《Scientific Reports》：Dynamic weather window-based multi-objective path planning for low-altitude logistics
编辑推荐：
本文针对动态天气环境下低空物流无人机（UAV）的路径规划问题，提出了一种名为“动态天气窗口”的概念框架。在此基础上，构建了包含配送时效性、运行能耗和天气风险暴露的多目标优化模型，并设计了基于NSGA-III与滚动时域重规划（rolling horizon re
本文针对动态天气环境下低空物流无人机（UAV）的路径规划问题，提出了一种名为“动态天气窗口”的概念框架。在此基础上，构建了包含配送时效性、运行能耗和天气风险暴露的多目标优化模型，并设计了基于NSGA-III与滚动时域重规划（rolling horizon re-planning）的求解算法。通过仿真实验，所提出的方法在恶劣天气场景下将任务完成率从基线方法（baseline methods）的19%–78%提升至98%，将约束违反率（constraint violation rate）从22%–81%降至2%，并实现了比最优基线高38%的超体积（Hypervolume）。研究表明，将天气从“静态约束”提升为“动态时空窗口”能够显著增强路径规划对时变天气条件的适应性；滚动时域重规划机制在预测与反应之间取得平衡，是应对天气不确定性的有效工程手段；多目标Pareto前沿为运营决策提供了灵活的安全-效率权衡空间。本文的理论贡献在于拓展了车辆路径问题（Vehicle Routing Problem, VRP）的理论边界，建立了天气-飞行性能耦合关系模型，并提供了融合多目标优化与滚动时域控制的方法论范式。
一、研究背景与问题提出
低空物流作为无人机（UAV）技术与城市配送需求深度融合的新兴产业，正成为破解“最后一公里”配送效率瓶颈的重要路径。与传统地面配送相比，无人机能够规避城市道路交通拥堵，实现快速灵活的货物投递，在紧急医疗物资运输、即时零售配送等场景中展现出广阔的应用前景。然而，低空物流系统的大规模部署仍面临诸多技术挑战，其中动态天气条件对飞行安全与运营效率的显著影响是核心瓶颈之一。
天气因素对无人机飞行的影响具有多维性、非线性和强时变特征。风速和风向直接影响无人机空速与地速之间的关系，从而改变飞行时间与能耗；降水、能见度等气象要素直接关系到飞行安全阈值。更为关键的是，城市低空微气象环境呈现高度时空异质性——风速在百米尺度内即可发生显著变化，满足安全飞行条件的天气窗口（即时空安全区域）随时间呈现动态开闭特征。这种时空动态性对路径规划提出了根本性挑战：规划系统不仅需要在空间上选择可行路径，还需在时间轴上精确捕捉可通行的天气窗口。
现有研究在经典路径规划、多目标优化和天气感知规划方面取得了显著进展，但仍存在以下不足：其一，大多数方法将天气视为静态约束或被动描述，缺乏统一的“动态天气窗口”概念框架来刻画时空可行区域的演化规律；其二，传统路由方案普遍采用静态线性电池消耗模型，无法捕捉时变风场引起的非线性电池退化，导致能量估计不准确和返航可行性隐患；其三，部分动态规划方法虽采用滚动时域框架，但未显式构建天气窗口模型，缺乏对未来天气窗口的预测性规避能力。基于此，本文提出“动态天气窗口”概念框架，将天气从“静态约束”提升为“动态时空窗口”，并构建融合配送时效性、运行能耗和天气风险暴露的多目标优化模型。
二、研究内容与核心结论
研究人员针对动态天气环境下低空物流无人机的路径规划问题，提出了一种基于动态天气窗口的多目标优化方法（DW-NSGAIII）。该方法将天气安全条件形式化为时空集合Ω，将天气约束转化为时变连通域中的路径存在性问题，并采用NSGA-III算法与滚动时域重规划机制相结合的策略。仿真实验表明：在恶劣天气场景下，该方法将任务完成率从基线方法的19%–78%提升至98%，约束违反率从22%–81%降至2%，超体积（Hypervolume）比最优基线高38%。研究证实，将天气提升为动态时空窗口能显著增强路径规划对时变天气的适应性；滚动时域重规划机制在预测与反应间取得平衡，是应对天气不确定性的有效工程手段；多目标Pareto前沿为运营决策提供了灵活的安全-效率权衡空间。理论贡献在于拓展了车辆路径问题（VRP）的理论边界，建立了天气-飞行性能耦合关系模型，并提供了融合多目标优化与滚动时域控制的方法论范式。
三、关键技术方法
研究人员采用以下核心技术方法开展研究：（1）动态天气窗口建模：将天气安全条件形式化为时空集合，通过三线性时空插值实现任意时空点的天气参数查询，并采用分量插值处理风向的圆周特性；（2）NSGA-III多目标优化算法：采用排列编码表示无人机访问序列，通过解码算法将排列映射为带时间戳的实际轨迹，使用约束支配规则处理能源、时间窗和天气安全三类约束；（3）滚动时域重规划机制：将规划时域划分为决策窗口，在每个决策时刻获取最新天气预测并调用NSGA-III进行局部路径规划，同时设置偏差触发、拓扑触发和时序触发三类事件触发条件；（4）混合约束处理策略：在解生成阶段采用惩罚形式引导搜索，在最终解评估阶段采用硬约束形式确保可行性。实验采用Solomon VRPTW标准测试实例（R型和C型，规模n=15、25、35），并合成了三种代表性天气场景（温和S1、中等S2、恶劣S3）。
四、研究结果
算法收敛性分析：通过对比NSGA-III与NSGA-II在三种天气场景下的超体积（HV）收敛曲线，发现两种算法均呈现“快速上升-逐渐平缓-稳定收敛”的三阶段模式，但NSGA-III在各场景下的收敛速度和最终HV值均优于NSGA-II，表明参考点机制在三维目标空间中能更好地维持种群多样性。
不同天气场景下的性能对比：在温和天气场景S1中，各方法性能差异较小；在中等天气场景S2中，考虑天气因素的规划方法开始显现优势；在恶劣天气场景S3中，所提出的DW-NSGAIII方法显著优于所有基线方法，任务完成率达到98%，约束违反率降至2%，验证了动态天气窗口建模在应对天气拓扑变化时的有效性。
不同问题规模下的性能对比：在n=15、25、35三种规模下，所提方法均保持最高的任务完成率和最低的约束违反率。随着问题规模增大，静态规划方法（Baseline 1和Baseline 2）的性能急剧下降，而采用滚动时域框架的方法（Baseline 3、Baseline 4和所提方法）表现出更好的可扩展性。
算法效率分析：所提方法的单次规划平均计算时间在可接受范围内，解码算法复杂度为O(n·m)，单次解码可在毫秒级完成，满足实际运营对计算效率的要求。
五、讨论与结论
讨论部分指出，动态天气窗口概念与传统的“时变可行区域”存在本质区别：时变可行区域是被动描述，而动态天气窗口是主动运营概念，将时间维度显式建模为决策变量，使算法能够主动调度任务以匹配窗口开启时机，捕捉等待、绕行与任务完成之间的权衡。研究还指出，当前模型不允许无人机在非客户节点临时降落等待天气改善，若允许临时降落，等待能耗可降至零，这为未来扩展指明了方向。结论部分强调，将天气从静态约束提升为动态时空窗口能显著增强路径规划对时变天气条件的适应性；滚动时域重规划机制是应对天气不确定性的有效工程手段；多目标Pareto前沿为运营决策提供了灵活的安全-效率权衡空间。
