CN110766179A - 一种采用风险优先策略的多站点巡检路径设计方法 - Google Patents
一种采用风险优先策略的多站点巡检路径设计方法 Download PDFInfo
- Publication number
- CN110766179A CN110766179A CN201911145297.XA CN201911145297A CN110766179A CN 110766179 A CN110766179 A CN 110766179A CN 201911145297 A CN201911145297 A CN 201911145297A CN 110766179 A CN110766179 A CN 110766179A
- Authority
- CN
- China
- Prior art keywords
- inspection
- risk
- point
- path
- site
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种采用风险优先策略的多站点巡检路径设计方法,针对河道湖泊巡检、道路巡检、管网巡检,以及其他需要对分布在多个地点的多个设备进行巡检的应用场景,与传统巡检方案相比,本发明可对各个站点进行差异化管理,把资源与站点所面临的风险相匹配,风险越高,匹配的人力资源越多;而且这个匹配是动态的,可以随着站点风险评估的动态变化,而对巡检方案进行及时调整;另外,本发明方法还考虑了如何降低多站点巡检的路径费用,如何保障巡检人员的日常工时负荷等运维工作中的实际需求,把这些要求与风险优先策略结合在一起,设计出一种既能满足多站点巡检工作的实际需求,又能以较低计算复杂度实现的巡检方法。
Description
技术领域
本发明涉及设备设施巡检技术领域,具体为一种采用风险优先策略的多站点巡检路径设计方法。
背景技术
设备设施的巡检,可以有效保障设备正常运行,减少故障;利于发现设备设施存在的隐患,及时进行整改,杜绝或预防事故的发生。当设备设施分布在地理上不同的多个地点时,存在路径的设计问题。
数学上,旅行商(TSP)问题描述的是:在N个地点中各经历一次后再回到出发点,使旅程所花费的代价最短。这是一个NP难度的问题,计算复杂度为O(N!)。多站点的巡检往往可以抽象为旅行商问题。但是对于河道湖泊巡检、道路巡检、管网巡检等实际应用中,需要巡检的地点数目N通常很大,这样,一来计算复杂,二来由于巡检人力资源的限制,很可能无法在限定时间内一次性巡检完全部站点。因此,多站点巡检路径设计时往往考虑对站点进行分组,实行分批次巡检。
但是,目前已检索到的巡检方案往往忽视了对站点进行差异化管理,导致低风险站点过度巡检和高风险站点巡检频次相对不足同时存在的不合理现象,同时也造成人力资源配置的不合理和实际维护效率的低下。
专利公开号为CN 108666928A的中国专利申请公开了“一种电力通信站巡视优化方法”,主张了一种对电力通信站进行分批巡检的方法。电力通信站的批次划分是基于电子通信站点的可靠性评估进行的,并根据阈值分值S’和距离阀值L来确定每批次巡检站点数量。由于S’和L的设定完全来自于电力通信站的行业经验值,因此该发明的算法仅适用于电力通信站的巡检。与之不同的是,本发明的算法不依赖于任意具体行业的特性参数或经验数据,具有普遍适用性。
发明内容
本发明的目的在于提供一种采用风险优先策略的多站点巡检路径设计方法,可用于河道湖泊巡检、道路巡检、管网巡检以及其他需要对分布在多个地点的多个设备进行巡检的应用场景,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种采用风险优先策略的多站点巡检路径设计方法,包括以下步骤:
S1:对于应用场景,列出分布在不同位置的所有需要巡检的站点,这些站点称为原始站点,其个数为N;
S2:根据场景的实际情况,确定巡检点m,;对于巡检点m,m=1,2,…,M,其例行巡检时长为Tm,与巡检点m存在直接相连路径的巡检点,称为点m的邻接点;
S3:基于应用场景,从经济、技术、环境角度开展风险识别,识别巡检点的风险因素,识别出的风险因素共有K项;
S4:通过风险分析,把站点的风险A表示为K项风险因子的回归模型,即A=f(B1,B2,…BK),采用的模型f(·)可以是K元线性回归或非线性回归;
S5:用Bkm表示编号为m的巡检点的第k项风险因子,k=1,2,…,K,m=1,2,…,M。通过风险评估,确定每个巡检点的各项风险因子;
S6:对于M个巡检点,分别计算第m个巡检点的风险值Am=f(B1m,B2m,…BKm),m=1,2,…,M,并根据风险值从大到小进行排序;
S7:不失一般性,用P1表示风险值最大的站点,巡检人员每次巡检都从其工作基地出发,工作基地的地理位置用原点O表示,定义Ψ为本次巡检站点的集合,其初始元素为原点O和点P1,即Ψ={O,P1};
