【研究生论文课题】无人机智能体辅助的城市IoT服务优化

1 引言

1.1 研究背景与意义

随着智慧城市建设的加速推进，城市物联网（IoT）设备数量激增，涵盖了环境监测、基础设施管理、公共安全等多个领域。然而，传统的地面IoT数据收集方式存在覆盖范围有限、部署成本高且在灾害应急场景下可靠性低的突出问题。无人机（UAV）凭借其高机动性、低部署成本和灵活的视距链路特性，成为城市IoT服务的理想补充载体4。通过搭载多种传感器，无人机能够实现对分散IoT设备的高效数据收集与服务覆盖优化，为城市提供实时、可靠的数据支持。

尽管无人机辅助IoT服务前景广阔，但其实际应用仍面临诸多挑战：首先，城市环境存在密集建筑和动态障碍物，对无人机的安全导航构成威胁；其次，IoT设备分布广泛且位置可能未知，要求无人机具备智能探索能力；再者，多无人机协同需要分布式决策机制以避免冲突并优化整体效率；最后，能耗约束与通信可靠性也是实际部署中必须考虑的关键因素411。

1.2 研究目标与内容

本研究旨在针对城市环境中无人机辅助IoT服务的优化问题，提出一套基于多智能体强化学习（MARL）的协同路径规划与数据收集框架