基于多维风险加权的城市交通事故无人机基站布局优化方法

摘要: 本发明属于基站布局优化,具体涉及基于多维风险加权的城市交通事故无人机基站布局优化方法。背景技术:1、随着城市化进程的不断推进,城市交通网络规模持续扩大、路网结构...
基于多维风险加权的城市交通事故无人机基站布局优化方法

本发明属于基站布局优化,具体涉及基于多维风险加权的城市交通事故无人机基站布局优化方法。

背景技术:

1、随着城市化进程的不断推进,城市交通网络规模持续扩大、路网结构日益复杂,交通事故的快速发现、及时响应与高效处置已成为城市交通应急管理中亟待解决的重要问题。无人机凭借机动灵活性强、空中作业视野广阔、响应速度快等优势,逐渐在城市交通日常巡查、交通事故现场快速勘查等场景中得到广泛应用,成为交通事故应急救援的重要手段。而无人机救援效能的充分发挥高度依赖于基站的科学布局,基站选址直接决定无人机抵达事故现场的响应距离与响应时间,是提升交通事故应急处置效率的基础前提。目前,面向交通事故处理的无人机基站布局多采用数据驱动的选址方法,即以历史交通事故数据的空间分布特征为依据,利用k-means等传统聚类算法对事故样本点进行聚类分析,并将聚类中心确定为无人机基站的布设位置。

2、然而,上述现有技术仍存在以下不足:首先,现有无人机交通管理研究大多侧重于巡查路径与救援线路的优化,针对无人机基站布局优化的系统性研究相对匮乏,基站选址决策缺乏科学的理论支撑;其次,现有布局方法普遍假定所有交通事故样本点的重要性一致,仅依据事故发生的地理位置与频次开展聚类分析,忽视了不同事故在警情级别与严重程度上的显著差异。当前只看数量、不看质量的选址思路,容易使无人机作业资源过度集中于轻微剐蹭等低等级事故的高发区域,而重大事故多发的高风险区域反而覆盖不足、响应滞后,造成低风险区域资源冗余、高风险区域资源不足的资源错配问题,难以满足交通事故应急救援分级响应、快速处置的实际需求。

技术实现思路

1、根据以上现有技术中的不足,本发明的目的在于提供基于多维风险加权的城市交通事故无人机基站布局优化方法,使无人机响应距离与事故风险程度相匹配,基站资源精准投向高风险区域,从而显著提升应急响应效能。

2、为达到以上目的,本发明提供了基于多维风险加权的城市交通事故无人机基站布局优化方法,包括以下步骤:

3、s1、基于城市交通事故接警数据,提取设定时间段内与交通事故应急风险相关的特征数据,构建多维特征数据集,其中特征数据包括时间维度数据、空间维度数据、风险维度数据;

4、s2、将城市区域分为由多个区域单元组成的蜂窝网格,基于区域单元内事故频率和警情级别,多维度确定各区域单元的交通事故风险权重;

5、s3、以无人机备选基站的设立方案及区域单元向设立基站的分配关系作为组合决策变量,结合区域单元至无人机基站的响应距离与风险权重计算其加权响应距离,以城市范围内加权响应距离最小化为优化目标,构建无人机基站布局优化模型;

6、s4、基于遗传算法设计结合基因库的无人机基站布局优化算法,对无人机基站布局优化模型进行求解,输出无人机基站最优布局方案。

7、作为本发明的优选方案,所述的s1中,多维特征数据集的构建过程为:

8、基于城市交管部门提供的历史城市交通事故接警数据,从中提取包括事故编号、报警时间、事发地点、出警信息、警情级别的字段;

9、提取设定时间段内与交通事故应急风险相关的特征数据,对于交通事故n,其特征数据具体包括报警时间timen、事发地点locationn和警情级别leveln,进而构建交通事故n的风险特征数据集,所有交通事故的风险特征数据集构成多维特征数据集。

10、作为本发明的优选方案,所述的s2中,确定各区域单元的交通事故风险权重的过程为:

11、s2.1、采用蜂窝网络拓扑结构,将城市区域划分为若干正六边形的区域单元,设定区域单元内期望事故数为k,城市区域事故点密度为d,则正六边形区域单元的面积su表示为:

12、;

13、其中,d为城市区域事故总数量ntotal与城市区域面积sc的比值;

14、s2.2、设定不同警情级别事故的影响系数呈指数变化,表示为:

15、;

16、式中,为控制权重变化陡峭程度的调节系数;为警情级别q对应的影响系数;是表示第q级事故的参数,lq=q,第q级事故即为警情级别q对应的事故,警情级别按1至m级划分,警情级别数值随事故的严重程度的升高而增大;

17、s2.3、对区域单元进行编号,构建区域单元集合,其中b表示区域单元索引,在区域单元b之内,不同时段、不同级别事故的发生概率存在差异,基于timen,将一天划分为高峰、平峰、夜间三类时段,时段索引记为t,统计区域单元b内各时段中各级别事故的发生数量,计算区域单元b内在时段t发生第q级事故的概率:

18、;

19、;

20、式中,表示t时段在区域单元b内发生第q级事故的数量;表示区域单元b内发生所有事故的总量;

