CN111177851B - 一种无人机运行安全风险评估中对地风险的评估方法 - Google Patents
一种无人机运行安全风险评估中对地风险的评估方法 Download PDFInfo
- Publication number
- CN111177851B CN111177851B CN201911380414.0A CN201911380414A CN111177851B CN 111177851 B CN111177851 B CN 111177851B CN 201911380414 A CN201911380414 A CN 201911380414A CN 111177851 B CN111177851 B CN 111177851B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- ground
- collision
- risk
- 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.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种无人机运行安全风险评估中对地风险的评估方法,包括以下步骤:无人机具体参数信息和运行及场景信息获取;确定无人机失效原因;确定无人机失效导致的下降方式;整合不确定参数,确定地面碰撞概率密度函数;对人口密度模型进行仿真:得到最终无人机失效对地风险结果;本发明的优点是:种类全面,覆盖范围广,为准确评估无人机运行系统失效时对地风险提供有力的支持。既考虑了地面碰撞造成地面上的人员死亡,也考虑了空中与有人机相撞造成人员伤亡的因素。得出更加全面、可靠的评估结果。
Description
技术领域
本发明涉及无人机技术领域,特别涉及一种面向无人机运行安全风险评估中对地风险的评估方法。
背景技术
近几年,无人机行业快速发展,但是无人机带来的挑战使其运行受到限制。其中的一项重要的非技术挑战是缺乏有效的安全监管体系会阻碍无人机融入国家空域,限制无人机在军事和民用领域的使用。这也使得对无人机的适航标准制定与风险评估被提上日程。2019年2月,民航局颁布特定类无人机试运行管理规程(暂行),规程使用特定类运行风险评估(Specific Operations Risk Assessment,SORA)方法,对安全风险较高的无人机运行进行管理,批准实施部分试运行,以便为逐步建立标准和法规体系提供基础。
目前,各国航空局已经意识到应该采用基于运行风险的方法制定无人机安全监管框架,并且制定和出台了基于运行风险的无人机系统安全法规。一方面,通过系统过程的结果来评估和管理安全风险,可以推动法规制定。另一方面,与无人机风险有关的模型将有利于全面了解无人机运行对地面人员和财产造成的风险。SORA过程中第二步为评估地面风险等级,即评估地面人员被失控无人机击中的风险。鉴于当前SORA方法中尚无成型的适用于无人机运行安全风险评估的标准方法,特别是无人机在运行过程中对地风险的评估方法,所以需要构建一个对无人机运行安全风险进行评估的系统方法。
发明内容
本发明针对现有技术的缺陷,提供了一种无人机运行安全风险评估中对地风险的评估方法,以解决当前缺少无人机运行安全风险评估模型方法这一问题。通过对无人机建立对地风险评估模型,实现对无人机运行安全风险评估中对地风险的流程化评估,并利用该模型为无人机监管提供更为有效的支撑。
为了实现以上发明目的,本发明采取的技术方案如下:
一种无人机运行安全风险评估中对地风险的评估方法,包括以下步骤:
步骤一:无人机具体参数信息和运行及场景信息获取:
无人机的具体参数信息包括:无人机本身的设计商、零件或整机生产商和生产批号;无人机生产组装配置信息;无人机动态飞行信息。
其中生产组装配置信息,包括:无人机类型、机身半径(m)、无人机机身质量(kg)、无人机迎风面积(m2)和最长飞行时间。
无人机动态飞行信息,包括:无人机初始水平速度(m/s)、初始垂直速度(m/s)、滑翔速度(m/s)、滑翔比、飞行高度(m)、飞行方向(角度)、巡航速度(m/s)和避撞能力。
无人机运行及场景信息包括:任务目的、路线、时间、天气和地理环境。
所获取的无人机具体参数信息和无人机运行及场景信息,其获取方式包括:相关人员单位主动公示报告、各种机载系统和传感器设备进行信息采集。
步骤二:确定无人机失效原因:
分为:无人机自身系统失效导致的失效和无人机空中碰撞导致的失效。
当选择无人机自身系统失效时,无人机系统失效概率用单位时间内无人机失效次数表示。同时无人机坠落时的飞行方向一般与正常飞行时保持一样。
当选择无人机空中碰撞导致系统失效时,用气体分子碰撞理论来估计飞机在空中的碰撞概率。同时由于碰撞角度和碰撞位置的变化,无人机可能朝任何方向坠落,所以在空中碰撞时将飞行方向设为360度内均匀分布的变量。
步骤三:确定无人机失效导致的下降方式
明确无人机失效导致的具体下降方式:弹道下降和滑翔下降。
弹道下降:当无人机在空中的升力几乎可以忽略不计时,其飞行轨迹会呈弹道轨迹。如机翼断裂或者发动机故障,无法工作等情况都会导致无人机失去升力从而进行弹道下降。弹道下降时,无人机所受到的力为重力和空气阻力。然后采用特定方法去求解任意初始水平速度、垂直速度和飞行高度下对应的无人机地面降落水平距离、水平碰撞速度和垂直碰撞速度的解析解。
滑翔下降:滑翔下降是指无人机固定翼无人机具有滑翔能力,当无人机失去动力时,不一定会以弹道轨迹下降,如果能保持一定飞行姿态,固定翼无人机会进行滑翔下降。此外,无人直升机机也具有自旋降落的能力,当其主旋翼失去动力时,自动驾驶仪能够控制飞机进行以一定角度自旋降落。同样,四旋翼无人机失去旋翼推力时也能以一定角度自旋降落。但是固定翼无人机由于其气动外形,滑翔比远高于旋翼无人机。
引入滑翔比,滑翔比越高,无人机下降相同高度时水平方向上距离越长,对应的无人机滑翔性能也越好。同时引入风力对于下降的影响,风力和风速大小取值决定于无人机的飞行环境,由于风力可能随时间变化,所以可以将其设为变量。当已知运行环境内大致风速和风向时,可将两者设置为以已知值为均值的正态变量。
步骤四:整合不确定参数,确定地面碰撞概率密度函数:
根据步骤三对无人机失效导致的两种典型下降类型进行区分,根据下降类型的运动学公式对无人机失效后运动状态进行建模。由本步骤得到无人机在事故发生点的飞行参数和环境参数不确定性,求得无人机在地面上可能碰撞位置的概率分布情况。具体过程如下:
(1)将不确定性参数设置为随机变量,将初始速度设置为随机变量。
(2)将固定翼无人机的初始速度设置为以预设速度为均值的正态分布随机变量;将四旋翼无人机设置为从0到最高飞行速度之间均匀分布的随机变量。
(3)采用蒙特卡洛仿真,根据已知概率分布,获得无人机地面坐标的大量样本点,用样本集的概率密度函数来估计实际碰撞点坐标的概率密度函数。最后对样本集进行二维核密度估计获得二维地面碰撞概率密度函数。
步骤五:对人口密度模型进行仿真:
仿真采用ARCGIS的IDM工具箱,该工具箱采用Python脚本语言编写,利用Arcpy工具包和Acrpy.da数据访问模块。仿真过程中,第一步是准备人口矢量数据和土地类型栅格数据,第二步是分区密度计算,最后产生输出人口密度栅格。人口矢量数据体现了不同人口统计单元中的人口数分类。土地类型栅格数据中不同的颜色表示了对应的土地类型。
步骤六:得到最终无人机失效对地风险结果;
采用碰撞面积模型,将人建模为一定高度和半径的圆柱体,无人机看作圆面。假设当无人机垂直下落时,其地面伤亡区域呈半径为无人机半径与人员半径之和的圆形区域。无人机以一定角度下降时,增加的伤亡区域等于从一定高度下降到地面碰撞点处经过的区域。
利用了Logistic增长模型,同时考虑遮挡因素的影响,得到无人机伤害模型。假设对于滑翔下降而言,地面碰撞速度即为无人机的滑翔速度,而弹道下降时的地面碰撞速度则需要通过公式计算得到。
通过上述模型方法,分别得到用来确定无人机在地面有可能造成人员伤亡的碰撞面积和人在遭受无人机碰撞后死亡的可能性。
最后通过以下步骤得到最终无人机失效对地面造成的风险结果:
(1)将无人机在地面有可能造成人员伤亡的碰撞面积和人在遭受无人机碰撞后死亡的可能性带入步骤四的二维地面碰撞人口的概率密度函数联合计算得到到无人机失效对地面造成的风险分析结果。
(2)通过对航线的设置,设置采样间距对该事故发生点的地面风险进行仿真,获得该事故点对应的地面风险分布,将碰撞区域所有像元的地面风险求和获得该事故点的地面风险。
(3)最终得到一条航线上无人机失效导致的地面风险曲线,根据曲线为实现对无人机基于地面运行风险的决策管理提供建议。
进一步地,步骤五中仿真的具体步骤为:
(1)人口矢量数据转换为栅格数据,获得人口栅格数据和人口工作表。栅格像元大小与土地利用栅格数据像元一样。人口工作表在第四部计算人口密度时会使用到。
(2)结合人口栅格数据和土地利用数据产生输出分区栅格和分区工作表。分区栅格中对于每一个人口统计单元和土地类型的结合进行编号,分区工作表在第四步的分区密度计算中也会使用到。
(3)创建土地类型预设表。该表中包含为所有土地类别预先设置人口密度的字段。
(4)分区密度计算。
(5)获取最后的人口密度栅格。
(6)通过步骤四得到的二维地面碰撞概率密度函数结合该步骤中的人口密度模型可以得到二维地面碰撞人口的概率密度函数。
与现有技术相比,本发明的优点在于:
1.无人机具体参数和运行场景信息的获取可通过相关申请评估人员或单位主动公示报告,也可通过多种传感器监测记录、北斗及GPS实时定位、服务器记录等方式,采集相关信息,信息获取手段丰富,种类全面,覆盖范围广,为准确评估无人机运行系统失效时对地风险提供有力的支持。
2.该模型方法在原有地面碰撞风险模型的基础上,加入了空中碰撞对无人机运行风险的影响。既考虑了地面碰撞造成地面上的人员死亡,也考虑了空中与有人机相撞造成人员伤亡的因素。使模型在保有原来地面碰撞模型优点的基础上,得出更加全面、可靠的评估结果。
3.无人机系统失效定义以及失效后对地碰撞造成的风险评估方法紧密结合特定操作风险评估的要求,将无人机运行风险聚焦在运行航线上,涵盖了两类无人机系统失效场景,包含无人机失效后两种下降方式,结合人口密度仿真,运用合理的碰撞和伤害模型,最终得到评估结果,为特定操作风险评估和无人机监管提供系统化的支持。
附图说明
图1为本发明的总模型结构示意图;
图2为本发明的流程图;
图3为本发明步骤五仿真得到的人口密度图;
图3a为人口统计单元图;
图3b为土地利用图;
图3c为人口密度图;
图4为本发明实施例一仿真图;
图5为本发明实施例一无人机运行航线图;
图6为本发明实施例一无人机发生空中碰撞导致系统失效时的对地风险曲线图;
图7为本发明实施例二无人机在空中某点系统失效时的对地风险仿真图;
图8为本发明实施例二无人机系统失效时的对地风险曲线图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下根据附图并列举实施例,对本发明做进一步详细说明。
本发明针对现有评估模型的欠缺,提供一种无人机运行安全风险评估中对地风险的流程化评估方法。通过对无人机建立对地风险评估模型,实现对无人机运行安全风险评估中对地风险的流程化评估,并利用该模型为无人机监管提供更为有效的支撑。具体如下表1所示。
表1流程化评估方法描述
如图1所示,为本评估方法提出的总模型结构示意图。
评估模型中无人机风险计算公式见公式(1)和(2)。
Ffatality=Fground+Fmidair (1)
Fmidair=Pcollision·N (2)
Fgfatality为单位时间内的人员伤亡数量,Fground为单位时间内地面碰撞造成的人员伤亡数量,Fmidair为单位时间为无人机与有人机碰撞造成机组人员和乘客伤亡人数。Pcollision为单位时间内无人机与有人机碰撞次数,N为有人机载客数量。无人机地面碰撞风险公式见公式(3)。
