CN111780620B - 一种无人机潜在威胁判定方法 - Google Patents
一种无人机潜在威胁判定方法 Download PDFInfo
- Publication number
- CN111780620B CN111780620B CN202010545845.4A CN202010545845A CN111780620B CN 111780620 B CN111780620 B CN 111780620B CN 202010545845 A CN202010545845 A CN 202010545845A CN 111780620 B CN111780620 B CN 111780620B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- threat
- flight
- fly zone
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F41—WEAPONS
- F41H—ARMOUR; ARMOURED TURRETS; ARMOURED OR ARMED VEHICLES; MEANS OF ATTACK OR DEFENCE, e.g. CAMOUFLAGE, IN GENERAL
- F41H11/00—Defence installations; Defence devices
- F41H11/02—Anti-aircraft or anti-guided missile or anti-torpedo defence installations or systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Abstract
本发明公开了一种无人机潜在威胁判定方法,包括判断无人机是否经过改装,如果是则进一步判断无人机当前位置与禁飞区的最小距离是否小于预设的安全距离D;如果无人机既改装又满足与禁飞区的最小距离小于预设的安全距离D则设定为高威胁;如果无人机改装但不满足与禁飞区的最小距离小于预设的安全距离D则设定为中威胁;如果无人机没有改装则判断无人机当前位置与禁飞区的最小距离是否小于预设的安全距离D;如果是则设定为中威胁;如果否则进一步通过公式计算无人机潜在威胁度W;若计算结果大于预设阈值Wm,则设定为中威胁;若不大于,则设定为低威胁。本发明通过对安全区域飞行的无人机进行潜在威胁判定,能有效降低无人机带来的安全威胁。
Description
技术领域
本发明涉及无人机防御技术领域,具体涉及一种无人机潜在威胁判定方法。
背景技术
随着民用无人机的普及和大规模使用,为人们带来工作便利的同时,也给国家安全带来了一系列威胁。近年来,民用无人机的使用引发了一系列安全事故、黑飞扰航事件和攻击行为。例如,恶意攻击者利用无人机探测军事机密,飞入民航机场禁飞区等。为了规范无人机管理,我国颁布了《无人驾驶航空器飞行管理暂行条例》,里面提到“除微型无人机以外的民用无人机应当向民用航空管理机构实名注册登记,根据有关规则进行国籍登记”、“销售除微型无人机以外的民用无人机的单位、个人应当向公安机关备案,并核实记录购买单位、个人的相关信息,定期向公安机关报备”。然而,仅仅依靠政策无法全面杜绝无人机威胁。因此,需要建立一种无人机潜在威胁判定方法,在源头遏制无人机可能造成的威胁。
当前针对无人机威胁判定方法集中在无人机飞行轨迹判定,禁飞区预警,是否注册等方面。而并未考虑到对安全区域飞行的无人机可能存在的潜在威胁进行判定,尤其是改装无人机的潜在威胁判定,难以实现提前预警的目的。
发明内容
本发明的目的是克服现有技术存在的不足,提供了一种能对安全区域飞行的无人机可能存在的威胁进行提前判定的无人机潜在威胁判定方法。
本发明的目的通过以下的技术方案实现:
无人机管理系统管理员预先设置禁飞区安全距离D、威胁度阈值Wm、购买者犯罪信息、违规进入禁飞区次数、飞行时间、与禁飞区最小距离分别对应的权重参数k1,k2,k3,k4且k1+k2+k3+k4=1;
无人机管理系统获取无人机实时信息,包括实时位置、飞行方向、高度、速度、身份标识、无人机型号;
无人机管理系统判断无人机是否经过改装;
如果判定为改装无人机,则进一步判断当前位置与禁飞区的最小距离是否小于预先设置的安全距离D;
如果小于安全距离D,则设定该无人机高威胁;
如果不小于安全距离D,则设定该无人机中威胁;
如果判定为非改装无人机则进一步判断当前位置与禁飞区的最小距离是否小于预先设置的安全距离D;
如果小于安全距离D则设定该无人机中威胁;
如果不小于安全距离D,则通过公式W=k1*(购买者犯罪信息)+k2*(违规进入禁飞区次数)+k3*(飞行时间)+k4/(与禁飞区最小距离)计算无人机潜在威胁度W;
若计算结果大于预先设置阈值Wm,则设定该无人机中威胁;
若计算结果不大于预先设置阈值Wm,则设定该无人机低威胁;
所述改装无人机判断过程为:系统预先通过深度学习算法学习不同型号无人机的正常飞行数据,具体方式为以高度、速度、仰角、加速度、最大平飞速度、最小平飞速度、爬升率、续航时间为特征建立指定型号无人机的飞行算法框架,利用该型号大量非改装无人机正常飞行数据训练该框架,然后根据当前无人机实时信息及历史信息进行计算获得其飞行仰角、加速度、已知高度最大平飞速度、已知高度最小平飞速度、最大飞行高度、最大飞行速度特征值,针对相关特征值利用该算法框架对无人机进行识别,得到无人机的非改装率,若结果大于合格率,则代表该无人机并未经过改装,若结果不大于合格率则代表该无人机经过改装,所述合格率由管理员根据经验设定;
所述购买者犯罪信息是指根据无人机身份标识查询公安机关数据库获得该无人机购买者的犯罪信息,若购买者为个人查询是否有犯罪记录,若购买者为单位查询单位是否从事过违法违规交易;
本发明采用的技术方案与现有方案相比,优势在于:(1)根据所述实时信息判断无人机的当前位置与禁飞区的最小距离是否小于预设的安全距离D,实现对安全区域飞行的无人机可能产生的威胁进行提前预警;(2)将无人机购买者作为威胁因素之一加入考虑,进而提高威胁判断准确度;(3)能够判断无人机是否经过改装,并对改装无人机的潜在威胁进行提前预警。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明的无人机潜在威胁判定方法的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
无人机管理系统管理员预先设置禁飞区安全距离D、威胁度阈值Wm、购买者犯罪信息、违规进入禁飞区次数、飞行时间、与禁飞区最小距离分别对应的权重参数k1,k2,k3,k4且k1+k2+k3+k4=1;
如图1所示,本发明实施例的无人机潜在威胁判定方法包括以下步骤:
S101:无人机管理系统获取无人机实时信息;
S102:判断无人机是否经过改装,如果是执行步骤S103,如果否执行步骤S106;
S103:根据所述实时信息判断无人机当前位置与禁飞区的最小距离是否小于预先设置的安全距离D,如果是执行步骤S104,如果否执行步骤S105;
S104:将无人机威胁度设定为高,判定结束;
S105:将无人机威胁度设定为中,判定结束;
S106:判断无人机当前位置与禁飞区的最小距离是否小于预先设置的安全距离D,如果是执行步骤S107,如果否执行步骤S108;
S107:将无人机威胁度设定为中,判定结束;
S108:通过公式W=k1*(购买者犯罪信息)+k2*(违规进入禁飞区次数)+k3*(飞行时间)+k4/(与禁飞区最小距离)计算无人机潜在威胁度W,如果计算结果大于预先设置阈值Wm,执行步骤S109,如果不大于执行步骤S110;
S109:将无人机威胁度设定为中,判定结束;
S110:将无人机威胁度设定为低,判定结束。
所述无人机管理系统指符合国家规范并对所有无人机进行监管的平台或系统。
所述参数D,Wm,k1,k2,k3,k4由管理员根据经验设定。
所述判断无人机是否经过改装具体过程为:系统预先通过深度学习算法学习不同型号无人机的正常飞行数据,具体方式为以高度、速度、仰角、加速度、最大平飞速度、最小平飞速度、爬升率、续航时间为特征建立指定型号无人机的飞行算法框架,利用该型号大量非改装无人机正常飞行数据训练该框架,以实现误差最小化,然后根据当前无人机实时信息及历史信息进行计算获得其飞行仰角、加速度、已知高度最大平飞速度、已知高度最小平飞速度、最大飞行高度、最大飞行速度特征值,针对相关特征值利用该算法框架对无人机进行识别,得到无人机的非改装率,若结果大于合格率,则代表该无人机并未经过改装,若结果不大于合格率则代表该无人机经过改装,所述合格率由管理员根据经验设定,其中深度学习算法包括常见的卷积神经网络模型、深度信任网络模型和堆栈自编码网络模型。
所述无人机实时信息包括实时位置、飞行方向、高度、速度、身份标识、无人机型号。
所述购买者犯罪信息是指根据无人机身份标识查询公安机关数据库获得该无人机购买者的犯罪信息,若购买者为个人查询是否有犯罪记录,若购买者为单位查询单位是否从事过违法违规交易,若购买者没有犯罪记录则购买者犯罪信息参数为0,否则为1。
所述飞行时间是指无人机本次飞行的总时间。
所述违规进入禁飞区次数由系统根据该无人机身份标识查询历史记录所得。
综上,无人机管理系统收到无人机实时信息;判断无人机是否经过改装,如果是则进一步判断无人机当前位置与禁飞区的最小距离是否小于预设的安全距离D;如果无人机既改装又满足与禁飞区的最小距离小于预设的安全距离D则设定为高威胁;如果无人机改装但与禁飞区的最小距离不小于预设的安全距离D则设定为中威胁;如果无人机没有改装则判断无人机当前位置与禁飞区的最小距离是否小于预设的安全距离D;如果是则设定为中威胁;如果否则进一步通过公式W=k1*(购买者犯罪信息)+k2*(违规进入禁飞区次数)+k3*(飞行时间)+k4/(与禁飞区最小距离)计算无人机潜在威胁度W;如果计算结果大于预设阈值Wm,则设定为中威胁;如果不大于预设阈值Wm,则设定为低威胁。本发明通过对无人机购买者、违规历史记录,与禁飞区距离等因素进行综合考虑,可实现对安全区域飞行的无人机进行潜在威胁判定,尤其是对于改装无人机可能造成的威胁进行提前判定,能有效降低无人机对于军事和民航领域带来的安全威胁。
上述具体实施方式为本发明的优选实施例,并不能对本发明进行限定,其他的任何未背离本发明的技术方案而所做的改变或其它等效的置换方式,都包含在本发明的保护范围之内。
Claims (3)
1.一种无人机潜在威胁判定方法,其特征在于,包括:
步骤一:获取无人机的实时信息,根据实时信息获取无人机的历史信息;
步骤二:判断无人机是否经过改装,如果是,执行步骤三;如果否,执行步骤六;
步骤三:根据所述实时信息判断无人机的当前位置与禁飞区的最小距离是否小于预设的安全距离D,如果是,执行步骤四;如果否,执行步骤五;
步骤四:将无人机设定为高威胁,判定结束;
步骤五:将无人机设定为中威胁,判定结束;
步骤六:判断无人机当前位置与禁飞区的最小距离是否小于预设的安全距离D,如果是,执行步骤七;如果否,执行步骤八;
步骤七:将无人机设定为中威胁,判定结束;
步骤八:根据无人机的实时信息、历史信息及预先设定的权重,计算无人机潜在威胁度W,判断威胁度W是否大于预设阈值Wm,如果是,执行步骤九;如果否,执行步骤十;
步骤九:将无人机设定为中威胁,判定结束;
步骤十:将无人机设定为低威胁,判定结束;
所述实时信息包括实时位置、飞行方向、高度、速度、身份标识、无人机型号;
所述无人机的历史信息由系统根据无人机身份标识查询历史记录获得,包括购买者犯罪信息、违规进入禁飞区次数、飞行时间;
步骤八中计算无人机潜在威胁度W的公式为:
威胁度W=k1*(购买者犯罪信息)+k2*(违规进入禁飞区次数)+k3*(飞行时间)+k4/(与禁飞区最小距离)
k1,k2,k3,k4分别是购买者犯罪信息、违规进入禁飞区次数、飞行时间、与禁飞区最小距离对应的权重参数,且k1+k2+k3+k4=1。
2.根据权利要求1所述的无人机潜在威胁判定方法,其特征在于,购买者犯罪信息是指根据无人机身份标识查询公安机关数据库,获得该无人机购买者的犯罪信息,若购买者为个人查询是否有犯罪记录,若购买者为单位查询单位是否从事过违法违规交易。
3.根据权利要求1所述的无人机潜在威胁判定方法,其特征在于,步骤二的具体过程为:系统预先通过深度学习算法学习不同型号无人机的正常飞行数据,具体方式为以高度、速度、仰角、加速度、最大平飞速度、最小平飞速度、爬升率、续航时间为特征建立指定型号无人机的飞行算法框架,利用该型号大量非改装无人机正常飞行数据训练该框架,以实现误差最小化,然后根据当前无人机实时信息及历史信息进行计算获得其飞行仰角、加速度、已知高度最大平飞速度、已知高度最小平飞速度、最大飞行高度、最大飞行速度特征值,针对相关特征值利用该算法框架对无人机进行识别,得到无人机的非改装率,若结果大于合格率,则代表该无人机并未经过改装,若结果不大于合格率则代表该无人机经过改装。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010545845.4A CN111780620B (zh) | 2020-06-16 | 2020-06-16 | 一种无人机潜在威胁判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010545845.4A CN111780620B (zh) | 2020-06-16 | 2020-06-16 | 一种无人机潜在威胁判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111780620A CN111780620A (zh) | 2020-10-16 |
CN111780620B true CN111780620B (zh) | 2022-07-26 |
Family
ID=72756536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010545845.4A Active CN111780620B (zh) | 2020-06-16 | 2020-06-16 | 一种无人机潜在威胁判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111780620B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113257045A (zh) * | 2021-07-14 | 2021-08-13 | 四川腾盾科技有限公司 | 一种基于大型固定翼无人机电子围栏的无人机控制方法 |
CN114035603B (zh) * | 2021-08-08 | 2023-11-28 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种无人机威胁区动态检测及告警方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10061018B1 (en) * | 2015-02-19 | 2018-08-28 | Zain Naboulsi | System for identifying drones |
CN109544996A (zh) * | 2018-12-14 | 2019-03-29 | 中电科(德阳广汉)特种飞机系统工程有限公司 | 一种无人机管控方法、装置、系统及可读存储介质 |
WO2019203698A1 (ru) * | 2018-04-20 | 2019-10-24 | Акционерное общество Научно-производственный центр "Электронные вычислительно-информационные системы" | Система и способ предотвращения нарушений правил полетов беспилотными летательными аппаратами |
CN110503856A (zh) * | 2019-07-10 | 2019-11-26 | 同济大学 | 无人机飞行监管系统及方法 |
CN110531784A (zh) * | 2019-09-03 | 2019-12-03 | 中航天元防务技术(北京)有限公司 | 一种针对无人飞行器的威胁评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10699585B2 (en) * | 2018-08-02 | 2020-06-30 | University Of North Dakota | Unmanned aerial system detection and mitigation |
-
2020
- 2020-06-16 CN CN202010545845.4A patent/CN111780620B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10061018B1 (en) * | 2015-02-19 | 2018-08-28 | Zain Naboulsi | System for identifying drones |
WO2019203698A1 (ru) * | 2018-04-20 | 2019-10-24 | Акционерное общество Научно-производственный центр "Электронные вычислительно-информационные системы" | Система и способ предотвращения нарушений правил полетов беспилотными летательными аппаратами |
CN109544996A (zh) * | 2018-12-14 | 2019-03-29 | 中电科(德阳广汉)特种飞机系统工程有限公司 | 一种无人机管控方法、装置、系统及可读存储介质 |
CN110503856A (zh) * | 2019-07-10 | 2019-11-26 | 同济大学 | 无人机飞行监管系统及方法 |
CN110531784A (zh) * | 2019-09-03 | 2019-12-03 | 中航天元防务技术(北京)有限公司 | 一种针对无人飞行器的威胁评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111780620A (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111780620B (zh) | 一种无人机潜在威胁判定方法 | |
JP6654284B2 (ja) | マシンおよびデバイスの登録、モニタおよび制御のためのシステム、方法、コンピュータプログラムおよびデータ信号 | |
US20170169713A1 (en) | Authentication systems and methods for generating flight regulations | |
CN110379176B (zh) | 基于图像识别的无证驾驶违法行为预警拦截方法 | |
CN108734008B (zh) | 基于停车记录对车辆匿名的移动轨迹数据去匿名的方法 | |
CN113792836B (zh) | 多层级安全智慧园区控制方法和系统 | |
CN109767618B (zh) | 一种公安交管业务异常数据综合研判方法及系统 | |
CN107784413A (zh) | 一种集“审、侦、监、控”于一体的无人机监管系统 | |
CN108259223B (zh) | 防止gps欺骗的无人机网络系统安全态势感知评估方法 | |
CN111612673B (zh) | 一种无人驾驶飞行器对多要地威胁程度确认方法及系统 | |
CN111404874A (zh) | 出租车嫌疑车辆甄别分析体系架构 | |
WO2021110226A1 (en) | A method of monitoring a production area and a system thereof | |
WO2024067135A1 (zh) | 基于大数据识别的无人驾驶航空器管理方法、系统和介质 | |
Sibai | AI crimes: a classification | |
Zhang et al. | Test and evaluation system for automotive cybersecurity | |
Winkelman et al. | When autonomous vehicles are hacked, who is liable? | |
EP1760678A2 (en) | Security system | |
CN116233163A (zh) | 一种基于大数据的智慧校园安全管理系统及方法 | |
CN114999103A (zh) | 一种高速公路涉路作业安全智能预警系统及方法 | |
CN111222587A (zh) | 基于特征融合的失证人员危险驾驶行为预测方法及系统 | |
CN113992399A (zh) | 基于移动行为的车联网Sybil工具检测方法 | |
CN106326769A (zh) | 一种野外监测信息处理装置 | |
CN113990080B (zh) | 一种高速公路车辆通行安全全程检测系统 | |
CN117478363B (zh) | 基于工业互联网态势感知的光伏电力网络安全监控系统及其方法 | |
Bryan | State v. Brossart: Adapting the Fourth Amendment for a Future with Drones |
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 |