导读：在城市低空物流与交通场景中，无人机若只追求“航程最短”，航线往往会横穿高密度人群区域；一旦空中失控坠落，将对地面造成严重威胁。论文《基于风险约束的城市空域无人机安全路径规划》，从计算机科学（CS）与算法实现视角，拆解其提出的 RC-A*（Risk-Constrained A*） 算法的核心逻辑。

1. 论文基本信息与研究动机

  • 论文题目：基于风险约束的城市空域无人机安全路径规划
  • 作者团队：朱元军、李妍、张学军、张维东（北京航空航天大学 电子信息工程学院 / 空地一体新航行系统技术全国重点实验室）
  • 发表期刊：《北京航空航天大学学报》
  • 核心痛点：
    • 传统寻路算法的局限：标准 $A^*$ 或 RRT* 仅将“几何距离最短 / 耗时最少”作为单一优化目标，默认所有无障碍栅格的通行代价等同。
    • 低空运行的衍生风险：城市空域中，无人机断电或电机失效会因重力下坠，若航线横穿商业街或学校，会造成极其严重的地面人员伤亡。路径规划必须在“航程距离”与“对地安全风险”之间实现多目标权衡。

2. 空间建模与三维风险矩阵构建

论文将城市空域离散化为三维栅格点云集合 $P_{n,m,l}$：

  • 静态障碍物矩阵：$B(i,j,h) \in {0, 1}$，用于标记建筑物占据情况，取反后得到可用空域节点集合 $U_{n,m,l}$。
  • 三维运行风险矩阵：$R_{n,m,l}$，每个单元网格 $(i,j,h)$ 的数值代表飞机在该点失控坠落造成的人员伤亡期望（单位：伤亡人数/飞行小时）：
    $$R(i,j,h) = P(LOC) \cdot R_f(i,j,h)$$
    • $P(LOC)$：无人机空中失效坠毁概率。
    • $R_f$（最终地面风险）：由初始地面风险（人群密度 $D_{peo} \times$ 坠毁伤亡面积 $A_{cas}$）与风险缓解措施效果矩阵 $M$ 做哈达玛积计算。
    • 缓解措施包含两部分：地面建筑物遮蔽系数 $M_1$（掩体保护降低致死率）以及机载应急降落伞 $M_2$（开伞减速衰减撞击动能）。

3. RC-A* 算法的核心改进机制

针对传统 $A^*$ 代价评估公式 $F(r) = G(r) + H(r)$，作者设计了三项针对性改进：

改进维度 标准 $A^*$ 算法 改进 RC-A* 算法
实际代价 $G(r)$ 仅累加欧氏几何距离。 综合累加飞行距离与归一化风险代价：$G(r) = G(r-1) + \alpha_1 Cost_{dist}^r + \alpha_2 Cost_{norm,risk}^r$。
启发式 $H(r)$ 仅计算当前点到终点的欧氏直线距离。 引入动态立方体包围盒风险预估，综合预估距离与包围盒内的风险分布特征（均值与中位数极小值）。
搜索方向与剪枝 单步无约束全向扩展 26 个邻居节点。 引入最大转向角约束（$\theta_{UAV} \le 60^\circ$），单步仅向航向前方锥形区域内的 9 个节点扩展。

关键技术细节解析

  1. 风险代价归一化：由于伤亡概率数值（如 $10^{-8}$）与物理距离（百米级）数量级差异巨大，直接相加会导致风险项被忽略。论文采用区域风险均值与中位数的较小值 $R_{norm}$ 进行归一化映射。
  2. 动态立方体风险预估：以当前节点 $RP_r$ 与目标点 $GOAL$ 为空间对角线构建长方体包围盒，统计其内部所有格子的风险分布 $R_{pred}(r) = \min(R_{avg}, R_{med})$，引导搜索前瞻性地避开前方高危空域。
  3. 航向角度剪枝：限制单步偏航角不超过 $\pi/3$，单步搜索邻域从 26 节点减少至 9 节点，将搜索空间压缩 65%，有效降低算法运算时间并避免急转弯。

4. 实验验证与性能对比

  • 仿真环境：深圳市南山区真实区域（$1200\text{m} \times 1200\text{m} \times 90\text{m}$），融合 OpenStreetMap 建筑物数据与 WorldPop 全球真实人口密度数据。
  • 对比基线 (Baselines)：标准 $A^*$、RRT*、RiskA*。

实验组 1 核心数据对比：

  • 标准 $A^*$ 算法：路径长度 $1439.64\text{ m}$，路径总风险 $5.48 \times 10^{-8}$，综合代价 $761.82$。
  • 改进 RC-A* 算法：路径长度 $1708.57\text{ m}$，路径总风险 $1.79 \times 10^{-8}$，综合代价 $717.20$。
  • 量化收益：RC-A* 相比标准 $A^*$，航程仅增加 18.68%，但使地面人员总伤亡风险降低了 67.34%，综合代价降低 5.78% 并达到全局最优。二维热力图显示其航迹精准绕开了高密度人流聚集区。
    1787657981547
    1787658002771

5. 个人思考与科研/大创拓展

作为计算机专业本科生，这篇论文提供了一个非常清晰的“问题约束驱动算法改进”范例：

  • 算法可解释性与工程价值：通过引入现实约束矩阵，把看似属于航天控制的问题转化为了经典图搜索与启发式函数设计。
  • 可拓展方向：
    1. 前端寻路 + 后端平滑：RC-A* 输出的依然是离散的折线网格点，后续可引入安全飞行走廊（SFC）与贝塞尔曲线（Bézier Curve），将航路打磨为动力学平滑轨迹。
    2. 动态与时变约束：本文使用的是静态风险地图，未来可在仿真中加入动态气象风场或突发临时禁飞区，研究局部在线重规划逻辑。