CN117168490B - 基于数学启发式的道路积尘走航监测车辆路线规划方法 - Google Patents

Abstract

本发明公开了一种基于数学启发式的道路积尘走航监测车辆路线规划方法，涉及道路积尘走航监测技术领域。该方法包括根据监测区域内各个监测点位的重要程度，量化道路积尘走航监测车辆路线在监测周期内的监测效用；构建两阶段迭代的数学启发式走航车辆路线规划模型，其中上层问题为以最大化总监测效用为优化目标构建的路线选择模型，下层问题为以最大化新添加线路的边际感知效用为优化目标构建的新路线生成模型；对两阶段迭代的数学启发式走航车辆路线规划模型进行迭代求解，得到道路积尘走航监测路线规划结果。本发明通过结合道路扬尘污染的监测需求合理规划道路积尘走航监测车辆不同车次的运行方案，可以提高道路积尘走航车辆调度效率。

Description

基于数学启发式的道路积尘走航监测车辆路线规划方法

技术领域

本发明涉及道路积尘走航监测技术领域，具体涉及一种基于数学启发式的道路积尘走航监测车辆路线规划方法。

背景技术

为了进一步规范道路清洁作业，强化道路扬尘污染的源头追溯，有效抑制城市道路扬尘污染，各地逐步采用道路积尘走航监测系统代替了过去的手工检测，在节约人力成本的同时，可以进一步提高监测效果。

道路积尘走航监测系统由专用车辆搭载监测传感器，利用传感器对大气信息进行采集并实时传输至在线平台。该道路积尘移动监测车可以在车辆运行过程中快速和实时地对不同类型道路和不同路段进行监控。然而，该监测车辆的购买和运行成本非常高，那么如何在给定成本下根据不同的监测需求合理规划不同车次的运行路线是一个亟待解决的问题。

发明内容

针对现有技术中的上述不足，本发明提供了一种基于数学启发式的道路积尘走航监测车辆路线规划方法，通过结合道路扬尘污染的监测需求合理规划道路积尘走航监测车辆不同车次的运行方案，提高道路积尘走航车辆调度效率。

为了达到上述发明目的，本发明采用的技术方案为：

一种基于数学启发式的道路积尘走航监测车辆路线规划方法，包括以下步骤：

S1、根据监测区域内各个监测点位的重要程度，量化道路积尘走航监测车辆路线在监测周期内的监测效用；

S2、构建两阶段迭代的数学启发式走航车辆路线规划模型，其中上层问题为以最大化总监测效用为优化目标构建的路线选择模型，下层问题为以最大化新添加线路的边际感知效用为优化目标构建的新路线生成模型；

S3、对两阶段迭代的数学启发式走航车辆路线规划模型进行迭代求解，得到道路积尘走航监测路线规划结果。

进一步地，步骤S1具体包括以下步骤：

S11、根据监测区域内各个监测点位的重要程度，设定各个监测点位的监测权重；

S12、根据各个监测点位的监测权重和各个监测点位在监测周期内被访问的次数，量化道路积尘走航监测车辆路线在监测周期内的监测效用。

进一步地，量化道路积尘走航监测车辆路线在监测周期内的监测效用的方法为：

其中，表示路线在监测周期内的监测效用，/>表示监测点位i的监测权重，I表示监测点位集合，q _i表示监测点位i在监测周期内被访问的次数，β表示约束参数。

进一步地，步骤S2中以最大化总监测效用为优化目标构建的路线选择模型具体包括以下步骤：

S21、采用贪心策略初始化道路积尘走航监测车辆的候选路线列表；

S22、以最大化道路积尘走航监测车辆在监测周期内的总监测效用作为路线选择优化目标，以车辆数或者车次数作为路线选择约束条件，构建路线选择模型。

进一步地，所述路线选择优化目标具体为：

其中，max表示最大化函数，表示路线在监测周期内的监测效用，/>表示监测点位i的监测权重，I表示监测点位集合，q _i表示监测点位i在监测周期内被访问的次数，β表示约束参数，/>表示道路积尘走航监测车辆k是否选择路线r的0-1变量，K表示道路积尘走航监测车辆集合，R表示路线集合。

进一步地，所述路线选择约束条件具体为：

其中，表示路线r是否覆盖监测点位i的0-1变量，/>表示候选路线列表中的路线数量。

进一步地，步骤S2中以最大化新添加线路的边际感知效用为优化目标构建的新路线生成模型具体包括以下步骤：

S23、生成一条新路线，添加到路线选择模型中道路积尘走航监测车辆的候选路线列表；

S24、确定道路积尘走航监测车辆选择新路线对所覆盖监测点位的边际增益；

S25、以最大化新路线覆盖监测点位的边际增益作为新线路生成优化目标，以每个监测点位最多被覆盖一次作为新线路生成约束条件，构建新路线生成模型。

进一步地，所述新线路生成优化目标具体为：

其中，表示道路积尘走航监测车辆选择新路线对所覆盖监测点位i的边际增益，表示新路线是否覆盖监测点位i的0-1变量，I表示监测点位集合，/>表示新路线是否从监测点位i运行到监测点位j的0-1变量。

进一步地，所述新线路生成约束条件具体为：

其中，表示新线路从起点出发后经过的第一个监测点位是否为监测点位i的0-1变量，/>表示新线路经过监测点位i后是否返回终点的0-1变量，/>表示新路线是否从监测点位i运行到监测点位l的0-1变量，/>表示新路线是否从监测点位l运行到监测点位j的0-1变量，/>表示从监测点位i运行到监测点位j的时间成本，/>表示设定的时间预算，/>表示监测点位i在新线路中的次序，/>表示监测点位j在新线路中的次序，n表示有效监测点位的数量。

进一步地，步骤S3具体包括以下步骤：

S31、随机初始化路线选择模型的候选路线列表、最优目标值、未改进的迭代次数和迭代终止参数；

S32、对路线选择模型进行求解，根据路线选择结果对各个道路积尘走航监测车辆分配路线，并记录当前的优化目标值；

S33、根据各个道路积尘走航监测车辆分配路线更新每个监测点位的边际增益；

S34、根据每个监测点位的边际增益对新路线生成模型进行求解，根据新线路生成结果将新路线添加到候选路线列表中；

S35、判断当前的优化目标值是否大于最优目标值；若是，则根据当前的优化目标值更新最优目标值，并重置未改进的迭代次数；否则将未改进的迭代次数递增；

S36、判断未改进的迭代次数是否小于迭代终止参数；若是，则跳转至步骤S32；否则流程结束。

本发明具有以下有益效果：

（1）本发明可以在较短时间内快速规划一个监测周期内道路积尘走航监测车辆不同车次的运行路线，提高了道路积尘走航监测车辆路线规划效率和有效性，从而能够更好地满足监测需求；

（2）本发明可以适用于不同监测需求场景下的道路积尘走航监测车辆的路线规划解决方案，应用前景和应用范围均十分广阔。

附图说明

图1为本发明中基于数学启发式的道路积尘走航监测车辆路线规划方法的流程示意图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

如图1所示，本发明实施例提供了一种基于数学启发式的道路积尘走航监测车辆路线规划方法，包括以下步骤S1至步骤S3：

S1、根据监测区域内各个监测点位的重要程度，量化道路积尘走航监测车辆路线在监测周期内的监测效用；

在本发明的一个可选实施例中，本实施例的步骤S1具体包括以下步骤S11至步骤S12：

S11、根据监测区域内各个监测点位的重要程度，设定各个监测点位的监测权重；

S12、根据各个监测点位的监测权重和各个监测点位在监测周期内被访问的次数，量化道路积尘走航监测车辆路线在监测周期内的监测效用。

具体而言，由于在进行道路积尘走航监测时，通常需要对某些重点的监测点位设置更高的监测频率，因此本实施例根据监测点位的重要性，赋予其相应的权重，使得权重高的监测点位能够在给定的监测周期内被多次覆盖。

本实施例以每条路线所覆盖的监测点位在监测周期内被访问的次数，来衡量每条道路积尘走航监测车辆路线在监测周期内的监测效用，具体为：

其中，表示路线在监测周期内的监测效用，/>表示监测点位i的监测权重，I表示监测点位集合，q _i为辅助变量，表示监测点位i在监测周期内被访问的次数，β表示一个范围内的约束参数，用于权衡监测范围和监测频率。

S2、构建两阶段迭代的数学启发式走航车辆路线规划模型，其中上层问题为以最大化总监测效用为优化目标构建的路线选择模型，下层问题为以最大化新添加线路的边际感知效用为优化目标构建的新路线生成模型；

在本发明的一个可选实施例中，本实施例的步骤S2中以最大化总监测效用为优化目标构建的路线选择模型具体包括以下步骤S21至步骤S22：

S21、采用贪心策略初始化道路积尘走航监测车辆的候选路线列表；

S22、以最大化道路积尘走航监测车辆在监测周期内的总监测效用作为路线选择优化目标，以车辆数或者车次数作为路线选择约束条件，构建路线选择模型。

本实施例通过路线选择模型作为上层问题模型，旨在通过选择条线路来最大化总监测得分f。

本实施例以最大化道路积尘走航监测车辆在监测周期内的总监测效用作为路线选择优化目标，具体为：

其中，max表示最大化函数，表示路线在监测周期内的监测效用，/>表示监测点位i的监测权重，I表示监测点位集合，q _i表示监测点位i在监测周期内被访问的次数，β表示约束参数，/>表示道路积尘走航监测车辆k是否选择路线r的0-1变量，若道路积尘走航监测车辆k选择路线r，则/>，反之/>；K表示道路积尘走航监测车辆集合，R表示路线集合。

本实施例以车辆数或者车次数作为路线选择约束条件，具体为：

其中，表示路线r是否覆盖监测点位i的0-1变量，若路线r覆盖监测点位i，则，反之/>；/>表示候选路线列表中的路线数量。

在本发明的一个可选实施例中，本实施例的步骤S2中以最大化新添加线路的边际感知效用为优化目标构建新路线生成模型，具体包括以下步骤S23至步骤S25：

S23、生成一条新路线，添加到路线选择模型中道路积尘走航监测车辆的候选路线列表；

S24、确定道路积尘走航监测车辆选择新路线对所覆盖监测点位的边际增益；

S25、以最大化新路线覆盖监测点位的边际增益作为新线路生成优化目标，以每个监测点位最多被覆盖一次作为新线路生成约束条件，构建新路线生成模型。

具体而言，本发明构建新路线生成模型作为下层问题模型，旨在通过产生一条新的路线添加到路线选择模型的候选路线列表中，以提升路线选择模型的优化目标值。

本实施例以最大化新路线覆盖监测点位的边际增益作为新线路生成优化目标，其中边际增益为在当前上层问题模型的各监测点位覆盖情况的基础上，多覆盖一条新路线所带来的感知效用的增加值；新线路生成优化目标具体为：

其中，表示道路积尘走航监测车辆选择新路线对所覆盖监测点位i的边际增益，表示新路线是否覆盖监测点位i的0-1变量，若新路线覆盖监测点位i，则/>，反之/>；I表示监测点位集合，/>表示新路线是否从监测点位i运行到监测点位j的0-1变量，若新路线从监测点位i运行到监测点位j，则/>，反之/>。

本实施例以每个监测点位最多被覆盖一次作为新线路生成约束条件，具体为：

其中，表示新线路从起点出发后经过的第一个监测点位是否为监测点位i的0-1变量，若新线路从起点出发后经过的第一个监测点位为监测点位i，则/>，反之/>；表示新线路经过监测点位i后是否返回终点的0-1变量，若新线路经过监测点位i后返回终点，则/>，反之/>；/>表示新路线是否从监测点位i运行到监测点位l的0-1变量，/>表示新路线是否从监测点位l运行到监测点位j的0-1变量，/>表示从监测点位i运行到监测点位j的时间成本，/>表示设定的时间预算，/>表示监测点位i在新线路中的次序，/>表示监测点位j在新线路中的次序，n表示有效监测点位的数量。

S3、对两阶段迭代的数学启发式走航车辆路线规划模型进行迭代求解，得到道路积尘走航监测路线规划结果。

在本发明的一个可选实施例中，本实施例的步骤S3具体包括以下步骤S31至步骤S36：

S31、随机初始化路线选择模型的候选路线列表R、最优目标值、未改进的迭代次数/>和迭代终止参数/>；

S32、对路线选择模型进行求解，根据路线选择结果对各个道路积尘走航监测车辆分配路线，并记录当前的优化目标值f；

S33、根据各个道路积尘走航监测车辆分配路线更新每个监测点位的边际增益；

S34、根据每个监测点位的边际增益对新路线生成模型进行求解，根据新线路生成结果将新路线添加到候选路线列表R中；

S35、判断当前的优化目标值f是否大于最优目标值；若是，则根据当前的优化目标值更新最优目标值/>，并重置未改进的迭代次数/>；否则将未改进的迭代次数递增加1；

S36、判断未改进的迭代次数是否小于迭代终止参数/>；若是，则跳转至步骤S32；否则流程结束。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (2)

