CN111626619A - 基于云雾混合计算的无人机群任务分配方法、系统和可读存储介质 - Google Patents
基于云雾混合计算的无人机群任务分配方法、系统和可读存储介质 Download PDFInfo
- Publication number
- CN111626619A CN111626619A CN202010466474.0A CN202010466474A CN111626619A CN 111626619 A CN111626619 A CN 111626619A CN 202010466474 A CN202010466474 A CN 202010466474A CN 111626619 A CN111626619 A CN 111626619A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- task
- cloud
- computing
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于云雾混合计算的无人机群任务分配方法、系统和可读存储介质,所述方法包括以下步骤:无人机群根据使用场景和执行任务级别的不同进行分组;出入港点供应特定类别的无人机组使用,且创建有雾计算节点;云计算中心选择相应的待命无人机组发送任务预备指令;接收指令后,无人机组向其所归属出入港点的雾计算节点发送一个应答数据包;雾计算节点进行综合分析,确定执行任务的无人机群,针对性地为每一架待飞无人机分配任务;云计算中心与无人机群时刻保持通信状态,根据任务执行情况进行任务再分配。本发明通过利用云雾混合计算技术,实现了无人机群任务分配智能化和高效化,有效降低了时延和云端的计算压力。
Description
技术领域
本发明涉及无人机调度技术领域,更具体的,涉及一种基于云雾混合计算的无人机群任务分配方法、系统和可读存储介质。
背景技术
无人机的研发历史最早可追溯到20世纪20年代,起初无人机多用于军事训练和实战;历经近百年的研发后,如今的无人机已经走进寻常百姓家,不仅用于军事,更是在民用市场引起了强烈反响,在商用领域也有着巨大的发展前景。随着无人机的用途不断拓展,其在飞行过程中面临的环境因素也越来越复杂,执行的任务类型也多种多样;同时,日益丰富的任务需求也催生出无人机群协同合作的模式。因此,一个处于工作状态的无人机群毫无疑问将产生大量的信息交互,这将给云端计算带来巨大的压力;另一方面,续航仍旧是无人机产业亟需解决的问题。综上,我们需要提高无人机的信息处理效率,科学合理地分配好无人机群的任务,促进无人机调度智能化,减小信息交互中的时延和云端的计算压力。
发明内容
为了解决上述至少一个技术问题,本发明提出了一种基于云雾混合计算的无人机群任务分配方法、系统和可读存储介质。
为了解决上述的技术问题,本发明第一方面公开了一种基于云雾混合计算的无人机群任务分配方法,所述方法包括:
无人机群根据使用场景和执行任务级别的不同进行分组;
在无人机调度控制中心设置出入港点,每个出入港点供应特定类别的无人机组使用;
每个出入港点创建有雾计算节点,对使用出入港点的无人机组进行调度管理;
云计算中心根据待执行任务详情进行分类定级,选择相应的待命无人机组发送任务预备指令,并向雾计算节点发送待执行任务详情数据包;
接收到任务预备指令后,无人机组向其所归属出入港点的雾计算节点发送一个应答数据包;
雾计算节点接收到应答数据包后进行综合分析,评价待命无人机组与待执行任务的匹配度,确定执行任务的无人机群,针对性地为每一架待飞无人机分配任务;
执行任务过程中,云计算中心与无人机群时刻保持通信状态,根据每一架无人机的任务执行情况进行任务再分配。
本方案中,所述雾计算节点包括雾服务器和雾存储模块,通过网关与云计算中心连接;不同雾计算节点之间通过有线或无线局域网络连接。
本方案中,所述雾计算节点存储着其所负责调度管理的无人机的飞行历史信息,包括出厂日期、首飞日期、飞行次数、飞行时长、维修历史、故障详情、实际续航、执行任务记录、执行任务成功率;每一次飞行任务结束后雾计算节点对无人机的飞行历史信息进行更新,并将更新结果同步至云计算中心进行存储备份。
本方案中,所述进行综合分析的具体过程为:
雾计算节点根据应答数据包的详细信息,确定各类别待命无人机组的数量、续航能力、位置信息;
查询到各类别待命无人机的飞行历史信息;
确定各类别正执行任务无人机的数量、状态信息和任务完成度;
确定各类别正充电无人机的电量情况,预估充满时间;
根据任务数量、任务目的位置、任务性质,确定各类别无人机的分工任务,结合各类别全部无人机的综合信息,对各类别无人机的任务匹配度进行评价定级,共分为一、二、三级;
