CN108880664A - 一种灾害救援信息处理方法 - Google Patents
一种灾害救援信息处理方法 Download PDFInfo
- Publication number
- CN108880664A CN108880664A CN201810812678.8A CN201810812678A CN108880664A CN 108880664 A CN108880664 A CN 108880664A CN 201810812678 A CN201810812678 A CN 201810812678A CN 108880664 A CN108880664 A CN 108880664A
- Authority
- CN
- China
- Prior art keywords
- disaster
- information
- unmanned plane
- condition
- base station
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/90—Services for handling of emergency or hazardous situations, e.g. earthquake and tsunami warning systems [ETWS]
Abstract
本发明实施例提供一种灾害救援信息处理方法,包括:接收感知无人机发送的灾情信息,其中,所述灾情信息包括受到自然灾害的区域的受灾目标图片,地理位置信息和传感器采集到的信息;对所述灾情信息中的受灾目标进行分类识别,获得灾害救援信息,将所述灾害救援信息发送至无人机基站。本发明提供的方法,采用带有感知设备的无人机在人员不易进入的地带进行灾情信息的收集,然后将收集到的灾情信息发送至控制中心,控制中心根据收集到的灾情信息进行识别并分类,生成对应的救灾信息,并将救灾信息发送至无人机基站,使得在自然灾害发生以后,可以快速的收集到受灾情报,响应迅速,能通过采集灾区数据提供大量救援辅助信息,通信覆盖范围大。
Description
技术领域
本发明实施例涉及通信技术领域,尤其涉及一种灾害救援信息处理方法。
背景技术
目前,在发生大型自然灾害的时候,受灾地区的基础建设设施往往会由于自然灾害而发生损毁,导致灾区的通讯受到严重影响,在重大自然灾害救灾过程中,往往由于受灾地点地形复杂,无法及时获取灾区受到的灾害具体信息。例如在地震救灾过程中,“黄金72小时”是地质灾害发生后的黄金救援期,这是救援学界的共识。救援界认为,灾难发生之后存在一个“黄金72小时”,在此时间段内,灾民的存活率极高。每多挖一块土,多掘一分地,都可以给伤者透气和生命的机会。在世界各地历次大地震中,72小时内的国际化救援是最有效的救援方式。因此在自然灾害发生后,需要在最快速的时间内定位到受灾人员并提供救助。
在救灾/救援场景当中,由于基础设施破坏或障碍物、复杂地形等状况,车间通信链路会产生不稳定或中断的情况,从而不能支持依靠基础设施的应用和业务。而在难以接近的地理位置区域,例如在近海救援或障碍陆地救援中,由于救援人员和车队不能及时到达,严重影响了救援任务的及时开展。
在现有技术中,通常使用应急通信车进行自然灾害以及重大事故等救援,由于交通阻断等因素,使得应急通信车无法到达救援地点来提供通信服务,同时由于天线高度的限制,应急车辆的通信覆盖范围也有限,进而交通阻断也使得救援指挥中心也难以获知灾区中心的情况,无法针对性地提供有效救援。现有技术中,应急通信车无法帮助救援人员及时获取灾区内部情况从而针对性提供有效救援,同时在通信中断而话务需求剧增的情形无法提供足够的通信资源。
发明内容
本发明实施例提供一种灾害救援信息处理方法,用以解决现有技术中由于交通阻断等因素,使得应急通信车无法到达救援地点来提供通信服务,同时由于天线高度的限制,应急车辆的通信覆盖范围也有限,进而交通阻断也使得救援指挥中心也难以获知灾区中心的情况,无法针对性地提供有效救援的问题,提供一种灾害救援信息处理方法。
本发明实施例提供一种灾害救援信息处理方法,包括:
接收感知无人机发送的灾情信息,其中,所述灾情信息包括受到自然灾害的区域的受灾目标图片,地理位置信息和传感器采集到的信息;
对所述灾情信息中的受灾目标进行分类识别,获得灾害救援信息,将所述灾害救援信息发送至无人机基站。
其中,所述将所述灾害救援信息发送至无人机基站的步骤还包括:
根据所述灾害救援信息,制定所述无人机基站的目标位置信息和所述无人机基站的基站覆盖范围,并将所述无人机基站的目标位置信息和基站覆盖范围发送至所述无人机基站,以供所述无人机基站移动至目标位置信息。
其中,所述传感器至少包括:红外传感器、音频传感器、静电场传感器、光学传感器和气敏传感器中的一种或多种。
其中,所述对所述灾情信息中的受灾目标进行分类识别,获得灾害救援信息,具体包括:将所述灾情信息作为特征向量输入到预设的神经网络中,获取所述灾情信息中目标的受灾类型,根据所述受灾类型,获得灾害救援信息。
其中,所述方法还包括:将采集到的灾情信息进行标注,构建训练样本集;通过所述训练样本集,对所述神经网络进行训练。
本发明实施例还提供一种灾害救援信息处理方法包括:
接收从控制中心发送的灾害救援信息,通过基于冗余编码的无线分布式缓存方式,将所述灾害救援信息发送至预设范围内的移动终端;所述灾害救援信息为所述控制中心通过灾情信息分类识别获取的灾害救援信息。
其中,所述方法还包括:向所述预设范围内的终端发送应急处理信息。
其中,所述灾害救援信息通过无人机基站进行发送。
其中,所述应急处理信息至少包括文本信息和视频信息中的一种或多种。
