面向城市火灾预防的多无人机巡检路径规划

项目背景

城市火灾防控长期依赖地面消防站与人工巡检，存在响应滞后、视野受限、覆盖不足的问题。本课程项目研究如何用多无人机协同巡检，把有限的飞行资源精准投向高风险区域。

• 类型：运筹学课程设计（3 人小组）
• 场景：含 10 栋建筑、4 个威胁源的典型城市环境

方法

1. 风险评估与网格化

• 依据《建筑物财产保险火灾风险评估指南》，用 AHP 层次分析法构建火灾风险因素体系（建筑结构、功能与物品风险、消防与救援条件三大维度）；
• 参照大疆 Matrice 350 RTK 的感知能力，把巡检区域划分为 20m × 20m 网格，逐网格定量赋分，生成风险热力图。

2. 三目标优化模型

同时优化三个相互冲突的目标：

1. 能耗成本最小：考虑路径长度、变速、悬停和急转弯的额外耗电；
2. 威胁规避成本最小：规避建筑障碍、禁飞区与电磁干扰源；
3. 风险覆盖收益最大：优先覆盖高风险网格。

3. 改进 NSGA-II

在经典 NSGA-II 上做了三处改进：

• 引导性初始化：让初始种群就倾向覆盖高风险区域；
• 自适应变异：随迭代进程调整变异强度；
• 可行性优先的受限支配原则：保证路径不撞障、不冲突。

结果

算法在 100 代内收敛稳定，能生成平滑、安全且高风险覆盖的多机协同巡检路径，并在多机之间实现了较均衡的任务分配。

收获

• 把课堂上的多目标优化真正用在了带约束的工程问题上，理解了 Pareto 前沿的实际含义；
• "风险感知"前置到路径规划中，比单纯追求最短路径更贴近真实业务目标。