一种智慧城市AI无人机的低空巡防系统及方法与流程

本发明涉及无人机交通控制，更具体地说，本发明涉及一种智慧城市ai无人机的低空巡防系统及方法。

背景技术：

1、随着智慧城市的快速发展，城市管理和服务的智能化水平不断提高，无人机技术被广泛应用于城市安全巡防领域，无人机的应用为城市管理提供了高效、灵活的解决方案，尤其是在低空巡防和实时监控方面具有重要的优势。

2、ai无人机作为智慧城市中的重要组成部分，利用人工智能技术和自我学习能力，可以在复杂的环境中自主飞行和决策。这些无人机能够通过传感器实时收集周围环境的数据，并利用大数据分析、机器学习等技术优化飞行轨迹，实现任务的自主执行。然而，如果任务需要对动态的城市环境进行实时巡航，尤其是追踪可疑目标、应对突发事件或执行巡查任务，可能需要较多数量的无人机以保障灵活性和快速反应。

3、现有技术中，多个无人机在密集区域内协同飞行时，若未充分考虑气流互动引起的动力学耦合效应，可能导致无人机飞行稳定性、速度和航向的偏离，进而影响整个无人机集群的任务执行效果。

4、为了解决上述问题，现提供一种技术方案。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明的实施例提供一种智慧城市ai无人机的低空巡防系统及方法以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种智慧城市ai无人机的低空巡防方法，包括如下步骤：

4、实时监测无人机的飞行状态和相对位置，判断目标区域内的无人机密集程度是否超出安全阈值；

5、当目标区域内的无人机密集程度超出安全阈值时，通过建立非线性动力学模型分析无人机与周围气流的相互作用，评估目标区域内无人机飞行导致的动力学耦合效应隐患；

6、通过相空间重构与多尺度分析结合分析目标区域内地面反射气流的时空变化，评估地面反射气流对目标区域内无人机飞行轨迹的潜在干扰程度；

7、基于目标区域内无人机飞行导致的动力学耦合效应隐患和地面反射气流对目标区域内无人机飞行轨迹的潜在干扰程度，判断是否进行目标区域的整体交通协调优化；

8、当需要进行目标区域的整体交通协调优化时，对目标区域内每个无人机与其他无人机的飞行状态数据进行分析，评估每个无人机的飞行路径复杂性；

9、基于无人机的飞行路径复杂性确定每个无人机的轨迹需调整优先级。

10、在一个优选的实施方式中，实时监测无人机的飞行状态和相对位置，判断目标区域内的无人机密集程度是否超出安全阈值，具体为：

11、实时收集所有无人机的飞行状态数据，飞行状态数据包括位置、速度、航向和飞行高度；

12、根据飞行状态数据确定无人机是否位于目标区域内：

13、将位于目标区域内的无人机数量与目标区域的体积进行比较，确定目标区域内的无人机密集程度；

14、基于目标区域内的无人机密集程度和其对应的安全阈值的比较，判断目标区域内无人机的飞行安全隐患。

15、在一个优选的实施方式中，通过建立非线性动力学模型分析无人机与周围气流的相互作用，评估目标区域内无人机飞行导致的动力学耦合效应隐患，具体为：

16、实时获取目标区域内无人机的周围气流数据，周围气流数据包括气流速度、气流方向和湍流度；

17、根据无人机的飞行状态数据和周围气流数据，构建描述无人机运动和受力情况的非线性动力学模型；

18、利用所建立的非线性动力学模型，计算无人机之间的相互作用力和无人机与周围气流之间的扰动力；

19、使用数值方法对非线性动力学模型进行数值解算，模拟在高密度飞行环境下无人机与气流之间的耦合效应，评估目标区域内无人机飞行导致的动力学耦合效应隐患；目标区域内无人机飞行导致的动力学耦合效应隐患包括正常和异常。

20、在一个优选的实施方式中，通过相空间重构与多尺度分析结合分析目标区域内地面反射气流的时空变化，评估地面反射气流对目标区域内无人机飞行轨迹的潜在干扰程度，具体为：

21、实时获取目标区域内的地面反射气流数据；

22、利用相空间重构方法，将地面反射气流数据映射到高维相空间，重建气流的动态特性和变化规律；

23、采用多尺度分析方法，对高维相空间中的地面反射气流数据在不同尺度下进行处理，提取地面反射气流的特征信息；

24、根据地面反射气流的特征信息建立描述地面反射的气流时空变化模型，反映气流对时间和空间的依赖关系；

25、利用建立的气流时空变化模型，评估地面反射气流对目标区域内无人机飞行轨迹的潜在干扰程度；地面反射气流对目标区域内无人机飞行轨迹的潜在干扰程度包括大和正常。

26、在一个优选的实施方式中，基于目标区域内无人机飞行导致的动力学耦合效应隐患和地面反射气流对目标区域内无人机飞行轨迹的潜在干扰程度，判断是否进行目标区域的整体交通协调优化，具体为：

27、当目标区域内无人机飞行导致的动力学耦合效应隐患正常，且地面反射气流对目标区域内无人机飞行轨迹的潜在干扰程度正常时，则判定不进行目标区域的整体交通协调优化；否则，判定进行目标区域的整体交通协调优化。

28、在一个优选的实施方式中，当需要进行目标区域的整体交通协调优化时，对目标区域内每个无人机与其他无人机的飞行状态数据进行分析，评估每个无人机的飞行路径复杂性，具体为：

29、根据飞行状态数据计算每个无人机与其他无人机之间的相对位置和速度差异；

30、通过分析无人机之间的相对位置和速度差异，识别可能发生的飞行路径冲突和干扰情况：对于满足两个无人机之间的距离小于预设的安全范围的两个无人机，标记出所有满足速度差异小于预设速度差异的无人机对；

31、基于飞行路径冲突和干扰情况，评估每个无人机的飞行路径复杂性。

32、在一个优选的实施方式中，基于飞行路径冲突和干扰情况，评估每个无人机的飞行路径复杂性，具体为：

33、计算每个无人机的路径复杂性因子，其表达式为：；其中，是路径复杂性因子，是与无人机存在路径冲突的其他无人机的数量，是与无人机存在路径冲突的其他无人机的编号；表示第个无人机和与其存在路径冲突的第个无人机之间的速度差异，是第个无人机和与其存在路径冲突的第个无人机之间的距离，是常数。

34、在一个优选的实施方式中，基于无人机的飞行路径复杂性确定每个无人机的轨迹需调整优先级，具体为：

35、计算调整优先级值，其表达式为：；其中，是第个无人机的调整优先级值，是第个无人机的调整优先级权重；

36、调整优先级值越大，无人机的轨迹需调整优先级越高，基于调整优先级值从大到小对无人机进行排序，优先调整排序靠前的无人机的运行轨迹。

37、另一方面，本发明提供一种智慧城市ai无人机的低空巡防系统，包括密集程度监测模块、耦合效应分析模块、地面效应分析模块、交通综合优化模块、路径复杂评估模块以及轨迹优先确定模块；

38、密集程度监测模块：实时监测无人机的飞行状态和相对位置，判断目标区域内的无人机密集程度是否超出安全阈值；

39、耦合效应分析模块：当目标区域内的无人机密集程度超出安全阈值时，通过建立非线性动力学模型分析无人机与周围气流的相互作用，评估目标区域内无人机飞行导致的动力学耦合效应隐患；

40、地面效应分析模块：当目标区域内的无人机密集程度超出安全阈值时，通过相空间重构与多尺度分析结合分析目标区域内地面反射气流的时空变化，评估地面反射气流对目标区域内无人机飞行轨迹的潜在干扰程度；

41、交通综合优化模块：基于目标区域内无人机飞行导致的动力学耦合效应隐患和地面反射气流对目标区域内无人机飞行轨迹的潜在干扰程度，判断是否进行目标区域的整体交通协调优化；

42、路径复杂评估模块：当需要进行目标区域的整体交通协调优化时，对目标区域内每个无人机与其他无人机的飞行状态数据进行分析，评估每个无人机的飞行路径复杂性；

43、轨迹优先确定模块：基于无人机的飞行路径复杂性确定每个无人机的轨迹需调整优先级。

44、本发明一种智慧城市ai无人机的低空巡防系统及方法的技术效果和优点：

45、1、通过实时监测无人机的飞行状态与相对位置，能够有效判断目标区域内无人机的密集程度是否超出安全阈值，从而减少因无人机密集而引发的飞行路径冲突或干扰；通过对密集区域内无人机之间的飞行状态数据进行分析，能够在无人机飞行轨迹的规划阶段及时发现潜在的冲突风险，确保无人机在复杂环境下的自主飞行更加安全、高效；此外，基于非线性动力学模型分析无人机与周围气流的相互作用，能够评估目标区域内无人机飞行所可能导致的动力学耦合效应隐患，为无人机群体飞行中的安全性提供保障；结合相空间重构与多尺度分析，能够深入分析地面反射气流的时空变化，评估其对无人机飞行轨迹的潜在干扰，进一步提升飞行任务的精准度与稳定性，从而在动态的城市环境中，确保ai无人机的高效执行和快速反应。

46、2、当目标区域的无人机密集度超出安全阈值时，本发明通过基于飞行路径复杂性优先调整飞行轨迹，确保关键任务的无人机能够优先调整轨迹，避免航向偏离或冲突，提升集群协同能力；基于每个无人机的飞行路径复杂性计算调整优先级，使得轨迹调整更加科学合理，避免不必要的干扰和拥堵，优化整体飞行效率；在实际应用中，通过精确的飞行路径分析和优化，本发明能够有效提升智慧城市中ai无人机低空巡防任务的执行效率，减少飞行过程中的风险，确保无人机集群能够协同执行巡查、监控、应急响应等任务，从而大幅提升城市管理的智能化水平和公共安全保障能力。