其中,所述方法还包括:接收从控制中心发送的目标位置信息和基站覆盖范围,根据所述目标位置信息,和基站覆盖范围,规划基站无人机的移动路径,并根据所述移动路径,移动至所述目标位置,并向所述覆盖范围内的移动终端提供通信服务。
本发明实施例还提供一种用于灾害救援信息的控制中心,包括:
信息接收模块,用于接收感知无人机发送的灾情信息,其中,所述灾情信息包括受到自然灾害的区域的受灾目标图片,地理位置信息和传感器采集到的信息;
信息处理模块,用于对所述灾情信息中的受灾目标进行分类识别,获得灾害救援信息,将所述灾害救援信息发送至无人机基站。
本发明实施例还提供一种无人机基站,包括:
信息下发模块,用于接收从控制中心发送的灾害救援信息,将所述灾害救援信息发送至预设范围内的移动终端。
本发明提供的一种灾害救援信息处理方法,采用带有感知设备的无人机在人员不易进入的地带进行灾情信息的收集,然后将收集到的灾情信息发送至控制中心,控制中心根据收集到的灾情信息进行识别并分类,生成对应的救灾信息,并将救灾信息发送至无人机基站,使得在自然灾害发生以后,可以快速的收集到受灾情报,同时产生对应的救灾手段,救灾方式更加机动灵活,响应迅速,能通过采集灾区数据提供大量救援辅助信息,通信覆盖范围大。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种灾害救援信息处理方法的流程示意图;
图2为本发明实施例提供的一种灾害救援信息处理方法的另一流程示意图;
图3为本发明实施例提供的一种灾害救援信息处理方法的框架示意图;
图4为本发明实施例提供的感知无人机的结构示意图;
图5为本发明实施例提供的一种用于灾害救援信息的控制中心的结构示意图;
图6为本发明实施例提供的一种无人机基站的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参考图1,图1为本发明实施例提供的一种灾害救援信息处理方法的流程示意图。所提供的方法包括:
S1,接收感知无人机发送的灾情信息,其中,所述灾情信息包括受到自然灾害的区域的受灾目标图片,地理位置信息和传感器采集到的信息。
S2,对所述灾情信息中的受灾目标进行分类识别,获得灾害救援信息,将所述灾害救援信息发送至无人机基站。
具体的,感知无人机由无人机以及机载视频模块,机载传感器模块与机载通信模块组成。机载通信模块由天线、无线电收发机组成,机载视频/传感器模块由红外、视频、雷达、静电场、光学、气敏等一系列探测仪,以及对应嵌入式控制块,嵌入式控制块控制各种传感器采集无人机飞行路径上的各种信息。
当灾情发生的时候,通过感知无人机在受灾地区采集各类灾情信息,其中,灾情信息包括由感知无人机拍摄到的灾区内某一受灾区域的图片,拍摄该图片的地理位置信息以及感知无人机上搭载的各类传感器采集到的信息。在采集到这些灾情信息后,将灾情信息发送给控制中心,其中,控制中心可以为应急通信车,车载基站或者为设置在远端的服务器。感知无人机搭载的通信设备保证其可以接入到移动通信网络或者由控制中心搭建的通信网络中。
控制中心在接收到感知无人机发送的灾情信息后,对灾情信息进行分类识别,例如在发现灾情信息中,某一图片有红外反应,则判定该图片的建筑物内可能有存活的人员,则将灾害救援信息归类为需要进行挖掘救援的类型。又或者在灾情信息中发现有被围困人员无法离开被围困的场所,则判定灾害救援信息为围困人员救援。
在控制中心对灾情信息进行判定以后,会将灾害救援信息发送至无人机基站。
通过此方法,采用带有感知设备的无人机在人员不易进入的地带进行灾情信息的收集,然后将收集到的灾情信息发送至控制中心,控制中心根据收集到的灾情信息进行识别并分类,生成对应的救灾信息,并将救灾信息发送至无人机基站,使得在自然灾害发生以后,可以快速的收集到受灾情报,同时产生对应的救灾手段,救灾方式更加机动灵活,响应迅速,能通过采集灾区数据提供大量救援辅助信息,通信覆盖范围大。
在上述实施例的基础上,所述将所述灾害救援信息发送至无人机基站的步骤还包括:
根据所述灾害救援信息,制定无人机基站的目标位置信息和所述无人机基站的基站覆盖范围,并将所述无人机基站的目标位置信息和基站覆盖范围发送至所述无人机基站,以供所述无人机基站移动至目标位置信息。
具体的,通过感知无人机采集到的灾情信息,以及分析得到的具体灾情,结合无人机的续航情况,定制无人机派遣规模,为感知数据无人机以及无人机基站分别规划好飞行路径以及覆盖等。无人机基站可以有针对性的覆盖需要着重救援的地区,恢复受灾地区的通信能力,为抢险救灾人员提供通信支持,同时为受灾群众提供通信支持,使得被困群众可以及时发出求救信息。
在上述实施例的基础上,,所述传感器至少包括:红外传感器、音频传感器、静电场传感器、光学传感器和气敏传感器中的一种或多种。
具体的,感知无人机的传感器模块至少包括:红外传感器、音频传感器、静电场传感器、光学传感器和气敏传感器中的一种或多种,红外传感器可以有效探测出建筑物内是否有被困人员,音频传感器、静电场传感器、光学传感器和气敏传感器可以有效的收集受灾地区的各类情报,用以救灾人员根据情报进行有针对性的救灾活动。
在上述实施例的基础上,所述对所述灾情信息中的受灾目标进行分类识别,获得灾害救援信息,具体包括:
将所述灾情信息作为特征向量输入到预设的神经网络中,获取所述灾情信息中目标的受灾类型,根据所述受灾类型,获得灾害救援信息。
其中,所述方法还包括:将采集到的灾情信息进行标注,构建训练样本集;通过所述训练样本集,对所述神经网络进行训练。
具体的,基于无人机回传的图像数据与传感器数据,利用机器学习的方法对无人拍摄图像进行重要受灾目标的识别,获取目标的受灾信息,同时通过利用已有数据训练好的传感器与环境相对应的机器学习模型,结合传感器数据进行环境状态的分析,从而为救援工作提供优质的营救信息。
