CN117129637B - 一种基于移动无人机巢的城市no2的监测方法 - Google Patents
一种基于移动无人机巢的城市no2的监测方法 Download PDFInfo
- Publication number
- CN117129637B CN117129637B CN202311384564.5A CN202311384564A CN117129637B CN 117129637 B CN117129637 B CN 117129637B CN 202311384564 A CN202311384564 A CN 202311384564A CN 117129637 B CN117129637 B CN 117129637B
- Authority
- CN
- China
- Prior art keywords
- patrol
- unmanned aerial
- aerial vehicle
- monitoring
- concentration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims description 22
- 230000008859 change Effects 0.000 claims abstract description 12
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000007599 discharging Methods 0.000 claims abstract description 4
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 230000000737 periodic effect Effects 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 3
- 238000003032 molecular docking Methods 0.000 claims 1
- 239000000523 sample Substances 0.000 claims 1
- 230000008901 benefit Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 239000005436 troposphere Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U80/00—Transport or storage specially adapted for UAVs
- B64U80/80—Transport or storage specially adapted for UAVs by vehicles
- B64U80/86—Land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
-
- 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
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Abstract
本发明公开了一种基于移动无人机巢的城市NO2的监测方法,包括:获取持续一段时间的监测站测得的NO2浓度的统计数据以及浓度变化曲线,选出NO2浓度以及波动率综合指数较高的监测站;按照社区进行二次筛选出巡逻节点,并规划遍历巡逻节点的巡逻路线;在巡逻节点中选取适合停靠的巡逻站点;采用带有移动无人机巢的巡逻车辆依照巡逻路线进行巡逻监测,巡逻监测包括:在每个巡逻节点进行地面的NO2浓度监测,并在一个巡逻站点放出无人机巢内的无人机集群进行社区范围内的指定的一个以上的高度的多个点位的NO2浓度采集,并在另一个巡逻站点收回无人机集群或者为无人机集群充电。本发明可提高NO2浓度的数据完备性以及监测精度。
Description
技术领域
本发明涉及大气监测技术领域。具体而言,涉及一种基于移动无人机巢的城市NO2的监测方法。
背景技术
现有的NO2的监测可以通过卫星搭载了对流层观测仪,可观测全球各地大气中痕量气体组分,包括NO2、O3、SO2、 HCHO、CH4、CO和气溶胶等重要的与人类活动密切相关的指标。但卫星观测所得数据缺乏近地面的监测值,因而不能精确表征近地面的NO2浓度。
