大规模低地球轨道星座中任务驱动的三层分布式应急地球观测调度

# 面向大型低地球轨道星座应急地球观测的任务驱动三层分布式调度  
来源：https://arxiv.org/html/2608.14789  
殷骞 联系方式：[[email protected]](mailto:[email protected])  
所属机构：中国长沙中南大学  
所属机构：英国伦敦玛丽女王大学  
王欣伟 联系方式：通讯作者：[[email protected]](mailto:[email protected])  
所属机构：英国伦敦玛丽女王大学  
吴国华 联系方式：通讯作者：[[email protected]](mailto:[email protected])  
所属机构：中国长沙中南大学  

###### 摘要  
大型低地球轨道（LEO）地球观测（EO）星座能够频繁访问地理上分散的地面目标，但应急请求可能在已承诺的例行计划执行开始后到达。由此产生的动态应急观测调度问题（DEOSP）要求在间歇性地面接触条件下插入紧急任务，同时避免对常规计划造成过度干扰。为解决DEOSP，我们提出了一种任务驱动的三层分布式调度（T3L-DS）方法，该方法在共同的地理网格上表示任务需求和传感器足迹，并基于观测能力和当前星间链路形成临时集群。对于集群内协调，T3L-DS引入了星载双计划竞价和联合边际评估机制。同时，针对未解决的需求，设计了集群间协调机制。大量计算实验将T3L-DS与集中式模拟退火（SA）、改进的选择性时变更好应答过程（A-SeTVBRP）和传统合同网协议（CNP）进行了比较。T3L-DS在分布式方法中实现了最高的应急覆盖率，相比A-SeTVBRP和CNP，平均相对提升分别约为2.8%和17.1%。其与SA的平均相对差距约为7.1%。在冲突增强负载下，相比A-SeTVBRP和CNP，常规观测覆盖率损失分别降低了约57.9%和87.7%。消融实验证实了所提出的协调增强机制的贡献。总体结果表明，T3L-DS为DEOSP提供了一种有效的分布式解决方案。  

