一种智能交通监管无人机航迹规划方法、系统及可读存储介质技术方案

本发明专利技术涉及一种智能交通监管无人机航迹规划方法、系统及可读存储介质，包括：获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；获取任务信息及当前飞行航迹，确定多无人机节点的协同航迹规划，并生成动态航迹信息；将动态航迹信息与基准航迹进行比较，得到偏差率；判断所述偏差率是否大于预定阈值，若大于，则生成修正信息，根据修正信息对多无人机节点进行重新编队，并生成新的规划航迹，根据新的规划航迹更新当前飞行航迹，控制无人机编队沿新的规划航迹飞行；判断无人机编队是否到达目标点；若到达，则航迹规划结束，若未到达，则对修正信息进行校正，再次进行航迹规划。

【技术实现步骤摘要】
一种智能交通监管无人机航迹规划方法、系统及可读存储介质
本专利技术涉及一种无人机航迹规划方法，尤其涉及一种智能交通监管无人机航迹规划方法、系统及可读存储介质。
技术介绍
交通拥堵作为城市化溢出的负外部性产品，其应对与治理在全球范围内一直都是社会各界关注的焦点领域。交叉口信号控制及路径诱导作为智能交通系统中重要组成部分，在日益严峻的交通环境下，正获得越来越广泛的应用。然而，在硬件设施迅速发展和完善的同时，交通管理系统智能化程度低的问题依然存在，交通管理部门面临着从海量的交通流数据中，尤其像交通突发拥堵所产生的具有非重复特性的数据中，获取隐藏的内在信息，以及充分利用信息优势制定科学的疏导策略等问题。因此，在海量交通数据的基础上，开展动态交通流信息处理及拥堵的控制与诱导策略研究，对缓解城市交通拥堵具有重要意义，在进行交通监管过程中，通过无人机进行监管，实现交通监管的智能化。为了能够对城市交通监管过程中无人机航迹规划实现精准的控制，需要开发一款与其相匹配的系统进行控制，该系统获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；获取任务信息及当前飞行航迹，确定多无人机节点的协同航迹规划，并生成动态航迹信息；将动态航迹信息与基准航迹进行比较，并根据修正信息对多无人机节点进行重新编队，并生成新的规划航迹，但是在进行控制过程中，如何实现精准控制的同时，实现无人机航迹的精准规划都是亟不可待要解决的问题。
技术实现思路
本专利技术克服了现有技术的不足，提供一种智能交通监管无人机航迹规划方法、系统及可读存储介质。为达到上述目的，本专利技术采用的技术方案为：一种智能交通监管无人机航迹规划方法，包括：获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；获取任务信息及当前飞行航迹，确定多无人机节点的协同航迹规划，并生成动态航迹信息；将动态航迹信息与基准航迹进行比较，得到偏差率；判断所述偏差率是否大于预定阈值，若大于，则生成修正信息，根据修正信息对多无人机节点进行重新编队，并生成新的规划航迹，根据新的规划航迹更新当前飞行航迹，控制无人机编队沿新的规划航迹飞行；判断无人机编队是否到达目标点；若到达，则航迹规划结束，若未到达，则对修正信息进行校正，再次进行航迹规划。本专利技术一个较佳实施例中，还包括：通过大数据建立约束模型，并通过约束模型生成航行时间约束条件；获取无人机起始位置与目标位置；根据基准航迹计算无人机起始位置至目标位置的标准航行时间；采集动态航迹信息，并计算预测航行时间；将标准航行时间与预测航行时间进行比较，得到偏差率；判断所述偏差率是否大于预设偏差率阈值；若大于，则对无人机节点的航行速度进行调整。本专利技术一个较佳实施例中，航行时间约束条件计算如下：设由M架无人机组成的编队中，N架无人机的航迹序列集合表示为：w＝{w1(x1,y1,z1,t1),w2(x2,y2,z2,t2),w3(x3,y3,z3,t3)……wn(xn,yn,zn,tn)}其中w表示航迹序列集合；n表示无人机的航迹所包含的航迹点总数量；w(xm,ym,zm,tm)表示航迹序列集合中的第m个航迹点，(xm,ym,zm)表示第m个航迹点的三维位置坐标，t表示无人机到达目标位置的近似时刻，设无极人的航行速度为v，则无人机抵达各个轨迹点的近似时间为：航行时间约束条件可表示为：max(tn)-min(tn)≤δ其中δ表示允许无人机到达预定位置时间偏差的最大值。本专利技术一个较佳实施例中，还包括:获取无人机动态航迹，将动态航迹进行航迹点分解，得到航迹点三维坐标信息；将三维坐标信息进行降维处理，得到航迹点一维信息；对航迹点一维信息进行迭代求解，得到结果值；判断结果值是否大于预设阈值；若大于，则继续迭代；若小于，生成航迹点信息，并将多个航迹点信息进行耦合，得到动态航迹约束信息。本专利技术一个较佳实施例中，根据修正信息对多无人机节点进行重新编队，具体包括：建立多无人机节点初始编队条件，根据初始编队条件对多无人机节点进行编队保持；获取初始编队内无人机之间的航行间距，将航行间距与预定编队距离进行比较，得到偏差率；判断所述偏差率是否大于预设偏差率阈值；若大于，则进行多无人机节点重新编队。本专利技术一个较佳实施例中，所述初始编队条件包括无人机执行任务类别、无人机航行方向、无人机航行速度、无人机航行角度中的一种或多种组合。本专利技术第二方面还提供了一种智能交通监管无人机航迹规划系统，该系统包括：存储器、处理器，所述存储器中包括智能交通监管无人机航迹规划方法程序，所述智能交通监管无人机航迹规划方法程序被所述处理器执行时实现如下步骤：获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；获取任务信息及当前飞行航迹，确定多无人机节点的协同航迹规划，并生成动态航迹信息；将动态航迹信息与基准航迹进行比较，得到偏差率；判断所述偏差率是否大于预定阈值，若大于，则生成修正信息，根据修正信息对多无人机节点进行重新编队，并生成新的规划航迹，根据新的规划航迹更新当前飞行航迹，控制无人机编队沿新的规划航迹飞行；判断无人机编队是否到达目标点；若到达，则航迹规划结束，若未到达，则对修正信息进行校正，再次进行航迹规划。本专利技术一个较佳实施例中，还包括：通过大数据建立约束模型，并通过约束模型生成航行时间约束条件；获取无人机起始位置与目标位置；根据基准航迹计算无人机起始位置至目标位置的标准航行时间；采集动态航迹信息，并计算预测航行时间；将标准航行时间与预测航行时间进行比较，得到偏差率；判断所述偏差率是否大于预设偏差率阈值；若大于，则对无人机节点的航行速度进行调整。本专利技术一个较佳实施例中，根据修正信息对多无人机节点进行重新编队，具体包括：建立多无人机节点初始编队条件，根据初始编队条件对多无人机节点进行编队保持；获取初始编队内无人机之间的航行间距，将航行间距与预定编队距离进行比较，得到偏差率；判断所述偏差率是否大于预设偏差率阈值；若大于，则进行多无人机节点重新编队。本专利技术第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括智能交通监管无人机航迹规划方法程序，所述智能交通监管无人机航迹规划方法程序被处理器执行时，实现上述任一项所述的智能交通监管无人机航迹规划方法的步骤。本专利技术解决了
技术介绍
中存在的缺陷，本专利技术具备以下有益效果：(1)获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准本文档来自技高网...

【技术保护点】
1.一种智能交通监管无人机航迹规划方法，其特征在于，包括：/n获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；/n获取任务信息及当前飞行航迹，确定多无人机节点的协同航迹规划，并生成动态航迹信息；/n将动态航迹信息与基准航迹进行比较，得到偏差率；/n判断所述偏差率是否大于预定阈值，/n若大于，则生成修正信息，根据修正信息对多无人机节点进行重新编队，并生成新的规划航迹，/n根据新的规划航迹更新当前飞行航迹，控制无人机编队沿新的规划航迹飞行；/n判断无人机编队是否到达目标点；/n若到达，则航迹规划结束，/n若未到达，则对修正信息进行校正，再次进行航迹规划。/n

【技术特征摘要】
1.一种智能交通监管无人机航迹规划方法，其特征在于，包括：
获取监管区域环境信息，并通过大数据分析得到多无人机节点的基准航迹，并对多无人机节点进行编队；
获取任务信息及当前飞行航迹，确定多无人机节点的协同航迹规划，并生成动态航迹信息；
将动态航迹信息与基准航迹进行比较，得到偏差率；
判断所述偏差率是否大于预定阈值，
若大于，则生成修正信息，根据修正信息对多无人机节点进行重新编队，并生成新的规划航迹，
根据新的规划航迹更新当前飞行航迹，控制无人机编队沿新的规划航迹飞行；
判断无人机编队是否到达目标点；
若到达，则航迹规划结束，
若未到达，则对修正信息进行校正，再次进行航迹规划。


2.根据权利要求1所述的一种智能交通监管无人机航迹规划方法，其特征在于，还包括：
通过大数据建立约束模型，并通过约束模型生成航行时间约束条件；
获取无人机起始位置与目标位置；
根据基准航迹计算无人机起始位置至目标位置的标准航行时间；
采集动态航迹信息，并计算预测航行时间；
将标准航行时间与预测航行时间进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值；
若大于，则对无人机节点的航行速度进行调整。


3.根据权利要求2所述的一种智能交通监管无人机航迹规划方法，其特征在于，航行时间约束条件计算如下：
设由M架无人机组成的编队中，N架无人机的航迹序列集合表示为：
w＝{w1(x1,y1,z1,t1),w2(x2,y2,z2,t2),w3(x3,y3,z3,t3)……wn(xn,yn,zn,tn)}
其中w表示航迹序列集合；n表示无人机的航迹所包含的航迹点总数量；
w(xm,ym,zm,tm)表示航迹序列集合中的第m个航迹点，(xm,ym,zm)表示第m个航迹点的三维位置坐标，t表示无人机到达目标位置的近似时刻，
设无极人的航行速度为v，则无人机抵达各个轨迹点的近似时间为：



航行时间约束条件可表示为：
max(tn)-min(tn)≤δ
其中δ表示允许无人机到达预定位置时间偏差的最大值。


4.根据权利要求1所述的一种智能交通监管无人机航迹规划方法，其特征在于，还包括:
获取无人机动态航迹，将动态航迹进行航迹点分解，得到航迹点三维坐标信息；将三维坐标信息进行降维处理，得到航迹点一维信息；
对航迹点一维信息进行迭代求解，得到结果值；
判断结果值是否大于预设阈值；
若大于，则继续迭代；
若小于，生成航迹点信息，并将多个航迹点信息进行耦合，得到动态航迹约束信息。


5.根据权利要求1所述的一种智能交通监管无人机航迹规划方法，其特征在于，根据修正信息对多无人机节点进行重...

【专利技术属性】
技术研发人员：刘立斌，付骏宇，耿鹏，
申请(专利权)人：佛山市墨纳森智能科技有限公司，
类型：发明
国别省市：广东;44