CN116091952A - 一种基于大数据的地空一体智能云控管理系统及方法 - Google Patents

一种基于大数据的地空一体智能云控管理系统及方法 Download PDF

Info

Publication number
CN116091952A
CN116091952A CN202310370648.7A CN202310370648A CN116091952A CN 116091952 A CN116091952 A CN 116091952A CN 202310370648 A CN202310370648 A CN 202310370648A CN 116091952 A CN116091952 A CN 116091952A
Authority
CN
China
Prior art keywords
inspection
patrol
equipment
inspection equipment
collaborative
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
Application number
CN202310370648.7A
Other languages
English (en)
Other versions
CN116091952B (zh
Inventor
吉玮
陈朴
叶子蓁
王才杰
冯绍海
高婷婷
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.)
Jiangsu Zhihua Aerospace Technology Research Institute Co ltd
Original Assignee
Jiangsu Zhihua Aerospace Technology Research Institute Co ltd
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 Jiangsu Zhihua Aerospace Technology Research Institute Co ltd filed Critical Jiangsu Zhihua Aerospace Technology Research Institute Co ltd
Priority to CN202310370648.7A priority Critical patent/CN116091952B/zh
Publication of CN116091952A publication Critical patent/CN116091952A/zh
Application granted granted Critical
Publication of CN116091952B publication Critical patent/CN116091952B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/44—Event detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Remote Sensing (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及地空一体智能云控管理技术领域，具体为一种基于大数据的地空一体智能云控管理系统及方法，包括调取各巡检设备组对应的历史作业任务执行记录信息，分别对各巡检设备组内各巡检设备在沿着各自任务作业路径进行巡检的过程中存在的巡检作业节点进行捕捉识别，对各巡检设备组判断满足协同巡检关系的巡检设备；对各巡检设备组中满足协同巡检关系的巡检设备，捕捉协同巡检时需满足的关联巡检距离值范围；获取当前在目标巡检区域内执行巡检作业任务的若干巡检设备组，基于在若干巡检设备组中存在协同巡检关系的巡检设备的分布情况，辅助当意外事件发生时对应决策方案的生成。

Description

一种基于大数据的地空一体智能云控管理系统及方法
技术领域
本发明涉及地空一体智能云控管理技术领域，具体为一种基于大数据的地空一体智能云控管理系统及方法。
背景技术
天地空一体化遥感监测服务平台是基于高分辨率航天、航空遥感数据，利用非现场监管方式，应用遥感分析、信息提取、识别监测等技术手段发现疑似目标，通过任务管理分发现场监管人员，到达目标所在地进行信息采集、现场取证和分析判断，实现采集数据的实时回传，达到及时、全面了解目标特性的一种综合检查方式。帮助用户实现从宏观监管到微观监管、平面监管到立体监管、被动式变主动式，是环保、建设、国土等行业监管的重要手段和方法。
空天地一体化信息网是空天技术与航空通信、导航、监测、服务等信息技术综合交叉的前沿方向，这种技术可以应用于多个领域，智慧城市、智慧农业、智慧水务等领域，这是科技发展的必然趋势；因该平台在实际投入使用中涉及多设备的状态监测，若一旦设备出现意外，有可能意味着在很多数据处理的前端会出现问题，涉及数据范围较大，对于设备的运行状态以及准确性依赖较强。
发明内容
