一、研究背景与意义
（一）研究背景
随着城市化进程加速，地面交通拥堵、地下空间开发受限等问题日益突出，开发低空资源、构建城市空中交通（UAM）系统已成为破解城市交通困境的前沿方向。城市空中交通以垂直起降飞行器、无人机为核心载体，涵盖载人出行、物流配送、应急救援等多元场景，可将点到点旅行时间缩短 30%-50%，为城市交通体系注入革命性活力。多无人机协同作业作为城市空中交通的核心运行模式，凭借其高效性、灵活性优势，在医疗样本运输、城市巡检、末端物流等领域已开展规模化试点。
与此同时，我国出台《无人驾驶航空器飞行管理暂行条例》《交通强国建设纲要》等政策文件，明确提出构建城市群快速空中交通网络、推进低空航路航线规划技术研究的要求。但城市低空环境复杂、无人机集群规模扩大、动态需求多元化等因素，使得多无人机路径规划面临安全、效率、协同等多重挑战，亟需建立科学完善的规划理论与技术体系。
（二）研究意义
从理论层面，本研究可完善城市低空无人机航路规划理论体系，解决多目标优化、动态环境适配、集群协同等核心科学问题，填补多无人机在高密度城市空域中路径规划的理论空白。通过融合空域管理、智能算法、地理信息等多学科技术，可推动路径规划从'静态固化'向'动态自主'升级。
从实践层面，研究成果可直接应用于城市无人机物流配送、空中出租车调度、应急救援协同等场景，有效降低无人机碰撞风险、减少能耗、提升空域资源利用率。
二、核心挑战与研究现状
（一）核心挑战
城市空中交通场景下的多无人机路径规划面临环境、技术、管理等多重约束，核心挑战集中于以下三方面：
- 复杂环境与动态约束的耦合难题：城市低空存在建筑物密集、禁飞区分布广泛、突发气流干扰等问题，需高精度建模规避物理障碍与安全风险，同时应对临时禁飞区、移动障碍物等动态干扰。
- 多目标优化与协同冲突的平衡问题：多无人机路径规划需同时优化路径长度、能耗、安全性、协同无冲突四大目标，且各目标存在显著耦合冲突。多起点多终点场景下，无人机与任务的匹配、空域资源的动态分配进一步加剧了优化复杂度。
- 技术与管理体系的适配不足：现有路径规划算法在高密度集群场景下易陷入局部最优，动态障碍物处理能力薄弱；空域管理尚未实现全流程数字化，不同部门间的航路信息共享不及时。
（二）研究现状
国内外学者与机构围绕多无人机路径规划开展了大量研究，形成了算法优化、网络设计、场景适配三大研究方向。
- 算法研究方面：传统单目标算法（A*、Dijkstra）因仅能优化单一目标，已难以满足复杂场景需求；多目标算法成为主流，其中多目标向光生长算法（MOPGA）通过模拟植物生长机制，实现目标优化与避障约束的平衡；粒子群优化（PSO）算法经混沌初始化、混合架构改进后，在三维城市环境中收敛速度有所提升。
- 航路网络设计方面：国外机构提出多种网络架构，如加拿大滑铁卢大学定义了航路、交叉口、节点等核心概念；美国 NASA 设计了以垂直起降机场为枢纽的辐轴式网络。国内方面，中国科学院地理科学与资源研究所构建了低空无人机公共航路理论体系。
- 应用实践方面：韩国计划建成多条城市空中通道，新加坡推出首条空中出租车航线；国内多地建立区域低空飞行服务体系，验证了路径规划技术在实际场景的可行性。
三、关键技术与研究方法
（一）城市低空环境建模技术
高精度环境建模是路径规划的基础，需融合地理信息系统（GIS）、建筑信息模型（BIM）与遥感技术，构建三维数字化空域模型。针对城市建筑物密集、地形复杂的特点，采用 LiDAR 扫描与摄像头融合感知方案，修正建筑高度误差，精准标注禁飞区、人口密集区、能源设施等关键区域。引入动态环境更新机制，通过卡尔曼滤波预测移动障碍物轨迹，结合 DBSCAN 聚类去噪技术，实现突发干扰的实时感知与建模。
基于数字网格技术将城市低空划分为多层级网格单元，标注各单元的安全等级、能耗系数、噪声约束等属性，结合绿色环保原则，规避学校、医院等噪声敏感区域与环境保护区。
（二）多目标路径优化算法体系
构建'基础算法 + 改进策略 + 协同机制'的三层优化算法体系：
- 基础算法层：在多起点多终点物流场景中，应用 MOPGA 算法，将无人机路径节点映射为'生长点'，终点方向映射为'光照方向'；在三维城市巡检场景中，采用改进 PSO 算法，引入 Zaslavskii 混沌初始化序列提升搜索随机性。
- 改进策略层：采用 PSO+ 蚁群混合算法，利用 PSO 的并行搜索能力快速锁定最优解范围，通过蚁群算法的信息素机制优化路径细节；引入 B 样条曲线平滑技术，减少路径冗余转弯。
- 协同机制层：设计多无人机冲突检测与消解策略，通过分层规划实现全局协同。采用 RRT*算法初始化全局路径，再通过 PSO 算法优化个体轨迹，利用 Dubins 曲线调整飞行姿态，确保百架规模下碰撞率降低。
