CN112862167A - 巡防路径推荐方法、装置及电子设备 - Google Patents

Abstract

本发明涉及一种巡防路径推荐方法、装置及电子设备，该方案包括以下步骤：规划并预存巡防所需基础信息数据，其中所述基础信息数据包括巡防信息、道路数据及初始化推荐路径；获取用户实时巡防路径，并与所述初始化推荐路径进行拟合纠错处理；对纠错后的用户巡防路径和所述基础信息数据进行归集和整理形成或更新历史库，并计算用户此次巡防任务的评分；当用户再次获取推荐路径时，根据所述历史库推荐巡防路径包括，该方案具有可显著提升网格员任务执行效率、结合网格员个人偏好及方便考核评分的优点。

Description

巡防路径推荐方法、装置及电子设备

技术领域

本发明涉及路径规划技术领域，具体涉及一种巡防路径推荐方法、装置及电子设备。

背景技术

网格员路径规划指的是基于网格员所要进行的巡防区域中预设的打卡点位和时间、临时安排的任务(可理解为临时要巡防的点)等进行路径规划。并根据网格员历史实际行走的道路轨迹进行对比和计算，推荐兼顾效率和网格员偏好的路线，并可对其的行走时长估算和工作内容进行判断。

通常情况下，网格员使用手机或者单兵设备开始巡防任务，传统的方式是由网格员自行判断路径，根据实际自行调整巡防路线。由于网格员的受教育水平和自身的行为习惯等的众多差异，自主巡防方式虽然比较灵活，但是网格员经验和考核目标设置等原因，导致有些临时巡防任务无法按时完成，巡防效率普遍较低，网格员工作的实际效果也难以考核评分。

综上，亟待需要一种可显著提升网格员任务执行效率、结合网格员个人偏好及方便考核评分的巡防路径推荐方法、装置及电子设备。

发明内容

本发明的目的是针对现有技术中存在的上述问题，提供了一种巡防路径推荐方法、装置及电子设备。

为了实现上述发明目的，本发明采用了以下技术方案：一种巡防路径推荐方法包括以下步骤：

S10：规划并预存巡防所需基础信息数据，其中所述基础信息数据包括巡防信息、道路数据及初始化推荐路径；

S20：获取用户实时巡防路径，并与所述初始化推荐路径进行拟合纠错处理；

S30：对纠错后的用户巡防路径和所述基础信息数据进行归集和整理形成或更新历史库，并计算用户此次巡防任务的评分；

S40：当用户再次获取推荐路径时，根据所述历史库推荐巡防路径。

工作原理及有益效果：1、通过先存储好预设的基础信息数据，对于巡防过程中的各种情况均有记录，可显著提升初始化推荐路径的准确程度，方便后续的评分计算；

2、通过拟合纠错的方式，来对实际路径进行纠错，使其定位的偏移点位于正确的道路上，呈现连贯、平滑的轨迹，从而方便通过计算比对用户此次巡防的时间数据和基础信息数据，对用户进行评分；

3、历史库不断更新，可更加精准地反应每个任务的平均所需时间等数据，从而更方便地对每个用户进行评分，也能够为每个用户提供更加精确的推荐路线，从而显著提升了巡防效率；

4、历史库不断更新，相当于学习过程，可更好地符合每个用户的个人偏好；

5、相比于现有地图软件的导航方法，本方案可单独针对每个任务，每个用户进行不断学习和更新，同时进行评分，显著提升巡防效率，可更好地对网格员进行管理。

进一步地，所述道路数据至少包括道路路线的连续点位标识、道路的分段标识、道路的方向性、道路的宽度、道路通行难易程度及道路状态；所述初始化推荐路径根据实际路线长度、道路通行难易程度及用户在各交通工具下的平均用时计算巡防时长。考虑多种实际情况中会存在的因素，从而更加准确地计算出平均巡防时长，相比现有技术，考虑的因素更多，更加精确。