本发明的目的在于提供一种基于大数据的地空一体智能云控管理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的地空一体智能云控管理方法，方法包括：
步骤S100：基于在目标巡检区域内存在的若干风险巡检需求，对目标巡检区域设置若干巡检作业任务；根据各巡检作业任务对应的任务模板，搭建巡检设备组，根据各巡检设备对应的作业需求规划得到对应的任务作业路径；操控各巡检设备组在目标巡检区域内执行多线路自动化巡检，进行风险巡检识别；其中，一个巡检作业任务对应一种风险巡检需求；其中，一个巡检设备组包括若干无人机、若干无人车或者若干无人机和无人车的组合；
步骤S200：调取各巡检设备组对应的历史作业任务执行记录信息，分别对各巡检设备组内各巡检设备在沿着各自任务作业路径进行巡检的过程中存在的巡检作业节点进行捕捉识别，将各任务作业路径进行路段划分，得到对应的若干巡检路段，分别对各巡检路段进行区域特征信息的提取和汇集；
步骤S300：基于在各巡检设备组中各巡检设备对应巡检路段的信息分布情况，对在各巡检设备组中存在巡检关联路段的巡检设备进行识别捕捉，对各巡检设备组判断满足协同巡检关系的巡检设备；
步骤S400：对各巡检设备组中满足协同巡检关系的巡检设备，捕捉协同巡检时需满足的关联巡检距离值范围；
步骤S500：获取当前在目标巡检区域内执行巡检作业任务的若干巡检设备组，基于在若干巡检设备组中存在协同巡检关系的巡检设备的分布情况，辅助当意外事件发生时对应决策方案的生成。
进一步的，步骤S200包括：
步骤S201：在各巡检设备组对应的历史作业任务执行记录信息中，分别提取各巡检设备组内各巡检设备在沿着各自任务作业路径进行巡检的过程中上传的图像序列，分别对在各图像序列内各图像中所包含的巡检区域进行特征信息提取；分别在对应各巡检设备的图像序列中，将每相邻两张图像基于特征信息进行相似度比对；
步骤S202：当相邻两张图像Pi和Pi+1的特征信息相似度小于相似度阈值时，判断对应巡检设备在拍摄得到图像Pi+1时所处的巡检位置，为对应巡检设备在沿着对应任务作业路径进行巡检时存在的一个巡检作业节点；默认各巡检设备在拍摄得到第1张图像P1时所处的巡检位置为各巡检设备在沿着对应任务作业路径进行巡检时存在的第一个巡检作业节点，默认将从各巡检设备初始出发位置至拍摄得到第1张图像P1时所处的巡检位置所包含的巡检路段作为第1个巡检路段；
步骤S203：对在各巡检设备的任务作业路径中存在的所有巡检作业节点进行获取；分别将各巡检设备的任务作业路径基于巡检作业节点进行路段划分，得到对应的若干巡检路段，同时将各对应的图像序列划分为对应各巡检路段的图像子序列；分别将从各图像子序列所包含图像中提取得到的所有特征信息，作为各图像子序列对应巡检路段的区域特征信息集。
无人机或无人车在沿着任务作业路径进行巡检的过程中由于执行的巡检状态指令的不同，无人机或无人车在沿着任务作业路径进行巡检的过程中对目标巡检区域所能涵盖的范围也是不同的，也就意味着无人机或无人车在沿着任务作业路径进行巡检的过程中在不同时间段内巡检的区域是变化的；上述将路径划分成若干路段的过程，就是将无人机或无人车所沿的任务作业路径划分成若干涵盖相同巡检区域的巡检路段；也就是说一段巡检路段对应一处巡检区域。
进一步的，步骤S300包括：
步骤S301：设在某一巡检设备组中存在巡检设备E1和巡检设备E2，巡检设备E1对应的巡检路段集合为A，巡检设备E2对应的巡检路段集合为B；若集合A中存在某一巡检路段aj的区域特征信息集Xaj与集合B中某一巡检路段bk的区域特征信息集Xbk满足Xaj⊆Xbk或Xbk⊆Xaj，且巡检设备E1上传对应区域特征信息集Xaj的图像子序列的时间T1与巡检设备E2上传对应区域特征信息集Xbk的图像子序列的时间T2满足0≦｜T1-T2｜≦β，其中，β为时间差阈值，判断巡检设备E1在巡检某一巡检路段aj时与巡检设备E2在巡检某一巡检路段bk时存在巡检关联；判断aj与bk为集合A与集合B之间存在的一组巡检关联路段；
步骤S302：设集合A包含的巡检路段总数为n，集合B包含的巡检路段总数为m，设在集合A与集合B之间存在巡检关联的路段组数为g，计算巡检关联值R=g/[min(n,m)]；其中，min(n,m)表示在n和m中取最小值；当巡检关联值α≦R≦1时，判断在某一巡检设备组中的巡检设备E1和巡检设备E2满足协同巡检关系；其中，α为巡检关联阈值。
进一步的，步骤S400包括：
步骤S401：若某一巡检设备组中的巡检设备E1和巡检设备E2满足协同巡检关系，提取在巡检设备E1与巡检设备E2之间存在巡检关联的任意一组巡检关联路段L={x1，y1}；其中，x1为属于巡检设备E1的巡检路段集合的巡检路段，y1为属于巡检设备E2的巡检路段集合的巡检路段；
步骤S402：记巡检设备E1拍摄得到对应x1的图像子序列时的位置为S1，记巡检设备E2拍摄得到对应y1的图像子序列时的位置为S2，分别在某一巡检设备组对应的每一历史作业任务执行记录中，提取巡检设备E1在巡检x1时与巡检设备E2在巡检y1时需满足的关联巡检距离值：｜S2-S1｜；
