基于蚁群算法的应急物资运输路径规划方法和装置

文档序号:33942 发布日期:2021-09-24 浏览:15次 >En<

阅读说明:本技术 基于蚁群算法的应急物资运输路径规划方法和装置 (Ant colony algorithm-based emergency material transportation path planning method and device ) 是由 梁光华 关劲夫 王静舞 于淼淼 王宇 刘磊 柏跃领 吴津津 李振铎 于 2021-06-28 设计创作,主要内容包括:本申请提供一种基于蚁群算法的应急物资运输路径规划方法和装置,该方案包括:通过获得目标卫星图,对所述卫星图像进行处理,以识别道路被破坏情况,并输出可利用的道路图层;根据灾情对应急物资需求量进行预测,查询应急物资存储情况,确定抽调应急物资的地点、数量及待支援地点;根据所述步骤S20和所述步骤S30建立目标路径优化图;通过蚁群优化算法对所述目标路径优化图进行最优化路径规划。由此,上述方案基于蚁群优化算法,对于应急救援物资路径进行最优化规划,不仅能保证在灾难发生后以最快的速度到达灾区进行救援,最大限度的保障人民生命和财产安全,还极大地降低了灾难带来的巨大损失。(The application provides an ant colony algorithm-based emergency material transportation path planning method and device, and the scheme comprises the following steps: processing the satellite image by obtaining a target satellite image to identify the road damage condition and outputting a usable road layer; predicting the demand of emergency materials according to disaster conditions, inquiring the storage condition of the emergency materials, and determining the location and the quantity of emergency materials to be drawn and dispatched and the location to be supported; establishing a target path optimization graph according to the step S20 and the step S30; and carrying out optimization path planning on the target path optimization graph through an ant colony optimization algorithm. Therefore, the scheme is based on the ant colony optimization algorithm, the emergency rescue goods and materials path is optimally planned, the situation that the emergency rescue goods and materials reach a disaster area for rescue at the highest speed after a disaster occurs can be guaranteed, the life and property safety of people is guaranteed to the maximum extent, and huge loss caused by the disaster is greatly reduced.)

基于蚁群算法的应急物资运输路径规划方法和装置

技术领域

本申请涉及应急物资运输

技术领域

,尤其涉及一种基于蚁群算法的应急物资运输路径规划方法和装置。

背景技术

近年来,世界各国自然灾害频发发生,对人类社会造成了非常大的损失。特别是地震灾害,由于其自身破坏力强,难以观测等,造成的损失更是不计其数。在自然灾害发生后如何对应急资源进行及时、高效的调度是确保应急救援工作效果的关键之一。因此,研究应急救援物资的运输路径规划成了应急管理领域的一个重点。

面对突发事件中可能出现的不确定情况,交通路网结构的破坏和道路阻断的情况,决策者需要决定快速、有效地将应急救援物资送至目的地。因此,运输物资运输路径的实时规划对于应急救援来说非常重要。

但是,现有技术中对于应急救援物资路径的规划与实际可行路径相差较远,无法保证在灾难发生后以最快的速度到达灾区进行救援,最大限度的保障人民生命和财产安全。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此,本申请的第一个目的在于提出一种基于蚁群算法的应急物资运输路径规划方法,以实现对于应急救援物资运输路径的实时最优化规划。

本申请的第二个目的在于提出一种基于蚁群算法的应急物资运输路径规划装置。

本申请的第三个目的在于提出一种计算机设备。

本申请的第四个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的,本申请第一方面实施例提出了一种基于蚁群算法的应急物资运输路径规划方法,包括以下步骤:

步骤S10,获得目标卫星图;

步骤S20,对所述卫星图像进行处理,以识别道路被破坏情况,并输出可利用的道路图层;

步骤S30,根据灾情对应急物资需求量进行预测,查询应急物资存储情况,确定抽调应急物资的地点、数量及待支援地点;

步骤S40,根据所述步骤S20和所述步骤S30建立目标路径优化图;

步骤S50,通过蚁群优化算法对所述目标路径优化图进行最优化路径规划。

可选的,在本申请实施例中,所述步骤S10,具体包括以下步骤:

步骤S11,当灾害发生时,通过卫星图拍摄包含应急救援点和目标点的二维平面图片;

