CN112819212B - 一种基于等效路阻分析和考虑消防栓动态可用性的路径规划方法 - Google Patents
一种基于等效路阻分析和考虑消防栓动态可用性的路径规划方法 Download PDFInfo
- Publication number
- CN112819212B CN112819212B CN202110087151.5A CN202110087151A CN112819212B CN 112819212 B CN112819212 B CN 112819212B CN 202110087151 A CN202110087151 A CN 202110087151A CN 112819212 B CN112819212 B CN 112819212B
- Authority
- CN
- China
- Prior art keywords
- node
- road
- road section
- traffic
- fire
- 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 43
- 238000004458 analytical method Methods 0.000 title claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 2
- 238000000137 annealing Methods 0.000 abstract description 4
- 238000002922 simulated annealing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 2
- 206010000369 Accident Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
该发明公开了一种基于等效路阻分析和考虑消防栓动态可用性的路径规划方法,属于路径规划技术领域。本发明提出了体现道路通行情况的道路通行状态系数,由此得到当量长度,结合预估的通行速度得到各路段合理的预估通行时间作为通行代价,既充分考虑了影响通行状况因素,也具有一定的可扩展性。本发明使用启发式路径搜索方法,结合退火法思想得到消防车辆的推荐路径。提高了在消防救援场景下,合理获取消防资源点的路径规划效率和准确性,更加符合发生火情时,消防车队进行救援的实情。
Description
技术领域
本发明属于路径规划技术领域,主要涉及一种基于等效路阻分析和考虑消防栓动态可用性的路径规划方法。
背景技术
近年来智慧城市作为热门研究课题得到了较快速的发展,其中智慧消防作为保障智慧城市居民生命和财产安全的一个不可或缺的技术,也已经受到广泛的研究。智慧消防是基于火情预测和路径规划等技术的融合,目的是用于火情的预测,人员的疏散,消防救援车辆的迅速支援等,从而达到最大限度保护居民生命和财产安全的目的。
火灾事故的突发性和救援工作的紧迫性要求消防部门具有快速、准确和高效的指挥决策能力。目前国内的一些火灾救援路径规划方法,在出警路线规划上仅仅利用道路的拥堵状况而不全面考虑路况。此外,目前的路径规划基本不考虑消防栓等消防资源的可用性问题,这样就有可能耽误火灾救援的最佳时间,造成更多人员伤亡和财产损失。
现有的方法中,都只考虑了简单的道路拥堵状况,且没有结合消防资源点的可用性进行动态约束条件下的路径规划。鉴于此,有必要引入充足的路况参考因素,设计一种新的考虑消防资源位置约束条件下的路径规划方法。
发明内容
本发明提出了一种引入充足的路况参考因素,并考虑消防资源位置约束条件的路径规划方法。通过引入道路通行状态系数,合理预估各条道路的通行时间,融合A星算法和模拟退火算法的优点,并鉴于此进而进行途经点位置约束的路径规划,得到合理的救援路线。
本发明的技术方案,一种基于等效路阻分析和考虑消防栓动态可用性的路径规划方法,包含以下步骤:
步骤1:将全局路网符号化,为城市路网中的每个路段均设置全局唯一的ID;
I={i1,i2,……,iN},其中的元素表示路段;
步骤2:引入密度-速度关系公式,由历史通行数据和当前路段的车辆密度k,预估各个路段消防车的通行速度V(k);
其中,该路段的历史通行数据包括Vmin为阻塞流速度,kmax为阻塞流密度,Vfree为自由流速度,kmin为自由流密度,k为当前密度,a、b为常数;
