CN111859247B - 一种基于星基ads-b数据的无人机运行风险评估方法 - Google Patents
一种基于星基ads-b数据的无人机运行风险评估方法 Download PDFInfo
- Publication number
- CN111859247B CN111859247B CN202010697126.4A CN202010697126A CN111859247B CN 111859247 B CN111859247 B CN 111859247B CN 202010697126 A CN202010697126 A CN 202010697126A CN 111859247 B CN111859247 B CN 111859247B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- threat
- aerial vehicle
- obstacle
- distance
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于星基ADS‑B数据的无人机运行风险评估方法,包括:通过星基ADS‑B设备,对普通陆基ADS‑B设备无法覆盖区域的无人机飞行路径进行提取,获得无人机的飞行速度、经纬度、飞行高度、姿态、航向数据;根据无人机姿态和位置数据,对无人机机身运行风险进行评估。根据无人机速度和障碍物信息,对无人机的对地风险和对空风险进行评估。本发明的优点在于:可以获得“空‑空”和“空‑地”两种运行风险评估,避免根据历史飞行事故数据,减少不必要的障碍威胁考虑,全面的判定了障碍物的威胁程度,更为接近无人机运行的实际情况。
Description
技术领域
本发明涉及无人机监管技术领域,特别涉及一种基于星基ADS-B数据的无人机运行风险评估方法。
背景技术
随着低空空域的开放,无人机产业也出现井喷式的增长,导致低空空域的密度增大,对低空空域的安全造成一定威胁。因此,无人机的监管逐步受到重视,目前军方和民用部门已增大无人机的管控力度。其中,使用机载ADS-B系统对无人机进行管控的技术以逐步成熟。由于,陆基ADS-B系统覆盖范围较窄,无法实时监控在特殊地区(洋区、沙漠、高山、峡谷等)飞行的无人机。因此,对于在特殊地区的无人机飞行风险情况无法评估。
现有技术一
多因素融合下无人机航行环境评估方法,主要对空域环境进行评估,并针对“空对空”安全性方面,建立“无人机-无人机”和“无人机-有人机”的评估模型,对无人机的飞行安全性进行分析评价。
现有技术一的缺点
适用范围较窄,未考虑多架无人机同时存在的情况。
不适用于静态空域威胁,如:高楼、山体等
未将无人机的避撞能力纳入考虑,未根据不同的无人机类型对最小安全距离和相对速度进行修正。
现有技术二
飞行危险源识别方法和定量的风险评估模型
首先基于运营决策支持和立法基础数据收集这一目标建立了系统的框架结构;然后针对风险控制需求,设计了无人机事故案例本体表示,实现了基于语义和属性值的综合相似性检索算法;针对风险评估需求,实现了无人机系统飞行危险源识别方法和定量的风险评估模型。
现有技术二的缺点
(1)数据来源需借助历史的飞行事故,对于未知空域此方法无效
(2)“空-空”避撞评估,更多的借助无人机避撞能力,因此评估值的准确性受无人机避撞能力的约束较大。
(3)对地风险中,未考虑无人机的实际重量,缺乏对撞击动能的考虑。
缩略语和关键术语定义
星基ADS-B:自动相关监视技术(ADS-B)是一种基于卫星,定位、实现飞行器监视和追踪的空管新技术,传统陆基ADS-B系统主要由空中机载发射机和地面接收基站组成,受制于系统布置限制。星基的ADS-B系统借助低轨道通信卫星的强大覆盖能力,将ADS-B收发信机安装到通信卫星上。通信卫星通过其ADS-B设备接收飞机发送的ADS-B报告,再通过卫星通信信道下传给卫星地面站,卫星地面站通过地面网络将ADS-B报告传递给地面相关实体(如ATC中心、航空公司等),实现ADS-B全球覆盖,完成对飞机的全球飞行追踪和实时监控。
发明内容
本发明针对现有技术的缺陷,提供了一种基于星基ADS-B数据的无人机运行风险评估方法,解决了现有技术中存在的缺陷。
为了实现以上发明目的,本发明采取的技术方案如下:
一种基于星基ADS-B数据的无人机运行风险评估方法,包括以下步骤;
S1:提取星基ADS-B的数据,对数据进行解析处理。获得无人机的飞行速度、经纬度、飞行高度、姿态、航向数据。
S2:“空-空”风险评估;
S21:设0号无人机为待评估无人机,空域存在N架无人机,标号依次为1,2,3......n。星基ADS-B设备,提取坐标为0(x0,y0,z0),1(x1,y1,z1),2(x2,y2,z2)......n(xn,yn,zn)。计算0号无人机(待测无人机)与空域中其他无人机之间的欧式距离:
将无人机之间的距离划分威胁程度,并定义对应的威胁因子,如表1:
表1“空-空”影响因子
距离 | 威胁程度 | 威胁因子 |
ρ<sub>L</sub><ρ<sub>0i</sub> | 无威胁 | 0 |
