CN118504945B - 一种无人机共享调度方法及系统 - Google Patents

Abstract

本发明涉及通信技术领域，尤其涉及一种无人机共享调度方法及系统。该方法包括以下步骤：获取无人机平台工单数据并进行分类，获得人工调度工单数据以及机场调度工单数据；获取遥控飞行员工况数据以及无人机机场航线数据并进行校正，获得人工调度优先级数据以及机场调度优先级数据；对人工调度优先级数据进行策略分析，获得初始人工调度数据；根据无人机机场航线数据对机场调度优先级数据进行策略分析，获得初始机场调度数据；对初始机场调度数据进行调度优化，获得转人工调度数据；根据初始人工调度数据、转人工调度数据以及初始机场调度数据进行调度策略分析，获得平台无人机调度数据。本发明基于无人机平台对无人机进行准确有效的共享调度。

Description

一种无人机共享调度方法及系统

技术领域

本发明涉及通信技术领域，尤其涉及一种无人机共享调度方法及系统。

背景技术

近年来，无人机技术取得了显著的发展，广泛应用于各种领域，包括航拍、物流配送、农业等。然而，随着无人机数量的增加，有效的调度和协同变得至关重要。传统的无人机调度方法由于不同任务需求和资源约束，无人机之间的协同共享变得复杂。因此，需要一种新型的无人机共享调度方法，以提高系统的整体性能和资源利用率。

发明内容

基于此，本发明有必要提供一种无人机共享调度方法及系统，以解决至少一个上述技术问题。

为实现上述目的，一种无人机共享调度方法，包括以下步骤：

步骤S1：获取无人机平台工单数据，根据无人机平台工单数据进行时空调度分类，从而获得人工调度工单数据以及机场调度工单数据；

步骤S2：获取遥控飞行员工况数据以及无人机机场航线数据，并根据遥控飞行员工况数据对人工调度工单数据进行优先级应急校正，从而获得人工调度优先级数据；根据无人机机场航线数据对机场调度工单数据进行优先级应急校正，从而获得机场调度优先级数据；

步骤S3：根据遥控飞行员工况数据对人工调度优先级数据进行人工调度策略分析，从而获得初始人工调度数据；

步骤S4：根据无人机机场航线数据对机场调度优先级数据进行机场调度策略分析，从而获得初始机场调度数据；

步骤S5：对初始机场调度数据进行航线冲突调度优化，从而获得转人工调度数据；

步骤S6：根据初始人工调度数据、转人工调度数据以及初始机场调度数据进行调度策略分析，从而获得平台无人机调度数据。

本发明获取无人机平台工单数据，能够了解当前的任务需求和资源分配情况。时空调度分类可以帮助将工单数据进行整理，从而得到人工调度工单数据和机场调度工单数据。获取遥控飞行员工况数据，可以了解飞行员的工作状态和条件。无人机机场航线数据则提供了机场相关的信息。这些数据用于对人工调度工单和机场调度工单进行优先级应急校正，以更好地适应实际工作环境。基于遥控飞行员工况数据对人工调度优先级数据进行分析，能够制定初始的人工调度策略。有助于优化任务分配，提高响应速度，并确保任务按时完成。利用无人机机场航线数据对机场调度优先级数据进行策略分析，能够建立初始的机场调度策略。有助于协同管理多个无人机在机场附近的飞行，减少拥堵和冲突。通过根据初始人工调度数据对初始机场调度数据进行优化，解决航线冲突。有助于确保无人机之间的飞行路径不会发生冲突，提高无人机平台调度效率。综合初始人工调度数据、转人工调度数据以及初始机场调度数据，进行更全面的调度策略分析。有助于最终确定平台无人机的最佳调度方案，以提高整体性能和资源利用率。

可选地，步骤S1具体为：

步骤S11：获取无人机平台工单数据；

步骤S12：对无人机平台工单数据进行特征提取，从而获得工单时序数据以及工单地理信息数据；

步骤S13：根据工单地理信息数据进行初始位置数据提取以及结束位置数据提取，从而获得工单初始位置数据以及工单结束位置数据；

步骤S14：根据工单初始位置数据以及工单结束位置数据对无人机平台工单数据进行空间调度分类，从而获得第一调度分类数据；

步骤S15：根据工单时序数据对无人机平台工单数据进行时间调度分类，从而获得第二调度分类数据；

步骤S16：对第一调度分类数据以及第二调度分类数据进行调度交集计算，从而获得人工调度工单数据以及机场调度工单数据。

本发明获取无人机平台工单数据，能够获得关于不同任务的详细信息，包括任务类型、起止时间、地理位置等。对工单数据进行特征提取有助于提炼关键信息，其中工单时序数据反映了工单的时间特征，工单地理信息数据包含了任务的位置特征。这为后续调度提供了更详细和有序的数据。根据工单地理信息数据提取初始和结束位置数据，能够了解任务的起点和终点，这对于后续的空间调度和路径规划非常关键。根据工单的初始和结束位置数据进行空间调度分类，能够将工单按照地理位置进行分类，有助于合理安排无人机的飞行路径，减少冲突和提高效率。对工单时序数据进行时间调度分类，能够了解任务的时间要求，有助于在时间上合理调度无人机的执行顺序，以满足任务的实时性需求。将空间调度分类数据和时间调度分类数据进行交集计算，能够得到人工调度工单数据和机场调度工单数据。有助于综合考虑时空因素，制定更合理的调度方案，提高系统的整体性能。

可选地，步骤S14具体为：

步骤S141：根据工单初始位置数据以及工单结束位置数据进行地区跨越分类，从而获得同地区工单数据以及跨地区工单数据；

步骤S142：对工单初始位置数据以及工单结束位置数据进行机场位置数据提取，从而获得机场位置数据；

步骤S143：根据机场位置数据对工单初始位置数据以及工单结束位置数据进行工单分类计算，从而获得机场起始工单数据以及非机场起始工单数据；

步骤S144：对跨地区工单数据以及非机场起始工单数据进行数据归并，从而获得第一人工调度数据；

步骤S145：对同地区工单数据以及机场起始工单数据进行数据归并，从而获得第一人工调度数据；

步骤S146：将第一机场调度数据以及第一人工调度数据进行数据合并，从而获得第一调度分类数据。

本发明根据工单初始位置和结束位置数据进行地区跨越分类，能够区分同地区工单和跨地区工单。有助于针对不同地域特点和调度需求，更有效地进行后续调度和资源分配。通过提取机场位置数据，能够识别与机场相关的工单。这对于无人机在机场附近的安全管理、飞行规划以及与机场协调调度等方面都非常重要。根据机场位置数据对工单进行分类，得到机场起始工单和非机场起始工单。这样的分类有助于差异化处理机场内外的任务，以满足工单的独特需求和限制，以此来完成调度分类的任务。对跨地区工单数据以及非机场起始工单数据进行归并，能够生成第一人工调度数据。有助于对跨地区任务进行整体调度，提高系统的调度效率和任务执行能力。对同地区工单数据以及机场起始工单数据进行归并，能够生成第一机场调度数据。这样可以更有效地协调和管理机场内的任务，确保机场航空活动的顺畅进行。将第一机场调度数据和第一人工调度数据进行合并，能够得到更全面的第一调度分类数据。这为综合考虑不同场景和需求，制定更精准的调度策略提供了基础。

