CN110471448A - 一种无人机飞行方法及装置 - Google Patents
一种无人机飞行方法及装置 Download PDFInfo
- Publication number
- CN110471448A CN110471448A CN201910801308.9A CN201910801308A CN110471448A CN 110471448 A CN110471448 A CN 110471448A CN 201910801308 A CN201910801308 A CN 201910801308A CN 110471448 A CN110471448 A CN 110471448A
- Authority
- CN
- China
- Prior art keywords
- flying
- unmanned plane
- time period
- smooth value
- subsequent time
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Abstract
本发明提供一种无人机飞行方法和装置,属于无人机技术领域。该无人机飞行方法包括:获取无人机的飞行历史数据,所述飞行历史数据包括时间周期、飞行距离和通过的边缘节点;根据所述飞行历史数据预测下一时间周期的飞行距离;根据下一时间周期的飞行距离确定所述无人机在下一时间周期末的位置;根据下一时间周期末的位置确定下一时间周期接收、处理所述无人机数据的预测边缘节点。该无人机飞行方法和装置可以提高无人机边缘节点的适配性和数据处理效率。
Description
技术领域
本发明属于无人机技术领域,具体涉及一种无人机飞行方法及装置。
背景技术
现有技术中,无人机在飞行过程中为其分配边缘节点的方案为就近分配,即对飞行过程中的无人机进行定位,计算距离该位置较近的当前边缘节点,将该当前边缘节点作为计算该无人机下一时段所需的边缘节点,然后将相关数据从之前的边缘节点迁移到当前边缘节点。由于计算和数据迁移过程需要一定的时间且无人机处于飞行状态,这段时间内无人机的位置将发生变化,从而导致新的边缘节点未必是无人机当前位置最合适的边缘节点。
发明内容
为此,本发明提供一种无人机飞行方法及装置,以解决现有技术中由于无人机在飞行过程中,分配边缘节点的计算和数据迁移与无人机位置信息存在时差而导致的边缘节点分配不合适的问题。
为了实现上述目的,本发明第一方面提供一种无人机飞行方法,包括:
获取无人机的飞行历史数据,所述飞行历史数据包括时间周期、飞行距离和通过的边缘节点;
根据所述飞行历史数据预测下一时间周期的飞行距离;
根据下一时间周期的飞行距离确定所述无人机在下一时间周期末的位置;
根据下一时间周期末的位置确定下一时间周期接收、处理所述无人机数据的预测边缘节点。
进一步地,根据所述飞行历史数据预测下一时间周期的飞行距离包括:
获取若干个连续时间周期内的所述飞行距离集合;
设置所述飞行距离集合的一次平滑值和二次平滑值,而且,所述一次平滑值和二次平滑值分别通过公式(1)和公式(2)设置;
其中,Si (1)为一次平滑值,i为时间周期序号,i={1,2,…,n},Di为第i个时间周期的飞行距离,α为平滑常数,取值范围为[0,1],Si (2)为二次平滑值;
根据所述一次平滑值和二次平滑值预测下一时间周期的飞行距离。
进一步地,根据所述一次平滑值和二次平滑值预测下一时间周期的飞行距离包括:
根据所述一次平滑值和二次平滑值计算所述飞行距离的移动趋势和变动趋势;
所述移动趋势和变动趋势分别通过公式(3)和公式(4)设置;
ai=2Si (1)-Si (2) (3)
其中,Si (1)为一次平滑值,Si (2)为二次平滑值,i为时间周期序号,i={1,2,…,n},α为平滑常数,取值范围为[0,1],ai为移动趋势,bi为变动趋势;
根据所述移动趋势和所述变动趋势计算下一时间周期的飞行距离。
进一步地,根据所述移动趋势和所述变动趋势计算下一时间周期的飞行距离包括:
所述下一周期飞行距离等于无人机的所述移动趋势与所述变动趋势之和。
进一步地,所述根据下一时间周期末的位置确定下一时间周期接收、处理所述无人机数据的预测边缘节点之后,还包括:
