[论文解读] Persistent Multi-UAV Surveillance with Data Latency Constraints

Jürgen Scherer, Bernhard Rinner|arXiv (Cornell University)|Jul 2, 2019

UAV Applications and Optimization参考文献 22被引用 8

一句话总结

本文提出了一种协作式多无人机监控系统，通过最小化空闲时间（即对感知位置的连续访问时间间隔）来实现监控，同时确保数据传输延迟（从数据采集到基站交付的时间）保持在预定义范围内。该系统利用最小时延路径（MLPs），使无人机协同存储并转发数据，避免直接飞往基站；仿真结果表明，MILC-H2 通过优化无人机协同，显著降低了最坏情况下的空闲时间，优于其他启发式算法。

ABSTRACT

We discuss surveillance with multiple unmanned aerial vehicles (UAV) that minimize idleness (the time between consecutive visits of sensing locations) and constrain latency (the time between capturing data at a sensing location and its arrival at the base station). This is important in persistent surveillance scenarios where sensing locations should not only be visited periodically, but the captured data also should reach the base station in due time even if the area is larger than the communication range. Our approach employs the concept of minimum-latency paths (MLP) to guarantee that the data reaches the base station within a predefined latency bound. To reach the bound, multiple UAVs cooperatively transport the data in a store-and-forward fashion. Additionally, MLPs specify a lower bound for any latency minimization problem where multiple mobile agents transport data in a store-and-forward fashion. We introduce three variations of a heuristic employing MLPs and compare their performance in a simulation study. The results show that extensions of the simplest of our approaches, where data is transported after each visit of a sensing location, show improved performance and the tradeoff between latency and idleness.

研究动机与目标

• 解决因无人机与基站通信距离受限而无法保持直接通信的大规模区域持续监控问题。
• 在确保数据延迟保持在用户定义范围内的前提下，最小化空闲时间（即对感知位置连续访问的时间间隔）。
• 通过无人机协作式地以存储-转发方式运输数据，而非每架无人机都直接飞往基站，实现高效的数据交付。
• 设计并评估基于最小时延路径（MLPs）的启发式算法，以在多无人机系统中平衡空闲时间与延迟。

提出的方法

• 系统使用最小时延路径（MLPs）确保数据在预定义延迟范围内送达基站，该路径构成任何具有移动代理的延迟最小化问题的下限。
• 提出三种启发式算法（MILC-H1、MILC-H2、MILC-H3），其差异在于访问感知位置后，何时以及如何沿MLPs转发数据。
• 无人机遵循基于TSP的持续巡游路径，访问所有感知位置，数据通过通信范围内的中间无人机进行转发。
• 通过改变通信范围、延迟约束、无人机数量和传输时间等参数，在仿真中评估这些启发式算法的性能。
• 该方法依赖于任务开始前的集中式路径规划，将无人机划分为感知和数据转发团队。
• 性能通过最坏情况空闲时间（WI）进行衡量，数值越低表示访问频率与数据交付速度之间的平衡越好。

实验结果

研究问题

• RQ1 多无人机系统如何在确保数据延迟保持在指定范围内的前提下，最小化持续监控中的空闲时间？
• RQ2 通信范围、延迟约束和无人机数量对数据转发启发式算法性能有何影响？
• RQ3 不同的数据转发策略（如立即转发与延迟转发）如何影响空闲时间与延迟之间的权衡？
• RQ4 最小时延路径（MLPs）能否作为存储-转发无人机数据传输中延迟边界的理论基础？

主要发现

• MILC-H1（即每次访问后立即转发数据的基线启发式算法）在所有仿真中表现最差，作为性能基准。
• MILC-H2 始终优于 MILC-H1 和 MILC-H3，在延迟约束、通信范围和无人机数量增加时，均实现了更低的最坏情况空闲时间（WI）。
• 当 MLP 边上的传输时间增加时，MILC-H2 的性能退化程度高于 MILC-H1 和 MILC-H3，这是由于累积的转发延迟所致，但其整体性能仍更优。
• 在高延迟约束下（例如，L^constr = 24），MILC-H3 表现最佳，因为它允许一架无人机在返回前访问多个感知位置，从而实现基于子巡游的高效转发。
• 随着延迟约束的增加，MILC-H2 和 MILC-H3 的最坏情况空闲时间趋近于单个无人机直接将数据传送到基站所能达到的最优值。
• 路径规划中的子巡游数量与性能相关，尤其对 MILC-H3 而言，通过拆分巡游可有效减少空闲时间。