机器学习模型可以为训练好的神经网络,通过对采集到的灾情信息进行分类识别,从而分析出需要进行的救灾动作,也可以为SVM分类器或其他类型的及其学习模型。
利用无人机回传的图像数据进行重要受灾目标识别的过程,大致可分为:建立数据集,标注样本,扩充数据集,训练深度神经网络,输入新采集样本进行识别等步骤,控制无人机采集想要识别的受灾目标样本数据(人、重要建筑等),考虑到目标的相似性较高,且受环境与图片质量等因素的影响较大,所采集的样本尽可能包含不同的状态(拍摄角度、无人机飞行高度、光照、天气等)。对于首批采集的数据,只能通过人工的方式进行样本标注。此外,为了避免模型将未见过的物体误认为受灾目标,还需在首批采集的数据中添加背景数据集并进行标注,以增加模型的识别准确率。考虑到无人机采集的数据有限,无法满足训练深度神经网络的大数据量需求。因此,在进行训练之前,需要利用生成对抗网络的算法对数据集进行扩充。
在训练模型的过程中,为减少模型参数以降低训练难度,同时保证目标检测的实时性与准确性,需对网络结构进行改进。具体操作包括:简化tiny-yolo以解决深度神经网络不易训练的问题、批规范化处理以提高算法收敛速度并减少过拟合、通过Leakyrelu增加数据的非线性、根据锚定框思想提高召回率等。同时,为了提高神经网络模型训练算法的收敛速度,还需要在最小化类的损失函数时使用交叉熵。
完成深度神经网络的训练后,对于新采集的数据样本,直接输入神经网络模型,即可实现目标识别。为了保证神经网络模型的实用性,还需要定期添加新的人工标注样本。
通过此方法,可以快速有效的对大量的灾情信息进行分类,针对不同的受灾状况提供不同的救灾手段,从而为救援工作提供优质的营救信息。
参考图2,图2为本发明实施例提供的一种灾害救援信息处理方法的另一流程示意图。所述方法包括:
S21接收从控制中心发送的灾害救援信息,通过基于冗余编码的无线分布式缓存的方式,将所述灾害救援信息发送至预设范围内的移动终端;其中,所述灾害救援信息为所述控制中心通过灾情信息分类识别获取的灾害救援信息,其中,所述灾害救援信息通过无人机基站进行发送。
具体的,无人机基站通过接收从控制中心发送的灾害救援信息,通过无线传输为覆盖区域救援人员提供移动通信服务,并给救援人员下发营救的信息,如幸存者位置、建筑损毁状况分析、高危区域等,以此来指代救援人员进行救援,同时可以恢复部分灾区的通信能力,提升救援行动的效率。
在无人机基站下发救灾信息的时候,为了提高缓存的服务效率,可靠性和安全性,将分布式的思想应用到无线缓存场景中,将紧急救援内容分布式地分散存储在用户设备上,进而用户设备之间通过设备直连(D2D)或蓝牙(Bluetooth)相关技术将不同内容互相分享,可有效降低回程链路能耗,消除无线链路不稳定以及衰落对无线信号传输的影响,降低基站下发数据的总流量,缓解无人机基站接入资源紧张的局面,提升受灾区域设备获取内容传输时延,提高系统整体容量。
此外,针对分布式的特点,系统可应用冗余的特性为系统增添一定的可靠性,同时也减小了单次传输的文件大小,提高了成功率。采用冗余编码如纠删码(erasure code)作为该分布式系统的冗余方案,包括reed-solomon码等。应用码率为(n,k)的纠删码于系统中,将一个大小内容编码后可分成n片,分散存储,当获取到其中任意k片可恢复原来的整个内容,其中可以忍受n-k片的内容丢失损坏。
为实现分布式缓存和数据下发,在无人机基站上设置有一个缓存服务器,该服务器的开发基于应用层以及传输层协议,提供对要下发的内容进行编码以及管理,缓存用户管理,内容下发调度等功能。
用户设备即手机上基于应用层以及传输层协议,另外还基于蓝牙传输原理以及接口,当大量用户设备都接入系统时,实际上形成了一个类似对等网络(P2P)。应用提供从基站缓存服务器上获取相应缓存内容片,探测其他对等设备无线信号,通过蓝牙模块向其他对等设备分享内容片,以及将获取的足够内容片进行解码恢复原内容的功能。
在上述实施例的基础上,所述方法还包括:向所述预设范围内的终端发送应急处理信息;其中,所述应急处理信息至少包括文本信息和视频信息中的一种或多种。
具体的,无人机基站还可以对覆盖范围内的所有终端发送应急处理知识相关的信息,使得被困人员可以接收到该消息,帮助他们在救援人员未到来时能够自救,其中,应急处理信息至少包括文本信息和视频信息中的一种或多种。
通过此方法,使得被困人员可以获得相应的自救信息,同时也可以获知救援进度等消息,使得人员获救成功率得到极大的提升。
在上述实施例的基础上,所述方法还包括:接收从控制中心发送的目标位置信息和基站覆盖范围,根据所述目标位置信息,和基站覆盖范围,规划基站无人机的移动路径,并根据所述移动路径,移动至所述目标位置,并向所述覆盖范围内的移动终端提供通信服务。
具体的,无人机基站通过接收从控制中心发送的目标位置信息和基站覆盖范围信息,移动至目标位置,同时向覆盖范围内的所有移动终端提供通信服务,例如在有被困人员概率较高的地方作为目标位置,无人机基站通过移动到该位置,从而恢复该区域的通信,使得被困人员可以与外界获得联系,同时可以指导无人机基站覆盖范围内的救援人员进行救灾。
综上所述,本发明实施例通过无人机辅助以控制中心,可以第一时间恢复地面通信而不受灾害损毁的影响,并且能采集灾区大量信息进行分析,给救援人员和受灾人员提供大量信息援助,机动性强,覆盖范围广,并且能针对具体情况快速响应,能大大提升自然灾害和重大事故下的救援范围和救援质量。
在本发明的另一实施例中,参考图3,图3为本发明实施例提供的一种灾害救援信息处理方法的框架示意图。