进一步地，所述拟合纠错处理中，通过对比用户本次巡防与历史巡防数据的差异，通过大数据流平台计算用户的执行效率作为评分依据之一。通过纠偏后的结果，可以计算出经过各个路段的网格员在某种交通工具下的平均速度、起始时间、终止时间，经过各个路段的产生经纬度和时间戳数据也会流经大数据流平台中，大数据流平台重新计算出历史的所有网格员在本次巡防所涉及路段和所使用交通工具的平均速度，通过对比可以看出本次巡防与历史巡防数据的差异点，也可以进一步计算出网格员执行效率。从而对网格员的执行效率和工作内容有一个基础的数据依据，也可以作为衡量网格员绩效的参考数据之一。

进一步地，所述历史库的形成或更新包括以下步骤：

S31：将所述纠错后的用户巡防路径与所述道路数据匹配，得出用户经过的每一段道路；此步骤可识别出用户巡防路径中的每段道路，从而方便对每段道路进行单独分析计算。

S32：计算用户每一段道路的巡防时长和平均速度；此步骤，方便后续进行单独评分计算。

S33：根据用户实际路径与所对应任务的推荐路径进行比对评分；

S34：若所述用户实际路径中使用时间或距离比推进路径更有效率，则增加评分；此步骤，可为现有的历史库提供更好的推荐路径，从而使得历史库的推荐路径能够为用户提供更有效率的路线，更加符合实际情况。

S35：或者根据用户实际路径与所对应任务的推荐路径的重合度进行评分；

S36：若所述用户实际路径中不重合路段的实际时长短于所对应任务中不重合路段的预计时长，则增加评分；此步骤，效果同上，可不断更新历史库中的优选推荐路径。

S37：根据计算和评分结构形成或更新历史库。

进一步地，用户获取推荐路径的步骤如下：

S41：获取用户所确定任务的起点、终点及中间的附属任务并判断是否在道路数据内；

S42：若不在道路数据内，则执行拟合纠错处理添加临时道路；

S43：根据任务的起点、终点及时间规划路线并生成结果。

上述步骤，可根据任务生成精准的推荐路线，对未记录的可先临时生成，再通过记录此次任务的过程作为初始化的推荐路线，从而能够在后续任务中不断地更新。

进一步地，所述结果包括所有任务完成时间用时最短路径、距离最短路径及根据历史数据推荐带个人偏好的路线。此设置，可为用户提供多种推荐路径。

进一步地，用户获取推荐路径的步骤还包括：

S44：获取对应任务的限定时间要求；

S45：判断所述结果中的路线是否满足所限定时间要求；

S46：若否，则选择满足时间要求的路线。

上述步骤，可自动剔除无法完成任务的路线，从而保证用户能够按照推荐路线完成任务。

进一步地，巡防过程中，若出现临时任务，则从当前定位点重新计算推荐路径，具体评分步骤如下：

S50、放弃当前已做过路线的评分，不计入统计；此步骤，不会影响用户的最终评分。

S51、计算所有巡防任务结束后的评分，若最终得分小于设定的阈值，则计入总分内。对临时任务计算得分后，符合评分的标准则可以作为以后的推荐路线的一种参考，否则就是不计分的临时任务。

一种巡防路径推荐装置包括获取模块、拟合纠错模块、存储模块、评分模块及推荐模块；

所述获取模块用于获取存储模块中预设的巡防所需基础信息数据；

所述拟合纠错模块用于获取用户实时巡防路径，并与所述初始化推荐路径进行拟合纠错处理，并对纠错后的用户巡防路径和所述基础信息数据进行归集和整理形成或更新历史库；

所述评分模块用于计算用户此次巡防任务的评分；

所述存储模块用于存储数据；

所述推荐模块用于向用户推荐任务路径。

通过上述巡防路径装置，可自动获取对应任务的巡防路径，并根据用户的实时路径自动纠错生成实际路径，自动计算评分，同步更新历史库，显著提升了巡防效率，方便了对网格员的绩效考核。

