CN109359880B - 城市道路交通执勤警力部署方法 - Google Patents

Abstract

本发明提供一种城市道路交通执勤警力部署方法，通过获取实时的城市路网内各路段行程时间数据，获取目标区域内可同时部署的警员数量PN；获取该区域中的路网关键点位置信息；对路网做网格化处理，将关键点对应所属单元作为中心单元c_i，生成路网中心集合；确定各中心单元的动态覆盖区域，由动态覆盖区域的重合度确定岗点所在单元，生成岗点集合S，确定岗点总数SN；若PN≤SN，则随机部署警员驻岗；若PN>SN，则需将岗点与警力匹配，根据动态交通状况，生成最优的警力部署方案。本发明方法重点解决警力资源不足情况下的警员部署问题，能够提高警员部署的合理性，同时对提升路面勤务工作的效率具有现实意义。

Description

城市道路交通执勤警力部署方法

技术领域

本发明涉及一种城市道路交通执勤警力部署方法。

背景技术

目前，交警路面执勤岗点部署与警员巡逻工作安排大多依赖先验信息，在事故多发、拥堵黑点附近安排岗点或警员，但这种方式在警力资源有限的情况下很容易暴露出缺陷：如岗点覆盖不全、警员现场勤务工作压力过重而导致事件处理不及时等情况，影响了勤务工作效率，不利于排堵保畅、事故快处等勤务工作的有序推进。

发明内容

本发明的目的是提供一种城市道路交通执勤警力部署方法，根据路网内重点关注点位分布情况，综合考虑警员数量、动态路况，确定岗点位置，并对警员进行相应的部署，由此生成的交警执勤部署方案能够兼顾岗点的覆盖范围以及现场警力投入，解决现有技术中存在的在警力资源有限的情况下很容易暴露出缺陷，影响了勤务工作效率，不利于排堵保畅、事故快处等勤务工作的有序推进的问题。

本发明的技术解决方案是：

一种城市道路交通执勤警力部署方法，包括以下步骤，

S1、获取实时的城市路网内各路段行程时间数据，获取目标区域内可同时部署的警员数量PN；获取该区域中的路网关键点位置信息；

S2、对路网做网格化处理，将关键点对应所属单元作为中心单元c_i，生成路网中心集合C＝{c₁,c₂,…,c_n}，其中i为中心单元序号，n为路网内中心单元数量；

S3、确定各中心单元的动态覆盖区域，由动态覆盖区域的重合度确定岗点所在单元，生成岗点集合S，确定岗点总数SN；

S4、若目标区域内可同时部署的警员数量PN≤岗点总数SN，则随机部署警员驻岗；若目标区域内可同时部署的警员数量PN>岗点总数SN，则需将岗点与警力匹配，根据动态交通状况，生成最优的警力部署方案。

进一步地，步骤S1中，行程时间数据通过直接估计方式或通过行驶速度间接估计方式得到，其中直接估计方式包括通过号牌识别、RFID检测、GPS定位方式。

进一步地，步骤S3具体为，

S31、对于任一中心单元c_i，将其作为初始起点，遍历与中心单元c_i存在共同边界的一级单元集L1(i)＝{l1₁,,l1_j,…,l1_k1}中元素，计算其中任一单元l1_j至中心单元c_i的行程时间TT(l1_j→c_i)，其中k1为与c_i存在共同边界的单元数量，j∈[1,k1]；设置行程时间临界值TT₀；若TT(l1_j→c_i)＜TT₀，则在单元l1_j中进行行程时间标记；否则，将单元l1_j从单元集L1(i)中删除；由此确定所有中心单元对应的一级单元集全部元素；

S32、将L1(i)中元素作为一级遍历的起点，对其中任一单元l1_j，将与其存在共同边界且不属于L1(i)的相邻单元组成二级单元集L2(i→j)，计算其中任一元素l2至中心单元c_i的行程时间，若TT(l2→c_i)＜TT₀，则在单元l2中进行行程时间标记；否则，将单元l2从单元集L2(i→j)中删除；由此确定二级单元集；继续上述处理方法逐级遍历并标记行程时间与单元集内元素过滤，对于第M级单元集LM，若所有单元集均为空集，则结束遍历流程；路网中心集合C＝{c₁,c₂,…,c_n}中的任一单元c_i，都在遍历过程中生成了一组多级数据集，组成以c_i为中心的辐射区域A_i，在该区域中的每一单元均标记了到达c_i的行程时间；

