CN113868828B - 一种公路行动中最早到达的反卫星侦察安全行动方法 - Google Patents

一种公路行动中最早到达的反卫星侦察安全行动方法 Download PDF

Info

Publication number
CN113868828B
CN113868828B CN202110797898.XA CN202110797898A CN113868828B CN 113868828 B CN113868828 B CN 113868828B CN 202110797898 A CN202110797898 A CN 202110797898A CN 113868828 B CN113868828 B CN 113868828B
Authority
CN
China
Prior art keywords
satellite
action
vehicle
point
reconnaissance
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
Application number
CN202110797898.XA
Other languages
English (en)
Other versions
CN113868828A (zh
Inventor
杨洋
罗朗
林啸天
张炜
王啸臻
马鑫
王秀红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
63768 Troops Of People's Liberation Army Of China
Original Assignee
63768 Troops Of People's Liberation Army Of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 63768 Troops Of People's Liberation Army Of China filed Critical 63768 Troops Of People's Liberation Army Of China
Priority to CN202110797898.XA priority Critical patent/CN113868828B/zh
Publication of CN113868828A publication Critical patent/CN113868828A/zh
Application granted granted Critical
Publication of CN113868828B publication Critical patent/CN113868828B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Human Resources & Organizations (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种公路行动中最早到达的反卫星侦察安全行动方法，实现在固定行动路线下，行动车辆对多卫星侦察的规避。在制定反卫星侦察规避安全行动的策略时，需要重点关注的两个要素分别为到达时间和规避时长。在任务紧急的情况下一般需要选择最早到达的策略，当有足够的冗余时间且对安全性要求较高时，任务方则会选择在路上规避时长最短的策略。避免了仅对重要点位进行航天侦察规避计算可能造成的漏警，也避免了对路线经过的全区域进行计算造成的低效。相较之前仅输出安全窗口开始结束时间更为直观。能为车辆行动的航天侦察规避和行动策略规划提供有效参考和支持，具有较高的实用价值。