若评价定级为一级,则该类别无人机可以正常执行并完成任务;
若评价定级为二级,则该类别无人机可以正常执行任务,但需要类别内其他无人机支援;
若评价定级为三级,则该类别无人机无法正常执行任务,继续待命。
本方案中,雾计算节点通过计算并对比待飞无人机的当前位置到该待飞无人机所在类别分工任务的各个目的地之间的直线距离,依据就近原则,为每一架待飞无人机分配任务。
本方案中,无人机群与云计算中心之间设置有实时通信机制:云计算中心可以随时向任意一架无人机发送状态检查指令,被检查无人机收到指令后立即向云计算中心发送一个实时状态数据包。
本方案中,所述任务再分配的具体步骤为:
执行任务的无人机在完成任务后暂时停留在任务目的地,向云计算中心发送任务完成报告和当前状态数据;
确认完成任务后,云计算中心对无人机当前状态进行验证;
综合该类别无人机组分工任务的执行情况,计算该无人机直接返航里程、该无人机到待执行任务目的地的路径距离及待执行任务目的地至该无人机出入港点的返航里程,预估该无人机剩余电量的续航里程;
若续航里程大于路径距离与返航里程之和,则云计算中心将任务分配给该无人机;
若续航里程大于路径距离但小于路径距离与返航里程之和,且任务时限将至、紧急程度高,则云计算中心将任务分配给该无人机,待完成任务后派遣救援无人机接回该无人机;
若续航里程小于路径距离但大于直接返航里程,则云计算中心向该无人机发送返航指令;
若续航里程小于路径距离且小于直接返航里程,则云计算中心向该无人机发送原地待命指令并派遣救援无人机接回该无人机。
本发明第二方面公开了一种基于云雾混合计算的无人机群任务分配系统,包括存储器和处理器,所述存储器中包括基于云雾混合计算的无人机群任务分配方法程序,所述基于云雾混合计算的无人机群任务分配方法程序被所述处理器执行时实现如下步骤:
无人机群根据使用场景和执行任务级别的不同进行分组;
在无人机调度控制中心设置出入港点,每个出入港点供应特定类别的无人机组使用;
每个出入港点创建有雾计算节点,对使用出入港点的无人机组进行调度管理;
云计算中心根据待执行任务详情进行分类定级,选择相应的待命无人机组发送任务预备指令,并向雾计算节点发送待执行任务详情数据包;
接收到任务预备指令后,无人机组向其所归属出入港点的雾计算节点发送一个应答数据包;
雾计算节点接收到应答数据包后进行综合分析,评价待命无人机组与待执行任务的匹配度,确定执行任务的无人机群,针对性地为每一架待飞无人机分配任务;
执行任务过程中,云计算中心与无人机群时刻保持通信状态,根据每一架无人机的任务执行情况进行任务再分配。
本方案中,所述雾计算节点包括雾服务器和雾存储模块,通过网关与云计算中心连接;不同雾计算节点之间通过有线或无线局域网络连接。
本方案中,所述雾计算节点存储着其所负责调度管理的无人机的飞行历史信息,包括出厂日期、首飞日期、飞行次数、飞行时长、维修历史、故障详情、实际续航、执行任务记录、执行任务成功率;每一次飞行任务结束后雾计算节点对无人机的飞行历史信息进行更新,并将更新结果同步至云计算中心进行存储备份。
本方案中,所述进行综合分析的具体过程为:
雾计算节点根据应答数据包的详细信息,确定各类别待命无人机组的数量、续航能力、位置信息;
查询到各类别待命无人机的飞行历史信息;
确定各类别正执行任务无人机的数量、状态信息和任务完成度;
确定各类别正充电无人机的电量情况,预估充满时间;
根据任务数量、任务目的位置、任务性质,确定各类别无人机的分工任务,结合各类别全部无人机的综合信息,对各类别无人机的任务匹配度进行评价定级,共分为一、二、三级;
若评价定级为一级,则该类别无人机可以正常执行并完成任务;
若评价定级为二级,则该类别无人机可以正常执行任务,但需要类别内其他无人机支援;
若评价定级为三级,则该类别无人机无法正常执行任务,继续待命。
本方案中,雾计算节点通过计算并对比待飞无人机的当前位置到该待飞无人机所在类别分工任务的各个目的地之间的直线距离,依据就近原则,为每一架待飞无人机分配任务。
本方案中,无人机群与云计算中心之间设置有实时通信机制:云计算中心可以随时向任意一架无人机发送状态检查指令,被检查无人机收到指令后立即向云计算中心发送一个实时状态数据包。
本方案中,所述任务再分配的具体步骤为:
执行任务的无人机在完成任务后暂时停留在任务目的地,向云计算中心发送任务完成报告和当前状态数据;
确认完成任务后,云计算中心对无人机当前状态进行验证;
综合该类别无人机组分工任务的执行情况,计算该无人机直接返航里程、该无人机到待执行任务目的地的路径距离及待执行任务目的地至该无人机出入港点的返航里程,预估该无人机剩余电量的续航里程;
若续航里程大于路径距离与返航里程之和,则云计算中心将任务分配给该无人机;
