無人機數據收集、存儲以及深度挖掘

01-30

一個行業從藍海變為紅海之後，從業企業最應該做的是什麼？我想答案應該是，如何把將客戶的需求從數據中挖掘出來，並且滿足這些需求。

作為一名無人機行業從業者，越來越深刻的認識到。隨著無人機行業的擴大，市場對無人機的要求已不再是簡單的能飛，能拍攝，能運輸特定產品這一的簡單應用，更需要專業領域的應用，如植保，物流等行業。

而怎樣能更好的滿足這些專業領域的應用呢？正如開始所說的，如何利用無人機的飛行數據進行深度挖掘，並滿足其間發現的深度的需求變成了關鍵。

從整個流程上來說，想要對數據進行深度挖掘，需要有三個步驟：數據收集、數據存儲、深度數據挖掘。

下面結合我們現在所做的物流無人機三級運營體系，簡單談一下：

1、數據收集

一般大家指的（無人機）數據收集僅限於一台或者幾台無人機的數據收集，數據樣本比較少，收集效率比較低。這樣的數據具備深度挖掘的潛力么？我想答案是否定的，從統計學角度來看，來自於單一個體或小範圍個體所產生的數據很難具備對整體的準確描述；從實際情況來說，一台或者幾台無人機很難做到很好的時空覆蓋性，總會因為這樣或者那樣的問題，無法可靠的收集多地點、多時間段（幾年）的有效數據。

怎樣才能真的達成有效的數據收集？我想我們可以依靠我們的物流無人機三級運營體系來做這個事情。我們整個體系後面會有成千上萬台無人機在不同的地點、不同時間段進行不停歇的運營，更重要的是，我們有統一的運營調度平台，已經通過4G技術（後面會使用5G）將每一台無人機接入平台，並對其飛行中的位姿、運營線路、拋貨狀態、總飛行架次、健康度，甚至運營時刻的天氣情況進行收集。

這樣我們就能依靠我們的整個完整的三級物流體系收集真正具有深度挖掘意義的大樣本量的數據。

2、數據存儲

（無人機）數據收集後緊跟著需要我們對數據進行存儲，目前一般的存儲方式是本地存儲，適合小範圍的開發人員的查看、分析。

實際上這樣的數據存儲方式不僅不適合深度數據挖掘的需求，而且也不適合一個更大、更分散的團隊。

我們將我們收集到的數據上傳至大數據伺服器，不僅極大的擴充了數據存儲的空間，保證了歷史飛行數據的完整性，而且也非常適合深度數據挖掘的開展。

深度數據挖掘

有了大量分飛行數據，可以從各個維度對無人機數據進行深度挖掘。例如，在物流應用場景下，更關注無人機載重能力，續航能力等。如何提高無人機的動力系統應用效率成為了關鍵。利用對單個動力系統（電機和漿）的高頻數據採集、數據分析，線性擬合等方法。求解出在各個應用場景下的最大轉換效率，結合運營氣象數據，計算出最優的載重質量和續航時間。

除此之外，通過對歷史數據進行建立模型，可以挖掘出無人機整體的健康狀態，壽命，機型性能等都很大的應用價值。根據運營區域的飛行頻率，可以合理規劃物流網路布點，航線增減等，從而不斷優化飛行運營成本。