本發(fā)明屬于物流和無人機，具體涉及一種基于多源數(shù)據(jù)驅(qū)動的物流無人機機場選址方法。

背景技術(shù)：

1、隨著科技的迅速發(fā)展和無人機技術(shù)的全方位逐步普及和計算機技術(shù)逐步發(fā)展，物流無人機變?yōu)楝F(xiàn)實。物流無人機從理想走進現(xiàn)實，相對于傳統(tǒng)方法，物流無人機能無視地形，更高效地進行配送。此外，物流無人機能夠大大減少人工成本，并且安全性更高，因為無人機的重量小，由機器操縱，人為因素小。物流無人機能夠保證運輸效率，在多種天氣下也能夠正常運行。

2、但是物流無人機也面臨著一系列的問題。如何選擇無人機機場，使配送效率更高，使物件更快的到達，同時減少無人機在人員密集區(qū)域的危害風(fēng)險是這一服務(wù)應(yīng)用的關(guān)鍵。通過考慮動態(tài)因素來增強物流無人機服務(wù)的韌性，進而改進機場選址也是物流無人機推廣應(yīng)用的關(guān)鍵。為了實現(xiàn)無人機機場選址和智能起降點選擇，需要構(gòu)建一種基于數(shù)據(jù)驅(qū)動的能夠?qū)崿F(xiàn)無人機機場選址的方法。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于針對已有監(jiān)控部署的不足，提供一種基于多源數(shù)據(jù)驅(qū)動的物流無人機機場選址方法。通過對物流無人機所處空間信息的挖掘，建立空間模型，運用算法生成物流無人機機場選址。應(yīng)用本發(fā)明的方法，能夠融合多源數(shù)據(jù)確定合適的無人機機場位置，明顯提高無人機配送的效率。

2、為達到上述目的，本發(fā)明采用以下技術(shù)方案：

3、一種基于多源數(shù)據(jù)驅(qū)動的物流無人機機場選址方法，所述方法包括以下步驟：

4、步驟(1)：收集各個時間段區(qū)域內(nèi)的行人流量、障礙物分布、交通狀況和建筑物分布信息，并獲取區(qū)域環(huán)境的實時圖像，對收集到的數(shù)據(jù)進行模式識別和預(yù)測，基于用戶配送需求，確定無人機機場選址的初始方案；

5、步驟(2)：模擬無人機在步驟(1)得到不同的無人機機場選址的初始方案下的運行效果，考慮飛行路徑規(guī)劃、障礙物避免算法以及無人機之間的協(xié)同控制因素，以全面評估步驟(1)得到不同的無人機機場選址的初始方案對區(qū)域物流效率的影響；

6、步驟(3)：在綜合步驟(2)的模擬結(jié)果和數(shù)據(jù)分析結(jié)果的基礎(chǔ)上，利用多目標優(yōu)化算法，對多個無人機機場選址的初始方案進行綜合評價和比較，通過機場管理系統(tǒng)評估成本效益分析和環(huán)境影響，選擇出最優(yōu)的無人機機場選址方案。

7、進一步地，步驟(1)中所述收集各個時間段區(qū)域內(nèi)的行人流量、障礙物分布、交通狀況和建筑物分布信息，并獲取區(qū)域環(huán)境的實時圖像的過程包括：利用到無人機搭載的高精度激光雷達來進行無人機測量，并進行實地測量以獲取地圖數(shù)據(jù)，所述地圖數(shù)據(jù)包括地形高程、建筑物三維坐標、目標物特征和距離信息，再通過點云數(shù)據(jù)處理和建筑物三維重建將獲得的地圖數(shù)據(jù)轉(zhuǎn)化為數(shù)字高程模型和建筑物信息模型，設(shè)行人流量為p(t)；建筑物分布b(x,y)，其中(x,y)代表空間坐標；交通狀況為t(t,l)，其中t代表時間，l代表路段；同時利用無人機搭載的攝像頭和環(huán)境感知傳感器，獲取實時位置信息和環(huán)境信息，為后續(xù)的選址決策提供區(qū)域環(huán)境的實時圖像，表示為i(t)。

8、進一步地，所述步驟(1)所述對收集到的數(shù)據(jù)進行模式識別和預(yù)測，具體過程具體如下：

9、a、采用目標需求預(yù)測算法，對收集到的數(shù)據(jù)進行統(tǒng)計、分類和歸納；根據(jù)一次指數(shù)平滑法可知yt+1＝axt+(1-a)yt，xt為t時刻的實測值，yt為t時刻的預(yù)測值，a為加權(quán)因子，取值范圍為0≤a≤1；

10、b、利用熵權(quán)法對步驟a得到的數(shù)據(jù)分別處理，得到各指標的信息熵，進而計算出各個指標的權(quán)重；權(quán)重公式為h(xi)為第i個指標的信息熵，ωi為第i個指標的權(quán)重，n為評價指標的數(shù)目；

11、c、基于步驟b得到的權(quán)重，利用topsis法計算風(fēng)險排序，得出各數(shù)據(jù)對象與需求的相對貼近度ci，進而綜合評價識別出對無人機機場需求較高的區(qū)域；根據(jù)貼近度公式是第(i)個備選方案與負理想解之間的距離，是第(i)個備選方案與正理想解之間的距離；

12、d、在gis模型進行一系列空間詢問，來驗證步驟c中得到的結(jié)果，其中，gis模型的需求包括行人流量為p(t)、建筑物分布b(x,y)、交通狀況為t(t,l)、無人機在時刻t的剩余電量e(t)，從而預(yù)測出的無人機數(shù)量需求。

13、進一步地，所述步驟(1)中的機場選址過程，先基于當(dāng)?shù)赜脩舻呐渌托枨?，利用用戶行為分析方法，對用戶訂單?shù)據(jù)進行聚類分析，確定配送需求的集中區(qū)域，得知集中區(qū)域之后，對權(quán)利要求3中得到的備選方案采用dijkstra算法或a*算法進行集中區(qū)域物流的路徑規(guī)劃，得到無人機機場選址的初始方案下的基礎(chǔ)路徑。

14、進一步地，所述步驟(2)包括以下步驟：

15、2.1，利用四旋翼無人機動力模型和歐拉方程計算出無人機在空中的位置，通過收集不同時刻無人機的位置信息，判斷無人機選址能否有效避免障礙物，其中歐拉方程為m＝j(luò)ωb+ωb×(jωb)，ωb為機體系下角速度，這里設(shè)ωb＝[p?q?r]t，p、q、r分別為角速度在機體系三軸上的分量，ψ、θ都是姿態(tài)角，j為轉(zhuǎn)動慣量，其矩陣表示為j＝diag(ixiyiz)，推力產(chǎn)生的合力fb＝[fxfyfz]，其中m是無人機及載重物的質(zhì)量；s是無人機躲避障礙物走過的路程，通過無人機實時的位置來得到；

16、模擬步驟1得到的不同方案避免障礙物，得到不同方案避免障礙物的時間t，通過模擬，對步驟1得到的不同方案所用時間t進行排序，從中選擇出用時最少的20種不同的無人機機場選址方案；

17、2.2，預(yù)測無人機的高度h、速度v和載重w對機場運行效果的影響：

18、在對于步驟2.1得到的20種不同的選址方案中，通過輸入不同的無人機數(shù)據(jù)模擬無人機的高度h、速度v和載重w對于無人機電量的消耗，結(jié)合無人機電量消耗以預(yù)測出不同無人機飛行特性對機場運行效果的影響，設(shè)無人機電量為e，對滿電無人機進行半小時的模擬飛行，記錄下模擬后的電量，對模擬后的電量從多到少進行排序，從步驟2.1得到的20種不同的選址方案中選擇出電量從多到少的前8種無人機機場選址方案；

19、2.3，預(yù)測不同氣候條件對機場運行效果的影響：

20、在對于步驟2.2得到的8種無人機機場選址方案中，設(shè)時間為t，通過模擬不同方案無人機分別在風(fēng)速18m/s、風(fēng)速5m/s、風(fēng)速1m/s、10mm/h的降雨、6mm/h的降雨、1mm/h的降雨下的完成一次任務(wù)，結(jié)合機場運行效果，預(yù)測出不同氣候條件對機場運行效果的影響，通過模擬，對步驟2.2得到的8種無人機機場選址的時間進行排序，選擇出時間最少的3種不同的無人機機場選址方案。

21、進一步地，步驟(3)具體方法為：實時監(jiān)測步驟2.3中得到的無人機機場選址所相應(yīng)無人機的運行狀態(tài)和位置信息，評估成本效益分析和環(huán)境影響，其中，多目標優(yōu)化算法融入粒子群優(yōu)化算法，將每一個的機場選址方案表示為一個粒子，每個粒子包含位置屬性，通過每次迭代讓每個粒子都會根據(jù)更新自己的位置，多次迭代至達到預(yù)設(shè)的最大迭代次數(shù)或連續(xù)多次迭代中得到的最佳位置沒有明顯改善，且綜合考慮無人機機場的建設(shè)成本、運行效果和環(huán)境影響這些多元化因素，在上述過程篩選出的無人機機場方案中，再進一步通過利用這些不同的因素求解不同方案對應(yīng)的綜合評價函數(shù)z(x)的最優(yōu)解集，從步驟2.3中得到的無人機機場選址中選出最優(yōu)無人機機場選址方案。

22、進一步地，所述綜合評價函數(shù)，建立方法如下：

23、設(shè)篩選出來的第i個機場選址方案的建設(shè)成本為c1(si)，維護成本為c2(si)，環(huán)境影響為e(si)，建立有關(guān)綜合評價函數(shù)的線性回歸方程，通過對自變量對因變量影響程度，計算出各自的權(quán)重系數(shù)，則綜合評價函數(shù)z(si)可以表示為：

24、z(si)＝α·c1(si)+β·c1(si)+θ·e(si)

25、其中si表示第i個機場選址方案，α,β,θ為權(quán)重系數(shù)，反映了不同因素在決策過程中的相對重要性，通過求解z(si)的最優(yōu)解集，從步驟2.3中得到的無人機機場選址中選出最優(yōu)無人機機場選址方案。

26、本發(fā)明相比現(xiàn)有技術(shù)的有益效果是：

27、本發(fā)明智能融合多源數(shù)據(jù)信息，降低對于從業(yè)人員的選址經(jīng)驗依賴，綜合考慮飛行路徑和風(fēng)險評估，選擇科學(xué)合理的無人機機場位置，提高無人機配送效率，減少無人機在人員密集區(qū)域的危害風(fēng)險。