Description

一种公路行动中最早到达的反卫星侦察安全行动方法
技术领域
本发明涉及航天测量与控制领域，尤其涉及一种公路行动中最早到达的反卫星侦察安全行动方法。
背景技术
自海湾战争以来，侦察卫星已是各国对别国进行秘密获取的重要手段。根据美国公开的UCS(Union of Concerned Scientists)卫星数据库及其他相关网页、文献显示，当前在低轨道运行的他国侦察卫星近400颗，其中分辨率优于1米的卫星不少于100颗。随着国际航天事业的发展，低轨侦察卫星将持续增多。目前公路行动如装备转场、部队换防或国家重要物资运输等行动都属于国家重大秘密，为了避免敌方侦察卫星对我方行动进行侦察窃密，需要开展国外卫星对我方行动的侦察预报，并根据预报结果设计反侦察的规避策略。
当前现有的航天侦察规避算法主要是针对固定点位或区域进行计算，对于行动线路的航天侦察规避算法并不成熟。如美方AGI实验室的STK软件，可对线路进行航天器侦察预报，但仅能为某固定时刻出发车辆机动行动开展计算。国内某单位在向用户单位提供行动线路卫星侦察预报服务时，仅是把对行动路线的航天侦察规避计算转化为对路线经过区域的航天侦察规避计算或者对行动路线上部分关键点位进行全时段航天侦察规避计算。以上算法均存在效率低、虚警率高等问题。同时，以上算法生成的结果主要是安全窗口的开始时间和结束时间，不能为公路行动策略提出建议，对行动本身缺乏指导意义，实用效果不明显。
综上，目前国内尚无一套为车辆/车队提供沿固定路线行驶过程中反卫星侦察安全行动策略。
发明内容
本发明的目的就在于为了解决上述问题而提供一种公路行动中最早到达的反卫星侦察安全行动方法。
本发明通过以下技术方案来实现上述目的：
本发明包括以下步骤：
步骤一、场景建模：将车辆公路行动路线分割成多个曲线段进行分析，每段间隔选为卫星幅宽ΔL；设起点为A0点，后续各点分别为A1、A2…An点，Ai-1和Ai个点之间路段以li表示，其中Ai-1为该路段起点，Ai为该路段终点，An点为全程终点，n＝int(l/ΔL)+1，l为路程总长度；自A0开始依次对Ai-1和Ai个点之间路段li按区域进行建模，最终形成路线图为由多个由Ai和Ai+1作为两对角端点的球面矩形所组成，Si为介于Ai-1和Ai点之间的球面矩形区域；
对总计划行动区间T进行分割，分割段数m＝int(T/ΔT)-1；其中，每段间隔对应的车辆运动时长ΔT＝ΔL/v，v为车辆恒定速度，预定行动时间区间起点时刻为T0时刻，后续各点分别为T1、T2…Tm点；
步骤二，建立卫星侦察预报矩阵：对各个矩形区域开展T天内的侦察卫星的过境预报，将结果以预报结果矩阵的形式表示，预报结果矩阵Trnm为n行m列矩阵，其每个元素Tr(i,j)指在(Ti-1,Ti]时段Sj路段是否有卫星侦照，如果有卫星侦照则Tr(i,j)＝1，否则为0；将车辆的运行状态用n行m列矩阵Drnm表示，当车辆于(Ti-1,Ti]时间段内通过Sj路段时Dr(i,j)＝1，反之为0；构建与矩阵Drnm对应的方格图，第i行第j列对应的方格以对应的矩阵元素编号Tr(i,j)表示，方格为黑色(红色)表明对应的矩阵元素值为1；
用n行m列矩阵Drnm表示车辆的运行状态，当车辆于(Ti-1,Ti]时间段内通过Sj路段时Dr(i,j)＝1，反之为0。如果车辆自起点A0点按速度v匀速前进，且不采取任何规避手段，则Drnm表现为一个m×m的单位矩阵Imm和一个n×(m-n)的零矩阵On(m-n)的合并集Drnm＝[Imm|On(m-n)]；当车辆于(Ti-1,Ti+k-1)时间段在Sj路段停留时，对应的Dr(i,j)、Dr(i+1,j)…Dr(i+k,j)值均为1；