具体地,数据采集阶段:通过车辆携带基站以及无人机等设备来到灾区边缘无法进入的地带,派出无人机携带一些如红外、音频、视频、雷达、静电场、光学、气敏等一系列探测仪探测/感知灾害幸存者以及基础设施损毁情况,并通过无人机之间的协作将数据带回。
数据分析阶段:在无法进入灾区现场的地面区域,部署的应急车辆以及车载基站接收无人机回传的大量数据,利用车载服务器以及云服务器等对其进行分析处理。基于无人机回传的图像数据与传感器数据,服务器利用机器学习的方法对无人拍摄图像进行重要受灾目标的识别,获取目标的受灾信息,同时通过利用已有数据训练好的传感器与环境相对应的机器学习模型,结合传感器数据进行环境状态的分析,从而为救援工作提供优质的营救信息。
无人机调度阶段:根据分析到出来的具体灾情,结合无人机的续航情况,定制无人机派遣规模,为感知数据无人机以及无人机基站分别规划好飞行路径以及覆盖等。
在获取无人机回传的图像数据与传感器数据并进行分析后,基于环境重现的数据来获取目标的受灾信息,从而基于历史数据为无人机基站的下一次巡航和信息采集规划更高效的路线。考虑到无人机能耗有限性以及救援的时间紧急性,因此无人机在分析和决策每一次的路径规划的时候需要以提供更有信息量的数据为目标,以辅助快速有效的救援行动的进行。具体地,无人机路径规划采取强化学习的方法,考虑到灾区地情复杂以及每一次巡航路线的不确定性,因此无人机在自主飞行的时候需要解决的首要问题是躲避障碍物。在这个最基本的要求的基础上,结合上一次采集数据的分析结果,无人机需要把巡航的重点放在灾情较严重、受伤受困人员较集中、地形较险要的区域,因此对规划的路径需要作出动态调整。
另外对于未采集过数据的区域也需要酌情考虑,尽可能多地把整个灾区的情况复现。并且由于无人机能耗有限,为了携带更多数据,无人机不能在局部地区停留过长时间,必须权衡在整个灾区各区域的巡航时间和电量的分配,以达到信息量最大化。本实施例中,借助强化学习模型,构造无人机自主规划路线的智能体,通过对无人机自助规划路线智能体进行训练,使得无人机能在每一次的路线选择上做出最优决策,从而为救援工作提供优质的营救信息。
数据下发阶段:基于车辆地面站的规划派遣结果,派出无人机在空中搭建临时基站,通过无线传输为覆盖区域救援人员提供移动通信服务,并给救援人员下发营救的信息,如幸存者位置、建筑损毁状况分析、高危区域等,同时给幸存者位置人员下发应急处理知识如对应文本或视频信息,帮助他们在救援人员未到来时能够自救。
参考图4,图4为本发明实施例提供的感知无人机的结构示意图,所述感知无人机包括:信息采集模块41和通信模块42。
信息采集模块41用于采集灾情信息,其中,所述灾情信息包括受到自然灾害的区域的受灾目标图片,地理位置信息和传感器采集到的信息;
通信模块42用于将所述灾情信息发送给控制中心。
具体的,感知无人机由无人机以及机载视频模块,机载传感器模块与机载通信模块组成。机载通信模块由天线、无线电收发机组成,机载视频/传感器模块由红外、视频、雷达、静电场、光学、气敏等一系列探测仪,以及对应嵌入式控制块,嵌入式控制块控制各种传感器采集无人机飞行路径上的各种信息。
当灾情发生的时候,通过感知无人机在受灾地区采集各类灾情信息,其中,灾情信息包括由感知无人机拍摄到的灾区内某一受灾区域的图片,拍摄该图片的地理位置信息以及感知无人机上搭载的各类传感器采集到的信息。在采集到这些灾情信息后,将灾情信息发送给控制中心,其中,控制中心可以为应急通信车,车载基站或者为设置在远端的服务器。感知无人机搭载的通信设备保证其可以接入到移动通信网络或者由控制中心搭建的通信网络中。
参考图5,图5为本发明实施例提供的一种用于灾害救援信息的控制中心的结构示意图,所述控制中心包括:信息接收模块51和信息处理模块52
信息接收模块51用于接收感知无人机发送的灾情信息,其中,所述灾情信息包括受到自然灾害的区域的受灾目标图片,地理位置信息和传感器采集到的信息;
信息处理模块52用于对所述灾情信息中的受灾目标进行分类识别,获得灾害救援信息,将所述灾害救援信息发送至无人机基站。
具体的,控制中心在接收到感知无人机发送的灾情信息后,对灾情信息进行分类识别,例如在发现灾情信息中,某一图片有红外反应,则判定该图片的建筑物内可能有存活的人员,则将灾害救援信息归类为需要进行挖掘救援的类型。又或者在灾情信息中发现有被围困人员无法离开被围困的场所,则判定灾害救援信息为围困人员救援。
在控制中心对灾情信息进行判定以后,会将灾害救援信息发送至无人机基站。
通过此系统,采用带有感知设备的无人机在救灾人员不易进入的地带进行灾情信息的收集,然后将收集到的灾情信息发送至控制中心,控制中心根据收集到的灾信息进行识别并分类,生成对应的救灾信息,并将救灾信息发送至无人机基站,使得在自然灾害发生以后,可以快速的收集到受灾情报,同时产生对应的救灾手段,救灾方式更加机动灵活,响应迅速,能通过采集灾区数据提供大量救援辅助信息,通信覆盖范围大。
其中,所述控制中心还用于制定无人机基站的目标位置信息和所述无人机基站的基站覆盖范围,并将所述无人机基站的目标位置信息和基站覆盖范围发送至所述无人机基站,以供所述无人机基站移动至目标位置信息。
具体的,通过感知无人机采集到的灾情信息,以及分析得到的具体灾情,结合无人机的续航情况,定制无人机派遣规模,为感知数据无人机以及无人机基站分别规划好飞行路径以及覆盖等。无人机基站可以有针对性的覆盖需要着重救援的地区,恢复受灾地区的通信能力,为抢险救灾人员提供通信支持,同时为受灾群众提供通信支持,使得被困群众可以及时发出求救信息。
参考图6,图6为本发明实施例提供的一种无人机基站的结构示意图,所述无人机基站包括:信息下发模块61。
其中,信息下发模块61用于接收从控制中心发送的灾害救援信息,将所述灾害救援信息发送至预设范围内的移动终端;
