面向灾后道路评估多任务无人机路径规划的统一模型

《RELIABILITY ENGINEERING & SYSTEM SAFETY》:A unified model for multi-task drone routing in post-disaster road assessment

【字体: 大 中 小 】 时间:2026年08月29日 来源:RELIABILITY ENGINEERING & SYSTEM SAFETY 13.7

编辑推荐:

   一个统一模型可同时求解八种灾后无人机路由变体。训练成本降低8倍:130万参数,24小时对比192小时。比启发式算法表现优越22%–42%,比商业求解器优越24%–82%。现代Transformer架构可处理高达1000个节点的道路网络。轻量级适配器可在无需完全重新训练的情况下

  一个统一模型可同时求解八种灾后无人机路由变体。

训练成本降低8倍:130万参数,24小时对比192小时。

比启发式算法表现优越22%–42%,比商业求解器优越24%–82%。

现代Transformer架构可处理高达1000个节点的道路网络。

轻量级适配器可在无需完全重新训练的情况下融入未见过的属性。

## 引言

地震和飓风等灾害对人类生命、基础设施和经济稳定构成严重威胁 [1], [2]。在这类事件发生后,关于交通基础设施中断的不确定性随之出现,包括道路网络受损程度、可通行性以及短期修复的可行性。因此,快速评估道路网络受损情况对于有效的应急响应至关重要,因为它能够确保物资的及时运送、疏散计划制定以及资源分配 [3]。该过程称为灾后道路评估(PDRA),但传统的实地方法常因道路无法通行、危险环境条件和延迟而受到阻碍,使其难以适用于时间紧迫的灾害场景 [3], [4], [5]。无人机(或无人机系统)已成为PDRA的一种变革性解决方案,具有高度机动性、快速部署能力以及在危险环境中捕捉高分辨率图像的能力 [6]。配备先进传感器的无人机能够高效评估道路损坏的严重程度、可通行性和修复可行性,为救援工作提供关键数据。例如,它们在海燕台风灾后 [7] 和尼泊尔地震 [8] 中得到了应用。

尽管具备这些优势,但解决大规模PDRA的无人机路由问题仍然具有挑战性。精确方法和启发式方法随问题复杂度的增加而表现不佳,并且需要大量领域专业知识 [3], [9], [10], [11], [12], [13],而基于DRL的方法 [4] 虽然能够实现快速高质量路由,但仍需为每种问题变体分别进行训练。近年来,DRL被用于学习基于神经网络的启发式方法来求解组合优化问题,并因其能够以最少的人工努力生成高质量解决方案的潜力而受到越来越多的研究关注 [14], [15], [16], [17], [18]。特别是,近期的努力已将其扩展到多任务设置,使单个模型能够同时求解多种路由变体 [19], [20], [21]。然而,现有的用于PDRA的DRL方法 [4] 采用单任务范式,缺乏对现实PDRA场景中多样化且不断变化的运营要求的适应能力。

受到近期多任务神经组合优化进展的启发 [19], [20], [21],本研究探讨了如何使统一DRL框架适应PDRA中出现的多样化路由变体。主要贡献总结如下:

- **多任务PDRA统一框架。** 我们提出了基于DRL的统一模型(UM),在单一架构中同时解决八种PDRA变体。通过将多任务学习适应于PDRA道路网络的结构特征,UM在捕获共享路由知识的同时执行变体特定的可行性约束,与维持独立单任务模型相比,训练成本和参数规模降低了八倍。
- **面向未见属性的轻量级微调。** 我们证明,预训练的UM可以通过轻量级适配器机制高效扩展到此前未见的运营属性,仅需最少的参数扩展和短暂的微调即可达到与从头训练的任务特定模型相匹配的性能,为不断演变的灾害响应场景提供了实用的灵活性。
- **有竞争力的性能和可扩展性。** 通过大量实验,我们证明UM在解的质量方面优于单任务DRL方法(6%–14%)、启发式算法(22%–42%)和商业求解器(24%–82%),同时在高达1000个节点的网络上保持快速推理(1–10秒)。敏感性分析证实了模型在不同运营条件下的鲁棒性,并在真实道路网络上的验证强调了模型的实用可扩展性。

