CN110826818B - 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 - Google Patents

Abstract

本发明公开了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，其中先将所有需要巡检的站点进行预处理，并按巡检员的数量进行任务均衡分配，然后进行风险识别，确定每个巡检点的风险因子，在降低集合V_k的整体风险的情况下，巡检员对其负责的子集内沿着优选路径进行当天的巡查任务，并对所有的风险因子的数值进行更性；本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，去降低运维站点的整体运行风险，广泛适用于各种存在多站点巡检需求的工程应用，需要雇佣多个巡检员的应用场景为多个巡检员分配巡检任务时，保证了每个巡检员当天的巡检时间不超过其计划工作时间。

Description

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

技术领域

本发明涉及巡查路径优化技术领域，具体为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。

背景技术

设备巡检系统是通过确保巡检工作的质量以及提高巡检工作的效率来提高设备维护的水平的一种系统，其目的是掌握设备运行状况及周围环境的变化，发现设施缺陷和危及安全的隐患，及时采取有效措施，保证设备的安全和系统稳定。现有设备设施的巡检，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，多站点的巡检往往可以抽象为旅行商问题，设计最优或次优的路径。

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。这需要考虑对站点进行合理的任务规划，实行分批次巡检。对于数量多且分散的站点巡检，运维方往往会雇佣多个巡检员共同承担巡检工作。而且，实际应用中会要求每个巡检员的每日工作的时间不超出其劳动合同约定的工作时长。目前能检索到的多人多站点巡检方案，一方面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；另一方面没有考虑巡检员一天的计划工作时间，对巡检任务分配不均衡，而且无法满足对巡检员进行灵活排班的管理需求。

发明内容

本发明的目的在于提供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，通过设计设计的路径可以用尽量低的巡检成本，去降低运维站点的整体运行风险，同时保证了每个巡检员当天的巡检时间不超过其计划工作时间，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：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，包括以下步骤：

S1：先把所有需要巡检的站点进行预处理，并按巡检员的数量进行任务均衡分配，具体步骤包括：

S1.1、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，其总个数为N；

S1.2、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t_m，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，巡检点i到邻接点j之间的路径行进时长为t_ij；

S1.3、其中巡检员共有K人，每次巡检时，所有巡检员都从办公基地(用起点O表示)出发，并在完成当天巡检任务后回到起点0，由于站点数量众多，而且各站点的重要性存在差异，对巡检的频次要求也不同，因此不需要巡检员在一天完成所有站点的巡检，而是希望巡检员对巡检站点进行合理规划，逐日分批巡检；

S1.4、用集合V表示起点O和全部M个巡检点构成的集合，用P_i-1表示上一巡检点，用P_i表示与P_i-1邻接的下一巡检点，以两者之间的路径用时与站点P_i的巡检用时之和为相似性度量标准，用k-means算法把M个巡检点划分为K个类簇，为了防止出现K个类簇的巡检总用时相差较大的情况，可以添加均匀度限制条件，来改善聚类的均衡性，这样，就把集合V分成K个集合V₁，V₂，...，V_k；

S1.5、忽略巡检员的工作时间限制，用多旅行商问题(MTSP)模型来求解该问题，即构建M个节点的点集V，K个旅行商从起点O出发，各走一条巡检支路对节点进行访问并最终回到起点，使得每个节点有且只有一个旅行商访问，用P_i-1表示上一巡检点，P_i表示与P_i-1邻接的下一巡检点，以两者间的路径用时与站点P_i的巡检用时之和为边权，以最小化总用时最长的巡检支路为主目标，以K条巡检支路的总用时之和最小化为次目标，采用遗传算法计算出K条巡检支路，每条巡检支路就对应到一个集合V_k，k＝1，2，…，K；

S2：将V_k所含站点的整体运维风险最小化，需要进行风险识别，确定每个巡检点的风险因子，计算并每日更新巡检点的风险值，具体步骤包括：

S2.1、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，识别出的风险因素共有I项，通过风险分析，把站点的风险A表示为I项风险因子的回归模型，即A＝f(B₁,B₂,…B_I)，采用的模型f(·)可以是线性回归，也可以是非线性回归；

