CN114723904A - 机场数据的动态管理方法、系统、计算机设备和存储介质 - Google Patents
机场数据的动态管理方法、系统、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114723904A CN114723904A CN202210384455.2A CN202210384455A CN114723904A CN 114723904 A CN114723904 A CN 114723904A CN 202210384455 A CN202210384455 A CN 202210384455A CN 114723904 A CN114723904 A CN 114723904A
- Authority
- CN
- China
- Prior art keywords
- airport
- data
- weather
- environment
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000003860 storage Methods 0.000 title claims abstract description 27
- 238000004088 simulation Methods 0.000 claims abstract description 149
- 230000002159 abnormal effect Effects 0.000 claims abstract description 112
- 238000012545 processing Methods 0.000 claims abstract description 40
- 230000000007 visual effect Effects 0.000 claims abstract description 37
- 230000001960 triggered effect Effects 0.000 claims abstract description 21
- 230000004044 response Effects 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims description 70
- 230000007613 environmental effect Effects 0.000 claims description 41
- 230000003993 interaction Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 25
- 238000009826 distribution Methods 0.000 claims description 14
- 230000014759 maintenance of location Effects 0.000 claims description 11
- 230000033001 locomotion Effects 0.000 claims description 4
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 22
- 238000007726 management method Methods 0.000 description 99
- 238000010586 diagram Methods 0.000 description 32
- 230000000694 effects Effects 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 238000013523 data management Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000012800 visualization Methods 0.000 description 8
- 230000004927 fusion Effects 0.000 description 7
- 230000010354 integration Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 239000002245 particle Substances 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 239000004576 sand Substances 0.000 description 5
- 230000008447 perception Effects 0.000 description 4
- 239000000779 smoke Substances 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Graphics (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种机场数据的动态管理方法、系统、计算机设备和存储介质。所述方法可应用于云技术和智慧交通等应用场景,所述方法包括:响应于在管理平台页面触发的展示操作,展示可视化的机场空间模型;响应于机场空间模型的天气模拟操作,获取机场环境数据和气象数据;根据机场环境数据和气象数据生成天气仿真模型;将天气仿真模型融合到机场空间模型中进行显示,并显示机场环境数据和气象数据;当基于融合天气仿真模型的机场空间模型、机场环境数据和气象数据确定机场环境状态满足预设异常条件时,根据机场环境状态确定异常处理方案。采用本方法能够提高对机场数据的管理效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种机场数据的动态管理方法、系统、计算机设备和存储介质。
背景技术
近年来,随着民航运输业的迅猛发展,机场的规模及管理的复杂度急剧攀升,对机场的各种数据进行高效管理变得尤为重要。目前通常采用地理信息系统(GeographicInformation System或Geo-Information system,GIS)技术实现的空间管理平台结合温度、湿度计反馈的环境数据,对机场数据进行建筑空间管理和环境温湿度管理。
然而,上述方案仅能对一部分机场数据进行管理,如对基于GIS技术的二维数据、温度、湿度计反馈的环境数据进行管理,导致对机场数据的管理效率较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高机场数据管理效率的机场数据的动态管理方法、系统、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种机场数据的动态管理方法。所述方法包括:
响应于在管理平台页面触发的展示操作,展示可视化的机场空间模型;
响应于所述机场空间模型的天气模拟操作,获取机场环境数据和气象数据;
根据所述机场环境数据和所述气象数据生成天气仿真模型;
将所述天气仿真模型融合到所述机场空间模型中进行显示,并显示所述机场环境数据和所述气象数据;
当基于融合所述天气仿真模型的机场空间模型、所述机场环境数据和所述气象数据确定机场环境状态满足预设异常条件时,根据所述机场环境状态确定异常处理方案。
第二方面,本申请还提供了一种机场数据的动态管理系统。所述系统包括:
空间仿真模块,用于响应于在管理平台页面触发的展示操作,展示可视化的机场空间模型;
环境检测模块,用于响应于所述机场空间模型的天气模拟操作,获取机场环境数据和气象数据;
天气仿真模块,用于根据所述机场环境数据和所述气象数据生成天气仿真模型;
数据展示模块,用于将所述天气仿真模型融合到所述机场空间模型中进行显示,并显示所述机场环境数据和所述气象数据;
综合管理模块,用于当基于融合所述天气仿真模型的机场空间模型、所述机场环境数据和所述气象数据确定机场环境状态满足预设异常条件时,根据所述机场环境状态确定异常处理方案。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
响应于在管理平台页面触发的展示操作,展示可视化的机场空间模型;
响应于所述机场空间模型的天气模拟操作,获取机场环境数据和气象数据;
根据所述机场环境数据和所述气象数据生成天气仿真模型;
将所述天气仿真模型融合到所述机场空间模型中进行显示,并显示所述机场环境数据和所述气象数据;
当基于融合所述天气仿真模型的机场空间模型、所述机场环境数据和所述气象数据确定机场环境状态满足预设异常条件时,根据所述机场环境状态确定异常处理方案。
第四方面,本申请还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,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
响应于在管理平台页面触发的展示操作,展示可视化的机场空间模型;
响应于所述机场空间模型的天气模拟操作,获取机场环境数据和气象数据;
根据所述机场环境数据和所述气象数据生成天气仿真模型;
将所述天气仿真模型融合到所述机场空间模型中进行显示,并显示所述机场环境数据和所述气象数据;
当基于融合所述天气仿真模型的机场空间模型、所述机场环境数据和所述气象数据确定机场环境状态满足预设异常条件时,根据所述机场环境状态确定异常处理方案。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
响应于在管理平台页面触发的展示操作,展示可视化的机场空间模型;
响应于所述机场空间模型的天气模拟操作,获取机场环境数据和气象数据;
根据所述机场环境数据和所述气象数据生成天气仿真模型;
将所述天气仿真模型融合到所述机场空间模型中进行显示,并显示所述机场环境数据和所述气象数据;
当基于融合所述天气仿真模型的机场空间模型、所述机场环境数据和所述气象数据确定机场环境状态满足预设异常条件时,根据所述机场环境状态确定异常处理方案。
上述机场数据的动态管理方法、系统、计算机设备和存储介质,通过响应于在管理平台页面触发的展示操作,展示可视化的机场空间模型;响应于机场空间模型的天气模拟操作,获取机场环境数据和气象数据;根据机场环境数据和气象数据生成天气仿真模型;将天气仿真模型融合到机场空间模型中进行显示,并显示机场环境数据和气象数据;当基于融合天气仿真模型的机场空间模型、机场环境数据和气象数据确定机场环境状态满足预设异常条件时,根据机场环境状态确定异常处理方案,从而可以多维且高效的对机场数据进行动态管理,提高了对机场数据的管理效率。
附图说明
图1为一个实施例中机场数据的动态管理方法的应用环境图;
图2为一个实施例中机场数据的动态管理方法的流程示意图;
图3为一个实施例中管理平台页面示意图;
图4为一个实施例中机场的城市信息模型构建原理图;
图5为一个实施例中机场空间模型示意图;
图6为另一个实施例中机场空间模型示意图;
图7为另一个实施例中机场空间模型示意图;
图8为另一个实施例中机场空间模型示意图;
图9为另一个实施例中管理平台页面的示意图;
图10为一个实施例中环境数据采集设备示意图;
图11为另一个实施例中环境数据采集设备示意图;
图12为另一个实施例中管理平台页面示意图;
图13为一个实施例中安全管理过程的流程示意图;
图14为一个实施例中RCNN模型的网络结构示意图;
图15为一个实施例中FSSD模型的网络结构示意图;
图16为一个实施例中对象数量检测过程的流程示意图;
图17为一个实施例中特征提取网络的结构示意图;
图18为一个实施例中对象数量统计任务设置页面示意图;
图19为一个实施例中统计结果示意图;
图20为一个实施例中机场数据融合示意图;
图21为一个实施例中机场数据的动态管理系统的架构图;
图22为另一个实施例中机场数据的动态管理系统的结构框图;
图23为另一个实施例中机场数据的动态管理系统的结构框图;
图24为一个实施例中计算机设备的内部结构图;
图25为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
云计算(cloud computing)指IT基础设施的交付和使用模式,指通过网络以按需、易扩展的方式获得所需资源;广义云计算指服务的交付和使用模式,指通过网络以按需、易扩展的方式获得所需服务。这种服务可以是IT和软件、互联网相关,也可是其他服务。云计算是网格计算(Grid Computing)、分布式计算(DistributedComputing)、并行计算(Parallel Computing)、效用计算(Utility Computing)、网络存储(Network StorageTechnologies)、虚拟化(Virtualization)、负载均衡(Load Balance)等传统计算机和网络技术发展融合的产物。
云存储(cloud storage)是在云计算概念上延伸和发展出来的一个新的概念,分布式云存储系统(以下简称存储系统)是指通过集群应用、网格技术以及分布存储文件系统等功能,将网络中大量各种不同类型的存储设备(存储设备也称之为存储节点)通过应用软件或应用接口集合起来协同工作,共同对外提供数据存储和业务访问功能的一个存储系统。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通等几大方向。
本申请实施例提供的机场数据的动态管理方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他服务器上。该机场数据的动态管理方法可以执行于终端102,也可以通过终端102和服务器104的交互实现,以执行于终端102为例,终端102响应于在管理平台页面触发的展示操作,展示可视化的机场空间模型;响应于机场空间模型的天气模拟操作,获取机场环境数据和气象数据;根据机场环境数据和气象数据生成天气仿真模型;将天气仿真模型融合到机场空间模型中进行显示,并显示机场环境数据和气象数据;当基于融合天气仿真模型的机场空间模型、机场环境数据和气象数据确定机场环境状态满足预设异常条件时,根据机场环境状态确定异常处理方案。
其中,终端102可以但不限于是各种台式计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。
服务器104可以是独立的物理服务器,也可以是区块链系统中的多个服务节点所组成的服务器集群,各服务节点之间形成组成点对点(P2P,Peer To Peer)网络,P2P协议是一个运行在传输控制协议(TCP,Transmission Control Protocol)协议之上的应用层协议。
在一个实施例中,如图2所示,提供了一种机场数据的动态管理方法,以该方法应用于图1中的终端102为例进行说明,包括以下步骤:
S202,响应于在管理平台页面触发的展示操作,展示可视化的机场空间模型。
其中,管理平台页面是指机场数据管理平台的交互页面,机场数据管理平台用于对机场数据进行动态管理,机场数据管理平台具体是基于机场的城市信息模型(CityInformation Modeling,CIM)为基础而构建的管理平台,机场的城市信息模型以建筑信息模型(BIM)、地理信息系统(GIS)、物联网(IoT)等技术为基础,整合机场地上地下、室内室外、历史现状未来多维多尺度信息模型数据和机场感知数据,构建起三维数字空间的机场信息有机综合体。
机场数据具体包括机场的机场空间数据、机场环境数据、气象数据、机场空间内所存在的人事物的感知数据等。机场空间模型是基于机场空间数据所构建出的空间模型。如图3所示,为一个实施例中的管理平台页面示意图,机场管理人员可在管理平台页面查看整个机场各种机场数据,同时管理平台页面也可以展示有机场空间模型。
需要说明的是,参考图4,本申请实施例中的机场的城市信息模型(CIM)具体可以以智慧空间CityBase为基础,通过数字孪生技术对机场建筑全要素进行数字化,建立建筑空间、人、事、物及行为活动的数字孪生,通过对机场建筑的数字化建模,实现空间数据、物联网数据的融合,得到机场的城市信息模型,从而实现对机场园区、机场建筑的统一管理。
在一个实施例中,S202具体包括以下步骤:响应于在管理平台页面触发的展示操作,获取机场空间数据;对机场空间数据依次进行转换与融合处理,得到处理后机场空间数据;基于处理后机场空间数据构建可视化的机场空间模型;按照展示操作对应的目标视角,展示目标视角下可视化的机场空间模型。
