利用改进中心碰撞优化的低空旅游航线规划算法

徐虹; 李婷婷; 方志祥; 冯明翔

doi:10.13203/j.whugis20260122

您当前的位置：

首页 >

文章列表页 >

利用改进中心碰撞优化的低空旅游航线规划算法

地图制图学与地理信息工程 | 更新时间：2026-10-15

- 利用改进中心碰撞优化的低空旅游航线规划算法
- An Algorithm for Low-Altitude Tourist Route Planning with Improved Centered Collision Optimizer
- 武汉大学学报（信息科学版） 2026年51卷第11期页码：2502-2516
- 作者机构：
  
  1.武汉科技大学城市建设学院，湖北武汉，430065
  2.武汉大学测绘遥感信息工程全国重点实验室，湖北武汉，430079
  3.武汉市规划研究院，湖北武汉，430014
- 作者简介：
  
  徐虹，博士，教授，研究方向为数智城市规划与历史建筑遗产保护。xuhong@wust.edu.cn
  方志祥，博士，教授。zxfang@whu.edu.cn
- 基金信息：
  
  武汉市自然资源和城乡建设局科技计划(202512);湖北省自然科学基金(2025AFB400)
- DOI：10.13203/j.whugis20260122
  中图分类号： P208
- 收稿：2026-04-16，
  
  纸质出版：2026-11-05
- 稿件说明：
移动端阅览
徐虹,李婷婷,方志祥，等.利用改进中心碰撞优化的低空旅游航线规划算法[J].武汉大学学报（信息科学版）,2026,51(11):2502-2516.

XU Hong,LI Tingting,FANG Zhixiang,et al.An Algorithm for Low-Altitude Tourist Route Planning with Improved Centered Collision Optimizer[J].Geomatics and Information Science of Wuhan University,2026,51(11):2502-2516.
徐虹,李婷婷,方志祥，等.利用改进中心碰撞优化的低空旅游航线规划算法[J].武汉大学学报（信息科学版）,2026,51(11):2502-2516. DOI：10.13203/j.whugis20260122

XU Hong,LI Tingting,FANG Zhixiang,et al.An Algorithm for Low-Altitude Tourist Route Planning with Improved Centered Collision Optimizer[J].Geomatics and Information Science of Wuhan University,2026,51(11):2502-2516. DOI：10.13203/j.whugis20260122

摘要

随着低空空域的逐步开放和电动垂直起降飞行器技术的快速发展，低空旅游作为一种新兴的旅游方式展现出巨大潜力。城市环境下低空飞行旅游航线规划面临景观价值难以量化、建筑密集、特殊功能区禁飞或限飞导致可行域破碎等难题。为此，构建了路径规划的目标函数，提出了基于改进中心碰撞优化（improved centered collision optimizer，ICCO）的低空旅游航线规划算法。该算法采用了基于Sobol序列和反向学习的初始化策略、Levy飞行位置更新策略、边界修正机制以及差分进化等策略，能有效优化初始路径种群的分布，保证算法收敛稳定性以及增强算法的局部搜索能力。实验结果表明，ICCO生成的路径平滑且不违反约束，其求解精度、收敛速度、稳定性和约束处理能力都优于其他对比算法；所提方法能够规划出具有最小目标函数解的路径，有效协调美观、低扰、平稳、经济四大需求，为低空旅游的实践应用提供关键支撑。

Abstract

Objectives

With the gradual opening of low-altitude airspace and the rapid advancement of electric vertical takeoff and landing technologies

low-altitude tourism has developed into a promising new form of travel. However

route planning for low-altitude sightseeing in urban environments faces multiple difficulties: The difficulty in quantifying landscape appreciation values

dense building clusters

fragmented feasible flight zones caused by no-fly or restricted-flight regulations over special functional areas

and the unstable performance of traditional metaheuristic algorithms in such complex scenarios. A low-altitude tourism route planning algorithm based on an improved centered collision optimizer is proposed to obtain a multi-objective balanced optimal path in complex environments.

