通用航空山区救援安全航迹规划模型_艾洪舟.pdf

文章编号:1009-6094(2023)02-0506-09通用航空山区救援安全航迹规划模型*艾洪舟，何鑫，刘全义，胡茂绮(中国民用航空飞行学院民航安全工程学院，四川广汉 618307)摘要:针对通用航空山区救援飞行环境的高复杂度地形问题，提出了一种基于改进型蚁群算法的三维救援航迹规划模型。首先，获取真实的山区地形环境数据，根据安全飞行规则，利用格栅法建立三维飞行环境模型。然后，以路径最短为目标函数、以航空性能为约束条件建立航迹规划模型。最后，利用改进型蚁群算法对模型求解，通过合理设置初始信息素分布和信息素更新规则，改进型蚁群算法，并对西南山区某次通航救援进行了救援航迹规划仿真。改进算法得到的飞行路径与球面直线的距离误差控制在 15%以内，且飞行航路的俯仰角和偏转角均满足安全飞行规则，偏航次数较少。研究表明，对于山区环境下的通航应急救援航迹规划问题，提出的改进蚁群算法能够实现对障碍物的规避和对最优航迹的快速搜寻，保证了救援任务的安全性、高效性和可靠性。关键词:安全社会工程;应急救援;三维航迹规划;蚁群算法;数字高程模型;飞行安全中图分类号:X949文献标志码:ADOI:10.13637/j issn 1009-6094.2021.1713*收稿日期:20211019作者简介:艾洪舟，讲师，从事通航应急救援研究、安全科学与应急管理研究，。基金项目:国 家 重 点 研 发 计 划 重 点 专 项(2018YFC0810600);中国民用航空飞行学院面上项目(J2020072，J2021103)0引言近年来，各类灾害在世界各国频有发生，其中受灾地区多为山区，如 2018 年金沙江发生的山体滑坡堵江形成白格堰塞湖的受灾点，地形复杂，地面救援方式难以及时有效开展。当地面道路中断时，通用航空救援因其快速、高效、受地理空间限制少的优势，往往是应急救援的首选方式。根据通用航空的众多特性，救援航空器需要穿行于山谷中进行救援前的灾情侦察、搜索营救及物资运送等任务，但地形环境复杂等诸多因素的干扰使得救援航空器在具体实施过程中往往面临安全风险高、救援效率低等问题，因此，要安全、高效地完成山区救援任务，提升航空应急救援能力，需要对救援航空器的救援路径进行合理规划1。路径规划问题是指充分考虑各种约束限制，为运动体规划出起始点和目标点间最优或最满足目标需求的运动轨迹，其方法的优劣决定运动体路径的准确性和高效性。航空器的路径规划问题是在三维空间中，充分考虑飞行器、地形及目标要求等多种约束条件，寻找最优飞行轨迹的过程。针对该类问题的解决，主要可以分为空间划分和路径寻优两个步骤。现从以下两个方面进行总结。空间划分问题从几何学上可以分为栅格法和图形法两类2。栅格法是将目标空间分解为若干的简单单元，确定起始点和目标点的单元，其中连通起始单元和目标单元的一系列单元即是一组可行解。栅格法应用于航空器路径规划问题时，通常与迪杰斯特拉(Dijkstra)算法、A*算法3 及改进的 A*算法结合。图形法是将目标空间表示成一个由一维线段构成的网络图，然后采用某一搜索算法在该网络图上进行航迹搜索，从而将路径规划问题转化为网络图搜索问题。其主要的方法有最短路径 Voronoi 图法和随机路标法(Probabilistie Roadmap Method，PRM)，分别由 Aurenhammer4 于 1991 年 和 Overmars5 于1992 年首次提出。徐政超6 采用基于 Voronoi 图的最短路径规划方法解决了二维平面的运输机路径选择问题。潘卫军等7 运用地理信息系统(GeographicInformation System，GIS)技术和 Voronoi 图法解决了直升机参与山区救援的路径规划问题，最终得到可飞的救援路径。丁明跃等8对无人飞行器路径规划的研究方法如路标图法、栅格法和进化规划法等进行分析与总结，同时分析了上述方法的应用前景。当前航路规划问题涉及地形信息、气候信息、多目标决策问题等，信息处理量巨大，为充分发挥计算机优势，普遍采用人工智能算法，包括遗传算法、人工免疫算法和蚁群算法等。刘丽峰等9 针对双机林火救援三维路径规划问题，考虑航空器的可飞行性、航程代价和地形信息等因素，采用人工免疫算法规划出有效飞行路径，但其约束条件如偏转角等范围设置较大，得到的三维航迹路线需进一步平滑处理，本文根据安全运行指南设置约束条件，得到的航迹规划路径直接满足安全飞行要求。