【技术实现步骤摘要】
基于粒子群优化算法的高空间覆盖度塔基监控摄像头布设方法
[0001]本专利技术属于设施配置空间优化领域,具体涉及一种基于粒子群优化算法的塔基监控摄像头布设方法。
技术介绍
[0002]塔基监控摄像头布设的实质是空间优化问题,空间优化是地理信息建模的重要分支,在空间优化过程中,当空间优化求解维度不断增加时,计算的规模与复杂度极大,是一个典型的NP
‑
Hard问题。监控摄像头空间布设是一种典型的设施空间优化问题。在塔基上安装监控摄像头可以实时监测各种地类,建筑的使用,占用情况等多个方面,但在区域范围之内如何用最少的监控摄像头及如何让监控摄像头监测范围最大化这样多目标的情况下,合理布设塔基监控摄像头的位置成为一个难点。智能进化算法指模拟自然界中的生物进化或者生物群体中的社会行为的随机搜索算法集合,是群体的搜索策略和群体中个体之间所进行的信息交互,适合应用于处理传统的搜索方法难以解决的十分繁杂的非线性问题,可以提高空间优化求解的速度。常见的算法有遗传算法、蚁群算法、粒子群优化算法、模拟退火算法等。
[0003]本专利技术基于上述的背景之下产生,粒子群算法具有更多的机会求解最优解,精度高,收敛快等优点,本专利技术在粒子群算法的基础上加上地理空间覆盖范围分析算法,该算法基于ArcPy进行数据处理,在不断迭代中,找到最优个体的组合序列解,即多个通讯铁塔塔基上组合布设不定数量的高空监控摄像头的优化解。
技术实现思路
[0004]专利技术目的:如何为设施找到最佳的布局位置一直是一个难题,随着求 ...
【技术保护点】
【技术特征摘要】
1.基于粒子群优化算法的高空间覆盖度塔基监控摄像头布设方法,其特征在于:该发明基于的粒子群优化算法实现速度快,采用的参数少,在设置的迭代次数t之内,以地理空间覆盖范围分析算法进行数据处理加以辅助,可快速计算出塔基监控摄像头的布设位置,实现监测区域的高覆盖。包括如下步骤:步骤1、种群初始化:输入DEM、基站点数据、目标观测图斑、区划边界数据,设置种群规模大小n,种群维度d,迭代次数t,设置粒子群的初始位置和初始速度以及粒子移动的最大速度V
max
。步骤2、开始进行迭代:基于设置的迭代次数t,在每一次的迭代中更新粒子个体及整个粒子群的速度和位置,直至达到设定的迭代次数后结束。步骤3、评价粒子的适应性:在设定的迭代次数t之内,根据每一次迭代后粒子及整个粒子群的位置,带入其目标函数,计算粒子的适应度大小。计算粒子的适应度基于地理空间覆盖范围分析算法开展,具体包括:GIS选通讯铁塔点、提取高程值至通讯铁塔基站点、通讯铁塔基站点可见性分析、可见性栅格转可见性面图斑,可见性面图斑空间聚合以消除离散面、可见性面图斑空间聚合面与目标观测图斑空间相交分析得到结果图斑,最终统计结果图斑面积,计算得种群个体的适应值。步骤4、更新粒子个体及整个粒子群的速度和位置:在计算一轮粒子的适应度后,根据种群个体适应度更新粒子群中各粒子的速度和位置,根据种群适应度更新粒子群全局速度和位置,通过迭代计算每次迭代后粒子群的适应值,实现塔基监控摄像头的高空间覆盖度,得到多个通讯铁塔基站上组合布设不定数量的高空监控摄像头的优化解。2.根据权利要求1所述的基于粒子群优化算法的高空间覆盖度塔基监控摄像头布设方法,其特征在于:步骤1所述的初始化中,输入粒子群的种群规模大小n,种群维度d,迭代次数t,设置粒子初始位置为:其中i(i=1,2,
…
,n)表示粒子顺序,其初始速度为设置粒子的最大速度为V
max
,设置最大速度有利于防止搜索发散,并且可以改变各粒子的搜索步长。3.根据权利要求1所述的基于粒子群优化算法的高空间覆盖度塔基监控摄像头布设方法,其特征在于:步骤2所述的开始进行迭代,其在步骤1中的迭代次数若设置的合理,可以减少算法运行时间。迭代次数的选择方式可描述为,粒子群可以简化为如下式:其中,P为粒子的最优位置,c为学习因子。由式(1)可以推导出:式(1)与式(2)联立可得:式(3)的特征方程式为:式(4)的根为:
当v(0)和p
‑
x(0)已知,c不为4时,学习因...
【专利技术属性】
技术研发人员:徐年锋,戚知晨,尹烁,
申请(专利权)人:南京国图信息产业有限公司,
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。