CN116894519B - 一种满足用户服务覆盖需求的位置点优化确定方法 - Google Patents
一种满足用户服务覆盖需求的位置点优化确定方法 Download PDFInfo
- Publication number
- CN116894519B CN116894519B CN202310904624.5A CN202310904624A CN116894519B CN 116894519 B CN116894519 B CN 116894519B CN 202310904624 A CN202310904624 A CN 202310904624A CN 116894519 B CN116894519 B CN 116894519B
- Authority
- CN
- China
- Prior art keywords
- coverage
- target
- point
- covering
- shape
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005457 optimization Methods 0.000 title claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 230000011218 segmentation Effects 0.000 claims abstract description 23
- 230000007613 environmental effect Effects 0.000 claims abstract description 15
- 238000009792 diffusion process Methods 0.000 claims description 29
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims 1
- 230000010365 information processing Effects 0.000 abstract description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 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"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Hardware Design (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及信息处理领域,公开了一种考虑环境影响的满足用户服务覆盖需求的位置点优化确定方法,所述方法根据服务覆盖形状的相关参数以及风向和环境约束的实际情况调用相应模块分别对小型目标进行聚类覆盖、对大型目标进行分割覆盖,计算出服务点的位置及数量,两种模块能够应用于不同类型的目标划分和位置点计算中,不需要事先确定关键的聚类参数,适用于风向和目标形状的各种夹角情况,具有灵活性和适用性,能够实现所有目标区域全覆盖的同时,能有效节约系统资源。
Description
技术领域
本发明属于信息处理领域,具体涉及一种考虑环境影响的满足用户服务覆盖需求的位置点优化确定方法,所述方法应用于在物流配送、选址和非民用等领域中。
背景技术
在农林生成、消防灭火等生产领域,烟雾型资源(如药物喷洒,灭火喷洒)对覆盖区域受风力影响较大,且现实环境复杂,覆盖目标数量众多且形状面积错综复杂,如果按照一对一的方式对目标进行覆盖,可能出现小型区域目标浪费资源、大型区域目标无法满足全覆盖要求的情况。
同时,在现有技术中主要是采用Kmeans和DBSCAN聚类分析方法根据目标的属性信息将特征相似的目标进行合并分组,其主要目的在于分析目标分布,仅仅只能够为目标覆盖任务提供有利信息,并不能根据覆盖范围对目标进行划分,确定具体的位置点坐标。此外,现有的聚类算法中的参数需要事先给定,但其往往是难以确定的,且聚类结果受微波变化和参数变化的影响非常大。针对大目标的多次覆盖目标是为了使用更少的资源对目标实现更完全的覆盖,在考虑风向因素的情况下,覆盖形状与目标形状之间可能并不是平行的,而是存在一定的夹角的。同时,有些目标存在特殊要求,如桥梁和港口要求位置点不能落在桥梁和港口以外的水域,位置点在水中很可能是无效的。
发明内容
针对于上述现有技术的不足,本发明的目的在于提供考虑环境的一种满足用户服务的覆盖需求的优化位置点计算方法,能够根据覆盖程度以及风向等实际情况对目标进行划分以选择合适的位置点计算方式,以最少的资源覆盖所有目标点,从而在对目标达到一定程度的覆盖效果的同时也节约了资源。本发明旨在采用满足用户服务覆盖需求的位置点优化确定方法能够根据环境影响和覆盖半径约束计算出覆盖点的最优数量和位置,充分利用资源,有效节约资源并提高任务完成效率。同时,在不考虑环境约束时可以将忽略相应约束设置实现相应的覆盖优化需求。在农业、工业和服务业等各行业的中服务选址优化,各种服务型设施设备的布局优化,资源的有优化配置,及非民用领域选点、选址优化计算中有着广泛的应用场景。
