本发明专利技术涉及城市建设技术领域，提供基于P中位遗传算法的选址方法、装置及电子设备，方法包括：将选取区域进行网格分割；构建每个网格对应的多向量，对每个所述多向量进行向量拼接，得到每个网格的坐标特征向量；根据所述每个网格的坐标特征向量通过预设模型进行计算，得到每个网格的人员总需求量；初始化服务点集合，通过P中位遗传算法基于所述每个网格的人员总需求量及需求点与服务点之间的距离计算所述服务点集合的适应度，以对所述服务点集合进行更新；若所述服务点集合更新后存在更新的服务点保持不变的次数达到阈值次数，则保持不变的次数达到阈值次数的服务点作为目标服务点。本发明专利技术能够减少服务点选取过程中数据量的计算，降低人工成本。降低人工成本。降低人工成本。
【技术实现步骤摘要】
基于P中位遗传算法的选址方法、装置及电子设备
[0001]本专利技术涉及城市建设
，尤其涉及基于P中位遗传算法的选址方法、装置及电子设备。
技术介绍
[0002]随着社会的发展，人们的办事需求也逐渐增多。为避免人们远距离奔波以及过长时间等待，政府部门通常会在城市里安置一些自助服务终端设备，方便群众就近办理事项。在安置一定数目的自助服务点的条件下，如何选择自助服务终端机的位置，为更多人带来便利，是决策者需要考虑的问题。
[0003]现有的一些应用场景如物流配送中心选址、商铺选址，都有各自考虑的主要因素，如物流配送中心选址主要考虑的区域人口密度以及运输的成本；商铺选址主要以利益为出发点。但现有技术中，选址时多采用人工方式进行，例如：通过大量人力收集数据，包括目标区域的地理位置、周边设施信息、交通信息、人流信息等；对收集的数据进行分析，作出选址的决策等。可见，现有技术中，对于自助服务点选址的选取，存在人工成本高、数据计算量大的问题。
技术实现思路
[0004]本专利技术实施例提供基于P中位遗传算法的选址方法，能够减少服务点选取过程中数据量的计算，降低人工成本，以选取到更合理的自助服务点地址。
[0005]第一方面，本专利技术实施例提供基于P中位遗传算法的选址方法，所述方法包括以下步骤：
[0006]将选取区域进行网格分割，得到m
×
n个网格；
[0007]构建所述m
×
n个网格中每个网格对应的多向量，对每个所述多向量进行向量拼接，得到每个网格的坐标特征向量；
[0008]根据所述每个网格的坐标特征向量通过预设模型进行计算，得到每个网格的人员总需求量，所述人员总需求量基于所述选取区域中的服务点获取；
[0009]初始化服务点集合，通过P中位遗传算法基于所述每个网格的人员总需求量及需求点与服务点之间的距离计算所述服务点集合的适应度，根据所述适应度的大小对所述服务点集合进行更新，所述服务点集合包括多个服务点；
[0010]若对所述服务点集合更新后存在更新的服务点保持不变的次数达到阈值次数，则将保持不变的次数达到阈值次数的服务点作为目标服务点，所述目标服务点所在位置为最优选址。
[0011]第二方面，本专利技术实施例还提供基于P中位遗传算法的选址装置，包括：
[0012]分割模块，用于将选取区域进行网格分割，得到m
×
n个网格；
[0013]构建模块，用于构建所述m
×
n个网格中每个网格对应的多向量，对每个所述多向量进行向量拼接，得到每个网格的坐标特征向量；
[0014]第一计算模块，用于根据所述每个网格的坐标特征向量通过预设模型进行计算，得到每个网格的人员总需求量，所述人员总需求量基于所述选取区域中的服务点获取；
[0015]第二计算模块，用于初始化服务点集合，通过P中位遗传算法基于所述每个网格的人员总需求量及需求点与服务点之间的距离计算所述服务点集合的适应度，根据所述适应度的大小对所述服务点集合进行更新，所述服务点集合包括多个服务点；
[0016]判断模块，用于若对所述服务点集合更新后存在更新的服务点保持不变的次数达到阈值次数，则将保持不变的次数达到阈值次数的服务点作为目标服务点，所述目标服务点所在位置为最优选址。
[0017]第三方面，本专利技术实施例还提供电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述实施例提供的基于P中位遗传算法的选址方法中的步骤。
[0018]第四方面，计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述实施例提供的基于P中位遗传算法的选址方法中的步骤。
[0019]本专利技术实施例中，由于通过将选取区域进行网格分割后，通过网格的多向量拼接为坐标特征向量，并将坐标特征向量进行预设模型训练，求取每个网格的人员总需求量，并通过遗传算法基于人员总需求量与多个变量参数多次计算，进行服务点的更新，以根据遗传算法输出最优个体的方式，输出最优的服务点，从而确定最优地址，遗传算法计算最优个体过程涉及数量小，可以加快计算速度，降低人工成本，避免了当m
×
n个网格在数据大的情况下，出现的可行解个数多，造成解析空间庞大，时间长的问题。
