基于集成多种算法的消防救援路径的优化方法及系统技术方案

本发明专利技术公开了一种种基于集成多种算法的消防救援路径的优化方法及系统，其中方法包括以下步骤：S1、通过物联网获取事发点；S2、根据事发点，通过GIS信息计算事发点周边消防队地址；S3、计算事发点到消防队的直线距离，进行消防队排序，基于距离短，记录前十的消防队信息；根据消防队信息，并基于深度学习算法，筛选出多个符合条件的消防队终点；S4、基于筛选的每个消防队终点和优化的蚁群算法，计算事发点到每个消防队终点之间的最优路径；S5、基于动态因素，从计算的多个最优路径中选择最小的路线长度和最优的最终路径；所述动态因素包括交通路况、单双号、收费、新增事发点、取消事发点、道路施工情况。

Optimized method and system of fire rescue path based on integration of multiple algorithms

The invention discloses an optimization method and system of fire rescue path based on integrated multiple algorithms, which includes the following steps: S1, obtaining the incident point through the Internet of Things; S2, calculating the address of fire brigade around the incident point through GIS information according to the incident point; S3, calculating the linear distance between the incident point and the fire brigade, and sorting the fire brigade based on the short distance, before recording. Fire brigade information 10; According to fire brigade information, and based on in-depth learning algorithm, select several eligible fire brigade endpoints; S4, each fire brigade endpoint based on screening and optimized ant colony algorithm, calculate the optimal path between the incident point and each fire brigade endpoint; S5, based on dynamic factors, select the minimum route length and the maximum from the calculated multiple optimal paths. The dynamic factors include traffic conditions, single and double numbers, tolls, additional incident points, cancellation of incident points and road construction.

【技术实现步骤摘要】
基于集成多种算法的消防救援路径的优化方法及系统
本专利技术涉及路径规划领域，尤其涉及一种适用于安全生产事故中消防救援路线的基于集成多种算法的消防救援路径的优化方法。
技术介绍
消防救援路线是决定解决安全生产事故质量的重要因素和特殊因素。消防救援路线是随路况信息、道路质量、道路上车流量、道路规则等动态变化的。现在大多数平台，地图上推荐路线是考虑堵车、收费等因素的优化路线。但是基于特定安全生产事故场景，没有考虑到事发地所对应消防救援队出警情况、消防车等。现有部分平台是基于GIS地图，只展现医务资源、固定视频、移动视频和地形地貌，仅仅为就近派警提供依据；部分平台只展现室内二维图纸，标识逃生路线，供用户选择。目前为止，各行各业中优化路线研究提到了很多算法，如Dijkstra算法、SAS算法、多目标进化算法、启发式算法、深度学习算法、蚁群算法等。随着人工智能技术的发展和安全生产的管控愈来愈严格，为了进一步挖掘已有数据的价值和提升应急系统的利用率。基于此背景，安全生产事故的救援路线的最优化算法研究是非常重要和有意义的。实际现场最优路线研究中难题是GIS数据量大，优化计算性能差，无法满足用户的诉求。因此，选择算法必须要考虑这点。
技术实现思路
本专利技术的专利技术目的在于本专利技术的目的在于在重大安全生产事故场景下，提供一种计算优化的救援路线方法，便于相关系统使用。本专利技术解决其技术问题所采用的技术方案是：提供一种基于集成多种算法的消防救援路径的优化方法，其特征在于，包括以下步骤：S1、通过物联网获取事发点；S2、根据事发点，通过GIS信息计算事发点周边消防队地址；S3、计算事发点到消防队的直线距离，进行消防队排序，基于距离短，记录前十的消防队信息；根据消防队信息，并基于深度学习算法，筛选出多个符合条件的消防队终点；S4、基于筛选的每个消防队终点和优化的蚁群算法，计算事发点到每个消防队终点之间的最优路径；S5、基于动态因素，从计算的多个最优路径中选择最小的路线长度和最优的最终路径；所述动态因素包括交通路况、单双号、收费、新增事发点、取消事发点、道路施工情况；其中优化的蚁群算法具体包括以下步骤：使用以下公式(1)优化初始化信息素；τxy(0)＝W/(dxy+deye)(1)其中，τxy(0)是初始化信息素强度，deye是节点y到终点e的直线矢量距离；W是系统设定的一个正常数；通过神经网络中的sigmiod函数当蚂蚁完成一次迭代，则按照全局信息素的更新规则仅更新此次迭代最优路径解的信息素浓度，其他不需要更新；当全部蚂蚁遍历一次后，LLocalMin大于时，σ越接近0，当LLocalMin越小时，σ越接近1，因此路径长度愈短，那么执行全局信息素的更新规则时，遍历的路径信息素浓度会愈强，信息量增加地愈快；全局信息素的更新规则为以下公式(2)τxy(t+n)＝τxy(t)+μσ△τxy(2)其中，是当前场景下局部最优解之和的平均路径长度，LLocalMin是此次迭代中局部最优解，LMin是当前场景下此时刻的全局最短路径长度，μ是给定参数。接上述技术方案，所述消防队信息包括消防队是否有消防车和出警人员。接上述技术方案，步骤S3中计算事发点到消防队的直线距离时，具体基于GIS数据，将包括建筑、道路的信息数值化，其中用道路弧段、节点来表征道路。接上述技术方案，步骤S5中，在考虑动态因素交通路况时，如果所选路径中某段道路发生变化，那么道路信息标识此段道路为拥堵路段，将事发点到相应消防队终点之间的最小路线长度乘以一个系数，得到调整后的最小路线长度；在考虑动态因素单双号和收费站时，如果所选路径中涉及到区分单双号限行和收费站，此方案的最小路线长度不变；在新增事发点时，并行运行当前计算过程，返回步骤S3，再次运算；在取消事发点时，终止当前计算过程，即返回值为0；在考虑动态因素道路施工情况时，评估道路施工时此路段可通行的车宽，与消防车车宽进行比较，如果此路段可用宽度大于等于消防车车宽，则最优路径不变，如果此路段可用宽度小于消防车车宽，那么此路段为异常路段。接上述技术方案，步骤S4中事发点到其中一个消防队终点之间的最优路径具体包括以下步骤：a)初始化参数：信息素强度Q，最大迭代次数，信息启发式因子α,期望启发式因子β,参数μ,初始化信息素参数正常数W，局部更新信息素挥发因子ρ、给定参数q0和蚂蚁个数z；b)计算节点距离矩阵，按照公式(1)初始化信息素矩阵，将计算结果合入τxy(0)；c)根据状态转移规则公式，每一只蚂蚁进入下一个节点，并更新禁忌表；d)根据局部更新规则更新路径的信息素浓度，得到此次迭代的最优路径；局部更新规则为：τxy(t+n)＝(1-ρ)τxy(t)+ρ△τxy(t)；如果蚂蚁没有经过路段xy，那么△τxy(t)＝0，否则△τxy(t)＝Q/Ld；其ρ是信息素挥发因子，t是时刻，n表示道路节点，Q是给定参数，Ld是第d只蚂蚁在本次迭代搜索的路径长度；e)当蚂蚁完成一次迭代后，用全局信息素的更新规则更新此次迭代的最优路径的信息素浓度，从而找到最优路径，nc＝nc+1；nc为当前迭代次数，初始化时，nc＝0；f)若nc等于系统设定的最大迭代次数，那么搜索遍历结束，即此迭代结果是最优路径和最短路线长度；否则返回步骤c。g)得到事发点与该消防队之间的最短路线长度是i1，最优路径是(m1,m2…mc)；本专利技术还提供了一种基于集成多种算法的消防救援路径的优化系统，包括：事发点获取模块，用于通过物联网获取事发点；消防队地址计算模块，用于根据事发点，通过GIS信息计算事发点周边消防队地址；消防队筛选模块，用于计算事发点到消防队的直线距离，进行消防队排序，基于距离短，记录前十的消防队信息；根据消防队信息，并基于深度学习算法，筛选出多个符合条件的消防队终点；最优路径计算模块，用于基于筛选的每个消防队终点和优化的蚁群算法，计算事发点到每个消防队终点之间的最优路径；最终路径计算模块，用于基于动态因素，从计算的多个最优路径中选择最小的路线长度和最优的最终路径；所述动态因素包括交通路况、单双号、收费、新增事发点、取消事发点、道路施工情况；最优路径计算模块中采用的优化的蚁群算法具体包括以下步骤：使用以下公式(1)优化初始化信息素；τxy(0)＝W/(dxy+deye)(1)其中，τxy(0)是初始化信息素强度，deye是节点y到终点e的直线矢量距离；W是系统设定的一个正常数；通过神经网络中常用的sigmiod函数当蚂蚁完成一次迭代，则按照全局信息素的更新规则仅更新此次迭代最优路径解的信息素浓度，其他不需要更新；当全部蚂蚁遍历一次后，LLocalMin大于时，σ越接近0，当LLocalMin越小时，σ越接近1，因此路径长度愈短，那么执行全局信息素的更新规则时，遍历的路径信息素浓度会愈强，信息量增加地愈快；全局信息素的更新规则为以下公式(2)τxy(t+n)＝τxy(t)+μσ△τxy(2)其中，是当前场景下局部最优解之和的平均路径长度，LLocalMin是此次迭代中局部最优解，LMin是当前场景下此时刻的全局最短路径长度，μ是给定参数。接上述技术方案，所述消防队信息包括消防队是否有消防车和出警人员。接上述技术方案，消防队筛选模块中计算事发点到消防队的直线距离时，具体本文档来自技高网...

【技术保护点】
1.一种基于集成多种算法的消防救援路径的优化方法，其特征在于，包括以下步骤：S1、通过物联网获取事发点；S2、根据事发点，通过GIS信息计算事发点周边消防队地址；S3、计算事发点到消防队的直线距离，进行消防队排序，基于距离短，记录前十的消防队信息；根据消防队信息，并基于深度学习算法，筛选出多个符合条件的消防队终点；S4、基于筛选的每个消防队终点和优化的蚁群算法，计算事发点到每个消防队终点之间的最优路径；S5、基于动态因素，从计算的多个最优路径中选择最小的路线长度和最优的最终路径；所述动态因素包括交通路况、单双号、收费、新增事发点、取消事发点、道路施工情况；其中优化的蚁群算法具体包括以下步骤：使用以下公式(1)优化初始化信息素；τxy(0)＝W/(dxy+deye)                   (1)其中，τxy(0)是初始化信息素强度，deye是节点y到终点e的直线矢量距离；W是系统设定的一个正常数；通过神经网络中的sigmiod函数

【技术特征摘要】
1.一种基于集成多种算法的消防救援路径的优化方法，其特征在于，包括以下步骤：S1、通过物联网获取事发点；S2、根据事发点，通过GIS信息计算事发点周边消防队地址；S3、计算事发点到消防队的直线距离，进行消防队排序，基于距离短，记录前十的消防队信息；根据消防队信息，并基于深度学习算法，筛选出多个符合条件的消防队终点；S4、基于筛选的每个消防队终点和优化的蚁群算法，计算事发点到每个消防队终点之间的最优路径；S5、基于动态因素，从计算的多个最优路径中选择最小的路线长度和最优的最终路径；所述动态因素包括交通路况、单双号、收费、新增事发点、取消事发点、道路施工情况；其中优化的蚁群算法具体包括以下步骤：使用以下公式(1)优化初始化信息素；τxy(0)＝W/(dxy+deye)(1)其中，τxy(0)是初始化信息素强度，deye是节点y到终点e的直线矢量距离；W是系统设定的一个正常数；通过神经网络中的sigmiod函数当蚂蚁完成一次迭代，则按照全局信息素的更新规则仅更新此次迭代最优路径解的信息素浓度，其他不需要更新；当全部蚂蚁遍历一次后，LLocalMin大于时，σ越接近0，当LLocalMin越小时，σ越接近1，因此路径长度愈短，那么执行全局信息素的更新规则时，遍历的路径信息素浓度会愈强，信息量增加地愈快；全局信息素的更新规则为以下公式(2)τxy(t+n)＝τxy(t)+μσ△τxy(2)其中，是当前场景下局部最优解之和的平均路径长度，LLocalMin是此次迭代中局部最优解，LMin是当前场景下此时刻的全局最短路径长度，μ是给定参数。2.根据权利要求1所述的优化方法，其特征在于，所述消防队信息包括消防队是否有消防车和出警人员。3.根据权利要求1所述的优化方法，其特征在于，步骤S3中计算事发点到消防队的直线距离时，具体基于GIS数据，将包括建筑、道路的信息数值化，其中用道路弧段、节点来表征道路。4.根据权利要求1所述的优化方法，其特征在于，步骤S5中，在考虑动态因素交通路况时，如果所选路径中某段道路发生变化，那么道路信息标识此段道路为拥堵路段，将事发点到相应消防队终点之间的最小路线长度乘以一个系数，得到调整后的最小路线长度；在考虑动态因素单双号和收费站时，如果所选路径中涉及到区分单双号限行和收费站，此方案的最小路线长度不变；在新增事发点时，并行运行当前计算过程，返回步骤S3，再次运算；在取消事发点时，终止当前计算过程，即返回值为0；在考虑动态因素道路施工情况时，评估道路施工时此路段可通行的车宽，与消防车车宽进行比较，如果此路段可用宽度大于等于消防车车宽，则最优路径不变，如果此路段可用宽度小于消防车车宽，那么此路段为异常路段。5.根据权利要求1所述的优化方法，其特征在于，步骤S4中事发点到其中一个消防队终点之间的最优路径具体包括以下步骤：a)初始化参数：信息素强度Q，最大迭代次数，信息启发式因子α,期望启发式因子β,参数μ,初始化信息素参数正常数W，局部更新信息素挥发因子ρ、给定参数q0和蚂蚁个数z；b)计算节点距离矩阵，按照公式(1)初始化信息素矩阵，将计算结果合入τxy(0)；c)根据状态转移规则公式，每一只蚂蚁进入下一个节点，并更新禁忌表；d)根据局部更新规则更新路径的信息素浓度，得到此次迭代的最优路径；局部更新规则为：τxy(t+n)＝(1-ρ)τxy(t)+ρ△τxy(t)；如果蚂蚁没有经过路段xy，那么△τxy(t)＝0，否则△τxy(t)＝Q/Ld；其ρ是信息素挥发因子，t是时刻，n表示...

【专利技术属性】
技术研发人员：匡冬琴，李俊，杨智龙，陈刚，王飞，张胜，
申请(专利权)人：武汉理工光科股份有限公司，
类型：发明
国别省市：湖北,42