(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111397141.8 (22)申请日 2021.11.23 (71)申请人 南京国图信息产业有限公司 地址 210036 江苏省南京市 鼓楼区集慧路 18号联创科技大厦A座12、 13、 18楼 (72)发明人 徐年锋　戚知晨　尹烁　 (74)专利代理 机构 北京文嘉知识产权代理事务 所(特殊普通 合伙) 11954 代理人 史一 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/25(2020.01) G06F 30/10(2020.01) G06N 3/00(2006.01) (54)发明名称 基于粒子群优化算法的高空间覆盖度塔基 监控摄像头布设方法 (57)摘要 本发明公开了基于粒子群优化算法的高空 间覆盖度塔基监控摄像头布设方法， 该方法实现 了布设后的高空监控摄像头在3D地理场景中观 测的空间覆盖度最高。 该发明主要步骤包括： ① 输入DEM、 基站点数据、 目标观测图斑、 区划边界 数据， 并设置种群大小n、 种群维度 d， 迭代次数t 等参数。②粒子群种群初始化， 设置粒子的初始 位置和速度及最大速度Vmax。③判别当前迭代代 数是否达到代数阈值t， 若未达到， 则开展地理空 间覆盖范围分析算法。 ④根据个体适应度更新粒 子群中各粒子的速度和位置。 ⑤根据种群适应度 更新粒子群全局速度和位置。 ⑥进行下一次迭 代， 循环执行 ③④⑤步骤， 直至达到迭代次数阈 值， 输出最优个体的组合序列解， 得到多个通讯 铁塔塔基上组合布设不定数量的高空监控摄像 头的优化解。 该发明可广泛应用于全域多摄像头 布设场景， 如： 智慧交通、 森林防火、 城市防灾、 自然资源保护监测等方面， 在实际中具有较好的应 用价值。 权利要求书3页 说明书6页 附图7页 CN 114169227 A 2022.03.11 CN 114169227 A 1.基于粒子群优化算法的高空间覆盖度塔基监控摄像头布设方法， 其特征在于： 该发 明基于的粒子群优化算法实现速度快， 采用的参数少， 在设置的迭代 次数t之内， 以地理空 间覆盖范围分析算法进行数据 处理加以辅助， 可快速计算出塔基监控摄像头的布设位置， 实现监测区域的高覆盖 。 包括如下步骤： 步骤1、 种群初始化： 输入DEM、 基站点数据、 目标观测图斑、 区划边界数据， 设置种群规 模大小n， 种群维度d， 迭代 次数t， 设置粒子群的初始位置和初始速度以及粒子移动的最大 速度Vmax。 步骤2、 开始进行迭代： 基于设置的迭代次数t， 在每一次的迭代中更新粒子个体及整个 粒子群的速度和位置， 直至 达到设定的迭代次数后结束。 步骤3、 评价粒子的适应性： 在设定的迭代次数t之内， 根据每一次迭代后粒子及整个粒 子群的位置， 带入其目标函数， 计算粒子的适应度大小。 计算粒子的适应度基于地理空间覆 盖范围分析算法开展， 具体包括： GIS 选通讯铁塔点、 提取高程值至通讯铁塔基站 点、 通讯铁 塔基站点可见性分析、 可见性栅格转可见性面图斑， 可见性面图斑空间聚合以消除离散面、 可见性面图斑空间聚合面与目标观测图斑空间相交分析得到结果图斑， 最终统计结果图斑 面积， 计算得种群 个体的适应值。 步骤4、 更新粒子个体及整个粒子群的速度和位置： 在计算一轮粒子的适应度后， 根据 种群个体适应度更新粒子群中各粒子的速度和位置， 根据种群适应度更新粒子群全局速度 和位置， 通过迭代计算每次迭代后粒子群的适应值， 实现塔基监控摄像头的高空间覆盖度， 得到多个通讯铁塔 基站上组合布设不定数量的高空监控摄 像头的优化 解。 