F=Pfailure·Pimpact person·Pfatal impact (3)
F为无人机地面碰撞风险值,Pfailure为无人机失效概率,用单位时间内无人机失效次数表示,Pimpact person为无人机失效坠落在地面上导致被碰撞的人员数量,Pfatal impact为人员在被无人机碰撞后死亡的概率。
因此,将地面风险计算分为由空中碰撞导致的地面风险和由系统失效导致的地面风险两部分,地面风险计算公式见公式(4)。F1为由空中碰撞导致的地面风险,F2为系统自身失效导致的地面风险。
Fground=F1+F2 (4)
如图2所示,一种面向无人机运行安全风险评估中对地风险的评估方法,包括以下步骤:
步骤一:无人机具体参数信息和运行及环境信息获取:
为了能准确运用该方法中所使用的模型去评估无人机系统失效对地风险,需要对无人机具体参数信息和无人机运行场景进行获取。获取相关信息时需保证信息来源可靠、信息覆盖全面。
无人机的具体参数信息包括:无人机本身的设计商、零件或整机生产商和生产批号;无人机生产组装配置信息;无人机动态飞行信息。
其中生产组装配置信息,包括:无人机类型、机身半径(m)、无人机机身质量(kg)、无人机迎风面积(m2)和最长飞行时间。
无人机动态飞行信息,包括:无人机初始水平速度(m/s)、初始垂直速度(m/s)、滑翔速度(m/s)、滑翔比、飞行高度(m)、飞行方向(角度)、巡航速度(m/s)和避撞能力。
无人机运行及环境信息包括:任务目的、路线、时间、天气和地理环境。
所获取的无人机具体参数信息和无人机运行及场景信息,其获取方式包括:相关人员单位主动公示报告、各种机载系统和传感器设备进行信息采集。
在准确获取了无人机机身以及运行场景的相关信息后,进行到下一步骤。
步骤二:确定无人机失效原因:
因为不同的失效方案会对无人机的地面碰撞位置、碰撞速度产生影响。本步骤用于确定无人机失效的具体原因,分为:无人机自身系统失效导致的失效和无人机空中碰撞导致的失效。
当选择无人机自身系统失效时,无人机系统失效概率用单位时间内无人机失效次数表示。同时无人机坠落时的飞行方向一般与正常飞行时保持一样。
当选择无人机空中碰撞导致系统失效时,用气体分子碰撞理论来估计飞机在空中的碰撞概率。同时由于碰撞角度和碰撞位置的变化,无人机可能朝任何方向坠落,所以在空中碰撞时将飞行方向设为360度内均匀分布的变量。
该评估方法中无人机系统失效概率,用单位时间内无人机失效次数表示。
该评估方法用气体分子碰撞理论来估计飞机在空中的碰撞概率。为使计算更为准确,需要考虑到无人机与飞机的避撞能力。在非管控区域飞行的无人机都要求安装应答器,使得空中交通管制系统和安装有空中避撞系统(TCAS)的飞机能监测到该无人机的存在。应答器的安装能极大减小无人机与安装有TCAS飞机的碰撞概率。除了应答器外,无人机也会安装感知与规避系统(SAA)。这些系统能极大减小无人机和空中其他有人机或者无人机之间发生碰撞的可能性。除避撞装置外,空域隔离等管制措施也有利于减少空中碰撞事故的发生。即在计算空中碰撞可能性时引入避撞能力,使得计算更为精准有效。
步骤三:确定无人机失效导致的下降方式
该模型方法通过对无人机失效导致的几种典型下降类型进行区分,根据下降类型的运动学公式,考虑了无人机在事故发生点的飞行参数和环境参数不确定性,求得无人机在地面上可能碰撞位置的概率分布情况。
所以需要明确无人机失效导致的具体下降方式:弹道下降和滑翔下降。
弹道下降:当无人机在空中的升力几乎可以忽略不计时,其飞行轨迹会呈弹道轨迹。如机翼断裂或者发动机故障,无法工作等情况都会导致无人机失去升力从而进行弹道下降。弹道下降时,无人机所受到的力为重力和空气阻力。
滑翔下降:滑翔下降是指无人机固定翼无人机具有滑翔能力,当无人机失去动力时,不一定会以弹道轨迹下降,如果能保持一定飞行姿态,固定翼无人机会进行滑翔下降。此外,无人直升机机也具有自旋降落的能力,当其主旋翼失去动力时,自动驾驶仪能够控制飞机进行以一定角度自旋降落。同样,四旋翼无人机失去旋翼推力时也能以一定角度自旋降落。但是固定翼无人机由于其气动外形,滑翔比远高于旋翼无人机。
引入滑翔比,滑翔比越高,无人机下降相同高度时水平方向上距离越长,对应的无人机滑翔性能也越好。同时引入风力对于下降的影响,风力和风速大小取值决定于无人机的飞行环境,由于风力可能随时间变化,所以可以将其设为变量。当已知运行环境内大致风速和风向时,可将两者设置为以已知值为均值的正态变量。
无人机实际运行过程中,系统失效后下降方式无法预知,所以本方法在具体实施过程中,采用单一下降方式和假设下降方式出现概率的方式进行仿真评估。
步骤四:整合不确定参数,确定地面碰撞概率密度函数:
根据步骤三对无人机失效导致的两种典型下降类型进行区分,根据下降类型的运动学公式对无人机失效后运动状态进行建模。由本步骤得到无人机在事故发生点的飞行参数和环境参数不确定性,求得无人机在地面上可能碰撞位置的概率分布情况。具体过程如下:
(1)将不确定性参数设置为随机变量,将初始速度设置为随机变量:
在实际飞行过程中,由于参数的不确定性,会导致无人机可能降落在计算坐标附近的位置。因此需要将不确定性参数设置为随机变量,由此可以得到在飞行方向上碰撞点的概率密度分布函数。虽然飞行中都会预设飞行速度,但是在事故发生时,无人机由于需要保持其飞行高度和飞行方向,再加上空速测量的误差,无人机实际飞行速度往往与预设速度相比有一定偏差。这种偏差同样很难测量,所以需要将初始速度设置为随机变量。
(2)水平速度设置:
在水平速度的设置中,由于固定翼无人机具有良好的滑翔能力,能够在空中无动力滑翔和长时间保持较高速度,所以将固定翼无人机的初始速度设置为以预设速度为均值的正态分布随机变量。而四旋翼无人机的飞行速度全部来自于机载动力,如果要长时间保持高速飞行耗能会很大,所以一般飞行速度不高,将其设置为从0到最高飞行速度之间均匀分布的随机变量。
