城市环境对无人平台核心能力影响的统一分析框架：环境要素建模、能力评估与路径规划验证

《Journal of Systems Engineering and Electronics》：Unified Analysis Framework for the Impact of Urban Environments on Unmanned Platform Abilities

　　

无人平台在城市环境中执行各类任务已获得广泛关注。本文主要聚焦于分析和建模城市环境诸因素对无人平台核心能力的影响，这些核心能力包括运动能力、感知能力、操作能力和通信能力。首先，本文深入探讨城市环境的地理、气象、电磁和时间因素，识别并将典型要素划分为静态与动态两类组成部分，进而对主要城市要素进行建模，并阐明其间的相互关系。随后，本文对适用于城市任务执行的无人平台类型进行分类，确定了描述平台能力所必需的六个基本组成系统：感知系统、计算系统、运动系统、动力系统、操作系统和通信系统。在此基础上，本文通过剖析典型城市环境因素如何影响这六大组成系统，构建了影响模型，并提出一个统一的统一分析框架（Unified Analysis Framework），用于评估城市环境对无人平台能力的影响。最后，通过多种典型城市场景下的路径规划任务，验证了该框架的有效性。

**城市环境对无人平台核心能力影响的统一分析框架：解读与评述**

**一、研究背景与问题提出**

城市环境以高密度高层建筑、错综复杂的设施和严苛的电磁条件为基本特征。这些复杂因素使得无人平台（Unmanned Platform, UP）的通信与指挥面临严峻挑战，同时制约着其遂行侦察与打击任务的效能。尽管无人驾驶飞行器（Unmanned Aerial Vehicle, UAV）因体积小巧、机动便利而在城市环境中得到日益广泛的应用，涉及搜索、侦察、监视、故障检测、数据采集、目标识别、包裹投递等多种任务类型，但无论执行何种任务，路径规划始终是无人平台应用的一项关键技术。

已有研究在构建路径规划问题模型时，大多将环境对平台通行性的影响仅仅处理为约束条件（例如禁止穿越障碍区域），而未将其纳入目标函数进行综合优化。虽有部分研究在优化目标中兼顾了路径长度与安全指数、风险指数等因素，亦有个别工作考虑了城市环境对传感器使用效能的影响，但总体上，现有文献对城市环境影响的分析仍缺乏系统性和全面性。一方面，城市环境中大型建筑物对有线通信的制约和无线信号易受干扰与遮挡的现实，使得指挥控制变得困难；另一方面，大型侦察装备难以发挥探测优势，现有装备在城市环境中伪装困难和通行能力低下，极大削弱了火力打击能力。因此，如何全面分析城市环境对无人平台能力的影响，成为亟待解决的关键问题。正是基于上述观察，研究人员开展了此项研究，致力于构建无人平台能力体系、梳理城市环境主要影响因素，并系统分析城市环境对各项平台能力的影响。

**二、主要技术方法概要**

研究人员采用随机矩形法对城市实验场景进行预处理，将建筑、植被、纯地形区域和沟渠四类要素分别以矩形框定并赋予类型标签和高度信息，通过矩阵和向量形式在不同维度上表征城市环境信息。在平台建模方面，将无人平台抽象为由运动系统、动力系统、计算系统、感知系统、操作系统、通信系统六大组成系统构成的能力载体。在路径规划算法层面，提出基于侦察拓扑的概率路图法（Probabilistic Roadmaps Method Based on Reconnaissance Topology, PRM-RT），即在传统概率路图法（PRM）框架内引入侦察拓扑构建机制，通过随机生成目标节点候选集来实现侦察任务的路径规划。实验中设置了点对点取送货、点对点侦察、点对点打击及通信受限任务等四类典型任务场景，从不同初始节点和目标节点的组合及不同侦察半径和通信约束等多维度对框架进行验证。

