CN119105485B 一种治安巡查路径规划方法及系统 （武汉云计算科技有限公司）

本发明提出了一种治安巡查路径规划方法通过路径规划拟合函数生多条候选治安巡查路2采集多个无人机在进行治安巡查过程中的巡查行动信息，其中，根据路径节点之间构成的巡查路径、实时运动状态以及所述历史运i基于与巡查路径对应的路径基点和所述治安风险区域的位置参通过所述粒子群演化函数、第一学习因子以及第二学习因子对所述粒3根据所述与巡查路径对应的路径基点信息和所述治安风险区域的基于所述多个路径基点到达治安风险区域中心的风险距离，通与第i+1个路径节点之间的第j个路径基点的横坐标，yi,j表示第i个路径节点与第i+1个路示第i个路径节点与第i+1个路径节点之间的第j个路径基点到达第g个治安风险区域中心对输入所述粒子群演化函数的原始参数进行初始化，其中，确定所述粒子群演化函数的最优自适应惯性权重区间以及最优自适应惯性权重区间对所述第一子种群进行复制操作，对所述第二子种群进行交叉和变若所述粒子群演化函数的适应度大于或等于目标精度，则结若所述粒子群演化函数的适应度小于目标精度，则通过路径通过所述粒子群演化函数、第一学习因子以及第二学习因子对所述4于第g个治安风险区域内的任意一个路径基点，C(j,h)表示第j个路径基点的第一安全惩罚第g个治安风险区域之间的第二安全惩罚值，S(h所述动态威胁惩罚值以及所述角度惩罚值的表达j个路径基点与第h个路径基点之间的距离，robs(g)表示第g个治安风所述数据采集模块(11)用于采集多个无人机在进行治安巡查过程中的巡查行动信息，5所述函数构建模块(12)用于根据路径节点之间构成的巡查路径、实时i所述路径模拟模块(13)用于基于与巡查路径对应的路径基点和所述治安风险区域的所述路径寻优模块(14)用于通过所述粒子群演化函数、第一学习因子6[0003]公告号为CN115752490B的中国专利公开了一种基于大数据和定位技术的安全出合函数生成了多条满足安全约束的候选巡查路径有助于提升粒子群演化函数的收敛速度，7示自适应惯性权重，τmax表示自适应惯性权重的最大值，Smax表示激活函数的定义域上限，τmin表示自适应惯性权重的最小值，T表2min表示第二学习因子的最小值。节点与第i+1个路径节点之间的第j个路径基点的横坐标，yi,j表示第i个路径节点与第i+18dij表示第i个路径节点与第i+1个路径节点之间的第j个路径基点到达第g个治安风险区域[0029]确定所述粒子群演化函数的最优自适应惯性权重区间以及最优自适应惯性权重与第g个治安风险区域之间的第二安全惩罚值，S(h,t)径基点以及第j+2个路径基点之间形成的角度9j个路径基点与第h个路径基点之间的距离，robs(g)表示第g个治安风险区域的半径，d(j,h,g)表示[0046]所述数据采集模块用于采集多个无人机在进行治安巡查[0048]所述路径模拟模块用于基于与巡查路径对应的路径基点和所述治安风险区域的[0051](1)通过采集多个无人机的巡查行动信息，能够全面反映了实际的巡查环境和无[0052](2)通过将原有的巡查路径进行区间划分，生成多个位置随机且数量相同的路径示自适应惯性权重，τmax表示自适应惯性权重的最大值，Smax表示激活函数的定义域上限，τmin表示自适应惯性权重的最小值，T表2min表示第二学习因子的最小值。[0076]在本步骤中，通过路径规划拟合函数,节点与第i+1个路径节点之间的第j个路径基点的横坐标，yi,j表示第i个路径节点与第i+1dij表示第i个路径节点与第i+1个路径节点之间的第j个路径基点到达第g个治安风险区域[0091]通过将原有的巡查路径进行区间划分，生成多个位置随机且数量相同的路径基基点数量作为初始化的输入参数,为后续的路径优化提供基准。确定粒子群算法的种群大[0096]步骤S42，确定粒子群演化函数的最优自适应惯性权重区间以及最优自适应惯性经典PSO算法进行种群数量为50、迭代次数为50的操作。以及为了避免算法中随机数的影响，对每个惯性权重参考值对应的PSO算法各运行10次取平均值，得到对应的适应度f1，的两个适应度作为上下权重，即最优惯性权重区间[wmin,wmax]。其中，wmin为适应度f1，f15中最大吗适应[0105]其中：w表示当前迭代的惯性权重，wmin表示最小适应度[0108]比较两种策略下获取的适应度结果，取适应度结果较小者作为改进Retinanet深性权重的取值策略以及粒子群演化函数的适应度，将每一次迭代的粒子群适应度进行排第二子种群中的解空间,发现潜在的优质解。在完成第一子种群的复制操作和第二子种群与第g个治安风险区域之间的第二安全惩罚值，S(h,t)径基点以及第j+2个路径基点之间形成的角度j个路径基点与第h个路径基点之间的距离，robs(g)表示第g个治安风险区域的半径，d(j,h,g)表示动态地根据个体历史信息和群体历史信息，调整粒子的运动状态实现自适应的路径寻优，并且通过引入第一学习因子和第二学习因子平衡个体经验和群体经验在优化过程中的作[0129]路径模拟模块13用于基于与巡查路径对应的路径基点和治安风险区域的位置参示自适应惯性权重，τmax表示自适应惯性权重的最大值，Smax表示激活函数的定义域上限，τmin表示自适应惯性权重的最小值，T表2min表示第二学习因子的最小值。节点与第i+1个路径节点之间的第j个路径基点的横坐标，yi,j表示第i个路径节点与第i+1dij表示第i个路径节点与第i+1个路径节点之间的第j个路径基点到达第g个治安风险区域优自适应惯性权重区间中的自适应惯性权重的取值策略；利用最优自适应惯性权重区间、最优自适应惯性权重区间中的自适应惯性权重的取值策略以及粒子群演化函数的适应度，[0146]在一个示例中，路径寻优模块14用于若粒子群演化函数与第g个治安风险区域之间的第二安全惩罚值，S(h,t)径