#技术巡猎# #奇瑞# 一种无人机调度方法、系统、设备及介质---嗯，又一个车载无人机了。不过它关心的不是“无人机怎么飞”，而是多架无人机之间的“调度”课题---记住这个，不是一架，是多架。这是车载无人机真正困难的事情，“调度“---机巢、舱位、充电、排队、返航之间的冲突，最后都会演变成“飞机完犊子了”。

但是机巢系统的问题，说穿了，一般是“用静态的思路去管理动态的世界”。
天气变了、无人机的任务插队了、某架飞机电量掉得比预估的快了、某个舱体临时故障了，调度如果还盯着“舱体数量/固定位置/固定时长”这些变量，能预期的痛点就很多了，比如说，一堆无人机在外面耗电盘旋等车位，或者机巢里有空位可以系统不敢放行，资源就白白浪费了。

奇瑞把问题拆成了两段。

第一段是任务分配。目标比较务实：提高执行效率、减少资源浪费，任务优先级和时间窗口，是直接被当做边界约束来使用的。求解的过程用遗传算法，但“多迭代几代就能得到理想结果”也不是它所追求的，在初始化种群的时候，实际上奇瑞就开始考虑按优先级对任务进行分组，高优任务优先给时间窗口匹配度更高、资源更充足的无人机，剩下的资源再去填补中低优先度的任务。

比如说，真实的场景里，救火任务和巡检任务不是一个待遇，它们之间的调度不能只算平均值。

第二段是舱体分配，也就是回巢以后“分别停在哪”。
这一步很像机场的登机口分配：一群飞机要落地了，你得先把它们分到不同廊桥上，还得考虑每个廊桥是不是坏的、是不是被占用的、走过去要多久。专利把这些做成成本矩阵了：对接耗时形成了标准化（解决“近水楼台”永远先赢的问题），舱体实时状态（闲置/占用）是直接纳入考虑的，无人机和舱体的故障概率也纳入考虑了。

如果时间不匹配、风险超阈值，这个组合会算出一个“很大很大”的成本，让它在求解时自动被排除掉。
求解的过程主要是用匈牙利算法，比较经典但足够好用，优点是快---适合实时滚动重算。

有意思的是硬件侧的落地思路。

“丰巢舱体”的尺寸，直接对标了汽车行李架，支持后装到车顶---这一下场景就从固定点位变成了“移动基站”了，户外探索、应急巡查、灾害搜救、物流点位变化，都可以让无人机跟着车走。机巢内部呢？停放平台做了上下双层，提升空间利用率；X向用滑轨，Y向用丝杠+蜗轮蜗杆；摄像头实时识别空余停放位，并记录坐标回传控制器；无人机降落后用电磁铁磁吸合，跟着滑轨移动到指定车位再释放；停放平台内置无线充电模块，停好后就能补能。升降平台还用丝杠+套筒的传动思路，强调的是效率、结构，和维护。

能看出啥了不？
这个专利，奇瑞面向的不是民用场景了。
自从船改车下水以后，我感觉奇瑞在特用场景上越走越远了。
也有点意思。救火、森林保护这些，有了专供设备了。