摘要
快速、可靠且能源高效的数据收集对于灾害响应至关重要，因为在灾害情况下，地面通信网络可能会中断或无法使用。无人机（UAV）提供了一种灵活的数据收集方式，但其运行受到搭载能源有限、无线环境随机性、复杂的三维环境以及严格延迟要求的限制。本文提出了一个分层的多无人机框架，将任务优化分为空间层、时间层和安全层。在空间层，采用三维旅行商问题与邻域（3D-TSPN）公式，使无人机能够通过进入有效的感知区域来收集数据，而无需精确访问传感器坐标。一种考虑信息时效性（AoI）的遗传算法（GA）优化了传感器访问顺序；快速探索随机树连接（RRT-Connect）则在三维环境中生成避开障碍物的可行路径。在时间层，基于李雅普诺夫（Lyapunov）的控制器根据队列积压、处理延迟、能耗、信息新鲜度、无线链接可行性以及任务截止时间，在本地处理和将数据卸载到单个移动边缘计算（MEC）节点之间进行选择。在安全层，使用连续时间冲突检测和有界的时间或空间调整来监控和减轻无人机之间以及无人机与障碍物相关的风险。该框架在随机无线环境、移动性、计算能力和障碍物条件下进行了评估，使用了20个独立的随机种子。在相应的20次策略测试中，该框架实现了100%的任务有效性、完整的传感器覆盖范围、无任务遗漏以及零次最终碰撞或接近碰撞事件。与以 planning 或 MEC 为导向的基线方案相比，在评估条件下，提出的框架降低了信息时效性、平均延迟、处理延迟、能耗和系统成本，同时保持了可靠的多无人机协调。分层设计还明确了各组件的贡献：3D-TSPN 提供了空间灵活性，考虑信息时效性的 GA 改进了路径排序，RRT-Connect 支持避开障碍物的路径可行性，李雅普诺夫控制使处理决策能够考虑队列情况，安全监控则支持协调的多无人机操作。这些结果表明，在一个明确分隔的分层架构中整合空间规划、计算控制和安全协调，可以为复杂三维环境中的多无人机災害响应数据收集提供有效解决方案。