夏正洪等10 和陈通11 探讨了通航救援的路径选择问题，根据直升机执行目标任务的可行性对直升机进行合理指派，并采用遗传算法和启发式算法对其进行三维路径规605第 23 卷第 2 期2023 年 2 月安全 与 环 境 学 报Journal of Safety and EnvironmentVol 23No 2Feb，2023划。Kulida 等12 通过改变航迹长度来避免飞机与障碍物、飞机与飞机间的碰撞，提出了一种低空飞行路径规划的遗传算法，并将其应用于机载航迹安全系统。杜实等13 针对影响航行安全的动态危险天气，提出了一种基于改进的多目标粒子群算法的改航路径规划方法，其环境建模使用的是二维栅格法，采用危险系数确保飞行器与危险区域的安全距离。为使模型更贴近真实情况，本文采用三维格栅法建模，同时使用合理信息素分布确保飞行器与地形障碍的安全距离。从现有研究成果看，关于路径规划问题已经有了大量研究，为通航应急救援路径规划的研究工作奠定了良好的基础，但仍存在一些不足之处:一方面，现有研究主要集中在无人飞行器的路径规划方面14 16，无人飞行器的作业区域及飞行性能等与救援航空器相比，具有较大差异，因而不能简单地将上述路径规划方法直接应用到救援航空器的路径规划中;另一方面，为了确保救援航空器能够安全、高效地完成救援任务，必须综合考虑三维地形环境、性能约束等诸多因素，及时为救援航空器规划可飞的路径，而现有研究成果中路径规划算法的选取和运用方面，传统搜索算法，如人工势场法，具有一定的局限性且常用于二维路径规划，其他三维路径规划算法，如遗传算法、粒子群法，计算过程耗费较大的存储空间，在全局路径规划中应用有一定困难，而最常见的 A*算法只能保证救援成本最低，无法兼顾其他性能要求。1996 年，Dorigo 等17 首次提出蚁群算法。蚁群算法属于概率型随机搜索算法，广泛应用于路径搜索领域，可以有效地控制优化时间和避免局部最优解问题。针对上述问题，本文从飞行安全和救援高效角度来考虑，结合真实的山区地形环境、安全飞行规则、救援航空器性能等多元约束信息，建立救援环境和航迹规划模型，提出一种改进的蚁群算法，通过在初始信息素分布上增加一个安全函数来调整各路径上的初始信息素强度，以避免蚁群的盲目搜索，将改进的蚁群算法应用于通航山区救援的三维航迹规划中，实现对最优航迹的快速搜索及对障碍物的有效回避。1通航应急救援航迹规划模型1.1航迹表达方法救援航空器的飞行航迹通常由一系列三维空间位置点构成，飞行航迹内的空间点构成航迹规划问题的解空间内的可行解，其中的最优可行解对应最优飞行航迹方案。假设规划出的路径节点序列为 P0，P1，P2，Pn 1，Pn，在该有序序列中，P0为起始点，Pn为目标点，P1，P2，Pn 1为中间点，共有 n+1 个路径节点，设单次救援任务的航空器救援路径总长度为 D，则D=P0P1+P1P2+Pn1Pn(1)每个路径节点包括经度、纬度、高度等信息，节点信息记为 Pi=(xi，yi，zi)(i=0，1，2，n)。航迹规划问题转化为路径节点集的选择，通过找寻最优节点集确定最优飞行航迹方案。1.2基于数字高程模型的飞行环境建模数字高程模型(Digital Elevation Model，DEM)是用一组有序数值阵列形式表示现实地形特征的实体地面模型，它是有限的、离散的坐标数据。基于DEM 可以生成栅格空间，从而建立救援航空器飞行的空间环境。考虑到后期模型的求解效率和精度，最终的栅格尺寸需满足救援航空器的飞行性能要求，因此对数据进行均匀化插值处理，即对经度、纬度、高度坐标系列进行等间隔取点，对缺失的数据则根据插值算法进行补充。若空间内任意一栅格节点的坐标表示为(x，y，z)，则飞行环境空间 PE 可以表示为集合。PE=(x，y，z)|Xmin x Xmax，Yminy Ymax，Zmin z Zmax(2)图 1当前节点搜索范围Fig 1Search scope of current node用于路径规划的三维空间实际上是由众多一定间距的栅格构成，栅格间距需要满足航空器的最小直飞距离、最大偏航角、最大俯仰角等约束。因此每个栅格长大于等于最小直飞距离 dmin，栅格宽根据最大偏航角 设为 dmintan，栅格高根据最大俯仰角 设为 dmintan，则栅格尺寸(长 宽 高)可设定为:dmin dmintan dmintan。