KR20230076355A

KR20230076355A - 3D flight route recommendation system and method of unmanned aerial vehicle using flight information learning

Info

Publication number: KR20230076355A
Application number: KR1020210163189A
Authority: KR
Inventors: 이원진; 이재동; 김희주
Original assignee: 단국대학교 산학협력단
Priority date: 2021-11-24
Filing date: 2021-11-24
Publication date: 2023-05-31
Also published as: KR102658791B1

Abstract

Provided is a 3D flight route recommendation system of an unmanned aerial vehicle using flight information learning. According to an embodiment of the present invention, a 3D flight route recommendation system of an unmanned aerial vehicle using flight information learning is a 3D flight route recommendation system of an unmanned aerial vehicle using flight information learning, which connects an unmanned aerial vehicle and a user terminal using wired or wireless communication, generates real-time flight information, and provides an optimal flight route to the unmanned aerial vehicle and the user terminal. The system comprises: a flight information learning unit which collects and processes operation records of the unmanned aerial vehicle to learn the processing results, and processes the learning data to analyze failure patterns; and a real-time flight route recommendation unit which receives information from the flight information learning unit and recommends a real-time flight route for the unmanned aerial vehicle using the received information and current status information of the unmanned aerial vehicle.

Description

3D flight route recommendation system and method of unmanned aerial vehicle using flight information learning}

본 발명은 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템 및 방법에 관한 것으로, 특히, 복수의 무인 비행체의 운항 기록을 획득하여 학습 및 분석을 수행한 빅데이터를 생성하고, 생성한 빅데이터를 이용하여 무인 비행체의 3차원 비행 경로를 추천하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템 및 방법에 관한 것이다. The present invention relates to a system and method for recommending a 3D flight path of an unmanned aerial vehicle using flight information learning, and in particular, by obtaining operation records of a plurality of unmanned aerial vehicles, generating big data that has been learned and analyzed, and generated big data. A system and method for recommending a 3D flight path of an unmanned aerial vehicle using flight information learning for recommending a 3D flight path of an unmanned aerial vehicle using data.

4차 산업혁명과 더불어 드론과 같은 무인 항공기의 발달이 고도화됨에 따라 비행경로를 추천 및 제안하는 기법에 있어 최근 연구가 활발하게 이루어지고 있다. 이는 단순히 연료의 효율성 및 비용의 절감 효과 뿐 아니라, 조종사의 성향을 고려한 항행 습관을 고려하여 도출해내기 때문에 안정성을 높이는 기대효과를 나타낸다. 특히 방산업체를 중심으로 한 혼합 현실 분야, HMD(Head Mounted Display)와 같은 항공전자 기술 수준이 높아짐에 따라 민간개발도 함께 성장하고 있다. As the development of unmanned aerial vehicles such as drones has advanced along with the 4th industrial revolution, recent research has been actively conducted on techniques for recommending and suggesting flight routes. This represents not only the fuel efficiency and cost reduction effect, but also the expected effect of increasing safety because it is derived by considering the pilot's propensity and navigation habits. In particular, as the level of avionics technology, such as mixed reality and HMD (Head Mounted Display), is rising, private development is also growing.

그러나 이러한 무인 항공기를 위한 인프라의 마련과 경로 관제를 위한 체계가 아직 초기단계에 머물러 있어 상용화할 수 없는 수준이며, 모니터링을 위한 시스템 또한 2차원 디스플레이 기반으로 이루어져 있기 때문에 시야에 제약이 크다. 그러나 무인 항공기의 경로 안내 시스템의 경우 고도가 성층권까지 올라가는 일반 항공기와 달리, 일반 도심에서도 주행이 가능한 고도 수준을 유지할 수 있으며, 향후 공중 이동수단으로서의 역할로서의 전망도 기대하고 있어, 이를 위해 혼합 현실에서의 관제 시스템의 필요성이 높아지고 있다. However, the infrastructure for these unmanned aerial vehicles and the system for route control are still in their infancy and cannot be commercialized, and the monitoring system is also based on a 2D display, so the field of view is very limited. However, in the case of an unmanned aerial vehicle route guidance system, unlike a general aircraft whose altitude rises to the stratosphere, it can maintain an altitude level that allows driving even in a general city center, and is expected to play a role as a means of public transportation in the future. The need for a control system is increasing.

더불어, 항공 경로의 특성 상 단순 최단 경로 뿐만이 아닌, 악천후, 버드 스트라이크 등의 다양한 장애 요인에 대한 대응 시스템도 함께 실시간으로 경로에 반영되어야 경로의 추천 정확도가 높아질 수 있다.In addition, due to the nature of the air route, not only the simple shortest route, but also a response system for various obstacles such as bad weather and bird strikes must be reflected in the route in real time to increase the accuracy of route recommendation.

한국공개특허 제10-2021-0114647호Korean Patent Publication No. 10-2021-0114647

상기와 같은 종래 기술에서의 필요 및 요구를 해결하기 위해, 본 발명의 일 실시예는 혼합 현실을 이용한 관제와 다양한 비행 장애 요인에 대응하는 실시간 3차원 비행 경로를 추천할 수 있는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템 및 방법을 제공하고자 한다.In order to solve the needs and demands in the prior art as described above, one embodiment of the present invention uses mixed reality control and flight information learning that can recommend real-time 3D flight paths corresponding to various flight obstacle factors. It is intended to provide a system and method for recommending a 3D flight path of an unmanned aerial vehicle.

위와 같은 과제를 해결하기 위한 본 발명의 일 측면에 따르면, 무인 비행체 및 사용자 단말기와 유선 또는 무선 통신을 이용하여 연결하고, 실시간 비행 정보를 생성하여 상기 무인 비행체 및 상기 사용자 단말기에 최적 비행 경로를 제공하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템이 제공된다. 상기 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템은 상기 무인 비행체의 운항 기록을 수집하고 처리하여 처리 결과를 학습하며, 학습 데이터를 처리하여 장애 패턴을 분석하는 비행 정보 학습부; 및 상기 비행 정보 학습부로부터 정보를 전달 받고, 전달 받은 정보와 상기 무인 비행체의 현재 상태 정보를 이용하여 상기 무인 비행체의 실시간 비행 경로를 추천하는 실시간 비행 경로 추천부;를 포함한다.According to one aspect of the present invention for solving the above problems, an unmanned aerial vehicle and a user terminal are connected using wired or wireless communication, and real-time flight information is generated to provide an optimal flight path to the unmanned aerial vehicle and the user terminal. A 3D flight path recommendation system for an unmanned aerial vehicle using flight information learning is provided. The system for recommending a 3D flight path of an unmanned aerial vehicle using the flight information learning includes a flight information learning unit that collects and processes flight records of the unmanned aerial vehicle to learn processing results, and analyzes failure patterns by processing the learning data; and a real-time flight path recommendation unit that receives information from the flight information learning unit and recommends a real-time flight path of the unmanned aerial vehicle using the received information and current state information of the unmanned aerial vehicle.

상기 비행 정보 학습부는, 운항 경로, 운항 속도, 운항 시 기상 정보 및 운항 일정 정보 중 적어도 하나를 포함하는 상기 무인 비행체의 상기 운항 기록을 수집하는 무인 비행체 운항 기록 수집 모듈; 수집한 상기 무인 비행체의 상기 운항 기록을 처리하여 정상 데이터를 획득하고, 획득한 상기 정상 데이터 사이의 연관성을 파악하는 운항 기록 처리 모듈; 및 상기 정상 데이터와 상기 정상 데이터 연관성을 포함하는 상기 학습 데이터를 학습하고, 상기 학습 데이터를 이용하여 장애 패턴 분석 알고리즘을 생성하는 학습 데이터 처리 모듈;을 포함할 수 있다.The flight information learning unit may include: an unmanned aerial vehicle operation record collection module for collecting the operation record of the unmanned aerial vehicle including at least one of flight route, flight speed, weather information during flight, and flight schedule information; a flight record processing module that processes the collected flight records of the unmanned aerial vehicle to obtain normal data, and identifies a correlation between the acquired normal data; and a learning data processing module that learns the learning data including the normal data and the correlation between the normal data and generates a failure pattern analysis algorithm using the learning data.

상기 운항 기록 처리 모듈은, 상기 운항 기록 중 기 설정된 기준 속성에 해당하지 않는 불필요 속성을 제거한 순속성 데이터를 획득하고, 상기 순속성 데이터 중 기준 유효 범위를 벗어나는 이상 데이터를 제거하여 상기 정상 데이터를 획득하며, 획득한 상기 정상 데이터 사이의 연관성을 파악하며, 상기 정상 데이터 연관성은 사전 시각화 분석을 통해 연관성을 가지는 속성을 파악하여 연관성을 가지는 속성을 상기 정상 데이터 연관성으로 설정할 수 있다.The flight record processing module obtains instantaneous attribute data from which unnecessary attributes that do not correspond to predetermined reference attributes are removed from the flight record, and obtains the normal data by removing abnormal data out of a standard effective range from the instantaneous attribute data. The correlation between the obtained normal data may be identified, and the normal data correlation may be determined by identifying an attribute having a correlation through a preliminary visualization analysis, and then setting the attribute having the correlation as the correlation of the normal data.

상기 실시간 비행 경로 추천부는, 상기 비행 정보 학습부 및 상기 무인 비행체로부터 비행 정보를 획득하는 비행 정보 획득 모듈; 상기 학습 데이터 또는 현재 기상 상태를 이용하여 가변 비행 불가 영역을 획득하고, 상기 실시간 비행 경로 생성을 위해 상기 가변 비행 불가 영역에 대한 정보인 가변 비행 불가 영역 정보를 처리하여 획득하는 가변 비행 불가 영역 처리 모듈; 및 현재 비행 상태에 따라 현재 위치에서 도착 위치까지의 최적 비행 경로를 계산하여 제공하는 최적 비행 경로 제공 모듈;을 포함할 수 있다.The real-time flight path recommendation unit may include a flight information acquisition module that obtains flight information from the flight information learning unit and the unmanned aerial vehicle; A variable non-flyable area processing module that acquires a variable non-flyable area by using the learning data or the current weather conditions, and processes and obtains variable non-flyable area information, which is information on the variable non-flyable area, to generate the real-time flight path. ; and an optimal flight path providing module that calculates and provides an optimal flight path from the current location to the arrival location according to the current flight conditions.

상기 비행 정보는 상기 학습 데이터, 상기 무인 비행체의 출발 위치, 상기 현재 위치 및 상기 도착 위치를 포함하는 위치 정보와 비행 시각, 상기 출발 위치와 상기 현재 위치 및 상기 도착 위치의 중심점으로부터 기 설정된 거리의 반경을 가지는 영역 내의 현재 기상 정보 중 어느 하나를 포함할 수 있다.The flight information includes the learning data, location information including the departure location of the unmanned aerial vehicle, the current location and the arrival location, flight time, and a radius of a predetermined distance from the center point of the departure location, the current location, and the arrival location. It may include any one of current weather information in an area having .

상기 비행 정보 중 상기 위치 정보를 이용하여 현재 무인 비행체의 현재 비행 상태가 출발 전인지 비행 중인지 판단하며, 상기 위치 정보 중 상기 현재 위치가 상기 출발 위치와 동일한 경우 출발 전으로 판단하고, 동일하지 않은 경우 비행 중으로 판단할 수 있다.Using the location information among the flight information, it is determined whether the current flight state of the unmanned aerial vehicle is before departure or in flight, and if the current location among the location information is the same as the departure location, it is determined as before departure, and if not the same It can be judged in flight.

상기 가변 비행 불가 영역 처리 모듈은, 상기 현재 기상 상태와 상기 학습 데이터를 통해 상기 가변 비행 불가 영역을 예측하여 형성되는 예측 가변 비행 불가 영역을 획득하고, 상기 현재 기상 상태만을 이용하여 현재 가변 비행 불가 영역을 생성하며, 상기 가변 비행 불가 영역 정보는 비행 불가 영역, 비행 불가 시간 및 비행 불가 조건 중 적어도 하나를 포함할 수 있다.The variable non-flyable area processing module obtains a predicted variable non-flyable area formed by predicting the variable non-flyable area through the current weather condition and the learning data, and uses only the current weather condition to obtain the current variable non-flyable area. and the information on the variable non-flyable area may include at least one of a non-flyable area, a non-flyable time, and a non-flyable condition.

상기 최적 비행 경로는 상기 출발 위치에서 상기 도착 위치까지 기 설정된 복수의 3차원 그리드를 생성하며, 상기 최적 비행 경로 제공 모듈은, 상기 출발 위치에서 상기 현재 위치까지 이동하기 위해 발생한 비용과 상기 현재 위치에서 상기 도착 위치까지 이동하는데 발생할 비용을 합한 전체 비용이 최소화되는 비행 경로이며 건물 등과 같이 비행이 불가능한 고정된 장애물이 존재하는 고정 비행 불가 영역을 반영할 수 있다.The optimal flight path generates a plurality of preset 3D grids from the departure location to the arrival location, and the optimal flight path providing module determines the cost incurred to move from the departure location to the current location and the current location. It is a flight path that minimizes the total cost of moving to the arrival location, and may reflect a fixed non-flyable area where there are fixed obstacles such as buildings and the like.

