摘要
346由于无人机（UAV）具备快速部署和高效数据采集的能力，它们已被越来越多地用作遥感应用中的灵活感测平台。合作式的车-无人机系统在大型遥感监测和现场验证方面展现了巨大潜力。然而，现有的任务规划方法往往忽略了遥感验证任务的特性，例如目标区域的分割性以及复杂地形导致的时空不确定性，这些因素限制了调度效率和系统的鲁棒性。为了解决这些问题，本文提出了一种考虑时空不确定性的车-无人机合作遥感验证任务规划框架。该框架整合了基于无人机能力约束的任务区域生成机制、地形驱动的空间不确定性风险分类方法、双通道遗传算法（DC-GA）以及考虑不确定性的两阶段调度框架（UATSF）。在两个真实世界研究区域的实验验证了该框架的有效性。区域合并策略减少了总行驶距离和行驶时间，同时提高了无人机的使用效率；DC-GA在不同车辆配置下始终能够降低系统的总运行时间。此外，结合确定性优化与蒙特卡洛鲁棒性评估的两阶段策略，在模型假设的不确定性条件下，将计划完成时间相比最坏情况调度方案减少了6.80%–11.09%，同时实现了86.20%–98.40%的可靠性。结果表明，所提出的框架显著提升了车-无人机在复杂地形环境中的任务规划效率和系统的鲁棒性。
