无人机技术近年来在我国发展迅速,无论是民用还是军用各种无人机层出不穷,随之而来的无人机航线规划的研究变得迫在眉睫。随着无人机技术的不断发展,以及各种传感器的不断应用,我们获得的数据维度不断升高,数据的量不断扩大,传统的数据处理方法变得越来越捉襟见肘。同时随着大数据时代的到来以及相关大数据技术的飞速发展,各行各业对大规模高纬度数据的存储和分析能力不断攀升。借助大数据的相关技术对危险预测方面的数据进行更全面的采集、存储、分析和挖掘。可以更深入的了解威胁的变化规律,使将来的预测变得更快更准,促进科技的进步和生产力的发展。针对天气数据的数据量大传统方法无法处理的特点,本文主要研究构建Spark大数据处理平台。利用大数据平台进行数据的预处理,提取有效特征和天气预测模型的构建。本课题的实验数据是英国气象局提供的每天的天气的十个模型的预测数据。在构建天气预测模型时,先用常用预测模型进行预测并优化出最优的模型参数。选取各模型的F1值作对比,然后根据天气数据的特点在各时段选择F1值最高的模型作为该时段的预测模型,最后多个模型进行结果汇总成为最终的天气预测数据集。在无人机路径规划方面,根据预测的天气数据以及起点和目标点的相对位置,结合广度优先搜索(BFS)和A*算法的特点,开发出一套可以在威胁不断变化的情况下,规划出安全的最短的航线的方法。无人机发展迅猛,特别在物流领域无人机具有速度快、成本低、使用范围广等特点,研发基于天气数据的无人机航线规划系统将会对未来运输无人机的发展具有重要意义。