상기 최적 비행 경로 제공 모듈은, 상기 최적 비행 경로를 생성하기 위해 상기 가변 비행 불가 영역을 적용하여 실시간으로 상기 가변 비행 불가 영역을 제외하여 생성할 수 있다.The optimal flight path providing module may apply the variable flight impossible area to generate the optimal flight path by excluding the variable flight impossible area in real time.

본 발명의 일 측면에 따르면, 무인 비행체 및 사용자 단말기와 유선 또는 무선 통신을 이용하여 연결하고, 실시간 비행 정보를 생성하여 상기 무인 비행체 및 상기 사용자 단말기에 최적 비행 경로를 제공하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법이 제공된다. 상기 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법은 비행 정보 학습부를 이용하여 상기 무인 비행체의 운항 기록을 수집하고 처리하여 처리 결과를 학습하며, 학습 데이터를 처리하여 장애 패턴을 분석하는 단계; 및 실시간 비행 경로 추천부를 이용하여 상기 장애 패턴을 분석하는 단계로부터 정보를 전달 받고, 전달 받은 정보와 상기 무인 비행체의 현재 상태 정보를 이용하여 상기 무인 비행체의 실시간 비행 경로를 추천하는 단계;를 포함한다.According to one aspect of the present invention, an unmanned aerial vehicle and a user terminal are connected using wired or wireless communication, and real-time flight information is generated to provide an optimal flight path to the unmanned aerial vehicle and the user terminal. A method for recommending a 3D flight path of an aircraft is provided. The method of recommending a 3D flight path of an unmanned aerial vehicle using the flight information learning includes collecting and processing operation records of the unmanned aerial vehicle using a flight information learning unit to learn processing results, and processing the learning data to analyze a failure pattern. ; and receiving information from the step of analyzing the failure pattern using a real-time flight path recommendation unit, and recommending a real-time flight path of the unmanned aerial vehicle using the received information and current state information of the unmanned aerial vehicle. .

상기 장애 패턴을 분석하는 단계는, 운항 경로, 운항 속도, 운항 시 기상 정보 및 운항 일정 정보 중 적어도 하나를 포함하는 상기 무인 비행체의 상기 운항 기록을 수집하는 단계; 수집한 상기 무인 비행체의 상기 운항 기록을 처리하여 정상 데이터를 획득하고, 획득한 상기 정상 데이터 사이의 연관성을 파악하는 단계; 및 상기 정상 데이터와 상기 정상 데이터 연관성을 포함하는 상기 학습 데이터를 학습하고, 상기 학습 데이터를 이용하여 장애 패턴 분석 알고리즘을 생성하는 단계;를 포함할 수 있다.Analyzing the failure pattern may include collecting the flight record of the unmanned aerial vehicle including at least one of an flight route, flight speed, meteorological information during flight, and flight schedule information; obtaining normal data by processing the collected operation records of the unmanned aerial vehicle, and identifying a correlation between the acquired normal data; and learning the learning data including the correlation between the normal data and the normal data, and generating a failure pattern analysis algorithm using the learning data.

상기 정상 데이터 사이의 연관성을 파악하는 단계는, 상기 운항 기록 중 기 설정된 기준 속성에 해당하지 않는 불필요 속성을 제거한 순속성 데이터를 획득하고, 상기 순속성 데이터 중 기준 유효 범위를 벗어나는 이상 데이터를 제거하여 상기 정상 데이터를 획득하며, 획득한 상기 정상 데이터 사이의 연관성을 파악하며, 상기 정상 데이터 연관성은 사전 시각화 분석을 통해 연관성을 가지는 속성을 파악하여 연관성을 가지는 속성을 상기 정상 데이터 연관성으로 설정할 수 있다.The step of determining the correlation between the normal data may include obtaining instantaneous attribute data from which unnecessary attributes that do not correspond to the preset reference attributes are removed from the flight record, and removing abnormal data that is out of the standard effective range from the instantaneous attribute data The normal data may be acquired, a correlation between the acquired normal data may be determined, and the normal data correlation may be determined by identifying an attribute having a correlation through a pre-visualization analysis, and then setting the attribute having the correlation as the normal data correlation.

상기 무인 비행체의 실시간 비행 경로를 추천하는 단계는, 상기 장애 패턴을 분석하는 단계 및 상기 무인 비행체로부터 비행 정보를 획득하는 단계; 상기 학습 데이터 또는 현재 기상 상태를 이용하여 가변 비행 불가 영역을 획득하고, 상기 실시간 비행 경로 생성을 위해 상기 가변 비행 불가 영역에 대한 정보인 가변 비행 불가 영역 정보를 처리하여 획득하는 단계; 및 현재 비행 상태에 따라 현재 위치에서 도착 위치까지의 최적 비행 경로를 계산하여 제공하는 단계;를 포함할 수 있다.The recommending of the real-time flight path of the unmanned aerial vehicle may include analyzing the failure pattern and obtaining flight information from the unmanned aerial vehicle; obtaining a variable non-flight area using the learning data or current weather conditions, and processing and obtaining information on the variable non-flight area, which is information on the variable non-flight area, to generate the real-time flight path; and calculating and providing an optimal flight path from the current location to the arrival location according to the current flight conditions.

상기 비행 정보 중 상기 위치 정보를 이용하여 현재 무인 비행체의 현재 비행 상태가 출발 전인지 비행 중인지 판단하며, 상기 위치 정보 중 상기 재 위치가 상기 출발 위치와 동일한 경우 출발 전으로 판단하고, 동일하지 않은 경우 비행 중으로 판단할 수 있다.Using the location information among the flight information, it is determined whether the current flight state of the unmanned aerial vehicle is before departure or in flight. It can be judged in flight.

상기 가변 비행 불가 영역 정보를 처리하여 획득하는 단계는, 상기 현재 기상 상태와 상기 학습 데이터를 통해 상기 가변 비행 불가 영역을 예측하여 형성되는 예측 가변 비행 불가 영역을 획득하고, 상기 현재 기상 상태만을 이용하여 현재 가변 비행 불가 영역을 생성하며, 상기 가변 비행 불가 영역 정보는 비행 불가 영역, 비행 불가 시간 및 비행 불가 조건 중 적어도 하나를 포함할 수 있다.The step of processing and obtaining information on the variable non-flyable area may include obtaining a predicted variable non-flyable area formed by predicting the variable non-flyable area through the current weather condition and the learning data, and using only the current weather condition A current variable non-flight area is generated, and the information on the variable non-flight area may include at least one of a non-flight area, a non-flight time, and a non-flight condition.

상기 최적 비행 경로는 상기 출발 위치에서 상기 도착 위치까지 기 설정된 복수의 3차원 그리드를 생성하며, 상기 최적 비행 경로를 계산하여 제공하는 단계는, 상기 출발 위치에서 상기 현재 위치까지 이동하기 위해 발생한 비용과 상기 현재 위치에서 상기 도착 위치까지 이동하는데 발생할 비용을 합한 전체 비용이 최소화되는 비행 경로이며 건물 등과 같이 비행이 불가능한 고정된 장애물이 존재하는 고정 비행 불가 영역을 반영할 수 있다.The optimal flight path generates a plurality of preset 3D grids from the departure location to the arrival location, and the step of calculating and providing the optimal flight path includes costs incurred in moving from the departure location to the current location and It is a flight path that minimizes the total cost of moving from the current location to the arrival location, and may reflect a fixed non-flyable area where a fixed obstacle such as a building or the like exists.

상기 최적 비행 경로를 계산하여 제공하는 단계는, 상기 최적 비행 경로를 생성하기 위해 상기 가변 비행 불가 영역을 적용하여 실시간으로 상기 가변 비행 불가 영역을 제외하여 생성할 수 있다.The calculating and providing of the optimal flight path may include excluding the variable non-flying area in real time by applying the variable non-flying area to generate the optimal flight path.

본 발명의 일 실시예에 따른 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템 및 방법은 비행 장애 요인에 대응하는 실시간 3차원 비행 경로를 생성하여 추천하기 때문에 혼합 현실을 이용한 무인 비행체의 관제를 수행할 수 있는 효과가 있다.Since the system and method for recommending a 3D flight path of an unmanned aerial vehicle using flight information learning according to an embodiment of the present invention generates and recommends a real-time 3D flight path corresponding to a flight obstacle, control of the unmanned aerial vehicle using mixed reality. There is an effect that can be performed.

도 1은 본 발명의 실시예에 따른 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템의 블록도이다.
도 2는 도 1의 비행 정보 학습부를 나타낸 블록도이다.
도 3은 도 1의 실시간 비행 경로 추천부를 나타낸 블록도이다.
도 4는 본 발명의 일 실시예에 따른 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법을 나타낸 순서도이다.
도 5는 도 4의 단계 S11을 보다 상세히 나타낸 순서도이다.
도 6은 도 4의 단계 S13을 보다 상세히 나타낸 순서도이다.
도 7은 본 발명의 일 실시예에 따른 최적 비행 경로를 획득하기 위한 기 설정된 알고리즘의 일 예를 나타낸 순서도이다.
도 8은 본 발명을 수행하기 위한 가시 거리 상태 점검의 하나의 예시도이다.1 is a block diagram of a 3D flight path recommendation system for an unmanned aerial vehicle using flight information learning according to an embodiment of the present invention.
FIG. 2 is a block diagram illustrating the flight information learning unit of FIG. 1 .
FIG. 3 is a block diagram illustrating a real-time flight path recommendation unit of FIG. 1 .
4 is a flowchart illustrating a method for recommending a 3D flight path of an unmanned aerial vehicle using flight information learning according to an embodiment of the present invention.
FIG. 5 is a flowchart illustrating step S11 of FIG. 4 in more detail.
6 is a flowchart illustrating step S13 of FIG. 4 in more detail.
7 is a flowchart illustrating an example of a preset algorithm for obtaining an optimal flight path according to an embodiment of the present invention.
8 is an exemplary view of a line of sight condition check for carrying out the present invention.

이하, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조부호를 붙였다.Hereinafter, with reference to the accompanying drawings, embodiments of the present invention will be described in detail so that those skilled in the art can easily carry out the present invention. This invention may be embodied in many different forms and is not limited to the embodiments set forth herein. In order to clearly describe the present invention in the drawings, parts irrelevant to the description are omitted, and the same reference numerals are assigned to the same or similar components throughout the specification.

도 1은 본 발명의 실시예에 따른 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템의 블록도이고, 도 2는 도 1의 비행 정보 학습부를 나타낸 블록도이며, 도 3은 도 1의 실시간 비행 경로 추천부를 나타낸 블록도이다.1 is a block diagram of a 3D flight path recommendation system for an unmanned aerial vehicle using flight information learning according to an embodiment of the present invention, FIG. 2 is a block diagram showing the flight information learning unit of FIG. 1, and FIG. It is a block diagram showing a real-time flight path recommendation unit.

이하에서는 도 1 내지 도 3을 이용하여 본 발명의 일 실시예에 따른 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템에 대해 상세히 설명하도록 한다. 또, 설명의 편의상 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템을 3차원 비행 경로 추천 시스템으로 작성하도록 한다.Hereinafter, a 3D flight path recommendation system for an unmanned aerial vehicle using flight information learning according to an embodiment of the present invention will be described in detail with reference to FIGS. 1 to 3 . In addition, for convenience of description, a 3D flight path recommendation system for an unmanned aerial vehicle using flight information learning is created as a 3D flight path recommendation system.

도 1을 참고하면 본 발명의 일 실시예에 따른 3차원 비행 경로 추천 시스템(1)은 무인 비행체(3) 및 사용자 단말기(5)와 유선 또는 무선 통신을 이용하여 연결된다. 3차원 비행 경로 추천 시스템(1)은 실시간 비행 정보를 생성하여 최적 비행 경로를 생성하고, 생성한 최적 비행 경로를 무인 비행체(3) 및 사용자 단말기(5)에 제공하도록 형성된다. 이를 통해 본 발명의 3차원 비행 경로 추천 시스템(1)은 사용자가 사용자 단말기(5)를 통해 혼합 현실에서 무인 비행체(3)를 제어할 수 있도록 할 수 있다. 또, 본 발명의 3차원 비행 경로 추천 시스템(1)은 최적 비행 경로를 이용하여 무인 비행체(3)가 안전하고 가장 빠른 경로로 도착 위치까지 이동할 수 있도록 할 수 있다.Referring to FIG. 1 , a 3D flight route recommendation system 1 according to an embodiment of the present invention is connected to an unmanned aerial vehicle 3 and a user terminal 5 using wired or wireless communication. The 3D flight path recommendation system 1 generates real-time flight information to create an optimal flight path, and provides the generated optimal flight path to the unmanned aerial vehicle 3 and the user terminal 5. Through this, the 3D flight route recommendation system 1 of the present invention can allow the user to control the unmanned aerial vehicle 3 in mixed reality through the user terminal 5 . In addition, the 3D flight path recommendation system 1 of the present invention can enable the unmanned aerial vehicle 3 to move to the destination in the safest and fastest path by using the optimal flight path.

본 발명의 3차원 비행 경로 추천 시스템(1)은 비행 정보 학습부(11) 및 실시간 비행 경로 추천부(13)를 포함하여 형성될 수 있다. 비행 정보 학습부(11)는 무인 비행체(3)의 운항 기록을 수집하고 처리하여 처리 결과를 학습하며, 학습 데이터를 처리하여 장애 패턴을 분석하도록 형성된다. 비행 정보 학습부(11)는 무인 비행체(3) 운항 기록을 학습하여 비행 경로 생성의 기초 정보로 사용하기 위해 복수의 무인 비행체(3)에 대한 운항 기록을 학습할 수 있다.The 3D flight path recommendation system 1 of the present invention may include a flight information learning unit 11 and a real-time flight path recommendation unit 13. The flight information learning unit 11 is formed to collect and process flight records of the unmanned aerial vehicle 3 to learn processing results, and analyze failure patterns by processing learning data. The flight information learning unit 11 may learn flight records of a plurality of unmanned aerial vehicles 3 in order to learn the flight records of the unmanned aerial vehicles 3 and use them as basic information for creating a flight path.

이를 위해 본 발명의 비행 정보 학습부(11)는 도 2에 도시된 바와 같이 무인 비행체 운항 기록 수집 모듈(111), 운항 기록 처리 모듈(113) 및 학습 데이터 처리 모듈(115)을 포함할 수 있다.To this end, the flight information learning unit 11 of the present invention may include an unmanned aerial vehicle operation record collection module 111, a flight record processing module 113, and a learning data processing module 115, as shown in FIG. .

무인 비행체 운항 기록 수집 모듈(111)은 무인 비행체의 운항 기록을 수집하기 위해 형성된다. 무인 비행체 운항 기록 수집 모듈(111)은 복수의 무인 비행체(3)의 운항 기록을 학습을 위해 수집할 수 있다. 여기서 운항 기록은 운항 경로, 운항 속도, 운항 시 기상 정보 및 운항 일정 정보 중 적어도 하나를 포함한다. 운항 경로는 무인 비행체(3)의 출발 위치에서 도착 위치까지의 이동 경로를 의미하며, 운항 속도는 운항 경로에서 무인 비행체(3)의 위치 별 이동 속도를 의미할 수 있다. 또, 운항 시 기상 정보의 경우 무인 비행체(3)의 운항 경로에서 위치 별 온도, 습도, 풍속, 풍향 등을 포함할 수 있으며, 운항 일정 정보는 무인 비행체(3)가 운항 경로를 운항한 날짜 및 일시를 의미할 수 있다.The unmanned aerial vehicle operation record collection module 111 is formed to collect the operation record of the unmanned aerial vehicle. The unmanned aerial vehicle operation record collection module 111 may collect the operation records of the plurality of unmanned aerial vehicles 3 for learning. Here, the flight record includes at least one of flight route, flight speed, meteorological information during flight, and flight schedule information. The navigation route means a movement path from the departure location of the unmanned aerial vehicle 3 to the arrival location, and the navigation speed may mean the movement speed of the unmanned aerial vehicle 3 for each position in the navigation route. In addition, in the case of weather information during operation, temperature, humidity, wind speed, wind direction, etc. for each location in the flight path of the unmanned aerial vehicle (3) may be included, and the operation schedule information may include the date and time when the unmanned aerial vehicle (3) operated the flight route and can mean time.

운항 기록 처리 모듈(113)은 수집한 무인 비행체의 운항 기록을 처리하여 정상 데이터를 획득하며, 획득한 정상 데이터 사이의 연관성을 파악할 수 있다. 운항 기록 처리 모듈(113)은 운항 기록에 포함되는 다양한 데이터 중 학습의 효율을 위해 정상 데이터를 획득할 수 있다. 정상 데이터는 운항 기록 중 기 설정된 기준 속성에 해당하지 않는 불필요한 속성을 제거한 순속성 데이터를 의미한다. 운항 기록에 포함되는 다양한 데이터에는 학습에 필요한 정보와 관련된 속성만이 아닌 다양한 속성이 포함될 수 있으며, 이러한 속성들은 학습의 효율을 감소시키는 상황을 발생시킬 수 있다. 따라서, 운항 기록 처리 모듈(113)은 학습에 필요한 필수 속성들인 기 설정된 기준 속성에 해당하지 않는 불필요 속성을 운항 기록에서 제거하여 순속성 데이터를 획득할 수 있다.The flight record processing module 113 processes the collected flight records of the unmanned aerial vehicle to obtain normal data, and may determine a correlation between the obtained normal data. The flight record processing module 113 may obtain normal data for learning efficiency among various data included in the flight record. Normal data refers to raw attribute data from which unnecessary attributes that do not correspond to preset reference attributes are removed from flight records. Various data included in flight records may include various attributes other than attributes related to information necessary for learning, and these attributes may cause a situation in which learning efficiency is reduced. Accordingly, the flight record processing module 113 may obtain instantaneous attribute data by removing unnecessary attributes that do not correspond to preset reference attributes, which are essential attributes required for learning, from the flight record.

운항 기록 처리 모듈(113)은 순속성 데이터를 획득하면, 획득한 순속성 데이터 중 기준 유효 범위를 벗어나는 데이터를 제거하여 정상 데이터들만을 회득할 수 있다. 다양한 장치 등을 이용하여 데이터를 획득하는 경우, 장치의 일시적 오류나 무선 통신망의 지연 시간 등의 다양한 이유로 오류값이 측정되는 경우가 발생할 수 있다. 이러한 오류값은 데이터 학습 결과의 정확도를 감소시키는 문제점을 유발할 수 있기 때문에, 본 발명의 운항 기록 처리 모듈(113)은 기준 유효 범위를 획득하고, 기준 유효 범위를 벗어나는 데이터를 제거하여 정상 데이터를 획득할 수 있다.When the flight record processing module 113 acquires the instantaneous attribute data, it may obtain only normal data by removing data outside the standard effective range from among the acquired instantaneous attribute data. When data is acquired using various devices, error values may be measured for various reasons, such as a temporary error of a device or a delay time of a wireless communication network. Since such an error value may cause a problem of reducing the accuracy of the data learning result, the flight record processing module 113 of the present invention obtains the standard validity range and removes data outside the standard validity range to obtain normal data. can do.

또, 운항 기록 처리 모듈(113)은 획득한 정상 데이터 사이의 연관성을 파악할 수 있다. 정상 데이터 사이의 연관성은 사전 시각화 분석을 통해 속성들을 비교하고, 서로 연관성을 가지는 속성들을 정상 데이터 사이의 연관성으로 설정할 수 있다. In addition, the flight record processing module 113 may determine a correlation between acquired normal data. Correlation between normal data may be determined by comparing properties through preliminary visualization analysis, and setting properties having correlation with each other as correlation between normal data.

학습 데이터 처리 모듈(115)은 정상 데이터와 정상 데이터 연관성을 포함하는 학습 데이터를 학습하고, 학습 데이터를 이용하여 장애 패턴 분석 알고리즘을 생성한다. 정상 데이터와 정상 데이터 연관성은 운항 기록에서부터 획득된다. 따라서, 해당 데이터를 누적 학습하는 경우, 특정 상황에서 운항 기록이 특정 경로로 이루어진다는 것을 획득할 수도 있으며, 특정 기상 데이터를 가지는 경우 특정 지역에서의 특정 기후를 예측할 수도 있다. 이러한 예측 알고리즘은 장애 패턴 분석 알고리즘으로 표현될 수 있으며, 상술한 바와 같이 복수의 학습 데이터를 이용하여 획득될 수 있다.The learning data processing module 115 learns learning data including normal data and normal data correlation, and generates a failure pattern analysis algorithm using the learning data. Normal data and normal data correlations are obtained from flight records. Accordingly, in the case of accumulative learning of corresponding data, it may be obtained that a flight record is made on a specific route under a specific situation, and a specific climate in a specific region may be predicted in the case of having specific weather data. This predictive algorithm may be expressed as a failure pattern analysis algorithm, and may be obtained using a plurality of learning data as described above.

한편, 도 1의 실시간 비행 경로 추천부(13)는 비행 정보 학습부(11)로부터 정보를 전달받고, 전달받은 정보와 무인 비행체(3)의 현재 상태 정보를 이용하여 무인 비행체(3)의 실시간 비행 경로를 추천하도록 형성된다. 실시간 비행 경로 추천부(13)가 비행 정보 학습부(11)로부터 전달받는 정보는 일 예로 실시간 비행 경로를 생성하기 위한 보조 정보로서, 학습 데이터를 포함할 수 있다.Meanwhile, the real-time flight route recommendation unit 13 of FIG. 1 receives information from the flight information learning unit 11, and uses the received information and the current state information of the unmanned aerial vehicle 3 in real time. configured to recommend a flight route. The information that the real-time flight path recommendation unit 13 receives from the flight information learning unit 11 is, for example, auxiliary information for generating a real-time flight path, and may include training data.

이를 위해 실시간 비행 경로 추천부(13)는 도 3에 도시된 바와 같이 비행 정보 획득 모듈(131), 가변 비행 불가 영역 처리 모듈(133) 및 최적 비행 경로 제공 모듈(135)을 포함할 수 있다.To this end, the real-time flight path recommendation unit 13 may include a flight information acquisition module 131, a variable flight impossible area processing module 133, and an optimal flight path providing module 135, as shown in FIG.

비행 정보 획득 모듈(131)은 비행 정보 학습부(11) 및 무인 비행체(3)로부터 비행 정보를 획득한다. 비행 정보는 비행 정보 학습부(11)에서 획득되는 학습 데이터를 포함한다. 또 비행 정보는 무인 비행체(3)로부터 무인 비행체(3)의 출발 위치, 현재 위치 및 도착 위치를 포함하는 위치 정보와, 비행 시각 정보, 출발 위치와 현재 위치 및 도착 위치의 중심정으로부터 기 설정된 거리의 반경을 가지는 영역 내의 현재 기상 정보를 포함할 수 있다.The flight information acquisition module 131 obtains flight information from the flight information learning unit 11 and the unmanned aerial vehicle 3 . The flight information includes learning data obtained from the flight information learning unit 11 . In addition, the flight information includes positional information including the starting position, current position, and arrival position of the unmanned aerial vehicle 3 from the unmanned aerial vehicle 3, flight time information, and a predetermined distance from the center point of the starting position, current position, and arrival position. It may include current weather information within an area having a radius of .

또, 비행 정보 획득 모듈(131)은 획득한 비행 정보를 이용하여 현재 무인 비행체(3)의 비행 상태를 판단할 수도 있다. 비행 정보 획득 모듈(131)은 무인 비행체(3)의 비행 상태를 판단하기 위해 위치 정보를 이용할 수 있으며, 위치 정보 중 현재 위치가 출발 위치와 동일한 경우 무인 비행체(3)가 아직 비행 중이지 않은 출발 전 상태인 것으로 판단하고, 동일하지 않은 경우 비행 상태로 판단할 수 있다.In addition, the flight information acquisition module 131 may determine the current flight state of the unmanned aerial vehicle 3 by using the acquired flight information. The flight information acquisition module 131 may use the location information to determine the flight state of the unmanned aerial vehicle 3, and if the current location of the location information is the same as the departure location, the unmanned aerial vehicle 3 is not yet in flight. It is determined that it is in the previous state, and if it is not the same, it can be determined as the flight state.

가변 비행 불가 영역 처리 모듈(133)은 학습 데이터 또는 현재 기상 상태를 이용하여 가변 비행 불가 영역을 획득하고, 실시간 비행 경로 생성을 위해 가변 비행 불가 영역에 대한 정보인 가변 불가 영역 정보를 처리하여 획득할 수 있다. 비행 불가 영역은 가변 비행 불가 영역과 고정 비행 불가 영역으로 구분될 수 있다. 가변 비행 불가 영역은 일시적으로 비행이 불가능한 영역을 의미하며, 일 예로 폭우 또는 강풍 등의 악천후가 위치하는 영역일 수 있다. 고정 비행 불가 영역은 반영구적으로 비행이 불가능한 영역을 의미하며, 건물, 산, 나무 등 현재 물리적으로 비행이 불가능한 영역을 의미한다.The variable non-flyable area processing module 133 obtains a variable non-flyable area using learning data or current weather conditions, and processes and obtains information on the non-flyable area, which is information on the non-flyable area, to create a real-time flight path. can The non-flying area may be divided into a variable non-flying area and a fixed non-flying area. The variable non-flying area means an area in which flight is temporarily impossible, and may be, for example, an area in which bad weather such as heavy rain or strong wind is located. The fixed non-flying area refers to an area where flight is impossible semi-permanently, and refers to an area where flight is currently physically impossible, such as buildings, mountains, and trees.