(3)获得二维地面碰撞概率密度函数。
不确定参数的影响使无人机的地面碰撞坐标偏离了原来的飞行方向,使得无人机的潜在地面碰撞点分布在二维碰撞区域内,而非分布在沿着飞行方向的直线上。无人机的地面碰撞概率密度函数因此也变为二维概率密度函数。首先采用蒙特卡洛仿真,根据已知概率分布,获得无人机地面坐标的大量样本点,用样本集的概率密度函数来估计实际碰撞点坐标的概率密度函数。最后对样本集进行二维核密度估计获得二维地面碰撞概率密度函数。
步骤五:对人口密度模型进行仿真:
人口密度是无人机风险评估中最重要的参数之一,因为该参数描述了在人口随地理坐标的分布情况,而风险评价的指标就是单位时间内无人机造成人员死亡的数量。在无人机碰撞区域的像元内,人口密度与碰撞面积的乘积计算的就是在像元内坠落受影响的人数。因此,更精确的人口密度数据是风险计算的关键
仿真采用ARCGIS的IDM工具箱,该工具箱采用Python脚本语言编写,利用Arcpy工具包和Acrpy.da数据访问模块。仿真过程中,第一步是准备人口矢量数据和土地类型栅格数据,第二步是分区密度计算,最后产生输出人口密度栅格。人口矢量数据体现了不同人口统计单元中的人口数分类。土地类型栅格数据中不同的颜色表示了对应的土地类型。
如图3所示,为仿真得到的人口土地仿真图。
仿真步骤:
(1)人口矢量数据转换为栅格数据,获得人口栅格数据和人口工作表。栅格像元大小与土地利用栅格数据像元一样。人口工作表在第四部计算人口密度时会使用到。
(2)结合人口栅格数据和土地利用数据产生输出分区栅格和分区工作表。分区栅格中对于每一个人口统计单元和土地类型的结合进行编号,分区工作表在第四步的分区密度计算中也会使用到。
(3)创建土地类型预设表。该表中包含为所有土地类别预先设置人口密度的字段。具体分类代码和对应土地类型说明如表2。
表2土地类型表
土地类型编号 | 土地类型 |
111 | 连续城市结构 |
112 | 不连续的城市结构 |
121 | 工业或商业单位 |
122 | 公路和铁路网及相关土地 |
131 | 矿产开采点 |
141 | 城市绿地 |
212 | 永久灌溉土地 |
221 | 葡萄园 |
222 | 果树和浆果种植园 |
241 | 一年生永久性作物 |
242 | 栽培模式复杂的作物 |
243 | 土地主要由农业占据,有大面积自然植被 |
311 | 阔叶林 |
312 | 针叶林 |
313 | 混交林 |
322 | 荒野 |
324 | 过渡性林地灌木 |
512 | 水体 |
(4)分区密度计算。
(5)获取最后的人口密度栅格。
通过前步骤得到的二维地面碰撞概率密度函数结合该步骤中的人口密度模型可以得到二维地面碰撞人口的概率密度函数。
步骤六:得到最终无人机失效对地风险结果:
采用文献中常用的碰撞面积模型,将人建模为一定高度和半径的圆柱体,无人机看作圆面。假设当无人机垂直下落时,其地面伤亡区域呈半径为无人机半径与人员半径之和的圆形区域。无人机以一定角度下降时,增加的伤亡区域等于从一定高度下降到地面碰撞点处经过的区域。
利用了Logistic增长模型,同时考虑遮挡因素的影响,得到无人机伤害模型。假设对于滑翔下降而言,地面碰撞速度即为无人机的滑翔速度,而弹道下降时的地面碰撞速度则需要通过公式计算得到。
通过上述模型方法,分别得到用来确定无人机在地面有可能造成人员伤亡的碰撞面积和人在遭受无人机碰撞后死亡的可能性。
最后通过以下步骤得到最终无人机失效对地面造成的风险结果:
(1)将无人机在地面有可能造成人员伤亡的碰撞面积和人在遭受无人机碰撞后死亡的可能性带入前一步骤的二维地面碰撞人口的概率密度函数联合计算得到到无人机失效对地面造成的风险分析结果。
(2)通过对航线的设置,设置采样间距对该事故发生点的地面风险进行仿真,获得该事故点对应的地面风险分布,将碰撞区域所有像元的地面风险求和获得该事故点的地面风险。
具体为:
在求得无人机地面碰撞概率密度函数p(x,y)之后,将无人机的地面碰撞区域看作由多个更小的像元组成,假设像元的范围描述为
其中xmin为x轴方向的最小像元单位,xmax为x轴方向的最大像元单位;ymin为y轴方向的最小像元单位,ymax为y轴方向的最大像元单位
则无人机降落在像元范围内的概率是
∑i∑jpij=1 (7)
可计算无人机降落在像元内造成的地面风险riskpixel
riskpixel=λppixelσAcpfatality (8)
其中λ为事故发生概率,σ是像元内的人口密度,Ac是无人机在地面上的碰撞面积,而pfatality为像元内无人机碰撞到人后造成死亡的概率。由此获得无人机地面风险随坐标变化的情况。所有像元的地面风险之和等于无人机在航线上某一点发生事故坠落到地面上造成地面风险。
riskground=λ∑i∑jriskpixel (9)
(3)最终得到一条航线上无人机失效导致的地面风险曲线,根据曲线为实现对无人机基于地面运行风险的决策管理提供建议。
下面基于两个具体的实施案例来详细说明本发明的实施过程与验证效果。
实施例一:Talon无人机在空中与通航飞机碰撞的对地风险评估分析:
根据本发明方法步骤首先获取Talon无人机的相关参数信息以及环境参数,如表3所示。
表3无人机仿真参数表
假设导致无人机系统失效的原因是空中碰撞,空中碰撞概率计算需要知道无人机和其他飞机的参数,包括运行地区的空中交通密度,由于其他飞机的参数和空中密度都未知,所以此时需要根据文献进行合理假设。通过对地区内航空交通进行监测也可以得到相关数据。监测方法可以是多次记录空域内其他飞行器分布,将空域内飞行器数量除以运行空域空间体积获得单次空中交通密度,并对数次监测结果取平均值。监测次数越多,结果可信度越高。
由于本次飞行假设无人机的飞行高度为100m,所以可能与无人机相撞的飞机主要是通用航空飞机,不包括商业航空的航线客机(当无人机运行区域接近机场时,也可能与商业航空的客机相撞,在本次仿真中不考虑这种情况)。通航飞机包括固定翼飞机、直升机、滑翔机等多种类型。通航飞机的分布类型和密度可以根据空中交通的检测数据获得。根据现有资料对对通航飞机的参数进行了合理假设,如表4所示。
表4通航飞机参数表
参数 | 取值 |
<![CDATA[密度(/km<sup>3</sup>)]]> | <![CDATA[5*10<sup>-6</sup>]]> |
平均速度(km/h) | 173 |
<![CDATA[迎风面积(m<sup>2</sup>)]]> | 22 |
载客量 | 3 |
避撞能力 | 0.36 |
根据步骤二的空中碰撞模型可计算出Talon无人机在空中与通航飞机碰撞的概率约为1.34×10-6。由此计算出空中碰撞导致的有人机人员伤亡为4.03×10-6。
发生空中碰撞后,无人机有很大可能会发生机翼断裂,发动机缺少或其他零件损坏的情况,这些情况都会导致弹道下降,只有损伤程度较小时,无人机有可能保持一定飞行状态滑翔下降,由于这方面缺乏实验结果,所以仿真中假设3种情况:弹道下降、滑翔下降、两种下降方式结合(假设空中碰撞发生后有70%可能会以弹道下降方式下降,30%可能性滑翔下降)。
根据步骤五的人口密度图,得到Talon无人机在某点发生空中碰撞导致系统失效时的对地风险。具体仿真图如图4所示。
初步分析可知:由于空中碰撞造成的地面风险由人口密度和碰撞概率密度决定。在绿色方框区域,人口密度较高,约为30人/km2,而地面碰撞概率密度小于0.5×10-7,故对应的地面风险也较低,该区域内像元的地面风险为10-11左右。在红色方框区域内,无人机的地面碰撞概率密度最大,但是人口密度低于10人/km2,故对应的地面风险也不高。
如图5所示,为假设的无人机航线,该航线由五个航点连接而成,假设无人机在相邻两个航点之间是直线飞行,可根据相邻两个航点的坐标确定无人机的飞行方向。每隔50m航线对无人机的运行地面风险进行采样。最终得到Talon无人机发生空中碰撞导致系统失效时的对地风险曲线,如图6所示。图6中从上至下依次是为弹道下降时对应的地面风险曲线图;子为时滑翔下降时对应的地面风险曲线图;联合风险曲线图;人口密度曲线图;
分析可知:空中碰撞导致无人机坠落地面时,弹道下降曲线和人口密度曲线在变化趋势上仍然保持了较高的一致性。但是空中碰撞时的弹道下降曲线,不会随人口密度曲线出现剧烈变化时,以相同速率变化。这是由于空中碰撞时,弹道下降对应的碰撞区域面积有所增大,几乎达到10000平方米,是系统下降时,弹道下降碰撞面积的10倍左右,其地面风险受到更大范围区域内人口影响。
根据评估方法的结果,因为存在航线上对地风险偏高的部分,管理当局可以评估结果想无人机运行申请人提出修改航线或者增加风险缓解装置的要求。
实施例二:Talon无人机系统失效时对地风险评估分析:
根据本发明方法步骤首先获取Talon无人机的相关参数信息以及环境参数,与实施例一相同。
假设导致无人机系统失效的原因是系统失效,根据相关资料和文献估计无人机由于系统失效发生弹道下降和滑翔下降的可能性如表5所示。
表5系统失效概率
弹道下降 | 滑翔下降 | |
失效率(每飞行小时) | 1/200 | 1/200 |
同样由于这方面缺乏实验结果,所以仿真中假设3种情况:弹道下降、滑翔下降、两种下降方式结合(假设空中碰撞发生后有70%可能会以弹道下降方式下降,30%可能性滑翔下降)。
根据步骤五的人口密度图,得到Talon无人机在空中某点系统失效时的对地风险。具体仿真图如图7所示。
初步分析:无人机运行时的地面风险分布情况与当地的人口密度分布和无人机的地面碰撞概率密度函数有关。如绿色方框处包含了人口密度较大的区域(大约为20人/km2),然而该区域最终的地面风险计算结果却比较小(像元处的地面风险小于10-10),这是由于无人机在该地的碰撞概率密度较低(小于10-6)。在红色方框处,地面碰撞概率密度比较高(4×10-6左右),但是由于该地的人口密度较低(小于10人/km2),该地的地面风险也不高,该地像元内的地面风险约为3×10-10。只有同时满足无人机在某地的碰撞概率密度函数高和该地人口密度高的条件时,无人机才会在该地有较高的地面风险。
采用和图5所示相同的无人机航线,每隔50m航线对无人机的运行地面风险进行采样。最终得到Talon无人机系统失效时的对地风险曲线,如图8所示。图8中从上至下依次是弹道下降时对应的地面风险曲线图;时滑翔下降时对应的地面风险曲线图;在每个采样点将两种下降方式的地面风险相加获得的联合风险曲线图;人口密度曲线图。
分析可知:系统失效导致无人机坠落地面时,弹道下降的风险曲线随飞行距离的变化趋势与人口密度曲线相似,这是由于无人机以弹道轨迹下降时,可能碰撞区域在事故发生点附近,并且碰撞区域面积较小,所以风险值也会很大程度上受到事故发生点处的人口密度值影响。
根据评估方法的结果,因为存在航线上对地风险偏高的部分,管理当局可以评估结果想无人机运行申请人提出修改航线或者增加风险缓解装置的要求。
上述两个实施例分别从无人机两种失效方式说明了本发明的实际应用过程与优点。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的实施方法,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (2)
1.一种无人机运行安全风险评估中对地风险的评估方法,其特征在于,包括以下步骤:
步骤一:无人机具体参数信息和运行及场景信息获取:
无人机的具体参数信息包括:无人机本身的设计商、零件或整机生产商和生产批号;无人机生产组装配置信息;无人机动态飞行信息;
其中生产组装配置信息,包括:无人机类型、机身半径、无人机机身质量、无人机迎风面积和最长飞行时间;