具体为采用层次分析法对影响道路通行状态的属性赋予不同的权值ωi,然后将各路段相应属性进行无量纲化处理得到mi,与通过层次分析法得到的评价指标体系各因素影响权重进行相乘与加总,得到单一路段的通行状态系数:
步骤4:考虑道路通行状态系数与道路实际长度di对道路通行实际情况共同起作用,且两者相互独立,定义路段的当量长度(等效路阻)为:
步骤5:基于各个路段的当量长度和预估通行速度,得到各个路段预估的通行时间ti:
完成各路段通行代价的计算后,得到各路段预估通行时间数据集合T={t1,t2,……,tN},存入数据库中以备调取,并以一定的时间间隙不断更新各路段的预估通行时间;
步骤6:当火情发生时,调取监测范围内的消防资源点可用性情况,确定起点和终点{a,b};可用且需要通过的消防栓所属的路段节点集合{ix,iy,iz,……},其中各元素表示可用消防栓所在路段ID;需要经过的消防栓个数k;各路段预估通行时间数据集合T={t1,t2,……,tN},然后进行路径规划,得到路网中起点、终点以及各消防栓所属路段节点之间预估通行时间的代价矩阵;
步骤7:对从a到b,且经过所有P中道路阶段点的路径可行域中的解进行全局搜索,计算全局最优解;
步骤8:输出路径,结束算法循环。
进一步的,所述步骤6的具体步骤如下:
步骤6.1:用启发式搜索法进行路径搜索,公式表示为:
f(in)=g(in)+h(in)
式中,f(in)为起始点经由道路节点in到目标节点的代价;
g(in)为起始点到当前节点in的实际通行代价,也就是起点到该点的预估通行总时长;
h(in)为从当前节点n到目标节点路径的代价估计;
步骤6.2:选择路段集合I中的两个节点作为起始点和目标点,设起点为a和终点为b,建立两个存储节点元素的集合,开集O={}:表示待选择的路段节点,闭集C={}:表示可能需要通过的路段节点;然后将起始点a放入到开集O中;
步骤6.3:判断开集O是否为空,若是空则结束计算;若否则执行步骤6.4;
步骤6.4:遍历O集合,选择开集中到目标节点b启发距离f(n)最小的路段节点imin作为当前节点,然后判断当前节点是否为目标节点;若是则不断回溯父节点,得到从a到b的路径以及总的预估通行时间,总的预估通行时间作为后续步骤里代价矩阵M中两点间通行代价的数据来源,并跳出步骤6;若不是,则执行步骤6.5;
步骤6.5:将当前路段节点从开集O中移除,并加入到闭集C中,对当前路段节点进行松弛操作,即遍历当前路段节点的所有邻接路段节点,并进行如下判断:
(1)若该路段节点在C中,则跳过该节点;
(2)若该路段节点不在O中,则将该路段节点加入到开集O中,计算并记录下该路段节点的f(in),g(in),h(in)的值,并将当前节点imin记作该节点in的父节点;其中f(in)=g(in)+h(in),g(in)=g(in的父节点)+tn,h(in)为该路段节点in到目标节点的欧式距离与当前预估通行速度的比值;
(3)若该路段节点在O中,则比较此时新计算出的g(in)与之前记录的该路段节点的g(in)作比较;如果新的g(in)值更小,则更新其g(in)和f(in)的值,并将该节点的父节点更新为当前的imin;
然后返回执行步骤6.3;
进一步地,所述步骤7的具体方法为:
步骤7.1:设H=1,由输入的起点a、终点b、和消防栓路段节点集合P随机产生一组初始解S0,令最终结果S=S0;即由起点a出发,以某种顺序依次通过P中随机选取的k个路段节点,并最终到达终点b的一条路径;结合代价矩阵计算路径总代价C(S0);
步骤7.2:随机产生一组新解S1,即由起点a出发,以另一种与S0不同的顺序依次通过P中随机选取的k个路段节点,并最终到达终点b的一条路径;计算路径代价C(S1),得到代价差ΔC=C(S0)-C(S1),判断ΔC是否小于等于0;若是,则接受新解S=S1,C(S)=C(S1);若否,则按概率接受新解;
步骤7.3判断当前是否达到迭代次数,若是执行步骤7.4,若否执行步骤S7.2;
步骤7.4判断当前是否满足终止条件,若是,则结束计算,输出产生的最优的通过消防栓与救援路径;若否,降低温度H=H*0.85,重置内循环迭代次数。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明提出了体现道路通行情况的道路通行状态系数,由此得到当量长度,结合预估的通行速度得到各路段合理的预估通行时间作为通行代价,既充分考虑了影响通行状况因素,也具有一定的可扩展性。
2、本发明使用启发式路径搜索方法,结合退火法思想得到消防车辆的推荐路径。提高了在消防救援场景下,合理获取消防资源点的路径规划效率和准确性,更加符合发生火情时,消防车队进行救援的实情。
附图说明
图1为本发明的流程框图。
图2为道路通行状态的层次分析结构模型。
图3为本发明的动态变化约束条件下的交通路径规划算法详细流程框图。
图4为路径规划结果示意图。
具体实施方式
为了更好的理解本发明,下面将以上述技术方案为基准,结合实施方式和附图,对本发明作进一步的描述。
本发明主要共包含两个大的步骤:1、结合预估通行速度与道路通行状态得到各路段的预估通行时间;2、使用改进后的模拟退火A星混合算法,为消防车辆规划出合理获取地图中的消防资源并最终救援的路线。即设计了一种引入充足的路况参考因素,并考虑消防资源位置约束条件的路径规划方法。
整体方案旨在指导消防消防救援车辆在充分考虑道路通行状态的情况下,以最优路线获取消防资源并到达火灾现场实施救援。本发明充分根据不同的实际路况,使用层次分析法对几种影响道路通行状态的因素的赋予不同的权值。
实施例:
参见图1,本实例针对指定路网中的消防车辆火情救援进行路径规划。首先对各道路
步骤S1:将全局路网符号化,为城市路网中的每个路段均设置全局唯一的ID,组成路段节点的集合I={i1,i2,……,iN}。
步骤S2:引入密度-速度关系公式,由简单处理后的历史通行数据,和当前路段的车辆密度k,预估各个路段消防车的通行速度V(k)。其中,该路段的历史通行数据包括Vmin为阻塞流速度,Kmax为阻塞流密度,Vmax为自由流速度,Kmin为自由流密度,K为当前密度,a、b为常数。优选地,本例中取a=0.8,b=0.85。
步骤S3:运用层次分析法,由选定的几种影响道路通行状态的因素得到单一路段的量化后的通行状态系数。
在层次分析法中,是将与决策总是有关的元素分解成目标、准则、方案等层次。这里参考其思想,顶层为需要求得的道路通行状态系数,下面两层为影响通行状态的各个因素。
在此例中,主要考虑影响道路通行状态的因素包括:与道路静态通行条件因素相关的道路等级、道路宽度与车道数等因素;与道路动态通行条件因素相关的路面破损、积水因素、交通事故、天气条件等因素。
优选的,所述具体层次结构模型如图2所示。
采用层次分析法对不同道的影响道路通行状态的属性赋予不同的权值ωi。然后将各路段相应属性进行无量纲化处理得到mi,与通过层次分析法得到的评价指标体系各因素影响权重进行相乘与加总,得到单一路段的通行状态系数:
步骤S4:考虑道路通行状态系数与道路实际长度di对道路通行实际情况共同起作用,且两者相互独立,定义路段的当量长度(等效路阻)为:
步骤S5:基于各个路段的当量长度和预估通行速度,得到各个路段预估的通行时间ti:
完成各路段通行代价的计算后,得到各路段预估通行时间数据集合T={t1,t2,……,tN},存入数据库中以备调取,并以一定的时间间隙不断更新各路段的预估通行时间。
步骤S6:当火情发生时当火情发生时,调取监测范围内的消防资源点可用性情况,输入地图信息,并输入算法所需参数,使用改进后的模拟退火A*混合算法进行路径规划。本例中,结合实际地图中的消防点位置信息,途经的消防资源点所述路段取为{i37,i135,i174,i211,i224}。本发明的动态变化约束条件下的交通路径规划算法详细流程参见图3。
设:a点代表路径起点,也即是消防车辆出发的位置;b点代表路径终点,也即是发生火情的位置。
其中,算法所需参数包括:
(1)起点和终点{a,b};
(2)可用且需要通过的消防栓所属的路段节点集合{i37,i135,i174,i211,i224}:所有可用消防栓所在路段ID;
(3)需要经过的消防栓个数k,本例中取k=3;
(4)各路段预估通行时间数据集合T={t1,t2,……,tN};
进一步的,所述的改进后的模拟退火A*混合算法具体步骤如下:
步骤S6.1:用启发式搜索法进行路径搜索,公式表示为:
f(in)=g(in)+h(in)
式中,
f(in)为起始点经由道路节点in到目标节点的代价估计函数;
g(in)为起始点到当前节点in的实际通行代价,也就是起点到该点的预估通行总时长;
h(in)为从当前节点n到目标节点路径的代价估计,本文采用的是欧氏距离与当前预估通行速度的比值进行计算。
步骤S6.2:选择路段集合I中的两个节点作为起始点和目标点,这里以起点a和终点b为例,建立两个存储节点元素的集合,开集0={}:表示待选择的路段节点,闭集C={}:表示选择好且可能需要通过的路段节点。然后将起始点a放入到开集0中;
步骤S6.3:判断开集0是否为空,若为空则无解,结束算法并返回路径代价时间为inf;若否执行步骤S6.4;