本文其余部分组织如下。第2节回顾了PDRA的最新研究进展及相关优化方法。第3节介绍了基本的问题公式化。第4节概述了PDRA变体以及统一框架的动机。第5节提出了UM,包括模型架构、多任务训练过程以及面向未见属性的轻量级扩展。第6节报告了数值实验。最后,第7节总结了本文并讨论了未来的研究方向。

## 章节摘要

### 相关工作

PDRA随着技术进步而不断演进。传统的评估方法,如现场勘测 [22] 和卫星遥感 [23],受限于部署缓慢、劳动密集和低分辨率,阻碍了在危机场景中的及时决策。为克服这些局限,无人机已成为PDRA的变革性解决方案。无人机提供强大的机动性、成本效益和高分辨率成像能力,能够迅速评估道路损坏情况。

### 预备知识

在本节中,我们简要介绍使用无人机进行PDRA。详细阐述请参阅 Gong 等人 [4]。为保持一致性并便于参考,我们尽可能采用他们的符号表示法。我们首先呈现无人机路由问题的公式化,然后是网络转换方法和实例生成过程。

### 变体与动机

PDRA的无人机路由涵盖了多种问题变体,每种变体都反映了灾后场景中独特的运营约束或环境现实。以下列出的这些变体扩展了初步PDRA [4],并构成了对UM的需求,以增强其实用适用性。

**(a) 开放路由(OR)。** 在标准PDRA公式化中,无人机在完成路由后返回仓库(闭合路由)。然而,灾后场景可能需要开放路由,无人机可能降落在临时的……

### 模型架构

整体模型架构如图2所示,该图描绘了一个通过现代编码器-解码器结构处理多种PDRA变体的统一框架。该架构包含五个主要组件:输入、编码器、解码器、更新和输出。每个组件将在以下子节中详细说明。

### 实验

本节通过大量实验评估了所提出的UM,涵盖多种PDRA变体和网络规模,考察了解的质量、计算效率、可扩展性以及对未见属性的适应能力。

### 结论

本研究解决了PDRA无人机高效路由的关键挑战,现有方法存在计算效率低下和缺乏对多样化运营场景的适应能力的问题。传统方法,包括精确优化方法、启发式优化方法和单任务深度学习模型,需要为每种PDRA变体提供单独的解决方案,导致大量的计算开销和部署复杂性。我们提出了UM,一个统一的DRL模型……

### CRediT作者贡献声明

**Huatian Gong(龚华天):** 写作——初稿撰写、可视化、验证、方法论、形式分析、数据整理、概念化。**Jiuh-Biing Sheu(谢九兵):** 写作——初稿撰写、监督、方法论、形式分析、概念化。**Zheng Wang(王正):** 写作——初稿撰写、形式分析、概念化。**Xiaoguang Yang(杨晓光):** 写作——初稿撰写、资金获取、数据整理、概念化。**Ran Yan(严然):** 写作——初稿撰写、监督、方法论、形式分析、数据整理……

### 生成式人工智能使用声明

在准备本文期间,作者使用了ChatGPT(OpenAI)以改善稿件的语言和可读性。使用此工具后,作者对所审校和编辑的内容进行了审阅和修改,并对已发表文章的内容承担全部责任。

### 利益冲突声明

作者声明不存在已知的竞争性经济利益或个人关系,这些关系可能影响本文所报告的工作。

### 致谢

作者衷心感谢匿名审稿人富有洞察力和详尽的反馈,这对改善本文稿起到了关键作用。本研究得到了国家自然科学基金(编号 52472350 和 52072264)以及平陆运河跨线桥拆除、重建及再利用关键技术研究及交通组织优化(2023AA14006)的支持。

Huatian Gong|Jiuh-Biing Sheu|Zheng Wang|Xiaoguang Yang|Ran Yan
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号