In this work, we present a method to localize a source in complex urban environments using particle swarm optimization (PSO). Instead of using PSO to minimize the difference between a plume model and measurements as is often done, PSO is run such that each particle is modeled by an unmanned aerial vehicle (UAV) that measures and directly finds the global maximum of the concentration field. Several modifications were made to PSO to allow it to perform successfully in this application. The synthetic data used to test PSO were produced using the 3D building resolving Quick Urban & Industrial Complex Dispersion Modeling System (QUIC), and PSO was implemented in Python. Three different domains were tested: (1) a case with no obstacles, (2) a case with four large obstacles, and (3) a real-world case modeled after the Joint Urban 2003 experiment in Oklahoma City. We found that PSO works well in idealized and real cases. In the Oklahoma City simulation, approximately 90% of the PSO runs with 10 particles make it to within 1% of the maximum domain distance to the source, and approximately 98% of the PSO runs with 50 particles make it to within 1% of the maximum domain distance to the source. However, PSO is not completely immune to local maxima, and there is the possibility of convergence to the wrong point in the domain. The insight from this study can be used to inform first responders or create a tool that can be implemented on UAVs to locate a contaminant source.

在这项工作中，我们提出了一种使用粒子群优化 (PSO) 在复杂城市环境中定位源的方法。与通常使用 PSO 来最小化羽流模型和测量值之间的差异不同，PSO 运行时每个粒子都由无人驾驶飞行器 (UAV) 建模，该飞行器测量并直接找到浓度场的全局最大值。对 PSO 进行了一些修改，以使其能够在此应用程序中成功执行。用于测试 PSO 的合成数据是使用 3D 建筑解析快速城市和工业复杂分散建模系统 (QUIC) 生成的，并且 PSO 是在 Python 中实现的。测试了三个不同的域：(1) 没有障碍物的情况，(2) 有四个大障碍物的情况，(3) 以俄克拉荷马城的 Joint Urban 2003 实验为模型的真实案例。我们发现 PSO 在理想化和实际情况下都运行良好。在俄克拉荷马城模拟中，大约 90% 的 PSO 运行的 10 个粒子使其到达到源的最大域距离的 1% 以内，而运行 50 个粒子的 PSO 运行的大约 98% 使其到达源的最大域距离的 1% 以内。到源的最大域距离。但是，PSO 并非完全不受局部最大值的影响，存在收敛到域中错误点的可能性。这项研究的见解可用于通知急救人员或创建可在无人机上实施以定位污染物源的工具。使用 10 个粒子运行的 PSO 的大约 90% 使其到达到源的最大域距离的 1% 之内，并且使用 50 个粒子运行的 PSO 的大约 98% 使其到达到源的最大域距离的 1% 之内. 但是，PSO 并非完全不受局部最大值的影响，存在收敛到域中错误点的可能性。这项研究的见解可用于通知急救人员或创建可在无人机上实施以定位污染物源的工具。使用 10 个粒子运行的 PSO 的大约 90% 使其到达到源的最大域距离的 1% 之内，并且使用 50 个粒子运行的 PSO 中的大约 98% 使其到达到源的最大域距离的 1% 之内. 但是，PSO 并非完全不受局部最大值的影响，存在收敛到域中错误点的可能性。这项研究的见解可用于通知急救人员或创建可在无人机上实施以定位污染物源的工具。