| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.3 本文主要研究内容 | 第16-18页 |
| 1.4 研究思路与论文结构 | 第18页 |
| 1.5 本文创新点 | 第18-20页 |
| 第2章 相关研究介绍 | 第20-30页 |
| 2.1 移动定位技术与位置服务 | 第20-21页 |
| 2.1.1 定位技术 | 第20页 |
| 2.1.2 基于位置的服务LBS | 第20-21页 |
| 2.1.3 Euclidean距离 | 第21页 |
| 2.2 城市人群热点稠密区相关理论 | 第21-24页 |
| 2.2.1 用户轨迹和停留点 | 第21-23页 |
| 2.2.2 人群稠密区域 | 第23页 |
| 2.2.3 基于密度的聚类算法 | 第23-24页 |
| 2.3 无人机飞行轨迹研究 | 第24-29页 |
| 2.3.1 城市应用场景及飞行约束 | 第24-26页 |
| 2.3.2 无人机路径规划策略 | 第26页 |
| 2.3.3 TSP问题 | 第26-27页 |
| 2.3.4 Voronoi图的相关知识 | 第27-28页 |
| 2.3.5 蚁群算法在路径规划中的原理 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于人口稠密区域聚类的安全飞行轨迹算法设计 | 第30-44页 |
| 3.1 总体设计框架 | 第30-31页 |
| 3.1.1 确定城市飞行威胁区域 | 第30-31页 |
| 3.1.2 规划可飞行空间 | 第31页 |
| 3.1.3 确定最优飞行路径 | 第31页 |
| 3.2 城市人群稠密区聚类算法设计 | 第31-38页 |
| 3.2.1 基于SBC的轨迹数据停留点提取算法 | 第32-36页 |
| 3.2.2 基于CFSFDP聚类的人群稠密区域分析算法 | 第36-38页 |
| 3.3 基于人群稠密区域分布的无人机安全飞行轨迹算法 | 第38-43页 |
| 3.3.1 基于Voronoi图的城市无人机安全飞行路径网拓扑图算法 | 第38-41页 |
| 3.3.2 基于蚁群算法的最优安全路径搜索算法 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 城市无人机安全飞行轨迹系统设计 | 第44-52页 |
| 4.1 系统模块设计 | 第44-47页 |
| 4.1.1 人群稠密区域模块 | 第45页 |
| 4.1.2 路径管理模块 | 第45-46页 |
| 4.1.3 用户模块 | 第46-47页 |
| 4.2 数据库设计 | 第47-49页 |
| 4.3 核心算法代码设计 | 第49-51页 |
| 4.3.1 停留点提取伪代码 | 第49-50页 |
| 4.3.2 人群局域密度聚类伪代码 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 实验和分析 | 第52-62页 |
| 5.1 人群稠密区域聚类分析 | 第52-58页 |
| 5.1.1 实验轨迹数据 | 第52-54页 |
| 5.1.2 停留点提取算法效果 | 第54-56页 |
| 5.1.3 人群稠密区域聚类效果 | 第56-58页 |
| 5.2 安全飞行轨迹分析 | 第58-60页 |
| 5.2.1 安全路径网拓扑图生成效果 | 第58-59页 |
| 5.2.2 无人机飞行测试 | 第59-60页 |
| 5.3 本章小结 | 第60-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间的科研情况 | 第68-69页 |
| 致谢 | 第69页 |