若续航里程大于路径距离但小于路径距离与返航里程之和,且任务时限将至、紧急程度高,则云计算中心将任务分配给该无人机,待完成任务后派遣救援无人机接回该无人机;
若续航里程小于路径距离但大于直接返航里程,则云计算中心向该无人机发送返航指令;
若续航里程小于路径距离且小于直接返航里程,则云计算中心向该无人机发送原地待命指令并派遣救援无人机接回该无人机。
本方案中,所述无人机群任务分配系统包括数据接收模块、数据分析处理模块、任务分配模块和指令调度模块。
本发明第三方面公开了一种计算机可读存储介质,所述计算机可读存储介质中包括机器的一种基于云雾混合计算的无人机群任务分配方法程序,所述一种基于云雾混合计算的无人机群任务分配方法程序被处理器执行时,实现上述的一种基于云雾混合计算的无人机群任务分配方法的步骤。
本发明公开的一种基于云雾混合计算的无人机群任务分配方法、系统和可读存储介质,通过利用云雾混合计算技术,实现了无人机群任务分配智能化和高效化,有效降低了时延和云端的计算压力。
附图说明
图1示出了本发明一种基于云雾混合计算的无人机群任务分配方法流程图;
图2示出了本发明一种基于云雾混合计算的无人机群任务分配系统的框图。
具体实施方法
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于云雾混合计算的无人机群任务分配方法流程图。
如图1所示,本发明第一方面公开了一种基于云雾混合计算的无人机群任务分配方法,包括:
无人机群根据使用场景和执行任务级别的不同进行分组;
在无人机调度控制中心设置出入港点,每个出入港点供应特定类别的无人机组使用;
每个出入港点创建有雾计算节点,对使用出入港点的无人机组进行调度管理;
云计算中心根据待执行任务详情进行分类定级,选择相应的待命无人机组发送任务预备指令,并向雾计算节点发送待执行任务详情数据包;
接收到任务预备指令后,无人机组向其所归属出入港点的雾计算节点发送一个应答数据包;
雾计算节点接收到应答数据包后进行综合分析,评价待命无人机组与待执行任务的匹配度,确定执行任务的无人机群,针对性地为每一架待飞无人机分配任务;
执行任务过程中,云计算中心与无人机群时刻保持通信状态,根据每一架无人机的任务执行情况进行任务再分配。
需要说明的是,本发明中所述无人机包括通信单元,用于与雾计算节点和云计算中心保持通信,接收各种指令和发送各种数据包;包括GPS定位单元,用于获取无人机的实时位置信息;包括飞行控制单元,用于解析雾计算节点和云计算中心的指令,控制无人机的飞行速度、飞行航向和主动避障等功能。其中通信单元和GPS定位单元与飞行控制单元电性连接。
需要说明的是,若无人机在执行任务过程中发生故障且无法继续执行任务,云计算中心将对该任务进行二次分配,综合故障发生位置及任务目的地,调遣该类别无人机组的待命无人机继续完成该任务并派遣救援无人机将故障无人机带回入港点。
需要说明的是,本发明中所述的应答数据包具体包括:无人机的唯一编号、当前IP、位置信息、电量情况、机身参数。
本方案中,所述雾计算节点包括雾服务器和雾存储模块,通过网关与云计算中心连接;不同雾计算节点之间通过有线或无线局域网络连接。
需要说明的是,本发明中所述的出入港点可以根据使用该港点的无人机数量以及一架无人机日均交互信息流量的大小,创建不止一个雾计算节点,设具体创建的数量为h,无人机数量为a,出入港点的一架无人机日均交互信息流量级为b,设定一个基本日均交互信息流量级c,对应所创建雾计算节点数量为d。具体创建数量的计算公式如下:
其中h∈N,h的取值采取进一法。
本方案中,所述雾计算节点存储着其所负责调度管理的无人机的飞行历史信息,包括出厂日期、首飞日期、飞行次数、飞行时长、维修历史、故障详情、实际续航、执行任务记录、执行任务成功率;每一次飞行任务结束后雾计算节点对无人机的飞行历史信息进行更新,并将更新结果同步至云计算中心进行存储备份。
需要说明的是,在一次飞行任务结束后,若云计算中心向无人机发送原地待命指令或新的任务预备指令,则由云计算中心直接更新飞行历史信息并同步至雾计算节点。
本方案中,所述进行综合分析的具体过程为:
雾计算节点根据应答数据包的详细信息,确定各类别待命无人机组的数量、续航能力、位置信息;
查询到各类别待命无人机的飞行历史信息;
确定各类别正执行任务无人机的数量、状态信息和任务完成度;
确定各类别正充电无人机的电量情况,预估充满时间;
根据任务数量、任务目的位置、任务性质,确定各类别无人机的分工任务,结合各类别全部无人机的综合信息,对各类别无人机的任务匹配度进行评价定级,共分为一、二、三级;
若评价定级为一级,则该类别无人机可以正常执行并完成任务;
若评价定级为二级,则该类别无人机可以正常执行任务,但需要类别内其他无人机支援;
若评价定级为三级,则该类别无人机无法正常执行任务,继续待命。
需要说明的是,当评价定级为二级时,该类别待命无人机先执行一部分的分工任务,剩下部分由该类别其他无人机执行完任务或充电完成后,在有效的任务时限内完成。
本方案中,雾计算节点通过计算并对比待飞无人机的当前位置到该待飞无人机所在类别分工任务的各个目的地之间的直线距离,依据就近原则,为每一架待飞无人机分配任务。
需要说明的是,根据实际任务规划需求,在续航能力允许的情况下,本发明中所述待飞无人机可以被分配不止一个任务。
本方案中,无人机群与云计算中心之间设置有实时通信机制:云计算中心可以随时向任意一架无人机发送状态检查指令,被检查无人机收到指令后立即向云计算中心发送一个实时状态数据包。
需要说明的是,所述状态数据包所包括的信息有:飞行方向、飞行速度、海拔高度、当前位置、剩余电量、耗能情况、风速、机身温度、环境温度、环境湿度、大气气压。
本方案中,所述任务再分配的具体步骤为:
执行任务的无人机在完成任务后暂时停留在任务目的地,向云计算中心发送任务完成报告和当前状态数据;
确认完成任务后,云计算中心对无人机当前状态进行验证;
综合该类别无人机组分工任务的执行情况,计算该无人机直接返航里程、该无人机到待执行任务目的地的路径距离及待执行任务目的地至该无人机出入港点的返航里程,预估该无人机剩余电量的续航里程;
若续航里程大于路径距离与返航里程之和,则云计算中心将任务分配给该无人机;
若续航里程大于路径距离但小于路径距离与返航里程之和,且任务时限将至、紧急程度高,则云计算中心将任务分配给该无人机,待完成任务后派遣救援无人机接回该无人机;
若续航里程小于路径距离但大于直接返航里程,则云计算中心向该无人机发送返航指令;
若续航里程小于路径距离且小于直接返航里程,则云计算中心向该无人机发送原地待命指令并派遣救援无人机接回该无人机。
需要说明的是,在无人机完成二次任务时,若该类别无人机组分工任务仍有待执行任务,则重复所述任务再分配的具体步骤;若该类别无人机组分工任务已完成,则向云计算中心发送任务完成报告和当前状态数据,云计算中心分析该无人机当前状态,发送返航指令或原地待命指令。
图2示出了本发明一种基于云雾混合计算的无人机群任务分配系统的框图。
如图2所示,本发明第二方面公开了一种基于云雾混合计算的无人机群任务分配系统,包括存储器和处理器,所述存储器中包括基于云雾混合计算的无人机群任务分配方法程序,所述基于云雾混合计算的无人机群任务分配方法程序被所述处理器执行时实现如下步骤:
无人机群根据使用场景和执行任务级别的不同进行分组;
在无人机调度控制中心设置出入港点,每个出入港点供应特定类别的无人机组使用;
每个出入港点创建有雾计算节点,对使用出入港点的无人机组进行调度管理;
云计算中心根据待执行任务详情进行分类定级,选择相应的待命无人机组发送任务预备指令,并向雾计算节点发送待执行任务详情数据包;
接收到任务预备指令后,无人机组向其所归属出入港点的雾计算节点发送一个应答数据包;
雾计算节点接收到应答数据包后进行综合分析,评价待命无人机组与待执行任务的匹配度,确定执行任务的无人机群,针对性地为每一架待飞无人机分配任务;
执行任务过程中,云计算中心与无人机群时刻保持通信状态,根据每一架无人机的任务执行情况进行任务再分配。
需要说明的是,本发明中所述无人机包括通信单元,用于与雾计算节点和云计算中心保持通信,接收各种指令和发送各种数据包;包括GPS定位单元,用于获取无人机的实时位置信息;包括飞行控制单元,用于解析雾计算节点和云计算中心的指令,控制无人机的飞行速度、飞行航向和主动避障等功能。其中通信单元和GPS定位单元与飞行控制单元电性连接。
需要说明的是,若无人机在执行任务过程中发生故障且无法继续执行任务,云计算中心将对该任务进行二次分配,综合故障发生位置及任务目的地,调遣该类别无人机组的待命无人机继续完成该任务并派遣救援无人机将故障无人机带回入港点。
需要说明的是,本发明中所述的应答数据包具体包括:无人机的唯一编号、当前IP、位置信息、电量情况、机身参数。
需要说明的是,本发明的系统可以在服务器、PC、手机、PAD等终端设备中进行操作。
需要说明的是,所述处理器可以是中央处理单元(CentralProcessi ngUnit,CPU),还可以是其他通用处理器、数字信号处理(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现成可编程门阵列(Field-ProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本方案中,所述雾计算节点包括雾服务器和雾存储模块,通过网关与云计算中心连接;不同雾计算节点之间通过有线或无线局域网络连接。
需要说明的是,本发明中所述的出入港点可以根据使用该港点的无人机数量以及一架无人机日均交互信息流量的大小,创建不止一个雾计算节点,设具体创建的数量为h,无人机数量为a,出入港点的一架无人机日均交互信息流量级为b,设定一个基本日均交互信息流量级c,对应所创建雾计算节点数量为d。具体创建数量的计算公式如下:
其中h∈N,h的取值采取进一法。
本方案中,所述雾计算节点存储着其所负责调度管理的无人机的飞行历史信息,包括出厂日期、首飞日期、飞行次数、飞行时长、维修历史、故障详情、实际续航、执行任务记录、执行任务成功率;每一次飞行任务结束后雾计算节点对无人机的飞行历史信息进行更新,并将更新结果同步至云计算中心进行存储备份。
需要说明的是,在一次飞行任务结束后,若云计算中心向无人机发送原地待命指令或新的任务预备指令,则由云计算中心直接更新飞行历史信息并同步至雾计算节点。
本方案中,所述进行综合分析的具体过程为:
雾计算节点根据应答数据包的详细信息,确定各类别待命无人机组的数量、续航能力、位置信息;
查询到各类别待命无人机的飞行历史信息;
确定各类别正执行任务无人机的数量、状态信息和任务完成度;
确定各类别正充电无人机的电量情况,预估充满时间;
根据任务数量、任务目的位置、任务性质,确定各类别无人机的分工任务,结合各类别全部无人机的综合信息,对各类别无人机的任务匹配度进行评价定级,共分为一、二、三级;
若评价定级为一级,则该类别无人机可以正常执行并完成任务;
若评价定级为二级,则该类别无人机可以正常执行任务,但需要类别内其他无人机支援;
若评价定级为三级,则该类别无人机无法正常执行任务,继续待命。
需要说明的是,当评价定级为二级时,该类别待命无人机先执行一部分的分工任务,剩下部分由该类别其他无人机执行完任务或充电完成后,在有效的任务时限内完成。
本方案中,雾计算节点通过计算并对比待飞无人机的当前位置到该待飞无人机所在类别分工任务的各个目的地之间的直线距离,依据就近原则,为每一架待飞无人机分配任务。
需要说明的是,根据实际任务规划需求,在续航能力允许的情况下,本发明中所述待飞无人机可以被分配不止一个任务。
本方案中,无人机群与云计算中心之间设置有实时通信机制:云计算中心可以随时向任意一架无人机发送状态检查指令,被检查无人机收到指令后立即向云计算中心发送一个实时状态数据包。
需要说明的是,所述状态数据包所包括的信息有:飞行方向、飞行速度、海拔高度、当前位置、剩余电量、耗能情况、风速、机身温度、环境温度、环境湿度、大气气压。
本方案中,所述任务再分配的具体步骤为:
执行任务的无人机在完成任务后暂时停留在任务目的地,向云计算中心发送任务完成报告和当前状态数据;
确认完成任务后,云计算中心对无人机当前状态进行验证;
综合该类别无人机组分工任务的执行情况,计算该无人机直接返航里程、该无人机到待执行任务目的地的路径距离及待执行任务目的地至该无人机出入港点的返航里程,预估该无人机剩余电量的续航里程;
若续航里程大于路径距离与返航里程之和,则云计算中心将任务分配给该无人机;
若续航里程大于路径距离但小于路径距离与返航里程之和,且任务时限将至、紧急程度高,则云计算中心将任务分配给该无人机,待完成任务后派遣救援无人机接回该无人机;
若续航里程小于路径距离但大于直接返航里程,则云计算中心向该无人机发送返航指令;
若续航里程小于路径距离且小于直接返航里程,则云计算中心向该无人机发送原地待命指令并派遣救援无人机接回该无人机。
需要说明的是,在无人机完成二次任务时,若该类别无人机组分工任务仍有待执行任务,则重复所述任务再分配的具体步骤;若该类别无人机组分工任务已完成,则向云计算中心发送任务完成报告和当前状态数据,云计算中心分析该无人机当前状态,发送返航指令或原地待命指令。
本方案中,所述无人机群任务分配系统包括数据接收模块、数据分析处理模块、任务分配模块和指令调度模块。
本发明第三方面公开了一种计算机可读存储介质,所述计算机可读存储介质中包括机器的一种基于云雾混合计算的无人机群任务分配方法程序,所述一种基于云雾混合计算的无人机群任务分配方法程序被处理器执行时,实现上述的一种基于云雾混合计算的无人机群任务分配方法的步骤。
本发明公开的一种基于云雾混合计算的无人机群任务分配方法、系统和可读存储介质,通过利用云雾混合计算技术,实现了无人机群任务分配智能化和高效化,有效降低了时延和云端的计算压力。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的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,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种基于云雾混合计算的无人机群任务分配方法,其特征在于,包括:
无人机群根据使用场景和执行任务级别的不同进行分组;
在无人机调度控制中心设置出入港点,每个出入港点供应特定类别的无人机组使用;
每个出入港点创建有雾计算节点,对使用出入港点的无人机组进行调度管理;
云计算中心根据待执行任务详情进行分类定级,选择相应的待命无人机组发送任务预备指令,并向雾计算节点发送待执行任务详情数据包;
接收到任务预备指令后,无人机组向其所归属出入港点的雾计算节点发送一个应答数据包;
雾计算节点接收到应答数据包后进行综合分析,评价待命无人机组与待执行任务的匹配度,确定执行任务的无人机群,针对性地为每一架待飞无人机分配任务;
执行任务过程中,云计算中心与无人机群时刻保持通信状态,根据每一架无人机的任务执行情况进行任务再分配。
2.根据权利要求1所述的一种基于云雾混合计算的无人机群任务分配方法,其特征在于,所述雾计算节点包括雾服务器和雾存储模块,通过网关与云计算中心连接;不同雾计算节点之间通过有线或无线局域网络连接。
3.根据权利要求1所述的一种基于云雾混合计算的无人机群任务分配方法,其特征在于,所述雾计算节点存储着其所负责调度管理的无人机的飞行历史信息,包括出厂日期、首飞日期、飞行次数、飞行时长、维修历史、故障详情、实际续航、执行任务记录、执行任务成功率;每一次飞行任务结束后雾计算节点对无人机的飞行历史信息进行更新,并将更新结果同步至云计算中心进行存储备份。
4.根据权利要求1所述的一种基于云雾混合计算的无人机群任务分配方法,其特征在于,所述进行综合分析的具体过程为:
雾计算节点根据应答数据包的详细信息,确定各类别待命无人机组的数量、续航能力、位置信息;
查询到各类别待命无人机的飞行历史信息;
确定各类别正执行任务无人机的数量、状态信息和任务完成度;
确定各类别正充电无人机的电量情况,预估充满时间;
根据任务数量、任务目的位置、任务性质,确定各类别无人机的分工任务,结合各类别全部无人机的综合信息,对各类别无人机的任务匹配度进行评价定级,共分为一、二、三级;
若评价定级为一级,则该类别无人机可以正常执行并完成任务;
若评价定级为二级,则该类别无人机可以正常执行任务,但需要类别内其他无人机支援;
若评价定级为三级,则该类别无人机无法正常执行任务,继续待命。
5.根据权利要求1所述的一种基于云雾混合计算的无人机群任务分配方法,其特征在于,雾计算节点通过计算并对比待飞无人机的当前位置到该待飞无人机所在类别分工任务的各个目的地之间的直线距离,依据就近原则,为每一架待飞无人机分配任务。
6.根据权利要求1所述的一种基于云雾混合计算的无人机群任务分配方法,其特征在于,无人机群与云计算中心之间设置有实时通信机制:云计算中心可以随时向任意一架无人机发送状态检查指令,被检查无人机收到指令后立即向云计算中心发送一个实时状态数据包。
7.根据权利要求1所述的一种基于云雾混合计算的无人机群任务分配方法,其特征在于,所述任务再分配的具体步骤为:
执行任务的无人机在完成任务后暂时停留在任务目的地,向云计算中心发送任务完成报告和当前状态数据;
确认完成任务后,云计算中心对无人机当前状态进行验证;
综合该类别无人机组分工任务的执行情况,计算该无人机直接返航里程、该无人机到待执行任务目的地的路径距离及待执行任务目的地至该无人机出入港点的返航里程,预估该无人机剩余电量的续航里程;
若续航里程大于路径距离与返航里程之和,则云计算中心将任务分配给该无人机;
若续航里程大于路径距离但小于路径距离与返航里程之和,且任务时限将至、紧急程度高,则云计算中心将任务分配给该无人机,待完成任务后派遣救援无人机接回该无人机;
若续航里程小于路径距离但大于直接返航里程,则云计算中心向该无人机发送返航指令;
若续航里程小于路径距离且小于直接返航里程,则云计算中心向该无人机发送原地待命指令并派遣救援无人机接回该无人机。
8.一种基于云雾混合计算的无人机群任务分配系统,其特征在于,包括存储器和处理器,所述存储器中包括基于云雾混合计算的无人机群任务分配方法程序,所述基于云雾混合计算的无人机群任务分配方法程序被所述处理器执行时实现如下步骤:
无人机群根据使用场景和执行任务级别的不同进行分组;
在无人机调度控制中心设置出入港点,每个出入港点供应特定类别的无人机组使用;
每个出入港点创建有雾计算节点,对使用出入港点的无人机组进行调度管理;
云计算中心根据待执行任务详情进行分类定级,选择相应的待命无人机组发送任务预备指令,并向雾计算节点发送待执行任务详情数据包;
接收到任务预备指令后,无人机组向其所归属出入港点的雾计算节点发送一个应答数据包;
雾计算节点接收到应答数据包后进行综合分析,评价待命无人机组与待执行任务的匹配度,确定执行任务的无人机群,针对性地为每一架待飞无人机分配任务;
执行任务过程中,云计算中心与无人机群时刻保持通信状态,根据每一架无人机的任务执行情况进行任务再分配。
9.根据权利要求8所述的一种基于云雾混合计算的无人机群任务分配系统,其特征在于,所述无人机群任务分配系统包括数据接收模块、数据分析处理模块、任务分配模块和指令调度模块。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括机器的一种基于云雾混合计算的无人机群任务分配方法程序,所述一种基于云雾混合计算的无人机群任务分配方法程序被处理器执行时,实现如权利要求1至7中任一项所述的一种基于云雾混合计算的无人机群任务分配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010466474.0A CN111626619A (zh) | 2020-05-28 | 2020-05-28 | 基于云雾混合计算的无人机群任务分配方法、系统和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010466474.0A CN111626619A (zh) | 2020-05-28 | 2020-05-28 | 基于云雾混合计算的无人机群任务分配方法、系统和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111626619A true CN111626619A (zh) | 2020-09-04 |
Family
ID=72272182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010466474.0A Withdrawn CN111626619A (zh) | 2020-05-28 | 2020-05-28 | 基于云雾混合计算的无人机群任务分配方法、系统和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111626619A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113635302A (zh) * | 2021-07-29 | 2021-11-12 | 深圳墨影科技有限公司 | 基于现场总线的一体化移动协作机器人控制系统 |
CN113869598A (zh) * | 2021-10-13 | 2021-12-31 | 深圳联和智慧科技有限公司 | 基于智慧城市的无人机智能远程管理方法、系统及云平台 |
CN115171433A (zh) * | 2022-07-06 | 2022-10-11 | 吉林大学 | 一种车雾辅助无人机灾后救援任务卸载方法 |
CN115187005A (zh) * | 2022-06-23 | 2022-10-14 | 中国人民公安大学 | 调度方法、装置、设备及存储介质 |
-
2020
- 2020-05-28 CN CN202010466474.0A patent/CN111626619A/zh not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113635302A (zh) * | 2021-07-29 | 2021-11-12 | 深圳墨影科技有限公司 | 基于现场总线的一体化移动协作机器人控制系统 |
CN113869598A (zh) * | 2021-10-13 | 2021-12-31 | 深圳联和智慧科技有限公司 | 基于智慧城市的无人机智能远程管理方法、系统及云平台 |
CN113869598B (zh) * | 2021-10-13 | 2024-05-28 | 深圳联和智慧科技有限公司 | 基于智慧城市的无人机智能远程管理方法、系统及云平台 |
CN115187005A (zh) * | 2022-06-23 | 2022-10-14 | 中国人民公安大学 | 调度方法、装置、设备及存储介质 |
CN115171433A (zh) * | 2022-07-06 | 2022-10-11 | 吉林大学 | 一种车雾辅助无人机灾后救援任务卸载方法 |
CN115171433B (zh) * | 2022-07-06 | 2023-08-08 | 吉林大学 | 一种车雾辅助无人机灾后救援任务卸载方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111626619A (zh) | 基于云雾混合计算的无人机群任务分配方法、系统和可读存储介质 | |
