CN104965974B - 一种基于覆盖度评估及优化警力资源部署的方法 - Google Patents
一种基于覆盖度评估及优化警力资源部署的方法 Download PDFInfo
- Publication number
- CN104965974B CN104965974B CN201510310015.2A CN201510310015A CN104965974B CN 104965974 B CN104965974 B CN 104965974B CN 201510310015 A CN201510310015 A CN 201510310015A CN 104965974 B CN104965974 B CN 104965974B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- mtr
- police strength
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 238000013210 evaluation model Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims description 4
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于覆盖度评估及优化警力资源部署的方法，包括：警员巡逻轨迹与警情发生位置数据进行预处理，建立警力部署评估模型，建立警力部署优化模型，将优化模型松弛为拉格朗日问题，利用拉格朗日松弛算法求解优化模型，基于覆盖度与周边历史警情数加权过滤模型解，得到最终警力部署位置。本方法为城市交警指挥部门提供优化模型并求解得到警力部署位置，使得警力的部署更加合理，从而减少警力资源的过度浪费，并且针对发生的警情能够达到有效及时的处置。
Description
技术领域
本发明涉及智能交通领域，尤其涉及一种基于覆盖度评估及优化警力资源部署的方法。
背景技术
随着中国经济的突飞猛进以及现代交通的日益发达，道路上的警情数量不断增多，警情的发生给广大群众以及交警指挥部门造成极大的困扰。因此，为了处理各种交通警情，充足的警力以及对警力资源的合理部署是不可或缺的。
现有的交通警力资源部署主要是交警指挥部门依靠专家经验或者是所管辖区内的道路状况来实现的，在交通拥堵以及事故多发点等重要路段配置较多的警力，而在其他路段配置较少的警力，这种方法掺杂主观性，而交通事故的发生随机性比较强，因此可能会导致一些路段警力不足，不能对发生的警情及时处理。针对警力资源的合理部署方法，专利CN102054211A《一种警力部署方法和系统》参照生态系统的遗传进化特性，首先建立交通警察信息与位置信息两个种群，依据当前代的两个种群个体利用位置匹配法构造警力部署的代解集，并通过非支配排序算法和密集度评估算法进行性能评价，来判断是否进行遗传操作，直到达到预定的终止条件，以此求得最终的警力部署代解集，这种方法的计算量比较大。论文《城市交巡警平台的设置与调度优化模型》通过将道路信息抽象成城市交通网络，利用Dijkstra算法计算各个路口节点与警情发生点之间的最短距离，以此来选择交巡警平台的部署位置。本专利与上述方法不同，着眼于警力部署中心对于警情发生点的覆盖度，首先根据辖区内的道路交通状况以及警情发生状况选取警力部署的候选位置，以最大化部署中心对警情的总覆盖度为目标，建立多约束条件的线性规划模型，实现警力资源的合理部署，提高交警指挥部门处置警情的效率。
发明内容
本发明为克服上述的不足之处，目的在于提供一种基于覆盖度评估及优化警力资源部署的方法，本方法为城市交警指挥部门针对警力资源的部署进行评估，提供优化模型并求解得到警力部署位置，使得警力的部署更加合理，从而减少警力资源的过度浪费，并且针对发生的警情能够达到有效及时的处置。
本发明是通过以下技术方案达到上述目的：一种基于覆盖度评估及优化警力资源部署的方法，包括如下步骤：
(1)对数据库中的警员巡逻轨迹与警情位置数据作预处理；
(2)基于预处理后的警员巡逻轨迹与警情位置数据建立警力部署评估模型；
(3)基于警力部署评估模型，以最大化总覆盖度为目标建立警力部署优化模型；
(4)将警力部署优化模型松弛转化为拉格朗日问题；
(5)利用拉格朗日松弛算法求解拉格朗日问题，选出候选警力部署位置；
(6)结合候选警力部署位置的覆盖度与周边历史警情数对候选警力部署位置进行过滤得到最终的警力部署位置。
作为优选，所述步骤(1)对警员巡逻轨迹数据作预处理为将警员巡逻轨迹数据的更新频率设为30S-90S更新一次，并去除警员在处置警情时间段内的巡逻轨迹数据。
作为优选，所述步骤(1)对警情位置数据作预处理为将警情与处置此警情的警员进行关联，以警员处置完成警情2分钟内的最近时刻的巡逻轨迹坐标作为警情坐标，以填补缺失的警情位置数据。
作为优选，所述步骤(2)建立警力部署评估模型的步骤如下：(i)根据警员巡逻轨迹数据，利用k-means方法聚类得到警员巡逻热点；
(ii)定义覆盖度函数如下式：