在所述无人机到达之前将所述无人机的飞行历史数据迁移至所述预测边缘节点。
进一步地,在所述无人机飞行初始,将距离所述无人机最近的边缘节点作为存储和处理飞行数据的边缘节点。
为了实现上述目的,本发明第二方面提供一种无人机飞行装置,包括:
获取模块,用于获取无人机的飞行历史数据,所述飞行历史数据包括时间周期、飞行距离和通过的边缘节点;
预测模块,用于根据所述飞行历史数据预测下一时间周期的飞行距离;
位置确定模块,用于根据下一时间周期的飞行距离确定所述无人机在下一时间周期末的位置;
边缘节点分配模块,用于根据下一时间周期末的位置确定下一时间周期接收、处理所述无人机数据的预测边缘节点。
进一步地,所述预测模块包括:
飞行距离集合获取单元,用于获取若干个连续时间周期内的所述飞行距离集合;
平滑值设置单元,用于设置所述飞行距离集合的一次平滑值和二次平滑值,而且,所述一次平滑值和二次平滑值分别通过公式(1)和公式(2)设置;
其中,Si (1)为一次平滑值,i为时间周期序号,i={1,2,…,n},Di为第i个时间周期的飞行距离,α为平滑常数,取值范围为[0,1],Si (2)为二次平滑值;
预测单元,用于根据所述一次平滑值和二次平滑值预测下一时间周期的飞行距离。
进一步地,所述预测单元包括:
趋势计算子单元,用于根据所述一次平滑值和二次平滑值计算所述飞行距离的移动趋势和变动趋势;
所述移动趋势和变动趋势分别通过公式(3)和公式(4)设置;
ai=2Si (1)-Si (2) (3)
其中,Si (1)为一次平滑值,Si (2)为二次平滑值,i为时间周期序号,i={1,2,…,n},α为平滑常数,取值范围为[0,1],ai为移动趋势,bi为变动趋势;
飞行距离计算子单元,用于根据所述移动趋势和所述变动趋势计算下一时间周期的飞行距离。
进一步地,所述飞行距离计算子单元中包括:
所述下一周期飞行距离等于所述无人机的移动趋势与变动趋势之和。
进一步地,所述数据迁移模块,用于在所述无人机到达之前将所述无人机的飞行历史数据迁移至所述预测边缘节点。
本发明具有如下优点:
本发明提供的无人机飞行方法,根据飞行历史数据预测下一时间周期的飞行距离,再由飞行距离确定下一时间周期末的位置,据此分配相应的边缘节点并提前将数据迁移过去,充分考虑了计算及数据在无人机边缘节点间迁移所需时耗,从而提高无人机边缘节点的适配性和数据处理效率。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1是本实施例提供的无人机飞行方法和装置的飞行场景示意图;
图2是本实施例提供的一种无人机飞行方法的流程图;
图3是本实施例提供的一种无人机飞行装置的原理框图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
本发明实施例提供的无人机飞行方法是利用无人机飞行历史数据,通过预测无人机下一时间周期的位置,将距离无人机距离最近的边缘节点作为控制无人机飞行的节点,并提前将数据迁移至该边缘节点,从而提高边缘节点的适配性和数据处理效率。具体应用场景示例如图1所示,无人机飞行一段时间形成一段飞行轨迹,在该飞行轨迹附近分布有边缘节点N1、边缘节点N2…边缘节点Nn等若干个边缘节点,当无人机飞行在该边缘节点的控制范围内时,该边缘节点为无人机接收和处理相关数据。
图2是本发明第一实施例提供的一种无人机飞行方法的流程图,如图2所示,该无人机飞行方法包括如下步骤:
步骤S101,获取无人机的飞行历史数据。
其中,飞行历史数据包括时间周期、飞行距离和通过的边缘节点。时间周期T是由用户或厂家设定,一般而言,在一个时间周期T内无人机飞行的距离超过两个边缘节点之间的距离,但是不超过三个边缘节点之间的距离。
在一个实施方式中,获取三个时间周期T内无人机飞行的距离,如第一个时间周期T1的飞行距离为D1,第二个时间周期T2的飞行距离为D2,第三个时间周期T3的飞行距离为D3。
需要说明的是,如果无人机刚起飞时,默认距离其当前位置最近的边缘节点为初始边缘节点N1,由该初始边缘节点控制无人机的飞行。如果在获取历史数据的过程中,无人机已飞离初始边缘节点控制范围,则先将边缘节点迁移至距离无人机位置较近的边缘节点,如第二边缘节点N2或第三边缘节点N3。
步骤S202,根据飞行历史数据预测下一时间周期的飞行距离。