一种巡防路径推荐电子设备包括处理器、存储器及无线通信模块；

所述存储器用于执行上述的一种巡防路径推荐方法；所述存储器用于存储基础信息数据、任务指令及处理器可执行的机器可读指令；

所述无线通信模块用于获取定位数据、与云端交换数据。

附图说明

图1是本发明方法的流程示意图；

图2是一种巡防点位的实施例示意图；

图3是道路数据的一种实施例的示意图；

图4是图3中其中两个路段的表格数据示意图；

图5是历史库的一种实施例的示意图；

图6是计算任务完成时间用时最短路径的示意图；

图7是4x4的邻接矩阵示意图。

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所获得的所有其他实施例，都属于本发明保护的范围。

下文中的网格员或用户均为同一含义，本发明不仅可用于巡防，也可以用于普通用户的导航，其中评分的结果可用来判断用户的行走效率，也可用于收集用户个人偏好的路线数据，从而优化路径规划效果。

请参阅图1，本巡防路径推荐方法包括以下步骤：

S10、规划并预存预设道路、巡防打卡点等所需的基础信息数据，这些基础信息数据可以是预存在云端上的，也可以是存在本地的，也可以是云端和本地同时存储的；

上述的这些基础信息数据主要是根据地图的已有的道路信息数据和地图底图，进行自动或者手动进行道路信息绘制，绘制的数据主要包含以下几类内容：

1、巡防信息，也就是绘制巡防的签到点位信息包括经纬度、完成时间点和巡防任务要求等。并和网格员关联起来，可更好地匹配每个网格员。如图2为一种巡防点位的实施例示意图。

2、道路数据，也就是绘制巡防区域内的道路数据，包括道路路线的连续点位标识、道路的分段标识、道路的方向性、道路的宽度、道路通行难易程度和道路状态(通行或因修路临时关闭)等。分段数据可以根据实际路线长度、通行难易程度，并结合历史网格员在各个交通工具下的平均时长给出巡防时长。另外，结合道路的实际情况(比如修路、道路提升)可调整道路的通行难易程度。如图3和如图4为某一段道路的分段数据示意图，可见每一段道路都有编号，且对应有经纬度的数据，还有路宽，预计的巡防时长，路段的距离(单位米)，交通工具等。

3、推荐巡防路线的初始化，在这里推荐巡防路线的作用是为了对初次巡防的实际轨迹进行评分的参考。它是由人工或者参考历史轨迹数据进行绘制的一条推荐的巡防路线。这个巡防路线是可以不断进行更新改进的，并不是一成不变的。

S20、获得用户实际巡防的道路轨迹，并和道路/路线进行拟合处理；

其中，网格员通过手机或者单兵设备在选择交通工具下获得推荐的巡防路径规划，网格员在巡防实际路径上会每隔5s上传点位经纬度和时间戳信息和一些传感器数据，比如陀螺仪、重力加速度等数据，但是上传的点位经纬度和时间戳数据根据时间戳连成实际行走的路径，不一定是实际的行走路径，需要作进一步纠错与平滑才能使其成为一条符合实际真实情况的路径。

在本实施例中，位点纠错与平滑可采用市场上成熟的产品来进行，比如阿里的猎鹰或百度的鹰眼轨迹等产品。针对定位偏移、定位缺失、定位间隔大等情况造成的轨迹异常，该类产品提供基于路网和路径规划的轨迹纠偏补路功能，可将偏移点纠正到正确的道路上，呈现连贯、平滑的轨迹。将采集到的各类数据提供给该类产品，可以将点位数据纠正到合适的道路上，并且纠正后的数据是连续的。而且通过产品纠正后，网格员也可以在实际行走的道路轨迹对该地图上的道路轨迹进行纠错，手动绘制该地图上纠错后的巡防轨迹。具体的结构和功能位现有技术，这里不再对其进行赘述。

具体地，通过纠偏后的结果，可以计算出经过各个路段的网格员在某种交通工具下的平均速度、起始时间、终止时间，经过各个路段的产生经纬度和时间戳数据也会流经大数据流平台中，大数据流平台重新计算出历史的所有网格员在本次巡防所涉及路段和所使用交通工具的平均速度，通过对比可以看出本次巡防与历史巡防数据的差异点，也可以进一步计算出网格员执行效率。从而对网格员的执行效率和工作内容有一个基础的数据依据，也可以作为衡量网格员绩效的参考数据之一。

在一种较佳的实施例中，获得网格员实际行走的道路轨迹之后，上述步骤还能够用于判断网格员是否存在非正常巡防的情况，具体的判断步骤如下：

S21、计算实际巡航时长与预设巡航时长的绝对差值；

S22、若绝对差值大于设定的阈值，则初步判定存在非正常巡防事件。其中也可以将时长替换成巡防距离。

S30、对纠错后的用户轨迹和基础数据进行归集和整理形成历史库；

在一种实施例中，针对步骤S30，当历史库已经形成时，对纠错后的用户轨迹和基础数据进行归集和整理以用于更新所述历史库。

其中每条轨迹进行拟合纠错，并经过大数据流平台计算后，可采集和计算到以下信息：

1、根据拟合纠错后的轨迹，与道路数据进行匹配，得到经过的每一段道路。根据上传的每个点位的打点时间等，可以计算出这次巡防的每段道路的时长和平均速度。

2、通过将网格员实际轨迹与所对应任务的推荐轨迹进行比较。根据实际所用时间和实际距离等因素计算出该次巡防的评分(评分在0到1之间，1为满分)。该评分也会对后续的路线推荐起到参考作用。具体的计算过程如下：

如果该用户实际使用时间或者距离比推荐的路线更有效率，则评分为1。

否则使用如下公式：

评分＝Max(1–(推荐路线时间/实际时间)，1-(推荐路线距离/实际距离))；

也可以根据推荐路线和实际轨迹的重合度，来进行评分；

如果不重合路段的实际时长比不重合路段的预计时长短，评分为1；

否则使用如下公式：

评分＝(1-重合的路段实际时长/巡防实际时长)*(不重合路段的实际时长/不重合路段的预计时长)；

3、根据上面计算出的结果，更新该网格员和该路段的统计数据中的平均速度、平均时长和实际经过次数，并更新道路的预计通过时长。该数据可以用来记录网格员的个人偏好，以便在后面的S40步骤上使用，这个偏好可以在推荐方法中设置一定的权重。更新平均速度和平均时长可以采用距离现在时间近、评分高的轨迹，权重大的算法来计算。

在本实施例中，历史库其中一部分的实施例如图5所示，可见根据人员的编号对应的道路数据，如道路编号，该路段的平均速度等。

S40、根据历史库的数据推荐巡防路线

具体地，网格员可以使用自动规划路线功能提高巡防和完成任务的效率，通过用户确定任务的起点、终点和中间的若干任务，然后系统判断任务定位和起终点等是否在道路数据上。如果没有依据S20步骤添加临时道路，最后系统根据起点、终点、时间等因素规划路线。

具体地，系统在推荐巡防路线时，包括以下几种情况或结果：

1、所有任务完成时间用时最短路径，此设置只考虑总时间最短的情形，因此道路的权重值只有时间一个维度。直接采用道路上历史计算的平均时间当做道路的权重值即可。

在一种实施例中，单一出发地和结束点(或者任务点)之间的连线可以直接采用比较成熟的经典理论和算法。这里可以采用Floyd(弗洛伊德)算法。

请参阅图6，算法的应用方式为：从任意节点i到任意节点j的最短路径不外乎两种可能：

1.1、直接从节点i到节点j；

1.2、从节点i经过若干个节点k到节点j；

因此，假设arcs(i,j)为节点i到节点j的最短路径的距离，对于每一个节点k，判断arcs(i,k)+arcs(k,j)<arcs(i,j)是否成立，若成立，则证明从节点i到节点k再到节点j的路径比节点i直接到节点j的路径短，此时设置arcs(i,j)＝arcs(i,k)+arcs(k,j)，如此，当遍历完所有节点k，arcs(i,j)中记录的便是节点i到节点j的最短路径的距离。

在一种实施例中，对于有向道路数据的存储可采用邻接矩阵的方式，请参阅图7，此图为4X4的邻接矩阵示意图。邻接矩阵(AdjacencyMatrix)是表示顶点之间相邻关系的矩阵，其计算方式和公式均为现有技术。

