CN112506219A - 一种智能交通监管无人机航迹规划方法、系统及可读存储介质 - Google Patents
一种智能交通监管无人机航迹规划方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN112506219A CN112506219A CN202011359859.3A CN202011359859A CN112506219A CN 112506219 A CN112506219 A CN 112506219A CN 202011359859 A CN202011359859 A CN 202011359859A CN 112506219 A CN112506219 A CN 112506219A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- track
- flight path
- information
- 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- Withdrawn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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 53
- 238000012937 correction Methods 0.000 claims abstract description 36
- 238000007405 data analysis Methods 0.000 claims abstract description 12
- 230000007613 environmental effect Effects 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 claims description 19
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种智能交通监管无人机航迹规划方法、系统及可读存储介质，包括：获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；获取任务信息及当前飞行航迹，确定多无人机节点的协同航迹规划，并生成动态航迹信息；将动态航迹信息与基准航迹进行比较，得到偏差率；判断所述偏差率是否大于预定阈值，若大于，则生成修正信息，根据修正信息对多无人机节点进行重新编队，并生成新的规划航迹，根据新的规划航迹更新当前飞行航迹，控制无人机编队沿新的规划航迹飞行；判断无人机编队是否到达目标点；若到达，则航迹规划结束，若未到达，则对修正信息进行校正，再次进行航迹规划。
Description
技术领域
本发明涉及一种无人机航迹规划方法，尤其涉及一种智能交通监管无人机航迹规划方法、系统及可读存储介质。
背景技术
交通拥堵作为城市化溢出的负外部性产品，其应对与治理在全球范围内一直都是社会各界关注的焦点领域。交叉口信号控制及路径诱导作为智能交通系统中重要组成部分，在日益严峻的交通环境下，正获得越来越广泛的应用。然而，在硬件设施迅速发展和完善的同时，交通管理系统智能化程度低的问题依然存在，交通管理部门面临着从海量的交通流数据中，尤其像交通突发拥堵所产生的具有非重复特性的数据中，获取隐藏的内在信息，以及充分利用信息优势制定科学的疏导策略等问题。因此，在海量交通数据的基础上，开展动态交通流信息处理及拥堵的控制与诱导策略研究，对缓解城市交通拥堵具有重要意义，在进行交通监管过程中，通过无人机进行监管，实现交通监管的智能化。
为了能够对城市交通监管过程中无人机航迹规划实现精准的控制，需要开发一款与其相匹配的系统进行控制，该系统获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；获取任务信息及当前飞行航迹，确定多无人机节点的协同航迹规划，并生成动态航迹信息；将动态航迹信息与基准航迹进行比较，并根据修正信息对多无人机节点进行重新编队，并生成新的规划航迹，但是在进行控制过程中，如何实现精准控制的同时，实现无人机航迹的精准规划都是亟不可待要解决的问题。
发明内容
本发明克服了现有技术的不足，提供一种智能交通监管无人机航迹规划方法、系统及可读存储介质。
为达到上述目的，本发明采用的技术方案为：一种智能交通监管无人机航迹规划方法，包括：
获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；
获取任务信息及当前飞行航迹，确定多无人机节点的协同航迹规划，并生成动态航迹信息；
将动态航迹信息与基准航迹进行比较，得到偏差率；
判断所述偏差率是否大于预定阈值，
若大于，则生成修正信息，根据修正信息对多无人机节点进行重新编队，并生成新的规划航迹，