关键词：地球观测，低地球轨道星座，应急任务调度，地理网格，分布式协调  

## 1 引言  
航天器制造和可重复使用发射服务的进步加速了大型低地球轨道（LEO）星座的部署。截至2026年，公开的卫星人口统计显示地球轨道上活跃卫星数量超过16,000颗。其中超过15,000颗位于LEO，包括约1,400个被归类为成像、雷达成像、地球观测（EO）科学或气象任务的有效载荷。111卫星人口和任务类别数据来自Jonathan McDowell的公开统计：https://planet4589.org/space/stats/active.html 和 https://planet4589.org/space/stats/omission.html。对于EO任务，大型LEO星座可以提供频繁访问和广泛的空间覆盖[32 (https://arxiv.org/html/2608.14789#bib.bib20),8 (https://arxiv.org/html/2608.14789#bib.bib19)]。这些特性对于时间关键型应用（如灾害评估、海上救援和快速环境监测）至关重要。在这些应用中，必须在有效的观测窗口内收集有用信息。这催生了动态应急观测调度问题（DEOSP），即应急EO请求在已承诺的例行观测计划执行期间到达[36 (https://arxiv.org/html/2608.14789#bib.bib16),20 (https://arxiv.org/html/2608.14789#bib.bib33)]。每次请求到达时，每颗卫星都有其当前姿态以及已完成或正在进行的活动序列、受保护的未来活动和可调整的未来活动。已完成、正在进行和受保护的活动保持不变。调度器随后在计划的可调整未来部分内分配紧急任务，同时限制常规观测的损失。这些调度决策难以集中化，因为星座范围内的协调需要当前的全局执行状态[34 (https://arxiv.org/html/2608.14789#bib.bib22),44 (https://arxiv.org/html/2608.14789#bib.bib30)]。间歇性的地面接触延迟了卫星活动序列和姿态状态的收集，并且在修订计划准备就绪时，某些信息可能已经过时[5 (https://arxiv.org/html/2608.14789#bib.bib36)]。因此，详细的重新调度最好由能够服务应急请求且能直接访问其当前本地状态的卫星在星上执行。地面中心通过提供请求数据、预测可见性和拓扑信息来保持事件级协调，而相关的卫星则在星上构建和协调详细的计划变更。现有研究提供了有用的基础，但并未完全解决DEOSP的信息和计划修改需求。集中式精确、启发式和元启发式方法为规划范围问题提供了强大的计划[22 (https://arxiv.org/html/2608.14789#bib.bib24),33 (https://arxiv.org/html/2608.14789#bib.bib25),43 (https://arxiv.org/html/2608.14789#bib.bib38)]，但它们在执行时的使用依赖于及时的全球信息，并且随着候选集的增大而变得成本高昂。术语“分布式”在当前文献中涵盖不同的决策设定。Krigman等人[18 (https://arxiv.org/html/2608.14789#bib.bib13)]将调度决策分配给请求所有者用户而非航天器，因此他们的公式并未根据当前卫星状态定义星上计划修改。Feng等人[7 (https://arxiv.org/html/2608.14789#bib.bib29)]和Zilberstein等人[44 (https://arxiv.org/html/2608.14789#bib.bib30)]开发了分布式调度方法，但他们的规划仍在地面中心运行，可访问星座范围的信息。Yang等人[40 (https://arxiv.org/html/2608.14789#bib.bib12)]提出了一种用于分配时间窗口观测网格的分布式势博弈方法，但假设卫星间实时通信，这在实践中无法保证。在实践中，DEOSP要求相关卫星在无需同步的星座范围执行状态的情况下修改其当前星上计划，并通过每次事件发生时可用的链路进行协调。为满足这些要求，本文提出了一种任务驱动的三层分布式调度（T3L-DS）框架。任务驱动的协调根据接收到的请求、可观测卫星和当前星间链路（ISL）拓扑，为每个应急波次重建其范围。它不同于星座范围的计划重构[33 (https://arxiv.org/html/2608.14789#bib.bib25),43 (https://arxiv.org/html/2608.14789#bib.bib38)]，也不同于基于固定组或静态所有权的资源驱动划分[7 (https://arxiv.org/html/2608.14789#bib.bib29)]。在T3L-DS中，地面层将请求和传感器足迹映射到一个共同的地理网格，并形成临时的任务特定集群。卫星层在其当前星上计划状态的基础上，在确定性可行性检查后执行本地双计划竞价。集群层评估重叠的竞价，并重新分配仍未调度的任务，而无需星座范围的执行状态。本研究采用六边形层次地理空间索引系统（H3）作为其地理网格系统[11 (https://arxiv.org/html/2608.14789#bib.bib32)]，同时T3L-DS也可以操作于传统目标或预定义的区域子任务，而不仅仅是网格单元。总而言之，本工作的贡献有三点：  
- • 首次提出了DEOSP的分布式表述，使用共同的地理网格表示点和区域请求以及卫星足迹，同时将受保护的活动与已承诺计划中的可调整未来活动分离。  
- • 开发了T3L-DS，以形成事件特定的协调范围，并结合了星载双计划竞价、集群级边际评估和未调度需求的集群间重新分配。  
- • 在标称和冲突增强条件下，针对混合点和区域请求进行了比较实验和消融实验。结果表明，T3L-DS在分布式方法中提供了最强的应急覆盖率，同时限制了对常规计划的干扰。  

本文其余部分组织如下。第2节[2 (https://arxiv.org/html/2608.14789#S2)]回顾相关工作。第3节[3 (https://arxiv.org/html/2608.14789#S3)]描述DEOSP并给出其数学模型。第4节[4 (https://arxiv.org/html/2608.14789#S4)]描述T3L-DS方法。第5节[5 (https://arxiv.org/html/2608.14789#S5)]介绍实验设计并分析结果。第6节[6 (https://arxiv.org/html/2608.14789#S6)]对论文进行总结。  

## 2 相关工作  
与DEOSP相关的研究涵盖空间表示、星座调度和分布式任务分配。点目标通常被建模为离散的观测机会，而宽阔或不规则的区域则被划分为子区域、网格、候选观测或姿态相关的足迹。此类表示支持跨多颗卫星的覆盖和观测时间的联合分配[16 (https://arxiv.org/html/2608.14789#bib.bib3),39 (https://arxiv.org/html/2608.14789#bib.bib4)]，而多目标公式还考虑图像质量、资源使用和响应时间[4 (https://arxiv.org/html/2608.14789#bib.bib5),3 (https://arxiv.org/html/2608.14789#bib.bib6)]。对于敏捷和超敏捷卫星，机动路径将空间表示与观测时间和覆盖直接耦合[21 (https://arxiv.org/html/2608.14789#bib.bib9),1 (https://arxiv.org/html/2608.14789#bib.bib14),27 (https://arxiv.org/html/2608.14789#bib.bib15)]。自适应细分和嵌套网格提高了几何保真度[37 (https://arxiv.org/html/2608.14789#bib.bib10),13 (https://arxiv.org/html/2608.14789#bib.bib11)]，而重采样、多阶段优化和专门启发式方法则限制了由此产生的搜索成本[10 (https://arxiv.org/html/2608.14789#bib.bib17),2 (https://arxiv.org/html/2608.14789#bib.bib7),17 (https://arxiv.org/html/2608.14789#bib.bib8)]。基于网格的公式也生成了观测任务或表示了姿态相关的覆盖[38 (https://arxiv.org/html/2608.14789#bib.bib35),27 (https://arxiv.org/html/2608.14789#bib.bib15)]。在大多数研究中，网格主要用于支持空间离散化或几何搜索。DEOSP需要一个空间标识来支持需求分解、竞价、服务信用、调度干扰核算和残余需求处理。该标识必须在卫星和调度阶段之间保持一致，以控制重复信用并记录部分完成情况[32 (https://arxiv.org/html/2608.14789#bib.bib20),8 (https://arxiv.org/html/2608.14789#bib.bib19)]。集中式方法仍然是有价值的基准，因为它们模拟了星座范围的交互[28 (https://arxiv.org/html/2608.14789#bib.bib40)]。分支定界、最大独立集和分治算法已解决过更大的EO调度实例[22 (https://arxiv.org/html/2608.14789#bib.bib24),6 (https://arxiv.org/html/2608.14789#bib.bib21),33 (https://arxiv.org/html/2608.14789#bib.bib25)]。其他研究在保持全局规划模型的同时，纳入了时间依赖价值、重复观测、分解、学习或聚类[19 (https://arxiv.org/html/2608.14789#bib.bib26),29 (https://arxiv.org/html/2608.14789#bib.bib23),23 (https://arxiv.org/html/2608.14789#bib.bib18),9 (https://arxiv.org/html/2608.14789#bib.bib28)]。最近的一种两阶段方法还使用启发式初始化和全局优化进行长期多区域调度[43 (https://arxiv.org/html/2608.14789#bib.bib38)]。这些方法提供了有用的质量参考，但执行时的使用要求地面中心在重新构建计划之前收集变化的星座状态。分布式公式在决策变量和协调目标上有所不同。Krigman等人[18 (https://arxiv.org/html/2608.14789#bib.bib13)]提出了一个分布式约束优化问题，其中请求所有者用户作为代理，在不首先向中央机构披露所有请求的情况下交换消息。分布式搜索保护了请求所有权，但并未将计划构建放在卫星上。Feng等人[7 (https://arxiv.org/html/2608.14789#bib.bib29)]将本地计划构建分配给卫星代理，并通过迭代交换解决冲突。Zilberstein等人[44 (https://arxiv.org/html/2608.14789#bib.bib30)]将全局调度问题分解为几何邻域，并在这些子问题内应用分散式随机搜索。这两种方法都从一个定义的请求集及其观测机会开始，并且它们报告的实现保留了星座级的问题信息。Yang等人[40 (https://arxiv.org/html/2608.14789#bib.bib12)]采取了不同的路线，从全局网格分配目标推导卫星效用。他们的方法通过顺序更好应答传递一个共享的分配文件，并在假设实时星间通信的情况下广播收敛后的分配。关于自主EO系统的研究进一步确立了在有限地面接触下进行星上规划的价值[34 (https://arxiv.org/html/2608.14789#bib.bib22),5 (https://arxiv.org/html/2608.14789#bib.bib36)]。这些研究主要关注创建任务分配或新计划，而不是在应急请求到达后更新部分执行的例行计划。合同网协议（CNP）为此类本地决策提供了一种自然的管理者-承包商结构[25 (https://arxiv.org/html/2608.14789#bib.bib34)]，其变体允许异构EO资源在本地约束下评估机会[20 (https://arxiv.org/html/2608.14789#bib.bib33)]。然而，标准合同将任务或竞价视为不可分割的单元。区域目标竞价可能仅在部分单元上重叠，因此整个竞价接受可能重复信用，而整个竞价拒绝可能丢弃有用的覆盖。基于学习的调度器可以在训练后快速提供本地偏好[14 (https://arxiv.org/html/2608.14789#bib.bib1),15 (https://arxiv.org/html/2608.14789#bib.bib2),26 (https://arxiv.org/html/2608.14789#bib.bib31)]，但可行性和跨卫星一致性仍然需要明确的协调规则。稳健的EO调度在执行前保护计划免受不确定性影响[31 (https://arxiv.org/html/2608.14789#bib.bib27)]。而DEOSP则涉及在例行计划执行期间，应急需求已知后的计划修改。对于本研究中开发的分布式解决方案，能够观测当前应急需求的卫星使用任务可见性和可用ISL组织成临时集群。每个集群提供一个本地协调范围，同时未解决的需求可以转移到相邻集群。参见图1：DEOSP的研究设定。该图显示了地理网格转换、集群内耦合和集群间耦合。总之，现有研究尚未为那些当前计划在本地保存且ISL在执行期间变化的星座建立DEOSP的分布式公式。