一种策略确定方法、中控设备及存储介质技术

本发明专利技术公开了一种策略确定方法、中控设备及存储介质，用以解决现有封控策略确定方式不够灵活的问题。本发明专利技术实施例中控设备接收至少一个智能设备上报的状态参数和与智能设备距离最近的障碍物的相对位置信息；根据智能设备上报的状态参数和与智能设备距离最近的障碍物的相对位置信息，基于智能设备对应的策略模型，确定智能设备对应的移动信息；将确定出的智能设备对应的移动信息发送给智能设备，以使智能设备根据移动信息进行位置调整。由于本发明专利技术实施例中可以由中控设备确定智能设备进行位置调整的移动信息，从而指挥智能设备进行移动，基于策略模型确定的封控策略更加准确及时，且能够适应不同建筑分布的城市街区。

【技术实现步骤摘要】
一种策略确定方法、中控设备及存储介质
本专利技术涉及指挥控制
，尤其涉及一种策略确定方法、中控设备及存储介质。
技术介绍
现代城市在发生重大安全事件或公共卫生事件时，对城市街区的关键点实施有效的立体封控是一个复杂的组合优化问题与图论问题，需要专业人员对城市街区进行手工的数学建模与策略推演。现有的城市街区封控策略需要专家对城市模型进行评估，计算关键点的位置信息，并调配智能设备或人员进行封控，需要耗费大量的人力物力，对于突发事件，现有的城市街区封控策略存在无法满足时限要求的风险；且现有基于图论与专家经验的封控策略具有局限性，对于具有不同建筑分布的城市街区并不适用。因此，现有封控策略的确定方式不够灵活。
技术实现思路
本专利技术示例性的实施方式中提供一种策略确定方法、中控设备及存储介质，用以解决现有封控策略确定方式不够灵活的问题。根据示例性的实施方式中的第一方面，提供一种策略确定方法，该方法包括：接收至少一个智能设备上报的状态参数和与所述智能设备距离最近的障碍物的相对位置信息；其中，所述智能设本文档来自技高网...

【技术保护点】
1.一种策略确定方法，其特征在于，该方法包括：/n接收至少一个智能设备上报的状态参数和与所述智能设备距离最近的障碍物的相对位置信息；其中，所述智能设备的状态参数包括所述智能设备当前的位置信息和运动速度；/n根据所述智能设备上报的状态参数和与所述智能设备距离最近的障碍物的相对位置信息，基于所述智能设备对应的策略模型，确定所述智能设备对应的移动信息；/n将确定出的所述智能设备对应的移动信息发送给所述智能设备，以使所述智能设备根据所述移动信息进行位置调整。/n

【技术特征摘要】
1.一种策略确定方法，其特征在于，该方法包括：
接收至少一个智能设备上报的状态参数和与所述智能设备距离最近的障碍物的相对位置信息；其中，所述智能设备的状态参数包括所述智能设备当前的位置信息和运动速度；
根据所述智能设备上报的状态参数和与所述智能设备距离最近的障碍物的相对位置信息，基于所述智能设备对应的策略模型，确定所述智能设备对应的移动信息；
将确定出的所述智能设备对应的移动信息发送给所述智能设备，以使所述智能设备根据所述移动信息进行位置调整。


2.如权利要求1所述的方法，其特征在于，若所述移动信息为加速度信息，所述根据所述智能设备上报的状态参数和与所述智能设备距离最近的障碍物的相对位置信息，基于所述智能设备对应的策略模型，确定所述智能设备对应的移动信息，包括：
将所述智能设备上报的状态参数和与所述智能设备距离最近的障碍物的相对位置信息输入到所述智能设备对应的策略模型中，获取所述智能设备对应的策略模型输出的加速度信息。


3.如权利要求1所述的方法，其特征在于，若所述移动信息为目标位置信息，所述根据所述智能设备上报的状态参数和与所述智能设备距离最近的障碍物的相对位置信息，基于所述智能设备对应的策略模型，确定所述智能设备对应的移动信息，包括：
将M个智能设备中每个智能设备上报的状态参数和与所述智能设备距离最近的障碍物的相对位置信息分别输入到所述智能设备对应的策略模型中，获取所述智能设备对应的策略模型输出的加速度信息，并将所述加速度信息发送给所述智能设备；其中，M为预设的智能设备数量，M大于等于1；
根据所述M个智能设备的状态参数以及所述M个智能设备对应的加速度信息，基于策略评估模型，确定所述M个智能设备对应的评估参数集合；
接收所述M个智能设备中的每个智能设备在根据加速度信息调整位置后再次上报的状态参数和与所述智能设备距离最近的障碍物的相对位置信息，确定每个智能设备对应的加速度信息，直至所述M个智能设备对应的评估参数集合中的评估参数均收敛，确定所述M个智能设备的位置信息，将所述M个智能设备的位置信息作为目标位置信息。


4.如权利要求3所述的方法，其特征在于，根据下列方式训练所述策略评估模型以及所述M个智能设备对应的策略模型：
对所述策略评估模型以及所述至少一个智能设备对应的策略模型进行N轮训练，并在N轮训练后获取训练后的策略评估模型，以及根据粒子群算法确定N轮训练后的每个智能设备对应的策略模型；其中，N为正整数；
其中，每轮训练执行下列过程：
将M个智能设备中每个智能设备的状态参数和与所述智能设备距离最近的障碍物的相对位置信息作为策略模型的输入，获取所述智能设备对应的策略模型输出的加速度信息；
将所述M个智能设备对应的策略模型输出的加速度信息以及所述M个智能设备的状态参数作为策略评估模型的输入，将M个智能设备对应的实际评估参数集合作为策略评估模型的输出对所述策略评估模型进行训练；
根据所述策略评估模型输出的所述M个智能设备对应的预测评估参数集合调整所述策略评估模型的参数，以及调整所述M个智能设备对应的策略模型的参数。


5.如权利要求4所述的方法，其特征在于，所述根据粒子群算法确定N轮训练后的每个智能设备对应的策略模型，包括：
根据粒子群算法确定N轮训练中所述M个智...

【专利技术属性】
技术研发人员：李军，徐文博，刘冰，王晓悦，王伟，江金寿，田建辉，陈科，叶金华，何圣华，
申请(专利权)人：中国兵器科学研究院，
类型：发明
国别省市：北京;11