通过设置大量的地面监测站可以测得固定监测点的近地面数据,在通过插值的方式取均值可以获得地面的监测值,但近地面空中仍然缺乏,并且,由于城市不同,人口密集程度和工业生产位置不同,导致各地区的NO2是动态变化的,使得目前的地面监测站结合卫星监测仍不能精确满足监测的精度需求。
发明内容
本发明正是基于现有技术的上述需求而提出的,本发明针对现有的通过卫星监测NO2的方式,配合地面监测站进行NO2的监测,缺乏近地的空中数据的问题,提供一种基于移动无人机巢的城市NO2的监测方法。
为了解决上述问题,本发明是采用如下技术方案实现的:
一种基于移动无人机巢的城市NO2的监测方法,包括:
1)通过布设在城市固定位置的若干个NO2监测站检测NO2的浓度,获取持续一段时间的所有监测站测得的NO2浓度的统计数据以及浓度变化曲线,根据NO2浓度以及变化曲线进行排序,选出NO2浓度以及波动率综合指数较高的监测站;
2)将NO2浓度以及波动率综合指数较高的监测站,按照社区进行二次筛选,选出巡逻节点,并规划遍历巡逻节点的巡逻路线;
3)根据巡逻路线,在巡逻节点中选取适合停靠的巡逻站点;
4)采用带有移动无人机巢的巡逻车辆依照巡逻路线进行巡逻监测,巡逻监测包括:在每个巡逻节点进行地面的NO2浓度监测,并在一个巡逻站点放出无人机巢内的无人机集群进行社区范围内的指定的一个以上的高度的多个点位的NO2浓度采集,并在另一个巡逻站点收回无人机集群或者为无人机集群充电。
优选地,选出NO2浓度以及波动率综合指数较高的监测站,包括:
按照NO2浓度对监测站进行第一排序,按照NO2浓度波动率对监测站进行第二排序,为第一排序和第二排序设置不同的权重,以监测站的各排序位置乘以对应的权重之和作为综合指数,按照综合指数降序排序,选取得到综合指数较高的监测站。
优选地,按照社区进行二次筛选,选出巡逻节点,包括:在地面监测站的地理位置所覆盖的社区中选取巡逻节点;巡逻节点符合以下条件:
在适合车辆行驶的道路附近,有临时停车场所;每个社区至少选取一个巡逻节点。
优选地,规划遍历巡逻节点的巡逻路线,连接所有巡逻节点的最短路径。
优选地,选取适合停靠的巡逻站点,巡逻站点符合以下条件:有临时停车场所,上空空旷且林木和电线干扰少;每两个相邻的巡逻站点之间小于无人机在两个巡逻站点之间的巡航路线的里程的2/3。
优选地,方法还包括:
当采用带有移动无人机巢的巡逻车辆依照巡逻路线进行巡逻监测时,以两个相邻的巡逻站点之间的连线为径向,从两个相邻的巡逻站点中的第一巡逻站点放出无人机巢内的无人机集群进行多个空中位置的NO2浓度采集时,按照垂直于径向的方向做之字形采集,直至在巡逻车辆到达两个相邻的巡逻站点中的第二巡逻站点时,收回降落至巡逻车辆上的无人机。
优选地,无人机集群中的各无人机分别采集不同的区域或者不同高度的多个点位的NO2浓度,且工作区域互不重叠。
优选地,布设在城市固定位置的若干个NO2监测站检测NO2的浓度的方式为长期在线监测,巡逻监测为按照周期监测。
优选地,在步骤2)中,选出巡逻节点后,并规划遍历巡逻节点的多条独立巡逻路线;多辆带有移动无人机巢的巡逻车辆对应依照多条独立巡逻路线分别进行巡逻监测。
与现有技术相比,本发明通过将地面监测站与带有移动无人机巢的巡逻车辆配合进行近地面的NO2浓度采集,可以获取地面,以及近地面的不同高度的多个站点的NO2浓度,且可以按周期实现多次采集。可进一步补充NO2浓度数据,提高NO2浓度的数据完备性以及监测精度。采用带有移动无人机巢的巡逻车辆进行巡逻采集,也可以提高无人机的续航里程的利用率,所有无人机均为相邻两个巡逻站点之间进行单向巡航,不必浪费续航里程在回航程中,使得同样的巡航里程的无人机可以采集更多点位的浓度数据,提高了采集效率,节约能源。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的基于移动无人机巢的城市NO2的监测方法的流程示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
参见图1,本发明实施例的基于移动无人机巢的城市NO2的监测方法,包括:
1) 通过布设在城市固定位置的若干个NO2监测站检测NO2的浓度,获取持续一段时间的所有监测站测得的NO2浓度的统计数据以及浓度变化曲线,根据NO2浓度以及变化曲线进行排序,选出NO2浓度以及波动率综合指数较高的监测站。其中,布设在城市固定位置的若干个NO2监测站检测NO2的浓度的方式为长期在线监测,本发明的巡逻监测为按照周期监测。
实施时,选出NO2浓度以及波动率综合指数较高的监测站,包括:按照NO2浓度对监测站进行第一排序,按照NO2浓度波动率(按照过去一段时间的浓度变化曲线,设置周期监测指的斜率阈值,当斜率变化超过设定的范围时,认为该监测站的NO2浓度波动率异常或者变化频繁,需要重点监测)对监测站进行第二排序,为第一排序和第二排序设置不同的权重,以监测站的各排序位置乘以对应的权重之和作为综合指数,按照综合指数降序排序,选取得到综合指数较高的监测站。权重可以根据当地的NO2浓度的均值以及相应的标准要求值进行经验性综合设定。
2)将NO2浓度以及波动率综合指数较高的监测站,按照社区进行二次筛选,选出巡逻节点,并规划遍历巡逻节点的巡逻路线。规划遍历巡逻节点的巡逻路线,连接所有巡逻节点的最短路径。
实施时,按照社区进行二次筛选,选出巡逻节点;在地面监测站的地理位置所覆盖的社区中选取巡逻节点;巡逻节点符合以下条件:
在适合车辆行驶的道路附近,有临时停车场所;每个社区至少选取一个巡逻节点。为了覆盖尽可能多的社区,也可以将从地图上将各社区划分为蜂窝状区域,蜂窝状社区中每个(近似)六边形区域中设置一个巡逻点。采用六边形网格化的优点有:更均匀的覆盖,更自然的邻近性,路径规划的连续性,在移动无人机巢的选点过程中,要考虑无人机群的飞行路线以及回收充电问题,而六边形网格的存在,网格中心到达任意一条边距离相同可定,每个六边形都与六个相邻的单元紧密连接,这在空间分析和路径规划时更具优势。
实施时,选出巡逻节点后,并规划遍历巡逻节点的多条独立巡逻路线;多辆带有移动无人机巢的巡逻车辆对应依照多条独立巡逻路线分别进行巡逻监测。即,可以采用多组巡逻车辆+无人机群的巡逻方案,从而实现大范围的巡逻和NO2浓度采集,具体的区域要求可以根据当前地区的监测周期要求确定,例如社区需要一天至少一次的NO2浓度值,应当规划在一天内能够完成的社区巡逻路线,不能一天完成的区域,应当规划到其他巡逻车辆+无人机群的巡逻方案中,以实现并行的监测。
3)根据巡逻路线,在巡逻节点中选取适合停靠的巡逻站点。实施时,选取适合停靠的巡逻站点,巡逻站点符合以下条件:有临时停车场所,上空空旷且林木和电线干扰少。
巡逻站点用于供车辆巡逻使用。每两个相邻的巡逻站点之间小于无人机在两个巡逻站点之间的巡航路线的里程的2/3。当车辆从一个巡逻站点A到下一个巡逻站点B移动时,无人机在以巡逻站点A为起点,巡逻站点B为终点进行飞行,飞行的过程中计算其续航里程时,应当把在飞行过程中的实际路径长度以及进行悬停并进行NO2浓度监测的能耗综合计算。不应单独计算飞行续航。以综合计算的续航里程的2/3作为阈值,当无人机的续航里程将要达到2/3时,无论无人机在进行何种任务,都应当改为向终点飞行,以确保无人机的回收。
4)采用带有移动无人机巢的巡逻车辆依照巡逻路线进行巡逻监测,巡逻监测包括:在每个巡逻节点进行地面的NO2浓度监测,并在一个巡逻站点放出无人机巢内的无人机集群进行社区范围内的指定的一个以上的高度的多个点位的NO2浓度采集,并在另一个巡逻站点收回无人机集群或者为无人机集群充电。
实施时,当采用带有移动无人机巢的巡逻车辆依照巡逻路线进行巡逻监测时,以两个相邻的巡逻站点之间的连线为径向,从两个相邻的巡逻站点中的第一巡逻站点放出无人机巢内的无人机集群进行多个空中位置的NO2浓度采集时,按照垂直于径向的方向做之字形采集(之字路径覆盖多个六边形的网格区域),直至在巡逻车辆到达两个相邻的巡逻站点中的第二巡逻站点时,收回降落至巡逻车辆上的无人机。其中,无人机集群中的各无人机分别采集不同的区域或者不同高度的多个点位的NO2浓度,且工作区域互不重叠。
本发明实施例通过将地面监测站与带有移动无人机巢的巡逻车辆配合进行近地面的NO2浓度采集,可以获取地面,以及近地面的不同高度的多个站点的NO2浓度,且可以按周期实现多次采集。可进一步补充NO2浓度数据,提高NO2浓度的数据完备性以及监测精度。采用带有移动无人机巢的巡逻车辆进行巡逻采集,也可以提高无人机的续航里程的利用率,所有无人机均为相邻两个巡逻站点之间进行单向巡航,不必浪费续航里程在回航程中,使得同样的巡航里程的无人机可以采集更多点位的浓度数据,提高了采集效率,节约能源。
本发明实施例实施时:
移动无人机巢的构建:选择一款稳定、可靠的无人机巢,每个移动无人机巢内部搭载有定位系统和通信装置,确保搭载有NO2检测设备的无人机可以实现自动充电等功能;无人机装置能够在城市中移动并携带NO2检测设备,具备足够的飞行时间、耐受恶劣天气条件的能力,以及适应城市环境的外观和尺寸。
NO2检测设备的安装:在无人机上安装高精度的NO2传感器,实现实时测量空气中的NO2浓度。传感器高精度能够确保测量结果的准确性及后续数据分析的高可靠性。
在确定巡逻车辆+无人机群的巡逻方案后,需要指定飞行计划规划:制定飞行计划,涵盖检测区域内的关键地点。飞行计划包括起飞点、飞行路径、监测点和降落点等信息。自动飞行和检测:编程无人机巢以自动执行飞行计划。实现无人机群按照预定路径飞行并在指定位置悬停,以获取准确的NO2浓度数据。
无人机器采集的数据传输与处理:无人机群实现将实时采集的NO2数据传输到地面站或云服务器。这样,可以对数据进行实时处理和分析,以便生成空气质量地图或报告。或者形成数据可视化和报告:将采集的数据可视化成易于理解的形式,例如热力图、趋势图等,以至更好的理解城市中NO2的分布和变化。
巡逻路径选择时需要考虑包含综合指数较高的检测站在内的所有固定监测站位置数据;布设在城市固定位置的若干个NO2监测站检测的NO2的浓度,获取持续一段时间的所有监测站测得的NO2浓度的统计数据以及浓度变化曲线,根据NO2浓度以及变化曲线进行排序,可筛选出NO2浓度以及波动率综合指数较高的监测站。
还需要进行地图数据准备:在数据处理系统中集成城市社区地图数据,包括建筑物、道路、交通流量等信息;并网格化地理数据,即将地理空间划分为一系列规则的网格单元,并在每个网格单元内存储相应的地理信息。这种数据结构在许多应用中都非常有用,包括地图制图、空间分析、路径规划以及环境监测等。在基于移动无人机巢的城市NO2监测方法中,网格化地理数据可以用于在城市范围内规划无人机巢的飞行路径。
综上可知,本发明能实现NO2的高分辨率监测:通过移动无人机巢的灵活部署,能够在城市内部实现高分辨率的NO2监测,弥补了固定站点监测的不足。实时性:移动无人机巢可以实时采集数据并传输至中央处理系统,使监测结果能够迅速得到反馈和应用。灵活性:无人机巢能够自主飞行,灵活选择监测位置,克服了车载监测受交通限制的问题。
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,对于本领域的技术人员来说,本发明可以有各种更改和变化。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)
1.一种基于移动无人机巢的城市NO2的监测方法,其特征在于,包括:
1)通过布设在城市固定位置的若干个NO2监测站检测NO2的浓度,获取持续一段时间的所有监测站测得的NO2浓度的统计数据以及浓度变化曲线,根据NO2浓度以及变化曲线进行排序,选出NO2浓度以及波动率综合指数较高的监测站;所述选出NO2浓度以及波动率综合指数较高的监测站,包括:
按照NO2浓度对监测站进行第一排序,按照NO2浓度波动率对监测站进行第二排序,为第一排序和第二排序设置不同的权重,以监测站的各排序位置乘以对应的权重之和作为综合指数,按照综合指数降序排序,选取得到综合指数较高的监测站;
2)将NO2浓度以及波动率综合指数较高的监测站,按照社区进行二次筛选,选出巡逻节点,并规划遍历所述巡逻节点的巡逻路线;
3)根据所述巡逻路线,在所述巡逻节点中选取适合停靠的巡逻站点;
4)采用带有移动无人机巢的巡逻车辆依照所述巡逻路线进行巡逻监测,所述巡逻监测包括:在每个巡逻节点进行地面的NO2浓度监测,并在一个巡逻站点放出无人机巢内的无人机集群进行社区范围内的指定的一个以上的高度的多个点位的NO2浓度采集,并在另一个巡逻站点收回所述无人机集群或者为所述无人机集群充电。
2.根据权利要求1所述的方法,其特征在于,所述按照社区进行二次筛选,选出巡逻节点,包括:在地面监测站的地理位置所覆盖的社区中选取巡逻节点;巡逻节点符合以下条件:
在适合车辆行驶的道路附近,有临时停车场所;每个社区至少选取一个巡逻节点。
3.根据权利要求2所述的方法,其特征在于,规划遍历所述巡逻节点的巡逻路线,连接所有巡逻节点的最短路径。
4.根据权利要求1所述的方法,其特征在于,所述选取适合停靠的巡逻站点,所述巡逻站点符合以下条件:有临时停车场所,上空空旷且林木和电线干扰少;每两个相邻的巡逻站点之间小于无人机在两个巡逻站点之间的巡航路线的里程的2/3。
5.根据权利要求2所述的方法,其特征在于,所述方法还包括:
当所述采用带有移动无人机巢的巡逻车辆依照所述巡逻路线进行巡逻监测时,以两个相邻的巡逻站点之间的连线为径向,从两个相邻的巡逻站点中的第一巡逻站点放出无人机巢内的无人机集群进行多个空中位置的NO2浓度采集时,按照垂直于所述径向的方向做之字形采集,直至在巡逻车辆到达两个相邻的巡逻站点中的第二巡逻站点时,收回降落至所述巡逻车辆上的无人机。
6.根据权利要求5所述的方法,其特征在于,所述无人机集群中的各无人机分别采集不同的区域或者不同高度的多个点位的NO2浓度,且工作区域互不重叠。
7.根据权利要求6所述的方法,其特征在于,所述布设在城市固定位置的若干个NO2监测站检测NO2的浓度的方式为长期在线监测,所述巡逻监测为按照周期监测。
8.根据权利要求7所述的方法,其特征在于,
在步骤2)中,选出巡逻节点后,并规划遍历所述巡逻节点的多条独立巡逻路线;多辆带有移动无人机巢的巡逻车辆对应依照所述多条独立巡逻路线分别进行巡逻监测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311384564.5A CN117129637B (zh) | 2023-10-25 | 2023-10-25 | 一种基于移动无人机巢的城市no2的监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311384564.5A CN117129637B (zh) | 2023-10-25 | 2023-10-25 | 一种基于移动无人机巢的城市no2的监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117129637A CN117129637A (zh) | 2023-11-28 |
CN117129637B true CN117129637B (zh) | 2024-01-12 |
Family
ID=88854931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311384564.5A Active CN117129637B (zh) | 2023-10-25 | 2023-10-25 | 一种基于移动无人机巢的城市no2的监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117129637B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106774221A (zh) * | 2017-01-22 | 2017-05-31 | 江苏中科院智能科学技术应用研究院 | 一种无人机与无人车协作巡逻系统及方法 |
CN107300927A (zh) * | 2017-06-26 | 2017-10-27 | 中国人民解放军国防科学技术大学 | 一种无人机基站选址与巡逻路径优化方法及装置 |
WO2019176710A1 (ja) * | 2018-03-14 | 2019-09-19 | 栗田工業株式会社 | 無人移動ユニットおよび巡回点検システム |
KR20200083951A (ko) * | 2020-05-26 | 2020-07-09 | 주식회사 메이플테크 | Rfid 태그 경로를 패트롤하는 카메라와 지향성 스피커를 구비하는 드론의 제어 시스템 및 방법 |
CN113608549A (zh) * | 2021-08-05 | 2021-11-05 | 陈志恒 | 一种智慧城市用无人机巡逻调度方法、装置及系统 |
CN114463873A (zh) * | 2021-12-31 | 2022-05-10 | 珠海华发新科技投资控股有限公司 | 用于社区的巡逻系统 |
CN114925615A (zh) * | 2022-05-31 | 2022-08-19 | 清华大学 | 一种放射性泄漏源定位方法和系统 |
CN116559369A (zh) * | 2023-05-08 | 2023-08-08 | 复旦大学 | 基于天空地立体时空碳监测选点与融合碳核查的监测方法 |
-
2023
- 2023-10-25 CN CN202311384564.5A patent/CN117129637B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106774221A (zh) * | 2017-01-22 | 2017-05-31 | 江苏中科院智能科学技术应用研究院 | 一种无人机与无人车协作巡逻系统及方法 |
CN107300927A (zh) * | 2017-06-26 | 2017-10-27 | 中国人民解放军国防科学技术大学 | 一种无人机基站选址与巡逻路径优化方法及装置 |
WO2019176710A1 (ja) * | 2018-03-14 | 2019-09-19 | 栗田工業株式会社 | 無人移動ユニットおよび巡回点検システム |
KR20200083951A (ko) * | 2020-05-26 | 2020-07-09 | 주식회사 메이플테크 | Rfid 태그 경로를 패트롤하는 카메라와 지향성 스피커를 구비하는 드론의 제어 시스템 및 방법 |
CN113608549A (zh) * | 2021-08-05 | 2021-11-05 | 陈志恒 | 一种智慧城市用无人机巡逻调度方法、装置及系统 |
CN114463873A (zh) * | 2021-12-31 | 2022-05-10 | 珠海华发新科技投资控股有限公司 | 用于社区的巡逻系统 |
CN114925615A (zh) * | 2022-05-31 | 2022-08-19 | 清华大学 | 一种放射性泄漏源定位方法和系统 |
CN116559369A (zh) * | 2023-05-08 | 2023-08-08 | 复旦大学 | 基于天空地立体时空碳监测选点与融合碳核查的监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117129637A (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104865353B (zh) | 基于无人机的工业园区大气污染数据采集方法 | |
CN109522603B (zh) | 基于云平台的车载拉格朗日实时大气污染溯源系统及方法 | |
CN106950334B (zh) | 一种空间分布式城市空气环境质量的移动监测系统 | |
CN113189615B (zh) | 一种使用垂直起降固定翼无人机对输电线路进行巡检的方法 | |
CN103875028B (zh) | 用于监视交通和道路积水状况的装置、系统及方法 | |
CN100466015C (zh) | 缩小垂直间隔空域的运行安全数据处理系统及方法 | |
CN108182491A (zh) | 大气细颗粒物(pm2.5)实时源解析定位方法 | |
CN104992254B (zh) | 基于电网gis的山火与气象结合的趋势预判方法 | |
CN104200082A (zh) | 台风登陆预测方法 | |
CN104951865A (zh) | 一种基于电网gis的物资调拨追踪方法及系统 | |
CN107818382A (zh) | 航班到达时间预测方法 | |
CN113655175A (zh) | 一种网格化空气监测方法、系统、计算机设备及存储介质 | |
CN113625318A (zh) | 基于rtk技术的无人机高精度定位系统 | |
CN109572763B (zh) | 一种基于恶劣天气和晚点条件下列车车次安全性评估方法 | |
CN113758478A (zh) | 一种长距离输变电线路无人机巡检航飞规划方法及系统 | |
CN117129637B (zh) | 一种基于移动无人机巢的城市no2的监测方法 | |
CN105933463A (zh) | 基于智能设备标识信息的城市人员进出城监测方法与系统 | |
CN109637197B (zh) | 基于概率密度的航路点繁忙等级分级方法 | |
Pan et al. | auSense: collaborative airspace sensing by commercial airplanes and unmanned aerial vehicles | |
CN108828332B (zh) | 一种计算雷电定位系统探测效率的方法 | |
CN116203984A (zh) | 一种uam站点选址评估方法及无人机巡检航线规划方法 | |
Habtie et al. | Cellular network based real-time urban road traffic state estimation framework using neural network model estimation | |
CN111614161B (zh) | 一种交流10kv输电线路远程监测方法、系统、以及存储介质 | |
CN112215416B (zh) | 智能规划巡检航线系统及方法 | |
Wang et al. | Automated and Connected Unmanned Aerial Vehicles (AC-UAV) for Service Patrol: System Design and Field Experiments |
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 |