【技术实现步骤摘要】
本专利技术涉及通信，特别是指一种无人机时空众包的资源分配方法及装置。
技术介绍
1、时空众包利用人群的潜力来完成必须在特定地点和时间完成的任务。如今，无人机(unmanned aerial vehicle，uav)装备了各种传感器，如摄像机、雷达和激光雷达。本专利技术见证了通过分析无人机收集的传感器数据(包括时间序列、视频和点云)来建设智能城市的巨大潜力。与此同时，先进的车辆通信技术，如5g新无线电(new radio，nr)车辆至一切(vehicle-to-everything，v2x)，使得这些数据能够在无人机和各种物联网(internet ofthings，iot)设备之间以低延迟和高可靠性共享。此外，无人机的普遍性和移动性为它们在不同地点和时间的广泛而灵活的分布提供了条件。上述方面激发了以无人机为支持的时空众包，其中无人机协作完成城市环境中的各种任务，如空气质量监测、非法停车侦测和紧急情况意识。
2、现有无人机时空众包工作主要关注三个指标：能源消耗、时间敏感性和公平性。
3、为了减少系统的总能耗，包括无人机和物联网设备的能耗，一些研究者将其作为优化目标，而其他研究者通过为无人机设置能源约束来限制它。此外，一些研究者通过最小化无人机数量间接减少能耗。为了确保时间敏感性，研究者通常旨在将总任务完成时间最小化作为优化目标或要求无人机在特定时间要求内完成数据收集。公平性指的是每个物联网设备的数据都有平等的被收集机会。为了确保公平性，一些研究者最大化收集数据的总量或收集的物联网设备的总数，而其他研究者施加约
4、此外，在城市中，有许多区域飞行无人机是被禁止的，以保护空中交通(例如，机场、核电站、炼油厂和国家行政区)，这些区域被称为禁飞区或限制区。一些研究者通过考虑无人机位置的约束来确保无人机在整个飞行路线中不进入禁飞区，以避免这些限制区域。
5、研究人员可能单独或同时考虑上述指标。虽然大多数现有工作考虑单一目标优化，但少数工作同时考虑时间敏感性和公平性进行资源分配。更具体地说，一些作者结合上述目标或约束进行联合优化，而其他作者引入了一个新的指标来衡量物联网设备数据的平均新鲜度，称为信息时效性(age ofinformation，aoi)。最小化平均aoi意味着确保每个物联网设备的数据将及时收集，因此非常适合确保公平性。
6、然而，现有工作仍有一些局限性如下：首先，那些同时考虑时间敏感性和公平性的工作主要忽略了智能城市中的禁飞区，这是影响变量决策的不可或缺的条件。尽管在一些现有工作中考虑了禁飞区，但它们几乎不适应于考虑上述三个关键特性的以无人机为支持的时空众包。此外，大多数仿真实验仅使用合成数据进行，很少在实际城市建筑和环境数据的真实世界场景下进行评估。
技术实现思路
1、为了解决现有技术存在大多数仿真实验仅使用合成数据进行，很少在实际城市建筑和环境数据的真实世界场景下进行评估，忽略了智能城市中的禁飞区的技术问题，本专利技术实施例提供了一种无人机时空众包的资源分配方法及装置。所述技术方案如下：
2、一方面，提供了一种无人机时空众包的资源分配方法，方法包括：
3、s1、获取包括无人机和iot设备在内的三维服务区，将三维服务区映射到二维，获得二维服务区的坐标范围；
4、s2、获取二维服务区内无人机的时间数据集合，基于无人机的时间数据集合，收集每个时间段内的iot数据；预设无人机禁飞区，基于无人机的时间数据集合和iot数据，计算无人机的边界约束和禁飞区约束；
5、s3、预设多个优化目标，对多个优化目标进行加权平衡；基于无人机的边界约束和禁飞区约束，获得优化问题；
6、s4、将优化问题表述为马尔科夫决策过程；
7、s5、基于马尔科夫决策过程，采用双延迟深度确定性策略梯度法，对无人机的飞行动作和iot的功率进行分配。
8、可选地，s2中，获取二维服务区内无人机的时间数据集合，基于无人机的时间数据集合，收集每个时间段内的iot数据，包括：
9、将整个无人机服务时间划分为n个时间段，获取二维服务区内无人机的时间数据集合；
10、在每个时间段内，无人机将飞到在某一时间段计划的对应位置；获取iot和无人机在某一时间段的位置集合以及初始位置；
11、在某一时间段开始时，iot设备生成对应数据量等待无人机收集。
12、可选地，s2中，预设无人机禁飞区，基于无人机的时间数据集合和iot数据，计算无人机的边界约束和禁飞区约束，包括：
13、预设无人机j个禁飞区bj，禁飞区为任意形状；
14、基于无人机的时间数据集合和iot数据，无人机的边界约束如下述公式(1)所示：
15、
16、其中，x表示x轴坐标；y表示y轴坐标，u表示无人机位置，k表示无人机序号，n表示时间点序号，表示第k个无人机在第n个时间段内的x轴坐标，表示第k个无人机在第n个时间段内的y轴坐标，r表示二维服务区的范围；z表示z轴坐标，zmin表示无人机的最低位置，表示第k个无人机在第n个时间段内的z轴坐标，zmax表示无人机的最高位置；
17、无人机的禁飞区约束如下述公式(2)所示：
18、
19、其中，表示。
20、可选地，s3中，预设多个优化目标，对多个优化目标进行加权平衡；基于无人机的边界约束和禁飞区约束，获得优化问题，包括：
21、预设多个优化目标，多个优化目标包括：在服务时间内全部无人机的平均aoi、iot在服务时间内的能量损耗以及无人机在服务时间内的能量损耗；
22、对多个优化目标进行加权平衡，优化变量为无人机位置u以及iot发射功率p；
23、根据下述公式(3)，对优化目标进行加权平衡，获得优化问题：
24、
25、其中，p1表示优化问题，表示在服务时间内全部无人机的平均aoi；i表示iot数据；表示iot在服务时间内的能量损耗；无人机在服务时间内的能量损耗；κ1表示iot能量的权重；κ2表示无人机能量的权重；c1和c2是无人机的边界约束；c3是无人机的禁飞区约束；c4表示限制iot设备的发射功率；c5表示限制无人机在一个时间段内的x轴方向最大飞行距离；c6表示限制无人机在一个时间段内的y轴方向最大飞行距离；c7表示限制无人机在一个时间段内的z轴方向最大飞行距离。
26、可选地，s4中，将优化问题表述为马尔科夫决策过程，包括：
27、定义马尔科夫决策过程其中，表示状态空间，表示动作空间，表示状态转移概率，表示奖励；
28、基于优化问题，计算tn时刻的状态空间函数动作空间函数状态转移函数以及奖励函数
29、最小化优化问题本文档来自技高网...
【技术保护点】
1.一种无人机时空众包的资源分配方法，其特征在于，所述方法包括：
2.根据权利要求1所述的无人机时空众包的资源分配方法，其特征在于，所述S2中，获取二维服务区内无人机的时间数据集合，基于所述无人机的时间数据集合，收集每个时间段内的IoT数据，包括：
3.根据权利要求2所述的无人机时空众包的资源分配方法，其特征在于，所述S2中，预设无人机禁飞区，基于所述无人机的时间数据集合和所述IoT数据，计算无人机的边界约束和禁飞区约束，包括：
4.根据权利要求3所述的无人机时空众包的资源分配方法，其特征在于，所述S3中，预设多个优化目标，对所述多个优化目标进行加权平衡；基于所述无人机的边界约束和禁飞区约束，获得优化问题，包括：
5.根据权利要求4所述的无人机时空众包的资源分配方法，其特征在于，所述S4中，将所述优化问题表述为马尔科夫决策过程，包括：
6.根据权利要求5所述的无人机时空众包的资源分配方法，其特征在于，所述S5中，基于所述马尔科夫决策过程，采用双延迟深度确定性策略梯度法，对无人机的飞行动作和IoT的功率进行分配，包括：p>
7.根据权利要求6所述的无人机时空众包的资源分配方法，其特征在于，所述采用TD3算法，在给定状态下执行特定动作的预期回报，构建动作-价值函数，目标策略网络和两个目标值网络作为策略网络和评价网络的缓慢更新版本，包括：
8.根据权利要求7所述的无人机时空众包的资源分配方法，其特征在于，所述对TD3算法中的多个神经网络进行网络参数的更新，包括：
9.一种无人机时空众包的资源分配装置，所述无人机时空众包的资源分配装置用于实现如权利要求1-8任一项所述无人机时空众包的资源分配方法，其特征在于，所述装置包括：
10.一种无人机时空众包的资源分配设备，其特征在于，所述无人机时空众包的资源分配设备包括：
...【技术特征摘要】
1.一种无人机时空众包的资源分配方法，其特征在于，所述方法包括：
2.根据权利要求1所述的无人机时空众包的资源分配方法，其特征在于，所述s2中，获取二维服务区内无人机的时间数据集合，基于所述无人机的时间数据集合，收集每个时间段内的iot数据，包括：
3.根据权利要求2所述的无人机时空众包的资源分配方法，其特征在于，所述s2中，预设无人机禁飞区，基于所述无人机的时间数据集合和所述iot数据，计算无人机的边界约束和禁飞区约束，包括：
4.根据权利要求3所述的无人机时空众包的资源分配方法，其特征在于，所述s3中，预设多个优化目标，对所述多个优化目标进行加权平衡；基于所述无人机的边界约束和禁飞区约束，获得优化问题，包括：
5.根据权利要求4所述的无人机时空众包的资源分配方法，其特征在于，所述s4中，将所述优化问题表述为马尔科夫决策过程，包括：
6.根据权利...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。