CN112348381A - 一种无人机设备调度数据的处理方法、装置以及服务器 - Google Patents
一种无人机设备调度数据的处理方法、装置以及服务器 Download PDFInfo
- Publication number
- CN112348381A CN112348381A CN202011263242.1A CN202011263242A CN112348381A CN 112348381 A CN112348381 A CN 112348381A CN 202011263242 A CN202011263242 A CN 202011263242A CN 112348381 A CN112348381 A CN 112348381A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- data
- vehicle equipment
- scheduling
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000003062 neural network model Methods 0.000 claims abstract description 18
- 239000000284 extract Substances 0.000 claims abstract description 11
- 238000012806 monitoring device Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 11
- 230000007246 mechanism Effects 0.000 description 7
- 238000012795 verification Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
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
-
- 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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
本申请提供了一种无人机设备调度数据的处理方法、装置以及服务器,用于通过无人机设备调度模型针对目标区域的无人机设备数据以及地理特征数据进行无人机设备的高效调度处理。方法包括:服务器确定待处理的目标区域;服务器确定目标区域对应的无人机设备数据以及地理特征数据;服务器将无人机设备数据以及地理特征数据输入无人机设备调度模型,以进行无人机设备的调度处理,其中,无人机设备调度模型是基于不同样本区域对应的无人机设备样本调度数据训练初始神经网络模型得到的,无人机设备样本调度数据标注有对应的无人机设备样本数据以及地理特征样本数据;服务器提取无人机设备调度模型输出的无人机设备调度数据。
Description
技术领域
本申请涉及无人机领域,尤其涉及一种无人机设备调度数据的处理方法、装置以及服务器。
背景技术
08年的汶川地震、10年的玉树地震、13年的九寨沟地震等自然灾害造成大面积人员伤亡,设施损毁以及重大基础设施的破坏,形成信息孤岛,高密度人口区7级以上尤其是7.5甚至8及以上地震的情况下,如何快速灾情信息获取是当前抗震救援的重大问题。
无人机,以其不断成熟的技术,成为空中力量和地面力量有效系统救援的重要支撑之一,作为突发性事故侦察和灾情回传的重要应用,无人机已经成为防灾应急产业中新兴的技术风向和高配装备。无人机对气象和环境有较强的适应能力,通过无人机负载设备的配合,复杂的灾情现场,也可通过数字化影像、三维模型形式呈现,为消防应急部门合理分配救援力量、制定精准救援方案提供了强有力的信息化支持。面对应用环境更为严苛、技术保障要求更高的应急救援领域,无人机展现了其出色的应用价值。
而在现有的相关技术的研究过程中,发明人发现,现有的无人机勘测灾情,往往是震后1-2天内,时间比较滞后,换句话说,现有的无人机设备管理机制,存在着响应能力较慢的问题,这影响了快速获取灾情信息、第一时间施加救援、减少损失的工作进行。
发明内容
本申请提供了一种无人机设备调度数据的处理方法、装置以及服务器,用于通过无人机设备调度模型针对目标区域的无人机设备数据以及地理特征数据进行无人机设备的高效调度处理,以此可快速落实无人机飞行任务,第一时间响应灾情等特殊事件,促进救援的及时进行,减少损失。
第一方面,本申请提供了一种无人机设备调度数据的处理方法,方法包括:
服务器确定待处理的目标区域,其中,目标区域是基于地理区域划分得到的区域;
服务器确定目标区域对应的无人机设备数据以及地理特征数据;
服务器将无人机设备数据以及地理特征数据输入无人机设备调度模型,以进行无人机设备的调度处理,其中,无人机设备调度模型是基于不同样本区域对应的无人机设备样本调度数据训练初始神经网络模型得到的,无人机设备样本调度数据标注有对应的无人机设备样本数据以及地理特征样本数据,无人机设备调度模型用于根据输入的待处理区域的无人机设备数据以及地理特征数据进行无人机设备的调度处理;
服务器提取无人机设备调度模型输出的无人机设备调度数据。
结合本申请第一方面,在本申请第一方面第一种可能的实现方式中,服务器确定目标区域对应的无人机设备数据包括:
服务器获取目标区域的目标区域标识(Identification,ID);
服务器从监控装置列表中查找与目标区域ID具有绑定关系的目标装置ID,其中,监控装置列表包含不同区域ID与不同装置ID之间的绑定关系,装置ID所标识的监控装置用于配置在对应无人机设备并对飞行状态进行监控;
服务器调取与目标装置ID具有绑定关系的无人机设备数据。
结合本申请第一方面第一种可能的实现方式,在本申请第一方面第二种可能的实现方式中,方法还包括:
