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！

龙图腾网获悉南京航空航天大学申请的专利一种动静态结合的城市物流无人机任务规划方法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：CN119323323B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202411345174.1，技术领域涉及：G06Q10/0631；该发明授权一种动静态结合的城市物流无人机任务规划方法是由华明壮;李天;孙天一;姜致远;恽智东;张显琦设计研发完成，并于2024-09-26向国家知识产权局提交的专利申请。

本一种动静态结合的城市物流无人机任务规划方法在说明书摘要公布了：本发明公开了一种动静态结合的城市物流无人机任务规划方法，包括以下步骤：1输入即时、非即时配送的动静态结合的城市物流无人机任务规划城市物流订单数据，使用基于时空约束改进的k‑means聚类算法，初步选址物流无人机机场位置。2使用基于HPSO算法的静态任务规划方法，确定面向非即时配送订单的静态任务规划结果，确定物流配送点位置，并根据物流配送点分布优化无人机机场的选址，平衡各机场的任务数量。3提出基于静态任务规划结果改进DDQN算法的动态任务规划方法，确定即时配送订单的动态任务规划结果，从而最终确定物流无人机机队的规划调度方案。本发明通过融合即时配送和非即时配送的城市物流订单，使无人机设施选址和订单分配更合理。

本发明授权一种动静态结合的城市物流无人机任务规划方法在权利要求书中公布了：1.一种动静态结合的城市物流无人机任务规划方法，其特征在于，所述方法包括以下步骤： S1.输入即时、非即时配送的动静态结合的城市物流无人机任务规划城市物流订单数据，获得样本数据，所述样本数据包括空域属性、天气信息、店铺位置、客户位置，基于店铺、客户位置数据，使用基于时空约束改进的k-means聚类算法，初步选址物流无人机机场位置； S2.使用基于HPSO混合粒子群优化算法的静态任务规划方法，确定面向非即时配送订单的静态任务规划结果，使用考虑步行可达约束的DBSCAN聚类算法确定物流配送点位置，并根据物流配送点分布优化无人机机场的选址，平衡各机场的任务数量； S3.基于无人机机场和物流配送点的位置，综合考虑空间信息、无人机性能、天气情况，提出基于静态任务规划结果改进DDQN算法的动态任务规划方法，确定即时配送订单的动态任务规划结果，从而最终确定物流无人机机队的规划调度方案，具体包括以下步骤： S3.1：构建无人机与通信终端、物联网设备、用户设备的通信场景,包括一架无人机和不同高度的障碍物，在时间η内，无人机的位置为w； S3.2：基于所述通信场景确定无人机空地信道增益并建立无人机与地面用户的通信链路模型为： 其中αLosαQLos为Los的时间间隔中无人机与终端的通信效率以及I个Los时间间隔中的平均通信效率，βLosβQLos为Los的时间间隔中地面设备与终端的通信效率以及I个时间间隔中的平均通信效率；为地面设备与无人机之间的信道增益；ηLos,ifLos为Los的时间间隔中的基础通信效率；ηTLos,ifILos为I个Los时间间隔的总时间中的基础通信效率； S3.3：根据ε策略选择动作at,即随机选择动作at的概率为ε,而根据无人机位置w选择行动的概率为1-ε,以确保无人机具有一定的探索性； S3.4：将at输入数据收集环境中,得到当前状态st和无人机下一个位置wt+1,其中wt+1＝wt+at； S3.5：基于所述通信链路模型，将优化模型规范为以四元组S,A,R,P,其中A表示无人机配送过程的动作空间，且无人机在时间t内选择的动作at＝[ax,ay,az]∈A；S表示无人机的状态空间,该空间中无人机在时间t的状态表示为st＝st1,st2,st3；P是转移概率矩阵,包括无人机处于状态st时,采取动作at转移到下一个状态st+1的概率；R是无人机在选择动作at到达下一个状态st+1过程中所获得的收益信息,其采用的奖励函数rt为:rt＝rt1-rt2-rt3；无人机根据在位置wt收集的数据量得到rt1,根据无人机的移动量得到电量惩罚rt2,根据无人机在当前状态和下一状态是否撞到障碍物获得碰撞惩罚rt3,最终得到总奖励rt； S3.6：根据wt+1,确定无人机的下一步状态st+1； S3.7：将转移结果st+1,at,st,rt保存到经验池J中,当经验池中数据集的数量达到阈值后,从经验池中选择样本集对神经网络进行训练,训练过程中将获取的新数据替换经验池中的旧数据集； S3.8：计算误差函数Lθ＝‖yt-Qat,st；θ‖2，该函数是均方误差用于衡量当前Q值与目标Q值之间的差异，其中yt为目标Q值，且 θ为当前网络参数，θn为目标网络实时参数，rt为t时间段的奖励值，argmaxQ表示在当前Q网络中找出最大Q值所对应的动作； S3.9：重复步骤S3.2.2-步骤S3.2.8,当重复次数达到网络更新频率F时,更新目标网络参数θ’＝θ； S3.10:当达到最大训练次数时,输出最优无人机轨迹

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南京航空航天大学，其通讯地址为：213300 江苏省常州市溧阳市滨河东路29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”。

以上内容由龙图腾AI智能生成。