一种巡检路线制定方法及装置制造方法及图纸

本发明专利技术涉及一种巡检路线制定方法及装置，该方法首先获取待巡检区域的地理信息，所述地理信息包括巡检目标的位置信息和路线，并对巡视目标按危险等级进行参数变异；然后以变异后的参数作为训练参数，采用聚类算法对训练参数进行聚类划分，得到设定个数的聚类结果；最后从聚类结果中选取一个巡检目标的位置作为初始位置，采用蚁群算法，得到每个聚类结果的最短巡检路径；其中，在执行蚁群算法时，在蚂蚁遍历完所有的巡检目标后，对蚂蚁进行随机变异操作或追尾变异操作。本发明专利技术依据巡检目标、巡视人员和巡视环境的变化动态自适应的为巡检人员设计了最短的巡检路径，以方便巡检人员用最短的时间对待巡检区域进行了最全方位的巡视和检查。

【技术实现步骤摘要】
一种巡检路线制定方法及装置
本专利技术属于路线制定
，具体涉及一种巡检路线制定方法及装置。
技术介绍
社区治理的效果和水平，事关社会和谐稳定和国家长治久安，事关全面深化改革总目标、推进国家治理体系和治理能力现代化的顺利实现。社区安保程度直接关系着社区居民的生命和财产安全，社区治理中安保问题尤为重要。起初，当前社区安保巡检人员大多数是按既定路线例行巡检。制定的既定路线很有可能是很久以前制定的，并未根据社区的相关情况进行更新，很可能导致巡检人员错过了很多盲区以及不安全区域，使得社区的安全性极低。另外，既定路线也并非是最优路径，很有可能存在重复巡检的情况出现，此时必然造成巡检效率低。为了解决该问题，衍生出了较多的仿生智能路径优化算法。例如，遗传算法、粒子群优化算法、蚁群算法等等。遗传算法在解决路径规划问题时，具有较强的全局搜索能力，鲁棒性较好。但是，当优化的问题需要编码的长度较长时，计算量较大，收敛速度慢，实时性较差；而且遗传算法容易出现“早熟收敛”的情况，也就是得到的路径是次优路径，而不是全局最优路径。使用粒子群优化算法进行路径规划时，设置的参数相对较少，容易实现。但是粒子群算法在进化的过程中，优秀的解会被种群中所有的粒子保存下来，如果这个优秀的解只是局部最优解的话，粒子群算法很容易收敛到局部最优解，同样容易出现“早熟收敛”的现象。同样的，蚁群算法的缺点同遗传算法、粒子群优化算法一样，较易出现“早熟收敛”的现象，过早的陷入局部最优解。若只是单纯使用这些算法，必将导致制定的巡检路线并不是最优的巡检路线，使得巡检人员的巡检效率较低。
技术实现思路
本专利技术的目的在于提供一种巡检路线制定方法及装置，用以解决采用蚁群算法来进行路径规划时造成的巡检人员巡检效率低的问题。为解决上述技术问题，本专利技术的技术方案为：本专利技术提供了一种巡检路线制定方法，包括如下步骤：获取待巡检区域的地理信息，所述地理信息包括巡检目标的位置信息和路线；以巡检区域地理信息中的巡检目标的位置信息作为训练参数，采用聚类算法对训练参数进行聚类划分，得到设定个数的聚类结果；从聚类结果中选取一个巡检目标的位置作为初始位置，采用蚁群算法，得到每个聚类结果的最短巡检路径；其中，在执行蚁群算法时，在蚂蚁遍历完所有的巡检目标后，对蚂蚁进行随机变异操作或追尾变异操作；所述随机变异操作为随机选取一条路线进行遍历；所述追尾变异操作为选取最优路径，按最优路径进行遍历。本专利技术还提供了一种巡检路线制定装置，包括处理器，所述处理器用于执行指令实现如下方法：获取待巡检区域的地理信息，所述地理信息包括巡检目标的位置信息和路线；以巡检区域地理信息中的巡检目标的位置信息作为训练参数，采用聚类算法对训练参数进行聚类划分，得到设定个数的聚类结果；从聚类结果中选取一个巡检目标的位置作为初始位置，采用蚁群算法，得到每个聚类结果的最短巡检路径；其中，在执行蚁群算法时，在蚂蚁遍历完所有的巡检目标后，对蚂蚁进行随机变异操作或追尾变异操作；所述随机变异操作为随机选取一条路线进行遍历；所述追尾变异操作为选取最优路径，按最优路径进行遍历。本专利技术的有益效果：本专利技术以待巡检区域的地理信息为依托，首先采用聚类算法将待巡检区域划分成多个巡检区域，接着采用蚁群算法为每个巡检人员设计最短巡检路径。整体来讲，本专利技术依据巡检目标、巡视人员和巡视环境的变化动态自适应的为巡检人员设计了最短的巡检路径，以方便巡检人员用最短的时间对待巡检区域进行了最全方位的巡视和检查。相较于采用传统的蚁群算法为巡检人员设定巡检路径，本专利技术的方法为巡检人员制定了最优路径，从而大大提高了巡检人员的巡检效率，使巡检人员能够尽早发现问题，从而尽早解决问题，保证了待巡检区域的安全性。作为方法及装置的进一步改进，为了增强巡检人员对危险区域的巡检强度，采用聚类算法对训练参数进行聚类划分前，还包括依据设定的安全等级对训练参数进行变异处理的步骤，所述变异处理为根据设定的安全等级增加训练参数；安全等级越高，增加的训练参数越多。依据安全等级对训练参数进行变异处理，加强了不安全区域的巡检强度和力度，提高了待巡检区域的安全性。作为方法及装置的进一步改进，所述聚类算法为K-Means聚类算法。作为方法及装置的进一步改进，所述巡检目标包括：道路交叉口、路灯、摄像头死角、社区边缘区域和管线。作为方法及装置的进一步改进，在蚂蚁遍历完所有的巡检目标后，若该次循环中蚂蚁遍历完所有的巡检目标所经过的位移总和大于当前所有蚂蚁遍历过的最优路径的位移总和，对蚂蚁进行随机变异操作或追尾变异操作进行判断：若对蚂蚁进行随机变异操作，则直接判断是否满足蚁群算法的结束条件；若对蚂蚁进行追尾变异操作，则更新最优路径的信息素浓度，并判断是否满足蚁群算法的结束条件。附图说明图1是K-Means聚类算法的流程图；图2是变异蚁群算法的流程图。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚，下面结合附图及实施例，对本专利技术作进一步的详细说明。本专利技术提供了一种巡检路线制定装置，该装置包括处理器，该处理器用于执行指令实现本专利技术的巡检路线制定方法，下面对该方法做详细的说明。该实施例以为某社区中的巡检人员制定巡检路线为例来具体说明本专利技术的方法。其中，巡检人员的个数为N。首先，获取该社区的地理信息。这些地理信息包括该社区具体的道路信息和巡检目标的位置信息。这里的巡检目标需要格外注意：道路交叉口、路灯、摄像头死角、社区边缘区域和管线等等。然后，以该社区中的路线和巡检目标的位置信息为训练参数，以N为聚类中心数，采用K-Means聚类算法对训练参数进行聚类划分，得到与巡检人员个数相同的聚类结果，该聚类结果即为该社区的划分结果。结合图1，采用K-Means聚类算法的具体步骤如下：Step1，初始化K-Means聚类算法的参数；其中，聚类中心数设置为N。Step2，依据当前位置的安全重要程度对训练参数进行变异处理，从变异处理后的参数中随机选取N个位置信息作为初始聚类中心。社区不同区域的危险暴露程度不同，越靠近社区边缘、摄像机死角区、路灯昏暗区及设备易故障区域越不安全，因此需要引起巡检人员的格外注意，加强巡检强度。鉴于此，依据当前巡检任务中的巡检目标的优先级进行参数变异。这里的变异，是对训练参数的个数进行变异，在训练参数按参数危险等级并结合大数据分析事故概率，有针对性、动态地增加训练参数。假设巡检目标危险程度分为一至三级(其中三级程度最高)，某N级巡检目标i的位置为x、y，记为i(x,y)，且：r＝5*rand(1,2)(1)ij(x,y)＝i(x,y)+(r[0][0],r[0][1])(2)上式中，ij(x,y)表示目标i的第j个变异参数，即为增加的训练参数的位置，1≤j≤N；rand(1，2)为生成1行2列的0～1之间的随机数矩阵，r[0][0]取随机矩阵r的第1行第1列的值，r[0][1]取r的第1行第2列的值。越危险的区域训练参数变异的参数越多，从而增加危险区域、事故易发点的巡视密度，进一步加强巡检强度。对训练参数进行变异处理，有利于增强巡检人员对危险区域的巡检强度。Step3，运行K-Means聚类算法，计算每个训练参数到其聚类中心对象的聚类，并根据最小距离对训练参数重新划分。Step4，计算每个新聚类的中本文档来自技高网...