S2.2、用B_im表示编号为m的巡检点的第i项风险因子，i＝1，2，…，I，m＝1，2，…，M，通过风险评估，确定每个巡检点的各项风险因子初始值；

S2.3、对于M个巡检点，分别计算第m个巡检点的风险值A_m＝f(B_1m,B_2m,…B_Im)，m＝1，2，…，M；

S3：对于巡检员k(k＝1，2，…，K)，面对分配给他的待检站点集合V_k，每天需要对风险值最大的站点进行巡检，并且在他本人当天工作时限T_wk之内，优先巡检风险值较高且距离较近的其它站点，以尽量降低集合V_k的整体风险；具体地，依次对K个巡检员执行下述步骤：

S3.1、把V_k中每个巡检点按照当天风险值的大小从高到低进行排序。不失一般性，用P₁表示其中风险值最高的站点，定义Ψ为本次巡检选中的站点集合，初始值Ψ＝{O,P₁}，完成Ψ的巡检用时为

S3.2、在V_k中，选择与Ψ邻接的所有巡检点中风险值最大的站点P_j，j为循环执行的轮次，把P_j加入到Ψ中，得到更新后的巡检站点集合S3.3、巡检员从O点出发，遍历集合/>中的各站点后回到起点O的总用时最短路径Rk，可以通过TSP求解算法得出；

S3.4、计算巡检员k花费在站点巡检的时间和按路径Rk行进在站点之间的时间之和

S3.5、把T和巡检员k当天的规定巡检劳动时长T_wk进行比较；

S3.6、如果T＜T_wk，需尝试在T_wk之内是否可以巡检更多的站点，跳转执行步骤S3-2，且循环轮次j加1；

S3.7、当T≥T_wk，则停止循环，取上一循环轮次的巡检站点集合Ψ所对应的优选巡检路径Rk，作为本日巡检员k的最终巡检路径；

S4：K位巡检员分别沿着路径R1、R2、…、RK，执行当天的巡检任务；

S5：当天巡检结束后，对所有巡检点的风险因子的数值进行更新。

优选的，所述S1.5中的遗传算法也可以改为蚁群算法、模拟退火算法等其他类型的启发式算法。

优选的，所述S1.5中的边权简化为相邻接的两个巡检点之间的路径用时，代价是分配到K个巡检员的任务均衡性有所下降。

与现有技术相比，本发明的有益效果是：

本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，去降低运维站点的整体运行风险，同时本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(包括线性回归、非线性回归)，广泛适用于各种存在多站点巡检需求的工程应用，本方法适用于站点数量多，需要雇佣多个巡检员的应用场景为多个巡检员分配巡检任务时，保证了每个巡检员当天的巡检时间不超过其计划工作时间。

附图说明

图1是本发明的任务均衡分配及风险优先的多人多站点巡检规划和路径设计流程图；

图2是对巡检站点预处理并均衡分配的示意图；

图3是各巡检点风险值获取过程的示意图；

图4是子集内以风险优先策略进行路径设计的流程示意图。

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。

本发明实施例中：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，包括以下步骤：

第一步：先把所有需要巡检的站点进行预处理，并按巡检员的数量进行任务均衡分配，具体步骤包括：

第一点、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，其总个数为N；

第二点、根据场景的实际情况，把具有强关联性的若干站点归并为一个站点，通过一系列归并操作后，N个原始站点被映射为M个巡检点，其中M≤N，对于巡检点m，m＝1，2，…，M，其例行巡检时长为t_m，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，巡检点i到邻接点j之间的路径行进时长为t_ij；

第三点、其中巡检员共有K人，每次巡检时，所有巡检员都从办公基地(用起点O表示)出发，并在完成当天巡检任务后回到起点0，由于站点数量众多，而且各站点的重要性存在差异，对巡检的频次要求也不同，因此不需要巡检员在一天完成所有站点的巡检，而是希望巡检员对巡检站点进行合理规划，逐日分批巡检；

