CN115423156B - 一种新建铁路四电工程用地选址优化方法 - Google Patents
一种新建铁路四电工程用地选址优化方法 Download PDFInfo
- Publication number
- CN115423156B CN115423156B CN202210977210.0A CN202210977210A CN115423156B CN 115423156 B CN115423156 B CN 115423156B CN 202210977210 A CN202210977210 A CN 202210977210A CN 115423156 B CN115423156 B CN 115423156B
- Authority
- CN
- China
- Prior art keywords
- data
- optimal
- address
- newly built
- shooting
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012549 training Methods 0.000 claims abstract description 34
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000000605 extraction Methods 0.000 claims description 20
- 238000012417 linear regression Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 6
- 238000012795 verification Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 230000003137 locomotive effect Effects 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 201000007946 Congenital intrinsic factor deficiency Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 208000034419 hereditary intrinsic factor deficiency Diseases 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
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"
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
-
- 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Remote Sensing (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明涉及数据处理技术领域，具体涉及一种新建铁路四电工程用地选址优化方法，包括对待训练数据进行预处理，得到关键数据；对关键数据进行排序后提取最优项，得到最优数据；使用地形数据和空间区域的保护与管控要求数据建立地形数据库；使用地形数据库分析新建铁路的影响决定因素；基于影响决定因素构建地址优化模型；将最优数据输入地址优化模型进行训练，得到最优地址，本发明通过对待训练数据进行预处理后得到的关键数据中已经过滤掉了冗余数据，然后再通过对关键数据进行最优项提取，得到的最优数据的有效性更高，解决了现有的地选址优化方法的地址优化效果较差的问题。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种新建铁路四电工程用地选址优化方法。
背景技术
轨道交通由轨道路线、车站、车辆、维护检修基地、供变电、通信信号、指挥控制中心等组成，四电工程包括通信、信号、电力和电气化等专业，用以电力牵引供电，主要以设备为主。这些设备主要修建在新建铁路上。在设备安装时需要选取最佳的安装位置，以达到使用最少的设备实现供电。
目前，现有技术公开了一种地选址优化方法，通过使用神经网络构建优化模型对待训练数据进行训练，得到最优地址。
采用上述方式，待训练数据中的内容较多，使得训练数据中的冗余数据对地址优化模型的训练得到的结果的精确度造成影响，从而降低了地址优化的效果。
发明内容
本发明的目的在于提供一种新建铁路四电工程用地选址优化方法，旨在解决现有的地选址优化方法的地址优化效果较差的问题。
为实现上述目的，本发明提供了一种新建铁路四电工程用地选址优化方法，包括以下步骤：
对待训练数据进行预处理，得到关键数据；
对所述关键数据进行排序后提取最优项，得到最优数据；
使用地形数据和空间区域的保护与管控要求数据建立地形数据库；
使用所述地形数据库分析新建铁路的影响决定因素；
基于所述影响决定因素构建地址优化模型；
将所述最优数据输入所述地址优化模型进行训练，得到最优地址。
其中，所述方法还包括：
构建数据库；使用所述数据库存储所述待训练数据、所述地形数据、空间区域的保护与管控要求数据和所述最优地址。
其中，在步骤使用所述数据库存储所述待训练数据、所述地形数据、空间区域的保护与管控要求数据和所述最优地址之后，所述方法还包括：
基于所述保护与管控要求数据对所述最优地址进行修建模拟，得到模拟结果；
基于所述模拟结果制定修建方案。
其中，所述空间区域包括生态空间、耕地、永久基本农田、河湖水域和湿地。
其中，所述对待训练数据进行预处理，得到关键数据，包括：
对所述待训练数据进行过滤，得到过滤数据；
通过特征提取算法对所述过滤数据进行特征提取，得到关键数据。
其中，所述对所述关键数据进行排序后提取最优项，得到最优数据，包括：
对所述关键数据进行分类，得到多项分类数据集；
按照四电修建需求对多项所述分类数据集进行优先排序，得到排序数据集合；
提取所述排序数据集合中与最优项对应的分类数据集，得到最优数据。
其中，所述基于所述影响决定因素构建地址优化模型的具体方式为：
构建多元线性回归模型；
使用所述影响决定因素和新建铁路信息对所述多元线性回归模型进行训练，得到地址优化模型。
本发明的一种新建铁路四电工程用地选址优化方法，通过对待训练数据进行预处理，得到关键数据；对所述关键数据进行排序后提取最优项，得到最优数据；使用地形数据和空间区域的保护与管控要求数据建立地形数据库；使用所述地形数据库分析新建铁路的影响决定因素；基于所述影响决定因素构建地址优化模型；将所述最优数据输入所述地址优化模型进行训练，得到最优地址，本发明通过对所述待训练数据进行预处理后得到的所述关键数据中已经过滤掉了冗余数据，然后再通过对所述关键数据进行最优项提取，使得最终得到的所述最优数据的有效性更高，进而提高了所述地址优化模型对所述最后数据训练后得到的所述最优地址的有效性，解决了现有的地选址优化方法的地址优化效果较差的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的一种新建铁路四电工程用地选址优化方法的流程图。
图2是对待训练数据进行预处理，得到关键数据的流程图。
图3是对所述关键数据进行排序后提取最优项，得到最优数据的流程图。
图4是获取地形数据的流程图。
具体实施方式
下面详细描述本发明的实施例，所述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元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
请参阅图1至图4，本发明提供一种新建铁路四电工程用地选址优化方法，包括以下步骤：
S1对待训练数据进行预处理，得到关键数据；
具体方式为：
S11对所述待训练数据进行过滤，得到过滤数据；
具体的，根据四电IFD分类整理相关设备，对设备信息数据化，建立通信、信号、电力、牵引变电各专业设备字典数据，得到待训练数据，IFD的全称是InternationalFramework for Dictionaries，字典框架。
过滤掉所述待训练数据中的冗余数据，可避免所述冗余数据在后续的训练过程中影响精确度，同时减小了所述待训练数据的数据量，从而增加了后续进行数据处理的速度，进而提高了选址优化的效率。
S12通过特征提取算法对所述过滤数据进行特征提取，得到关键数据。
具体方式为：
S121获取公开数据集；
具体的，通过爬虫技术从网站上爬取公开数据集，或手动导入所述公开数据集。
S122对所述公开数据集进行预处理，得到训练集和验证集；
具体的，首先过滤掉所述公开数据集中的冗余数据，然后对过滤后的所述公开数据集打标签，得到标签数据集；将所述标签数据集按照8：2的比例进行划分，得到训练集和验证集。
S123使用所述训练集和所述验证集对特征提取模型进行训练，得到最优提取模型；
具体的，首先使用所述训练集对所述特征提取模型进行训练，得到预训练模型，然后使用所述验证集对所述预训练模型进行验证，若验证通过，则得到最优提取模型，若验证不通过，则调整所述预训练模型的模型参数后重新进行训练，直至验证通过，得到最优提取模型。
S124将所述过滤数据输入所述最优提取模型进行训练，得到关键数据。
具体的，所述最优提取模型通过特征提取算法提取所述过滤数据中的关键数据，增加了数据的有效性，进一步提高了后续选址优化模型的训练的精确度和效率。
S2对所述关键数据进行排序后提取最优项，得到最优数据；
具体方式为：
S21对所述关键数据进行分类，得到多项分类数据集；
具体的，按照数据类型对所述关键数据进行分类，例如
S22按照四电修建需求对多项所述分类数据集进行优先排序，得到排序数据集合；
具体的，四电”指：通信工程、信号工程、电力工程和电气化工程。
电气化铁路上空架设有架空供电电缆，电力机车通过车顶升起的受电弓从供电电缆上获取电能驱动电动机行驶。因此才有“四电”工程的提出：
铁路“四电”工程包括通信、信号、电力供电、电气化工程。电气化铁路的牵引动力是电力机车，机车本身不带能源，所需能源由电力牵引供电系统提供。铺轨、架梁、信号、动力是铁路运行的基础。要开动车，就必须使用动力牵引、信号、通信、指挥调度系统，实现对动车运行的指挥、调度与安全运行。
因此，在进行新建铁路四电工程之前，需要事先确定四电修建需求，例如四电设备的安装需求、间距需求、材料需求等等，按照重要程度由大到小依次排序，得到排序数据集合。
