CN116007647A - 巡检路径规划方法、装置、电子设备及存储介质 - Google Patents
巡检路径规划方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116007647A CN116007647A CN202211697590.9A CN202211697590A CN116007647A CN 116007647 A CN116007647 A CN 116007647A CN 202211697590 A CN202211697590 A CN 202211697590A CN 116007647 A CN116007647 A CN 116007647A
- Authority
- CN
- China
- Prior art keywords
- resource
- inspection
- path
- resources
- inspected
- 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
Images
Abstract
本公开关于一种巡检路径规划方法、装置、电子设备及存储介质,涉及计算机技术领域,该方法通过响应于路径规划操作,获取路径规划操作所指示的多个待巡检资源的资源相关信息以及巡检主体的主体相关信息;将资源相关信息以及主体相关信息输入至目标路径规划模型,以基于资源相关信息以及主体相关信息为多个待巡检资源生成待选巡检路径;获取以待选巡检路径进行对多个待巡检资源进行巡检时所需的巡检累计时长;在巡检累计时长与巡检主体的剩余巡检时长的差值满足预设要求的情况下,将待选巡检路径确定为目标巡检路径。这样,可以根据待巡检资源以及巡检主体的相关信息,为待巡检资源自动生成巡检路径,从而无需人工规划路径。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种巡检路径规划方法、装置、电子设备及存储介质。
背景技术
目前,大部分行业中还需要定期对行业中的资源(例如,基站)进行巡检,以避免资源出现故障所带来的不良影响。而当需要巡检的资源较多,且位置较为分散时,往往需要预先对所需巡检的资源进行巡检路径规划。
现有技术中,往往是人为进行规划,即根据个人经验进行判断,规划距离最短的路径,然而,这种方式由于个人经验的不同以及各资源的不同,可能导致花费时间较长、效率较低的情况。
发明内容
本公开提供一种巡检路径规划方法、装置、电子设备及存储介质,以至少解决上述问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供了一种巡检路径规划方法,包括:
响应于路径规划操作,获取所述路径规划操作所指示的多个待巡检资源的资源相关信息以及巡检主体的主体相关信息;
将所述资源相关信息以及所述主体相关信息输入至目标路径规划模型,以基于所述资源相关信息以及所述主体相关信息为所述多个待巡检资源生成待选巡检路径;
获取以所述待选巡检路径进行对所述多个待巡检资源进行巡检时所需的巡检累计时长;
在所述巡检累计时长与所述巡检主体的剩余巡检时长的差值满足预设要求的情况下,将所述待选巡检路径确定为目标巡检路径。
根据本公开实施例的第二方面,提供了一种巡检路径规划装置,包括:
信息获取模块,用于响应于路径规划操作,获取所述路径规划操作所指示的多个待巡检资源的资源相关信息以及巡检主体的主体相关信息;
路径生成模块,用于将所述资源相关信息以及所述主体相关信息输入至目标路径规划模型,以基于所述资源相关信息以及所述主体相关信息为所述多个待巡检资源生成待选巡检路径;
时长获取模块,用于获取以所述待选巡检路径进行对所述多个待巡检资源进行巡检时所需的巡检累计时长;
路径确定模块,用于在所述巡检累计时长与所述巡检主体的剩余巡检时长的差值满足预设要求的情况下,将所述待选巡检路径确定为目标巡检路径。
根据本公开实施例的第三方面,提供了一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如第一方面中任一项所述的方法。
根据本公开实施例的第四方面,提供了一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得所述电子设备执行如第一方面中任一项所述的方法。
根据本公开实施例的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括可读性程序指令,所述可读性程序指令由电子设备的处理器执行时,使得所述电子设备执行如第一方面中任一项所述的方法。
本公开的实施例提供的技术方案至少带来以下有益效果:在本公开实施例中,通过响应于路径规划操作,获取所述路径规划操作所指示的多个待巡检资源的资源相关信息以及巡检主体的主体相关信息;将所述资源相关信息以及所述主体相关信息输入至目标路径规划模型,以基于所述资源相关信息以及所述主体相关信息为所述多个待巡检资源生成待选巡检路径;获取以所述待选巡检路径进行对所述多个待巡检资源进行巡检时所需的巡检累计时长;在所述巡检累计时长与所述巡检主体的剩余巡检时长的差值满足预设要求的情况下,将所述待选巡检路径确定为目标巡检路径。这样,通过目标路径规划模型,可以根据待巡检资源以及巡检主体的相关信息,为待巡检资源自动生成巡检路径,从而无需人工规划路径,提高路径规划的智能性和效率。同时,由于只在巡检累计时长与巡检主体的剩余巡检时长的差值满足预设要求时,才将待选巡检路径确定为目标巡检路径,这样可以避免巡检累计时长过长或过短对巡检主体的影响,提高巡检路径规划的质量。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种巡检路径规划方法的流程图;
图2是根据一示例性实施例示出的一种生成规划路径的流程示意图;
图3是根据一示例性实施例示出的一种场景示意图;
图4是根据一示例性实施例示出的另一种巡检路径规划方法的流程图;
图5是根据一示例性实施例示出的一种巡检路径规划装置的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种巡检路径规划方法的流程图,如图1所示,可以包括以下步骤:
步骤101、响应于路径规划操作,获取所述路径规划操作所指示的多个待巡检资源的资源相关信息以及巡检主体的主体相关信息。
本发明实施例中,上述资源可以是基站、机房或厂房内的需要巡检的设备,相应地,上述待巡检资源可以是在一个巡检周期内还未进行巡检的设备。其中,上述路径规划操作可以是在接收到待巡检资源列表后自动触发的,也可以是在接收到对待巡检资源列表的路径规划控件后触发,本发明实施例对此不作限制。相应地,上述路径规划操作所指示的多个待巡检资源可以是接收到的待巡检资源列表,可以是按照需求从所有的可巡检资源中选取的。