步骤S6.4:遍历0集合,选择开集中到目标节点b启发距离f(n)最小的路段节点imin作为当前节点,然后判断当前节点是否为目标节点。若是则不断回溯父节点,得到从a到b的路径以及总的预估通行时间;若不是,则执行步骤S6.5;
步骤S6.5:将当前路段节点从开集0中移除,并加入到闭集C中,对当前路段节点进行松弛操作,即遍历当前路段节点的所有邻接路段节点,并进行如下判断:
(1)若该路段节点在C中,则跳过。
(2)若该路段节点不在0中,则将该路段节点加入到开集0中,计算并记录下该路段节点的f(in),g(in),h(in)的值,并将当前节点imin记作该节点in的父节点。其中f(in)=g(in)+h(in),g(in)=g(in的父节点)+tn,h(in)为该路段节点in到目标节点的欧式距离与当前预估通行速度的比值。
(3)若该路段节点在0中,则比较此时新计算出的g(in)与之前记录的该路段节点的g(in)作比较。如果新的g(in)值更小,则更新其g(in)和f(in)的值,并将该节点的父节点更新为当前的imin。
然后执行步骤6.3;
步骤S6.6:将步骤S6.2中的起始点和目标点分别替换为路段节点集合{a,b,i37,i135,i174}中的任意不同的两个,重复步骤S6.2-S6.5,就可得到路网中起点、终点以及各消防栓所属路段节点之间预估通行时间的代价矩阵M。本例中{a,i37,i135,i174,i211,i224,b}预估通行时间的代价矩阵M如下所示,单位为min。
步骤S7:对从a到b,且经过所有P中道路阶段点的路径可行域中的解进行全局搜索。借鉴模拟退火法思路,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解。当退火算法的温度指标H下降到一定程度,算法将不能跳出局部最优,从而只能进行局部搜索,最终得到全局最优解。
进一步地,步骤7中,借鉴模拟退火法思路,结合实际地图中的消防点位置信息,通过路段节点集合{a,i37,i135,i174,i211,i224,b}里路段节点之间预估通行时间代价矩阵,得到最终路径的具体步骤如下:
步骤S7.1:设H=1,由输入的起点a、终点b、和消防栓路段节点集合P,随机产生一组初始解S0,令最终结果S=S0。即由起点a出发,以某种顺序依次通过P中随机选取的3个路段节点{i37,i135,i174},并最终到达终点b的一条路径{a,i37,i135,i174,b}。结合代价矩阵计算路径总代价C(S0)。
步骤S7.2:然后随机产生一组新解S1,即由起点a出发,以另一种与S0不同的顺序依次通过P中随机选取的3个路段节点{i221,i37,i224},并最终到达终点b的一条路径{a,i221,i37,i224,b}。计算路径代价C(S1),得到代价差ΔC=C(S0)-C(S1),判断ΔC是否小于等于0。若是,则接受新解S=S1,C(S)=C(S1);若否,则按概率接受新解。
步骤S7.3判断当前是否达到迭代次数,若是执行步骤S7.4,若否执行步骤S7.2。
步骤S7.4判断当前是否满足终止条件,若是,则算法结束,输出产生的最优的通过消防栓与救援路径;若降低温度H=H*0.85,重置内循环迭代次数。
步骤S8:输出路径,结束算法循环,输出路径结果如图4所示。
Claims (1)
1.一种基于等效路阻分析和考虑消防栓动态可用性的路径规划方法,包含以下步骤:
步骤1:将全局路网符号化,为城市路网中的每个路段均设置全局唯一的ID;
I={i1,i2,……,iN},其中的元素表示路段;
步骤2:引入密度-速度关系公式,由历史通行数据和当前路段的车辆密度k,预估各个路段消防车的通行速度V(k);
其中,该路段的历史通行数据包括Vmin为阻塞流速度,kmax为阻塞流密度,Vfree为自由流速度,kmin为自由流密度,k为当前密度,a、b为常数;
具体为采用层次分析法对影响道路通行状态的属性赋予不同的权值ωi,然后将各路段相应属性进行无量纲化处理得到mi,与通过层次分析法得到的评价指标体系各因素影响权重进行相乘与加总,得到单一路段的通行状态系数:
步骤4:考虑道路通行状态系数与道路实际长度di对道路通行实际情况共同起作用,且两者相互独立,定义路段的当量长度为:
步骤5:基于各个路段的当量长度和预估通行速度,得到各个路段预估的通行时间ti:
完成各路段通行代价的计算后,得到各路段预估通行时间数据集合T={t1,t2,……,tN},存入数据库中以备调取,并以一定的时间间隙不断更新各路段的预估通行时间;
