【技术实现步骤摘要】
本专利技术涉及无人机，特别是涉及一种基于复杂网络模型的无人机起降点候选优先级确定方法、装置、介质及设备。
技术介绍
1、城市中的交通拥堵问题严重影响了传统物流车辆的配送速度，而无人机可以在空中直线飞行，避开地面的交通堵塞和红绿灯等限制，大大缩短配送时间，优化物流派送人员工作结构，满足城市内部各种距离的运输需求，提高运输安全水平和运输效率。因此，随着无人机技术的迅速发展，无人机在物流配送等领域具有越来越广泛的应用。
2、现有技术中，无人机执行各项任务依赖于构建的复杂网络模型，通过分析无人机复杂网络模型中各个起降点及其飞行航线所覆盖的区域、每条航线的长度和交通流量等因素，为每个因素设置影响系数，并结合各项因素及其权重衡量各个预设的无人机起降点被选择的优先级，筛选出位于多个航线交叉点或者覆盖范围较广区域、靠近较长航线或者飞行频率较高航线的地点作为起降点，以方便无人机快速接入不同的航线，提高任务响应速度，以及在执行任务时减少飞行距离和时间，提高效率。
3、但是上述起降点筛选的准确性依赖于各项因素对应的权重的准确性，而现有技术中通常使用人为设定的固定权重，难以很好地适应复杂网络模型中航线网络的动态变化，以及难以根据不同的任务类型和季节变化等因素进行灵活调整。例如，随着任务需求的变化、新航线的开辟、原有航线的调整、恶劣天气的影响等变化，上述方法难以快速、准确地重新衡量各个预设的无人机起降点被选择的优先级，从而难以筛选出合适的起降点，降低无人机的飞行效率、安全性和可靠性。
4、因此，在基于复杂网络模型衡量无
技术实现思路
1、针对上述技术问题，本专利技术采用的技术方案为一种基于复杂网络模型的无人机起降点候选优先级确定方法，该无人机起降点候选优先级确定方法包括如下步骤：
2、s1000，获取到初始无人机起降点集合a＝{a1，a2，……，an，……，an}、预测飞行航线集合b＝{b1，b2，……，bn，……，bn}、起降点权值集合q＝{q1，q2，……，qn，……，qn}、航线权值集合p＝{p1，p2，……，pn，……，pn}、节点介数集合js＝{js1，js2，……，jsn，……，jsn}、聚类系数集合jl＝{jl1，jl2，……，jln，……，jln}、航线异常程度集合d＝{d1，d2，……，dn，……，dn}、航线长度集合e＝{e1，e2，……，en，……，en}和第二交通流量集合f＝{f1，f2，……，fn，……，fn}，其中，an是指第n个初始无人机起降点，bn＝{bn1，bn2，……，bni，……，bni(n)}，bni是指an对应的第i个预测飞行航线，qn是指an对应的起降点权值，pn＝{pn1，pn2，……，pni，……，pni(n)}，pni是指bni对应的航线权值，jsn是指an对应的节点介数，jln是指an对应的聚类系数，dn＝{dn1，dn2，……，dni，……，dni(n)}，dni是指bni对应的航线异常程度，en＝{en1，en2，……，eni，……，eni(n)}，eni是指bni对应的航线长度，fn＝{fn1，fn2，……，fni，……，fni(n)}，fni是指bni对应的第二交通流量，n＝1，2，……，n，n是指初始无人机起降点的总数量，i＝1，2，……，i(n)，i(n)是指第n个初始无人机起降点对应的预测飞行航线的总数量。
3、s2000，根据a、b、q、p、js、jl和预设的初始权重集合qz＝{qz1，qz2，qz3，qz4，qz5}，获取到候选优先级集合hx＝{hx1，hx2，……，hxn，……，hxn}，其中，qz1是指起降点权值预设权重，qz2是指航线权值预设权重，qz3是指航线数量预设权重，qz4是指节点介数预设权重，qz5是指聚类系数预设权重，an对应的候选优先级hxn符合如下条件：
4、hxn＝qz1×qn+qz2×∑i＝1i(n)(pni/i(n))+qz3×i(n)+qz4×jsn+qz5×jln。
5、s3000，根据hx，从n个初始无人机起降点中筛选出m个候选无人机起降点。
6、s4000，根据d、e和f，获取到候选起降点预测分值集合fz＝{fz1，fz2，……，fzn，……，fzn}，其中，an对应的候选起降点预测分值fzn符合如下条件：
7、fzn＝β1×(σi＝1i(n)e^(-dni))+β2×(∑n＝1n(σi＝1i(n)eni))+β3×(∑n＝1n(σi＝1i(n)fni))，其中，β1
8、是指预设的异常权重，β2是指预设的航线长度权重，β3是指预设的第二流量权重，e是指自然常数。
9、s5000，根据fz，获取到m个候选无人机起降点的筛选分值fs，其中，fs符合如下条件：
10、fs＝(σn＝1n(fzn-fz0)2/n，其中，候选起降点预测均值fz0＝σn＝1n(fzn)/n。
11、s6000，若fs＞fs0，则更新qz，并使用更新后的qz代替预设的初始权重集合，重复执行步骤s2000，直至fs≤fs0，获取到fs≤fs0时的候选优先级集合hx，其中，fs≤fs0时的候选优先级集合hx用于从n个初始无人机起降点中筛选得到目标无人机起降点，fs0是指预设的筛选分值阈值。
12、本专利技术还提供了一种基于复杂网络模型的无人机起降点候选优先级确定装置，该无人机起降点候选优先级确定装置包括：
13、数据获取模块，用于获取到初始无人机起降点集合a＝{a1，a2，……，an，……，an}、预测飞行航线集合b＝{b1，b2，……，bn，……，bn}、起降点权值集合q＝{q1，q2，……，qn，……，qn}、航线权值集合p＝{p1，p2，……，pn，……，pn}、节点介数集合js＝{js1，js2，……，jsn，……，jsn}、聚类系数集合jl＝{jl1，jl2，……，jln，……，jln}、航线异常程度集合d＝{d1，d2，……，dn，……，dn}、航线长度集合e＝{e1，e2，……，en，……，en}和第二交通流量集合f＝{f1，f2，……，fn，……，fn}，其中，an是指第n个初始无人机起降点，bn＝{bn1，bn2，……，bni，……，bni(n)}，bni是指an对应的第i个预测飞行航线，qn是指an对应的起降点权值，pn＝{pn1，pn2，……，pni，……，pni(n)}，pni是指bni对应的航线权值，jsn是指an对应的节点介数，jln是指an对应的聚类系数，dn＝{dn1，dn2，……，dni，……，dni(n)}，dni是指bni对应的航线异常程度，en＝{en1，en2，……，eni，……，eni(n)}，eni是指bni对应的航线长度，fn＝{fn1，fn2，……，fni，……，fni(n)}，fni是指bni对应的第二交通流量，n＝1，2，……，n，n是指初始无本文档来自技高网...
【技术保护点】
1.一种基于复杂网络模型的无人机起降点候选优先级确定方法，其特征在于，所述无人机起降点候选优先级确定方法包括：
2.根据权利要求1所述的基于复杂网络模型的无人机起降点候选优先级确定方法，其特征在于，S1000还包括如下步骤：
3.根据权利要求2所述的基于复杂网络模型的无人机起降点候选优先级确定方法，其特征在于，S1100还包括如下步骤：
4.根据权利要求2所述的基于复杂网络模型的无人机起降点候选优先级确定方法，其特征在于，S1100还包括如下步骤：
5.根据权利要求4所述的基于复杂网络模型的无人机起降点候选优先级确定方法，其特征在于，S1000还包括如下步骤：
6.根据权利要求1所述的基于复杂网络模型的无人机起降点候选优先级确定方法，其特征在于，S3000还包括如下步骤：
7.根据权利要求1所述的基于复杂网络模型的无人机起降点候选优先级确定方法，其特征在于，S6000还包括如下步骤：
8.一种基于复杂网络模型的无人机起降点候选优先级确定装置，其特征在于，所述无人机起降点候选优先级确定装置包括：p>
9.一种非瞬时性计算机可读存储介质，所述非瞬时性计算机可读存储介质中存储有至少一条指令或至少一段程序，其特征在于，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-7中任意一项所述的基于复杂网络模型的无人机起降点候选优先级确定方法。
10.一种电子设备，其特征在于，包括处理器和权利要求9中所述的非瞬时性计算机可读存储介质。
...【技术特征摘要】
1.一种基于复杂网络模型的无人机起降点候选优先级确定方法，其特征在于，所述无人机起降点候选优先级确定方法包括：
2.根据权利要求1所述的基于复杂网络模型的无人机起降点候选优先级确定方法，其特征在于，s1000还包括如下步骤：
3.根据权利要求2所述的基于复杂网络模型的无人机起降点候选优先级确定方法，其特征在于，s1100还包括如下步骤：
4.根据权利要求2所述的基于复杂网络模型的无人机起降点候选优先级确定方法，其特征在于，s1100还包括如下步骤：
5.根据权利要求4所述的基于复杂网络模型的无人机起降点候选优先级确定方法，其特征在于，s1000还包括如下步骤：
6.根据权利要求1所述的基于复杂网络模型的无人机起降点...
【专利技术属性】
技术研发人员：邹翔，曾薪月，唐滔，周小霞，
申请(专利权)人：中国民用航空总局第二研究所，
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。