其中,上述巡检主体指的是负责对待巡检资源完成巡检的主体,可以是巡检人员,也可以是专用于进行巡检的智能设备,例如,可以是巡检机器人。
进一步地,上述资源相关信息指的是上述多个待巡检资源的属性相关信息,可以包括各待巡检资源所处的地理位置,各资源的重要程度、巡检方式等信息,相应地,上述主体相关信息指的是巡检主体的属性相关信息,可以包括巡检主体的出发位置、巡检速度等信息。可以理解的,上述资源相关信息与主体相关信息均为对巡检所需时长有一定影响的信息。
步骤102、将所述资源相关信息以及所述主体相关信息输入至目标路径规划模型,以基于所述资源相关信息以及所述主体相关信息为所述多个待巡检资源生成待选巡检路径。
其中,上述目标路径规划模型可以是预先训练好的,可以是根据训练样本的样本资源相关信息以及样本主体相关信息训练得到的。具体的,上述目标路径规划模型可以包含路径运算层,该层可以基于上述资源相关信息以及主体相关信息计算出各待巡检资源之间的最优巡检顺序,可以是按照任两个待巡检资源之间的路程最短,和/或,路程耗时最短,和/或,巡检等级由高至低进行排序等等,从而得到上述待选巡检路径。
步骤103、获取以所述待选巡检路径进行对所述多个待巡检资源进行巡检时所需的巡检累计时长。
其中,上述巡检累计时长指的是,上述巡检主体按照上述待选巡检路径完成对上述多个待巡检资源的巡检所需的时长,可以包括对各待巡检资源进行检查所需的时长,以及巡检路径所需的时长。
具体的,可以分别获取巡检主体对各待巡检资源进行检测所需的总时长,以及上述待选巡检路径中从各待巡检资源至下一个待巡检资源之间的路段所需的交通时长,从而可以将交通时长以及检测时长作为上述巡检累计时长。
步骤104、在所述巡检累计时长与所述巡检主体的剩余巡检时长的差值满足预设要求的情况下,将所述待选巡检路径确定为目标巡检路径。
其中,上述巡检主体的剩余巡检时长指的是,巡检主体在本次巡检周期内剩余的可用于完成巡检的时长,上述巡检周期可以是一天,相应地,上述剩余巡检时长可以根据当前时刻以及巡检主体在一天内的标准巡检时间确定,例如,当巡检主体在本次巡检周期内的标准巡检时间为(8:00~18:00),当前时间为12:00时,可以得到可用于完成巡检的时长为6h,即上述剩余巡检时长为6h。
具体的,在巡检累计时长与剩余巡检时长的差值满足预设要求时,表明巡检主体在自身的巡检时长内可以完成对上述待巡检资源的巡检,同时完成巡检所需的时长不会过于超出巡检主体的巡检时长,避免由于完成巡检的耗时过大对巡检主体除巡检之外的时间支配造成影响。相应地,上述预设要求可以是巡检累计时长不会远大于剩余巡检时长,也不会远远小于剩余巡检时长,可以是巡检累计时长与剩余巡检时长足够接近,可以设置一个差值阈值,在两者差值在差值阈值内时,确定满足预设要求,其中,上述差值阈值可以根据实际需求自行设置,例如,可以设置20min,当然也可以是10min或5min等,本发明实施例对此不作限制。
综上所述,本公开实施例提供的一种巡检路径规划方法,通过响应于路径规划操作,获取所述路径规划操作所指示的多个待巡检资源的资源相关信息以及巡检主体的主体相关信息;将所述资源相关信息以及所述主体相关信息输入至目标路径规划模型,以基于所述资源相关信息以及所述主体相关信息为所述多个待巡检资源生成待选巡检路径;获取以所述待选巡检路径进行对所述多个待巡检资源进行巡检时所需的巡检累计时长;在所述巡检累计时长与所述巡检主体的剩余巡检时长的差值满足预设要求的情况下,将所述待选巡检路径确定为目标巡检路径。这样,通过目标路径规划模型,可以根据待巡检资源以及巡检主体的相关信息,为待巡检资源自动生成巡检路径,从而无需人工规划路径,提高路径规划的智能性和效率。同时,由于只在巡检累计时长与巡检主体的剩余巡检时长的差值满足预设要求时,才将待选巡检路径确定为目标巡检路径,这样可以避免巡检累计时长过长或过短对巡检主体的影响,提高巡检路径规划的质量。
可选地,所述资源相关信息包括各所述待巡检资源的资源所在位置,所述主体相关信息包括所述巡检主体的巡检起始位置,上述基于所述资源相关信息以及所述主体相关信息为所述多个待巡检资源生成待选巡检路径的操作,本公开实施例具体可以包括下述步骤:
步骤201、基于各所述待巡检资源的资源所在位置以及所述巡检起始位置,从所述多个待巡检资源中确定起始资源,并将所述起始巡检资源划分至已规划组。
其中,上述资源所在位置指的是资源的地理位置,可以是资源的经纬度信息,上述巡检起始位置指的是巡检主体在进行巡检时的出发位置,也可以是巡检主体在起始的经纬度信息。
其中,上述起始资源指的是将要第一个巡检的待巡检资源,具体的,可以根据上述资源所在位置以巡检起始位置,从待巡检资源中选择第一个巡检的资源,例如,可以是选择与巡检起始位置的距离最近的资源作为起始资源。
其中,上述已规划组指的是已经完成了路径规划的资源组,可以为数组形式,可以理解的,已规划组初始状态可以为空,在确定出起始资源后,可以将起始资源作为已规划组中的第一个资源。具体的,可以将待巡检资源的标识作为其在已规划组中的值,其中,上述标识可以是各待巡检资源的编码,可以是各待巡检资源的唯一标识。
步骤202、将所述起始资源作为目标资源,从未规划组中选择与所述目标资源之间的到达路径满足预设要求的资源,并划分至所述已规划组;所述未规划组包括所述多个待巡检资源中不属于所述已规划组的待巡检资源。
其中,上述未规划组指的是还未为其进行路径规划的资源组,可以理解的,上述未规划组的初始状态可以是包含所有的待巡检资源,从而可以每规划一个资源,便将其从未规划组中删除,并加入至已规划组中。
其中,上述预设要求可以是与目标资源的路程耗时最短,或者,与目标资源的直线距离最短,还可以是直线距离最短且路程耗时最短,具体可以按照实际需求进行设置,本发明实施例对此不作限制。具体的,可以将上述起始资源作为目标资源,依次获取各其他待巡检资源与目标资源之间的直线距离,将两者之间的直线连线作为两者之间的到达路径。其中,上述直线距离可以根据目标资源与其他待巡检资源的经纬度信息得到。
步骤203、将所述目标资源更新为最近一次划分至所述已规划组的资源,并重新执行所述从未规划组中选择与所述目标资源之间的到达路径满足预设要求的资源的步骤,并在所述未规划组为空的情况下,基于各所述待巡检资源被划分至所述已规划组的顺序,生成所述待选巡检路径。
其中,上述最近一次划分至所述已规划组的资源指的是最近一次选取的满足预设要求的资源,可以理解的,对资源进行巡检是依次对待巡检资源进行检查,因而巡检路径是一个待巡检资源检测完成,再检测下一个待巡检资源,也就是说,待巡检路径是由多段小路径构成的,每段小路径均连接有两个待巡检资源,每段小路径的到达路径是否满足要求取决于该段小路径的终点资源,因而本发明实施例中可以在将资源划分至已规划组后,将最近一次选取的满足预设要求的资源作为目标资源,并重新执行从未规划组中选择满足预设要求的资源,直至不存在未规划的资源为止,进而可以将已规划组中的资源的排布顺序作为待选巡检路径,即,按照各待巡检资源被划分至已规划组的顺序,作为待选巡检顺序,从而得到待选巡检路径。
具体的,本发明实施例可以利用狄克斯特拉(dijkstra)算法的思想,通过巡检主体的巡检起始位置确定出起始资源后,以起始资源为中心向外层层扩展,并且每次都选择满足预设要求的资源进行扩展,直到扩展到终点为止。
本发明实施例中,所述资源相关信息包括各所述待巡检资源的资源所在位置,所述主体相关信息包括所述巡检主体的巡检起始位置;通过基于各所述待巡检资源的资源所在位置以及所述巡检起始位置,从所述多个待巡检资源中确定起始资源,并将所述起始巡检资源划分至已规划组;将所述起始资源作为目标资源,从未规划组中选择与所述目标资源之间的到达路径满足预设要求的资源,并划分至所述已规划组;所述未规划组包括所述多个待巡检资源中不属于所述已规划组的待巡检资源;将所述目标资源更新为最近一次划分至所述已规划组的资源,并重新执行所述从未规划组中选择与所述目标资源之间的到达路径满足预设要求的资源的步骤,并在所述未规划组为空的情况下,基于各所述待巡检资源被划分至所述已规划组的顺序,生成所述待选巡检路径。这样,通过设置已规划组和未规划组,可以基于起始资源,从未规划组中依次确定满足预设要求的资源,并划分至已规划组,从而可以通过各待巡检资源被划分至已规划组的顺序,得到待选巡检路径,可以使得待选巡检路径中各待巡检资源之间的到达路径均满足预设要求,提高生成的待选巡检路径的质量。
可选地,所述主体相关信息还包括所述巡检主体的移动方式,上述从未规划组中选择与所述目标资源之间的到达路径满足预设要求的资源的操作,本公开实施例具体可以包括下述步骤:
步骤301、基于各所述待巡检资源的资源所在位置、所述移动方式、各所述资源所在位置对应的路况系数,获取所述目标资源与所述未规划组中包括的各资源之间的到达路径的路径距离以及所需的到达时长;所述路况系数在所述目标路径规划模型的训练过程中被优化。
步骤302、基于所述目标资源与所述未规划组中包括的各资源之间的到达路径的路径距离以及所需的到达时长,选择与所述目标资源之间的到达路径满足预设要求的资源。
其中,上述移动方式指的是巡检主体的交通方式,可以理解的,不同的移动方式所对应的移动速度不同,从而上述移动方式可以对应于巡检主体的移动速度。具体的,可以预先设置不同移动方式所对应的移动速度,例如,移动方式可以包含步行、骑车、工程车等,相应地,步行方式所对应的移动速度可以是5公里/小时,骑车方式所对应的移动速度可以是15公里/小时,工程车方式所对应的移动速度可以是40公里/小时,当然,具体的不同移动方式所对应的移动速度可以根据实际情况进行设置,本发明实施例只是示出几种情况下的平均数值,本发明实施例对此不作限制。
其中,上述路况系数可以用于表征交通复杂度,路况系数值越高,交通越复杂,巡检主体相应在路上花费的时间越多。具体的,由于不同的资源所处的位置不同,部分资源可能存在在标准小区内,部分资源可能存在在商厦楼宇内,还有部分资源可能存在在城中村内,可以理解的,标准小区内的交通复杂度较低,其次为商厦楼宇内,而城中村中的路况复杂度较高,因此,本发明实施例中的目标路径规划模型可以根据不同资源所处的位置,确定其对应的路况系数,作为该资源的加权处理指数,具体的路况系数值可以在模型的训练过程中被优化,例如,标准小区可以为1.1,商厦楼宇可以为1.2,城中村系统可以为1.3。
具体的,针对任一未规划资源,可以将目标资源与该未规划资源的直线距离作为上述路径距离。具体的,以目标资源的经纬度坐标点为A(MLonA,MLatA),任一未规划资源为B(MLonB,MLatB)为例,可以得到两者之间的直线距离为:
S=R*Arccos(sin(MLatA*Pi/180)*sin(MLatB*Pi/180)+cos(MLatA*Pi/180)*cos(MLatB*Pi/180)*cos((MLonA-MLonB)*Pi/180))*Pi/180
其中,上述R为地球半径,采用6371.004千米来计算。
进一步地,上述到达时长可以通过T=S/V*K来计算,其中,S为上述直线距离,V为上述移动方式所对应的移动速度,K为各资源所在位置对应的路况系数。
进一步地,在得到目标资源与其他未规划资源之间的到达路径的路径距离以及到达时长后,可以优先选择到达时长较短的资源作为下一个巡检资源,在存在到达时长相同的多个未规划资源时,可以从中选择路径距离较短的资源作为下一个巡检资源,当然还可以设置不同的预设要求,具体可以按照巡检的不同需求设置不同的预设要求。
本发明实施例中,所述主体相关信息还包括所述巡检主体的移动方式;通过基于各所述待巡检资源的资源所在位置、所述移动方式、各所述资源所在位置对应的路况系数,获取所述目标资源与所述未规划组中包括的各资源之间的到达路径的路径距离以及所需的到达时长;所述路况系数在所述目标路径规划模型的训练过程中被优化;基于所述目标资源与所述未规划组中包括的各资源之间的到达路径的路径距离以及所需的到达时长,选择与所述目标资源之间的到达路径满足预设要求的资源。这样,可以综合考虑包含资源所在位置、移动方式以及路况系数多个对巡检时长有一定影响的因素,集合多个维度来规划巡检路线,提高所生成的巡检路线的有效性。
可选地,上述基于各所述待巡检资源的资源所在位置、所述移动方式、各所述资源所在位置对应的路况系数,获取所述目标资源与所述未规划组中包括的各资源之间的到达路径的路径距离以及所需的到达时长的操作,本发明实施例具体可以包括下述步骤:
步骤401、在所述未规划组中包括的各资源的资源等级相同且所述未规划组中包括的资源中不存在巡检方式为远程巡检的资源的情况下,基于各所述待巡检资源的资源所在位置、所述移动方式、各所述资源所在位置对应的路况系数,获取所述目标资源与所述未规划组中包括的各资源之间的到达路径的路径距离以及所需的到达时长。
其中,上述资源等级指的是资源的维护类型,资源等级越高,表征该资源的优先级越高,应该优先对其进行巡检,具体的,可以根据资源的覆盖人群数量、覆盖范围、社区属性以及资源属性等,将各资源划分为A特急、B紧急、C一般、D普通四种情况,特急通常为发生重大故障,需要立即进行检查并解决的。
其中,上述巡检方式可以包括远程巡检和现场检查,可以理解的,远程巡检指的是无需到资源所在位置去进行检查,通过远程方式完成巡检即可,因而巡检方式为远程巡检的资源,其到达时长为0,只计算检测时间即可。相应地,现场检查指的是需要到资源所在位置去进行检查,因而其巡检时长=到达时长+检测时长。具体的,可以为巡检方式为远程巡检的资源的到达时长分配权重为0,为现场检查的资源的到达时长分配权重为1。