S8:巡检人员从原点O出发,经历且仅经历一次集合Ψ中的各站点后回到原点O,把站点之间的交通时间作为代价,要求行进路径的总代价最小,通过动态规划算法求解,求解后,得到一条针对集合Ψ的最优巡检路径,用R表示,与路径R对应的总代价TR;
S9:把TR和Ψ中每个巡检点的例行巡检时间依次相加,得到本次巡检总共需要的时间T;
S10:用Tw表示巡检人员一天的规定巡检劳动时长,把T和Tw进行比较;
S11:如果T<Tw,需尝试在Tw之内是否可以巡检更多的站点,选择与Ψ中巡检点集合邻接的所有巡检点中风险值最大的站点Pj,j为该循环分支的执行轮次;
S13:当T≥Tw,则停止循环,取上一循环轮次的巡检站点集合Ψ所对应的最优巡检路径R,作为本次巡检的最终路径;
S14:巡检人员沿着路径R依次巡检集合Ψ内的待检站点;
S15:巡检结束后,对所有巡检点的风险因子的数值进行更新,供下次执行步骤S6~S14时使用。
更进一步地,S1中的应用场景包括对河道湖泊巡检、道路巡检和管网巡检以及其他需要对分布在多个地点的多个设备进行巡检的应用场景。
更进一步地,根据应用场景的实际情况进行风险识别、风险评估,拟合为多个风险因子的线性回归或非线性回归。
与现有技术相比,本发明的有益效果是:
1、本发明提供的一种采用风险优先策略的多站点巡检路径设计方法,考虑了实际巡检中不同站点的运行风险,设计的路径可以用尽量低的巡检成本,去减小把多个站点作为一个整体进行评估得到的运行风险。
2、本发明提供的一种采用风险优先策略的多站点巡检路径设计方法,可以根据应用场景的实际情况进行风险识别、风险评估,拟合为多个风险因子的回归,广泛适用于各种存在多站点巡检需求的工程应用。
3、本发明提供的一种采用风险优先策略的多站点巡检路径设计方法,结合工程应用的实际情况,把N个全部站点映射为M个站点,有利于减少计算量。
4、本发明提供的一种采用风险优先策略的多站点巡检路径设计方法,对优选出的当天巡检站点,计算了遍历它们且花费最小的路径回路,同时,通过时间约束条件,对巡检站点数量进行控制,巧妙确保了NP难度的旅行家问题可在可承受的时间内完成计算。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:
请参阅图1,本发明实施例中:以水环境治理运营中的河道设施设备巡检为实例,说明采用风险优先策略的多站点巡检路径设计方法,具体包括如下步骤:
第一步:列出分布在河流水系不同位置的所有需要巡检的站点。这些站点称为原始站点,其个数共有N个。
第二步:根据河道设施设备分布的实际情况,把存在强关联性的若干站点归并为一个站点;比如,在河岸的同一侧连续分布有四个相隔不远的泵站,有且只有1条道路连接这四个泵站,在日常巡检中这四个泵站通常都是一次性巡检完,将其在逻辑上归并为一个巡检点,通过归并后,对于巡检点m,m=1,2,…,M,其例行巡检时长为Tm,与巡检点m存在直接相连路径的巡检点,称为点m的邻接点。
第三步:河道巡检的对象包括且不局限于各类泵站、涵闸、初雨处理设施、沿线配套截污和雨水收集管网、水体本身、水生态系统、河坡、驳岸、河岸绿化及景观照明设施、引水工程输水管道、等等。基于应用场景,从经济、技术、环境等角度开展风险识别,识别巡检点的风险因素。常用的风险因素有:巡检对象累计运行时间、业务负荷、业务重要性、巡检站点的自然灾害概率、人为破坏概率、距离上次巡检的时间、等等。识别出的风险因素的数量为K项。
第四步:通过风险分析,把站点的风险A表示为K项风险因子的回归模型,即A=f(B1,B2,…BK)。采用的模型f(·)可以是K元线性回归,也可以是非线性回归(例如神经网络)。
第五步:用Bkm表示编号为m的巡检点的第k项风险因子,k=1,2,…,K,m=1,2,…,M。通过风险评估,确定每个巡检点的各项风险因子。
第六步:对于M个巡检点,分别计算其风险值Am=f(B1m,B2m,…BKm),m=1,2,…,M,并根据风险值从大到小进行排序。
第七步:不失一般性,用P1表示风险值最大的站点。巡检人员每次巡检都从其工作基地出发,工作基地的地理位置用原点O表示。定义Ψ为本次巡检站点的集合,其初始元素为原点O和点P1,即Ψ={O,P1}。
第八步:巡检人员需要从原点O出发,经历且仅经历一次集合Ψ中的各站点后回到原点O,把站点之间的交通用时作为代价,要求行进路径的总代价最小。这是一个典型的旅行商问题,可以通过动态规划算法求解。求解后,会得到一条针对集合Ψ的最优巡检路径(用R表示),和路径R对应的总代价TR。
第九步:把TR和Ψ中每个巡检点的例行巡检时间依次相加,得到本次巡检总共需要的时间T。
第十步:用Tw表示巡检人员一天的规定巡检劳动时长,把T和Tw进行比较。
第十一步:如果T<Tw,需尝试在Tw之内是否可以巡检更多的站点。这时选择与Ψ中巡检点集合邻接的所有巡检点中风险值最大的站点Pj,j为该循环分支的执行轮次。
第十三步:当T≥Tw,则停止循环,取上一循环轮次的巡检站点集合Ψ所对应的最优巡检路径R,作为本次巡检的最终路径。
第十四步:巡检人员沿着路径R依次巡检集合Ψ内的待检站点。
第十五步:本次巡检结束后,对所有巡检点的风险因子的数值进行更新,供下次执行步骤六~步骤十四时使用。
实施例二:
以农村污水处理站的巡检为实例进行说明:
建设在农村的污水处理站多为分散式、小型的站点,运维公司需要对其所负责区域(比如一个县)所有农村污水处理站进行生产管理和巡检维护,采用风险优先策略的多站点巡检路径设计方法,它包括如下步骤:
步骤一:列出运维公司负责运维的所有农村污水处理站点,称为原始站点,其个数共有N个。
步骤二:根据农村污水处理站点分布的实际情况,把存在强关联性的若干站点归并为一个站点。比如,有偏居一隅的三个站点彼此接近,但距其它农村污水处理站都非常远,因此把这三个站点在逻辑上视作一个站点一次巡检完是最经济的;通过此类归并操作后,N个原始站点被映射为M个巡检点,M≤N。对于巡检点m,m=1,2,…,M,其例行巡检时长为Tm,而与巡检点m存在直接相连路径的巡检点,称为点m的邻接点。
步骤三:基于应用场景,从经济、技术、环境等角度开展风险识别,识别巡检点的风险因素。常用的风险因素有:污水处理站距离上次巡检的时间、累计运行时间、日处理污水量、污染物负荷、自然灾害风险、人为破坏风险、工业废水混入风险、等等。识别出的风险因素的数量为K项。
步骤四:通过风险分析,把站点的风险A表示为K项风险因子的回归模型,即A=f(B1,B2,…BK)。采用的模型f(·)可以是K元线性回归,也可以是非线性回归(例如神经网络)。
步骤五:用Bkm表示编号为m的巡检点的第k项风险因子,k=1,2,…,K,m=1,2,…,M。通过风险评估,确定每个巡检点的各项风险因子。
步骤六:对于M个巡检点,分别计算其风险值Am=f(B1m,B2m,…BKm),并根据风险值从大到小进行排序。
步骤七:不失一般性,用P1表示风险值最大的站点。巡检人员每次巡检都从其工作基地出发,工作基地的地理位置用原点O表示。定义Ψ为本次巡检站点的集合,其初始元素为原点O和点P1,即Ψ={O,P1}。
步骤八:巡检人员需要从原点O出发,经历且仅经历一次集合Ψ中的各站点后回到原点O,把两个站点之间的交通所用时间作为代价,要求行进路径的总代价最小。这是一个旅行商问题,可以通过动态规划算法求解。求解后,会得到一条针对集合Ψ的最优巡检路径(用R表示),和路径R对应的总代价TR。
步骤九:把TR和Ψ中每个巡检点的例行巡检时间依次相加,得到本次巡检总共需要的时间T。
步骤十:用Tw表示巡检人员一天的规定巡检劳动时长,把T和Tw进行比较。
步骤十一:如果T<Tw,需尝试在Tw之内是否可以巡检更多的站点。这时选择与Ψ中巡检点集合邻接的所有巡检点中风险值最大的站点Pj,j为该循环分支的执行轮次。
步骤十三:当T≥Tw,则停止循环,取上一循环轮次的巡检站点集合Ψ所对应的最优巡检路径R,作为本次巡检的最终路径。
步骤十四:巡检人员沿着路径R依次巡检集合Ψ内的待检站点。
步骤十五:本次巡检结束后,对所有巡检点的风险因子的数值进行更新,供下次执行步骤六~步骤十四时使用。
综上所述:本发明提供的一种采用风险优先策略的多站点巡检路径设计方法,针对河道湖泊巡检、道路巡检、管网巡检,以及其他需要对分布在多个地点的多个设备进行巡检的应用场景。与传统巡检方案相比,本发明可对各个站点进行差异化管理,把资源与站点所面临的风险相匹配,风险越高,匹配的人力资源越多;而且这个匹配是动态的,可以随着站点风险评估的动态变化,而对巡检方案进行及时调整;另外,本发明方法还考虑了如何降低多站点巡检的路径费用,如何保障巡检人员的日常工时负荷等运维工作中的实际需求,把这些要求与风险优先策略结合在一起,设计出一种既能满足多站点巡检工作的实际需求,又能以较低计算复杂度实现的巡检方法。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种采用风险优先策略的多站点巡检路径设计方法,其特征在于,包括以下步骤:
S1:对于应用场景,列出分布在不同位置的所有需要巡检的站点,这些站点称为原始站点,其个数为N;
S2:根据场景的实际情况,确定巡检点m,对于巡检点m,m=1,2,…,M,其例行巡检时长为Tm,与巡检点m存在直接相连路径的巡检点,称为点m的邻接点;
S3:基于应用场景,从经济、技术、环境角度开展风险识别,识别巡检点的风险因素,识别出的风险因素共有K项;
S4:通过风险分析,把站点的风险A表示为K项风险因子的回归模型,即A=f(B1,B2,…BK),采用的模型f(·)可以是K元线性回归或非线性回归;
S5:用Bkm表示编号为m的巡检点的第k项风险因子,k=1,2,…,K,m=1,2,…,M。通过风险评估,确定每个巡检点的各项风险因子;
S6:对于M个巡检点,分别计算第m个巡检点的风险值Am=f(B1m,B2m,…BKm),m=1,2,…,M,并根据风险值从大到小进行排序;