【技术保护点】
1.一种巡检路线制定方法，其特征在于，包括如下步骤：获取待巡检区域的地理信息，所述地理信息包括巡检目标的位置信息和路线；以巡检区域地理信息中的巡检目标的位置信息作为训练参数，采用聚类算法对训练参数进行聚类划分，得到设定个数的聚类结果；从聚类结果中选取一个巡检目标的位置作为初始位置，采用蚁群算法，得到每个聚类结果的最短巡检路径；其中，在执行蚁群算法时，在蚂蚁遍历完所有的巡检目标后，对蚂蚁进行随机变异操作或追尾变异操作；所述随机变异操作为随机选取一条路线进行遍历；所述追尾变异操作为选取最优路径，按最优路径进行遍历。

【技术特征摘要】
1.一种巡检路线制定方法，其特征在于，包括如下步骤：获取待巡检区域的地理信息，所述地理信息包括巡检目标的位置信息和路线；以巡检区域地理信息中的巡检目标的位置信息作为训练参数，采用聚类算法对训练参数进行聚类划分，得到设定个数的聚类结果；从聚类结果中选取一个巡检目标的位置作为初始位置，采用蚁群算法，得到每个聚类结果的最短巡检路径；其中，在执行蚁群算法时，在蚂蚁遍历完所有的巡检目标后，对蚂蚁进行随机变异操作或追尾变异操作；所述随机变异操作为随机选取一条路线进行遍历；所述追尾变异操作为选取最优路径，按最优路径进行遍历。2.根据权利要求1所述的巡检路线制定方法，其特征在于，采用聚类算法对训练参数进行聚类划分前，还包括依据设定的安全等级对训练参数进行变异处理的步骤，所述变异处理为根据设定的安全等级增加训练参数；安全等级越高，增加的训练参数越多。3.根据权利要求1或2所述的巡检路线制定方法，其特征在于，所述聚类算法为K-Means聚类算法。4.根据权利要求1所述的巡检路线制定方法，其特征在于，所述巡检目标包括：道路交叉口、路灯、摄像头死角、社区边缘区域和管线。5.根据权利要求1所述的巡检路线制定方法，其特征在于，在蚂蚁遍历完所有的巡检目标后，若该次循环中蚂蚁遍历完所有的巡检目标所经过的位移总和大于当前所有蚂蚁遍历过的最优路径的位移总和，对蚂蚁进行随机变异操作或追尾变异操作进行判断：若对蚂蚁进行随机变异操作，则直接判断是否满足蚁群算法的结束条件；若对蚂蚁进行追尾变异操作，则更新最优路径的信息素浓度，并判断是否满足蚁群算法的结束条件。6.一种巡检路线制...

【专利技术属性】
技术研发人员：陈明剑，张晓丹，李万里，李俊毅，李广云，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：河南,41