步骤6:当火情发生时,调取监测范围内的消防资源点可用性情况,确定起点和终点{a,b};可用且需要通过的消防栓所属的路段节点集合{ix,iy,iz,……},其中各元素表示可用消防栓所在路段ID;需要经过的消防栓个数k;各路段预估通行时间数据集合T={t1,t2,……,tN},然后进行路径规划,得到路网中起点、终点以及各消防栓所属路段节点之间预估通行时间的代价矩阵;
步骤6.1:用启发式搜索法进行路径搜索,公式表示为:
f(in)=g(in)+h(in)
式中,f(in)为起始点经由道路节点in到目标节点的代价;
g(in)为起始点到当前节点in的实际通行代价,也就是起点到该点的预估通行总时长;
h(in)为从当前节点n到目标节点路径的代价估计;
步骤6.2:选择路段集合I中的两个节点作为起始点和目标点,设起点为a和终点为b,建立两个存储节点元素的集合,开集O={}:表示待选择的路段节点,闭集C={}:表示可能需要通过的路段节点;然后将起始点a放入到开集O中;
步骤6.3:判断开集O是否为空,若是空则结束计算;若否则执行步骤6.4;
步骤6.4:遍历O集合,选择开集中到目标节点b启发距离f(n)最小的路段节点imin作为当前节点,然后判断当前节点是否为目标节点;若是则不断回溯父节点,得到从a到b的路径以及总的预估通行时间,总的预估通行时间作为后续步骤里代价矩阵M中两点间通行代价的数据来源,并跳出步骤6;若不是,则执行步骤6.5;
步骤6.5:将当前路段节点从开集O中移除,并加入到闭集C中,对当前路段节点进行松弛操作,即遍历当前路段节点的所有邻接路段节点,并进行如下判断:
(1)若该路段节点在C中,则跳过该节点;
(2)若该路段节点不在O中,则将该路段节点加入到开集O中,计算并记录下该路段节点的f(in),g(in),h(in)的值,并将当前节点imin记作该节点in的父节点;其中f(in)=g(in)+h(in),g(in)=g(in的父节点)+tn,h(in)为该路段节点in到目标节点的欧式距离与当前预估通行速度的比值;
(3)若该路段节点在O中,则比较此时新计算出的g(in)与之前记录的该路段节点的g(in)作比较;如果新的g(in)值更小,则更新其g(in)和f(in)的值,并将该节点的父节点更新为当前的imin;
然后返回执行步骤6.3;
步骤7:对从a到b,且经过所有P中道路阶段点的路径可行域中的解进行全局搜索,计算全局最优解;
步骤7.1:设H=1,由输入的起点a、终点b、和消防栓路段节点集合P随机产生一组初始解S0,令最终结果S=S0;即由起点a出发,以某种顺序依次通过P中随机选取的k个路段节点,并最终到达终点b的一条路径;结合代价矩阵计算路径总代价C(S0);
步骤7.2:随机产生一组新解S1,即由起点a出发,以另一种与S0不同的顺序依次通过P中随机选取的k个路段节点,并最终到达终点b的一条路径;计算路径代价C(S1),得到代价差ΔC=C(S0)-C(S1),判断ΔC是否小于等于0;若是,则接受新解S=S1,C(S)=C(S1);若否,则按概率接受新解;
步骤7.3判断当前是否达到迭代次数,若是执行步骤7.4,若否执行步骤S7.2;
步骤7.4判断当前是否满足终止条件,若是,则结束计算,输出产生的最优的通过消防栓与救援路径;若否,降低温度H=H*0.85,重置内循环迭代次数;
步骤8:输出路径,结束算法循环。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110087151.5A CN112819212B (zh) | 2021-01-22 | 2021-01-22 | 一种基于等效路阻分析和考虑消防栓动态可用性的路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110087151.5A CN112819212B (zh) | 2021-01-22 | 2021-01-22 | 一种基于等效路阻分析和考虑消防栓动态可用性的路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112819212A CN112819212A (zh) | 2021-05-18 |
CN112819212B true CN112819212B (zh) | 2023-05-02 |
Family
ID=75859072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110087151.5A Active CN112819212B (zh) | 2021-01-22 | 2021-01-22 | 一种基于等效路阻分析和考虑消防栓动态可用性的路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112819212B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744108B (zh) * | 2021-11-04 | 2022-04-08 | 聊城中赛电子科技有限公司 | 基于大数据的智慧消防控制方法和系统 |
CN116757496A (zh) * | 2023-06-09 | 2023-09-15 | 紫光汇智信息技术有限公司 | 基于监控场景协调实时监控城市的火灾预警方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389825A (zh) * | 2018-11-26 | 2019-02-26 | 武汉理工光科股份有限公司 | 基于最短路径的消防救援路线最优化方法 |
CN110298518A (zh) * | 2019-07-09 | 2019-10-01 | 四川三秦电气有限责任公司 | 一种火灾救援路线规划方法 |
CN110686695A (zh) * | 2019-10-30 | 2020-01-14 | 南京邮电大学 | 基于目标评价因子的自适应蚁群a星混合算法 |
CN110703772A (zh) * | 2019-11-13 | 2020-01-17 | 贵州航天天马机电科技有限公司 | 一种智能通用无人平台路径规划方法 |
CN112146673A (zh) * | 2020-09-27 | 2020-12-29 | 浙江综合交通大数据中心有限公司 | 基于改进蚁群算法的高速公路多点协同救援路径规划方法 |
-
2021
- 2021-01-22 CN CN202110087151.5A patent/CN112819212B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389825A (zh) * | 2018-11-26 | 2019-02-26 | 武汉理工光科股份有限公司 | 基于最短路径的消防救援路线最优化方法 |
CN110298518A (zh) * | 2019-07-09 | 2019-10-01 | 四川三秦电气有限责任公司 | 一种火灾救援路线规划方法 |
CN110686695A (zh) * | 2019-10-30 | 2020-01-14 | 南京邮电大学 | 基于目标评价因子的自适应蚁群a星混合算法 |
CN110703772A (zh) * | 2019-11-13 | 2020-01-17 | 贵州航天天马机电科技有限公司 | 一种智能通用无人平台路径规划方法 |
CN112146673A (zh) * | 2020-09-27 | 2020-12-29 | 浙江综合交通大数据中心有限公司 | 基于改进蚁群算法的高速公路多点协同救援路径规划方法 |
Non-Patent Citations (4)
Title |
---|
Eiichi Taniguchi 等.Emerging techniques for enhancing the practical applicat of city logistics models.Procedia-Social and Behavioral Sciences.2012,第39卷3-18. * |
李超鹏.一种基于分层分析算法的实时最优消防应急救援路径算法.武警学院学报.2013,第29期(第08期),21-24. * |
王侠.动态疏散决策方法研究.中国优秀硕士学位论文全文数据库工程科技II辑.2010,(第09期),C038-13. * |
马俊来.城市道路交通设施空间资源优化研究.中国博士学位论文全文数据库工程科技II辑.2007,(第04期),C034-56. * |
Also Published As
Publication number | Publication date |
---|---|
CN112819212A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8229666B2 (en) | Generating and using pattern keys in navigation systems to predict user destinations | |
Wen et al. | A hybrid temporal association rules mining method for traffic congestion prediction | |
CN112819212B (zh) | 一种基于等效路阻分析和考虑消防栓动态可用性的路径规划方法 | |
CN108153867B (zh) | 基于时间规律性的用户轨迹预测方法和装置 | |
CN113704956A (zh) | 一种基于数字孪生技术的城市道路在线微观仿真方法及系统 | |
Zhao et al. | Dynamic path planning of emergency vehicles based on travel time prediction | |
Faddoul et al. | Incorporating Bayesian networks in Markov decision processes | |
CN113865589A (zh) | 一种基于地形坡度的长距离快速路径规划方法 | |
CN113537580A (zh) | 一种基于自适应图学习的公共交通客流预测方法及系统 | |
Cutolo et al. | Optimal paths on urban networks using travelling times prevision | |
CN117251722A (zh) | 一种基于大数据的智慧交通管理系统 | |
Mohanty et al. | Graph CNN+ LSTM framework for dynamic macroscopic traffic congestion prediction | |
CN115691140B (zh) | 一种汽车充电需求时空分布的分析与预测方法 | |
CN116468193A (zh) | 一种基于bim模型的消防智能定位逃生导航方法及系统 | |
CN116304969A (zh) | 基于lstm-gnn考虑道路信息的车辆轨迹多模态预测方法 | |
Richly et al. | Predicting location probabilities of drivers to improved dispatch decisions of transportation network companies based on trajectory data | |
CN115619118A (zh) | 一种融合边权注意力深度强化学习的应急物资调度方法 | |
Neto et al. | Predicting the next location for trajectories from stolen vehicles | |
Subowo et al. | Ant Colony Algorithm for Determining Dynamic Travel Routes Based on Traffic Information from Twitter | |
Chiu | A genetic algorithm for multiobjective path optimisation problem | |
Huang et al. | Ant colony optimization for the single vehicle pickup and delivery problem with time window | |
Zhang et al. | A new path optimization method in dynamic adverse weathers | |
CN110942178A (zh) | 一种基于资源分配指标的链路预测方法的充电桩推荐方法 | |
Tran et al. | Neuroevolution for transportation applications | |
Amores et al. | Flexible Paths: A Path Planning Approach to Dynamic Navigation |
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 |