其中,机场空间数据是指对机场内的建筑、设施、设备的空间位置进行描述的数据,机场空间数据可以是多种来源的不同数据类型的数据,比如倾斜摄影数据、点云数据、GIS类数据、三维模型数据、BIM数据等多种数据类型,倾斜摄影数据是基于倾斜摄影技术获得的数据,倾斜摄影技术可以大范围获取数据,通过在同一飞行平台上搭载多台航摄仪,同时从五个不同的角度采集影像数据;点云数据是通过激光点云设备直接快速得到地表密集的高精度三维点坐标数据;GIS类数据主要包括DEM(数字高程模型)数据、DOM(数字正射影像)数据、DLG(数字线划地图)数据、行政区划数据等;三维模型数据主要有max、fbx、IFC、stp、dwg、stl、rvt、dgn、igs等数据格式;BIM数据是一个完备的信息模型,以其详尽的属性信息对建筑进行表达,用来整合和完善建筑物全生命周期数据。机场空间数据包括地下空间数据和地上空间数据,地下空间数据如地下管线模型、钻孔数据模型,地上空间数据,如建筑模型数据,建筑模型数据覆盖室内结构、机电设备、钢结构以及室外幕墙等数据,从而基于机场空间数据所构建的机场空间模型,可实现地上地下、室内外场景动态交互可视化。
可视化的机场空间模型,可以实现宏观微观一体化可视化、地上地下一体化可视化、室内室外一体化可视化,其中,宏观微观一体化可视化具体是指从宏观大场景到精细局部模型的无缝浏览,地上地下一体化可视化是指地上地下一体化任意角度的剖切浏览,室内室外一体化可视化是指由室外至室内的一体化浏览,比如在室内能够通过窗户等区域观察室外场景。
具体地,终端在得到不同数据类型的机场空间数据之后,融合OGC数据标准,对各种数据类型的机场空间数据进行数据格式转换,得到目标格式的机场空间数据,并对目标格式的机场空间数据进行融合,得到处理后机场空间数据,并基于处理后机场空间数据构建可视化的机场空间模型,获取展示操作对应的目标视角,展示在目标视角下可视化的机场空间模型。
可以理解的是,不同来源的机场空间数据所基于的原始坐标系不同,为了方便对机场空间数据进行处理,需要将机场空间数据统一统合到同一个坐标系下进行处理,将机场空间数据统一到同一个坐标系时具体可采用七参数坐标转换方法,其中七参数坐标转换公式如下:
其中,X2、Y2和Z2为融合后目标坐标系下的位置坐标,X1、Y1和Z1为融合前原始坐标系下的位置坐标,m为尺度变化参数,ΔX0、ΔY0和ΔZ0为平移变化参数,εX、εY和εZ为旋转参数。
例如,若处理后机场空间数据是基于地理坐标系的,则在进行数据融合时,将各IOT物联设备的物联点位与地理坐标系进行融合,或者将BIM坐标与地理坐标系进行融合,从而得到地理坐标系下各设备的位置数据。
目标视角是观察机场空间模型的角度,比如目标视角可以是机场跑道视角,则展示机场跑道角度下的可视化的机场空间模型,目标视角是停机坪视角,则展示停机坪视角度下的可视化的机场空间模型,目标视角是航站楼内部,则展示航站楼内部视角下的可视化的机场空间模型,目标视角是航站楼外部,则展示航站楼外部视角下的可视化的机场空间模型。可以理解的是,目标视角还可以是安检口、候机厅、登机口等视角。如图5所示为某个视角下的机场空间模型示意图,如图6所示为某个视角下的机场空间模型示意图,如图7所示为某个视角下的机场空间模型示意图,如图8所示为某个视角下的机场空间模型示意图。
本实施例中,终端通过响应于在管理平台页面触发的展示操作,获取机场空间数据,对机场空间数据进依次行转换与融合处理,得到处理后机场空间数据;基于处理后机场空间数据构建可视化的机场空间模型,按照展示操作对应的目标视角,展示目标视角下可视化的机场空间模型,从而可以从不同角度实现对机场模型的展示,便于机场相关人员实时查看机场各个区域的情况,以便对机场数据进行管理,从而提高了对机场数据的管理效率。
S204,响应于机场空间模型的天气模拟操作,获取机场环境数据和气象数据。
其中,天气模拟操作用于触发模拟某种天气情况下机场空间模型的可视化效果。机场环境数据是反应机场环境情况的数据,包括机场室内环境数据和机场室外环境数据,气象数据是反映机场天气情况的一组数据,具体可以是实时的天气报告数据,也可以是某种天气下模拟的气象数据。天气模拟操作包括实时天气效果模拟操作和预设天气效果模拟操作。
具体地,在管理平台页面展示有天气仿真按钮,天气仿真按钮用于触发对机场空间模型的天气模拟操作,终端响应于对天气仿真按钮的触发操作,获取机场环境数据和气象数据。
如图9所示,为一个实施例中管理平台页面的示意图,该管理平台页面中展示有实时天气仿真按钮902和预设天气仿真按钮(904a-904e),其中,天气仿真按钮用于触发实时天气效果模拟操作,预设天气仿真按钮用于触发预设天气效果模拟操作,机场管理人员可以点击天气仿真按钮902和预设天气仿真按钮(904a-904e)中的任意一个,终端响应于对天气仿真按钮触发的实时天气效果模拟操作,获取机场环境数据和气象数据,或者响应于对预设天气仿真按钮触发的预设天气效果模拟操作,获取机场环境数据和气象数据。
在一个实施例中,S204具体包括以下步骤:通过环境采集设备采集机场室内外的环境数据,得到机场环境数据;获取机场天气报告,并解析机场天气报告得到气象数据;或者依据天气模拟操作获取模拟的气象数据。
需要说明的是,机场室内外的各个区域分别设置有环境数据采集设备,并通过环境数据采集设备实时采集机场室内外的环境数据,环境数据采集设备将所采集到的机场室内外的环境数据发送给终端,从而终端得到机场环境数据。
此外,天气模拟操作包括实时天气效果模拟操作和预设天气效果模拟操作,可以理解的是,当天气模拟操作为实时天气效果模拟操作时,终端通过获取并解析机场天气报告得到实时的气象数据,当天气模拟操作为预设天气效果模拟操作时,终端获取预设天气效果模拟操作对应的模拟的气象数据。
如图9所示,当机场管理人员点击预设天气仿真按钮904b时,终端则获取晴天对应的模拟的气象数据,当机场管理人员点击预设天气仿真按钮904c时,终端则获取雨天对应的模拟的气象数据。
本申请实施例中,环境数据采集设备具体可以是IOT检测设备,可以理解的是,设置于机场室外的IOT检测设备,用于检测机场室外的环境数据,得到机场室外环境数据;设置于机场室内的IOT检测设备,用于检测机场室内的环境数据,得到机场室内环境数据。机场室外环境数据具体可以包降雨量、降雨速度、风速、可见度等,机场室内环境数据具体可以包括亮度、温度、湿度、空气质量等。
如图10(A)所示为一个实施例中IOT检测设备风速传感器示意图,用于检测风速,图10(B)示出了该风速传感器的具体属性信息。
如图11(A)所示,为一个实施例中IOT检测设备温湿度传感器示意图,用于检测温度和湿度,图11(B)示出了该温湿度传感器的具体属性信息。
机场天气报告用于反应机场的实时天气状况,具体可以是电码格式的报告,通过对电码格式的报告进行解析可以获得机场的气象数据,气象数据可包括风向、风速、能见度、云底高度、气温、露点温度、修正海平面气压等数值型数据,也可包括雷暴、降雨、降雪、沙尘暴等非数值型的天气现象以及天气现象的强度。
本实施例中,通过环境采集设备采集机场室内外的环境数据,得到机场环境数据;获取机场天气报告,并解析机场天气报告得到气象数据;或者依据天气模拟操作获取模拟的气象数据,从而可以快速且全面的获取各种天气数据,进而可以更加真实的对天气进行仿真,使得天气仿真的效果更加准确。
S206,根据机场环境数据和气象数据生成天气仿真模型。
其中,天气仿真模型用于对机场的天气情况进行仿真。
具体地,终端在得到机场环境数据和气象数据之后,获取预设的天气仿真算法,通过天气仿真算法基于机场环境数据和气象数据,确定所要生成的天气仿真模型的各种仿真参数,然后通过天气仿真算法基于所确定的仿真参数对机场的实时天气情况进行仿真,得到仿真模型。
其中,天气仿真算法可以是基于粒子系统的仿真算法、基于图像的仿真算法、基于纹理的仿真算法以及综合法,综合法是对基于粒子系统的仿真算法、基于图像的仿真算法和基于纹理的仿真算法中的至少两个的综合。
在一个实施例中,S206具体包括以下步骤:确定气象数据对应的气象类型;根据机场环境数据和气象数据,确定气象类型下的仿真参数;基于气象类型和仿真参数生成天气仿真模型。
其中,气象类型也就是天气现象的类型,气象类型具体可以是晴天、阴天(云)、雨、雪、雷、雾、霜、雹、霾、沙尘暴等。仿真参数是在进行天气仿真时用于生成目标模型的参数,例如,当天气仿真算法是基于粒子系统的仿真算法时,仿真参数可以是粒子的大小、粒子的受力参数、粒子的运动参数、例子的光照参数等。
具体地,终端在得到气象数据之后,可以直接基于气象数据中的天气现象数据确定气象类型,并根据机场环境数据和气象数据,确定该气象类型下的天气强度和其他天气参数,根据所确定的天气强度和其他天气参数确定出该气象类型下的仿真参数,基于该气象类型和仿真参数生成天气仿真模型。
例如,气象类型为“雨”,天气强度为强降雨,其他天气参数包括降雨速度、风向、风速、能见度等,则根据所确定的强降雨天气、降雨速度、风向、风速、能见度确定出气象类型“雨”所对应的仿真参数,并基于气象类型“雨”和仿真参数生成天气仿真模型。
本实施例中,通过确定气象数据对应的气象类型,根据机场环境数据和气象数据,生成气象类型下的天气仿真参数,基于气象类型和天气仿真参数生成天气仿真模型,使得天气仿真的效果更加准确。
S208,将天气仿真模型融合到机场空间模型中进行显示,并显示机场环境数据和气象数据。
具体地,终端在得到天气仿真模型和机场空间模型之后,基于机场空间模型中机场建筑的结构特点,对天气仿真模型进行相应调整,得到调整后天气仿真模型,并将调整后天气仿真模型叠加到机场空间模型中,从而实现将天气仿真模型统合到机场空间模型中,得到融合了天气仿真模型的机场空间模型中,并在管理平台页面对该融合了天气仿真模型的机场空间模型进行展示,其中,融合了天气仿真模型的机场空间模型也可以称为机场天气空间模型,融合了天气仿真模型的机场空间模型能够展示某种天气的机场效果,方便机场相关人员直观地了解天气对机场运行情况的影响,同时还可以在该管理平台页面对机场环境数据和气象数据进行展示,便于机场相关人员快速获得相关数据,以基于获得的数据快速进行相应决策。
如图12所示为一个实施例中管理平台页面的示意图,图中展示有雾天气下的实时机场空间模型1202,以及当前机场气象数据1204。
S210,当基于融合天气仿真模型的机场空间模型、机场环境数据和气象数据确定机场环境状态满足预设异常条件时,根据机场环境状态确定异常处理方案。
其中,预设异常条件用于确定机场环境状态是否发生异常。预设异常条件具体可以是能见度异常条件、云底高异常条件和天气现象异常条件中的至少一种。异常处理方案是在机场环境状态发生异常时,处于安全起见对机场航班起降计划进行调整、以及对机场候机旅客进行妥善安置的方案,针对不同的异常情况异常处理方案可以不相同。
例如,当基于融合天气仿真模型的机场空间模型、机场环境数据和气象数据,确定出机场环境状态为中能见度、高云底高及强雷雨天气时,确定该机场环境状态中天气现象“强雷雨天气”满足天气现象异常条件,则确定该机场环境状态“强雷雨天气”对应的异常处理方案;当基于融合天气仿真模型的机场空间模型、机场环境数据和气象数据,确定出机场环境状态为低能见度、中云底高及雾天时,确定该机场环境状态中能见度“低能见度”满足能见度异常条件,则确定该机场环境状态“低能见度”对应的异常处理方案;当基于融合天气仿真模型的机场空间模型、机场环境数据和气象数据,确定出机场环境状态为低能见度、中云底高及沙尘暴时,确定该机场环境状态中能见度“低能见度”满足能见度异常条件,机场环境状态中“沙尘暴”满足天气现象异常条件,则确定该机场环境状态“低能见度”和“沙尘暴”对应的异常处理方案。
在一个实施例中,S210具体包括以下步骤:当基于融合天气仿真模型的机场空间模型、机场环境数据和气象数据确定机场能见度满足预设异常条件时,确定机场能见度对应的环境异常等级;当环境异常等级达到预设等级条件时,获取与环境异常等级匹配的异常处理方案。
其中,机场能见度即机场环境状态中的能见度;环境异常等级用于表征机场能见度异常的程度,例如,能见度越低对应的环境异常等级越高,表征环境异常的程度越高。预设等级条件是需要进行异常处理的等级条件。
具体地,当机场能见度满足能见度异常条件时,终端获取能见度对应的环境异常等级,确定环境异常等级是否达到预设等级条件,并在环境异常等级达到预设等级条件时,获取与环境异常等级匹配的异常处理方案。
例如,环境异常等级由低到高分为1级、2级、3级和4级,预设等级条件为3级,表示环境异常等级在3级以下时,可以不进行异常处理,也就是说,当环境异常等级为3级或4级时,未达到预设等级条件,则不进行异常处理;当环境异常等级为1级时,达到了预设等级条件,则获取1级所对应的异常处理方案;当环境异常等级为2级时,达到了预设等级条件,则获取2级所对应的异常处理方案。
上述机场数据的动态管理方法中,通过响应于在管理平台页面触发的展示操作,展示可视化的机场空间模型;响应于机场空间模型的天气模拟操作,获取机场环境数据和气象数据;根据机场环境数据和气象数据生成天气仿真模型;将天气仿真模型融合到机场空间模型中进行显示,并显示机场环境数据和气象数据;当基于融合天气仿真模型的机场空间模型、机场环境数据和气象数据确定机场环境状态满足预设异常条件时,根据机场环境状态确定异常处理方案,从而可以多维且高效的对机场数据进行动态管理,提高了对机场数据的管理效率。
在一个实施例中,终端在得到机场环境数据之后,还可以确定机场环境数据是否超过环境指标阈值,并在机场环境数据超过环境指标阈值时,发出告警信息;同时向中心管理平台发起联动请求,以使中心管理平台基于机场环境数据进行资源调度;其中,调度的资源用于调整机场环境。
其中,机场环境数据包括机场室内环境数据和机场室外环境数据,不同的机场环境数据分别对应有相应的环境指标阈值。中心管理平台是指机场数据管理平台,也可以称为数据管理中心。
具体的,终端在得到机场室内环境数据之后,确定机场室内环境数据是否超过室内环境指标阈值,并在超过室内环境指标阈值时,基于超标的机场室内环境数据生成告警信息并发出;在得到机场室外环境数据之后,确定机场室外环境数据是否超过室外环境指标阈值,并在超过室外环境指标阈值时,基于超标的机场室外环境数据生成告警信息并发出;同时生成联动请求,并将该联动请求发送至中心管理平台,以使中心管理平台基于机场环境数据进行资源调度。
上述实施例中,终端通过确定机场环境数据是否超过环境指标阈值,并在机场环境数据超过环境指标阈值时,发出告警信息;同时向中心管理平台发起联动请求,以使中心管理平台基于机场环境数据进行资源调度,从而使得机场相关人员可以及时发现机场环境异常,并对机场环境数据异常进行及时处理,提高了对机场数据处理的效率。
在一个实施例中,如图13所示,上述机场数据的动态管理方法还包括安全管理过程,其中,安全管理过程具体包括以下步骤:
S1302,获取图像采集设备所采集的图像数据。
其中,图像采集设备可以是摄像头。
具体地,机场园区与建筑内可设置多个图像采集设备,各图像采集设备可通过网络与终端进行通信,通过图像采集设备对图像采集设备拍摄区域进行图像采集,得到图像数据,图像数据具体可以是图片或者视频,图像采集设备实时或定时将所采集到的图像数据发送给终端,终端接收图像采集设备所采集的图像数据。
S1304,对图像数据进行识别,得到图像识别结果。
具体地,终端在得到图像数据之后,通过预设的图像识别模型对图像数据进行识别,得到图像识别结果。
其中,图像识别模型可以是人工智能模型,图像识别模型包括姿态识别模型和目标检测模型,其中姿态识别模型用于对图像数据中的人物进行姿态识别,以确定是否存在与人物相关的异常事件,目标检测模型用于对图像数据中的物品或场景进行检测,以确定是否存在与物品或场景相关的异常事件。
可以理解的是,与人物相关的异常事件可以是打架、跌倒、人群聚集等危险行为;与物品或场景相关的异常事件可以是烟雾、火灾、物品滞留(可能为危险品)等危险事件。
在一个实施例中,图像识别模型是基于RCNN模型训练得到的,通过该图像识别模型可以对打架、推搡等姿态进行识别,或者对火灾等场景进行识别。
参考图14所示的RCNN模型的网络结构示意图,该RCNN模型对输入的图像数据,采用Selective Search(目标检测)算法从输入图像生成2k-3k个候选区域,并按照颜色直方图及梯度直方图对所生成的候选区域进行合并,得到形状规则的合并后候选区域,然后将合并后候选区域输入CNN网络,通过CNN网络对每个候选区域进行特征提取得到特征,将所提取的特征输入SVM分类器,通过分类器判别是否输入相应类别,最后使用Boudingboxregression(边框回归)回归器对分类类别和位置进行精细修正,从而得到识别结果。
在一个实施例中,图像识别模型是基于FSSD模型训练得到的,通过该图像识别模型可以对跌倒等姿态进行识别。