其中，i为警情发生点，I警情发生点的集合，j为警员巡逻热点，J为警员巡逻热点集合，cij为覆盖度分段函数，
(iii)基于覆盖度定义函数求得每个巡逻热点的覆盖度为从而形成警力部署评估模型。
作为优选，所述cij为覆盖度分段函数，其定义如下：
其中，dij为警情发生点与警员巡逻热点之间的欧氏距离，s为巡逻热点能够全部覆盖警情的最大距离，t为巡逻热点只能部分覆盖警情的最大距离。
作为优选，所述步骤(3)建立的警力部署优化模型如下公式所示：
其中，J为候选的警员巡逻热点，P为警员巡逻热点设定个数，
作为优选，所述步骤(4)将警力部署优化模型松弛转化为拉格朗日问题的方法为通过约束条件对警力部署优化模型进行松弛，设λi(i∈I)≥0为拉格朗日松弛因子，松弛为如下公式所示的拉格朗日问题：
作为优选，所述步骤(5)的拉格朗日松弛算法如下：
(a)初始化模型参数，初始化迭代步数k＝0，上限值Z1＝+∞，下限值Z2＝-∞，拉格朗日乘子λ0＝0；求得当λ0＝0时拉格朗日问题的解作为优化模型上限的初始值，求得一组可行解与初始化迭代步长参数α0＝2，迭代步长
(b)利用次梯度法更新拉格朗日乘子λ，当迭代步数为k时，利用次梯度法更新拉格朗日乘子，求得拉格朗日问题的解为与计算出同时更新参数αk＝2，
(c)生成优化模型的下限值由步骤(b)求得的与计算下限值
(d)更新模型的上下限值，逐步逼近最优解；
如果上限则令如果则令
(e)更新迭代步长参数αk；
如果连续多次迭代，模型上限值无变化，则更新迭代参数为αk＝αk/2；
(f)检验迭代终止条件，迭代终止条件可设为迭代步数k＝1000、Z1-Z2≤0.25或三个中的任意一个。
作为优选，所述步骤(6)为将每个候选警力部署位置的警情覆盖度与周边历史警情数两个因素按照2:1的比例加权，并以此作为衡量指标，从候选警力部署位置过滤选出最终的警力部署位置。
本发明的有益效果在于：(1)首先针对各个辖区当前警力资源的部署通过计算覆盖度进行评估，将部署策略量化，更加具体地表述各辖区警力部署的优劣；其次以最大覆盖度为目标来进行优化，提出新的部署策略，以便交警指挥部门进行参考；(2)本发明以各辖区实际发生的警情位置数据及道路状况来进行警力资源的部署，相对于以往只根据经验来部署警力更能从实际情况出发，不掺杂过多的主观性，因此提出的部署方案相对更客观。
附图说明
图1是本发明的流程示意图；
图2是本发明实施例的警员巡逻轨迹数据表存储方式示意图；
图3是本发明实施例的警情发生位置数据表存储方式示意图；
图4是本发明实施例的警员巡逻热点及警情全部与部分覆盖区域示意图；
图5是本发明的拉格朗日松弛算法流程图；
图6是本发明实施例下城二中队二次过滤候选警力部署位置示意图；
图7是本发明实施例下城二中队最终选取警力部署位置示意图。
具体实施方式
下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不仅限于此：
实施例：如图1所示，一种基于覆盖度评估及优化警力资源部署的方法，包括如下步骤：
1)警员轨迹与警情位置数据预处理
本实施例以杭州各交警中队为单位进行相应的警力资源部署的评估与优化，这里以下城二中队为例。首先针对警员的巡逻轨迹数据做预处理，将警员的轨迹数据规范为约1分钟更新一次，并且将警员处置警情时间段内的轨迹数据删除掉，在Oracle数据库中建立警员的轨迹数据表TRACK_POLICE，各字段注释如表1所示：
| DEV_ID | 警员警号 | char(50) |
| UPD_TIME | 轨迹更新时间 | DATE |
| COORD_X | 经度坐标 | char(50) |
| COORD_Y | 维度坐标 | char(50) |
表1
其中，警员巡逻轨迹数据表在数据库中的存储方式如图2所示：
警情位置数据即为警情发生所处地点的经纬度坐标(coord_x1,coord_y1)，针对数据库中警情坐标缺失严重的问题，这里采取将警情与处置此警情的警员进行关联，以警员处置完成警情两分钟内时间最近时刻的轨迹坐标作为警情的坐标，来填补缺失的警情位置数据。预处理后的警情位置数据将用于后面评估模型中计算巡逻热点的警情覆盖度，以及用于最终优化模型中计算候选部署位置的警情覆盖度，从而得出优化模型的结果，即为选取出的使总覆盖度最大的候选位置。在Oracle数据库中建立警情的位置坐标数据表TRACK_EVENT，各字段注释如表2所示：
| ID | 警情编号 | char(50) |
| DEV_ID | 警员警号 | char(50) |
| COMPLETE_TIME | 完成时间 | DATE |
| UPD_TIME | 轨迹更新时间 | DATE |
| COORD_X | 经度坐标 | char(50) |
| COORD_Y | 维度坐标 | char(50) |
表2
其中，警情发生位置数据表在数据库中的存储方式如图3所示。
2)建立警力部署评估模型
(2.1)利用k-means方法聚类警员巡逻热点，并画出警情全部与部分覆盖区域；
根据警员的巡逻轨迹数据，利用k-means方法聚出警员的10个巡逻热点，以十字号“+”表示，并根据部署中心与警情之间的地图欧氏距离定义全部覆盖半径s与部分覆盖半径t，这里取画出每个巡逻热点的全部覆盖区域与部分覆盖区域，分别用实线与虚线作为边界线表示，如图4所示；
(2.2)计算各个巡逻热点及整个中队的警情覆盖度；
利用上述警力评估模型中定义的覆盖度来度量巡逻热点部署的合理性，覆盖度为：
其中，i为警情发生点，I警情发生点的集合，j为警员巡逻热点，J为警员巡逻热点集合，cij为覆盖度分段函数；
其中，dij为警情发生点与警员巡逻热点之间的欧氏距离，s为巡逻热点能够全部覆盖警情的最大距离，t为巡逻热点只能部分覆盖警情的最大距离。
由上述定义的覆盖度函数，可以求得每个巡逻热点的覆盖度，即为
计算出的10个巡逻热点及整个中队的覆盖度如表3所示：
| 巡逻热点 | 经度坐标 | 维度坐标 | 警情覆盖度 |
| P1 | 120.1629 | 30.26394 | 2.978903 |
| P2 | 120.1828 | 30.26278 | 1.640784 |
| P3 | 120.1759 | 30.26054 | 13.039522 |
| P4 | 120.1734 | 30.25982 | 9.817156 |
| P5 | 120.1678 | 30.26687 | 5.318041 |
| P6 | 120.1636 | 30.2603 | 3.261254 |
| P7 | 120.1666 | 30.26041 | 10.168294 |
| P8 | 120.1567 | 30.26673 | 2.165385 |
| P9 | 120.1593 | 30.26184 | 8.436347 |
| P10 | 120.1759 | 30.26671 | 7.601452 |
| 下城二中队 | 64.42714 |
表3
3)建立警力部署优化模型
为了使警力部署得更加合理，针对发生的警情能够达到最大程度的覆盖。根据上述定义的警员巡逻热点对警情发生点的覆盖度，以最大化总覆盖度为目的，来建立优化模型，找到更加合理的巡逻热点，以此来部署警力。
以下城二中队为例，首先根据辖区内的道路状况以及发生警情的情况，选取20个警力部署候选位置(优先选择交通路口)，在此基础上以最大化覆盖度为目的，建立如下优化模型：
其中选取的20个候选警力部署位置如表4所示：
| 候选部署中心 | 经度坐标 | 维度坐标 |
| P1 | 120.151 | 30.267 |
| P2 | 120.151 | 30.261 |
| P3 | 120.156 | 30.266 |
| P4 | 120.159 | 30.267 |
| P5 | 120.159 | 30.264 |
| P6 | 120.159 | 30.261 |
| P7 | 120.163 | 30.267 |
| P8 | 120.163 | 30.161 |
| P9 | 120.167 | 30.267 |
| P10 | 120.167 | 30.264 |
| P11 | 120.167 | 30.261 |
| P12 | 120.171 | 30.267 |
| P13 | 120.171 | 30.261 |
| P14 | 120.176 | 30.267 |
| P15 | 120.176 | 30.264 |
| P16 | 120.176 | 30.261 |
| P17 | 120.18 | 30.267 |
| P18 | 120.18 | 30.261 |
| P19 | 120.183 | 30.267 |
| P20 | 120.183 | 30.261 |
表4
4)将警力部署优化模型松弛转化为拉格朗日问题
将约束条件进行松弛，建立简化的优化模型，设λi(i∈I)≥0为拉格朗日松弛因子，则上述优化模型可松弛为如下拉格朗日问题(LR问题)：
其中当拉格朗日乘子固定时，第二部分为固定值，这里只需要最大化第一部分即可，可令：
LR问题进一步简化为如下式子所示：
5)利用拉格朗日松弛算法求解LR问题(警力部署优化模型)
这一步骤先从候选的20个警力部署位置中选取其中的15个作为下一步二次过滤的候选位置，即P＝15，利用拉格朗日松弛算法求解上述优化模型；
拉格朗日松弛算法如图5所示，包括如下步骤：
(a)初始化参数，初始化迭代步数k＝0，上限值Z1＝+∞，下限值Z2＝-∞，拉格朗日乘子λ0＝0；求得当λ0＝0时LR问题的解作为优化模型上限的初始值，求得一组可行解与初始化迭代步长参数α0＝2，迭代步长
(b)利用次梯度法更新拉格朗日乘子λ并求解LR问题，当迭代步数为k时，利用次梯度法更新拉格朗日乘子，求得LR问题的解为与计算出同时更新参数αk＝2，
(c)生成优化模型的下限值由步骤(b)求得的与计算下限值
(d)更新模型的上下限值，逐步逼近最优解；
如果上限则令如果则令
(e)更新迭代步长参数αk；
如果连续多次迭代，模型上限值无变化，则更新迭代参数为αk＝αk/2；
(f)检验迭代终止条件，迭代终止条件可设为迭代步数k＝1000或Z1-Z2≤0.25或