2.根据权利要求1所述的基于粒子群优化算法的高空间覆盖度塔基监控摄像头布设方 法， 其特征在于： 步骤1所述的初始化中， 输入粒子群的种群规模大小n， 种群维度d， 迭代次 数t， 设置粒子初始位置为： 其中i(i＝1,2, …,n)表示粒子顺序， 其初始速度 为 设置粒子的最大速度为Vmax， 设置最大速度有利于防止搜索发散， 并且可以改变各粒 子的搜索步长 。 3.根据权利要求1所述的基于粒子群优化算法的高空间覆盖度塔基监控摄像头布设方 法， 其特征在于： 步骤2所述的开始进行迭代， 其在步骤1中的迭代次数若设置的合理， 可以 减少算法运行时间。 迭代次数的选择 方式可描述 为， 粒子群可以简化 为如下式： 其中， P为粒子的最优位置， c为学习因子 。 由式(1)可以推导出： 式(1)与式(2)联立可 得： 式(3)的特 征方程式为: 式(4)的根 为：权　利　要　求　书 1/3 页 2 CN 114169227 A 2当v(0)和p ‑x(0)已知， c不 为4时， 学习因子 c1， c2可表示为： 当精确度已知时， 可以立即得 出t， 即得迭代次数。 4.根据权利要求1所述的基于粒子群优化算法的高空间覆盖度塔基监控摄像头布设方 法， 其特征在于： 步骤3所述的评价粒子的适应性， 以覆盖目标观测图斑的范围占比大小作 为目标函数， 计算每次迭代后粒子群的适应度， 计算粒子的适应度基于地理空间覆盖范围 分析算法开展， 步骤如下： 步骤3.1、 通讯铁塔基站点选取： 基于每次迭代后粒子群的位置， 由于该算法每次迭代 更新后的粒子群位置为序列形式， 只有0和1， 找出值为1的位置所对应的通讯铁塔基站位 置， 作为监控摄像头的布设位置 。 步骤3.2、 提取高程值至通讯铁塔基站点： 基于步骤3.1挑选的塔基监控摄像头， 以研究 区DEM高程数据为基础， 将DEM栅格像元值提取至通讯铁塔基站点属性表中， 作为塔基监控 摄像头的高程 值。 步骤3.3、 通讯铁塔基站点可见性分析： 基于步骤3.2塔基监控摄像头的高程值， 根据高 空监控摄 像头的可 见性半径， 铁塔 塔高进行 可见性分析， 得到粒子群的可 见性栅格数据。 步骤3.4、 可见性栅格转面图斑、 聚合面图斑： 将步骤3.3所得栅格数据中代表可见的栅 格部分转为面图层， 并将其聚合， 通过聚合操作可去除空洞部分， 消除离散面， 提高数据的 处理效率， 聚合时最小空洞面积设定为原 始DEM数据分辨 率的平方值。 步骤3.5、 可见性面 图斑空间聚合面与目标观测图斑相交分析， 将步骤3.4聚合后的空 间聚合面图斑与目标观测图斑进行叠加。 计算出相交后结果图斑的面积， 得其目标观测图 斑的覆盖率。 5.根据权利要求1所述的基于粒子群优化算法的高空间覆盖度塔基监控摄像头布设方 法， 其特征在于： 步骤4所述的更新粒子的位置和速度， 根据粒子的更新速度公式和更新位 置公式， 调整粒子个 体位置， 进一 步调整粒子群的位置和速度， 进行 下一次迭代。 粒子的更新速度公式为： 式(6)中， 表示第k+1次迭代粒子i 飞行速度矢量的第d维分量， W为惯 性权重， W取值 一般在[0.4,1.2]之间， 其有助于降低每 一个粒子的速度从而改善收敛性， c1， c2为加速常数 也成为学习因子， 在更新速度时， 每个粒子的c1， c2取值相同， 表示第i个粒子在第k代 的历史最优位置， 表示为第k代的全局最优位置 。权　利　要　求　书 2/3 页 3 CN 114169227 A 3