考虑任务优先级的低空急救医疗无人机路径规划算法比较研究

《Scientific Reports》：A comparative study of path planning algorithms for low-altitude emergency medical UAVs considering task priorities

　　

摘要

在城市急救医疗场景中，无人机（UAV）路径规划面临多重不确定性因素的严峻挑战：动态紧急任务插入、突发禁飞区（NFZ）以及昼间至夜间的环境转换。现有研究往往孤立地处理这些问题，但仍缺乏将上述压力因素同时纳入的系统性基准评估框架。本研究基于广州地理数据，构建了包含6个血液中心、12家医院的医疗网络，设计了六种复合压力测试场景，并在六个性能维度上系统评估了跨越三级能力梯度（精确MILP、元启发式MSHOA/ACO/GA/PSO及学习驱动QALNS/PPO）的七种算法。结果表明，在基线场景下MILP确立了理论最优解上界（1582元），但在突发禁飞区约束下无法在1200秒内求解；MSHOA在常规设置下取得最优解质量（1648元），但在高频紧急任务插入时性能下降；PPO在所有动态场景中展现出卓越的鲁棒性，在连续10次紧急任务插入后仍能实现0.4秒的重规划时间和超过95%的任务满足率，表现出所测条件下最强的鲁棒性。相反，ACO和GA在禁飞区激活后路径可行性骤降（分别为23.8%和44.9%），暴露出在耦合约束下知识迁移的局限性。本研究开创了一套全面的基准评估框架，为鲁棒的低空医疗网络调度提供了定量决策依据。