无人机动态飞行信息,包括:无人机初始水平速度、初始垂直速度、滑翔速度、滑翔比、飞行高度、飞行方向、巡航速度和避撞能力;
无人机运行及场景信息包括:任务目的、路线、时间、天气和地理环境;
所获取的无人机具体参数信息和无人机运行及场景信息,其获取方式包括:相关人员单位主动公示报告、各种机载系统和传感器设备进行信息采集;
步骤二:确定无人机失效原因:
分为:无人机自身系统失效导致的失效和无人机空中碰撞导致的失效;
当选择无人机自身系统失效时,无人机系统失效概率用单位时间内无人机失效次数表示;同时无人机坠落时的飞行方向一般与正常飞行时保持一样;
当选择无人机空中碰撞导致系统失效时,用气体分子碰撞理论来估计飞机在空中的碰撞概率;同时由于碰撞角度和碰撞位置的变化,无人机可能朝任何方向坠落,所以在空中碰撞时将飞行方向设为360度内均匀分布的变量;
步骤三:确定无人机失效导致的下降方式:
明确无人机失效导致的具体下降方式:弹道下降和滑翔下降;
弹道下降:当无人机在空中的升力几乎可以忽略不计时,其飞行轨迹会呈弹道轨迹;如机翼断裂或者发动机故障,无法工作等情况都会导致无人机失去升力从而进行弹道下降;弹道下降时,无人机所受到的力为重力和空气阻力;然后采用特定方法去求解任意初始水平速度、垂直速度和飞行高度下对应的无人机地面降落水平距离、水平碰撞速度和垂直碰撞速度的解析解;
滑翔下降:滑翔下降是指无人机固定翼无人机具有滑翔能力,当无人机失去动力时,不一定会以弹道轨迹下降,如果能保持一定飞行姿态,固定翼无人机会进行滑翔下降;此外,无人直升机机也具有自旋降落的能力,当其主旋翼失去动力时,自动驾驶仪能够控制飞机进行以一定角度自旋降落;同样,四旋翼无人机失去旋翼推力时也能以一定角度自旋降落;但是固定翼无人机由于其气动外形,滑翔比远高于旋翼无人机;
引入滑翔比,滑翔比越高,无人机下降相同高度时水平方向上距离越长,对应的无人机滑翔性能也越好;同时引入风力对于下降的影响,风力和风速大小取值决定于无人机的飞行环境,由于风力可能随时间变化,所以可以将其设为变量;当已知运行环境内大致风速和风向时,可将两者设置为以已知值为均值的正态变量;
步骤四:整合不确定参数,确定地面碰撞概率密度函数:
根据步骤三对无人机失效导致的两种典型下降类型进行区分,根据下降类型的运动学公式对无人机失效后运动状态进行建模;由本步骤得到无人机在事故发生点的飞行参数和环境参数不确定性,求得无人机在地面上可能碰撞位置的概率分布情况;具体过程如下:
(1)将不确定性参数设置为随机变量,将初始速度设置为随机变量;
(2)将固定翼无人机的初始速度设置为以预设速度为均值的正态分布随机变量;将四旋翼无人机设置为从0到最高飞行速度之间均匀分布的随机变量;
(3)采用蒙特卡洛仿真,根据已知概率分布,获得无人机地面坐标的大量样本点,用样本集的概率密度函数来估计实际碰撞点坐标的概率密度函数;最后对样本集进行二维核密度估计获得二维地面碰撞概率密度函数;
步骤五:对人口密度模型进行仿真:
仿真采用ARCGIS的IDM工具箱,该工具箱采用Python脚本语言编写,利用Arcpy工具包和Acrpy.da数据访问模块;仿真过程中,第一步是准备人口矢量数据和土地类型栅格数据,第二步是分区密度计算,最后产生输出人口密度栅格;人口矢量数据体现了不同人口统计单元中的人口数分类;土地类型栅格数据中不同的颜色表示了对应的土地类型;
步骤六:得到最终无人机失效对地风险结果;
采用碰撞面积模型,将人建模为一定高度和半径的圆柱体,无人机看作圆面;假设当无人机垂直下落时,其地面伤亡区域呈半径为无人机半径与人员半径之和的圆形区域;无人机以一定角度下降时,增加的伤亡区域等于从一定高度下降到地面碰撞点处经过的区域;
利用了Logistic增长模型,同时考虑遮挡因素的影响,得到无人机伤害模型;假设对于滑翔下降而言,地面碰撞速度即为无人机的滑翔速度,而弹道下降时的地面碰撞速度则需要通过公式计算得到;
通过上述模型方法,分别得到用来确定无人机在地面有可能造成人员伤亡的碰撞面积和人在遭受无人机碰撞后死亡的可能性;
最后通过以下步骤得到最终无人机失效对地面造成的风险结果:
(1)将无人机在地面有可能造成人员伤亡的碰撞面积和人在遭受无人机碰撞后死亡的可能性带入步骤四的二维地面碰撞人口的概率密度函数联合计算得到无人机失效对地面造成的风险分析结果;
(2)通过对航线的设置,设置采样间距对该事故发生点的地面风险进行仿真,获得事故发生点对应的地面风险分布,将碰撞区域所有像元的地面风险求和获得事故发生点的地面风险;
(3)最终得到一条航线上无人机失效导致的地面风险曲线,根据曲线为实现对无人机基于地面运行风险的决策管理提供建议。
2.根据权利要求1所述的方法,其特征在于,步骤五中仿真的具体步骤为:
(1)人口矢量数据转换为栅格数据,获得人口栅格数据和人口工作表;栅格像元大小与土地利用栅格数据像元一样;人口工作表在第四部计算人口密度时会使用到;
(2)结合人口栅格数据和土地利用数据产生输出分区栅格和分区工作表;分区栅格中对于每一个人口统计单元和土地类型的结合进行编号,分区工作表在第四步的分区密度计算中也会使用到;
(3)创建土地类型预设表;该表中包含为所有土地类别预先设置人口密度的字段;
(4)分区密度计算;
(5)获取最后的人口密度栅格;
(6)通过步骤四得到的二维地面碰撞概率密度函数结合该步骤中的人口密度模型可以得到二维地面碰撞人口的概率密度函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911380414.0A CN111177851B (zh) | 2019-12-27 | 2019-12-27 | 一种无人机运行安全风险评估中对地风险的评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911380414.0A CN111177851B (zh) | 2019-12-27 | 2019-12-27 | 一种无人机运行安全风险评估中对地风险的评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111177851A CN111177851A (zh) | 2020-05-19 |
CN111177851B true CN111177851B (zh) | 2023-05-02 |
Family
ID=70650434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911380414.0A Active CN111177851B (zh) | 2019-12-27 | 2019-12-27 | 一种无人机运行安全风险评估中对地风险的评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111177851B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112053593B (zh) * | 2020-06-23 | 2021-06-22 | 中国民用航空总局第二研究所 | 一种基于风险评估的机场无人机管控区域划设方法 |
CN112184042B (zh) * | 2020-10-09 | 2022-05-13 | 中国民航大学 | 无人机失控或失去动力故障状态坠地伤人风险评估方法 |
CN113743707B (zh) * | 2021-03-30 | 2024-03-01 | 中国人民解放军国防科技大学 | 一种基于均匀分布的产品可信度计算方法 |
CN113361862B (zh) * | 2021-05-13 | 2023-04-18 | 北航(四川)西部国际创新港科技有限公司 | 一种针对城市环境的无人机风险评估方法及系统 |
CN113421459B (zh) * | 2021-06-22 | 2022-08-02 | 中国民用航空总局第二研究所 | 一种无人机飞行导致的地面交通风险监测方法及系统 |
CN113359834B (zh) * | 2021-06-22 | 2022-06-10 | 中国民用航空总局第二研究所 | 一种无人机运行监控方法、系统及监控平台 |
CN115294487B (zh) * | 2022-10-09 | 2023-01-31 | 国网电力空间技术有限公司 | 一种无人机风险等级获取方法、存储介质及电子设备 |
CN115630531B (zh) * | 2022-12-19 | 2023-03-14 | 中南大学 | 无人机控制系统自动化安全评估方法 |
CN116907282B (zh) * | 2023-09-14 | 2024-01-05 | 杭州牧星科技有限公司 | 基于人工智能算法的无人靶机超低空飞行控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105487409A (zh) * | 2016-01-29 | 2016-04-13 | 中国航空无线电电子研究所 | 无人机空域综合飞行安全管控演示验证平台 |
CN106709641A (zh) * | 2016-12-20 | 2017-05-24 | 南京南瑞继保电气有限公司 | 一种基于蒙特卡洛模拟的小干扰概率风险分析与仿真方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8838289B2 (en) * | 2006-04-19 | 2014-09-16 | Jed Margolin | System and method for safely flying unmanned aerial vehicles in civilian airspace |
CN100466015C (zh) * | 2007-01-29 | 2009-03-04 | 北京航空航天大学 | 缩小垂直间隔空域的运行安全数据处理系统及方法 |
US20120152654A1 (en) * | 2010-12-15 | 2012-06-21 | Robert Marcus | Uav-delivered deployable descent device |
CN102663408B (zh) * | 2011-12-31 | 2014-04-09 | 电子科技大学 | 一种面向备份结构的故障树分析方法 |
CN104597910B (zh) * | 2014-11-27 | 2017-11-07 | 中国人民解放军国防科学技术大学 | 一种基于瞬时碰撞点的无人机非协作式实时避障方法 |
US9540121B2 (en) * | 2015-02-25 | 2017-01-10 | Cisco Technology, Inc. | Pre-flight self test for unmanned aerial vehicles (UAVs) |
CN109559002A (zh) * | 2017-09-27 | 2019-04-02 | 成都飞机工业(集团)有限责任公司 | 无人机弹射试验风险评估方法 |
KR20190043701A (ko) * | 2017-10-19 | 2019-04-29 | 농업회사법인농부촌영농단(합) | 농사용 무인기(헬기, 드론)를 위한 헬리포트 밴 |
CN108073088B (zh) * | 2017-12-21 | 2022-02-22 | 天津职业技术师范大学 | 基于内动态映射的无人机控制系统评估与仿真实现方法 |
CN108536916A (zh) * | 2018-03-14 | 2018-09-14 | 中国人民解放军国防科技大学 | 一种基于时序监控的无人飞行器安全防护方法 |
