应用人工智能的无人机飞行调度分析方法、服务器及介质技术

本发明专利技术涉及无人机技术领域，提供应用人工智能的无人机飞行调度分析方法、服务器及介质，获取拟分析飞行调度策略的拟分析飞行环境监测信息和拟分析飞行路径规划信息；并基于对拟分析飞行路径规划信息确定拟分析飞行调度策略的当前执行决策观点；如果当前执行决策观点的确定性指数不大于第一设定确定性指数，或当前执行决策观点不为设定执行决策观点，则基于联动分析网络对路径规划描述知识和环境监测描述知识进行知识交互得到的联动描述知识，确定拟分析飞行调度策略的最终执行决策观点，能够改善传统技术难以准确高效地实现飞行调度策略的可行性分析的技术问题。度策略的可行性分析的技术问题。度策略的可行性分析的技术问题。

【技术实现步骤摘要】
应用人工智能的无人机飞行调度分析方法、服务器及介质


[0001]本专利技术涉及无人机
，具体而言，涉及应用人工智能的无人机飞行调度分析方法、服务器及介质。

技术介绍

[0002]无人机技术是新兴的一大前沿技术，它可以帮助人们解决一些困难的任务，提高工作效率，并帮助人们在未来发挥更大的作用。随着无人机技术的发展，无人机已经在很多领域得到了广泛应用，为人类生活带来了诸多方面的便利。伴随智能化无人机性能的提升，无人机不仅可以进一步拓展新的应用领域，还可以为公共安全、救灾、减灾等行业提供便捷的服务，为社会经济发展做出更大的贡献。在实际应用过程中，无人机的飞行调度通常基于飞行调度策略实现，而判断飞行调度策略的可行性是保障无人机正常、安全开展飞行任务的关键。

技术实现思路

[0003]本专利技术至少提供应用人工智能的无人机飞行调度分析方法、服务器及介质。
[0004]本专利技术提供了一种应用人工智能的无人机飞行调度分析方法，应用于AI调度分析服务器，所述方法包括：获取拟分析飞行调度策略的拟分析飞行环境监测信息和拟分析飞行路径规划信息；基于飞行路径分析网络对所述拟分析飞行路径规划信息进行知识挖掘得到的路径规划描述知识，或环境监测分析网络对拟分析飞行环境监测信息进行知识挖掘得到的环境监测描述知识，确定所述拟分析飞行调度策略的当前执行决策观点；如果所述当前执行决策观点的确定性指数不大于第一设定确定性指数，或所述当前执行决策观点不为设定执行决策观点，则基于联动分析网络对所述路径规划描述知识和所述环境监测描述知识进行知识交互得到的联动描述知识，确定所述拟分析飞行调度策略的最终执行决策观点。
[0005]在一些示例中，如果所述当前执行决策观点基于所述环境监测描述知识确定，所述方法还包括：基于飞行路径分析网络对所述拟分析飞行路径规划信息进行知识挖掘得到的路径规划描述知识，确定所述拟分析飞行调度策略的关联路径执行决策观点；如果所述关联路径执行决策观点的确定性指数不大于第二设定确定性指数，或所述关联路径执行决策观点不为设定执行决策观点，则通过所述环境监测分析网络对拟分析飞行环境监测信息进行知识挖掘得到环境监测描述知识。
[0006]在一些示例中，所述飞行路径分析网络包括路径识别组件和第一特征关注单元，所述方法还包括：通过所述路径识别组件对所述拟分析飞行路径规划信息进行知识挖掘得到若干
个当前路径规划描述知识，所述若干个当前路径规划描述知识对应所述拟分析飞行路径规划信息中的若干个路径节点或若干个航线段中的最少一种；通过所述第一特征关注单元为所述若干个当前路径规划描述知识配置第一特征强化因子，并基于所述第一特征强化因子和所述当前路径规划描述知识得到所述路径规划描述知识。
[0007]在一些示例中，所述飞行路径分析网络包括若干个子网，所述若干个子网中的每个子网包括所述路径识别组件和所述第一特征关注单元，所述每个子网还包括第二特征关注单元，所述飞行路径分析网络还包括聚合单元，所述通过所述路径识别组件对所述拟分析飞行路径规划信息进行知识挖掘得到若干个当前路径规划描述知识，包括：基于所述拟分析飞行路径规划信息的聚类结果，确定所述拟分析飞行路径规划信息所包括的若干个聚类信息分别对应的子网；对于所述若干个子网中的目标子网，通过所述目标子网中的路径识别组件对所述目标子网对应的目标聚类信息进行知识挖掘得到若干个当前路径规划描述知识；所述通过所述第一特征关注单元为所述若干个当前路径规划描述知识配置第一特征强化因子，并基于所述第一特征强化因子和所述当前路径规划描述知识得到所述路径规划描述知识，包括：对于所述目标子网，通过所述目标子网中的第一特征关注单元为所述若干个当前路径规划描述知识配置第一特征强化因子，并基于所述第一特征强化因子对所述当前路径规划描述知识进行强化得到第一路径规划强化知识；通过所述目标子网中的第二特征关注单元为所述若干个子网配置第二特征强化因子，并基于所述第二特征强化因子对所述若干个子网中的最少两个子网的第一路径规划强化知识进行强化，得到第二路径规划强化知识；通过所述聚合单元对所述若干个子网的第二路径规划强化知识进行聚合得到路径规划描述知识。
[0008]在一些示例中，所述若干个聚类信息的区分标识包括第一区分标识和第二区分标识，所述基于所述拟分析飞行路径规划信息的聚类结果，确定所述拟分析飞行路径规划信息所包括的若干个聚类信息分别对应的子网，包括：基于所述拟分析飞行路径规划信息的聚类结果，确定所述拟分析飞行路径规划信息所包括的若干个聚类信息；基于所述若干个聚类信息的区分标识，为所述若干个聚类信息分别确定对应的子网，如果所述若干个聚类信息中的目标聚类信息的区分标识为第一区分标识，所述目标聚类信息对应的子网中的路径识别组件为依据深度学习模型的路径识别组件，如果所述若干个聚类信息中的目标聚类信息的区分标识为第二区分标识，所述目标聚类信息对应的子网中的路径识别组件为依据深度学习模型和可逆残差模型的路径识别组件。
[0009]在一些示例中，所述方法还包括：通过预处理单元基于路径节点和路径节点特征的投影列表，以及航线段和航线段特征的投影列表，对拟分析飞行任务数据进行特征投影得到所述拟分析飞行路径规划信息，所述拟分析飞行路径规划信息包括拟分析路径节点特征和拟分析航线段特征；所述对于所述若干个子网中的目标子网，通过所述目标子网中的路径识别组件对所述目标子网对应的目标聚类信息进行知识挖掘得到若干个当前路径规划描述知识，包括：对于所述目标子网，如果所述目标子网对应的目标聚类信息的区分标识为第一区分标
识，通过所述目标子网中的路径识别组件，对所述目标聚类信息所包括的路径节点特征和航线段特征进行知识挖掘得到若干个当前路径规划描述知识；对于所述目标子网，如果所述目标子网对应的目标聚类信息的区分标识为第二区分标识，通过所述目标子网中的路径识别组件，对所述目标聚类信息所包括的航线段特征进行知识挖掘得到若干个当前路径规划描述知识。
[0010]在一些示例中，基于所述拟分析飞行调度策略的拟分析飞行环境监测信息和拟分析飞行路径规划信息，确定所述拟分析飞行调度策略的最终执行决策观点，是通过决策观点识别网络实现的，所述决策观点识别网络的调试步骤包括：获取携带先验区分标识的第一网络调试学习样例，所述第一网络调试学习样例包括第一飞行调度策略样例的飞行路径规划信息样例和飞行环境监测信息样例，所述先验区分标识用于反映所述第一飞行调度策略样例的目标执行决策观点；通过飞行路径分析网络、环境监测分析网络和联动分析网络对所述第一网络调试学习样例进行识别处理得到各个所述第一飞行调度策略样例的第一执行决策观点，所述飞行路径分析网络用于对所述飞行路径规划信息样例进行知识挖掘得到路径规划描述知识，所述环境监测分析网络用于对所述飞行环境监测信息样例进行知识挖掘得到环境监测描述知识，所述联动分析网络用于对所述路径规划描述知识和所述环境监测描述知识进行知识交互得到联动描述知识，所述联动描述知识用于确定所述第一执行决策观点；基于所述先验区分标识和各个所述第一执行决策观点，生成第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用人工智能的无人机飞行调度分析方法，其特征在于，应用于AI调度分析服务器，所述方法包括：获取拟分析飞行调度策略的拟分析飞行环境监测信息和拟分析飞行路径规划信息；基于飞行路径分析网络对所述拟分析飞行路径规划信息进行知识挖掘得到的路径规划描述知识，或环境监测分析网络对拟分析飞行环境监测信息进行知识挖掘得到的环境监测描述知识，确定所述拟分析飞行调度策略的当前执行决策观点；如果所述当前执行决策观点的确定性指数不大于第一设定确定性指数，或所述当前执行决策观点不为设定执行决策观点，则基于联动分析网络对所述路径规划描述知识和所述环境监测描述知识进行知识交互得到的联动描述知识，确定所述拟分析飞行调度策略的最终执行决策观点。2.如权利要求1所述的方法，其特征在于，如果所述当前执行决策观点基于所述环境监测描述知识确定，所述方法还包括：基于飞行路径分析网络对所述拟分析飞行路径规划信息进行知识挖掘得到的路径规划描述知识，确定所述拟分析飞行调度策略的关联路径执行决策观点；如果所述关联路径执行决策观点的确定性指数不大于第二设定确定性指数，或所述关联路径执行决策观点不为设定执行决策观点，则通过所述环境监测分析网络对拟分析飞行环境监测信息进行知识挖掘得到环境监测描述知识。3.如权利要求1或2所述的方法，其特征在于，所述飞行路径分析网络包括路径识别组件和第一特征关注单元，所述方法还包括：通过所述路径识别组件对所述拟分析飞行路径规划信息进行知识挖掘得到若干个当前路径规划描述知识，所述若干个当前路径规划描述知识对应所述拟分析飞行路径规划信息中的若干个路径节点或若干个航线段中的最少一种；通过所述第一特征关注单元为所述若干个当前路径规划描述知识配置第一特征强化因子，并基于所述第一特征强化因子和所述当前路径规划描述知识得到所述路径规划描述知识。4.如权利要求3所述的方法，其特征在于，所述飞行路径分析网络包括若干个子网，所述若干个子网中的每个子网包括所述路径识别组件和所述第一特征关注单元，所述每个子网还包括第二特征关注单元，所述飞行路径分析网络还包括聚合单元，所述通过所述路径识别组件对所述拟分析飞行路径规划信息进行知识挖掘得到若干个当前路径规划描述知识，包括：基于所述拟分析飞行路径规划信息的聚类结果，确定所述拟分析飞行路径规划信息所包括的若干个聚类信息分别对应的子网；对于所述若干个子网中的目标子网，通过所述目标子网中的路径识别组件对所述目标子网对应的目标聚类信息进行知识挖掘得到若干个当前路径规划描述知识；所述通过所述第一特征关注单元为所述若干个当前路径规划描述知识配置第一特征强化因子，并基于所述第一特征强化因子和所述当前路径规划描述知识得到所述路径规划描述知识，包括：对于所述目标子网，通过所述目标子网中的第一特征关注单元为所述若干个当前路径规划描述知识配置第一特征强化因子，并基于所述第一特征强化因子对所述当前路径规划描述知识进行强化得到第一路径规划强化知识；通过所述目标子网中的第二特征关注单元为所述若干个子网配置第二特征强化因子，并基于所述第二特征强化因子对所
述若干个子网中的最少两个子网的第一路径规划强化知识进行强化，得到第二路径规划强化知识；通过所述聚合单元对所述若干个子网的第二路径规划强化知识进行聚合得到路径规划描述知识。5.如权利要求4所述的方法，其特征在于，所述若干个聚类信息的区分标识包括第一区分标识和第二区分标识，所述基于所述拟分析飞行路径规划信息的聚类结果，确定所述拟分析飞行路径规划信息所包括的若干个聚类信息分别对应的子网，包括：基于所述拟分析飞行路径规划信息的聚类结果，确定所述拟分析飞行路径规划信息所包括的若干个聚类信息；基于所述若干个聚类信息的区分标识，为所述若干个聚类信息分别确定对应的子网，如果所述若干个聚类信息中的目标聚类信息的区分标识为第一区分标识，所述目标聚类信息对应的子网中的路径识别组件为依据深度学习模型的路径识别组件，如果所述若干个聚类信息中的目标聚类信息的区分标识为第二区分标识，所述目标聚类信息对应的子网中的路径识别组件为依据深度学习模型和可逆残差模型的路径识别组件。6.如权利要求5所述的方法，其特征在于，所述方法还包括：通过预处理单元基于路径节点和路径节点特征的投影列表，以及航线段和航线段特征的投影列表，对拟分析飞行任务数据进行特征投影得到所述拟分析飞行路径规划信息，所述拟分析飞行路径规划信息包括拟分析路径节点特征和拟分析航线段特征；所述对于所述若干个子网中的目标子网，通过所述目标子网中的路径识别组件对所述目标子网对应的目标聚类信息进行知识挖掘得到若干个当前...

【专利技术属性】
技术研发人员：刘学亮，徐杰，任继远，
申请(专利权)人：天之翼苏州科技有限公司，
类型：发明
国别省市：