第四点、用集合V表示起点O和全部M个巡检点构成的集合，用P_i-1表示上一巡检点，用P_i表示与P_i-1邻接的下一巡检点，以两者之间的路径用时与站点P_i的巡检用时之和为相似性度量标准，用k-means算法把M个巡检点划分为K个类簇，为了防止出现K个类簇的巡检总用时相差较大的情况，可以添加均匀度限制条件，来改善聚类的均衡性，这样，就把集合V分成K个集合V₁，V₂，...，V_k；

第五点、忽略巡检员的工作时间限制，用多旅行商问题(MTSP)模型来求解该问题，即构建M个节点的点集V，K个旅行商从起点O出发，各走一条巡检支路对节点进行访问并最终回到起点，使得每个节点有且只有一个旅行商访问，用P_i-1表示上一巡检点，P_i表示与P_i-1邻接的下一巡检点，以两者间的路径用时与站点P_i的巡检用时之和为边权，以最小化总用时最长的巡检支路为主目标，以K条巡检支路的总用时之和最小化为次目标，边权简化为相邻接的两个巡检点之间的路径用时，代价是分配到K个巡检员的任务均衡性有所下降，采用遗传算法计算出K条巡检支路，每条巡检支路就对应到一个集合V_k，k＝1，2，…，K，其中遗传算法也可以改为蚁群算法、模拟退火算法等其他类型的启发式算法；

第二步：将V_k所含站点的整体运维风险最小化，需要进行风险识别，确定每个巡检点的风险因子，计算并每日更新巡检点的风险值，具体步骤包括：

第一点、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，识别出的风险因素共有I项，通过风险分析，把站点的风险A表示为I项风险因子的回归模型，即A＝f(B₁,B₂,…B_I)，采用的模型f(·)可以是线性回归，也可以是非线性回归；

第二点、用B_im表示编号为m的巡检点的第i项风险因子，i＝1，2，…，I，m＝1，2，…，M，通过风险评估，确定每个巡检点的各项风险因子初始值；

第三点、对于M个巡检点，分别计算第m个巡检点的风险值A_m＝f(B_1m,B_2m,…B_Im)，m＝1，2，…，M；

第三步：对于巡检员k(k＝1，2，…，K)，面对分配给他的待检站点集合V_k，每天需要对风险值最大的站点进行巡检，并且在他本人当天工作时限T_wk之内，优先巡检风险值较高且距离较近的其它站点，以尽量降低集合V_k的整体风险；具体地，依次对K个巡检员执行下述步骤：

第一点、把V_k中每个巡检点按照当天风险值的大小从高到低进行排序。不失一般性，用P₁表示其中风险值最高的站点，定义Ψ为本次巡检选中的站点集合，初始值Ψ＝{O,P₁}，完成Ψ的巡检用时为

第二点、在V_k中，选择与Ψ邻接的所有巡检点中风险值最大的站点P_j，j为循环执行的轮次，把P_j加入到Ψ中，得到更新后的巡检站点集合

第三点、巡检员从O点出发，遍历集合中的各站点后回到起点O的总用时最短路径Rk，可以通过TSP求解算法得出；

第四点、计算巡检员k花费在站点巡检的时间和按路径Rk行进在站点之间的时间之和

第五点、把T和巡检员k当天的规定巡检劳动时长T_wk进行比较；

第六点、如果T＜T_wk，需尝试在T_wk之内是否可以巡检更多的站点，跳转执行步骤S3-2，且循环轮次j加1；

第七点、当T≥T_wk，则停止循环，取上一循环轮次的巡检站点集合Ψ所对应的优选巡检路径Rk，作为本日巡检员k的最终巡检路径；

第四步：K位巡检员分别沿着路径R1、R2、…、RK，执行当天的巡检任务；

第五步：当天巡检结束后，对所有巡检点的风险因子的数值进行更新。

综上所述：本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，去降低运维站点的整体运行风险，同时本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(包括线性回归、非线性回归)，广泛适用于各种存在多站点巡检需求的工程应用，本方法适用于站点数量多，需要雇佣多个巡检员的应用场景为多个巡检员分配巡检任务时，保证了每个巡检员当天的巡检时间不超过其计划工作时间。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

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 (2)