CN109635398B (zh) * | 2018-12-03 | 2022-08-16 | 北京航空航天大学 | 一种基于有限维分布的碰撞概率实时评估方法 |
CN110456823B (zh) * | 2019-08-27 | 2020-09-29 | 北京航空航天大学 | 一种针对无人机计算与存储能力受限的双层路径规划方法 |
-
2019
- 2019-12-27 CN CN201911380414.0A patent/CN111177851B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105487409A (zh) * | 2016-01-29 | 2016-04-13 | 中国航空无线电电子研究所 | 无人机空域综合飞行安全管控演示验证平台 |
CN106709641A (zh) * | 2016-12-20 | 2017-05-24 | 南京南瑞继保电气有限公司 | 一种基于蒙特卡洛模拟的小干扰概率风险分析与仿真方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111177851A (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111177851B (zh) | 一种无人机运行安全风险评估中对地风险的评估方法 | |
CN110728857B (zh) | 一种基于可垂直起降无人机的低空隔离空域交通管理方法 | |
CA2550950C (en) | Method and system for preventing an aircraft from penetration into a dangerous trailing vortex area of a vortex generator | |
US9564055B2 (en) | Prediction and warning of transported turbulence in long-haul aircraft operations | |
CN105894862A (zh) | 一种空中交通管制智能化指挥系统 | |
CN113359834B (zh) | 一种无人机运行监控方法、系统及监控平台 | |
CN105518763B (zh) | 飞机航行用信息生成装置以及飞机航行用信息生成方法 | |
CN109738035A (zh) | 基于ads-b航迹数据的航空器油耗计算方法 | |
Kochenderfer et al. | A comprehensive aircraft encounter model of the national airspace system | |
CN113361862B (zh) | 一种针对城市环境的无人机风险评估方法及系统 | |
Su et al. | A comprehensive flight plan risk assessment and optimization method considering air and ground risk of UAM | |
Schopferer et al. | Trajectory risk modelling and planning for unmanned cargo aircraft | |
Milano et al. | Air risk maps for unmanned aircraft in urban environments | |
Park et al. | Investigating detect-and-avoid surveillance performance for unmanned aircraft systems | |
CN116029130B (zh) | 一种商业航天事故危险等级评估方法 | |
Raballand et al. | DROSERA: A DROne Simulation Environment for Risk Assessment | |
Payan et al. | Improvement of rotorcraft safety metrics using performance models and data integration | |
CN114721631B (zh) | 起飞离场与进近着陆飞行程序航径安全设计方法及系统 | |
Fricke et al. | Mid-air collisions with drones | |
Lum et al. | UAS reliability and risk analysis | |
US20230267845A1 (en) | Unmanned aerial vehicle (uav) collision prevention | |
Johnson et al. | Investigating the impacts of a separation standard for UAS operations in enroute and transition airspace | |
Oh et al. | Risk Analysis of Unmanned Aerial System Operations in Urban Airspace Considering Spatiotemporal Population Dynamics | |
CN114355480B (zh) | 一种阵风载荷试飞天气预报保障方法 | |
Xiong | Research and application on typhoon detection by UAV |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |