买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳市大数据研究院申请的专利无人机调度方法、装置、计算机设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119312990B 。

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411855445.8，技术领域涉及：G06Q10/04；该发明授权无人机调度方法、装置、计算机设备及存储介质是由何彦东;游锦涛;张莲民;钱雄文;叶华祥设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本无人机调度方法、装置、计算机设备及存储介质在说明书摘要公布了：本申请公开了无人机调度方法、装置、计算机设备及存储介质，其方法实现，包括：获取待预测数据，对待预测数据进行特征提取，以得到待预测特征；基于待预测特征，预测得到不同需求位置的用户需求向量；基于用户需求向量，构建预设设备调度目标的目标函数与约束条件；基于目标函数，计算每个满足所述约束条件的设备选址方案的第一目标函数值，以基于第一目标函数值，确定最优设备选址方案；基于目标函数以及最优设备选址方案，计算每个满足所述约束条件的路径规划方案的第二目标函数值，以基于第二目标函数值，确定最优路径规划方案。可以更好地应对物流配送中的复杂需求，提升无人机的资源利用率以及整体效能。

本发明授权无人机调度方法、装置、计算机设备及存储介质在权利要求书中公布了：1.一种无人机调度方法，其特征在于，所述方法，包括： 获取待预测数据，对所述待预测数据进行特征提取，以得到待预测特征； 将所述待预测特征输入至预先训练的预测模型中，所述预测模型包括多个决策树；每个决策树分别对所述待预测特征进行预测，得到多个预测结果；对所有所述预测结果进行聚合，得到不同需求位置的用户需求向量，所述用户需求向量是指在不同需求位置的一定范围内的所有存在服务需求的用户，通过建立用户需求预测模型对用户需求进行预测，去除干扰项，优先对需求用户较多，且需求用户较为密集的地点进行无人机选址与路径规划； 基于所述用户需求向量，构建预设设备调度目标的目标函数与约束条件； 获取决策变量，确定决策变量中各个元素的取值范围，并基于决策变量构建预设设备调度目标的目标函数与约束条件，示例性的，该决策变量可包括，表示若无人机在行程中从设施服务需求，若有服务需求则为1，否则为0，，表示若设施被建立，则为1，否则为0，则表示，若无人机被分配到设施，则为1，否则为0； 该目标函数具体如下公式1所示，该约束条件如下公式2‑14所示： 其中，公式1是使总收入最大化的目标函数，约束条件2确保每个需求最多服务一次，约束条件3确保每趟无人驾驶飞机只服务一次，设施数量由约束条件4限制，约束条件5强制执行无人机容量约束，每个设施的容量和分配的无人机总数受制于约束条件6和7，约束条件8和9确保每架无人机最多被分配到一个地点的设施，在约束条件10中，只有在无人机被分配到设施的情况下，无人机才能在分配到设施的某个行程中为需求提供服务，约束条件11确保需求必须在最迟交付时间之前得到满足，在约束条件12和13中，连续的交付需要在之后开始，并且不能重叠，约束条件14对变量进行了定义； 其中，：所有需求位置的集合，：所有潜在设施位置的集合，：所有无人机的集合，：每个无人机的行程集合，：服务需求位置的客户获得的收入，：从需求位置到潜在设施的旅行距离，：从需求位置到潜在设施的旅行时间，：最大设施数量，：需求的最晚交付时间，：设施的容量，所述设施的容量表示可分配的无人机最大数量，：无人机在行程中为需求服务的时间，：无人机的旅行距离限制； 基于上述目标函数可知，每个无人机的最大飞行次数可通过如下方式计算得到： ； 其中，的计算公式如下：对于每个潜在设施，按照与设施的距离从大到小排序，然后累加前个客户的距离，直到他们的距离之和大于，因此，； 通过获取最大飞行次数，在对目标函数进行求解时，可限定无人机的飞行次数，以减少解空间； 基于所述目标函数，计算每个满足所述约束条件的设备选址方案的第一目标函数值，以基于所述第一目标函数值，确定最优设备选址方案，采用贪心算法构建初始设备选址解，或者基于启发式的方式，构建一个初始设备选址解，并进行邻域搜索，得到邻域解，计算该邻域解的目标函数值，并与初始设备选址解的目标函数值进行对比，若邻域解更优，则将其作为最新的当前解，否则，可模拟退火方式，确定是否接受将其作为最新的当前解，将得到的最新的当前解作为本次迭代的最优解； 基于所述目标函数以及所述最优设备选址方案，计算每个满足所述约束条件的路径规划方案的第二目标函数值，以基于所述第二目标函数值，确定最优路径规划方案，根据确定的最优设备选址方案，可以确定无人机的所有飞行点位，然后基于该飞行点位，则采用贪心算法构建初始路径规划解，或者基于启发式的方式，构建所有初始路径规划解，并进行邻域搜索，得到邻域解，计算该邻域解的目标函数值，并与初始路径规划解的目标函数值进行对比，若邻域解更优，则将其作为最新的当前解，否则，可模拟退火方式，确定是否接受将其作为最新的当前解，将得到的最新的当前解作为本次迭代的最优解，直到获取最优路径规划方案为止； 所述预先训练的预测模型通过如下方式计算得到： 获取历史订单数据，对所述历史订单数据进行特征提取，并基于提取的特征建立训练特征集，所述训练特征集包括多个训练特征子集； 使用基尼不纯度或信息增益作为分裂准则，递归地构建预测模型，所述预测模型包括多个决策树； 将每个决策树分别在所述训练特征子集上进行独立迭代训练，直到符合预设收敛条件时，得到所述训练完成的预测模型； 其中，通过用户界面展示最优设备选址方案以及最优路径规划方案，用户界面具体可包括数据视图，可用于展示历史订单数据和提取的特征集合；预测结果视图，可通过图表的形式展示每个需求位置预测得到的用户需求；实时选址视图，用于在地图上展示优化后的设施位置和无人机覆盖范围；路径规划视图，用于展示无人机的最优路径和预计送到时间； 通过控制中心的控制面板，允许用户启动预测、优化和路径规划的流程，并可实时监测系统状态。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳市大数据研究院，其通讯地址为：518000 广东省深圳市龙岗区龙城街道龙翔大道2001号道远楼225室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。