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 PDF

Info

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
Application number
CN202111408258.1A
Other languages
English (en)
Inventor
徐文哲
傅旭华
赵建永
史佳炳
陶文华
吕书栋
王聪燚
吕蕾
李雯婷
倪宇翔
方俊齐
张航
孙正竹
黄超胜
罗克龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Electric Power Transmission and Transforming Engineering Co
Original Assignee
Zhejiang Electric Power Transmission and Transforming Engineering Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Electric Power Transmission and Transforming Engineering Co filed Critical Zhejiang Electric Power Transmission and Transforming Engineering Co
Priority to CN202111408258.1A priority Critical patent/CN113987727A/zh
Publication of CN113987727A publication Critical patent/CN113987727A/zh
Pending legal-status Critical Current

Links

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

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
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：
获取历史数据，构建在山体斜坡环境角度为0度时，即平整地带利用蛇形方式铺设的蛇形弯角的电缆长度误差平均值，记为
Figure 231910DEST_PATH_IMAGE001
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：
Figure 137549DEST_PATH_IMAGE002
其中，
Figure 499260DEST_PATH_IMAGE003
为水平平滑方程解，即山体斜坡环境角度
Figure 663394DEST_PATH_IMAGE004
的预估水平；
Figure 669527DEST_PATH_IMAGE005
为趋势平滑方程解，即山体斜坡环境角度
Figure 792073DEST_PATH_IMAGE004
的预测趋势；
Figure 516447DEST_PATH_IMAGE004
为当前期山体斜坡环境角度；
Figure 484272DEST_PATH_IMAGE006
为预测期数；
Figure 141649DEST_PATH_IMAGE007
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；
Figure 716987DEST_PATH_IMAGE008
为山体斜坡环境角度
Figure 240241DEST_PATH_IMAGE004
实际误差平均值；
Figure 231331DEST_PATH_IMAGE009
为水平的平滑参数；
Figure 461324DEST_PATH_IMAGE010
为趋势的平滑参数；
Figure 145246DEST_PATH_IMAGE011
为山体斜坡环境角度在第h期的预测值；
Figure 968845DEST_PATH_IMAGE012
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：
Figure 12894DEST_PATH_IMAGE013
其中，L为蛇形弯角数量；
Figure 848126DEST_PATH_IMAGE014
为山体斜坡环境角度；
Figure 217796DEST_PATH_IMAGE015
为影响系数；
构建期数函数：
Figure 263112DEST_PATH_IMAGE016
其中，
Figure 861584DEST_PATH_IMAGE017
为每一期所含角度；
构建第一预测模型：
Figure 66169DEST_PATH_IMAGE018
其中，
Figure 91894DEST_PATH_IMAGE019
为在山体斜坡环境角度为
Figure 545878DEST_PATH_IMAGE020
时的预测蛇形弯角电缆长度误差平均值。
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：
Figure 10357DEST_PATH_IMAGE021
其中，
Figure 882498DEST_PATH_IMAGE022
为变动参数；
Figure 266075DEST_PATH_IMAGE023
为交通数据、居民生活数据、社会数据的归一化数据类型；
Figure 223667DEST_PATH_IMAGE024
为虚拟经济指标；
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：
Figure 226258DEST_PATH_IMAGE025
其中，
Figure 202173DEST_PATH_IMAGE026
代表任一区域从i变动到j的变动参数；
