CN112966060A - 无人机投递场景下边缘节点的确定方法、系统及存储介质 - Google Patents
无人机投递场景下边缘节点的确定方法、系统及存储介质 Download PDFInfo
- Publication number
- CN112966060A CN112966060A CN202110236650.6A CN202110236650A CN112966060A CN 112966060 A CN112966060 A CN 112966060A CN 202110236650 A CN202110236650 A CN 202110236650A CN 112966060 A CN112966060 A CN 112966060A
- Authority
- CN
- China
- Prior art keywords
- coordinate
- initial
- candidate
- coordinates
- data set
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种无人机投递场景下边缘节点的确定方法、系统及存储介质,该方法包括:确定初始数据集,初始数据集包括多个备选位置坐标,备选位置坐标与无人机的历史投递数据相关;以及周期性进行的以下步骤:基于预设规则从初始数据集中提取多个备选位置坐标作形成初始热点坐标集;计算所有备选位置坐标的适应度;利用适应度超过预定值的备选位置坐标形成备选数据集;将备选数据集与初始热点坐标集合并;以多个初始热点坐标为基准,将合并数据集划分为多个子集;计算各子集的中心坐标,作为备选热点位置坐标;将最后一次计算获得的备选热点坐标作为边缘节点。应用本申请,既能对无人机进行很好地控制,又可避免资源浪费。
Description
技术领域
本发明涉及无人机投递技术领域,具体地,涉及一种无人机投递场景下边缘节点的确定方法、系统及存储介质。
背景技术
目前,无人机投递技术还不成熟,在飞行过程中为其分配边缘处理节点的方案通常是就近分配,需根据无人机飞行过程中的定位,寻找距离较近的边缘节点对无人机所需的计算进行处理。但是,如何更加合理地布局控制无人机的边缘节点的位置仍是当前未解决的问题之一。因为边缘节点布局过于稀疏则会造成控制资源不足,无法对无人机进行有效控制,而边缘节点布局太密则会造成资源的浪费。
有鉴于此,亟需提供一种无人机投递场景下边缘节点位置的确定方法,以解决上述技术问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一,提出了一种无人机投递场景下边缘节点的确定方法、系统及存储介质,其确定的边缘节点的位置既能对无人机进行很好地控制,又可避免资源浪费。
为实现本发明的目的,第一方面提供一种无人机投递场景下边缘节点的确定方法,所述方法包括:
确定初始数据集,所述初始数据集包括多个备选位置坐标,所述备选位置坐标与所述无人机的历史投递数据组中的坐标相关,每个历史投递数据组中的坐标都包括历史出发坐标和历史目的坐标;
以及周期性进行的以下步骤:
基于预设规则从所述初始数据集中提取多个备选位置坐标作为初始热点位置坐标,并利用多个所述初始热点位置坐标形成初始热点坐标集;
计算所有备选位置坐标的适应度;
利用适应度超过预定值的备选位置坐标形成备选数据集;
将所述备选数据集与所述初始热点坐标集合并,获得合并数据集;
以多个所述初始热点坐标为基准,将所述合并数据集划分为多个子集;
计算各个子集的中心坐标,作为备选热点位置坐标;
其中,当两个周期计算中计算获得的备选热点坐标相同时结束计算,并将最后一次计算获得的备选热点坐标作为所述边缘节点。
可选地,所述基于预设规则从所述初始数据集中提取多个备选位置坐标作为初始热点位置坐标,包括:
从所述初始数据集中随机选择K个备选位置坐标作为所述初始热点位置坐标。
可选地,所述计算所有备选位置坐标的适应度,包括:
根据以下公式(1)计算各个初始热点位置坐标的类内距:
其中,Ei为第i个备选坐标xi的类内距,xi为第i个备选坐标的矢量坐标数据,cj为第j个初始热点坐标的矢量坐标数据;
根据以下公式(2)计算各个初始热点位置坐标的类间距:
Di=maxi∈k,j∈k||ci-cj||2 (2)
其中,Di为第i个初始热点位置坐标ci的类间距,cj为第j个初始热点坐标的矢量坐标数据;
根据以下公式(3)计算各个备选位置坐标的适应度:
其中,Si为第i个备选位置坐标的适应度,Ei为所述第i个备选坐标xi的类内距,Di为所述第i个初始热点位置坐标ci的类间距,K为所述聚类数,fi为第i个备选位置坐标出现的频率。
可选地,所述预定值大于或等于所述初始数据集中所有备选位置坐标的适应度的平均值。
可选地,每个历史投递数据组对应的备选位置坐标为该历史投递数据组中历史出发坐标和历史目的坐标的连线的中点的位置坐标。
为实现本发明的目的,第二方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的方法。
为实现本发明的目的,第三方面提供一种无人机投递场景下边缘节点的确定系统,所述系统包括初始数据处理模块、初始热点位置确定模块及备选热点位置确定模块,其中:
所述初始数据处理模块用于,确定初始数据集,所述初始数据集包括多个备选位置坐标,所述备选位置坐标与所述无人机的历史投递数据组中的坐标相关,每个历史投递数据组中的坐标都包括历史出发坐标和历史目的坐标;
所述初始热点位置确定模块用于,基于预设规则从所述初始数据集中提取多个备选位置坐标作为初始热点位置坐标,并利用多个所述初始热点位置坐标形成初始热点坐标集;
所述备选热点位置确定模块用于,
计算所有备选位置坐标的适应度;
利用适应度超过预定值的备选位置坐标形成备选数据集;
将所述备选数据集与所述初始热点坐标集合并,获得合并数据集;
以多个所述初始热点坐标为基准,将所述合并数据集划分为多个子集;
计算各个子集的中心坐标,作为备选热点位置坐标。
可选地,所述初始数据处理模块,还用于:
从所述初始数据集中随机选择K个备选位置坐标作为所述初始热点位置坐标。
可选地,所述备选热点位置确定模块,还用于:
根据以下公式(1)计算各个初始热点位置坐标的类内距:
其中,Ei为第i个备选坐标xi的类内距,xi为第i个备选坐标的矢量坐标数据,cj为第j个初始热点坐标的矢量坐标数据;
根据以下公式(2)计算各个初始热点位置坐标的类间距:
Di=maxi∈k,j∈k||ci-cj||2 (2)
其中,Di为第i个初始热点位置坐标ci的类间距,cj为第j个初始热点坐标的矢量坐标数据;
根据以下公式(3)计算各个备选位置坐标的适应度:
其中,Si为第i个备选位置坐标的适应度,Ei为所述第i个备选坐标xi的类内距,Di为所述第i个初始热点位置坐标ci的类间距,K为所述聚类数,fi为第i个备选位置坐标出现的频率。
可选地,所述预定值大于或等于所述初始数据集中所有备选位置坐标的适应度的平均值。
可选地,每个历史投递数据组对应的备选位置坐标为该历史投递数据组中历史出发坐标和历史目的坐标的连线的中点的位置坐标。
本发明具有以下有益效果:
本发明提供的无人机投递场景下边缘节点的确定方法及系统,根据无人机的历史投递数据组确定包括多个备选位置坐标的边缘节点的初始数据集,先基于预设规则确定初始热点坐标集,再通过对初始数据集中坐标数据的适应度计算,确定备选数据集,然后通过中心位置的计算从初始热点坐标集和备选数据集中确定备选热点位置坐标,并最终通过循环进行适应度及中心位置的计算确定边缘节点的位置坐标,从而通过数据分析的手段根据历史订单中投送初始位置和目地位置进行分析处理,实现了对边缘节点位置的合理布局,使得在确定的边缘节点的位置既能对无人机进行很好地控制,又可避免资源浪费,可防止边缘节点部署过密或过疏的情况发生。
附图说明
图1为本发明实施例提供的无人机投递场景下边缘节点的确定系统的框图示意图;
图2为本发明实施例提供的无人机投递场景下边缘节点的确定方法的流程示意图。
具体实施方式
下面详细描述本申请,本申请的实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的部件或具有相同或类似功能的部件。此外,如果已知技术的详细描述对于示出的本申请的特征是不必要的,则将其省略。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本申请的限制。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”和“该”也可包括复数形式。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
下面结合附图以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。
