CN113869598A - 基于智慧城市的无人机智能远程管理方法、系统及云平台 - Google Patents
基于智慧城市的无人机智能远程管理方法、系统及云平台 Download PDFInfo
- Publication number
- CN113869598A CN113869598A CN202111194360.6A CN202111194360A CN113869598A CN 113869598 A CN113869598 A CN 113869598A CN 202111194360 A CN202111194360 A CN 202111194360A CN 113869598 A CN113869598 A CN 113869598A
- Authority
- CN
- China
- Prior art keywords
- task
- unmanned aerial
- data
- aerial vehicle
- emergency
- 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000012549 training Methods 0.000 claims description 50
- 238000000605 extraction Methods 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 9
- 238000012545 processing Methods 0.000 description 14
- 238000013473 artificial intelligence Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 2
- 102000006822 Agouti Signaling Protein Human genes 0.000 description 1
- 108010072151 Agouti Signaling Protein Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种基于智慧城市的无人机智能远程管理方法、系统及云平台,基于待处理的紧急任务,获取预设管控区域内的各个无人机的当前状态信息,并基于各无人机的当前状态信息,确定与紧急任务匹配的目标无人机,最后远程下发任务分配信息至目标无人机,使目标无人机根据任务分配信息执行紧急任务。其中,任务分配信息包括紧急任务的任务描述信息以及根据目标无人机的当前状态信息,所获取的针对目标无人机用于完成紧急任务的无人机飞行路线。本发明通过对预设管控区域各无人机的当前状态信息和当前的紧急任务进行匹配分析,能够高效的调度匹配于紧急任务的运行状态较佳的目标无人机对紧急任务进行处理。
Description
技术领域
本发明涉及无人机技术领域,具体而言,涉及一种基于智慧城市的无人机智能远程管理方法、系统及云平台。
背景技术
无人飞行载具(Unmanned Aerial Vehicle,UAV )又称为无人机。随着无人飞行技术的快速发展,消费性无人机在各行各业得到的广泛的应用,用于替代人执行相应的工作。
进一步地,随着智慧城市进程的不断加速,无人机在智慧城市领域的应用也被广泛推广。例如,无人机用于智慧城市交通监控与指挥、自动送餐、智慧城市物流等各种领域,极大的方便了人们日常的工作与生活,同时使得城市变得越来越“智慧化”。
然而,在基于智慧城市的无人机应用的过程中,发明人经研究发现,针对不同类型的管控区域,经常会面临一些紧急任务(如紧急订单、紧急救援事件等)的处理,而在面临一些紧急任务的无人机调度时,如何高效的调度匹配且运行状态最佳的无人机对紧急任务进行处理,时目前领域内一直致力于研究改善的问题。
发明内容
基于上述问题,本发明实施例的目的之一在于提供一种基于智慧城市的无人机智能远程管理方法,应用于云平台,所述方法包括:
基于待处理的紧急任务,获取预设管控区域内的各个无人机的当前状态信息;
基于各所述无人机的当前状态信息,确定与所述紧急任务匹配的目标无人机;
远程下发任务分配信息至所述目标无人机,使所述目标无人机根据所述任务分配信息执行所述紧急任务;其中,所述任务分配信息包括所述紧急任务的任务描述信息以及根据所述目标无人机的当前状态信息,所获取的针对所述目标无人机用于完成所述紧急任务的无人机飞行路线。
基于上述目的之一,所述基于各所述无人机的当前状态信息,确定与所述紧急任务匹配的目标无人机包括:
根据所述当前状态信息获取所述预设管控区域中各所述无人机的飞行数据和任务数据;
基于所述预设管控区域中各所述无人机的飞行数据和任务数据之间的数据对应关系,对所述预设管控区域中各所述无人机的飞行数据和任务数据进行数据关联,得到多个关联数据组;
当存在未关联有任务数据的飞行数据时,将未关联有任务数据的飞行数据对应的至少一个无人机作为候选无人机;
将所述候选无人机的飞行数据与所述紧急任务进行匹配,得到与所述紧急任务匹配的目标无人机。
基于上述目的之一,所述基于各所述无人机的当前状态信息,确定与所述紧急任务匹配的目标无人机,还包括:
当存在未关联有飞行数据的任务数据时,将未关联有飞行数据的任务数据确定为待命状态下的任务数据,根据所述待命状态下的任务数据包含的第一任务状态信息,获取所述待命状态下的任务数据的第一数据描述;各个关联数据组中的任务数据分别包括所述预设管控区域中的进行中的任务的第二任务状态信息;
根据所述各个关联数据组包括的第二任务状态信息,分别获取所述各个关联数据组中的任务数据的第二数据描述;
获取所述第一数据描述分别与所述各个关联数据组对应的第二数据描述之间的特征差异信息;
根据所述各个关联数据组所对应的特征差异信息,确定所述各个关联数据组中的任务数据分别与所述待命状态下的任务数据之间的数据关联度;
当存在所对应的数据关联度达到预设数据关联度的目标关联数据组时,将所述目标关联数据组中的飞行数据所包含的无人机标识,确定为与所述待命状态下的任务数据关联的无人机标识;
对与所述待命状态下的任务数据关联的无人机标识和所述待命状态下的任务数据进行数据关联,得到无人机标识关联序列;
根据所述无人机标识关联序列和所述多个关联数据组,确定所述预设管控区域中的无人机任务负载和所述无人机任务负载对应的无人机标识;
根据所述无人机任务负载对应的无人机标识确定至少一个无人机作为候选无人机,并将所述候选无人机的飞行数据与所述紧急任务进行匹配,得到与所述紧急任务匹配的目标无人机;
或者;
当存在未关联有飞行数据的任务数据时,将未关联有飞行数据的任务数据确定为待命状态下的任务数据;
获取所述待命状态下的各任务数据的第一任务优先级以及所述紧急任务的第二任务优先级;
根据所述第一任务优先级和所述第二任务优先级按照优先级先后顺序依次将所述待命状态下的各任务数据对应的待命任务以及所述紧急任务分别作为待处理任务加入待处理任务队列中;
根据所述预设管控区域内的各所述无人机的当前状态信息获取至少一个候选无人机;
根据所述待处理任务队列中各待处理任务的排列顺序,依次将各待处理任务对应的任务数据与所述至少一个候选无人机的飞行数据进行匹配,得到与各待处理任务分别匹配的目标无人机。
基于上述目的之一,所述将所述候选无人机的飞行数据与所述紧急任务进行匹配,得到与所述紧急任务匹配的目标无人机,具体包括:
获取所述紧急任务所需的各个无人机资源参数;
根据所述预设管控区域内的各无人机的当前无人机任务负载确定满足各个所述无人机资源参数的至少一个候选无人机;
基于所述紧急任务获取针对各个所述无人机资源参数的参数权重;