图1 为当前节点搜7052023 年 2 月艾洪舟，等:通用航空山区救援安全航迹规划模型Feb，2023索范围示意图，根据约束条件将每个节点的可扩展节点限制在一定范围内，假设航空器处于节点 O，并沿 x 轴飞行，可供选择的下一个可行节点分别为 A、B、C、D、O、E、F、G、H，这样既可以减少计算量，还可以提高搜索效率。1.3航迹规划模型航迹规划的目标为降低飞行成本和控制飞行风险，即以路径长度最短为目标函数，同时满足救援飞行过程中自主安全避障，以及航空器飞行的物理性能限制等约束，建立航迹规划模型，获得最佳的救援飞行路径。航迹规划模型的目标函数为minD=ni=1di(3)式中di为节点 Pi 1到节点 Pi的飞行距离。航空性能约束条件主要包括最小直飞距离 dmin、最大俯仰角、最大偏航角、最大航距 Lmax、最大飞行高度Hmax和最小飞行高度 Hmin等，见式(4)(8)。di dmini=1，n(4)zi zi1(xi xi1)2+(yi yi1)2tani=1，n(5)(xi xi1)(xi+1 xi)+(yi yi1)(yi+1 yi)(xi xi1)2+(yi yi1)2(xi+1 xi)2+(yi+1 yi)2 cosi=1，n(6)ni=1di Lmaxi=1，n(7)Hmax Hi Hmini=1，n(8)约束条件(4)保证航空器在任意两相邻节点间的飞行距离 di不小于其最小直飞距离 dmin;约束条件(5)保证航空器在任意节点的俯仰角不超过其最大俯仰角;约束条件(6)保证航空器在任意节点的偏转角不超过其最大偏转角;约束条件(7)保证航空器单次救援的总飞行距离不超过其最大航距;约束条件(8)保证航空器在飞行救援过程中保持在可飞行范围内。此外，为确保航空器能够远离障碍区域、实现安全飞行，需要考虑避障这一约束条件。避障的原理是判断三维飞行环境空间中的规划路径节点是否处于障碍区域内，针对该问题进行两方面的处理:一是通过考虑安全距离改变蚁群算法中的初始信息素浓度;二是确保任一规划路径节点的高度超过该点处的 DEM 等效地形高程与安全间隔之和，该安全间隔保证飞行器于地面保持足够的安全距离。2改进蚁群算法2.1改进初始信息素分布为了使蚁群算法适用于求解救援航空器的路径规划问题，需要改进传统的蚁群算法模型。本文提出的飞行环境模型是一个栅格化的空间，因此每只蚂蚁只能在栅格的节点上移动，信息素浓度也相应存储在栅格节点上。传统的蚁群算法模型在迭代初期每个节点的信息素浓度完全一致，蚂蚁在选择其他可行节点时的概率也就相同，这种方式存在搜索范围大和搜索盲目性等问题，对迭代初期的收敛速度有很大影响。为了提高搜索效率和改善搜索盲目性，对传统蚁群算法的初始信息素分布进行改变，根据搜索路径过程中各节点到目标点的欧式距离 Mie和各节点距最近障碍物的距离 Mio，为各个节点设定不同的初始信息素浓度。确定 Mio的依据是中国民用航空局直升机安全运行指南18 和一般运行和飞行规则19，计算公式见式(9)和(10)，由此可以判别各节点是否为安全节点，以及确保救援航空器的安全性。0=a+a/Mie+b0(9)0=0Mio 150(Mio 150)/(300 150)150 Mio 3001Mio300(10)式中0为节点的初始信息素浓度;a 和 b 为权重系数，使蚁群算法在迭代初期能同时兼顾始终点间的最短距离和救援航空器的飞行安全，在迭代后期将飞行安全作为主要考虑因素。若救援航空器所选择的路径节点与最近障碍物的距离在 150 m 以下，则认为该节点是危险节点且不可选，该节点的信息素浓度被削弱;若救援航空器选择的路径节点与最近障碍物的距离在 150 300 m，该节点的信息素浓度参照 0=(Mio150)/(300 150)设定，否则，应增强该节点的信息素浓度。2.2路径搜索策略在路径搜索过程中，假设救援航空器飞行至当前栅格平面 a(a=1，2，3，n)上的任意节点Pa(xa，ya，za)处，由该节点向下一个相邻栅格平面a+1上任一节点 Pa+1(xa+1，ya+1，za+1)移动的概率依据信息素浓度与启发函数值乘积的最大值法来计算，见式(11)。805Vol 23No 2安全 与 环 境 学 报第 23 卷第 2 期Pa，a+1=a+1Z(a+1Z)节点为可行节点0否则(11)Z=T/S(12)式中a+1为平面 a+1上候选点 Pa+1的信息素浓度;Z 为衡量路径好坏的启发函数，由式(12)(14)确定。Z 中通过考虑候选点是否可行引入安全启发因子 T，同时考虑目标点对候选点的影响关系引入距离启发因子 S。安全启发因子 T 使救援航空器在选择下一节点之前，先对候选点进行可行性评估，保证路径是无碰撞的。如式(13)所示，当候选点对应的栅格高度Ha+1(xa+1，ya+1，za+1)大于高度 Hmin时将这一候选点列为可行节点，Hmin等于该点对应的地图高度加上100 m 安全间隔。T=1Ha+1(xa+1，ya+1，za+1)Hmin0否则(13)距离启发因子 S 包括近邻启发因子 S1(x，y，z)和目标启发因子 S2(x，y，z)，S1(x，y，z)表示当前路径点与候选点的距离，使救援航空器倾向于选择离当前点最近的节点;由于离当前点最近的节点不一定与目标点相近，因此考虑加入候选点与目标点的距离 S2(x，y，z)，使救援航空器趋于目标点的方向飞行。S=wS1(x，y，z)+(1 w)S2(x，y，z)w (0，1)(14)在近邻启发因子和目标启发因子之间定义影响系数 w 来衡量当前点、候选点和目标点之间相关性。搜索初期 w 较小，使路径向最优的方向发展，搜索后期 w 越大，搜索获得的当前点和候选点间的路径长度越小，且候选点越来越接近目标点。通过自适应地改变路径搜索策略，可以避免算法陷入局部最优解，提高算法的全局搜索能力。2.3信息素更新在蚁群算法中蚂蚁主要依据信息素浓度确定路径，每走完一段路径或全部路径后对路径上的信息素浓度按照一定比率增强或减少。本文采用局部更新和全局更新相结合的方式改变不同路径上的信息素浓度。局部信息素更新是针对所有蚂蚁而言的一种规则，以保证后续蚂蚁有更大的概率去访问未走过的路径，使已经走过的路径对后续蚂蚁具有较小的影响力，进而有效增加算法的搜索能力和有效避免算法停滞。当蚂蚁从当前节点转移到下一个节点后，对该节点信息素的局部更新遵照下式。xyz=(1 )xyz+0(15)式中 (0，1)为局部信息素衰减系数参数。全局信息素更新是一种针对精英蚂蚁采取的策略，当所有蚂蚁找寻完路径后，计算路径长度并选出最优路径，然后更新最优路径上所有节点的信息素浓度，用于提升算法的收敛性能和保证对最优解的持续探索。xyz(t+1)=(1 )xyz(t)+gbxyz (0，1)(16)gbxyz=QLgb若节点(x，y，z)包含在最优路径中0否则(17)式中gbxyz为每次迭代完成后，最短路径上的信息素增量;Q 为信息素增强系数，Q 越大收敛越快;Lgb为一次迭代完成后的最优路径长度;为全局信息素挥发度。2.4算法运行流程算法运行流程见图 2。1)根据地形数据建立飞行环境模型，确定飞行范围、地形障碍、栅格划分等信息。2)将救援航空器放置初始点，同时确定搜索的主方向，一般选择经度和纬度两个方向中栅格数量变化最多的方向作为救援航空器路径规划的主方向，然后根据初始点坐标值到目标点坐标值的变化情况，将当前栅格平面到下一个栅格平面主方向的坐标值相应增加或减少 1 个单位。3)初始化相关参数。如最大迭代次数 Cmax、蚁群数量 PopNum、初始信息素浓度分布等。4)按照路径搜索策略选择路径，局部更新经过路径节点的信息素浓度并保存。5)判断是否所有蚂蚁均找到从起始点到目标点的路径，若是则通过计算每条路径的长度并选择出长度最小的路径作为当前最优路径，对该路径进行信息素的更新处理。6)在满足迭代次数后停止搜索，输出最优解。3通航应急救援路径规划仿真试验与分析3.1环境建模选取成都、德阳、绵阳、阿坝州区域的地形进行仿真，建立飞行环境模型，经纬范围是 30.09N 34.31N、100.53E105.72E，地形数据的来源于陆地观测卫星 ALOS 数据平台(ALOSPALSAR)，9052023 年 2 月艾洪舟，等:通用航空山区救援安全航迹规划模型Feb，2023图 2算法流程图Fig 2Flow chart of algorithm对数据进行均匀化插值处理，通过 MATLAB 仿真可以得到上述区域的地形地貌，如图 3 所示，视图中以经纬度为水平坐标，以高程为垂直坐标，能够全面、准确地反映出地形的高低起伏情况，实现了较好的真实感显示，适用于救援航空器的路径规划。通过颜色和色调表现可以看出地势由西北向东南逐步降低，阿坝州附近地势海拔达到 4 500 m 左右，至成都、德阳和绵阳的交接处地势海拔降低到 2 000 m左右，东南部地势海拔约为 500 m，由此可知研究区域的地势落差和海拔起伏大，给路径规划造成了很大难度。3.2试验参数试验选取的航空器性能参数来源于米 171 直升机，栅格尺寸根据飞行参数最小直飞距离 dmin、最大俯仰角、最大偏航角，设其长 宽 高为660 m 800 m 2 m，其他参数设置见表 1。图 3研究区域地形仿真图Fig 3Terrain simulation map of study area表 1试验参数Table 1Experimental parameters参数名取值参数名取值最大限制高度 Hmax/m 4 800权重参数 a0.7最低安全高度 Hmin/m100权重参数 b0.3最大航程/km1 065信息素增强系数 Q100巡航速度/(kmh1)230局部信息素衰减系数 0.75迭代次数 Cmax100全局信息素挥发度 0.2种群数 PopNum103.3试验结果与分析采用已有案例的通航应急救援方案20，派遣直升机从出救点绵阳机场(104.74，31.42，462.2m)出发，飞行至安县(104.57，31.55，505.6 m)、九寨沟县(103.92，33.17，3 193 m)、平武县(104.53，32.40，1 455 m)和江油市(104.75，31.78，528.7 m)等多个受灾点投放救援物资，随后返回绵阳机场，采用本文提出的改进蚁群算法确定上述任意两点间的飞行路径，并计算路径长度，仿真结果见图 4。从图 4 可以直观地看出，规划路径与地形的变化趋势保持较好的一致性，能够有效适应山区飞行时的地形高度变化，没有出现明显的拐点和较大的转弯，有效控制了飞行坡度和飞行曲率，保证了飞行路径的平滑性。结果表明，初始信息素中的 Mie和启发函数中距离启发因子 S 的合理设置使蚂蚁选择路径的随机性降低，将选择的路径节点约束到从起始点到目标点的方向上，从而减少拐点，使路径变得平滑;面对地形障碍，不存在过度的绕飞避障现象，表明初始信息素中的 Mio可以综合利用水平方向和垂直方向的距离，在保障飞行安全的前提下，实现救援015Vol 23No 2安全 与 环 境 学 报第 23 卷第 2 期效率的提升。表 2 给出了 5 组救援路径中，航空器在所有飞行点之间的转弯角度、转弯次数、俯仰角变化范围和变化次数，对规划航迹进行评价。表 2路径信息表Table 2Path information路径编号飞行起止点横向机动能力纵向机动能力转弯角度/()转弯次数俯仰角变化范围/()俯仰角变化次数1(104.74E，31.42N)(104.57E，31.55N)38.3248.4020.1 0.352(104.57E，31.55N)(103.92E，33.17N)40.5013.8 5.4143(103.92E，33.17N)(104.53E，32.40N)39.2613.6 2.384(104.53E，32.40N)(104.75E，31.78N)24.4829.8522.4 1.175(104.75E，31.78N)(104.74E，31.42N)48.3010.2 0.36为分析规划航迹的合理性和安全性，以表 2 中的 2 号路径为例进行详细阐述，即安县(104.57E，31.55N，505.6 m)至九寨沟县(103.92E，33.17N，3 193 m)的最短飞行路径。根据该路径所经过的路径节点得到三维位置跟踪图，如图 5 所示，图中虚线是这条路径分别在 XY、XZ、YZ 平面上的投影。通过飞行路径在 XY 平面上的投影对航空器的横向机动能力即转弯角变化情况进行分析，救援航空器飞行至转弯点的转弯角度是40.5，转弯点的坐标位置是(103.92E，32.20N，2 911.8 m)，在该点处由于需要避开并绕飞障碍物图 4路径规划图Fig 4Path planning map进行了右转弯操作。可以看出救援航空器的最大转弯角约束得到了满足，而且规划出的路径并没有涉及过多的转弯，能够有效节约油料和救援飞行时间。考虑到救援航空器在飞行过程中进行了转弯操作，将救援路径分为两段展开讨论其俯仰角变化情况，具体数据见表 3。从安县至九寨沟的飞行过程中救援航空器的纵向机动能力即最大俯仰角约束得到了满足，俯仰角度变化缓慢，变化次数为 14，且保持在 3.8 5.4之间，但由于该角度范围是在平均斜率下计算所得，因而计算值偏大，根据实际斜率获得的俯仰角度变化范围较之更小，实现了对救援航空器飞行姿态的可控性和飞行路径的低风险性。由表 3 可知，调度方案中每条飞行路径的转弯图 5三维位置跟踪图Fig 53D position tracking map1152023 年 2 月艾洪舟，等:通用航空山区救援安全航迹规划模型Feb，2023表 3蚁群算法最优路径长度计算结果与分析Table 3Calculation results and analysis of optimal path length of ant colony algorithm编号起止点飞行方向球面距离/km路径长度/km差异率%1绵阳机场1220.4423.1313.22安县23190.50202.216.13九寨沟县3493.18104.7912.54平武县4572.5476.145.05江油市5638.8639.962.86绵阳机场1广汉机场1235.8238.557.62彭州市2325.0727.329.03什邡市3425.4327.9910.14广汉机场1双流机场1250.8255.9110.02都江堰市2354.5055.962.73汶川县3429.8433.5012.34茂县4589.2398.9810.95绵阳机场角符合救援航空器的自身物理限制，转弯次数均少于 3 次，俯仰角始终保持在安全范围内，俯仰角变化次数随地形复杂度的增加而增多，但根据水平距离长度可知相邻两次俯仰角变化幅度较小。因此，本文为救援航空器规划出的飞行路径合理可行且安全性高。下面将蚁群算法的结果数据与起止点球面距离进行对比分析。如表 3 所示，由本文方法规划所得的两点之间的最优路径长度与两点间最短球面距离相较，差异率保持在 15%以内，该差异率对于调度方案的飞行总里程和救援效率影响较小，不会导致调度方案的调整，充分体现了航迹规划模型的有效性和合理性。其中，从江油市到达绵阳机场这一路径的差异率是2.8%，主要是因为地形简单，对飞行路径的影响较小;从汶川县到茂县这一路径的差异率为 12.3%，这是因为该段地形趋于复杂，且受到航空器自身的性能限制，因此对于飞行路径的影响较大。在规划时间方面，同一路径的多次试验结果会出现规划时间差异较大的情况，主要原因有以下两个方面:第一是网格点划分较为精细，造成可扩展的节点数太多;第二是路径规划的搜索步长选取的不合适，使得规划时间增加。因此需要根据实际的规划环境进行合理调整，网格点过多和过少、步长过长和过短都会对路径规划的结果造成一定影响。4结论建立了基于飞行安全、真实地形和性能约束等多元限制信息的通航救援航迹规划模型，利用改进的蚁群算法对模型求解，并设计了西南山区某次通航救援的实际案例对算法进行验证，可得如下结论。1)航迹规划模型以航空器自身性能为约束，模型所得规划路径的俯仰角和偏转角均控制在安全飞行规则以内，改变次数均控制在较少次数内。2)在改进蚁群算法中，设置有导向性的初始信息素分布，并引入安全启发因子和距离启发因子，规划得到的航迹路线自动绕避障碍物，并与球面直线距离误差控制在 15%以内。3)采用真实地形数据，通过均匀插值处理，建立飞行环境的三维数字高程模型，模型中的最小格栅尺寸满足飞机安全操作规则，并减少了模型求解的计算量。参考文献(References):1 张青松，金宜家，秦帅星 直升机协同救援调度优化215Vol 23No 2安全 与 环 境 学 报第 23 卷第 2 期研究J 中 国 安 全 科 学 学 报，2019，29(10):180186.ZHANG Q S，JIN Y J，QIN S X Research on helicoptercooperative rescue scheduling optimizationJ ChinaSafety Science Journal，2019，29(10):180186.2 杜萍，杨春 飞行器航迹规划算法综述J 飞行力学，2005，23(2):1014.DU P，YANG C Introduction of air vehicle path planningalgorithms J Flight Dynamics，2005，23(2):1014.3 郑昌文，严平，丁明跃，等 飞行器航迹规划 M 北京:国防工业出版社，2008:4148.ZHENG C W，YAN P，DING M Y，et al Route planningfor air vehiclesM Beijing:National Defense IndustryPress，2008:4148.4AURENHAMMER F Voronoi diagramsa survey of afundamentalgeometricdatastructure J ACMComputing