其中,所述灾害救援信息为所述控制中心通过灾情信息分类识别获取的灾害救援信息。
具体的,无人机基站通过接收从控制中心发送的灾害救援信息,通过无线传输为覆盖区域救援人员提供移动通信服务,并给救援人员下发营救的信息,如幸存者位置、建筑损毁状况分析、高危区域等,以此来指代救援人员进行救援,同时可以恢复部分灾区的通信能力,提升救援行动的效率。
其中,信息下发模块还用于通过基于冗余编码的无线分布式缓存方式,向所述预设范围内的终端发送应急处理信息;其中,所述应急处理信息至少包括文本信息和视频信息中的一种或多种。
具体的,无人机基站还可以对覆盖范围内的所有终端发送应急处理知识相关的信息,使得被困人员可以接收到该消息,帮助他们在救援人员未到来时能够自救,其中,应急处理信息至少包括文本信息和视频信息中的一种或多种。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种灾害救援信息处理方法,其特征在于,包括:
接收感知无人机发送的灾情信息,其中,所述灾情信息包括受到自然灾害的区域的受灾目标图片,地理位置信息和传感器采集到的信息;
对所述灾情信息中的受灾目标进行分类识别,获得灾害救援信息,将所述灾害救援信息发送至无人机基站。
2.根据权利要求1所述的方法,其特征在于,所述将所述灾害救援信息发送至无人机基站的步骤还包括:
根据所述灾害救援信息,制定所述无人机基站的目标位置信息和所述无人机基站的基站覆盖范围,并将所述无人机基站的目标位置信息和基站覆盖范围发送至所述无人机基站,以供所述无人机基站移动至目标位置信息。
3.根据权利要求1所述的方法,其特征在于,所述传感器至少包括:红外传感器、音频传感器、静电场传感器、光学传感器和气敏传感器中的一种或多种。
4.根据权利要求1所述的方法,其特征在于,所述对所述灾情信息中的受灾目标进行分类识别,获得灾害救援信息,具体包括:
将所述灾情信息作为特征向量输入到预设的神经网络中,获取所述灾情信息中目标的受灾类型,根据所述受灾类型,获得灾害救援信息。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
将采集到的灾情信息进行标注,构建训练样本集;
通过所述训练样本集,对所述神经网络进行训练。
6.一种灾害救援信息处理方法,其特征在于,包括:
接收从控制中心发送的灾害救援信息,通过基于冗余编码的无线分布式缓存方式,将所述灾害救援信息发送至预设范围内的移动终端;
其中,所述灾害救援信息为所述控制中心通过灾情信息分类识别获取的灾害救援信息;
其中,所述灾害救援信息通过无人机基站进行发送。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
向所述预设范围内的终端发送应急处理信息;
其中,所述应急处理信息至少包括文本信息和视频信息中的一种或多种。
8.根据权利要求6所述的方法,其特征在于,所述方法还包括:接收从控制中心发送的目标位置信息和基站覆盖范围,根据所述目标位置信息,和基站覆盖范围,规划基站无人机的移动路径,并根据所述移动路径,移动至所述目标位置,并向所述覆盖范围内的移动终端提供通信服务。
9.一种用于灾害救援信息的控制中心,其特征在于,包括:
信息接收模块,用于接收感知无人机发送的灾情信息,其中,所述灾情信息包括受到自然灾害的区域的受灾目标图片,地理位置信息和传感器采集到的信息;
信息处理模块,用于对所述灾情信息中的受灾目标进行分类识别,获得灾害救援信息,将所述灾害救援信息发送至无人机基站。
10.一种无人机基站,其特征在于,包括:
信息下发模块,用于接收从控制中心发送的灾害救援信息,将所述灾害救援信息发送至预设范围内的移动终端;
其中,所述灾害救援信息为所述控制中心通过灾情信息分类识别获取的灾害救援信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810812678.8A CN108880664A (zh) | 2018-07-23 | 2018-07-23 | 一种灾害救援信息处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810812678.8A CN108880664A (zh) | 2018-07-23 | 2018-07-23 | 一种灾害救援信息处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108880664A true CN108880664A (zh) | 2018-11-23 |
Family
ID=64304332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810812678.8A Pending CN108880664A (zh) | 2018-07-23 | 2018-07-23 | 一种灾害救援信息处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108880664A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782978A (zh) * | 2019-10-24 | 2020-02-11 | 泰康保险集团股份有限公司 | 救助任务分配方法、装置、设备及存储介质 |
CN111181671A (zh) * | 2019-12-27 | 2020-05-19 | 东南大学 | 一种基于深度学习的下行信道快速重建方法 |