步骤三，开展“最早到达”反卫星侦察安全行动策略制定：采用多条带有箭头的线段组合来表现车辆的行驶策略，匀速行驶以沿小方格对角线前进的箭头表示，停止以向右平行延伸的箭头表示；规避策略的约束条件为车辆行驶的路段无卫星侦察，即当Tr(i,j)＝1时，Dr(i,j)＝0，表现在矩阵图中为表示车辆行驶策略的线段不得经过黑色方格；自(A0,Ti)点开始沿方格对角线向右下前进，如到达黑色方格左上角点处，则向右平移直至对应右下角方向方格为白色后继续沿方格对角线前进，如此反复直到到达矩阵最后一行对应点为(An,TE),将该方法得到的行动策略按时序描述即为对应的“最早到达”反卫星侦察车辆行驶策略；用该搜索方法寻找到的策略为自Ti时刻从出发点A0开始沿设计线路按时序匀速行驶，如下一时段将有卫星对下一路段进行侦察，则在本路段的终点处停止等待至下一路段无卫星侦察时继续匀速行驶，如此反复直至TE时刻到达终点An。
进一步，所述步骤一将车辆公路行动路线分割成多个曲线段进行分析，如总长度对ΔL不能整除，则最后一个曲线段相对其他线段用时较短；用ΔT将T进行分割，如果T不能被ΔT分割则去掉最后一段。
优选的，所述步骤二选用SGP4/SDP4模型或HPOP模型进行卫星轨道仿真。
本发明的有益效果在于：
本发明是一种公路行动中最早到达的反卫星侦察安全行动方法，与现有技术相比，本发明具有如下技术效果：
第一，提出了一种有效的车辆公路行动路线的建模方法。本发明基于卫星成像幅宽和路程总长度，将整个行动路线分割成个曲线路段，并以每个曲线路段的起点和终点为顶点构建球面矩形，把对整个路段的航天侦察规避计算转化为对n个球面矩形的侦察卫星过境预报。这种建模方法避免了仅对重要点位进行航天侦察规避计算可能造成的漏警，也避免了对路线经过的全区域进行计算造成的低效。
第二，基于此种建模方法，生成对应的侦察预报矩阵，并根据矩阵形成预报矩阵方格图。这种方法可以展示某一路段在某一时间段内是否安全，相较之前仅输出安全窗口开始结束时间更为直观。
第三，基于侦察预报矩阵，发明了一套“最早到达”的策略搜索算法，按照本算法总能找到一种最早到达的行动策略，能为车辆行动的航天侦察规避和行动策略规划提供有效参考和支持，具有较高的实用价值。
附图说明
图1是本发明的路线建模示意图；
图2是本发明的等待规避顺序搜索法示意图；
图3是两地路线建模示意图；
图中：a全貌地图；b局部放大图；
图4是两地卫星侦察矩阵图；
图5是两地最早到达策略示意图；
图6是本发明的技术方案流程图；
图7是本发明的最早到达规避策略搜索算法流程图。
具体实施方式
下面结合附图对本发明作进一步说明：
如图6、7所示：为了克服现有技术的不足，本发明提供一种公路行动反卫星侦察规避策略，实现在固定行动路线下，行动车辆对多卫星侦察的规避。并且，在制定反卫星侦察规避安全行动的策略时，需要重点关注的两个要素分别为到达时间和规避时长。在任务紧急的情况下一般需要选择最早到达的策略，当有足够的冗余时间且对安全性要求较高时，任务方则会选择在路上规避时长最短的策略。本发明主要围绕“最早到达”的目的开展策略制定。
本发明解决其技术问题所采用的技术方案包括以下步骤：
步骤一、场景建模。
将车辆公路行动路线(如图1中曲线所示)分割成多个曲线段进行分析，每段间隔选为卫星幅宽ΔL；设起点为A0点，后续各点分别为A1、A2…An点，Ai-1和Ai个点之间路段以li表示，其中Ai-1为该路段起点，Ai为该路段终点，An点为全程终点，n＝int(l/ΔL)+1，l为路程总长度；自A0开始依次对Ai-1和Ai个点之间路段li按区域进行建模，最终形成路线图为由多个由Ai和Ai+1作为两对角端点的球面矩形所组成，Si为介于Ai-1和Ai点之间的球面矩形区域详见图1。
对总计划行动区间T进行分割，分割段数m＝int(T/ΔT)-1。其中，每段间隔对应的车辆运动时长ΔT＝ΔL/v，v为车辆恒定速度，预定行动时间区间起点时刻为T0时刻，后续各点分别为T1、T2…Tm点。
步骤二，建立卫星侦察预报矩阵。
对各个矩形区域开展T天内的侦察卫星的过境预报，将结果以预报结果矩阵的形式表示，预报结果矩阵Trnm为n行m列矩阵，其每个元素Tr(i,j)指在(Ti-1,Ti]时段Sj路段是否有卫星侦照，如果有卫星侦照则Tr(i,j)＝1，否则为0；将车辆的运行状态用n行m列矩阵Drnm表示，当车辆于(Ti-1,Ti]时间段内通过Sj路段时Dr(i,j)＝1，反之为0。构建与矩阵Drnm对应的方格图，第i行第j列对应的方格以对应的矩阵元素编号Tr(i,j)表示，方格为黑色(红色)表明对应的矩阵元素值为1。(见图2)