步骤S403：在所有历史作业任务执行记录中，分别对各组巡检关联路段捕捉出现的最大关联巡检距离值和最小关联巡检距离值，得到巡检设备E1和巡检设备E2在就各组巡检关联路段存在协同巡检时需满足的关联巡检距离值范围。
在实现地空一体巡检时，往往需要依赖不同巡检设备所能实现的不同巡检功能，各设备可将作业时拍摄到的高清图像实时传回平台，后续基于对采集的原始数据进行可视化综合分析；因此在搭建地空一体巡检时对于呈协同关系的设备而言，因为对采集的原始数据进综合分析的必要，往往对于设备的巡检位置摆放也是有一定的要求的，协同即为相互配合实现技术上的组合。
进一步的，步骤S500包括：
步骤S501：将当前在目标巡检区域内执行巡检作业任务的若干巡检设备组设为目标巡检设备组；在目标巡检设备组中，将与其他巡检设备之间存在协同巡检关系的巡检设备设为第一目标巡检设备，将其他巡检设备设为第二目标巡检设备；分别对相应两个满足协同巡检关系的第一目标巡检设备所对应的巡检关联路段以及关联巡检距离值范围进行提取；
步骤S502：分别对各第一目标巡检设备，优先在第二目标巡检设备中，找寻与各第一目标巡检设备对应任务作业路径相似度大于相似度阈值的第二目标巡检设备作为备选设备，当各第一目标巡检设备发生意外事件时，优先调取备选设备执行各第一目标巡检设备需执行的作业任务以及需满足的协同巡检；
步骤S503：当各第一目标巡检设备发生意外事件时，在所有作为备选设备的巡检设备中，优先调取调整至与存在协同巡检关系的巡检设备之间需满足的关联巡检距离值范围所需花费时长最短的巡检设备，作为最终备选设备。
为更好的实现上述方法还提出了一种地空一体智能云控管理系统，系统包括：地空一体智能云控模块、巡检路段管理模块、协同巡检识别判断模块、协同巡检条件识别模块、应急决策管理模块；
地空一体智能云控模块，用于根据在目标巡检区域内存在的若干风险巡检需求，对目标巡检区域设置若干巡检作业任务；根据各巡检作业任务对应的任务模板，搭建巡检设备组，根据各巡检设备对应的作业需求规划得到对应的任务作业路径；操控各巡检设备组在目标巡检区域内执行多线路自动化巡检，进行风险巡检识别；
巡检路段管理模块，用于分别对各巡检设备组内各巡检设备在沿着各自任务作业路径进行巡检的过程中存在的巡检作业节点进行捕捉识别，将各任务作业路径进行路段划分，得到对应的若干巡检路段，分别对各巡检路段进行区域特征信息的提取和汇集；
协同巡检识别判断模块，用于基于在各巡检设备组中各巡检设备对应巡检路段的信息分布情况，对在各巡检设备组中存在巡检关联路段的巡检设备进行识别捕捉，对各巡检设备组判断满足协同巡检关系的巡检设备；
协同巡检条件识别模块，用于对各巡检设备组中满足协同巡检关系的巡检设备，捕捉协同巡检时需满足的关联巡检距离值范围；
应急决策管理模块，用于获取当前在目标巡检区域内执行巡检作业任务的若干巡检设备组，基于在若干巡检设备组中存在协同巡检关系的巡检设备的分布情况，辅助当意外事件发生时对应决策方案的生成。
进一步的，巡检路段管理模块包括巡检作业节点管理单元、路径划分管理单元；
巡检作业节点管理单元，用于分别对各巡检设备组内各巡检设备在沿着各自任务作业路径进行巡检的过程中存在的巡检作业节点进行捕捉识别；
路径划分管理单元，用于将各任务作业路径进行路段划分，得到对应的若干巡检路段，分别对各巡检路段进行区域特征信息的提取和汇集。
进一步的，协同巡检识别判断模块包括巡检关联路段识别单元、协同巡检设备识别单元；
巡检关联路段识别单元，根据在各巡检设备组中各巡检设备对应巡检路段的信息分布情况，对在各巡检设备组中存在巡检关联路段的巡检设备进行识别捕捉；
协同巡检设备识别单元，用于接收巡检关联路段识别单元中的数据，对各巡检设备组判断满足协同巡检关系的巡检设备。
与现有技术相比，本发明所达到的有益效果是：本发明可通过对生成的地空一体巡检设备组进行巡检数据的监测分析，捕捉存在协同巡检关系的巡检设备，将实际投入巡检状态中且满足与其他巡检设备之间构成协同巡检的设备作为重要监测设备，捕捉在满足协同巡检需达到的必要协同条件，基于该协同条件的实现为其辅助生成当意外事件发生时的备选应急巡检决策方案，减少因巡检意外事件的发生所带来的损失，提高巡检精确度。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据的地空一体智能云控管理方法的流程示意图；
图2是本发明一种基于大数据的地空一体智能云控管理系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-图2，本发明提供技术方案：一种基于大数据的地空一体智能云控管理方法，方法包括：
步骤S100：基于在目标巡检区域内存在的若干风险巡检需求，对目标巡检区域设置若干巡检作业任务；根据各巡检作业任务对应的任务模板，搭建巡检设备组，根据各巡检设备对应的作业需求规划得到对应的任务作业路径；操控各巡检设备组在目标巡检区域内执行多线路自动化巡检，进行风险巡检识别；其中，一个巡检作业任务对应一种风险巡检需求；其中，一个巡检设备组包括若干无人机、若干无人车或者若干无人机和无人车的组合；
步骤S200：调取各巡检设备组对应的历史作业任务执行记录信息，分别对各巡检设备组内各巡检设备在沿着各自任务作业路径进行巡检的过程中存在的巡检作业节点进行捕捉识别，将各任务作业路径进行路段划分，得到对应的若干巡检路段，分别对各巡检路段进行区域特征信息的提取和汇集；