S23提取所述排序数据集合中与最优项对应的分类数据集，得到最优数据。
具体的，按照所述最优项，从所述排序数据集合中从重要程度最大的开始提取，使得提取的所述排序数据集合中的分类数据集项数与所述最优项的项数相等。
S3使用地形数据和空间区域的保护与管控要求数据建立地形数据库；
具体的，所述空间区域包括生态空间、耕地、永久基本农田、河湖水域和湿地。
所述地形数据通过在无人机上安装摄像机，通过所述无人机带动所述摄像机飞行，所述摄像机飞行过程中进行拍摄而得到，具体方式为：
S31获取周边环境影响数据；
具体的，采用所述无人机垂直摄影的方式获取周边环境影像数据。
S32基于所述周边环境影响数据确定所述无人机的飞行范围和飞行高度；
具体的，根据新建铁路在周边环境影像中的位置及范围确定测区范围，即所述无人机的飞行范围。同时需要考虑测区的最低高度和最高高度及图像采集设备性能。所述测区的最低高度和最高高度可以根据环境影像或者实际测量结果得到。
S33根据所述飞行范围和所述飞行高度确定最大高度和最小高度；
S34基于所述摄像机的预设分辨率和设备参数确定所述摄像机的与新建铁路的拍摄距离；
具体的，使得所述无人机带动所述摄像机在飞行过程中，所述摄像机的拍摄点与新建铁路始终保持一个高度，增加数据采集的效果。
S35基于所述拍摄距离和预设旁向重叠度确定相邻拍摄点之间的最大距离；
具体的，为了方便多张地形图像拼接，每张图像之间都会存在重叠部分。旁向重叠像片重叠是指相邻像片相同影像的重叠。因此，可以根据上述方法得到的拍摄距离和预设旁向重叠度确定相邻拍摄点之间的最大距离。
S36根据所述最大高度、所述最小高度和所述最大距离确定拍摄点的数量和高度；
具体的，通过确定拍摄点的数量和高度在所述摄像机进行图像采集时，能够减少由于地形产生遮挡导致的图像信息不完整的问题。
S37根据预设纵向重叠度确定所述拍摄点的起始角度、终止拍摄角度和每次拍摄的角度差；
具体的，在新建铁路的周围经常会出现凹陷的情况，如果单纯只在某一点采集图像，难以体现凹陷。因此，在本实施例中，可以设定在具体的某一拍摄位置的拍摄角度范围和每次拍摄之间的旋转角度差。
S38所述无人机基于所述飞行范围和所述飞行高度带动所述摄像机飞行，所述摄像机飞行过程中，基于拍摄点的数量和高度、所述起始角度、所述终止拍摄角度和所述每次拍摄的角度差进行画面拍摄，得到拍摄图像；
S39对所述拍摄图像进行处理，得到地形数据。
具体的，近景摄影测量是利用立体坐标通常把近景摄影仪安置在两个不同位置的固定测点，仪量测象片上各观测点三维坐标的一种方法。利用现有的解析方法可以对上述采集的图像进行处理，可以采用惯用的航空摄影各坐标系。对采集到的图像进行预处理，例如滤波和增强等，并将预处理后的图像进行特征提取和影响匹配，最后经过计算将采集图像转换为三维空间信息，得到拍摄图像。
S4使用所述地形数据库分析新建铁路的影响决定因素；
具体的，通过使用地形数据和空间区域的保护与管控要求数据建立的地形数据库可对新建铁路进行充分的分析，增加最终得到的影响决定因素的有效性。
S5基于所述影响决定因素构建地址优化模型；
具体方式为：
S51构建多元线性回归模型；
具体的，在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。因此多元线性回归比一元线性回归的实用意义更大。多元线性回归的基本原理和基本计算过程与一元线性回归相同，但由于自变量个数多，计算相当麻烦，一般在实际中应用时都要借助统计软件，例如SPSS，SPSS(Statistical Package for the Social Science)，是社会科学统计软件包是世界著名的统计分析软件之一。
SPSS for Windows是一个组合式软件包，它集数据整理、分析功能于一身。用户可以根据实际需要和计算机的功能选择模块，以降低对系统硬盘容量的要求，有利于该软件的推广应用。SPSS的基本功能包括数据管理、统计分析、图表分析、输出管理等等。SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类，每类中又分好几个统计过程，比如回归分析中又分线性回归分析、曲线估计、Logistic回归、Probit回归、加权估计、两阶段最小二乘法、非线性回归等多个统计过程，而且每个过程中又允许用户选择不同的方法及参数。SPSS也有专门的绘图系统，可以根据数据绘制各种图形。
SPSS for Windows的分析结果清晰、直观、易学易用，而且可以直接读取EXCEL及DBF数据文件，现已推广到多种各种操作系统的计算机上。
S52使用所述影响决定因素和新建铁路信息对所述多元线性回归模型进行训练，得到地址优化模型。
S6将所述最优数据输入所述地址优化模型进行训练，得到最优地址。
具体的，
在步骤S1之前，所述方法还包括：
S101构建数据库；使用所述数据库存储所述待训练数据、所述地形数据、空间区域的保护与管控要求数据和所述最优地址；
具体的，通过所述数据库对所述待训练数据、所述地形数据和空间区域的保护与管控要求数据进行缓存后，数据才进行后续的处理工作，避免数据处理不及时而丢失，从而提高选址效率。
