一种无人机和有人机协同机制下的多机多目标应急搜救航迹规划方法

摘要

本发明首次公开了一种无人机和有人机协同机制下的多机多目标应急搜救航迹规划方法：S1：对受灾地区进行多无人机协同覆盖式搜寻，并获取受灾人员疑似点的地理位置；S2：依据受灾人员疑似点的地理位置，规划出多无人机协同疑似点搜寻的最优航迹，并依据该最优航迹实施多无人机协同疑似点搜寻预案，获取受灾人员关键点的地理位置及受灾人员数量情况；S3：依据受灾人员关键点地理位置及受灾人员数量情况，规划得到多有人机协同关键点应急救援的最优航迹，并依据所述多有人机搜救最优航迹实施多有人机协同关键点应急搜救预案。该方法能有效提高我国山区条件下应急救援效率和安全性，灵活应对不同山区飞行环境，为保障救援飞行安全做好充分的准备。

说明书

技术领域

本发明涉及山区环境下的航空应急救援技术领域，尤其涉及重大自然灾害(如地震、泥石流等)山区条件下的航空应急搜救航迹规技术，特别涉及一种能够有效提高我国山区条件下应急救援效率和安全性，并能灵活应对不同山区飞行环境提供丰富救援准备的无人机和有人机协同机制下的多机多目标应急搜救航迹规划方法。

背景技术

山区重大自然灾害发生后，以民用无人机及通航有人机为基础的航空应急救援具有快速、高效、危险程度低、二次伤害率低以及受灾区地理空间限制较少等优势，能够在第一时间对灾区做出应急救援响应。保障对受灾地区的地形、受灾情况、重点受灾区域判别以及物资投递工作的顺利进行，对减少人民生命财产损失有着重要意义。然而我国现有的航空应急救援运行法规及应急救援方案并不完善，导致救援效率较低且救援人员面临灾后未知环境威胁的危险等问题，使得搜寻救援的安全性无法得到保障。以2008年5月12日四川省汶川市地震为例，中国民用航空局调集了来自东方通用航空公司、南航珠海直升机分公司等共计三十余架架救援直升机对实施救援工作，但受到震后灾区地形环境复杂、气象条件较差、飞行情报准备不足，重灾区受灾情况及救援目标不明确等问题的影响，导致救援任务推进较慢且安全性较差等。因此，在山区条件下，针对受灾地区的航空搜寻救援准备工作及无人机前期的搜寻工作显得尤为重要。合理的分配无人机与有人机的救援任务，以及高效的规划其搜寻救援飞行航迹对于受灾山区搜寻救援工作具有较为积极的意义。为此，当地震、泥石流等重大自然灾害发生后，根据当地救援队伍及后续补给队伍机队配置的不同、搜寻救援起降点、搜寻目标点不同、无人机与有人机执行任务不同，如何合理的对无人机及有人机进行任务分配，规划搜寻救援的往返飞行路径，制定航空应急救援预案，提高航空应急救援效率和保障救援安全的关键问题。

发明内容

本发明的目的在于克服现有技术中所存在的上述不足，提供一种多无人机和有人机协同机制下的多机多目标应急搜救航迹规划方法，依据本发明所述方法，能够用于不同山区重大自然灾害条件下，无人机与有人机相协同多机多目标协同搜救预案的高效制定，为提高灾区搜寻救援效率，保障救援飞行安全做好充分的准备。

为了实现上述发明目的，本发明提供了以下技术方案：

一种无人机和有人机协同机制下的多机多目标应急搜救航迹规划方法，其特征在于，包括如下步骤：

S1：对受灾地区进行多无人机协同覆盖式搜寻，并获取受灾人员疑似点的地理位置；

S2：依据步骤1中获取的受灾人员疑似点的地理位置，规划出多无人机协同疑似点搜寻的最优航迹，并依据该最优航迹实施多无人机协同疑似点搜寻预案，获取受灾人员关键点的地理位置及各关键点受灾人员数量情况；

S3：依据步骤2中获取的受灾人员确定关键点地理位置及各关键点受灾人员数量情况，规划得到多有人机协同关键点应急救援的最优航迹，并依据该最优航迹实施多有人机协同关键点应急搜救预案。

进一步，采用双光电吊舱无人机进行多无人机协同覆盖式搜寻。

其中，所述双光电吊舱无人机是指将两个机载光电吊舱以一定的安装角度安装在无人机机载吊舱或无人机机身上，使得两部探头的水平照射方向与无人机航向存在一定的角度，且两部光电吊舱的照射水平方向相反(照射方向相差180°)，使得所述双光电吊舱无人机经过某一地点时，能够从该地点两侧对该点进行扫描搜寻，确保山区等地形因素所造成的盲区最小，进一步提高多无人机协同覆盖式搜寻效率。

进一步，所述骤1中的多无人机协同覆盖式搜寻，包括如下步骤：

S101：对受灾地区进行地理信息图像处理，获得受灾地区的等高线图；

S102：依据获取的受灾地区等高线图，采用凸多边形区域划分原则，将每个飞行高度层划分为多个子任务区域；

S103：依据划分的子任务区域，采用多机斜线编队搜寻方式，对灾区进行多无人机协同覆盖搜寻，并记录受灾人员关键点的地理位置及各关键点受灾人员数量情况。

其中，所述S101中地理信息图像处理，具体包括如下步骤：

1)获得SRTM数字高程地图后，利用SuperMap输出受灾地区的数字高程模型(DEM)文件。

2)利用三维地图处理软件Global Mapper将数字高程模型(DEM)文件转换为XYZ点云格式文件，并保存TXT文件。

3)在Matlab中加载受灾地区的XYZ点云格式文件，重新获取该地域的数字地图，并利用双三次插值的内插法对该数字地图进行加密处理。

4)通过分析受灾地区人员可能所处海拔高度范围(如受灾前，人员生活居住情况等)以及无人机机载探头搜索性能要求(能识别出受灾人员或车辆等的最远距离)，对受灾地区进行高度层划分，并根据无人机搜索该海拔范围时的飞行高度生成地区等高线图用于多无人机协同覆盖式搜索时使用。

进一步，采用单光电吊舱无人机进行多无人机协同疑似点搜寻。

其中，所述单光电吊舱无人机是指将单一机载探头以一定的安装角度安装在无人机机载吊舱或无人机机身上，使得机载探头的照射水平方向与无人机航向保持一致，并能够利用图传模块实时/或录制无人机飞行过程中的地形情况及受灾人员等待救援情况等。

进一步，所述步骤2中多无人机协同疑似点搜寻最优航迹，主要通过如下方式确定：

S201：获取受灾人员疑似点所在地理位置，选用蚁群算法中的三维路径规划算法，评估出任意两个疑似点间的最优路径；

S202：依据步骤S201评估出的最优路径，进一步结合无人机数量、出发地和降落地定位，将多无人机协同疑似点搜寻最优航迹规划问题转换为旅行商问题，并利用遗传算法求解，得到多无人机协同疑似点搜寻的最优航迹。

优选地，在所述步骤S202中，可进一步将无人机数量、出发地和降落地定位情况，预设为如下四种模式：

模式一：无人机同一机场出发且降落地为出发机场的多无人机协同疑似点搜寻模式；

模式二：同一机场出发且降落地机场相同，但所述将落地机场与出发机场不同的多无人机协同疑似点搜寻模式

模式三：不同机场出发且降落地为各自的出发机场，但无人机的数量固定的多无人机协同疑似点搜寻模式；

模式四：不同机场出发且将落地为各自的出发机场，但无人机的数量不固定的多无人机协同疑似点搜寻模式；

并依据实际情况选取对应模式后，利用遗传算法，计算得到多无人机编队协同疑似点搜寻最优航迹。

进一步，所述步骤3中多有人机协同关键点应急救援的最优航迹，主要通过如下步骤确定：

S301：获取各受灾人员关键点的地理位置，选用蚁群算法中的三维路径规划算法，评估出任意两个关键点之间的最优路径；并将评估出的任意两个关键点间的最优路径的距离转换为矩阵D1储存；

S302：获取各关键点受灾人员数量情况，并以数量矩阵C2形式保存；

S303：根据各关键点间最优路径的距离矩阵D1以及各关键点受灾人员数量矩阵C2，求得各关键点受灾人员距离矩阵D2；其中，相同关键点受灾人员的路径长度为0；

S304：再进一步结合有人机数量、出发机场、载人量，利用贪心算法对各有人机进行救援任务分配，从而得到多有人机协同关键点应急救援的最优航迹。

进一步，所述步骤S304主要包括：

S304a：依据有人机的数量和出发机场，进行比例排序，并按排序结果，将其所对应的有人机载人量记为矩阵C_h；

S304b：依据各关键点受灾人员距离矩阵D2计算出各关键点受灾人员距离的倒数，再以该倒数作为下一救灾人员的等效价值，利用贪心算法，对有人机的救援任务进行分配，确认每架有人机应前往的救灾地点，以及各救灾地点应救援人数；