为达到上述问题之一,根据目标区域面积和受自然条件改变覆盖形状的服务资源特点,本发明提出满足覆盖需求的两种位置点计算模块,分别是针对小目标的聚类覆盖模块和针对大目标的分割覆盖的位置点计算模块。
本发明采用的技术方案如下:
一种考虑环境的满足用户服务覆盖需求的最优位置点计算方法,包括以下步骤:
步骤1:根据单次覆盖形状和覆盖目标的面积大小分别调用针对小目标的聚类覆盖模块和针对大目标的分割覆盖模块,以图像左上角为原点、向下方向为X轴、向右方向为Y轴建立直角坐标系,按照覆盖目标的四个顶点坐标判断顶点的相对位置;
步骤2:在针对小目标的聚类覆盖模块中,根据风向对所建立的坐标系进行旋转,使得其X坐标轴与风向一致,然后缩放图片以便将单次覆盖范围缩放为一个近似圆;
步骤3:在聚类覆盖模块中,以缩放后的各目标点为圆心,单次覆盖形状的短半轴长为半径画圆,并根据求解精度的要求,进行相交区域迭代计算,得到相交区域的所有可能结果;
步骤4:在聚类覆盖模块中,将所有相交结果转化为集合覆盖问题,并采用智能启发式优化算法求解,以选择尽可能少的相交区域而将所有的目标点全部覆盖;
步骤5:在聚类覆盖模块中,根据扩散模型中心点和位置点的位置关系以及实际距离和图上距离的比例关系反推得到位置点的最终选择区域,并计算旋转、缩放前的位置点区域;
步骤6:在小目标聚类覆盖模块中,在各个位置点区域内找到与覆盖目标点代价之和最小的一点作为最终选择的位置点。
步骤7:在针对大目标的分割覆盖模块中,针对有覆盖目标区域地理条件限制,覆盖位置点需在覆盖目标范围内时,先计算风向和覆盖目标较短边的夹角,再计算单次覆盖形状在目标的这条边上的投影长度和覆盖形状与另一边的交点坐标;
步骤8:在分割覆盖模块中,根据每个位置点之间的间隔距离向上取整计算出位置点个数,并根据个数重新计算出位置点之间的新的间隔距离;
步骤9:在分割覆盖模块中,结合风向和单次覆盖形状计算出每个位置点的坐标。
步骤10:在分割覆盖模块中,针对无覆盖位置点在覆盖目标范围内限制时,需要确定第一个覆盖位置,并计算第一个覆盖位置与相邻两条边长的交点;
步骤11:在分割覆盖模块中,按照覆盖位置和形状与两个边长的交点作为下一个覆盖的起始顶点,沿着两条相邻边长的方向画出边长上的覆盖位置,然后沿着风向方向平移计算出其他覆盖位置并计算出位置点坐标,直到起始顶点的对角超出目标覆盖范围停止。
进一步地,所属步骤1中比较单次覆盖形状和覆盖目标的面积大小,针对比较结果分别调用针对小目标的聚类覆盖模块和针对大目标的分割覆盖模块计算,同时以图像左上角为原点、向下方向为X轴、向右方向为Y轴以像素为单位的直角坐标系坐标系。
进一步地,所述步骤2中聚类覆盖模块需要将所建立的坐标系进行旋转,沿风向的反方向缩放图片后上图片任意一点的坐标(x,y)变为:
式中,x”为变换后点的横坐标,y”为变换后点的纵坐标,a为单次覆盖形状(扩散范围)的长半轴,b为单次覆盖形状(扩散范围)的短半轴,xmin为坐标系旋转后所有像素点X坐标的最小值,α为将坐标轴绕原点逆时针旋转的角度,α=3π-θ,其中θ为风向角,规定正北方向的风为0,θ∈[0,2π)。
进一步地,所述步骤3中的相交算法需要判断以各目标点为中心的圆是否相交(即有重叠区域),并确定相交的区域。
进一步地,所述步骤4中基于智能启发式优化算法的最小集合覆盖求解流程包括:
(1)设置一个集合存放所有目标点,以及一个结果集合用于存放所选择的区域;
(2)遍历所有的相交区域,找到一个覆盖最多未覆盖目标点的相交区域;
(3)将这个区域加入到结果集合中,并把该区域覆盖的目标点从存放所有目标点的集合中去除;
(4)重复(2),(3)直到存放所有目标点的集合为空,计算获得相交区域集合。
进一步地,所述步骤5中根据扩散模型中心点和位置点的距离以及图上距离和实际距离的比例关系得到位置点的坐标(x”,y”)为:
式中,x0”为所求得中心点的横坐标,y0”为所求得中心点的纵坐标,a为单次覆盖形状(扩散范围)的长半轴,b为单次覆盖形状(扩散范围)的短半轴,d为扩散模型中中心点(x0,y0)与位置点(x,y)的实际距离,bl为图上距离与实际距离的比值。
进一步地,所述步骤6中为了确定最终的位置点,需要以最小化到覆盖的各目标点的代价之和为目标函数,以目标区域的边界限制为约束条件,并考虑图片中像素点坐标均为整数的限制,采用智能启发式优化算法进行求解。
进一步地,所述步骤7中分割覆盖模块需要使用三角函数计算风向和覆盖目标较短边的夹角,得到的结果是一个范围是[0,π]的角度,但是实际的夹角范围是[0,2π),因此需要借助边长在坐标轴中的相对关系判断。
进一步地,所述步骤8中计算出的个数确定位置点坐标,满足覆盖目标地理环境限制,所有的位置点必须在目标范围内。
进一步地,所述步骤9中根据覆计算过程中覆盖形状,结合风向得到位置点和覆盖形状之间的关系,计算出位置点坐标。
进一步地,所述步骤10中第一个覆盖位置要求至少能够包括覆盖目标一个顶点,并计算第一个覆盖位置和该顶点的相邻两条边对边长的交点。
