1.一种基于安全代价评估的无人机航路规划方法，其特征在于：所述的基于安全代价评估的无人机航路规划方法包括按顺序进行的下列步骤：

1)对无人机飞行空域的地面投影进行栅格化，获得多个正方形栅格；

2)以栅格安全因子定量化描述上述栅格中无人机的飞行风险；

3)构建基于步骤2)获得的栅格安全因子和无人机航路距离的航路规划总成本代价期望函数；

4)以上述航路规划总成本代价期望函数作为蚁群算法的目标函数而对蚁群算法进行改进，利用改进蚁群算法进行迭代计算，最终获得航路安全与航路成本双重优化后的期望飞行路径；

在步骤1)中，所述的对无人机飞行空域的地面投影进行栅格化是将地面投影构成的二维空间划分成多个正方形栅格；栅格的边长由无人机的类型、设计尺寸确定；

无人机的类型分为固定翼无人机和多旋翼无人机；

对于固定翼无人机，栅格的设计尺寸为Lgrid＝max(LUAV+2Rperson,WUAV+2Rperson)，其中，LUAV为固定翼无人机的翼展，WUAV为固定翼无人机的机长，Rperson为人体平均半径；

对于多旋翼无人机，栅格的设计尺寸为Lgrid＝DUAV+2Rperson，其中，DUAV为多旋翼无人机的翼展直径；

在步骤2)中，所述的栅格安全因子定义为栅格内无人机地面撞击事故的发生概率和无人机地面撞击事故严重程度的乘积s；

其中无人机地面撞击事故的发生概率选取的量化指标是每飞行小时无人机地面撞击事故的发生概率PU；

无人机地面撞击事故严重程度选取的量化指标是无人机每飞行小时地面撞击事故伤亡人数Nf；其中无人机每飞行小时地面撞击事故伤亡人数Nf可以表示为受事故影响的地面人数Ne和无人机每飞行小时地面撞击事故中人员伤亡率Pf的乘积，其计算公式为：Nf＝Pf×Ne    (1)

那么栅格安全因子的计算公式为：

s＝PU×Pf×Ne    (2)

将上述受事故影响的地面人数Ne用地面撞击事故的影响区域面积Ag与事故发生区域人口密度ρ的乘积表示，那么式(2)可以表示为：s＝PU×Pf×Agρ(j)    (3)

在步骤3)中，所述构建基于步骤2)获得的栅格安全因子和无人机航路距离的航路规划总成本代价期望函数的方法是：航路规划总成本代价期望函数由两部分构成，分别为安全代价和距离代价；其中安全代价是指无人机飞行路径所经过栅格的栅格安全因子之和；距离代价取无人机飞行路径的长短作为评价指标；

构建在安全代价和距离代价双重约束条件下的航路规划总成本代价期望函数，如式(9)所示：式中：τj为从点j到终点的航路规划总成本代价期望值；dj为从点j到终点的距离；sj为点j的栅格风险因子；λ为距离启发因子，为用于表征距离重要程度的系数；μ为安全启发因子，为用于表征安全重要程度的系数。

2.根据权利要求1所述的基于安全代价评估的无人机航路规划方法，其特征在于：所述无人机每飞行小时地面撞击事故中人员伤亡率Pf的计算方法：无人机每飞行小时地面撞击事故中栅格j的人员伤亡率Pf(j)的计算公式为：式中：PS(j)为栅格j中地面遮蔽物的保护系数，其值与栅格内各类地面遮蔽物的类型及其栅格面积有关，计算公式如式(5)所示；n为校正因子，取式中：h为表1中地面遮蔽物的类型； 为地面遮蔽物h的保护系数；Sh为栅格j中地面遮蔽物h的面积；Sj为栅格j的面积；

表1为不同地面遮蔽物的类型及其保护系数；

表1、地面遮蔽物的类型及其保护系数

α为当地面遮蔽物的保护系数PS＝6时，人员伤亡率为50％所需的冲击能量，取100kJ；β为当地面遮蔽物的保护系数PS趋向于0时人员伤亡的能量阈值，取34J；Ei为地面撞击事故发生时的无人机动能，记为 其中Vi取1.4倍设计速度与无人机垂直坠落速度的最大值，记为Vi＝max(1.4*Vop,Vy)；

所述地面撞击事故的影响区域面积Ag的计算方法：

定义无人机地面撞击事故影响区域为人体圆柱体受到无人机圆柱体侵犯的最大范围；

在仅考虑无人机垂直坠落时，地面撞击事故的影响区域面积Ag的计算公式如式(6)所示，其中ru为无人机等效翼展半径，rp为人体半径；

2

Ag＝π(ru+2rp)    (6)

当无人机坠落中有横向位移时，在无人机与人员发生撞击后仍需考虑其横向位移，横移量满足式(7)，其中hp为人体高度，γ为无人机与人体相撞的接触角，此时地面撞击事故的影响区域面积Ag的计算公式如式(8)所示：2

Ag＝2π(ru+2rp) +(ru+2rp)d    (8)。

3.根据权利要求1所述的基于安全代价评估的无人机航路规划方法，其特征在于：在步骤4)中，所述以上述航路规划总成本代价期望函数作为蚁群算法的目标函数而对蚁群算法进行改进，利用改进蚁群算法进行迭代计算，最终获得航路安全与航路成本双重优化后的期望飞行路径的方法是：以上述航路规划总成本代价期望函数作为蚁群算法的目标函数而对蚁群算法进行改进，利用改进蚁群算法，使蚁群分别从起点栅格出发，搜索其无障碍邻域栅格，并利用上述航路规划总成本代价期望函数计算出各邻域栅格的选择概率，再通过轮盘赌法确定下一栅格，直至该蚁群到达终点或陷入局部最优解；经历迭代后，最终得到航路安全与航路成本双重优化后的期望飞行路径。

4.根据权利要求3所述的基于安全代价评估的无人机航路规划方法，其特征在于：所述改进蚁群算法的计算方法如下：蚁群在选择路径时，移动到邻域栅格的概率根据式(10)计算：

式中， 为蚁群k从点i移动到点j的概率；allowedk为蚁群k下一步被允许访问的节点集合；τij为从点i到达点j上的信息素浓度；ηij为从点i移动到点j的期望值，即公式(10)所示的航路规划总成本代价期望函数值；ξ为信息素启发因子，为用于表征信息素重要程度的参数；ψ为期望启发因子，为用于表征期望重要程度的参数；在每一代的所有蚁群完成爬行后对信息素浓度进行更新，其更新规则如式(11)‑(12)所示：式中， 为蚁群k对从点i到达点j上信息素浓度的增加；ρ为信息素挥发系数，取ρ∈(0,1]；Q为信息素增强系数；Lk为蚁群k从起点到达终点的爬行距离；Tk为蚁群k从起点到达终点的爬行路径。