服务器接收用户设备上报的更新请求,注册请求携带用户输入的用户数据、无人机设备数据、目标区域ID以及目标装置ID;
在注册请求通过验证后,服务器根据更新请求,更新监控装置列表。
结合本申请第一方面,在本申请第一方面第三种可能的实现方式中,无人机设备样本调度数据还标注有对应的灾情样本数据,灾情样本数据对应的灾情类型包括地质灾害类型、天气灾害类型、环境灾害类型、生化灾害类型或者海洋灾害类型中的至少一种。
结合本申请第一方面第三种可能的实现方式,在本申请第一方面第四种可能的实现方式中,服务器确定待处理的目标区域包括:
服务器获取当前的灾情数据,其中,灾情数据包括灾情类型、灾情等级以及灾区区域;
服务器确定与灾情数据对应的目标区域;
服务器将无人机设备数据以及地理特征数据输入无人机设备调度模型包括:
服务器将无人机设备数据、地理特征数据以及灾情数据输入无人机设备调度模型。
结合本申请第一方面第三种可能的实现方式,在本申请第一方面第五种可能的实现方式中,服务器提取无人机设备调度模型输出的无人机设备调度数据之后,方法还包括:
服务器获取当前目标区域对应的灾情数据,其中,灾情数据包括灾情类型、灾情等级以及灾区区域;
服务器将无人机设备数据、地理特征数据以及灾情数据输入无人机设备调度模型,并提取得到无人机设备调取模型输出的当前无人机设备调度数据;
服务器结合无人机设备调度数据以及当前无人机设备调度数据两者,确定目标无人机设备调度数据。
结合本申请第一方面,在本申请第一方面第六种可能的实现方式中,服务器提取无人机设备调度模型输出的无人机设备调度数据之后,还包括:
服务器将无人机设备调度数据推送至对应的用户设备,以使得用户设备侧的无人机操作人员根据无人机调度数据的内容进行无人机飞行任务,其中,无人机调度数据包括无人机飞行航线。
第二方面,本申请提供了一种无人机设备调度数据的处理装置,装置包括:
确定单元,用于确定待处理的目标区域,其中,目标区域是基于地理区域划分得到的区域;
确定单元,还用于确定目标区域对应的无人机设备数据以及地理特征数据;
处理单元,用于将无人机设备数据以及地理特征数据输入无人机设备调度模型,以进行无人机设备的调度处理,其中,无人机设备调度模型是基于不同样本区域对应的无人机设备样本调度数据训练初始神经网络模型得到的,无人机设备样本调度数据标注有对应的无人机设备样本数据以及地理特征样本数据,无人机设备调度模型用于根据输入的待处理区域的无人机设备数据以及地理特征数据进行无人机设备的调度处理;
提取单元,用于提取无人机设备调度模型输出的无人机设备调度数据。
结合本申请第二方面,在本申请第二方面第一种可能的实现方式中,确定单元,具体用于:
获取目标区域的目标区域ID;
从监控装置列表中查找与目标区域ID具有绑定关系的目标装置ID,其中,监控装置列表包含不同区域ID与不同装置ID之间的绑定关系,装置ID所标识的监控装置用于配置在对应无人机设备并对飞行状态进行监控;
调取与目标装置ID具有绑定关系的无人机设备数据。
结合本申请第二方面第一种可能的实现方式,在本申请第一方面第二种可能的实现方式中,装置还包括更新单元,用于:
接收用户设备上报的更新请求,注册请求携带用户输入的用户数据、无人机设备数据、目标区域ID以及目标装置ID;
在注册请求通过验证后,根据更新请求,更新监控装置列表。
结合本申请第二方面,在本申请第二方面第三种可能的实现方式中,无人机设备样本调度数据还标注有对应的灾情样本数据,灾情样本数据对应的灾情类型包括地质灾害类型、天气灾害类型、环境灾害类型、生化灾害类型或者海洋灾害类型中的至少一种。
结合本申请第二方面第三种可能的实现方式,在本申请第二方面第四种可能的实现方式中,确定单元,具体用于:
获取当前的灾情数据,其中,灾情数据包括灾情类型、灾情等级以及灾区区域;
确定与灾情数据对应的目标区域;
处理单元,具体用于:
将无人机设备数据、地理特征数据以及灾情数据输入无人机设备调度模型。
结合本申请第二方面第三种可能的实现方式,在本申请第二方面第五种可能的实现方式中,装置还包括获取单元,用于:
获取当前目标区域对应的灾情数据,其中,灾情数据包括灾情类型、灾情等级以及灾区区域;
处理单元,还用于:
将无人机设备数据、地理特征数据以及灾情数据输入无人机设备调度模型;
提取单元,还用于:
提取无人机设备调度模型输出的当前无人机设备调度数据;
确定单元,还用于:
结合无人机设备调度数据以及当前无人机设备调度数据两者,确定目标无人机设备调度数据。
结合本申请第二方面,在本申请第二方面第六种可能的实现方式中,装置还包括推送单元,用于:
将无人机设备调度数据推送至对应的用户设备,以使得用户设备侧的无人机操作人员根据无人机调度数据的内容进行无人机飞行任务,其中,无人机调度数据包括无人机飞行航线。
第三方面,本申请提供了服务器,包括处理器,处理器用于执行存储器中存储的计算机程序时实现如本申请第一方面或者本申请第一方面任意种可能的实现方式所述的方法。
第四方面,本申请提供了可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如本申请第一方面或者本申请第一方面任意种可能的实现方式所述的方法。
从以上技术方案可以看出,本申请具有以下优点:
针对于无人机设备调度场景,本申请先基于不同样本区域对应的无人机设备样本调度数据训练初始神经网络模型得到一无人机设备调度模型,而该无人机设备样本调度数据标注有对应的无人机设备样本数据以及地理特征样本数据,如此,训练得到的无人机设备调度模型后续可结合待处理区域的无人机设备数据以及地理特征数据两者进行无人机设备的调度处理,在该无人机设备的调度机制下,由于引入了神经网络模型进行无人机设备的调度处理,相比于现有技术中由无人机调度中心的工作人员安排无人机设备的调度,可显著提高响应效率,完成高效的调度处理,以此可快速落实无人机飞行任务,第一时间响应灾情等特殊事件,促进救援的及时进行,减少损失。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请无人机设备调度数据的处理方法的一种流程示意图;