1.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，其特征在于，包括以下步骤：

S1：先把所有需要巡检的站点进行预处理，并按巡检员的数量进行任务均衡分配，具体步骤包括：

S1.1、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，其总个数为N；

S1.2、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t_m，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，巡检点i到邻接点j之间的路径行进时长为t_i,j；

S1.3、其中巡检员共有K人，每次巡检时，所有巡检员都从办公基地出发，办公基地用起点O表示，并在完成当天巡检任务后回到起点O，巡检员对巡检站点逐日分批巡检，且不需要在一天完成所有站点的巡检；

S1.4、用集合V表示起点O和全部M个巡检点构成的集合，用P_i-1表示上一巡检点，用P_i表示与P_i-1邻接的下一巡检点，以两者之间的路径用时与站点P_i的巡检用时之和为相似性度量标准，用k-means算法把M个巡检点划分为K个类簇，同时添加均匀度限制条件，将集合V分成K个集合V₁，V₂，...，V_k；

S1.5、忽略巡检员的工作时间限制，用多旅行商问题模型来求解该问题，即构建M个节点的点集V，K个旅行商从起点O出发，各走一条巡检支路对节点进行访问并最终回到起点，使得每个节点有且只有一个旅行商访问，用P_i-1表示上一巡检点，P_i表示与P_i-1邻接的下一巡检点，以两者间的路径用时与站点P_i的巡检用时之和为边权，以最小化总用时最长的巡检支路为主目标，以K条巡检支路的总用时之和最小化为次目标，采用遗传算法计算出K条巡检支路，每条巡检支路就对应到一个集合V_k，k＝1，2，…，K；

S2：将V_k所含站点的整体运维风险最小化，进行风险识别，确定每个巡检点的风险因子，计算并每日更新巡检点的风险值，具体步骤包括：

S2.1、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I项，通过风险分析，把站点的风险A表示为I项风险因子的回归模型，即A＝f(B₁,B₂,…B_I)，模型f(·)采用线性回归模型或非线性回归模型；

S2.2、用B_im表示编号为m的巡检点的第i项风险因子，i＝1，2，…，I，m＝1，2，…，M，通过风险评估，确定每个巡检点的各项风险因子初始值；

S2.3、对于M个巡检点，分别计算第m个巡检点的风险值A_m＝f(B_1m,B_2m,…B_Im)，m＝1，2，…，M；

S3：对于巡检员k，k＝1，2，…，K，面对分配给他的待检站点集合V_k，每天对风险值最大的站点进行巡检，并且在他本人当天工作时限T_wk之内，先巡检风险值高且距离近的其它站点；具体地，依次对K个巡检员执行下述步骤：

S3.1、把V_k中每个巡检点按照当天风险值的大小从高到低进行排序，不失一般性，用P₁表示其中风险值最高的站点，定义Ψ为本次巡检选中的站点集合，初始值Ψ＝{O,P₁}，完成Ψ的巡检用时为

S3.2、在V_k中，选择与Ψ邻接的所有巡检点中风险值最大的站点P_j，j为循环执行的轮次，把P_j加入到Ψ中，得到更新后的巡检站点集合

S3.3、巡检员从O点出发，遍历集合中的各站点后回到起点O的总用时路径Rk，通过旅行商问题求解算法得出；

S3.4、计算巡检员k花费在站点巡检的时间和按路径Rk行进在站点之间的时间之和

S3.5、把T和巡检员k当天的规定巡检劳动时长T_wk进行比较；

S3.6、如果T＜T_wk，跳转执行步骤S3.2，以尝试在T_wk之内巡检更多的站点，且循环轮次j加1；

S3.7、当T≥T_wk，则停止循环，取上一循环轮次的巡检站点集合Ψ所对应的路径Rk，作为本日巡检员k的最终巡检路径；

S4：K位巡检员分别沿着路径R1、R2、…、RK，执行当天的巡检任务；

S5：当天巡检结束后，对所有巡检点的风险因子的数值进行更新。

2.根据权利要求1所述的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，其特征在于，所述S1.5中还能采用同为启发式算法的蚁群算法或模拟退火算法计算出K条巡检支路。