Methods

For low-altitude tourism scenarios

an objective function is established incorporating four key dimensions: landscape appreciation value

noise impact

flight cost

and flight smoothness. Aiming at the drawbacks of the original centered collision optimizer (CCO) (including uneven initial population distribution

crude boundary handling

and insufficient local search capability)

an improved CCO (ICCO) is proposed with four major improvement strategies: Optimizing the initial population using Sobol sequence and opposition-based learning

employing a Levy flight position update strategy to enhance global search capability

a boundary correction mechanism to improve convergence stability

and a differential evolution strategy to strengthen local fine-tuning ability. For large-scale tourist airspace

a block-wise planning followed by smooth connection strategy is adopted: The ICCO algorithm is used to compute the optimal path for each sub-region

and the segmented paths are further integrated into a complete flight route using cubic B-spline smooth connection techniques.

Results

In comparative experiments conducted across six urban sub-regions (

) wit

h varying terrain complexity and constraint density

ICCO consistently found the optimal solution fastest and outperformed genetic algorithm

particle swarm optimization

grey wolf optimizer

and the original CCO in convergence speed

solution accuracy

and stability. The standard deviation of ICCO was the smallest across all environments

and in environment

it reached zero

indicating perfect repeatability. In environment

which featured the most complex terrain and demanded the highest multi-objective balance

ICCO achieved an optimal fitness value of -1 098.20

which was 26.77% lower than genetic algorithm

8.30% lower than grey wolf optimizer

47.72% lower than particle swarm optimization

and 0.24% lower than CCO. Ablation experiments confirmed that each of the four improvement strategies contributed positively to the overall performance. A preliminary assembly of the routes generated by ICCO revealed angle violations at the connection nodes (climb angles or turn angles). After smoothing these nodes using B-spline interpolation

a complete low-altitude tourism route satisfying all angle constraints was obtained.

Conclusions

The combination of improvement strategies enhances the algorithm's performance. The proposed low-altitude tourism route planning method based on the ICCO algorithm can effectively generate smooth

economical

and visually appealing low-altitude tourism routes. It possesses high practical value and can provide reliable technical support for the practical implementation of low-altitude tourism.

关键词

Keywords

references

侯冠宇，胡宁宁 . 向空而兴：中国低空经济研究的特点、趋势与展望［J/OL］. 西北工业大学学报（社会科学版）， 2026-05-28 . https：//link.cnki.net/urlid/61.1352.C.20260519.1446.002 https://link.cnki.net/urlid/61.1352.C.20260519.1446.002 .

HOU Guanning ， HU Ningning . Soaring Toward the Sky： Characteristics， Trends， and Prospects of Research on China ' s Low-Altitude Economy ［J/OL］. Journal of Northwestern Polytechnical University（Social Sciences）， 2026-05-28 . https：//link.cnki.net/urlid/61.1352.C.20260519.1446.002 https://link.cnki.net/urlid/61.1352.C.20260519.1446.002 .

沈映春 . “低空+文旅”打造文化消费新增长点［J］. 人民论坛， 2025 （ 9 ）： 92 - 97 .

SHEN Yingchun . “ Low Altitude+cultural Tourism” to Create a New Growth Point of Cultural Consumption ［J］. People’s Tribune ， 2025 （ 9 ）： 92 - 97 .

唐立，何彪，唐昕琛，等 . 融合速度障碍与人工势场法的电动垂直起降飞行器路径规划［J］. 交通运输系统工程与信息， 2026 ， 26 （ 3 ）： 348 - 359 .

TANG Li ， HE Biao ， TANG Xinchen ， et al . Path Planning for Electric Vertical Take-off and Landing Aircraft Integrating Velocity Obstacle and Artificial Potential Field ［J］. Journal of Transportation Systems Engineering and Information Technology ， 2026 ， 26 （ 3 ）： 348 - 359 .