图2为本申请无人机设备调度数据的处理方法的又一种流程示意图;
图3为本申请无人机设备调度数据的处理方法的又一种流程示意图;
图4为本申请无人机设备调度数据的处理装置的一种结构示意图;
图5为本申请服务器的一种结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在以下的说明中,本申请的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明,除非另有述明。因此,这些步骤及操作将有数次提到由计算机执行,本文所指的计算机执行包括了由代表了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存系统中的位置处,其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实体位置,其具有由该数据格式所定义的特定特性。但是,本申请原理以上述文字来说明,其并不代表为一种限制,本领域测试人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。
本申请的原理使用许多其它泛用性或特定目的运算、通信环境或组态来进行操作。所熟知的适合用于本申请的运算系统、环境与组态的范例可包括(但不限于)手持电话、个人计算机、服务器、多处理器系统、微电脑为主的系统、主架构型计算机、及分布式运算环境,其中包括了任何的上述系统或装置。
本申请中的术语“第一”、“第二”和“第三”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。
首先,在介绍本申请之前,先介绍下本申请关于应用背景的相关内容。
本申请提供的无人机设备调度数据的处理方法、装置以及计算机可读存储介质,可应用于无人机调度中心的服务器上,用于通过无人机设备调度模型针对目标区域的无人机设备数据以及地理特征数据进行无人机设备的高效调度处理,以此可快速落实无人机飞行任务,第一时间响应灾情等特殊事件,促进救援的及时进行,减少损失。其中,该服务器,在实际应用中,可采用服务器集群的方式存在。
现有的相关技术中在进行无人机设备的调度时,需要无人机调度中心的管理人员,对当前需求进行无人机设备的调度管理,显然依赖于人工操作,这导致了现有的无人机设备调度机制存在着响应能力较慢的问题,影响了快速获取灾情信息、第一时间施加救援、减少损失的工作进行。
基于现有的相关技术存在的上述缺陷,本申请提供了一种无人机设备调度数据的处理方法,或者说一种新的无人机调度方案,用于在一定程度上克服该缺陷,完成高效的调度处理。
下面开始介绍本申请提供的无人机设备调度数据的处理方法。
首先,参阅图1,图1示出了本申请无人机设备调度数据的处理方法的一种流程示意图,在本申请中,无人机设备调度数据的处理方法,具体可包括如下步骤:
步骤S101,服务器确定待处理的目标区域,其中,目标区域是基于地理区域划分得到的区域;
步骤S102,服务器确定目标区域对应的无人机设备数据以及地理特征数据;
步骤S103,服务器将无人机设备数据以及地理特征数据输入无人机设备调度模型,以进行无人机设备的调度处理,其中,无人机设备调度模型是基于不同样本区域对应的无人机设备样本调度数据训练初始神经网络模型得到的,无人机设备样本调度数据标注有对应的无人机设备样本数据以及地理特征样本数据,无人机设备调度模型用于根据输入的待处理区域的无人机设备数据以及地理特征数据进行无人机设备的调度处理;
步骤S104,服务器提取无人机设备调度模型输出的无人机设备调度数据。
从图1所示实施例可看出,针对于无人机设备调度场景,本申请先基于不同样本区域对应的无人机设备样本调度数据训练初始神经网络模型得到一无人机设备调度模型,而该无人机设备样本调度数据标注有对应的无人机设备样本数据以及地理特征样本数据,如此,训练得到的无人机设备调度模型后续可结合待处理区域的无人机设备数据以及地理特征数据两者进行无人机设备的调度处理,在该无人机设备的调度机制下,由于引入了神经网络模型进行无人机设备的调度处理,相比于现有技术中由无人机调度中心的工作人员安排无人机设备的调度,可显著提高响应效率,完成高效的调度处理,以此可快速落实无人机飞行任务,第一时间响应灾情等特殊事件,促进救援的及时进行,减少损失。
下面继续对图1所示实施例中的各个步骤在实际应用中可能采用的实现方式进行详细介绍。
在本申请中,所提及的区域,具体可以是以行政区划划分的地理区域;或者,也可按照地形划分的地理区域;又或者,也可按照自定义划分策略划分的地理区域,具体划分策略可随实际需要调整。
所称的待处理的区域,可以为当前触发进行无人机设备调度处理的区域,例如发生灾情的区域,或者在人工操作下当前具有调度需求的区域。
区域对应的无人机设备数据以及地理特征数据,可以预先配置。可以理解,无人机设备在加入到本申请所提供的无人机设备调度机制时,可报备其设备数据,而地理特征数据则是基于区域本身的地理条件得到的,一般固定不变,极少数的特殊情况可能发生变更、需要更新。
所涉及的神经网络模型,模型类型,具体可以采用如SSD模型、YOLOv3模型、R-CNN模型、Fast R-CNN模型、Faster R-CNN模型、Mask R-CNN模型、ResNet模型等不同类型的模型。
而初始神经网络模型,可以为初始化的神经网络模型,也可以为之前已经训练过的神经网络模型,当前再次进行训练可起到更新模型效果。
对于初始神经网络模型的训练,其训练过程大概包括:依次将每个样本区域对应的无人机设备样本数据以及地理特征样本数据输入初始神经网络模型,进行正向转播,并提取模型调度处理后输出的无人机设备调度数据,结合当前机器输出的无人机设备调度数据以及之前确定的无人机设备样本调度数据计算损失函数,并根据损失函数计算结果对模型进行反向传播,调整、优化模型的参数,如此经过多轮的训练,达到训练次数、训练时间、调度精度等模型训练要求时,可完成模型的训练,训练完成的模型则可作为本申请提及的无人机设备调度模型。