其中多个任务之间的情况分为两种情况：

1.3.1、有固定结束点的情况(比如回到办公室或者去往指定地点)，采用上述方法依次计算中间每两个任务之间的最短路径，计算每个任务和出发点和结束点每个任务之间的最短路径，将出发点、结束点、任务当做有向图的节点，讲计算出来的最短路径的时间当做权重值。再次采用上述算法进行计算，即可得出最短路径。如果最终目标点是回到出发点，可将出发点独立出一个节点当做结束点即可。

1.3.2、无固定结束点的情况，上述方案中，依次选择每个任务当做结束点进行计算。采用用时最少(权重值之和最小)的方案。

2、距离最短的路线，一般是用在只有步行的情况下。该情况下可以减少单纯步行的时长。只需要将前述方案中的权重值由时间改为路段距离就可以实现。

3、根据历史数据推荐带个人偏好的路线，网格员经常走的路线可能是由于某些原因，比如问题多发区等，而导致没有选择时间或者距离最短的路线。兼顾这些因素可能会对效率和问题排查预防起到积极的作用。其中可以选择以下几种方式或者进行组合：

3.1、从历史实际巡防路径中匹配最佳路径，巡防任务和点位在历史数据库中完全匹配，可以直接采用该路径作为推荐路径。可以依据人员姓名(可选)、点位坐标的偏差范围、该次巡防评分等进行轨迹库的检索。如果匹配多条数据，则采用实际时间最短或者距离最短的路线。这里的范围阈值、是否匹配人员、推荐顺序策略、巡防评分最低要求等都可以做成可配置项。

3.2、从个人路段使用频率进行匹配，因为步骤S30中每个网格员的实际路线按照走过的频次、时间等都有记录，并会随着巡防次数的增加而更新，因此该网格员选取该路段的频率的次数可以作为权重值的一部分参与计算。权重值越小越应该被推荐，因此关于道路权重的在本实施例中如下：

权重值＝路段时间–Min(路段时间/(1-C),ln(路段实际频次)*N)

C是个人偏好在权重值中的影响范围(上限)，范围在(0,1)之间；

N是个人偏好占得总比重；

C和N可由设计人员或者系统管理员进行调整。这里假设可以设置C为0.5，设置N为0.4；

路段时间可以换成路段距离等其他参数或算法组合。

4、巡防和任务的时间因素，因为有些巡防点或者任务是有时间制约的。在计算最短路径的和多任务点的时候需要判断是否能满足当前要求，只在满足时间要求的路线中选择路径。

5、临时安排的任务，在巡防过程中如果有临时安排的任务。可以从当前点位重新进行计算推荐路线。在步骤S30中，需要考虑到这种情况，一种操作方法如下：

5.1、放弃已做过路线的评分，不计入统计，只评估后续的内容；

5.2、先计算所有巡防任务结束后的评分，如果得分在设定阈值之内，则计算统计值。并为以后的推荐路线的一种参考。否则该任务不计入统计和推荐。

上述S10-S40步骤，通过迭代更新历史库的方式，进一步提高网格员的执行效率；后期可以经过对不同的人员的实际路线的对比，进一步提高网格员的整体效率；在兼顾人的差异性、任务时间、效率上等方面提升任务的执行效率。

在一种实施例中，尤其是步骤S20和步骤S40中，可以充分考虑交通工具和交通状况及推荐路线的时间(出行高峰期、出行正常期、出行低谷期)等因素，对本方法进行进一步改进。

在一种实施例中，每次改进算法和数据可以变更成周期性的计算偏好、路段时长等数据。路段数据的调整过程中，增加人为确认的因素，充分考虑本发明之外的现实因素，以改进算法过于简单造成的结果偏差。

本文中多次出现阈值，是作为一种边界值，根据实际情况而进行设定，如范围阈值、是否匹配人员、推荐顺序策略、巡防评分最低要求等都可以做成可配置项，为本领域技术人员可理解的内容。

本发明中，轨迹、路径及路线等可视为同一含义，系统可视为云服务器或公安平台系统，本发明未详述部分为现有技术，故本发明未对其进行详述。

可以理解的是，术语“一”应理解为“至少一”或“一个或多个”，即在一个实施例中，一个元件的数量可以为一个，而在另外的实施例中，该元件的数量可以为多个，术语“一”不能理解为对数量的限制。

尽管本文较多地使用了专业术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。

本发明不局限于上述最佳实施方式，任何人在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是具有与本申请相同或相近似的技术方案，均落在本发明的保护范围之内。

Claims (10)

1.巡防路径推荐方法，其特征在于，包括以下步骤：

规划并预存巡防所需基础信息数据，其中所述基础信息数据包括巡防信息、道路数据及初始化推荐路径；

获取用户实时巡防路径，并与所述初始化推荐路径进行拟合纠错处理；

对纠错后的用户巡防路径和所述基础信息数据进行归集和整理形成历史库，并计算用户此次巡防任务的评分；

当用户再次获取推荐路径时，根据所述历史库推荐巡防路径。

2.根据权利要求1所述的一种巡防路径推荐方法，其特征在于，所述道路数据至少包括道路路线的连续点位标识、道路的分段标识、道路的方向性、道路的宽度、道路通行难易程度及道路状态；所述初始化推荐路径根据实际路线长度、道路通行难易程度及用户在各交通工具下的平均用时计算巡防时长。

3.根据权利要求1所述的一种巡防路径推荐方法，其特征在于，所述拟合纠错处理中，通过对比用户本次巡防与历史巡防数据的差异，通过大数据流平台计算用户的执行效率作为评分依据之一。

4.根据权利要求1所述的一种巡防路径推荐方法，其特征在于，所述历史库的形成或更新包括以下步骤：

将所述纠错后的用户巡防路径与所述道路数据匹配，得出用户经过的每一段道路；

计算用户每一段道路的巡防时长和平均速度；

根据用户实际路径与所对应任务的推荐路径进行比对评分；

若所述用户实际路径中使用时间或距离比推进路径更有效率，则增加评分；

或者根据用户实际路径与所对应任务的推荐路径的重合度进行评分；

若所述用户实际路径中不重合路段的实际时长短于所对应任务中不重合路段的预计时长，则增加评分；

根据计算和评分结构形成或更新历史库。

5.根据权利要求1所述的一种巡防路径推荐方法，其特征在于，用户获取推荐路径的步骤如下：

获取用户所确定任务的起点、终点及中间的附属任务并判断是否在道路数据内；

若不在道路数据内，则执行拟合纠错处理添加临时道路；

根据任务的起点、终点及时间规划路线并生成结果。

6.根据权利要求5所述的一种巡防路径推荐方法，其特征在于，所述结果包括所有任务完成时间用时最短路径、距离最短路径及根据历史数据推荐带个人偏好的路线。

7.根据权利要求5所述的一种巡防路径推荐方法，其特征在于，用户获取推荐路径的步骤还包括：

获取对应任务的限定时间要求；

判断所述结果中的路线是否满足所限定时间要求；

若否，则选择满足时间要求的路线。

8.根据权利要求1所述的一种巡防路径推荐方法，其特征在于，巡防过程中，若出现临时任务，则从当前定位点重新计算推荐路径，具体评分步骤如下：

放弃当前已做过路线的评分，不计入统计；

计算所有巡防任务结束后的评分，若最终得分小于设定的阈值，则计入总分内。

9.一种巡防路径推荐装置，其特征在于，包括获取模块、拟合纠错模块、存储模块、评分模块及推荐模块；

所述获取模块用于获取存储模块中预设的巡防所需基础信息数据；

所述拟合纠错模块用于获取用户实时巡防路径，并与所述初始化推荐路径进行拟合纠错处理，并对纠错后的用户巡防路径和所述基础信息数据进行归集和整理形成或更新历史库；

所述评分模块用于计算用户此次巡防任务的评分；

所述存储模块用于存储数据；

所述推荐模块用于向用户推荐任务路径。

10.一种巡防路径推荐电子设备，其特征在于，包括处理器、存储器及无线通信模块；

所述存储器用于执行权利要求1-8任意一项所述的一种巡防路径推荐方法；所述存储器用于存储基础信息数据、任务指令及处理器可执行的机器可读指令；

所述无线通信模块用于获取定位数据、与云端交换数据。

Images