步骤S12,将拍摄到的所述应急救援点和目标点的二维平面图片,通过无线卫星通信技术传至地面应急救援控制中心。

可选的,在本申请实施例中,所述步骤S20,具体包括以下步骤:

步骤S21,在ENVI5.3软件对于多光谱图像和全色图像进行预处理,其中,所述预处理的顺序依次为辐射定标、大气校正和正射校正;

步骤S22,将处理后的多光谱图像和全色图像进行融合处理,得到分辨率更高的彩色图像;

步骤S23,使用遥感影像模式识别技术对所述分辨率更高的彩色图像进行处理,以识别被损毁道路的位置、边界轮廓和路段,并通过ENVI Classic软件进行监督分类,输出道路图层。

可选的,在本申请实施例中,所述步骤S40,具体包括以下步骤:

步骤S41,将输出的所述二维平面图片离散化为a×b的方格;

步骤S42,将离散化后的二维平面图片转换为0-1矩阵,其中,有路的方格设为0,无路的方格设为1;

步骤S43,根据所述步骤S30的预测情况,在道路图中标记路径的起始、终止节点。

为达上述目的,本申请第二方面实施例提出了一种基于蚁群算法的应急物资运输路径规划装置,包括:

获取模块,用于获得目标卫星图;

识别模块,用于对所述卫星图像进行处理,以识别道路被破坏情况,并输出可利用的道路图层;

确定模块,用于根据灾情对应急物资需求量进行预测,查询应急物资存储情况,确定抽调应急物资的地点、数量及待支援地点;

建立模块,用于根据所述步骤S20和所述步骤S30建立目标路径优化图;

优化模块,用于通过蚁群优化算法对所述目标路径优化图进行最优化路径规划。

可选的,在本申请实施例中,所述获取模块,具体包括:

拍摄单元,用于当灾害发生时,通过卫星图拍摄包含应急救援点和目标点的二维平面图片;

传输单元,用于将拍摄到的所述应急救援点和目标点的二维平面图片,通过无线卫星通信技术传至地面应急救援控制中心。

可选的,在本申请实施例中,所述识别模块,具体包括:

处理单元,用于在ENVI5.3软件对于多光谱图像和全色图像进行预处理,其中,所述预处理的顺序依次为辐射定标、大气校正和正射校正;

融合单元,用于将处理后的多光谱图像和全色图像进行融合处理,得到分辨率更高的彩色图像;

分类单元,用于使用遥感影像模式识别技术对所述分辨率更高的彩色图像进行处理,以识别被损毁道路的位置、边界轮廓和路段,并通过ENVI Classic软件进行监督分类,输出道路图层。

可选的,在本申请实施例中,所述建立模块,具体包括:

离散单元,用于将输出的所述二维平面图片离散化为a×b的方格;

转换单元,用于将离散化后的二维平面图片转换为0-1矩阵,其中,有路的方格设为 0,无路的方格设为1;

标记单元,用于根据所述步骤S30的预测情况,在道路图中标记路径的起始、终止节点。

为达上述目的,本申请第三方面实施例提出了一种计算机设备,包括: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,实现本申请第一方面实施例所述的方法。

为了实现上述目的,本申请第四方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现本申请第一方面实施例所述的方法。

综上所述,本申请实施例的基于蚁群算法的应急物资运输路径规划方法、装置、计算机设备及非临时性计算机可读存储介质,通过获得目标卫星图,对所述卫星图像进行处理,以识别道路被破坏情况,并输出可利用的道路图层;根据灾情对应急物资需求量进行预测,查询应急物资存储情况,确定抽调应急物资的地点、数量及待支援地点;根据所述步骤S20 和所述步骤S30建立目标路径优化图;通过蚁群优化算法对所述目标路径优化图进行最优化路径规划。由此,上述方案基于蚁群优化算法,对于应急救援物资路径进行最优化规划,不仅能保证在灾难发生后以最快的速度到达灾区进行救援,最大限度的保障人民生命和财产安全,还极大地降低了灾难带来的巨大损失。

本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:

图1为本申请实施例所提供的一种基于蚁群算法的应急物资运输路径规划方法的流程图;

图2为本申请实施例中路径规划仿真图;

图3为本申请实施例中收敛曲线变化趋势图;

图4为本申请实施例中蚁群算法流程图;以及

图5是本申请实施例所提供的一种基于蚁群算法的应急物资运输路径规划装置的结构示意图。

具体实施方式

下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的基于K-means聚类的建筑火灾分级分类方法和装置。

图1为本申请实施例所提供的一种基于蚁群算法的应急物资运输路径规划方法的流程图。

如图1所示,本申请实施例提供的一种基于蚁群算法的应急物资运输路径规划方法,包括以下步骤:

步骤S10,获得目标卫星图。

在本申请实施例中,获得目标卫星图,具体包括以下步骤:

步骤S11,当灾害发生时,通过卫星图拍摄包含应急救援点和目标点的二维平面图片;

步骤S12,将拍摄到的所述应急救援点和目标点的二维平面图片,通过无线卫星通信技术传至地面应急救援控制中心。

步骤S20,对所述卫星图像进行处理,以识别道路被破坏情况,并输出可利用的道路图层。

在本申请实施例中,对所述卫星图像进行处理,以识别道路被破坏情况,并输出可利用的道路图层,具体包括以下步骤:

步骤S21,在ENVI5.3软件对于多光谱图像和全色图像进行预处理,其中,所述预处理的顺序依次为辐射定标、大气校正和正射校正;

步骤S22,将处理后的多光谱图像和全色图像进行融合处理,得到分辨率更高的彩色图像;

步骤S23,使用遥感影像模式识别技术对所述分辨率更高的彩色图像进行处理,以识别被损毁道路的位置、边界轮廓和路段,并通过ENVI Classic软件进行监督分类,输出道路图层。

步骤S30,根据灾情对应急物资需求量进行预测,查询应急物资存储情况,确定抽调应急物资的地点、数量及待支援地点。

图2为本申请实施例中路径规划仿真图。

步骤S40,根据步骤S20和步骤S30建立目标路径优化图,如图2所示。

在申请实施例中,根据步骤S20和步骤S30建立目标路径优化图,具体包括以下步骤:

步骤S41,将输出的所述二维平面图片离散化为a×b的方格;

步骤S42,将离散化后的二维平面图片转换为0-1矩阵,其中,有路的方格设为0,无路的方格设为1;

步骤S43,根据所述步骤S30的预测情况,在道路图中标记路径的起始、终止节点。

步骤S50,通过蚁群优化算法对所述目标路径优化图进行最优化路径规划。

图3为本申请实施例中收敛曲线变化趋势图;

图4为本申请实施例中蚁群算法流程图。

进一步而言,如图3和图4所示,本申请实施例中的蚁群算法表述如下:

在算法的初始时刻,将m只蚂蚁随机地放在n个节点,同时,将每只蚂蚁的禁忌表tabu 的第一个位置设置为它当前所在的节点。此时各路径上的信息素量相等,设τij(0)=c(c为一较小的常数),接下来,每只蚂蚁根据路径上残留的信息素量和启发式信息(两个节点间的距离)独立地选择下一个节点,在时刻t,蚂蚁k从节点i转移到节点j的概率pij k(t)为:

其中,Jk(i)={1,2,…,n}—tabuk表示蚂蚁k下一步允许选择的节点集合。式中ηij是一个启发式因子,表示蚂蚁从节点i转移到节点j的期望程度。在蚁群算法中,ηij通常取节点i与节点j之间距离的倒数。α和β分别表示信息素启发式因子和期望启发式因子的相对重要程度。

当所有蚂蚁完成一次周游后,各路径上的信息素根据下式进行更新:

τij(t+n)=(1-ρ)·τij(t)+Δτij (2)

其中:ρ(0<ρ<1)表示路径上信息素的蒸发系数,1-ρ表示信息素的持久性系数;Δτij表示本次迭代中边ij上信息素的增量;Δτk ij表示第k只蚂蚁在本次迭代中留在边ij上的信息素量。如果蚂蚁k没有经过边ij,则Δτk ij的值为零。Δτk ij表示为:

其中,Q为正常数,Lk表示第k只蚂蚁在本次周游中所走过路径的长度。

具体而言,本申请实施例中的蚁群算法的具体实现步骤如下:

(1)参数初始化。令时间t=0和循环次数Nc=0,设置最大循环次数G,将m个蚂蚁置于n个节点上,令有向图上每条边(i,j)的初始化信息量τij(t)=c,其中c表示常数,且初始时刻Δτij(0)=0;

(2)循环次数Nc=Nc+1;

(3)蚂蚁的禁忌表索引号k=1;

(4)蚂蚁数目k=k+1;

(5)蚂蚁个体根据状态转移概率公式(1)计算的概率选择节点j并前进;

(6)修改禁忌表指针,即选择好之后将蚂蚁移动到新的节点,并把该节点移动到该蚂蚁个体的禁忌表中;

(7)若集合C中节点未遍历完,即k<m,则跳转到第4步;否则执行第8步;

(8)记录本次最佳路线;

(9)根据式(2)和式(3)更新每天路径上的信息量;

(10)若满足结束条件。即如果循环次数Nc≥G,则循环结束并输出程序优化结果,否则清空禁忌表并跳转到第2步。

综上,本申请实施例的基于蚁群算法的应急物资运输路径规划方法,通过获得目标卫星图,对所述卫星图像进行处理,以识别道路被破坏情况,并输出可利用的道路图层;根据灾情对应急物资需求量进行预测,查询应急物资存储情况,确定抽调应急物资的地点、数量及待支援地点;根据所述步骤S20和所述步骤S30建立目标路径优化图;通过蚁群优化算法对所述目标路径优化图进行最优化路径规划。由此,上述方案基于蚁群优化算法,对于应急救援物资路径进行最优化规划,不仅能保证在灾难发生后以最快的速度到达灾区进行救援,最大限度的保障人民生命和财产安全,还极大地降低了灾难带来的巨大损失。

图5是本申请实施例所提供的一种基于蚁群算法的应急物资运输路径规划装置的结构示意图。

如图5所示,本申请实施例提供的一种基于蚁群算法的应急物资运输路径规划装置,包括:

获取模块10,用于获得目标卫星图;

识别模块20,用于对所述卫星图像进行处理,以识别道路被破坏情况,并输出可利用的道路图层;

确定模块30,用于根据灾情对应急物资需求量进行预测,查询应急物资存储情况,确定抽调应急物资的地点、数量及待支援地点;

建立模块40,用于根据所述步骤S20和所述步骤S30建立目标路径优化图;

优化模块50,用于通过蚁群优化算法对所述目标路径优化图进行最优化路径规划。

进一步的,在本申请实施例中的获取模块,具体包括:

拍摄单元,用于当灾害发生时,通过卫星图拍摄包含应急救援点和目标点的二维平面图片;

传输单元,用于将拍摄到的所述应急救援点和目标点的二维平面图片,通过无线卫星通信技术传至地面应急救援控制中心。

进一步的,在本申请实施例中的识别模块,具体包括:

处理单元,用于在ENVI5.3软件对于多光谱图像和全色图像进行预处理,其中,所述预处理的顺序依次为辐射定标、大气校正和正射校正;

融合单元,用于将处理后的多光谱图像和全色图像进行融合处理,得到分辨率更高的彩色图像;

分类单元,用于使用遥感影像模式识别技术对所述分辨率更高的彩色图像进行处理,以识别被损毁道路的位置、边界轮廓和路段,并通过ENVI Classic软件进行监督分类,输出道路图层。

进一步的,在本申请实施例中的建立模块,具体包括:

离散单元,用于将输出的所述二维平面图片离散化为a×b的方格;

转换单元,用于将离散化后的二维平面图片转换为0-1矩阵,其中,有路的方格设为 0,无路的方格设为1;

标记单元,用于根据所述步骤S30的预测情况,在道路图中标记路径的起始、终止节点。

为了实现上述实施例,本申请还提出一种计算机设备,其特征在于,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,实现上述实施例所述的基于蚁群算法的应急物资运输路径规划方法。

为了实现上述实施例,本申请还提出一种非临时性计算机可读存储介质,其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上述实施例所述的基于蚁群算法的应急物资运输路径规划方法。

在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。

应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。

此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

15页详细技术资料下载
上一篇:一种医用注射器针头装配设备
下一篇:一种基于多模态知识图谱的低层级机器人任务规划方法

网友询问留言

已有0条留言

还没有人留言评论。精彩留言会获得点赞!

精彩留言,会给你点赞!

技术分类