许涛，王佩如，刘春，等 . 复杂山地环境无人机路径规划方法研究［J］. 武汉大学学报（信息科学版）， 2026-03-06 . https：//ch.whu.edu.cn/article/doi/10.13203/j.whugis20250178 https://ch.whu.edu.cn/article/doi/10.13203/j.whugis20250178 .

XU Tao ， WANG Peiru ， LIU Chun ， et al . Path Planning for Unmanned Aerial Vehicles in Complex Mountainous Environments ［J］. Geomatics and Information Science of Wuhan University ， 2026-03-06 . https：//ch.whu.edu.cn/article/doi/10.13203/j.whugis20250178 https://ch.whu.edu.cn/article/doi/10.13203/j.whugis20250178 .

徐光辉，邓赟，王淑青，等 . 改进凤头豪猪优化算法的无人机三维路径规划［J］. 中南民族大学学报（自然科学版）， 2025 ， 44 （ 2 ）： 237 - 244 .

XU Guanghui ， DENG Yun ， WANG Shuqing ， et al . UAV 3D Path Planning with Improved Crested Porcupine Optimization Algorithm ［J］. Journal of South-Central Minzu University （Natural Science Edition）， 2025 ， 44 （ 2 ）： 237 - 244 .

占伟伟，王伟，陈能成，等 . 一种利用改进A*算法的无人机航迹规划［J］. 武汉大学学报（信息科学版）， 2015 ， 40 （ 3 ）： 315 - 320 .

ZHAN Weiwei ， WANG Wei ， CHEN Nengcheng ， et al . Path Planning Strategies for UAV Based on Improved A* Algorithm ［J］. Geomatics and Information Science of Wuhan University ， 2015 ， 40 （ 3 ）： 315 - 320 .

谢继武，席建新 . 瞬态搜索金枪鱼优化城市物流无人机路径规划［J］. 计算机工程与设计， 2023 ， 44 （ 12 ）： 3745 - 3753 .

XIE Jiwu ， XI Jianxin . Urban Logistics UAV Path Planning Based on Transient Search Tuna Optimization ［J］. Computer Engineering and Design ， 2023 ， 44 （ 12 ）： 3745 - 3753 .

周星宇，李姝涵，薛锋 . 基于多智能体图神经网络的城市无人机配送路径优化［J］. 交通运输工程与信息学报， 2025 ， 23 （ 4 ）： 50 - 61 .

ZHOU Xingyu ， LI Shuhan ， XUE Feng . Urban UAV Delivery Routing Optimization via Multi-agent Graph Neural Networks ［J］. Journal of Transportation Engineering and Information ， 2025 ， 23 （ 4 ）： 50 - 61 .

刘光才，金松鹏，李章萍，等 . 基于改进人工电场算法的城市载人电动垂直起降飞行器路径规划［J］. 科学技术与工程， 2025 ， 25 （ 1 ）： 238 - 244 .

LIU Guangcai ， JIN Songpeng ， LI Zhangping ， et al . Path Planning of Urban Manned eVTOL Based on the Improved Artificial Electric Field Algorithm ［J］. Science Technology and Engineering ， 2025 ， 25 （ 1 ）： 238 - 244 .

HILDEMANN M ， VERSTEGEN J A . 3D-Flight Route Optimization for Air-Taxis in Urban Areas with Evolutionary Algorithms and GIS ［J］. Journal of Air Transport Management ， 2023 ， 107 ： 102356 .

YE M ， ZHAO J C ， GUAN Q L ， et al . Research on eVTOL Air Route Network Planning Based on Improved A* Algorithm ［J］. Sustainability ， 2024 ， 16 （ 2 ）： 561 .

CHEN Y N ， FU R ， JIA S . Flight Path Planning with Ground Risk and Noise Mitigation for Urban Air Mobility ［J］. Reliability Engineering & System Safety ， 2026 ， 270 ： 112176 .

