【技术实现步骤摘要】
一种居住小区目标对象强目的性行为路径的空间模拟方法及装置
[0001]本专利技术属于目标对象行为路径分析
，更具体地说，涉及一种目标对象处于居住小区内带有某种强目的时的行为路径空间模拟方法及装置
。
技术介绍
[0002]带有目的的行为是行为地理领域一个重要的研究内容
。
强目的性行为的目的是多样的，如寻找某一特定物品，躲避某些特定人群等
。
因此目标对象强目的性行为的出行过程受到很多因素的影响
。
学者们在目标对象强目的性行为的出行模式以及出行因素方面展开了很多研究
。
[0003]但是经研究发现缺乏一些特殊目的性行为的研究，特别是带有隐蔽性目的和风险性目的的强目的性行为过程的研究
。
这是因为要研究强目的性行为过程，首先需要知道目标对象具体的行为路径
。
但是，由于具体的某些路径只有目标对象自己知道，而对于某些隐蔽性和风险性的目的，如偷盗者实行盗窃后的逃逸行为，往往只有被捕后通过偷盗者自己的供述才能获取，因此有关...
【技术保护点】
【技术特征摘要】
1.
一种居住小区目标对象强目的性行为路径的空间模拟方法，其特征在于，包括以下步骤：步骤一
、
将不规则的多边形居住小区空间转化为离散的网格图，构建用于模拟的底图；步骤二
、
逐一将底图中所反映的主要影响因素进行网格赋值，即在网格图中定位因素及其影响范围，并用不同的网格值表示其对强目的性行为的影响；步骤三
、
在赋值网格地图中基于改进蚁群算法进行迭代模拟计算，得出最优路径结果
。2.
根据权利要求1所述的居住小区目标对象强目的性行为路径的空间模拟方法，其特征在于，强目的性行为路径的选择函数基于理性选择理论进行确定，具体如下：
Rou
n
＝
b
n
‑
(c
n
+r
n
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)choice(Rou)
＝
max[Rou1,Rou2…
Rou
m
]
ꢀꢀꢀꢀꢀ
(2)
式中：
Rou
n
表示第
n
条路径的选择值；
b
n
表示第
n
条路径的收益值；
c
n
表示第
n
条路径的成本值；
r
n
表示第
n
路径的风险值；
choice(Rou)
表示目标对象所选择的行为路径；
max[Rou1,Rou2…
Rou
n
]
表示
m
条路径中选择值最大的路径
。3.
根据权利要求2所述的居住小区目标对象强目的性行为路径的空间模拟方法，其特征在于，强目的性行为路径选择函数中，收益对路径决策的影响可以忽略，将其定为常数；成本的主要影响因素是强目的性行为出行的距离，即路径的长度，同时还受路径上各类障碍物的影响；风险大小与强目的性行为活动被发现的概率有关
。4.
根据权利要求1‑3中任一项所述的居住小区目标对象强目的性行为路径的空间模拟方法，其特征在于，步骤二中对各主要影响因素进行网格赋值时，用“inf”表示障碍物，数字“1”表示道路空间的成本值，其他数字表示不同因素周围的风险值，数字越大表示风险越高
。5.
根据权利要求4所述的居住小区目标对象强目的性行为路径的空间模拟方法，其特征在于，步骤三中基于改进蚁群算法进行迭代模拟计算时，每一轮迭代后根据路径的行为成本和行为风险进行信息素的更新，信息素的更新计算公式如下：
τ
ij
(t+1)
＝
(1
‑
ρ
)
τ
ij
(t)+
△
τ
ij
(t,t+1)(t,t+1)
式中：
τ
ij
(t+1)
为更新后的信息素浓度；
ρ
为信息挥发影响因子；
τ
ij
(t)
为未更新前的信息素浓度；
△
τ
ij
(t,t+1)
当代所有蚂蚁信息素增量和；为蚂蚁
k
在经过路径上释放的信息素浓度；...
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。