在所述最优地址得出来后，将与所述最优地址对应的所述待训练数据、所述地形数据、空间区域的保护与管控要求数据进行压缩并与所述最优地址打后储存在本地磁盘，并将所述数据库中的数据清理，有利于后续数据的缓存，避免所述数据库中储存的数据较多，影响后续对数据的查询和读取速度，进而影响整个地址优化过程的速度。
在步骤S6之后，所述方法还包括：
S7基于所述保护与管控要求数据对所述最优地址进行修建模拟，得到模拟结果；
S8基于所述模拟结果制定修建方案。
具体的，当所述模拟结果合格时，基于所述模拟结果制定修建方案，当所述模拟结果不合格，对所述影多元线性回归模型的模型参数进行调整后，使用所述影响决定因素和新建铁路信息对参数调整后的所述多元线性回归模型进行重新训练，得到新的地址优化模型，并使用新的所述地址优化模型对所述最优数据进行训练，得到新的最优地址，对所述新的最优地址进行再次模拟，直至拟合结果合格，基于合格的所述模拟结果制定修建方案。
本发明的一种新建铁路四电工程用地选址优化方法，首先，对所述待训练数据进行过滤，过滤掉所述待训练数据中的冗余数据，得到过滤数据，通过特征提取算法对所述过滤数据进行特征提取，得到关键数据，其次，获取公开数据集，对所述公开数据集进行预处理，得到训练集和验证集，使用所述训练集对所述特征提取模型进行训练，得到预训练模型，然后使用所述验证集对所述预训练模型进行验证，若验证通过，则得到最优提取模型，若验证不通过，则调整所述预训练模型的模型参数后重新进行训练，直至验证通过，得到最优提取模型，接着，将所述过滤数据输入所述最优提取模型进行训练，得到关键数据，对所述关键数据进行分类，得到多项分类数据集，按照四电修建需求对多项所述分类数据集进行优先排序，得到排序数据集合，按照所述最优项，从所述排序数据集合中从重要程度最大的开始提取，使得提取的所述排序数据集合中的分类数据集项数与所述最优项的项数相等，得到最优数据，然后，使用地形数据和空间区域的保护与管控要求数据建立地形数据库，使用所述地形数据库分析新建铁路的影响决定因素，基于所述影响决定因素构建地址优化模型，最后，将所述最优数据输入所述地址优化模型进行训练，得到最优地址，本发明通过对所述待训练数据进行预处理后得到的所述关键数据中已经过滤掉了冗余数据，然后再通过对所述关键数据进行最优项提取，使得最终得到的所述最优数据的有效性更高，进而提高了所述地址优化模型对所述最后数据训练后得到的所述最优地址的有效性，解决了现有的地选址优化方法的地址优化效果较差的问题。
有益效果：
1、对地址选取结果提前预知，选取最适合的修建地址，优化由于选取地址不恰当而造成的潜在风险；
2、使用数据库对数据进行缓存，避免数据处理不及时而丢失，从而提高选址效率；
3、对地形情况进行多方面了解，以便在修建过程中对因地形引起的突发意外造成的后果进行补救。
以上所揭露的仅为本发明一种新建铁路四电工程用地选址优化方法较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。
Claims (7)
1.一种新建铁路四电工程用地选址优化方法，其特征在于，包括以下步骤：
对待训练数据进行预处理，得到关键数据；
对所述关键数据进行排序后提取最优项，得到最优数据；
使用地形数据和空间区域的保护与管控要求数据建立地形数据库；
使用所述地形数据库分析新建铁路的影响决定因素；
基于所述影响决定因素构建地址优化模型；
将所述最优数据输入所述地址优化模型进行训练，得到最优地址；
使用地形数据和空间区域的保护与管控要求数据建立地形数据库，包括：
获取周边环境影响数据；
基于所述周边环境影响数据确定无人机的飞行范围和飞行高度；
根据所述飞行范围和所述飞行高度确定最大高度和最小高度；
基于摄像机的预设分辨率和设备参数确定所述摄像机的与新建铁路的拍摄距离；
基于所述拍摄距离和预设旁向重叠度确定相邻拍摄点之间的最大距离；
根据所述最大高度、所述最小高度和所述最大距离确定拍摄点的数量和高度；
根据预设纵向重叠度确定所述拍摄点的起始角度、终止拍摄角度和每次拍摄的角度差；
所述无人机基于所述飞行范围和所述飞行高度带动所述摄像机飞行，所述摄像机飞行过程中，基于拍摄点的数量和高度、所述起始角度、所述终止拍摄角度和所述每次拍摄的角度差进行画面拍摄，得到拍摄图像；
对所述拍摄图像进行处理，得到地形数据。
2.如权利要求1所述的新建铁路四电工程用地选址优化方法，其特征在于，
所述方法还包括：
构建数据库；使用所述数据库存储所述待训练数据、所述地形数据、空间区域的保护与管控要求数据和所述最优地址。
3.如权利要求2所述的新建铁路四电工程用地选址优化方法，其特征在于，
在步骤使用所述数据库存储所述待训练数据、所述地形数据、空间区域的保护与管控要求数据和所述最优地址之后，所述方法还包括：
基于所述保护与管控要求数据对所述最优地址进行修建模拟，得到模拟结果；
基于所述模拟结果制定修建方案。
4.如权利要求3所述的新建铁路四电工程用地选址优化方法，其特征在于，
所述空间区域包括生态空间、耕地、永久基本农田、河湖水域和湿地。
5.如权利要求4所述的新建铁路四电工程用地选址优化方法，其特征在于，
所述对待训练数据进行预处理，得到关键数据，包括：
对所述待训练数据进行过滤，得到过滤数据；
通过特征提取算法对所述过滤数据进行特征提取，得到关键数据。
6.如权利要求5所述的新建铁路四电工程用地选址优化方法，其特征在于，
所述对所述关键数据进行排序后提取最优项，得到最优数据，包括：
对所述关键数据进行分类，得到多项分类数据集；
按照四电修建需求对多项所述分类数据集进行优先排序，得到排序数据集合；
提取所述排序数据集合中与最优项对应的分类数据集，得到最优数据。
7.如权利要求6所述的新建铁路四电工程用地选址优化方法，其特征在于，
所述基于所述影响决定因素构建地址优化模型的具体方式为：
构建多元线性回归模型；
使用所述影响决定因素和新建铁路信息对所述多元线性回归模型进行训练，得到地址优化模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210977210.0A CN115423156B (zh) | 2022-08-15 | 2022-08-15 | 一种新建铁路四电工程用地选址优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210977210.0A CN115423156B (zh) | 2022-08-15 | 2022-08-15 | 一种新建铁路四电工程用地选址优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115423156A CN115423156A (zh) | 2022-12-02 |
| CN115423156B true CN115423156B (zh) | 2023-09-15 |
Family
ID=84198288
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210977210.0A Active CN115423156B (zh) | 2022-08-15 | 2022-08-15 | 一种新建铁路四电工程用地选址优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115423156B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553816A (zh) * | 2020-04-20 | 2020-08-18 | 北京北大软件工程股份有限公司 | 行政复议影响因素分析方法及装置 |
| CN111652448A (zh) * | 2020-07-08 | 2020-09-11 | 广东电网有限责任公司清远供电局 | 一种输电线路缺陷率的预测方法、装置及系统 |
| CN112184282A (zh) * | 2020-09-03 | 2021-01-05 | 长安大学 | 影院选址模型建立方法、影院选址方法及影院选址平台 |
| CN113329437A (zh) * | 2021-06-07 | 2021-08-31 | 北京邮电大学 | 无线网络信号传播路径损耗预测方法及电子设备 |
| CN113610639A (zh) * | 2021-08-24 | 2021-11-05 | 中国银行股份有限公司 | 基于多元线性回归的银行网点选址方法及装置 |
| CN114254867A (zh) * | 2021-11-20 | 2022-03-29 | 安丘市公安局 | 一种电信诈骗受害人风险评估系统及方法 |
-
2022
- 2022-08-15 CN CN202210977210.0A patent/CN115423156B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553816A (zh) * | 2020-04-20 | 2020-08-18 | 北京北大软件工程股份有限公司 | 行政复议影响因素分析方法及装置 |
| CN111652448A (zh) * | 2020-07-08 | 2020-09-11 | 广东电网有限责任公司清远供电局 | 一种输电线路缺陷率的预测方法、装置及系统 |
| CN112184282A (zh) * | 2020-09-03 | 2021-01-05 | 长安大学 | 影院选址模型建立方法、影院选址方法及影院选址平台 |
| CN113329437A (zh) * | 2021-06-07 | 2021-08-31 | 北京邮电大学 | 无线网络信号传播路径损耗预测方法及电子设备 |
| CN113610639A (zh) * | 2021-08-24 | 2021-11-05 | 中国银行股份有限公司 | 基于多元线性回归的银行网点选址方法及装置 |
| CN114254867A (zh) * | 2021-11-20 | 2022-03-29 | 安丘市公安局 | 一种电信诈骗受害人风险评估系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115423156A (zh) | 2022-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107316064B (zh) | 一种基于卷积神经网络的沥青路面裂缝分类识别方法 | |
| CN111914813B (zh) | 基于图像分类的输电线路巡检图像命名方法及系统 | |
| CN108109437A (zh) | 一种基于地图特征的无人机自主航线提取生成方法 | |
| CN103325259B (zh) | 一种基于多核并行的违章停车检测方法 | |
| CN104599249A (zh) | 缆索承重桥梁桥面车辆载荷分布实时检测方法 | |
| CN105373135A (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统 | |
| CN108846331B (zh) | 一种动车组底盘螺丝紧固件是否脱落的视频识别方法 | |
| CN110807924A (zh) | 基于全量全样实时交通数据的多参数融合方法及系统 | |
| CN110798805B (zh) | 基于gps轨迹的数据处理方法、装置及存储介质 | |
| Wang et al. | Vehicle detection based on drone images with the improved faster R-CNN | |
| CN110910440B (zh) | 一种基于电力影像数据的输电线路长度确定方法和系统 | |
| CN110427993A (zh) | 基于气象参数的高速列车导航盲区定位方法 | |
| CN113239764B (zh) | 输电线路无人机巡检图像预处理方法 | |
| CN111008574A (zh) | 一种基于形体识别技术的重点人员轨迹分析方法 | |
| CN115275870A (zh) | 一种基于高空线路维护的巡检系统 | |
| CN112613334A (zh) | 无人机在输电线路上高精度自主巡检图像识别方法 | |
| CN114723271A (zh) | 一种基于图像识别的输电工程质量检测方法及系统 | |
| CN115880529A (zh) | 基于注意力和解耦知识蒸馏的鸟类细粒度分类方法及系统 | |
| CN117288094B (zh) | 基于激光传感器的掘进机实时定位系统 | |
| CN115423156B (zh) | 一种新建铁路四电工程用地选址优化方法 | |
| CN116363088A (zh) | 基于无人机的高速公路混凝土路面裂缝检测方法、电子设备及存储介质 | |
| Colak et al. | Automatic sunspot classification for real-time forecasting of solar activities | |
| CN113763326B (zh) | 一种基于Mask Scoring R-CNN网络的受电弓检测方法 | |
| CN113034598B (zh) | 一种基于深度学习的无人机电力巡线方法 | |
| CN112765392B (zh) | 一种基于图像匹配的高铁列控定位方法及其系统 |
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 | ||
| CP03 | Change of name, title or address |
Address after: 210000 building 4, 15 Songyuan South Road, Gaochun Economic Development Zone, Nanjing, Jiangsu Province Patentee after: Nanjing Boyuan Space Information Technology Group Co.,Ltd. Address before: Building 4, No. 15, Songyuan South Road, Gaochun Economic Development Zone, Nanjing, Jiangsu 211300 Patentee before: Boyuan planning and Design Group Co.,Ltd. |
|
| CP03 | Change of name, title or address | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 210000 building 4, 15 Songyuan South Road, Gaochun Economic Development Zone, Nanjing, Jiangsu Province Patentee after: Nanjing Bodiyuan Space Information Technology Group Co.,Ltd. Address before: 210000 building 4, 15 Songyuan South Road, Gaochun Economic Development Zone, Nanjing, Jiangsu Province Patentee before: Nanjing Boyuan Space Information Technology Group Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |