【技术实现步骤摘要】
本专利技术涉及一种无人机物流运输能力分析方法，属于无人机运输能力量化。
技术介绍
1、无人机在物流行业的应用正在改变货物配送方式，尤其在提升效率和减少成本方面展现出显著优势，在城市地区，无人机能够有效避开地面交通拥堵，直接将小型货物快速送达目的地，极大提高了配送速度和时效性，此外，无人机在操作上相较于传统的运输工具如货车或摩托车具有更低的运营成本，特别是在短途和小批量配送场景中，这种成本优势更为明显，因此，无人机的运用不仅提升了物流配送的效率，也显著降低了整体物流成本，尤其在快递行业和急需配送服务中体现得尤为突出。
2、从环境影响和可持续性的角度来看，无人机运输同样展现出其优势，由于减少了地面交通工具的使用，无人机配送在减轻交通拥堵和降低碳排放方面发挥着重要作用，特别是当无人机采用电力驱动，且能源来源于可再生能源时，其对环境的负面影响将进一步降低，不仅帮助物流行业向更环保的运营模式转变，也促进了整个社会的环境可持续性发展；无人机作为一种高效、环保且灵活的配送方式，能够在缓解城市交通拥堵、减少碳排放、提高配送速度和降低运营成本等方面发挥显著作用，通过详细分析无人机的运输能力，企业和政策制定者可以更好地评估其在特定场景下的适用性和效益，对无人机运输能力进行分析还可以揭示无人机运输在技术、规模经济和法规合规等方面面临的挑战和机遇，为未来的技术改进和政策制定提供数据支持和决策依据。
3、现有技术中，公开(公告)号为cn112520040a的专利文件公开了一种用于物流运输的无人机及无人机系统，其设计了用于物流运输的
4、因此，需要一种无人机物流运输能力分析方法。
技术实现思路
1、在下文中给出了关于本专利技术的简要概述，以便提供关于本专利技术的某些方面的基本理解。应当理解，这个概述并不是关于本专利技术的穷举性概述。它并不是意图确定本专利技术的关键或重要部分，也不是意图限定本专利技术的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
2、鉴于此，为解决现有技术中传统的采用无人机进行物流运输的方法未涉及无人机运输能力分析的问题，本专利技术提供一种无人机物流运输能力分析方法。
3、技术方案如下：一种无人机物流运输能力分析方法，包括以下步骤：
4、s1.根据评价指标采集数据，构建无人机飞行距离量化分析评价指标体系，得到评价指标对应的元素矩阵；
5、s2.根据评价指标对应的元素矩阵，进行无人机影响因素异常数据识别，得到更新后的无人机的评价指标元素矩阵；
6、s3.构建无人机飞行距离预测模型，输入更新后的无人机的评价指标元素矩阵对模型进行训练，输出预测的无人机飞行距离；
7、s4.根据无人机飞行区域确定物流运输点坐标，通过计算编号后的物流运输点与预测的无人机飞行距离之间的距离关系，确定无人机物流配送范围内的全部物流运输点。
8、进一步地，所述s1中，评价指标包括电池容量、电机效率、螺旋桨直径、机身质量、载重、飞行速度、飞行模式、风速、风向、气温、湿度、飞行高度和飞行距离；
9、无人机飞行距离量化分析评价指标体系具体表示为：
10、电池容量对应的电池容量元素矩阵为，，为无人机数量，为第个无人机对应的电池容量；
11、电机效率对应的电机效率元素矩阵为，， 为第个无人机对应的电机效率；
12、螺旋桨直径对应的螺旋桨直径元素矩阵为zj，，为第个无人机对应的螺旋桨直径；
13、机身质量对应的机身质量元素矩阵为，，为第个无人机对应的机身质量；
14、载重对应的载重元素矩阵为，，为第个无人机对应的载重；
15、飞行速度对应的飞行速度元素矩阵为，，为第个无人机对应的飞行速度；
16、飞行模式对应的飞行模式元素矩阵为，，为第个无人机对应的飞行模式；
17、风速对应的风速元素矩阵为，，为第个无人机对应的风速；
18、风向对应的风向元素矩阵为，，为第个无人机对应的风向；
19、气温对应的气温元素矩阵为，，为第个无人机对应的气温；
20、湿度对应的湿度元素矩阵为，，为第个无人机对应的湿度；
21、飞行高度对应的飞行高度元素矩阵为，，为第个无人机对应的飞行高度；
22、飞行距离对应的飞行距离元素矩阵为，，为第个无人机对应的飞行距离。
23、进一步地，所述s2中，对于电池容量异常数据识别过程如下：计算得到个无人机电池容量的均值、个无人机电池容量的标准差和任一数据与平均值之间的相对距离，比较单个数据点与平均值之间的相对距离与3的关系，当时，判断无人机电池容量的数据为正常数据并进行保留，当时，判断无人机电池容量的数据为异常数据并进行删除，对全部数据执行上述操作，并删除全部异常数据，得到更新后的电池容量元素矩阵，，为更新后的第个电池容量的数据，为删除异常数据后的数据量；
24、个无人机电池容量的均值表示为：
25、；
26、个无人机电池容量的标准差表示为：
27、；
28、任一数据与平均值之间的相对距离表示为：
29、；
30、根据电池容量异常数据识别过程，建立更新后的电机效率元素矩阵、更新后的螺旋桨直径元素矩阵、更新后的机身质量元素矩阵、更新后的载重元素矩阵、更新后的飞行速度元素矩阵、更新后的飞行模式元素矩阵、更新后的风速元素矩阵、更新后的风向元素矩阵、更新后的气温元素矩阵、更新后的湿度元素矩阵、更新后的飞行高度元素矩阵和更新后的飞行距离元素矩阵。
31、进一步地，所述s3中，无人机飞行距离预测模型包括输入层、7个隐藏层、自注意力层、2个残差层和输出层；
32、建立的无人机飞行距离预测模型的神经网络结构按以下顺序依次连接：
33、输入层：将更新后的电池容量元素矩阵、更新后的电机效率元素矩阵、更新后的螺旋桨直径元素矩阵、更新后的机身质量元素矩阵、更新后的载重元素矩阵、更新后的飞行速度元素矩阵、更新后的飞行模式元素矩阵、更新后的风速元素矩阵、更新后的风向元素矩阵、更新后的气温元素矩阵、更新后的湿度元素矩阵、更新后的飞行高度元素矩阵和更新后的飞行距离元素矩阵作为输入；
34、隐藏层1：神经元数量：512，激活函数：relu，批量归一化；
35、隐藏层2：神经元数量：256，激活函数：relu，批量归一化；
36、自注意力层：输入隐藏层2的输出矩阵x；初始化权重矩阵，依次建立初始权重查询矩阵本文档来自技高网...
【技术保护点】
1.一种无人机物流运输能力分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种无人机物流运输能力分析方法，其特征在于，所述S1中，评价指标包括电池容量、电机效率、螺旋桨直径、机身质量、载重、飞行速度、飞行模式、风速、风向、气温、湿度、飞行高度和飞行距离；
3.根据权利要求2所述的一种无人机物流运输能力分析方法，其特征在于，所述S2中，对于电池容量异常数据识别过程如下：计算得到个无人机电池容量的均值、个无人机电池容量的标准差和任一数据与平均值之间的相对距离，比较单个数据点与平均值之间的相对距离与3的关系，当时，判断无人机电池容量的数据为正常数据并进行保留，当时，判断无人机电池容量的数据为异常数据并进行删除，对全部数据执行上述操作，并删除全部异常数据，得到更新后的电池容量元素矩阵，，为更新后的第个电池容量的数据，为删除异常数据后的数据量；
4.根据权利要求3所述的一种无人机物流运输能力分析方法，其特征在于，所述S3中，无人机飞行距离预测模型包括输入层、7个隐藏层、自注意力层、2个残差层和输出层；
5.根据权利要求4所述的一
...【技术特征摘要】
1.一种无人机物流运输能力分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种无人机物流运输能力分析方法，其特征在于，所述s1中，评价指标包括电池容量、电机效率、螺旋桨直径、机身质量、载重、飞行速度、飞行模式、风速、风向、气温、湿度、飞行高度和飞行距离；
3.根据权利要求2所述的一种无人机物流运输能力分析方法，其特征在于，所述s2中，对于电池容量异常数据识别过程如下：计算得到个无人机电池容量的均值、个无人机电池容量的标准差和任一数据与平均值之间的相对距离，比较单个数据点与平均值之间的相对距离与3的关系，当时，判断无人机电池容量的数据为正常数据并进行保留，当时，判断无人机电池容量的数据为异常数据并进行删除，对全部数据执行上述操作，并删除全部异常数...
【专利技术属性】
技术研发人员：张晓春，刘星，孟安鑫，庄蔚群，李鋆元，安茹，吴成龙，肖涛，
申请(专利权)人：深圳市城市交通规划设计研究中心股份有限公司，
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。