其中，步骤S200包括：
步骤S201：在各巡检设备组对应的历史作业任务执行记录信息中，分别提取各巡检设备组内各巡检设备在沿着各自任务作业路径进行巡检的过程中上传的图像序列，分别对在各图像序列内各图像中所包含的巡检区域进行特征信息提取；分别在对应各巡检设备的图像序列中，将每相邻两张图像基于特征信息进行相似度比对；
步骤S202：当相邻两张图像Pi和Pi+1的特征信息相似度小于相似度阈值时，判断对应巡检设备在拍摄得到图像Pi+1时所处的巡检位置，为对应巡检设备在沿着对应任务作业路径进行巡检时存在的一个巡检作业节点；默认各巡检设备在拍摄得到第1张图像P1时所处的巡检位置为各巡检设备在沿着对应任务作业路径进行巡检时存在的第一个巡检作业节点，默认将从各巡检设备初始出发位置至拍摄得到第1张图像P1时所处的巡检位置所包含的巡检路段作为第1个巡检路段；
步骤S203：对在各巡检设备的任务作业路径中存在的所有巡检作业节点进行获取；分别将各巡检设备的任务作业路径基于巡检作业节点进行路段划分，得到对应的若干巡检路段，同时将各对应的图像序列划分为对应各巡检路段的图像子序列；分别将从各图像子序列所包含图像中提取得到的所有特征信息，作为各图像子序列对应巡检路段的区域特征信息集；
步骤S300：基于在各巡检设备组中各巡检设备对应巡检路段的信息分布情况，对在各巡检设备组中存在巡检关联路段的巡检设备进行识别捕捉，对各巡检设备组判断满足协同巡检关系的巡检设备；
其中，步骤S300包括：
步骤S301：设在某一巡检设备组中存在巡检设备E1和巡检设备E2，巡检设备E1对应的巡检路段集合为A，巡检设备E2对应的巡检路段集合为B；若集合A中存在某一巡检路段aj的区域特征信息集Xaj与集合B中某一巡检路段bk的区域特征信息集Xbk满足Xaj⊆Xbk或Xbk⊆Xaj，且巡检设备E1上传对应区域特征信息集Xaj的图像子序列的时间T1与巡检设备E2上传对应区域特征信息集Xbk的图像子序列的时间T2满足0≦｜T1-T2｜≦β，其中，β为时间差阈值，判断巡检设备E1在巡检某一巡检路段aj时与巡检设备E2在巡检某一巡检路段bk时存在巡检关联；判断aj与bk为集合A与集合B之间存在的一组巡检关联路段；
步骤S302：设集合A包含的巡检路段总数为n，集合B包含的巡检路段总数为m，设在集合A与集合B之间存在巡检关联的路段组数为g，计算巡检关联值R=g/[min(n,m)]；其中，min(n,m)表示在n和m中取最小值；当巡检关联值α≦R≦1时，判断在某一巡检设备组中的巡检设备E1和巡检设备E2满足协同巡检关系；其中，α为巡检关联阈值；
例如说，集合A包含的巡检路段包括路段L1、路段L2，路段L3、路段L4；集合B包含的巡检路段包括路段Q1、路段Q2，路段Q3、路段Q4、路段Q5、路段Q6、路段Q7、路段Q8、路段Q9；集合A包含的巡检路段总数为4，集合B包含的巡检路段总数为9；
巡检设备E1在巡检路段L1时与巡检设备E2在巡检Q1时存在巡检关联；
巡检设备E1在巡检路段L2时与巡检设备E2在巡检Q3时存在巡检关联；
巡检设备E1在巡检路段L3时与巡检设备E2在巡检Q5时存在巡检关联；
巡检设备E1在巡检路段L4时与巡检设备E2在巡检Q7时存在巡检关联；
综上，在集合A与集合B之间存在的巡检关联的路段组数为4，巡检关联值R=g/[min(n,m)]=4/[min(4,9)]=1；判断巡检设备E1和巡检设备E2满足协同巡检关系；
步骤S400：对各巡检设备组中满足协同巡检关系的巡检设备，捕捉协同巡检时需满足的关联巡检距离值范围；
例如说，对某一巡检设备组提取到历史作业任务执行记录信息4次；巡检设备E1与巡检设备E2之间存在一组巡检关联路段L1=（x1，y1），其中，x1属于巡检设备E1的巡检路段集合，y1属于巡检设备E2的巡检路段集合；在第1、2、3、4次历史作业任务执行记录中，巡检设备E1拍摄得到对应x1的图像子序列时的位置S1与巡检设备E2拍摄得到对应y1的图像子序列时的位置S2之间的关联巡检距离值分别为200m、220m、210m、205m；所以巡检设备E1和巡检设备E2在就巡检关联路段L1=（x1，y1）存在协同巡检时需满足的关联巡检距离值范围为[200,220]；
其中，步骤S400包括：
步骤S401：若某一巡检设备组中的巡检设备E1和巡检设备E2满足协同巡检关系，提取在巡检设备E1与巡检设备E2之间存在巡检关联的任意一组巡检关联路段L={x1，y1}；其中，x1为属于巡检设备E1的巡检路段集合的巡检路段，y1为属于巡检设备E2的巡检路段集合的巡检路段；
步骤S402：记巡检设备E1拍摄得到对应x1的图像子序列时的位置为S1，记巡检设备E2拍摄得到对应y1的图像子序列时的位置为S2，分别在某一巡检设备组对应的每一历史作业任务执行记录中，提取巡检设备E1在巡检x1时与巡检设备E2在巡检y1时需满足的关联巡检距离值：｜S2-S1｜；
步骤S403：在所有历史作业任务执行记录中，分别对各组巡检关联路段捕捉出现的最大关联巡检距离值和最小关联巡检距离值，得到巡检设备E1和巡检设备E2在就各组巡检关联路段存在协同巡检时需满足的关联巡检距离值范围；
