方面的不足，例如缺乏标准化的数据集和评估指标。最后，我们提出了进一步研究的方向，例如结合先进的人工智能和边缘计算以实现更智能的路径规划、建立标准化测试平台以及探索新的多领域应用。此外，我们提出了一些开放性的研究问题，以引导学术界的探索方向。本调查旨在为那些希望在现实场景中设计高效节能且飞行距离最优的无人机轨迹的研究人员和从业者提供权威参考。