Maciejewski et al. | An assignment-based approach to efficient real-time city-scale taxi dispatching | |
CN111580561A (zh) | 基于粒子群算法优化的无人机调度方法、系统和可读存储介质 | |
Khochare et al. | Heuristic algorithms for co-scheduling of edge analytics and routes for UAV fleet missions | |
CN110599023B (zh) | 一种电动车群组的换电调度方法和云管理服务器 | |
CN113064449B (zh) | 一种无人机调度方法及系统 | |
CN113627792B (zh) | 无人车的调度管理方法、装置、设备、存储介质及程序 | |
Sorkhoh et al. | Optimizing information freshness for MEC-enabled cooperative autonomous driving | |
Li et al. | An agent-based simulation for shared automated electric vehicles with vehicle relocation | |
Vakaruk et al. | Forecasting automated guided vehicle malfunctioning with deep learning in a 5G-based industry 4.0 scenario | |
CN109522117A (zh) | 一种面向异构环境下的链上数据调度系统 | |
CN112819318A (zh) | 一种基于物联网的救援物资动态配置方法、系统及可读存储介质 | |
Sun et al. | A graphical game approach to electrical vehicle charging scheduling: Correlated equilibrium and latency minimization | |
Yang et al. | Fleet sizing and charging infrastructure design for electric autonomous mobility-on-demand systems with endogenous congestion and limited link space | |
Araldo et al. | Implementation & policy applications of AMOD in multi-modal activity-driven agent-based urban simulator simmobility | |
CN105976093A (zh) | 一种无人机工单分配方法、装置及无人机作业系统 | |
Abdisarabshali et al. | Decomposition theory meets reliability analysis: Processing of computation-intensive dependent tasks over vehicular clouds with dynamic resources | |
Maciejewski0F | Online taxi dispatching via exact offline optimization | |
Gunawardena et al. | Real-time Uber data analysis of popular Uber locations in Kubernetes environment | |
CN111191956A (zh) | 一种基于区块链的无人机光伏板检修方法及其系统 | |
CN114936804B (zh) | 一种机场多维资源协同调度方法 | |
CN113657718B (zh) | 一种多机器人动态联盟任务分配方法及相关装置 | |
CN114997645A (zh) | 海上风电场运维排程优化方法、系统、计算机设备和介质 | |
Kucherov et al. | Increasing efficiency of ground stations scheduling for sustainable satellite based services | |
CN112381590A (zh) | 成本核算方法、装置、服务器及存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200904 |