[发明专利]一种基于无人机航行跟随的城市道路监管方法、系统及可读存储介质

权利要求书

1.一种基于无人机航行跟随的城市道路监管方法，其特征在于，包括：

通过航拍无人机采集交通图像信息，将图像信息进行预处理，得到交通流数据；

提取交通流数据向量特征，并利用网络模型进行识别交通事件类别；

根据交通事件类别生成诱导信息，

通过诱导信息对车辆路径进行实时引导，得到结果信息；

根据结果信息，确定无人机航行任务，并对无人机进行编队，生成编队信息；

根据无人机航行任务，确定无人机基准航迹；

实时获取无人机当前飞行航迹，将无人机当前飞行航迹与基准航迹进行比较，得到偏差率；

判断所述偏差率是否大于预定阈值；

若大于，则生成修正信息，根据修正信息对多无人机节点进行重新编队，并生成新的规划航迹，

根据新的规划航迹更新当前飞行航迹，控制无人机编队沿新的规划航迹飞行。

2.根据权利要求1所述的一种基于无人机航行跟随的城市道路监管方法，其特征在于，通过航拍无人机采集交通图像信息，将图像信息进行预处理，得到交通流数据，具体包括：

获取交通图像信息，将图像信息进行边缘化处理，

提取图像信息中的路径分割线及路径轨迹，生成路网信息，

根据路网信息与实际交通路径信息进行比较，得到无人机航拍姿态角，

判断无人机航拍姿态角是否大于预设航拍姿态角，

若大于，则生成补偿信息，根据补偿信息进行调整无人机航拍姿态角，

通过无人机再次拍摄交通图像信息，并生成交通流数据。

3.根据权利要求1所述的一种基于无人机航行跟随的城市道路监管方法，其特征在于，还包括：

通过大数据建立约束模型，并通过约束模型生成航行时间约束条件；

获取无人机起始位置与目标位置；

根据基准航迹计算无人机起始位置至目标位置的标准航行时间；

采集动态航迹信息，并计算预测航行时间；

将标准航行时间与预测航行时间进行比较，得到偏差率；

判断所述偏差率是否大于预设偏差率阈值；

若大于，则对无人机节点的航行速度进行调整。

4.根据权利要求1所述的一种基于无人机航行跟随的城市道路监管方法，其特征在于，提取交通流数据向量特征，利用网络模型进行识别交通事件类别，具体为：

利用深度学习算法构建交通流预测模型，将交通流数据进行分类训练；

采用最优化算法求解交通拥堵信息及路况状态；

根据交通拥堵信息进行最短路径寻优，并进行备选路径搜索；

无人机节点获取备选路径，并沿备选路径进行模拟飞行，得到备选路径路况信息；

根据备选路径路况信息获取调整信息，

通过调整信息对备选路径进行实时调整，得到结果信息，

将结果信息传输至平台。

5.根据权利要求1所述的一种基于无人机航行跟随的城市道路监管方法，其特征在于，根据修正信息对多无人机节点进行重新编队，具体包括：

建立多无人机节点初始编队条件，

根据初始编队条件对多无人机节点进行编队保持；

获取初始编队内无人机之间的航行间距，

将航行间距与预定编队距离进行比较，得到偏差率；

判断所述偏差率是否大于预设偏差率阈值；

若大于，则进行多无人机节点重新编队。

6.根据权利要求1所述的一种基于无人机航行跟随的城市道路监管方法，其特征在于，所述交通事件类别包括道路拥堵、交通事故、道路施工、道路封闭、道路天气异常中的一种或多种；

所述道路拥堵包括周期性拥堵或非周期性拥堵，所述周期性拥堵包括道路交叉口或路段上预定时间段内经常出现的拥堵；所述非周期性拥堵包括随机或意外情况下造成的拥突发堵。