进一步地,所述步骤11中沿着选定顶点的相邻两条边方向,以前一个覆盖图形与边长的交点计算覆盖目标边长上的覆盖位置,再分别对边长上的覆盖图形进行风向方向的平移,使平移后的覆盖图形与原来的覆盖图形没有重合,并计算出位置点坐标,直到起始顶点的对角超出目标覆盖范围停止。
本发明根据覆盖效果以及风向等实际情况对目标进行划分以选择合适的位置点计算方式,以最少的资源覆盖所有目标点,在对目标达到一定程度的覆盖效果的同时也节约了资源,实现了目标的有效覆盖以及资源的合理分配。同时,不需要事先确定关键的聚类参数,适用于风向和目标形状的各种夹角情况,具有一定的灵活性和适用性。
附图说明
图1为本发明的方法流程图;
图2为建立的直角坐标系图;
图3为考虑风向的覆盖范围扩散模型图;
图4为风向图;
图5为坐标系旋转图;
图6为相交图;
图7为扩散模型中位置点与中心点的位置关系图;
图8为位置点区域图;
图9为大目标四种夹角的第一个位置点示意图;
图10为大目标投影计算示意图;
图11为有覆盖目标无地理环境限制分割覆盖示意图;
图12为无覆盖目标无地理环境限制的分割覆盖示意图。
具体实施方式
为了便于本领域技术人员的理解,下面结合实施例与附图对本发明作进一步的说明,实施方式提及的内容并非对本发明的限定。
本发明旨在采用一种考虑环境影响的满足用户服务覆盖需求的位置点优化确定方法能够根据环境影响和覆盖半径约束计算出覆盖点的最优数量和位置,充分利用资源,有效节约资源并提高任务完成效率。同时,在不考虑环境约束时可以将忽略相应约束设置实现相应的覆盖优化需求。在农业、工业和服务业等各行业的中服务选址优化,各种服务型设施设备的布局优化,资源的有优化配置,及非民用领域选点、选址优化计算中有着广泛的应用场景。
根据目标区域面积和受自然条件改变覆盖形状的服务资源特点,本发明提出满足覆盖需求的两种位置点计算模块,分别是针对小目标的聚类覆盖模块和针对大目标的分割覆盖的位置点计算模块。
具体的实施方式中,鉴于在现有技术中主要是采用Kmeans和DBSCAN聚类分析方法根据目标的属性信息将特征相似的目标进行合并分组,其主要目的在于分析目标分布,仅仅只能够为目标覆盖任务提供有利信息,并不能根据覆盖范围对目标进行划分,确定具体的位置点坐标。此外,现有的聚类算法中的参数需要事先给定,但其往往是难以确定的,且聚类结果受微波变化和参数变化的影响非常大。针对大目标的多次覆盖目标是为了使用更少的资源对目标实现更完全的覆盖,在考虑风向因素的情况下,覆盖形状与目标形状之间可能并不是平行的,而是存在一定的夹角的。同时,有些目标存在特殊要求,如桥梁和港口要求位置点不能落在桥梁和港口以外的水域,位置点在水中很可能是无效的。
参照图1所示,本发明的一种考虑环境的覆盖满足最优位置点计算方法,包括以下步骤:
步骤1:根据单次覆盖形状和覆盖目标的面积大小比较结果分别调用针对小目标的聚类覆盖和针对大目标的分割覆盖方法,以图像左上角为原点、向下方向为X轴、向右方向为Y轴建立直角坐标系,按照覆盖目标的四个顶点坐标判断顶点的相对位置。
通常以图像左上角为原点、向下方向为X轴、向右方向为Y轴,建立以像素为单位的直角坐标系坐标系,如图2中的黑色坐标系所示。
步骤2:在针对小目标的聚类覆盖模块中,根据风向对坐标系进行旋转,使得其X坐标轴与风向一致,然后缩放图片以便将单次覆盖范围缩放为一个圆。如图3所示,覆盖范围沿着风向大致可以扩散为一个椭圆,反过来推算,将该椭圆沿着逆风的方向,以X坐标最小一点为基准点进行压缩,可以压缩为一个圆。因此,考虑将坐标系进行旋转,使得其X坐标轴与风向一致,然后缩放图片以便将单次覆盖范围缩放为一个圆。
规定正北方向的风为0,风向角θ的范围是[0,2π),如图4所示。为了使图片的X坐标轴与风向一致,将坐标轴绕原点逆时针旋转α,其中α=3π-θ。如图5所示,黑色标注的是旋转前的坐标系,红色标注的是旋转后的坐标系,坐标系旋转后图片上任意一点的坐标(x',y')为:
以坐标系旋转后图片中所有像素点X坐标最小的一点为基准点,沿着风向的反方向进行缩放后,图片上任意一点的坐标(x”,y”)为:
式中,x”为变换后点的横坐标,y”为变换后点的纵坐标,a为单次覆盖形状(扩散范围)的长半轴,b为单次覆盖形状(扩散范围)的短半轴,xmin为坐标系旋转后所有像素点X坐标的最小值,α为将坐标轴绕原点逆时针旋转的角度,α=3π-θ,其中θ为风向角,规定正北方向的风为0,θ∈[0,2π)。
步骤3:在小目标的聚类覆盖模块中,以缩放后的各目标点为圆心,单次覆盖形状的短半轴长为半径画圆,并根据求解精度的要求,进行相交区域迭代计算,得到相交区域的所有可能结果。
在根据风向对图片进行旋转、缩放后,以缩放后的各目标点为圆心,单次覆盖形状的短半轴长为半径画圆。根据相关数学原理,两个半径相同的圆相交,以相交区域内任一点为圆心画同样半径的圆,能够覆盖两个圆的圆心。设计了相交算法进行求解。
相交算法的设计需要判断以各目标点为中心的圆是否相交(即有重叠区域),并确定相交的矩形区域,相交的四种情况如图6所示。