S33、计算路网内所有单元所属的辐射区域数zn，并标记其所属的辐射区域编号；计算各单元至其所属区域对应中心单元的行程时间均值TTC_mean；筛选出满足zn∈[2,N₀]的单元，其中N₀为单元最大叠加阈值；对筛选出的单元进行辐射属性标记：{zn,TTC_mean}；生成备选单元集CA；

S34、将zn值最大的单元作为一个岗点；若存在多个单元zn值最大，则选取TTC_mean最小的单元作为岗点单元；以岗点单元为中心，将其服务半径内的单元从集合CA中删除；

S35、重复步骤S34操作，直至集合CA为空；将所有岗点单元组成岗点集合S，确定岗点总数SN。

进一步地，步骤S4具体为，

S41、构建无向图，以岗点为无向图节点node，以TTC_mean作为无向图连线权重w_i,j；由无向图计算拉普拉斯矩阵L，计算L除0以外最小的k个特征值及其特征向量，其中k的初值为2；根据k个特征值对应的特征向量v₁,…,v_k构建聚类基础矩阵H＝[v₁,…,v_k]，对矩阵H的行向量实施K均值聚类算法，获得PN个岗点组合；该步骤将SN个岗点分为PN个组；

S42、根据岗点的分组情况，在每一组分别部署一名警员；若组内仅存在一个岗点，则警员在该岗点全时段驻岗；若组内存在多个岗点，则根据各岗点单元zn值确定岗点优先级，从zn值最大的岗点为起点，以行程时间最短为目标，生成遍历组内各岗点的巡逻路径，根据优先级对警员在各岗点的停留时间进行分配。

本发明的有益效果是：该种城市道路交通执勤警力部署方法，根据重点关注点在路网的分布情况、路段行程时间实测数据以及警员数量，生成岗点配置以及警员驻岗部署方案，以节约驻岗点至重点关注点的行程时间为目的，同时最大化警员岗点对于重点关注点的覆盖范围，提升警员部署方案的合理性和有效性。本发明方法重点解决警力资源不足情况下的警员部署问题，本发明基于路网交通运行实测数据以及网格化路网，综合考虑行程时间、岗点覆盖范围以及警力资源，确定岗点位置以及警员在岗点的执勤安排方案，本发明能够提高警员部署的合理性，同时对提升路面勤务工作的效率具有现实意义。

附图说明

图1是本发明实施例城市道路交通执勤警力部署方法的流程示意图。

具体实施方式

下面结合附图详细说明本发明的优选实施例。

实施例

一种城市道路交通执勤警力部署方法，在警力资源供应无法满足岗点执勤需求时，根据交通运行状况动态调整岗点覆盖区域，优化警员岗点部署情况，从而使路网重点关注点最大程度处于警员执勤范围内；如图1，具体包括以下步骤：

S1、获取实时的城市路网内各路段行程时间数据，实施例中行程时间数据可通过号牌识别、RFID检测、GPS定位等方式直接估计，或通过行驶速度间接估计；获取目标区域内可同时部署的警员数量PN；获取该区域中的路网关键点位置信息，所述关键点是指需要重点关注的路口、路段，包括拥堵常发点、事故黑点等。

S2、对路网做网格化处理，实施例中网格化形式包括四边形网格、正六边形蜂窝网格。将关键点对应所属单元作为中心单元c_i，生成路网中心集合C＝{c₁,c₂,…,c_n}，其中i为中心单元序号，n为路网内中心单元数量。

S3、确定各中心单元的动态覆盖区域，由动态覆盖区域的重合度确定岗点所在单元，生成岗点集合S、确定岗点总数SN；具体步骤为：

S31、对于任一中心单元c_i，将其作为初始起点，遍历与中心单元c_i存在共同边界的一级单元集L1(i)＝{l1₁,…,l1_j,…,l1_k1}中元素，计算其中任一单元l1_j至中心单元c_i的行程时间TT(l1_j→c_i)，其中k1为与c_i存在共同边界的单元数量，j∈[1,k1]；设置行程时间临界值TT₀；若TT(l1_j→c_i)＜TT₀，则在单元l1_j中进行行程时间标记；否则，将单元l1_j从单元集L1(i)中删除；由此确定所有中心单元对应的一级单元集全部元素；

S32、将L1(i)中元素作为一级遍历的起点，对其中任一单元l1_j，将与其存在共同边界且不属于L1(i)的相邻单元组成二级单元集L2(i→j)，计算其中任一元素l2至中心单元c_i的行程时间，若TT(l2→c_i)＜TT₀，则在单元l2中进行行程时间标记；否则，将单元l2从单元集L2(i→j)中删除；由此确定二级单元集；继续上述处理方法逐级遍历并标记行程时间与单元集内元素过滤，对于第M级单元集LM，若所有单元集均为空集，则结束遍历流程；路网中心集合C＝{c₁,c₂,…,c_n}中的任一单元c_i，都在遍历过程中生成了一组多级数据集，组成以c_i为中心的辐射区域A_i，在该区域中的每一单元均标记了到达c_i的行程时间；

S33、计算路网内所有单元所属的辐射区域数zn，并标记其所属的辐射区域编号；计算各单元至其所属区域对应中心单元的行程时间均值TTC_mean；筛选出满足zn∈[2,N₀]的单元，其中N₀为单元最大叠加阈值；对筛选出的单元进行辐射属性标记：{zn,TTC_mean}；生成备选单元集CA；

S34、将zn值最大的单元作为一个岗点；若存在多个单元zn值最大，则选取TTC_mean最小的单元作为岗点单元；以岗点单元为中心，将其服务半径内的单元从集合CA中删除；

S35、重复步骤S34操作，直至集合CA为空；将所有岗点单元组成岗点集合S，确定岗点总数SN。

S4、若PN≤SN，则可随机部署警员驻岗；若PN>SN，则需将岗点与警力匹配，根据动态交通状况，生成最优的警力部署方案，部署方案生成方法具体为：

S41、构建无向图，以岗点为无向图节点node，以TTC_mean作为无向图连线权重w_i,j；由无向图计算拉普拉斯矩阵L，计算L除0以外最小的k个特征值及其特征向量，其中k的初值为2；根据k个特征值对应的特征向量v₁,…,v_k构建聚类基础矩阵H＝[v₁,…,v_k]，对矩阵H的行向量实施K均值聚类算法，获得PN个岗点组合；该步骤将SN个岗点分为PN个组。

S42、根据岗点的分组情况，在每一组分别部署一名警员；若组内仅存在一个岗点，则警员在该岗点全时段驻岗；若组内存在多个岗点，则根据各岗点单元zn值确定岗点优先级，从zn值最大的岗点为起点，以行程时间最短为目标，生成遍历组内各岗点的巡逻路径，根据优先级对警员在各岗点的停留时间进行分配。

该种城市道路交通执勤警力部署方法，根据重点关注点在路网的分布情况、路段行程时间实测数据以及警员数量，生成岗点配置以及警员驻岗部署方案，以节约驻岗点至重点关注点的行程时间为目的，同时最大化警员岗点对于重点关注点的覆盖范围，提升警员部署方案的合理性和有效性。

该种城市道路交通执勤警力部署方法，重点解决警力资源不足情况下的警员部署问题，实施例方法基于路网交通运行实测数据以及网格化路网，综合考虑行程时间、岗点覆盖范围以及警力资源，确定岗点位置以及警员在岗点的执勤安排方案，实施例方法能够提高警员部署的合理性，同时对提升路面勤务工作的效率具有现实意义。

Claims (3)

1.一种城市道路交通执勤警力部署方法，其特征在于：包括以下步骤，

S1、获取实时的城市路网内各路段行程时间数据，获取目标区域内可同时部署的警员数量PN；获取该区域中的路网关键点位置信息；

S2、对路网做网格化处理，将关键点对应所属单元作为中心单元c_i，生成路网中心集合C＝{c₁,c₂,…,c_n}，其中i为中心单元序号，n为路网内中心单元数量；

S3、确定各中心单元的动态覆盖区域，由动态覆盖区域的重合度确定岗点所在单元，生成岗点集合S，确定岗点总数SN；

S4、若目标区域内可同时部署的警员数量PN≤岗点总数SN，则随机部署警员驻岗；若目标区域内可同时部署的警员数量PN>岗点总数SN，则需将岗点与警力匹配，根据动态交通状况，生成最优的警力部署方案；具体为，

S41、构建无向图，以岗点为无向图节点node，以TTC_mean作为无向图连线权重w_i,j；由无向图计算拉普拉斯矩阵L，计算L除0以外最小的k个特征值及其特征向量，其中k的初值为2；根据k个特征值对应的特征向量v₁,…,v_k构建聚类基础矩阵H＝[v₁,…,v_k]，对矩阵H的行向量实施K均值聚类算法，获得PN个岗点组合；该步骤将SN个岗点分为PN个组；

S42、根据岗点的分组情况，在每一组分别部署一名警员；若组内仅存在一个岗点，则警员在该岗点全时段驻岗；若组内存在多个岗点，则根据各岗点单元zn值确定岗点优先级，从zn值最大的岗点为起点，以行程时间最短为目标，生成遍历组内各岗点的巡逻路径，根据优先级对警员在各岗点的停留时间进行分配。

2.如权利要求1所述的城市道路交通执勤警力部署方法，其特征在于：步骤S1中，行程时间数据通过直接估计方式或通过行驶速度间接估计方式得到，其中直接估计方式包括通过号牌识别、RFID检测、GPS定位方式。

3.如权利要求1或2所述的城市道路交通执勤警力部署方法，其特征在于：步骤S3具体为，

S31、对于任一中心单元c_i，将其作为初始起点，遍历与中心单元c_i存在共同边界的一级单元集L1(i)＝{l1₁,…,l1_j,…,l1_k1}中元素，计算其中任一单元l1_j至中心单元c_i的行程时间TT(l1_j→c_i)，其中k1为与c_i存在共同边界的单元数量，j∈[1,k1]；设置行程时间临界值TT₀；若TT(l1_j→c_i)＜TT₀，则在单元l1_j中进行行程时间标记；否则，将单元l1_j从单元集L1(i)中删除；由此确定所有中心单元对应的一级单元集全部元素；

S32、将L1(i)中元素作为一级遍历的起点，对其中任一单元l1_j，将与其存在共同边界且不属于L1(i)的相邻单元组成二级单元集L2(i→j)，计算其中任一单元l2至中心单元c_i的行程时间TT(l2→c_i)，若TT(l2→c_i)＜TT₀，则在单元l2中进行行程时间标记；否则，将单元l2从单元集L2(i→j)中删除；由此确定二级单元集；继续上述处理方法逐级遍历并标记行程时间与单元集内元素过滤，对于第M级单元集LM，若所有单元集均为空集，则结束遍历流程；路网中心集合C＝{c₁,c₂,…,c_n}中的任一单元c_i，都在遍历过程中生成了一组多级数据集，组成以c_i为中心的辐射区域A_i，在该区域中的每一单元均标记了到达c_i的行程时间；

S33、计算路网内所有单元所属的辐射区域数zn，并标记其所属的辐射区域编号；计算各单元至其所属区域对应中心单元的行程时间均值TTC_mean；筛选出满足zn∈[2,N₀]的单元，其中N₀为单元最大叠加阈值；对筛选出的单元进行辐射属性标记：{zn,TTC_mean}；生成备选单元集CA；

S34、将zn值最大的单元作为一个岗点；若存在多个单元zn值最大，则选取TTC_mean最小的单元作为岗点单元；以岗点单元为中心，将其服务半径内的单元从集合CA中删除；

S35、重复步骤S34操作，直至集合CA为空；将所有岗点单元组成岗点集合S，确定岗点总数SN。

Images