在一个实施例中,根据飞行历史数据预测下一时间周期的飞行距离具体包括:获取若干个连续时间周期内的飞行距离集合;设置飞行距离集合的一次平滑值和二次平滑值,一次平滑值和二次平滑值分别通过公式(1)和公式(2)设置;
其中,Si (1)为一次平滑值,i为时间周期序号,i={1,2,…,n},Di为第i个时间周期的飞行距离,α为平滑常数,取值范围为[0,1],Si (2)为二次平滑值;根据一次平滑值和二次平滑值预测下一时间周期的飞行距离。
其中,飞行距离集合为若干连续时间周期内的飞行距离的集合。如,n个连续时间周期的飞行距离集合D={D1,D2,…,Dn},i为时间周期序号,i={1,2,…,n},Di表示第i个时间周期的飞行距离。
Dn+1为对下一时间周期无人机飞行距离的预测。
在一个实施方式中,根据一次平滑值和二次平滑值预测下一时间周期的飞行距离包括:
根据一次平滑值和二次平滑值计算飞行距离的移动趋势和变动趋势;移动趋势和变动趋势分别通过公式(3)和公式(4)设置;
ai=2Si (1)-Si (2) (3)
其中,Si (1)为一次平滑值,Si (2)为二次平滑值,i为时间周期序号,i={1,2,…,n},α为平滑常数,取值范围为[0,1],ai为移动趋势,bi为变动趋势;根据移动趋势和变动趋势计算下一时间周期的飞行距离。
在一个实施方式中,根据移动趋势和变动趋势计算下一时间周期的飞行距离包括:
下一周期飞行距离等于无人机的移动趋势与变动趋势之和。
如,n个连续时间周期T无人机的飞行距离集合为D,由此飞行距离集合D计算得到的移动趋势为an,变动趋势为bn,那么下一时间周期无人机飞行距离的预测Dn+1=an+bn。
步骤S203,根据下一时间周期的飞行距离确定无人机在下一时间周期末的位置。
如n个连续时间周期T无人机的飞行距离集合为D,下一时间周期的预测飞行距离为Dn+1,无人机的预测位置为(x,y),其中x为无人机预测位置的横坐标,y为无人机预测位置的纵坐标。那么无人机在下一时间周期末的位置为集合D={D1,D2,…,Dn}与预测飞行距离Dn+1的矢量之和,即无人机在下一时间周期末的位置(x,y)为D1+D2+…+Dn+Dn+1的矢量之和。
步骤S204,根据下一时间周期末无人机的位置确定下一时间周期接收、处理无人机数据的预测边缘节点。
需要说明的是,当下一时间周期末无人机的位置确定之后,将距离该无人机位置最近的边缘节点作为接收和处理无人机数据的预测边缘节点。
在一个实施方式中,当下一时间周期末无人机的预测位置为(x,y),其中x为无人机预测位置的横坐标,y为无人机预测位置的纵坐标,边缘节点的坐标为(u,v),其中u为无人机预测位置的横坐标,v为无人机预测位置的纵坐标,那么,当{(x-u)2+(y-v)2}的数值为最小值时,选择位于坐标点(u,v)的边缘节点作为预测边缘节点。
步骤S205,在无人机到达之前将无人机的飞行历史数据迁移至该预测边缘节点。
在一个实施方式中,选择n个连续时间周期T的飞行距离集合D预测无人机在(n+1)T时刻的位置。假设在nT+t(其中,t<T)时刻完成无人机在(n+1)T时刻位置的预测并为无人机分配距离该位置最近的预测边缘节点,此时就将无人机的数据迁移到该预测边缘节点,实现在无人机还未到达该预测位置时提前将飞行历史数据迁移至预测边缘节点的操作。
本实施例提供的无人机飞行方法,根据飞行历史数据预测下一时间周期的飞行距离,再由飞行距离确定下一时间周期末的位置,据此分配相应的边缘节点并提前将数据迁移过去,充分考虑了计算及数据在无人机边缘节点间迁移所需时耗,从而提高无人机边缘节点的适配性和数据处理效率。
图3是根据另一示例性实施例示出的一种无人机飞行装置的原理框图,该无人机飞行装置可以通过软件、硬件或者两者的结合实现其部分或者全部。该无人机飞行装置可以包括:获取模块301、预测模块302、位置确定模块303、边缘节点分配模块304和和数据迁移模块305。
获取模块301,用于获取无人机的飞行历史数据。
其中,飞行历史数据包括时间周期、飞行距离和通过的边缘节点。时间周期T是由用户或厂家设定,一般而言,在一个时间周期T内无人机飞行的距离超过两个边缘节点之间的距离,但是不超过三个边缘节点之间的距离。
在一个实施方式中,获取三个时间周期T内无人机飞行的距离,如第一个时间周期T1的飞行距离为D1,第二个时间周期T2的飞行距离为D2,第三个时间周期T3的飞行距离为D3。
需要说明的是,如果无人机刚起飞时,默认距离其当前位置最近的边缘节点为初始边缘节点,由该初始边缘节点控制无人机的飞行。如果在获取历史数据的过程中,无人机已飞离初始边缘节点控制范围,则先将边缘节点迁移至距离无人机位置较近的边缘节点,如第二边缘节点2或第三边缘节点3。
预测模块302,用于根据飞行历史数据预测下一时间周期的飞行距离;
在一个实施例中,预测模块302包括:
飞行距离集合获取单元,用于获取若干个连续时间周期内的飞行距离集合。
其中,飞行距离集合为若干连续时间周期内的飞行距离的集合。如,n个连续时间周期的飞行距离集合D={D1,D2,…,Dn},i为时间周期序号,i={1,2,…,n},Di表示第i个时间周期的飞行距离。
平滑值设置单元,用于设置飞行距离集合的一次平滑值和二次平滑值,一次平滑值和二次平滑值分别通过公式(1)和公式(2)设置;
其中,Si (1)为一次平滑值,i为时间周期序号,i={1,2,…,n},Di为第i个时间周期的飞行距离,α为平滑常数,取值范围为[0,1],Si (2)为二次平滑值。
预测单元,用于根据一次平滑值和二次平滑值预测下一时间周期的飞行距离。Dn+1为对下一时间周期无人机飞行距离的预测。
在一个实施例中,预测单元包括:
趋势计算子单元,用于根据一次平滑值和二次平滑值计算飞行距离的移动趋势和变动趋势,移动趋势和变动趋势分别通过公式(3)和公式(4)设置;
ai=2Si (1)-Si (2) (3)
其中,Si (1)为一次平滑值,Si (2)为二次平滑值,i为时间周期序号,i={1,2,…,n},α为平滑常数,取值范围为[0,1],ai为移动趋势,bi为变动趋势。
飞行距离计算子单元,用于根据移动趋势和变动趋势计算下一时间周期的飞行距离,下一时间周期T飞行距离等于无人机的移动趋势与变动趋势之和。
如,n个连续时间周期T无人机的飞行距离集合为D,由此飞行距离集合D计算得到的移动趋势为an,变动趋势为bn,那么下一时间周期无人机飞行距离的预测Dn+1=an+bn。
位置确定模块303,用于根据下一时间周期的飞行距离确定无人机在下一时间周期末的位置。
如n个连续时间周期T无人机的飞行距离集合为D,下一时间周期的预测飞行距离为Dn+1,无人机的预测位置为(x,y),其中x为无人机预测位置的横坐标,y为无人机预测位置的纵坐标。那么无人机在下一时间周期末的位置为集合D={D1,D2,…,Dn}与预测飞行距离Dn+1的矢量之和,即无人机在下一时间周期末的位置(x,y)为D1+D2+…+Dn+Dn+1的矢量之和。
边缘节点分配模块304,用于根据下一时间周期末的位置确定下一时间周期接收、处理无人机数据的预测边缘节点。
需要说明的是,当下一时间周期末无人机的位置确定之后,将距离该无人机位置最近的边缘节点作为接收和处理无人机数据的预测边缘节点。
在一个实施方式中,当下一时间周期末无人机的预测位置为(x,y),其中x为无人机预测位置的横坐标,y为无人机预测位置的纵坐标,边缘节点的坐标为(u,v),其中u为无人机预测位置的横坐标,v为无人机预测位置的纵坐标,那么,当{(x-u)2+(y-v)2}的数值为最小值时,选择位于坐标点(u,v)的边缘节点作为预测边缘节点。
数据迁移模块,305,用于在无人机到达之前将无人机的飞行历史数据迁移至预测边缘节点。
在一个实施方式中,选择n个连续时间周期T的飞行距离集合D预测无人机在(n+1)T时刻的位置。假设在nT+t(其中,t<T)时刻完成无人机在(n+1)T时刻位置的预测并为无人机分配距离该位置最近的预测边缘节点,此时就将无人机的数据迁移到该预测边缘节点,实现在无人机还未到达该预测位置时提前将飞行历史数据迁移至预测边缘节点的操作。
本实施例提供的无人机飞行装置,根据获取模块获取的无人机飞行历史数据,由预测模块计算下一时间周期的飞行距离,再由位置确定模块确定下一时间周期末的无人机位置,由边缘节点分配模块为无人机分配相应的边缘节点,并由数据迁移模块提前将数据迁移过去,充分考虑了计算及数据在无人机边缘节点间迁移所需时耗,从而提高无人机边缘节点的适配性和数据处理效率。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (11)
1.一种无人机飞行方法,其特征在于,包括:
获取无人机的飞行历史数据,所述飞行历史数据包括时间周期、飞行距离和通过的边缘节点;
根据所述飞行历史数据预测下一时间周期的飞行距离;
根据下一时间周期的飞行距离确定所述无人机在下一时间周期末的位置;
根据下一时间周期末的位置确定下一时间周期接收、处理所述无人机数据的预测边缘节点。
2.根据权利要求1所述的无人机飞行方法,其特征在于,所述根据所述飞行历史数据预测下一时间周期的飞行距离包括:
获取若干个连续时间周期内的所述飞行距离集合;
设置所述飞行距离集合的一次平滑值和二次平滑值,而且,所述一次平滑值和二次平滑值分别通过公式(1)和公式(2)设置;
其中,Si (1)为一次平滑值,i为时间周期序号,i={1,2,…,n},Di为第i个时间周期的飞行距离,α为平滑常数,取值范围为[0,1],Si (2)为二次平滑值;
根据所述一次平滑值和二次平滑值预测下一时间周期的飞行距离。
3.根据权利要求2所述的无人机飞行方法,其特征在于,所述根据所述一次平滑值和二次平滑值预测下一时间周期的飞行距离包括:
根据所述一次平滑值和二次平滑值计算所述飞行距离的移动趋势和变动趋势;
所述移动趋势和变动趋势分别通过公式(3)和公式(4)设置;
ai=2Si (1)-Si (2) (3)
其中,Si (1)为一次平滑值,Si (2)为二次平滑值,i为时间周期序号,i={1,2,…,n},α为平滑常数,取值范围为[0,1],ai为移动趋势,bi为变动趋势;
根据所述移动趋势和所述变动趋势计算下一时间周期的飞行距离。
4.根据权利要求3所述的无人机飞行方法,其特征在于,所述根据所述移动趋势和所述变动趋势计算下一时间周期的飞行距离包括:
所述下一周期飞行距离等于无人机的所述移动趋势与所述变动趋势之和。
5.根据权利要求1所述的无人机飞行方法,其特征在于,所述根据下一时间周期末的位置确定下一时间周期接收、处理所述无人机数据的预测边缘节点之后,还包括:
在所述无人机到达之前将所述无人机的飞行历史数据迁移至所述预测边缘节点。
6.根据权利要求1所述的无人机飞行方法,其特征在于,在所述无人机飞行初始,距离所述无人机最近的边缘节点作为存储和处理飞行数据的边缘节点。
7.一种无人机飞行装置,其特征在于,包括:
获取模块,用于获取无人机的飞行历史数据,所述飞行历史数据包括时间周期、飞行距离和通过的边缘节点;
预测模块,用于根据所述飞行历史数据预测下一时间周期的飞行距离;
位置确定模块,用于根据下一时间周期的飞行距离确定所述无人机在下一时间周期末的位置;
边缘节点分配模块,用于根据下一时间周期末的位置确定下一时间周期接收、处理所述无人机数据的预测边缘节点。
8.根据权利要求7所述的无人机飞行装置,其特征在于,所述预测模块包括:
飞行距离集合获取单元,用于获取若干个连续时间周期内的所述飞行距离集合;
平滑值设置单元,用于设置所述飞行距离集合的一次平滑值和二次平滑值,而且,所述一次平滑值和二次平滑值分别通过公式(1)和公式(2)设置;
其中,Si (1)为一次平滑值,i为时间周期序号,i={1,2,…,n},Di为第i个时间周期的飞行距离,α为平滑常数,取值范围为[0,1],Si (2)为二次平滑值;
预测单元,用于根据所述一次平滑值和二次平滑值预测下一时间周期的飞行距离。
9.根据权利要求8所述的无人机飞行装置,其特征在于,所述预测单元,包括:
趋势计算子单元,用于根据所述一次平滑值和二次平滑值计算所述飞行距离的移动趋势和变动趋势;
所述移动趋势和变动趋势分别通过公式(3)和公式(4)设置;
ai=2Si (1)-Si (2) (3)
其中,Si (1)为一次平滑值,Si (2)为二次平滑值,i为时间周期序号,i={1,2,…,n},α为平滑常数,取值范围为[0,1],ai为移动趋势,bi为变动趋势;
飞行距离计算子单元,用于根据所述移动趋势和所述变动趋势计算下一时间周期的飞行距离。
10.根据权利要求9所述的无人机飞行装置,其特征在于,在所述飞行距离计算子单元中:
所述下一周期飞行距离等于所述无人机的移动趋势与变动趋势之和。
11.根据权利要求7所述的无人机飞行装置,其特征在于,所述无人机飞行装置,还包括:
数据迁移模块,用于在所述无人机到达之前将所述无人机的飞行历史数据迁移至所述预测边缘节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910801308.9A CN110471448A (zh) | 2019-08-28 | 2019-08-28 | 一种无人机飞行方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910801308.9A CN110471448A (zh) | 2019-08-28 | 2019-08-28 | 一种无人机飞行方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110471448A true CN110471448A (zh) | 2019-11-19 |
Family
ID=68512480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910801308.9A Pending CN110471448A (zh) | 2019-08-28 | 2019-08-28 | 一种无人机飞行方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110471448A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106792518A (zh) * | 2016-12-06 | 2017-05-31 | 北京邮电大学 | 航空通信nemo网络下多播服务的无缝切换机制 |
CN107205225A (zh) * | 2017-08-03 | 2017-09-26 | 北京邮电大学 | 基于用户轨迹预测的无人机机载基站的切换方法和装置 |
CN107203947A (zh) * | 2017-05-22 | 2017-09-26 | 武汉大学 | 一种数字化变电站继电保护系统状态评价方法 |
CN108293219A (zh) * | 2015-12-09 | 2018-07-17 | 瑞典爱立信有限公司 | 用于空运移动蜂窝通信设备的小区选择 |
CN109495906A (zh) * | 2018-11-09 | 2019-03-19 | 重庆邮电大学 | 基于无人机-地面站链路预测的无人机网关选择算法 |
CN109691147A (zh) * | 2016-08-30 | 2019-04-26 | 索尼移动通讯有限公司 | 移动边缘计算服务的重新定位 |
CN109992847A (zh) * | 2019-03-14 | 2019-07-09 | 桂林电子科技大学 | 一种混合机器学习模型的滑坡位移预测方法 |
-
2019
- 2019-08-28 CN CN201910801308.9A patent/CN110471448A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108293219A (zh) * | 2015-12-09 | 2018-07-17 | 瑞典爱立信有限公司 | 用于空运移动蜂窝通信设备的小区选择 |
CN109691147A (zh) * | 2016-08-30 | 2019-04-26 | 索尼移动通讯有限公司 | 移动边缘计算服务的重新定位 |
CN106792518A (zh) * | 2016-12-06 | 2017-05-31 | 北京邮电大学 | 航空通信nemo网络下多播服务的无缝切换机制 |
CN107203947A (zh) * | 2017-05-22 | 2017-09-26 | 武汉大学 | 一种数字化变电站继电保护系统状态评价方法 |
CN107205225A (zh) * | 2017-08-03 | 2017-09-26 | 北京邮电大学 | 基于用户轨迹预测的无人机机载基站的切换方法和装置 |
CN109495906A (zh) * | 2018-11-09 | 2019-03-19 | 重庆邮电大学 | 基于无人机-地面站链路预测的无人机网关选择算法 |