21、s2.4、设定时段t对应的时段影响系数,时段的救援紧迫程度越高,取值越大;

22、s2.5、计算区域单元b对应的交通事故风险权重:

23、。

24、作为本发明的优选方案,所述的s3中,无人机基站布局优化模型的构建过程为:

25、s3.1、将无人机备选基站作为候选站点,候选站点集合为y,设定变量yi表示是否在第i个候选站点设立无人机基站,yi为二元变量,若设立无人机基站取值为1,不设立无人机基站取值为0,并且确保每一个候选站点i都能够被设立方案所涵盖且设立的基站数量最多为k;

26、s3.2、采用欧几里得距离计算候选站点与区域单元之间的距离;

27、s3.3、无人机基站布局优化模型的目标函数z表示为:

28、;

29、式中,zib表示为二进制变量,表示是否将区域单元b分配给候选站点i,分配时取值为1,不分配时则取值为0;dib表示区域单元b与候选站点i之间的欧几里得距离。

30、作为本发明的优选方案,每个区域单元均有且仅有一个无人机基站负责,即每个区域单元对应的有效负责基站数量为1,表示为:

31、;

32、并且,区域单元只能分配给已设立的无人机基站,即。

33、作为本发明的优选方案,所述的s4中,输出无人机基站最优布局方案的过程为:

34、s4.1、采用双段式混合编码随机生成初始种群,种群中每一个个体的染色体由基站设立方案编码段和基站分配编码段组成;

35、s4.2、设定最大迭代次数tmax、种群规模npop、交叉概率pc、变异概率pm,初始化当前迭代次数t=1,建立一个动态基因库gb,gb初始为空,设定其固定容量为,用于存储已完成适应度评估的个体及其对应的适应度值,在随机生成初始种群后,计算初始种群各个体的适应度,并按照适应度从高到低进行排序,将其中适应度最高且编码互不相同的个个体填入gb中,完成gb的初始状态构建;

36、s4.3、通过公式将目标函数值转化为个体x的适应度,遍历当前种群,若某个体的适应度高于当前已初始化的gb中的最低适应度,且该个体的混合染色体编码与当前gb中已存个体的编码不同,则剔除gb中适应度最低的个体,将该个体完整复制并录入gb;

37、s4.4、基于个体的适应度实施轮盘赌选择操作,筛选出npop个个体填入下一代交配池;

38、s4.5、对交配池中的父代个体随机两两配对并进行交叉操作,生成一个[0,1]之间的随机数,如果该随机数小于等于交叉概率pc,则执行混合交叉操作;

39、s4.6、对交叉生成后的新个体进行变异操作;

40、s4.7、执行基因库反哺操作,计算经过变异操作后生成的子代种群中所有个体的适应度,并按适应度从低到高进行排序,识别出其中适应度最低的个个体;调用当前gb中个最优个体,替换子代种群中个适应度最低的个体,更新子代种群;

41、s4.8、重复执行s4.3至s4.7的操作,直至迭代次数达到tmax时,算法终止,输出当前种群中适应度最高的个体,解码得到对应的无人机基站布局方案,即为基于多度风险加权的无人机基站最优布局方案。

42、作为本发明的优选方案,所述的s4.1中,基站设立方案编码段采用二进制编码,用于表示无人机候选站点的设立方案,基因位取值为1或0分别代表设立或不设立基站,且满足设立基站总数不超过预设上限的约束;基站分配编码段采用整数编码,其长度等于区域单元总数,每一个基因位唯一对应一个区域单元,基因位上存储的整数数值代表该区域单元所分配的候选站点编号,该编号与区域单元对应的分配变量zib为1。

43、作为本发明的优选方案,所述的s4.5中,混合交叉操作具体为,针对基站设立方案编码段基因,对两父代个体的二进制方案编码段确定交叉点,互换断点之间的二进制片段;针对基站分配编码段基因,对两父代个体的整数分配编码段确定对应的交叉点,互换对应的整数位置片段;若随机数大于pc,则原样复制父代个体。

44、作为本发明的优选方案,所述的s4.6中,针对基站设立方案编码段基因取反变异,遍历个体的方案编码段,对每一个基因位生成一个[0,1]之间的随机数,若该随机数小于等于pm,则对该二进制基因位执行取反操作,且确保设立基站总数不超过预设上限;针对基站分配编码段基因进行置换变异,遍历个体的整数分配编码段,对每一个基因位生成一个[0,1]之间的随机数,若该随机数小于等于pm,则在当前个体已设立的基站集合中,随机选择另一个不同的基站编号替换当前数值。

45、本发明所具有的有益效果是:

46、本发明针对城市不同区域交通事故严重程度存在差异的特征,凭借划分城市区域和提取接警数据的多维核心特征量化不同警情级别交通事故的风险权重,使无人机响应距离与交通事故严重程度相匹配,实现无人机基站的科学布局,使无人机作业资源精准向高风险事故路段倾斜,从而解决传统布局方法导致的低风险区域资源冗余、高风险区域资源不足的资源错配问题,确保无人机基站布局与城市交通应急管理的实际需求高度契合,最大限度发挥多维风险加权机制对基站布局的引导作用,显著提升无人机基站布局的整体应急响应效能,充分释放无人机在城市交通事故快速救援中的核心价值。