《Smart Agricultural Technology》：Optimizing Fruit Transportation in Mountainous Orchards: A Mission Planning Method Using Cooperative Drone-Vehicle Systems
编辑推荐：
山地果园中破碎且高起伏的地形对水果运输构成了重大挑战，导致劳动力成本上升和农田弃耕等问题日益严重。为促进山地果园的可持续技术转型，本文提出了一种基于智慧农业的集约化运输方案：无人机-车辆协同系统（cooperative drone-vehicle system
山地果园中破碎且高起伏的地形对水果运输构成了重大挑战，导致劳动力成本上升和农田弃耕等问题日益严重。为促进山地果园的可持续技术转型，本文提出了一种基于智慧农业的集约化运输方案：无人机-车辆协同系统（cooperative drone-vehicle system）。然而，当前的通用协同规划算法未考虑环境障碍，难以直接应用于山地果园场景。为此，本文提出了一种融合实际山地地形障碍的果园运输任务规划模型。详细的解决方案框架包括：1）基于实际山地果园地形建立环境模型；2）通过路径规划生成可行的车辆路径；3）将任务规划问题表述为混合整数线性规划（Mixed-Integer Linear Programming, MILP）模型；4）采用约束松弛和启发式方法来解决地形障碍与无人机航程限制之间的冲突。最终，数值实验验证了所提算法的有效性。在障碍覆盖率为35.61%的山地地形中，对于10、15和20个节点的果园密度，所提出的无人机-车辆协同系统相比传统方法分别降低了30.48%至44.14%的运输成本，以及28.31%至41.03%的作业时间。这表明该系统在提升山地果园物流效率方面具有潜力，并支持山地农业的集约化和可持续发展。
**论文解读：基于无人机-车辆协同系统的山地果园水果运输任务规划方法**
**研究背景、问题与研究目的**
全球范围内，山地或丘陵地形占农田的显著比例，仅中国此类区域就贡献了57.4%的农产品产量。然而，山地果园在收获季节面临严重的物流瓶颈，由于地形破碎且陡峭，当前主要依赖人工背负运输，效率低下且成本高昂。随着农村劳动力短缺加剧和农田弃耕加速，提升山地果园运输效率对于推动山地农业的规模化与集约化可持续发展至关重要。传统方法难以适应复杂地形，而现有通用协同规划算法（如飞行的跟班旅行商问题FSTSP或带无人机车辆路径问题VRPD）通常假设车辆可在自由欧氏或曼哈顿距离中移动，未考虑地形障碍，无法直接应用于山地果园。为此，研究人员提出了一种基于无人机-车辆协同系统的集约化水果运输方案，并开发了融合实际山地障碍的任务规划方法，旨在解决山地果园运输中的高成本、低效率问题，实现智能化和集约化转型。该论文发表在《Smart Agricultural Technology》。
**主要关键技术方法**
研究人员首先基于中国湖北省秭归县典型山地柑橘产区的实际地形，建立二维网格环境模型，将不能通行的山地区域定义为障碍区。关键技术包括：1）采用A*算法进行车辆路径规划，并利用空间聚类优化减少计算量，生成车辆在障碍地形中的可行路线。2）将任务规划问题建模为混合整数线性规划（MILP）模型，目标是最小化总运输成本，整合了地形约束、无人机载荷限制、时间同步约束及无人机航程约束。3）针对无人机航程不足问题，采用“松弛-修复”策略：先松弛航程约束获得初始解，再通过启发式后处理算法，在车辆路径的途中搜索临时起降点，将超航程的无人机架次拆分为可行架次，确保系统在复杂山区环境中的可操作性。
**研究结果**
**3.1. 系统可行性验证与规划结果可视化**
通过随机生成的40个模拟场景（60km×60km区域，障碍覆盖率35.61%），所有场景均生成了可执行的协同运输方案。图10展示了15个分散果园的规划结果：初始规划中存在超航程无人机架次，经后处理算法后，所有超航程架次被分解，确保所有果园节点可达。这表明该方法在不同果园分布下具有通用适用性。
**3.2. 关键算法对系统性能的贡献**
**3.2.1. 路径规划计算效率优化**
分析聚类优化参数in（候选邻近节点数量）的影响。当in=9或10时，计算时间分别减少18.5%和11.5%，且系统成本无偏差，同时保持0%的不可行率。这表明通过空间聚类优化，可在不牺牲规划质量的前提下加快决策响应速度。
**3.2.2. 航程约束补全策略的有效性**
在10、15、20个果园节点场景下，超航程无人机架次的平均飞行距离分别为43.44km、39.47km、38.17km（最大航程30km）。经后处理算法优化后，平均飞行距离降至26.65km、27.32km、26.51km，降幅分别为38.7%、30.8%、30.5%，所有架次均满足航程约束。这表明该算法成功将地形隔离的远程果园转变为可行运输任务。
**3.3. 运输效率对比**
与传统人车运输模式（基于一般VRP模型）对比，在10、15、20个节点场景下，无人机-车辆协同系统（VRPD-O）的总成本分别降低30.48%、38.27%、44.14%；作业时间（makespan）分别降低28.31%、35.01%、41.03%。随着节点密度增加，协同运输的效率优势进一步扩大，表明该系统在集约化果园生产中潜力更大。
**讨论与结论总结**
讨论部分指出，本研究的数值实验验证了协同无人机-车辆智能运输系统在山地果园物流中的工程可行性，为缓解劳动依赖和转型挑战提供了新路径。与局限于理想路网的现有研究相比，本研究将不可通行的山地地形作为核心约束纳入规划模型，增强了实际适用性。但存在局限性：未考虑风、能见度及地形高程变化对无人机飞行的实际影响；仅采用单辆地面车辆；临时节点搜索启发式方法有待改进；研究仅限于数值模拟，缺乏实地实验；经济分析主要聚焦可变运营成本，未充分计入固定成本和资产折旧。未来方向包括：融入风动力学和不确定性建模、探索多车多机群协同、采用自适应大邻域搜索等智能算法提升求解效率、开展实地实验验证，以及引入完整经济模型。
研究人员所翻译的研究结论部分如下：本文针对山地果园收获季节水果运输成本高、效率低的问题，提出了一种基于无人机-车辆协同操作的集约化运输方案。为克服通用规划模型的环境适应性不足，建立了融入实际山地障碍的VRPD-O模型，并提出了包含路径规划、约束松弛和启发式算法的求解框架，最终在复杂环境中实现了有效的任务规划。数值实验表明，与传统运输模式相比，所提方案在不同果园密度下平均节省30.48%-44.14%的运输成本和28.31%-41.03%的作业时间，且优势在果园分布更密集的场景下更为显著。本研究为山地果园物流提供了一种可行的智能解决方案，对推动山地农业的规模化和集约化发展具有重要潜力。