고정 비행 불가 영역의 경우 최적 비행 경로를 계산하는 경우 최초 설정을 통해 비행 불가 영역을 미리 설정할 수 있지만, 가변 비행 불가 영역의 경우, 일시적으로 비행이 불가능한 영역이기 때문에 무인 비행체(3)가 비행하는 중에도 변화가 가능하다. 따라서, 가변 비행 불가 영역 처리 모듈(133)은 학습 데이터 또는 현재 기상 상태를 이용하여 가변 비행 불가 영역을 획득하며, 해당 영역의 정보인 가변 불가 영역 정보를 처리 및 획득할 수 있다.In the case of the fixed non-flyable area, the non-flyable area can be set in advance through the initial setting when calculating the optimal flight path. Change is possible. Therefore, the variable non-flying area processing module 133 may acquire the variable non-flying area by using the learning data or the current weather conditions, and may process and obtain information on the non-flying area, which is information of the corresponding area.

가변 비행 불가 영역 처리 모듈(133)은 현재 기상 상태와 학습 데이터를 모두 사용하는 경우 가변 비행 불가 영역을 예측하여 형성되는 예측 가변 비행 불가 영역을 획득할 수 있다. 또, 현재 기상 상태만을 사용하는 경우 현재 가변 비행 불가 영역을 획득할 수 있다.The variable non-flying area processing module 133 may obtain a predicted variable non-flying area formed by predicting the variable non-flying area when both the current weather conditions and the learning data are used. In addition, in the case of using only the current meteorological conditions, the current variable non-flying area may be obtained.

예측 가변 비행 불가 영역은 학습 데이터를 이용하여 현재 기상 상태에서 추후 생성될 수 있는 가변 비행 불가 영역이며, 현재 가변 비행 불가 영역은 현재 생성된 가변 비행 불가 영역으로 표현될 수 있다.The predictable variable non-flyable area is a variable non-flyable area that can be created later in the current meteorological condition using learning data, and the current variable non-flyable area can be expressed as a currently created variable non-flyable area.

또, 가변 비행 불가 영역 정보는 비행 불가 영역, 비행 불가 시간 및 비행 불가 조건 중 적어도 하나를 포함할 수 있다. 비행 불가 영역은, 비행이 불가한 물리적 영역을 의미하며, 비행 불가 시간은 해당 영역을 비행할 수 없는 시간을 의미한다. 또 비행 불가 조건은 해당 영역을 비행할 수 없는 무인 비행체(3)에 대한 조건일 수 있다. 일 예로, 특정 영역의 풍속이 5m/s인 경우 매우 가벼운 무인 비행체(3)는 해당 영역을 비행할 수 없을 수도 있지만, 같은 영역을 10kg 이상의 무거운 무인 비행체(3)는 비행이 가능할 수도 있다.Also, the variable non-flight area information may include at least one of a non-flight area, a non-flight time, and a non-flight condition. The non-flyable area refers to a physical area in which flight is impossible, and the non-flyable time refers to a time in which flight is not possible in the corresponding area. In addition, the non-flying condition may be a condition for the unmanned aerial vehicle 3 that cannot fly in the corresponding area. For example, when the wind speed in a specific area is 5 m/s, a very light unmanned aerial vehicle 3 may not be able to fly in that area, but a heavy unmanned aerial vehicle 3 weighing 10 kg or more may be able to fly in the same area.

가변 비행 불가 영역 처리 모듈(133)에서는 이러한 조건들을 모두 이용하여 후술되는 최적 비행 경로 제공 모듈(135)에서 최적 비행 경로를 제공하는데 사용할 수 있도록 가변 비행 불가 영역 정보를 생성할 수 있다.The variable non-flight area processing module 133 uses all of these conditions to generate variable non-flight area information so that it can be used to provide an optimal flight path in the optimum flight path providing module 135 described later.

최적 비행 경로 제공 모듈(135)은 현재 비행 상태에 따라 현재 위치에서 도착 위치까지의 최적 비행 경로를 계산하여 제공할 수 있다. 최적 비행 경로는 무인 비행체(3)의 출발 위치에서 도착 위치까지의 영역을 기 설정된 3차원 그리드인 기준 3차원 그리드를 복수개 이용하여 생성되는 영역에서 그리드와 그리드 사이를 연결하는 방식으로 형성될 수 있다. 또 최적 비행 경로는 출발 위치에서 현재 위치까지 이동하기 위해 발생한 비용과 현재 위치에서 도착 위치까지 이동하는데 발생할 비용을 합한 전체 비용이 최소화되는 비행 경로를 의미한다.The optimal flight path providing module 135 may calculate and provide an optimal flight path from the current location to the arrival location according to the current flight conditions. The optimal flight path may be formed by connecting grids to grids in an area generated by using a plurality of reference 3D grids, which are preset 3D grids, in the area from the departure location of the unmanned aerial vehicle 3 to the arrival location. . In addition, the optimal flight path means a flight path that minimizes the total cost, which is the sum of the cost incurred to travel from the departure location to the current location and the cost incurred to travel from the current location to the destination location.

여기서 최적 비행 경로 제공 모듈(135)은 그리드와 그리드 사이를 연결하는 과정에서 먼저 고정 비행 불가 영역의 그리드를 제외할 수 있다. 최적 비행 경로 제공 모듈(135)은 가변 비행 불가 영역을 적용하여 실시간으로 가변 비행 불가 영역을 그리드 상에 설정할 수 있다. 가변 비행 불가 영역이 그리드 상에 설정되면, 최적 비행 경로 제공 모듈(135)은 기 설정된 알고리즘을 이용하여 최적 비행 경로를 생성하고 제공할 수 있다.Here, the optimal flight path providing module 135 may first exclude the grid of the fixed flight impossible area in the process of connecting the grids. The optimal flight path providing module 135 may apply the variable non-flying area and set the variable non-flying area on the grid in real time. When the variable non-flying area is set on the grid, the optimal flight path providing module 135 may generate and provide an optimal flight path using a preset algorithm.

최적 비행 경로 제공 모듈(135)은 최적 비행 경로를, 최초 추천 비행 경로와 실시간 추천 비행 경로로 구분하여 생성할 수도 있다. 최초 추천 비행 경로는 무인 비행체(3)가 비행을 시작하기 전 상태에서 무인 비행체(3) 및 사용자 단말기(5)로 제공되도록 형성된다. 최초 추천 비행 경로는 가변 비행 불가 영역이 변경되지 않는 경우, 무인 비행체(3)가 출발 위치에서 도착 위치까지 비행할 수 있는 최적의 비행 경로를 의미한다. 최초 추천 비행 경로는 무인 비행체(3)와 사용자 단말기(5)로 전달되어, 무인 비행체(3)가 자동 비행 모드인 경우 최초 추천 비행 경로를 따라 비행하도록 할 수 있으며, 사용자 단말기(5)를 통해 사용자가 추천 비행 경로를 확인하며 무인 비행체(3)를 조종하도록 할 수도 있다.The optimal flight path providing module 135 may generate an optimal flight path by dividing it into an initial recommended flight path and a real-time recommended flight path. The first recommended flight path is formed to be provided to the unmanned aerial vehicle 3 and the user terminal 5 in a state before the unmanned aerial vehicle 3 starts flying. The initial recommended flight path means an optimal flight path through which the unmanned aerial vehicle 3 can fly from a departure location to an arrival location when the variable non-flyable area is not changed. The first recommended flight path is transmitted to the unmanned aerial vehicle 3 and the user terminal 5, so that the unmanned aerial vehicle 3 can fly along the first recommended flight path when the unmanned aerial vehicle 3 is in an automatic flight mode, and through the user terminal 5 It is also possible to allow the user to control the unmanned aerial vehicle 3 while checking the recommended flight path.

실시간 추천 비행 경로는 무인 비행체(3)가 비행 중인 상태에서 무인 비행체(3) 및 사용자 단말기(5)로 제공되도록 형성된다. 실시간 추천 비행 경로는 현재 무인 비행체(3)의 위치에 따라 도착 위치까지의 최적의 비행 경로를 의미한다. 실시간 추천 비행 경로는 무인 비행체(3)와 사용자 단말기(5)로 전달되어, 무인 비행체(3)가 자동 비행 모드인 경우 실시간 추천 비행 경로를 따라 비행하도록 할 수 있으며, 사용자 단말기(5)를 통해 사용자가 추천 비행 경로를 확인하며 무인 비행체(3)를 조종하도록 할 수도 있다.The real-time recommended flight path is formed to be provided to the unmanned aerial vehicle 3 and the user terminal 5 while the unmanned aerial vehicle 3 is in flight. The real-time recommended flight path means an optimal flight path to an arrival position according to the current location of the unmanned aerial vehicle 3 . The real-time recommended flight path is transmitted to the unmanned aerial vehicle 3 and the user terminal 5, so that the unmanned aerial vehicle 3 can fly along the real-time recommended flight path when it is in an automatic flight mode, and through the user terminal 5 It is also possible to allow the user to control the unmanned aerial vehicle 3 while checking the recommended flight path.

한편 최적 비행 경로 제공 모듈(135)은 무인 비행체(3)의 정보를 획득하고, 최적 비행 경로를 제공할 무인 비행체(3)에 대응하는 가변 비행 불가 영역을 이용하여 적응형 최적 비행 경로를 생성할 수도 있다.Meanwhile, the optimal flight path providing module 135 acquires information of the unmanned aerial vehicle 3 and generates an adaptive optimal flight path using a variable non-flyable area corresponding to the unmanned aerial vehicle 3 to provide the optimal flight path. may be

상술한 바와 같이 가변 비행 불가 영역 정보는 비행 불가 영역, 비행 불가 시간 및 비행 불가 조건 중 적어도 하나를 포함한다. 여기서 비행 불가 조건을 만족하지 않는 무인 비행체(3)의 경우에는 해당 가변 비행 불가 영역을 통과할 수 있다. 따라서, 최적 비행 경로 제공 모듈(135)은 무인 비행체(3)의 정보와 가변 비행 불가 영역 정보를 비교하여 무인 비행체(3)에 따라 비행이 가능한 가변 비행 불가 영역을 삭제한 최적 비행 경로인 적응형 최적 비행 경로를 생성하여 사용자 단말기(5) 및 무인 비행체(3)에 제공할 수도 있다.As described above, the variable non-flying area information includes at least one of a non-flying area, a non-flying time, and a non-flying condition. Here, in the case of the unmanned air vehicle 3 that does not satisfy the non-flying condition, it may pass through the corresponding variable non-flying area. Therefore, the optimal flight path providing module 135 compares the information of the unmanned aerial vehicle 3 with the information of the variable non-flyable area and deletes the variable non-flyable area in which flight is possible according to the unmanned aerial vehicle 3, which is an adaptive optimal flight path. An optimal flight path may be generated and provided to the user terminal 5 and the unmanned aerial vehicle 3 .

한편, 최적 비행 경로 제공 모듈(135)은 사용자 단말기(5)에 적응형 최적 비행 경로를 생성하는 경우 삭제한 가변 비행 불가 영역을 통과하는 적응형 최적 비행 경로가 생성되는 경우, 해당 통과 경로에 위험도를 부여할 수도 있다. 위험도는 무인 비행체(3)가 해당 경로를 통과하는 경우 무인 비행체(3)에 가해질 수 있는 손상의 정도를 의미할 수 있으며, 이를 통해 사용자가 해당 경로를 선택할수 있는 정보를 더 제공할 수 있다.On the other hand, when the optimal flight path providing module 135 generates an adaptive optimal flight path in the user terminal 5, when an adaptive optimal flight path passing through the deleted variable non-flyable area is generated, the risk level of the passage path is also generated. can also be given. The degree of risk may mean the degree of damage that may be applied to the unmanned aerial vehicle 3 when the unmanned aerial vehicle 3 passes through the corresponding path, and through this, it is possible to further provide information for the user to select the corresponding path.

한편, 최적 비행 경로 제공 모듈(135)은 상술한 바와 같이 기 설정된 알고리즘을 이용하는 경우 최적 비행 경로는 복수의 3차원 그리드를 이동하는 비용을 이용하여 생성되며, 하기 수학식 1로 표현된다.Meanwhile, when the optimal flight path providing module 135 uses a predetermined algorithm as described above, the optimal flight path is generated using the cost of moving a plurality of 3D grids, and is expressed by Equation 1 below.

최적 비행 경로는 f(n)을 최소화하는 h(n)의 노드들의 인덱스를 통해 생성된다. 복수개의 그리드(노드)는 각각 특정 구분 인덱스를 가지게 되며, 해당 인덱스들의 연결은 비행 경로로 표현될 수 있다. 따라서, f(n)을 최소화하는 비행 경로의 경우 이동 비용이 최소화되기 때문에 최적 비행 경로로 선정될 수 있다.최적 비행 경로 제공 모듈(135)에서 최적 비행 경로를 선정하기 위해 사용되는 기 설정된 알고리즘은 비행 불가 영역을 감지 및 대응할 수 있는 알고리즘이며, 도 7의 순서도가 그 예시이다.The optimal flight path is generated through the index of nodes in h(n) that minimize f(n). A plurality of grids (nodes) each have a specific division index, and the connection of the indexes can be expressed as a flight path. Therefore, a flight path that minimizes f(n) can be selected as an optimal flight path because the travel cost is minimized. It is an algorithm capable of detecting and responding to a non-flying area, and the flowchart of FIG. 7 is an example thereof.