根据各所述候选无人机的当前飞行状态信息以及各个所述无人机资源参数的参数权重,确定各所述候选无人机针对所述紧急任务的排列优先级,并根据所述排列优先级选择其中一个候选无人机作为与所述紧急任务匹配的所述目标无人机;
其中,所述紧急任务所需的各个无人机资源参数包括续航里程、平均航速、以及载重能力,所述参数权重包括分别与所述续航里程、平均航速、以及载重能力对应的第一权重、第二权重以及第三权重;
所述根据各所述候选无人机的当前飞行状态信息以及各个所述无人机资源参数的参数权重,确定各所述候选无人机针对所述紧急任务的排列优先级,并根据所述排列优先级选择其中一个候选无人机作为与所述紧急任务匹配的所述目标无人机,包括:
根据各所述候选无人机的当前续航里程按照第一设定积分规则为各所述候选无人机赋予第一评分值;
根据各所述候选无人机的当前平均航速按照第二设定积分规则为各所述候选无人机赋予第二评分值;
根据各所述候选无人机的当前载重能力按照第三设定积分规则为各所述候选无人机赋予第三评分值;
根据各所述候选无人机的第一评分值、第二评分值、第三评分值以及所述第一权重、第二权重以及第三权重计算得到各所述候选无人机针对所述紧急任务的排列优先级,将排列优先级最高的候选无人机作为所述目标无人机。
基于上述目的之一,所述候选无人机包括两个或两个以上,所述将所述候选无人机的飞行数据与所述紧急任务进行匹配,得到与所述紧急任务匹配的目标无人机,包括:
将各所述候选无人机的飞行数据通过预先通过模型训练获得的任务匹配模型的第一特征提取层,对所述飞行数据进行特征提取,得到各所述候选无人机的飞行数据对应的飞行状态特征信息;
将各所述紧急任务的任务数据通过所述任务匹配模型的第二特征提取层,对所述任务数据进行特征提取,得到所述任务数据对应的任务需求特征信息;
将各所述候选无人机的所述飞行状态特征信息以及所述紧急任务的任务需求特征信息输入所述任务匹配模型的任务匹配预测层,对各所述候选无人机针对所述紧急任务的任务匹配度进行预测,得到各所述候选无人机与所述紧急任务分别对应的匹配度;
根据各所述候选无人机与所述紧急任务分别对应的匹配度,确定一个候选无人机作为所述目标无人机。
基于上述目的之一,所述方法还包括对预先对所述任务匹配模型进行模型训练的步骤,具体包括:
获取模型训练样本集,所述模型训练样本集包括多个训练样本对,每个训练样本对包括样本飞行数据、样本任务数据、以及预先标定的对应于所述训练样本对的任务匹配度标签;
依次遍历所述模型训练样本集中的每个所述训练样本对,通过所述第一特征提取单元提取所述训练样本对中的样本飞行数据对应的飞行状态特征信息,并通过所述第二特征提取单元提取所述训练样本对中的样本任务数据对应的任务需求特征信息;
将提取的所述训练样本对对应的飞行状态特征信息以及任务需求特征信息输入所述任务匹配预测层进行匹配度预测,得到所述训练样本对的样本飞行数据与样本任务数据的预测匹配度;
基于所述预测匹配度以及对应于所述训练样本对的任务匹配度标签计算得到所述任务匹配模型的损失函数值,并根据所述损失函数值对所述任务匹配模型的模型参数进行迭代优化,直到满足预设的训练终止条件,进而得到训练完成的任务匹配模型。
基于上述目的之一,所述获取预设管控区域中各所述无人机的飞行数据和任务数据,包括:
获取所述预设管控区域中的各所述无人机的多个飞行状态信息和多个任务状态信息;
获取所述多个飞行状态信息之间的参数对应关系和参数差值,并获取所述多个任务状态信息之间的任务状态数据关联性和任务状态信息特征差异;
根据所述参数对应关系和所述参数差值,对所述多个飞行状态信息进行整合,得到所述预设管控区域中的飞行数据;一个飞行数据包括至少一个飞行状态信息;
根据所述任务状态数据关联性和所述任务状态信息特征差异,对所述多个任务状态信息进行整合,得到所述预设管控区域中的任务数据;一个任务数据包括至少一个任务状态信息。
基于上述目的之一,所述基于所述预设管控区域中各所述无人机的飞行数据和任务数据之间的数据对应关系,对所述预设管控区域中各所述无人机的飞行数据和任务数据进行数据关联,得到多个关联数据组,包括:
将所述预设管控区域中各无人机的的任务数据确定为待关联任务数据,将所述预设管控区域中各无人机的飞行数据确定为待关联飞行数据;所述待关联任务数据中的任务状态信息是从针对所述预设管控区域的当前任务日志库中所提取的;
获取所述所述当前任务日志库中记录的各任务状态信息所需的飞行状态信息;
将所述所述当前任务日志库中记录的各任务状态信息所需的飞行状态信息与所述待关联飞行数据中的飞行状态信息之间的参数匹配度,确定为所述待关联任务数据与所述待关联飞行数据之间的所述数据对应关系;
当所述数据对应关系达到预设的映射关系条件时,对所述待关联任务数据和所述待关联飞行数据进行数据关联,得到所述多个关联数据组;
其中,所述第一任务状态信息包括多个; 所述根据所述待命状态下的任务数据包含的第一任务状态信息,获取所述待命状态下的任务数据的第一数据描述,包括:
获取多个第一任务状态信息中的各个第一任务状态信息分别对应的任务描述信息;
根据所述各个第一任务状态信息分别对应的任务描述信息,获取所述多个第一任务状态信息对应的第一全局任务描述;
将所述第一全局任务描述,确定为所述第一数据描述;
其中,所述多个关联数据组包括关联数据组Sn,n为不大于所述多个关联数据组的序列个数的自然数;所述关联数据组Sn包括的第二任务状态信息包括多个; 所述根据所述各个关联数据组包括的第二任务状态信息,分别获取所述各个关联数据组中的任务数据的第二数据描述,包括:
获取所述关联数据组Sn包括的多个第二任务状态信息中的各个第二任务状态信息分别对应的任务描述信息;
根据所述各个第二任务状态信息分别对应的任务描述信息,获取所述多个第二任务状态信息对应的第二全局任务描述;
将所述第二全局任务描述,确定为所述关联数据组Sn中的任务数据的第二数据描述。
本发明实施例的目的之二在于提供一种基于智慧城市的无人机智能远程管理系统,应用于云平台,所述系统包括:
无人机状态获取模块,用于基于待处理的紧急任务,获取预设管控区域内的各个无人机的当前状态信息;
任务匹配模块,用于基于各所述无人机的当前状态信息,确定与所述紧急任务匹配的目标无人机;
任务配置下发模块,用于远程下发任务分配信息至所述目标无人机,使所述目标无人机根据所述任务分配信息执行所述紧急任务;其中,所述任务分配信息包括所述紧急任务的任务描述信息以及根据所述目标无人机的当前状态信息,所获取的针对所述目标无人机用于完成所述紧急任务的无人机飞行路线。
本发明实施例的目的之三在于一种云平台,包括处理器、机器可读存储介质,所述机器可读存储介质和所述处理器连接,所述机器可读存储介质用于存储程序、指令或代码,所述处理器用于执行所述机器可读存储介质中的程序、指令或代码,以实现上述的方法。
相较于现有技术,本发明实施例提供的基于智慧城市的无人机智能远程管理方法、系统及云平台,基于待处理的紧急任务,获取预设管控区域内的各个无人机的当前状态信息,并基于各所述无人机的当前状态信息,确定与所述紧急任务匹配的目标无人机,最后远程下发任务分配信息至所述目标无人机,使所述目标无人机根据所述任务分配信息执行所述紧急任务。其中,所述任务分配信息包括所述紧急任务的任务描述信息以及根据所述目标无人机的当前状态信息,所获取的针对所述目标无人机用于完成所述紧急任务的无人机飞行路线。如此,通过对预设管控区域各无人机的当前状态信息和当前的紧急任务进行匹配分析,得到匹配于所述紧急任务的目标无人机并下发对应的任务分配信息对紧急任务进行处理,能够高效的调度匹配运行状态较佳的无人机对紧急任务进行处理。
此外,本发明实施例进一步借助通过大量的样本进行人工智能训练而得到人工智能模型(任务匹配模型)对管控区域内的各无人机的飞行数据与紧急任务的任务数据进行人工智能匹配分析,进而得到匹配于所述紧急任务的目标无人机对紧急任务进行及时处理,可进一步提高针对紧急任务的无人机调度准确性和匹配性,有利于紧急任务得到高效高质量的处理。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,针对本领域普通技术人员来讲,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相关的附图。
图1是本发明实施例提供的基于智慧城市的无人机智能远程管理方法的流程示意图。
图2是本发明实施例提供的基于智慧城市的无人机智能远程管理方法的应用环境示意图。
图3是发明实施例提供的云平台的架构示意图。
图4是发明实施例提供的基于智慧城市的无人机智能远程管理系统的示意图。
具体实施方式
请参阅图1,图1是本发明实施例提供的基于智慧城市的无人机智能远程管理方法的流程示意图。本发明实施例中,结合图2所示,所述方法可以由用于管理并调度无人机的云平台100执行并实现。本实施例中,所述云平台100可以是基于智慧城市而设立的用于与预设管控区域内的多个无人机200进行远程通信以对无人机200进行远程控制和调度的一个服务平台。示例性地,所述云平台100可以是,但不限于,具有通信控制能力的服务器、计算机设备、云服务中心、机房控制中心等设备。
下面对上述方法进行详细的描述,本实施例中,所述方法包括以下所述的S100-S300的步骤。
步骤S100,基于待处理的紧急任务,获取预设管控区域内的各个无人机的当前状态信息。
本实施例中,云平台100在获取到预设管控区域内触发的紧急任务时,可以获取所述预设管控区域内的各个无人机的当前状态信息。作为一种示例而不是限制,所述当前状态信息可以包括与各所述无人机的当前飞行状态以及当前任务执行状态有关的信息,例如续航信息、载重信息、当前位置信息、当前任务进度信息等,具体不进行限定。所述紧急任务例如可以是紧急订单、紧急救援事件等,具体也不进行限定。
步骤S200,基于各所述无人机的当前状态信息,确定与所述紧急任务匹配的目标无人机。
本实施例中,在获得与各所述无人机有关的当前状态信息之后,云平台100可以基于各所述无人机的当前状态信息与所述紧急任务进行匹配分析,得到匹配于所述紧急任务的目标无人机以对所述紧急任务进行调度处理。详细的匹配方式将在后文进行示例性介绍。
步骤S300,远程下发任务分配信息至所述目标无人机,使所述目标无人机根据所述任务分配信息执行所述紧急任务。
本实施例中,在匹配到对应的目标无人机之后,云平台100可以根据目标无人机的当前信息并根据所述紧急任务的任务描述信息(例如任务事项、任务对应起始位置信息等等)为所述目标无人机规划用于完成所述紧急任务的无人机飞行路线,然后生成对应的任务分配信息并下发至对应的目标无人机。基于此,本实施例中,所述任务分配信息至少包括所述紧急任务的任务描述信息以及根据所述目标无人机的当前状态信息,所获取的针对所述目标无人机用于完成所述紧急任务的无人机飞行路线。
综上所述,本发明实施例通过对预设管控区域各无人机的当前状态信息和当前的紧急任务进行匹配分析,得到匹配于所述紧急任务的目标无人机并下发对应的任务分配信息对紧急任务进行处理,能够高效的调度匹配运行状态较佳的无人机对紧急任务进行处理。
下面将结合示例性的实施方式对上述图1中的重要步骤的实现方式进行详细的介绍。
详细地,在一种可能的实施方式中,上述步骤S200中,基于各所述无人机的当前状态信息,确定与所述紧急任务匹配的目标无人机,可以包括以下步骤(1)-(4)所描述的方式。在这种实施方式中,是根据各所述无人机的飞行数据和任务数据进行配对分析,在确定出当前存在空闲无人机或待命无人机的情形。详细地,具体的实现方式描述如下。
(1)根据所述当前状态信息获取所述预设管控区域中各所述无人机的飞行数据和任务数据。
本实施例中,作为一种举例,所述飞行数据例如,可以包括当前正在处理的任务信息、当前飞行状态信息(如续航里程、航速、当前所在位置、载重能力等等),所述任务数据可以是所述预设管控区域中所对应的与各所述无人机相关的正在处理的及/或尚未处理的任务有关的数据,例如待处理任务清单、进行中任务清单、进行中的任务进度、进行中的任务完成预计时间信息等等。
作为一种举例,步骤(1)中,可以首先取所述预设管控区域中的各所述无人机的多个飞行状态信息和多个任务状态信息;其次,获取所述多个飞行状态信息之间的参数对应关系和参数差值,并获取所述多个任务状态信息之间的任务状态数据关联性和任务状态信息特征差异;接着,根据所述参数对应关系和所述参数差值,对所述多个飞行状态信息进行整合,得到所述预设管控区域中的飞行数据;一个飞行数据包括至少一个飞行状态信息;最后,根据所述任务状态数据关联性和所述任务状态信息特征差异,对所述多个任务状态信息进行整合,得到所述预设管控区域中的任务数据;一个任务数据包括至少一个任务状态信息。
(2)基于所述预设管控区域中各所述无人机的飞行数据和任务数据之间的数据对应关系,对所述预设管控区域中各所述无人机的飞行数据和任务数据进行数据关联,得到多个关联数据组。
其中,所述飞行数据和任务数据之间的数据对应关系可以是在云平台100为各无人机分配待执行任务时而建立,例如,当云平台100位某待执行任务A分配无人机B进行任务执行时,那么该无人机B的当前飞行数据与所述任务A的任务数据则具有数据对应关系,可以表示无人机B当前正在执行相应的任务。如此,通过飞行数据与任务数据之间的对应关心进行数据关联处理,得到多个关联数据组之后,可以确定出当前管控区域内的无人机状态以及任务状态,例如,可以确定当前是任务负载较多导致无人机处理忙碌状态还是当前任务负载较少而使得管控区域内尚存在空闲状态或待命状态的无人机。
其中,本实施例中,作为一种示例,步骤(2)中,可首先将所述预设管控区域中各无人机的的任务数据确定为待关联任务数据,将所述预设管控区域中各无人机的飞行数据确定为待关联飞行数据;所述待关联任务数据中的任务状态信息是从针对所述预设管控区域的当前任务日志库中所提取的;然后,获取所述所述当前任务日志库中记录的各任务状态信息所需的飞行状态信息;其次,将所述所述当前任务日志库中记录的各任务状态信息所需的飞行状态信息与所述待关联飞行数据中的飞行状态信息之间的参数匹配度,确定为所述待关联任务数据与所述待关联飞行数据之间的所述数据对应关系;最后,当所述数据对应关系达到预设的映射关系条件时,对所述待关联任务数据和所述待关联飞行数据进行数据关联,得到所述多个关联数据组。
本实施例中,可以根据待关联飞行数据中的飞行状态信息(如称为第一飞行状态信息)与各任务状态信息所需的飞行状态信息(如第二飞行状态信息)之间的比值作为匹配度,比值越大,匹配度越高,表示所具备的完成任务状态信息的能力越高。数据对应关系达到预设的映射关系条件可以是参数匹配度达到设定的参数阈值,具体可以根据实际情况而设定。
(3)当存在未关联有任务数据的飞行数据时,将未关联有任务数据的飞行数据对应的至少一个无人机作为候选无人机。
基于此,本实施例中,当当存在未关联有任务数据的飞行数据时,说明当前管控区域存在空闲状态或待命状态的无人机。因此,云平台100可以将将未关联有任务数据的飞行数据对应的至少一个无人机作为候选无人机,以用于后续从候选无人机中匹配所述紧急任务的目标无人机。
(4)将所述候选无人机的飞行数据与所述紧急任务进行匹配,得到与所述紧急任务匹配的目标无人机。
本实施例中,云平台100可以将所述候选无人机的飞行数据与所述紧急任务进行匹配,得到与所述紧急任务匹配的目标无人机,具体的匹配方式可以包括多种,例如可以通过紧急任务的最低无人机性能指标描述与候选无人机的当前飞行状态参数进行比对匹配,选择较佳的候选无人机作为目标无人机。又或者,可以通过人工智能的方式,预先训练可用于对候选无人机与任务事件进行匹配的人工智能模型来进行匹配,以提高任务与无人机匹配的准确率。特别地,本发明实施例提供一种创新性的人工智能匹配方式,将在后文进行具体的阐述。
进一步地,在又一种可能的实施方式中,上述步骤S200中,所述基于各所述无人机的当前状态信息,确定与所述紧急任务匹配的目标无人机,还可以包括以下(11)-(18)所述的步骤,示例性描述如下。
(11)当存在未关联有飞行数据的任务数据时,将未关联有飞行数据的任务数据确定为待命状态下的任务数据,根据所述待命状态下的任务数据包含的第一任务状态信息,获取所述待命状态下的任务数据的第一数据描述,其中,各个关联数据组中的任务数据分别包括所述预设管控区域中的第二任务状态信息。
本实施例中,当存在未关联有飞行数据的任务数据时,云平台100可以判定当前管控区域内的任务较多,无人机调度较为繁忙,在这种情况下进行目标无人机的匹配需要综合考虑各个任务的当前情况,例如任务优先级,当前执行进度,各个任务之间的相似度或匹配度等进行综合分析判断,最终确定出用于处理所述紧急任务的较佳的无人机。此外,本实施例中,所述的“第一、第二任务状态信息”可以分别是指在不同状态下的任务数据的当前信息,例如任务执行进度(待命、进行中、将完成等等)、任务类型、任务待调度情况等等。
在一种可替代的实施方式中,所述第一任务状态信息可以包括多个; 基于此,所述根据所述待命状态下的任务数据包含的第一任务状态信息,获取所述待命状态下的任务数据的第一数据描述,可以包括:
首先,获取多个第一任务状态信息中的各个第一任务状态信息分别对应的任务描述信息;
其次,根据所述各个第一任务状态信息分别对应的任务描述信息,获取所述多个第一任务状态信息对应的第一全局任务描述;
然后,将所述第一全局任务描述,确定为所述第一数据描述。
(12)根据所述各个关联数据组包括的第二任务状态信息,分别获取所述各个关联数据组中的任务数据的第二数据描述。
其中,实施例中,第二数据描述可以是关联数据中的各任务数据(正在执行中的任务对应的数据)的相关详细的任务描述信息,可以用于表征当前任务的特定状态的描述信息,其可以通过特征向量或数据描述分量的方式进行表示。
本实施例中,以所述多个关联数据组包括关联数据组Sn为例,n为不大于所述多个关联数据组的序列个数的自然数;所述关联数据组Sn包括的第二任务状态信息包括多个。基于此,所述根据所述各个关联数据组包括的第二任务状态信息,分别获取所述各个关联数据组中的任务数据的第二数据描述,包括:
获取所述关联数据组Sn包括的多个第二任务状态信息中的各个第二任务状态信息分别对应的任务描述信息;
根据所述各个第二任务状态信息分别对应的任务描述信息,获取所述多个第二任务状态信息对应的第二全局任务描述;
将所述第二全局任务描述,确定为所述关联数据组Sn中的任务数据的第二数据描述。
本实施例中,所述第第一全局任务描述和第二全局任务描述可以是分别基于相应的任务状态信息得到的从整体上对相应的任务数据进行阐述的全局性描述信息,例如可以是概要性描述信息或标识性的描述信息。
(13)获取所述第一数据描述分别与所述各个关联数据组对应的第二数据描述之间的特征差异信息。
本实施例中,云平台100在获得所述待命状态下的任务数据的第一数据描述一级各个关联数据组中的任务数据的第二数据描述之后,可以进一步计算第一数据描述分别与各第二数据描述之间的特征差异信息(例如可以是分量距离或向量距离),由此获得待命状态下各任务数据与处理中的各任务数据的关联信息,进而利于后续进行任务的关联调配等处理。
(14)根据所述各个关联数据组所对应的特征差异信息,确定所述各个关联数据组中的任务数据分别与所述待命状态下的任务数据之间的数据关联度。
(15)当存在所对应的数据关联度达到预设数据关联度的目标关联数据组时,将所述目标关联数据组中的飞行数据所包含的无人机标识,确定为与所述待命状态下的任务数据关联的无人机标识。
如此,本实施例中,云平台100在分析出具有数据关联度达到预设数据关联度的目标关联数据组时,可以将所述目标关联数据组中的飞行数据所包含的无人机标识,确定为与所述待命状态下的任务数据关联的无人机标识,如此,可以将待命状态下的任务数据对应的任务通过任务数据关联度的方式预分配给目标关联数据组对应的无人机,以利于后续根据预分配后的各无人机负载来匹配合适的目标无人机对紧急任务进行后续处理。
(16)对与所述待命状态下的任务数据关联的无人机标识和所述待命状态下的任务数据进行数据关联,得到无人机标识关联序列。
本实施例中,云平台100可以将待命状态下的任务状态数据关联到对应的无人机标识(对应不同的无人机)之后,再根据各无人机负载选择状态最佳的一个无人机与所述紧急任务进行匹配,以处理所述紧急任务。如此,可以根据待命状态的任务数据进行无人机匹配后,将该名状态的任务数据进行预分发后,再根据管控区域中的无人机任务负载选择优选的目标无人机去处理所述紧急任务。
(17)根据所述无人机标识关联序列和所述多个关联数据组,确定所述预设管控区域中的无人机任务负载和所述无人机任务负载对应的无人机标识。
(18)根据所述无人机任务负载对应的无人机标识确定至少一个无人机作为候选无人机,并将所述候选无人机的飞行数据与所述紧急任务进行匹配,得到与所述紧急任务匹配的目标无人机。
本实施中,一种可替代的方式中,于步骤(18),云平台100可以通过以下方式来得到与紧急任务匹配的目标无人机。
首先,获取所述紧急任务所需的各个无人机资源参数(例如无人机的性能参数,如续航参数、载重参数等)。
然后,根据所述预设管控区域内的各无人机的当前无人机任务负载确定满足各个所述无人机资源参数的至少一个候选无人机。
其次,基于所述紧急任务获取针对各个所述无人机资源参数的参数权重。
最后,根据各所述候选无人机的当前飞行状态信息以及各个所述无人机资源参数的参数权重,确定各所述候选无人机针对所述紧急任务的排列优先级,并根据所述排列优先级选择其中一个候选无人机作为与所述紧急任务匹配的所述目标无人机。
基于上述内容,可以根据紧急任务中设定的或者携带的所需的无人机资源参数的不同参数权重,得到各候选无人机的当前飞行状态信息对各候选无人机针对所述紧急任务的排列优先级,然后基于排列优先级选择匹配的目标无人机,如此得到的目标无人机能够更贴合紧急任务的需求,进而利于紧急任务的及时处理,并保证紧急任务的处理效果。
本实施例中,作为一种举例,所述紧急任务所需的各个无人机资源参数例如可以包括续航里程、平均航速、以及载重能力,所述参数权重例如包括分别与所述续航里程、平均航速、以及载重能力对应的第一权重、第二权重以及第三权重。
基于此,上述根据各所述候选无人机的当前飞行状态信息以及各个所述无人机资源参数的参数权重,确定各所述候选无人机针对所述紧急任务的排列优先级,并根据所述排列优先级选择其中一个候选无人机作为与所述紧急任务匹配的所述目标无人机,可以包括:
根据各所述候选无人机的当前续航里程按照第一设定积分规则为各所述候选无人机赋予第一评分值;
根据各所述候选无人机的当前平均航速按照第二设定积分规则为各所述候选无人机赋予第二评分值;
根据各所述候选无人机的当前载重能力按照第三设定积分规则为各所述候选无人机赋予第三评分值;以及
根据各所述候选无人机的第一评分值、第二评分值、第三评分值以及所述第一权重、第二权重以及第三权重计算得到各所述候选无人机针对所述紧急任务的排列优先级,将排列优先级最高的候选无人机作为所述目标无人机。其中,所述第一设定积分规则、所述第二积分规则、所述第三积分规则分别可以是相同相类似的积分规则,例如可以是根据对应维度的数据大小(例如针对续航里程的第一设定积分规则)将最大的数据(如最大里程)对应的第一评分值设置为最高(如100分),其他候选无人机对应的第一评分值可以根据其续航里程与最大续航里程的比例分别进行赋分,例如最大续航里程为30KM,那么某个候选无人机的续航里程为24KM,那么该某个候选无人机的第一评分值可以是24KM/30KM*100,为80分,其他的赋分规则可以同理设置,具体不一一赘述。
本实施例中,作为一种示例,云平台100可以针对每个候选无人机,分别将第一评分值、第二评分值、第三评分值根据第一权重、第二权重和第三权重进行加权求和(相乘后求和),得到每个候选无人机的总体评分,最后根据总体评分对各候选无人机进行排列,得到排列优先级,总体评分最高的则具有最高排列优先级。基于上述的实现方式,考虑到待命状态的各任务数据的预分配后再处理紧急事件,可以保证紧急事件的插入尽可能小的影响其他任务的正常处理。
又或者,在再一种可能的实施方式中,可以同时考虑紧急任务以及待命状态的各任务数据对应的任务的任务优先级,将这些任务进行统筹协调调度,进而保证插入的紧急任务不至于影响可能处于待命状态的优先级更高的任务的处理。基于此,上述步骤S200中,所述基于各所述无人机的当前状态信息,确定与所述紧急任务匹配的目标无人机,还可以包括以下(111)-(115)所述的步骤,示例性描述如下。
(111)当存在未关联有飞行数据的任务数据时,将未关联有飞行数据的任务数据确定为待命状态下的任务数据。
(112)获取所述待命状态下的各任务数据的第一任务优先级以及所述紧急任务的第二任务优先级。
(113)根据所述第一任务优先级和所述第二任务优先级按照优先级先后顺序依次将所述待命状态下的各任务数据对应的待命任务以及所述紧急任务分别作为待处理任务加入待处理任务队列中。
(114)根据所述预设管控区域内的各所述无人机的当前状态信息获取至少一个候选无人机。
(115)根据所述待处理任务队列中各待处理任务的排列顺序,依次将各待处理任务对应的任务数据与所述至少一个候选无人机的飞行数据进行匹配,得到与各待处理任务分别匹配的目标无人机。
如此,云平台100通过将所述待命状态下的各任务数据对应的待命任务以及所述紧急任务分别作为待处理任务加入待处理任务队列中,然后根据待处理任务对应中的排列顺序(优先级顺序)一次从候选无人机中匹配对应的目标无人机,进而实现所述紧急任务与其他待命状态下的各待命任务的统筹协调处理。
进一步地,本实施例中,还创新性的提供一种通过人工智能模型的方式来为所述紧急任务匹配更适合的目标无人机。基于这种发明构思,本实施例中,所述候选无人机可以包括两个或两个以上。基于此,在上述各个可能的实现方式中,将所述候选无人机的飞行数据与所述紧急任务进行匹配,得到与所述紧急任务匹配的目标无人机,具体的实现方式可以包括以下(1111)-(1113)的步骤,示例性描述如下。
(1111)将各所述候选无人机的飞行数据通过预先通过模型训练获得的任务匹配模型的第一特征提取层,对所述飞行数据进行特征提取,得到各所述候选无人机的飞行数据对应的飞行状态特征信息。
本实施例中飞行状态特征信息可以包括各所述候选无人机在根据所述预设管控区域内的各种任务类型而预先确定的在多个预设维度上的飞行状态参数,例如剩余续航里程、当前载重能力、平均航速、当前任务承接能力等等,具体不进行限定。
(1112)将各所述紧急任务的任务数据通过所述任务匹配模型的第二特征提取层,对所述任务数据进行特征提取,得到所述任务数据对应的任务需求特征信息。
例如,任务需求特征信息可以包括任务数据所需的最低无人机配置信息,例如最低剩余续航里程、最低载重能力、最低航速、最低任务承接能力等等,具体不进行限定。
(1113)将各所述候选无人机的所述飞行状态特征信息以及所述紧急任务的任务需求特征信息输入所述任务匹配模型的任务匹配预测层,对各所述候选无人机针对所述紧急任务的任务匹配度进行预测,得到各所述候选无人机与所述紧急任务分别对应的匹配度;并根据各所述候选无人机与所述紧急任务分别对应的匹配度,确定一个候选无人机作为所述目标无人机。
本实施例中,云平台100通过所述任务匹配预测层得到各各所述候选无人机与所述紧急任务分别对应的匹配度之后,可以根据匹配度选择一个候选无人机作为所述目标无人机,例如可以将匹配度最高的候选无人机作为所述目标无人机。
在上述内容的基础上,本发明实施例还提供可独立实施的针对上述任务匹配模型预先进行模型训练的方法,该模型训练的方法可以包括以下(01)-(04)的步骤,示例性描述如下。
(01)获取模型训练样本集,所述模型训练样本集包括多个训练样本对。本实施例中,每个训练样本对包括样本飞行数据、样本任务数据、以及预先标定的对应于所述训练样本对的任务匹配度标签。所谓样本对是指包括两个成对出现的样本数据。所述任务匹配度标签可以是所述样本飞行数据与所述样本任务数据的匹配度指示信息,任务匹配度标签可以是正向标定标签也可以是负向标定标签,具体不进行限定。
(02)依次遍历所述模型训练样本集中的每个所述训练样本对,通过所述第一特征提取单元提取所述训练样本对中的样本飞行数据对应的飞行状态特征信息,并通过所述第二特征提取单元提取所述训练样本对中的样本任务数据对应的任务需求特征信息。
(03)将提取的所述训练样本对对应的飞行状态特征信息以及任务需求特征信息输入所述任务匹配预测层进行匹配度预测,得到所述训练样本对的样本飞行数据与样本任务数据的预测匹配度。
(04)基于所述预测匹配度以及对应于所述训练样本对的任务匹配度标签计算得到所述任务匹配模型的损失函数值,并根据所述损失函数值对所述任务匹配模型的模型参数进行迭代优化,直到满足预设的训练终止条件,进而得到训练完成的任务匹配模型。
如此,通过上述采样大量包括多个训练样本对的模型训练样本集对所述任务匹配模型进行训练后,可用于本发明实施例中云平台100将紧急任务与候选无人机进行任务匹配,得到用于处理紧急任务的目标无人机。应当理解,所述任务匹配模型也可以用于一般任务与常态下的无人机的任务匹配,致力于将各种不同的任务匹配较佳的无人机进行执行,有利于管控区域的无人机有序的执行相应的任务,提升智慧城市的智慧化程度。
如图3所示,是本发明实施例提供的云平台100的架构示意图。本实施例中,所述云平台100可以包括无人机智能远程管理系统110、机器可读存储介质120和处理器130。
本实施例中,机器可读存储介质120与处理器130可以位于云平台100中且二者分离设置。机器可读存储介质120也可以是独立于云平台100并由处理器130访问。无人机智能远程管理系统110可以包括存储在机器可读存储介质120的多个功能模块,例如所述无人机智能远程管理系统110包括的各软件功能模块。当处理器130执行无人机智能远程管理系统110中的软件功能模块时,以实现前述方法实施例提供的区块链大数据处理方法。
本实施例中,云平台100可以包括一个或多个处理器130。处理器130可以处理与服务请求相关的信息和/或数据以执行本发明中描述的一个或多个功能。在一些实施例中,处理器130可以包括一个或多个处理引擎(例如,单核处理器或多核处理器)。仅仅举个例子,处理器130可以包括一个或多个硬件处理器,例如中央处理器CPU、特定应用集成电路ASIC、专用指令集处理器ASIP、图形处理器GPU、物理运算处理单元PPU、数字信号处理器DSP、现场可以程序门阵列FPGA、可以程序逻辑装置PLD、控制器、微控制器单元、精简指令集计算机RISC、微处理器等中的一种,或类似或其任意组合。
机器可读存储介质120可以存储数据和/或指令。在一些实施例中,机器可读存储介质120可以存储从无人机200获得的数据或资料。在一些实施例中,机器可读存储介质120可以存储供云平台100执行或使用的数据和/或指令,云平台100可以通过执行或使用所述数据和/或指令以实现本申请描述的示例性方法。在一些实施例中,机器可读存储介质120可以包括大容量存储器、可以移动存储器、挥发性读写内存、只读存储器ROM等或类似或上述举例的任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性的可以移动存储器可以包括快闪驱动器、软盘、光盘、存储卡、压缩磁盘、磁带等。示例性的挥发性读写内存可以包括随机存取内存RAM。示例性的随机存取内存可以包括动态RAM、双倍速率同步动态RAM、静态RAM、晶闸管RAM和零电容RAM等。示例性的ROM可以包括掩蔽型ROM、可编程ROM、可擦除可编程ROM、电子可擦除可编程ROM、压缩磁盘ROM和数字通用磁盘ROM等。
如图4所示,是图3中所述的无人机智能远程管理系统110的功能模块图,本实施例中,所述无人机智能远程管理系统110可以包括无人机状态获取模块1101、任务匹配模块1101、以及任务配置下发模块1103。
所述无人机状态获取模块1101,用于基于待处理的紧急任务,获取预设管控区域内的各个无人机的当前状态信息;
所述任务匹配模块1102,用于基于各所述无人机的当前状态信息,确定与所述紧急任务匹配的目标无人机;
所述任务配置下发模块1103,用于远程下发任务分配信息至所述目标无人机,使所述目标无人机根据所述任务分配信息执行所述紧急任务;其中,所述任务分配信息包括所述紧急任务的任务描述信息以及根据所述目标无人机的当前状态信息,所获取的针对所述目标无人机用于完成所述紧急任务的无人机飞行路线。
所应说明的是,上述无人机状态获取模块1101、任务匹配模块1101、以及任务配置下发模块1103可分别对应执行上述方法实施例的步骤S100-步骤S300,关于这些模块的详细描述可以进一步参与上述对应步骤的具体内容,此处不再重复赘述。
综上所述,本发明实施例提供的基于智慧城市的无人机智能远程管理方法、系统及云平台,基于待处理的紧急任务,获取预设管控区域内的各个无人机的当前状态信息,并基于各所述无人机的当前状态信息,确定与所述紧急任务匹配的目标无人机,最后远程下发任务分配信息至所述目标无人机,使所述目标无人机根据所述任务分配信息执行所述紧急任务。其中,所述任务分配信息包括所述紧急任务的任务描述信息以及根据所述目标无人机的当前状态信息,所获取的针对所述目标无人机用于完成所述紧急任务的无人机飞行路线。如此,通过对预设管控区域各无人机的当前状态信息和当前的紧急任务进行匹配分析,得到匹配于所述紧急任务的目标无人机并下发对应的任务分配信息对紧急任务进行处理,能够高效的调度匹配运行状态较佳的无人机对紧急任务进行处理。
此外,本发明实施例进一步借助通过大量的样本进行人工智能训练而得到人工智能模型(任务匹配模型)对管控区域内的各无人机的飞行数据与紧急任务的任务数据进行人工智能匹配分析,进而得到匹配于所述紧急任务的目标无人机对紧急任务进行及时处理,可进一步提高针对紧急任务的无人机调度准确性和匹配性,有利于紧急任务得到高效高质量的处理。
以上所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。通常在附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,在附图中提供的本发明的实施例的详细描述并非旨在限制本发明的保护范围,而仅仅是表示本发明的选定实施例。因此,本发明的保护范围应以权利要求的保护范围为准。此外,基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下可获得的所有其它实施例,都应属于本发明保护的范围。
Claims (10)
1.一种基于智慧城市的无人机智能远程管理方法,其特征在于,应用于云平台,所述方法包括:
基于待处理的紧急任务,获取预设管控区域内的各个无人机的当前状态信息;
基于各所述无人机的当前状态信息,确定与所述紧急任务匹配的目标无人机;
远程下发任务分配信息至所述目标无人机,使所述目标无人机根据所述任务分配信息执行所述紧急任务;其中,所述任务分配信息包括所述紧急任务的任务描述信息以及根据所述目标无人机的当前状态信息,所获取的针对所述目标无人机用于完成所述紧急任务的无人机飞行路线。
2.根据权利要求1所述的方法,其特征在于,所述基于各所述无人机的当前状态信息,确定与所述紧急任务匹配的目标无人机,包括:
根据所述当前状态信息获取所述预设管控区域中各所述无人机的飞行数据和任务数据;
基于所述预设管控区域中各所述无人机的飞行数据和任务数据之间的数据对应关系,对所述预设管控区域中各所述无人机的飞行数据和任务数据进行数据关联,得到多个关联数据组;
当存在未关联有任务数据的飞行数据时,将未关联有任务数据的飞行数据对应的至少一个无人机作为候选无人机;
将所述候选无人机的飞行数据与所述紧急任务进行匹配,得到与所述紧急任务匹配的目标无人机。
3.根据权利要求2所述的方法,其特征在于,所述基于各所述无人机的当前状态信息,确定与所述紧急任务匹配的目标无人机,还包括:
当存在未关联有飞行数据的任务数据时,将未关联有飞行数据的任务数据确定为待命状态下的任务数据,根据所述待命状态下的任务数据包含的第一任务状态信息,获取所述待命状态下的任务数据的第一数据描述;各个关联数据组中的任务数据分别包括所述预设管控区域中的进行中的任务的第二任务状态信息;
根据所述各个关联数据组包括的第二任务状态信息,分别获取所述各个关联数据组中的任务数据的第二数据描述;
获取所述第一数据描述分别与所述各个关联数据组对应的第二数据描述之间的特征差异信息;
根据所述各个关联数据组所对应的特征差异信息,确定所述各个关联数据组中的任务数据分别与所述待命状态下的任务数据之间的数据关联度;
当存在所对应的数据关联度达到预设数据关联度的目标关联数据组时,将所述目标关联数据组中的飞行数据所包含的无人机标识,确定为与所述待命状态下的任务数据关联的无人机标识;
对与所述待命状态下的任务数据关联的无人机标识和所述待命状态下的任务数据进行数据关联,得到无人机标识关联序列;
根据所述无人机标识关联序列和所述多个关联数据组,确定所述预设管控区域中的无人机任务负载和所述无人机任务负载对应的无人机标识;
根据所述无人机任务负载对应的无人机标识确定至少一个无人机作为候选无人机,并将所述候选无人机的飞行数据与所述紧急任务进行匹配,得到与所述紧急任务匹配的目标无人机;
或者;
当存在未关联有飞行数据的任务数据时,将未关联有飞行数据的任务数据确定为待命状态下的任务数据;
获取所述待命状态下的各任务数据的第一任务优先级以及所述紧急任务的第二任务优先级;
根据所述第一任务优先级和所述第二任务优先级按照优先级先后顺序依次将所述待命状态下的各任务数据对应的待命任务以及所述紧急任务分别作为待处理任务加入待处理任务队列中;
根据所述预设管控区域内的各所述无人机的当前状态信息获取至少一个候选无人机;
根据所述待处理任务队列中各待处理任务的排列顺序,依次将各待处理任务对应的任务数据与所述至少一个候选无人机的飞行数据进行匹配,得到与各待处理任务分别匹配的目标无人机。
4.根据权利要求3所述的方法,其特征在于,所述将所述候选无人机的飞行数据与所述紧急任务进行匹配,得到与所述紧急任务匹配的目标无人机,具体包括:
获取所述紧急任务所需的各个无人机资源参数;
根据所述预设管控区域内的各无人机的当前无人机任务负载确定满足各个所述无人机资源参数的至少一个候选无人机;
基于所述紧急任务获取针对各个所述无人机资源参数的参数权重;
根据各所述候选无人机的当前飞行状态信息以及各个所述无人机资源参数的参数权重,确定各所述候选无人机针对所述紧急任务的排列优先级,并根据所述排列优先级选择其中一个候选无人机作为与所述紧急任务匹配的所述目标无人机;
其中,所述紧急任务所需的各个无人机资源参数包括续航里程、平均航速、以及载重能力,所述参数权重包括分别与所述续航里程、平均航速、以及载重能力对应的第一权重、第二权重以及第三权重;
所述根据各所述候选无人机的当前飞行状态信息以及各个所述无人机资源参数的参数权重,确定各所述候选无人机针对所述紧急任务的排列优先级,并根据所述排列优先级选择其中一个候选无人机作为与所述紧急任务匹配的所述目标无人机,包括:
根据各所述候选无人机的当前续航里程按照第一设定积分规则为各所述候选无人机赋予第一评分值;
根据各所述候选无人机的当前平均航速按照第二设定积分规则为各所述候选无人机赋予第二评分值;
根据各所述候选无人机的当前载重能力按照第三设定积分规则为各所述候选无人机赋予第三评分值;
根据各所述候选无人机的第一评分值、第二评分值、第三评分值以及所述第一权重、第二权重以及第三权重计算得到各所述候选无人机针对所述紧急任务的排列优先级,将排列优先级最高的候选无人机作为所述目标无人机。
5.根据权利要求2-4任意一项所述的方法,其特征在于,所述候选无人机包括两个或两个以上,所述将所述候选无人机的飞行数据与所述紧急任务进行匹配,得到与所述紧急任务匹配的目标无人机,包括:
将各所述候选无人机的飞行数据通过预先通过模型训练获得的任务匹配模型的第一特征提取层,对所述飞行数据进行特征提取,得到各所述候选无人机的飞行数据对应的飞行状态特征信息;
将各所述紧急任务的任务数据通过所述任务匹配模型的第二特征提取层,对所述任务数据进行特征提取,得到所述任务数据对应的任务需求特征信息;
将各所述候选无人机的所述飞行状态特征信息以及所述紧急任务的任务需求特征信息输入所述任务匹配模型的任务匹配预测层,对各所述候选无人机针对所述紧急任务的任务匹配度进行预测,得到各所述候选无人机与所述紧急任务分别对应的匹配度;
根据各所述候选无人机与所述紧急任务分别对应的匹配度,确定一个候选无人机作为所述目标无人机。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括对预先对所述任务匹配模型进行模型训练的步骤,具体包括:
获取模型训练样本集,所述模型训练样本集包括多个训练样本对,每个训练样本对包括样本飞行数据、样本任务数据、以及预先标定的对应于所述训练样本对的任务匹配度标签;
依次遍历所述模型训练样本集中的每个所述训练样本对,通过所述第一特征提取单元提取所述训练样本对中的样本飞行数据对应的飞行状态特征信息,并通过所述第二特征提取单元提取所述训练样本对中的样本任务数据对应的任务需求特征信息;
将提取的所述训练样本对对应的飞行状态特征信息以及任务需求特征信息输入所述任务匹配预测层进行匹配度预测,得到所述训练样本对的样本飞行数据与样本任务数据的预测匹配度;
基于所述预测匹配度以及对应于所述训练样本对的任务匹配度标签计算得到所述任务匹配模型的损失函数值,并根据所述损失函数值对所述任务匹配模型的模型参数进行迭代优化,直到满足预设的训练终止条件,进而得到训练完成的任务匹配模型。
7.根据权利要求2所述的方法,其特征在于,所述获取预设管控区域中各所述无人机的飞行数据和任务数据,包括:
获取所述预设管控区域中的各所述无人机的多个飞行状态信息和多个任务状态信息;
获取所述多个飞行状态信息之间的参数对应关系和参数差值,并获取所述多个任务状态信息之间的任务状态数据关联性和任务状态信息特征差异;
根据所述参数对应关系和所述参数差值,对所述多个飞行状态信息进行整合,得到所述预设管控区域中的飞行数据;一个飞行数据包括至少一个飞行状态信息;
根据所述任务状态数据关联性和所述任务状态信息特征差异,对所述多个任务状态信息进行整合,得到所述预设管控区域中的任务数据;一个任务数据包括至少一个任务状态信息。
8.根据权利要求3所述的方法,其特征在于,所述基于所述预设管控区域中各所述无人机的飞行数据和任务数据之间的数据对应关系,对所述预设管控区域中各所述无人机的飞行数据和任务数据进行数据关联,得到多个关联数据组,包括:
将所述预设管控区域中各无人机的的任务数据确定为待关联任务数据,将所述预设管控区域中各无人机的飞行数据确定为待关联飞行数据;所述待关联任务数据中的任务状态信息是从针对所述预设管控区域的当前任务日志库中所提取的;
获取所述所述当前任务日志库中记录的各任务状态信息所需的飞行状态信息;
将所述所述当前任务日志库中记录的各任务状态信息所需的飞行状态信息与所述待关联飞行数据中的飞行状态信息之间的参数匹配度,确定为所述待关联任务数据与所述待关联飞行数据之间的所述数据对应关系;
当所述数据对应关系达到预设的映射关系条件时,对所述待关联任务数据和所述待关联飞行数据进行数据关联,得到所述多个关联数据组;
其中,所述第一任务状态信息包括多个; 所述根据所述待命状态下的任务数据包含的第一任务状态信息,获取所述待命状态下的任务数据的第一数据描述,包括:
获取多个第一任务状态信息中的各个第一任务状态信息分别对应的任务描述信息;
根据所述各个第一任务状态信息分别对应的任务描述信息,获取所述多个第一任务状态信息对应的第一全局任务描述;
将所述第一全局任务描述,确定为所述第一数据描述;
其中,所述多个关联数据组包括关联数据组Sn,n为不大于所述多个关联数据组的序列个数的自然数;所述关联数据组Sn包括的第二任务状态信息包括多个; 所述根据所述各个关联数据组包括的第二任务状态信息,分别获取所述各个关联数据组中的任务数据的第二数据描述,包括:
获取所述关联数据组Sn包括的多个第二任务状态信息中的各个第二任务状态信息分别对应的任务描述信息;
根据所述各个第二任务状态信息分别对应的任务描述信息,获取所述多个第二任务状态信息对应的第二全局任务描述;
将所述第二全局任务描述,确定为所述关联数据组Sn中的任务数据的第二数据描述。
9.一种基于智慧城市的无人机智能远程管理系统,其特征在于,应用于云平台,所述系统包括:
无人机状态获取模块,用于基于待处理的紧急任务,获取预设管控区域内的各个无人机的当前状态信息;
任务匹配模块,用于基于各所述无人机的当前状态信息,确定与所述紧急任务匹配的目标无人机;
任务配置下发模块,用于远程下发任务分配信息至所述目标无人机,使所述目标无人机根据所述任务分配信息执行所述紧急任务;其中,所述任务分配信息包括所述紧急任务的任务描述信息以及根据所述目标无人机的当前状态信息,所获取的针对所述目标无人机用于完成所述紧急任务的无人机飞行路线。
10.一种云平台,其特征在于,包括处理器、机器可读存储介质,所述机器可读存储介质和所述处理器连接,所述机器可读存储介质用于存储程序、指令或代码,所述处理器用于执行所述机器可读存储介质中的程序、指令或代码,以实现权利要求1-8任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111194360.6A CN113869598B (zh) | 2021-10-13 | 2021-10-13 | 基于智慧城市的无人机智能远程管理方法、系统及云平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111194360.6A CN113869598B (zh) | 2021-10-13 | 2021-10-13 | 基于智慧城市的无人机智能远程管理方法、系统及云平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113869598A true CN113869598A (zh) | 2021-12-31 |
CN113869598B CN113869598B (zh) | 2024-05-28 |
Family
ID=78999427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111194360.6A Active CN113869598B (zh) | 2021-10-13 | 2021-10-13 | 基于智慧城市的无人机智能远程管理方法、系统及云平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113869598B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114662999A (zh) * | 2022-05-24 | 2022-06-24 | 深圳联和智慧科技有限公司 | 一种无人机集群调动处理方法、系统及云平台 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060047558A1 (en) * | 2004-08-31 | 2006-03-02 | Norimasa Uchiyama | Method, system, and computer program product for assigning personnel to project tasks |
CN110531788A (zh) * | 2019-09-24 | 2019-12-03 | 北京佰才邦技术有限公司 | 无人机的巡航控制方法、装置和电子设备 |
CN111626619A (zh) * | 2020-05-28 | 2020-09-04 | 深圳市易链信息技术有限公司 | 基于云雾混合计算的无人机群任务分配方法、系统和可读存储介质 |
CN111739346A (zh) * | 2020-05-11 | 2020-10-02 | 深圳中科保泰科技有限公司 | 空地协同调度指挥方法和平台系统 |
US20200380443A1 (en) * | 2019-05-28 | 2020-12-03 | Honeywell International Inc. | Dynamic ordering of tasks in a task saturated timeline |
CN112348381A (zh) * | 2020-11-12 | 2021-02-09 | 北京优云智翔航空科技有限公司 | 一种无人机设备调度数据的处理方法、装置以及服务器 |
CN112561395A (zh) * | 2020-12-25 | 2021-03-26 | 桂林电子科技大学 | 无人机协同方法、系统、装置、电子设备及存储介质 |
-
2021
- 2021-10-13 CN CN202111194360.6A patent/CN113869598B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060047558A1 (en) * | 2004-08-31 | 2006-03-02 | Norimasa Uchiyama | Method, system, and computer program product for assigning personnel to project tasks |
US20200380443A1 (en) * | 2019-05-28 | 2020-12-03 | Honeywell International Inc. | Dynamic ordering of tasks in a task saturated timeline |
CN110531788A (zh) * | 2019-09-24 | 2019-12-03 | 北京佰才邦技术有限公司 | 无人机的巡航控制方法、装置和电子设备 |
CN111739346A (zh) * | 2020-05-11 | 2020-10-02 | 深圳中科保泰科技有限公司 | 空地协同调度指挥方法和平台系统 |
CN111626619A (zh) * | 2020-05-28 | 2020-09-04 | 深圳市易链信息技术有限公司 | 基于云雾混合计算的无人机群任务分配方法、系统和可读存储介质 |
CN112348381A (zh) * | 2020-11-12 | 2021-02-09 | 北京优云智翔航空科技有限公司 | 一种无人机设备调度数据的处理方法、装置以及服务器 |
CN112561395A (zh) * | 2020-12-25 | 2021-03-26 | 桂林电子科技大学 | 无人机协同方法、系统、装置、电子设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114662999A (zh) * | 2022-05-24 | 2022-06-24 | 深圳联和智慧科技有限公司 | 一种无人机集群调动处理方法、系统及云平台 |
Also Published As
Publication number | Publication date |
---|---|
CN113869598B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6677802B2 (ja) | 到着時間を推定するための方法およびシステム | |
CN109992404B (zh) | 集群计算资源调度方法、装置、设备及介质 | |
TWI690867B (zh) | 用於分配服務請求的系統和方法 | |
CN110807236A (zh) | 一种基于多机器人的仓储物流仿真系统 | |
CN108171357A (zh) | 物流信息系统中的信息处理方法和装置 | |
CN113869598B (zh) | 基于智慧城市的无人机智能远程管理方法、系统及云平台 | |
CN111738409B (zh) | 一种资源调度的方法及其相关设备 | |
CN113901162B (zh) | 基于城市管理的无人机环境监测方法、系统及云平台 | |
CN110414569B (zh) | 聚类实现方法及装置 | |
CN112306658A (zh) | 一种多能源系统数字孪生应用管理调度方法 | |
CN115292016A (zh) | 基于人工智能的任务调度方法及相关设备 | |
CN113255165A (zh) | 一种基于动态任务分配的实验方案并行推演系统 | |
CN107193940A (zh) | 大数据优化分析方法 | |
CN113553175A (zh) | 面向交通数据流的最优排序算法选择方法 | |
CN113407343A (zh) | 一种基于资源分配的业务处理方法、装置及设备 | |
CN117519930A (zh) | 批量任务的执行方法、装置及电子设备 | |
CN112348369A (zh) | 重大活动安保多目标多资源动态调度方法 | |
CN115130791B (zh) | 面向车载智能机场的无人机与车辆协同调度方法及装置 | |
CN114862065B (zh) | 社工任务规划方法、装置、电子设备及存储介质 | |
CN115081759B (zh) | 基于历史飞行数据的节油决策方法、系统和设备 | |
CN116820729A (zh) | 离线任务调度方法、装置及电子设备 | |
CN112189176A (zh) | 多机作业航线规划方法、控制终端及计算机可读存储介质 | |
WO2023119166A1 (en) | Conveying items using a distributed multi-agent allocaiton method | |
CN115914237A (zh) | 一种边缘环境下的深度学习任务调度方法、设备及介质 | |
CN115375237A (zh) | 一种冷链物流智能管理方法、系统、设备和存储介质 |
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 |