**三、主要研究结果**

**（1）城市环境要素分析与建模**

研究人员将城市环境归纳为地理环境、气象环境、电磁环境和时间因素四大维度。其中，地理环境（含地形、地表、地质、地物、路网和室内环境）为静态确定性要素，通过地形函数T(x,y)和地表函数S(x,y,z)进行数学表征；气象环境（风、雨、雾及温湿度等）、电磁环境（通信基站、高压输电线路、电气化交通系统等）和时间因素（季节变化、昼夜交替）则为动态变量，引入不确定性和不可预测性。在此基础上，采用随机矩形法对城市区域进行划分，将建筑、植被、纯地形和沟渠分别以数值标签标记，结合矩形顶点坐标、高度向量H和地形属性向量M，实现了城市环境的多维度信息矩阵化表征。

**（2）无人平台能力体系建模**

研究人员将无人平台的能力分解为运动能力（A_mot）、感知能力（A_per）、操作能力（A_ope）和通信能力（A_com）四项主要能力（Four Main Abilities, FMA）。在此基础上，分析了城市环境与运动系统的关系：对于地面无人平台（Unmanned Ground Vehicle, UGV），运动能力由通行性P_UGV和速度V_UGV共同决定，V_UGV进一步受到路面影响系数α和坡度影响系数β的调节；对于空中无人平台（UAV），飞行运动能力则由通行性P_UAV和受风速影响系数γ调节的速度V_UAV决定。研究人员给出了各影响系数的示例性取值方案，强调实际值须视具体场景和平台类型而定。

**（3）城市环境对感知、操作和通信能力的影响分析**

感知能力A_per被建模为视觉传感器（D_Vis）、电子侦察（D_Ele）、红外传感器（D_Inf）、雷达（D_Rad）和激光（D_Las）的加权组合，各类传感器的感知效能由实际探测距离、感知精度、目标存在与否以及遮挡情况共同决定，并给出了环境对不同传感器功率的衰减系数示例。操作能力以发射器为例，A_ope由打击距离比例和弹道遮挡系数φ共同刻画。通信能力A_com则由接收功率P_r,i和平台运动速度Mob_vr加权构成，其中接收功率取决于基站发射功率P_t,i、距离衰减L_dB,i和城市建筑物遮挡衰减ψ。

**（4）统一分析框架与实验验证**

研究人员将环境E、任务T、平台A以及受环境影响后的能力C整合为统一分析框架，强调应先分析典型环境要素对平台各组成系统的影响，进而构画其与FMA之间的关系。实验以UAV在城市环境执行侦察任务为例，设计了点对点取送货、点对点侦察和通信受限任务三类实验，涵盖不同初始节点、目标节点、侦察半径（5和10单位）以及有无通信约束的多重组合。结果表明：在不同评价准则（最小F、最小路径长度l、最小感知影响p）下，最优路径规划方案存在差异，说明考虑城市环境不同因素对平台能力的影响会导致评价准则和规划结果的变化，从而验证了统一分析框架的有效性。此外，侦察半径变化时最优方案亦不相同，证明了分析环境对感知能力影响的必要性；通信约束条件下平台可能需要绕行，若不考虑环境对通信距离的限制，则规划方案在实际场景中可能不可行，进一步佐证了分析通信能力影响的重要性。

**四、讨论与结论**

研究人员指出，城市环境的复杂性根植于其多维信息构成的本质属性，而人类存在与行为固有的不可预测性进一步引入了不确定性，对无人平台的路径规划产生了深远影响。因此，未来研究可聚焦于人类活动对城市环境带来的不确定性因素，深化框架的适应性与鲁棒性。

研究结论部分：本文分析和建模了城市环境中典型要素对无人平台能力的影响。首先梳理了城市环境的主要要素，分析总结了城市环境的特征；其次，从感知能力、操作能力、通信能力和运动能力四个方面阐释了无人平台的能力；进而提出了城市环境对无人平台能力影响的统一分析框架；最后，提出了侦察拓扑构建机制，并基于侦察拓扑改进了PRM算法用于路径规划，设计了多种不同类型的实例以验证所提出的统一分析框架和改进算法。