参考图15所示的FSSD模型的网络结构示意图,FSSD模型针对输入图像,通过特征提取网络提取不同尺度的特征图,并将不同尺度的特征图进行融合,得到融合后特征图,从而基于融合后特征图进行分类预测,得到姿态识别结果。
FSSD模型的目标损失函数的表达式如下所示,目标损失函数由位置损失与置信损失的加权求和得到:
其中,L(x,c,l,g)表示目标损失函值,Lconf(x,c)表示置信损失值,Lloc(x,l,g)表示位置损失值,α表示位置损失值的权重,N表示匹配到default box的数量。
S1306,当基于图像识别结果确定目标机场区域存在异常事件时,调度用于解决异常事件的资源。
其中,图像识别结果包括姿态识别结果、目标检测结果中的至少一个,资源可以是人力资源、物力资源、异常事件所对应的处理方案等。
具体地,终端在得到图像识别结果之后,基于图像识别结果确定机场的各个区域是否存在异常事件,当确定出目标机场区域存在异常事件时,调度用于解决异常事件的资源。
可以理解的是,终端可以基于姿态识别结果,确定机场各个区域中是否存在与人物相关的异常事件;基于目标检测结果,确定机场各个区域中是否存在与物品或场景相关的异常事件。
在一个实施例中,终端对图像数据中的人物对象进行姿态识别,得到姿态识别结果,并基于姿态识别结果确定目标机场区域存在异常事件,向中心管理平台发送异常处理请求,以使中心管理平台调度用于解决异常事件的资源。
具体地,终端在对图像数据中的人物对象进行姿态识别,得到姿态识别结果后,若姿态识别结果为存在打架、跌倒、人群聚集中的至少一种姿态,则确定存在异常事件,并获取该图像数据对应的异常事件发生的目标机场区域,即确定目标机场区域存在异常事件,根据该异常事件生成异常处理请求,异常处理请求中可携带有异常事件和图像数据所属图像采集设备的设备信息,并向中心管理平台发送异常处理请求,以使中心管理平台调度根据机场CIM确定图像采集设备的设备信息所属的目标机场区域,向目标机场区域调度用于解决异常事件的资源。
在一个实施例中,终端对图像数据中的物品或场景进行目标检测,得到目标检测结果,并基于目标检测结果确定目标机场区域存在异常事件,向中心管理平台发送异常处理请求,以使中心管理平台调度用于解决异常事件的资源。
具体地,终端在对图像数据中的物品或场景进行姿态识别,得到目标检测结果后,若目标检测结果为存在烟雾、火灾、物品滞留(可能为危险品)中的至少一种情况,则确定存在异常事件,并获取该图像数据对应的异常事件发生的目标机场区域,即确定目标机场区域存在异常事件,根据该异常事件生成异常处理请求,异常处理请求中可携带有异常事件图像数据所属图像采集设备的设备信息,并向中心管理平台发送异常处理请求,以使中心管理平台调度根据机场CIM确定图像采集设备的设备信息所属的目标机场区域,向目标机场区域调度用于解决异常事件的资源。
例如,根据图像识别结果确定出目标机场区域存在打架、跌倒、人群聚集、烟雾、火灾、物品滞留(可能为危险品)中的任一异常事件时,同步异常告警至中心管理平台进行安全管理,结合园区CIM获取实时数据与最优应急处理方案,通过喊话并联动引导员进行应急疏导。
上述实施例中,终端通过获取图像采集设备所采集的图像数据,对所述图像数据进行识别,得到图像识别结果,进而可以基于图像识别结果快速确定机场中发生的异常事件,以便及时对异常事件进行相应处理,在提高对机场数据处理效率的同时提高了机场的安全性。
在一个实施例中,如图16所示,上述机场数据的动态管理方法还包括对象数量检测过程,其中,对象数量检测过程具体包括以下步骤:
S1602,获取目标摄像头所采集的对应机场区域的视频数据。
其中,目标摄像头的对应机场区域是需要进行对象数量检测的区域,目标摄像头是设置于需要进行对象数量检测区域的摄像头。
S1604,对视频数据进行对象数量检测,得到对象数量检测结果。
具体地,终端在得到视频数据之后,通过预设的对象数量检测模型对视频数据进行对象数量检测,得到对象数量检测结果。
其中,对象数量检测模型可以是人工智能模型,用于对视频数据中的对象数量信息、停留时间进行统计,对象数量信息包括流入的对象数量信息和流出的对象数量信息、停留时间是指对象在目标摄像头的对应机场区域内的停留时间。
需要说明的是,终端在通过对象数量检测模型对视频数据进行检测得到对象数量信息、停留时间之后,还可以进一步获取对象在目标摄像头的对应机场区域内的产品交互信息,并将产品交互信息也作为对象数量检测结果中的一部分。产品交互信息可以是对象在目标摄像头的对应机场区域内的消费信息、消费信息包括消费金额和消费产品等。
在一个实施例中,对象数量检测结果包括对象数量信息,S1604具体包括以下步骤:基于帧间差分方式从视频数据中相邻帧的视频图像提取运动目标;从相邻帧的视频图像中提取目标特征;当依据目标特征确定运动目标为人物对象时,确定各运动目标的运动方向;基于运动方向和区域检测线,确定进入目标摄像头的对应机场区域的对象数量信息。
具体地,终端通过对象数量检测模型基于帧间差分方式从视频数据中相邻帧的视频图像提取运动目标,并通过对象数量检测模型的特征提取网络从相邻帧的视频图像中提取目标特征,并在依据目标特征确定运动目标为人物对象时,对运动目标进行持续检测,以基于持续检测结果确定运动目标的运动方向,采用绊线检测方法预先设定区域检测线、对象流动方向、检测起始时间和检测方式,当检测方式采用“单向统计”时,基于运动方向和区域检测线,确定在检测起始时间内进入目标摄像头的对应机场区域的对象数量信息;当检测方式采用“双向统计”时,确定在检测起始时间内进入目标摄像头的对应机场区域的对象数量信息、以及走出目标摄像头的对应机场区域的对象数量信息。
基于帧间差分方式从视频数据中相邻帧的视频图像提取运动目标的过程可以采用以下公式:
其中,d(i,j)为二值图像,fk(i,j)为第k帧图像,fk-1(i,j)为第k-1帧图像,Th为阈值。
参考图17所示的特征提取网络的结构示意图,该特征提取网络是基于FasterRCNN模型训练得到的,Faster RCNN模型,对于一副任意大小P×Q的图像,首先缩放至固定大小M×N,然后将M×N的图像送入卷积层CNN基础网络,提取特征得到feature map(特征图);使用RPN生成Anchor box(选择框),对其裁剪过滤后进行二分类判断(前景或者背景),即是物体或不是物体),同时使用bounding box regression(边框回归)修正Anchor box,形成较精确的proposal(候选框);RoI pooling(感兴趣区域降维层)将收集的featuremaps(特征图)和proposals(候选框)提取proposal feature maps(候选特征图),送入后续全连接层判定目标类别;最后进行分类概率和bounding box regression联合训练提高精度。
参考图18所示的对象数量统计任务设置页面示意图,首先对需要统计的区域进行对象流动方向设定,并选择任务配置模式。该模块可设置任务的统计开始、结束时间,其统计方式分为“单向统计“、”双向统计”两种,统计间隔可根据实际需要进行选择。
参考图19所示的统计结果示意图,其中图19(A)为进行对象数量检测的实时画面,图19(B)为对象数量检测结果的统计数据图,从图中可以看出各个时段的对象的进入数量。
S1606,基于对象数量检测结果对目标摄像头的对应机场区域进行优化处理。
其中,对目标摄像头的对应机场区域进行优化处理,具体可以是对目标摄像头的对应机场区域中的商业店铺进行优化配置;或者是对目标摄像头的对应机场区域中的温度、湿度、空气质量进行优化调整。
上述实施例中,终端通过获取目标摄像头所采集的对应机场区域的视频数据;对视频数据进行对象数量检测,得到对象数量检测结果;基于对象数量检测结果对目标摄像头的对应机场区域进行优化处理,从而在提高对机场数据管理效率的同时可以实现对机场区域运行的优化。
在一个实施例中,对象数量检测结果包括对象数量信息、停留时间和产品交互信息;S1606具体包括以下步骤:根据对象数量信息、停留时间和产品交互信息,确定交互需求;依据交互需求对目标摄像头的对应机场区域内的产品进行优化处理。
其中,产品交互信息可以是对象在目标摄像头的对应机场区域内的消费信息、消费信息包括消费金额和消费产品等,交互需求可以是目标摄像头的对应机场区域内的商品种类、商品价格和预估销售量等信息。
