1 概述

目前，铁路编组站作为铁路枢纽的核心组成部分，承担着列车解体、编组等重要任务。而编组站巡检区域广，站内轨道布局错综复杂，站内设备设施众多，同时传统的人工巡检方式存在巡检效率低、事件地点快速定位难、应急处理响应时间久以及车顶巡检安全风险高等问题。随着无人机（‌Unmanned Aerial Vehicle，UAV）技术日渐成熟，无人机凭借其机动性强、可靠性高、适应能力强、数据采集多样化等特点在诸多领域大展手脚，也为编组站无人机巡检提供了新思路。

1.1 无人机巡检特点优势

1）提高巡检效率。在大面积或复杂区域的巡检任务中，多无人机协同工作可显著缩短作业时间。

2）增强数据完整性与准确性。多无人机从不同角度、高度和位置对目标进行数据采集。

3）提升系统可靠性与容错性。在协同调度体系下，如果一架无人机因机械故障迫降，附近的无人机可以迅速调整航线，对故障机未完成的任务进行巡检，并将数据回传。同时，地面控制系统可以根据故障情况快速调度备用无人机升空继续执行任务，确保整个巡检任务不受太大影响，极大地提高了系统在复杂环境下的可靠性和应对突发状况的容错能力。

4）降低人力成本和作业风险。减少了人工在复杂铁路环境中的巡检作业量，降低了人力成本。同时避免了工作人员在危险区域作业可能面临的人身安全风险，如在编组站车顶巡检、接触网巡检等安全风险高的巡检任务，无人机可以替代人工进行巡检。

5）可以适应复杂环境和特殊任务需求。无论是在恶劣的天气条件下，还是在夜间等特殊时段，编组站多无人机巡检系统都能够正常工作。并且可以根据不同的任务需求，灵活调整无人机的配置和巡检方案，满足编组站多样化的巡检要求。

1.2 路径规划技术

1）集中式路径规划算法。由控制中心为所有无人机统一规划路径，常见的有动态规划算法、遗传算法、粒子群算法等。集中式路径规划算法能够综合全局信息， 生成较优的路径，但计算复杂度高，实时性较差，且对控制中心依赖大。

2）分布式路径规划算法。无人机依靠自身的传感器和与相邻无人机的通信，自主进行路径规划，如 Voronoi 图法、栅格法、蚁群算法等。各无人机可根据实时环境信息动态调整路径，增强系统的自主性和适应性，但可能出现局部最优解的问题。

1.3 任务分配技术

1）集中式任务分配算法。由中央控制单元收集所有无人机和任务的信息，然后根据预设的优化目标和约束条件，使用匈牙利算法、最优分配算法、启发式算法等，将任务分配给各个无人机。这种方式能实现全局最优解，但对中央控制单元的计算能力和通信要求较高。

2）分布式任务分配算法。基于多智能体系统理论，让无人机之间通过信息交互和协商来分配任务，如采用双向拍卖算法、博弈论算法、多智能体系统算法等。每个无人机根据自身的状态和局部信息自主决策是否接受任务，可提高系统的灵活性和鲁棒性，但可能难以达到全局最优。

2 编组站无人机智能巡检调度系统设计

编组站无人机智能巡检调度系统设计应当满足多个方面的需求，考虑到编组站巡检存在区域复杂、巡检任务繁琐等复杂问题，因此需要从路径规划和任务调度两个方面寻求无人机调度最优解。

2.1 路径规划

按照编组场的地形设备分布情况，结合无人机特性，同时按照不同巡检任务特定的需求，如数据采集精度要求、覆盖范围要求、任务执行顺序要求，最后综合全局信息，就可以按照作业类型制定相应的巡检航线，如图1所示。

按照编组站作业实际需求总结出如下几点路径规划影响因素。

1）不同类型的巡检目标。如接触网、货运车辆、铁路轨道和作业人员等，其形状、尺寸、分布特点等因素决定了无人机的航线规划方式。例如，接触网路通常呈线性分布，无人机航线可沿着线路走向进行规划，确保对每一段线路进行全面覆盖。

2）不同作业类型。编组站工种类型多，作业类型复杂，作业人员行径路线不同，作业时长不同，同时可能穿越不同铁路股道，这就需要根据人员的走向和周围环境，规划出既能覆盖作业场又能适应地形变化的航线。

3）无人机特性。无人机的最大航程、续航时间、有效载荷能力和飞行高度限制等因素。

4）相关法律法规。同时还要严格遵守铁路相关规定和编组站的站细条例，确保无人机在合法的空域内飞行。了解禁飞区、限飞区的范围和规定，避免在这些区域进行航线规划并制定合理的飞行高度。

2.2 任务调度

编组站巡检作业频繁动态性强、巡检设备繁多分布复杂，以调度时机为切入点，通过区分巡检任务调度时机的差异化属性，将无人机任务调度系统功能分为静态任务调度和动态任务调度两大类。其静态任务调度为频率周期固定、巡检目标固定的巡检任务，其中包括日常巡检功能、人员上道检查功能、列车状态巡检功能、定点巡查功能和驼峰溜放作业巡检功能；动态任务调度为巡检时机不固定、巡检线路不固定的巡检任务，包括无人机伴飞作业功能、特种货物押送功能、应急巡检功能和异常巡检功能，如图2所示。

