【技术实现步骤摘要】
本专利技术涉及航空照明，特别涉及一种机场照明控制方法及系统。
技术介绍
1、近年来，随着无人机技术的迅猛发展，无人机的应用领域不断拓展，包括物流配送、农业监测、救援等多个方面。同时，有人驾驶飞机仍然在商业航空、私人飞行和军事领域中占据重要地位。然而，传统的机场照明系统主要针对有人驾驶飞机设计，难以满足有人机与无人机共同作业的需求。
2、传统的机场照明系统通常基于固定的灯光模式，无法实时适应飞行器的变化和环境条件。这种固定模式的灯光设计，在有人机和无人机混合运行的环境中，无法灵活调整以适应不同类型飞行器的起降和导航需求。例如，在夜间或低能见度条件下，传统的照明系统无法根据无人机的特殊需求进行调整，从而可能导致无人机操作的安全风险增加。
3、此外，现有系统在处理多种飞行器并发时存在响应滞后、协调困难和安全隐患等问题。随着机场中无人机数量的增加，传统照明系统的调控能力不足以处理复杂的飞行环境。特别是在紧急情况下，如无人机与有人机同时起降，或无人机集群操作时，传统系统无法快速做出响应，容易导致飞行器之间的相互干扰，增加了飞行事故的风险。
技术实现思路
1、基于此，本专利技术的目的是提供一种机场照明控制方法及系统，以从根本上解决现有机场照明系统在处理多种飞行器并发时存在响应滞后、协调困难和安全隐患的问题。
2、根据本专利技术实施例的一种机场照明控制方法，所述方法包括：
3、实时采集各个飞行器状态数据、机场环境数据以及障碍物数据，并通过数据融合算
4、基于机场场景信息构建实时的机场场景模型，并基于飞行器状态数据利用预测算法动态模拟飞行器的运动轨迹；
5、根据机器学习算法分析机场场景模型，预测飞行器的行为以及对各个飞行器进行优先级评估，并基于行为预测结果和优先级评估结果制定目标照明方案；
6、根据制定的目标照明方案自动调节灯光的亮度、颜色、闪烁频率和指示方向。
7、另外，根据本专利技术上述实施例的一种机场照明控制方法，还可以具有如下附加的技术特征：
8、进一步地，所述通过数据融合算法进行数据整合生成综合的机场场景信息的步骤包括：
9、对各个飞行器状态数据、机场环境数据以及障碍物数据进行数据清洗、数据校准和标准化处理；
10、采用卡尔曼滤波或多源信息融合方法，将各个飞行器状态数据、机场环境数据以及障碍物数据进行数据整合，生成综合的机场场景信息。
11、进一步地，所述基于机场场景信息构建实时的机场场景模型，并基于飞行器状态数据利用预测算法动态模拟飞行器的运动轨迹的步骤包括：
12、基于机场的地理信息和结构图，利用三维建模工具构建机场场景模型，并根据实时收集到的机场环境数据和障碍物数据，动态更新机场场景模型中的环境状态和障碍物位置；
13、根据飞行器的运动特性，构建飞行器的运动学模型，并选择预设的预测算法对飞行器的运动轨迹进行预测；
14、将实时采集的飞行器状态数据作为输入，利用构建的运动学模型和所选择的预测算法对飞行器的运动轨迹进行预测，动态模拟飞行器在机场场景模型中的运动轨迹；
15、将预测的飞行器的运动轨迹可视化展示在机场场景模型中，显示飞行器的当前位置和预测的运动轨迹；
16、将模拟得到的运动轨迹与实际采集的飞行器状态数据进行对比，评估预测算法的准确性，并根据评估结果调整和优化运动学模型和预测算法。
17、进一步地，所述根据机器学习算法分析机场场景模型，预测飞行器的行为以及对各个飞行器进行优先级评估，并基于行为预测结果和优先级评估结果制定目标照明方案的步骤包括：
18、从机场场景模型中提取关键特征，基于所提取的关键特征使用预设的机器学习算法对机器学习模型进行训练；
19、将采集的飞行器状态数据输入至训练好的机器学习模型，对飞行器的未来行为进行预测以及对各个飞行器进行优先级评估；
20、根据飞行器的行为预测结果和优先级评估结果，制定相应的目标照明方案。
21、进一步地，所述方法还包括：
22、基于各个飞行器的行为预测结果，采用协同作业策略优化算法优化运行路径；
23、根据实时采集的飞行器状态数据修正优化后的运行路径；
24、通过通信链路将修正优化后的运行路径传递给飞行器，以使飞行器根据收到的运行路径动态调整航线。
25、本专利技术另一实施例的目的还在于提供一种机场照明控制系统，所述系统包括：
26、数据整合模块，用于实时采集各个飞行器状态数据、机场环境数据以及障碍物数据，并通过数据融合算法进行数据整合生成综合的机场场景信息；
27、模型构建模块，用于基于机场场景信息构建实时的机场场景模型，并基于飞行器状态数据利用预测算法动态模拟飞行器的运动轨迹；
28、照明方案制定模块，用于根据机器学习算法分析机场场景模型，预测飞行器的行为以及对各个飞行器进行优先级评估，并基于行为预测结果和优先级评估结果制定目标照明方案；
29、照明调整模块，用于根据制定的目标照明方案自动调节灯光的亮度、颜色、闪烁频率和指示方向。
30、进一步地，所述数据整合模块包括：
31、数据处理单元，用于对各个飞行器状态数据、机场环境数据以及障碍物数据进行数据清洗、数据校准和标准化处理；
32、数据整合单元，用于采用卡尔曼滤波或多源信息融合方法，将各个飞行器状态数据、机场环境数据以及障碍物数据进行数据整合，生成综合的机场场景信息。
33、进一步地，所述模型构建模块包括：
34、第一模型构建单元，用于基于机场的地理信息和结构图，利用三维建模工具构建机场场景模型，并根据实时收集到的机场环境数据和障碍物数据，动态更新机场场景模型中的环境状态和障碍物位置；
35、第二模型构建单元，用于根据飞行器的运动特性，构建飞行器的运动学模型，并选择预设的预测算法对飞行器的运动轨迹进行预测；
36、轨迹模拟单元，用于将实时采集的飞行器状态数据作为输入，利用构建的运动学模型和所选择的预测算法对飞行器的运动轨迹进行预测，动态模拟飞行器在机场场景模型中的运动轨迹；
37、轨迹显示单元，用于将预测的飞行器的运动轨迹可视化展示在机场场景模型中，显示飞行器的当前位置和预测的运动轨迹；
38、优化单元，用于将模拟得到的运动轨迹与实际采集的飞行器状态数据进行对比，评估预测算法的准确性，并根据评估结果调整和优化运动学模型和预测算法。
39、进一步地，所述照明方案制定模块包括：
40、模型训练单元，用于从机场场景模型中提取关键特征，基于所提取的关键特征使用预设的机器学习算法对机器学习模型进行训练；
41、预测评估单元，用于将采集的飞行器状态数据输入至训练好的机器学习模型，对飞行器的未来行为进行本文档来自技高网...
【技术保护点】
1.一种机场照明控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的机场照明控制方法，其特征在于，所述通过数据融合算法进行数据整合生成综合的机场场景信息的步骤包括：
3.根据权利要求1所述的机场照明控制方法，其特征在于，所述基于机场场景信息构建实时的机场场景模型，并基于飞行器状态数据利用预测算法动态模拟飞行器的运动轨迹的步骤包括：
4.根据权利要求1所述的机场照明控制方法，其特征在于，所述根据机器学习算法分析机场场景模型，预测飞行器的行为以及对各个飞行器进行优先级评估，并基于行为预测结果和优先级评估结果制定目标照明方案的步骤包括：
5.根据权利要求1所述的机场照明控制方法，其特征在于，所述方法还包括：
6.一种机场照明控制系统，其特征在于，所述系统包括：
7.根据权利要求6所述的机场照明控制系统，其特征在于，所述数据整合模块包括：
8.根据权利要求6所述的机场照明控制系统，其特征在于，所述模型构建模块包括：
9.根据权利要求6所述的机场照明控制系统，其特征在于，所述照明方案制
10.根据权利要求6所述的机场照明控制系统，其特征在于，所述系统还包括：
...【技术特征摘要】
1.一种机场照明控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的机场照明控制方法，其特征在于，所述通过数据融合算法进行数据整合生成综合的机场场景信息的步骤包括：
3.根据权利要求1所述的机场照明控制方法，其特征在于，所述基于机场场景信息构建实时的机场场景模型，并基于飞行器状态数据利用预测算法动态模拟飞行器的运动轨迹的步骤包括：
4.根据权利要求1所述的机场照明控制方法，其特征在于，所述根据机器学习算法分析机场场景模型，预测飞行器的行为以及对各个飞行器进行优先级评估，并基于行为预测结果和优先级...
【专利技术属性】
技术研发人员：戴爱鹏，丁柏平，杨锋，黄阳彪，龚政，
申请(专利权)人：深圳市中孚能电气设备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。