CN118031972B - 一种多因素影响下离散图斑遍历调查路径规划的方法 - Google Patents
一种多因素影响下离散图斑遍历调查路径规划的方法 Download PDFInfo
- Publication number
- CN118031972B CN118031972B CN202410432690.1A CN202410432690A CN118031972B CN 118031972 B CN118031972 B CN 118031972B CN 202410432690 A CN202410432690 A CN 202410432690A CN 118031972 B CN118031972 B CN 118031972B
- Authority
- CN
- China
- Prior art keywords
- path
- point
- road
- time
- spot
- 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 58
- 238000011835 investigation Methods 0.000 title claims abstract description 19
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 7
- 238000012876 topography Methods 0.000 claims description 18
- 239000003016 pheromone Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 241000257303 Hymenoptera Species 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 11
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种多因素影响下离散图斑遍历调查路径规划的方法,包括如下步骤:S1、收集数据,对数据矢量化;S2、将所有矢量数据统一数据格式及坐标系;S3、利用GIS软件将路网数据中不同等级道路融合至一个线状图层;S5、利用蚁群算法;S6、计算中心初始点S0与邻近点Si之间的通达路径;S7、将路网线L1转为有向线;S8、重复执行步骤S6‑步骤S7,直到通达时间大于单日最大工作时长时,当日路径规划结束;S9、重复执行步骤S6‑步骤S8,直到所有节点属于初始点集合;S10、以路径线最少或总通达时间最少为原则得到全局最优路径。本发明基于路网矢量数据,利用蚁群优化智能算法实现自然资源调查监测离散图斑点位全覆盖、距离最短的路径规划方法。
Description
技术领域
本发明涉及地理信息技术领域,尤其涉及一种多因素影响下离散图斑遍历调查路径规划的方法。
背景技术
随着国家经济水平的发展,国家对自然资源监测工作的要求越来越高,自然资源监测的周期、精度以及质量都更加严格,导致监测图斑的外业核查工作量越来越大,外核工作的好坏直接影响自然资源的监测工作的实施。若采用传统的外业核查方法,通过以往经验来判断,人工规划核查线路,核查工作效率低、现势性差,难以满足当前的自然资源监测工作要求。因此,在自然资源监测过程中,研究疑似图斑(问题图斑)核查路径优化问题,对提高自然资源监测效率具有重要意义。因此,如何提供一种多因素影响下离散图斑遍历调查路径规划的方法是本领域技术人员亟需解决的问题。
发明内容
本发明的一个目的在于提出一种多因素影响下离散图斑遍历调查路径规划的方法,本发明基于路网矢量数据,综合考虑图斑面积/坡度、道路通达性、道路等级、单日最大工作时长等多重影响因素,利用蚁群优化智能算法实现自然资源调查监测离散图斑点位全覆盖、距离最短的路径规划方法。
根据本发明实施例的一种多因素影响下离散图斑遍历调查路径规划的方法,包括如下步骤:
S1、收集路网线状数据、离散图斑面状数据和地形坡度面状数据,并对收集的所有数据矢量化;
S2、将所有矢量数据统一数据格式及坐标系,其中,所述数据格式为SHP,所述坐标系为CGS2000;
S3、利用地理信息系统软件,将路网数据中不同等级道路融合至一个线状图层,并使用要素转点方法,将路网要素形成道路路口要素点层,计算离散图斑面状数据中心点位置坐标;
S4、设定离散图斑中心点初始点集合、路径集合、通达时长、通达总时长以及道路路口点层集合,设定单日最大工作时长;
S5、应用蚁群算法,选定离散图斑核查中心初始点,根据路网通达性判定中心初始点的邻近点;
S6、计算中心初始点与邻近点之间的通达路径,综合考虑道路因素和点位所在地形因素,求出中心初始点与邻近点的两点间路网线路径长度与通达时间;
S7、将路网线转为有向线,并将路径上的邻近节点设置为初始点,累计至通达总时长:
S8、重复执行步骤S6-步骤S7,直到通达时间大于单日最大工作时长时,当日路径规划结束;
S9、重复执行步骤S6-步骤S8,直到所有节点被包含于初始点集合;
S10、当所有蚂蚁完成搜索后,路径线最少或总通达时间最少为原则得到全局最优路径。
可选的,所述路径规划包括以下条件:
任意一个离散图斑在且仅在一条当日路径上;
所有人员必须到达图斑中心点位,车辆不能到达的情况下需步行前往,并在完成调查工作后,需回到车辆位置,继续下一点位的调查;
任意一条当日路径的总时间之和不能超过单日最大工作时长。
可选的,所述S4具体包括:
S41、定义初始点集合,每个初始点代表一个待核查的离散图斑的地理位置
中心点;
S42、定义路径集合,用以存储每次迭代过程中,从一个离散图斑中心点到另
一个离散图斑中心点的通达路径信息;
S43、对每一条路径计算通达时长,通达时长根据路径长度和平均速度计算得出:
;
其中,为路径的实际长度,为根据多因素影响下的预设平均移动速度;
S44、累计通达时长,为所有已经完成的路径的通达时长之和,用于评估当前
的工作进度与工作时长限制之间的关系;
S45、设定单日最大工作时长,用于限制每日的外业核查工作量。
可选的,所述S5具体包括:
S51、将离散图斑中心点偏移至道路线上,计算出图斑中心初始点距离路网最
近的垂点,其中,为与道路垂直的最短路线的垂点;
S52、建立垂点与路口点的路线-节点关系列表,关系列表中记录路线的端点及坐标,通过共有端点判断路线连通性;
S53、从初始点垂点所在路线及其他离散图斑垂点所在路线,并行搜索共有端点,直至并行搜索至同一路口节点;
S54、将搜索过程路线存储至路径表格中,其中节点的路线包括;
S55、采用基于地理分布敏感的蚁群初始化策略,每个离散图斑中心点均可作为蚂蚁的中心初始点,蚁群初始化策略通过分析离散图斑的地理分布密度动态决定在每个中心初始点部署蚂蚁的数量;
S56、实施包含路网通达性、地形难度以及图斑的核查优先级的多维度可行性评价
指标的复合路径选择机制,用以计算从中心初始点i至邻近点j的优先级,对于从中心初
始点i至邻近点j的优先级计算,引入路网通达性,地形难度和核查优先级的因素:
;
其中,表示考虑环境影响调整后的通达性函数,和分别代表地形难度和核查优先级的评价函数;
S57、采纳环境友好型信息素更新策略,引入环境影响评分,路径长度,并结合路径选择的环境友好性,信息素更新结合路径效率和环境影响,更新公式
为:
;
;
其中,代表由于蚂蚁行走路径中心初始点i至邻近点j增加的信息素量,Q为信息素强度常数,为调节路径长度和环境影响的系数。
可选的,所述S6具体包括:
S61、针对每对中心初始点i与邻近点j,计算两点间的直线距离作为路径长度
的初步估计,结合道路通行阻抗因素和点位所在地形对实际路径长度的调整因素:
;
其中,是基于道路通行阻抗因素的权重函数,是基于地形
的影响系数函数,和是调整系数;
S62、将路网数据按通行阻抗因素进行分类编组,通行阻抗因素包括公路技术等级、单/双行线、行车车道数和路径所在坡度,对所有通行阻抗因素以数值变量形式存储,根据自变量与因变量的相关关系,构建空间权重矩阵文件,根据指定参数定义数据集中所有要素之间的空间关系;
S63、基于路径长度和道路通行阻抗因素确定的平均速度,计
算中心初始点到邻近点间的通达时间,计算公式为:
;
其中,是道路通行阻抗因素对基准速度的调整系数,是地
形对降速效果的影响系数;
S64、综合点位所在地形对通行速度的影响,调整通达时间的计算,引入地形影
响系数,最终的通达时间调整为:
;
其中,反映地形对通行速度的影响,地形复杂时,地形平坦时。
S65、综合通行阻抗因素和影响因素,设置所有车辆完成核查目标图斑节点的路径是最短路径:
;
其中,表示集合A中点或节点的索引,表示点i和j之间的距离或其他阻抗因
素,所述其他阻抗因素包括道路技术等级、单/双行线、行车车道数和路径所在坡度,表
示决策变量,指示是否在路线中包括点i和j之间的路径,是一个二元变量,1 表示路径
包含在内,0 表示路径不包含在内;
是最小化车辆巡查路线的总加权距离或阻抗,使得路径的遍历时间或阻抗之和不超过最大允许值,并且所有目标节点都按要求被访问。
可选的,所述S7具体包括:
S71、对路径规划过程中涉及的所有路网线,执行有向化处理,使得每条路网线根据实际行进方向具有明确的起点和终点;
S72、为每条有向路网线标记属性信息,包括道路通行阻抗因素、通达时间、以及与
之相连的图斑中心点信息,还结合道路对于特定图斑核查任务的适用性评分:
;
;
其中,评估道路等级对核查任务适用性的贡献,基于通达时间
的适用性评分,是一个考虑起点和终点图斑特性的函数,和是权重参数,用于
平衡各因素的影响;
S73、在路径规划过程中,将经过有向化处理并标记了属性的路网线上的邻近节点设定为新的初始点,以新的初始点为基础继续进行路径搜索和规划,并引入优化因子:
;
其中,是一个评估给定终点图斑中心点相对于已访问点集合的多样性和效率的函数,是一个阈值,用于控制新初始点选取的严格程度;
S74、累计通达总时长的更新根据每条路径的通达时间进行:
;
;
其中,是根据新路径的通达时间总和和新初始点集合的特性动态调整的函数,表示新初始点集合的分布密度或覆盖范围,是调整系数,是一个根据的统计特性调整时间累积影响的系数。
可选的,述S8具体包括重复执行步骤S6-步骤S7,直到当日总长大于时,当日
路径规划结束,并形成,设置约束条件,巡查车辆的行驶路径距离均不能超过
其最大路程限制:
;
其中,是求和符号,表示对集合A中所有元素进行加和,表示集合A中的索引,
表示不同的节点或位置,表示从节点i到节点j的通达时间,表示单日最大工作时
长的限制。
可选的,所述S9具体包括:
S91、任意一个目标图斑节点都被访问:
;
其中,表示一个二进制决策变量,用于指示项目或图斑i是否被分配了资源,如
果,那么项目或图斑i获得了资源,如果,则没有获得;
S92、每个目标图斑节点仅被访问1次:
;
S93、车辆到达目标图斑节点,必须从目标图斑节点离开:
其中,和是决策变量,如果路径从i到p或从p到j被选为路径规划的一部
分,则为 1,否则为 0,p表示任意一个目标图斑节点,S是所有目标图斑节点的集合。
本发明的有益效果是:
本发明基于路网矢量数据,综合考虑图斑面积/坡度、道路通达性、道路等级、单日最大工作时长等多重影响因素,利用蚁群优化智能算法实现自然资源调查监测离散图斑点位全覆盖、距离最短的路径规划方法。充分考虑自然资源调查监测图斑核查工作的多重影响因素,结合实际外业调查工作场景,构建附加约束条件的多目标协同优化模型,建立多目标协同优化的图斑遍历路径生成算法,求解最优路径,实现路径的智能规划和导航。通过规划路径与核查方式,在确保图斑遍历基础上,显著减少人工核查行程和时间,提高图斑核查的成果规范与过程效率,同时也降低生产难度和意外风险压力。
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为本发明提出的一种多因素影响下离散图斑遍历调查路径规划的方法的流程图;
图2为本发明提出的一种多因素影响下离散图斑遍历调查路径规划的方法路网通达性与缓冲区判定图;
图3为本发明提出的一种多因素影响下离散图斑遍历调查路径规划的方法的路径示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
参考图1-3,一种多因素影响下离散图斑遍历调查路径规划的方法,包括如下步骤:
S1、收集路网线状数据、离散图斑面状数据和地形坡度面状数据,并对收集的所有数据矢量化;
S2、将所有矢量数据统一数据格式及坐标系,其中,数据格式为SHP,坐标系为CGS2000;
S3、利用地理信息系统软件,将路网数据中不同等级道路融合至一个线状图层,并使用要素转点方法,将路网要素形成道路路口要素点层,计算离散图斑面状数据中心点位置坐标;
S4、设定离散图斑中心点初始点集合、路径集合、通达时长、通达总时长以及道路路口点层集合,设定单日最大工作时长;
本实施方式中,S4具体包括:
S41、定义初始点集合,每个初始点代表一个待核查的离散图斑的地理位置
中心点;
S42、定义路径集合,用以存储每次迭代过程中,从一个离散图斑中心点到另
一个离散图斑中心点的通达路径信息;
S43、对每一条路径计算通达时长,通达时长根据路径长度和平均速度计算得出:
;
其中,为路径的实际长度,为根据多因素影响下的预设平均移动速度;
S44、累计通达时长,为所有已经完成的路径的通达时长之和,用于评估当前
的工作进度与工作时长限制之间的关系;
S45、设定单日最大工作时长,用于限制每日的外业核查工作量。
S5、应用蚁群算法,选定离散图斑核查中心初始点,根据路网通达性判定中心初始点的邻近点;
本实施方式中,S5具体包括:
S51、将离散图斑中心点偏移至道路线上,计算出图斑中心初始点距离路网最
近的垂点,其中,为与道路垂直的最短路线的垂点;
S52、建立垂点与路口点的路线-节点关系列表,关系列表中记录路线的端点及坐标,通过共有端点判断路线连通性;
S53、从初始点垂点所在路线及其他离散图斑垂点所在路线,并行搜索共有端点,直至并行搜索至同一路口节点;
S54、将搜索过程路线存储至路径表格中,其中节点的路线包括;
S55、采用基于地理分布敏感的蚁群初始化策略,每个离散图斑中心点均可作为蚂蚁的中心初始点,蚁群初始化策略通过分析离散图斑的地理分布密度动态决定在每个中心初始点部署蚂蚁的数量;
S56、实施包含路网通达性、地形难度以及图斑的核查优先级的多维度可行性评价
指标的复合路径选择机制,用以计算从中心初始点i至邻近点j的优先级,对于从中心初
始点i至邻近点j的优先级计算,引入路网通达性,地形难度和核查优先级的因素:
;
其中,表示考虑环境影响调整后的通达性函数,和分别代表地形难度和核查优先级的评价函数;
S57、采纳环境友好型信息素更新策略,引入环境影响评分,路径长度,并结合路径选择的环境友好性,信息素更新结合路径效率和环境影响,更新公式
为:
;
;
其中,代表由于蚂蚁行走路径中心初始点i至邻近点j增加的信息素量,Q为信息素强度常数,为调节路径长度和环境影响的系数。
S6、计算中心初始点与邻近点之间的通达路径,综合考虑道路因素和点位所在地形因素,求出中心初始点与邻近点的两点间路网线路径长度与通达时间;
本实施方式中,S6具体包括:
S61、针对每对中心初始点i与邻近点j,计算两点间的直线距离作为路径长度
的初步估计,结合道路通行阻抗因素和点位所在地形对实际路径长度的调整因素:
;
其中,是基于道路通行阻抗因素的权重函数,是基于地形
的影响系数函数,和是调整系数;
S62、将路网数据按通行阻抗因素进行分类编组,通行阻抗因素包括公路技术等级、单/双行线、行车车道数和路径所在坡度,对所有通行阻抗因素以数值变量形式存储,根据自变量与因变量的相关关系,构建空间权重矩阵文件,根据指定参数定义数据集中所有要素之间的空间关系;
S63、基于路径长度和道路通行阻抗因素确定的平均速度,计
算中心初始点到邻近点间的通达时间,计算公式为:
;
其中,是道路通行阻抗因素对基准速度的调整系数,是地
形对降速效果的影响系数;
S64、综合点位所在地形对通行速度的影响,调整通达时间的计算,引入地形影
响系数,最终的通达时间调整为:
;
其中,反映地形对通行速度的影响,地形复杂时,地形平坦时。。
S65、综合通行阻抗因素和影响因素,设置所有车辆完成核查目标图斑节点的路径是最短路径:
;
其中,表示集合A中点或节点的索引,表示点i和j之间的距离或其他阻抗因
素,所述其他阻抗因素包括道路技术等级、单/双行线、行车车道数和路径所在坡度,表
示决策变量,指示是否在路线中包括点i和j之间的路径,是一个二元变量,1 表示路径
包含在内,0 表示路径不包含在内;
是最小化车辆巡查路线的总加权距离或阻抗,使得路径的遍历时间或阻抗之和不超过最大允许值,并且所有目标节点都按要求被访问。
S7、将路网线转为有向线,并将路径上的邻近节点设置为初始点,累计至通达总时长:
本实施方式中,S7具体包括:
S71、对路径规划过程中涉及的所有路网线,执行有向化处理,使得每条路网线根据实际行进方向具有明确的起点和终点;
S72、为每条有向路网线标记属性信息,包括道路通行阻抗因素、通达时间、以及与
之相连的图斑中心点信息,还结合道路对于特定图斑核查任务的适用性评分:
;
;
其中,评估道路等级对核查任务适用性的贡献,基于通达时间
的适用性评分,是一个考虑起点和终点图斑特性的函数,和是权重参数,用于
平衡各因素的影响;
S73、在路径规划过程中,将经过有向化处理并标记了属性的路网线上的邻近节点设定为新的初始点,以新的初始点为基础继续进行路径搜索和规划,并引入优化因子:
;
其中,是一个评估给定终点图斑中心点相对于已访问点集合的多样性和效率的函数,是一个阈值,用于控制新初始点选取的严格程度;
S74、累计通达总时长的更新根据每条路径的通达时间进行:
;
;
其中,是根据新路径的通达时间总和和新初始点集合的特性动态调整的函数,表示新初始点集合的分布密度或覆盖范围,是调整系数,是一个根据的统计特性调整时间累积影响的系数。
本实施方式中,述S8具体包括重复执行步骤S6-步骤S7,直到当日总长大于
时,当日路径规划结束,并形成,设置约束条件,巡查车辆的行驶路径距离均
不能超过其最大路程限制:
;
其中,是求和符号,表示对集合A中所有元素进行加和,表示集合A中的索引,
表示不同的节点或位置,表示从节点i到节点j的通达时间,表示单日最大工作时
长的限制。
