1.一种森林火灾中面向移动节点的避障无人机数据收集方法，其特征在于，包括：S1、获取地面移动节点的数据和无人机节点的数据，根据地面移动节点的数据和无人机节点的数据建立系统模型；

S2、根据系统模型构建优化问题；

S3、采用深度强化学习模型对优化问题进行求解；根据求解的结果得到用于规划避障路径的智能体；

S4、将智能体部署到无人机上，无人机获取实时环境数据，智能体根据实时环境数据给出无人机下一时刻的动作指示，无人机根据动作指示执行数据收集任务。

2.根据权利要求1所述的面向移动节点的无人机数据收集避障轨迹规划方法，其特征在于，地面移动节点包括无人车节点与消防人员节点。

3.根据权利要求1所述的面向移动节点的无人机数据收集避障轨迹规划方法，其特征在于，系统模型包括系统架构、火灾区域模型、移动节点模型、数据收集任务模型。

4.根据权利要求3所述的面向移动节点的无人机数据收集避障轨迹规划方法，其特征在于，系统架构由K个无线传感器节点组成，无线传感器节点包括K1个无人机节点、K2个无人车节点和K3个消防人员节点，K＝K1+K2+K3。

5.根据权利要求3所述的面向移动节点的无人机数据收集避障轨迹规划方法，其特征在于，火灾区域模型采用元胞自动机描述林火蔓延过程。

6.根据权利要求3所述的面向移动节点的无人机数据收集避障轨迹规划方法，其特征在于，移动节点模型根据地面移动节点的数据和无人机节点的数据计算节点的单位数据价值，单位数据价值用于构建优化问题。

7.根据权利要求6所述的面向移动节点的无人机数据收集避障轨迹规划方法，其特征在于，单位数据价值的公式为：其中，pk[n]表示在第n个时隙中节点k的单位数据价值，β表示节点运动趋势关注系数，表示节点与林火相对位置变化的指示量，γ表示消防人员生命安全系数。

8.根据权利要求1所述的面向移动节点的无人机数据收集避障轨迹规划方法，其特征在于，优化问题的约束条件包括：无人机飞行速度性能约束、无人机转向性能约束、环境风力的不确定性约束、避障约束、无人机之间的安全距离约束、调度约束、数据传输约束、任务时间约束。

9.根据权利要求1所述的面向移动节点的无人机数据收集避障轨迹规划方法，其特征在于，对优化问题进行求解时采用双深度Q网络强化学习模型。