根据新的规划航迹更新当前飞行航迹，控制无人机编队沿新的规划航迹飞行；
判断无人机编队是否到达目标点；
若到达，则航迹规划结束，
若未到达，则对修正信息进行校正，再次进行航迹规划。
本发明一个较佳实施例中，还包括：
通过大数据建立约束模型，并通过约束模型生成航行时间约束条件；
获取无人机起始位置与目标位置；
根据基准航迹计算无人机起始位置至目标位置的标准航行时间；
采集动态航迹信息，并计算预测航行时间；
将标准航行时间与预测航行时间进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值；
若大于，则对无人机节点的航行速度进行调整。
本发明一个较佳实施例中，航行时间约束条件计算如下：
设由M架无人机组成的编队中，N架无人机的航迹序列集合表示为：
w＝{w1(x1,y1,z1,t1),w2(x2,y2,z2,t2),w3(x3,y3,z3,t3)……wn(xn,yn,zn,tn)}
其中w表示航迹序列集合；n表示无人机的航迹所包含的航迹点总数量；
w(xm,ym,zm,tm)表示航迹序列集合中的第m个航迹点，(xm,ym,zm)表示第m个航迹点的三维位置坐标，t表示无人机到达目标位置的近似时刻，
设无极人的航行速度为v，则无人机抵达各个轨迹点的近似时间为：
航行时间约束条件可表示为：
max(tn)-min(tn)≤δ
其中δ表示允许无人机到达预定位置时间偏差的最大值。
本发明一个较佳实施例中，还包括:
获取无人机动态航迹，将动态航迹进行航迹点分解，得到航迹点三维坐标信息；将三维坐标信息进行降维处理，得到航迹点一维信息；
对航迹点一维信息进行迭代求解，得到结果值；
判断结果值是否大于预设阈值；
若大于，则继续迭代；
若小于，生成航迹点信息，并将多个航迹点信息进行耦合，得到动态航迹约束信息。
本发明一个较佳实施例中，根据修正信息对多无人机节点进行重新编队，具体包括：
建立多无人机节点初始编队条件，
根据初始编队条件对多无人机节点进行编队保持；
获取初始编队内无人机之间的航行间距，
将航行间距与预定编队距离进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值；
若大于，则进行多无人机节点重新编队。
本发明一个较佳实施例中，所述初始编队条件包括无人机执行任务类别、无人机航行方向、无人机航行速度、无人机航行角度中的一种或多种组合。
本发明第二方面还提供了一种智能交通监管无人机航迹规划系统，该系统包括：存储器、处理器，所述存储器中包括智能交通监管无人机航迹规划方法程序，所述智能交通监管无人机航迹规划方法程序被所述处理器执行时实现如下步骤：
获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；
获取任务信息及当前飞行航迹，确定多无人机节点的协同航迹规划，并生成动态航迹信息；
将动态航迹信息与基准航迹进行比较，得到偏差率；
判断所述偏差率是否大于预定阈值，
若大于，则生成修正信息，根据修正信息对多无人机节点进行重新编队，并生成新的规划航迹，
根据新的规划航迹更新当前飞行航迹，控制无人机编队沿新的规划航迹飞行；
判断无人机编队是否到达目标点；
若到达，则航迹规划结束，
若未到达，则对修正信息进行校正，再次进行航迹规划。
本发明一个较佳实施例中，还包括：
通过大数据建立约束模型，并通过约束模型生成航行时间约束条件；
获取无人机起始位置与目标位置；
根据基准航迹计算无人机起始位置至目标位置的标准航行时间；
采集动态航迹信息，并计算预测航行时间；
将标准航行时间与预测航行时间进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值；
若大于，则对无人机节点的航行速度进行调整。
本发明一个较佳实施例中，根据修正信息对多无人机节点进行重新编队，具体包括：
建立多无人机节点初始编队条件，
根据初始编队条件对多无人机节点进行编队保持；
获取初始编队内无人机之间的航行间距，
将航行间距与预定编队距离进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值；
若大于，则进行多无人机节点重新编队。
本发明第三方面提供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智能交通监管无人机航迹规划方法程序，所述智能交通监管无人机航迹规划方法程序被处理器执行时，实现上述任一项所述的智能交通监管无人机航迹规划方法的步骤。
本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：
(1)获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；通过比较当前飞行航迹与基准航迹之间的偏差，实时对航迹无人机航迹进行规划调整，保证无人机航迹的精准，无人机节点针对拥堵区域进行实时画面传输，实现城市交通的实时智能监控，并针对不同的交通状况作出对应的决策，如调整信号灯的时间。