进一步地,在未规划组中的各资源的资源等级相同、不存在巡检方式为远程巡检时,表明当前的未规划资源中不存在需要单独优先选择的资源,此时可以直接获取目标资源与其他各未规划资源之间的路径距离以及到达时长,基于路径距离以及到达时长进行进一步判断。
本发明实施例中,通过在所述未规划组中包括的各资源的资源等级相同且所述未规划组中包括的资源中不存在巡检方式为远程巡检的资源,基于各所述待巡检资源的资源所在位置、所述移动方式、各所述资源所在位置对应的路况系数,获取所述目标资源与所述未规划组中包括的各资源之间的到达路径的路径距离以及所需的到达时长。这样可以在未规划资源的资源等级相同、不存在巡检方式为远程巡检时,可以直接获取目标资源与其他各未规划资源之间的路径距离以及到达时长,基于路径距离以及到达时长进行进一步判断,从而兼顾时间、距离进行路径规划。
可选地,本发明实施例具体还可以包括下述步骤:
步骤501、在所述未规划组中包括的各资源的资源等级不相同的情况下,按照各所述资源的资源等级,选择所述到达路径满足预设要求的资源。
其中,在上述未规划组中包括的各资源的资源等级不同时,表明当前未规划资源中存在不同的优先等级,此时可以优先选择资源等级最高的资源作为下一个资源,A优先,B其次,然后是C,最后为D,从而便于优先对其进行检查,避免对资源的正常运行造成影响。
步骤502、在所述未规划组中包括的各资源的资源等级相同的情况下,从所述未规划组中巡检方式为远程巡检的资源中,选择所述到达路径满足预设要求的资源。
相应地,在各资源的资源等级相同的情况下,表明当前未规划资源中不存在需要优先检查的资源,此时可以优先选择巡检方式为远程巡检的资源,可以理解的,远程巡检无需在交通上花费时间,从而其所需时间通常远远小于其他巡检方式的资源,因而可以优先对远程巡检的资源进行检查。
进一步地,在存在多个巡检方式为远程巡检的资源的情况下,可以进一步按照各资源的检测时长进行选择,优先选择检测时间较短的资源。
在所述未规划组中包括的各资源的资源等级相同且不存在巡检方式为远程巡检的资源的情况下,上述基于所述目标资源与所述未规划组中包括的各资源之间的到达路径的路径距离以及所需的到达时长,选择与所述目标资源之间的到达路径满足预设要求的资源的操作,本发明实施例具体可以包括下述步骤:
步骤503、基于所述路径距离以及所述到达时长获取各所述资源的巡检所需时长,并选择所述巡检所需时长满足预设要求的资源。
其中,上述巡检所需时长指的是到达时长与检测时长之和,上述检测时长指的是资源完成检测本身所需要的时长,可以根据同类资源的历史时间获取,其中,同类资源指的是型号相同、用途相同的资源,同类资源的检测时长通常更为接近。具体的,可以通过同类资源的历史时间得到平均时间、最大用时、最小用时,根据三点估算法得到检测时长Te=(To+4Tm+Tp)/6,其中,To为乐观估计值,也就是历史最小用时,Tm为最可能估计值,为平均时间,相应地,Tp为悲观估计值,为最大用时。
进一步地,在各资源等级相同,且不存在远程巡检的资源时,可以通过计算上述各资源的巡检所需时长,并从中选择用时最短的资源作为下一个已规划资源。
本发明实施例中,通过在所述未规划组中包括的各资源的资源等级不相同的情况下,按照各所述资源的资源等级,选择所述到达路径满足预设要求的资源;在所述未规划组中包括的各资源的资源等级相同的情况下,从所述未规划组中巡检方式为远程巡检的资源中,选择所述到达路径满足预设要求的资源;在所述未规划组中包括的各资源的资源等级相同且不存在巡检方式为远程巡检的资源的情况下,基于所述路径距离以及所述到达时长获取各所述资源的巡检所需时长,并选择所述巡检所需时长满足预设要求的资源。这样,可以优先按照资源等级选取,以便优先对等级较高的资源进行巡检,其次可以选择远程巡检的资源,再次可以按照各资源的巡检所需时长进行选取,从而可以综合考虑各资源的巡检需求以及巡检所需时长,生成兼顾多维度因素的巡检路径。
图2是根据一示例性实施例示出的一种生成规划路径的流程示意图,如图2所示,可以包括:
步骤211、获取已规划资源清单。
步骤212、从中读取最新的已规划资源节点。
步骤213、判断未规划资源清单是否为空,若否,则执行步骤214.若是,则结束流程。
步骤214、将未规划资源按照资源等级进行排序。
步骤215、在存在资源等级相同的资源的情况下,根据检查方式,选择远程方式的资源,若存在多个,则按照各资源的检测时间进行排序,检测时间短的优先。
其中,检查方式为远程检查的资源时间为检测时间。
步骤216、在不存在远程方式的资源时,计算当前已规划节点与其他现场检查的未规划资源之间的距离。
步骤217、计算当前已规划节点与其他未规划资源的路程时间。
步骤218、选取检测时间+路程时间最小的资源。
此时,现场检查的资源时间为检测时间+路程时间。
步骤219、将选中的资源划分至已规划区域,并加入至已规划资源清单中。
可选地,上述目标路径规划模型是基于下述方式训练得到的:
步骤601、将多个样本资源的样本资源相关信息以及预设巡检主体的样本主体相关信息输入至待训练模型中,获取所述待训练模型基于所述样本资源相关信息以及所述样本主体相关信息为所述多个样本资源生成的巡检路径,作为待验证路径。
其中,上述样本资源可以是从所有资源中随机选取的,上述预设巡检主体可以是任一巡检人员或巡检机器人,可以按照实际需求自行设置,本发明实施例对此不作限制。
进一步地,上述待训练模型可以是预先搭建的,可以包含输入层、运算层以及输出层。其中,输入层可以用于接收资源相关信息以及主体相关信息,运算层可以通过前述步骤所示出的方式,基于样本资源相关信息以及样本主体相关信息为样本资源生成巡检路径,作为待验证路径。
步骤602、获取按照所述待验证路径对所述样本资源进行巡检所耗费的第一巡检时长,以及,未按照所述待验证路径对所述样本资源进行巡检所耗费的第二巡检时长。
步骤603、基于所述第一巡检时长及所述第二巡检时长对所述待训练模型的模型参数进行调整,直至达到预设停止条件的情况下,将当前待训练模型确定为所述目标路径规划模型。
其中,上述第一巡检时长为,上述预设巡检主体按照待验证路径对样本资源进行一次巡检所耗费的总时长,相应地,上述第二巡检时长为,上述预设巡检主体未按照上述待验证路径对样本资源进行一次巡检所耗费的总时长,其中,上述第二巡检时长可以为多个,可以是上述预设巡检主体按照多个不同于上述待验证路径的路径,对样本资源进行多次巡检后得到的,从而可以通过上述第一巡检时长、第二巡检时长对模型进行正负校验。
