CN113361862B - 一种针对城市环境的无人机风险评估方法及系统 - Google Patents
一种针对城市环境的无人机风险评估方法及系统 Download PDFInfo
- Publication number
- CN113361862B CN113361862B CN202110519827.3A CN202110519827A CN113361862B CN 113361862 B CN113361862 B CN 113361862B CN 202110519827 A CN202110519827 A CN 202110519827A CN 113361862 B CN113361862 B CN 113361862B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- risk
- ground
- distribution
- 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
- 238000012502 risk assessment Methods 0.000 title claims abstract description 110
- 238000000034 method Methods 0.000 title claims abstract description 67
- 241000036848 Porzana carolina Species 0.000 claims abstract description 58
- 238000007726 management method Methods 0.000 claims abstract description 16
- 230000008901 benefit Effects 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims description 43
- 230000008569 process Effects 0.000 claims description 16
- 230000000116 mitigating effect Effects 0.000 claims description 14
- 238000003672 processing method Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000012854 evaluation process Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 3
- 239000004566 building material Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013349 risk mitigation 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种针对城市环境的无人机风险评估方法及系统,方法包括:S1设置需要评估的无人机的相关参数;S2采用SORA风险评估流程,对于无人机自身风险进行评估。S3根据S2的结果,对无人机自身部件进行改造,并增加飞行条件限制,管理无人机自身风险。S4导入运行场景相关参数。S5对地面建筑风险分布进行计算。S6根据地面风险评估结果,对无人机的航迹路线进行选择。系统分为硬件和软件两部分,其中软件部分对上面针对城市环境的无人机风险评估方法做了具体实现。本发明优点是:既能保证无人机自身风险得到控制,同时通过规划航迹对地面建筑风险进行控制,能够对无人机自身风险进行全面的评估和管理,更好地通过规划航迹规避地面建筑风险。
Description
技术领域
本发明涉及无人机技术领域,特别涉及一种针对城市环境的无人机风险评估方法及系统。
背景技术
在过去十年中,全球无人机市场占比大幅度增加,其应用范围也日益扩大,无人机无需考虑飞行人员损伤,相较于有人飞机更加灵活,能执行各种各样的飞行任务,在军事和民用领域有着广泛的用途和巨大的发展潜力。在未来的城市环境中,无人机可以实现信息探测、货物运输、交通服务等多种功能,是未来智能化城市的重要组成部分。
但与无人机技术的蓬勃发展和应用场景的不断丰富对应的是,目前尚未形成完善的无人机的监管体系,难以对无人机的安全运行进行有效的管控。近年来,随着低空空域的开放,无人机飞行事故频发,屡次威胁公共安全和国家安全。特别是在建筑物密集的城市环境里,无人机同时存在两种风险:包括自身机械故障或使用者操纵不当可能带来的无人机自身风险,以及与建筑物相撞导致建筑物遭到损伤的地面建筑风险。并且,无人机自身风险也是地面建筑风险的诱发因素之一,这两种风险在对无人机自身和建筑造成破坏的同时,也可能导致地面人员伤亡。
基于风险角度考虑,无人机可分为开放类、特殊类和审定类三种,其中特殊类(中风险)和审定类(高风险)无人机在运行之前需要进行风险评估,为了对无人机运行风险进行评估和管理,无人系统规则制定联合体(JARUS)于2017年六月首次发布特殊类(特殊类是指视距外飞行或者与有人机在同一空域飞行的无人机。)运行风险评估管理方法(SORA),主要是针对特殊类无人机的运行安全进行风险评估。2019年2月,民航局颁布特定类无人机试运行管理规程(暂行),规程使用SORA方法,针对性地管理运行安全风险较高的无人机,批准实施部分试运行,以便为逐步建立标准和法规体系提供基础。
SORA风险评估方法的具体步骤是:首先根据无人机本身特征信息(型号、大小尺寸等)和运行场景信息(飞行空域等级、是否超视距飞行等)评估无人机的地面风险等级(GRC)、空中风险等级(ARC),接着检查无人机安全保障措施(是否含有降落伞、无人机失控时紧急安全措施等)的鲁棒性等级,得到无人机的风险评估SAIL值等级,最后根据SAIL值等级给出无人机必须遵守的安全运行目标OSO(运营人员是否胜任、C3链路是否有效等)。主管当局通过SORA风险评估方法,向无人机操纵人员和无人机制造厂商要求相应的证明并进行核实,达到三方一起控制无人机自身风险的目的。