S7:不失一般性,用P1表示风险值最大的站点,巡检人员每次巡检都从其工作基地出发,工作基地的地理位置用原点O表示,定义Ψ为本次巡检站点的集合,其初始元素为原点O和点P1,即Ψ={O,P1};
S8:巡检人员从原点O出发,经历且仅经历一次集合Ψ中的各站点后回到原点O,把站点之间的交通时间作为代价,要求行进路径的总代价最小,通过动态规划算法求解,求解后,得到一条针对集合Ψ的最优巡检路径,用R表示,与路径R对应的总代价TR;
S9:把TR和Ψ中每个巡检点的例行巡检时间依次相加,得到本次巡检总共需要的时间T;
S10:用Tw表示巡检人员一天的规定巡检劳动时长,把T和Tw进行比较;
S11:如果T<Tw,需尝试在Tw之内是否可以巡检更多的站点,选择与Ψ中巡检点集合邻接的所有巡检点中风险值最大的站点Pj,j为该循环分支的执行轮次;
S13:当T≥Tw,则停止循环,取上一循环轮次的巡检站点集合Ψ所对应的最优巡检路径R,作为本次巡检的最终路径;
S14:巡检人员沿着路径R依次巡检集合Ψ内的待检站点;
S15:巡检结束后,对所有巡检点的风险因子的数值进行更新,供下次执行步骤S6~S14时使用。
2.如权利要求1所述的一种采用风险优先策略的多站点巡检路径设计方法,其特征在于,S1中的应用场景包括对河道湖泊巡检、道路巡检和管网巡检以及其他需要对分布在多个地点的多个设备进行巡检的应用场景。
3.如权利要求1所述的一种采用风险优先策略的多站点巡检路径设计方法,其特征在于,根据应用场景的实际情况进行风险识别、风险评估,拟合为多个风险因子的线性回归或非线性回归。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911145297.XA CN110766179B (zh) | 2019-11-21 | 2019-11-21 | 一种采用风险优先策略的多站点巡检路径设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911145297.XA CN110766179B (zh) | 2019-11-21 | 2019-11-21 | 一种采用风险优先策略的多站点巡检路径设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110766179A true CN110766179A (zh) | 2020-02-07 |
CN110766179B CN110766179B (zh) | 2023-02-03 |
Family
ID=69338960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911145297.XA Active CN110766179B (zh) | 2019-11-21 | 2019-11-21 | 一种采用风险优先策略的多站点巡检路径设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110766179B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709646A (zh) * | 2020-06-17 | 2020-09-25 | 九江学院 | 空气污染暴露风险评价方法及系统 |
CN111798127A (zh) * | 2020-07-02 | 2020-10-20 | 北京石油化工学院 | 基于动态火灾风险智能评估的化工园区巡检机器人路径优化系统 |
CN113091745A (zh) * | 2021-04-06 | 2021-07-09 | 中国水利水电科学研究院 | 一种水库消落带的无人机巡航路线规划方法及系统 |
CN117470250A (zh) * | 2023-12-27 | 2024-01-30 | 广东电网有限责任公司阳江供电局 | 一种水下巡检机器人导航方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7099286B1 (en) * | 2002-05-22 | 2006-08-29 | Cisco Technology, Inc. | Method and system for finding shared risk diverse paths |
JP2007158818A (ja) * | 2005-12-06 | 2007-06-21 | Nippon Telegr & Teleph Corp <Ntt> | 経路設定方法および経路設定装置 |
US20100138096A1 (en) * | 2008-11-28 | 2010-06-03 | National Taiwan University | Patrol Device And Patrol Path Planning Method For The Same |
CN106679666A (zh) * | 2016-12-26 | 2017-05-17 | 北京联合大学 | 无人机大范围巡航路径规划模型及方法 |
CN107784380A (zh) * | 2016-08-30 | 2018-03-09 | 上海创和亿电子科技发展有限公司 | 一种巡检最短路径的优化方法及优化系统 |
US20180276485A1 (en) * | 2016-09-14 | 2018-09-27 | Nauto Global Limited | Systems and methods for safe route determination |
CN108666928A (zh) * | 2018-05-31 | 2018-10-16 | 国网山东省电力公司经济技术研究院 | 一种电力通信站巡视优化方法 |
CN109038794A (zh) * | 2018-07-11 | 2018-12-18 | 中国电力科学研究院有限公司 | 一种面向QoS控制的特高压电网系统保护业务路径规划方法 |
US20190054937A1 (en) * | 2017-08-15 | 2019-02-21 | Bnsf Railway Company | Unmanned aerial vehicle system for inspecting railroad assets |
CN109801023A (zh) * | 2019-02-22 | 2019-05-24 | 北京航空航天大学 | 一种多约束条件下的多模式交通联运方法及装置 |
-
2019
- 2019-11-21 CN CN201911145297.XA patent/CN110766179B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7099286B1 (en) * | 2002-05-22 | 2006-08-29 | Cisco Technology, Inc. | Method and system for finding shared risk diverse paths |
JP2007158818A (ja) * | 2005-12-06 | 2007-06-21 | Nippon Telegr & Teleph Corp <Ntt> | 経路設定方法および経路設定装置 |
US20100138096A1 (en) * | 2008-11-28 | 2010-06-03 | National Taiwan University | Patrol Device And Patrol Path Planning Method For The Same |
CN107784380A (zh) * | 2016-08-30 | 2018-03-09 | 上海创和亿电子科技发展有限公司 | 一种巡检最短路径的优化方法及优化系统 |
US20180276485A1 (en) * | 2016-09-14 | 2018-09-27 | Nauto Global Limited | Systems and methods for safe route determination |
CN106679666A (zh) * | 2016-12-26 | 2017-05-17 | 北京联合大学 | 无人机大范围巡航路径规划模型及方法 |
US20190054937A1 (en) * | 2017-08-15 | 2019-02-21 | Bnsf Railway Company | Unmanned aerial vehicle system for inspecting railroad assets |
CN108666928A (zh) * | 2018-05-31 | 2018-10-16 | 国网山东省电力公司经济技术研究院 | 一种电力通信站巡视优化方法 |
CN109038794A (zh) * | 2018-07-11 | 2018-12-18 | 中国电力科学研究院有限公司 | 一种面向QoS控制的特高压电网系统保护业务路径规划方法 |
CN109801023A (zh) * | 2019-02-22 | 2019-05-24 | 北京航空航天大学 | 一种多约束条件下的多模式交通联运方法及装置 |
Non-Patent Citations (4)
Title |
---|
李铭钧等: "考虑杆塔风险概率的输电线路巡检路径优化方法", 《电网与清洁能源》 * |
王锐等: "基于遗传算法的变电站巡检机器人任务路径规划方法研究", 《计算机测量与控制》 * |
胡志鹏: "输电线路多因素风险评估及巡检策略研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
