[發(fā)明專利]一種智能城市信息基礎設施規(guī)劃系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010953101.6
• 申請日: 2020-09-11
• 公開（公告）號: CN112115641A
• 公開（公告）日: 2020-12-22
• 發(fā)明（設計）人: 周俊鶴;傅佳怡
• 申請（專利權）人: 同濟大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F111/06
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 宣慧蘭

本發(fā)明涉及一種智能城市信息基礎設施規(guī)劃系統(tǒng)，包括地理信息識別模塊，獲取待規(guī)劃區(qū)域的圖像，通過卷積神經網絡識別其中的多種建設用地和基礎設施；參數(shù)計算模塊，獲取目標基礎設施的候選規(guī)劃點坐標，根據(jù)候選規(guī)劃點坐標和預設的基礎設施評價參數(shù)，計算目標基礎設施的規(guī)劃分數(shù)；規(guī)劃點位置優(yōu)化模塊，獲取待規(guī)劃區(qū)域內所有目標基礎設施的候選規(guī)劃點坐標，計算所有目標基礎設施的規(guī)劃分數(shù)，根據(jù)優(yōu)化算法進行多次優(yōu)化，計算每次優(yōu)化后的規(guī)劃分數(shù)之和，并將規(guī)劃分數(shù)之和最高時所有目標基礎設施對應的候選規(guī)劃點坐標作為最終基礎設施規(guī)劃坐標。與現(xiàn)有技術相比，本發(fā)明具有提高城市規(guī)劃中目標基礎設施選點的效率，降低城市規(guī)劃中的人力成本等優(yōu)點。

技術領域

本發(fā)明涉及城市規(guī)劃技術領域，尤其是涉及一種智能城市信息基礎設施規(guī)劃系統(tǒng)。

背景技術

目前，5G通信需求不斷增長，與交通、工業(yè)、醫(yī)療等各個行業(yè)的融合服務也逐漸發(fā)展，城市各項設施如通信基站、管道、機房等站點的建設需求隨之增大。但是此類規(guī)劃依舊需要大量的人力操作，并且各項規(guī)劃相對而言彼此獨立，比較費時費力。

機器學習是一種通過數(shù)據(jù)訓練，利用各種算法挖掘輸入數(shù)據(jù)的規(guī)律并提煉出模型用于預測的方法。卷積神經網絡是一種特別適合挖掘圖像數(shù)據(jù)中隱含的信息的新型機器學習方法，目前在各個領域都得到了廣泛的應用。

優(yōu)化算法分為局部優(yōu)化算法和全局優(yōu)化算法，常見的全局優(yōu)化算法有遺傳算法，模擬退火法，粒子群算法等。現(xiàn)有技術中公開了基于免疫遺傳算法的5G基站選址規(guī)劃方法，結合遺傳算法的搜索特性和免疫算法的自適應特性，采用免疫遺傳算法對于5G基站選址問題進行數(shù)學建模和求解，但是在目標種群較大時容易陷入局部最優(yōu)解，且收斂速度也受到限制。現(xiàn)有技術中也公開了基于改進粒子群算法的通信基站選址算法，引入慣性權重、外部擴散法、內部碰撞法和指定坐標法，雖然搜索速度較快，但是容易過早地陷入局部最優(yōu)。

模擬退火算法，包含兩個部分即Metropolis算法和退火過程，模擬退火算法具有漸近收斂性，但是得到性能較高的解需要付出收斂速度慢的代價；反之很可能得不到全局最優(yōu)解。

在上述全局算法之外，還有一系列的基于梯度和導數(shù)的搜索法，收斂速度較快，如牛頓法。牛頓法的優(yōu)點是二階收斂，收斂速度快，而且能高度逼近最優(yōu)值；但是每一步都需要求解目標函數(shù)的Hessian矩陣的逆矩陣，計算比較復雜；同時，牛頓法是局部收斂的，當初始點選擇不當時，往往導致結果無法收斂。

梯度下降法，是一種基于凸函數(shù)的優(yōu)化算法，通過迭代調整參數(shù)，將給定函數(shù)最小化到它的局部最小值。當目標函數(shù)是凸函數(shù)時，梯度下降法的解是全局解。但一般情況下，其解不保證是全局最優(yōu)解，速度也未必是最快的；靠近極小值時收斂速度會減慢，需要多次迭代，甚至可能會“之字形”地下降。

Levenberg-Marquardt法，也稱作阻尼最小二乘法，則結合了上述二者的特點(牛頓法具有收斂快速但對初始點位置敏感的特點，梯度下降法則相反)，LM算法收斂速度較快但其需要對每一個待估參數(shù)求偏導，當擬合函數(shù)f過于復雜，或者待估參數(shù)過多，將不太適用此算法求解。

綜上所述，全局優(yōu)化算法如遺傳算法、粒子群算法、模擬退火算法，雖然能夠得到符合要求的全局最優(yōu)解，但是與之對應的是較慢的收斂速度，若初始值和參數(shù)設置不當可能獲得局部最優(yōu)解；牛頓法、梯度下降法、Levenberg-Marquardt法等算法雖然收斂速度快，但是未必獲得全局最優(yōu)解。

發(fā)明內容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術存在的城市規(guī)劃中算法的收斂速度與全局最優(yōu)解不能同時滿足的缺陷而提供一種智能城市信息基礎設施規(guī)劃系統(tǒng)。

本發(fā)明的目的可以通過以下技術方案來實現(xiàn)：

一種智能城市信息基礎設施規(guī)劃系統(tǒng)，包括地理信息識別模塊、參數(shù)計算模塊和規(guī)劃點位置優(yōu)化模塊，其中：