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！

龙图腾网获悉江苏信江数字科技有限公司申请的专利基于机器学习的低空飞行器风险管理方法及系统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：CN120106396B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202510559422.0，技术领域涉及：G06Q10/063；该发明授权基于机器学习的低空飞行器风险管理方法及系统是由臧国荣设计研发完成，并于2025-04-30向国家知识产权局提交的专利申请。

本基于机器学习的低空飞行器风险管理方法及系统在说明书摘要公布了：本发明公开了一种基于机器学习的低空飞行器风险管理方法及系统，S1.生成预处理后的飞行轨迹数据集；S2.对分尺度飞行轨迹数据集应用分形维数分析方法提取飞行轨迹的复杂性描述向量；S3.构建多维风险特征数据集；S4.自动选取描述长度最小且数据拟合精度最佳的最优风险评价模型；S5.利用所选最优风险评价模型对新采集的飞行轨迹数据集及其对应的多维风险特征数据集进行实时风险评估，生成飞行轨迹风险评价输出；S6.实现动态风险监控与飞行路径调整，并为低空飞行器风险管理提供决策依据。本发明精准捕捉轨迹中具有高转弯率或速度剧变高风险特征段，极大提高了局部风险事件的识别准确性。

本发明授权基于机器学习的低空飞行器风险管理方法及系统在权利要求书中公布了：1.一种基于机器学习的低空飞行器风险管理方法，其特征在于，包括如下步骤： S1.实时获取低空飞行器在指定低空区域内的三维飞行轨迹原始数据集并进行预处理，生成预处理后的飞行轨迹数据集； S2.对预处理后的飞行轨迹数据集实施多尺度切分处理，形成分尺度飞行轨迹数据集，对分尺度飞行轨迹数据集应用分形维数分析方法提取飞行轨迹的复杂性描述向量； S3.将飞行轨迹复杂性描述向量与低空飞行器运行过程中的动态飞行参数数据进行数据融合，构建多维风险特征数据集； S4.基于最小描述长度原则对多维风险特征数据集实施风险评价模型的候选模型筛选，通过评估各候选模型的模型编码长度及数据编码长度，自动选取描述长度最小且数据拟合精度最佳的最优风险评价模型； S5.利用所选最优风险评价模型对新采集的飞行轨迹数据集及其对应的多维风险特征数据集进行实时风险评估，生成飞行轨迹风险评价输出； S6.将飞行轨迹风险评价输出反馈至飞行控制系统及监控终端，实现动态风险监控与飞行路径调整，并为低空飞行器风险管理提供决策依据； 所述S2包括以下步骤： S21.根据低空飞行器航迹风险评价对轨迹局部复杂性敏感的要求，基于飞行轨迹的空间曲率变化率与平均飞行速度联合构造自适应局部尺度划分函数： λκi,vi＝lbase·exp-α·|κi|·exp-β·|vi-vmean|； 其中，λκi,vi为飞行轨迹点pi处的自适应局部尺度，lbase为预设的基础分段长度，κi为飞行轨迹点pi处的空间曲率变化率，反映飞行轨迹的空间拐弯剧烈程度，vi为飞行轨迹点pi处飞行器的瞬时飞行速度，vmean为飞行轨迹的平均飞行速度，α、β为控制自适应局部尺度调整敏感性的参数； S22.利用自适应局部尺度划分函数λκi,vi对预处理后的飞行轨迹数据集Tpre进行局部动态切分，生成分尺度飞行轨迹数据集Tscale，分尺度飞行轨迹数据集中的任意飞行轨迹分段Sj定义为： Sj＝{pi|tj≤titj+λκj,vj},j＝1,2,…,M； 其中，飞行轨迹分段Sj的起始时刻为tj，飞行轨迹点pi为飞行轨迹分段Sj内的第i个点，M为切分后的飞行轨迹分段总数，λκj,vj表示以飞行轨迹起始点pj为参考点，基于当前曲率变化率与瞬时速度动态确定的自适应局部尺度大小； S23.针对每个飞行轨迹分段Sj，采用分形维数分析方法中的盒维数算法计算飞行轨迹分段Sj的局部分形维数特征值DB,j，得到局部分形维数特征集合，局部分形维数特征值定量表征飞行轨迹分段内低空飞行器飞行轨迹的局部不规则性和结构复杂程度，体现飞行轨迹的局部风险特征，并基于局部分形维数特征集合DB构建飞行轨迹复杂性描述向量Ctraj。

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江苏信江数字科技有限公司，其通讯地址为：211100 江苏省南京市江宁区东吉大道1号；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”。