基于GIS的野外复杂地形路径规划方法

基于gis的野外复杂地形路径规划方法
技术领域
1.本文件涉及路径规划技术领域，尤其涉及一种基于gis的野外复杂地形路径规划方法。


背景技术：

2.传统的避障路径规划研究通常将区域内的地形地物进行二值化处理，区分为可通行和不可通行区域进行研究，从而得到地图上的距离最短路径，但在野外复杂地形条件下，缺乏足够的道路信息，在可通行的区域因为地形情况不同，车辆行驶速度也不相同，求得的最短路径往往不是时间最短的路径，而实际工作中对时间的要求越来越高，灾害救援、应急保障等任务尤其明显，考虑实际地形条件下速度差异的最短路径更有意义。
3.近几十年来随着空间技术和it技术的发展，地形识别和判断方法日趋成熟，以地理信息系统(geographic information system，gis，有时又称为地学信息系统)技术为主要标志，在计算机硬、软件系统支持下，实现对整个或部分地球表层(包括大气层)空间中有关地理分布数据的采集、储存、管理、运算、分析、显示和描述，尤其“新一代web gis”应用模式，充分利用云端和本地部署的优势，用户在智能手机和平板电脑上，轻松的获取地图上的信息，制作地图、模型和工具，基于最新的数据进行辅助决策，已经广泛的应用于包括公共卫生、国防、可持续发展、自然资源、景观建筑、考古学、社区规划、运输和物流等领域。因此我们有必要基于gis技术研究一种复杂地形下的路径规划方法，用于在复杂地形下获取最优路径。


技术实现要素：

4.本说明书一个或多个实施例提供了一种基于gis的野外地形路径规划方法，包括：
5.s1、获取当前区域的地理信息数据，基于地理信息数据通过arcgis将当前区域转换成不同图层，通过地表类型要素分类将不同图层分割为长宽相等的栅格，得到当前区域的通行速度栅格分布图；
6.s2、在通行速度栅格分布图中确定当前位置及目标位置，以从当前位置到达目标位置的时间最短为目标函数建立路径规划模型；
7.s3、基于通行速度栅格分布图利用遗传算法求解路径规划模型的最优解，根据路径规划模型最优解获取最优路径。
8.通过采用本发明实施例，使用arcgis软件对地理信息数据进行空间分析，结合车辆在不同地形下的行驶速度，构造不同地形速度分布图，以栅格编号相邻和栅格高程相近为路径连续判断依据，设计基于栅格信息的遗传算法求解野外复杂地形条件下车辆行驶时间最短的路径，该方法效率较高，能够得到比较满意的路径规划。
附图说明
9.为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将
对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
10.图1为本发明实施例的一种基于gis的野外地形路径规划方法的流程图；
11.图2为本发明实施例的利用遗传算法求解最短路径的流程图；
12.图3为本发明实施例的通行速度栅格分布图；
13.图4为本发明实施例的遗传算法效率曲线图。
具体实施方式
14.为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
15.方法实施例
16.根据本发明实施例，提供了一种基于gis的野外地形路径规划方法，图1 是本发明实施例的基于gis的野外地形路径规划方法的流程图，如图1所述，根据本发明实施例的基于gis的野外地形路径规划方法具体包括：
17.步骤s101，获取当前区域的地理信息数据，基于地理信息数据通过arcgis 将当前区域转换成不同图层，通过地表类型要素分类将不同图层分割为长宽相等的栅格，得到当前区域的通行速度栅格分布图；步骤s101具体包括：
18.在野外复杂地形条件下，借助卫星遥感、无人机等设备或者收集网络资料能够获得当前区域详细的地理信息数据。使用arcgis map对高程、坡度等数据进行空间分析和信息整合，进行地形地貌判定，提取转换成不同图层，通过地表类型要素重分类，将属性信息镶嵌新栅格，最后将地图分割成长宽相等的栅格，以栅格内通行能力最差的地表类型作为该栅格的地表类型，最终得到当前区域的通行速度分布图。
19.其中地表类型的划分在地理信息领域，通常根据高度和形态特征差别，将陆地地形分为平原、高原、山地、丘陵、和盆地五种类型。gt/t13977—92《1:5 000 1:10 000地形图航空摄影测量外业规范》按照地面倾斜角和高差划分为平地、丘陵地、山地、高山地四种类型。本发明实施例为了区分车辆在不同地面的通行速度，结合上述分类，将地表类形划分如表1所示下：
20.表1地表类型划分
[0021][0022]
步骤s102，在通行速度栅格分布图中确定当前位置及目标位置，以从当前位置到达目标位置的时间最短为目标函数建立路径规划模型；步骤s102具体包括：
[0023]
在栅格地图中，按照从左至右、由下往上的顺序，对地图栅格进行依序编号0,1,2,l,k,l,n，车辆在栅格内的行驶速度为vk，假设全程车辆状态完好，以行驶完全程所需时间最短为目标建立模型如下：
[0024][0025]
其中，t(l)表示第l条路径的行驶时间，(o,d)表示从出发点到目标位置的所有栅格路径集合，vk，k∈(1,2,
…
，n)表示车辆在不同栅格的行驶速度；x表示地图中每行栅格数量，d表示每个栅格的长度，表示沿栅格对角线方向行驶，[ ]为取整函数，\为取余运算。
[0026]
步骤s103，基于通行速度栅格分布图利用遗传算法求解路径规划模型的最优解，根据路径规划模型最优解获取最优路径，步骤s103具体包括：
[0027]
遗传算法是一种全局随机搜索最优解的仿生方法，将自然界生物进化原理运用到问题解的优化过程中，以种群进化的观念来寻找最优个体。算法把问题的可行解集合看成“种群”，集合中的个体都是由多个“染色体”组成，通过模拟基因重组与进化过程，对初始种群中的“染色体”进行筛选、复制、交叉、变异，得到适应性更好地新种群，多次迭代进化后得到的最优解趋于稳定，即认为此时种群中的最优解为该问题的最优解。遗传算法具有仿生的进化过程，随机的变异特性，通常能够高效的解决优化问题，本发明实施例利用遗传算法解决野外复杂地形的路径规划问题。具体的算法流程如图2所示；
[0028]
1、种群初始化
[0029]
在路径规划中，通常采用实数编码，将每一条路径定义为一个个体，初始化种群要
求随机产生多条可行路径。产生可行路径分两步完成：第一步，在栅格地图中每行取一个栅格，构成一条间断路径，第一行的栅格和最后一行栅格取为当前位置和目标位置所在的栅格；第二步，每行插入一个或多个栅格，使间断路径成为连续路径。使用max{|[(k 1)/x]-(k/x)|,|(k 1)\x-(k\x)|}＝1验证栅格k和k 1 相邻，若不相邻插入新栅格后继续验证，直至多次迭代最终得到栅格相邻道路连通的完整路径。插入的栅格坐标(x
cha
，x
cha
)由下式产生：
[0030][0031][0032]
当多次迭代仍不能得到完整路径时即舍去这次路径。
[0033]
2、适应度设计
[0034]
适应度是遗传算法中衡量种群中个体表现优劣的关键，是进行种群选择的依据，本文模型为求解最小值问题，取目标函数倒数即f＝1/t(k)为适应度函数。与传统的单纯计算适应度相比，本文在计算个体适应度前首先对路径连续性进行判断。对路径中相邻栅格k和k 1的中心位置高程进行比较，若高程相差不大时认为道路连续，认为无深坑、塌陷等陡变地形，若相邻高程差距较大则舍去此条路径。
[0035]
3、选择操作
[0036]
选择操作从父代种群中以一定概率选取适应度高的个体组成新种群，通常采用轮盘赌方法。个体i被选中的概率为其中fi为个体i的适应度值；m为种群个体数目。轮盘赌的方式使得部分非最优的个体能够被选中，一定程度上确保了种群多样性，能够防止算法陷入局部最优。
[0037]
4、交叉操作
[0038]
交叉操作是指从父代种群中随机选择两个个体，通过染色体交换产生新的优秀个体。本文采用的是单点交叉方式，即找出两条路径中所有相同的点，随机选择其中的一个点，将之后的路径进行交换进得到两条新的路径
[0039]
5、变异操作
[0040]
变异操作的目的主要是保持种群的多样性，主要是对种群中的一个个体进行操作。本文的方法是随机选取一条路径中除起点和终点以外的两个栅格，舍两个栅格中间已选中的栅格，使用插入栅格的方法重新产生新的连续路径。若多次迭代无法产生连续的路径，则重新选择两个栅格，执行以上操作，直到产生新的路径，若多次迭代无法产生连续路径则舍去该个体。
[0041]
图3为本发明实施例的通行速度栅格分布图，以图3所示的地形为例，在栅格地图中，x为7500m，y为7500m，区域共划分栅格225个，每个栅格长款均为500m。以越野性能较好的履带式车辆为研究对象，假设不考虑地形因素时车辆最高行驶速度为60km/h，得到在该区域不同地形通行速度如表2所示：
[0042]
表2 不同地形车辆行驶速度表
[0043][0044]
使用matlab2014b，设置种群数量200，最大迭代次数50，交叉概率0.8，变异概率0.2，栅格插值计算最大迭代1000次，相邻栅格中心高程不大于2米，计算车辆从当前位置(0,0)栅格到目标位置(15,15)栅格的最短时间路径。运行结果见图4，由计算可知，在进行5-10次迭代以后，种群趋于稳定，能够得到比较满意的最短通行时间道路，获取的最短路径如表3所示：
[0045]
表3基于遗传算法的行驶时间最短路径
[0046][0047]
通过通行速度的区分，将障碍对通行的影响进行量化区分，操作性更强，更加具有实际意义，能高效地得到实际地形下到达目标位置的最短时间路径，下一步可以提高地形地貌的判别精度，综合利用栅格内高程信息对道路连续性进行判断，尤其是对地图栅格进行细化，增加行列栅格数量，能够得到更加精确的行驶路线。
[0048]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。