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