其中,损失函数示例性的,可以为交叉熵损失函数、Triplet损失函数、中心损失函数等类型的损失函数。
模型在进行实际应用后,则可基于模型根据当前目标区域的无人机设备数据以及地理特征数据进行调度处理得到的无人机设备调度数据,进行无人机设备的飞行任务的分配,凭借着机器学习所具有的高效、精确地调度处理,可快速落实无人机飞行任务。
其中,在实际应用中,为方便对具体无人机设备进行监管,还可为加入到本申请所提供的无人机设备调度机制中的无人机设备统一要求配置监控装置,该监控装置可通过卡扣、卡槽、魔术贴等连接方式搭载在无人机设备上,随着无人机设备款式、结构的不同,其连接方式可随实际需要调整。当监控装置搭载在无人机设备上时,对无人机设备的空中飞行只产生微弱影响的前提下,监控装置可通过自身的定位模块或者无人机设备的定位模块采集并存储飞行数据,待无人机设备返航回到无人机操作人员处时,可通过内置的通信模块将飞行数据上传至平台,以进行飞行轨迹回放以及记录,达到监控的目的,当然,监控装置也可在飞行期间进行飞行数据的上传,又或者由无人机操作人员进行飞行数据的导出、上传等操作。
其中,该监控装置,具体可以配置为当检测到存在无人机设备处于飞行状态时,再触发飞行数据的采集以及存储;或者,也可以配置为由无人机操作人员处的用户设备的相关应用通过蓝牙连接等方式,直接触发该监控装置进行飞行数据的采集以及存储,或者通过平台远程触发该监控装置进行飞行数据的采集以及存储,如此达到监控无人机设备的飞行状态的效果。
无人机设备,其设备上配置有摄像模块,以此凭借无人机可空中飞行的特点,进行航拍,当然,除了摄像模块,无人机设备上可随实际需要配置其他不同类型的感应模块,进行不同方面的勘测任务,例如,温度传感器、湿度传感器、风速传感器等类型的传感器。
在实际应用中,本申请所提供的无人机设备调度机制,考虑到其监控需要,具体可以以监控模块为中心,实现无人机设备的精准监控。
具体的,在本申请中,可配置监控装置列表,监控装置列表中包含了不同区域ID以及不同装置ID之间的绑定关系,如此,可根据当前目标区域的区域ID从该表列表中查找到对应的装置ID,即,确定当前目标区域所属的多个监控装置,而每个监控装置都有着各自所搭载的无人机设备,因此,确定了装置ID后,则可再确定装置ID具有绑定关系的无人机设备,并调取其无人机设备数据。
该无人机设备数据,可包含无人机设备本身的设备参数,例如飞行速度、适用地形、续航时长等,还可包含无人机设备对应操作人员的用户参数,例如用户标识、无人机执照、工作时间段等,具体数据内容可随实际需要调整。
进一步的,该监控装置列表中也可直接包含不同装置ID与不同无人机设备之间的对应关系,甚至的,无人机设备数据也可直接包含在该监控装置列表中,具体可随实际需要调整。
该监控装置列表,还可涉及到列表的更新。
在一般情况下,当无人机操作人员更换无人机、增加无人机、更换监控装置、增加无人机、更换所属区域等进行更新操作时,可通过用户设备上的相关应用发起更新请求,该请求中可携带用户数据、无人机设备数据、区域ID以及装置ID,如此,可根据该请求所携带的内容,在监控装置列表中更新涉及的数据,具体的,请求还可直接标识所要求更新的内容项,以方便直接基于该内容项进行更新操作。
进一步的,在根据该请求进行更新之前,还可先对该请求进行验证,例如用户身份验证、内容规范验证、网络安全验证、更新权限验证等,以便起到保护数据安全的目的,防止监控装置列表中的数据遭到篡改。
其中,本申请所提及的用户设备(User Equipment,UE),具体可以为智能手机、平板电脑、笔记本电脑、个人数字助理(Personal Digital Assistant,PDA)、台式电脑、电脑一体机等不同类型的终端设备。
可以理解的是,在本申请中,基于目标区域的无人机设备数据以及地理特征数据进行无人机设备的调度处理,是基于无人机设备以及地理特征两者进行的,可以看出,其处理是基于长时间固定不变的数据进行的。
因此,在上文中未指出的是,本申请在进行无人机设备的调度处理时,不仅可基于当前的调度需求进行的,也可以在具有调度需求之前预先进行的,以此可提前确定无人机设备的调度方案(无人机设备调度数据),当后续具有调度需求时,则可直接基于预先完成的调度方案,分配无人机设备的飞行任务。
进一步的,考虑到部分的无人机飞行任务可能是针对发生的灾害事件进行的,例如若发生地震、洪灾、泥石流、台风等灾害事件,则可能对区域内的地理特征造成暂时或者永久的影响,使得当前地理特征与之前的地理特征存在差异,又或者对于无人机设备的飞行条件带来影响,例如台风、龙卷风、强风可能导致部分区域不适于无人机设备的飞行。
因此,本申请在进行无人机设备的调度处理时,还可引入灾害事件元素,以考虑灾害事件对于无人机设备的调度。具体的,无人机设备调度模型,在训练过程中,可引入灾害事件元素,即,无人机设备样本调度数据中,还可标注有对应的灾情样本数据,而灾情样本数据对应的灾情类型具体还可包括地质灾害类型、天气灾害类型、环境灾害类型、生化灾害类型和海洋灾害类型中的至少一种。
其中,灾情样本数据中,还可指示对应灾害事件的灾情等级以及灾区区域,以便更好地量化灾害事件。
如此,训练得到的无人机设备调度模型,其输出的无人机设备调度数据,还可针对于可能存在或者已经存在的灾害事件,对无人机设备的调度进行了相应的优化调整。
从这也可看出,本申请中涉及的无人机设备调度模型,输入一组输入数据,模型输出的无人机设备调度数据,不仅可以为一组,也可以为多组,每组无人机设备调度数据由于其考虑的影响因素,则在无人机设备的调度上存在着差异,而挑选哪组无人机设备调度数据,则可由管理人员进行评估确定,或者也可以基于调度数据中携带的风险指数等评估指标选择出具有最佳评价的调度数据供最终的落实应用,具体选择策略可随实际需要调整,在此不做限定。
进一步的,在实际应用中,针对于灾害事件的情况,本申请还可具有两类的应用场景。
第一种情况,根据当前的灾害事件触发调度处理
具体的,参阅图2示出的本申请无人机设备调度数据的处理方法的又一种流程示意图,方法包括了当前灾害事件对于无人机设备的调度处理的触发环节,如:
步骤S201,服务器获取当前的灾情数据,其中,灾情数据包括灾情类型、灾情等级以及灾区区域;
具体的,服务器可与灾情监控中心建立连接,服务器可被动接收灾情监控中心实时传输过来的灾情数据,又或者,也可主动、定时检测灾情监控中心是否存在灾情,若有则可调取对应的灾情数据,由后者,也可由工作人员通过手动方式输入灾情数据。
该灾情数据中,具体可包括灾情类型、灾情等级以及灾区区域三者,该三者对应了无人机设备调度模型在训练过程中采用的无人机设备样本调度数据涉及的元素,以此在实际应用中可根据具体的灾情情况进行无人机设备的调度处理。
步骤S202,服务器确定与灾情数据对应的目标区域;
进一步的,服务器再根据灾情数据,确定其所属的区域,并将该区域确认为目标区域,并通过本申请无人机设备调度数据的处理方法的后续处理,获取无人机设备调度数据。
对应的,在前面的步骤S103中,具体可将目标区域对应的无人机设备数据、地理特征数据以及灾情数据输入无人机设备调度模型,进行相应的无人机设备的调度处理。
第二种情况,结合当前的灾害事件,修正无人机设备调度数据
参阅图3示出的本申请无人机设备调度数据的处理方法的又一种流程示意图,方法还包括根据当前灾害事件对于无人机设备的调度处理的修正环节,如:
步骤S305,服务器获取当前目标区域对应的灾情数据,其中,灾情数据包括灾情类型、灾情等级以及灾区区域;
可以理解,步骤S305的内容可参考上述图2所示实施例中步骤S201以及步骤S202,具体在此不再赘述。
步骤S306,服务器将无人机设备数据、地理特征数据以及灾情数据输入无人机设备调度模型,并提取得到无人机设备调度模型输出的当前无人机设备调度数据;
可以看出,前面的步骤S301至步骤S304是预先进行的无人机设备的初次调度处理(步骤S301至步骤S304的说明可参考图1所示实施例步骤S101至步骤S104),而在得到当前目标区域的灾情数据后,则可将该灾情数据以及目标区域的无人机设备数据、地理特征数据输入无人机设备调度模型,再次进行无人机设备的调度处理,得到模型基于当前灾害事件做作出的调度方案。
步骤S307,服务器结合无人机设备调度数据以及当前无人机设备调度数据两者,确定目标无人机设备调度数据。
但得到历史的无人机设备调度数据以及当前无人机设备调度数据后,则可结合两个,确定最终的目标无人机设备调度数据,供实际应用。
示例性的,对于这两者,可预先针对无人机设备调度数据的不同方面配置对应的影响权重,再结合两者对应的权重,对无人机设备调度数据进行调整,例如对于飞行速度,一般当前无人机设备调度数据的权重更高,因此可直接将目标无人机设备调度数据中标识的飞行速度配置为当前无人机设备调度数据中标识的飞行速度;或者,将两者的速度与相应的权重相乘,再相加,所得到的飞行速度则为目标无人机设备调度数据中标识的飞行速度。
当然,具体如何基于结合两者生成其中的无人机设备调度数据,其结合策略可随实际需要调整,具体在此不做限定。
而基于两者生成最终的无人机设备调度数据,可以理解的,可在历史调度结果的基础上,结合当前的灾害情况进行修正,因此,可达到提高调度精度、调度效果的目的。
在确定目标无人机设备调度数据后,则可将之推送至对应的用户设备,该用户设备为对应无人机设备的无人机操作人员的设备,因此,用户设备可向无人机操作人员推送无人机设备调度数据的内容,起到安排无人机飞行任务的目的,无人机操作人员即可在第一时间内根据无人机调度数据的内容进行无人机飞行任务。
其中,涉及的推送方式,具体可以为通过语音机器人进语音电话提醒,或者通过短信进行提醒,或者在用户设备上的相关应用内进行消息推送,具体推送方式可随实际需要调整,在此不做限定。
而无人机调度数据中,具体还可包括无人机飞行航线,可标注有对应的经纬度坐标或者地点标识等具体内容,以供无人机操作人员进行查阅。
以上是本申请无人机设备调度数据的处理方法的介绍,为便于更好的实施本申请提供的无人机设备调度数据的处理方法,本申请还提供无人机设备调度数据的处理装置。
参阅图4,图4为本申请无人机设备调度数据的处理装置的一种结构示意图,在本申请中,无人机设备调度数据的处理装置400具体可包括如下结构:
确定单元401,用于确定待处理的目标区域,其中,目标区域是基于地理区域划分得到的区域;
确定单元401,还用于确定目标区域对应的无人机设备数据以及地理特征数据;
处理单元402,用于将无人机设备数据以及地理特征数据输入无人机设备调度模型,以进行无人机设备的调度处理,其中,无人机设备调度模型是基于不同样本区域对应的无人机设备样本调度数据训练初始神经网络模型得到的,无人机设备样本调度数据标注有对应的无人机设备样本数据以及地理特征样本数据,无人机设备调度模型用于根据输入的待处理区域的无人机设备数据以及地理特征数据进行无人机设备的调度处理;
提取单元403,用于提取无人机设备调度模型输出的无人机设备调度数据。
在一种可能的实现方式中,确定单元401,具体用于:
获取目标区域的目标区域ID;
从监控装置列表中查找与目标区域ID具有绑定关系的目标装置ID,其中,监控装置列表包含不同区域ID与不同装置ID之间的绑定关系,装置ID所标识的监控装置用于配置在对应无人机设备并对飞行状态进行监控;
调取与目标装置ID具有绑定关系的无人机设备数据。
在又一种可能的实现方式中,装置还包括更新单元404,用于:
接收用户设备上报的更新请求,注册请求携带用户输入的用户数据、无人机设备数据、目标区域ID以及目标装置ID;
在注册请求通过验证后,根据更新请求,更新监控装置列表。
在又一种可能的实现方式中,无人机设备样本调度数据还标注有对应的灾情样本数据,灾情样本数据对应的灾情类型包括地质灾害类型、天气灾害类型、环境灾害类型、生化灾害类型或者海洋灾害类型中的至少一种。