IT202000003754A1 (it) * | 2020-02-24 | 2020-05-24 | Michele Valerio Sibillo | Sistema di rilevazione in tempo reale delle condizioni strutturali di un edificio e delle presenze umane all'interno dello stesso in caso di evento calamitoso naturale e antropico. |
CN111327355A (zh) * | 2020-01-21 | 2020-06-23 | 北京大学 | 无人机感知与传输时间均衡的方法、装置、介质及设备 |
CN111506104A (zh) * | 2020-04-03 | 2020-08-07 | 北京邮电大学 | 一种规划无人机位置的方法及装置 |
CN111665177A (zh) * | 2020-06-11 | 2020-09-15 | 太原理工大学 | 一种基于物体识别、毒气和热源检测的实验室保护系统 |
CN112636811A (zh) * | 2020-12-08 | 2021-04-09 | 北京邮电大学 | 一种中继无人机部署方法及装置 |
CN112954599A (zh) * | 2021-03-31 | 2021-06-11 | 广东电网有限责任公司电力调度控制中心 | 一种灾后无人机通信系统 |
CN113420054A (zh) * | 2021-05-10 | 2021-09-21 | 武汉光阴南北网络技术咨询中心 | 信息统计方法、服务器、客户端及存储介质 |
CN113608548A (zh) * | 2021-07-23 | 2021-11-05 | 中国科学院地理科学与资源研究所 | 一种无人机应急处理方法、系统、存储介质及电子设备 |
CN113657791A (zh) * | 2021-08-24 | 2021-11-16 | 北京来也网络科技有限公司 | 基于rpa及ai的险情应急处理方法、装置、设备及介质 |
CN113835116A (zh) * | 2020-06-24 | 2021-12-24 | 河南铭视科技股份有限公司 | 灾情位置确定系统 |
US11550827B2 (en) | 2020-09-22 | 2023-01-10 | International Business Machines Corporation | Graph enabled location optimization |
CN115755987A (zh) * | 2023-01-09 | 2023-03-07 | 南京邮电大学 | 一种面向灾难数据采集的多无人机协同调度方法 |
CN116862142A (zh) * | 2023-06-13 | 2023-10-10 | 中咨数据有限公司 | 一种基于遥感技术的地震遥感应急救援信息采集方法 |
CN113835116B (zh) * | 2020-06-24 | 2024-05-17 | 河南铭视科技股份有限公司 | 灾情位置确定系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140241239A1 (en) * | 2012-09-21 | 2014-08-28 | Donald C.D. Chang | Communications Architectures via UAV |
CN105223958A (zh) * | 2015-09-25 | 2016-01-06 | 中国电子进出口总公司 | 一种基于系留式无人机的应急通信与支援系统和方法 |
CN106549705A (zh) * | 2016-11-22 | 2017-03-29 | 深圳市元征科技股份有限公司 | 无人机及基于无人机的通信方法 |
CN106598067A (zh) * | 2016-12-07 | 2017-04-26 | 中国人民武装警察部队总医院 | 基于多无人机的联合医学灾害救援系统及方法 |
CN106682592A (zh) * | 2016-12-08 | 2017-05-17 | 北京泛化智能科技有限公司 | 一种基于神经网络方法的图像自动识别系统及方法 |
US20170341745A1 (en) * | 2016-05-30 | 2017-11-30 | Terumo Kabushiki Kaisha | Unmanned aerial vehicle, relief system, and relief method |
CN107809277A (zh) * | 2017-10-17 | 2018-03-16 | 安徽工业大学 | 一种基于无人机和无线设备的应急救援通信网络及组网方法 |
US10020872B2 (en) * | 2016-10-11 | 2018-07-10 | T-Mobile Usa, Inc. | UAV for cellular communication |
-
2018
- 2018-07-23 CN CN201810812678.8A patent/CN108880664A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140241239A1 (en) * | 2012-09-21 | 2014-08-28 | Donald C.D. Chang | Communications Architectures via UAV |
CN105223958A (zh) * | 2015-09-25 | 2016-01-06 | 中国电子进出口总公司 | 一种基于系留式无人机的应急通信与支援系统和方法 |