步骤S500：获取当前在目标巡检区域内执行巡检作业任务的若干巡检设备组，基于在若干巡检设备组中存在协同巡检关系的巡检设备的分布情况，辅助当意外事件发生时对应决策方案的生成；
其中，步骤S500包括：
步骤S501：将当前在目标巡检区域内执行巡检作业任务的若干巡检设备组设为目标巡检设备组；在目标巡检设备组中，将与其他巡检设备之间存在协同巡检关系的巡检设备设为第一目标巡检设备，将其他巡检设备设为第二目标巡检设备；分别对相应两个满足协同巡检关系的第一目标巡检设备所对应的巡检关联路段以及关联巡检距离值范围进行提取；
步骤S502：分别对各第一目标巡检设备，优先在第二目标巡检设备中，找寻与各第一目标巡检设备对应任务作业路径相似度大于相似度阈值的第二目标巡检设备作为备选设备，当各第一目标巡检设备发生意外事件时，优先调取备选设备执行各第一目标巡检设备需执行的作业任务以及需满足的协同巡检；
步骤S503：当各第一目标巡检设备发生意外事件时，在所有作为备选设备的巡检设备中，优先调取调整至与存在协同巡检关系的巡检设备之间需满足的关联巡检距离值范围所需花费时长最短的巡检设备，作为最终备选设备。
为更好的实现上述方法还提出了一种地空一体智能云控管理系统，系统包括：地空一体智能云控模块、巡检路段管理模块、协同巡检识别判断模块、协同巡检条件识别模块、应急决策管理模块；
地空一体智能云控模块，用于根据在目标巡检区域内存在的若干风险巡检需求，对目标巡检区域设置若干巡检作业任务；根据各巡检作业任务对应的任务模板，搭建巡检设备组，根据各巡检设备对应的作业需求规划得到对应的任务作业路径；操控各巡检设备组在目标巡检区域内执行多线路自动化巡检，进行风险巡检识别；
巡检路段管理模块，用于分别对各巡检设备组内各巡检设备在沿着各自任务作业路径进行巡检的过程中存在的巡检作业节点进行捕捉识别，将各任务作业路径进行路段划分，得到对应的若干巡检路段，分别对各巡检路段进行区域特征信息的提取和汇集；
其中，巡检路段管理模块包括巡检作业节点管理单元、路径划分管理单元；
巡检作业节点管理单元，用于分别对各巡检设备组内各巡检设备在沿着各自任务作业路径进行巡检的过程中存在的巡检作业节点进行捕捉识别；
路径划分管理单元，用于将各任务作业路径进行路段划分，得到对应的若干巡检路段，分别对各巡检路段进行区域特征信息的提取和汇集；
协同巡检识别判断模块，用于基于在各巡检设备组中各巡检设备对应巡检路段的信息分布情况，对在各巡检设备组中存在巡检关联路段的巡检设备进行识别捕捉，对各巡检设备组判断满足协同巡检关系的巡检设备；
其中，协同巡检识别判断模块包括巡检关联路段识别单元、协同巡检设备识别单元；
巡检关联路段识别单元，根据在各巡检设备组中各巡检设备对应巡检路段的信息分布情况，对在各巡检设备组中存在巡检关联路段的巡检设备进行识别捕捉；
协同巡检设备识别单元，用于接收巡检关联路段识别单元中的数据，对各巡检设备组判断满足协同巡检关系的巡检设备；
协同巡检条件识别模块，用于对各巡检设备组中满足协同巡检关系的巡检设备，捕捉协同巡检时需满足的关联巡检距离值范围；
应急决策管理模块，用于获取当前在目标巡检区域内执行巡检作业任务的若干巡检设备组，基于在若干巡检设备组中存在协同巡检关系的巡检设备的分布情况，辅助当意外事件发生时对应决策方案的生成。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于大数据的地空一体智能云控管理方法，其特征在于，所述方法包括：
步骤S100：基于在目标巡检区域内存在的若干风险巡检需求，对所述目标巡检区域设置若干巡检作业任务；根据各巡检作业任务对应的任务模板，搭建巡检设备组，根据各巡检设备对应的作业需求规划得到对应的任务作业路径；操控各所述巡检设备组在目标巡检区域内执行多线路自动化巡检，进行风险巡检识别；其中，一个巡检作业任务对应一种风险巡检需求；其中，一个巡检设备组包括若干无人机、若干无人车或者若干无人机和无人车的组合；
步骤S200：调取各巡检设备组对应的历史作业任务执行记录信息，分别对各巡检设备组内各巡检设备在沿着各自任务作业路径进行巡检的过程中存在的巡检作业节点进行捕捉识别，将各任务作业路径进行路段划分，得到对应的若干巡检路段，分别对各巡检路段进行区域特征信息的提取和汇集；
步骤S300：基于在各巡检设备组中各巡检设备对应巡检路段的信息分布情况，对在各巡检设备组中存在巡检关联路段的巡检设备进行识别捕捉，对各巡检设备组判断满足协同巡检关系的巡检设备；
步骤S400：对各巡检设备组中满足协同巡检关系的巡检设备，捕捉协同巡检时需满足的关联巡检距离值范围；
步骤S500：获取当前在所述目标巡检区域内执行巡检作业任务的若干巡检设备组，基于在所述若干巡检设备组中存在协同巡检关系的巡检设备的分布情况，辅助当意外事件发生时对应决策方案的生成。
2.根据权利要求1所述的一种基于大数据的地空一体智能云控管理方法，其特征在于，所述步骤S200包括：