在又一种可能的实现方式中,确定单元401,具体用于:
获取当前的灾情数据,其中,灾情数据包括灾情类型、灾情等级以及灾区区域;
确定与灾情数据对应的目标区域;
处理单元402,具体用于:
将无人机设备数据、地理特征数据以及灾情数据输入无人机设备调度模型。
在又一种可能的实现方式中,装置还包括获取单元405,用于:
获取当前目标区域对应的灾情数据,其中,灾情数据包括灾情类型、灾情等级以及灾区区域;
处理单元402,具体用于:
将无人机设备数据、地理特征数据以及灾情数据输入无人机设备调度模型;
提取单元403还用于:
提取得到无人机设备调度模型输出的当前无人机设备调度数据;
确定单元401,还用于:
结合无人机设备调度数据以及当前无人机设备调度数据两者,确定目标无人机设备调度数据。
在又一种可能的实现方式中,装置还包括推送单元406,用于:
将无人机设备调度数据推送至对应的用户设备,以使得用户设备侧的无人机操作人员根据无人机调度数据的内容进行无人机飞行任务,其中,无人机调度数据包括无人机飞行航线。
本申请还提供了一种服务器,参阅图5,图5示出了本申请服务器的一种结构示意图,具体的,本申请服务器包括处理器501、存储器502、输入输出设备503,处理器501用于执行存储器502中存储的计算机程序时实现如图1至图3对应任意实施例中无人机设备调度数据的处理方法的各步骤;或者,处理器501用于执行存储器502中存储的计算机程序时实现如图4对应实施例中各单元的功能。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器502中,并由处理器501执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在计算机装置中的执行过程。
服务器可包括,但不仅限于处理器501、存储器502、输入输出设备503。本领域技术人员可以理解,示意仅仅是服务器的示例,并不构成对服务器的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如服务器还可以包括网络接入设备、总线等,处理器501、存储器502、输入输出设备503以及网络接入设备等通过总线相连。
处理器501可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,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,处理器是服务器的控制中心,利用各种接口和线路连接整个设备的各个部分。
存储器502可用于存储计算机程序和/或模块,处理器501通过运行或执行存储在存储器502内的计算机程序和/或模块,以及调用存储在存储器502内的数据,实现计算机装置的各种功能。存储器502可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据服务器的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器501用于执行存储器502中存储的计算机程序时,具体可实现以下功能:
确定待处理的目标区域,其中,目标区域是基于地理区域划分得到的区域;
确定目标区域对应的无人机设备数据以及地理特征数据;
将无人机设备数据以及地理特征数据输入无人机设备调度模型,以进行无人机设备的调度处理,其中,无人机设备调度模型是基于不同样本区域对应的无人机设备样本调度数据训练初始神经网络模型得到的,无人机设备样本调度数据标注有对应的无人机设备样本数据以及地理特征样本数据,无人机设备调度模型用于根据输入的待处理区域的无人机设备数据以及地理特征数据进行无人机设备的调度处理;
提取无人机设备调度模型输出的无人机设备调度数据。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的无人机设备调度数据的处理装置、服务器及其相应单元的具体工作过程,可以参考如图1至图3对应任意实施例中无人机设备调度数据的处理方法的说明,具体在此不再赘述。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请提供一种计算机可读存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本申请如图1至图3对应任意实施例中无人机设备调度数据的处理方法中的步骤,具体操作可参考如图1至图3对应任意实施例中无人机设备调度数据的处理方法的说明,在此不再赘述。
其中,该计算机可读存储介质可以包括:只读存储器(Read Only Memory,ROM)、随机存取记忆体(Random Access Memory,RAM)、磁盘或光盘等。
由于该计算机可读存储介质中所存储的指令,可以执行本申请如图1至图3对应任意实施例中无人机设备调度数据的处理方法中的步骤,因此,可以实现本申请如图1至图3对应任意实施例中无人机设备调度数据的处理方法所能实现的有益效果,详见前面的说明,在此不再赘述。
以上对本申请提供的无人机设备调度数据的处理方法、装置、服务器以及计算机可读存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种无人机设备调度数据的处理方法,其特征在于,所述方法包括:
服务器确定待处理的目标区域,其中,所述目标区域是基于地理区域划分得到的区域;
所述服务器确定所述目标区域对应的无人机设备数据以及地理特征数据;
所述服务器将所述无人机设备数据以及所述地理特征数据输入无人机设备调度模型,以进行无人机设备的调度处理,其中,所述无人机设备调度模型是基于不同样本区域对应的无人机设备样本调度数据训练初始神经网络模型得到的,所述无人机设备样本调度数据标注有对应的无人机设备样本数据以及所述地理特征样本数据,所述无人机设备调度模型用于根据输入的待处理区域的无人机设备数据以及地理特征数据进行无人机设备的调度处理;