可选地，步骤S15具体为：

步骤S151：对工单时序数据进行统计分析，从而获得高频工单时序数据以及低频工单时序数据；

步骤S152：获取地区机场运行时间数据，并根据地区机场运行时间数据对高频工单时序数据进行关联分析，从而获得高关联高频工单时序数据以及低关联高频工单时序数据；

步骤S153：根据地区机场运行时间数据对低频工单时序数据进行关联分析，从而获得高关联低频工单时序数据以及低关联低频工单时序数据；

步骤S154：对高关联高频工单时序数据以及高关联低频工单时序数据进行数据归并，从而获得第二机场调度数据；

步骤S155：对低关联高频工单时序数据以及低关联低频工单时序数据进行数据归并，从而获得第二人工调度数据；

步骤S156：将第二机场调度数据以及第二人工调度数据进行数据合并，从而获得第二调度分类数据。

本发明对工单时序数据进行统计分析，系统能够将工单分为高频和低频工单。有助于识别工作密集度高的时间段和工作量较轻的时间段，为调度和资源分配提供更准确的信息。结合地区机场运行时间数据，可以进行关联分析，识别与机场运行时间高度相关的高频工单时序数据。有助于更好地理解机场繁忙时段的工单需求，以便进行更有效的调度和资源管理。通过关联分析低频工单时序数据，可以识别与机场运行时间关联度较低的低频工单时序数据。这能够更好地处理相对较轻松的工单任务，优化资源利用。对高关联高频工单时序数据的归并，可以生成第二机场调度数据。有助于更精准地处理机场繁忙时段内的高频工单，提高系统的响应速度和调度效率。对低关联高频工单时序数据的归并能够生成第二人工调度数据。有助于更灵活地处理高频工单中的相对较轻松的任务，提高调度的灵活性和适应性。将第二机场调度数据和第二人工调度数据进行合并，能够得到更全面的第二调度分类数据。这能提供了整体视角，以更好地综合处理高频和低频工单，实现更智能的调度。

可选地，步骤S16具体为：

对第一调度分类数据以及第二调度分类数据进行机场调度工单交集运算，从而获得机场调度工单数据；

对第一调度分类数据以及第二调度分类数据进行人工调度工单交集运算，从而获得人工调度交集工单数据；

根据人工调度交集工单数据以及机场调度工单数据对无人机平台工单数据进行未分类工单数据提取，从而获得未分类工单数据；

对未分类工单数据以及人工调度交集工单数据进行数据合并，从而获得人工调度工单数据。

本发明对第一调度分类数据以及第二调度分类数据进行机场调度工单的交集运算，能够获得机场调度工单数据。有助于提高机场资源的有效利用以及提高工单的调度分类的准确性，以实现更协调和高效的机场调度。对第一调度分类数据以及第二调度分类数据进行人工调度工单的交集运算，可以获得人工调度交集工单数据。这对于需要人工干预和处理的工单非常重要，有助于提高飞行员资源的有效利用以及提高工单的调度分类的准确性，以实现更协调和高效的飞行员调度。利用人工调度交集工单数据和机场调度工单数据，能够对无人机平台工单数据进行未分类工单的提取。有助于捕捉到不属于机场调度和人工调度范畴的工单，为未来可能的分类和处理提供基础。因为人工调度的灵活性较强，具有更强的适应性，所以将未分类工单数据以及人工调度交集工单数据进行数据合并，以应对未分类的工单要求。有助于提高工单的整体管理效率。

可选地，步骤S2具体为：

步骤S21：获取遥控飞行员工况数据以及无人机机场航线数据；

步骤S22：根据人工调度工单数据进行优先级分类，从而获得日常人工调度工单数据以及应急人工调度工单数据；

步骤S23：根据机场调度工单数据进行优先级分类，从而获得日常机场调度工单数据以及应急机场调度工单数据；

步骤S24：基于遥控飞行员工况数据对日常人工调度工单数据进行人工应急优先级校正，从而获得日常人工调度工单校正数据；

步骤S25：基于无人机机场航线数据对日常机场调度工单数据进行机场应急优先级校正，从而获得日常机场调度工单校正数据；

步骤S26：将日常人工调度工单校正数据以及应急人工调度工单数据进行数据合并，从而获得人工调度优先级数据；将日常机场调度工单校正数据以及应急机场调度工单数据进行数据合并，从而获得机场调度优先级数据。

本发明获取遥控飞行员工况数据有助于了解飞行员的状态、能力等信息，而无人机机场航线数据则提供了关于无人机在机场的飞行路径信息。这为后续的调度和优先级分类提供了必要的基础数据。对人工调度工单数据进行优先级分类，区分工单的紧急程度。有助于提高调度系统对人工调度任务的灵活性和响应速度。对机场调度工单进行优先级分类有助于更好地应对机场调度任务的紧急性。这能够确保在面对不同优先级的任务时能够做出合适的决策。根据遥控飞行员的工况数据对人工调度工单进行应急优先级校正，可以更准确地反映飞行员的状态，确保在紧急情况下能够做出更合适的人工调度决策。利用无人机机场航线数据对机场调度工单进行应急优先级校正，可以更好地理解无人机的当前位置和飞行路径，从而更精确地确定机场调度的紧急性，提高调度效率。将校正后的日常人工调度工单数据与应急人工调度工单数据进行合并，获得了更全面的人工调度优先级数据。同样，通过将日常机场调度工单校正数据与应急机场调度工单数据进行合并，能够得到更全面的机场调度优先级数据，有助于整体调度系统更好地应对各种情况。

可选地，步骤S24具体为：

步骤S241：对日常人工调度工单数据进行地理信息提取，从而获得日常人工调度地理数据；

步骤S242：对遥控飞行员工况数据进行实时定位数据提取，从而获得实时飞行员定位数据；

步骤S243：根据实时飞行员定位数据进行区域飞行员密集度计算，从而获得区域飞行员密集度；

步骤S244：根据区域飞行员密集度对日常人工调度地理数据进行优先级合理性分析，从而获得合理性数据；

步骤S245：根据合理性数据对日常人工调度工单数据进行优先级校正，从而获得日常人工调度工单校正数据。

本发明通过提取日常人工调度工单中的地理信息，能够了解每个调度任务的具体位置。这为后续的区域飞行员密集度计算和优先级分析提供了基础数据。通过提取遥控飞行员工况数据中的实时定位信息，能够获取飞行员的当前位置。这为后续的区域飞行员密集度计算提供了实时的位置数据。利用实时飞行员定位数据，可以计算特定区域内的飞行员密集度。有助于识别哪些区域可能受到多个飞行员同时调度的影响，从而提高整体调度效率。将区域飞行员密集度与日常人工调度地理数据结合，可以进行合理性分析，判断在高密度区域是否需要调整任务的优先级。有助于平衡飞行员资源的分配，避免某些区域的过度拥挤。基于合理性数据进行优先级校正，可以调整日常人工调度工单的优先级，使其更符合实际情况。有助于优化整体调度流程，提高任务完成效率。

可选地，步骤S25具体为：

步骤S251：对无人机机场航线数据进行时序特征提取，从而获得航线时序数据；

步骤S252：对日常机场调度工单数据进行时序特征提取，从而获得日常机场调度时序数据；

步骤S253：根据航线时序数据对日常机场调度时序数据进行时序冲突分析，从而获得调度时序冲突数据；

步骤S254：根据调度时序冲突数据对应急机场调度工单数据进行关联分析，从而获得冲突关联应急工单数据；

步骤S255：对冲突关联应急工单数据进行工单时长统计分析，从而获得日常机场优先级校正阈值；

步骤S256：基于日常机场优先级校正阈值对日常机场调度工单数据进行优先级校正，从而获得日常机场调度工单校正数据。

本发明通过提取无人机机场航线数据的时序特征，可以获取航线的时间相关信息。这为后续的时序冲突分析提供了基础数据，有助于了解航线的变化趋势和高峰时段。通过提取日常机场调度工单数据的时序特征，可以获得调度任务的时间相关信息。这为后续的时序冲突分析提供了基础数据，有助于理解不同任务之间的时间关系。利用航线时序数据进行时序冲突分析，能够识别在时间上可能发生的调度冲突。有助于提前预测和规划，减少机场调度的冲突概率，提高整体运行效率。根据时序冲突数据进行关联分析，有助于确定与冲突相关的应急机场调度工单数据。有助于迅速响应和处理调度冲突，提高机场以及无人机平台的应急处理能力。对冲突关联应急工单数据进行时长统计分析，能够了解应急任务的执行时间。有助于确定日常机场的优先级校正阈值，使得较为紧急的日常任务能够得到及时处理。基于优先级校正阈值，可以调整日常机场调度工单的优先级，使其更符合实际情况。有助于确保较为紧急的日常任务得到优先处理，提高机场以及无人机平台应对紧急情况的能力。

可选地，步骤S5具体为：

步骤S51：根据初始机场调度数据进行应急调度数据提取，从而获得初始应急机场调度数据；

步骤S52：对初始应急机场调度数据进行航线冲突分析，从而获得航线冲突调度数据；

步骤S53：对航线冲突调度数据进行航线位移特征提取，从而获得冲突调度航线数据；

步骤S54：根据冲突调度航线数据进行统计分析，从而获得调度航线阈值；

步骤S55：根据调度航线阈值对冲突调度航线数据进行短途航线分类计算，从而获得短途调度航线数据；

步骤S56：根据短途调度航线数据对机场调度数据进行调度类型转换，从而获得转人工调度数据。

本发明通过提取应急调度数据，系统能够识别和隔离优先级为应急的机场调度信息。有助于专门处理紧急情况，提高响应速度。对初始应急机场调度数据进行航线冲突分析，可以迅速识别可能发生的航线冲突。有助于及时调整航班计划，减少冲突可能性。提取冲突调度航线的特征，可以更深入地了解冲突的性质和程度。有助于进一步优化调度策略，以减轻航线冲突的影响。统计分析冲突调度航线数据有助于识别常见的冲突模式和趋势。这为后续步骤提供了基础，以制定更有效的调度策略。通过设定调度航线阈值，可以将冲突调度航线划分为长途和短途，以更有针对性地处理不同距离的冲突。有助于提高调度的精细化管理。通过将机场调度数据进行调度类型转换，可以更灵活地适应短途冲突的处理需求。有助于在短时间内有效解决相同优先级情况下的机场调度任务的冲突问题，提高机场调度的效率。

可选地，本说明书还提供一种无人机共享调度系统，用于执行如上所述的一种无人机共享调度方法，该无人机共享调度系统包括：

时空调度分类模块，用于获取无人机平台工单数据，根据无人机平台工单数据进行时空调度分类，从而获得人工调度工单数据以及机场调度工单数据；

优先级应急校正模块，用于获取遥控飞行员工况数据以及无人机机场航线数据，并根据遥控飞行员工况数据对人工调度工单数据进行优先级应急校正，从而获得人工调度优先级数据；根据无人机机场航线数据对机场调度工单数据进行优先级应急校正，从而获得机场调度优先级数据；

人工调度策略分析模块，用于根据遥控飞行员工况数据对人工调度优先级数据进行人工调度策略分析，从而获得初始人工调度数据；

机场调度策略分析模块，用于根据无人机机场航线数据对机场调度优先级数据进行机场调度策略分析，从而获得初始机场调度数据；

航线冲突调度优化模块，用于对初始机场调度数据进行航线冲突调度优化，从而获得转人工调度数据；

平台调度策略分析模块，用于根据初始人工调度数据、转人工调度数据以及初始机场调度数据进行平台调度策略分析，从而获得无人机调度数据。

附图说明

通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明无人机共享调度方法的步骤流程示意图；

图2为本发明中步骤S1的详细步骤流程示意图；

图3为本发明中步骤S3的详细步骤流程示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。

应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。

为实现上述目的，请参阅图1至图3，本发明提供了一种无人机共享调度方法，所述方法包括以下步骤：

步骤S1：获取无人机平台工单数据，根据无人机平台工单数据进行时空调度分类，从而获得人工调度工单数据以及机场调度工单数据；

本发明实施例中，通过无人机平台获取无人机平台工单数据。根据无人机平台工单数据，进行时空调度分类。这包括考虑任务的紧急程度、地理位置、执行时间等因素，从而生成人工调度工单数据和机场调度工单数据。时空调度分类确保了任务的有序执行和资源的最佳利用。

步骤S2：获取遥控飞行员工况数据以及无人机机场航线数据，并根据遥控飞行员工况数据对人工调度工单数据进行优先级应急校正，从而获得人工调度优先级数据；根据无人机机场航线数据对机场调度工单数据进行优先级应急校正，从而获得机场调度优先级数据；

本发明实施例中，通过无人机平台获取遥控飞行员工况数据和无人机机场航线数据。通过遥控飞行员工况数据，分析飞行员的工作状态、位置和能力，进行人工调度工单数据的优先级应急校正。同时，利用无人机机场航线数据对机场调度工单数据进行优先级应急校正，考虑无人机特有的空中路径，得到经过校正的人工调度优先级数据和机场调度优先级数据。

步骤S3：根据遥控飞行员工况数据对人工调度优先级数据进行人工调度策略分析，从而获得初始人工调度数据；

本发明实施例中，基于遥控飞行员工况数据，进行人工调度优先级数据的深入分析。这包括飞行员的工作时长、疲劳度等因素。通过人工调度策略分析，生成初始人工调度数据，确保人工调度的科学性和高效性。

步骤S4：根据无人机机场航线数据对机场调度优先级数据进行机场调度策略分析，从而获得初始机场调度数据；

本发明实施例中，利用无人机机场航线数据，对机场调度优先级数据进行详细分析。这包括考虑无人机的航线规划、机场资源状况等。通过机场调度策略分析，系统生成初始的机场调度数据，以最大程度地优化资源利用和确保安全运行。

步骤S5：对初始机场调度数据进行航线冲突调度优化，从而获得转人工调度数据；

本发明实施例中，基于初始人工调度数据，对初始机场调度数据进行航线冲突调度优化。这涉及对航班计划进行调整，解决相同优先级的航线冲突。从而得到转人工调度数据，确保了整体调度的顺畅性。

步骤S6：根据初始人工调度数据、转人工调度数据以及初始机场调度数据进行调度策略分析，从而获得平台无人机调度数据。

本发明实施例中，结合初始人工调度数据、转人工调度数据以及初始机场调度数据，进行全面的调度策略分析。对工单的时序以及优先级、人工调度的特点、机场调度的特点进行综合考虑，生成平台无人机调度数据，实现整个系统的高效运作和任务的顺利执行。例如，转人工调度数据中有一个经过了航线冲突调度优化的应急优先级任务，但是与初始人工调度数据中的另外一件应急优先级任务有冲突，无人机平台可能会综合考虑将这两件应急优先级任务进行时间调整或者飞行员调整。同时，如果初始机场调度数据表明某个机场资源即将饱和，无人机平台可能会推迟或提前某些任务，以平衡资源利用。

本发明获取无人机平台工单数据，能够了解当前的任务需求和资源分配情况。时空调度分类可以帮助将工单数据进行整理，从而得到人工调度工单数据和机场调度工单数据。获取遥控飞行员工况数据，可以了解飞行员的工作状态和条件。无人机机场航线数据则提供了机场相关的信息。这些数据用于对人工调度工单和机场调度工单进行优先级应急校正，以更好地适应实际工作环境。基于遥控飞行员工况数据对人工调度优先级数据进行分析，能够制定初始的人工调度策略。有助于优化任务分配，提高响应速度，并确保任务按时完成。利用无人机机场航线数据对机场调度优先级数据进行策略分析，能够建立初始的机场调度策略。有助于协同管理多个无人机在机场附近的飞行，减少拥堵和冲突。通过根据初始人工调度数据对初始机场调度数据进行优化，解决航线冲突。有助于确保无人机之间的飞行路径不会发生冲突，提高无人机平台调度效率。综合初始人工调度数据、转人工调度数据以及初始机场调度数据，进行更全面的调度策略分析。有助于最终确定平台无人机的最佳调度方案，以提高整体性能和资源利用率。

可选地，步骤S1具体为：

步骤S11：获取无人机平台工单数据；

本发明实施例中，通过与无人机平台的接口通信或数据库查询，获取包含各类无人机任务的工单数据。这些工单数据可能包括任务编号、任务类型、任务描述、任务时限等信息，形成一个包含所有任务的数据集。

步骤S12：对无人机平台工单数据进行特征提取，从而获得工单时序数据以及工单地理信息数据；

本发明实施例中，通过数据处理和分析，对无人机平台工单数据进行特征提取。时序数据可以包括任务的开始时间、截止时间等，而地理信息数据可能包括任务涉及的地理坐标、目标位置等。这些提取的特征有助于后续的调度和分析。

步骤S13：根据工单地理信息数据进行初始位置数据提取以及结束位置数据提取，从而获得工单初始位置数据以及工单结束位置数据；

本发明实施例中，通过解析坐标信息或地址信息对工单地理信息数据进行处理，提取初始位置和结束位置的数据。得到这些数据后，能够更好地了解每个任务的起始和结束地点。

步骤S14：根据工单初始位置数据以及工单结束位置数据对无人机平台工单数据进行空间调度分类，从而获得第一调度分类数据；

本发明实施例中，基于工单初始位置数据以及工单结束位置数据，进行空间调度分类。例如，可以将任务根据地理位置划分为不同的空间区域，以便后续的调度能够更有效地考虑空间分布的特点。

步骤S15：根据工单时序数据对无人机平台工单数据进行时间调度分类，从而获得第二调度分类数据；

本发明实施例中，利用工单的时序数据，进行时间调度分类。这可能包括将任务分为不同的时间段，以便更好地安排和调度。时序分类有助于考虑任务的紧急性和时效性。

步骤S16：对第一调度分类数据以及第二调度分类数据进行调度交集计算，从而获得人工调度工单数据以及机场调度工单数据。

本发明实施例中，通过对空间和时间调度分类的数据进行交集计算，得到人工调度工单数据以及机场调度工单数据。这些数据可以用于制定详细的调度计划，确保任务能够按照最优策略执行。例如，考虑空间和时间上的重叠，可以避免资源浪费和提高任务执行效率。

本发明获取无人机平台工单数据，能够获得关于不同任务的详细信息，包括任务类型、起止时间、地理位置等。对工单数据进行特征提取有助于提炼关键信息，其中工单时序数据反映了工单的时间特征，工单地理信息数据包含了任务的位置特征。这为后续调度提供了更详细和有序的数据。根据工单地理信息数据提取初始和结束位置数据，能够了解任务的起点和终点，这对于后续的空间调度和路径规划非常关键。根据工单的初始和结束位置数据进行空间调度分类，能够将工单按照地理位置进行分类，有助于合理安排无人机的飞行路径，减少冲突和提高效率。对工单时序数据进行时间调度分类，能够了解任务的时间要求，有助于在时间上合理调度无人机的执行顺序，以满足任务的实时性需求。将空间调度分类数据和时间调度分类数据进行交集计算，能够得到人工调度工单数据和机场调度工单数据。有助于综合考虑时空因素，制定更合理的调度方案，提高系统的整体性能。

可选地，步骤S14具体为：

步骤S141：根据工单初始位置数据以及工单结束位置数据进行地区跨越分类，从而获得同地区工单数据以及跨地区工单数据；

本发明实施例中，根据工单的初始位置和结束位置数据进行地区跨越分类。通过比对这两个位置数据，确定工单是否跨越不同地区。如果初始位置和结束位置属于同一地区，则将该工单划分为同地区工单数据；否则，划分为跨地区工单数据。例如，通过地理坐标范围或行政区划进行判断。

步骤S142：对工单初始位置数据以及工单结束位置数据进行机场位置数据提取，从而获得机场位置数据；

本发明实施例中，通过事先定义的机场坐标范围或机场名称匹配对工单初始位置数据以及工单结束位置数据提取机场位置数据。提取出的机场位置数据用于后续的机场分类。

步骤S143：根据机场位置数据对工单初始位置数据以及工单结束位置数据进行工单分类计算，从而获得机场起始工单数据以及非机场起始工单数据；

本发明实施例中，基于提取的机场位置数据，对工单初始位置数据以及工单结束位置数据进行工单分类计算。如果初始位置或结束位置属于机场范围，则将该工单划分为机场起始工单数据；否则，划分为非机场起始工单数据。有助于区分机场和非机场相关的任务。

步骤S144：对跨地区工单数据以及非机场起始工单数据进行数据归并，从而获得第一人工调度数据；

本发明实施例中，跨地区的无人机工单可能涉及到不同的空域、国家或地区的法规和空中交通管理系统。人工调度能够更灵活地适应这样的复杂性，因为遥控飞行员可以理解和处理各种地区的规定、约束和特殊情况。遥控飞行员可以更好地应对跨地区无人机工单的多样性和动态性。而机场调度具有流程自动化的特点，需要确保确保飞机的起降在机场。所以对跨地区工单数据和非机场起始工单数据进行数据归并，形成第一人工调度数据。

步骤S145：对同地区工单数据以及机场起始工单数据进行数据归并，从而获得第一人工调度数据；

本发明实施例中，因为机场调度具有时效性要求高、流程自动化的特点，需要确保确保飞机的起降在机场。同地区工单数据提供了对无人机飞行计划的记录和审查机制，帮助机场调度确保无人机活动的合规性和安全性。机场调度需要有效地管理航班的交通流，包括降落、起飞、滑行等。无人机的飞行活动可能影响到这些交通流。通过同地区的无人机工单，机场调度可以更好地了解无人机的飞行计划，从而调整其他航班的活动，以避免冲突和提高整体交通流的效率。所以对同地区工单数据和机场起始工单数据进行数据归并，形成第一机场调度数据。

步骤S146：将第一机场调度数据以及第一人工调度数据进行数据合并，从而获得第一调度分类数据。

本发明实施例中，将第一机场调度数据和第一人工调度数据进行数据合并，形成第一调度分类数据。这一步整合了机场相关的工单和其他特定分类的工单，为整体调度提供更全面的数据基础。例如，将机场起始工单和跨地区工单等进行合并，为综合调度提供更多考虑因素。

本发明根据工单初始位置和结束位置数据进行地区跨越分类，能够区分同地区工单和跨地区工单。有助于针对不同地域特点和调度需求，更有效地进行后续调度和资源分配。通过提取机场位置数据，能够识别与机场相关的工单。这对于无人机在机场附近的安全管理、飞行规划以及与机场协调调度等方面都非常重要。根据机场位置数据对工单进行分类，得到机场起始工单和非机场起始工单。这样的分类有助于差异化处理机场内外的任务，以满足工单的独特需求和限制，以此来完成调度分类的任务。对跨地区工单数据以及非机场起始工单数据进行归并，能够生成第一人工调度数据。有助于对跨地区任务进行整体调度，提高系统的调度效率和任务执行能力。对同地区工单数据以及机场起始工单数据进行归并，能够生成第一机场调度数据。这样可以更有效地协调和管理机场内的任务，确保机场航空活动的顺畅进行。将第一机场调度数据和第一人工调度数据进行合并，能够得到更全面的第一调度分类数据。这为综合考虑不同场景和需求，制定更精准的调度策略提供了基础。

可选地，步骤S15具体为：

步骤S151：对工单时序数据进行统计分析，从而获得高频工单时序数据以及低频工单时序数据；

本发明实施例中，采用如均值、方差等统计方法对工单时序数据进行统计分析，将工单时序数据划分为高频和低频两组。例如，将频次高于某阈值的工单判定为高频工单，其他为低频工单。这样的分析有助于识别工单的时间分布规律，为后续调度分类提供基础。

步骤S152：获取地区机场运行时间数据，并根据地区机场运行时间数据对高频工单时序数据进行关联分析，从而获得高关联高频工单时序数据以及低关联高频工单时序数据；

本发明实施例中，通过无人机平台获取地区机场运行时间数据，包括航班起降时间、交通高峰时段等。通过关联分析，将高频工单时序数据与机场运行时间数据关联，识别在机场繁忙时段出现的高频工单。有助于理解高频工单与机场运行情况的关系，为调度决策提供更准确的信息。

步骤S153：根据地区机场运行时间数据对低频工单时序数据进行关联分析，从而获得高关联低频工单时序数据以及低关联低频工单时序数据；

本发明实施例中，对低频工单时序数据进行关联分析，同样基于地区机场运行时间数据。通过这一步骤，可以了解低频工单与机场运行时间的关联性，帮助调度员更好地规划低频工单的执行时间，以提高资源利用率。

步骤S154：对高关联高频工单时序数据以及高关联低频工单时序数据进行数据归并，从而获得第二机场调度数据；

本发明实施例中，对高关联高频工单时序数据和高关联低频工单时序数据进行数据归并。通过整合这两类与机场运行时间高关联的工单数据，形成第二机场调度数据。有助于综合考虑高关联工单的特点，制定更有效的调度计划，提高机场效率。

步骤S155：对低关联高频工单时序数据以及低关联低频工单时序数据进行数据归并，从而获得第二人工调度数据；

本发明实施例中，对低关联高频工单时序数据和低关联低频工单时序数据进行数据归并。通过整合这两类与机场运行时间低关联的工单数据，形成第二人工调度数据。有助于对低关联工单进行合理分配，确保资源的最佳利用。

步骤S156：将第二机场调度数据以及第二人工调度数据进行数据合并，从而获得第二调度分类数据。

本发明实施例中，将第二机场调度数据和第二人工调度数据进行数据合并，形成第二调度分类数据。有助于综合考虑高关联和低关联工单的整体情况，为整个调度系统提供全局视角。综合数据有助于制定更全面、协调的调度策略，提高机场运营的整体效率。

本发明对工单时序数据进行统计分析，系统能够将工单分为高频和低频工单。有助于识别工作密集度高的时间段和工作量较轻的时间段，为调度和资源分配提供更准确的信息。结合地区机场运行时间数据，可以进行关联分析，识别与机场运行时间高度相关的高频工单时序数据。有助于更好地理解机场繁忙时段的工单需求，以便进行更有效的调度和资源管理。通过关联分析低频工单时序数据，可以识别与机场运行时间关联度较低的低频工单时序数据。这能够更好地处理相对较轻松的工单任务，优化资源利用。对高关联高频工单时序数据的归并，可以生成第二机场调度数据。有助于更精准地处理机场繁忙时段内的高频工单，提高系统的响应速度和调度效率。对低关联高频工单时序数据的归并能够生成第二人工调度数据。有助于更灵活地处理高频工单中的相对较轻松的任务，提高调度的灵活性和适应性。将第二机场调度数据和第二人工调度数据进行合并，能够得到更全面的第二调度分类数据。这能提供了整体视角，以更好地综合处理高频和低频工单，实现更智能的调度。

可选地，步骤S16具体为：

对第一调度分类数据以及第二调度分类数据进行机场调度工单交集运算，从而获得机场调度工单数据；

本发明实施例中，针对第一调度分类数据和第二调度分类数据执行机场调度工单的交集运算。通过比对两个数据集，筛选出同时包含在两个分类中的工单，这些工单被认为是与机场调度相关的工单。例如，对于工单编号、时间戳等进行匹配，找出两个数据集中共同存在的记录。

对第一调度分类数据以及第二调度分类数据进行人工调度工单交集运算，从而获得人工调度交集工单数据；

本发明实施例中，基于第一调度分类数据和第二调度分类数据执行人工调度工单的交集运算。通过比对两个数据集，确定在两个分类中都存在的工单，这些工单被认为是与人工调度相关的。提取这些数据，包括工单详细信息、时间等。

根据人工调度交集工单数据以及机场调度工单数据对无人机平台工单数据进行未分类工单数据提取，从而获得未分类工单数据；

本发明实施例中，利用机场调度工单数据和人工调度交集工单数据，对无人机平台的工单数据进行筛选，提取那些不属于前两者范畴的工单。这样，就得到了未分类工单数据，可能涵盖其他类型的任务或事件。

对未分类工单数据以及人工调度交集工单数据进行数据合并，从而获得人工调度工单数据。

本发明实施例中，因为人工调度通常需要专业的知识和技能，而自动化处理可能不足以涵盖所有情况。将未分类工单中需要人工干预的任务明确标记为人工调度工单，有助于优化人工资源的利用，确保专业人员可以集中处理需要他们专业知识的任务。基于工单编号或其他唯一标识符将未分类工单数据与人工调度交集工单数据进行合并，从而获得人工调度工单数据。

本发明对第一调度分类数据以及第二调度分类数据进行机场调度工单的交集运算，能够获得机场调度工单数据。有助于提高机场资源的有效利用以及提高工单的调度分类的准确性，以实现更协调和高效的机场调度。对第一调度分类数据以及第二调度分类数据进行人工调度工单的交集运算，可以获得人工调度交集工单数据。这对于需要人工干预和处理的工单非常重要，有助于提高飞行员资源的有效利用以及提高工单的调度分类的准确性，以实现更协调和高效的飞行员调度。利用人工调度交集工单数据和机场调度工单数据，能够对无人机平台工单数据进行未分类工单的提取。有助于捕捉到不属于机场调度和人工调度范畴的工单，为未来可能的分类和处理提供基础。因为人工调度的灵活性较强，具有更强的适应性，所以将未分类工单数据以及人工调度交集工单数据进行数据合并，以应对未分类的工单要求。有助于提高工单的整体管理效率。

可选地，步骤S2具体为：

步骤S21：获取遥控飞行员工况数据以及无人机机场航线数据；

本发明实施例中，通过飞行员远程监测系统和地面站获取遥控飞行员的工况数据，包括无人机的位置、状态、电池状况等信息，同时通过无人机平台收集无人机的机场航线数据，包括预定的航线、目标点等。

步骤S22：根据人工调度工单数据进行优先级分类，从而获得日常人工调度工单数据以及应急人工调度工单数据；

本发明实施例中，对人工调度工单数据中包含的优先级列进行分类，将人工调度工单数据分类为日常人工调度工单数据以及应急人工调度工单数据。

步骤S23：根据机场调度工单数据进行优先级分类，从而获得日常机场调度工单数据以及应急机场调度工单数据；

本发明实施例中，对机场调度工单数据包含的优先级列进行分类，将机场调度工单数据分类为日常机场调度工单数据以及应急机场调度工单数据。

步骤S24：基于遥控飞行员工况数据对日常人工调度工单数据进行人工应急优先级校正，从而获得日常人工调度工单校正数据；

本发明实施例中，通过分析遥控飞行员工况数据，对日常人工调度工单数据进行人工应急优先级校正。例如，如果飞行员处于不良天气条件下，可能需要重新调整任务的优先级。

步骤S25：基于无人机机场航线数据对日常机场调度工单数据进行机场应急优先级校正，从而获得日常机场调度工单校正数据；

本发明实施例中，通过分析无人机机场航线数据，对日常机场调度工单数据进行机场应急优先级校正。例如，如果机场出现临时限制或关闭某些区域，需要相应地调整任务的优先级。

步骤S26：将日常人工调度工单校正数据以及应急人工调度工单数据进行数据合并，从而获得人工调度优先级数据；将日常机场调度工单校正数据以及应急机场调度工单数据进行数据合并，从而获得机场调度优先级数据。

本发明实施例中，将经过校正的日常人工调度工单数据与应急人工调度工单数据合并，形成完整的人工调度优先级数据。同样，将经过校正的日常机场调度工单数据与应急机场调度工单数据合并，形成机场调度优先级数据。这些数据可用于更有效地进行任务调度和资源分配。

本发明获取遥控飞行员工况数据有助于了解飞行员的状态、能力等信息，而无人机机场航线数据则提供了关于无人机在机场的飞行路径信息。这为后续的调度和优先级分类提供了必要的基础数据。对人工调度工单数据进行优先级分类，区分工单的紧急程度。有助于提高调度系统对人工调度任务的灵活性和响应速度。对机场调度工单进行优先级分类有助于更好地应对机场调度任务的紧急性。这能够确保在面对不同优先级的任务时能够做出合适的决策。根据遥控飞行员的工况数据对人工调度工单进行应急优先级校正，可以更准确地反映飞行员的状态，确保在紧急情况下能够做出更合适的人工调度决策。利用无人机机场航线数据对机场调度工单进行应急优先级校正，可以更好地理解无人机的当前位置和飞行路径，从而更精确地确定机场调度的紧急性，提高调度效率。将校正后的日常人工调度工单数据与应急人工调度工单数据进行合并，获得了更全面的人工调度优先级数据。同样，通过将日常机场调度工单校正数据与应急机场调度工单数据进行合并，能够得到更全面的机场调度优先级数据，有助于整体调度系统更好地应对各种情况。

可选地，步骤S24具体为：

步骤S241：对日常人工调度工单数据进行地理信息提取，从而获得日常人工调度地理数据；

本发明实施例中，使用地理信息系统（GIS）工具对日常人工调度工单数据进行处理，提取关键的地理信息。例如，任务涉及的区域、起降点的地理坐标、飞行路径等。这样的地理数据有助于更好地了解任务的地理特征，为后续步骤提供基础。

步骤S242：对遥控飞行员工况数据进行实时定位数据提取，从而获得实时飞行员定位数据；

本发明实施例中，基于GPS等技术处理遥控飞行员工况数据，提取实时定位数据，包括飞行员当前的地理坐标、高度、速度等信息。为实时监测飞行员位置提供了准确的参考。

步骤S243：根据实时飞行员定位数据进行区域飞行员密集度计算，从而获得区域飞行员密集度；

本发明实施例中，根据实时飞行员定位数据，进行区域飞行员密集度计算。通过分析特定区域内飞行员的分布情况，可以评估该区域的飞行员密集度，即在单位面积内飞行员的数量。

步骤S244：根据区域飞行员密集度对日常人工调度地理数据进行优先级合理性分析，从而获得合理性数据；

本发明实施例中，根据区域飞行员密集度，对日常人工调度地理数据中的任务优先级进行合理性评估。例如，通过分析飞行员在日常人工调度地理数据中的任务区域的分布密度，可以确定该区域的繁忙程度。基于这一信息，可以对日常人工调度地理数据的优先级进行调整，以确保更繁忙区域的任务获得适当的优先级，从而提高整体调度的效率和合理性。

步骤S245：根据合理性数据对日常人工调度工单数据进行优先级校正，从而获得日常人工调度工单校正数据。

本发明实施例中，通过合理性数据，对日常人工调度工单数据进行优先级校正。例如，在高密度区域内的任务可能需要更高的优先级，以避免冲突和提高整体任务效率。这样的校正可根据实时的飞行员分布情况调整任务优先级，确保调度的合理性和高效性。

本发明通过提取日常人工调度工单中的地理信息，能够了解每个调度任务的具体位置。这为后续的区域飞行员密集度计算和优先级分析提供了基础数据。通过提取遥控飞行员工况数据中的实时定位信息，能够获取飞行员的当前位置。这为后续的区域飞行员密集度计算提供了实时的位置数据。利用实时飞行员定位数据，可以计算特定区域内的飞行员密集度。有助于识别哪些区域可能受到多个飞行员同时调度的影响，从而提高整体调度效率。将区域飞行员密集度与日常人工调度地理数据结合，可以进行合理性分析，判断在高密度区域是否需要调整任务的优先级。有助于平衡飞行员资源的分配，避免某些区域的过度拥挤。基于合理性数据进行优先级校正，可以调整日常人工调度工单的优先级，使其更符合实际情况。有助于优化整体调度流程，提高任务完成效率。

可选地，步骤S25具体为：

步骤S251：对无人机机场航线数据进行时序特征提取，从而获得航线时序数据；

本发明实施例中，使用无人机航线数据，通过时间序列分析提取关键特征，如航线长度、飞行高度和飞行速度。通过这些时序特征，建立无人机航线的时序模型，以便后续冲突分析和关联分析。

步骤S252：对日常机场调度工单数据进行时序特征提取，从而获得日常机场调度时序数据；

本发明实施例中，对日常机场调度工单数据进行时序特征提取，例如每个任务的开始时间、结束时间、任务类型等信息。利用这些特征构建日常机场调度时序数据，形成可用于分析的时序信息。

步骤S253：根据航线时序数据对日常机场调度时序数据进行时序冲突分析，从而获得调度时序冲突数据；

本发明实施例中，基于无人机航线时序数据与日常机场调度时序数据进行对比和分析，识别可能的时序冲突。时序冲突的定义可能包括航线与调度工单在同一时间段内的冲突或重叠。

步骤S254：根据调度时序冲突数据对应急机场调度工单数据进行关联分析，从而获得冲突关联应急工单数据；

本发明实施例中，根据建立关联规则或使用机器学习算法对调度时序冲突数据，关联对应的急需处理的机场调度工单数据。以确定时序冲突与应急工单之间的关联性。

步骤S255：对冲突关联应急工单数据进行工单时长统计分析，从而获得日常机场优先级校正阈值；

本发明实施例中，对冲突关联应急工单数据进行时长统计分析。例如，通过记录工单的开始时间和结束时间计算每个冲突关联应急工单的处理时长，然后计算其时长。对这些时长数据进行汇总统计，例如计算平均处理时长、中位数等，以获取对应急工单处理时间的整体认识。有助于确定一个合适的日常机场优先级校正阈值。

步骤S256：基于日常机场优先级校正阈值对日常机场调度工单数据进行优先级校正，从而获得日常机场调度工单校正数据。

本发明实施例中，基于日常机场优先级校正阈值对日常机场调度工单数据进行优先级校正，从而获得日常机场调度工单校正数据。例如，如果某个日常机场调度工单的处理时长超过了这个日常机场优先级校正阈值，就会认为它需要更高的优先级，然后进行优先级校正。

本发明通过提取无人机机场航线数据的时序特征，可以获取航线的时间相关信息。这为后续的时序冲突分析提供了基础数据，有助于了解航线的变化趋势和高峰时段。通过提取日常机场调度工单数据的时序特征，可以获得调度任务的时间相关信息。这为后续的时序冲突分析提供了基础数据，有助于理解不同任务之间的时间关系。利用航线时序数据进行时序冲突分析，能够识别在时间上可能发生的调度冲突。有助于提前预测和规划，减少机场调度的冲突概率，提高整体运行效率。根据时序冲突数据进行关联分析，有助于确定与冲突相关的应急机场调度工单数据。有助于迅速响应和处理调度冲突，提高机场以及无人机平台的应急处理能力。对冲突关联应急工单数据进行时长统计分析，能够了解应急任务的执行时间。有助于确定日常机场的优先级校正阈值，使得较为紧急的日常任务能够得到及时处理。基于优先级校正阈值，可以调整日常机场调度工单的优先级，使其更符合实际情况。有助于确保较为紧急的日常任务得到优先处理，提高机场以及无人机平台应对紧急情况的能力。

可选地，步骤S5具体为：

步骤S51：根据初始机场调度数据进行应急调度数据提取，从而获得初始应急机场调度数据；

本发明实施例中，将初始机场调度数据中优先级列为应急的数据进行提取，从而获得初始应急机场调度数据。

步骤S52：对初始应急机场调度数据进行航线冲突分析，从而获得航线冲突调度数据；

本发明实施例中，采用空间分析方法对初始应急机场调度数据进行航线冲突分析，检测工单之间的航线是否存在冲突。这可能包括检查航线的交叉、重叠或过近等情况。通过分析，获得航线冲突调度数据，其中包含冲突的工单信息。

步骤S53：对航线冲突调度数据进行航线位移特征提取，从而获得冲突调度航线数据；

本发明实施例中，对航线冲突调度数据进行航线位移特征提取。这包括计算冲突航线的长度、飞行时间、涉及的区域等特征。这些特征提供了有关冲突航线的详细信息，有助于后续的统计分析。

步骤S54：根据冲突调度航线数据进行统计分析，从而获得调度航线阈值；

本发明实施例中，基于冲突调度航线数据进行统计分析，例如计算航线长度的平均值、中位数等，以获取调度航线阈值。这个阈值可以作为衡量航线冲突程度的指标。

步骤S55：根据调度航线阈值对冲突调度航线数据进行短途航线分类计算，从而获得短途调度航线数据；

本发明实施例中，根据调度航线阈值，对冲突调度航线数据进行短途航线分类计算。可以将航线长度小于阈值的冲突航线定义为短途航线。有助于区分不同程度的冲突，为后续调度类型转换提供依据。

步骤S56：根据短途调度航线数据对机场调度数据进行调度类型转换，从而获得转人工调度数据。

本发明实施例中，根据短途调度航线数据，对机场调度数据进行调度类型转换。例如，设定规则，将涉及短途航线冲突的工单转换为需要人工调度的类型。例如，将这些工单标记为需要人工调度的紧急工单，以确保其得到及时处理。

本发明通过提取应急调度数据，系统能够识别和隔离优先级为应急的机场调度信息。有助于专门处理紧急情况，提高响应速度。对初始应急机场调度数据进行航线冲突分析，可以迅速识别可能发生的航线冲突。有助于及时调整航班计划，减少冲突可能性。提取冲突调度航线的特征，可以更深入地了解冲突的性质和程度。有助于进一步优化调度策略，以减轻航线冲突的影响。统计分析冲突调度航线数据有助于识别常见的冲突模式和趋势。这为后续步骤提供了基础，以制定更有效的调度策略。通过设定调度航线阈值，可以将冲突调度航线划分为长途和短途，以更有针对性地处理不同距离的冲突。有助于提高调度的精细化管理。通过将机场调度数据进行调度类型转换，可以更灵活地适应短途冲突的处理需求。有助于在短时间内有效解决相同优先级情况下的机场调度任务的冲突问题，提高机场调度的效率。

可选地，本说明书还提供一种无人机共享调度系统，用于执行如上所述的一种无人机共享调度方法，该无人机共享调度系统包括：

时空调度分类模块，用于获取无人机平台工单数据，根据无人机平台工单数据进行时空调度分类，从而获得人工调度工单数据以及机场调度工单数据；

优先级应急校正模块，用于获取遥控飞行员工况数据以及无人机机场航线数据，并根据遥控飞行员工况数据对人工调度工单数据进行优先级应急校正，从而获得人工调度优先级数据；根据无人机机场航线数据对机场调度工单数据进行优先级应急校正，从而获得机场调度优先级数据；

人工调度策略分析模块，用于根据遥控飞行员工况数据对人工调度优先级数据进行人工调度策略分析，从而获得初始人工调度数据；

机场调度策略分析模块，用于根据无人机机场航线数据对机场调度优先级数据进行机场调度策略分析，从而获得初始机场调度数据；

航线冲突调度优化模块，用于对初始机场调度数据进行航线冲突调度优化，从而获得转人工调度数据；

平台调度策略分析模块，用于根据初始人工调度数据、转人工调度数据以及初始机场调度数据进行平台调度策略分析，从而获得无人机调度数据。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种无人机共享调度方法，其特征在于，包括以下步骤：

步骤S1：获取无人机平台工单数据，根据无人机平台工单数据进行时空调度分类，从而获得人工调度工单数据以及机场调度工单数据；

步骤S2：获取遥控飞行员工况数据以及无人机机场航线数据，并根据遥控飞行员工况数据对人工调度工单数据进行优先级应急校正，从而获得人工调度优先级数据；根据无人机机场航线数据对机场调度工单数据进行优先级应急校正，从而获得机场调度优先级数据；

步骤S3：根据遥控飞行员工况数据对人工调度优先级数据进行人工调度策略分析，从而获得初始人工调度数据；

步骤S4：根据无人机机场航线数据对机场调度优先级数据进行机场调度策略分析，从而获得初始机场调度数据；

步骤S5：对初始机场调度数据进行航线冲突调度优化，从而获得转人工调度数据；

步骤S6：根据初始人工调度数据、转人工调度数据以及初始机场调度数据进行调度策略分析，从而获得平台无人机调度数据。

2.根据权利要求1所述的无人机共享调度方法，其特征在于，步骤S1具体为：

步骤S11：获取无人机平台工单数据；

步骤S12：对无人机平台工单数据进行特征提取，从而获得工单时序数据以及工单地理信息数据；

步骤S13：根据工单地理信息数据进行初始位置数据提取以及结束位置数据提取，从而获得工单初始位置数据以及工单结束位置数据；

步骤S14：根据工单初始位置数据以及工单结束位置数据对无人机平台工单数据进行空间调度分类，从而获得第一调度分类数据；

步骤S15：根据工单时序数据对无人机平台工单数据进行时间调度分类，从而获得第二调度分类数据；

步骤S16：对第一调度分类数据以及第二调度分类数据进行调度交集计算，从而获得人工调度工单数据以及机场调度工单数据。

3.根据权利要求2所述的无人机共享调度方法，其特征在于，步骤S14具体为：

步骤S141：根据工单初始位置数据以及工单结束位置数据进行地区跨越分类，从而获得同地区工单数据以及跨地区工单数据；

步骤S142：对工单初始位置数据以及工单结束位置数据进行机场位置数据提取，从而获得机场位置数据；

步骤S143：根据机场位置数据对工单初始位置数据以及工单结束位置数据进行工单分类计算，从而获得机场起始工单数据以及非机场起始工单数据；

步骤S144：对跨地区工单数据以及非机场起始工单数据进行数据归并，从而获得第一人工调度数据；

步骤S145：对同地区工单数据以及机场起始工单数据进行数据归并，从而获得第一机场调度数据；

步骤S146：将第一机场调度数据以及第一人工调度数据进行数据合并，从而获得第一调度分类数据。

4.根据权利要求3所述的无人机共享调度方法，其特征在于，步骤S15具体为：

步骤S151：对工单时序数据进行统计分析，从而获得高频工单时序数据以及低频工单时序数据；

步骤S152：获取地区机场运行时间数据，并根据地区机场运行时间数据对高频工单时序数据进行关联分析，从而获得高关联高频工单时序数据以及低关联高频工单时序数据；

步骤S153：根据地区机场运行时间数据对低频工单时序数据进行关联分析，从而获得高关联低频工单时序数据以及低关联低频工单时序数据；

步骤S154：对高关联高频工单时序数据以及高关联低频工单时序数据进行数据归并，从而获得第二机场调度数据；

步骤S155：对低关联高频工单时序数据以及低关联低频工单时序数据进行数据归并，从而获得第二人工调度数据；

步骤S156：将第二机场调度数据以及第二人工调度数据进行数据合并，从而获得第二调度分类数据。

5.根据权利要求4所述的无人机共享调度方法，其特征在于，步骤S16具体为：

对第一调度分类数据以及第二调度分类数据进行机场调度工单交集运算，从而获得机场调度工单数据；

对第一调度分类数据以及第二调度分类数据进行人工调度工单交集运算，从而获得人工调度交集工单数据；

根据人工调度交集工单数据以及机场调度工单数据对无人机平台工单数据进行未分类工单数据提取，从而获得未分类工单数据；

对未分类工单数据以及人工调度交集工单数据进行数据合并，从而获得人工调度工单数据。

6.根据权利要求1所述的无人机共享调度方法，其特征在于，步骤S2具体为：

步骤S21：获取遥控飞行员工况数据以及无人机机场航线数据；

步骤S22：根据人工调度工单数据进行优先级分类，从而获得日常人工调度工单数据以及应急人工调度工单数据；

步骤S23：根据机场调度工单数据进行优先级分类，从而获得日常机场调度工单数据以及应急机场调度工单数据；

步骤S24：基于遥控飞行员工况数据对日常人工调度工单数据进行人工应急优先级校正，从而获得日常人工调度工单校正数据；

步骤S25：基于无人机机场航线数据对日常机场调度工单数据进行机场应急优先级校正，从而获得日常机场调度工单校正数据；

步骤S26：将日常人工调度工单校正数据以及应急人工调度工单数据进行数据合并，从而获得人工调度优先级数据；将日常机场调度工单校正数据以及应急机场调度工单数据进行数据合并，从而获得机场调度优先级数据。

7.根据权利要求6所述的无人机共享调度方法，其特征在于，步骤S24具体为：

步骤S241：对日常人工调度工单数据进行地理信息提取，从而获得日常人工调度地理数据；

步骤S242：对遥控飞行员工况数据进行实时定位数据提取，从而获得实时飞行员定位数据；

步骤S243：根据实时飞行员定位数据进行区域飞行员密集度计算，从而获得区域飞行员密集度；

步骤S244：根据区域飞行员密集度对日常人工调度地理数据进行优先级合理性分析，从而获得合理性数据；

步骤S245：根据合理性数据对日常人工调度工单数据进行优先级校正，从而获得日常人工调度工单校正数据。

8.根据权利要求7所述的无人机共享调度方法，其特征在于，步骤S25具体为：

步骤S251：对无人机机场航线数据进行时序特征提取，从而获得航线时序数据；

步骤S252：对日常机场调度工单数据进行时序特征提取，从而获得日常机场调度时序数据；

步骤S253：根据航线时序数据对日常机场调度时序数据进行时序冲突分析，从而获得调度时序冲突数据；

步骤S254：根据调度时序冲突数据对应急机场调度工单数据进行关联分析，从而获得冲突关联应急工单数据；

步骤S255：对冲突关联应急工单数据进行工单时长统计分析，从而获得日常机场优先级校正阈值；

步骤S256：基于日常机场优先级校正阈值对日常机场调度工单数据进行优先级校正，从而获得日常机场调度工单校正数据。

9.根据权利要求8所述的无人机共享调度方法，其特征在于，步骤S5具体为：

步骤S51：根据初始机场调度数据进行应急调度数据提取，从而获得初始应急机场调度数据；

步骤S52：对初始应急机场调度数据进行航线冲突分析，从而获得航线冲突调度数据；

步骤S53：对航线冲突调度数据进行航线位移特征提取，从而获得冲突调度航线数据；

步骤S54：根据冲突调度航线数据进行统计分析，从而获得调度航线阈值；

步骤S55：根据调度航线阈值对冲突调度航线数据进行短途航线分类计算，从而获得短途调度航线数据；

步骤S56：根据短途调度航线数据对机场调度数据进行调度类型转换，从而获得转人工调度数据。

10.一种无人机共享调度系统，其特征在于，用于执行如权利要求1所述的一种无人机共享调度方法，该无人机共享调度系统包括：

时空调度分类模块，用于获取无人机平台工单数据，根据无人机平台工单数据进行时空调度分类，从而获得人工调度工单数据以及机场调度工单数据；

优先级应急校正模块，用于获取遥控飞行员工况数据以及无人机机场航线数据，并根据遥控飞行员工况数据对人工调度工单数据进行优先级应急校正，从而获得人工调度优先级数据；根据无人机机场航线数据对机场调度工单数据进行优先级应急校正，从而获得机场调度优先级数据；

人工调度策略分析模块，用于根据遥控飞行员工况数据对人工调度优先级数据进行人工调度策略分析，从而获得初始人工调度数据；

机场调度策略分析模块，用于根据无人机机场航线数据对机场调度优先级数据进行机场调度策略分析，从而获得初始机场调度数据；

航线冲突调度优化模块，用于对初始机场调度数据进行航线冲突调度优化，从而获得转人工调度数据；

平台调度策略分析模块，用于根据初始人工调度数据、转人工调度数据以及初始机场调度数据进行平台调度策略分析，从而获得无人机调度数据。