阅读笔记：Efficient Schedule of Energy-Constrained UAV Using Crowdsourced Buses in Last-Mile Parcel Delivery
一、基本信息
- 阅读人和日期：P Liu，2022.5.2
- 引用格式：Pan, Y., Li, S., Chen, Q., Zhang, N., Cheng, T., Li, Z., … & Zhu, T. (2021). Efficient Schedule of Energy-Constrained UAV Using Crowdsourced Buses in Last-Mile Parcel Delivery. Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, 5(1), 1-23.
- 单位：Northwestern Polytechnical University.
- 原文链接： https://dl.acm.org/doi/abs/10.1145/3448079
- 概述：本文提出了一种使用众包公交车的创新型限能物流无人机调度方法。通过降落在客车上，提出了无人机的能量中和飞行原理和交付调度算法。使用能量中性飞行原理，每架无人机都可以计划飞行路径，而不会耗尽速度不确定的公共汽车的能量。最终无人机-公交网络交付系统有效地扩展无人机的可交付范围，并在减少交付时间和提高交付包裹数量两方面优化了交付性能。
二、动机及创新点
动机：
无人机在物流“最后一英里”中具有应用前景，但无人机的续航能力和负载能力严重受电池技术制约，现有方案基于固定式充电站和基于移动充电车解决成本过高，且并不高效。针对现有解决方案的不足，提出了无人机-公交网络交付系统，利用城市公交车对无人机进行充电。
主要贡献及创新点：
首先，提出一种基于社会公交的创新物流无人机时刻表方法；其次，在这种新的物流无人机时刻表方法中，公共汽车不会改变与物流无人机相遇的路径，以避免影响乘客体验。最后，针对仓库位置、包裹目的地以及可用的无人机和社交巴士，设计了一种多无人机调度算法。
三、问题描述和方法论
(1) 无人机-公交车协同简介：以单个无人机为例，具体交付过程可以分为以下四个阶段：（1）任务分配（2）飞行阶段1：无人机离开仓库靠近公交车（3）飞行阶段2：公交车搭载无人机达到目的地（4）飞行阶段3：公交车沿着相同路线返回，无人机从该路线距离仓库最近处离开公交车，返回仓库。
(2)路径：公交车路径定义为一系列经纬度点的集合，任意两点的距离表示为：
$$ \left|P_{i 1}, P_{i 2}\right|^{R}=\sum_{k=i 1}^{i 2-1}\left|P_{k}, P_{k+1}\right| $$(3) 无人机的能耗建模为：
$$ E_{c}\left(R^{U}, w\right)=E_{c}\left(P_{0}, P_{J}, w\right)=\sum_{j=1}^{J} \lambda(w)\left|P_{j-1}, P_{j}\right|+\sum_{j=1}^{J-1} \gamma(w) \frac{180}{\pi} \theta_{j} $$(4) 目标函数及限制条件：多无人机协同配送可以成为一个多目标优化问题，问题形式化如下所示：
$$ \begin{aligned} &\text { (Pro) } \min : \max \{x(b, p) t(b, p)\} \\ &\max : \sum_{b \in B } \sum_{p \in P } x(b, p) \\ &\text { s.t. } x(b, p)=\{0,1\}, \forall b \in B , \forall p \in P \\ &\sum_{p \in P } c(b, p) x(b, p) \leq U(b), \forall b \in B \\ &U_{s}(t) \leq U, \forall t \in\left\{t_{d}(b) \mid b \in B \right\} \\ &\sum_{b \in B } c(b, p) x(b, p) \leq 1, \forall p \in P . \end{aligned} $$四、实验部分
(1) 无人机在公交车上高效着陆的性能实验：
多次实验后得到的测试结果如图4所示，Mavic 2型号的无人机在降落位置上误差较小，最大误差为0.36英寸，其中超过80%的情况下小于0.2英寸，基本能够达到物流配送的要求，在降落时间和负载等方面也基本满足需求。
(2) 无人机-公交网络交付系统的交付能力进行实验：
评估方案首先对整个深圳市区域进行了离散化，将其分割成一组边长1公里的正方形离散区域。如果无人机能够达到某一个离散区域中心完成交付任务，则假设无人机可以将包裹交付到该其余的任意一点。宝安区和福田区的两个随机点被选为仓库地址，分别进行交付能力的评估。
如图可见该系统的巨大潜力，即使是不充电方案也有极大的提升。从宝安区仓库出发，Bus-base-nr和Bus-base所能交付的最远距离分别为59.2公里和59.8公里，是UAV-Only的8.46倍。而对于福田区仓库，Bus-base-nr和Bus-base的最长交付距离为45.2公里，是UAV-Only的6.46倍。