도 7을 살펴보면, 기 설정된 알고리즘은 최초 시작 그리드 n을 설정하고 n을 공개 리스트에 삽입하는 단계부터 시작한다. 최초 시작 그리드를 공개 리스트에 삽입하면, 다음으로 최적 비행 경로 제공 모듈(135)은 비행 불가 영역을 감지하며, 여기서 비행 불가 영역은 상술한 바와 같이 고정 비행 불가 영역 및 가변 비행 불가 영역을 포함할 수 있다.Referring to FIG. 7 , the preset algorithm starts with setting an initial starting grid n and inserting n into the public list. If the first starting grid is inserted into the public list, next, the optimal flight path providing module 135 detects a non-flyable area, where the non-flyable area may include a fixed non-flyable area and a variable non-flyable area as described above. there is.

다음으로, 최적 비행 경로 제공 모듈(135)은 비행 불가 영역을 제외하고 비용 함수를 계산한다. 여기서 비용 함수는 상술한 수학식 1일 수 있다.Next, the optimal flight path providing module 135 calculates a cost function excluding the non-flyable area. Here, the cost function may be Equation 1 described above.

비용 함수를 계산하면, 최적 비행 경로 제공 모듈(135)은 가장 작은 비용함수를 가지는 그리드 n을 공개 리스트에서 삭제하고 폐쇄 리스트에 추가한다. 여기서, n이 사용자가 설정한 도착 그리드가 아닌 경우, 최적 비행 경로 제공 모듈(135)은 리스트에 포함되지 않은 n에 대한 모든 후속 그리드를 감지하고, 해당 후속 그리드들을 이용하여 비용 함수를 계산하는 것을 반복할 수 있다.Upon calculating the cost function, the optimal flight path providing module 135 removes the grid n having the smallest cost function from the public list and adds it to the closed list. Here, if n is not the arrival grid set by the user, the optimal flight route providing module 135 detects all subsequent grids for n that are not included in the list, and calculates a cost function using the corresponding subsequent grids. can be repeated

한편, n이 도착 그리드인 경우, 최적 비행 경로 제공 모듈(135)은 알고리즘을 종료하고 폐쇄 리스트의 인덱스를 추천 경로로 출력할 수 있다.Meanwhile, when n is the arrival grid, the optimal flight route providing module 135 may end the algorithm and output the index of the closed list as a recommended route.

간단히 설명하면, 본 발명의 최적 비행 경로 제공 모듈(135)은 임의의 시작 그리드를 설정하여 계산이 필요한 공개 리스트에 삽입하고, 비행 불가 영역을 제외한 후속 그리드에 대한 비용 함수를 계산한다. 계산 결과 가장 작은 비용 함수를 가지는 후속 그리드 경로를 공개 리스트에서 삭제하고, 폐쇄 리스트에 추가하여 결정된 부분 최적 비행 경로로 설정할 수 있다.Briefly, the optimal flight path providing module 135 of the present invention sets an arbitrary starting grid, inserts it into a public list requiring calculation, and calculates the cost function for the subsequent grid excluding the non-flyable area. As a result of the calculation, a subsequent grid path having the smallest cost function may be deleted from the public list and added to the closed list to set the determined partially optimal flight path.

이후 최적 비행 경로 제공 모듈(135)은 후속 그리드가 도착 그리드가 아닌 경우, 폐쇄 리스트에 포함되지 않은 모든 후속 그리드를 감지하고, 비용 함수 계산부터 다시 반복하게 된다. 또, 후속 그리드가 도착 그리드인 경우 알고리즘을 종료하고 폐쇄 리스트에 포함된 그리드들의 인덱스를 이용하여 최적 비행 경로를 제공할 수 있다.Then, when the next grid is not an arrival grid, the optimal flight path providing module 135 detects all subsequent grids not included in the closed list, and repeats again from the cost function calculation. In addition, when the next grid is the arrival grid, the algorithm may be terminated and an optimal flight path may be provided using indexes of grids included in the closed list.

한편, 상술한 알고리즘에 적용하기 위해 유한한 두 세그먼트의 교차점을 통해 최적 경로가 될 수 있는 모든 후보 경로들과, 장애물(비행 불가 영역)들의 경계 사이의 가시거리(Line-Of-Sight, LOS) 상태 점검을 고려해야 한다. 이는 무인 비행체(3)를 이용하여 조종하는 사용자 단말기(5)에 최소한의 시야를 확보하기 위함이다.Meanwhile, line-of-sight (LOS) between all candidate paths that can be optimal paths through the intersection of two finite segments and the boundaries of obstacles (non-flyable areas) to apply to the above-described algorithm A health check should be considered. This is to secure a minimum field of view for the user terminal 5 that is controlled using the unmanned aerial vehicle 3 .

가시 거리 상태 점검을 위한 하나의 예시가 도 8에 도시되고 있다. 도 8은 본 발명을 수행하기 위한 가시 거리 상태 점검의 하나의 예시도이다.One example for checking the line of sight condition is shown in FIG. 8 . 8 is an exemplary view of a line of sight condition check for carrying out the present invention.

먼저, 본 발명의 일 실시예에 따른 최적 비행 경로 생성 모듈(135)은 유한한 세그먼트 P1-P2 점의 (x,y) 좌표를 하기 수학식 2와 같이 정의한다.First, the optimal flight path generation module 135 according to an embodiment of the present invention defines the (x,y) coordinates of points of finite segments P1-P2 as shown in Equation 2 below.

상기 수학식 2를 이용하면, 점 P1 및 점 P2는 각각 λ=0, 1일 때 좌표가 정의될 수 있으며, 하기 수학식 3으로 표현될 수 있다.Using Equation 2, the coordinates of the points P1 and P2 may be defined when λ = 0 and 1, respectively, and may be expressed by Equation 3 below.

즉, 수학식 2 및 3을 정리하면,

의 범위를 갖는 임의의 λ는 P1과 P2를 연결하는 선분에 위치하게 된다.That is, arranging Equations 2 and 3,

Any λ with a range of is located on the line segment connecting P1 and P2.

위와 유사하게 또 다른 라그랑주 매개 변수로 정의될 수 있는 도 8의 꼭지점 P3-P4를 결합하여 형성되는 유한한 범위 내의 모서리 E2는 하기 수학식 4를 이용하여 정의될 수 있다.Similar to the above, the edge E2 within a finite range formed by combining the vertices P3-P4 of FIG. 8, which can be defined as another Lagrangian parameter, can be defined using Equation 4 below.

상기 수학식 4를 이용하면 점 P3 및 점 P4는 각각

일 때 좌표가 정의될 수 있으며,

의 범위를 갖는 임의의

는 P3와 P4를 연결하는 선분에 위치하게 된다. 한편, 도 8의 Z점은 두 선분(

)의 교차점이기 때문에 하기 수학식 5를 이용하여 그 좌표를 획득할 수 있다.Using Equation 4 above, the points P3 and P4 are respectively

Coordinates can be defined when

Anything with a range of

is located on the line segment connecting P3 and P4. On the other hand, the Z point in FIG. 8 is two line segments (

), the coordinates can be obtained using Equation 5 below.

수학식 5를 이용하여 획득된 Z점의 좌표는, 해당 지점이 통과 가능한 지점인지 혹은 비행 중 시야 방해가 이루어지지 않는 경로인지 판별이 요구된다. 따라서, 아래 수학식 6과 같은 재정렬 후 수학식 7의 유효성 검증 및 LOS 조건 충족 여부를 확인하여 해당 지점이 통과 가능한 지점인지, 시야 방해가 이루어지지 않는 경로인지를 판단할 수 있다.For the coordinates of the Z point obtained using Equation 5, it is required to determine whether the corresponding point is a passable point or a path that does not obstruct vision during flight. Therefore, after reordering as in Equation 6 below, it is possible to determine whether the corresponding point is a passable point or a path that does not obstruct the view by verifying the validity of Equation 7 and whether or not the LOS condition is satisfied.

한편, 수학식 7을 통해 획득되는 판단 결과는 2차원에서의 판단 결과이다. 본 발명은 무인 비행체의 비행 경로를 추천하여야 하기 때문에 해당 판단 결과를 3차원으로 확장시켜야 하며, 따라서 이를 위해 3차원에 관한 새로운 좌표인 z(고도)를 참조하여 새로운 수식을 산정하였다.Meanwhile, the determination result obtained through Equation 7 is a determination result in two dimensions. In the present invention, since the flight path of the unmanned aerial vehicle must be recommended, the corresponding judgment result must be extended to three dimensions. Therefore, a new formula was calculated with reference to z (altitude), which is a new coordinate in three dimensions.

기존의 2차원 수식은 일반적으로 하기 수학식 8로 알려져 있으며, 본 발명에서는 2차원 수식을 확장하여 하기 수학식 9로 표현되는 3차원 수식을 새롭게 구성하였다.The existing two-dimensional equation is generally known as Equation 8 below, and in the present invention, a three-dimensional equation represented by Equation 9 below is newly constructed by extending the two-dimensional equation.

이를 정리하면, 본 발명의 비행 경로 계산 방법은 종래의 A-star 알고리즘의 한계인 2차원을 극복하기 위해 새로운 변수 고도를 이용한 새로운 경로 추천 3D 알고리즘을 이용하였으며, 이를 통해 비행 불가 영역의 높이까지 경로 계산에 반영할 수 있는 효과를 가진다.In summary, the flight path calculation method of the present invention uses a new route recommendation 3D algorithm using a new variable altitude to overcome the two-dimensional limitation of the conventional A-star algorithm, and through this, the route up to the height of the non-flyable area It has an effect that can be reflected in the calculation.

한편, 본 발명의 일 실시예에 따른 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법이 도 4 내지 도 6에 도시되고 있다. 이하에서는 설명의 편의상 본 발명의 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법(이하 3차원 비행 경로 추천 방법이라 함)이 상술한 도 1 내지 도 3의 시스템을 이용하는 것으로 설명하지만, 이는 하나의 예시에 불과하며 본 방법은 다양한 장치, 시스템 및 단말기에서 구현 가능하다. 도 4는 본 발명의 일 실시예에 따른 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법을 나타낸 순서도이고, 도 5는 도 4의 단계 S11을 보다 상세히 나타낸 순서도이며, 도 6은 도 4의 단계 S13을 보다 상세히 나타낸 순서도이다.Meanwhile, a method for recommending a 3D flight path of an unmanned aerial vehicle using flight information learning according to an embodiment of the present invention is illustrated in FIGS. 4 to 6 . Hereinafter, for convenience of description, the method for recommending a 3D flight path of an unmanned aerial vehicle using flight information learning according to the present invention (hereinafter referred to as a method for recommending a 3D flight path) will be described as using the system of FIGS. 1 to 3 described above, but this This is just one example and this method can be implemented in various devices, systems and terminals. 4 is a flow chart showing a method for recommending a 3D flight path of an unmanned aerial vehicle using flight information learning according to an embodiment of the present invention, FIG. 5 is a flow chart showing step S11 of FIG. 4 in detail, and FIG. 6 is FIG. It is a flowchart showing step S13 of in more detail.

3차원 비행 경로 추천 방법은 실시간 비행 정보를 생성하여 최적 비행 경로를 생성하고, 생성한 최적 비행 경로를 무인 비행체 및 사용자 단말기에 제공할 수 있다. 이를 통해 본 발명의 3차원 비행 경로 추천 방법은 사용자가 사용자 단말기를 통해 혼합 현실에서 무인 비행체를 제어할 수 있도록 할 수 있다. 또, 본 발명의 3차원 비행 경로 추천 방법은 최적 비행 경로를 이용하여 무인 비행체가 안전하고 가장 빠른 경로로 도착 위치까지 이동할 수 있도록 할 수 있다.The 3D flight path recommendation method may generate real-time flight information to generate an optimal flight path, and provide the generated optimal flight path to an unmanned aerial vehicle and a user terminal. Through this, the 3D flight route recommendation method of the present invention can allow a user to control an unmanned aerial vehicle in mixed reality through a user terminal. In addition, the 3D flight path recommendation method of the present invention can enable an unmanned aerial vehicle to move to a destination in a safe and fastest path by using an optimal flight path.

본 발명의 3차원 비행 경로 추천 방법은 비행 정보를 학습하는 단계(S11) 및 실시간 비행 경로를 추천하는 단계(S13)를 포함하여 형성될 수 있다. 비행 정보를 학습하는 단계(S11)는 비행 정보 학습부를 이용하여 무인 비행체의 운항 기록을 수집하고 처리하여 처리 결과를 학습하며, 학습 데이터를 처리하여 장애 패턴을 분석하도록 형성된다. 비행 정보를 학습하는 단계(S11)는 무인 비행체 운항 기록을 학습하여 비행 경로 생성의 기초 정보로 사용하기 위해 복수의 무인 비행체에 대한 운항 기록을 학습할 수 있다.The 3D flight path recommendation method of the present invention may include learning flight information (S11) and recommending a real-time flight path (S13). In the step of learning the flight information (S11), the operation records of the unmanned aerial vehicle are collected and processed using the flight information learning unit to learn the processing result, and the learning data is processed to analyze the failure pattern. In the step of learning flight information ( S11 ), flight records of a plurality of unmanned aerial vehicles may be learned in order to learn the unmanned aerial vehicle operation records and use them as basic information for generating a flight path.

이를 위해 본 발명의 비행 정보를 학습하는 단계(S11)는 도 5에 도시된 바와 같이 무인 비행체 운항 기록을 수집하는 단계(S111), 운항 기록을 처리하는 단계(S113) 및 학습 데이터를 처리하는 단계(S115)를 포함할 수 있다.To this end, the step of learning the flight information of the present invention (S11) is the step of collecting unmanned aerial vehicle flight records (S111), processing the flight records (S113), and processing the learning data as shown in FIG. (S115) may be included.

무인 비행체 운항 기록을 수집하는 단계(S111)는 무인 비행체의 운항 기록을 수집하기 위해 형성된다. 무인 비행체 운항 기록을 수집하는 단계(S111)는 복수의 무인 비행체의 운항 기록을 학습을 위해 수집할 수 있다. 여기서 운항 기록은 운항 경로, 운항 속도, 운항 시 기상 정보 및 운항 일정 정보 중 적어도 하나를 포함한다. 운항 경로는 무인 비행체의 출발 위치에서 도착 위치까지의 이동 경로를 의미하며, 운항 속도는 운항 경로에서 무인 비행체의 위치 별 이동 속도를 의미할 수 있다. 또, 운항 시 기상 정보의 경우 무인 비행체의 운항 경로에서 위치 별 온도, 습도, 풍속, 풍향 등을 포함할 수 있으며, 운항 일정 정보는 무인 비행체가 운항 경로를 운항한 날짜 및 일시를 의미할 수 있다.The step of collecting the unmanned aerial vehicle operation record (S111) is formed to collect the operation record of the unmanned aerial vehicle. In the step of collecting unmanned aerial vehicle operation records ( S111 ), operation records of a plurality of unmanned aerial vehicles may be collected for learning. Here, the flight record includes at least one of flight route, flight speed, meteorological information during flight, and flight schedule information. The navigation route means a movement path from the departure location of the unmanned aerial vehicle to the arrival location, and the navigation speed may mean the movement speed of each position of the unmanned aerial vehicle in the navigation route. In addition, in the case of weather information during operation, temperature, humidity, wind speed, wind direction, etc. for each location in the flight route of the UAV may be included, and flight schedule information may mean the date and time when the UAV navigated the flight route. .

운항 기록을 처리하는 단계(S113)는 수집한 무인 비행체의 운항 기록을 처리하여 정상 데이터를 획득하며, 획득한 정상 데이터 사이의 연관성을 파악할 수 있다. 운항 기록을 처리하는 단계(S113)는 운항 기록에 포함되는 다양한 데이터 중 학습의 효율을 위해 정상 데이터를 획득할 수 있다. 정상 데이터는 운항 기록 중 기 설정된 기준 속성에 해당하지 않는 불필요한 속성을 제거한 순속성 데이터를 의미한다. 운항 기록에 포함되는 다양한 데이터에는 학습에 필요한 정보와 관련된 속성만이 아닌 다양한 속성이 포함될 수 있으며, 이러한 속성들은 학습의 효율을 감소시키는 상황을 발생시킬 수 있다. 따라서, 운항 기록을 처리하는 단계(S113)는 학습에 필요한 필수 속성들인 기 설정된 기준 속성에 해당하지 않는 불필요 속성을 운항 기록에서 제거하여 순속성 데이터를 획득할 수 있다.In step S113 of processing flight records, normal data may be obtained by processing the collected flight records of the unmanned aerial vehicle, and a correlation between the obtained normal data may be identified. In the processing of the flight record (S113), normal data may be obtained for learning efficiency among various data included in the flight record. Normal data refers to raw attribute data from which unnecessary attributes that do not correspond to preset reference attributes are removed from flight records. Various data included in flight records may include various attributes other than attributes related to information necessary for learning, and these attributes may cause a situation in which learning efficiency is reduced. Accordingly, in the step of processing the flight record ( S113 ), unnecessary attributes that do not correspond to the predetermined reference attributes, which are essential attributes necessary for learning, may be removed from the flight record to obtain net attribute data.

운항 기록을 처리하는 단계(S113)는 순속성 데이터를 획득하면, 획득한 순속성 데이터 중 기준 유효 범위를 벗어나는 데이터를 제거하여 정상 데이터들만을 회득할 수 있다. 다양한 장치 등을 이용하여 데이터를 획득하는 경우, 장치의 일시적 오류나 무선 통신망의 지연 시간 등의 다양한 이유로 오류값이 측정되는 경우가 발생할 수 있다. 이러한 오류값은 데이터 학습 결과의 정확도를 감소시키는 문제점을 유발할 수 있기 때문에, 본 발명의 운항 기록을 처리하는 단계(S113)는 기준 유효 범위를 획득하고, 기준 유효 범위를 벗어나는 데이터를 제거하여 정상 데이터를 획득할 수 있다.In the step of processing flight records (S113), when net attribute data is obtained, only normal data may be obtained by removing data outside a standard validity range among the acquired net attribute data. When data is acquired using various devices, error values may be measured for various reasons, such as a temporary error of a device or a delay time of a wireless communication network. Since such an error value may cause a problem of reducing the accuracy of the data learning result, the operation record processing step (S113) of the present invention obtains a reference valid range, removes data outside the standard effective range, and returns normal data. can be obtained.

또, 운항 기록을 처리하는 단계(S113)는 획득한 정상 데이터 사이의 연관성을 파악할 수 있다. 정상 데이터 사이의 연관성은 사전 시각화 분석을 통해 속성들을 비교하고, 서로 연관성을 가지는 속성들을 정상 데이터 사이의 연관성으로 설정할 수 있다. Also, in the processing of flight records (S113), it is possible to determine the correlation between acquired normal data. Correlation between normal data may be determined by comparing properties through preliminary visualization analysis, and setting properties having correlation with each other as correlation between normal data.

학습 데이터를 처리하는 단계(S115)는 정상 데이터와 정상 데이터 연관성을 포함하는 학습 데이터를 학습하고, 학습 데이터를 이용하여 장애 패턴 분석 알고리즘을 생성한다. 정상 데이터와 정상 데이터 연관성은 운항 기록에서부터 획득된다. 따라서, 해당 데이터를 누적 학습하는 경우, 특정 상황에서 운항 기록이 특정 경로로 이루어진다는 것을 획득할 수도 있으며, 특정 기상 데이터를 가지는 경우 특정 지역에서의 특정 기후를 예측할 수도 있다. 이러한 예측 알고리즘은 장애 패턴 분석 알고리즘으로 표현될 수 있으며, 상술한 바와 같이 복수의 학습 데이터를 이용하여 획득될 수 있다.In the step of processing the learning data ( S115 ), learning data including normal data and normal data correlation is learned, and a failure pattern analysis algorithm is generated using the learning data. Normal data and normal data correlations are obtained from flight records. Accordingly, in the case of accumulative learning of corresponding data, it may be obtained that a flight record is made on a specific route under a specific situation, and a specific climate in a specific region may be predicted in the case of having specific weather data. This predictive algorithm may be expressed as a failure pattern analysis algorithm, and may be obtained using a plurality of learning data as described above.

한편, 실시간 비행 경로를 추천하는 단계(S13)는 실시간 비행 경로 추천부를 이용하여 비행 정보를 학습하는 단계(S11)로부터 정보를 전달받고, 전달받은 정보와 무인 비행체의 현재 상태 정보를 이용하여 무인 비행체의 실시간 비행 경로를 추천하도록 형성된다. 실시간 비행 경로를 추천하는 단계(S13)가 비행 정보를 학습하는 단계(S11)로부터 전달받는 정보는 일 예로 실시간 비행 경로를 생성하기 위한 보조 정보로서, 학습 데이터를 포함할 수 있다.On the other hand, the step of recommending a real-time flight path (S13) receives information from the step (S11) of learning flight information using a real-time flight path recommendation unit, and uses the received information and the current state information of the unmanned aerial vehicle. is formed to recommend a real-time flight route of The information received from the step of recommending a real-time flight route (S13) and the step of learning flight information (S11) is, for example, auxiliary information for generating a real-time flight route, and may include learning data.

이를 위해 실시간 비행 경로를 추천하는 단계(S13)는 도 6에 도시된 바와 같이 비행 정보를 획득하는 단계(S131), 가변 비행 불가 영역을 처리하는 단계(S133)및 최적 비행 경로를 제공하는 단계(S135)를 포함할 수 있다.To this end, the step of recommending a real-time flight path (S13) includes obtaining flight information (S131), processing a variable non-flyable area (S133), and providing an optimal flight path (S133) as shown in FIG. S135) may be included.

비행 정보를 획득하는 단계(S131)는 비행 정보를 학습하는 단계(S11) 및 무인 비행체로부터 비행 정보를 획득한다. 비행 정보는 비행 정보를 학습하는 단계(S11)에서 획득되는 학습 데이터를 포함한다. 또 비행 정보는 무인 비행체로부터 무인 비행체의 출발 위치, 현재 위치 및 도착 위치를 포함하는 위치 정보와, 비행 시각 정보, 출발 위치와 현재 위치 및 도착 위치의 중심정으로부터 기 설정된 거리의 반경을 가지는 영역 내의 현재 기상 정보를 포함할 수 있다.Acquiring flight information (S131) acquires flight information from learning flight information (S11) and an unmanned aerial vehicle. Flight information includes learning data obtained in the step of learning flight information (S11). In addition, the flight information includes positional information including departure, current and arrival positions of the unmanned aerial vehicle, flight time information, departure, current, and arrival within an area having a radius of a preset distance from the center of the unmanned aerial vehicle. May include current weather information.

또, 비행 정보를 획득하는 단계(S131)는 획득한 비행 정보를 이용하여 현재 무인 비행체의 비행 상태를 판단할 수도 있다. 비행 정보를 획득하는 단계(S131)는 무인 비행체의 비행 상태를 판단하기 위해 위치 정보를 이용할 수 있으며, 위치 정보 중 현재 위치가 출발 위치와 동일한 경우 무인 비행체가 아직 비행 중이지 않은 출발 전 상태인 것으로 판단하고, 동일하지 않은 경우 비행 상태로 판단할 수 있다.In addition, in the step of obtaining flight information (S131), the current flight state of the unmanned aerial vehicle may be determined using the acquired flight information. In the step of obtaining flight information (S131), the location information may be used to determine the flight state of the UAV. If the current location of the location information is the same as the departure location, the UAV is considered to be in a pre-departure state where the UAV is not yet in flight. and, if they are not the same, it can be judged as flight status.

가변 비행 불가 영역을 처리하는 단계(S133)는 학습 데이터 또는 현재 기상 상태를 이용하여 가변 비행 불가 영역을 획득하고, 실시간 비행 경로 생성을 위해 가변 비행 불가 영역에 대한 정보인 가변 불가 영역 정보를 처리하여 획득할 수 있다. 비행 불가 영역은 가변 비행 불가 영역과 고정 비행 불가 영역으로 구분될 수 있다. 가변 비행 불가 영역은 일시적으로 비행이 불가능한 영역을 의미하며, 일 예로 폭우 또는 강풍 등의 악천후가 위치하는 영역일 수 있다. 고정 비행 불가 영역은 반영구적으로 비행이 불가능한 영역을 의미하며, 건물, 산, 나무 등 현재 물리적으로 비행이 불가능한 영역을 의미한다.In the step of processing the non-flyable area (S133), the non-flyable area is obtained using the learning data or the current weather conditions, and information on the non-flyable area, which is information on the non-flyable area, is processed to generate a real-time flight path. can be obtained The non-flying area may be divided into a variable non-flying area and a fixed non-flying area. The variable non-flying area means an area in which flight is temporarily impossible, and may be, for example, an area in which bad weather such as heavy rain or strong wind is located. The fixed non-flying area refers to an area where flight is impossible semi-permanently, and refers to an area where flight is currently physically impossible, such as buildings, mountains, and trees.

고정 비행 불가 영역의 경우 최적 비행 경로를 계산하는 경우 최초 설정을 통해 비행 불가 영역을 미리 설정할 수 있지만, 가변 비행 불가 영역의 경우, 일시적으로 비행이 불가능한 영역이기 때문에 무인 비행체가 비행하는 중에도 변화가 가능하다. 따라서, 가변 비행 불가 영역을 처리하는 단계(S133)는 학습 데이터 또는 현재 기상 상태를 이용하여 가변 비행 불가 영역을 획득하며, 해당 영역의 정보인 가변 불가 영역 정보를 처리 및 획득할 수 있다.In the case of the fixed non-flyable area, the non-flyable area can be set in advance through the initial setting when calculating the optimal flight path, but in the case of the variable non-flyable area, it is a temporary non-flyable area, so it can be changed while the UAV is in flight. do. Accordingly, in the step of processing the non-flyable area (S133), the non-flyable area may be obtained using the learning data or the current weather conditions, and information on the non-flyable area may be processed and acquired.

가변 비행 불가 영역을 처리하는 단계(S133)는 현재 기상 상태와 학습 데이터를 모두 사용하는 경우 가변 비행 불가 영역을 예측하여 형성되는 예측 가변 비행 불가 영역을 획득할 수 있다. 또, 현재 기상 상태만을 사용하는 경우 현재 가변 비행 불가 영역을 획득할 수 있다.In the processing of the variable non-flying area ( S133 ), a predicted variable non-flying area formed by predicting the variable non-flying area may be obtained when both the current weather conditions and the learning data are used. In addition, in the case of using only the current meteorological conditions, the current variable non-flying area may be obtained.

또, 가변 비행 불가 영역 정보는 비행 불가 영역, 비행 불가 시간 및 비행 불가 조건 중 적어도 하나를 포함할 수 있다. 비행 불가 영역은, 비행이 불가한 물리적 영역을 의미하며, 비행 불가 시간은 해당 영역을 비행할 수 없는 시간을 의미한다. 또 비행 불가 조건은 해당 영역을 비행할 수 없는 무인 비행체에 대한 조건일 수 있다. 일 예로, 특정 영역의 풍속이 5m/s인 경우 매우 가벼운 무인 비행체는 해당 영역을 비행할 수 없을 수도 있지만, 같은 영역을 10kg 이상의 무거운 무인 비행체는 비행이 가능할 수도 있다.Also, the variable non-flight area information may include at least one of a non-flight area, a non-flight time, and a non-flight condition. The non-flyable area refers to a physical area in which flight is impossible, and the non-flyable time refers to a time in which flight is not possible in the corresponding area. In addition, the non-flying condition may be a condition for an unmanned aerial vehicle that cannot fly in a corresponding area. For example, if the wind speed in a specific area is 5 m/s, a very light unmanned aerial vehicle may not be able to fly in that area, but a heavy unmanned aerial vehicle weighing 10 kg or more may be able to fly in the same area.

가변 비행 불가 영역을 처리하는 단계(S133)에서는 이러한 조건들을 모두 이용하여 후술되는 최적 비행 경로를 제공하는 단계(S135)에서 최적 비행 경로를 제공하는데 사용할 수 있도록 가변 비행 불가 영역 정보를 생성할 수 있다.In the step of processing the non-flyable area (S133), all of these conditions can be used to generate variable non-flyable area information so that it can be used to provide an optimal flight path in the step of providing an optimal flight path (S135). .

최적 비행 경로를 제공하는 단계(S135)는 현재 비행 상태에 따라 현재 위치에서 도착 위치까지의 최적 비행 경로를 계산하여 제공할 수 있다. 최적 비행 경로는 무인 비행체의 출발 위치에서 도착 위치까지의 영역을 기 설정된 3차원 그리드인 기준 3차원 그리드를 복수개 이용하여 생성되는 영역에서 그리드와 그리드 사이를 연결하는 방식으로 형성될 수 있다. 또 최적 비행 경로는 출발 위치에서 현재 위치까지 이동하기 위해 발생한 비용과 현재 위치에서 도착 위치까지 이동하는데 발생할 비용을 합한 전체 비용이 최소화되는 비행 경로를 의미한다.In the step of providing an optimal flight path (S135), an optimal flight path from the current location to the destination location may be calculated and provided according to the current flight conditions. The optimal flight path may be formed by connecting grids to grids in an area created by using a plurality of reference 3D grids, which are preset 3D grids, in the area from the departure location of the unmanned aerial vehicle to the arrival location. In addition, the optimal flight path means a flight path that minimizes the total cost, which is the sum of the cost incurred to travel from the departure location to the current location and the cost incurred to travel from the current location to the destination location.

여기서 최적 비행 경로를 제공하는 단계(S135)는 그리드와 그리드 사이를 연결하는 과정에서 먼저 고정 비행 불가 영역의 그리드를 제외할 수 있다. 최적 비행 경로를 제공하는 단계(S135)는 가변 비행 불가 영역을 적용하여 실시간으로 가변 비행 불가 영역을 그리드 상에 설정할 수 있다. 가변 비행 불가 영역이 그리드 상에 설정되면, 최적 비행 경로를 제공하는 단계(S135)는 기 설정된 알고리즘을 이용하여 최적 비행 경로를 생성하고 제공할 수 있다.Here, in the step of providing the optimal flight path (S135), the grid of the fixed flight impossible area may be first excluded in the process of connecting the grids. In the providing of the optimal flight path (S135), the variable non-flying area may be set on the grid in real time by applying the variable non-flying area. When the variable non-flying area is set on the grid, providing an optimal flight path ( S135 ) may generate and provide an optimal flight path using a preset algorithm.

최적 비행 경로를 제공하는 단계(S135)는 최적 비행 경로를, 최초 추천 비행 경로와 실시간 추천 비행 경로로 구분하여 생성할 수도 있다. 최초 추천 비행 경로는 무인 비행체가 비행을 시작하기 전 상태에서 무인 비행체 및 사용자 단말기로 제공되도록 형성된다. 최초 추천 비행 경로는 가변 비행 불가 영역이 변경되지 않는 경우, 무인 비행체가 출발 위치에서 도착 위치까지 비행할 수 있는 최적의 비행 경로를 의미한다. 최초 추천 비행 경로는 무인 비행체와 사용자 단말기로 전달되어, 무인 비행체가 자동 비행 모드인 경우 최초 추천 비행 경로를 따라 비행하도록 할 수 있으며, 사용자 단말기를 통해 사용자가 추천 비행 경로를 확인하며 무인 비행체를 조종하도록 할 수도 있다.In the providing of the optimal flight path (S135), the optimal flight path may be divided into an initial recommended flight path and a real-time recommended flight path. The initial recommended flight path is formed to be provided to the UAV and the user terminal before the UAV starts flying. The initial recommended flight path means an optimal flight path through which an unmanned aerial vehicle can fly from a departure location to an arrival location when the variable non-flyable area is not changed. The initial recommended flight path is transmitted to the UAV and the user terminal, so that the UAV can fly along the initial recommended flight path when the UAV is in automatic flight mode, and the user checks the recommended flight path through the user terminal and controls the UAV. might as well make it happen.

실시간 추천 비행 경로는 무인 비행체가 비행 중인 상태에서 무인 비행체 및 사용자 단말기로 제공되도록 형성된다. 실시간 추천 비행 경로는 현재 무인 비행체의 위치에 따라 도착 위치까지의 최적의 비행 경로를 의미한다. 실시간 추천 비행 경로는 무인 비행체와 사용자 단말기로 전달되어, 무인 비행체가 자동 비행 모드인 경우 실시간 추천 비행 경로를 따라 비행하도록 할 수 있으며, 사용자 단말기를 통해 사용자가 추천 비행 경로를 확인하며 무인 비행체를 조종하도록 할 수도 있다.The real-time recommended flight path is formed to be provided to the UAV and the user terminal while the UAV is in flight. The real-time recommended flight path means an optimal flight path to the arrival location according to the current location of the unmanned aerial vehicle. The real-time recommended flight path is transmitted to the UAV and the user terminal, so that the UAV can fly along the real-time recommended flight path when the UAV is in automatic flight mode, and the user checks the recommended flight path through the user terminal and controls the UAV. might as well make it happen.

한편 최적 비행 경로를 제공하는 단계(S135)는 무인 비행체의 정보를 획득하고, 최적 비행 경로를 제공할 무인 비행체에 대응하는 가변 비행 불가 영역을 이용하여 적응형 최적 비행 경로를 생성할 수도 있다.Meanwhile, in the step of providing the optimal flight path (S135), the information of the unmanned aerial vehicle may be acquired, and an adaptive optimal flight path may be generated using a variable non-flyable area corresponding to the unmanned aerial vehicle to which the optimal flight path is to be provided.

상술한 바와 같이 가변 비행 불가 영역 정보는 비행 불가 영역, 비행 불가 시간 및 비행 불가 조건 중 적어도 하나를 포함한다. 여기서 비행 불가 조건을 만족하지 않는 무인 비행체의 경우에는 해당 가변 비행 불가 영역을 통과할 수 있다. 따라서, 최적 비행 경로를 제공하는 단계(S135)는 무인 비행체의 정보와 가변 비행 불가 영역 정보를 비교하여 무인 비행체에 따라 비행이 가능한 가변 비행 불가 영역을 삭제한 최적 비행 경로인 적응형 최적 비행 경로를 생성하여 사용자 단말기 및 무인 비행체에 제공할 수도 있다.As described above, the variable non-flying area information includes at least one of a non-flying area, a non-flying time, and a non-flying condition. Here, in the case of an unmanned aerial vehicle that does not satisfy the non-flying condition, it may pass through the variable non-flying area. Therefore, the step of providing an optimal flight path (S135) compares the information of the unmanned aerial vehicle with the information of the variable non-flyable area to obtain an adaptive optimal flight path, which is an optimal flight path by deleting the variable non-flyable area in which flight is possible according to the unmanned aerial vehicle. It can also be created and provided to user terminals and unmanned aerial vehicles.

한편, 최적 비행 경로를 제공하는 단계(S135)는 사용자 단말기에 적응형 최적 비행 경로를 생성하는 경우 삭제한 가변 비행 불가 영역을 통과하는 적응형 최적 비행 경로가 생성되는 경우, 해당 통과 경로에 위험도를 부여할 수도 있다. 위험도는 무인 비행체가 해당 경로를 통과하는 경우 무인 비행체에 가해질 수 있는 손상의 정도를 의미할 수 있으며, 이를 통해 사용자가 해당 경로를 선택할수 있는 정보를 더 제공할 수 있다.Meanwhile, in the step of providing the optimal flight path (S135), when the adaptive optimal flight path is generated in the user terminal and the adaptive optimal flight path passing through the deleted variable non-flyable area is generated, the risk level is applied to the passage path. may be granted. The degree of risk may mean a degree of damage that may be applied to the unmanned aerial vehicle when the unmanned aerial vehicle passes through the corresponding path, and through this, more information for the user to select the corresponding path may be provided.

한편, 최적 비행 경로를 제공하는 단계(S135)는 상술한 바와 같이 기 설정된 알고리즘을 이용하는 경우 최적 비행 경로는 복수의 3차원 그리드를 이동하는 비용을 이용하여 생성되며, 상기 수학식 1로 표현된다.Meanwhile, in the step of providing the optimal flight path (S135), when using a predetermined algorithm as described above, the optimal flight path is generated using the cost of moving a plurality of 3D grids, and is expressed by Equation 1 above.

최적 비행 경로는 f(n)를 최소화하는 h(n)의 노드들의 인덱스를 통해 생성된다. 복수개의 그리드(노드)는 각각 특정 구분 인덱스를 가지게 되며, 해당 인덱스들의 연결은 비행 경로로 표현될 수 있다. 따라서, f(n)를 최소화하는 비행 경로의 경우 이동 비용이 최소화되기 때문에 최적 비행 경로로 선정될 수 있다.The optimal flight path is generated through the index of nodes in h(n) that minimize f(n). A plurality of grids (nodes) each have a specific division index, and the connection of the indexes can be expressed as a flight path. Therefore, in the case of a flight path that minimizes f(n), since the travel cost is minimized, it can be selected as an optimal flight path.

최적 비행 경로를 제공하는 단계(S135)에서 최적 비행 경로를 선정하기 위해 사용되는 기 설정된 알고리즘은 비행 불가 영역을 감지 및 대응할 수 있는 알고리즘이며, 도 7의 순서도가 그 예시이다.In the step of providing an optimal flight path (S135), a preset algorithm used to select an optimal flight path is an algorithm capable of detecting and responding to a non-flyable area, and the flowchart of FIG. 7 is an example thereof.

도 7을 살펴보면, 기 설정된 알고리즘은 최초 시작 그리드 n을 설정하고 n을 공개 리스트에 삽입하는 단계부터 시작한다. 최초 시작 그리드를 공개 리스트에 삽입하면, 다음으로 최적 비행 경로를 제공하는 단계(S135)는 비행 불가 영역을 감지하며, 여기서 비행 불가 영역은 상술한 바와 같이 고정 비행 불가 영역 및 가변 비행 불가 영역을 포함할 수 있다.Referring to FIG. 7 , the preset algorithm starts with setting an initial starting grid n and inserting n into the public list. If the first start grid is inserted into the public list, the step of providing the next optimal flight path (S135) detects the non-flyable area, where the non-flyable area includes the fixed non-flyable area and the variable non-flyable area as described above. can do.

다음으로, 최적 비행 경로를 제공하는 단계(S135)는 비행 불가 영역을 제외하고 비용 함수를 계산한다. 여기서 비용 함수는 상술한 수학식 1일 수 있다.Next, in the step of providing an optimal flight path (S135), a cost function is calculated excluding the non-flyable area. Here, the cost function may be Equation 1 described above.

비용 함수를 계산하면, 최적 비행 경로를 제공하는 단계(S135)는 가장 작은 비용함수를 가지는 그리드 n을 공개 리스트에서 삭제하고 폐쇄 리스트에 추가한다. 여기서, n이 사용자가 설정한 도착 그리드가 아닌 경우, 최적 비행 경로를 제공하는 단계(S135)는 리스트에 포함되지 않은 n에 대한 모든 후속 그리드를 감지하고, 해당 후속 그리드들을 이용하여 비용 함수를 계산하는 것을 반복할 수 있다.If the cost function is calculated, in step S135 of providing an optimal flight path, the grid n having the smallest cost function is deleted from the public list and added to the closed list. Here, if n is not the arrival grid set by the user, the step of providing the optimal flight path (S135) detects all subsequent grids for n that are not included in the list, and calculates a cost function using the corresponding subsequent grids. can repeat what you do.

한편, n이 도착 그리드인 경우, 최적 비행 경로를 제공하는 단계(S135)는 알고리즘을 종료하고 폐쇄 리스트의 인덱스를 추천 경로로 출력할 수 있다.On the other hand, if n is the arrival grid, the step of providing the optimal flight route (S135) may end the algorithm and output the index of the closed list as a recommended route.

간단히 설명하면, 본 발명의 최적 비행 경로를 제공하는 단계(S135)는 임의의 시작 그리드를 설정하여 계산이 필요한 공개 리스트에 삽입하고, 비행 불가 영역을 제외한 후속 그리드에 대한 비용 함수를 계산한다. 계산 결과 가장 작은 비용 함수를 가지는 후속 그리드 경로를 공개 리스트에서 삭제하고, 폐쇄 리스트에 추가하여 결정된 부분 최적 비행 경로로 설정할 수 있다.Briefly, in the step of providing an optimal flight path (S135) of the present invention, an arbitrary starting grid is set and inserted into a public list requiring calculation, and a cost function for a subsequent grid excluding the non-flyable area is calculated. As a result of the calculation, a subsequent grid path having the smallest cost function may be deleted from the public list and added to the closed list to set the determined partially optimal flight path.

이후 최적 비행 경로를 제공하는 단계(S135)는 후속 그리드가 도착 그리드가 아닌 경우, 폐쇄 리스트에 포함되지 않은 모든 후속 그리드를 감지하고, 비용 함수 계산부터 다시 반복하게 된다. 또, 후속 그리드가 도착 그리드인 경우 알고리즘을 종료하고 폐쇄 리스트에 포함된 그리드들의 인덱스를 이용하여 최적 비행 경로를 제공할 수 있다.Subsequently, in the step of providing the optimal flight path (S135), if the subsequent grid is not an arrival grid, all subsequent grids not included in the closed list are detected, and the calculation of the cost function is repeated again. In addition, when the next grid is the arrival grid, the algorithm may be terminated and an optimal flight path may be provided using indexes of grids included in the closed list.

한편, 상술한 알고리즘에 적용하기 위해 유한한 두 세그먼트의 교차점을 통해 최적 경로가 될 수 있는 모든 후보 경로들과, 장애물(비행 불가 영역)들의 경계 사이의 가시거리(Line-Of-Sight, LOS) 상태 점검을 고려해야 한다. 이는 무인 비행체를 이용하여 조종하는 사용자 단말기에 최소한의 시야를 확보하기 위함이다. 본 발명에서는 설명의 편의상 상술한 시스템에서의 도 8에 대한 설명과 수학식 2 내지 9를 이용하여 해당 내용에 대한 설명을 갈음하도록 한다.Meanwhile, line-of-sight (LOS) between all candidate paths that can be optimal paths through the intersection of two finite segments and the boundaries of obstacles (non-flyable areas) to apply to the above-described algorithm A health check should be considered. This is to secure a minimum field of view for a user terminal that is controlled using an unmanned aerial vehicle. In the present invention, for convenience of description, the description of the corresponding contents will be replaced by using the description of FIG. 8 and Equations 2 to 9 in the above-described system.

이상에서 본 발명의 일 실시예에 대하여 설명하였으나, 본 발명의 사상은 본 명세서에 제시되는 실시 예에 제한되지 아니하며, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서, 구성요소의 부가, 변경, 삭제, 추가 등에 의해서 다른 실시 예를 용이하게 제안할 수 있을 것이나, 이 또한 본 발명의 사상범위 내에 든다고 할 것이다.Although one embodiment of the present invention has been described above, the spirit of the present invention is not limited to the embodiments presented herein, and those skilled in the art who understand the spirit of the present invention may add elements within the scope of the same spirit. However, other embodiments can be easily proposed by means of changes, deletions, additions, etc., but these will also fall within the scope of the present invention.

1: 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템
3: 무인 비행체 5: 사용자 단말기
11: 비행 정보 학습부 13: 실시간 비행 경로 추천부
111: 무인 비행체 운항 기록 수집 모듈
113: 운항 기록 처리 모듈 115: 학습 데이터 처리 모듈
131: 비행 정보 획득 모듈 133: 가변 비행 불가 영역 처리 모듈
135: 최적 비행 경로 제공 모듈1: 3D Flight Path Recommendation System for Unmanned Aerial Vehicles Using Flight Information Learning
3: unmanned aerial vehicle 5: user terminal
11: flight information learning unit 13: real-time flight route recommendation unit
111: unmanned aerial vehicle operation record collection module
113: flight record processing module 115: learning data processing module
131: flight information acquisition module 133: variable flight impossible area processing module
135: optimal flight path providing module

Claims

A 3D flight path recommendation system for an unmanned aerial vehicle using flight information learning that connects to an unmanned aerial vehicle and a user terminal using wired or wireless communication, generates real-time flight information, and provides an optimal flight path to the unmanned aerial vehicle and the user terminal. in
a flight information learning unit that collects and processes flight records of the unmanned aerial vehicle to learn processing results, and analyzes failure patterns by processing learning data; and
A real-time flight path recommendation unit that receives information from the flight information learning unit and recommends a real-time flight path of the unmanned aerial vehicle using the received information and current state information of the unmanned aerial vehicle; 3D flight path recommendation system for aircraft.

According to claim 1,
The flight information learning unit,
an unmanned aerial vehicle operation record collection module that collects the operation record of the unmanned aerial vehicle including at least one of an operation route, operation speed, meteorological information during operation, and operation schedule information;
a flight record processing module that processes the collected flight records of the unmanned aerial vehicle to obtain normal data, and identifies a correlation between the acquired normal data; and
3D flight of an unmanned aerial vehicle using flight information learning including a learning data processing module that learns the learning data including the correlation between the normal data and the normal data and generates a failure pattern analysis algorithm using the learning data route recommendation system.

According to claim 2,
The flight record processing module,
Obtaining instantaneous attribute data from which unnecessary attributes that do not correspond to the preset reference attributes in the flight record are removed, and obtaining normal data by removing abnormal data out of a standard valid range from among the instantaneous attribute data, and obtaining the normal data understand the relationship between
The normal data relevance is a 3D flight path recommendation system for an unmanned aerial vehicle using flight information learning that identifies attributes having relevance through pre-visualization analysis and sets the relevance attribute as the normal data relevance.

According to claim 3,
The real-time flight route recommendation unit,
a flight information acquisition module acquiring flight information from the flight information learning unit and the unmanned aerial vehicle;
A variable non-flyable area processing module that acquires a variable non-flyable area by using the learning data or the current weather conditions, and processes and obtains variable non-flyable area information, which is information on the variable non-flyable area, to generate the real-time flight path. ; and
A 3D flight path recommendation system for an unmanned aerial vehicle using flight information learning, including an optimal flight path providing module that calculates and provides an optimal flight path from the current location to the destination location according to the current flight status.

According to claim 4,
The flight information includes the learning data, location information including the departure location of the unmanned aerial vehicle, the current location and the arrival location, flight time, and a radius of a predetermined distance from the center point of the departure location, the current location, and the arrival location. A system for recommending a 3D flight path of an unmanned aerial vehicle using flight information learning including any one of current weather information within an area having .

According to claim 5,
Using the location information among the flight information, it is determined whether the current flight state of the unmanned aerial vehicle is before departure or in flight, and if the current location among the location information is the same as the departure location, it is determined as before departure, and if not the same A 3D flight path recommendation system for an unmanned aerial vehicle using flight information learning determined during flight.

According to claim 6,
The variable non-flying area processing module,
A predicted variable non-flyable area formed by predicting the variable non-flyable area through the current weather condition and the learning data is obtained, a current variable non-flyable area is generated using only the current weather condition, and the variable non-flyable area A system for recommending a 3D flight path of an unmanned aerial vehicle using flight information learning, wherein the information includes at least one of a non-flying area, a non-flying time, and a non-flying condition.

According to claim 7,
The optimal flight path is
Creating a plurality of preset three-dimensional grids from the departure location to the arrival location;
The optimal flight path providing module,
A flight path that minimizes the total cost of traveling from the departure location to the current location and the total cost incurred from traveling from the current location to the destination location, and is a fixed flight where there are fixed obstacles such as buildings that cannot fly. A 3D flight path recommendation system for an unmanned aerial vehicle using flight information learning that reflects the impossible area.

According to claim 8,
The optimal flight path providing module,
A system for recommending a 3D flight path for an unmanned aerial vehicle using flight information learning to generate the optimal flight path by excluding the variable non-flyable area in real time by applying the variable non-flyable area to generate the optimal flight path.

A method for recommending a 3D flight path of an unmanned aerial vehicle using flight information learning to connect an unmanned aerial vehicle and a user terminal using wired or wireless communication, generate real-time flight information, and provide an optimal flight path to the unmanned aerial vehicle and the user terminal. in
Collecting and processing flight records of the unmanned aerial vehicle using a flight information learning unit to learn processing results, and analyzing failure patterns by processing learning data; and
Receiving information from the step of analyzing the failure pattern using a real-time flight path recommendation unit, and recommending a real-time flight path of the unmanned aerial vehicle using the received information and current state information of the unmanned aerial vehicle; A method for recommending a 3D flight path for an unmanned aerial vehicle using information learning.

According to claim 10,
Analyzing the failure pattern,
Collecting the operation record of the unmanned aerial vehicle including at least one of an operation route, an operation speed, meteorological information during operation, and operation schedule information;
obtaining normal data by processing the collected operation records of the unmanned aerial vehicle, and identifying a correlation between the acquired normal data; and
A method for recommending a 3D flight path of an unmanned aerial vehicle using flight information learning, including learning the training data including the correlation between the normal data and the normal data, and generating a failure pattern analysis algorithm using the learning data. .

According to claim 11,
The step of determining the correlation between the normal data,
Obtaining instantaneous attribute data from which unnecessary attributes that do not correspond to the preset reference attributes in the flight record are removed, and obtaining normal data by removing abnormal data out of a standard valid range from among the instantaneous attribute data, and obtaining the normal data understand the relationship between
The normal data relevance is a method of recommending a 3D flight path of an unmanned aerial vehicle using flight information learning in which attributes having relevance are identified through pre-visualization analysis and attributes having relevance are set as the relevance of the normal data.

According to claim 12,
The step of recommending a real-time flight path of the unmanned aerial vehicle,
Analyzing the failure pattern and acquiring flight information from the unmanned aerial vehicle;
obtaining a variable non-flight area using the learning data or current weather conditions, and processing and obtaining information on the variable non-flight area, which is information on the variable non-flight area, to generate the real-time flight path; and
A method for recommending a 3D flight path for an unmanned aerial vehicle using flight information learning, including calculating and providing an optimal flight path from a current location to a destination location according to current flight conditions.

According to claim 13,
The flight information includes the learning data, location information including the departure location of the unmanned aerial vehicle, the current location and the arrival location, flight time, and a radius of a predetermined distance from the center point of the departure location, the current location, and the arrival location. A method for recommending a 3D flight path of an unmanned aerial vehicle using flight information learning including any one of current weather information in an area having .

According to claim 14,
Using the location information among the flight information, it is determined whether the current flight state of the unmanned aerial vehicle is before departure or in flight, and if the current location among the location information is the same as the departure location, it is determined as before departure, and if not the same A method for recommending a 3D flight path for an unmanned aerial vehicle using flight information learning determined during flight.

According to claim 15,
The step of obtaining by processing the variable non-flying area information,
A predicted variable non-flyable area formed by predicting the variable non-flyable area through the current weather condition and the learning data is obtained, a current variable non-flyable area is generated using only the current weather condition, and the variable non-flyable area A method for recommending a 3D flight path of an unmanned aerial vehicle using flight information learning, wherein the information includes at least one of a non-flying area, a non-flying time, and a non-flying condition.

According to claim 16,
The optimal flight path is
Creating a plurality of preset three-dimensional grids from the departure location to the arrival location;
The step of calculating and providing the optimal flight path,
A flight path that minimizes the total cost of traveling from the departure location to the current location and the total cost incurred from traveling from the current location to the destination location, and is a fixed flight where there are fixed obstacles such as buildings that cannot fly. A method for recommending a 3D flight path for an unmanned aerial vehicle using flight information learning that reflects the impossible area.

According to claim 17,
The step of calculating and providing the optimal flight path,
A method for recommending a 3D flight path for an unmanned aerial vehicle using flight information learning in which the optimal flight path is generated by excluding the variable non-flyable area in real time by applying the variable non-flyable area to generate the optimal flight path.