陈辉: "巡检线路排班的优化模型研究", 《四川理工学院学报(自然科学版)》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709646A (zh) * | 2020-06-17 | 2020-09-25 | 九江学院 | 空气污染暴露风险评价方法及系统 |
CN111709646B (zh) * | 2020-06-17 | 2024-02-09 | 九江学院 | 空气污染暴露风险评价方法及系统 |
CN111798127A (zh) * | 2020-07-02 | 2020-10-20 | 北京石油化工学院 | 基于动态火灾风险智能评估的化工园区巡检机器人路径优化系统 |
CN111798127B (zh) * | 2020-07-02 | 2022-08-23 | 北京石油化工学院 | 基于动态火灾风险智能评估的化工园区巡检机器人路径优化系统 |
CN113091745A (zh) * | 2021-04-06 | 2021-07-09 | 中国水利水电科学研究院 | 一种水库消落带的无人机巡航路线规划方法及系统 |
CN117470250A (zh) * | 2023-12-27 | 2024-01-30 | 广东电网有限责任公司阳江供电局 | 一种水下巡检机器人导航方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110766179B (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766179B (zh) | 一种采用风险优先策略的多站点巡检路径设计方法 | |
CN105303285B (zh) | 一种电力应急处置物资的智能化调拨方法 | |
CN110826818B (zh) | 多个巡检员对多个站点进行巡检任务规划和路径设计方法 | |
CN104466959B (zh) | 电力系统关键线路辨识方法和系统 | |
CN107742167A (zh) | 基于三层宏观组网约束的中压配网精准规划方法 | |
CN102880642A (zh) | 一种基于加权有向网络模型的公交换乘方法 | |
CN106651074A (zh) | 一种地下管线智能管理系统 | |
CN110992507B (zh) | 一种多人多站点巡检任务规划和路径设计方法 | |
CN109086923B (zh) | 一种配电网线路规划方法、系统、计算机设备、介质 | |
CN116824861B (zh) | 基于城市大脑平台多维数据的共享单车调度方法和系统 | |
CN109389333A (zh) | 电力设备的风险评估方法和装置 | |
CN110378527A (zh) | 一种水站选址方法 | |
CN102799746B (zh) | 电网信息校验方法及系统、电网规划辅助系统 | |
CN109145413A (zh) | 重力管线泵站收水范围分析方法及装置 | |
CN115147024A (zh) | 一种地理加权回归的网格化险情处理方法和系统 | |
CN110807287A (zh) | 基于有限元网格在应急抢修布点场景中划分业务网格构建方法 | |
CN103020290A (zh) | 电网信息校验方法及系统 | |
Kovalev et al. | Ford-Fulkerson algorithm refinement for the cooperation effectiveness increase of intensive and low-density lines | |
CN110021178B (zh) | 一种基于路口相似度的信号配时方案推荐方法 | |
CN106973000B (zh) | 一种通信网络中单链成环的构造算法 | |
CN204462788U (zh) | 一种城市排水系统 | |
Hounjet et al. | Learning from flood events on critical infrastructure: relations and consequences for life and environment (CIrcle) | |
CN111179118A (zh) | 基于空间数据模型的城市排水管网监控点布设方法及系统 | |
CN111882913A (zh) | 一种自动生成公交车辆线路走向的方法 | |
Tanaka et al. | A layered network formulation for the safe walking route design problem |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |