配肥运输路径规划方法与流程
本技术涉及智慧农业,尤其涉及一种配肥运输路径规划方法。
背景技术:
1、随着规模化农业和水肥一体化技术的发展,肥料配送逐渐由人工经验调度向智能化规划转变。在大型农场、连片种植区等场景中,待服务地块数量较多,分布较分散,不同地块的作物类型、生长阶段和需肥状态也存在差异。同时,田间道路通行条件复杂,车辆配送过程容易受到道路连通关系、车辆容量和作业时间的影响。在实际作业中,配肥站通常需要集中完成肥料配制,再通过车辆将肥料配送至各待服务地块。若配肥站位置选择不合理,容易导致车辆绕行、空驶距离增加以及部分地块服务不均衡。若配送路径规划不合理,则可能造成车辆装载率低、重复行驶、作业时间延长,甚至影响适宜施肥时机。
2、现有技术中,配肥站选址和肥料配送路径多依赖人工经验、已有地图数据或简单距离规则,难以充分利用遥感图像中的地块边界、道路节点和可通行道路信息。同时,现有方式通常难以结合地块实际长势状态确定配肥需求量,也难以在道路通行、车辆调度、配送成本和农艺时序之间进行协同优化。
3、因此,现有技术中至少存在肥料配送规划难以基于地块实际需求、道路通行条件和车辆调度约束进行协同优化,导致规划准确性和执行效率较低的问题。
技术实现思路
1、本技术公开的实施例提供一种配肥运输路径规划方法,旨在改善现有肥料配送规划方法难以基于地块实际需求、道路通行条件和车辆调度约束进行协同优化,导致规划准确性和执行效率较低的问题。本技术的实施例采用如下技术方案:
2、第一方面,提供一种配肥运输路径规划方法,包括:
3、获取目标区域的多源遥感图像,并根据多源遥感图像构建目标区域的拓扑网络图,其中,拓扑网络图用于表征目标区域内待服务地块、道路节点以及可通行道路之间的连接关系;
4、根据目标区域的拓扑网络图以及多维约束条件,从多个候选配肥站中确定目标配肥站;
5、根据待服务地块的作物信息、地块信息以及长势状态信息,确定目标区域在目标规划周期内的配肥需求量;
6、根据目标配肥站的位置、拓扑网络图、配肥需求量以及车辆调度信息,并基于多目标优化模型确定目标区域在目标规划周期内的肥料配送规划方案。
7、在第一方面一种可能的实施方式中,根据目标区域的拓扑网络图以及多维约束条件,从多个候选配肥站中确定目标配肥站,包括:
8、根据拓扑网络图,确定各候选配肥站与各待服务地块之间的服务关联参数;
9、根据多维约束条件,对多个候选配肥站分别进行约束匹配判断,并将满足多维约束条件的候选配肥站确定为候选站址集合;
10、根据服务关联参数以及各待服务地块对应的配肥需求特征,确定各候选配肥站对应的站址评价参数;
11、基于站址评价参数,对候选站址集合中的候选配肥站进行多目标寻优,获得候选站址方案集;
12、根据预设站址决策规则,从候选站址方案集中确定目标配肥站。
13、在第一方面一种可能的实施方式中,获取目标区域的多源遥感图像,并根据多源遥感图像构建目标区域的拓扑网络图,包括:
14、对多源遥感图像进行图像处理,获得用于表征目标区域内地块分布状态和道路分布状态的空间特征信息;
15、根据空间特征信息,识别目标区域内的待服务地块和道路对象;根据待服务地块确定地块空间信息,并根据道路对象确定道路拓扑信息;
16、将地块空间信息与道路拓扑信息进行关联,确定与待服务地块对应的服务接入信息;
17、根据道路拓扑信息以及服务接入信息,构建目标区域的拓扑网络图。
18、在第一方面一种可能的实施方式中,多维约束条件包括站址可行性约束、交通适配约束、地形适配约束、服务能力约束以及运行适配约束中的至少两种;
19、站址可行性约束用于表征候选配肥站与目标区域内限制布设区域之间的适配关系;
20、交通适配约束用于表征候选配肥站与目标区域内道路通行条件之间的适配关系;
21、地形适配约束用于表征候选配肥站与待服务地块之间的地形匹配关系;
22、服务能力约束用于表征候选配肥站对待服务地块的服务覆盖能力;
23、运行适配约束用于表征候选配肥站满足配肥作业、车辆调度或者后续维护的能力。
24、在第一方面一种可能的实施方式中,根据服务关联参数以及各待服务地块对应的配肥需求特征,确定各候选配肥站对应的站址评价参数,包括:
25、根据各待服务地块的地块信息和作物信息,确定各待服务地块对应的配肥需求特征;
26、根据拓扑网络图,确定各候选配肥站与各待服务地块之间的服务关联参数;
27、基于配肥需求特征和服务关联参数,确定各候选配肥站对应的服务效率评价参数;
28、根据服务效率评价参数以及候选配肥站对应的建设运行适配参数、服务覆盖适配参数中的至少一种,确定站址评价参数;其中,站址评价参数用于表征候选配肥站在配肥服务效率、站点布设适配性以及服务覆盖均衡性方面的综合评价结果。
29、在第一方面一种可能的实施方式中,根据待服务地块的作物信息、地块信息以及长势状态信息,确定目标区域在目标规划周期内的配肥需求量,包括:
30、根据作物信息,确定各待服务地块在目标规划周期内对应的基础需肥信息;
31、根据地块信息,对基础需肥信息进行地块尺度处理,获得各待服务地块对应的基础配肥需求信息;
32、根据长势状态信息,确定各待服务地块对应的长势修正信息;
33、根据长势修正信息对基础配肥需求信息进行修正,获得各待服务地块在目标规划周期内的目标配肥需求信息;
34、根据各待服务地块对应的目标配肥需求信息,确定目标区域在目标规划周期内的配肥需求量。
35、在第一方面一种可能的实施方式中,根据长势状态信息,确定各待服务地块对应的长势修正信息,包括:
36、获取待服务地块在目标时间范围内的实际长势状态信息;
37、确定与待服务地块对应的基准长势状态信息;
38、根据实际长势状态信息和基准长势状态信息,确定待服务地块的长势偏离信息;
39、根据长势偏离信息以及待服务地块对应的作物生长阶段,确定长势修正信息;
40、其中,长势修正信息用于对待服务地块的基础配肥需求信息进行增量修正或者减量修正。
41、在第一方面一种可能的实施方式中,根据目标配肥站的位置、拓扑网络图、配肥需求量以及车辆调度信息,基于多目标优化模型确定目标区域在目标规划周期内的肥料配送规划方案,包括:
42、根据目标配肥站的位置和拓扑网络图,确定车辆配送的起讫约束和通行约束;
43、根据配肥需求量和车辆调度信息,确定车辆配送的任务约束和运力约束;
44、以待服务地块的服务时间、服务车辆以及访问顺序作为配送规划变量,构建多目标优化模型;
45、基于多目标优化模型,对目标规划周期内的配送任务进行优化求解,获得肥料配送规划方案。
46、在第一方面一种可能的实施方式中,多目标优化模型包括配送优化目标和配送约束条件;
47、配送优化目标包括配送路程目标、配送时长目标、配送资源消耗目标以及服务时序匹配目标中的至少两种;
48、配送约束条件包括车辆运力约束、道路通行约束、地块服务约束以及车辆调度约束中的至少两种;
49、其中,服务时序匹配目标用于表征待服务地块的实际服务时间与期望服务时间之间的匹配程度。
50、在第一方面一种可能的实施方式中,基于多目标优化模型,对目标规划周期内的配送任务进行优化求解,获得肥料配送规划方案,包括:
51、构建用于表征候选配送方案的混合编码,混合编码用于表征待服务地块的服务时间、车辆分配关系以及访问顺序;
52、根据混合编码对候选配送方案进行解码,获得车辆在目标规划周期内的候选配送路径;
53、在候选配送方案不满足配送约束条件的情况下,对候选配送方案进行可行性修复;
54、对候选配送方案执行遗传更新操作,获得更新后的候选配送方案;根据各候选配送方案对应的配送优化目标值,对候选配送方案进行非支配排序;
55、基于非支配排序结果以及参考点关联关系,对候选配送方案进行筛选,获得候选配送方案集;
56、根据候选配送方案集,确定肥料配送规划方案。
57、第二方面,提供一种配肥运输路径规划系统,系统包括:
58、获取模块,用于获取目标区域的多源遥感图像,并根据多源遥感图像构建目标区域的拓扑网络图,其中,拓扑网络图用于表征目标区域内待服务地块、道路节点以及可通行道路之间的连接关系;
59、筛选模块,用于根据目标区域的拓扑网络图以及多维约束条件,从多个候选配肥站中确定目标配肥站;
60、确定模块,用于根据待服务地块的作物信息、地块信息以及长势状态信息,确定目标区域在目标规划周期内的配肥需求量;
61、规划模块,用于根据目标配肥站的位置、拓扑网络图、配肥需求量以及车辆调度信息,并基于多目标优化模型确定目标区域在目标规划周期内的肥料配送规划方案。
62、第三方面,提供了一种电子设备,包括:存储器和至少一个处理器。该存储器与处理器通信连接。该存储器用于存储计算机程序代码,该计算机程序代码包括计算机指令。当处理器执行计算机指令时,使得电子设备执行如第一方面的方法。
63、第四方面,本技术实施例提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机指令。当该计算机指令被处理器执行时,用于实现如使得电子设备执行如第一方面的方法。
64、可以理解地,第二方面至第四方面的技术效果参照第一方面及其任一实施方式的技术效果,在此不再重复。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com