S8、重复执行步骤S6-步骤S7,直到通达时间大于单日最大工作时长时,当日路径规划结束;
S9、重复执行步骤S6-步骤S8,直到所有节点被包含于初始点集合;
本实施方式中,S9具体包括:
S91、任意一个目标图斑节点都被访问:
;
其中,表示一个二进制决策变量,用于指示项目或图斑i是否被分配了资源,如
果,那么项目或图斑i获得了资源,如果,则没有获得;
S92、每个目标图斑节点仅被访问1次:
;
S93、车辆到达目标图斑节点,必须从目标图斑节点离开:
其中,和是决策变量,如果路径从i到p或从p到j被选为路径规划的一部
分,则为 1,否则为 0,p表示任意一个目标图斑节点,S是所有目标图斑节点的集合。
S10、当所有蚂蚁完成搜索后,路径线最少或总通达时间最少为原则得到全局最优路径。
本实施方式中,路径规划包括以下条件:
任意一个离散图斑在且仅在一条当日路径上;
所有人员必须到达图斑中心点位,车辆不能到达的情况下需步行前往,并在完成调查工作后,需回到车辆位置,继续下一点位的调查;
任意一条当日路径的总时间之和不能超过单日最大工作时长。
实施例1:
为了验证本发明在实施中的可行性,将本发明应用在一片辽阔的林区,有一个由多个离散图斑组成的森林监测项目,这些图斑由于受到不同的自然和人为因素影响,其植被覆盖、土壤类型、坡度等特征均有所不同,为了有效地对这些图斑进行生态调查与数据收集,需要一个系统的路径规划方法来优化调查路线,确保调查工作既高效又不重复。
在这个林区内,调查小组需要在不同的地形条件下遍历所有图斑。传统的路径规划方法往往没有考虑多种复杂因素,例如地形坡度、道路等级以及每天工作时间的限制,这就导致了路径的低效和工作时间的浪费。
为了克服这一问题,调查组采用了本文提出的多因素影响下的离散图斑遍历调查路径规划方法。首先,他们收集了路网、图斑和地形坡度的相关数据,并将这些数据进行了矢量化处理,以便在GIS软件中使用。随后,他们统一了这些数据的格式和坐标系,确保了数据的一致性和准确性。
利用GIS软件,调查组合并了不同等级的道路到一个图层,并计算出了各个图斑的中心点位置。然后,他们设置了图斑中心点的初始集合、路径集合以及相关的时间参数,为接下来的路径规划做好了准备。
接着,调查组利用蚁群算法进行路径规划。他们选定了一个离散图斑核查的中心初始点,并确定了邻近点。通过计算这些点之间的通达路径和时间,他们得以考虑到了道路等级和点位所在地形的影响。他们不断重复这一过程,直到达到了单日最大工作时长的限制。通过这一系列复杂的计算和路径的选择,他们得到了一个最优的、考虑了多种因素的调查路径规划。
表1 离散图斑遍历调查路径优化对比表
由上述表1可以看出,数据显示在采用本方法之前,调查团队每日平均需要行进30公里,调查10个图斑点,采用新方法后,同样完成10个图斑点的调查,但平均行进距离减少到了20公里。这不仅节省了交通成本,也大幅减少了调查人员的疲劳度。例如,在一个具体的调查日中,调查组在8小时的工作时间内,成功完成了12个图斑的调查,比原计划多出2个图斑点。其中,最远的两个图斑点之间的距离达到了15公里,但由于优化后的路径规划,调查组成员不必重复经过已调查区域,大大提高了工作效率。
综上所述,这一多因素影响下的路径规划方法不仅提高了调查的效率,减少了行进的距离,还确保了调查工作的质量。通过详细的数据分析与比较,我们可以明确看到,该方法在实际应用中确实能够带来显著的有益效果。
本发明基于路网矢量数据,综合考虑图斑面积/坡度、道路通达性、道路等级、单日最大工作时长等多重影响因素,利用蚁群优化智能算法实现自然资源调查监测离散图斑点位全覆盖、距离最短的路径规划方法。充分考虑自然资源调查监测图斑核查工作的多重影响因素,结合实际外业调查工作场景,构建附加约束条件的多目标协同优化模型,建立多目标协同优化的图斑遍历路径生成算法,求解最优路径,实现路径的智能规划和导航。通过规划路径与核查方式,在确保图斑遍历基础上,显著减少人工核查行程和时间,提高图斑核查的成果规范与过程效率,同时也降低生产难度和意外风险压力。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种多因素影响下离散图斑遍历调查路径规划的方法,其特征在于,包括如下步骤:
S1、收集路网线状数据、离散图斑面状数据和地形坡度面状数据,并对收集的所有数据矢量化;
S2、将所有矢量数据统一数据格式及坐标系,其中,所述数据格式为SHP,所述坐标系为CGS2000;
S3、利用地理信息系统软件,将路网数据中不同等级道路融合至一个线状图层,并使用要素转点方法,将路网要素形成道路路口要素点层,计算离散图斑面状数据中心点位置坐标;