ρ<sub>min</sub><ρ<sub>0i</sub>≤ρ<sub>L</sub> | 潜在威胁 | α |
ρ<sub>0i</sub>≤ρ<sub>min</sub> | 预警威胁 | β |
ρL:根据空域固有环境特点,测得的无人机之间互不干扰的最小距离。
ρmin:无人机之间的最小安全距离。
表2速度角度威胁划分
V0(x),V0(y),V0(z),Vi(x),Vi(y),Vi(z)分别为0,i号无人机速度在X,Y,Z轴的分量。若Tn不存在,则不会相撞,令L(i)max=0。
当L(i)max≤ρ0i时,不会发生碰撞,其中L(i)max为第i架无人机与测试无人机之间的最小安全距离由于无人机之间的最小安全距离为ρmin,因此初始安全距离修正为:
ρmin(x),ρmin(y),ρmin(z)分别为最小安全距离在X,Y,Z轴的分量。若Tn不存在,则不会相撞,令L(i)max=0。
S23:结合无人机的空域密度,无人机之间运行状态,可得“空-空”无人机飞行评估公式为:
Ssky:为风险系数,值越大运行风险越高
NQ:为潜在风险区域无人机数量
NW:为威胁预警区域无人机数量
μ:空域固定影响因数,受空域气候和密度影响,取值为(0~1)
S3:“空一地”风险评估;
S31:获取障碍物位置信息M1(x1,y1,h1),M2(x2,y2,h2),M3(x3,y3,h3),…Mn(xn,yn,hn),其中n为障碍物代号,hn为障碍物高度,Mn(xn,yn,hn)为障碍物坐标。
S32:提取无人机飞行高度h0、速度V0。
S321:水平面分析:
(1)令无人机转弯的最大角度为θ,将障碍物与速度方向投影到xoy平面上,其中速度的投影为Vxoy;
(2)以无人机所在位置的为角度顶点,Vxoy方向为角的一条矢边,顺时针和逆时针各形成角度为θ的角度,以无人机与障碍之间的最小安全距离dmin为半径,建立圆心角为2θ的扇形区域AOB,即障碍威胁区域;
(3)将部分和全部在扇形AOB区域内的障碍物设为威胁障碍物,设无人机距障碍物边缘最近距离为Ri(i=1,2...n),最近距离连线与速度方向的夹角为δi。则障碍物威胁程度如式3。
计算式6:
SH:水平方向障碍物的威胁程度,值越大威胁程度越高。
V0(x):无人机速度早x轴上的分量。
Ri(x):无人机距障碍物i的距离在x轴上的分量
S322:竖直平面分析:
(1)根据水平面分析原理,判断威胁区障碍物,高度为hi(i=1,2...n)。
(2)将障碍物最高点与无人机所在位置连接,令连线与Z轴正方向的夹角为σi,无人机速度方向与Z轴正方向夹角为γ,得竖直平面的威胁划分如表3。
表3“空-地”竖直平面威胁划分
γ | σ<sub>i</sub> | σ<sub>i</sub>-γ | 威胁判定 | 影响因素(η) |
>90° | <90° | / | 重度威胁 | 1 |
>90° | ≥90° | <0 | 重度威胁 | 1 |
>90° | ≥90° | ≥0 | 轻度威胁 | η |
<90° | <90° | <0 | 重度威胁 | η |
<90° | <90° | ≥0 | 轻度威胁 | 1 |
<90° | ≥90° | / | 无威胁 | 0 |
计算竖直平面障碍物的威胁程度如式7:
SV:竖直平面障碍物的威胁程度,值越大危险性越高。
ηi:障碍物i的影响因数。
di(y):无人机所在位置距障碍物i的距离,在y轴上的分量。
Vyoz(y):无人机速度在y轴上的分量。
结合水平和竖直平面的分析,得“空-地”运行评估模型图。
S33:得到“空-地”的风险评估公式8;
Searth=SHξ+SVχ+Nμ (8)
Searth:“空-地”风险系数,值越大,风险性越高
ξ:水平方向权重
χ:竖直方向权重
N:障碍威胁区障碍物数量
μ:空域固定影响因数,受空域气候和密度影响,取值为(0~1)。
与现有技术相比,本发明的优点在于:
“空-空”运行风险评估:
1、将空域密度、飞行器在空域中的分布、无人机的微观动向作为输入数据,从微观和动态层面对无人机的运行风险进行评估。
2、将空域中多架无人机纳入考虑,并区分不同无人机之间的安全距离,从全局空域角度对飞行风险进行评估。
3、数据获取由星基ADS-B设备提供,可对普通ADS-B设备无法监视到的空域进行分析,一定程度上避免根据历史飞行事故数据,对飞行风险进行评估。
4、依靠无人机的最小安全距离和当前姿态,判定后期运行中无人机之间可达到的最小距离,从而判定无人机的运行安全性,为后期的危险预测提供较为合理的方法。
“空-地”运行风险评估:
1、以无人机速度方向及转向范围,确定障碍物威胁范围,减少不必要的障碍威胁考虑。
2、水平方向上,将运行速度和障碍物对无人机构成威胁的角度纳入分析,较为全面的判定了障碍物的威胁程度,使得运行风险的判定根据合理性。
3、竖直方向上,将无人机的速度方向和障碍物方向进行分析,判定障碍物的高度是否与无人机当前飞行姿态存在冲突,在无人机的避撞层面上对威胁程度进行了分析,更为接近无人机运行的实际情况。
附图说明
图1是本发明实施例“空-空”威胁划分图;
图2是本发明实施例“空-空”危险判别图;
图3是本发明实施例“空-空”危险判别修正图;
图4是本发明实施例“空-空”风险评估流程图;
图5是本发明实施例“空-地”水平面威胁分析图;
图6是本发明实施例“空-地”竖直平面威胁分析图;
图7是本发明实施例“空-地”运行风险评估模型图;
图8是本发明实施例“空-地”风险评估流程图。
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。
一种基于星基ADS-B数据的无人机运行风险评估方法,包括以下步骤;
S1:提取星基ADS-B的数据,对数据进行解析处理。获得无人机的飞行速度、经纬度、飞行高度、姿态、航向数据。
S2:“空-空”风险评估,流程如图4所示;
S21:设0号无人机为待评估无人机,空域存在N架无人机,标号依次为1,2,3......n。星基ADS-B设备,提取坐标为0(x0,y0,z0),1(x1,y1,z1),2(x2,y2,z2)......n(xn,yn,zn)。计算0号无人机(待测无人机)与空域中其他无人机之间的欧式距离:
将无人机之间的距离划分威胁程度,并定义对应的威胁因子,如表1:
表1“空-空”影响因子
ρL:根据空域固有环境特点,测得的无人机之间互不干扰的最小距离。
ρmin:无人机之间的最小安全距离,如图1。
表2速度角度威胁划分
V0(x),V0(y),V0(z),Vi(x),Vi(y),Vi(z)分别为0,i号无人机速度在X,Y,Z轴的分量。若Tn不存在,则不会相撞,令L(i)max=0。
因此,当L(i)max≤ρ0i时,不会发生碰撞。其中L(i)max为第i架无人机与测试无人机之间的最小安全距离由于无人机之间的最小安全距离为ρmin,因此初始安全距离修正为,如图3:
ρmin(x),ρmin(y),ρmin(z)分别为最小安全距离在X,Y,Z轴的分量。若Tn不存在,则不会相撞,令L(i)max=0。
S23:结合无人机的空域密度,无人机之间运行状态,可得“空-空”无人机飞行评估公式为:
Ssky:为风险系数,值越大运行风险越高
NQ:为潜在风险区域无人机数量
NW:为威胁预警区域无人机数量
μ:空域固定影响因数,受空域气候和密度影响,取值为(0~1)
S3:“空-地”风险评估,流程如图8所示;
S31:获取障碍物位置信息M1(x1,y1,h1),M2(x2,y2,h2),M3(x3,y3,h3),…Mn(xn,yn,hn),其中n为障碍物代号,hn为障碍物高度,Mn(xn,yn,hn)为障碍物坐标。
S32:提取无人机飞行高度h0、速度V0。
S321:水平面分析:(1)令无人机转弯的最大角度为θ,将障碍物与速度方向投影到xoy平面上,其中速度的投影为Vxoy;(2)以无人机所在位置的为角度顶点,Vxoy方向为角的一条矢边,顺时针和逆时针各形成角度为θ的角度,以无人机与障碍之间的最小安全距离dmin为半径,建立圆心角为2θ的扇形区域AOB,即障碍威胁区域;(3)将部分和全部在扇形AOB区域内的障碍物设为威胁障碍物,设无人机距障碍物边缘最近距离为Ri(i=1,2...n),最近距离连线与速度方向的夹角为δi,如图5。则障碍物威胁程度如式3。
SH:水平方向障碍物的威胁程度,值越大威胁程度越高。
V0(x):无人机速度早x轴上的分量。
Ri(x):无人机距障碍物i的距离在x轴上的分量
S322:竖直平面分析:(1)根据水平面分析原理,判断威胁区障碍物,高度为hi(i=1,2...n)。(2)将障碍物最高点与无人机所在位置连接,令连线与Z轴正方向的夹角为σi,无人机速度方向与Z轴正方向夹角为γ,如图6。可得竖直平面的威胁划分如表3。
表3“空-地”竖直平面威胁划分
γ | σ<sub>i</sub> | σ<sub>i</sub>-γ | 威胁判定 | 影响因素(η) |
>90° | <90° | / | 重度威胁 | 1 |
>90° | ≥90° | <0 | 重度威胁 | 1 |
>90° | ≥90° | ≥0 | 轻度威胁 | η |
<90° | <90° | <0 | 重度威胁 | η |
<90° | <90° | ≥0 | 轻度威胁 | 1 |
<90° | ≥90° | / | 无威胁 | 0 |
SV:竖直平面障碍物的威胁程度,值越大危险性越高。
ηi:障碍物i的影响因数。
di(y):无人机所在位置距障碍物i的距离,在y轴上的分量。
Vyoz(y):无人机速度在y轴上的分量。
结合水平和竖直平面的分析,可得“空-地”运行评估模型图,如图7。
S33:“空-地”的风险评估方法;
Searth=SHξ+SVχ+Nμ (8)
Searth:“空-地”风险系数,值越大,风险性越高
ξ:水平方向权重
χ:竖直方向权重
N:障碍威胁区障碍物数量
μ:空域固定影响因数,受空域气候和密度影响,取值为(0~1)。
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 (1)
1.一种基于星基ADS-B数据的无人机运行风险评估方法,其特征在于,包括以下步骤:
S1:提取星基ADS-B的数据,对数据进行解析处理;获得无人机的飞行速度、经纬度、飞行高度、姿态、航向数据;
S2:“空-空”风险评估;
