[發(fā)明專利]基于差分進(jìn)化算法的大型公共場所人流引導(dǎo)路徑規(guī)劃方法

有效

• 申請?zhí)枺?/td>: 202110219913.2
• 申請日: 2021-02-26
• 公開（公告）號: CN112884229B
• 公開（公告）日: 2022-12-20
• 發(fā)明（設(shè)計(jì)）人: 鐘競輝;李東芮;蔡文桐
• 申請（專利權(quán)）人: 中新國際聯(lián)合研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F30/27;G06N3/00;G06F111/06
• 代理公司: 廣州市華學(xué)知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 李盛洪

1.一種基于差分進(jìn)化算法的大型公共場所人流引導(dǎo)路徑規(guī)劃方法，其特征在于，所述路徑規(guī)劃方法包括以下步驟：

S1、執(zhí)行初始化操作：隨機(jī)生成大小為N的種群Q，所述種群Q包含N個(gè)種群個(gè)體；用前后基因互相關(guān)聯(lián)的編碼方式編碼路徑方案，為每個(gè)種群個(gè)體構(gòu)建目標(biāo)向量；基于人群行為仿真的結(jié)果計(jì)算所述目標(biāo)向量的目標(biāo)函數(shù)值；

S2、執(zhí)行個(gè)體交叉操作：為每個(gè)所述種群個(gè)體構(gòu)建測試向量；基于人群行為仿真的結(jié)果計(jì)算所述測試向量的目標(biāo)函數(shù)值；進(jìn)行適應(yīng)度評估，執(zhí)行多目標(biāo)選擇操作更新種群個(gè)體的目標(biāo)向量；

S3、執(zhí)行局部搜索操作：更新每個(gè)種群個(gè)體的測試向量；基于人群行為仿真的結(jié)果計(jì)算測試向量的目標(biāo)函數(shù)值；進(jìn)行適應(yīng)度評估，執(zhí)行多目標(biāo)選擇操作更新種群個(gè)體的目標(biāo)向量；

S4、重復(fù)執(zhí)行步驟S2、S3，直到達(dá)到預(yù)設(shè)迭代次數(shù)或路徑方案的安全性和效率都滿足預(yù)設(shè)需求；

S5、將最后一次迭代得到的路徑方案作為最終路徑方案，并對路徑規(guī)劃方案進(jìn)行后期處理；

其中，所述步驟S1中目標(biāo)向量按如下方式構(gòu)建：

P_i，k＝[θ_i，k，1，θ_i，k，2，...，θ_i，k，j，...，θ_i，k，D，e_i，k]

其中，X_i表示種群中的第i個(gè)個(gè)體，θ_i，k，j表示第i個(gè)個(gè)體對應(yīng)的路徑方案中的第k條路徑的第j個(gè)關(guān)鍵點(diǎn)與前一個(gè)點(diǎn)的連線與水平方向的夾角，P_i，k表示第i個(gè)個(gè)體對應(yīng)的路徑方案中的第k條路徑，e_i，k表示第i個(gè)個(gè)體在第k條路徑的終點(diǎn)，i＝1，2，......，N，N為種群個(gè)體的數(shù)量、k＝1，2，......，M，M為路徑方案中的路徑數(shù)量、j＝1，2，......，D，D為每條路徑的關(guān)鍵點(diǎn)個(gè)數(shù)；

每個(gè)種群個(gè)體被編碼成一個(gè)M×(D+1)維的實(shí)數(shù)向量：每個(gè)個(gè)體X_i包含M條路徑；每條路徑用一個(gè)(D+1)維的向量表示，按前后基因互相關(guān)聯(lián)的編碼方式對路徑方案中的每一條路徑進(jìn)行編碼：路徑在編碼中簡單地用關(guān)鍵點(diǎn)序列表示，前D個(gè)實(shí)數(shù)是角的弧度值，表示該數(shù)對應(yīng)的關(guān)鍵點(diǎn)與前一個(gè)點(diǎn)連線與水平線之間的夾角，第D+1個(gè)實(shí)數(shù)e_i，k映射為具體目的地；θ_i，k，1對應(yīng)的關(guān)鍵點(diǎn)的前一個(gè)點(diǎn)是路徑的入口組的位置，θ_i，k，D對應(yīng)的關(guān)鍵點(diǎn)的后一個(gè)點(diǎn)是e_i，k對應(yīng)的目的地，除了第一個(gè)關(guān)鍵點(diǎn)以外，其他關(guān)鍵點(diǎn)的前一個(gè)點(diǎn)均為關(guān)鍵點(diǎn)；所述關(guān)鍵點(diǎn)在路徑上依次按預(yù)設(shè)距離排列。

2.根據(jù)權(quán)利要求1所述的基于差分進(jìn)化算法的大型公共場所人流引導(dǎo)路徑規(guī)劃方法，其特征在于，所述目標(biāo)函數(shù)值按如下方式計(jì)算：

f₁＝∑H(C)

f₂＝L/T

其中，C是以預(yù)設(shè)邊長對場景進(jìn)行網(wǎng)格劃分后得到的某個(gè)方形區(qū)域的中心點(diǎn)；H(C)是不同路徑的行人經(jīng)過點(diǎn)C所在方形區(qū)域的頻率的熵；f₁是所有網(wǎng)格中心點(diǎn)熵的和，表示整個(gè)路徑方案的熵；L是在進(jìn)行評估的仿真結(jié)束時(shí)仍然留在場景內(nèi)的人數(shù)，T是進(jìn)行評估的仿真過程中進(jìn)入場景的總?cè)藬?shù)，f₂反映給定路徑方案下人群通過場景的效率；兩個(gè)目標(biāo)函數(shù)值被合稱為適應(yīng)度。

3.根據(jù)權(quán)利要求1所述的基于差分進(jìn)化算法的大型公共場所人流引導(dǎo)路徑規(guī)劃方法，其特征在于，所述步驟S2中測試向量按如下方式構(gòu)建：

其中，u_i，m是測試向量第i個(gè)向量中的第m個(gè)元素，x_i，m是目標(biāo)向量第i個(gè)向量中的第m個(gè)元素，m＝1，2，......，M×(D+1)，F(xiàn)和CR是范圍在(0，1)之間的參數(shù)，F(xiàn)是縮放比例因子，CR是差分進(jìn)化中個(gè)體交叉的概率，X_b和X_d是在種群中隨機(jī)選擇的除X_i外的兩個(gè)不同的個(gè)體，x_b，m和x_d，m則是這兩個(gè)個(gè)體的目標(biāo)向量中的第m個(gè)元素。