设第一个图形的左上角坐标为(x1,y1),右下角坐标为(x2,y2),第二个图形的左上角坐标为(x3,y3),右下角坐标为(x4,y4),如果图形四个顶点坐标满足条件(max(x1,x3)≤min(x1,x3))&&(min(y2,y4)≥max(y2,y4)),则两个图形相交,且相交区域的左上角坐标为(max(x1,x3),min(x1,x3)),右下角坐标为(min(y2,y4),max(y2,y4))。在此基础上将以各目标点为中心的圆进行两两相交判定求解,然后将得到的相交区域再进行相交判定求解,重复进行直到不再产生新的相交区域,最终得到所有可能的相交结果。
步骤4:在聚类覆盖模块中,将所有相交结果转化为集合覆盖问题,并采用智能启发式优化算法求解,以选择尽可能少的相交区域而将所有的目标点全部覆盖。
通过矩形相交算法得到所有可能的相交结果后,每一个相交区域代表了以一些目标点为中心的覆盖范围有重叠,那么以这个相交区域内的任意一点为中心画圆就可以将这些目标点全部覆盖。因此可以考虑将每个相交区域看成一个集合,集合里的元素是这个相交区域可以覆盖的目标点,然后将其转化为集合覆盖问题,采用智能启发式优化算法进行求解,以选择尽可能少的集合(相交区域)而将所有的目标点全部覆盖。
基于智能启发式优化算法的最小集合覆盖求解流程包括:
(1)设置一个集合存放所有目标点,以及一个结果集合用于存放所选择的区域;
(2)遍历所有的相交区域,找到一个覆盖了最多未覆盖的目标点的相交区域(此区域可能包含一些已覆盖的目标点);
(3)将这个区域加入到结果集合中,并把该区域覆盖的目标点从存放所有目标点的集合中去除;
(4)重复(2),(3)直到存放所有目标点的集合为空,结果集合中就是最终选择的一些相交区域。
步骤5:在聚类覆盖模块中,根据扩散模型中心点和位置点的位置关系以及实际距离和图上距离的比例关系反推得到位置点的最终选择区域,并计算旋转、缩放前的位置点区域。
由于是以目标点为中心进行相交覆盖的,那么智能启发式优化算法求解得到的只是扩散模型(即椭圆)的中心点区域,还需要根据位置点和中心点的位置关系以及实际距离和图上距离的比例关系计算位置点区域,同时计算返回原图的位置点区域。
如图7所示,在扩散模型中,中心点坐标为(x0,y0),中心点与位置点的距离为d,那么现在已知中心点区域,就可以根据中心点和位置点的位置关系以及实际距离和图上距离的比例关系反推得到位置点的最终选择区域。
根据扩散模型中心点和位置点的距离以及图上距离和实际距离的比例关系得到位置点的坐标(x”,y”)为:
式中,x0为所求得中心点的横坐标,y0为所求得中心点的纵坐标,a为单次覆盖形状(扩散范围)的长半轴,b为单次覆盖形状(扩散范围)的短半轴,d为扩散模型中中心点(x0,y0)与位置点(x,y)的实际距离,bl为图上距离与实际距离的比值。
旋转、缩放前的位置点区域内任意一点坐标(x,y)为:
步骤6:在聚类覆盖模块中,在各个位置点区域内找到与覆盖目标点代价之和最小的一点作为最终选择的位置点。
在计算得到实际的位置点区域后,因为得到的是一个区域,不是精确的位置点坐标,所以还需要在各区域内找到与覆盖目标点代价之和最小的一点作为最终选择的位置点。将此问题转化为非线性整数规划问题,目标函数为最小化到覆盖的各目标点的代价之和,约束条件为目标区域的边界限制,再加上图片中的像素点坐标均为整数的限制,考虑采用智能启发式优化算法对其进行求解得到最终选择的位置点。
如图8所示,设位置点区域的四个顶点坐标分别为(xa,ya),(xb,yb),(xc,yc),(xd,yd),以此区域内任意一点为位置点能覆盖n个目标点,各目标点坐标为(xi,yi),i=1,2,3,…,n,求解最优位置点(x,y)。
目标函数为:
约束条件为:
从约束条件中得到变量x的范围:min(xa,xb,xc,xd)≤x≤max(xa,xb,xc,xd),变量y的范围:min(ya,yb,yc,yd)≤y≤max(ya,yb,yc,yd),然后在各变量的限制范围内采用智能启发算法设置试验点个数以求解得到最优的位置点(x,y)。
步骤7:在针对大目标的分割覆盖模块中,使用三角函数计算风向和覆盖目标较短边的夹角,再计算单次覆盖形状在目标的这条边上的投影长度和覆盖形状与另一边的交点坐标。
如图9所示,风向和目标的夹角β在[0,2π)范围内以为单位分为四种情况,不同的情况第一个位置点的坐标稍有差异,以即图9(a)为例介绍计算位置点步骤。在目标ABCD中,单次覆盖形状在ABCD的边长DC上的覆盖长度是DP',长轴DP在ABCD的边长DA上的投影为DP”,如图10所示。计算两个投影的长度首先要计算DP和目标的边长DA的夹角β。设A点坐标为(xa,ya),C点坐标为(xc,yc),D点坐标为(xd,yd),P点坐标为(xp,yp),已知DP是椭圆的长轴,则三角形ADP的三边长度为:
直线AD的表达式是:
将点P的坐标带入AD的直线表达式判断点和直线的位置,同时使用三角形边和角的关系可以求解和的夹角β为:
单次覆盖形状在ABCD的边长DC上的覆盖长度DP'为:
单次覆盖形状长轴DP在ABCD的边长DA上的投影为DP”为:
DP”=DP*cosβ
步骤8:在分割覆盖模块中,根据每个位置点之间的间隔距离向上取整计算出位置点个数,并根据个数重新计算出位置点之间的新的间隔距离。
设位置点的总数N=NDC*NDA,NDC是DC方向计算出的位置点个数,NDA是DA方向计算出的位置点个数,计算方式如下:
其中是对的运算结果向上取整的意思,同理。
由于对行列个数向上取整,因此需要重新规划每个位置点之间的间隔,保证均匀覆盖。每个位置点之间DC和DA方向上的间隔距离为:
步骤9:在分割覆盖模块中,结合风向和单次覆盖形状计算出每个位置点的位置。以点D所在的椭圆为例计算位置点坐标,如图7所示,在扩散模型中,中心点坐标为(x0,y0),靠近位置点的椭圆顶点坐标是(x0',y0'),中心点与位置点的距离为d,长半轴长度为a。那么结合图10可得第一个位置点的坐标(x,y)为:
根据步骤8中得到的两个方向的位置点的个数和位置点在扩散模型中的位置关系,就能够计算出所有位置点的坐标。
如图11所示,在DC方向上第一排第i个位置点的坐标是:
在DA方向上第j排第一个位置点的坐标是:
步骤10:在分割覆盖模块中,针对道路、跑道等陆路类目标,则不需要考虑覆盖位置点在覆盖目标范围内的有效性,需要确定第一个覆盖位置。如图12所示,第一个覆盖位置包括了覆盖目标顶点D,如图7所示,在扩散模型中,中心点坐标为(x0,y0),靠近位置点的椭圆顶点坐标是(x0',y0'),中心点与位置点的距离为d,长半轴长度为a。那么结合图10可得第一个位置点的坐标(x,y)为:
DQ代表的是覆盖形状的长轴,也是风向方向,Q点坐标(xq,yq),由步骤7可知和的夹角β,单次覆盖形状在ABCD的边长DC上的覆盖长度DQ'和DQ”为:
由此可以得到覆盖目标两条相邻边长上的位置点Q'和Q”的坐标:
步骤11:在分割覆盖模块中,沿着风向方向,按照覆盖形状与两个边长的交点作为下一个覆盖形状的起始顶点画出其他覆盖位置,直到起始顶点的对角超出目标覆盖范围停止。
如图12所示,蓝色图形则是根据风向方向平移得到的覆盖位置。点E是DC边上的第二个覆盖位置的长轴顶点,E点坐标可以由Q’点的坐标推算得到:
E:(xq'+bsinθ,yq'+bcosθ)
因此E点所在的椭圆覆盖形状的位置点坐标(xe+(a-d)cosθ,ye+(a-d)sinθ),其余黑色图形所在的覆盖位置的位置点也可以同理计算得到。
根据平移的原理可以得到Q点所在蓝色图形的位置点,该坐标是(x-2acosθ,y+2asinθ),其余蓝色图形所在的覆盖位置的位置点也可以同理计算得到。
具体的实施方式中,本发明考虑单次覆盖形状以及环境影响,设置的一种考虑环境的覆盖满足最优位置点计算方法,其中两种模块能够应用于不同类型的目标划分和位置点计算中,能够应用于在物流配送、选址和非民用领域等都有实用价值。
优选的,在其它实施方式中,还可以在聚类覆盖模块中:①考虑环境因素影响,根据环境中风向对所建立的坐标系进行旋转,使得其X坐标轴与风向一致,然后根据覆盖范围的长宽比缩放图片以便将缩放后的图片中覆盖范围缩放为一个单位圆;②以缩放后的各目标点为圆心,覆盖面积的短半轴长为半径画圆,进行相交区域迭代计算,得到相交区域的所有可能结果;③将所有相交结果转化为集合覆盖问题,以选择尽可能少的相交区域而覆盖所有的待覆盖点为目标并采用优化算法求解;④根据扩散模型中心点和位置点的位置关系以及实际距离和图上距离的比例关系反推得到位置点的最终选择区域,并计算旋转、缩放前的位置点区域;⑤在各个位置点区域内找到与覆盖目标点代价之和最小的一点作为最终选择的位置点。在分割覆盖模块中:针对覆盖点的位置有约束条件的目标,需要考虑位置点要落在相应约束条件范围内才有效,因此分割步骤如下:①先计算风向和覆盖目标较短边的夹角,再计算单次覆盖形状在目标的这条边上的投影长度和形状与另一边的交点坐标;②根据每个位置点之间的间隔距离向上取整计算出位置点个数,并根据个数重新计算出位置点之间的新的间隔距离;③结合风向和单次覆盖形状计算出位置点坐标。针对覆盖点位置无约束条件的目标,则不需要考虑位置点在覆盖目标约束范围内的有效性,因此分割步骤如下:①确定第一个覆盖位置,并计算第一个覆盖位置与相邻两条边长的交点;②按照覆盖位置的形状与两个边长的交点作为下覆盖的起始顶点,沿着两条相邻边长的方向画出边长上的覆盖位置,然后沿着风向方向平移画出其他覆盖位置并计算出位置点坐标,直到起始顶点的对角顶点超出目标覆盖范围停止。
根据服务覆盖形状的相关参数以及风向和环境约束的实际情况调用相应模块分别对小型目标进行聚类覆盖、对大型目标进行分割覆盖,计算出服务点的位置及数量,实现所有目标区域全覆盖的同时有效节约了资源。同时,在不考虑环境约束时可以将忽略相应约束设置实现相应的覆盖优化需求。可选的,所述方法可以在农业、消防和服务业等各行业的中服务选址优化,各种服务型设施设备的布局优化,资源的有优化配置,及非民用领域作为应用场景。
本发明针对目标大小的不确定性,将情况分成了聚类覆盖和分割覆盖方法。针对现有聚类算法不能根据覆盖范围对目标进行划分,且需要事先依据用户经验和领域知识确定相关参数的问题,根据覆盖效果对目标进行划分以选择合适的位置点计算方法;同时考虑多次覆盖的排布和覆盖问题,对大目标进行多次覆盖,实现了目标的有效覆盖。同时,考虑风向对目标有效作用面积的影响,简化扩散模型,达到目标的预期覆盖效果,有效节约了资源。
本发明具体应用途径很多,可以在民用及非民用领域使用,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进,这些改进也应视为本发明的保护范围。以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
如在本申请所使用的,术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体,该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如,组件可以是,但不限于是:在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例,在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中,并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外,这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如,来自一个组件的数据,该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号,以本地和/或远程过程的方式进行通信。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种满足用户服务覆盖需求的位置点优化确定方法,其特征在于,包括以下步骤:
步骤1:根据单次覆盖形状和覆盖目标的面积大小分别调用分割覆盖模块和聚类覆盖模块,再以图像左上角为原点、向下方向为X轴、向右方向为Y轴建立直角坐标系,按照覆盖目标的四个顶点坐标判断顶点的相对位置;
步骤2:在针对小目标的聚类覆盖模块中,根据风向对所建立的坐标系进行旋转,使得其X坐标轴与风向一致,然后根据覆盖范围的长宽比缩放图片以便将缩放后的图片中覆盖范围缩放为一个单位圆;
步骤3:在聚类覆盖模块中,以缩放后的各目标点为圆心,单次覆盖形状的短半轴长为半径画圆,根据求解精度进行相交区域迭代计算,得到相交区域的所有可能结果;
步骤4:在聚类覆盖模块中,将所有相交结果转化为集合覆盖问题,以选择相交区域少而全部覆盖所有的待覆盖点为优化目标求解覆盖的最小集合区域;
步骤5:在聚类覆盖模块中,根据扩散模型中心点和位置点的位置关系以及实际距离和图上距离的比例关系反推得到位置点的最终选择区域,并计算旋转、缩放前的位置点区域;
步骤6:在聚类覆盖模块中,在各个位置点区域内计算到与覆盖目标点代价之和最小的一点作为最终选择的位置点,其中代价是一种根据用户需要指定的度量,是距离、时间和价格;
步骤7:针对大目标的分割覆盖模块中,针对有覆盖目标区域地理条件限制,覆盖位置点需在覆盖目标范围内时,需要先计算风向和覆盖目标较短边的夹角,再计算单次覆盖形状在目标的这条边上的投影长度和覆盖形状与另一边的交点坐标;
步骤8:在大目标分割覆盖模块中,根据每个位置点之间的间隔距离向上取整计算出位置点个数,并根据个数重新计算出位置点之间的新的间隔距离;
步骤9:在大目标分割覆盖模块中,结合风向和单次覆盖形状计算出每个位置点的坐标;
步骤10:在大目标分割覆盖模块中,针对不需要考虑环境因素,无覆盖位置点在目标范围内的限制时,需要确定第一个覆盖位置,并计算第一个覆盖位置与相邻两条边长的交点;
步骤11:在大目标分割覆盖模块中,按照覆盖位置形状与两个边长的交点作为下一个覆盖图形的起始顶点,沿着两条相邻边长的方向画出边长上的覆盖位置,然后沿着风向方向平移画出其他覆盖位置并计算出位置点坐标,直到起始顶点的对角超出目标覆盖范围停止。
2.根据权利要求1所述的考虑环境的覆盖满足最优位置点计算方法,其特征在于,所属步骤1中比较单次覆盖形状和覆盖目标的面积大小,并对两种结果分别调用小目标的聚类覆盖模块和大目标的分割覆盖模块计算;同时根据顶点坐标以图像左上角为原点、向下方向为X轴、向右方向为Y轴建立直角坐标系,然后按照覆盖目标的四个顶点坐标判断顶点的相对位置。
3.根据权利要求1所述的考虑环境的覆盖满足最优位置点计算方法,其特征在于,所述步骤2中在针对小目标的聚类覆盖模块需要将坐标系进行旋转,沿风向的反方向缩放图片后上图片任意一点的坐标(x,y)变为:
式中,x”为变换后点的横坐标,y”为变换后点的纵坐标,a为单次覆盖形状扩散范围的长半轴,b为单次覆盖形状扩散范围的短半轴,xmin为坐标系旋转后所有像素点X坐标的最小值,α为将坐标轴绕原点逆时针旋转的角度,α=3π-θ,其中θ为风向角,规定正北方向的风为0,θ∈[0,2π)。
4.根据权利要求1所述的方法,其特征在于,所述步骤3中的相交算法需要判断以各目标点为中心的圆是否相交即有重叠区域,并确定相交的区域。
5.根据权利要求1所述的方法,其特征在于,所述步骤4中基于智能启发式方法的最小集合覆盖求解流程包括:
(1)设置一个集合存放所有目标点,以及一个结果集合用于存放所选择的区域;
(2)根据设置的启发条件遍历所有的相交区域,找到一个覆盖了最多未覆盖的目标点的相交区域;
(3)将这个区域加入到结果集合中,并把该区域覆盖的目标点从存放所有目标点的集合中去除;
(4)重复(2),(3)直到存放所有目标点的集合为空,得到最终选择的相交区域集。
6.根据权利要求1所述的考虑环境的覆盖满足最优位置点计算方法,其特征在于,所述步骤5中根据扩散模型中心点和位置点的距离以及图上距离和实际距离的比例关系得到位置点的坐标(x”,y”)为:
式中,x0”为所求得中心点的横坐标,y0”为所求得中心点的纵坐标,a为单次覆盖形状(扩散范围)的长半轴,b为单次覆盖形状扩散范围的短半轴,d为扩散模型中中心点(x0,y0)与位置点(x,y)的实际距离,bl为图上距离与实际距离的比值。
7.根据权利要求1所述的方法,其特征在于,所述步骤6中为了确定最终的位置点,需要以最小化到覆盖的各目标点的代价之和为目标函数,以目标区域的边界限制为约束条件,并考虑图片中像素点坐标均为整数的限制,采用智能启发式优化算法进行求解。
8.根据权利要求1所述方法,其特征在于,所述步骤7中针对大目标的分割覆盖模块需要使用三角函数计算风向和覆盖目标较短边的夹角,得到的结果是一个范围是[0,π]的角度并借助边长在坐标轴中的相对关系判断。
9.根据权利要求1所述的考虑环境的覆盖满足最优位置点计算方法,其特征在于,所述步骤8中在计算过程中根据覆盖精度要求,结合风向得到位置点和覆盖形状的中心点之间的距离,得出位置点在坐标系中的坐标。
10.根据权利要求1所述的方法,其特征在于,所述步骤10中第一个覆盖位置要求至少能够包括覆盖目标一个顶点,并计算第一个覆盖位置的形状和该顶点的相邻两条边对边长的交点,直到起始顶点的对角超出目标覆盖范围停止;
所述步骤11中沿着选定顶点的相邻两条边方向,以前覆盖形状与边长的交点计算覆盖目标边长上的覆盖位置,再分别对边长上的覆盖形状进行风向方向的平移,使平移后的覆盖形状与原来的没有重合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310904624.5A CN116894519B (zh) | 2023-07-21 | 2023-07-21 | 一种满足用户服务覆盖需求的位置点优化确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310904624.5A CN116894519B (zh) | 2023-07-21 | 2023-07-21 | 一种满足用户服务覆盖需求的位置点优化确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116894519A CN116894519A (zh) | 2023-10-17 |
CN116894519B true CN116894519B (zh) | 2024-06-28 |
Family
ID=88314728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310904624.5A Active CN116894519B (zh) | 2023-07-21 | 2023-07-21 | 一种满足用户服务覆盖需求的位置点优化确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116894519B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427433A (zh) * | 2018-02-05 | 2018-08-21 | 中山大学 | 一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法 |
CN114296446A (zh) * | 2021-12-06 | 2022-04-08 | 深圳市杉川机器人有限公司 | 一种自移动设备的行走路径规划方法、系统及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9471064B1 (en) * | 2015-12-08 | 2016-10-18 | International Business Machines Corporation | System and method to operate a drone |
US20230147624A1 (en) * | 2021-11-11 | 2023-05-11 | Rapyuta Robotics Co., Ltd. | Autonomous mobile robots for coverage path planning |
CN114281076B (zh) * | 2021-12-13 | 2024-02-09 | 烟台杰瑞石油服务集团股份有限公司 | 机器人的覆盖移动作业方法 |
CN115686003A (zh) * | 2022-10-25 | 2023-02-03 | 武汉理工大学 | 面向动态环境干扰的多无人船艇覆盖路径规划方法及系统 |
CN115860210A (zh) * | 2022-11-29 | 2023-03-28 | 重庆大学 | 一种面向目标空间覆盖的多传感器布站方法 |
CN115574826B (zh) * | 2022-12-08 | 2023-04-07 | 南开大学 | 基于强化学习的国家公园无人机巡护路径优化方法 |
-
2023
- 2023-07-21 CN CN202310904624.5A patent/CN116894519B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427433A (zh) * | 2018-02-05 | 2018-08-21 | 中山大学 | 一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法 |
CN114296446A (zh) * | 2021-12-06 | 2022-04-08 | 深圳市杉川机器人有限公司 | 一种自移动设备的行走路径规划方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116894519A (zh) | 2023-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104183016A (zh) | 一种快速的2.5维建筑物模型的构建方法 | |
US8269762B2 (en) | Almost rectangular triangulations | |
CN114330501B (zh) | 一种基于动态时间规整的轨迹样式识别方法及设备 | |
CN109582745A (zh) | 微分射线法判定点与封闭图形位置关系的方法 | |
CN109859287A (zh) | 一种自动生成矢量扇形的方法 | |
CN116894519B (zh) | 一种满足用户服务覆盖需求的位置点优化确定方法 | |
CN117523403A (zh) | 一种宅基地图斑变化检测方法、系统、设备及介质 | |
US20200184719A1 (en) | Geospatial Surveying Tool | |
CN116721230A (zh) | 一种三维实景模型的构建方法、装置、设备及存储介质 | |
CN115272379B (zh) | 一种基于投影的三维网格模型外轮廓提取方法及系统 | |
CN113066176A (zh) | 一种地图数据处理方法、装置、设备及存储介质 | |
Nagy et al. | New algorithm to find isoptic surfaces of polyhedral meshes | |
CN115908637A (zh) | 一种地图要素注记多候选位置生成方法和装置 | |
CN113609691B (zh) | 一种面向智慧交通仿真的交叉路口建模处理方法 | |
CN115422196A (zh) | 一种矢量数据拓扑关系检查方法 | |
CN115979243A (zh) | 一种基于bim信息的移动机器人导航地图转化方法与系统 | |
CN115601336A (zh) | 一种确定目标投影的方法、装置及电子设备 | |
CN103810450A (zh) | 一种射频识别的精确区域定位方法及系统 | |
CN117173362B (zh) | 一种实景三维模型坐标系构建与瓦块分割方法及系统 | |
Guan et al. | Fast approximate viewshed analysis based on the regular-grid digital elevation model: X-type partition proximity-direction-elevation spatial reference line algorithm | |
CN110704900B (zh) | 龙骨立柱模型和墙龙骨模型之间连接节点放置方法和产品 | |
CN117093737A (zh) | 一种地下管廊的可视化方法、装置、设备及存储介质 | |
CN113935676B (zh) | 一种用于精确计算的航线计划优化方法和系统 | |
CN115131416B (zh) | 基于地形阴影检测的半径自适应可视域分析方法及装置 | |
Ali et al. | Dual perspective method for solving the point in a polygon problem |
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 |