QU W Q ， XU C C ， TAN X ， et al . Preliminary Concept of Urban Air Mobility Traffic Rules ［J］. Drones ， 2023 ， 7 （ 1 ）： 54 .

刘庆健，疏利生，刘刚，等 . 低空无人机路径规划算法综述［J］. 航空工程进展， 2023 ， 14 （ 2 ）： 24 - 34 .

LIU Qingjian ， SHU Lisheng ， LIU Gang ， et al . A Survey of Low Altitude UAV Path Planning Algorithms ［J］. Advances in Aeronautical Science and Engineering ， 2023 ， 14 （ 2 ）： 24 - 34 .

DANG T M ， NGUYEN B D . Hybrid Algorithms in Path Planning for Autonomous Navigation of Unmanned Aerial Vehicle： a Comprehensive Review ［J］. Measurement Science and Technology ， 2024 ， 35 （ 11 ）： 112002 .

WANG J Y ， LI Y H ， LI R X ， et al . Trajectory Planning for UAV Navigation in Dynamic Environments with Matrix Alignment Dijkstra ［J］. Soft Computing ， 2022 ， 26 （ 22 ）： 12599 - 12610 .

朱亚凯，杨雪榕，史格非 . 基于改进A星算法融合改进动态窗口法的无人机动态避障方法研究［J］. 弹箭与制导学报， 2025 ， 45 （ 5 ）： 602 - 609 .

ZHU Yakai ， YANG Xuerong ， SHI Gefei . Research on UAV Dynamic Obstacle Avoidance Method Based on Improved A-Star Algorithm Fusion and Improved Dynamic Window Approach ［J］. Journal of Projectiles， Rockets， Missiles and Guidance ， 2025 ， 45 （ 5 ）： 602 - 609 .

HUANG T ， FAN K G ， SUN W . Density Gradient-RRT： an Improved Rapidly Exploring Random Tree Algorithm for UAV Path Planning ［J］. Expert Systems with Applications ， 2024 ， 252 ： 124121 .

GAO F ， LIU J M ， FENG Q ， et al . Task Allocation and Route Planning for UAV-Based Hybrid Inspection of Transmission Towers， Substations， and Distribution Poles from a Fixed Nest ［J］. Expert Systems with Applications ， 2026 ， 313 ： 131625 .

原敏昕，李源，程驰，等 . 基于改进自适应遗传算法的无人机巡检航线规划优化方法［J］. 自动化应用， 2026 ， 67 （ 8 ）： 24 - 26 .

YUAN Minxin ， LI Yuan ， CHENG Chi ， et al . Optimization Method for Unmanned Aerial Vehicle Inspection Route Planning Based on Improved Adaptive Genetic Algorithm ［J］. Automation Application ， 2026 ， 67 （ 8 ）： 24 - 26 .

MA Z Y ， CHEN J . Adaptive Path Planning Method for UAVs in Complex Environments ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2022 ， 115 ： 103133 .

葛小三，边馥苓 . 蚁群算法求解三维表面路径方法的研究［J］. 武汉大学学报（信息科学版）， 2007 ， 32 （ 4 ）： 366 - 368 .

GE Xiaosan ， BIAN Fuling . On Algorithm for 3D Surface Route Optimization Based on Ant Colony Optimization ［J］. Geomatics and Information Science of Wunan University ， 2007 ， 32 （ 4 ）： 366 - 368 .

DENG X F ， WANG Y D . Application of Deep Reinforcement Learning-Enhanced Whale Optimization Algorithm in 3D UAV Path Planning ［J］. Arabian Journal for Science and Engineering ， 2026 ， 51 （ 9 ）： 12447 - 12462 .

CHEN Y Q ， YU Q Z ， HAN D ， et al . UAV Path Planning： Integration of Grey Wolf Algorithm and Artificial Potential Field ［J］. Concurrency and Computation： Practice and Experience ， 2024 ， 36 （ 15 ）： e8120 .

GUAN J ， YE S H ， YI W J . MSCPSO： A Multi-strategy Cooperative Particle Swarm Optimization Algorithm for UAV Path Planning ［J］. Expert Systems with Applications ， 2026 ， 310 ： 131034 .

WANG X ， PAN J S ， YANG Q Y ， et al . Modified Mayfly Algorithm for UAV Path Planning ［J］. Drones ， 2022 ， 6 （ 5 ）： 134 .

CHEN Q ， WANG Y J ， SUN Y F . An Improved Dung Beetle Optimizer for UAV 3D Path Planning ［J］. The Journal of Supercomputing ， 2024 ， 80 （ 18 ）： 26537 - 26567 .

LANG Y F ， GAO Y L ， CHEN T T ， et al . Centered Collision Optimizer： a Novel and Efficient Physics-Based Metaheuristic Optimization Algorithm for Solving Complex Real-World Engineering Optimization Problems ［J］. Computer Methods in Applied Mechanics and Engineering ， 2026 ， 448 ： 118491 .

王雪铖，占芬，刘岩，等 . 从产品看中美eVTOL型号审定政策［J］. 大飞机， 2025 （ 7 ）： 39 - 43 .

WANG Xuecheng ， ZHAN Fen ， LIU Yan ， et al . Sino-US eVTOL Model Approval Policy Viewed from Products ［J］. Jetliner ， 2025 （ 7 ）： 39 - 43 .

COUSIN A ， JANON A ， MAUME-DESCHAMPS V ， et al . On the Consistency of Sobol Indices with Respect to Stochastic Ordering of Model Parameters ［J］. ESAIM： Probability and Statistics ， 2019 ， 23 ： 387 - 408 .

汪果果，白艺杰，柴梦娟，等 . 基于蝴蝶优化改进算法的无人机三维路径规划［J］. 郑州大学学报（工学版）， 2026 ， 47 （ 3 ）： 57 - 66 .

WANG Guoguo ， BAI Yijie ， CHAI Mengjuan ， et al . Based on Butterfly Optimization Improvement Algorithm for UAVs 3D Path Planning ［J］. Journal of Zhengzhou University （Engineering Science）， 2026 ， 47 （ 3 ）： 57 - 66 .

LIU Y H ， CAO B Y . A Novel Ant Colony Optimization Algorithm with Levy Flight ［J］. IEEE Access ， 2020 ， 8 ： 67205 - 67213 .

YU X B ， JIANG N J ， WANG X M ， et al . A Hybrid Algorithm Based on Grey Wolf Optimizer and Differential Evolution for UAV Path Planning ［J］. Expert Systems with Applications ， 2023 ， 215 ： 119327 .

张弛，丁轶 . 基于B样条曲线的无人机航路修正方法研究［J］. 信息化研究， 2019 ， 45 （ 2 ）： 13 - 17 .

ZHANG Chi ， DING Yi . Research on UAV Route Correction Method Based on the B-Spline Curve ［J］. Informatization Research ， 2019 ， 45 （ 2 ）： 13 - 17 .

HU X T ， PANG B Z ， DAI F Q ， et al . Risk Assessment Model for UAV Cost-Effective Path Planning in Urban Environments ［J］. IEEE Access ， 2020 ， 8 ： 150162 - 150173 .

LIN C E ， SHAO P C . Failure Analysis for an Unmanned Aerial Vehicle Using Safe Path Planning ［J］. Journal of Aerospace Information Systems ， 2020 ， 17 （ 7 ）： 358 - 369 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

浅源中等地震近场剧烈形变的高分辨率L波段InSAR研究

土壤水分机器学习遥感反演：进展与挑战

几何与频域双约束的单步扩散海底地形超分辨率重建方法

星载温室气体激光雷达技术发展与展望

面向类脑空间智能的多模态大模型空间认知能力评估框架