步骤S201：在各巡检设备组对应的历史作业任务执行记录信息中，分别提取所述各巡检设备组内各巡检设备在沿着各自任务作业路径进行巡检的过程中上传的图像序列，分别对在各图像序列内各图像中所包含的巡检区域进行特征信息提取；分别在对应各巡检设备的图像序列中，将每相邻两张图像基于特征信息进行相似度比对；
步骤S202：当相邻两张图像Pi和Pi+1的特征信息相似度小于相似度阈值时，判断对应巡检设备在拍摄得到图像Pi+1时所处的巡检位置，为所述对应巡检设备在沿着对应任务作业路径进行巡检时存在的一个巡检作业节点；默认各巡检设备在拍摄得到第1张图像P1时所处的巡检位置为所述各巡检设备在沿着对应任务作业路径进行巡检时存在的第一个巡检作业节点，默认将从各巡检设备初始出发位置至拍摄得到第1张图像P1时所处的巡检位置所包含的巡检路段作为第1个巡检路段；
步骤S203：对在各巡检设备的任务作业路径中存在的所有巡检作业节点进行获取；分别将各巡检设备的任务作业路径基于巡检作业节点进行路段划分，得到对应的若干巡检路段，同时将各对应的图像序列划分为对应各巡检路段的图像子序列；分别将从各图像子序列所包含图像中提取得到的所有特征信息，作为所述各图像子序列对应巡检路段的区域特征信息集。
3.根据权利要求2所述的一种基于大数据的地空一体智能云控管理方法，其特征在于，所述步骤S300包括：
步骤S301：设在某一巡检设备组中存在巡检设备E1和巡检设备E2，巡检设备E1对应的巡检路段集合为A，巡检设备E2对应的巡检路段集合为B；若集合A中存在某一巡检路段aj的区域特征信息集Xaj与集合B中某一巡检路段bk的区域特征信息集Xbk满足Xaj⊆Xbk或Xbk⊆Xaj，且巡检设备E1上传对应区域特征信息集Xaj的图像子序列的时间T1与巡检设备E2上传对应区域特征信息集Xbk的图像子序列的时间T2满足0≦｜T1-T2｜≦β，其中，β为时间差阈值，判断巡检设备E1在巡检某一巡检路段aj时与巡检设备E2在巡检某一巡检路段bk时存在巡检关联；判断aj与bk为集合A与集合B之间存在的一组巡检关联路段；
步骤S302：设集合A包含的巡检路段总数为n，集合B包含的巡检路段总数为m，设在集合A与集合B之间存在巡检关联的路段组数为g，计算巡检关联值R=g/[min(n,m)]；其中，min(n,m)表示在n和m中取最小值；当巡检关联值α≦R≦1时，判断在所述某一巡检设备组中的巡检设备E1和巡检设备E2满足协同巡检关系；其中，α为巡检关联阈值。
4.根据权利要求3所述的一种基于大数据的地空一体智能云控管理方法，其特征在于，所述步骤S400包括：
步骤S401：若某一巡检设备组中的巡检设备E1和巡检设备E2满足协同巡检关系，提取在巡检设备E1与巡检设备E2之间存在巡检关联的任意一组巡检关联路段L={x1，y1}；其中，x1为属于巡检设备E1的巡检路段集合的巡检路段，y1为属于巡检设备E2的巡检路段集合的巡检路段；
步骤S402：记巡检设备E1拍摄得到对应x1的图像子序列时的位置为S1，记巡检设备E2拍摄得到对应y1的图像子序列时的位置为S2，分别在某一巡检设备组对应的每一历史作业任务执行记录中，提取巡检设备E1在巡检x1时与巡检设备E2在巡检y1时需满足的关联巡检距离值：｜S2-S1｜；
步骤S403：在所有历史作业任务执行记录中，分别对各组巡检关联路段捕捉出现的最大关联巡检距离值和最小关联巡检距离值，得到巡检设备E1和巡检设备E2在就各组巡检关联路段存在协同巡检时需满足的关联巡检距离值范围。
5.根据权利要求4所述的一种基于大数据的地空一体智能云控管理方法，其特征在于，所述步骤S500包括：
步骤S501：将当前在所述目标巡检区域内执行巡检作业任务的若干巡检设备组设为目标巡检设备组；在所述目标巡检设备组中，将与其他巡检设备之间存在协同巡检关系的巡检设备设为第一目标巡检设备，将其他巡检设备设为第二目标巡检设备；分别对相应两个满足协同巡检关系的第一目标巡检设备所对应的巡检关联路段以及关联巡检距离值范围进行提取；
步骤S502：分别对各第一目标巡检设备，优先在所述第二目标巡检设备中，找寻与所述各第一目标巡检设备对应任务作业路径相似度大于相似度阈值的第二目标巡检设备作为备选设备，当所述各第一目标巡检设备发生意外事件时，优先调取所述备选设备执行所述各第一目标巡检设备需执行的作业任务以及需满足的协同巡检；
步骤S503：当所述各第一目标巡检设备发生意外事件时，在所有作为备选设备的巡检设备中，优先调取调整至与存在协同巡检关系的巡检设备之间需满足的关联巡检距离值范围所需花费时长最短的巡检设备，作为最终备选设备。
6.一种应用权利要求1-5中任意一项所述的基于大数据的地空一体智能云控管理方法的地空一体智能云控管理系统，其特征在于，所述系统包括：地空一体智能云控模块、巡检路段管理模块、协同巡检识别判断模块、协同巡检条件识别模块、应急决策管理模块；
所述地空一体智能云控模块，用于根据在目标巡检区域内存在的若干风险巡检需求，对所述目标巡检区域设置若干巡检作业任务；根据各巡检作业任务对应的任务模板，搭建巡检设备组，根据各巡检设备对应的作业需求规划得到对应的任务作业路径；操控各所述巡检设备组在目标巡检区域内执行多线路自动化巡检，进行风险巡检识别；
所述巡检路段管理模块，用于分别对各巡检设备组内各巡检设备在沿着各自任务作业路径进行巡检的过程中存在的巡检作业节点进行捕捉识别，将各任务作业路径进行路段划分，得到对应的若干巡检路段，分别对各巡检路段进行区域特征信息的提取和汇集；
