1.一种面向地震灾后快速勘察的车机协同路径优化方法，其特征在于，所述方法包括：

S1、获取灾区内需快速勘察的建筑物的坐标、权重和勘察资源数据，所述勘察资源数据包括多个车辆与多架无人机组成的联合体数据和多个站点数据；

S2、基于所述灾区内需快速勘察的建筑物的坐标、权重和勘察资源数据，以异构车机协同地震灾后快速勘察的期望收益最大化为目标构建多站点可重访带时间窗的车机协同团队定向模型，所述多站点可重访带时间窗的车机协同团队定向模型包括目标函数和约束条件，其中，目标函数，采用公式(3)来表示，约束条件采用公式(4)至(9)来表示：其中：

公式(4)～(5)表示每个节点仅被访问一次，且每辆车从站点出发，并返回该站点；公式(6)表示各节点进出平衡约束；公式(7)表示车辆到达节点时间和节点开始服务时间的关系；公式(8)～(9)表示决策变量取值约束；

h为目标点编号，T为目标点集合；d为无人机编号，D为无人机集合； 为目标点h的权重，pd为编号d的无人机所携带传感器的探测误差； 为编号d的无人机勘察目标点h的勘察次数；h、i和o为节点编号，N为节点集合，T为目标点集合，V为站点集合；k为车辆编号，K为车辆集合； 为决策变量，编号为k的车辆是否选择从节点h到达节点i的路径， 为决策变量，编号d的无人机从节点h出发到达节点i并返回编号d的车辆或以站点o为终点的路径；

为决策变量，编号为k的车辆是否选择从站点r到达目标点i的路径； 为决策变量，编号为k的车辆是否选择从目标点i到达站点l的路径； 为决策变量，编号为k的车辆是否选择从节点i到达节点j的路径； 为编号为k的车辆从节点h到节点i的行驶时长；

S3、对所述车机协同团队定向模型进行求解，获取车辆和无人机协同快速勘察的最优任务规划方案，包括：S301、生成车辆和无人机协同快速勘察的初始路径规划方案集合；

S302、基于初始路径规划方案集合，采用分段位置交叉和扰动策略的混合遗传模拟退火算法进行优化以获得车辆和无人机协同快速勘察的最优任务规划方案。

2.如权利要求1所述的面向地震灾后快速勘察的车机协同路径优化方法，其特征在于，所述生成车辆和无人机协同快速勘察的初始路径规划方案集合，包括：设定编码规则，包括：一条染色体表示一个车辆和无人机协同快速勘察的初始任务路径规划方案，染色体采用的编码方式，由两行构成，染色体的第一行由车辆访问的目标点路径构成，染色体的第一行和第二行结合表示无人机访问的目标点路径；

根据所述编码规则，按以下4步生成车辆和无人机协同快速勘察初始路径规划方案集合：

步骤1：目标点的编号进行随机排列生成染色体的第1行，再将该排列分成|K|每段的前面和后面各加1个0代表站点，其中第k段染色体对应于第k辆车的路径；

步骤2:对第k段染色体从前向后每次取出2个目标编号，以这2个编号对应的点目标作为椭圆的2个焦点，以无人机的续航能力为长轴，构造最大续航范围；

步骤3:如果最大续航范围中只有1个目标点，则在前一个目标点编号的下面写上该目标点的编号；如果最大续航范围中不只1个目标点，则随机选择1个目标编号写在前一个目标编号的下面；如果最大续航范围中没有目标，则在前一个目标编号的下面写上‑1，重复上述操作直到该段染色体的倒数第2位，在最后1位的下面写上‑1；

步骤4：重复步骤2‑3共|K|次，即可得到每个车辆和无人机协同路径规划方案，形成初始路径规划方案集合。

3.如权利要求1所述的面向地震灾后快速勘察的车机协同路径优化方法，其特征在于，所述基于初始路径规划方案集合，采用分段位置交叉和扰动策略的混合遗传模拟退火算法进行优化以获得车辆和无人机协同快速勘察的最优任务规划方案，包括：S302a、设置分段位置交叉和扰动策略的混合遗传模拟退火算法的执行参数和基于车机协同团队定向模型的目标函数，以公式(10)作为适应度函数，计算任务路径规划方案的适应度值；所述执行参数包括最大迭代次数、交叉概率和扰动迭代次数；

S302b、根据路径规划方案的适应度值，采用轮盘赌选择机制从规划方案集合中选择两条染色体，适应度值越大被选中的概率越大；

S302c、根据交叉概率，对两条染色体采用分段单点位交叉方式进行交叉操作，得到两个子任务路径规划方案；

S302d、重复步骤S302b～S302c，直至达到预设最大迭代次数，得到较优的任务路径规划方案，作为当前最优解，停止遗传操作；

S302e、将当前最优解作为模拟退火算法的初始解，对初始人物路径规划方案进行多次扰动，直至达到扰动迭代次数，获得车机协同快速勘察的最优任务路径规划方案。

4.如权利要求3所述的面向地震灾后快速勘察的车机协同路径优化方法，其特征在于，所述对两条染色体采用分段单点位交叉方式进行交叉操作，得到两个子任务路径规划方案，包括：步骤1：采用轮盘赌方式选择两个规划方案作为父代染色体，对染色体进行分段操作，一段染色体表示一辆车和一架无人机协同路径规划方案；

步骤2：采用算术交叉操作，步骤1中得到的每段染色体产生[0，1]的随机数，将小于预设的交叉概率的两段染色体进行交叉操作，随机从两段染色体的第一行选择一个目标点，将两段染色体两行对应的基因位进行交换，选择目标点避开该段首位和末位基因；

步骤3：根据车辆数量|K|重复进行步骤2操作，直至待交叉染色体的每一段都进行交叉操作，并按照车辆顺序进行合并，得到两个新的规划方案。

5.一种面向地震灾后快速勘察的车机协同路径优化装置，其特征在于，该装置包括：

数据获取模块，用于获取灾区内需快速勘察的建筑物的坐标、权重和勘察资源数据，所述勘察资源数据包括多个车辆与多架无人机组成的联合体数据和多个站点数据；

模型构建模型，用于基于所述灾区内需快速勘察的建筑物的坐标、权重和勘察资源数据，以异构车机协同地震灾后快速勘察的期望收益最大化为目标构建多站点可重访带时间窗的车机协同团队定向模型，所述多站点可重访带时间窗的车机协同团队定向模型包括目标函数和约束条件，其中，目标函数，采用公式(3)来表示，约束条件采用公式(4)至(9)来表示：其中：

公式(4)～(5)表示每个节点仅被访问一次，且每辆车从站点出发，并返回该站点；公式(6)表示各节点进出平衡约束；公式(7)表示车辆到达节点时间和节点开始服务时间的关系；公式(8)～(9)表示决策变量取值约束；

h为目标点编号，T为目标点集合；d为无人机编号，D为无人机集合； 为目标点h的权重，pd为编号d的无人机所携带传感器的探测误差； 为编号d的无人机勘察目标点h的勘察次数；h、i和o为节点编号，N为节点集合，T为目标点集合，V为站点集合；k为车辆编号，K为车辆集合； 为决策变量，编号为k的车辆是否选择从节点h到达节点i的路径， 为决策变量，编号d的无人机从节点h出发到达节点i并返回编号d的车辆或以站点o为终点的路径；

为决策变量，编号为k的车辆是否选择从站点r到达目标点i的路径； 为决策变量，编号为k的车辆是否选择从目标点i到达站点l的路径； 为决策变量，编号为k的车辆是否选择从节点i到达节点j的路径； 为编号为k的车辆从节点h到节点i的行驶时长；

模型求解模块，用于对所述车机协同团队定向模型进行求解，获取车辆和无人机协同快速勘察的最优任务规划方案，包括：S301、生成车辆和无人机协同快速勘察的初始路径规划方案集合；

S302、基于初始路径规划方案集合，采用分段位置交叉和扰动策略的混合遗传模拟退火算法进行优化以获得车辆和无人机协同快速勘察的最优任务规划方案。

6.一种计算机可读存储介质，其特征在于，其存储用于面向地震灾后快速勘察的车机协同路径优化的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1～4任一所述的面向地震灾后快速勘察的车机协同路径优化方法。

7.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如权利要求1～4任一所述的面向地震灾后快速勘察的车机协同路径优化方法。