S304c：依据每架有人机分配的救援任务，将每架有人机的救援任务航程求和后按照升序排列，并按排序结果更新有人机载人量矩阵C_h；

S304d：根据有人机已救援人数，更新并记录各关键点受灾人员数量情况；

S304e：再依据更新后各关键点受灾人员数量情况，同步更新并记录各关键点受灾人员数量矩阵C2、各受灾关键点之间的最优路径距离矩阵D1、以及受灾人员距离矩阵D2；

S304f：再进一步根据更新后数据，循环分配有人机的救援任务，直至所有受灾人员均被分配有人机为止。

优选地，调用Google Earth飞行模拟程序或SuperMap飞行模拟程序，对救援预案进行模拟飞行演示。

进一步优选地，调用Google Earth飞行模拟API程序，对多无人机协同覆盖式搜寻应急预案进行模拟飞行演示；调用SuperMap飞行模拟演示多无人机协同疑似点搜寻应急预案、多有人机协同关键搜寻应急预案。进一步保障各个预案中多无人机或有人机协同搜救任务的顺利进行，提高救援任务的执行安全性。

进一步，在规划所述最优航迹过程中，依据各有人机或无人机续航能力能否完成分配任务，及时修正其航迹规划，从而充分合理规划各有人机、无人机的飞行航迹，得到最终的最优航迹，并确保多机协同救援任务的顺利完成。

与现有技术相比，本发明的有益效果：

1、依据本发明所述航迹规划方法，首次研究并提出了一种能够灵活适用于不同山区自然灾害条件下，具体根据该受灾地区周边飞行资源、条件，高效合理制定多无人机和多有人机协同机制下多机多目标同时进行的应急搜救预案的航迹规划方法，有效提高我国山区条件下航空飞行应急搜救效率和安全性，极大减小了救援过程中由于地形不明、情报不足等原因造成的二次伤害等问题，对我国山区航空应急救援技术发展起到显著推动意义。

2、本发明所述应急搜救航迹规划方法，将多无人机协同覆盖式搜寻航迹规划、多无人机协同疑似点搜寻航迹规划和多有人机协同关键点搜寻航迹规划依次结合，通过对多无人机协同覆盖式航迹规划，使双光电无人机对整个灾区进行快速、全面搜寻，确定并记录下受灾人员疑似点所在地理位置；再通过对多无人机协同疑似点应急搜救航迹规划，使单光电无人机对记录的疑似点进行多机多目标协同搜寻，快速确定并记录受灾人员关键点所在地理位置；最后依据多无人机确定的关键点位置，对各机场有人机救援航迹进行合理规划，从而实现多有人机协同精确救援。有效避免由于搜寻目标的盲目性以及重复性导致的救援混乱、资源浪费情况，以及救援过程中由于地形不明、情报不足等原因造成的二次伤害等问题，显著提高了多机协同搜救效率，并保障协同应急救援的安全性和资源的充分利用性。

3、进一步，与以往单机场调度不同，本发明所述航迹规划方法，基于不同机场无人机数量、工作性能等配置情况，全面考虑了航空应急救援任务实施可行性等问题，并进一步给出了四种多多无人机协同疑似点搜寻策略，使决策者可以依据不同机场的实际情况以及受灾地区地理条件特点，选择不同搜寻策略，高效确定与灾区情况相匹配的应急搜寻预案。

4、进一步，在本发明所述多有人机协同关键点应急搜救航迹规划中，巧妙将救援有人机数量与受灾人员数量不匹配问题转化为平衡指派问题，利用旅行商求解思路，并结合贪心算法，对有人机进行循环任务指派，合理规划各机场有人机飞行救援航迹，节约资源并确保所有受灾人员被有效分配救援，形成切实可行的救援有人机多目标分配方案，提高多有人机协同救援效率。

5、进一步，在本发明所述多无人机和有人机协同机制下的多机多目标应急搜救航迹规划方法中，调用Google Earth及SuperMap飞行模拟功能，对各应急搜救方案进行飞行模拟演示工作，进一步确保了各搜救预案中多无人机或有人机协同搜救任务的顺利进行，保障了救援人员的安全性，避免事故发生耽误救援工作进展。

附图说明：

图1为本发明所述一种无人机与有人机协同机制下的多机多目标应急搜救航迹规划方法流程图。

图2为本发明所述多无人机协同覆盖式搜寻航迹规划流程图。

图3为本发明所述多无人机协同疑似点搜寻航迹规划流程图。

图4为本发明所述多有人机协同关键点应急搜救航迹规划流程图。

图5为单光电吊舱无人机搜索模型示意图。

图6为双光电吊舱无人机搜索模型示意图。

图7为双三次插值法加密后的受灾地区地形图。

图8为结合无人机飞行性能得到的无人机飞行高度层等高线图。

图9为多无人机斜线编队覆盖式搜索示意图。

图10为结合无人机飞行性能重新生成的受灾地区地形图。

图11基于蚁群算法得到的疑似点或关键点间三维路径规划示意图。

图12不同模式下多无人机协同疑似点搜寻航迹示意图。

具体实施方式

下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。

如图1所示，一种无人机和有人机协同机制下的多机多目标应急搜救航迹规划方法，包括如下步骤：

S1：获取受灾地区地理信息并进行评估处理，规划多无人机协同覆盖式搜寻航迹，从而得到多无人机协同覆盖式搜寻预案，并调用Google Earth模拟API演示预案后，实施多无人机协同覆盖式搜寻预案，并获取受灾人员疑似点的地理位置信息；

S2：依据步骤1中获取的受灾人员疑似点的地理位置，规划出多无人机协同疑似点搜寻的最优航迹，从而得到多无人机协同疑似点搜寻预案，并调用SuperMap飞行模拟演示预案后，实施多无人机协同关键点搜寻预案，获取受灾人员关键点的地理位置及各关键点受灾人员数量情况；

S3：依据步骤2中获取的受灾人员关键点地理位置及各关键点受灾人员数量情况，规划得到多有人机协同关键点应急搜救的最优航迹，得到多无人机协同疑似点搜寻预案，并调用SuperMap飞行模拟演示预案后，实施多有人机协同关键点应急搜救预案。

如图2所示，所述多无人机协同覆盖式搜寻的最优航迹规划，主要包括如下步骤：

S101：对受灾地区进行地理信息图像处理，并结合无人机续航能力、搜索区域大小等性能指标，得到无人机飞行高度层等高线图；具体为：

1)获得SRTM数字高程地图后，利用SuperMap输出受灾地区的数字高程模型(DEM)文件。

2)利用三维地图处理软件Global Mapper将数字高程模型(DEM)文件转换为XYZ点云格式文件，并保存TXT文件。

3)在Matlab中加载受灾地区的XYZ点云格式文件，重新获取该地域的数字地图，并利用双三次插值的内插法对该数字地图进行加密处理，得到利用双三次插值法处理后的受灾地区地形图(如图7所示)。

4)再根据受灾地区地形图分析评估受灾地区人员可能所处的垂向海拔分布情况(如受灾前，人员生活居住情况等)，平均划分为N_vh个垂向范围，每个范围内人员所处海拔高度为h_vi→h_vi+1，并根据无人机机载探头搜寻性能要求高度h，划分N_vh个无人机编队飞行高度层，每层海拔高度为h_vi+1+h。

5)再利用Matlab软件得到无人机飞行高度层等高线图(如图8所示)，用于各无人机编队水平搜寻子任务区域划分和无人机编队飞行避障。

S102：根据得到的无人机飞行高度层等高线图，进一步结合无人机数量、续航能力、无人机编队搜索宽度等性能评估系数，采用凸多边形区域划分原则，将受灾地区划分为多个子任务区域；具体划分方法为：

1)同一飞行高度层的搜寻子任务区域范围划分：设第N_vhi个飞行高度层中第j组无人机编队的搜索宽度为b_ij，该高度层所对应的待搜索区域面积为area(S_i)，则在忽略转弯时间的情况下可近似的认为(V_ij为该组无人机编队的飞行速度，T_ij为完成搜索任务所需时间，应尽可能保证T_ij组内差值较小)。由此可以推断出第j组无人机编队的性能评估系数f_ij＝area(S_ij)/area(S_i)，并依据其评价系数利用凸多边形法则得到第j组无人机编队的搜寻任务区域。

2)不同飞行高度层间搜寻子任务区域配合和更新：由于不同高度层飞行的无人机搜索时间不同，为保证无人机的充分使用，当其他无人机编队完成搜索任务时，应转飞至未完成区域协助搜素。设定i个飞行高度层中第j组无人机编队完成搜寻任务的初步估计时间为T_ij'，当其完成其搜寻任务时，转飞至第i+1个飞行高度层协助搜索。此时第i+1飞行高度层上搜寻的无人机编队已完成的搜寻区域面积可近似为第i+1飞行高度层剩余搜寻区域可表述为根据第i+1飞行高度层更新后的无人机编队数量，重新评估无人机编队性能并按照凸多边形法则进行无人机区域划分。

S103：结合步骤S102中划分的子任务区域，采用多机斜线编队搜寻方式，对灾区进行覆盖式搜寻，并记录受灾人员关键点的地理位置及各关键点受灾人员数量情况：

具体而言，如图9所示，该步骤中所述“多机斜线编队搜寻方式”具体指，选用双光电吊舱无人机(如图6所示)作为覆盖式搜寻救援的主要装备，使多部双光电吊舱无人机从不同机场出发，在受灾地区上空以“Z”字型飞行路径进行覆盖式搜索，其航向应与所分配的子任务区域的较长边方向保持一致，这样能够减少无人机编队转弯次数，提高搜寻效率。且在搜索过程中，双光电吊舱无人机为减小山区地形因素造成的搜索盲区，应保证无人机编队中相对于航向最左侧无人机左侧搜索覆盖区域与无人机做第一次180°折返时相对于航向最左侧无人机左侧搜索覆盖区域保持重叠，使同一区域能够从两个方向被搜索，有效减少由于地形造成的搜索盲区。

进一步，无人机编队在实施搜寻预案过程中，若遇到不规则障碍物时，应采取飞跃原则。若受无人机爬升下降性能影响无法完成飞跃时，应选择绕飞。

进一步，结合无人机续航能力能否完成分配搜寻任务及是否存在资源浪费情况，及时修正航迹，得到最终的最优航迹规划。再调用Google Earth模拟API演示预案后，实施预案并实时记录受灾人员疑似点所在经纬度坐标、搜寻区域内的地形情况及各关键点受灾人员数量情况。并将纬度坐标经后期整理为矩阵C1，为后续飞行任务提供参考。

进一步，如图3所示，所述步骤2中多无人机协同疑似点搜寻最优航迹规划，主要包括如下步骤：

S201：获取受灾人员疑似点所在地理位置，选用蚁群算法中的三维路径规划算法，评估出任意两个疑似点间的最优路径；具体为：

1)根据无人机的最小搜寻飞行高度H_1min以及无人机与山体之间的最小高度差△h1，将受灾地区地形的XYZ点云格式文件中，所有的值均增加无人机与山体之间的最小高度差△h1，并将小于最小搜寻飞行高度H_1min的值全部替换为H_1min，替换后导入Matlab中重新获取该地域的数字地图，并利用双三次插值的内插法对该数字地图进行加密处理(如图10所示)。

2)利用基于蚁群算法的三维路径规划算法求解任意两个疑似点(包括起始点/降落点)之间的最优路径(如图11所示)，并将其最优路径的距离转换为矩阵形式储存，并将各条路径的航路点坐标记录下来。

S202：依据步骤S201评估出的最优路径的航路点坐标，进一步结合无人机数量、出发地和降落地定位，将多无人机协同疑似点搜寻最优航迹规划问题转换为旅行商问题，并依据无人机数量、出发地和降落地定位情况，从如下预设的四种模式中选取对应的模式：

模式一：无人机同一机场出发且降落地为出发机场的多无人机协同疑似点搜寻模式；

模式二：同一机场出发且降落地机场相同，但所述将落地机场与出发机场不同的多无人机协同疑似点搜寻模式

模式三：不同机场出发且降落地为各自的出发机场，但无人机的数量固定的多无人机协同疑似点搜寻模式；

模式四：不同机场出发且将落地为各自的出发机场，但无人机的数量不固定的多无人机协同疑似点搜寻模式。

并将计算结果进行记录，包括各无人机航路点信息等，从而更加方便快捷地形成多无人机协同疑似点搜寻的最优航迹。如图12所示，为不同模式下规划出的多无人机协同疑似点搜寻航迹示意图。

进一步，依据不同模式下规划得到的多无人机协同疑似点搜寻航迹，并结合各无人机续航能力，对航迹进行修正，从而得到对应各模式下多无人机协同疑似点的最优航迹及搜寻预案；调用SuperMap飞行模拟演示预案后，选用单光电吊舱无人机(如图5所示)实施多无人机协同关键点搜寻预案，并实时记录受灾人员关键点的地理位置及各关键点受灾人员数量情况；

如图4所示，所述步骤3中多有人机协同关键点应急搜救最优航迹规划，主要包括如下步骤：

S301：获取各受灾人员关键点的地理位置，选用蚁群算法中的三维路径规划算法，评估出任意两个关键点之间的最优路径；并将评估出的任意两个关键点间的最优路径的距离转换为矩阵D1储存；具体操作为：

1)载入受灾地区XYZ云数据，并依据获取关键点地理位置信息，重新评估灾区人员关键点垂向海拔分布情况；

2)根据有人机的最小搜寻飞行高度H_2min以及无人机与山体之间的最小高度差△h₂，将受灾地区地形的XYZ点云格式文件中，所有的值均增加无人机与山体之间的最小高度差△h₂，并将小于最小搜寻飞行高度H_2min的值全部替换为H_2min，替换后导入Matlab中重新获取该地域的数字地图，并利用双三次插值的内插法对该数字地图进行加密处理(如图8所示)。

3)利用基于蚁群算法的三维路径规划算法求解任意两个关键点(包括起始点/降落点)之间的最优路径，并将其最优路径的距离转换为矩阵形式D1储存，并将各条路径的航路点坐标记录下来(如图9所示)。

S302：获取各关键点受灾人员数量情况，并以数量矩阵C2形式保存；

S303：根据各关键点间最优路径的距离矩阵D1以及各关键点受灾人员数量矩阵C2，求得各关键点受灾人员距离矩阵D2；其中，相同关键点受灾人员的路径长度为0；

例如，设定共5个关键点，分别为d1—d5，各关键点受灾人员数量分别为6/10/9/11/3，各关键点间最优路径矩阵可表述为各关键点受灾人员数量矩阵C2＝[6,10,9,11,3]；则各关键点受灾人员距离矩阵为

S304：以各点间距离的倒数为下一救灾人员的等效价值，并进一步结合有人机数量、出发机场、载人量，利用贪心算法对各有人机进行救援任务分配，直至受灾人员能够顺利的得到救援为止，具体包括：

S304a：依据有人机的数量、以及出发机场按比例排序。并按排序结果，将其所对应的有人机载人量记为矩阵C_h。

例如，A机场救援有人机数量为3架，其容量分别为5/5/5；B机场救援有人机数量为6架，其对应载人量为8/8/8/8/8/8；根据不同机场救援有人机比例进行排序，并将其载人量按序排列得到矩阵Ch＝[5,8,8,5,8,8,5,8,8]；

S304b：依据各关键点受灾人员距离矩阵D2计算出各关键点受灾人员距离的倒数，再以该倒数作为下一救灾人员的等效价值，利用贪心算法，对有人机的救援任务进行分配，确认每架有人机应前往的救灾地点，以及各救灾地点应救援人数；

S304c：依据每架有人机分配的救援任务，将每架有人机的救援任务航程求和后按照升序排列，并按排序结果更新有人机载人量矩阵C_h；

S304d：根据有人机已救援人数，更新并记录各关键点受灾人员数量情况；

S304e：再依据更新后各关键点受灾人员数量情况，同步更新并记录各关键点受灾人员数量矩阵C2、各受灾关键点之间的最优路径距离矩阵D1、以及受灾人员距离矩阵D2；

S304f：再进一步根据更新后数据，循环分配有人机的救援任务，直至所有受灾人员均被分配有人机为止。

并进一步结合有人机续航能力得到多有人机协同关键点应急搜救最优航迹，从而得到多有人机协同关键点应急救援预案。并调用SuperMap飞行模拟演示该协同应急救援预案，保障多有人机协同关键点救援飞行任务的顺利执行。