1.一种基于数学启发式的道路积尘走航监测车辆路线规划方法，其特征在于，包括以下步骤：

S1、根据监测区域内各个监测点位的重要程度，量化道路积尘走航监测车辆路线在监测周期内的监测效用；具体包括以下步骤：

S11、根据监测区域内各个监测点位的重要程度，设定各个监测点位的监测权重；

S12、根据各个监测点位的监测权重和各个监测点位在监测周期内被访问的次数，量化道路积尘走航监测车辆路线在监测周期内的监测效用，具体为：

其中，表示路线在监测周期内的监测效用，/>表示监测点位i的监测权重，I表示监测点位集合，q _i表示监测点位i在监测周期内被访问的次数，β表示约束参数；

S2、构建两阶段迭代的数学启发式走航车辆路线规划模型，其中上层问题为以最大化总监测效用为优化目标构建的路线选择模型，下层问题为以最大化新添加线路的边际感知效用为优化目标构建的新路线生成模型；

其中以最大化总监测效用为优化目标构建的路线选择模型具体包括以下步骤：

S21、采用贪心策略初始化道路积尘走航监测车辆的候选路线列表；

S22、以最大化道路积尘走航监测车辆在监测周期内的总监测效用作为路线选择优化目标，以车辆数或者车次数作为路线选择约束条件，构建路线选择模型；

所述路线选择优化目标具体为：

其中，max表示最大化函数，表示路线在监测周期内的监测效用，/>表示监测点位i的监测权重，I表示监测点位集合，q _i表示监测点位i在监测周期内被访问的次数，β表示约束参数，/>表示道路积尘走航监测车辆k是否选择路线r的0-1变量，K表示道路积尘走航监测车辆集合，R表示路线集合；

所述路线选择约束条件具体为：

其中，表示路线r是否覆盖监测点位i的0-1变量，/>表示候选路线列表中的路线数量；

其中以最大化新添加线路的边际感知效用为优化目标构建的新路线生成模型具体包括以下步骤：

S23、生成一条新路线，添加到路线选择模型中道路积尘走航监测车辆的候选路线列表；

S24、确定道路积尘走航监测车辆选择新路线对所覆盖监测点位的边际增益；

S25、以最大化新路线覆盖监测点位的边际增益作为新线路生成优化目标，以每个监测点位最多被覆盖一次作为新线路生成约束条件，构建新路线生成模型；

所述新线路生成优化目标具体为：

其中，表示道路积尘走航监测车辆选择新路线对所覆盖监测点位i的边际增益，/>表示新路线是否覆盖监测点位i的0-1变量，I表示监测点位集合，/>表示新路线是否从监测点位i运行到监测点位j的0-1变量；

所述新线路生成约束条件具体为：

其中，表示新线路从起点出发后经过的第一个监测点位是否为监测点位i的0-1变量，/>表示新线路经过监测点位i后是否返回终点的0-1变量，/>表示新路线是否从监测点位i运行到监测点位l的0-1变量，/>表示新路线是否从监测点位l运行到监测点位j的0-1变量，/>表示从监测点位i运行到监测点位j的时间成本，/>表示设定的时间预算，/>表示监测点位i在新线路中的次序，/>表示监测点位j在新线路中的次序，n表示有效监测点位的数量；

S3、对两阶段迭代的数学启发式走航车辆路线规划模型进行迭代求解，得到道路积尘走航监测路线规划结果。

2.根据权利要求1所述的基于数学启发式的道路积尘走航监测车辆路线规划方法，其特征在于，步骤S3具体包括以下步骤：

S31、随机初始化路线选择模型的候选路线列表、最优目标值、未改进的迭代次数和迭代终止参数；

S32、对路线选择模型进行求解，根据路线选择结果对各个道路积尘走航监测车辆分配路线，并记录当前的优化目标值；

S33、根据各个道路积尘走航监测车辆分配路线更新每个监测点位的边际增益；

S34、根据每个监测点位的边际增益对新路线生成模型进行求解，根据新线路生成结果将新路线添加到候选路线列表中；

S35、判断当前的优化目标值是否大于最优目标值；若是，则根据当前的优化目标值更新最优目标值，并重置未改进的迭代次数；否则将未改进的迭代次数递增；

S36、判断未改进的迭代次数是否小于迭代终止参数；若是，则跳转至步骤S32；否则流程结束。