本实施例中将算法迭代1000步设置为终止条件，每步迭代过程就是模型上下限值的逐步逼近，迭代1000步后得到模型的上下限值分别为138.0667与111.9409；
相应的解为y＝(0 0 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0)，即将P3,P5,P6,P7,P8,P9,P10,P11,P12,P13,P14,P15,P16,P17,P18这15个候选位置进行下一步的二次过滤，下面给出所选的15个候选警力部署中心的覆盖度如表5所示：
| 候选部署中心 | 经度坐标 | 维度坐标 | 警情覆盖度 |
| P1 | 120.156 | 30.266 | 5.365128 |
| P2 | 120.159 | 30.264 | 1.324419 |
| P3 | 120.159 | 30.261 | 6.901657 |
| P4 | 120.163 | 30.267 | 0.68275 |
| P5 | 120.163 | 30.261 | 3.313821 |
| P6 | 120.167 | 30.267 | 12.21301 |
| P7 | 120.167 | 30.264 | 10.47722 |
| P8 | 120.167 | 30.261 | 12.64617 |
| P9 | 120.171 | 30.267 | 5.314277 |
| P10 | 120.171 | 30.261 | 4.965325 |
| P11 | 120.176 | 30.267 | 9.09328 |
| P12 | 120.176 | 30.264 | 7.236004 |
| P13 | 120.176 | 30.261 | 18.53879 |
| P14 | 120.18 | 30.267 | 2 |
| P15 | 120.18 | 30.261 | 5.996903 |
表5
选取出覆盖度较大的15个部署点作为下一步二次过滤的候选，如图6所示，给出了下城二中队警情发生位置，用圆点表示，星号“*”表示初始候选警力部署中心，十字号“+”表示选出的15个下一步候选位置；
6)基于上述选出的部署位置周边发生的历史警情数与覆盖度加权，过滤模型解
由上述步骤中选出的15个候选警力部署位置，再次基于周边发生的历史警情数与覆盖度加权进行二次过滤，这样将警情数考虑进去有利于交警指挥部门针对每个部署点进行合理数量的派警。表6给出了上述15个候选位置全部以及部分覆盖的周边发生历史警情数与警情覆盖度，如下表6所示：
表6
将上表6中每个候选部署中心的警情覆盖度与周边历史警情数两个因素按照2:1的比例加权(即2*警情覆盖度+周边历史警情数)作为衡量指标，从中选出前10个指标值最大的候选部署位置作为最终的警力部署中心，结果为P3,P6,P7,P8,P9,P10,P11,P12,P13,P15，此时10个部署中心的警情覆盖度总和为93.38264235，相对于评估模型中的覆盖度64.42714有所增加。最终警力部署中心如下图7所示，其中黑色圆点表示警情发生点的位置，黑色星号“*”表示最初的候选部署位置，黑色十字号“+”表示经过优化模型及二次过滤后最终选取的警力部署位置。
针对警力部署这一应用场景，步骤6)的优势在于可以根据最后选取的部署位置覆盖的周边警情数以及辖区内的警力资源，对每个部署点进行合理数量的派警，以使得警情能够得到及时有效的处理，并且保证每个民警的任务尽量均衡。
以上的所述乃是本发明的具体实施例及所运用的技术原理，若依本发明的构想所作的改变，其所产生的功能作用仍未超出说明书及附图所涵盖的精神时，仍应属本发明的保护范围。
Claims (5)
1.一种基于覆盖度评估及优化警力资源部署的方法，其特征在于包括如下步骤：
(1)对数据库中的警员巡逻轨迹与警情位置数据作预处理；所述对警员巡逻轨迹数据作预处理为将警员巡逻轨迹数据的更新频率设为30S-90S更新一次，并去除警员在处置警情时间段内的巡逻轨迹数据；所述对警情位置数据作预处理为将警情与处置此警情的警员进行关联，以警员处置完成警情2分钟内的最近时刻的巡逻轨迹坐标作为警情坐标，以填补缺失的警情位置数据；
(2)基于预处理后的警员巡逻轨迹与警情位置数据建立警力部署评估模型；所述建立警力部署评估模型的步骤如下：
(i)根据警员巡逻轨迹数据，利用k-means方法聚类得到警员巡逻热点；
(ii)定义覆盖度函数如下式：
其中，i为警情发生点，I警情发生点的集合，j为警员巡逻热点，J为警员巡逻热点集合，cij为覆盖度分段函数，
(iii)基于覆盖度定义函数求得每个巡逻热点的覆盖度为从而形成警力部署评估模型；所述cij为覆盖度分段函数，其定义如下：
<mrow>
<msub>
<mi>c</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&le;</mo>
<mi>s</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mi>t</mi>
<mo>-</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mi>s</mi>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>s</mi>
<mo><</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo><</mo>
<mi>t</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<mi>t</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，dij为警情发生点与警员巡逻热点之间的欧氏距离，s为巡逻热点能够全部覆盖警情的最大距离，t为巡逻热点只能部分覆盖警情的最大距离；
(3)基于警力部署评估模型，以最大化总覆盖度为目标建立警力部署优化模型；
(4)将警力部署优化模型松弛转化为拉格朗日问题；
(5)利用拉格朗日松弛算法求解拉格朗日问题，选出候选警力部署位置；
(6)结合候选警力部署位置的覆盖度与周边历史警情数对候选警力部署位置进行过滤得到最终的警力部署位置。
2.根据权利要求1所述的一种基于覆盖度评估及优化警力资源部署的方法，其特征在于：所述步骤(3)建立的警力部署优化模型如下公式所示：
<mrow>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>I</mi>
</mrow>
</munder>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>J</mi>
</mrow>
</munder>
<msub>
<mi>c</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>;</mo>
</mrow>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>J</mi>
</mrow>
</munder>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mi>P</mi>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>J</mi>
</mrow>
</munder>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&le;</mo>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mo>&Element;</mo>
<mo>{</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>}</mo>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&Element;</mo>
<mo>{</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>}</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
其中，J为候选的警员巡逻热点，P为警员巡逻热点设定个数，
3.根据权利要求1所述的一种基于覆盖度评估及优化警力资源部署的方法，其特征在于：所述步骤(4)将警力部署优化模型松弛转化为拉格朗日问题的方法为通过约束条件对警力部署优化模型进行松弛，设λi(i∈I)≥0为拉格朗日松弛因子，松弛为如下公式所示的拉格朗日问题：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>Z</mi>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>I</mi>
</mrow>
</munder>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>J</mi>
</mrow>
</munder>
<msub>
<mi>c</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>I</mi>
</mrow>
</munder>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>J</mi>
</mrow>
</munder>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>I</mi>
</mrow>
</munder>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>J</mi>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<msub>
<mi>c</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>I</mi>
</mrow>
</munder>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>J</mi>
</mrow>
</munder>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mi>P</mi>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mo>&Element;</mo>
<mo>{</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>}</mo>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&Element;</mo>
<mo>{</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>}</mo>
<mo>;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
<mrow>
<mo>(</mo>
<mo>&ForAll;</mo>
<mi>i</mi>
<mo>&Element;</mo>
<mi>I</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>.</mo>
</mrow>
4.根据权利要求1所述的一种基于覆盖度评估及优化警力资源部署的方法，其特征在于：所述步骤(5)的拉格朗日松弛算法如下：
(a)初始化参数，初始化迭代步数k＝0，上限值Z1＝+∞，下限值Z2＝-∞，拉格朗日乘子λ0＝0；求得当λ0＝0时拉格朗日问题的解作为优化模型上限的初始值，求得一组可行解与初始化迭代步长参数α0＝2，迭代步长
(b)利用次梯度法更新拉格朗日乘子λ，当迭代步数为k时，利用次梯度法更新拉格朗日乘子求得拉格朗日问题的解为与计算出同时更新参数αk＝2，
(c)生成优化模型的下限值由步骤(b)求得的与计算下限值
(d)更新模型的上下限值，逐步逼近最优解；
如果上限则令如果则令
(e)更新迭代步长参数αk；
如果连续多次迭代，模型上限值无变化，则更新迭代参数为αk＝αk/2；
(f)检验迭代终止条件，迭代终止条件可设为迭代步数k＝1000、Z1-Z2≤0.25或三个中的任意一个。
5.根据权利要求1所述的一种基于覆盖度评估及优化警力资源部署的方法，其特征在于：所述步骤(6)为将每个候选警力部署位置的警情覆盖度与周边历史警情数两个因素按照2:1的比例加权，并以此作为衡量指标，从候选警力部署位置过滤选出最终的警力部署位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510310015.2A CN104965974B (zh) | 2015-06-08 | 2015-06-08 | 一种基于覆盖度评估及优化警力资源部署的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510310015.2A CN104965974B (zh) | 2015-06-08 | 2015-06-08 | 一种基于覆盖度评估及优化警力资源部署的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104965974A CN104965974A (zh) | 2015-10-07 |
| CN104965974B true CN104965974B (zh) | 2018-04-27 |
Family
ID=54220012
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510310015.2A Active CN104965974B (zh) | 2015-06-08 | 2015-06-08 | 一种基于覆盖度评估及优化警力资源部署的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104965974B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106855963B (zh) * | 2015-12-09 | 2020-10-16 | 天维尔信息科技股份有限公司 | 引导警力部署的数据处理方法和装置 |
| CN106652433B (zh) * | 2016-11-30 | 2019-06-14 | 中国联合网络通信集团有限公司 | 交巡警服务平台设置方法及装置 |
| CN110430523B (zh) * | 2019-06-10 | 2021-04-13 | 成都理工大学 | 基于WiFi指纹的室内定位接入点三维部署算法 |
| CN112651512A (zh) * | 2020-12-10 | 2021-04-13 | 北京北大千方科技有限公司 | 一种勤务合理度计算方法以及装置 |
| CN117132087B (zh) * | 2023-10-25 | 2024-02-06 | 成都大成均图科技有限公司 | 一种基于历史数据的资源调配方法及装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101853556A (zh) * | 2010-05-22 | 2010-10-06 | 天津市公安局科学技术委员会 | 对移动车辆、人员或物品识别定位报警处置的方法及系统 |
| CN101872451A (zh) * | 2009-10-30 | 2010-10-27 | 北京交通大学 | 基于多元数据的交警个体执勤微观行为分析方法 |
| CN101872450A (zh) * | 2009-10-30 | 2010-10-27 | 北京交通大学 | 基于多元数据的交警执勤宏观指标分析方法 |
| CN102054211A (zh) * | 2009-10-28 | 2011-05-11 | 北京交通大学 | 一种警力部署方法和系统 |
| CN102496253A (zh) * | 2011-12-08 | 2012-06-13 | 北京易华录信息技术股份有限公司 | 一种基于gps的警情处理的指挥调度考核系统及方法 |
| CN102547217A (zh) * | 2010-12-09 | 2012-07-04 | 北京航天长峰科技工业集团有限公司 | 一种用于辅助场所安保指挥方法 |
| CN102768736A (zh) * | 2011-05-04 | 2012-11-07 | 永泰软件有限公司 | 基于最佳路径的警力资源调度方法 |
| CN103002399A (zh) * | 2011-09-16 | 2013-03-27 | 深圳市赛格导航科技股份有限公司 | 一种用于接处警的通信方法、系统、终端和位置服务平台 |
| CN103428634A (zh) * | 2013-08-13 | 2013-12-04 | 苏州数字地图网络科技有限公司 | 一种手机报警主动推送位置的方法及系统 |
| CN104574873A (zh) * | 2014-12-29 | 2015-04-29 | 天维尔信息科技股份有限公司 | 调度警力的方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2824337C (en) * | 2010-02-01 | 2017-02-28 | Miovision Technologies Incorporated | System and method for modeling and optimizing the performance of transportation networks |
-
2015
- 2015-06-08 CN CN201510310015.2A patent/CN104965974B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102054211A (zh) * | 2009-10-28 | 2011-05-11 | 北京交通大学 | 一种警力部署方法和系统 |
| CN101872451A (zh) * | 2009-10-30 | 2010-10-27 | 北京交通大学 | 基于多元数据的交警个体执勤微观行为分析方法 |
| CN101872450A (zh) * | 2009-10-30 | 2010-10-27 | 北京交通大学 | 基于多元数据的交警执勤宏观指标分析方法 |
| CN101853556A (zh) * | 2010-05-22 | 2010-10-06 | 天津市公安局科学技术委员会 | 对移动车辆、人员或物品识别定位报警处置的方法及系统 |
| CN102547217A (zh) * | 2010-12-09 | 2012-07-04 | 北京航天长峰科技工业集团有限公司 | 一种用于辅助场所安保指挥方法 |
| CN102768736A (zh) * | 2011-05-04 | 2012-11-07 | 永泰软件有限公司 | 基于最佳路径的警力资源调度方法 |
| CN103002399A (zh) * | 2011-09-16 | 2013-03-27 | 深圳市赛格导航科技股份有限公司 | 一种用于接处警的通信方法、系统、终端和位置服务平台 |
| CN102496253A (zh) * | 2011-12-08 | 2012-06-13 | 北京易华录信息技术股份有限公司 | 一种基于gps的警情处理的指挥调度考核系统及方法 |
| CN103428634A (zh) * | 2013-08-13 | 2013-12-04 | 苏州数字地图网络科技有限公司 | 一种手机报警主动推送位置的方法及系统 |
| CN104574873A (zh) * | 2014-12-29 | 2015-04-29 | 天维尔信息科技股份有限公司 | 调度警力的方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 广义最大覆盖模型在应急设施选址中的应用研究;殷代君;《科技视窗》;20101231(第3期);第169-172页 * |
| 广义最大覆盖模型在消防站优化选址中的应用;张静 等;《安全与环境学报》;20090228;第9卷(第1期);第1.3节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104965974A (zh) | 2015-10-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104965974B (zh) | 一种基于覆盖度评估及优化警力资源部署的方法 | |
| Sabar et al. | A memetic algorithm for real world multi-intersection traffic signal optimisation problems | |
| CN111738561B (zh) | 一种基于深度学习的区域水土流失动态监测方法 | |
| Rezaei et al. | Application of fuzzy multi-criteria decision making analysis for evaluating and selecting the best location for construction of underground dam | |
| CN107171848A (zh) | 一种流量预测方法和装置 | |
| CN106021751A (zh) | 基于ca和sar的海岸带土地利用变化模拟方法 | |
| CN104462685B (zh) | 基于网格GIS和Floyd算法的输电线路设计方法 | |
| CN108182446A (zh) | 一种基于聚类算法的司机常驻地预测方法及装置 | |
| CN107426759A (zh) | 新增基站数据业务量的预测方法和系统 | |
| CN103050016B (zh) | 一种基于混合推荐的交通信号控制方案实时选取方法 | |
| CN111163477B (zh) | 一种广域三维环境下一体化智能基站自动部署方法 | |
| CN105336163A (zh) | 一种基于三层k近邻的短时交通流预测方法 | |
| CN113505510B (zh) | 融合景观指数和随机游走模型的生态安全格局识别方法 | |
| CN110517485A (zh) | 一种基于时段划分的短时交通流预测方法 | |
| CN110442994A (zh) | 一种基于图论的3d打印切片处理方法 | |
| CN103747537A (zh) | 一种基于熵度量的无线传感器网络离群数据自适应检测方法 | |
| CN106375975A (zh) | 一种策略冲突检测方法及装置 | |
| CN107766825A (zh) | 基于空间功能单元的陆域省市县空间规划三区识别方法 | |
| CN108462965A (zh) | 一种铁塔需求站址共享规划方法 | |
| CN104504198A (zh) | 一种基于双层协同进化的航路网络拓扑设计方法 | |
| CN110378527A (zh) | 一种水站选址方法 | |
| CN107274061A (zh) | 一种基于熵权法的智慧城市评价方法 | |
| CN114444777B (zh) | 用于车辆碳排量识别的人工智能模型应用系统 | |
| CN107958265A (zh) | 一种基于战时影响因素与ε-SVR的战损备件预测方法 | |
| CN103049757B (zh) | 一种基于蜂群智能的遥感影像分类方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240412 Address after: No. 31901, 19th Floor, Unit 3, Building 7, Qidi Qingyang Times, No. 65 Keji Second Road, High tech Zone, Xi'an City, Shaanxi Province, 710075 Patentee after: XI'AN YINJIANG WISDOM CITY TECHNOLOGY CO.,LTD. Country or region after: China Address before: 310012 110 1 floor, 1 building, 223 Yi Le Road, Xihu District, Hangzhou, Zhejiang. Patentee before: ZHEJIANG ENJOYOR RESEARCH INSTITUTE CO.,LTD. Country or region before: China |