发明内容
本发明针对现有技术的缺陷,提供了一种针对城市环境的无人机风险评估方法及系统,控制城市环境内无人机自身风险和地面建筑风险。
为了实现以上发明目的,本发明采取的技术方案如下:
一种针对城市环境的无人机风险评估方法,包括以下步骤:
S1:设置需要评估的无人机的相关参数;所需要输入的无人机的相关参数用于进行对于无人机在城市环境中运行带来的两种风险进行评估,形式将以具体的数学参数表达,相关参数分为无人机本身特征参数、无人机运行状态参数和无人机运行场景参数三部分:
无人机本身参数包括:无人机类型、无人机质量、无人机尺寸和无人机预期动能参数,用于评估无人机本身的安全性;无人机本身参数还包括:降落伞面积和降落伞拖拽密度,用于评估无人机发生事故后采取的缓解事故严重程度的措施。
无人机运行状态参数包括:无人机初始三维速度、滑翔速度、风速、风向、阻力系数、空气密度;无人机运行状态参数用于评估无人机本身可能发生危险时可能造成的对地面的危害区域和严重程度。
无人机运行场景参数包括:运行空域和运行场景两个参数,这两个参数的选择构建了无人机运行的场景内可能存在的安全隐患发生的概率大小和严重程度;
运行空域参数是判断无人机是否超过120米,是否处于管控区域;
运行场景参数是判断无人机是否处于视距内(BLOVS),飞行区域内人口是稀疏还是密集。
S2:采用SORA风险评估流程,对于无人机自身风险进行评估;
首先评估无人机的地面风险等级(GRC),记录无人机采用减少地面风险措施的稳健性等级;接着评估无人机空中风险(ARC),记录减少空中风险措施的稳健性等级;随后综合GRC值和ARC值确定风险评估的SAIL值,最后根据SAIL值确定安全运行目标(OSO)的内容稳健性等级并记录下来。
S3根据SORA风险评估流程的结果,飞机操纵者、有关管理部分和无人机制造商协同进行审查并对无人机自身部件进行改造,增加飞行条件限制,管理无人机自身风险。
S4导入运行场景相关参数;包括无人机运行的场景,场景内建筑物分布的质心及半径,无人机在场景内的航迹路线,无人机的系统失效概率,以及无人机的下降方式。根据这些,在S5中采用算法计算地面建筑的风险分布。
S5根据所开发的算法,对地面建筑风险分布进行计算。
S6根据S5计算的地面建筑风险分布,结合无人机航迹计算航迹风险分布,并计算每条航迹上无人机对地面建筑造成的地面建筑风险值总和,比较所有航线的地面建筑风险值总和,选择风险最低的航线,保证在运行场景提供的所有航迹内,无人机采用地面建筑风险最小的航迹。
进一步地,S5中计算地面建筑风险分布所采用的算法是地面建筑在区域地图上的分布数据为基准进行计算的。具体方法是:从数据库中获得无人机飞行区域内建筑物质心分布的经纬度坐标以及建筑物半径。随后以质心为圆心,建筑物半径为标准差进行高斯分布进行数学建模。因此,地图上任意一点的建筑风险值为所有建筑物在该点的高斯分布值之和,具体公式如下所示:
其中N表示区域内建筑物总数,j代表每一个具体风险源,即建筑物本身,lj=[μj,μj]T为建筑物质心坐标,同时也是高斯分布的均值向量,Kj为位置坐标r的协方差矩阵。特定区域每一个风险源j都会对其周围产生分布特性为二元高斯密度函数分布的地面建筑风险值,因此特定场景下的某点r=[x,y]T的地面建筑风险值是所有风险源j在此位置产生的风险概率总和。
进一步地,S6中航迹风险分布所采用的算法基于上述所得的地面建筑风险分布Risk值,航迹风险用每小时在该航迹上造成的风险概率来衡量,其值等于无人机失效概率和撞击地面区域内总Risk值积分得到,总Risk值由失效后撞击地面区域分布以及分布上每点的Risk值积分得,具体公式到如下所示:
其中PRiskdensity(l)是路径上飞行时间每小时内无人机事故造成的地面风险,为最后风险评估计算结果指标;Pfaliure是无人机单位飞行时间每小时内事故发生的次数也就是无人机单位飞行时间内事故发生的概率,根据无人机统计数据或者经验获得;Risk(x,y)是地面某点处建筑物的建筑风险值,由式(1)计算获得;S为风险缓解因子,由步骤S3中的SORA缓解措施结果决定;
pN=x(H)·sinθ+ω·t·sinψ (4)
pE=x(H)·cosθ+ω·t·cosψ (5)
其中θ表示无人机飞行方向,ω、ψ分别表示风速和风向。x(H)表示随着无人机下降距离H,无人机水平方向运动距离x的变化函数。表示为:
x(H)=vxeGsech(gγt+H) (6)
t=ttop+tdrop (7)
无人机下降具体形式有弹道下降和滑翔下降两种形式,两种形式的x(H)和t分别表示为:
滑翔下降:
弹道下降:
其中x(H)为无人机水平运动距离,以此作为模型中的无人机下降对地碰撞点;H为无人机飞行高度;vx为无人机失效时的初始水平运动速度,vy为无人机失效时的初始垂直运动速度;m为无人机质量,g为重力加速度取9.82m/s2,ρ为空气密度,A为无人机迎风面积,Cd为阻力系数。
本发明还公开了一套能够实现上述方法的针对城市环境的无人机风险评估系统,包括:硬件和软件两部分;
硬件部分为包含显示设备的PC机,操作人员通过操作PC机来输入参数以及选择相应的评估模块,获取最后的风险评估结果。
软件部分为实现无人机风险评估方法的程序,其包括:GUI模块、风险评估模块以及API函数模块三个部分;其中风险评估模块又分为SORA评估模块和地面建筑风险评估模块两个子模块。
GUI模块采用wxpython编写,用于和操作人员进行交互,风险评估模块获取GUI模块中操作人员输入的参数以及执行的命令,调用API函数模块完成相应的功能并显示结果。
进一步地,通过GUI模块生成的界面上输入无人机相关参数,实现无人机风险评估方法中的步骤S1,通过调用SORA评估子模块,实现步骤S2和S3。通过导入运行场景数据存储设备(通常为硬盘)相关的数据获取地面建筑分布,实现步骤S4,通过地面建筑风险评估子模块实现步骤S5、S6。
进一步地,软件部分为运行在Pycharm上的python程序,
进一步地,本系统的使用过程为:相关人员可以在包含显示设备的PC机上通过Pycharm启动程序软件,运行相关的模块,进行城市环境内的两种无人机风险的评估。本系统的使用人员可以为无人机主管当局,用于对提出申请的无人机进行两种风险评估和管理。也可以是无人机操纵者,对需要运行部署的无人机进行风险评估,以便准备相应的合格证明材料提供给主管当局。
本发明还公开了针对上述城市环境的无人机风险评估系统的数据处理方法,包括以下步骤:
S1、用户启动Pycharm客户端,进入无人机风险评估主界面。在界面中输入无人机相关参数。
S2、用户选择进入SORA风险评估模块,模块首先验证数据有效性和完整性,如果缺少数据,则引发相应的异常。如果为有效数据,则进行SORA风险评估流程,用户需设置相应的缓解措施的鲁棒性等级。随后SORA风险评估模块根据无人机参数以及缓解措施的鲁棒性等级数据得到相应的SORA评估结果SAIL值,以及相关的安全运行目标OSO,作为返回数据输出。
S3、用户选择进入地面建筑风险评估模块,加载无人机运行场景的地图数据和航迹数据,首先对地图数据和航迹数据进行坐标转换。由经纬度坐标转化为运行场景内的相对坐标。随后计算地面建筑风险分布,航迹的风险分布以及不同航迹风险值对比。
S4、将步骤S2和步骤S3中所得的数据返回,进行解析后在显示设备上显示出来,其中步骤S2中所得的SORA风险评估结果以及安全运行目标OSO以txt文本形式显示,步骤S3中地面建筑风险分布以热图方式显示,航迹风险以折线图方式显示,不同航迹风险对比以柱状图形式显示。
进一步地,在步骤S3中,地图数据为带有建筑物数据的shp格式数据,在互联网上下载或者从数据库获得。航迹数据为经纬度坐标记录的txt文本数据。
与现有技术相比,本发明的优点在于:
(1)对无人机自身以及其运行的城市场景内的风险进行双层评估和管理,既能保证无人机自身风险得到控制,同时通过规划航迹对地面建筑风险进行控制。
(2)利用SORA流程,对无人机运行的城市场景内无人机自身风险进行评估,SORA流程是一套评估规范严谨的无人机风险评估流程,并且同时涉及了主管部门、无人机操纵者以及无人机制造厂商三方面,能够对无人机自身风险进行全面的管理。
(3)提供了一种衡量无人机在城市场景内飞行时对地面建筑造成的风险的评估方法。使无人机在高建筑密度的区域内进行作业时能够更好地通过规划航迹规避地面建筑风险。
(4)提供了一套应用于实际进行无人机风险评估的流程,即先控制无人机本身风险在一定范围内,再通过规划航迹实现地面建筑风险的控制。
(5)提供了一套针对城市环境的无人机风险评估系统,可供主管部门和无人机操纵者进行风险评估和管理,准备相应的证明材料和航迹路线规划。其中包含一个实现SORA流程的模块,本系统提供的SORA评估功能不仅可以用于实现本发明中的针对城市环境的无人机自身风险评估,也可以用于其他一切使用SORA方法的无人机风险评估和管理的实现。
附图说明
图1为本发明的无人机风险评估方法流程图;
图2为本发明的无人机风险评估系统结构框图;
图3为本发明的无人机风险评估系统主界面;
图4为本发明的实施例一中的SORA风险评估子模块界面;
图5为本发明的实施例一中的SORA风险评估流程图;
图6为本发明的实施例一中的SOAR评估结果记录;
图7为本发明的实施例一中的地面建筑风险分布图;
图8为本发明的实施例一中的单条航迹风险分布图;
图9为本发明的实施例一中的不同航迹风险对比图;
图10为本发明的实施例二中的某旅游景区地面建筑风险分布图;
图11为本发明的实施例二中的某旅游景区单条航迹风险分布图;
图12为本发明的实施例二中的某旅游景区不同航迹风向对比图。
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。
本发明提出了一种针对城市环境的无人机风险评估方法,用于评估和管理无人机在城市环境中飞行时可能造成的风险。无人机在城市环境中飞行时造成的风险可分为无人机自身风险和地面建筑风险两部分。本方法中两个步骤分别对这两种风险进行评估。
本发明采用SORA风险评估方法来评估和管理无人机自身风险。无人机自身风险是无人机在城市环境中飞行时,由于自身机械可能发生故障或使用者操纵不当带来的风险。由于无人机种类繁多,其部件和载荷组成复杂,加上城市内环境条件复杂,导致不同无人机发生危险的概率以及造成的损失不同。
地面建筑风险是无人机在建筑物密集的城市环境中飞行时,可能会撞击或者刮蹭建筑物,从而导致建筑物本身受到损害的风险。本发明采用一种对地面建筑风险分布进行衡量的算法来衡量地面建筑风险,并通过航迹规划来控制地面建筑风险。
本发明中针对城市环境的无人机风险评估系统分为硬件和软件两部分,其中软件部分对上面针对城市环境的无人机风险评估方法做了具体实现。软件部分的风险评估模块中两个子模块分别对应针对城市环境的无人机风险评估方法中的两个步骤。
下面,对本发明的无人机风险评估方法和无人机风险评估系统做进一步的说明:
针对城市环境的无人机风险评估方法
如图1所示,本发明的针对城市环境的无人机风险评估方法包括SORA风险评估和地面建筑风险评估两部分,由于采用SORA风险评估方法评估无人机自身风险时,会对无人机的自身飞行条件(例如速度、高度)和无人机运行的场景(例如是否超视距飞行)进行限制,从而会影响地面建筑风险评估的结果,因此需要首先进行无人机自身风险评估,再进行地面建筑风险评估,本发明方法的具体步骤如下:
S1:设置需要评估的无人机的相关参数;
S1中,所需要输入的无人机的相关参数用于进行对于无人机在城市环境中运行带来的两种风险进行评估,形式将以具体的数学参数表达,可分为无人机本身特征参数、无人机运行状态参数、无人机运行场景参数三部分:无人机本身参数包括无人机类型、无人机质量、无人机尺寸、无人机预期动能等参数,用于评估无人机本身的安全性;还包括用于减少事故危险的降落伞面积和降落伞拖拽密度,用于评估无人机发生事故后采取的缓解事故严重程度的措施。
无人机运行状态参数包括:无人机初始三维速度、滑翔速度、风速、风向、阻力系数、空气密度;无人机运行状态参数用于评估无人机本身可能发生危险时可能造成的对地面的危害区域和严重程度。
无人机运行场景参数包括:运行空域和运行场景两个参数,这两个参数的选择构建了无人机运行的场景内可能存在的安全隐患发生的概率大小和严重程度;
运行空域参数是判断无人机是否超过120米,是否处于管控区域;
运行场景参数是判断无人机是否处于视距内(BLOVS),飞行区域内人口是稀疏还是密集。
S2:采用SORA风险评估流程,对于无人机自身风险进行评估。
首先评估无人机的地面风险等级(GRC),记录无人机采用减少地面风险措施的稳健性等级;接着评估无人机空中风险(ARC),记录减少空中风险措施的稳健性等级;随后综合GRC值和ARC值确定风险评估的SAIL值,最后根据SAIL值确定安全运行目标(OSO)的内容稳健性等级并记录下来。
S3根据SORA风险评估流程的结果,飞机操纵者、有关管理部分和无人机制造商协同进行审查并对无人机自身部件进行改造,增加飞行条件限制,管理无人机自身风险。
S4导入运行场景相关参数;包括无人机运行的场景,场景内建筑物分布的质心及半径,无人机在场景内的航迹路线,无人机的系统失效概率,以及无人机的下降方式。根据这些,在S5中采用算法计算地面建筑的风险分布。
S5根据所开发的算法,对地面建筑风险分布进行计算。
S6根据S5计算的地面建筑风险分布,结合无人机航迹计算每条航迹上无人机对地面建筑造成的地面建筑风险值总和,比较所有航线的地面建筑风险值总和,选择风险最低的航线,保证在运行场景提供的所有航迹内,无人机采用地面建筑风险最小的航迹。
下面对步骤S5、S6中计算地面风险分布和航迹风险所采用的算法公式进行详细说明:
计算地面建筑风险分布所采用的算法是地面建筑在区域地图上的分布数据为基准进行计算的。具体方法是:从数据库中获得无人机飞行区域内建筑物质心分布的经纬度坐标以及建筑物半径。随后以质心为圆心,建筑物半径为标准差进行高斯分布进行数学建模。因此,地图上任意一点的建筑风险值为所有建筑物在该点的高斯分布值之和,具体公式如下所示:
其中N表示区域内建筑物总数,j代表每一个具体风险源,即建筑物本身,lj=[μj,μj]T为建筑物质心坐标,同时也是高斯分布的均值向量,Kj为位置坐标r的协方差矩阵。特定区域每一个风险源j都会对其周围产生分布特性为二元高斯密度函数分布的地面建筑风险值,因此特定场景下的某点r=[x,y]T的地面建筑风险值是所有风险源j在此位置产生的风险概率总和。
进一步地,S6中航迹风险分布所采用的算法基于上述所得的地面建筑风险分布Risk值,航迹风险用每小时在该航迹上造成的风险概率来衡量,其值等于无人机失效概率和撞击地面区域内总Risk值积分得到,总Risk值由失效后撞击地面区域分布以及分布上每点的Risk值积分得,具体公式到如下所示:
其中PRiskdensity(l)是路径上飞行时间每小时内无人机事故造成的地面风险,为最后风险评估计算结果指标;Pfaliure是无人机单位飞行时间每小时内事故发生的次数也就是无人机单位飞行时间内事故发生的概率,根据无人机统计数据或者经验获得;Risk(x,y)是地面某点处建筑物的建筑风险值,由上文中式(1)计算获得;S为风险缓解因子,由步骤S3中的SORA缓解措施结果决定;则表示无人机在位置点n处发生系统失效或者空中碰撞后撞击地面点(x,y)分布情况。
pN=x(H)·sinθ+ω·t·sinψ (4)
pE=x(H)cosθ+ω·t·cosψ (5)
其中θ表示无人机飞行方向,ω、ψ分别表示风速和风向。x(H)表示随着无人机下降距离H,无人机水平方向运动距离x的变化函数。表示为:
x(H)=vxeGsech(gγt+H) (6)
t=ttop+tdrop (7)
进一步地,无人机下降具体形式有弹道下降和滑翔下降两种形式,两种形式的x(H)和t分别表示为:
滑翔下降:
弹道下降:
其中x(H)为无人机水平运动距离,以此作为模型中的无人机下降对地碰撞点;H为无人机飞行高度;vx为无人机失效时的初始水平运动速度,vy为无人机失效时的初始垂直运动速度;m为无人机质量,g为重力加速度取9.82m/s2,ρ为空气密度,A为无人机迎风面积,Cd为阻力系数。
针对城市环境的无人机风险评估系统
如图2所示,本发明的另一个目的是提供了一套能够实现上述方法的针对城市环境的无人机风险评估系统。具体的技术方案为:
针对城市环境的无人机风险评估系统分为硬件和软件两部分,硬件部分为包含显示设备的PC机,软件部分为实现上述针对城市环境的无人机风险评估方法的程序。
本系统的使用过程为:相关人员可以在包含显示设备的PC机上通过Pycharm启动程序软件,运行相关的模块,进行城市环境内的两种无人机风险的评估。
本系统的使用人员可以为无人机主管当局,用于对提出申请的无人机进行两种风险评估和管理。也可以是无人机操纵者,对需要运行部署的无人机进行风险评估,以便准备相应的合格证明材料提供给主管当局。
本系统的硬件部分为包含显示设备的PC机,操作人员通过操作PC机来输入参数以及选择相应的评估模块,获取最后的风险评估结果。
本系统的软件部分为运行在Pycharm上的python程序,包括GUI模块、风险评估模块以及API函数模块三个部分,其中风险评估模块又分为SORA评估模块和地面建筑风险评估模块两个子模块。GUI模块采用wxpython编写,用于和操作人员进行交互,风险评估模块获取GUI模块中操作人员输入的参数以及执行的命令,调用API函数模块完成相应的功能并显示结果。
通过GUI模块生成的界面上输入无人机相关参数,可以实现针对城市环境的无人机风险评估方法中的步骤S1,通过调用SORA评估子模块,实现步骤S2和S3。通过导入运行场景数据存储设备(通常为硬盘)相关的数据获取地面建筑分布,实现步骤S4,通过地面建筑风险评估子模块实现步骤S5、S6。
上述针对城市环境的无人机风险评估系统的数据处理方法,包括以下步骤:
S1、用户启动Pycharm客户端,进入无人机风险评估主界面。在界面中输入无人机相关参数。
S2、用户选择进入SORA风险评估模块,模块首先验证数据有效性和完整性,如果缺少数据,则引发相应的异常。如果为有效数据,则进行SORA风险评估流程,用户需设置相应的缓解措施的鲁棒性等级。随后SORA风险评估模块根据无人机参数以及缓解措施的鲁棒性等级数据得到相应的SORA评估结果SAIL值,以及相关的安全运行目标OSO,作为返回数据输出。
S3、用户选择进入地面建筑风险评估模块,加载无人机运行场景的地图数据和航迹数据,首先对地图数据和航迹数据进行坐标转换。由经纬度坐标转化为运行场景内的相对坐标。随后计算地面建筑风险分布,航迹的风险分布以及不同航迹风险值对比。
S4、将步骤S2和步骤S3中所得的数据返回,进行解析后在显示设备上显示出来,其中步骤S2中所得的SORA风险评估结果以及安全运行目标OSO以txt文本形式显示,步骤S3中地面建筑风险分布以热图方式显示,航迹风险以折线图方式显示,不同航迹风险对比以柱状图形式显示。
在步骤S3中,地图数据为带有建筑物数据的shp格式数据,可以在互联网上下载或者通过特殊渠道从数据库获得。航迹数据为经纬度坐标记录的txt文本数据。
本发明使用步骤如下:
步骤一:打开Pycharm软件,运行程序,进入无人机风险评估系统的主界面。
步骤二:在系统主界面中输入无人机本身特征参数、无人机运行状态参数、无人机运行场景参数。
步骤三:进入SORA风险评估模块,根据无人机自身实际情况设置采用的缓解措施的鲁棒性等级。具体的鲁棒性等级及每个等级对应的标准可以参考SORA相关流程的文件。
步骤四:进行SORA评估,得到相应的安全运行目标OSO,主管部门可以要求无人机操纵者和厂商提供相应的证明材料,从而管理无人机自身风险。
步骤五:进入地面建筑风险评估模块,对相应的运行场景进行设置,导入地图文件和航迹文件。
步骤六:采用算法计算地面建筑风险分布,生成地面建筑风险分布图。根据结果计算每条航迹上的无人机风险。
步骤七:选择不同的航迹,重复步骤六种的计算航迹风险过程,将得到的风险进行对比,选择最小风险的航迹,从而达到管理无人机地面建筑风险的目的。
其中的信息流传递如下:操作人员通过显示设备将无人机参数传给GUI模块,并通过GUI模块上的按钮选择调用SORA评估模块和地面建筑风险评估模块,上面两个风险子模块调用API函数模块中的相应函数得出结果,将所得结果返回显示设备展示出来。
下面基于两个具体的实施案例来详细说明本发明的实施过程与验证效果。实例一主要说明了无人机风险评估系统的使用步骤,实例二用于和实例一对比结果,说明无人机风险评估方法和系统的有效性。
实施例一:场景为北京航空航天大学学院路校区。无人机采用DJI Mavic型号无人机,由于是学校环境,因此选择人口集中区域
步骤一:将系统连接完毕,打开电脑Pycharm软件,运行程序,进入无人机风险评估主系统,得到如图3所示的无人机风险评估系统主界面。
步骤二:根据实际情况,对无人机参数进行输入。本实例中选取DJI Mavic型号无人机,其参数信息如表1所示。
表1无人机参数
步骤三:点击“进入SORA风险评估模块“按钮,进入SORA风险评估子模块,SORA风险评估子模块界面如图4所示,根据实际情况对无人机按照图5所示SORA风险评估流程进行风险评估,并对需要的缓解措施设置相应的等级。本例中各项缓解措施的鲁棒性等级可如下表2、表3所示:
表2地面风险等级缓解措施
表3空中风险等级缓解措施
步骤四:根据得出的SAIL值,记录相应的安全运行目标OSO。所得结果如图6的SORA评估结果记录所示,根据相应结果,无人机操纵者、无人机制造商、主管当局共同参与无人机风险管理。
步骤五:返回主界面,随后进入地面建筑风险评估模块,选择运行场景相关信息。本实例中选择北京航空航天大学学院路校区作为运行场景。将地图文件和航迹文件导入系统。
步骤六:根据算法计算地面建筑风险分布,采用热图方式呈现结果,所得结果如图7地面建筑风险分布图所示。随后计算一条航迹上的风险分布,所得结果如图8单条航迹风险分布图所示。
步骤七:选择另一条航迹,重复步骤六终端航迹风险计算,将所得结果和原结果进行对比,结果如图9不同航迹风险对比图所示,选择风险较小的一条航迹,即图中的航迹x2,这样就完成了对于无人机地面建筑风险的管理。
实施例二:场景为某旅游景区。无人机采用DJI Phantom4型号无人机,由于是旅游景点区域,因此选择运行场景为视距内人群上方,运行空域为120米AGL以下,管控空域内的运行。
步骤一:将系统连接完毕,打开电脑Pycharm软件,运行程序,进入无人机风险评估系统主界面。
步骤二:根据实际情况,对无人机参数进行输入。
表4无人机参数
步骤三:点击“进入SORA风险评估模块“按钮,进入SORA风险评估子模块,根据实际情况对无人机按SORA流程进行风险评估,并对需要的缓解措施设置相应的等级。考虑到实际情况,在某旅游景区上方飞行的无人机必定受到严格的管控,因此地面风险等级缓解措施鲁棒性等级全部设置为高,空中风险等级缓解措施中的飞行计划审核设置为含有相应措施,本例中各项缓解措施的鲁棒性等级可如下表5、表6所示:
表5地面风险等级缓解措施
表6空中风险等级缓解措施
步骤四:评估得出最后的SAIL值,记录相应的安全运行目标值。根据相应结果,无人机操纵者、无人机制造商、主管当局共同参与无人机风险管理。本次SORA评估最终地面风险等级为0,空中风险等级为d。这是因为在某旅游景区环境下,假设采取了严格的缓解措施,将无人机自身风险降到很低。体现了本发明的有效性和实用性。
步骤五:返回主界面,随后进入地面建筑风险评估子模块,选择运行场景相关信息。本实例中选择某旅游景区作为运行场景。将地图文件和航迹文件导入系统。
步骤六:生成地面建筑风险分布图,所得结果如图10某旅游景区地面建筑风险分布图所示,对比图7北京航空航天大学的地面风险分布图以及图10的某旅游景区地面风险分布图,可以看出都在建筑区域密集的地区内具有更高的风险,说明了本方法和系统对地面建筑风险评估的有效性。随后计算一条航迹上的总风险,所得结果如图11某旅游景区单条航迹总分布图所示。从图11和图8的对比中可以看出,某旅游景区场景下建筑物更密集,因此所得的航迹分布曲线更曲折,说明了本发明系统和方法的准确性。
步骤七:计算另外两条航线风险,得到航线风险对比如图12某旅游景区不同航迹风险对比图所示,选择风险最小的航线path3作为运行航线。
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 (8)
1.一种针对城市环境的无人机风险评估方法,其特征在于,包括以下步骤:
S1:设置需要评估的无人机的相关参数;所需要输入的无人机的相关参数用于进行对于无人机在城市环境中运行带来的两种风险进行评估,形式将以具体的数学参数表达,相关参数分为无人机本身特征参数、无人机运行状态参数和无人机运行场景参数三部分:
无人机本身参数包括:无人机类型、无人机质量、无人机尺寸和无人机预期动能参数,用于评估无人机本身的安全性;无人机本身参数还包括:降落伞面积和降落伞拖拽密度,用于评估无人机发生事故后采取的缓解事故严重程度的措施;
无人机运行状态参数包括:无人机初始三维速度、滑翔速度、风速、风向、阻力系数、空气密度;无人机运行状态参数用于评估无人机本身可能发生危险时可能造成的对地面的危害区域和严重程度;
无人机运行场景参数包括:运行空域和运行场景两个参数,这两个参数的选择构建了无人机运行的场景内可能存在的安全隐患发生的概率大小和严重程度;
运行空域参数是判断无人机是否超过120米,是否处于管控区域;
运行场景参数是判断无人机是否处于视距内(BLOVS),飞行区域内人口是稀疏还是密集;
S2:采用SORA风险评估流程,对于无人机自身风险进行评估;
首先评估无人机的地面风险等级(GRC),记录无人机采用减少地面风险措施的稳健性等级;接着评估无人机空中风险(ARC),记录减少空中风险措施的稳健性等级;随后综合GRC值和ARC值确定风险评估的SAIL值,最后根据SAIL值确定安全运行目标(OSO)的内容稳健性等级并记录下来;
S3根据SORA风险评估流程的结果,飞机操纵者、有关管理部分和无人机制造商协同进行审查并对无人机自身部件进行改造,增加飞行条件限制,管理无人机自身风险;
S4导入运行场景相关参数;包括无人机运行的场景,场景内建筑物分布的质心及半径,无人机在场景内的航迹路线,无人机的系统失效概率,以及无人机的下降方式;根据这些,在S5中采用算法计算地面建筑的风险分布;
S5对地面建筑风险分布进行计算,计算地面建筑风险分布所采用的算法是地面建筑在区域地图上的分布数据为基准进行计算的;具体方法是:从数据库中获得无人机飞行区域内建筑物质心分布的经纬度坐标以及建筑物半径;随后以质心为圆心,建筑物半径为标准差进行高斯分布进行数学建模;因此,地图上任意一点的建筑风险值为所有建筑物在该点的高斯分布值之和,具体公式如下所示:
其中N表示区域内建筑物总数,j代表每一个具体风险源,即建筑物本身,lj=[μj,μj]T为建筑物质心坐标,同时也是高斯分布的均值向量,Kj为位置坐标r的协方差矩阵;特定区域每一个风险源j都会对其周围产生分布特性为二元高斯密度函数分布的地面建筑风险值,因此特定场景下的某点r=[x,y]T的地面建筑风险值是所有风险源j在此位置产生的风险概率总和;
S6根据S5计算的地面建筑风险分布,结合无人机航迹计算航迹风险分布,并计算每条航迹上无人机对地面建筑造成的地面建筑风险值总和,比较所有航线的地面建筑风险值总和,选择风险最低的航线,保证在运行场景提供的所有航迹内,无人机采用地面建筑风险最小的航迹。
2.根据权利要求1所述的无人机风险评估方法,其特征在于:S6中航迹风险分布所采用的算法基于上述所得的地面建筑风险分布Risk值,航迹风险用每小时在该航迹上造成的风险概率来衡量,其值等于无人机失效概率和撞击地面区域内总Risk值积分得到,总Risk值由失效后撞击地面区域分布以及分布上每点的Risk值积分得,具体公式到如下所示:
其中PRiskdensity(l)是路径上飞行时间每小时内无人机事故造成的地面风险,为最后风险评估计算结果指标;Pfaliure是无人机单位飞行时间每小时内事故发生的次数也就是无人机单位飞行时间内事故发生的概率,根据无人机统计数据或者经验获得;Risk(x,y)是地面某点处建筑物的建筑风险值,由式(1)计算获得;S为风险缓解因子,由步骤S3中的SORA缓解措施结果决定;
则表示无人机在位置点n处发生系统失效或者空中碰撞后撞击地面点(x,y)分布情况;
其中Uinfo(n)表示在点n处无人机发生系统失效或者空中碰撞,其数值根据经验估计或者具体场景情况进行设定;表示无人机发生系统失效或者空中碰撞后撞击地面的分布,表示为:
pN=x(H)·sinθ+ω·t·sinψ (4)
pE=x(H)·cosθ+ω·t·cosψ (5)
其中θ表示无人机飞行方向,ω、ψ分别表示风速和风向;x(H)表示随着无人机下降距离H,无人机水平方向运动距离x的变化函数;表示为:
x(H)=vxeGsech(gγt+H) (6)
t=ttop+tdrop (7)
无人机下降具体形式有弹道下降和滑翔下降两种形式,两种形式的x(H)和t分别表示为:
滑翔下降:
G=ln coshH,H=arctanh(vyγ),
弹道下降:
其中x(H)为无人机水平运动距离,以此作为模型中的无人机下降对地碰撞点;H为无人机飞行高度;vx为无人机失效时的初始水平运动速度,vy为无人机失效时的初始垂直运动速度;m为无人机质量,g为重力加速度取9.82m/s2,ρ为空气密度,A为无人机迎风面积,Cd为阻力系数。
3.一种无人机风险评估系统,其特征在于:权利要求1或2的其中一项所述的无人机风险评估方法需要通过无人机风险评估系统运行;
无人机风险评估系统包括:硬件和软件两部分;
硬件部分为包含显示设备的PC机,操作人员通过操作PC机来输入参数以及选择相应的评估模块,获取最后的风险评估结果;
软件部分为实现无人机风险评估方法的程序,其包括:GUI模块、风险评估模块以及API函数模块三个部分;其中风险评估模块又分为SORA评估模块和地面建筑风险评估模块两个子模块;
GUI模块采用wxpython编写,用于和操作人员进行交互,风险评估模块获取GUI模块中操作人员输入的参数以及执行的命令,调用API函数模块完成相应的功能并显示结果。
4.根据权利要求3所述的无人机风险评估系统,其特征在于:通过GUI模块生成的界面上输入无人机相关参数,实现无人机风险评估方法中的步骤S1,通过调用SORA评估子模块,实现步骤S2和S3;通过导入运行场景数据存储设备相关的数据获取地面建筑分布,实现步骤S4,通过地面建筑风险评估子模块实现步骤S5、S6。
5.根据权利要求4所述的无人机风险评估系统,其特征在于:软件部分为运行在Pycharm上的python程序。
6.根据权利要求5所述的无人机风险评估系统,其特征在于:无人机风险评估系统的使用过程为:相关人员可以在包含显示设备的PC机上通过Pycharm启动程序软件,运行相关的模块,进行城市环境内的两种无人机风险的评估;本系统的使用人员可以为无人机主管当局,用于对提出申请的无人机进行两种风险评估和管理;也可以是无人机操纵者,对需要运行部署的无人机进行风险评估,以便准备相应的合格证明材料提供给主管当局。
7.一种人机风险评估系统的数据处理方法,其特征在于:所述数据处理方法是在权利要求6所述的无人机风险评估系统的基础上实现的;
所述数据处理方法,包括以下步骤:
S1、用户启动Pycharm客户端,进入无人机风险评估主界面;在界面中输入无人机相关参数;
S2、用户选择进入SORA风险评估模块,模块首先验证数据有效性和完整性,如果缺少数据,则引发相应的异常;如果为有效数据,则进行SORA风险评估流程,用户需设置相应的缓解措施的鲁棒性等级;随后SORA风险评估模块根据无人机参数以及缓解措施的鲁棒性等级数据得到相应的SORA评估结果SAIL值,以及相关的安全运行目标OSO,作为返回数据输出;
S3、用户选择进入地面建筑风险评估模块,加载无人机运行场景的地图数据和航迹数据,首先对地图数据和航迹数据进行坐标转换;由经纬度坐标转化为运行场景内的相对坐标;随后计算地面建筑风险分布,航迹的风险分布以及不同航迹风险值对比;
S4、将步骤S2和步骤S3中所得的数据返回,进行解析后在显示设备上显示出来,其中步骤S2中所得的SORA风险评估结果以及安全运行目标OSO以txt文本形式显示,步骤S3中地面建筑风险分布以热图方式显示,航迹风险以折线图方式显示,不同航迹风险对比以柱状图形式显示。
8.根据权利要求7所述数据处理方法,其特征在于,在步骤S3中,地图数据为带有建筑物数据的shp格式数据,在互联网上下载或者从数据库获得;航迹数据为经纬度坐标记录的txt文本数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110519827.3A CN113361862B (zh) | 2021-05-13 | 2021-05-13 | 一种针对城市环境的无人机风险评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110519827.3A CN113361862B (zh) | 2021-05-13 | 2021-05-13 | 一种针对城市环境的无人机风险评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113361862A CN113361862A (zh) | 2021-09-07 |
CN113361862B true CN113361862B (zh) | 2023-04-18 |
Family
ID=77526220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110519827.3A Active CN113361862B (zh) | 2021-05-13 | 2021-05-13 | 一种针对城市环境的无人机风险评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113361862B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114882382B (zh) * | 2022-04-06 | 2023-03-24 | 深圳信息职业技术学院 | 一种基于图像识别的建筑物碰撞保护方法 |
CN115994362B (zh) * | 2023-03-23 | 2023-06-09 | 卡斯柯信号(北京)有限公司 | 用于全自动运行系统的安全分析方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2019436652A1 (en) * | 2019-05-24 | 2020-12-10 | A^3 By Airbus Llc | Risk assessment for unmanned aerial vehicles |
CN112132144A (zh) * | 2020-07-31 | 2020-12-25 | 北京航空航天大学 | 一种基于遥感图像的无人机航线撞地风险评估方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160307447A1 (en) * | 2015-02-13 | 2016-10-20 | Unmanned Innovation, Inc. | Unmanned aerial vehicle remote flight planning system |
EP3812987A1 (en) * | 2019-10-22 | 2021-04-28 | Eurousc Italia società a responsabilità limitata | Method to assess operative risk and feasibility of a predetermined flight mission of a drone |
CN111177851B (zh) * | 2019-12-27 | 2023-05-02 | 北航(四川)西部国际创新港科技有限公司 | 一种无人机运行安全风险评估中对地风险的评估方法 |
CN111859247B (zh) * | 2020-07-20 | 2022-06-28 | 西华大学 | 一种基于星基ads-b数据的无人机运行风险评估方法 |
CN112466161B (zh) * | 2020-11-27 | 2021-09-21 | 北航(四川)西部国际创新港科技有限公司 | 一种基于多样环境因素的低空飞行器避撞能力评估方法 |
-
2021
- 2021-05-13 CN CN202110519827.3A patent/CN113361862B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2019436652A1 (en) * | 2019-05-24 | 2020-12-10 | A^3 By Airbus Llc | Risk assessment for unmanned aerial vehicles |
CN112132144A (zh) * | 2020-07-31 | 2020-12-25 | 北京航空航天大学 | 一种基于遥感图像的无人机航线撞地风险评估方法 |
Non-Patent Citations (1)
Title |
---|
胡莘婷等.基于城区行人安全的无人机运行风险评估.《中国安全科学学报》.2020,第30卷(第8期),第137-142页. * |
Also Published As
Publication number | Publication date |
---|---|
CN113361862A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3769173B1 (en) | Risk assessment for unmanned aerial vehicles | |
Clothier et al. | A casualty risk analysis for unmanned aerial system (UAS) operations over inhabited areas | |
la Cour-Harbo | Ground impact probability distribution for small unmanned aircraft in ballistic descent | |
CN111177851B (zh) | 一种无人机运行安全风险评估中对地风险的评估方法 | |
US7248949B2 (en) | System and method for stochastic aircraft flight-path modeling | |
CN113361862B (zh) | 一种针对城市环境的无人机风险评估方法及系统 | |
CN113359834B (zh) | 一种无人机运行监控方法、系统及监控平台 | |
TWI794516B (zh) | 透過空中交通管理電子系統的用於空中管理的訓練和/或輔助平台及方法 | |
Suplisson | Optimal recovery trajectories for automatic ground collision avoidance systems (auto gcas) | |
Guérin et al. | Certifying emergency landing for safe urban uav | |
CN106445655A (zh) | 将约束航线优化应用程序整合到航空电子机载系统的方法 | |
Schopferer et al. | Trajectory risk modelling and planning for unmanned cargo aircraft | |
Prevot et al. | From rural to urban environments: Human/systems simulation research for low altitude UAS Traffic Management (UTM) | |
Raballand et al. | DROSERA: A DROne Simulation Environment for Risk Assessment | |
Baum et al. | A mindset-based evolution of unmanned aircraft system (UAS) acceptance into the national airspace system (NAS) | |
Janisch et al. | Uav collision risk as part of u-space demand and capacity balancing | |
CN117034456A (zh) | 火箭的飞行轨迹评估方法、装置、存储介质及电子设备 | |
Trombetta | Multi-trajectory automatic ground collision avoidance system with flight tests (project Have ESCAPE) | |
CN105303898B (zh) | 一种基于主成分分析的空中交通管制模拟仿真异常检测方法和装置 | |
Breunig et al. | Modeling ground collision severity of small unmanned aircraft systems | |
CN111474956B (zh) | 一种基于仿真平台和监控平台的无人机电子侦查目标的模拟方法 | |
Ellis | Inspection of power transmission lines using UAVs | |
Swartzentruber et al. | Three-dimensional multi-objective UAV path planner using terrain information | |
Valkov et al. | Operational Overview for UAS Integration in the NAS Project Flight Test Series 3 | |
US20230222927A1 (en) | Quantitative approach and departure risk assessment system |
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 |