用n行m列矩阵Drnm表示车辆的运行状态，当车辆于(Ti-1,Ti]时间段内通过Sj路段时Dr(i,j)＝1，反之为0。如果车辆自起点A0点按速度v匀速前进，且不采取任何规避手段，则Drnm表现为一个m×m的单位矩阵Imm和一个n×(m-n)的零矩阵On(m-n)的合并集Drnm＝[Imm|On(m-n)]。当车辆于(Ti-1,Ti+k-1)时间段在Sj路段停留时，对应的Dr(i,j)、Dr(i+1,j)…Dr(i+k,j)值均为1。
步骤三，开展“最早到达”反卫星侦察安全行动策略制定。
采用多条带有箭头的线段组合来表现车辆的行驶策略，匀速行驶以沿小方格对角线前进的箭头表示，停止以向右平行延伸的箭头表示。规避策略的约束条件为车辆行驶的路段无卫星侦察，即当Tr(i,j)＝1时，Dr(i,j)＝0，表现在矩阵图中为表示车辆行驶策略的线段不得经过黑色方格。
自(A0,Ti)点开始沿方格对角线向右下前进，如到达黑色方格左上角点处，则向右平移直至对应右下角方向方格为白色后继续沿方格对角线前进，如此反复直到到达矩阵最后一行对应点为(An,TE),将该方法得到的行动策略按时序描述即为对应的“最早到达”反卫星侦察车辆行驶策略(见图2)。用该搜索方法寻找到的策略为自Ti时刻从出发点A0开始沿设计线路按时序匀速行驶，如下一时段将有卫星对下一路段进行侦察，则在本路段的终点处停止等待至下一路段无卫星侦察时继续匀速行驶，如此反复直至TE时刻到达终点An。
所述的步骤一将车辆公路行动路线分割成多个曲线段进行分析，如总长度对ΔL不能整除，则最后一个曲线段相对其他线段用时较短；用ΔT将T进行分割，如果T不能被ΔT分割则去掉最后一段。
所述的步骤二选用SGP4/SDP4模型或HPOP模型进行卫星轨道仿真。
本发明的实施例选择了在轨20颗、50颗和100颗低轨卫星对自北京经商洛至青海的路线进行3天的侦察预报，利用本发明的算法进行场景建模、卫星侦察预报矩阵建立以及策略搜索。
1.场景建模
根据行车路线和行车速度对已知路线进行分割，以已知卫星的最小幅宽15公里为分割距离，总行程为1715公里，可分割为100份。按照车速60公里/小时进行计算，运行总时长需要28.58小时，行驶一个路段需要15分钟。预报时长为3天，按照15分钟进行分割可分为288份。路线建模图见图3，左图为全貌，右图为放大图，图中各矩形为对线路分割后各路段对应的球面矩形。
2.卫星侦察预报矩阵建立
以20颗卫星为例，对100个路段进行3天内的卫星侦察预报，预报结果见图5。该图横坐标为时间，纵坐标为全程经过的各个路段，0表示全路段的起点即北京，100表示全路段的终点即青海。图中各路段有卫星过境侦察的时段对应的方格为红色，无卫星过境的标为白色。
3.策略搜索
从矩阵图(图4)中(A0,T0)点开始向右下角搜索，于T16时刻(T16＝T0+16×15min)到达A16处，由于将有卫星侦察15分钟，因此需原地等待15分钟，再匀速前进(如图5中放大处所示)。于T63时刻行驶至A62处，由于将有卫星侦察15分钟，则继续原地等待15分钟后匀速前进。最终于T102时刻到达终点A100，实线路径为最终搜索路径。
最终得到最早到达行动策略为：自T0时刻出发车队匀速行驶，于T16时刻行驶至A16处后等待规避15分钟，后匀速行进，于T63时刻行驶至A62处后等待规避15分钟，继续匀速行进，于T102时刻到达终点，总规避时长30分钟。
本发明利用多颗卫星实例对算法进行了检验，验证了算法的可行性，提出了结合侦察预报矩阵和策略搜索算法进行出发窗口选择的方法，基于该方法，本发明不仅可用于匀速运动以及等待规避的情况，也可用于常见的速度变化或迂回等情况。本文提出的建模思想和算法还可以拓展应用于飞机、舰船行驶过程中的规避策略制定。
以上显示和描述了本发明的基本原理和主要特征及本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (3)