所述协同巡检识别判断模块，用于基于在各巡检设备组中各巡检设备对应巡检路段的信息分布情况，对在各巡检设备组中存在巡检关联路段的巡检设备进行识别捕捉，对各巡检设备组判断满足协同巡检关系的巡检设备；
所述协同巡检条件识别模块，用于对各巡检设备组中满足协同巡检关系的巡检设备，捕捉协同巡检时需满足的关联巡检距离值范围；
所述应急决策管理模块，用于获取当前在所述目标巡检区域内执行巡检作业任务的若干巡检设备组，基于在所述若干巡检设备组中存在协同巡检关系的巡检设备的分布情况，辅助当意外事件发生时对应决策方案的生成。
7.根据权利要求6所述的一种地空一体智能云控管理系统，其特征在于，所述巡检路段管理模块包括巡检作业节点管理单元、路径划分管理单元；
所述巡检作业节点管理单元，用于分别对各巡检设备组内各巡检设备在沿着各自任务作业路径进行巡检的过程中存在的巡检作业节点进行捕捉识别；
所述路径划分管理单元，用于将各任务作业路径进行路段划分，得到对应的若干巡检路段，分别对各巡检路段进行区域特征信息的提取和汇集。
8.根据权利要求6所述的一种地空一体智能云控管理系统，其特征在于，所述协同巡检识别判断模块包括巡检关联路段识别单元、协同巡检设备识别单元；
所述巡检关联路段识别单元，根据在各巡检设备组中各巡检设备对应巡检路段的信息分布情况，对在各巡检设备组中存在巡检关联路段的巡检设备进行识别捕捉；
所述协同巡检设备识别单元，用于接收所述巡检关联路段识别单元中的数据，对各巡检设备组判断满足协同巡检关系的巡检设备。
CN202310370648.7A 2023-04-10 2023-04-10 一种基于大数据的地空一体智能云控管理系统及方法 Active CN116091952B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310370648.7A CN116091952B (zh) 2023-04-10 2023-04-10 一种基于大数据的地空一体智能云控管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310370648.7A CN116091952B (zh) 2023-04-10 2023-04-10 一种基于大数据的地空一体智能云控管理系统及方法

Publications (2)

Publication Number Publication Date
CN116091952A true CN116091952A (zh) 2023-05-09
CN116091952B CN116091952B (zh) 2023-06-30

Family

ID=86204897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310370648.7A Active CN116091952B (zh) 2023-04-10 2023-04-10 一种基于大数据的地空一体智能云控管理系统及方法

Country Status (1)

Country Link
CN (1) CN116091952B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116540784A (zh) * 2023-06-28 2023-08-04 西北工业大学 一种基于视觉的无人系统空地协同导航与避障方法
CN116934029A (zh) * 2023-07-20 2023-10-24 南京海汇装备科技有限公司 一种基于人工智能的地空协作管理系统及方法
CN117312591A (zh) * 2023-10-17 2023-12-29 南京海汇装备科技有限公司 一种基于虚拟现实的图像数据存储管理系统及方法
CN117350546A (zh) * 2023-11-06 2024-01-05 深圳市水务工程检测有限公司 一种基于大数据的工程测量分析管理系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106292665A (zh) * 2016-08-16 2017-01-04 李帅 一种分布式多机器人系统竞争协作的巡查控制方法
CN111652460A (zh) * 2020-04-10 2020-09-11 安徽继远软件有限公司 多无人机协同巡检多杆塔的智能优化方法和系统
WO2022021739A1 (zh) * 2020-07-30 2022-02-03 国网智能科技股份有限公司 一种语义智能变电站机器人仿人巡视作业方法及系统
WO2022095616A1 (zh) * 2020-11-03 2022-05-12 国网智能科技股份有限公司 一种变电站在线智能巡视系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106292665A (zh) * 2016-08-16 2017-01-04 李帅 一种分布式多机器人系统竞争协作的巡查控制方法
