本发明提供一种基于飞行线路的起降点选取方法及装置，包括：获得飞行路线所覆盖的区域和区域内能够设置的所有起降点；设定参数，所述参数包括起降点的维度和各维度的权重，所述起降点的维度包括起降点距离飞行航线的距离、起降点设定范围的起伏度和起降点与城镇的距离；按照权重由大到小的顺序对维度进行排序；根据设定的起降点维度进行各起降点的各维度数据的采集；构建维度损失模型；通过维度损失模型获得相邻维度的维度损失的最小值；将维度损失最小值对应的起降点作为最优起降点。上述方法及装置自动最优选取起降点。
1.一种基于飞行线路的起降点选取方法，其特征在于，包括：获得飞行路线所覆盖的区域和区域内能够设置的所有起降点；
设定参数，所述参数包括起降点的维度和各维度的权重，所述起降点的维度包括起降点距离飞行航线的距离、起降点设定范围的起伏度和起降点与城镇的距离；
根据设定的起降点维度进行各起降点的各维度数据的采集；
其中，wi为第i个维度的权值，vi为第i个维度的数据值，p(j)为第j个起降点的第i个维度的维度损失，q(j)为第j个起降点的第i+1个维度的维度损失；
2.根据权利要求1所述的基于飞行线路的起降点选取方法，其特征在于，所述通过维度损失模型获得相邻维度的维度损失的最小值的步骤包括：通过下式构建相邻维度损失的交叉熵损失模型其中，H(P,q)表示第j个起降点的交叉熵；
将各起降点的各维度的维度损失输入上述交叉熵损失模型，获得交叉熵的最小值及其对应的起降点。
3.根据权利要求1所述的基于飞行线路的起降点选取方法，其特征在于，所述通过维度损失模型获得相邻维度的维度损失的最小值的步骤包括：通过下式构建相邻维度损失的交叉熵损失模型其中，H(P,q)表示第j个起降点的交叉熵；
采用下式的梯度下降方法获得所有起降点的交叉熵最小值其中，θj表示在直角坐标系中移动任意相同距离起降点在当前坐标中的损失导数，α为梯度下降的最小步数，H(θ)表示第j个起降点的交叉熵。
4.根据权利要求1所述的基于飞行线路的起降点选取方法，其特征在于，还包括：将区域按照设定距离分成多个格子；
获得每个格子的最优起降点，从而获得飞行路线上多个最优起降点。
5.根据权利要求1所述的基于飞行线路的起降点选取方法，其特征在于，还包括：对最优起降点的位置在地图上进行显示。
6.一种基于飞行线路的起降点选取装置，其特征在于，包括：获得模块，获得飞行路线所覆盖的区域和区域内能够设置的所有起降点；
参数设定模块，设定参数，所述参数包括起降点的维度和各维度的权重，所述起降点的维度包括起降点距离飞行航线的距离、起降点设定范围的起伏度和起降点与城镇的距离；
数据采集模块，根据设定的起降点维度进行各起降点的各维度数据的采集；
数据分析模块，根据数据采集模块采集的各起降点各维度的数据和参数设定模块设定的各维度的权重获得所述区域的最佳起降点，其中，所述数据分析模块包括：
维度损失模型构建单元，通过下式构建维度损失模型p(j)＝wi*vi
其中，wi为第i个维度的权值，vi为第i个维度的数据值，p(j)为第j个起降点的第i个维度的维度损失，q(j)为第j个起降点的第i+1个维度的维度损失；
最优起降点获得单元，通过维度损失模型构建单元构建的维度损失模型和排序单元对维度的排序，根据数据采集模块采集的各起降点各维度的数据和参数设定模块设定的各维度的权重获得相邻维度的维度损失的最小值，将维度损失最小值对应的起降点作为最优起降点。
7.根据权利要求6所述的基于飞行线路的起降点选取装置，其特征在于，所述最优起降点获得单元包括：交叉熵损失模型构建子单元，通过下式构建相邻维度损失的交叉熵损失模型其中，H(P,q)表示第j个起降点的交叉熵；
分析子单元，将各起降点的各维度的维度损失输入上述交叉熵损失模型，获得交叉熵的最小值及其对应的起降点。
8.根据权利要求7所述的基于飞行线路的起降点选取装置，其特征在于，所述分析子单元采用下式的梯度下降方法获得所有起降点的交叉熵最小值其中，θj表示在x,y坐标系中移动任意相同距离起降点在当前坐标中的损失导数，α为梯度下降的最小步数，H(θ)表示第j个起降点的交叉熵。
9.根据权利要求6所述的基于飞行线路的起降点选取装置，其特征在于，所述获得模块包括：区域获得单元，获得飞行路线所覆盖的区域；
划分单元，将区域按照设定距离分成多个格子，其中，数据分析模块获得每个格子的最优起降点，从而获得飞行路线上多个最优起降点。
10.根据权利要求6所述的基于飞行线路的起降点选取装置，其特征在于，还包括结果显示模块，对数据分析模块获得的最优起降点的位置在地图上进行显示。
基于飞行线路的起降点选取方法及装置
[0001] 本申请要求申请号为201910936606.9，申请日为2019年9月29日，发明创造名称为“基于飞行线路的起降点选取方法及装置”的专利申请的优先权。
技术领域
[0002] 本发明涉及航空技术领域，更具体地，涉及一种基于飞行线路的起降点选取方法及装置。
背景技术
[0003] 现有系统性计算的起降点选取一般是针对固定翼、无人机进行简单规划，仅仅考虑飞行器续航、地形维度，无法应用于复杂的通航起降点规划。而通航业内起降点选取都是人工判断选点，存在效率低、合理性差、灵活性不高的缺点。
发明内容
[0004] 鉴于上述问题，本发明提供一种自动最优选取起降点的基于飞行线路的起降点选取方法及装置。
[0005] 根据本发明的一个方面，提供一种基于飞行线路的起降点选取方法，包括：
[0006] 获得飞行路线所覆盖的区域和区域内能够设置的所有起降点；
[0007] 设定参数，所述参数包括起降点的维度和各维度的权重，所述起降点的维度包括起降点距离飞行航线的距离、起降点设定范围的起伏度和起降点与城镇的距离；
[0008] 按照权重由大到小的顺序对维度进行排序；
[0009] 根据设定的起降点维度进行各起降点的各维度数据的采集；
[0010] 通过下式构建维度损失模型
[0011] p(j)＝wi*vi
[0012] q(j)＝wi+1*vi+1
[0013] 其中，wi为第i个维度的权值，vi为第i个维度的数据值，p(j)为第j个起降点的第i个维度的维度损失，q(j)为第j个起降点的第i+1个维度的维度损失；
[0014] 通过维度损失模型获得相邻维度的维度损失的最小值；
[0015] 将维度损失最小值对应的起降点作为最优起降点。
[0016] 优选地，所述通过维度损失模型获得相邻维度的维度损失的最小值的步骤包括：
[0017] 通过下式构建相邻维度损失的交叉熵损失模型
[0018]
[0019] 其中，H(P,q)表示第j个起降点的交叉熵；
[0020] 将各起降点的各维度的维度损失输入上述交叉熵损失模型，获得交叉熵的最小值及其对应的起降点。
[0021] 优选地，所述通过维度损失模型获得相邻维度的维度损失的最小值的步骤包括：
[0022] 通过下式构建相邻维度损失的交叉熵损失模型
[0023]
[0024] 其中，H(P,q)表示第j个起降点的交叉熵；
[0025] 采用下式的梯度下降方法获得所有起降点的交叉熵最小值
[0026]
[0027] 其中，θj表示在x,y坐标系中移动任意相同距离起降点在当前坐标中的损失导数，α为梯度下降的最小步数，H(θ)表示第j个起降点的交叉熵。
[0028] 优选地，还包括：
[0029] 将区域按照设定距离分成多个格子；
[0030] 获得每个格子的最优起降点，从而获得飞行路线上多个最优起降点。
[0031] 优选地，还包括：
[0032] 对最优起降点的位置在地图上进行显示。
[0033] 根据本发明的另一个方面，提供一种基于飞行线路的起降点选取装置，包括：
[0034] 获得模块，获得飞行路线所覆盖的区域和区域内能够设置的所有起降点；
[0035] 参数设定模块，设定参数，所述参数包括起降点的维度和各维度的权重，所述起降点的维度包括起降点距离飞行航线的距离、起降点设定范围的起伏度和起降点与城镇的距离；
[0036] 数据采集模块，根据设定的起降点维度进行各起降点的各维度数据的采集；
[0037] 数据分析模块，根据数据采集模块采集的各起降点各维度的数据和参数设定模块设定的各维度的权重获得所述区域的最佳起降点，
[0038] 其中，所述数据分析模块包括：
[0039] 排序单元，按照权重由大到小的顺序对维度进行排序；
[0040] 维度损失模型构建单元，通过下式构建维度损失模型
[0041] p(j)＝wi*vi
[0042] q(j)＝wi+1*vi+1
[0043] 其中，wi为第i个维度的权值，vi为第i个维度的数据值，p(j)为第j个起降点的第i个维度的维度损失，q(j)为第j个起降点的第i+1个维度的维度损失；
[0044] 最优起降点获得单元，通过维度损失模型构建单元构建的维度损失模型和排序单元对维度的排序，根据数据采集模块采集的各起降点各维度的数据和参数设定模块设定的各维度的权重获得相邻维度的维度损失的最小值，将维度损失最小值对应的起降点作为最优起降点。
[0045] 优选地，所述最优起降点获得单元包括：
[0046] 交叉熵损失模型构建子单元，通过下式构建相邻维度损失的交叉熵损失模型[0047]
[0048] 其中，H(P,q)表示第j个起降点的交叉熵；
[0049] 分析子单元，将各起降点的各维度的维度损失输入上述交叉熵损失模型，获得交叉熵的最小值及其对应的起降点。
[0050] 优选地，所述分析子单元采用下式的梯度下降方法获得所有起降点的交叉熵最小值
[0051]
[0052] 其中，θj表示在直角坐标系中移动任意相同距离起降点在当前坐标中的损失导数，α为梯度下降的最小步数，H(θ)表示第j个起降点的交叉熵。
[0053] 优选地，所述获得模块包括：
[0054] 区域获得单元，获得飞行路线所覆盖的区域；
[0055] 划分单元，将区域按照设定距离分成多个格子，
[0056] 其中，数据分析模块获得每个格子的最优起降点，从而获得飞行路线上多个最优起降点。
[0057] 优选地，还包括结果显示模块，对数据分析模块获得的最优起降点的位置在地图上进行显示。
[0058] 本发明所述基于飞行线路的起降点选取方法及装置合理化充分的考虑各个因素带来的影响，权衡之后选取范围内的最优方案，灵活性针对不同的实际情况，可设定不同的影响维度及对应权重，从而通过算法得出对应的最优解，高效性替代人工选取方式，极大的节省了成本。
附图说明
[0059] 图1是本发明所述基于飞行线路的起降点选取方法的流程示意图；
[0060] 图2是本发明所述基于飞行线路的起降点选取装置的构成框图的示意图。
具体实施方式
[0061] 在下面的描述中，出于说明的目的，为了提供对一个或多个实施例的全面理解，阐述了许多具体细节。然而，很明显，也可以在没有这些具体细节的情况下实现这些实施例。在其它例子中，为了便于描述一个或多个实施例，公知的结构和设备以方框图的形式示出。
[0062] 下面将参照附图来对根据本发明的各个实施例进行详细描述。
[0063] 图1是本发明所述基于飞行线路的起降点选取方法的流程示意图，如图1所示，所述基于飞行线路的起降点选取方法包括：
[0064] 步骤S1，获得飞行路线所覆盖的区域和区域内能够设置的所有起降点；
[0065] 步骤S2，设定参数，所述参数包括起降点的维度和各维度的权重，所述起降点的维度包括起降点距离飞行航线的距离、起降点设定范围的起伏度和起降点与城镇的距离等，还可以包括电网线路密集程度；
[0066] 步骤S3，根据设定的起降点维度进行各起降点的各维度数据的采集；
[0067] 步骤S4，按照权重由大到小的顺序对维度进行排序；
[0068] 步骤S5，通过公式(1)和(2)构建维度损失模型
[0069] p(j)＝wi*vi(1)
[0070] q(j)＝wi+1*vi+1(2)
[0071] 其中，wi为第i个维度的权值，vi为第i个维度的数据值，p(j)为第j个起降点的第i个维度的维度损失，q(j)为第j个起降点的第i+1个维度的维度损失；
[0072] 步骤S6，通过维度损失模型获得相邻维度的维度损失的最小值，将维度损失最小值对应的起降点作为最优起降点。
[0073] 优选地，还包括：对最优起降点的位置在地图上进行显示。
[0074] 上述基于飞行线路的起降点选取方法对起降点选取过程进行综合考虑，覆盖影响起降点选取的各个维度，例如，起降点间距(飞行器续航能力决定)、空域范围、天气、地形地貌、城镇化水平，自动最优选取起降点。
[0075] 在一个可选实施例中，在步骤S6中，通过维度损失模型获得相邻维度的维度损失的最小值的步骤包括：
[0076] 通过公式(3)构建相邻维度损失的交叉熵损失模型
[0077] H(P,q)＝‑∑ip(j)logq(j)(3)
[0078] 其中，H(P,q)表示第j个起降点的交叉熵；
[0079] 将各起降点的各维度的维度损失输入上述交叉熵损失模型，获得交叉熵的最小值及其对应的起降点。
[0080] 在另一个可选实施例中，在步骤S6中，通过维度损失模型获得相邻维度的维度损失的最小值的步骤包括：
[0081] 通过公式(3)构建相邻维度损失的交叉熵损失模型
[0082] H(P,q)＝‑∑ip(j)logq(j)(3)
[0083] 其中，H(P,q)表示第j个起降点的交叉熵；
[0084] 采用公式(4)下式的梯度下降方法获得所有起降点的交叉熵最小值[0085]
[0086] 其中，θj表示在直角坐标系(x,y坐标系)中移动任意相同距离起降点在当前坐标中的损失导数，α为梯度下降的最小步数，H(θ)表示第j个起降点的交叉熵。
[0087] 上述基于飞行线路的起降点选取方法结合交叉熵损失函数、梯度下降算法对任意范围任意时段进行起降点最优选取，在参数复杂度较低时，可直接通过取各坐标的交叉熵最低值算出最终结果，当参数复杂度较高(维度的数据值超过设定阈值或不同维度具有不同的设定阈值，超过设定阈值的维度的个数超过设定值)时，可采用梯度下降方法，使得在一定范围内的交叉熵最小值，即为最终结果，也就是说使得交叉熵最小值容易收敛，放置参数复杂度过高时，得不到交叉熵最小值。
[0088] 在一个可选实施例中，在步骤S1中，将区域按照设定距离分成多个格子，执行步骤S2‑S6，获得每个格子的最优起降点，从而获得飞行路线上多个最优起降点。
[0089] 图2是本发明所述基于飞行线路的起降点选取装置的构成框图的示意图，如图1所示，所述基于飞行线路的起降点选取装置包括：
[0090] 获得模块1，获得飞行路线所覆盖的区域和区域内能够设置的所有起降点；
[0091] 参数设定模块2，设定参数，所述参数包括起降点的维度和各维度的权重，所述起降点的维度包括起降点距离飞行航线的距离、起降点设定范围的起伏度和起降点与城镇的距离；
[0092] 数据采集模块3，根据设定的起降点维度进行各起降点的各维度数据的采集；
[0093] 数据分析模块4，根据数据采集模块采集的各起降点各维度的数据和参数设定模块设定的各维度的权重获得所述区域的最佳起降点，
[0094] 其中，所述数据分析模块4包括：
[0095] 排序单元41，按照权重由大到小的顺序对维度进行排序；
[0096] 维度损失模型构建单元42，通过公式(1)和(2)构建维度损失模型[0097] p(j)＝wi*vi(1)
[0098] q(j)＝wi+1*vi+1(2)
[0099] 其中，wi为第i个维度的权值，vi为第i个维度的数据值，p(j)为第j个起降点的第i个维度的维度损失，q(j)为第j个起降点的第i+1个维度的维度损失；
[0100] 最优起降点获得单元43，通过维度损失模型构建单元构建的维度损失模型和排序单元对维度的排序，根据数据采集模块采集的各起降点各维度的数据和参数设定模块设定的各维度的权重获得相邻维度的维度损失的最小值，将维度损失最小值对应的起降点作为最优起降点。
[0101] 优选地，还包括结果显示模块5，对数据分析模块4获得的最优起降点的位置在地图上进行显示。
[0102] 在一个可选实施例中，所述最优起降点获得单元43包括：
[0103] 交叉熵损失模型构建子单元431，通过公式(3)构建相邻维度损失的交叉熵损失模型
[0104] H(P,q)＝‑∑ip(j)logq(j)(3)
[0105] 其中，H(P,q)表示第j个起降点的交叉熵；
[0106] 分析子单元432，将各起降点的各维度的维度损失输入上述交叉熵损失模型，获得交叉熵的最小值及其对应的起降点。
[0107] 优选地，所述分析子单元432采用公式(4)下式的梯度下降方法获得所有起降点的交叉熵最小值
[0108]
[0109] 其中，θj表示在x,y坐标系中移动任意相同距离起降点在当前坐标中的损失导数，α为梯度下降的最小步数，H(θ)表示第j个起降点的交叉熵。
[0110] 在一个可选实施例中，所述获得模块1包括：
[0111] 区域获得单元11，获得飞行路线所覆盖的区域；
[0112] 划分单元12，将区域按照设定距离分成多个格子，例如，在该空域内按距离分为Pow(n)个格子，则该区域的所有起降点可能存在的坐标为(0,0)‑(n,n)，每个格子的维度的权重可以不同，也就是说，根据所述格子的实际情况或者客户端的需求调整维度的权重，另外，维度的权重也可以认为设定。
[0113] 其中，数据分析模块4获得每个格子的最优起降点，从而获得飞行路线上多个最优起降点，例如，起降点坐标为(x,y)距离任意一条航线的距离为d1,d2，...，该范围内起伏度为0‑100(越小越平坦)，距离最近城镇距离为dc等等多种因素。以上因素所含参数统一定义为维度vi，每种因素的权重分别为w1,w2，...，通过公式(1)‑(3)或者通过公式(1)‑(4)获得维度损失最小值对应的最优起降点。
[0114] 在本发明的一个可选实施例中，所述维度的权重的获得步骤包括：
[0115] 根据飞行路线覆盖区域的起降点的历史数据获得每个起降点单位时间的飞机起降次数与维度的历史数据值的均值的比值作为维度的指数，各起降点的各维度的指数构成维度指数矩阵
[0116]
[0117] 其中，L为维度指数矩阵，m为飞行路线覆盖区域的起降点的总数，n为维度总数，lm,n为第m个起降点的第n个维度的指数；
[0118] 将维度指数增加和减少设定的百分比；
[0119] 分别构建维度指数增加的增加高斯核相似度矩阵和维度指数减少的减少高斯核相似度矩阵，例如
[0120]
[0121]
[0122]
[0123]
[0124]
[0125] 其中，L'+表示增加高斯核相似度矩阵； 表示矩阵L'+中的元素； 表示高斯核参数； 分别表示维度i和维度j的各起降点的维度指数构成的数据点；表示各起降点维度指数增加后，数据点xi与数据点xj之间的欧氏距离； 表示维度指数增加后的数据点xi的近邻数据点， 表示维度指数增加后的数据点xj的近邻数据点， 和 为设定值，为近邻数据点的最大个数；
[0126] 将增加高斯核相似度矩阵和减少高斯核相似度矩阵相减，各列求和，然后各列的和与起降点总数的平方的比例作为各维度的平均相似度；
[0127] 将维度的平均相似度与总平均相似度的比例的绝对值作为各维度的权值。
[0128] 上述各维度的权值能够更加准确的描述多密度维度之间的相似度，降低噪声点对数据的影响，增加权值的准确性，从而增加起降点选取的准确性。尽管前面公开的内容示出了本发明的示例性实施例，但是应当注意，在不背离权利要求限定的范围的前提下，可以进行多种改变和修改。根据这里描述的发明实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明的元素可以以个体形式描述或要求，但是也可以设想具有多个元素，除非明确限制为单个元素。