US20170341745A1 (en) * | 2016-05-30 | 2017-11-30 | Terumo Kabushiki Kaisha | Unmanned aerial vehicle, relief system, and relief method |
US10020872B2 (en) * | 2016-10-11 | 2018-07-10 | T-Mobile Usa, Inc. | UAV for cellular communication |
CN106549705A (zh) * | 2016-11-22 | 2017-03-29 | 深圳市元征科技股份有限公司 | 无人机及基于无人机的通信方法 |
CN106598067A (zh) * | 2016-12-07 | 2017-04-26 | 中国人民武装警察部队总医院 | 基于多无人机的联合医学灾害救援系统及方法 |
CN106682592A (zh) * | 2016-12-08 | 2017-05-17 | 北京泛化智能科技有限公司 | 一种基于神经网络方法的图像自动识别系统及方法 |
CN107809277A (zh) * | 2017-10-17 | 2018-03-16 | 安徽工业大学 | 一种基于无人机和无线设备的应急救援通信网络及组网方法 |
Non-Patent Citations (2)
Title |
---|
CHUNBO LUO: "《A UAV-Cloud System for Disaster Sensing Applications》", 《OPEN RESEARCH EXETER》 * |
赖友强: "《应用于户外的无人机应急搜索系统研究》", 《知网》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782978A (zh) * | 2019-10-24 | 2020-02-11 | 泰康保险集团股份有限公司 | 救助任务分配方法、装置、设备及存储介质 |
CN111181671A (zh) * | 2019-12-27 | 2020-05-19 | 东南大学 | 一种基于深度学习的下行信道快速重建方法 |
CN111181671B (zh) * | 2019-12-27 | 2022-01-11 | 东南大学 | 一种基于深度学习的下行信道快速重建方法 |
CN111327355A (zh) * | 2020-01-21 | 2020-06-23 | 北京大学 | 无人机感知与传输时间均衡的方法、装置、介质及设备 |
CN111327355B (zh) * | 2020-01-21 | 2021-03-12 | 北京大学 | 无人机边缘感知计算与联合传输方法、装置、介质及设备 |
IT202000003754A1 (it) * | 2020-02-24 | 2020-05-24 | Michele Valerio Sibillo | Sistema di rilevazione in tempo reale delle condizioni strutturali di un edificio e delle presenze umane all'interno dello stesso in caso di evento calamitoso naturale e antropico. |
CN111506104A (zh) * | 2020-04-03 | 2020-08-07 | 北京邮电大学 | 一种规划无人机位置的方法及装置 |
CN111665177A (zh) * | 2020-06-11 | 2020-09-15 | 太原理工大学 | 一种基于物体识别、毒气和热源检测的实验室保护系统 |
CN113835116A (zh) * | 2020-06-24 | 2021-12-24 | 河南铭视科技股份有限公司 | 灾情位置确定系统 |
CN113835116B (zh) * | 2020-06-24 | 2024-05-17 | 河南铭视科技股份有限公司 | 灾情位置确定系统 |
US11550827B2 (en) | 2020-09-22 | 2023-01-10 | International Business Machines Corporation | Graph enabled location optimization |
CN112636811A (zh) * | 2020-12-08 | 2021-04-09 | 北京邮电大学 | 一种中继无人机部署方法及装置 |
CN112954599A (zh) * | 2021-03-31 | 2021-06-11 | 广东电网有限责任公司电力调度控制中心 | 一种灾后无人机通信系统 |
CN113420054A (zh) * | 2021-05-10 | 2021-09-21 | 武汉光阴南北网络技术咨询中心 | 信息统计方法、服务器、客户端及存储介质 |
CN113608548A (zh) * | 2021-07-23 | 2021-11-05 | 中国科学院地理科学与资源研究所 | 一种无人机应急处理方法、系统、存储介质及电子设备 |
CN113657791A (zh) * | 2021-08-24 | 2021-11-16 | 北京来也网络科技有限公司 | 基于rpa及ai的险情应急处理方法、装置、设备及介质 |
CN115755987A (zh) * | 2023-01-09 | 2023-03-07 | 南京邮电大学 | 一种面向灾难数据采集的多无人机协同调度方法 |
