【技术实现步骤摘要】
本专利技术涉及救助路径计算，尤其涉及一种基于混合型蚁群算法的车辆报警器控制方法、装置。
技术介绍
1、在车辆遇警时，报警器可以会自动搜索得到距离车辆当前位置距离最近或响应时间最快的救助机关并向其发送车辆的实时信息寻求帮助。救助人员为了能够尽快抵达遇警车辆，需要在复杂、繁忙的城市道路中，选择能够最快抵达遇警车辆的救助路径，避免车辆损坏、财产损失、被困人员的生命健康遭受损害等后果。
2、现有技术中，采用的救助路径的计算方案，包括针对图搜索的路径规划算法和蚁群算法，其中，针对图搜索的路径规划算法普遍存在计算量随着节点数增加而呈指数增长的现象；经典的如蚁群算法等智能算法则往往会出现收敛慢、容易陷入局部最优等问题。因此，在车辆报警器或救助机关通常不会配备高算力的设备的现实情况下，导致算法的效果在计算资源和计算时间都受限的车辆报警场景中难以发挥作用，其计算效率和鲁棒性均受到考验，也即需要较长时间计算得到救助路径，而救助路径并非全局最优路径，行驶时间较长，不能满足道路情况的复杂性和报警算法的时效性、鲁棒性需求，较容易导致救助错过最佳救助时间。
技术实现思路
1、专利技术目的：本专利技术提供一种基于混合型蚁群算法的车辆报警器控制方法、装置，旨在解决现有技术中存在的，在车辆报警场景下，计算遇警车辆和救助机关之间的救助路径的计算效率较低，而获得的救助路径的行驶时间较长的技术问题。
2、技术方案：本专利技术提供一种基于混合型蚁群算法的车辆报警器控制方法，包括：将报警车辆位置作为第
3、具体的，第一点和第二点分别作为椭圆的两个焦点，第一点和第二点之间的距离的两倍作为椭圆的长轴，建立椭圆形状的无向图。
4、具体的，在蚂蚁均不再移动时，蚁群算法的当前轮迭代结束，进入下一轮迭代，每轮迭代中被选中的蚂蚁在对应的救助路径上留下信息素；所述信息素参与下一轮迭代过程中计算蚂蚁下一个节点的转移概率，信息素浓度越高的边，对应节点的转移概率被提升的越高。
5、具体的，在每轮迭代中，救助路径的成本总和最低的蚂蚁被选中，以及从起点移动至终点的蚂蚁以对应的选中概率被选中，选中概率与退火初始温度、温度衰减因子和当前迭代的轮次数相关联。
6、具体的，蚁群算法迭代结束的条件设置为：在连续预设轮数的迭代中，救助路径的平均成本的波动幅度小于预设阈值；或者，迭代轮数达到预设最大迭代轮数。
7、具体的，采用如下公式计算每条边的成本c：
8、c=dv/n，
9、其中，d表示边对应的道路的长度，v表示边对应的道路的平均车流密度，n表示边对应的道路的车道数量。
10、具体的，采用如下公式计算蚂蚁移动至下一个节点的转移概率：
11、，
12、其中，pij表示蚂蚁从i节点移动至j节点的转移概率；τij表示i节点和j节点之间的信息素浓度；α表示信息素启发因子；ηij表示从i节点移动至j节点的期望值；β表示期望值启发因子；ρj表示j节点对应的牵引因子大小；k表示蚂蚁在节点i时下一步可移动的节点集合，集合包括与节点i相邻、且在先前移动路径中没有出现过的节点；k表示节点集合k中的节点；
13、采用如下公式计算从i节点移动至j节点的期望值ηij：
14、ηij=1/cij，
15、其中，cij表示节点i和节点j之间的边的成本；
16、采用如下公式计算牵引因子ρj：
17、，
18、其中，ljg表示节点j和终点g之间的直线距离。
19、具体的，采用如下公式计算在t+1轮迭代中，连接节点i和节点j的边上留下的信息素浓度τij(t+1)：
20、τij(t+1)=(1-r)τij(t+1)+δτij(t)，
21、其中，r表示信息素挥发系数，δτij(t)表示在第t轮迭代中，所有蚂蚁在连接节点i和节点j的边上留下的信息素浓度；
22、采用如下公式计算δτij(t)：
23、，
24、其中，m表示蚂蚁总数，δτijf(t)表示第t轮迭代中第f只蚂蚁在连接节点i和节点j的边上留下的信息素浓度；
25、采用如下公式计算δτijf(t)：
26、,
27、其中，q表示信息素总量，cf表示第f只蚂蚁在当前轮迭代中的救助路径的成本总和。
28、具体的，从起点移动至终点的蚂蚁以对应的选中概率被选中，包括：采用如下公式计算选中概率s：
29、sf=e^((cmin-cf)/t0λt)，
30、其中，sf表示第f只蚂蚁的选中概率，e表示自然对数，cmin表示当前轮迭代中最低的成本总和，cf表示第f只蚂蚁的救助路径的成本总和，t0表示退火初始温度，λ表示温度衰减因子，t表示当前轮为第t轮迭代。
31、本专利技术还提供一种基于混合型蚁群算法的车辆报警器控制装置，包括建立单元和算法迭代单元，其中：所述建立单元，用于将报警车辆位置作为第一点，将救助点位置作为第二点，建立包括第一点和第二点的无向图；在所述无向图范围内，将路口作为节点，将连接各个路口的道路作为边；所述算法迭代单元，用于计算无向图上每条边的成本，在无向图上设置多只蚂蚁，通过混合型蚁群算法迭代得到多条起点与终点之间的救助路径，计算救助路径中所有边的成本总和，根据获得的成本总和选择作为实际应用救助路径；将第一点和第二点中的任一位置作为起点，另一位置作为终点；其中，混合型蚁群算法迭代步骤包括：对于设置在无向图中起点上的多只蚂蚁，引入牵引因子计算蚂蚁移动至下一个节点的转移概率，蚂蚁依据转移概率移动至下一节点，在蚂蚁移动至终点时结束，将对应的移动路径作为救助路径；所述牵引因子与终点的距离相关联，越接近终点的节点，对应的转移概率被提升的越高。
32、有益效果：与现有技术相比，本专利技术具有如下显著优点：在蚁群算法中，引入与终点的距离相关联的牵引因子，避免算法出现收敛慢、容易陷入局部最优等问题，提升计算效率，降低获得的救助路径的行驶时间；进一步的，在蚁群算法中引入退火算法，避免陷入局部最优解的问题，增加算法的鲁棒性，降低获得的救助路径的行驶时间。
本文档来自技高网...【技术保护点】
1.一种基于混合型蚁群算法的车辆报警器控制方法，其特征在于，包括：
2.根据权利要求1所述的基于混合型蚁群算法的车辆报警器控制方法，其特征在于，所述建立包括第一点和第二点的无向图，包括：
3.根据权利要求1所述的基于混合型蚁群算法的车辆报警器控制方法，其特征在于，所述混合型蚁群算法迭代步骤，包括：
4.根据权利要求3所述的基于混合型蚁群算法的车辆报警器控制方法，其特征在于，所述每轮迭代中被选中的蚂蚁在对应的救助路径上留下信息素，包括：
5.根据权利要求4所述的基于混合型蚁群算法的车辆报警器控制方法，其特征在于，所述通过混合型蚁群算法迭代得到多条起点与终点之间的救助路径，包括：
6.根据权利要求5所述的基于混合型蚁群算法的车辆报警器控制方法，其特征在于，所述计算无向图上每条边的成本，包括：
7.根据权利要求6所述的基于混合型蚁群算法的车辆报警器控制方法，其特征在于，所述引入牵引因子计算蚂蚁移动至下一个节点的转移概率，包括：
8.根据权利要求7所述的基于混合型蚁群算法的车辆报警器控制方法，其特征在于，
9.根据权利要求8所述的基于混合型蚁群算法的车辆报警器控制方法，其特征在于，所述以及从起点移动至终点的蚂蚁以对应的选中概率被选中，包括：
10.一种基于混合型蚁群算法的车辆报警器控制装置，其特征在于，包括建立单元和算法迭代单元，其中：
...【技术特征摘要】
1.一种基于混合型蚁群算法的车辆报警器控制方法，其特征在于，包括：
2.根据权利要求1所述的基于混合型蚁群算法的车辆报警器控制方法，其特征在于，所述建立包括第一点和第二点的无向图，包括：
3.根据权利要求1所述的基于混合型蚁群算法的车辆报警器控制方法，其特征在于，所述混合型蚁群算法迭代步骤，包括：
4.根据权利要求3所述的基于混合型蚁群算法的车辆报警器控制方法，其特征在于，所述每轮迭代中被选中的蚂蚁在对应的救助路径上留下信息素，包括：
5.根据权利要求4所述的基于混合型蚁群算法的车辆报警器控制方法，其特征在于，所述通过混合型蚁群算法迭代得到多条起点与终点之间的救助路径，包括：
6.根据权利要...
【专利技术属性】
技术研发人员：凌俐，梁涵玮，刘敬蕾，季骋，
申请(专利权)人：南京信息工程大学，
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。