其中,上述预设停止条件可以是第一巡检时长小于第二巡检时长,可以理解的,通常情况下,第一巡检时长应小于第二巡检时长,因而本发明实施例中,可以在存在小于第一巡检时长的第二巡检时长的情况下,对模型参数进行调整,直至第一巡检时长小于所有的第二巡检时长。其中,上述模型参数可以包括路况系数,当然还可以包含其他参数,本发明实施例对此不作限制。
本发明实施例中,通过将多个样本资源的样本资源相关信息以及预设巡检主体的样本主体相关信息输入至待训练模型中,获取所述待训练模型基于所述样本资源相关信息以及所述样本主体相关信息为所述多个样本资源生成的巡检路径,作为待验证路径;获取按照所述待验证路径对所述样本资源进行巡检所耗费的第一巡检时长,以及,未按照所述待验证路径对所述样本资源进行巡检所耗费的第二巡检时长;基于所述第一巡检时长及所述第二巡检时长对所述待训练模型的模型参数进行调整,直至达到预设停止条件的情况下,将当前待训练模型确定为所述目标路径规划模型。这样,通过样本资源和预设巡检主体对待训练模型进行训练,并在得到待验证路径后对其进行正负验证分别得到第一巡检时长和第二巡检时长,从而可以通过第一巡检时长和第二巡检时长对模型参数进行调整,直至得到满足要求的目标路径规划模型,进而可以通过目标路径规划模型生成满足要求的巡检路径,提高生成效率和巡检效率。
可选地,上述获取以所述待选巡检路径进行对所述多个待巡检资源进行巡检时所需的巡检累计时长,本发明实施例具体可以包括下述步骤:
步骤701、基于各所述待巡检资源的资源所在位置、所述移动方式、各所述资源所在位置对应的路况系数,获取所述待选巡检路径对应的总路径耗时。
步骤702、基于所述总路径耗时以及各所述待巡检资源所需检测时长,确定所述巡检累计时长。
其中,上述总路径耗时指的是待选巡检路径中任一资源与下一个资源之间的到达时长之和,具体可以分别获取任一资源与下一个资源之间的到达时长进行相加后得到。具体的,任一资源与下一个资源之间的到达时长可以通过前述步骤中的T=S/V*K得到。
进一步地,上述各待巡检资源所需检测时长可以基于同类资源的历史巡检时长,并通过三点估算法得到,此处不再赘述。进而可以将上述总路径耗时以及各资源所需的检测时长进行相加后,得到上述巡检累计时长。
本发明实施例中,通过基于各所述待巡检资源的资源所在位置、所述移动方式、各所述待巡检资源所在位置对应的路况系数,获取所述待选巡检路径对应的总路径耗时;基于所述总路径耗时以及各所述待巡检资源所需检测时长,确定所述巡检累计时长。这样,可以综合考虑路径耗时以及检测时长,从而可以以时间为衡量标准来规划巡检路线,提高巡检效率。
可选地,本发明实施例具体还可以包括下述步骤:
步骤801、在所述巡检累计时长与所述巡检主体的剩余巡检时长的差值不满足预设要求的情况下,删除所述待选巡检路径中的终点资源,或者,向所述多个待巡检资源中添加新的待巡检资源,直至所述巡检累计时长与所述巡检主体的剩余巡检时长的差值满足所述预设要求。
其中,上述终点资源指的是待选巡检路径中的最后一个资源。
具体的,在巡检累计时长与剩余巡检时长的差值不满足预设要求时,一种情况下,可能是巡检累计时长远远大于剩余巡检时长,表明当前的巡检累计时长超出了巡检主体的可支配巡检时长,此时可以删除待选巡检路径中的终点资源,直至两者差值满足预设要求。
另一种情况下,不满足预设要求还可能是累计时长小于剩余巡检时长,表明当前的巡检主体还存在可巡检空间,此时可以再添加新的待巡检资源,并重新对当前的待巡检资源进行路径规划,直至所规划的路径的累计时长接近或稍大于巡检主体的剩余巡检时长为止。
其中,上述新的待巡检资源可以通过接受外部输入来获取,本发明实施例对此不作限制。
本发明实施例中,通过在所述巡检累计时长与所述巡检主体的剩余巡检时长的差值不满足预设要求的情况下,删除所述待选巡检路径中的终点资源,或者,向所述多个待巡检资源中添加新的待巡检资源,直至所述巡检累计时长与所述巡检主体的剩余巡检时长的差值满足所述预设要求。这样,可以以时间为基准对待选巡检路径进行矫正,直至得到满足要求的规划路径,从而提高所生成的路径的有效率。
图3是根据一示例性实施例示出的一种场景示意图,如图3所示,本发明实施例可以应用于存在多个待巡检资源的场景,且各待巡检资源分布在巡检主体的不同位置。
图4是根据一示例性实施例示出的另一种巡检路径规划方法的流程图,如图4所示,可以包括如下步骤:
基本信息获取、初始路线规划、路径用时估算以及规划路线矫正。
其中,上述基本信息获取可以包括:
S1:获取运维工程师个人信息,包括工作时长、公司位置。
其中,上述运维工程师指的是巡检主体,工作时长为运维工程师的剩余巡检时长、公司位置为巡检起始位置。
S2:获取当前需要处理的工单信息,根据同类工单处理所需历史时长,利用三点估算法计算出各工单预处理时长。
其中,上述工单对应于巡检资源,相应地,需要处理的工单对应于待巡检资源,各工单预处理时长指的是待巡检资源的检测时长,可以根据同类资源的历史时长,通过三点估算法得到。
进一步地,上述初始路线规划可以包括:
S3:先按工单优先级高、目标位置距离公司近的原则,初步筛选出累计预处理时长累加不超过工作时长的目标预处理工单。
S4:根据路线规划数据模型,计算出每个工单处理的加权处理指数。
S5:根据预处理工单的加权处理指数值,指定初步的规划路线方案。
其中,上述工单优先级指的是待巡检资源的资源等级,上述初步筛选可以是在待处理的工单较多的情况下,先从中筛选出较为紧急,且不会超出巡检主体的工作时长的工单作为目标预处理工单。
其中,上述路线规划数据模型指的是目标路径规划模型,加权处理指数指的是各资源所在位置的路况系数。
进一步地,路线规划数据模型可以基于前述步骤获取的基本信息以及加权处理指数进行初步路径规划,得到待选巡检路径。
进一步地,上述路径用时估算可以包括:
S6:根据路径方案计算总路径,根据移动速度估算路径用时。
其中,上述总路径指的是路径方案中任一工单至下一工单的路径距离之和,上述移动速度为运维工程师的移动速度,根据运维工程师的交通方式不同而不同。
进一步地,上述规划路线矫正可以包括:
S7:根据总路径耗时和预处理工单的加权处理指数值,在累计时长接近或不大于工作时长的情况下重新生成目标预处理工单。
S8:根据矫正后的预处理工单生成新的工单处理规划路线方案。
其中,上述累计时长包含路径耗时以及检测时长,具体的,可以根据上述路径耗时以及加权处理指数值得到最终的路径耗时,并与各工单的预处理时长相加得到。
在累计时长接近或不大于工作时长的情况下,表明当前工单的处理时长与巡检主体的剩余巡检时长的差值不满足预设要求,此时可以删除终点工单或添加新的工单得到矫正后的预处理工单,并为矫正后的预处理工单重新生成规划路径,直至累计时长不小于且稍大于工作时长为止。
可以看出,本发明实施例通过对资源运维检查的业务场景进行了解,调研实际生产中影响巡检路线规划的因素,建立AI大数据模型和统计算法,对影响路线规划的资源类型、检查方式、检查时长、资源位置进行综合计算,再利用Dijkstra算法计算出所用时间最小的巡检路线,最后根据工作时长对最小时间规划路线进行矫正,生成巡检路线规划部署方案,以达到兼顾资源类型、路径距离、巡检时间的目的,提高巡检效率。进一步提升网络资源检查效率,降低运维成本。
图5是根据一示例性实施例示出的一种巡检路径规划装置的框图,如图5所示,该装置90可以包括:
信息获取模块901,用于响应于路径规划操作,获取所述路径规划操作所指示的多个待巡检资源的资源相关信息以及巡检主体的主体相关信息;
路径生成模块902,用于将所述资源相关信息以及所述主体相关信息输入至目标路径规划模型,以基于所述资源相关信息以及所述主体相关信息为所述多个待巡检资源生成待选巡检路径;
时长获取模块903,用于获取以所述待选巡检路径进行对所述多个待巡检资源进行巡检时所需的巡检累计时长;
路径确定模块904,用于在所述巡检累计时长与所述巡检主体的剩余巡检时长的差值满足预设要求的情况下,将所述待选巡检路径确定为目标巡检路径。
可选地,所述资源相关信息包括各所述待巡检资源的资源所在位置,所述主体相关信息包括所述巡检主体的巡检起始位置;所述路径生成模块902,包括:
起始资源确定子模块,用于基于各所述待巡检资源的资源所在位置以及所述巡检起始位置,从所述多个待巡检资源中确定起始资源,并将所述起始巡检资源划分至已规划组;
已规划组确定子模块,用于将所述起始资源作为目标资源,从未规划组中选择与所述目标资源之间的到达路径满足预设要求的资源,并划分至所述已规划组;所述未规划组包括所述多个待巡检资源中不属于所述已规划组的待巡检资源;
路径生成子模块,用于将所述目标资源更新为最近一次划分至所述已规划组的资源,并重新执行所述从未规划组中选择与所述目标资源之间的到达路径满足预设要求的资源的步骤,并在所述未规划组为空的情况下,基于各所述待巡检资源被划分至所述已规划组的顺序,生成所述待选巡检路径。
可选地,所述主体相关信息还包括所述巡检主体的移动方式;所述已规划组确定子模块,具体用于:
基于各所述待巡检资源的资源所在位置、所述移动方式、各所述资源所在位置对应的路况系数,获取所述目标资源与所述未规划组中包括的各资源之间的到达路径的路径距离以及所需的到达时长;所述路况系数在所述目标路径规划模型的训练过程中被优化;
基于所述目标资源与所述未规划组中包括的各资源之间的到达路径的路径距离以及所需的到达时长,选择与所述目标资源之间的到达路径满足预设要求的资源。
可选地,所述已规划组确定子模块,具体还用于:
在所述未规划组中包括的各资源的资源等级相同且所述未规划组中包括的资源中不存在巡检方式为远程巡检的资源的情况下,基于各所述待巡检资源的资源所在位置、所述移动方式、各所述资源所在位置对应的路况系数,获取所述目标资源与所述未规划组中包括的各资源之间的到达路径的路径距离以及所需的到达时长。
可选地,所述已规划组确定子模块,具体还用于:
在所述未规划组中包括的各资源的资源等级不相同的情况下,按照各所述资源的资源等级,选择所述到达路径满足预设要求的资源;
在所述未规划组中包括的各资源的资源等级相同的情况下,从所述未规划组中巡检方式为远程巡检的资源中,选择所述到达路径满足预设要求的资源;
在所述未规划组中包括的各资源的资源等级相同且不存在巡检方式为远程巡检的资源的情况下,基于所述路径距离以及所述到达时长获取各所述资源的巡检所需时长,并选择所述巡检所需时长满足预设要求的资源。
可选地,所述目标路径规划模型是基于下述方式训练得到的:
将多个样本资源的样本资源相关信息以及预设巡检主体的样本主体相关信息输入至待训练模型中,获取所述待训练模型基于所述样本资源相关信息以及所述样本主体相关信息为所述多个样本资源生成的巡检路径,作为待验证路径;
获取按照所述待验证路径对所述样本资源进行巡检所耗费的第一巡检时长,以及,未按照所述待验证路径对所述样本资源进行巡检所耗费的第二巡检时长;
基于所述第一巡检时长及所述第二巡检时长对所述待训练模型的模型参数进行调整,直至达到预设停止条件的情况下,将当前待训练模型确定为所述目标路径规划模型。
可选地,所述时长获取模块903,具体用于:
基于各所述待巡检资源的资源所在位置、所述移动方式、各所述待巡检资源所在位置对应的路况系数,获取所述待选巡检路径对应的总路径耗时;
基于所述总路径耗时以及各所述待巡检资源所需检测时长,确定所述巡检累计时长。
可选地,所述装置90还包括:
资源调整模块,用于在所述巡检累计时长与所述巡检主体的剩余巡检时长的差值不满足预设要求的情况下,删除所述待选巡检路径中的终点资源,或者,向所述多个待巡检资源中添加新的待巡检资源,直至所述巡检累计时长与所述巡检主体的剩余巡检时长的差值满足所述预设要求。
综上所述,本公开实施例所提供的巡检路径规划装置,通过响应于路径规划操作,获取所述路径规划操作所指示的多个待巡检资源的资源相关信息以及巡检主体的主体相关信息;将所述资源相关信息以及所述主体相关信息输入至目标路径规划模型,以基于所述资源相关信息以及所述主体相关信息为所述多个待巡检资源生成待选巡检路径;获取以所述待选巡检路径进行对所述多个待巡检资源进行巡检时所需的巡检累计时长;在所述巡检累计时长与所述巡检主体的剩余巡检时长的差值满足预设要求的情况下,将所述待选巡检路径确定为目标巡检路径。这样,通过目标路径规划模型,可以根据待巡检资源以及巡检主体的相关信息,为待巡检资源自动生成巡检路径,从而无需人工规划路径,提高路径规划的智能性和效率。同时,由于只在巡检累计时长与巡检主体的剩余巡检时长的差值满足预设要求时,才将待选巡检路径确定为目标巡检路径,这样可以避免巡检累计时长过长或过短对巡检主体的影响,提高巡检路径规划的质量。
根据本公开的一个实施例,提供了一种电子设备,包括:处理器、用于存储处理器可执行指令的存储器,其中,处理器被配置为执行时实现如上述任一个实施例中的巡检路径规划方法中的步骤。
根据本公开的一个实施例,还提供了一种存储介质,当存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如上述任一个实施例中的巡检路径规划方法中的步骤。
根据本公开的一个实施例,还提供了一种计算机程序产品,该计算机程序产品包括可读性程序指令,可读性程序指令由电子设备的处理器执行时,使得电子设备能够执行如上述任一个实施例中的巡检路径规划方法中的步骤。
本公开所涉及的用户信息(包括但不限于用户的设备信息、用户个人信息等)、相关数据等均为经用户授权或经各方授权后的信息。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (11)
1.一种巡检路径规划方法,其特征在于,所述方法包括:
响应于路径规划操作,获取所述路径规划操作所指示的多个待巡检资源的资源相关信息以及巡检主体的主体相关信息;
将所述资源相关信息以及所述主体相关信息输入至目标路径规划模型,以基于所述资源相关信息以及所述主体相关信息为所述多个待巡检资源生成待选巡检路径;
获取以所述待选巡检路径进行对所述多个待巡检资源进行巡检时所需的巡检累计时长;
在所述巡检累计时长与所述巡检主体的剩余巡检时长的差值满足预设要求的情况下,将所述待选巡检路径确定为目标巡检路径。
2.根据权利要求1所述的方法,其特征在于,所述资源相关信息包括各所述待巡检资源的资源所在位置,所述主体相关信息包括所述巡检主体的巡检起始位置;所述基于所述资源相关信息以及所述主体相关信息为所述多个待巡检资源生成待选巡检路径,包括:
基于各所述待巡检资源的资源所在位置以及所述巡检起始位置,从所述多个待巡检资源中确定起始资源,并将所述起始巡检资源划分至已规划组;
将所述起始资源作为目标资源,从未规划组中选择与所述目标资源之间的到达路径满足预设要求的资源,并划分至所述已规划组;所述未规划组包括所述多个待巡检资源中不属于所述已规划组的待巡检资源;
将所述目标资源更新为最近一次划分至所述已规划组的资源,并重新执行所述从未规划组中选择与所述目标资源之间的到达路径满足预设要求的资源的步骤,并在所述未规划组为空的情况下,基于各所述待巡检资源被划分至所述已规划组的顺序,生成所述待选巡检路径。
3.根据权利要求2所述的方法,其特征在于,所述主体相关信息还包括所述巡检主体的移动方式;所述从未规划组中选择与所述目标资源之间的到达路径满足预设要求的资源,包括:
基于各所述待巡检资源的资源所在位置、所述移动方式、各所述资源所在位置对应的路况系数,获取所述目标资源与所述未规划组中包括的各资源之间的到达路径的路径距离以及所需的到达时长;所述路况系数在所述目标路径规划模型的训练过程中被优化;
基于所述目标资源与所述未规划组中包括的各资源之间的到达路径的路径距离以及所需的到达时长,选择与所述目标资源之间的到达路径满足预设要求的资源。
4.根据权利要求3所述的方法,其特征在于,所述基于各所述待巡检资源的资源所在位置、所述移动方式、各所述资源所在位置对应的路况系数,获取所述目标资源与所述未规划组中包括的各资源之间的到达路径的路径距离以及所需的到达时长,包括:
在所述未规划组中包括的各资源的资源等级相同且所述未规划组中包括的资源中不存在巡检方式为远程巡检的资源的情况下,基于各所述待巡检资源的资源所在位置、所述移动方式、各所述资源所在位置对应的路况系数,获取所述目标资源与所述未规划组中包括的各资源之间的到达路径的路径距离以及所需的到达时长。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
在所述未规划组中包括的各资源的资源等级不相同的情况下,按照各所述资源的资源等级,选择所述到达路径满足预设要求的资源;
在所述未规划组中包括的各资源的资源等级相同的情况下,从所述未规划组中巡检方式为远程巡检的资源中,选择所述到达路径满足预设要求的资源;
在所述未规划组中包括的各资源的资源等级相同且不存在巡检方式为远程巡检的资源的情况下,所述基于所述目标资源与所述未规划组中包括的各资源之间的到达路径的路径距离以及所需的到达时长,选择与所述目标资源之间的到达路径满足预设要求的资源,包括
基于所述路径距离以及所述到达时长获取各所述资源的巡检所需时长,并选择所述巡检所需时长满足预设要求的资源。
6.根据权利要求3所述的方法,其特征在于,所述目标路径规划模型是基于下述方式训练得到的:
将多个样本资源的样本资源相关信息以及预设巡检主体的样本主体相关信息输入至待训练模型中,获取所述待训练模型基于所述样本资源相关信息以及所述样本主体相关信息为所述多个样本资源生成的巡检路径,作为待验证路径;
获取按照所述待验证路径对所述样本资源进行巡检所耗费的第一巡检时长,以及,未按照所述待验证路径对所述样本资源进行巡检所耗费的第二巡检时长;
基于所述第一巡检时长及所述第二巡检时长对所述待训练模型的模型参数进行调整,直至达到预设停止条件的情况下,将当前待训练模型确定为所述目标路径规划模型。
7.根据权利要求4所述的方法,其特征在于,所述获取以所述待选巡检路径进行对所述多个待巡检资源进行巡检时所需的巡检累计时长,包括:
基于各所述待巡检资源的资源所在位置、所述移动方式、各所述待巡检资源所在位置对应的路况系数,获取所述待选巡检路径对应的总路径耗时;
基于所述总路径耗时以及各所述待巡检资源所需检测时长,确定所述巡检累计时长。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述巡检累计时长与所述巡检主体的剩余巡检时长的差值不满足预设要求的情况下,删除所述待选巡检路径中的终点资源,或者,向所述多个待巡检资源中添加新的待巡检资源,直至所述巡检累计时长与所述巡检主体的剩余巡检时长的差值满足所述预设要求。
9.一种巡检路径规划装置,其特征在于,所述装置包括:
信息获取模块,用于响应于路径规划操作,获取所述路径规划操作所指示的多个待巡检资源的资源相关信息以及巡检主体的主体相关信息;
路径生成模块,用于将所述资源相关信息以及所述主体相关信息输入至目标路径规划模型,以基于所述资源相关信息以及所述主体相关信息为所述多个待巡检资源生成待选巡检路径;
时长获取模块,用于获取以所述待选巡检路径进行对所述多个待巡检资源进行巡检时所需的巡检累计时长;
路径确定模块,用于在所述巡检累计时长与所述巡检主体的剩余巡检时长的差值满足预设要求的情况下,将所述待选巡检路径确定为目标巡检路径。
10.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至8中任一项所述的方法。
11.一种存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得所述电子设备执行如权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211697590.9A CN116007647A (zh) | 2022-12-28 | 2022-12-28 | 巡检路径规划方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211697590.9A CN116007647A (zh) | 2022-12-28 | 2022-12-28 | 巡检路径规划方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116007647A true CN116007647A (zh) | 2023-04-25 |
Family
ID=86022445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211697590.9A Pending CN116007647A (zh) | 2022-12-28 | 2022-12-28 | 巡检路径规划方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116007647A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862092A (zh) * | 2023-09-05 | 2023-10-10 | 山东道万电气有限公司 | 一种自动巡检装置的自适应路径规划模块及方法 |
CN116955455A (zh) * | 2023-07-21 | 2023-10-27 | 上海策溯科技有限公司 | 适用于辐射监测系统的处理方法及平台 |
CN117474530A (zh) * | 2023-12-26 | 2024-01-30 | 北京云庐科技有限公司 | 基于最短路径搜索算法的燃气管网巡检方法及装置 |
CN117637136A (zh) * | 2023-12-22 | 2024-03-01 | 南京天溯自动化控制系统有限公司 | 一种机器人自动巡检医疗设备的方法和装置 |
-
2022
- 2022-12-28 CN CN202211697590.9A patent/CN116007647A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116955455A (zh) * | 2023-07-21 | 2023-10-27 | 上海策溯科技有限公司 | 适用于辐射监测系统的处理方法及平台 |
CN116955455B (zh) * | 2023-07-21 | 2024-01-16 | 上海策溯科技有限公司 | 适用于辐射监测系统的处理方法及平台 |
CN116862092A (zh) * | 2023-09-05 | 2023-10-10 | 山东道万电气有限公司 | 一种自动巡检装置的自适应路径规划模块及方法 |
CN116862092B (zh) * | 2023-09-05 | 2024-01-09 | 山东道万电气有限公司 | 一种自动巡检装置的自适应路径规划模块及方法 |
CN117637136A (zh) * | 2023-12-22 | 2024-03-01 | 南京天溯自动化控制系统有限公司 | 一种机器人自动巡检医疗设备的方法和装置 |
CN117474530A (zh) * | 2023-12-26 | 2024-01-30 | 北京云庐科技有限公司 | 基于最短路径搜索算法的燃气管网巡检方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116007647A (zh) | 巡检路径规划方法、装置、电子设备及存储介质 | |
CN106022541B (zh) | 一种到站时间预测方法 | |
CN107067163A (zh) | 一种故障维修派工方法和装置 | |
CN109612488B (zh) | 基于大数据微服务的混合出行方式路径规划系统及方法 | |
Wang et al. | Model to locate sensors for estimation of static origin–destination volumes given prior flow information | |
CN109426930A (zh) | 物流车辆的运输延迟预测系统及方法 | |
US20220215749A1 (en) | Method for predicting at least one profile of the speed of a vehicle on a road network | |
CN110852499A (zh) | 回收故障车辆的方法和装置 | |
CN113822513B (zh) | 一种基于锚地与泊位自动识别算法的港口拥堵监测方法 | |
CN112418524A (zh) | 充电站可用状态的预测方法、装置、设备和存储介质 | |
CN117217460A (zh) | 一种巡检方案生成方法、装置、电子设备及存储介质 | |
CN111461399A (zh) | 一种基于故障非线性离散分布的驻点坐标配置方法 | |
CN115050210B (zh) | 基于时序预测的停车场智能诱导方法、系统及装置 | |
CN111294841A (zh) | 一种无线网络问题的处理方法、装置及存储介质 | |
CN104916155B (zh) | 一种实时公交信息服务系统 | |
CN113970338A (zh) | 一种出行模式推荐方法、相关方法及装置和系统 | |
US20230417372A1 (en) | Methods and internet of things (iot) systems for managing smart gas safety hazard items based on geographic information systems | |
Li et al. | An automatic extraction method of coach operation information from historical trajectory data | |
CN112580951A (zh) | 基于乘客出行的城市地面公交运行监测关键指标筛选方法 | |
CN116308000A (zh) | 物流方案评估方法、装置、电子设备及可读存储介质 | |
CN115577868A (zh) | 在途船舶的目的港预测方法、装置、可读存储介质和船舶 | |
CN112101677B (zh) | 一种公共交通出行路径规划方法、装置、设备及存储介质 | |
Boufaied et al. | Dynamic delay risk assessing using cost-based FMEA for transportation systems | |
CN113077648A (zh) | 公交车辆实时站点预测方法和系统 | |
Nakamiti et al. | An agent-based simulation system for traffic control in the Brazilian intelligent cities project context |
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 |