0 引言

    物聯網(Internet of Things)自首次提出以來，引起了學術界與工業界的廣泛關注^[1]。物聯網旨在通過將體域網、D2D通信、無人機網絡、衛星網絡等多種網絡技術相融合，實現萬物互連，可在任意地點、使用任意網絡來提供任意服務，具有巨大的民用與軍事應用潛力。

    無人機(UAVs)已廣泛應用于軍事與民用領域。由于其可動態部署、配置方便、高度自主等特點，無人機在物聯網領域同樣扮演著極其重要的角色^[2-4]。無人機通過機載物聯網裝置（包括傳感器、攝像機、RFID等）實現對物聯網用戶數據的收集，如圖1所示。在物聯網中，由于部分無線裝置有限的傳輸范圍,無人機可以作為無線中繼用來改善網絡連接,延伸無線網絡覆蓋范圍；同時，由于無人機可調整的飛行高度和可移動性，可以方便高效地收集地面物聯網用戶數據。目前已有智能無人機管理平臺，可通過各種終端設備同時操作數架無人機，按需定制飛行路線，獲取所需用戶數據^[5]；智能交通系統(ITS)可利用無人機實現交通監控與執法^[6]。此外，無人機也可以作為空中基站來改善無線網絡容量。谷歌在SkyBender項目中使用無人機利用毫米波技術試驗了5G互聯網應用，速率達到了4G系統的40倍^[7]；通過基于無人機的軟件定義無線電平臺可用于基礎設施出現癱瘓時的應急通信^[8]。

    隨著物聯網應用的不斷深入和快速發展，物聯網無人機應用由過去單一的服務投遞(如亞馬遜包裹投遞、電力線路監控等)發展至無人機集群協同完成的諸多物聯網增值業務（如城市污染監控、地質災害的防治、軍事“蜂群”無人機技術等），可以完成單一無人機因能量和計算資源受限等無法完成的物聯網任務。同時，隨著智慧城市^[9]、水下物聯網^[10]、車聯網^[11]、軍事物聯網^[12]、空天地一體網絡^[13]等物聯網應用的興起，均需充分借助無人機技術有效獲取和傳遞相關數據信息，包括地理空間信息、傳感數據信息、指控信息等，從而進一步推動包括云計算、大數據、人工智能等在內的其他物聯網增值服務。物聯網無人機應用將對物聯網未來的發展具有極其重要的意義。

1 物聯網無人機應用關鍵技術

    為了適應物聯網發展的多樣性和為用戶提供更好的服務,無人機應用需要研究以下的關鍵技術。

1.1 無人機網絡拓撲控制技術

    隨著物聯網技術的發展以及無人機自身資源的限制,無人機的應用逐漸由控制單一無人機轉向控制無人機群，協同實施和完成物聯網服務。

    無人機群所構成的網絡稱為飛行自組織網絡(FANETs)，但與MANETs和VANETs相比，有其自身的特點^[14]。地面控制站或衛星對無人機群網絡拓撲的控制將直接影響到無人機群的協同和對物聯網數據的收集、共享和處理。以下是典型的無人機網絡控制拓撲，如圖2所示^[14]。

    (1)星型控制拓撲：在該控制拓撲下，所有無人機直接連接至一個或多個地面控制站（或衛星），并由地面控制站（或衛星）中繼各無人機之間的數據交換，如圖2(a)所示。在該控制方式下可由地面控制站集中式地控制所有單個無人機，在民用領域里有著廣泛應用。但隨著無人機群的不斷擴大，存在地面控制站將成為瓶頸節點并導致更大延時、無人機間無法直接通信等問題。

    (2)大星型控制拓撲：在該控制拓撲下，所有無人機劃分為多個組，各個組內無人機構成一個星型結構并由各組中心節點直接連接至一個或多個地面控制站（或衛星），并由地面控制站（或衛星）中繼各組無人機中心節點之間的數據交換，如圖2(b)所示。在該控制方式下允許部分無人機間直接通信，從而可有效減少對下行鏈路帶寬的要求，降低延時等。但由于各無人機組之間無法直接互通和無人機網絡拓撲的快速動態變化，存在網絡魯棒性不足等問題。

    (3)Mesh型控制拓撲：在該控制拓撲下，所有無人機劃分為多個組，各個組內無人機構成一個Mesh型結構并由各組中心節點直接連接至一個或多個地面控制站（或衛星），同時，各無人機組間可直接互通，如圖2(c)所示。在該控制方式下允許各組無人機間直接通信，從而可進一步減少對下行鏈路帶寬的要求，降低延時，改善了網絡魯棒性。

    以上各種拓撲控制機制均存在進一步提高無人機群網絡性能、自主控制能力等的空間，以充分利用無人機群資源(包括能量資源、計算資源、群智資源等)，有效提高無人機群實現物聯網業務的高效、智能和自主化。

1.2 無人機防碰撞技術

    物聯網無人機應用往往發生在人口密集的城市空域，確保無人機與無人機、無人機與其他障礙物（如建筑、樹、鳥等）不發生碰撞是無人機應用的關鍵之一。

    為實現無人機避免發生碰撞，無人機需具備兩項能力：障礙感知能力和規避障礙決策能力。為使無人機具備障礙感知能力，當前已有的解決方案包括協作型和完全自主型障礙感知技術。對于協作型障礙感知技術，可以構建針對無人機的空管系統來對無人機間可能的碰撞實施告警。文獻[15]提出了無人機空中交通管理系統（TM-UAS）用于跟蹤和告警空中所有的無人機，確保無人機間保持安全的距離。此外，還可以通過所有無人機廣播共享三維坐標、航向、航速等信息來實現碰撞感知。對完全自主型障礙感知技術主要通過無人機配備光電傳感器、微波傳感器、導航傳感器等來實現障礙感知。隨著制造工藝的不斷進步，光電傳感器體積小、重量輕、功耗低，可以很好地裝備于各型無人機上。但是，基于可見光光譜的光電傳感器障礙感知技術面臨的困難是，檢測算法需要能夠應對各種復雜的圖像背景、照明、圖像抖動等；同時還要保證光電傳感器圖像數據的實時處理。為使無人機具備規避障礙決策能力，則需要通過多種數據融合技術，包括多目標跟蹤技術等來獲取障礙物的相對位置和速度等信息，從而作出規避障礙的合理決策^[16]。

1.3 無人機群智能技術

    無人機群智能技術主要應用于軍事物聯網領域,實現通過極少的人工干預控制無人機群對不同目標完成偵察、攻擊等任務。由于無人機群的高動態性，傳統集中式控制方式難以應用于針對無人機群的控制。無人機群智能技術可以分布式地控制無人機群，使得無人機間可以智能地相互協同，高效地完成任務目標。

    群智能技術主要借鑒的是生物學中的蜂群自組織行為模式算法^[17]。蜂群的行為模式目的是使得蜜源搜索最大化。其自組織的步驟是^[18-19]：

    (1)構建搜索空間；

    (2)構建偵察群和搜索群；

    (3)偵察群搜索出潛在有價值的站點；

    (4)從潛在站點中選出基本站點，以便搜索其臨近站點；

    (5)偵察群與搜索群交換需要搜索的站點信息；

    (6)搜索群成員選擇基本站點；

    (7)搜索群成員選擇基本站點附近潛在的站點。

    蜂群行為模式關鍵在于確定基本站點及其附近潛在有價值的站點。為了進一步提高蜂群搜索成功概率，出現了改進的人造蜂群算法（ABC）^[20]。

    群智能技術是人工智能領域的一個分支,對解決無人機自組織網絡中的部分問題被證明具有其高效性。無人機群智能技術在軍事中的應用場景包括：(1)敵方目標靜止地隨機分布在目標區域內，無人機群在有限時間內對目標區域內的敵方目標進行協同搜索；(2)敵方目標在目標區域內以隨機速度向隨機方向移動，無人機群從目標區域某地點發射，在有限時間內對目標區域內的敵方目標進行協同搜索、發現并摧毀。

1.4 無人機群動態數據路由

    由無人機群構成的無人機自組織網絡(FANET)有其自身的特性，比如網絡拓撲的高動態變化、通信鏈路頻繁間斷、無人機節點因能量受限失效而導致的網絡分割等。因此，有效的無人機動態數據路由需要具備對延遲和中斷容忍功能。移動自組織網絡(MANET)和車輛自組織網絡(VANET)中的很多路由協議難以直接照搬到無人機自組織網絡中應用，例如AODV路由中發出請求和收到響應的路由建立機制等。

    因此，當網絡拓撲動態變化時，無人機自組織網絡路由可以通過存儲-攜帶-轉發的方式，對待轉發的數據包暫時予以存儲和攜帶，當轉發數據包的最佳機會出現時再轉發出去，這種隨機路由方式取決于節點間的相遇概率，相關的路由協議如文獻[21]等；當無法確定最佳的轉發機會時，則可以采取依概率隨機轉發的方式。對于配備有較高精度導航傳感器（如GPS、北斗、格洛納斯等）的無人機自組織網絡，采用具有較少拓撲探測開銷的地理信息輔助路由也是較好的選擇，如文獻[22]等。此外，洪泛路由也是適合無人機自組織網絡可選路由之一^[23]。在該路由協議中，無人機節點將向多個中繼節點轉發同一數據包，中繼節點再向其他相遇節點轉發，從而很快將數據包投遞至網絡連通部分，具有較高投遞率和較低投遞延時。但該路由協議要求節點具有足夠的緩存空間來攜帶和轉發數據包以及較高的網絡開銷，通過改進洪泛路由協議，可以有效提高其性能。

    對于在無人機群中應用的路由協議不一定始終適用和有效，需要依據無人機群的運動模式和動態性適時加以調整。

1.5 無人機航跡規劃

    無人機航跡規劃是指在滿足一定條件的基礎上（如剩余燃料、飛行距離、任務數量等），為了保障無人機飛行安全和順利完成任務的需要而規劃出來的一條最優飛行航線。

    由于無人機的航線規劃需要綜合考慮包括燃料、航程、地形地貌、氣象條件、空域限制、任務目標等多種限制條件，可以歸結為多條件目標優化問題，文獻[24]提出的航線規劃搜索算法是此類問題最常用的解決方法。對于具有較高自主控制能力的自組織無人機群，其航線規劃算法需要具備較高的實時性和自適應性^[25]。

2 物聯網無人機發展趨勢

    對于物聯網無人機應用及其關鍵技術未來的發展，主要表現出以下幾個方面的發展趨勢。

2.1 采用基于SDN的無人機自組織網絡控制技術

    由于無人機自組織網絡需要有效應對包括能量受限、高延遲、鏈路頻繁中斷、網絡拓撲高動態變化等多種挑戰，需要高效地利用和分配各種網絡資源。同時，隨著物聯網應用的不斷深入，不同異構網絡的融合與互通也有著迫切的需求。軟件定義網絡（SDN）將數據面與控制面分離，可以通過編程的方式對網絡進行控制，從而滿足物聯網各種全新應用和業務的需要。文獻[26]通過實際驗證平臺的測試，已成功驗證了OpenFlow應用于小規模無線Mesh網絡中的可行性；同時也對SDN未來應用于動態移動網絡具有重要意義。由于SDN屬于集中式控制，可有效改善無線資源的利用率，提高網絡效率。典型的基于SDN的無人機自組織網絡如圖3所示。

2.2 針對無人機的空管系統

    隨著物聯網無人機應用不斷普及與深入，無人機妨礙民航客機起降、通過無人機運送毒品、無人機意外墜落傷人等事件時有發生，針對無人機的空管系統呼聲日益高漲。

    NASA研制的無人機空管系統已于2015年8月成功進行了演示驗證，旨在監視和管理民用無人機的飛行，提高無人機的自主飛行能力，提高無人機應對突發事件的飛行安全^[27]。未來針對無人機的空管系統將融入更多的智能控制機制，包括強制著陸、障礙規避等功能，提高無人機的飛行安全。

2.3 物聯網無人機應用安全與隱私保護

    隨著物聯網無人機應用的日益廣泛和深入，安全與隱私保護是無人機應用中一個不可回避的問題。一方面，由于無人機在物聯網中的應用將起到對用戶數據和服務的承載和傳遞，比如位置、速度等敏感信息，無人機的身份認證與數據的安全加密是十分必要的，以防惡意攻擊。另一方面，當無人機用于實時性要求很高的交通安全應用時，比如車聯網中車輛間的碰撞檢測等需要作出快速決策的應用，無人機應具備針對不同應用和服務自身處理能力自動評估的能力，確保應用安全。

3 結語

    本文較詳細地介紹了物聯網無人機應用典型架構及其特點以及實現的技術難點。同時，詳細介紹了物聯網無人機應用中的關鍵技術及其應用案例。最后，對物聯網無人機應用未來的發展趨勢進行了展望。

參考文獻

[1] ASHTON K.That ‘internet of things’ thing.RFiD J 2009，22(7)：97-114.

[2] MOZAFFARI M，SAAD W，BENNIS M，et al.Mobile Internet of Things: Can UAVs provide an energy-efficient mobile architecture?[C]//Proc.of IEEE Global Communications Conference(GLOBECOM)，2016.

[3] MOZAFFARI M，SAAD W，BENNIS M，et al.Unmanned aerial vehicle with underlaid device-to-device communications: Performance and tradeoffs[J].IEEE Transactions on Wireless Communications，2016，15(6)：3949-3963.

[4] MOTLAGH N H，BAGAA M，TALEB T.UAV-Based IoT Platform: A crowd surveillance use case[J].IEEE Communications Magazine，2017，55(2)：128-134.

[5] DroneDeploy.Powerfull Cloud-Based Software. Accessed on Jun. 4,2016.[DB/OL].[2016-6-4].https：//www.dronedeploy.com/.

[6] PURI A.A survey of unmanned aerial vehicles(UAV) for traffic surveillance[J].Department of computer science and engineering，2005.

[7] HARRIS M.Project Skybender：Google’s secretive 5G Internet drone tests revealed[DB/OL].[2016-1-29].www.theguardian.com.

[8] KIM D Y，JO H S，YOON H，et al.Reverse-link interrogation range of a UHF MIMO-RFID system in Nakagamifading channels[J].Industrial Electronics，IEEE Transactions on，2010，57(4)：1468-1477.

[9] MOHAMMED F，IDRIES A，MOHAMED N，et al.UAVs for smart cities: Opportunities and challenges[C]//Unmanned Aircraft Systems(ICUAS)，2014 International Conference on. IEEE，2014：267-273.

[10] DOMINGO M C.An overview of the internet of underwater things[J].Journal of Network and Computer Applications，2012，35(6)：1879-1890.

[11] OUBBATI O S，LAKAS A，LAGRAA N，et al.UVAR：An intersection UAV-assisted VANET routing protocol[C]//Wireless Communications and Networking Conference(WCNC)，2016 IEEE.IEEE，2016：1-6.

[12] ZHENG D，CARTER W A.Leveraging the internet of things for a more efficient and effective military[M].Rowman & Littlefield，2015.

[13] ZHANG N，ZHANG S，YANG P，et al.Software Defined Space-Air-Ground Integrated Vehicular Networks：Challenges and Solutions[J].arXiv preprint arXiv：1703.02664，2017.

[14] GUPTA L，JAIN R，VASZKUN G.Survey of important issues in UAV communication networks[J].IEEE Communications Surveys & Tutorials，2016，18(2)：1123-1152.

[15] Mohamed Salleh M F B，LOW K H.Concept of operations(ConOps) for traffic management of unmanned aircraft systems(TM-UAS) in urban environment[C]//AIAA Information Systems-AIAA Infotech@ Aerospace.2017：0223.

[16] FASANO G，ACCARDO D，MOCCIA A，et al.Multisensor based Fully Autonomous Non-Cooperative Collision Avoidance System for UAVs[J].Journal of Aerospace Computing Information & Communication，2013，5(10)：338-360.

[17] BENI G，WANG J.Swarm intelligence in cellular robotic systems[C].Robots and Biological Systems：Towards a New Bionics，Springer，1993：703-712.

[18] KUREICHIK V V，ZHILENKOV M A.Bee algorithms for solving optimization problems with the explicit objective function[J].Informatics，Computer Science and Engineering Education，2015，1(21)：1-8.

[19] LEONOV A V.Modeling of bio-inspired algorithms AntHocNet and BeeAdHoc for Flying Ad Hoc Networks(FANETs)[C]//Actual Problems of Electronics Instrument Engineering(APEIE)，2016 13th International Scientific-Technical Conference on.IEEE，2016，2：90-99.

[20] KARABOGA D，BASTURK B.Artificial bee colony(ABC) optimization algorithm for solving constrained optimization problems[C].Foundations of Fuzzy Logic and Soft Computing，Springer，2007：789-798.

[21] ZHANG Z.Chapter 8-Routing protocols in Intermittently Connected Mobile Ad Hoc Networks and Delay-Tolerant Networks，Algorithms and Protocols for Wireless，Mobile Ad Hoc Networks，Wiley，2009.

[22] SHIRANI R，St-Hilaire M，KUNZ T，et al.Combined Reactive-Geographic routing for Unmanned Aeronautical Ad-hoc Networks[C].8th International Conference on Wireless Communications and Mobile Computing(IWCMC)，2012.

[23] CARDEI I，LIU C，WU J.Routing in wireless networks with intermittent connectivity[C].Encyclopaedia of Wireless and Mobile Communications，2013.

[24] GUDAITIS M S.Multicriteria mission route planning using a parallel A* search[J].Graduate School Eng.，Air Force Inst.Technol.，Wright-Patterson AFB，OH，USA，Dec.1994.

[25] YANMAZ E，KUSCHNIG R，. QUARITSCH M，et al.On path planning strategies for networked unmanned aerial vehicles[C].Proc.IEEE Conf.Comput. Commun.Workshops(INFOCOM WKSHPS)，2011：212–216.

[26] DELY P，KASSLER A，BAYER N.Openflow for wireless mesh networks[C].Proceedings of 20th International Conference on Computer Communications and Networks(ICCCN)，2011：1–6.

[27] RAVICH T M.The Integration of Unamnned Aerial Vehicles into the National Airspace[J].NDL Rev.，2009，85：597.

作者信息：

劉青龍1，2，董家山2

（1.華南理工大學 電信學院，廣東 廣州510640；2.廣州海格通信集團股份有限公司，廣東 廣州510663）