CN113987727A - 一种基于大数据的斜坡环境下的电缆敷设规划系统及方法 - Google Patents
一种基于大数据的斜坡环境下的电缆敷设规划系统及方法 Download PDFInfo
- Publication number
- CN113987727A CN113987727A CN202111408258.1A CN202111408258A CN113987727A CN 113987727 A CN113987727 A CN 113987727A CN 202111408258 A CN202111408258 A CN 202111408258A CN 113987727 A CN113987727 A CN 113987727A
- Authority
- CN
- China
- Prior art keywords
- data
- cable laying
- path
- constructing
- cable
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000000556 factor analysis Methods 0.000 claims abstract description 15
- 239000000126 substance Substances 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 24
- 241000270295 Serpentes Species 0.000 claims description 18
- 238000013016 damping Methods 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 14
- 238000009499 grossing Methods 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000012886 linear function Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/16—Cables, cable trees or wire harnesses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Geometry (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Computer Networks & Wireless Communication (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的斜坡环境下的电缆敷设规划系统及方法,属于电缆敷设规划技术领域。该系统包括:遥感信息采集模块、三维模型搭建模块、电缆敷设路径分析模块、综合因素预测模块、最佳路径规划模块;所述遥感信息采集模块的输出端与所述三维模型搭建模块的输入端相连接;所述三维模型搭建模块的输出端与所述电缆敷设路径分析模块的输入端相连接;所述电缆敷设路径分析模块的输出端与所述综合因素分析模块的输入端相连接;所述综合因素分析模块的输出端与所述最佳路径规划模块的输入端相连接。本发明同时提供一种电缆敷设规划方法,能够在综合各种因素的考虑下,保证在计划敷设电缆时获取得到最低成本的路径。
Description
技术领域
本发明涉及电缆敷设规划技术领域,具体为一种基于大数据的斜坡环境下的电缆敷设规划系统及方法。
背景技术
一般电缆敷设是指电缆从配电箱出来以后到达用电设备或另一个配电箱的走线方式。比如是沿地沿墙沿顶板暗敷、明敷,走桥架、走电缆沟、走线槽等都是常用的电缆敷设方式,视不同的环境、条件、性质选择合适的电缆敷设方式,然而在斜坡环境下,由于地理位置的原因,敷设会增加一定的难度。
在目前的技术手段中,一般敷设时均是按照计划图纸进行敷设,在遇到斜坡环境,一般采用蛇形方式进行敷设,采用蛇形方式就会出现弯角,在弯角处就会产生与原计划敷设出现的误差,通常会导致敷设的实际电缆长度要比计划长度偏高,对于这一方面的误差目前尚没有有效技术能够对其进行调节或避免;同时在电缆敷设过后,很容易由于经济发展、商业变迁等因素对一区域进行开发,导致敷设的电缆需要再次拆除或修改,使用年限的降低会对电缆敷设的成本造成巨大的影响,而目前并没有数字化的技术对其进行精确分析。
发明内容
本发明的目的在于提供一种基于大数据的斜坡环境下的电缆敷设规划系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:
一种基于大数据的斜坡环境下的电缆敷设规划系统,该系统包括:遥感信息采集模块、三维模型搭建模块、电缆敷设路径分析模块、综合因素预测模块、最佳路径规划模块;
所述遥感信息采集模块用于采集电缆敷设区域内的地形、建筑、交通信息数据;所述三维模型搭建模块用于根据遥感信息数据构建三维模型,对电缆的敷设建立三维场景;所述电缆敷设路径分析模块用于采集电缆敷设区域内的地形因素信息,构建出电缆敷设路径集;所述综合因素预测模块用于获取电缆敷设的成本因素,分别构建第一预测模型与第二预测模型对电缆敷设区域内的成本误差进行预测;所述最佳路径规划模块用于根据综合因素预测模型的预测结果构建成本函数,选取出电缆敷设最佳规划路径;
所述遥感信息采集模块的输出端与所述三维模型搭建模块的输入端相连接;所述三维模型搭建模块的输出端与所述电缆敷设路径分析模块的输入端相连接;所述电缆敷设路径分析模块的输出端与所述综合因素分析模块的输入端相连接;所述综合因素分析模块的输出端与所述最佳路径规划模块的输入端相连接。
根据上述技术方案,所述电缆敷设路径分析模块包括区域地形采集单元、敷设路径构建单元;
所述区域地形采集单元用于采集电缆敷设区域内的地形因素信息数据;所述敷设路径构建单元用于构建出电缆的敷设路径,并将所有的电缆敷设路径存储得出电缆敷设路径集;
所述区域地形采集单元的输出端与所述敷设路径构建单元的输入端相连接;所述敷设路径构建单元的输出端与所述综合因素分析模块的输入端相连接。
根据上述技术方案,所述综合因素预测模块包括第一预测单元、第二预测单元;
所述第一预测单元用于获取电缆敷设路径经历的山体斜坡环境角度,建立第一预测模型,计算敷设电缆的蛇形弯角数量,根据大数据预测敷设误差量;所述第二预测单元用于获取区域A内的交通数据、居民生活数据、社会数据,构建第二预测模型,预测区域A是否被开发;
所述第一预测单元的输出端与所述最佳路径规划模块的输入端相连接;所述第二预测单元的输出端与所述最佳路径规划模块的输入端相连接。
根据上述技术方案,所述最佳路径规划模块包括成本函数建立单元、输出单元;
所述成本函数建立单元用于根据综合因素预测模块的预测结果建立成本函数,对电缆敷设区域内的每一条电缆敷设路径的成本进行核算;所述输出单元用于选取成本最低的电缆敷设路径作为电缆敷设最佳规划路径进行输出;
所述成本函数建立单元的输出端与所述输出单元的输入端相连接。
一种基于大数据的斜坡环境下的电缆敷设规划方法,该方法包括以下步骤:
S1、获取电缆敷设的起点与终点,以起点与终点连线为直径构建圆形区域A,并利用遥感获取区域A内的数据信息;
S2、构建区域A的三维模型,对区域A内的地形因素进行分析,所述地形因素包括山体斜坡环境、河流、公路、居民区;
S3、在三维模型中构建电缆敷设路径集,获取各路径上的成本因素,所述成本因素包括路径经历的山体斜坡环境角度、河流宽度与深度、区域A是否被开发;
S4、获取电缆敷设路径经历的山体斜坡环境角度,计算敷设电缆的蛇形弯角数量,根据大数据构建第一预测模型,预测敷设误差量;
S5、获取区域A内的交通数据、居民生活数据、社会数据,构建第二预测模型,预测区域A是否被开发;
S6、基于步骤S3-S5,构建成本函数,在电缆敷设路径集中选取成本最低的路径作为电缆敷设最佳规划路径。
根据上述技术方案,在步骤S1-S2中,所述区域A内的数据信息包括区域A中的所有地形、建筑、交通,均可利用遥感技术进行采集;所述对地形因素进行分析包括对山体斜坡环境与河流的数量统计、公路的宽度与长度的统计、居民区的分布面积统计。
根据上述技术方案,在步骤S4中,所述第一预测模型的构建包括:
构建历史数据训练集,所述历史数据训练集中包括在不同山体斜坡环境角度下的不同的蛇形弯角的电缆长度误差平均值,根据历史数据训练集构建阻尼趋势模型,判断不同山体斜坡环境角度对于蛇形弯角的电缆长度误差平均值的影响趋势:
其中,为水平平滑方程解,即山体斜坡环境角度的预估水平;为趋势平滑方程解,即山体斜坡环境角度的预测趋势;为当前期山体斜坡环境角度;为预测期数;为当前期的前一期的山体斜坡环境角度,即1代表期数,不代表角度;为山体斜坡环境角度实际误差平均值;为水平的平滑参数;为趋势的平滑参数;为山体斜坡环境角度在第h期的预测值;为阻尼参数,阻尼参数大于0且小于等于1;山体斜坡环境角度不超过45度;
构建不同山体斜坡环境角度下的蛇形弯角数量的线性函数:
构建期数函数:
构建第一预测模型:
在电缆敷设的过程中,经历到斜坡环境时,按照国家GB 50217—2016电力电缆敷设规范中的相关建议,应采用蛇形敷设方法,以避免坍塌时出现断裂的情况,而在采用蛇形敷设方法时,在蛇形弯角处,由于电脑计算与人工手段之间存在差异,所以蛇形敷设方式时常会出现大量误差,导致实际敷设电缆线路的长度要高于计划值,而不同角度会造成不同影响,例如在极端值0度时,即平整地面情况下,一般误差最小;而在极端值45度时,敷设难度大大增加,其所产生的误差也相应变大;以45度作为极值是因为在日常实际中一般超出30度左右,便开始采用特制电缆进行敷设,本发明根据平日实验考虑理想状态适当放宽。而引用阻尼趋势模型,主要是因为Holt的线性模型和指数模型对未来的预测值过高,基于本发明的角度范围小,宜应采用较短较精确的预测手段。
根据上述技术方案,在步骤S5中,所述交通数据包括交通流量、交通高峰时间及持续周期、交通路口数量;所述居民生活数据包括居民平均消费水平、居民平均经济水平、居民年龄区间分布、外来人口数量;所述社会数据包括房价因素、教育及医疗点数量、高企数量、商业化广场数量。
根据上述技术方案,在步骤S5中,所述第二预测模型的构建包括:
构建一个标准虚拟经济指标数据,记为M,所述标准虚拟经济指标数据表示当区域A内的经济水平到达标准虚拟经济指标数据M时,区域A被政府重新开发;
构建虚拟经济指标与交通数据、居民生活数据、社会数据的函数:
构建训练组,所述训练组中存在有P组被重新开发的区域的历史数据,利用因素分析法构建变动参数:
其中,代表任一区域从i变动到j的变动参数;为区域在j时的虚拟经济指标;为区域在i时的虚拟经济指标;为区域在j时的交通数据、居民生活数据、社会数据中的任一种的归一化数据类型;为区域在i时的交通数据、居民生活数据、社会数据中的任一种的归一化数据类型,与相对应的数据类型为同一种;i、j代表周期,
i、j代表的是两个周期,例如去年与今年,即i代表去年,j代表今年;即代表从去年到今年的变动参数,这里的变动参数指的时交通数据、居民生活数据、社会数据中的任一种,例如去年的学校数量只有10处,而今年有15处,说明本区域内的社会数据发生了变动,社会数据的变动必然会带动经济的发展,经济指标的变化程度与社会数据的变化之间存在一定的联系,这个联系就被变动参数所影响。
根据上述技术方案,在步骤S6中,获取所述电缆敷设最佳规划路径包括:
构建成本函数:
其中,D代表电缆敷设路径总成本;代表电缆成本;代表降效成本,即敷设电缆每使用一年可降低的成本;R为预计使用年限,即区域根据第二预测模型从计划敷设时到达标准虚拟经济指标数据M的年限;代表防护成本,即为敷设电缆做防水套装的成本;代表在路径上电缆经过的河流区域长度;
根据公式:
其中:
获取电缆敷设路径集中的所有路径的成本,选取其中最小的作为电缆敷设最佳规划路径。
这里的防护成本主要是考虑到敷设地带存在河流或水沟等潮湿区域,在这一区域敷设时需要对电缆做防护处理,可能由于某一路径从河流穿过可以大幅减小路程,但是需要做防护处理,那么就需要对防护处理的成本与绕路增加的电缆成本进行比较,综合分析,
与现有技术相比,本发明所达到的有益效果是:
本发明利用遥感信息采集模块采集电缆敷设区域内的地形、建筑、交通信息数据;利用三维模型搭建模块根据遥感信息数据构建三维模型,对电缆的敷设建立三维场景;在三维场景内,利用电缆敷设路径分析模块采集电缆敷设区域内的地形因素信息,构建出电缆敷设路径集,对所有的敷设路径进行分析,分别构建第一预测模型与第二预测模型,对斜坡环境下的电缆敷设误差进行预测,同时也对区域内的发展趋势进行预测,综合计算成本,并最终选取最小成本的路径作为电缆敷设最佳规划路径。本发明能够充分考虑到各种现实因素,综合分析,使得在成本预测方面达到精准的效果,并最终挑选出最佳路径进行敷设,能够符合国家的可持续发展战略,填补电缆敷设领域预测误差的空白。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于大数据的斜坡环境下的电缆敷设规划系统及方法的流程示意图;
图2是本发明一种基于大数据的斜坡环境下的电缆敷设规划方法的步骤示意图。
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。
请参阅图1-图2,本发明提供技术方案:
一种基于大数据的斜坡环境下的电缆敷设规划系统,该系统包括:遥感信息采集模块、三维模型搭建模块、电缆敷设路径分析模块、综合因素预测模块、最佳路径规划模块;
所述遥感信息采集模块用于采集电缆敷设区域内的地形、建筑、交通信息数据;所述三维模型搭建模块用于根据遥感信息数据构建三维模型,对电缆的敷设建立三维场景;所述电缆敷设路径分析模块用于采集电缆敷设区域内的地形因素信息,构建出电缆敷设路径集;所述综合因素预测模块用于获取电缆敷设的成本因素,分别构建第一预测模型与第二预测模型对电缆敷设区域内的成本误差进行预测;所述最佳路径规划模块用于根据综合因素预测模型的预测结果构建成本函数,选取出电缆敷设最佳规划路径;
所述遥感信息采集模块的输出端与所述三维模型搭建模块的输入端相连接;所述三维模型搭建模块的输出端与所述电缆敷设路径分析模块的输入端相连接;所述电缆敷设路径分析模块的输出端与所述综合因素分析模块的输入端相连接;所述综合因素分析模块的输出端与所述最佳路径规划模块的输入端相连接。
所述电缆敷设路径分析模块包括区域地形采集单元、敷设路径构建单元;
所述区域地形采集单元用于采集电缆敷设区域内的地形因素信息数据;所述敷设路径构建单元用于构建出电缆的敷设路径,并将所有的电缆敷设路径存储得出电缆敷设路径集;
所述区域地形采集单元的输出端与所述敷设路径构建单元的输入端相连接;所述敷设路径构建单元的输出端与所述综合因素分析模块的输入端相连接。
所述综合因素预测模块包括第一预测单元、第二预测单元;
所述第一预测单元用于获取电缆敷设路径经历的山体斜坡环境角度,建立第一预测模型,计算敷设电缆的蛇形弯角数量,根据大数据预测敷设误差量;所述第二预测单元用于获取区域A内的交通数据、居民生活数据、社会数据,构建第二预测模型,预测区域A是否被开发;
所述第一预测单元的输出端与所述最佳路径规划模块的输入端相连接;所述第二预测单元的输出端与所述最佳路径规划模块的输入端相连接。
所述最佳路径规划模块包括成本函数建立单元、输出单元;
所述成本函数建立单元用于根据综合因素预测模块的预测结果建立成本函数,对电缆敷设区域内的每一条电缆敷设路径的成本进行核算;所述输出单元用于选取成本最低的电缆敷设路径作为电缆敷设最佳规划路径进行输出;
所述成本函数建立单元的输出端与所述输出单元的输入端相连接。
一种基于大数据的斜坡环境下的电缆敷设规划方法,该方法包括以下步骤:
S1、获取电缆敷设的起点与终点,以起点与终点连线为直径构建圆形区域A,并利用遥感获取区域A内的数据信息;
S2、构建区域A的三维模型,对区域A内的地形因素进行分析,所述地形因素包括山体斜坡环境、河流、公路、居民区;
S3、在三维模型中构建电缆敷设路径集,获取各路径上的成本因素,所述成本因素包括路径经历的山体斜坡环境角度、河流宽度与深度、区域A是否被开发;
S4、获取电缆敷设路径经历的山体斜坡环境角度,计算敷设电缆的蛇形弯角数量,根据大数据构建第一预测模型,预测敷设误差量;
S5、获取区域A内的交通数据、居民生活数据、社会数据,构建第二预测模型,预测区域A是否被开发;
S6、基于步骤S3-S5,构建成本函数,在电缆敷设路径集中选取成本最低的路径作为电缆敷设最佳规划路径。
在步骤S1-S2中,所述区域A内的数据信息包括区域A中的所有地形、建筑、交通,均可利用遥感技术进行采集;所述对地形因素进行分析包括对山体斜坡环境与河流的数量统计、公路的宽度与长度的统计、居民区的分布面积统计。
在步骤S4中,所述第一预测模型的构建包括:
构建历史数据训练集,所述历史数据训练集中包括在不同山体斜坡环境角度下的不同的蛇形弯角的电缆长度误差平均值,根据历史数据训练集构建阻尼趋势模型,判断不同山体斜坡环境角度对于蛇形弯角的电缆长度误差平均值的影响趋势:
其中,为水平平滑方程解,即山体斜坡环境角度的预估水平;为趋势平滑方程解,即山体斜坡环境角度的预测趋势;为当前期山体斜坡环境角度;h为预测期数;为当前期的前一期的山体斜坡环境角度,即1代表期数,不代表角度;为山体斜坡环境角度实际误差平均值;为水平的平滑参数;为趋势的平滑参数;为山体斜坡环境角度在第h期的预测值;为阻尼参数,阻尼参数大于0且小于等于1;山体斜坡环境角度不超过45度;
构建不同山体斜坡环境角度下的蛇形弯角数量的线性函数:
构建期数函数:
构建第一预测模型:
在步骤S5中,所述交通数据包括交通流量、交通高峰时间及持续周期、交通路口数量;所述居民生活数据包括居民平均消费水平、居民平均经济水平、居民年龄区间分布、外来人口数量;所述社会数据包括房价因素、教育及医疗点数量、高企数量、商业化广场数量。
在步骤S5中,所述第二预测模型的构建包括:
构建一个标准虚拟经济指标数据,记为M,所述标准虚拟经济指标数据表示当区域A内的经济水平到达标准虚拟经济指标数据M时,区域A被政府重新开发;
构建虚拟经济指标与交通数据、居民生活数据、社会数据的函数:
构建训练组,所述训练组中存在有P组被重新开发的区域的历史数据,利用因素分析法构建变动参数:
其中,代表任一区域从i变动到j的变动参数;为区域在j时的虚拟经济指标;为区域在i时的虚拟经济指标;为区域在j时的交通数据、居民生活数据、社会数据中的任一种的归一化数据类型;为区域在i时的交通数据、居民生活数据、社会数据中的任一种的归一化数据类型,与相对应的数据类型为同一种;i、j代表周期,
在步骤S6中,获取所述电缆敷设最佳规划路径包括:
构建成本函数:
其中,D代表电缆敷设路径总成本;代表电缆成本;代表降效成本,即敷设电缆每使用一年可降低的成本;R为预计使用年限,即区域根据第二预测模型从计划敷设时到达标准虚拟经济指标数据M的年限;代表防护成本,即为敷设电缆做防水套装的成本;代表在路径上电缆经过的河流区域长度;
根据公式:
其中:
获取电缆敷设路径集中的所有路径的成本,选取其中最小的作为电缆敷设最佳路径。
在本实施例中:
设置有一区域A,需要对其进行电缆敷设,构建敷设的最佳路径如下:
构建第一预测模型进行预测区域A中的敷设路径存在山体斜坡环境的路径的电缆误差值;构建第二预测模型进行预测区域A是否被开发;
第一预测模型构建包括:
构建历史数据训练集,所述历史数据训练集中包括在不同山体斜坡环境角度下的不同的蛇形弯角的电缆长度误差平均值,根据历史数据训练集构建阻尼趋势模型,判断不同山体斜坡环境角度对于蛇形弯角的电缆长度误差平均值的影响趋势:
其中,为水平平滑方程解,即山体斜坡环境角度的预估水平;为趋势平滑方程解,即山体斜坡环境角度的预测趋势;为当前期山体斜坡环境角度;h为预测期数;为当前期的前一期的山体斜坡环境角度,即1代表期数,不代表角度;为山体斜坡环境角度实际误差平均值;为水平的平滑参数;为趋势的平滑参数;为山体斜坡环境角度在第h期的预测值;为阻尼参数,阻尼参数大于0且小于等于1;山体斜坡环境角度不超过45度;
构建不同山体斜坡环境角度下的蛇形弯角数量的线性函数:
构建期数函数:
构建第一预测模型:
第二预测模型的构建包括:
构建一个标准虚拟经济指标数据,记为M,所述标准虚拟经济指标数据表示当区域A内的经济水平到达标准虚拟经济指标数据M时,区域A被政府重新开发;
构建虚拟经济指标与交通数据、居民生活数据、社会数据的函数:
构建训练组,所述训练组中存在有P组被重新开发的区域的历史数据,利用因素分析法构建变动参数:
其中,代表任一区域从i变动到j的变动参数;为区域在j时的虚拟经济指标;为区域在i时的虚拟经济指标;为区域在j时的交通数据、居民生活数据、社会数据中的任一种的归一化数据类型;为区域在i时的交通数据、居民生活数据、社会数据中的任一种的归一化数据类型,与相对应的数据类型为同一种;i、j代表周期,
在本实施例中,选取第一年与第二年的数据作为计算:
根据公式:
构建成本函数:
其中,D代表电缆敷设路径总成本;代表电缆成本;代表降效成本,即敷设电缆每使用一年可降低的成本;R为预计使用年限,即区域根据第二预测模型从计划敷设时到达标准虚拟经济指标数据M的年限;代表防护成本,即为敷设电缆做防水套装的成本;代表在路径上电缆经过的河流区域长度;
根据公式:
其中:
获取电缆敷设路径集中的所有路径的成本,选取其中最小的作为电缆敷设最佳路径。
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。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的斜坡环境下的电缆敷设规划系统,其特征在于:该系统包括:遥感信息采集模块、三维模型搭建模块、电缆敷设路径分析模块、综合因素预测模块、最佳路径规划模块;
所述遥感信息采集模块用于采集电缆敷设区域内的地形、建筑、交通信息数据;所述三维模型搭建模块用于根据遥感信息数据构建三维模型,对电缆的敷设建立三维场景;所述电缆敷设路径分析模块用于采集电缆敷设区域内的地形因素信息,构建出电缆敷设路径集;所述综合因素预测模块用于获取电缆敷设的成本因素,分别构建第一预测模型与第二预测模型对电缆敷设区域内的成本误差进行预测;所述最佳路径规划模块用于根据综合因素预测模型的预测结果构建成本函数,选取出电缆敷设最佳规划路径;
所述遥感信息采集模块的输出端与所述三维模型搭建模块的输入端相连接;所述三维模型搭建模块的输出端与所述电缆敷设路径分析模块的输入端相连接;所述电缆敷设路径分析模块的输出端与所述综合因素分析模块的输入端相连接;所述综合因素分析模块的输出端与所述最佳路径规划模块的输入端相连接。
2.根据权利要求1所述的一种基于大数据的斜坡环境下的电缆敷设规划系统,其特征在于:所述电缆敷设路径分析模块包括区域地形采集单元、敷设路径构建单元;
所述区域地形采集单元用于采集电缆敷设区域内的地形因素信息数据;所述敷设路径构建单元用于构建出电缆的敷设路径,并将所有的电缆敷设路径存储得出电缆敷设路径集;
所述区域地形采集单元的输出端与所述敷设路径构建单元的输入端相连接;所述敷设路径构建单元的输出端与所述综合因素分析模块的输入端相连接。
3.根据权利要求1所述的一种基于大数据的斜坡环境下的电缆敷设规划系统,其特征在于:所述综合因素预测模块包括第一预测单元、第二预测单元;
所述第一预测单元用于获取电缆敷设路径经历的山体斜坡环境角度,建立第一预测模型,计算敷设电缆的蛇形弯角数量,根据大数据预测敷设误差量;所述第二预测单元用于获取区域内的交通数据、居民生活数据、社会数据,构建第二预测模型,预测区域是否被开发;
所述第一预测单元的输出端与所述最佳路径规划模块的输入端相连接;所述第二预测单元的输出端与所述最佳路径规划模块的输入端相连接。
4.根据权利要求1所述的一种基于大数据的斜坡环境下的电缆敷设规划系统,其特征在于:所述最佳路径规划模块包括成本函数建立单元、输出单元;
所述成本函数建立单元用于根据综合因素预测模块的预测结果建立成本函数,对电缆敷设区域内的每一条电缆敷设路径的成本进行核算;所述输出单元用于选取成本最低的电缆敷设路径作为电缆敷设最佳规划路径进行输出;
所述成本函数建立单元的输出端与所述输出单元的输入端相连接。
5.一种基于大数据的斜坡环境下的电缆敷设规划方法,其特征在于:该方法包括以下步骤:
S1、获取电缆敷设的起点与终点,以起点与终点连线为直径构建圆形区域A,并利用遥感获取区域A内的数据信息;
S2、构建区域A的三维模型,对区域A内的地形因素进行分析,所述地形因素包括山体斜坡环境、河流、公路、居民区;
S3、在三维模型中构建电缆敷设路径集,获取各路径上的成本因素,所述成本因素包括路径经历的山体斜坡环境角度、河流宽度与深度、区域A是否被开发;
S4、获取电缆敷设路径经历的山体斜坡环境角度,计算敷设电缆的蛇形弯角数量,根据大数据构建第一预测模型,预测敷设误差量;
S5、获取区域A内的交通数据、居民生活数据、社会数据,构建第二预测模型,预测区域A是否被开发;
S6、基于步骤S3-S5,构建成本函数,在电缆敷设路径集中选取成本最低的路径作为电缆敷设最佳规划路径。
6.根据权利要求5所述的一种基于大数据的斜坡环境下的电缆敷设规划方法,其特征在于:在步骤S1-S2中,所述区域A内的数据信息包括区域A中的所有地形、建筑、交通,均可利用遥感技术进行采集;所述对地形因素进行分析包括对山体斜坡环境与河流的数量统计、公路的宽度与长度的统计、居民区的分布面积统计。
7.根据权利要求5所述的一种基于大数据的斜坡环境下的电缆敷设规划方法,其特征在于:在步骤S4中,所述第一预测模型的构建包括:
构建历史数据训练集,所述历史数据训练集中包括在不同山体斜坡环境角度下的不同的蛇形弯角的电缆长度误差平均值,根据历史数据训练集构建阻尼趋势模型,判断不同山体斜坡环境角度对于蛇形弯角的电缆长度误差平均值的影响趋势:
其中,为水平平滑方程解,即山体斜坡环境角度的预估水平;为趋势平滑方程解,即山体斜坡环境角度的预测趋势;为当前期山体斜坡环境角度;h为预测期数;为当前期的前一期的山体斜坡环境角度,即1代表期数,不代表角度;为山体斜坡环境角度实际误差平均值;为水平的平滑参数;为趋势的平滑参数;为山体斜坡环境角度在第h期的预测值;为阻尼参数,阻尼参数大于0且小于等于1;山体斜坡环境角度不超过45度;
构建不同山体斜坡环境角度下的蛇形弯角数量的线性函数:
构建期数函数:
构建第一预测模型:
8.根据权利要求7所述的一种基于大数据的斜坡环境下的电缆敷设规划方法,其特征在于:在步骤S5中,所述交通数据包括交通流量、交通高峰时间及持续周期、交通路口数量;所述居民生活数据包括居民平均消费水平、居民平均经济水平、居民年龄区间分布、外来人口数量;所述社会数据包括房价因素、教育及医疗点数量、高企数量、商业化广场数量。
9.根据权利要求8所述的一种基于大数据的斜坡环境下的电缆敷设规划方法,其特征在于:在步骤S5中,所述第二预测模型的构建包括:
构建一个标准虚拟经济指标数据,记为M,所述标准虚拟经济指标数据表示当区域A内的经济水平到达标准虚拟经济指标数据M时,区域A被政府重新开发;
构建虚拟经济指标与交通数据、居民生活数据、社会数据的函数:
构建训练组,所述训练组中存在有P组被重新开发的区域的历史数据,利用因素分析法构建变动参数:
其中,代表任一区域从i变动到j的变动参数;为区域在j时的虚拟经济指标;为区域在i时的虚拟经济指标;为区域在j时的交通数据、居民生活数据、社会数据中的任一种的归一化数据类型;为区域在i时的交通数据、居民生活数据、社会数据中的任一种的归一化数据类型,与相对应的数据类型为同一种;i、j代表周期,
10.根据权利要求9所述的一种基于大数据的斜坡环境下的电缆敷设规划方法,其特征在于:在步骤S6中,获取所述电缆敷设最佳规划路径包括:
构建成本函数:
其中,D代表电缆敷设路径总成本;代表电缆成本;代表降效成本,即敷设电缆每使用一年可降低的成本;R为预计使用年限,即区域根据第二预测模型从计划敷设时到达标准虚拟经济指标数据M的年限;代表防护成本,即为敷设电缆做防水套装的成本;代表在路径上电缆经过的河流区域长度;
根据公式:
其中:
获取电缆敷设路径集中的所有路径的成本,选取其中最小的作为电缆敷设最佳规划路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111408258.1A CN113987727A (zh) | 2021-11-25 | 2021-11-25 | 一种基于大数据的斜坡环境下的电缆敷设规划系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111408258.1A CN113987727A (zh) | 2021-11-25 | 2021-11-25 | 一种基于大数据的斜坡环境下的电缆敷设规划系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113987727A true CN113987727A (zh) | 2022-01-28 |
Family
ID=79750402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111408258.1A Pending CN113987727A (zh) | 2021-11-25 | 2021-11-25 | 一种基于大数据的斜坡环境下的电缆敷设规划系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113987727A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114241424A (zh) * | 2022-02-17 | 2022-03-25 | 江苏智慧汽车研究院有限公司 | 测绘巡检用无人车行驶路线规划系统及方法 |
CN116805175A (zh) * | 2023-06-02 | 2023-09-26 | 中哲国际工程设计有限公司 | 基于cim技术的医疗养老建筑运维管理系统 |
-
2021
- 2021-11-25 CN CN202111408258.1A patent/CN113987727A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114241424A (zh) * | 2022-02-17 | 2022-03-25 | 江苏智慧汽车研究院有限公司 | 测绘巡检用无人车行驶路线规划系统及方法 |
CN114241424B (zh) * | 2022-02-17 | 2022-05-31 | 江苏智慧汽车研究院有限公司 | 测绘巡检用无人车行驶路线规划系统及方法 |
CN116805175A (zh) * | 2023-06-02 | 2023-09-26 | 中哲国际工程设计有限公司 | 基于cim技术的医疗养老建筑运维管理系统 |
CN116805175B (zh) * | 2023-06-02 | 2023-12-26 | 中哲国际工程设计有限公司 | 基于cim技术的医疗养老建筑运维管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Urban inundation response to rainstorm patterns with a coupled hydrodynamic model: A case study in Haidian Island, China | |
CN113987727A (zh) | 一种基于大数据的斜坡环境下的电缆敷设规划系统及方法 | |
CN110633865A (zh) | 一种基于排涝模型的城市积水预测与安全预警系统 | |
CN110852577A (zh) | 基于城市韧性与城市流域水文模型的城市洪涝评估方法 | |
CN111400371A (zh) | 一种基于电压相关性校验的户变关系识别方法 | |
Eslamian et al. | A new multiple regression model for predictions of urban water use | |
JP2015004245A (ja) | 浸水予測システム、浸水予測方法およびプログラム | |
CN108416468B (zh) | 一种洪水超前预警预报方法 | |
CN1898672A (zh) | 用于水流分析的方法和系统 | |
Bagarello et al. | Establishing a soil loss threshold for limiting rilling | |
CN109460937B (zh) | 评价轨道站点周边慢行交通系统接驳水平的流程与方法 | |
Jia et al. | The construction of BIM application value system for residential buildings’ design stage in China based on traditional DBB mode | |
CN114897228A (zh) | 一种基于人口分布和道路网络的公共设施布局检验方法 | |
McCaffer | Some examples of the use of regression analysis as an estimating tool | |
Guo et al. | Modelling low impact development in watersheds using the storm water management model | |
CN113486594A (zh) | 以电折水计算模型构建方法、用水量确定方法及装置 | |
CN108876075B (zh) | 城市轨道交通站点地区宜步行性评价方法 | |
Guo et al. | Automated simulation for household road traffic noise exposure: Application and field evaluation in a high-density city | |
CN111815117B (zh) | 一种基于Grasshopper平台城市易涝程度模拟评价方法 | |
Bui et al. | House prices and flood risk exposure: an integration of hedonic property model and spatial econometric analysis | |
CN117236078A (zh) | 一种基于双层约束的高速公路交通检测器布设方法 | |
Farah et al. | Prediction of water consumption using Artificial Neural Networks modelling (ANN) | |
Breysse et al. | Management strategies and improvement of performance of sewer networks | |
CN116523189A (zh) | 一种考虑水文特征的墒情站点规划方法、装置及存储介质 | |
CN113011768B (zh) | 公共设施数据的处理方法、系统、电子设备及介质 |
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 |