Surveys，1991，23(3):345405.5 OVERMARS M H Technical report:a random approachtomotionplanning R Utrecht:UtrechtUniversity，1992.6徐政超 基于 Voronoi 图算法的航路规划方法研究 D 西安:长安大学，2014:2738.XU Z C Study on flight planning methods based Voronoigraph algorithms D Xian:Changan University，2014:2738.7 潘卫军，罗小林，康瑞 基于 GIS 的直升机山区救援飞行路径规划 J 中国安全科学学报，2013，23(5):157161.PAN W J，LUO X L，KANG R GIS-based helicopterrescue flight path planning in mountainous areaJ China Safety Science Journal，2013，23(5):157161.8丁明跃，郑昌文，周成平，等 无人飞行器行迹规划 M 北京:电子工业出版社，2009:2040.DING M Y，ZHENG C W，ZHOU C P，et al Unmannedaerial vehicle track planningM Beijing:PublishingHouse of Electronics Industry，2009:2040.9 刘丽峰，张树清，李新红 人工免疫算法路径规划在林火救援中的应用J 吉林大学学报(信息科学版)，2012，30(4):433440.LIU L F，ZHANG S Q，LI X H Application of artificialimmune algorithm in forest fire rescue path planning J Journal of Jilin University(Information Science Edition)，2012，30(4):433440.10 夏正洪，潘卫军 多救援直升机多目标分配与航迹规划研究J 科学技术与工程，2014，13(34):1022610231.XIA Z H，PAN W J Research on the multi-objectivedistribution of multi-helicopter and track planningJ Science Technology and Engineering，2014，13(34):1022610231.11 陈通 救援直升机航迹规划研究 D 广汉:中国民用航空飞行学院，2011:2838.CHEN T Research on rescue helicopter route planning D Guanghan:Civil Aviation Flight University ofChina，2011:2838.12KULIDA E L，LEBEDEV VG Genetic algorithm forgenerating trajectories of specified length for the onboardflight path safety system J Procedia ComputerScience，2017，112:10151022.13 杜实，王俊凯，任景瑞 基于改进多目标粒子群算法的航空器改航研究J 安全与环境学报，2020，20(1):177185.DU S，WANG J K，REN J R On the aircraft flying-goaldiversion based on the improved multi-objective particleswarmoptimization J JournalofSafetyandEnvironment，2020，20(1):177185.14 DANANCIERK，RUVIOD，SUNGI，etalComparison of path planning algorithms for an unmannedaerial vehicle deployment under threatsJ IFAC-Papers Online，2019，52(13):19781983.15CHAO Y，XIAO Z，CAO X，et al Offline and onlinesearch:UAVmulti-objectivepathplanningunderdynamic urban environment J IEEE Internet of ThingsJournal，2018，5(2):546558.16 MYERS D，BATTA R，KARQAN MA real-timenetwork approach for including obstacles and flightdynamics in UAV route planning J Journal of DefenseModeling and Simulatio，2016，13(3):291306.17DORIGO M，MANIEZZO V Ant system:optimizationbyacolonyofcooperatingagents J IEEETransactions on Systems，Man and Cybernetics，1996，26(1):2941.18 中国民用航空局飞行标准司 直升机安全运行指南 S 北京:中国民用航空局飞行标准司，2014.Flight Standards Service，Civil Aviation Administrationof China Helicopter safe operation guideS Beijing:Flight Standards Service，Civil Aviation Administrationof China，2014.19 中国民用航空局 一般运行和飞行规则:CCAR 91R2 S 北京:中国民用航空局，2007.Civil Aviation Administration of China General rules ofoperation and flight:CCAR91R2S Beijing:Civil Aviation Administration of China，2007.20 刘全义，何鑫，艾洪舟，等 基于救援效率的通航救援调度模型研究J 数学的实践与认识，2020，50(7):115126.LIU Q Y，HE X，AI H Z，et alResearch on thescheduling model of general aviation rescue based on3152023 年 2 月艾洪舟，等:通用航空山区救援安全航迹规划模型Feb，2023rescue efficiency J Mathematics in Practice andTheory，2020，50(7):115126.General aviation trajectory planningfor rescue in mountainous areas basedon flight safetyAI Hong-zhou，HE Xin，LIU Quan-yi，HU Mao-qi(College of Civil Aviation Safety Engineering，Civil AviationFlight University of China，Guanghan 618307，Sichuan，China)Abstract:To deal with the high complexity terrain problem ofthe general aviation mountain rescue flight environment，thispaper aims to find a three-dimensional rescue track planningmodel based on an improved ant colony algorithmFor thispurpose，it would be necessary to acquire the real mountainterrain environment data to establish the three-dimensional flightenvironment model The data are homogenized and interpolatedto match the grid size of the 3D flight environment model whichis determined by