(2)在对无人机节点进行编队过程中，通过航行间距进行调整，保证多无人机节点之间的相互配合性，实现多无人机节点联动监管。
(3)通过大数据建立约束模型，并通过约束模型生成航行时间约束条件，通过约束条件判别无人机节点的航行速度，以及对航行速度进行调整，保证无人机节点进行画面传输时的清晰度。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明一种智能交通监管无人机航迹规划方法的流程图；
图2示出了航行速度调整方法流程图；
图3示出了动态航迹约束信息方法流程图；
图4示出了多无人机节点重新编队方法流程图；
图5示出了一种智能交通监管无人机航迹规划系统框图；
具体实施方式
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示出了本发明一种智能交通监管无人机航迹规划方法的流程图。
如图1所示，本发明第一方面提供了一种智能交通监管无人机航迹规划方法，包括：
S102，获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；
S104，获取任务信息及当前飞行航迹，确定多无人机节点的协同航迹规划，并生成动态航迹信息；
S106，将动态航迹信息与基准航迹进行比较，得到偏差率，判断所述偏差率是否大于预定阈值，
S108，若大于，则生成修正信息，根据修正信息对多无人机节点进行重新编队，并生成新的规划航迹，
S110，根据新的规划航迹更新当前飞行航迹，控制无人机编队沿新的规划航迹飞行；
S112，判断无人机编队是否到达目标点；
S114，若到达，则航迹规划结束，
S116，若未到达，则对修正信息进行校正，再次进行航迹规划。
需要说明的是，获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；通过比较当前飞行航迹与基准航迹之间的偏差，实时对航迹无人机航迹进行规划调整，保证无人机航迹的精准，无人机节点针对拥堵区域进行实时画面传输，实现城市交通的实时智能监控，并针对不同的交通状况作出对应的决策，如调整信号灯的时间。
如图2所示，本发明公开了航行速度调整方法流程图；
根据本发明实施例，还包括：
S202，通过大数据建立约束模型，并通过约束模型生成航行时间约束条件；
S204，获取无人机起始位置与目标位置；
S206，根据基准航迹计算无人机起始位置至目标位置的标准航行时间；
S208，采集动态航迹信息，并计算预测航行时间；
S210，将标准航行时间与预测航行时间进行比较，得到偏差率；
S212，判断所述偏差率是否大于预设偏差率阈值；
S214，若大于，则对无人机节点的航行速度进行调整。
根据本发明实施例，航行时间约束条件计算如下：
设由M架无人机组成的编队中，N架无人机的航迹序列集合表示为：
w＝{w1(x1,y1,z1,t1),w2(x2,y2,z2,t2),w3(x3,y3,z3,t3)……wn(xn,yn,zn,tn)}
其中w表示航迹序列集合；n表示无人机的航迹所包含的航迹点总数量；
w(xm,ym,zm,tm)表示航迹序列集合中的第m个航迹点，(xm,ym,zm)表示第m个航迹点的三维位置坐标，t表示无人机到达目标位置的近似时刻，
设无极人的航行速度为v，则无人机抵达各个轨迹点的近似时间为：
航行时间约束条件可表示为：
max(tn)-min(tn)≤δ
其中δ表示允许无人机到达预定位置时间偏差的最大值。
如图3所示，本发明公开了动态航迹约束信息方法流程图；
根据本发明实施例，还包括:
S302，获取无人机动态航迹，将动态航迹进行航迹点分解，得到航迹点三维坐标信息；
S304，将三维坐标信息进行降维处理，得到航迹点一维信息；
S306，对航迹点一维信息进行迭代求解，得到结果值；
S308，判断结果值是否大于预设阈值；
S310，若大于，则继续迭代；
S312，若小于，生成航迹点信息，并将多个航迹点信息进行耦合，得到动态航迹约束信息。
如图4所示，本发明公开了多无人机节点重新编队方法流程图；
根据本发明实施例，根据修正信息对多无人机节点进行重新编队，具体包括：
S402，建立多无人机节点初始编队条件，
S404，根据初始编队条件对多无人机节点进行编队保持；
S406，获取初始编队内无人机之间的航行间距，
S408，将航行间距与预定编队距离进行比较，得到偏差率；
S410，判断所述偏差率是否大于预设偏差率阈值；
S412，若大于，则进行多无人机节点重新编队。
需要说明的是，当道路发生交通事故或有人员伤亡时，根据附近区域无人机待机状态进行选择最佳无人机节点个数飞行至预定区域，通过调整无人机节点的航拍角实现多无人机节点配合联拍，保证无人机节点传输的现场画面清晰，并与医院实现互连，进行远程指导临时自救服务。
根据本发明实施例，所述初始编队条件包括无人机执行任务类别、无人机航行方向、无人机航行速度、无人机航行角度中的一种或多种组合。
如图5所示，本发明公开了一种智能交通监管无人机航迹规划系统框图；
本发明第二方面还提供了一种智能交通监管无人机航迹规划系统，该系统5包括：存储器51、处理器52，所述存储器中包括智能交通监管无人机航迹规划方法程序，所述智能交通监管无人机航迹规划方法程序被所述处理器执行时实现如下步骤：
获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；
获取任务信息及当前飞行航迹，确定多无人机节点的协同航迹规划，并生成动态航迹信息；
将动态航迹信息与基准航迹进行比较，得到偏差率；
判断所述偏差率是否大于预定阈值，
若大于，则生成修正信息，根据修正信息对多无人机节点进行重新编队，并生成新的规划航迹，
根据新的规划航迹更新当前飞行航迹，控制无人机编队沿新的规划航迹飞行；
判断无人机编队是否到达目标点；
若到达，则航迹规划结束，
若未到达，则对修正信息进行校正，再次进行航迹规划。
需要说明的是，获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；通过比较当前飞行航迹与基准航迹之间的偏差，实时对航迹无人机航迹进行规划调整，保证无人机航迹的精准，无人机节点针对拥堵区域进行实时画面传输，实现城市交通的实时智能监控，并针对不同的交通状况作出对应的决策，如调整信号灯的时间。
根据本发明实施例，还包括：
通过大数据建立约束模型，并通过约束模型生成航行时间约束条件；
获取无人机起始位置与目标位置；
根据基准航迹计算无人机起始位置至目标位置的标准航行时间；
采集动态航迹信息，并计算预测航行时间；
将标准航行时间与预测航行时间进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值；
若大于，则对无人机节点的航行速度进行调整。
需要说明的是，通过大数据建立约束模型，并通过约束模型生成航行时间约束条件，通过约束条件判别无人机节点的航行速度，以及对航行速度进行调整，保证无人机节点进行画面传输时的清晰度。
根据本发明实施例，根据修正信息对多无人机节点进行重新编队，具体包括：
建立多无人机节点初始编队条件，
根据初始编队条件对多无人机节点进行编队保持；
获取初始编队内无人机之间的航行间距，
将航行间距与预定编队距离进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值；
若大于，则进行多无人机节点重新编队。
需要说明的是，当道路发生交通事故或有人员伤亡时，根据附近区域无人机待机状态进行选择最佳无人机节点个数飞行至预定区域，通过调整无人机节点的航拍角实现多无人机节点配合联拍，保证无人机节点传输的现场画面清晰，并与医院实现互连，进行远程指导临时自救服务。
根据本发明实施例，航行时间约束条件计算如下：
设由M架无人机组成的编队中，N架无人机的航迹序列集合表示为：
w＝{w1(x1,y1,z1,t1),w2(x2,y2,z2,t2),w3(x3,y3,z3,t3)……wn(xn,yn,zn,tn)}
其中w表示航迹序列集合；n表示无人机的航迹所包含的航迹点总数量；
w(xm,ym,zm,tm)表示航迹序列集合中的第m个航迹点，(xm,ym,zm)表示第m个航迹点的三维位置坐标，t表示无人机到达目标位置的近似时刻，
设无极人的航行速度为v，则无人机抵达各个轨迹点的近似时间为：
航行时间约束条件可表示为：
max(tn)-min(tn)≤δ
其中δ表示允许无人机到达预定位置时间偏差的最大值。
根据本发明实施例，还包括:
获取无人机动态航迹，将动态航迹进行航迹点分解，得到航迹点三维坐标信息；将三维坐标信息进行降维处理，得到航迹点一维信息；
对航迹点一维信息进行迭代求解，得到结果值；
判断结果值是否大于预设阈值；
若大于，则继续迭代；
若小于，生成航迹点信息，并将多个航迹点信息进行耦合，得到动态航迹约束信息。
根据本发明实施例，所述初始编队条件包括无人机执行任务类别、无人机航行方向、无人机航行速度、无人机航行角度中的一种或多种组合。
本发明第三方面提供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智能交通监管无人机航迹规划方法程序，所述智能交通监管无人机航迹规划方法程序被处理器执行时，实现上述任一项所述的智能交通监管无人机航迹规划方法的步骤。
综上所述，获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；通过比较当前飞行航迹与基准航迹之间的偏差，实时对航迹无人机航迹进行规划调整，保证无人机航迹的精准，无人机节点针对拥堵区域进行实时画面传输，实现城市交通的实时智能监控，并针对不同的交通状况作出对应的决策，如调整信号灯的时间。
在对无人机节点进行编队过程中，通过航行间距进行调整，保证多无人机节点之间的相互配合性，实现多无人机节点联动监管。
通过大数据建立约束模型，并通过约束模型生成航行时间约束条件，通过约束条件判别无人机节点的航行速度，以及对航行速度进行调整，保证无人机节点进行画面传输时的清晰度。
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，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。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种智能交通监管无人机航迹规划方法，其特征在于，包括：
获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；
获取任务信息及当前飞行航迹，确定多无人机节点的协同航迹规划，并生成动态航迹信息；
将动态航迹信息与基准航迹进行比较，得到偏差率；
判断所述偏差率是否大于预定阈值，
若大于，则生成修正信息，根据修正信息对多无人机节点进行重新编队，并生成新的规划航迹，
根据新的规划航迹更新当前飞行航迹，控制无人机编队沿新的规划航迹飞行；
判断无人机编队是否到达目标点；
若到达，则航迹规划结束，
若未到达，则对修正信息进行校正，再次进行航迹规划。
2.根据权利要求1所述的一种智能交通监管无人机航迹规划方法，其特征在于，还包括：
通过大数据建立约束模型，并通过约束模型生成航行时间约束条件；
获取无人机起始位置与目标位置；
根据基准航迹计算无人机起始位置至目标位置的标准航行时间；
采集动态航迹信息，并计算预测航行时间；
将标准航行时间与预测航行时间进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值；
若大于，则对无人机节点的航行速度进行调整。
3.根据权利要求2所述的一种智能交通监管无人机航迹规划方法，其特征在于，航行时间约束条件计算如下：
设由M架无人机组成的编队中，N架无人机的航迹序列集合表示为：
w＝{w1(x1,y1,z1,t1),w2(x2,y2,z2,t2),w3(x3,y3,z3,t3)……wn(xn,yn,zn,tn)}
其中w表示航迹序列集合；n表示无人机的航迹所包含的航迹点总数量；
w(xm,ym,zm,tm)表示航迹序列集合中的第m个航迹点，(xm,ym,zm)表示第m个航迹点的三维位置坐标，t表示无人机到达目标位置的近似时刻，
设无极人的航行速度为v，则无人机抵达各个轨迹点的近似时间为：
航行时间约束条件可表示为：
max(tn)-min(tn)≤δ
其中δ表示允许无人机到达预定位置时间偏差的最大值。
4.根据权利要求1所述的一种智能交通监管无人机航迹规划方法，其特征在于，还包括:
获取无人机动态航迹，将动态航迹进行航迹点分解，得到航迹点三维坐标信息；将三维坐标信息进行降维处理，得到航迹点一维信息；
对航迹点一维信息进行迭代求解，得到结果值；
判断结果值是否大于预设阈值；
若大于，则继续迭代；
若小于，生成航迹点信息，并将多个航迹点信息进行耦合，得到动态航迹约束信息。
5.根据权利要求1所述的一种智能交通监管无人机航迹规划方法，其特征在于，根据修正信息对多无人机节点进行重新编队，具体包括：
建立多无人机节点初始编队条件，
根据初始编队条件对多无人机节点进行编队保持；
获取初始编队内无人机之间的航行间距，
将航行间距与预定编队距离进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值；
若大于，则进行多无人机节点重新编队。
6.根据权利要求5所述的一种智能交通监管无人机航迹规划方法，其特征在于，所述初始编队条件包括无人机执行任务类别、无人机航行方向、无人机航行速度、无人机航行角度中的一种或多种组合。
7.一种智能交通监管无人机航迹规划系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括智能交通监管无人机航迹规划方法程序，所述智能交通监管无人机航迹规划方法程序被所述处理器执行时实现如下步骤：
获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；
获取任务信息及当前飞行航迹，确定多无人机节点的协同航迹规划，并生成动态航迹信息；
将动态航迹信息与基准航迹进行比较，得到偏差率；
判断所述偏差率是否大于预定阈值，
若大于，则生成修正信息，根据修正信息对多无人机节点进行重新编队，并生成新的规划航迹，
根据新的规划航迹更新当前飞行航迹，控制无人机编队沿新的规划航迹飞行；
判断无人机编队是否到达目标点；
若到达，则航迹规划结束，
若未到达，则对修正信息进行校正，再次进行航迹规划。
8.根据权利要求7所述的一种智能交通监管无人机航迹规划系统，其特征在于，还包括：
通过大数据建立约束模型，并通过约束模型生成航行时间约束条件；
获取无人机起始位置与目标位置；
根据基准航迹计算无人机起始位置至目标位置的标准航行时间；
采集动态航迹信息，并计算预测航行时间；
将标准航行时间与预测航行时间进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值；
若大于，则对无人机节点的航行速度进行调整。
9.根据权利要求7所述的一种智能交通监管无人机航迹规划系统，其特征在于，根据修正信息对多无人机节点进行重新编队，具体包括：
建立多无人机节点初始编队条件，
根据初始编队条件对多无人机节点进行编队保持；
获取初始编队内无人机之间的航行间距，
将航行间距与预定编队距离进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值；
若大于，则进行多无人机节点重新编队。
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智能交通监管无人机航迹规划方法程序，所述智能交通监管无人机航迹规划方法程序被处理器执行时，实现如权利要求1至6中任一项所述的智能交通监管无人机航迹规划方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011359859.3A CN112506219A (zh) | 2020-11-27 | 2020-11-27 | 一种智能交通监管无人机航迹规划方法、系统及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011359859.3A CN112506219A (zh) | 2020-11-27 | 2020-11-27 | 一种智能交通监管无人机航迹规划方法、系统及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112506219A true CN112506219A (zh) | 2021-03-16 |
Family
ID=74966997
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011359859.3A Withdrawn CN112506219A (zh) | 2020-11-27 | 2020-11-27 | 一种智能交通监管无人机航迹规划方法、系统及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112506219A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113448348A (zh) * | 2021-06-07 | 2021-09-28 | 北方天途航空技术发展（北京）有限公司 | 基于贝塞尔曲线的无人机转向飞行路径规划方法 |
| CN113934214A (zh) * | 2021-10-22 | 2022-01-14 | 云南电网有限责任公司电力科学研究院 | 一种智能设备的巡检航迹管控系统及方法 |
| CN114326805A (zh) * | 2021-12-28 | 2022-04-12 | 广东电网有限责任公司 | 无人机架空线路巡检协同控制方法、系统和存储介质 |
| CN116402426A (zh) * | 2023-04-20 | 2023-07-07 | 南京交通职业技术学院 | 基于大数据的无人机智能物流配送方法、系统及介质 |
| CN118225106A (zh) * | 2024-05-24 | 2024-06-21 | 北京数易科技有限公司 | 基于深度强化学习的无人机自主导航方法、系统及介质 |
-
2020
- 2020-11-27 CN CN202011359859.3A patent/CN112506219A/zh not_active Withdrawn
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113448348A (zh) * | 2021-06-07 | 2021-09-28 | 北方天途航空技术发展（北京）有限公司 | 基于贝塞尔曲线的无人机转向飞行路径规划方法 |
| CN113448348B (zh) * | 2021-06-07 | 2023-02-17 | 北方天途航空技术发展（北京）有限公司 | 基于贝塞尔曲线的无人机转向飞行路径规划方法 |
| CN113934214A (zh) * | 2021-10-22 | 2022-01-14 | 云南电网有限责任公司电力科学研究院 | 一种智能设备的巡检航迹管控系统及方法 |
| CN113934214B (zh) * | 2021-10-22 | 2023-11-10 | 云南电网有限责任公司电力科学研究院 | 一种智能设备的巡检航迹管控系统及方法 |
| CN114326805A (zh) * | 2021-12-28 | 2022-04-12 | 广东电网有限责任公司 | 无人机架空线路巡检协同控制方法、系统和存储介质 |
| CN116402426A (zh) * | 2023-04-20 | 2023-07-07 | 南京交通职业技术学院 | 基于大数据的无人机智能物流配送方法、系统及介质 |
| CN118225106A (zh) * | 2024-05-24 | 2024-06-21 | 北京数易科技有限公司 | 基于深度强化学习的无人机自主导航方法、系统及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112506219A (zh) | 一种智能交通监管无人机航迹规划方法、系统及可读存储介质 | |
| EP4152204A1 (en) | Lane line detection method, and related apparatus | |
| US11110941B2 (en) | Centralized shared autonomous vehicle operational management | |
| CN110007675B (zh) | 一种基于行车态势图的车辆自动驾驶决策系统及基于无人机的训练集制备方法 | |
| CN109828607B (zh) | 一种面向不规则障碍物的无人机路径规划方法及系统 | |
| US20190025071A1 (en) | Information processing device | |
| CN109863513A (zh) | 用于自主车辆控制的神经网络系统 | |
| US20210261123A1 (en) | Autonomous Vehicle Operation with Explicit Occlusion Reasoning | |
| RU2759975C1 (ru) | Операционное управление автономным транспортным средством с управлением восприятием визуальной салиентности | |
| CN112462774A (zh) | 一种基于无人机航行跟随的城市道路监管方法、系统及可读存储介质 | |
| JP2021504825A (ja) | 自律走行車両運行管理計画 | |
| CN112433539A (zh) | 一种处理高速交通事故的无人机调度方法、系统及可读存储介质 | |
| Zheng et al. | A Decision‐Making Method for Ship Collision Avoidance Based on Improved Cultural Particle Swarm | |
| US20210157314A1 (en) | Objective-Based Reasoning in Autonomous Vehicle Decision-Making | |
| CN113743469A (zh) | 一种融合多源数据及综合多维指标的自动驾驶决策方法 | |
| CN111444786A (zh) | 基于无人机群的人群疏散方法、装置、系统及存储介质 | |
| DE102021132722A1 (de) | Auswählen von testszenarien zum bewerten der leistung autonomer fahrzeuge | |
| WO2022222647A1 (zh) | 车辆意图预测方法、装置、设备及存储介质 | |
| CN116661479B (zh) | 建筑巡检路径规划方法、设备和可读存储介质 | |
| US20210188297A1 (en) | Learning Safety and Human-Centered Constraints in Autonomous Vehicles | |
| Mokhtari et al. | Safe deep q-network for autonomous vehicles at unsignalized intersection | |
| CN116909301A (zh) | 一种基于恶劣天气下的航空器飞行控制方法、系统及介质 | |
| CN118129756A (zh) | 轨迹预测方法、车辆、装置以及存储介质 | |
| CN116805444A (zh) | 分布式命名导航行人行车预警方法、系统和装置 | |
| CN115331434A (zh) | 融合道路bim与监控视频的交叉口应急导控方法及系统 |
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: 20210316 |