具体地,终端根据对象数量信息、停留时间和产品交互信息,确定交互需求,基于交互需求对评估目标摄像头的对应机场区域内各店铺的商业价值,基于各店铺的商业价值对目标摄像头的对应机场区域内的店铺和店铺所销售的产品进行优化配置,以满足交互需求。
上述实施例中,终端通过根据对象数量信息、停留时间和产品交互信息,确定交互需求;依据交互需求对目标摄像头的对应机场区域内的产品进行优化处理,从而在提高对机场数据管理效率的同时可以实现对机场商业区域中商业配置的优化。
在一个实施例中,终端还可以基于历史航班信息、历史延误信息、历史候机信息和对象数量检测结果,确定目标摄像头的对应机场区域中的对象密度和对象分布;基于目标摄像头的对应机场区域中的对象密度和对象分布,生成环境调整请求;向中心管理平台发送环境调整请求,以使中心管理平台对目标摄像头的对应机场区域内的环境设备进行状态调整。
其中历史航班信息具体可以是历史航班的起飞信息和到达信息。历史候机信息是指历史乘客候机时间、候机乘客分布信息的。
具体地,终端在得到历史航班信息、历史延误信息、历史候机信息之后,将历史航班信息、历史延误信息、历史候机信息输入预先训练的预测模型中,通过预测模型基于历史航班信息、历史延误信息、历史候机信息预测指定未来时段内的候机对象数量和候机对象分布,根据预测的候机对象数量、候机对象分布和对象数量检测结果,确定出目标摄像头的对应机场区域内的对象密度及对象分布,进而基于目标摄像头的对应机场区域内的对象密度及对象分布,确定目标摄像头的对应机场区域内所需的环境条件,在所需的环境条件与目标摄像头的对应机场区域内的环境设备的运行状态不匹配时,生成环境调整请求;向中心管理平台发送环境调整请求,以使中心管理平台对目标摄像头的对应机场区域内的环境设备进行状态调整。
例如,根据某个机场区域中对象密度及对象分布情况,预估航班起落前后所需照明时间、乘客落座范围、分散程度等,并计算出适用于当前区域的最佳空调与灯光系统的运行状态,从而根据当前航班及实时已到达的乘客,进行灯光与空调系统运行调整,在保障舒适度的情况下实现节能环保。
上述实施例中,终端通过基于历史航班信息、历史延误信息、历史候机信息和对象数量检测结果,确定目标摄像头的对应机场区域中的对象密度和对象分布;基于目标摄像头的对应机场区域中的对象密度和对象分布,生成环境调整请求;向中心管理平台发送环境调整请求,以使中心管理平台对目标摄像头的对应机场区域内的环境设备进行状态调整,从而在提高对机场数据管理效率的同时可以实现对机场候机区域中灯光、温控设备的状态调整,实现机场的节能环保。
本申请还提供一种应用场景,该应用场景应用上述的机场数据的动态管理方法,参考图20所示的机场数据融合示意图、以及图21所示的机场数据的动态管理系统的架构图,该机场数据的动态管理方法中的机场数据以图20所示的结构进行融合,机场数据的动态管理方法通过图21所示的机场数据的动态管理系统进行执行。
需要说明的是,参考图20,该应用场景下机场智慧空间Citybase通过数字孪生技术对机场园区与机场建筑的基础设施全要素进行完全数字化,构建数字空间底座,实现建筑与人、事、物的数据融合,在机场数据管理平台的管理平台页面可查看机场园区全要素场景。
参考图21,机场数据的动态管理系统包括以下模块:空间仿真模块、行为感知模块、IOT室外检测模块、IOT室内检测模块、天气仿真模块、对象数量统计检测模块和神经网络环保算法模块,其中,空间仿真模块用于对机场园区内的机场建筑、设施、设备等进行仿真建模,得到机场空间模型;行为感知模块用于对机场内发生的异常事件进行检测,以便在发生打架、跌倒、人群聚集、烟雾、火灾、物品滞留等异常事件时,及时进行处理;IOT室外检测模块,用于采集机场室外环境数据,以便在室外环境数据异常时及时进行告警,并为天气仿真模块提供数据支持;IOT室内检测模块,用于采集机场室内环境数据,以便在室内环境数据异常时及时进行告警;天气仿真模块,用于对实时天气或者某种天气进行仿真,以便相关人员及时了解恶劣天气对机场的影响,及时采取相应应急措施;对象数量统计检测模块,用于统计进出机场某个区域的对象数量信息,以便基于对象数量信息对机场商业区域的商业配置进行调整,或者对机场候机区域的灯光、空调等设备的运行状态进行调整;神经网络环保算法模块,用于基于历史航班信息、历史延误信息、历史候机信息等数据预测未来时段内机场的候机情况,基于预测的候机情况和对象数量信息确定机场各候机区域的对象密度等信息,基于对象密度信息对机场候机区域的灯光、空调等设备的运行状态进行调整,实现机场设备运行的环保节能。此外,系统还可以包含停车管理模块,可对停车收费等进行统一管理。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的机场数据的动态管理方法的机场数据的动态管理系统。该系统所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个机场数据的动态管理系统实施例中的具体限定可以参见上文中对于机场数据的动态管理方法的限定,在此不再赘述。
在一个实施例中,如图22所示,提供了一种机场数据的动态管理系统,包括:空间仿真模块2202、环境检测模块2204、天气仿真模块2206、数据展示模块2208和综合管理模块2210,其中:
空间仿真模块2202,用于响应于在管理平台页面触发的展示操作,展示可视化的机场空间模型。
环境检测模块2204,用于响应于机场空间模型的天气模拟操作,获取机场环境数据和气象数据。
天气仿真模块2206,用于根据机场环境数据和气象数据生成天气仿真模型。
数据展示模块2208,用于将天气仿真模型融合到机场空间模型中进行显示,并显示机场环境数据和气象数据。
综合管理模块2210,用于当基于融合天气仿真模型的机场空间模型、机场环境数据和气象数据确定机场环境状态满足预设异常条件时,根据机场环境状态确定异常处理方案。
上述实施例中,通过响应于在管理平台页面触发的展示操作,展示可视化的机场空间模型;响应于机场空间模型的天气模拟操作,获取机场环境数据和气象数据;根据机场环境数据和气象数据生成天气仿真模型;将天气仿真模型融合到机场空间模型中进行显示,并显示机场环境数据和气象数据;当基于融合天气仿真模型的机场空间模型、机场环境数据和气象数据确定机场环境状态满足预设异常条件时,根据机场环境状态确定异常处理方案,从而可以多维且高效的对机场数据进行动态管理,提高了对机场数据的管理效率。
在一个实施例中,空间仿真模块2202,用于:响应于在管理平台页面触发的展示操作,获取机场空间数据;对机场空间数据进依次行转换与融合处理,得到处理后机场空间数据;基于处理后机场空间数据构建可视化的机场空间模型;按照展示操作对应的目标视角,展示目标视角下可视化的机场空间模型。
在一个实施例中,环境检测模块2204,还用于:通过环境采集设备采集机场室内外的环境数据,得到机场环境数据;获取机场天气报告,并解析机场天气报告得到气象数据;或者依据天气模拟操作获取模拟的气象数据。
在一个实施例中,环境检测模块2204,还用于:当机场环境数据超过环境指标阈值时,发出告警信息;向中心管理平台发起联动请求,以使中心管理平台基于机场环境数据进行资源调度;其中,调度的资源用于调整机场环境。
在一个实施例中,天气仿真模块2206,还用于:确定气象数据对应的气象类型;根据机场环境数据和气象数据,生成气象类型下的天气仿真参数;基于气象类型和天气仿真参数生成天气仿真模型。
在一个实施例中,综合管理模块2210,还用于:当基于融合天气仿真模型的机场空间模型、机场环境数据和气象数据确定机场能见度满足预设异常条件时,确定机场能见度对应的环境异常等级;当环境异常等级达到预设条件时,获取与环境异常等级匹配的异常处理方案。
在一个实施例中,如图23所示,系统还包括图像识别模块2212,图像识别模块2212用于:获取图像采集设备所采集的图像数据;对图像数据进行识别,得到图像识别结果;当基于图像识别结果确定目标机场区域存在异常事件时,调度用于解决异常事件的资源。
在一个实施例中,图像识别模块2212包括行为感知子模块,行为感知子模块用于:对图像数据中的人物对象进行姿态识别,得到姿态识别结果;基于姿态识别结果确定目标机场区域存在异常事件;向中心管理平台发送异常处理请求,以使中心管理平台调度用于解决异常事件的资源。
在一个实施例中,如图23所示,系统还包括对象数量统计模块2214,对象数量统计模块2214用于:获取目标摄像头所采集的对应机场区域的视频数据;对视频数据进行对象数量检测,得到对象数量检测结果;综合管理模块2210,还用于:基于对象数量检测结果对目标摄像头的对应机场区域进行优化处理。
在一个实施例中,对象数量检测结果包括对象数量信息;对象数量统计模块2214还用于:基于帧间差分方式从视频数据中相邻帧的视频图像提取运动目标;从相邻帧的视频图像中提取目标特征;当依据目标特征确定运动目标为人物对象时,确定各运动目标的运动方向;基于运动方向和区域检测线,确定进入目标摄像头的对应机场区域的对象数量信息。
在一个实施例中,对象数量检测结果包括对象数量信息、停留时间和产品交互信息;对象数量统计模块2214还用于:根据对象数量信息、停留时间和产品交互信息,确定交互需求;综合管理模块2210,还用于:依据交互需求对目标摄像头的对应机场区域内的产品进行优化处理。
在一个实施例中,对象数量统计模块2214还用于:获取历史航班信息、历史延误信息和历史候机信息;综合管理模块2210,还用于:基于历史航班信息、历史延误信息、历史候机信息和对象数量检测结果,确定目标摄像头的对应机场区域中的对象密度和对象分布;基于目标摄像头的对应机场区域中的对象密度和对象分布,生成环境调整请求;向中心管理平台发送环境调整请求,以使中心管理平台对目标机场区域内的环境设备进行状态调整。
上述机场数据的动态管理系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图24所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储机场数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种机场数据的动态管理方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图25所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种机场数据的动态管理方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置,显示屏可以是液晶显示屏或电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图24或图25中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (16)
1.一种机场数据的动态管理方法,其特征在于,所述方法包括:
响应于在管理平台页面触发的展示操作,展示可视化的机场空间模型;
响应于所述机场空间模型的天气模拟操作,获取机场环境数据和气象数据;
根据所述机场环境数据和所述气象数据生成天气仿真模型;
将所述天气仿真模型融合到所述机场空间模型中进行显示,并显示所述机场环境数据和所述气象数据;
当基于融合所述天气仿真模型的机场空间模型、所述机场环境数据和所述气象数据确定机场环境状态满足预设异常条件时,根据所述机场环境状态确定异常处理方案。
2.根据权利要求1所述的方法,其特征在于,所述响应于在管理平台页面触发的展示操作,展示可视化的机场空间模型,包括:
响应于在管理平台页面触发的展示操作,获取机场空间数据;
对所述机场空间数据进依次行转换与融合处理,得到处理后机场空间数据;
基于所述处理后机场空间数据构建可视化的机场空间模型;
按照所述展示操作对应的目标视角,展示所述目标视角下所述可视化的机场空间模型。
3.根据权利要求1所述的方法,其特征在于,所述获取机场环境数据和气象数据,包括:
通过环境采集设备采集机场室内外的环境数据,得到机场环境数据;
获取机场天气报告,并解析所述机场天气报告得到气象数据;或者依据所述天气模拟操作获取模拟的气象数据。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
当所述机场环境数据超过环境指标阈值时,发出告警信息;
向中心管理平台发起联动请求,以使所述中心管理平台基于所述机场环境数据进行资源调度;其中,调度的所述资源用于调整机场环境。
5.根据权利要求1所述的方法,其特征在于,所述根据所述机场环境数据和所述气象数据生成天气仿真模型,包括:
确定所述气象数据对应的气象类型;
根据所述机场环境数据和所述气象数据,生成所述气象类型下的天气仿真参数;
基于所述气象类型和所述天气仿真参数生成天气仿真模型。
6.根据权利要求1所述的方法,其特征在于,所述当基于融合所述天气仿真模型的机场空间模型、所述机场环境数据和所述气象数据确定机场环境状态满足预设异常条件时,根据所述机场环境状态确定异常处理方案,包括:
当基于所述融合所述天气仿真模型的机场空间模型、所述机场环境数据和所述气象数据确定机场能见度满足预设异常条件时,确定所述机场能见度对应的环境异常等级;
当所述环境异常等级达到预设条件时,获取与所述环境异常等级匹配的异常处理方案。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取图像采集设备所采集的图像数据;
对所述图像数据进行识别,得到图像识别结果;
当基于所述图像识别结果确定目标机场区域存在异常事件时,调度用于解决所述异常事件的资源。
8.根据权利要求7所述的方法,其特征在于,所述对所述图像数据进行识别,得到图像识别结果,包括:
对所述图像数据中的人物对象进行姿态识别,得到姿态识别结果;
所述当基于所述图像识别结果确定所述目标机场区域存在异常事件时,调度用于解决所述异常事件的资源,包括:
基于所述姿态识别结果确定所述目标机场区域存在异常事件;
向所述中心管理平台发送异常处理请求,以使所述中心管理平台调度用于解决所述异常事件的资源。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取目标摄像头所采集的对应机场区域的视频数据;
对所述视频数据进行对象数量检测,得到对象数量检测结果;
基于所述对象数量检测结果对所述目标摄像头的对应机场区域进行优化处理。
10.根据权利要求9所述的方法,其特征在于,所述对象数量检测结果包括对象数量信息;
所述对所述视频数据进行对象数量检测,得到对象数量检测结果,包括:
基于帧间差分方式从所述视频数据中相邻帧的视频图像提取运动目标;
从相邻帧的所述视频图像中提取目标特征;
当依据所述目标特征确定所述运动目标为人物对象时,确定各所述运动目标的运动方向;
基于所述运动方向和区域检测线,确定进入所述目标摄像头的对应机场区域的对象数量信息。
11.根据权利要求9所述的方法,其特征在于,所述对象数量检测结果包括对象数量信息、停留时间和产品交互信息;
所述基于所述对象数量检测结果对所述目标摄像头的对应机场区域进行优化处理,包括:
根据所述对象数量信息、所述停留时间和所述产品交互信息,确定交互需求;
依据所述交互需求对所述目标摄像头的对应机场区域内的产品进行优化处理。
12.根据权利要求9所述的方法,其特征在于,所述方法还包括:
获取历史航班信息、历史延误信息和历史候机信息;
所述基于所述对象数量检测结果对所述目标机场区域进行优化处理,包括:
基于所述历史航班信息、所述历史延误信息、所述历史候机信息和所述对象数量检测结果,确定所述目标摄像头的对应机场区域中的对象密度和对象分布;
基于所述目标摄像头的对应机场区域中的对象密度和对象分布,生成环境调整请求;
向中心管理平台发送所述环境调整请求,以使所述中心管理平台对所述目标摄像头的对应机场区域内的环境设备进行状态调整。
13.一种机场数据的动态管理系统,其特征在于,所述系统包括:
空间仿真模块,用于响应于在管理平台页面触发的展示操作,展示可视化的机场空间模型;
环境检测模块,用于响应于所述机场空间模型的天气模拟操作,获取机场环境数据和气象数据;
天气仿真模块,用于根据所述机场环境数据和所述气象数据生成天气仿真模型;
数据展示模块,用于将所述天气仿真模型融合到所述机场空间模型中进行显示,并显示所述机场环境数据和所述气象数据;
综合管理模块,用于当基于融合所述天气仿真模型的机场空间模型、所述机场环境数据和所述气象数据确定机场环境状态满足预设异常条件时,根据所述机场环境状态确定异常处理方案。
14.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至12中任一项所述的方法的步骤。