本实施例提供一种无人机投递场景下边缘节点的确定方法,可应用于如图1所示的无人机投递场景下边缘节点的确定系统,该边缘节点可以理解为用于控制无人机的服务器放置地点,该确定系统可包括初始数据处理模块、初始热点位置确定模块及备选热点位置确定模块,其中初始数据处理模块和初始热点位置确定模块均可以是一具有数据采集、数据提取等功能的处理器,备选热点位置确定模块可以为以具有数据分析、计算、查询、选取等功能的处理器,且该三者可集成在一个处理器或服务器也可以分布于多个处理器或服务器,即该确定系统可以是一台具有上述数据处理功能的服务器,也可以是由多个服务器组成的服务器系统,本实施例对此不做具体限定。
如图2所示,本实施例提供的无人机投递场景下边缘节点的确定方法可以包括以下步骤:
步骤S1,确定初始数据集,初始数据集包括多个备选位置坐标,备选位置坐标与无人机的历史投递数据组中的坐标相关,每个历史投递数据组中的坐标都包括历史出发坐标和历史目的坐标。
可以理解的是,本实施例中的坐标均指的是地面的平面坐标,而非是空间坐标。历史投递数据组可包括无人机历史投递过程中的历史出发坐标、历史目的坐标及在每个历史目的坐标位置出现的频率等。例如,无人机从A城市a1区域的某集散点,发往B城市的b1区域、b2区域…bn区域的多个集散点(一个区域可包括至少一个集散点),则历史投递数据组中的历史出发坐标为该A城市a1区域的某集散点的平面坐标,历史目的坐标为该B城市的b1区域、b2区域…bn区域的多个集散点的平面坐标,每个历史目的坐标位置出现的频率即为无人机在B城市的某个集散点投递的频率。上述备选位置坐标与无人机的历史投递数据组中的坐标相关,可以理解为,备选位置坐标均与无人机的历史投递数据组具有对应关系(具体对应关系如下)。
优选地,上述备选位置坐标均与无人机的历史投递数据组具有对应关系可以为:每个历史投递数据组对应的备选位置坐标为该历史投递数据组中历史出发坐标和历史目的坐标的连线的中点的位置坐标。如此,将控制无人机的边缘节点设置在历史出发坐标和历史目的坐标的连线的中点,其距离无人机的出发位置和目的位置相当,可以对无人机的整个航行过程进行有效控制,以免在两端位置时,由于传输距离和传输时效造成对另一端的控制时间延迟甚至失效等。
需要说明的是,上述边缘节点的备选位置坐标的设置只是本实施例一种实施方式,本实施例并不以此为限,备选位置坐标可以为历史出发坐标和历史目的坐标之间的任意位置。例如,边缘节点也可以设置在历史出发坐标和历史目的坐标的连线的四分之一、三分之一、五分之三、三分之二等位置,也可以为在历史出发坐标和历史目的坐标的连线附近的位置。
在步骤S1之后,可以周期性进行以下步骤S2至步骤S7,以进一步从上述初始数据集的备选位置坐标中确定边缘节点的具体位置。其中,周期性进行可以理解为既包括每进行一次步骤S2至步骤S7后,间隔一定时间再进行步骤S2至步骤S7,还可以包括进行一次步骤S2至步骤S7后,直接再重复进行步骤S2至步骤S7,即本实施例对相邻两个周期的具体间隔时间不作具体限定。
步骤S2,基于预设规则从初始数据集中提取多个备选位置坐标作为初始热点位置坐标,并利用多个初始热点位置坐标形成初始热点坐标集。
在本实施例一具体实施方式中,上述基于预设规则从初始数据集中提取多个备选位置坐标作为初始热点位置坐标,可以包括以下处理步骤:确定聚类数,聚类数为整数K,n为初始数据集中备选位置坐标的个数;从初始数据集中随机选择K个备选位置坐标作为初始热点位置坐标。
其中,聚类数可以预设在运行程序中,确定聚类数可以为确定预设的聚类数。当然也可以根据预设的计算规则进行计算确定,本实施例对此不做具体限定。
在本实施例中,通过对边缘节点的对位置数据进行聚类,将初始数据集中的多个备选位置坐标按照距离划分为多个类(距离相近的划在一个类里),可以避免将多个边缘节点集中设置相近的位置,或者某相邻两个边缘节点之间的距离太近等,以便于将边缘节点进行合理、适度的分散。优选地,可以从聚类为K类的初始数据集中每个类中各随机选取一个备选位置坐标,即共选取K个备选位置坐标作为初始热点位置坐标。其中,K的值对应边缘节点的最终数量,K的取值可不限于小于等于具体可根据实际需要进行具体设定。比如,若边缘节点的布局相对较密,则可设置K的值大于若边缘节点的布局相对较疏,则可设置K的值小于
步骤S3,计算所有备选位置坐标的适应度。