Figure 569701DEST_PATH_IMAGE027
为区域在j时的虚拟经济指标；
Figure 201539DEST_PATH_IMAGE028
为区域在i时的虚拟经济指标；
Figure 679925DEST_PATH_IMAGE029
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；
Figure 588975DEST_PATH_IMAGE030
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
Figure 376671DEST_PATH_IMAGE029
相对应的数据类型为同一种；i、j代表周期，
Figure 246538DEST_PATH_IMAGE031
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；
Figure 309041DEST_PATH_IMAGE032
即代表从去年到今年的变动参数，这里的变动参数
Figure 947964DEST_PATH_IMAGE032
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。
分别对训练组中的P组数据均求取每一组数据对应的变动参数，建立交通数据、居民生活数据、社会数据三种数据类型的变动参数集合，并分别求取交通数据、居民生活数据、社会数据三种数据类型下的变动参数平均值作为
Figure 172141DEST_PATH_IMAGE033
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：
Figure 794883DEST_PATH_IMAGE034
其中，D代表电缆敷设路径总成本；
Figure 129919DEST_PATH_IMAGE035
代表电缆成本；
Figure 747982DEST_PATH_IMAGE036
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；
Figure 628213DEST_PATH_IMAGE037
代表防护成本，即为敷设电缆做防水套装的成本；
Figure 721940DEST_PATH_IMAGE038
代表在路径上电缆经过的河流区域长度；
根据公式：
Figure 80240DEST_PATH_IMAGE039
其中，
Figure 5340DEST_PATH_IMAGE040
代表因山体斜坡环境角度造成的误差总成本，
Figure 384368DEST_PATH_IMAGE041
代表计划路径中的敷设电缆总长度；
Figure 247282DEST_PATH_IMAGE042
代表敷设电缆的单价；
其中：
Figure 924120DEST_PATH_IMAGE043
Figure 923300DEST_PATH_IMAGE044
代表任一个山体斜坡环境角度造成的误差成本，
Figure 597864DEST_PATH_IMAGE045
代表在
Figure 948074DEST_PATH_IMAGE046
的山体斜坡环境角度下的蛇形弯角数量；
Figure 428602DEST_PATH_IMAGE047
为一个路径中所有
Figure 547868DEST_PATH_IMAGE048
的总和；
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：
获取历史数据，构建在山体斜坡环境角度为0度时，即平整地带利用蛇形方式铺设的蛇形弯角的电缆长度误差平均值，记为
Figure 947929DEST_PATH_IMAGE049
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：
Figure 785435DEST_PATH_IMAGE050
其中，
Figure 538496DEST_PATH_IMAGE051
为水平平滑方程解，即山体斜坡环境角度
Figure 105744DEST_PATH_IMAGE052
的预估水平；
Figure 404001DEST_PATH_IMAGE053
为趋势平滑方程解，即山体斜坡环境角度
Figure 243650DEST_PATH_IMAGE054
的预测趋势；
Figure 754397DEST_PATH_IMAGE054
为当前期山体斜坡环境角度；h为预测期数；
Figure 97523DEST_PATH_IMAGE055
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；
Figure 160157DEST_PATH_IMAGE056
为山体斜坡环境角度
Figure 972255DEST_PATH_IMAGE054
实际误差平均值；
Figure 332698DEST_PATH_IMAGE057
为水平的平滑参数；
Figure 484325DEST_PATH_IMAGE058
为趋势的平滑参数；
Figure 639231DEST_PATH_IMAGE059
为山体斜坡环境角度在第h期的预测值；
Figure 938626DEST_PATH_IMAGE060
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：
Figure 915809DEST_PATH_IMAGE061
其中，L为蛇形弯角数量；
Figure 233527DEST_PATH_IMAGE062
为山体斜坡环境角度；
Figure 310067DEST_PATH_IMAGE063
为影响系数；
构建期数函数：
Figure 80446DEST_PATH_IMAGE064
其中，
Figure 471107DEST_PATH_IMAGE065
为每一期所含角度；
构建第一预测模型：
Figure 440069DEST_PATH_IMAGE066
其中，
Figure 687511DEST_PATH_IMAGE067
为在山体斜坡环境角度为
Figure 945185DEST_PATH_IMAGE068
时的预测蛇形弯角电缆长度误差平均值。
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：
Figure 936275DEST_PATH_IMAGE069
其中，
Figure 697427DEST_PATH_IMAGE070
为变动参数；
Figure 381349DEST_PATH_IMAGE071
为交通数据、居民生活数据、社会数据的归一化数据类型；
Figure 860741DEST_PATH_IMAGE072
为虚拟经济指标；
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：
Figure 655521DEST_PATH_IMAGE073
其中，
Figure 740021DEST_PATH_IMAGE074
代表任一区域从i变动到j的变动参数；
Figure 126003DEST_PATH_IMAGE075
为区域在j时的虚拟经济指标；
Figure 92691DEST_PATH_IMAGE076
为区域在i时的虚拟经济指标；
Figure 425583DEST_PATH_IMAGE077
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；
Figure 161327DEST_PATH_IMAGE078
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
Figure 187052DEST_PATH_IMAGE079
相对应的数据类型为同一种；i、j代表周期，
Figure 641036DEST_PATH_IMAGE080
分别对训练组中的P组数据均求取每一组数据对应的变动参数，建立交通数据、居民生活数据、社会数据三种数据类型的变动参数集合，并分别求取交通数据、居民生活数据、社会数据三种数据类型下的变动参数平均值作为
Figure 43198DEST_PATH_IMAGE081
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：
Figure 836711DEST_PATH_IMAGE082
其中，D代表电缆敷设路径总成本；
Figure 298916DEST_PATH_IMAGE083
代表电缆成本；
Figure 240196DEST_PATH_IMAGE084
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；
Figure 242787DEST_PATH_IMAGE085
代表防护成本，即为敷设电缆做防水套装的成本；
Figure 969435DEST_PATH_IMAGE086
代表在路径上电缆经过的河流区域长度；
根据公式：
Figure 789492DEST_PATH_IMAGE087
其中，
Figure 703221DEST_PATH_IMAGE088
代表因山体斜坡环境角度造成的误差总成本，
Figure 696454DEST_PATH_IMAGE089
代表计划路径中的敷设电缆总长度；
Figure 277608DEST_PATH_IMAGE090
代表敷设电缆的单价；
其中：
Figure 799725DEST_PATH_IMAGE091
Figure 794226DEST_PATH_IMAGE092
代表任一个山体斜坡环境角度造成的误差成本，
Figure 76303DEST_PATH_IMAGE093
代表在
Figure 761231DEST_PATH_IMAGE094
的山体斜坡环境角度下的蛇形弯角数量；
Figure 408244DEST_PATH_IMAGE095
为一个路径中所有
Figure 811412DEST_PATH_IMAGE096
的总和；
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：
Figure 897180DEST_PATH_IMAGE097
其中，
Figure 515243DEST_PATH_IMAGE098
为水平平滑方程解，即山体斜坡环境角度
Figure 910321DEST_PATH_IMAGE099
的预估水平；
Figure 489201DEST_PATH_IMAGE100
为趋势平滑方程解，即山体斜坡环境角度
Figure 96769DEST_PATH_IMAGE099
的预测趋势；
Figure 772601DEST_PATH_IMAGE099
为当前期山体斜坡环境角度；h为预测期数；
Figure 807422DEST_PATH_IMAGE101
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；
Figure 670336DEST_PATH_IMAGE102
为山体斜坡环境角度
Figure 160223DEST_PATH_IMAGE103
实际误差平均值；
Figure 939829DEST_PATH_IMAGE104
为水平的平滑参数；
Figure 161863DEST_PATH_IMAGE105
为趋势的平滑参数；
Figure 964603DEST_PATH_IMAGE106
为山体斜坡环境角度在第h期的预测值；
Figure 930285DEST_PATH_IMAGE107
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：
Figure 377447DEST_PATH_IMAGE108
其中，L为蛇形弯角数量；
Figure 19649DEST_PATH_IMAGE109
为山体斜坡环境角度；
Figure 857155DEST_PATH_IMAGE110
为影响系数；
构建期数函数：
Figure 610217DEST_PATH_IMAGE111
其中，
Figure 583989DEST_PATH_IMAGE112
为每一期所含角度；
构建第一预测模型：
Figure 397093DEST_PATH_IMAGE113
其中，
Figure 721895DEST_PATH_IMAGE114
为在山体斜坡环境角度为
Figure 13068DEST_PATH_IMAGE115
时的预测蛇形弯角电缆长度误差平均值。
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：
Figure 372505DEST_PATH_IMAGE116
其中，
Figure 52052DEST_PATH_IMAGE117
为变动参数；
Figure 847838DEST_PATH_IMAGE118
为交通数据、居民生活数据、社会数据的归一化数据类型；
Figure 959014DEST_PATH_IMAGE119
为虚拟经济指标；
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：
Figure 422225DEST_PATH_IMAGE120
其中，
Figure 327864DEST_PATH_IMAGE121
代表任一区域从i变动到j的变动参数；
Figure 814209DEST_PATH_IMAGE122
为区域在j时的虚拟经济指标；
Figure 463496DEST_PATH_IMAGE123
为区域在i时的虚拟经济指标；
Figure 781214DEST_PATH_IMAGE124
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；
Figure 185651DEST_PATH_IMAGE125
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
Figure 972341DEST_PATH_IMAGE124
相对应的数据类型为同一种；i、j代表周期，
Figure 612270DEST_PATH_IMAGE126
在本实施例中，选取第一年与第二年的数据作为计算：
Figure 535227DEST_PATH_IMAGE128
根据公式：
Figure 376144DEST_PATH_IMAGE129
交通数据
Figure 899398DEST_PATH_IMAGE130
居民生活数据
Figure 890487DEST_PATH_IMAGE131
社会数据
Figure 120480DEST_PATH_IMAGE132
对训练组中的所有数据均按上述方式求取，最终求取平均值作为
Figure 804403DEST_PATH_IMAGE133
构建成本函数：
Figure 362423DEST_PATH_IMAGE134
其中，D代表电缆敷设路径总成本；
Figure 406471DEST_PATH_IMAGE135
代表电缆成本；
Figure 304020DEST_PATH_IMAGE136
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；
Figure 345794DEST_PATH_IMAGE137
代表防护成本，即为敷设电缆做防水套装的成本；
Figure 328794DEST_PATH_IMAGE138
代表在路径上电缆经过的河流区域长度；
根据公式：
Figure 176533DEST_PATH_IMAGE139
其中，
Figure 990905DEST_PATH_IMAGE140
代表因山体斜坡环境角度造成的误差总成本，
Figure 16630DEST_PATH_IMAGE141
代表计划路径中的敷设电缆总长度；
Figure 736193DEST_PATH_IMAGE142
代表敷设电缆的单价；
其中：
Figure 810460DEST_PATH_IMAGE143
Figure 931868DEST_PATH_IMAGE144
代表任一个山体斜坡环境角度造成的误差成本，
Figure 128494DEST_PATH_IMAGE145
代表在
Figure 882824DEST_PATH_IMAGE146
的山体斜坡环境角度下的蛇形弯角数量；
Figure 72366DEST_PATH_IMAGE147
为一个路径中所有
Figure 533434DEST_PATH_IMAGE148
的总和；
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：
Figure 660351DEST_PATH_IMAGE001
其中，
Figure 623497DEST_PATH_IMAGE002
为水平平滑方程解，即山体斜坡环境角度
Figure 465551DEST_PATH_IMAGE003
的预估水平；
Figure 408230DEST_PATH_IMAGE004
为趋势平滑方程解，即山体斜坡环境角度
Figure 284919DEST_PATH_IMAGE003
的预测趋势；
Figure 904119DEST_PATH_IMAGE003
为当前期山体斜坡环境角度；h为预测期数；
Figure 217158DEST_PATH_IMAGE005
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；
Figure 212796DEST_PATH_IMAGE006
为山体斜坡环境角度
Figure 694724DEST_PATH_IMAGE003
实际误差平均值；
Figure 484825DEST_PATH_IMAGE007
为水平的平滑参数；
Figure 35892DEST_PATH_IMAGE008
为趋势的平滑参数；
Figure 818909DEST_PATH_IMAGE009
为山体斜坡环境角度在第h期的预测值；
Figure 139032DEST_PATH_IMAGE010
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：
Figure 116347DEST_PATH_IMAGE011
其中，L为蛇形弯角数量；
Figure 154710DEST_PATH_IMAGE012
为山体斜坡环境角度；
Figure 226571DEST_PATH_IMAGE013
为影响系数；
构建期数函数：
Figure 181626DEST_PATH_IMAGE014
其中，
Figure 313531DEST_PATH_IMAGE015
为每一期所含角度；
构建第一预测模型：
Figure 589922DEST_PATH_IMAGE016
其中，
Figure 465474DEST_PATH_IMAGE017
为在山体斜坡环境角度为
Figure 760189DEST_PATH_IMAGE018
时的预测蛇形弯角电缆长度误差平均值。
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：
Figure 577842DEST_PATH_IMAGE019
其中，
Figure 325218DEST_PATH_IMAGE020
为变动参数；
Figure 4461DEST_PATH_IMAGE021
为交通数据、居民生活数据、社会数据的归一化数据类型；
Figure 904415DEST_PATH_IMAGE022
为虚拟经济指标；
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：
Figure 643701DEST_PATH_IMAGE023
其中，
Figure 393220DEST_PATH_IMAGE024
代表任一区域从i变动到j的变动参数；
Figure 610574DEST_PATH_IMAGE025
为区域在j时的虚拟经济指标；
Figure 614303DEST_PATH_IMAGE026
为区域在i时的虚拟经济指标；
Figure 540801DEST_PATH_IMAGE027
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；
Figure 528349DEST_PATH_IMAGE028
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
Figure 798662DEST_PATH_IMAGE029
相对应的数据类型为同一种；i、j代表周期，
Figure 656897DEST_PATH_IMAGE030
分别对训练组中的P组数据均求取每一组数据对应的变动参数，建立交通数据、居民生活数据、社会数据三种数据类型的变动参数集合，并分别求取交通数据、居民生活数据、社会数据三种数据类型下的变动参数平均值作为
Figure 754297DEST_PATH_IMAGE032
。
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：
Figure 963561DEST_PATH_IMAGE033
其中，D代表电缆敷设路径总成本；
Figure 788298DEST_PATH_IMAGE034
代表电缆成本；
Figure 39323DEST_PATH_IMAGE035
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；
Figure 291313DEST_PATH_IMAGE036
代表防护成本，即为敷设电缆做防水套装的成本；
Figure 738606DEST_PATH_IMAGE037
代表在路径上电缆经过的河流区域长度；
根据公式：
Figure 367033DEST_PATH_IMAGE038
其中，
Figure 980286DEST_PATH_IMAGE039
代表因山体斜坡环境角度造成的误差总成本，
Figure 137598DEST_PATH_IMAGE040
代表计划路径中的敷设电缆总长度；
Figure 321455DEST_PATH_IMAGE041
代表敷设电缆的单价；
其中：
Figure 238726DEST_PATH_IMAGE042
Figure 191639DEST_PATH_IMAGE043
代表任一个山体斜坡环境角度造成的误差成本，
Figure 34699DEST_PATH_IMAGE044
代表在
Figure 440272DEST_PATH_IMAGE045
的山体斜坡环境角度下的蛇形弯角数量；
Figure 410502DEST_PATH_IMAGE046
为一个路径中所有
Figure DEST_PATH_IMAGE047
的总和；
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。
CN202111408258.1A 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 Pending CN113987727A (zh)

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)

* Cited by examiner, † Cited by third party
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

Cited By (4)

* Cited by examiner, † Cited by third party
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