S21:设0号无人机为待评估无人机,空域存在N架无人机,标号依次为1,2,3......n;星基ADS-B设备,提取坐标为0(x0,y0,z0),1(x1,y1,z1),2(x2,y2,z2)......n(xn,yn,zn);计算0号无人机与空域中其他无人机之间的欧式距离:
将无人机之间的距离划分威胁程度,并定义对应的威胁因子,如表1:
表1“空-空”影响因子
ρL:根据空域固有环境特点,测得的无人机之间互不干扰的最小距离;
ρmin:无人机之间的最小安全距离;
表2速度角度威胁划分
V0(x),V0(y),V0(z),Vi(x),Vi(y),Vi(z)分别为0,i号无人机速度在X,Y,Z轴的分量;若Tn不存在,则不会相撞,令L(i)max=0;
当L(i)max≤ρ0i时,不会发生碰撞,其中L(i)max为第i架无人机与测试无人机之间的最小安全距离由于无人机之间的最小安全距离为ρmin,因此初始安全距离修正为:
ρmin(x),ρmin(y),ρmin(z)分别为最小安全距离在X,Y,Z轴的分量;若Tn不存在,则不会相撞,令L(i)max=0;
S23:结合无人机的空域密度,无人机之间运行状态,得到“空-空”无人机飞行评估公式为:
Ssky:为风险系数,值越大运行风险越高;
NQ:为潜在风险区域无人机数量;
NW:为威胁预警区域无人机数量;
μ:空域固定影响因数,受空域气候和密度影响,取值为0~1;
S3:“空-地”风险评估;
S31:获取障碍物位置信息M1(x1,y1,h1),M2(c2,y2,h2),M3(x3,y3,h3),…Mn(xn,yn,hn),其中n为障碍物代号,hn为障碍物高度,Mn(xn,yn,hn)为障碍物坐标;
S32:提取无人机飞行高度h0、速度V0;
S321:水平面分析:
(1)令无人机转弯的最大角度为θ,将障碍物与速度方向投影到xoy平面上,其中速度的投影为Vxoy;
(2)以无人机所在位置的为角度顶点,Vxoy方向为角的一条矢边,顺时针和逆时针各形成角度为θ的角度,以无人机与障碍之间的最小安全距离dmin为半径,建立圆心角为2θ的扇形区域AOB,即障碍威胁区域;
(3)将部分和全部在扇形AOB区域内的障碍物设为威胁障碍物,设无人机距障碍物边缘最近距离为Ri(i=1,2...n),最近距离连线与速度方向的夹角为δi;则障碍物威胁程度如式3;
计算式6:
SH:水平方向障碍物的威胁程度,值越大威胁程度越高;
V0(x):无人机速度早x轴上的分量;
Ri(x):无人机距障碍物i的距离在x轴上的分量;
S322:竖直平面分析:
(1)根据水平面分析原理,判断威胁区障碍物,高度为hi(i=1,2...n);
(2)将障碍物最高点与无人机所在位置连接,令连线与Z轴正方向的夹角为σi,无人机速度方向与Z轴正方向夹角为γ,得竖直平面的威胁划分如表3;
表3“空-地”竖直平面威胁划分
计算竖直平面障碍物的威胁程度如式7:
SV:竖直平面障碍物的威胁程度,值越大危险性越高;
ηi:障碍物i的影响因数;
di(y):无人机所在位置距障碍物i的距离,在y轴上的分量;
Vyoz(y):无人机速度在y轴上的分量;
结合水平和竖直平面的分析,得“空-地”运行评估模型图;
S33:得到“空-地”的风险评估公式8;
Searth=SHξ+SVχ+Nμ (8)
Searth:“空-地”风险系数,值越大,风险性越高;
ξ:水平方向权重;
χ:竖直方向权重;
N:障碍威胁区障碍物数量;
μ:空域固定影响因数,受空域气候和密度影响,取值为0~1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010697126.4A CN111859247B (zh) | 2020-07-20 | 2020-07-20 | 一种基于星基ads-b数据的无人机运行风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010697126.4A CN111859247B (zh) | 2020-07-20 | 2020-07-20 | 一种基于星基ads-b数据的无人机运行风险评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111859247A CN111859247A (zh) | 2020-10-30 |
CN111859247B true CN111859247B (zh) | 2022-06-28 |
Family
ID=73002072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010697126.4A Active CN111859247B (zh) | 2020-07-20 | 2020-07-20 | 一种基于星基ads-b数据的无人机运行风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111859247B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113177719A (zh) * | 2021-05-07 | 2021-07-27 | 民航成都电子技术有限责任公司 | 民航净空安全风险评估方法、装置、计算机设备及存储介质 |
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 |
CN113362655B (zh) * | 2021-05-24 | 2022-09-13 | 东方红卫星移动通信有限公司 | 一种基于ads-b的远程信息汇聚方法 |
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 |
CN116229371B (zh) * | 2023-03-13 | 2023-10-13 | 浙江省交通运输科学研究院 | 一种天空地一体化公路边坡安全防控方法 |
CN117434967B (zh) * | 2023-12-18 | 2024-03-15 | 成都正扬博创电子技术有限公司 | 一种无人机防撞检测方法、系统、介质及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101276379A (zh) * | 2007-11-16 | 2008-10-01 | 民航数据通信有限责任公司 | 一种与ads-b相关的uat数据链opnet仿真模型 |
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 |
CN109708622A (zh) * | 2017-12-15 | 2019-05-03 | 福建工程学院 | 基于Pixhawk利用无人机对建筑物进行三维建模的方法 |
CN110426046A (zh) * | 2019-08-21 | 2019-11-08 | 西京学院 | 一种无人机自主着陆跑道区域障碍物判断与跟踪方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190051192A1 (en) * | 2017-11-15 | 2019-02-14 | Intel IP Corporation | Impact avoidance for an unmanned aerial vehicle |
-
2020
- 2020-07-20 CN CN202010697126.4A patent/CN111859247B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101276379A (zh) * | 2007-11-16 | 2008-10-01 | 民航数据通信有限责任公司 | 一种与ads-b相关的uat数据链opnet仿真模型 |
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 |
CN109708622A (zh) * | 2017-12-15 | 2019-05-03 | 福建工程学院 | 基于Pixhawk利用无人机对建筑物进行三维建模的方法 |
CN110426046A (zh) * | 2019-08-21 | 2019-11-08 | 西京学院 | 一种无人机自主着陆跑道区域障碍物判断与跟踪方法 |
Non-Patent Citations (4)
Title |
---|
A Field Assessment of a Rain Estimation System Based on Satellite-to-Earth Microwave Links;Matteo Colli 等;《IEEE Transactions on Geoscience and Remote Sensing》;IEEE;20181128;全文 * |
Sense and Avoid for Unmanned Aerial Vehicles using ADS-B;Yucong Lin 等;《2015 IEEE International Conference on Robotics and Automation (ICRA)》;IEEE;20150702;全文 * |
基于多因素融合建模下无人机航行环境评估方法;马昕等;《科学技术与工程》;20190528(第15期);全文 * |
面向低空安全的三维空中走廊可视化研究综述;冯登超;《电子测量技术》;20180427;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111859247A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111859247B (zh) | 一种基于星基ads-b数据的无人机运行风险评估方法 | |
CN103592948B (zh) | 无人机飞行防撞方法 | |
Ramasamy et al. | Avionics sensor fusion for small size unmanned aircraft sense-and-avoid | |
CN107272731A (zh) | 无人机自动避撞系统 | |