适应度,通常指的是个体在种群生存中的优势程度的度量,用于区分个体的“好与坏”,在这里可以为具体的备选位置坐标,可用于表征聚类效果的“好与坏”,而聚类效果的“好与坏”可以通过紧凑度和分离度两个指标来评价。其中,紧凑度用于表征聚类的类内距,紧凑度的值越小(大)表示两个样本(坐标)之间的距离越近(远);分离度用于表征聚类的类间距,分离度的值越小(大)表示两类样本(两个聚类的坐标)之间的距离越近(远)。
具体地,根据上述适应度的理解,步骤S3可以包括以下处理步骤:
根据以下公式(1)计算各个初始热点位置坐标的类内距:
其中,Ei为第i个备选坐标xi的类内距,xi为第i个备选坐标的矢量坐标数据,cj为第j个初始热点坐标的矢量坐标数据。
根据以下公式(2)计算各个初始热点位置坐标的类间距:
Di=maxi∈k,j∈k||ci-cj||2 (2)
其中,Di为第i个初始热点位置坐标ci的类间距,cj为第j个初始热点坐标的矢量坐标数据。
根据以下公式(3)计算各个备选位置坐标的适应度:
其中,Si为第i个备选位置坐标的适应度,Ei为第i个备选坐标xi的类内距,Di为第i个初始热点位置坐标ci的类间距,K为聚类数,fi为第i个备选位置坐标出现的频率。
由上述适应度的计算公式可知,该适应度与与类内距成反比,与类间距成正比,可以通过对边缘节点的坐标进行不断的适应度计算和位置的调整,以将初始数据集中的备选位置坐标按适当位置排序,并从中选取彼此间距较适中的位置进行边缘节点的合理部署,可防止边缘节点部署过密或过疏的情况发生。
步骤S4,利用适应度超过预定值的备选位置坐标形成备选数据集。
优选地,该预定值可以大于或等于初始数据集中所有备选位置坐标的适应度的平均值,以便于从较为合理的备选位置坐标中选取坐标数据作为边缘节点的位置。需要说明的是,本实施例可不限于该预定值仅大于或等于初始数据集中所有备选位置坐标的适应度的平均值,本领域技术人员可以根据边缘节点预设置的稀疏程度进行具体设置(若边缘节点设置较密,则该预定值可较小),例如,其也可以小于初始数据集中所有备选位置坐标的适应度的平均值。
步骤S5,将备选数据集与初始热点坐标集合并,获得合并数据集。
由于在步骤S2中,初始热点坐标集为随机选取的K个备选位置坐标,直接将其设为边缘节点的位置坐标通常布局不够理想,为进一步使得边缘节点的布局更加合理,可以将步骤S4中的备选数据集中的位置坐标与初始热点坐标集中的位置坐标均作为边缘节点的备选位置坐标,并从中选取适当的位置进行边缘节点的合理布局。
步骤S6,以多个初始热点坐标为基准,将合并数据集划分为多个子集。
步骤S7,计算各个子集的中心坐标,作为备选热点位置坐标。
具体地,可以初始热点坐标集为基准,针对备选数据集中的每个样本(坐标数据),分别计算其到初始热点坐标集中的K个初始热点位置坐标的距离,并将其分配到与之距离最小的初始热点位置坐标所对应的类中,即将合并数据集划分为K个子集。然后,对每个类别Ci,计算其中心位置的坐标,并将该中心位置坐标作为新热点位置。中心位置坐标可以通过所有位置坐标的平均值进行计算,即所有位置坐标的x轴的平均值为中心位置坐标的x轴坐标,所有位置坐标的y轴的平均值为中心位置坐标的y轴坐标,具体计算公式(4)为:
其中,Ci为第i个类别的中心坐标,|Ci|为第i个类别的总数量,Ci1、Ci2...Cin为第i个类别中的位置坐标。
其中,当两个周期计算中计算获得的备选热点坐标相同时结束计算,并将最后一次计算获得的备选热点坐标作为边缘节点。
在循环执行步骤S2-步骤S7的过程中,若前后两次循环中,计算获得的备选热点坐标均相同,则将最后一次计算获得的备选热点坐标确定为边缘节点的位置坐标,即该无人机投递场景下边缘节点的确定方法执行完毕。
本实施例提供的无人机投递场景下边缘节点的确定方法,根据无人机的历史投递数据组确定包括多个备选位置坐标的边缘节点的初始数据集,先基于预设规则确定初始热点坐标集,再通过对初始数据集中坐标数据的适应度计算,确定备选数据集,然后通过中心位置的计算从初始热点坐标集和备选数据集中确定备选热点位置坐标,并最终通过循环进行适应度及中心位置的计算确定边缘节点的位置坐标,从而通过数据分析的手段根据历史订单中投送初始位置和目地位置进行分析处理,实现了边缘节点位置的合理布局,使得在确定的边缘节点的位置既能对无人机进行很好地控制,又可避免资源浪费,可防止边缘节点部署过密或过疏的情况发生。
基于上述无人机投递场景下边缘节点的确定方法相同的构思,本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一实施方式的无人机投递场景下边缘节点的确定方法。
基于上述无人机投递场景下边缘节点的确定方法相同的构思,本实施例还提供一种无人机投递场景下边缘节点的确定系统,该系统可包括初始数据处理模块、初始热点位置确定模块及备选热点位置确定模块,其中:
初始数据处理模块用于,确定初始数据集,初始数据集包括多个备选位置坐标,备选位置坐标与无人机的历史投递数据组中的坐标相关,每个历史投递数据组中的坐标都包括历史出发坐标和历史目的坐标;
初始热点位置确定模块用于,基于预设规则从初始数据集中提取多个备选位置坐标作为初始热点位置坐标,并利用多个初始热点位置坐标形成初始热点坐标集;
备选热点位置确定模块用于,
计算所有备选位置坐标的适应度;
利用适应度超过预定值的备选位置坐标形成备选数据集;
将备选数据集与初始热点坐标集合并,获得合并数据集;
以多个初始热点坐标为基准,将合并数据集划分为多个子集;
计算各个子集的中心坐标,作为备选热点位置坐标。
本实施例提供的无人机投递场景下边缘节点的确定方法,根据无人机的历史投递数据组确定包括多个备选位置坐标的边缘节点的初始数据集,先基于预设规则确定初始热点坐标集,再通过对初始数据集中坐标数据的适应度计算,确定备选数据集,然后通过中心位置的计算从初始热点坐标集和备选数据集中确定备选热点位置坐标,并最终通过循环进行适应度及中心位置的计算确定边缘节点的位置坐标,从而通过数据分析的手段根据历史订单中投送初始位置和目地位置进行分析处理,实现了边缘节点位置的合理布局,使得在确定的边缘节点的位置既能对无人机进行很好地控制,又可避免资源浪费,可防止边缘节点部署过密或过疏的情况发生。
于本实施例一具体实施方式,初始数据处理模块,还用于:
从初始数据集中随机选择K个备选位置坐标作为初始热点位置坐标。
于本实施例另一具体实施方式,备选热点位置确定模块,还用于:
根据以下公式(1)计算各个初始热点位置坐标的类内距:
其中,Ei为第i个备选坐标xi的类内距,xi为第i个备选坐标的矢量坐标数据,cj为第j个初始热点坐标的矢量坐标数据;
根据以下公式(2)计算各个初始热点位置坐标的类间距:
Di=maxi∈k,j∈k||ci-cj||2 (2)
其中,Di为第i个初始热点位置坐标ci的类间距,cj为第j个初始热点坐标的矢量坐标数据;
根据以下公式(3)计算各个备选位置坐标的适应度:
其中,Si为第i个备选位置坐标的适应度,Ei为第i个备选坐标xi的类内距,Di为第i个初始热点位置坐标ci的类间距,K为聚类数,fi为第i个备选位置坐标出现的频率。
于本实施例另一具体实施方式,预定值大于或等于初始数据集中所有备选位置坐标的适应度的平均值。
于本实施例另一具体实施方式,每个历史投递数据组对应的备选位置坐标为该历史投递数据组中历史出发坐标和历史目的坐标的连线的中点的位置坐标。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
在本申请的描述中,需要理解的是,术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中,具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (11)
1.一种无人机投递场景下边缘节点的确定方法,其特征在于,所述方法包括:
确定初始数据集,所述初始数据集包括多个备选位置坐标,所述备选位置坐标与所述无人机的历史投递数据组中的坐标相关,每个历史投递数据组中的坐标都包括历史出发坐标和历史目的坐标;
以及周期性进行的以下步骤:
基于预设规则从所述初始数据集中提取多个备选位置坐标作为初始热点位置坐标,并利用多个所述初始热点位置坐标形成初始热点坐标集;
计算所有备选位置坐标的适应度;
利用适应度超过预定值的备选位置坐标形成备选数据集;
将所述备选数据集与所述初始热点坐标集合并,获得合并数据集;
以多个所述初始热点坐标为基准,将所述合并数据集划分为多个子集;
计算各个子集的中心坐标,作为备选热点位置坐标;
其中,当两个周期计算中计算获得的备选热点坐标相同时结束计算,并将最后一次计算获得的备选热点坐标作为所述边缘节点。
3.根据权利要求2所述的确定方法,其特征在于,所述计算所有备选位置坐标的适应度,包括:
根据以下公式(1)计算各个初始热点位置坐标的类内距:
其中,Ei为第i个备选坐标xi的类内距,xi为第i个备选坐标的矢量坐标数据,cj为第j个初始热点坐标的矢量坐标数据;
根据以下公式(2)计算各个初始热点位置坐标的类间距:
Di=maxi∈k,j∈k||ci-cj||2 (2)
其中,Di为第i个初始热点位置坐标ci的类间距,cj为第j个初始热点坐标的矢量坐标数据;
根据以下公式(3)计算各个备选位置坐标的适应度:
其中,Si为第i个备选位置坐标的适应度,Ei为所述第i个备选坐标xi的类内距,Di为所述第i个初始热点位置坐标ci的类间距,K为所述聚类数,fi为第i个备选位置坐标出现的频率。
4.根据权利要求3所述的确定方法,其特征在于,所述预定值大于或等于所述初始数据集中所有备选位置坐标的适应度的平均值。
5.根据权利要求1至4中任一项所述的确定方法,其特征在于,每个历史投递数据组对应的备选位置坐标为该历史投递数据组中历史出发坐标和历史目的坐标的连线的中点的位置坐标。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一项所述的方法。
7.一种无人机投递场景下边缘节点的确定系统,其特征在于,所述系统包括初始数据处理模块、初始热点位置确定模块及备选热点位置确定模块,其中:
所述初始数据处理模块用于,确定初始数据集,所述初始数据集包括多个备选位置坐标,所述备选位置坐标与所述无人机的历史投递数据组中的坐标相关,每个历史投递数据组中的坐标都包括历史出发坐标和历史目的坐标;
所述初始热点位置确定模块用于,基于预设规则从所述初始数据集中提取多个备选位置坐标作为初始热点位置坐标,并利用多个所述初始热点位置坐标形成初始热点坐标集;
所述备选热点位置确定模块用于,
计算所有备选位置坐标的适应度;
利用适应度超过预定值的备选位置坐标形成备选数据集;
将所述备选数据集与所述初始热点坐标集合并,获得合并数据集;
以多个所述初始热点坐标为基准,将所述合并数据集划分为多个子集;
计算各个子集的中心坐标,作为备选热点位置坐标。
9.根据权利要求8所述的确定系统,其特征在于,所述备选热点位置确定模块,还用于:
根据以下公式(1)计算各个初始热点位置坐标的类内距:
其中,Ei为第i个备选坐标xi的类内距,xi为第i个备选坐标的矢量坐标数据,cj为第j个初始热点坐标的矢量坐标数据;
根据以下公式(2)计算各个初始热点位置坐标的类间距:
Di=maxi∈k,j∈k||ci-cj||2 (2)
其中,Di为第i个初始热点位置坐标ci的类间距,cj为第j个初始热点坐标的矢量坐标数据;
根据以下公式(3)计算各个备选位置坐标的适应度:
其中,Si为第i个备选位置坐标的适应度,Ei为所述第i个备选坐标xi的类内距,Di为所述第i个初始热点位置坐标ci的类间距,K为所述聚类数,fi为第i个备选位置坐标出现的频率。
10.根据权利要求7所述的确定系统,其特征在于,所述预定值大于或等于所述初始数据集中所有备选位置坐标的适应度的平均值。
11.根据权利要求7至10中任一项所述的确定系统,其特征在于,每个历史投递数据组对应的备选位置坐标为该历史投递数据组中历史出发坐标和历史目的坐标的连线的中点的位置坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110236650.6A CN112966060B (zh) | 2021-03-03 | 2021-03-03 | 无人机投递场景下边缘节点的确定方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110236650.6A CN112966060B (zh) | 2021-03-03 | 2021-03-03 | 无人机投递场景下边缘节点的确定方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112966060A true CN112966060A (zh) | 2021-06-15 |
CN112966060B CN112966060B (zh) | 2023-01-17 |
Family
ID=76276948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110236650.6A Active CN112966060B (zh) | 2021-03-03 | 2021-03-03 | 无人机投递场景下边缘节点的确定方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112966060B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109275094A (zh) * | 2018-11-02 | 2019-01-25 | 北京邮电大学 | 一种高能效无人机覆盖点连续覆盖方法和装置 |
CN109408562A (zh) * | 2018-11-07 | 2019-03-01 | 广东工业大学 | 一种基于客户特征的分组推荐方法及其装置 |
CN110084325A (zh) * | 2019-05-13 | 2019-08-02 | 电子科技大学成都学院 | 基于区域选取初始聚类中心的K-Means改进算法 |
-
2021
- 2021-03-03 CN CN202110236650.6A patent/CN112966060B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109275094A (zh) * | 2018-11-02 | 2019-01-25 | 北京邮电大学 | 一种高能效无人机覆盖点连续覆盖方法和装置 |
CN109408562A (zh) * | 2018-11-07 | 2019-03-01 | 广东工业大学 | 一种基于客户特征的分组推荐方法及其装置 |
CN110084325A (zh) * | 2019-05-13 | 2019-08-02 | 电子科技大学成都学院 | 基于区域选取初始聚类中心的K-Means改进算法 |
Also Published As
Publication number | Publication date |
---|---|
CN112966060B (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018148931A1 (zh) | 地图绘制方法、其云端平台及服务器 | |
CN104936186B (zh) | 基于布谷鸟搜索算法的认知无线电网络频谱分配方法 | |
CN105022717B (zh) | 附加请求数优先级的片上网络资源仲裁方法及仲裁单元 | |
CN107070645B (zh) | 比较数据表的数据的方法和系统 | |
CN110362380A (zh) | 一种面向网络靶场的多目标优化虚拟机部署方法 | |
CN106503196A (zh) | 云环境下可扩展存储索引结构的构建和查询方法 | |
CN113485409B (zh) | 一种面向地理公平性的无人机路径规划分配方法及系统 | |
CN110503113A (zh) | 一种基于低秩矩阵恢复的图像显著性目标检测方法 | |
CN115049076A (zh) | 基于原型网络的迭代聚类式联邦学习方法 | |
CN112907985A (zh) | 交通控制区域的划分方法及装置 | |
CN112966060B (zh) | 无人机投递场景下边缘节点的确定方法、系统及存储介质 | |
CN109919989B (zh) | 一种雷达电力巡检的点云数据配准方法、装置及设备 | |
CN107133332A (zh) | 一种查询任务的分配方法及装置 | |
CN110135451A (zh) | 一种基于点到线段集距离的航迹聚类方法 | |
CN104899232B (zh) | 协同聚类的方法和设备 | |
CN113190038A (zh) | 一种无人机集群空中区域侦察任务的分配方法 | |
CN108182243A (zh) | 一种基于Spark的分布式进化算法岛模型并行化方法 | |
CN108804520A (zh) | 一种访客行为分类方法及系统 | |
CN107506572A (zh) | 获取目标点的高度的方法和装置 | |
CN113110595B (zh) | 面向目标核查印证的异构无人机群协同方法 | |
CN111709478B (zh) | 一种基于锚图的模糊聚类方法及装置 | |
CN104699747B (zh) | 一种基于高维数据过滤器的近似成员查询方法 | |
CN110427956A (zh) | 一种基于谱聚类算法的LiDAR点云数据单木提取方法 | |
CN114885379A (zh) | 一种大规模无人机集群自适应分簇组网方法 | |
CN114020028A (zh) | 基于多无人机任务调配方法 |
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 |