CN109992847A (zh) * | 2019-03-14 | 2019-07-09 | 桂林电子科技大学 | 一种混合机器学习模型的滑坡位移预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200175364A1 (en) | Training action selection neural networks using a differentiable credit function | |
CN108810849B (zh) | 一种无人机计算任务的迁移方法、装置及无人机 | |
CN105589471B (zh) | 无人机飞行轨迹绘制方法、装置以及系统 | |
CN109561148A (zh) | 边缘计算网络中基于有向无环图的分布式任务调度方法 | |
US10474505B2 (en) | Systems and methods of managing computational resources | |
US20230114253A1 (en) | Real-time service provider progress monitoring | |
JP2010117760A (ja) | 仮想マシン移動管理サーバおよび仮想マシン移動方法 | |
JP2016212462A (ja) | 移動制御方法および移動制御装置 | |
Khochare et al. | Heuristic algorithms for co-scheduling of edge analytics and routes for UAV fleet missions | |
Quenzer et al. | Observability based control in range-only underwater vehicle localization | |
CN112783195A (zh) | 多无人机的巡检路线规划方法、装置和计算机设备 | |
KR20140079919A (ko) | 데이터베이스 구축을 위한 자기장 맵을 생성하는 방법 및 장치 | |
CN110726417A (zh) | 一种车辆偏航识别方法、装置、终端及存储介质 | |
Wang et al. | Path planning in uncertain flow fields using ensemble method | |
CN105227601A (zh) | 流处理系统中的数据处理方法、装置和系统 | |
CN109005223A (zh) | 物联网资源调度方法及系统、计算机可读存储介质和终端 | |
Mo et al. | Event-driven joint mobile actuators scheduling and control in cyber-physical systems | |
CN110471448A (zh) | 一种无人机飞行方法及装置 | |
CN117250957A (zh) | 路径跟踪控制关键参考点选取方法、装置、设备和介质 | |
CN113489787B (zh) | 一种移动边缘计算的服务与数据协同迁移的方法和装置 | |
CN109976337A (zh) | 一种自动导引装置的弯道速度规划方法、装置 | |
CN112859863B (zh) | 一种基于预测的路径跟踪控制关键参考点选取方法及系统 | |
Liu et al. | Energy-aware and delay-sensitive management of a drone delivery system | |
Miller et al. | Coordinated guidance of autonomous uavs via nominal belief-state optimization | |
CN104866375A (zh) | 一种迁移虚拟机的方法及装置 |
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: 20191119 |
|
RJ01 | Rejection of invention patent application after publication |