2.2.1 静态任务调度

由于静态任务调度具有固定的航线规划和任务分配，采用集中式任务规划方案，系统直接指挥无人机。首先，在满足巡检任务的需求前提下，使无人机的飞行路程最短、巡检时长最少。比如在规划路径时，尽量减少无人机的转弯次数和不必要的飞行距离，同时确保能够按照任务优先级依次完成对各个设备的巡检。然后，将任务需求和无人机的性能特点相结合，把不同的巡检任务分配给合适的无人机。例如，对于大面积的巡检区域，可以将任务划分为多个子区域，分配给多架无人机同时进行巡检，提高任务完成效率；对于需要高精度检测的任务，可以分配给搭载高分辨率传感器的无人机。最后，建立任务调度模型，根据任务的优先级、时间要求和资源需求等因素，合理安排无人机的任务执行顺序和时间，并绘制任务作业图，更直观地展示出无人机的位置和任务执行进度，如图3所示。

2.2.2 动态任务调度

在动态任务调度中，首先根据任务的性质和重要程度，设定不同的任务类型优先级。然后采用抢占策略方案基于任务的优先级和紧急程度进行动态调整，即在无人机执行任务的过程中，当出现更高优先级的任务或者紧急情况时，暂停当前任务，将资源优先分配给新的任务。待新任务完成后再继续执行被暂停的任务，以确保最重要的任务能够得到及时处理，从而提高无人机巡检系统的效率和适应性。具体步骤如下。

1）优先级设定。优先级分为任务类型优先级、时间紧迫性优先级和资源需求优先级，其中任务类型优先级最高，时间紧迫性优先级和资源需求优先级次之。任务类型优先级又会根据任务的性质和重要程度，设定不同的优先级。例如，紧急故障检测任务的优先级高于常规巡检任务；涉及安全关键设备的巡检任务优先级高于一般设备的巡检任务。时间紧迫性优先级对于有严格时间要求的任务，如在特定时间窗口内完成的任务或者对时间敏感的应急救援任务，赋予较高的优先级。资源需求优先级考虑任务对资源的需求程度，将资源需求大且对系统运行影响较大的任务设定为较高优先级。例如，需要大量数据传输和处理的任务可能会占用较多的通信和计算资源，这类任务在资源分配时可以给予更高的优先级。

2）资源重新分配。当发生任务抢占时，首先调整无人机的飞行资源。根据新任务的需求，重新规划无人机的航线、飞行速度和高度等参数。如果新的任务需要更快的响应时间，无人机可以提高飞行速度或者选择更直接的航线；如果新任务对飞行高度有特殊要求，系统会调整无人机的飞行高度以适应任务需求。

3）任务恢复与继续执行。因为当任务被抢占时，系统会保存被暂停任务的状态信息，包括任务进度、已采集的数据和飞行参数等。待新任务完成后，系统会根据保存的信息恢复被抢占任务，并继续执行。在恢复任务时，系统会检查任务的环境是否发生变化，如果有变化，会根据新的情况进行适当的调整。

按照上述描述建立了一个动态任务调度模型。假设有n个无人机和m个任务，每个无人机都有不同的性能参数和资源限制，每个任务也有不同的需求和优先级。在任意时刻，可能会有新的任务出现或者已有任务的状态发生变化，需要对无人机进行动态调度，以最小化任务完成时间和资源消耗，同时满足任务的优先级和约束条件。

对制定新调度方案过程中所涉及的参数进行如下定义：

U＝{u₁，u₂…u_n} ：表示无人机集合。 

T＝{t₁，t₂…t_m}：表示任务集合。

d_ij：表示无人机u_i到任务t_j的距离。

v_i：表示无人机u_i的飞行速度。

e_i：表示无人机u_i的续航时间。

p_j：表示任务t_j的优先级。

r_ij：表示无人机u_i执行任务t_j所需的资源量。

R_i：表示无人机u_i的资源总量。

t_ij：表示无人机u_i执行任务t_j所需的时间。

x_ij：表示决策变量，如果无人机u_i执行任务t_j，则x_ij＝1，否则x_ij＝0。

最小化任务完成时间: 

最小化资源消耗: 

任务分配约束：每个任务只能由一个无人机执行：

无人机资源约束：无人机执行任务所需的资源量不能超过其资源总量：

任务优先级约束：高优先级任务必须优先执行：如果p_j＞p_K，则t_ij＋t_ik≤t_ik＋t_ij

上述模型考虑了任务的优先级、无人机的资源限制和飞行速度等因素，以最小化任务完成时间和资源消耗为目标。通过整数规划算法对模型进行求解，可以得到最优的任务分配方案，从而提高无人机的利用率和任务完成效率。

下面通过优化软件CPLEX求解一个简单的案例，在求解过程中，根据实际情况对模型进行适当的简化和假设，以提高求解效率。

假设有3架无人机和5个任务，无人机的性能参数和任务的需求如表1、2所示。

根据上述数据，可以计算出无人机到任务的距离和执行任务所需的时间，如表3、4所示。

然后，将上述数据代入动态调度模型中，使用整数规划算法进行求解。得到的最优解如表5所示。

3 结论

本文通过对无人机编组站智能巡检调度系统的研究，结合编组站巡检任务需求，从路径规划、任务规划两方面入手，采用集中式路径规划算法、集中式任务规划方案和抢占策略方案，将无人机的灵活性、智能算法的高效性以及数据驱动决策的精准性有机融合，为编组站的安全、高效运营提供了全方位保障。展望未来，随着人工智能、大数据、通信技术等领域的不断发展，编组站无人机智能巡检调度系统仍具有广阔的提升空间。可以预见，编组站无人机智能巡检调度系统将继续引领铁路编组站运维技术的革新潮流，在推动铁路运输行业数字化转型、保障国民经济大动脉安全畅通的伟大征程中发挥愈发关键的作用，成为构建智能铁路运输网络不可或缺的重要力量。