附图说明
[0020]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1a是本专利技术实施例提供的一种基于P中位遗传算法的选址方法的流程图；
[0022]图1b是本专利技术实施例提供的P中位遗传算法求解过程的流程图；
[0023]图2是本专利技术实施例提供的另一种基于P中位遗传算法的选址方法的流程图；
[0024]图3是本专利技术实施例提供的另一种基于P中位遗传算法的选址方法的流程图；
[0025]图4是本专利技术实施例提供的一种基于P中位遗传算法的选址装置的结构示意图；
[0026]图5是本专利技术实施例提供的另一种基于P中位遗传算法的选址装置的结构示意图；
[0027]图6是本专利技术实施例提供的另一种基于P中位遗传算法的选址装置的结构示意图；
[0028]图7是本专利技术实施例提供的另一种基于P中位遗传算法的选址装置的结构示意图；
[0029]图8是本专利技术实施例提供的另一种基于P中位遗传算法的选址装置的结构示意图；
[0030]图9是本专利技术实施例提供的电子设备的结构示意图。
具体实施方式
[0031]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0032]本申请的说明书和权利要求书及附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0033]如图1a所示，图1a是本专利技术实施例提供的基于P中位遗传算法的选址方法的流程图，该基于P中位遗传算法的选址方法包括以下步骤：
[0034]101、将选取区域进行网格分割，得到m
×本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.基于P中位遗传算法的选址方法，其特征在于，包括以下步骤：将选取区域进行网格分割，得到m
×
n个网格；构建所述m
×
n个网格中每个网格对应的多向量，对每个所述多向量进行向量拼接，得到每个网格的坐标特征向量；根据所述每个网格的坐标特征向量通过预设模型进行计算，得到每个网格的人员总需求量，所述人员总需求量基于所述选取区域中的服务点获取；初始化服务点集合，通过P中位遗传算法基于所述每个网格的人员总需求量及需求点与服务点之间的距离计算所述服务点集合的适应度，根据所述适应度的大小对所述服务点集合进行更新，所述服务点集合包括多个服务点；若对所述服务点集合更新后存在更新的服务点保持不变的次数达到阈值次数，则将保持不变的次数达到阈值次数的服务点作为目标服务点，所述目标服务点所在位置为最优选址。2.如权利要求1所述的基于P中位遗传算法的选址方法，其特征在于，所述构建所述m
×
n个网格中每个网格对应的多向量，对每个所述多向量进行向量拼接，得到每个网格的坐标特征向量的步骤包括：获取人口库数据中的人员地址信息，将所述人员地址信息转换为人员GPS坐标映射到所述m
×
n个网格，统计每个网格中的人员类型及人员数量；获取兴趣点信息数据，将所述兴趣点信息数据映射到m
×
n个网格，统计每个网格中兴趣点数量；获取的房价信息数据，将所述房价信息数据映射到所述m
×
n个网格中，统计每个网格的平均房价信息数据；获取已有自助服务点信息数据，将所述已有服务点信息数据映射到所述m
×
n个网格中，统计每个网格已有的自助服务点业务量；将同一网格中的所述人员类型及人员数量、兴趣点数量、平均房价信息数据及已有的自助服务点业务量进行向量拼接，得到与所述同一网格对应的坐标特征向量。3.如权利要求2所述的基于P中位遗传算法的选址方法，其特征在于，所述兴趣点信息数据中包括多种类型的兴趣点，每种类型的所述兴趣点信息数据作为所述坐标特征向量的一个维度。4.如权利要求1所述的基于P中位遗传算法的选址方法，其特征在于，所述初始化服务点集合的步骤包括：建立需求点集合以及候选服务点集合，所述需求点集合包括所述候选服务点集合，所述需求点集合包括多个需求点，所述候选服务点集合包括多个候选服务点；根据所述人员总需求量、所述需求点与所述已有自助服务点的参数信息，以及所述需求点的人员到所述已有自助服务点办理业务的业务量，从所述候选服务点集合中确定所述服务点的数量及位置。5.如权利要求4所述的基于P中位遗传算法的选址方法，其特征在于，所述通过P中位遗传算法基于所述每个网格的人员总需求量及需求点与服务点之间的距离计算所述服务点集合的适应度，根据所述适应度的大小对所述服务点集合进行更新，所述服务点集合包括多个服务点的步骤包括：
对选取的服务点数量进行编码，并初始化服务点种群大小；根据已初始化的所述服务点种群大小以及已编码的服务点计算所述服务点的适应度，并根据所述适应度的大...
【专利技术属性】
技术研发人员：李圆法，蚁韩羚，
申请(专利权)人：深圳云天励飞技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。