CN116862142A (zh) * | 2023-06-13 | 2023-10-10 | 中咨数据有限公司 | 一种基于遥感技术的地震遥感应急救援信息采集方法 |
CN116862142B (zh) * | 2023-06-13 | 2024-04-16 | 中咨数据有限公司 | 一种基于遥感技术的地震遥感应急救援信息采集方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108880664A (zh) | 一种灾害救援信息处理方法 | |
US20210027600A1 (en) | Systems, Methods and Devices for the Rapid Assessment and Deployment of Appropriate Modular Aid Solutions in Response to Disasters | |
Mohamed et al. | Unmanned aerial vehicles applications in future smart cities | |
Luo et al. | Unmanned aerial vehicles for disaster management | |
Khan et al. | Emerging UAV technology for disaster detection, mitigation, response, and preparedness | |
Malandrino et al. | Planning UAV activities for efficient user coverage in disaster areas | |
Sharma et al. | UAV‐based framework for effective data analysis of forest fire detection using 5G networks: An effective approach towards smart cities solutions | |
EP3836584B1 (en) | Rescue support in large-scale emergency situations | |
Wankmüller et al. | Optimal allocation of defibrillator drones in mountainous regions | |
KR102208152B1 (ko) | 무인 비행체를 이용한 산악지역의 재난 대응 시스템 및 방법 | |
WO2009113755A1 (en) | Monitoring system using unmanned air vehicle with wimax communication | |
JP7328731B2 (ja) | 遭難者捜索システム | |
Solpico et al. | Application of the V-HUB standard using LoRa beacons, mobile cloud, UAVs, and DTN for disaster-resilient communications | |
Al-Khafajiy et al. | UAV and fog computing for IoE-based systems: A case study on environment disasters prediction and recovery plans | |
CN116308944B (zh) | 一种面向应急救援的数字战场实战指控平台及架构 | |
Ren et al. | Drone-edge coalesce for energy-aware and sustainable service delivery for smart city applications | |
CN111526478B (zh) | 一种山地景区复杂地形无人机协同搜救系统及其装置 | |
CN115379306A (zh) | 一种基于航空器中继通信的野外灾害监测系统和方法 | |
Lemayian et al. | First responder drones for critical situation management | |
KR102161917B1 (ko) | 무인 비행체를 이용한 산악 지역의 구조를 위한 정보 처리 시스템 및 그 방법 | |
JP4669680B2 (ja) | 携帯端末および移動体表示システム | |
Nguyen et al. | UAV communication networks: benefits, research challenges and opening issues | |
Hristozov et al. | Concept model for drone selection in specific disaster conditions | |
Eggly et al. | Evacuation supporting system based on iot components | |
CN113057604A (zh) | 一种埋压人员救援平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181123 |
|
RJ01 | Rejection of invention patent application after publication |