US20130229298A1 (en) | Threaded Track Method, System, and Computer Program Product | |
Wang et al. | Collision risk management for non-cooperative UAS traffic in airport-restricted airspace with alert zones based on probabilistic conflict map | |
CN112885155A (zh) | 一种融合空域内无人机飞行碰撞风险评估方法 | |
CN104007426A (zh) | 一种基于lse(最小方差估计)的ads与雷达信息系统误差配准算法 | |
EP3336577B1 (en) | Prediction of vehicle maneuvers based on signal characteristics | |
Kuzmenko et al. | Airplane flight phase identification using maximum posterior probability method | |
Zhang et al. | Collision probability between intruding drone and commercial aircraft in airport restricted area based on collision-course trajectory planning | |
Clothier et al. | The smart skies project | |
Krozel et al. | Conflict detection and resolution for future air transportation management | |
Lin et al. | A fast obstacle collision avoidance algorithm for fixed wing uas | |
Ostroumov et al. | Risk of mid-air collision estimation using minimum spanning tree of air traffic graph. | |
Peinecke et al. | Minimum risk low altitude airspace integration for larger cargo UAS | |
Su et al. | A comprehensive flight plan risk assessment and optimization method considering air and ground risk of UAM | |
Pham et al. | Review of unmanned aerial vehicles (UAVs) operation and data collection for driving behavior analysis | |
Park et al. | Investigating detect-and-avoid surveillance performance for unmanned aircraft systems | |
Janisch et al. | Uav collision risk as part of u-space demand and capacity balancing | |
Campaña et al. | Air tracking and monitoring for unmanned aircraft traffic management | |
Fang | Risk-based supervisory guidance for detect and avoid involving small unmanned aircraft systems | |
Drumm et al. | Remotely Piloted Vehicles in civil airspace: requirements and analysis methods for the traffic alert and collision avoidance system (TCAS) and see-and-avoid systems | |
Le Tallec et al. | Low level rpas traffic management (llrtm) concept of operation | |
Gellerman et al. | Integration of a radar sensor into a sense-and-avoid payload for small UAS |
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 |