S4、设定离散图斑中心点初始点集合、路径集合、通达时长、通达总时长以及道路路口点层集合,设定单日最大工作时长;
S5、应用蚁群算法,选定离散图斑核查中心初始点,根据路网通达性判定中心初始点的邻近点;
S6、计算中心初始点与邻近点之间的通达路径,综合考虑道路因素和点位所在地形因素,求出中心初始点与邻近点的两点间路网线路径长度与通达时间;
S7、将路网线转为有向线,并将路径上的邻近节点设置为初始点,累计至通达总时长:
S8、重复执行步骤S6-步骤S7,直到通达时间大于单日最大工作时长时,当日路径规划结束;
S9、重复执行步骤S6-步骤S8,直到所有节点被包含于初始点集合;
S10、当所有蚂蚁完成搜索后,路径线最少或总通达时间最少为原则得到全局最优路径;
所述S4具体包括:
S41、定义初始点集合,每个初始点代表一个待核查的离散图斑的地理位置中心点;
S42、定义路径集合,用以存储每次迭代过程中,从一个离散图斑中心点到另一个离散图斑中心点的通达路径信息;
S43、对每一条路径计算通达时长,通达时长根据路径长度和平均速度计算得出:
;
其中,为路径的实际长度,为根据多因素影响下的预设平均移动速度;
S44、累计通达时长,为所有已经完成的路径的通达时长之和,用于评估当前的工作进度与工作时长限制之间的关系;
S45、设定单日最大工作时长,用于限制每日的外业核查工作量;
所述S5具体包括:
S51、将离散图斑中心点偏移至道路线上,计算出图斑中心初始点距离路网最近的垂点,其中,为与道路垂直的最短路线的垂点;
S52、建立垂点与路口点的路线-节点关系列表,关系列表中记录路线的端点及坐标,通过共有端点判断路线连通性;
S53、从初始点垂点所在路线及其他离散图斑垂点所在路线,并行搜索共有端点,直至并行搜索至同一路口节点;
S54、采用基于地理分布敏感的蚁群初始化策略,每个离散图斑中心点均可作为蚂蚁的中心初始点,蚁群初始化策略通过分析离散图斑的地理分布密度动态决定在每个中心初始点部署蚂蚁的数量;
S55、实施包含路网通达性、地形难度以及图斑的核查优先级的多维度可行性评价指标的复合路径选择机制,用以计算从中心初始点i至邻近点j的优先级,对于从中心初始点
i至邻近点j的优先级计算,引入路网通达性,地形难度和核查优先级的因素:
;
其中,表示考虑环境影响调整后的通达性函数,和分别代表地形难度和核查优先级的评价函数;
S56、采纳环境友好型信息素更新策略,引入环境影响评分,路径长度,并结合路径选择的环境友好性,信息素更新结合路径效率和环境影响,更新公式为:
;
;
其中,代表由于蚂蚁行走路径中心初始点i至邻近点j增加的信息素量,Q为信息素强度常数,为调节路径长度和环境影响的系数;
所述S6具体包括:
S61、针对每对中心初始点i与邻近点j,计算两点间的直线距离作为路径长度的初步估计,结合道路通行阻抗因素和点位所在地形对实际路径长度的调整因素:
;
其中,是基于道路通行阻抗因素的权重函数,是基于地形的影响系数函数,和是调整系数;
S62、将路网数据按通行阻抗因素进行分类编组,通行阻抗因素包括公路技术等级、单/双行线、行车车道数和路径所在坡度,对所有通行阻抗因素以数值变量形式存储,根据自变量与因变量的相关关系,构建空间权重矩阵文件,根据指定参数定义数据集中所有要素之间的空间关系;
S63、基于路径长度和道路通行阻抗因素确定的平均速度,计算中心初始点到邻近点间的通达时间,计算公式为:
;
其中,是道路通行阻抗因素对基准速度的调整系数,是地形对降速效果的影响系数;
S64、综合点位所在地形对通行速度的影响,调整通达时间的计算,引入地形影响系数,最终的通达时间调整为:
;
其中,反映地形对通行速度的影响,地形复杂时,地形平坦时;
S65、综合通行阻抗因素和影响因素,设置所有车辆完成核查目标图斑节点的路径是最短路径:
;
其中,表示集合A中点或节点的索引,表示点i和j之间的距离或其他阻抗因素,所述其他阻抗因素包括道路技术等级、单/双行线、行车车道数和路径所在坡度,表示决策变量,指示是否在路线中包括点i和j之间的路径,是一个二元变量,1 表示路径包含在内,0 表示路径不包含在内;
是最小化车辆巡查路线的总加权距离或阻抗,使得路径的遍历时间或阻抗之和不超过最大允许值,并且所有目标节点都按要求被访问;
所述S7具体包括:
S71、对路径规划过程中涉及的所有路网线,执行有向化处理,使得每条路网线根据实际行进方向具有明确的起点和终点;
S72、为每条有向路网线标记属性信息,包括道路通行阻抗因素、通达时间、以及与之相连的图斑中心点信息,还结合道路对于特定图斑核查任务的适用性评分:
;
;
其中,评估道路等级对核查任务适用性的贡献,基于通达时间的适用性评分,是一个考虑起点和终点图斑特性的函数,和是权重参数,用于平衡各因素的影响;
S73、在路径规划过程中,将经过有向化处理并标记了属性的路网线上的邻近节点设定为新的初始点,以新的初始点为基础继续进行路径搜索和规划,并引入优化因子:
;
其中,是一个评估给定终点图斑中心点相对于已访问点集合的多样性和效率的函数,是一个阈值,用于控制新初始点选取的严格程度;
S74、累计通达总时长的更新根据每条路径的通达时间进行:
;
;
其中,是根据新路径的通达时间总和和新初始点集合的特性动态调整的函数,表示新初始点集合的分布密度或覆盖范围,是调整系数,是一个根据的统计特性调整时间累积影响的系数。
2.根据权利要求1所述的一种多因素影响下离散图斑遍历调查路径规划的方法,其特征在于,所述路径规划包括以下条件:
任意一个离散图斑在且仅在一条当日路径上;
所有人员必须到达图斑中心点位,车辆不能到达的情况下需步行前往,并在完成调查工作后,需回到车辆位置,继续下一点位的调查;
任意一条当日路径的总时间之和不能超过单日最大工作时长。
3.根据权利要求1所述的一种多因素影响下离散图斑遍历调查路径规划的方法,其特征在于,所述S8具体包括重复执行步骤S6-步骤S7,直到当日总长大于时,当日路径规划结束,并形成,设置约束条件,巡查车辆的行驶路径距离均不能超过其最大路程限制:
;
其中,是求和符号,表示对集合A中所有元素进行加和,表示集合A中的索引,表示不同的节点或位置,表示从节点i到节点j的通达时间,表示单日最大工作时长的限制。
4.根据权利要求3所述的一种多因素影响下离散图斑遍历调查路径规划的方法,其特征在于,所述S9具体包括:
S91、任意一个目标图斑节点都被访问:
;
其中,表示一个二进制决策变量,用于指示项目或图斑i是否被分配了资源,如果,那么项目或图斑i获得了资源,如果,则没有获得;
S92、每个目标图斑节点仅被访问1次:
;
S93、车辆到达目标图斑节点,必须从目标图斑节点离开:
;
其中,和是决策变量,如果路径从i到p或从p到j被选为路径规划的一部分,则为1,否则为 0,p表示任意一个目标图斑节点,S是所有目标图斑节点的集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410432690.1A CN118031972B (zh) | 2024-04-11 | 2024-04-11 | 一种多因素影响下离散图斑遍历调查路径规划的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410432690.1A CN118031972B (zh) | 2024-04-11 | 2024-04-11 | 一种多因素影响下离散图斑遍历调查路径规划的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118031972A CN118031972A (zh) | 2024-05-14 |
CN118031972B true CN118031972B (zh) | 2024-07-02 |
Family
ID=90989860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410432690.1A Active CN118031972B (zh) | 2024-04-11 | 2024-04-11 | 一种多因素影响下离散图斑遍历调查路径规划的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118031972B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114858177A (zh) * | 2022-04-28 | 2022-08-05 | 重庆市国土整治中心 | 一种国土整治移动实验室外业路径规划方法 |
CN115077552A (zh) * | 2022-06-13 | 2022-09-20 | 山东大学 | 一种基于最短路径的监管环境安全巡检规划方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919345B (zh) * | 2017-12-12 | 2021-06-29 | 北京京东振世信息技术有限公司 | 拣货路径规划方法与装置 |
CN112484727A (zh) * | 2020-10-14 | 2021-03-12 | 中国人民解放军国防科技大学 | 一种基于双充电模式的无人机路径规划方法 |
-
2024
- 2024-04-11 CN CN202410432690.1A patent/CN118031972B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114858177A (zh) * | 2022-04-28 | 2022-08-05 | 重庆市国土整治中心 | 一种国土整治移动实验室外业路径规划方法 |
CN115077552A (zh) * | 2022-06-13 | 2022-09-20 | 山东大学 | 一种基于最短路径的监管环境安全巡检规划方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN118031972A (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111667101B (zh) | 融合高分辨率遥感影像与地形的个性化电力野外作业路径规划方法及系统 | |
CN110046213B (zh) | 一种顾及路径失真纠正与交叉跨越纠正的电力选线方法 | |
CN109359350A (zh) | 一种优化精细施工成本的风电场道路智能设计方法 | |
CN113723715B (zh) | 公交线网自动匹配道路网络方法、系统、设备及存储介质 | |
Stefanakis et al. | On the determination of the optimum path in space | |
CN107480808B (zh) | 一种高海拔山区引水工程线路规划方法 | |
CN105043379A (zh) | 一种基于时空约束的景区浏览路径规划方法、装置 | |
CN107092978A (zh) | 一种面向虚拟地球的最短路径分层规划方法 | |
CN110413855B (zh) | 一种基于出租车下客点的区域出入口动态提取方法 | |
Krenz | Employing volunteered geographic information in space syntax analysis | |
CN113312398A (zh) | 水土保持监测点的智能规划方法、系统、终端和存储介质 | |
CN114217609A (zh) | 一种满足多约束条件的电网线路走廊带智能划分方法 | |
Zhang et al. | Genetic algorithms and the corridor location problem: multiple objectives and alternative solutions | |
CN117033808A (zh) | 基于拓扑路网的铁路可达性搜索方法 | |
CN114723121A (zh) | 基于gis的野外复杂地形路径规划方法 | |
CN117669002B (zh) | 一种基于大数据的道路设计实用程度评估方法及装置 | |
Pan et al. | Optimization of multi-objective multi-functional landuse zoning using a vector-based genetic algorithm | |
US20210325196A1 (en) | Vector Tile Navigation | |
CN118031972B (zh) | 一种多因素影响下离散图斑遍历调查路径规划的方法 | |
CN112541624B (zh) | 一种揽投网点的选址方法、装置、介质及电子设备 | |
CN112527935A (zh) | 一种基于Voronoi图的加油站选址分析系统 | |
Eldrandaly et al. | A modified artificial bee colony algorithm for solving least-cost path problem in raster GIS | |
CN116415748A (zh) | 基于三维数字化融合数据的输变电智能规划方法及系统 | |
CN114723316B (zh) | 一种基于gis的城区公共设施的可达性评价方法及系统 | |
CN111008730A (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 |
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 |