[AI学术] GeoWind2Plan：面向任务时的三维城市风场预测与节能无人机路径规划

在城市低空飞行中，建筑物会把背景风改造成空间上变化的三维流场，导致 UAV 的能耗不仅取决于路径长度，还与局部风速密切相关。传统的计算流体力学（CFD）能够提供高保真风场，但每次仿真只能对应固定的入口风向，且耗时数小时至数天，无法满足任务时长仅为数分钟至十几分钟的城市 UAV 规划需求。

GeoWind2Plan 提出了一套 几何‑到‑风‑到‑规划 的完整框架，只需输入背景风向向量、三维建筑几何以及起点‑终点对，即可在任务时间内完成风场预测并生成能耗最优路径。框架的关键步骤包括：

1. 将建筑几何转换到参考风框架，以统一风向的坐标系；
2. 使用 局部几何条件神经算子（Geometry‑Conditioned Neural Operator） 对任务走廊内的三维风块进行快速预测；
3. 将多个预测风块拼接成可查询的局部风场；
4. 基于物理 UAV 能耗模型，对三维路径和速度剖面进行联合优化。

GeoWind2Plan 并不追求 CFD 的全局完美重建，而是面向决策的风场预测：在预测风场上规划的轨迹再交由高保真 CFD 风场评估。实验在未见的城市区域、不同风速和任务风向（顺风、逆风、横风）下进行，结果显示：

• 风场推断仅需约 3 秒，而 CFD 需要约 8 小时；
• 在 CFD 评估下，使用 GeoWind2Plan 规划的轨迹相较于不考虑风的规划分别节省能耗 6.9%（顺风）、12.7%（逆风）、4.5%（横风）；
• 这些节能效果恢复了 CFD 参考方案的 87.9% / 85.7% / 75.0%。

这些结果表明，快速的走廊局部三维城市风场预测能够在任务时刻实现风感知的 UAV 能耗规划，具备实际应用价值。

点评