15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至12中任一项所述的方法的步骤。
16.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至12中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210384455.2A CN114723904A (zh) | 2022-04-13 | 2022-04-13 | 机场数据的动态管理方法、系统、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210384455.2A CN114723904A (zh) | 2022-04-13 | 2022-04-13 | 机场数据的动态管理方法、系统、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114723904A true CN114723904A (zh) | 2022-07-08 |
Family
ID=82244063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210384455.2A Pending CN114723904A (zh) | 2022-04-13 | 2022-04-13 | 机场数据的动态管理方法、系统、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114723904A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115456435A (zh) * | 2022-09-20 | 2022-12-09 | 湖北国际物流机场有限公司 | 一种机场能源智能管控系统 |
CN116894613A (zh) * | 2023-09-11 | 2023-10-17 | 中国民航科学技术研究院 | 一种应用于机场的可视化管理系统及方法 |
CN117475806A (zh) * | 2023-12-28 | 2024-01-30 | 深圳康荣电子有限公司 | 基于多维传感数据反馈的显示屏自适应响应方法及其装置 |
CN117893815A (zh) * | 2024-01-16 | 2024-04-16 | 拉扎斯网络科技(上海)有限公司 | 一种数据分析处理系统、处理方法、存储介质和电子设备 |
CN117933840A (zh) * | 2024-03-21 | 2024-04-26 | 中国民用航空总局第二研究所 | 数字孪生驱动的航班地面保障延误诊断方法、系统及设备 |
-
2022
- 2022-04-13 CN CN202210384455.2A patent/CN114723904A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115456435A (zh) * | 2022-09-20 | 2022-12-09 | 湖北国际物流机场有限公司 | 一种机场能源智能管控系统 |
CN116894613A (zh) * | 2023-09-11 | 2023-10-17 | 中国民航科学技术研究院 | 一种应用于机场的可视化管理系统及方法 |
CN116894613B (zh) * | 2023-09-11 | 2023-11-28 | 中国民航科学技术研究院 | 一种应用于机场的可视化管理系统及方法 |
CN117475806A (zh) * | 2023-12-28 | 2024-01-30 | 深圳康荣电子有限公司 | 基于多维传感数据反馈的显示屏自适应响应方法及其装置 |
CN117475806B (zh) * | 2023-12-28 | 2024-03-29 | 深圳康荣电子有限公司 | 基于多维传感数据反馈的显示屏自适应响应方法及其装置 |
CN117893815A (zh) * | 2024-01-16 | 2024-04-16 | 拉扎斯网络科技(上海)有限公司 | 一种数据分析处理系统、处理方法、存储介质和电子设备 |
CN117933840A (zh) * | 2024-03-21 | 2024-04-26 | 中国民用航空总局第二研究所 | 数字孪生驱动的航班地面保障延误诊断方法、系统及设备 |
CN117933840B (zh) * | 2024-03-21 | 2024-05-31 | 中国民用航空总局第二研究所 | 数字孪生驱动的航班地面保障延误诊断方法、系统及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114723904A (zh) | 机场数据的动态管理方法、系统、计算机设备和存储介质 | |
CN113065000B (zh) | 一种基于地理实体的多源异构数据融合方法 | |
KR101937096B1 (ko) | 3차원 bim 객체 모델을 이용한 3차원 모니터링 서버 및 이를 포함하는 3차원 모니터링 시스템 | |
US20190286942A1 (en) | Deterministic labeled data generation and artificial intelligence training pipeline | |
CN109117749A (zh) | 一种基于无人机巡检影像的异常目标监管方法及系统 | |
CN112955900B (zh) | 智能视频监控系统和方法 | |
CN111741133B (zh) | 一种云边端协同的气象智能预警系统 | |
CN104159067A (zh) | 基于3dgis与实景视频相结合的智能监控系统和方法 | |
CN115774861A (zh) | 一种自然资源多源异构数据汇聚融合服务系统 | |
CN113160395B (zh) | 一种基于cim的城市多维信息交互及场景生成的方法、装置及介质 | |
US11776275B2 (en) | Systems and methods for 3D spatial tracking | |
CN117351521B (zh) | 基于数字孪生的输电线鸟类检测方法、系统、介质及设备 | |
CN111429584A (zh) | 一种基于三维地理信息的时空位置智能分析方法和系统 | |
CN116011322A (zh) | 基于数字孪生的城市信息展示方法、装置、设备及介质 | |
CN114925043A (zh) | 基于时空网格块数据的应用方法、装置及电子设备 | |
CN114897507A (zh) | 基于bim的建筑施工管理系统及管理方法 | |
Luo | Research on fire detection based on YOLOv5 | |
CN113378668A (zh) | 积水类别的确定方法、装置、设备及存储介质 | |
Mittal et al. | A simulated dataset in aerial images using Simulink for object detection and recognition | |
CN115083229A (zh) | 基于ai视觉识别的飞行训练设备智能识别与警示系统 | |
Wang et al. | Aprus: An airborne altitude-adaptive purpose-related uav system for object detection | |
CN115470308A (zh) | 一种基于gis系统的气象信息管理平台构建方法及系统 | |
CN111753362B (zh) | 一种基于移动平台的大型建筑设计方法 | |
CN114219151A (zh) | 自适应通用航空应急救援气象保障系统 | |
CN113657261A (zh) | 基于机场远程塔台全景视频的实时目标检测方法及装置 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40070920 Country of ref document: HK |