1.一种公路行动中最早到达的反卫星侦察安全行动方法，其特征在于，包括以下步骤：
步骤一、场景建模：将车辆公路行动路线分割成多个曲线段进行分析，每段间隔选为卫星幅宽ΔL；设起点为A0点，后续各点分别为A1、A2ΛAn点，Ai-1和Ai个点之间路段以li表示，其中Ai-1为该路段起点，Ai为该路段终点，An点为全程终点，n＝int(l/ΔL)+1，l为路程总长度；自A0开始依次对Ai-1和Ai个点之间路段li按区域进行建模，最终形成路线图为由多个由Ai和Ai+1作为两对角端点的球面矩形所组成，Si为介于Ai-1和Ai点之间的球面矩形区域；
对总计划行动区间T进行分割，分割段数m＝int(T/ΔT)-1；其中，每段间隔对应的车辆运动时长ΔT＝ΔL/v，v为车辆恒定速度，预定行动时间区间起点时刻为T0时刻，后续各点分别为T1、T2ΛTm点；
步骤二，建立卫星侦察预报矩阵：对各个矩形区域开展T天内的侦察卫星的过境预报，将结果以预报结果矩阵的形式表示，预报结果矩阵Trnm为n行m列矩阵，其每个元素Tr(i,j)指在(Ti-1,Ti]时段Sj路段是否有卫星侦照，如果有卫星侦照则Tr(i,j)＝1，否则为0；将车辆的运行状态用n行m列矩阵Drnm表示，当车辆于(Ti-1,Ti]时间段内通过Sj路段时Dr(i,j)＝1，否则为0；构建与矩阵Trnm对应的方格图，第i行第j列对应的方格以对应的矩阵元素编号Tr(i,j)表示，方格为黑色表明对应的矩阵元素值为1；
用n行m列矩阵Drnm表示车辆的运行状态，当车辆于(Ti-1,Ti]时间段内通过Sj路段时Dr(i,j)＝1，反之为0； 如果车辆自起点A0点按速度v匀速前进，且不采取任何规避手段，则Drnm表现为一个m×m的单位矩阵Imm和一个n×(m-n)的零矩阵On(m-n)的合并集Drnm＝[Imm|On(m-n)]；当车辆于(Ti-1,Ti+k-1)时间段在Sj路段停留时，对应的Dr(i,j)、Dr(i+1,j)…Dr(i+k,j)值均为1；
应用，开展“最早到达”反卫星侦察安全行动策略制定：采用多条带有箭头的线段组合来表现车辆的行驶策略，匀速行驶以沿小方格对角线前进的箭头表示，停止以向右平行延伸的箭头表示；规避策略的约束条件为车辆行驶的路段无卫星侦察，即当Tr(i,j)＝1时，Dr(i,j)＝0，表现在矩阵图中为表示车辆行驶策略的线段不得经过黑色方格；自(A0,T0)点开始沿方格对角线向右下前进，如到达黑色方格左上角点处，则向右平移直至对应右下角方向方格为白色后继续沿方格对角线前进，如此反复直到到达矩阵最后一行对应点为(An,TE)； 该方法得到的行动策略按时序描述即为对应的“最早到达”反卫星侦察车辆行驶策略；用该搜索方法寻找到的策略为自Ti时刻从出发点A0开始沿设计线路按时序匀速行驶，如下一时段将有卫星对下一路段进行侦察，则在本路段的终点处停止等待至下一路段无卫星侦察时继续匀速行驶，如此反复直至TE时刻到达终点An。
2.根据权利要求1所述的公路行动中最早到达的反卫星侦察安全行动方法，其特征在于：所述步骤一将车辆公路行动路线分割成多个曲线段进行分析，如总长度对ΔL不能整除，则保留最后一个曲线段，该曲线段相对其他线段用时较短；用ΔT将T进行分割，如果T不能被ΔT分割则在计算中不考虑最后一个时间段。
3.根据权利要求1所述的公路行动中最早到达的反卫星侦察安全行动方法，其特征在于：所述步骤二选用SGP4/SDP4模型或HPOP模型进行卫星轨道计算。
CN202110797898.XA 2021-07-15 2021-07-15 一种公路行动中最早到达的反卫星侦察安全行动方法 Active CN113868828B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110797898.XA CN113868828B (zh) 2021-07-15 2021-07-15 一种公路行动中最早到达的反卫星侦察安全行动方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110797898.XA CN113868828B (zh) 2021-07-15 2021-07-15 一种公路行动中最早到达的反卫星侦察安全行动方法

Publications (2)

Publication Number Publication Date
CN113868828A CN113868828A (zh) 2021-12-31
CN113868828B true CN113868828B (zh) 2022-11-25

Family

ID=78990091

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110797898.XA Active CN113868828B (zh) 2021-07-15 2021-07-15 一种公路行动中最早到达的反卫星侦察安全行动方法

Country Status (1)

Country Link
CN (1) CN113868828B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1991009375A1 (en) * 1989-12-11 1991-06-27 Caterpillar Inc. Integrated vehicle positioning and navigation system, apparatus and method
CN110276043A (zh) * 2019-06-19 2019-09-24 中国电子科技集团公司第五十四研究所 一种基于边界点访问计算的区域目标访问计算方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7272474B1 (en) * 2004-03-31 2007-09-18 Carnegie Mellon University Method and system for estimating navigability of terrain
CN109146157B (zh) * 2018-08-02 2021-07-20 中国人民解放军战略支援部队航天工程大学 一种基于太阳同步回归轨道的共轨迹应急侦察星座优化设计方法
CN108955694A (zh) * 2018-08-15 2018-12-07 北京理工大学 一种面向生存能力增强的多地面单元协同路径规划方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1991009375A1 (en) * 1989-12-11 1991-06-27 Caterpillar Inc. Integrated vehicle positioning and navigation system, apparatus and method
CN110276043A (zh) * 2019-06-19 2019-09-24 中国电子科技集团公司第五十四研究所 一种基于边界点访问计算的区域目标访问计算方法

Also Published As

Publication number Publication date
CN113868828A (zh) 2021-12-31

Similar Documents

Publication Publication Date Title
CN108216229B (zh) 交通工具、道路线检测和驾驶控制方法及装置
US11693409B2 (en) Systems and methods for a scenario tagger for autonomous vehicles
US20230124864A1 (en) Graph Representation Querying of Machine Learning Models for Traffic or Safety Rules
EP3688540B1 (en) Systems and methods for autonomous driving
TW201738811A (zh) 推薦預計到達時間的系統及方法
CN110992676B (zh) 一种道路通行能力与网联自动驾驶车当量系数估计方法
CN106777833A (zh) 基于鲁棒策略的地铁交通流优化控制方法
CN104331859B (zh) 一种遥感卫星狭长目标区域的斜条带拼接成像方法
CN104217123B (zh) 一种敏捷卫星机动中对目标进行斜条带成像的方法
CN114239207B (zh) 一种公路机动中反卫星侦察的最早到达且最短规避方法
Benterki et al. Long-term prediction of vehicle trajectory using recurrent neural networks
CN110264719A (zh) 一种基于多源数据的机动车动态od矩阵估计方法
CN113868828B (zh) 一种公路行动中最早到达的反卫星侦察安全行动方法
Mänttäri et al. Learning to predict lane changes in highway scenarios using dynamic filters on a generic traffic representation
Saifutdinov et al. Time and space discretization in the digital twin of the airport transport network
Tong et al. Anchor‐adaptive railway track detection from unmanned aerial vehicle images
CN114548572A (zh) 城市路网交通状态的预测方法、装置、设备及介质
CN105083335B (zh) 地铁交通流优化控制方法
CN106570270B (zh) 一种面向体系设计的多星组合覆盖特性快速确定方法
Shin et al. UAV-assisted and deep learning-driven object detection and tracking for autonomous driving
Zhang et al. A software architecture for autonomous taxiing of aircraft
CN116817950A (zh) 路径规划方法、装置、设备、系统、存储介质和程序产品
CN116341203A (zh) 基于人工智能的热力管线无人化巡检及检修方法、系统
CN116301027A (zh) 一种基于安全强化学习的城市空域内无人机路径规划方法
Liu et al. Learning to route via theory-guided residual network

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