所述服务器提取所述无人机设备调度模型输出的无人机设备调度数据。
2.根据权利要求1所述的方法,其特征在于,所述服务器确定所述目标区域对应的无人机设备数据包括:
所述服务器获取所述目标区域的目标区域标识ID;
所述服务器从监控装置列表中查找与所述目标区域ID具有绑定关系的目标装置ID,其中,所述监控装置列表包含不同区域ID与不同装置ID之间的绑定关系,所述装置ID所标识的监控装置用于配置在对应无人机设备并对飞行状态进行监控;
所述服务器调取与所述目标装置ID具有绑定关系的所述无人机设备数据。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
所述服务器接收用户设备上报的更新请求,所述注册请求携带用户输入的用户数据、所述无人机设备数据、所述目标区域ID以及所述目标装置ID;
在所述注册请求通过验证后,所述服务器根据所述更新请求,更新所述监控装置列表。
4.根据权利要求1所述的方法,所述无人机设备样本调度数据还标注有对应的灾情样本数据,所述灾情样本数据对应的灾情类型包括地质灾害类型、天气灾害类型、环境灾害类型、生化灾害类型或者海洋灾害类型中的至少一种。
5.根据权利要求4所述的方法,其特征在于,所述服务器确定待处理的目标区域包括:
所述服务器获取当前的灾情数据,其中,所述灾情数据包括灾情类型、灾情等级以及灾区区域;
所述服务器确定与所述灾情数据对应的所述目标区域;
所述服务器将所述无人机设备数据以及所述地理特征数据输入无人机设备调度模型包括:
所述服务器将所述无人机设备数据、所述地理特征数据以及所述灾情数据输入所述无人机设备调度模型。
6.根据权利要求4所述的方法,其特征在于,所述服务器提取所述无人机设备调度模型输出的无人机设备调度数据之后,所述方法还包括:
所述服务器获取当前所述目标区域对应的灾情数据,其中,所述灾情数据包括灾情类型、灾情等级以及灾区区域;
所述服务器将所述无人机设备数据、所述地理特征数据以及所述灾情数据输入所述无人机设备调度模型,并提取得到所述无人机设备调度模型输出的当前无人机设备调度数据;
所述服务器结合所述无人机设备调度数据以及所述当前无人机设备调度数据两者,确定目标无人机设备调度数据。
7.根据权利要求1所述的方法,其特征在于,所述服务器提取所述无人机设备调度模型输出的无人机设备调度数据之后,还包括:
所述服务器将所述无人机设备调度数据推送至对应的用户设备,以使得所述用户设备侧的无人机操作人员根据所述无人机调度数据的内容进行无人机飞行任务,其中,所述无人机调度数据包括无人机飞行航线。
8.一种无人机设备调度数据的处理装置,其特征在于,所述装置包括:
确定单元,用于确定待处理的目标区域,其中,所述目标区域是基于地理区域划分得到的区域;
所述确定单元,还用于确定所述目标区域对应的无人机设备数据以及地理特征数据;
处理单元,用于将所述无人机设备数据以及所述地理特征数据输入无人机设备调度模型,以进行无人机设备的调度处理,其中,所述无人机设备调度模型是基于不同样本区域对应的无人机设备样本调度数据训练初始神经网络模型得到的,所述无人机设备样本调度数据标注有对应的无人机设备样本数据以及所述地理特征样本数据,所述无人机设备调度模型用于根据输入的待处理区域的无人机设备数据以及地理特征数据进行无人机设备的调度处理;
提取单元,用于提取所述无人机设备调度模型输出的无人机设备调度数据。
9.一种服务器,其特征在于,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器调用所述存储器中的计算机程序时执行如权利要求1至7任一项所述的方法。
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存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011263242.1A CN112348381A (zh) | 2020-11-12 | 2020-11-12 | 一种无人机设备调度数据的处理方法、装置以及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011263242.1A CN112348381A (zh) | 2020-11-12 | 2020-11-12 | 一种无人机设备调度数据的处理方法、装置以及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112348381A true CN112348381A (zh) | 2021-02-09 |
Family
ID=74362684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011263242.1A Pending CN112348381A (zh) | 2020-11-12 | 2020-11-12 | 一种无人机设备调度数据的处理方法、装置以及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112348381A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682592A (zh) * | 2016-12-08 | 2017-05-17 | 北京泛化智能科技有限公司 | 一种基于神经网络方法的图像自动识别系统及方法 |
CN108596500A (zh) * | 2018-04-28 | 2018-09-28 | 广州亿航智能技术有限公司 | 调度无人机集群的方法、中控系统及计算机存储介质 |
CN110750342A (zh) * | 2019-05-23 | 2020-02-04 | 北京嘀嘀无限科技发展有限公司 | 调度方法、装置、电子设备及可读存储介质 |
CN111127956A (zh) * | 2019-12-31 | 2020-05-08 | 长江空间信息技术工程有限公司(武汉) | 一种洪灾无人机应急响应调度方法 |
CN111240356A (zh) * | 2020-01-14 | 2020-06-05 | 西北工业大学 | 一种基于深度强化学习的无人机集群会合方法 |
US20200209892A1 (en) * | 2018-12-26 | 2020-07-02 | Hefei University Of Technology | Method and system for patrolling an expressway by unmanned aerial vehicles |
-
2020
- 2020-11-12 CN CN202011263242.1A patent/CN112348381A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682592A (zh) * | 2016-12-08 | 2017-05-17 | 北京泛化智能科技有限公司 | 一种基于神经网络方法的图像自动识别系统及方法 |
CN108596500A (zh) * | 2018-04-28 | 2018-09-28 | 广州亿航智能技术有限公司 | 调度无人机集群的方法、中控系统及计算机存储介质 |
US20200209892A1 (en) * | 2018-12-26 | 2020-07-02 | Hefei University Of Technology | Method and system for patrolling an expressway by unmanned aerial vehicles |
CN110750342A (zh) * | 2019-05-23 | 2020-02-04 | 北京嘀嘀无限科技发展有限公司 | 调度方法、装置、电子设备及可读存储介质 |
CN111127956A (zh) * | 2019-12-31 | 2020-05-08 | 长江空间信息技术工程有限公司(武汉) | 一种洪灾无人机应急响应调度方法 |
CN111240356A (zh) * | 2020-01-14 | 2020-06-05 | 西北工业大学 | 一种基于深度强化学习的无人机集群会合方法 |
Non-Patent Citations (2)
Title |
---|
朱庆;韩会鹏;于杰;杜志强;张骏骁;吴晨;沈富强;: "应急测绘无人机资源多目标优化调度方法", 武汉大学学报(信息科学版), no. 11 * |
褚政;郭分林;粘松雷;: "基于多Agent无人机协同侦察任务规划模型", 指挥控制与仿真, no. 05 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105825242B (zh) | 基于混合网格分层聚类的集群通信终端轨迹实时异常检测方法与系统 | |
CN111951144B (zh) | 一种违章路段的确定方法、设备及计算机可读存储介质 | |
CN109510851A (zh) | 地图数据的构建方法和设备 | |
Meier | Human computation for disaster response | |
CN106791613A (zh) | 一种基于3dgis和视频相结合的智能监控系统 | |
CN108615186A (zh) | 一种报销方法及其装置、设备和存储介质 | |
CN111859666B (zh) | 列车群生成方法、装置、系统、存储介质及电子设备 | |
CN116405101B (zh) | 低空数字资源和数字基础设施的监测管控处置系统及方法 | |
CN112233428B (zh) | 车流量预测方法、装置、存储介质及设备 | |
CN112770265B (zh) | 一种行人身份信息获取方法、系统、服务器和存储介质 | |
US10726613B2 (en) | Creating a three-dimensional map utilizing retrieved RFID tag information | |
CN111026909B (zh) | 一种基于自拍抖音视图补充公安侦查数据集的方法 | |
CN112434566A (zh) | 客流统计方法、装置、电子设备及存储介质 | |
CN112348381A (zh) | 一种无人机设备调度数据的处理方法、装置以及服务器 | |
CN112256818A (zh) | 一种电子沙盘的显示方法及装置、电子设备、存储介质 | |
CN114333386B (zh) | 导航信息的推送方法、装置及存储介质 | |
CN115834586B (zh) | 通信设备部署方法、装置、电子设备及可读存储介质 | |
CN111738558A (zh) | 行为风险识别的可视化方法、装置、设备及存储介质 | |
Shishido et al. | Method to generate building damage maps by combining aerial image processing and crowdsourcing | |
CN115713305A (zh) | 一种信息处理方法、装置、电子设备及存储介质 | |
CN113593256B (zh) | 基于城市管理的无人机智能驱离控制方法、系统及云平台 | |
CN112732446B (zh) | 一种任务处理方法、装置及存储介质 | |
CN113256839B (zh) | 一种基于ai的配电网智能巡检系统 | |
CN115034686A (zh) | 作业行为量化方法、装置、计算机设备和存储介质 | |
KR20230091456A (ko) | 충무계획 정부 3대 기능의 기능수준 평가시스템 |
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 |