CN111652460A (zh) * 2020-04-10 2020-09-11 安徽继远软件有限公司 多无人机协同巡检多杆塔的智能优化方法和系统
WO2022021739A1 (zh) * 2020-07-30 2022-02-03 国网智能科技股份有限公司 一种语义智能变电站机器人仿人巡视作业方法及系统
WO2022095616A1 (zh) * 2020-11-03 2022-05-12 国网智能科技股份有限公司 一种变电站在线智能巡视系统及方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116540784A (zh) * 2023-06-28 2023-08-04 西北工业大学 一种基于视觉的无人系统空地协同导航与避障方法
CN116540784B (zh) * 2023-06-28 2023-09-19 西北工业大学 一种基于视觉的无人系统空地协同导航与避障方法
CN116934029A (zh) * 2023-07-20 2023-10-24 南京海汇装备科技有限公司 一种基于人工智能的地空协作管理系统及方法
CN116934029B (zh) * 2023-07-20 2024-06-04 南京海汇装备科技有限公司 一种基于人工智能的地空协作管理系统及方法
CN117312591A (zh) * 2023-10-17 2023-12-29 南京海汇装备科技有限公司 一种基于虚拟现实的图像数据存储管理系统及方法
CN117312591B (zh) * 2023-10-17 2024-03-12 南京海汇装备科技有限公司 一种基于虚拟现实的图像数据存储管理系统及方法
CN117350546A (zh) * 2023-11-06 2024-01-05 深圳市水务工程检测有限公司 一种基于大数据的工程测量分析管理系统及方法
CN117350546B (zh) * 2023-11-06 2024-07-12 深圳市水务工程检测有限公司 一种基于大数据的工程测量分析管理系统及方法

Also Published As

Publication number Publication date
CN116091952B (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
CN116091952B (zh) 一种基于大数据的地空一体智能云控管理系统及方法
US10360741B2 (en) Predicting failures in an aircraft
Akhavian et al. Evaluation of queuing systems for knowledge-based simulation of construction processes
CN111143932A (zh) 一种桥梁健康状态的评估方法、装置、系统和设备
CN115439099A (zh) 基于bim模型的施工项目协同监管系统
CN115471625A (zh) 一种云机器人平台大数据智能决策方法和系统
WO2021237768A1 (zh) 一种基于数据驱动的实现预测模型自动化迭代的系统
CN115205718B (zh) 一种地理信息测量系统及其测量方法
CN117806355A (zh) 一种电力巡线无人机控制方法及系统
CN116647651B (zh) 一种基于北斗卫星的无人机施工监控方法及系统
CN113420810B (zh) 一种基于红外和可见光的电缆沟智能巡检系统及巡检方法
CN116934029A (zh) 一种基于人工智能的地空协作管理系统及方法
CN107038902B (zh) 一种基于公路网物理结构的无人机巡航路线优化方法
CN116576852A (zh) 一种融合多源路网数据的森防救援智能导航系统
CN115083212A (zh) 一种基于三维建模的无人机定位智能管理系统
CN113691778A (zh) 一种城市轨道交通车站全景巡站系统
CN116403162B (zh) 一种机场场面目标行为识别方法、系统及电子设备
CN117724059A (zh) 基于卡尔曼滤波算法的多源传感器融合航迹校正方法
CN109448379A (zh) 一种社交媒体数据偶发性交通事件的识别及定位方法
CN116911500A (zh) 一种基于大数据监测的草原鼠情智能监管系统及方法
CN117095312A (zh) 一种钢结构的腐蚀监测方法及装置
KR102437690B1 (ko) 미세먼지 저감 도시 플랫폼
Serhani et al. Drone-assisted inspection for automated accident damage estimation: A deep learning approach
CN118780547A (zh) 一种利用无人机自动化违建巡查系统及其路线协同规划方法
CN118469426B (zh) 一种基于物联网的数据处理方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant