[发明专利]一种目标的运动范围预测方法及装置

权利要求书

1.一种目标的运动范围预测方法，其特征在于，包括：

获取设置在实际区域内可供目标选择的各个路径的环境属性信息和第一路径长度信息；

利用粒子群方法对根据所述环境属性信息和所述第一路径长度信息构建的多元线性回归函数进行迭代求解，得到每个路径对应的第二路径长度信息，所述多元线性回归函数的自变量为所述环境属性信息，所述多元线性回归函数的因变量为所述第一路径长度信息；

根据各个所述第二路径长度信息、所述目标的运动起点位置和运动总时间，确定所述目标对应的各个运动终点位置，所述运动总时间为所述目标由所述运动起点位置运动到所述运动终点位置所占用的时间；

根据各个所述运动终点位置得到所述目标的运动预测范围。

2.根据权利要求1所述的方法，其特征在于，所述利用粒子群方法对根据所述环境属性信息和所述第一路径长度信息构建的多元线性回归函数进行迭代求解之前，还包括：

根据有效关联规则对所述环境属性信息进行约简，得到约简后的环境属性信息，所述有效关联规则是提升度符合预设阈值的由所述环境属性信息推导出所述第一路径长度信息的关联规则。

3.根据权利要求1所述的方法，其特征在于，所述利用粒子群方法对根据所述环境属性信息和所述第一路径长度信息构建的多元线性回归函数进行迭代求解，得到每个路径对应的第二路径长度信息，包括：

对所述粒子群方法中的所有粒子均进行初始化，并确定所有所述粒子的适应度函数，所述适应度函数为所述多元线性回归函数中的目标函数，每个所述粒子均为所述多元线性回归函数中的一个回归参数；

根据所述适应度函数更新所述粒子的速度和位置；

对更新的所述速度和位置进行多次迭代处理，得到对应于所述适应度函数的最优解；

基于所述最优解得到对应的最优回归参数，所述最优回归参数为所有所述回归参数中的一个；

将所述最优回归参数和所述路径的所述环境属性信息均代入所述多元线性回归函数，得到所述路径对应的第二路径长度信息。

4.根据权利要求3所述的方法，其特征在于，所述根据所述适应度函数更新所述粒子的速度和位置，包括：

根据所述适应度函数计算对应的哨兵函数，并根据所述哨兵函数计算得到所述粒子的哨兵值，所述哨兵函数由所述适应度函数、适应度平均值和规范化函数确定，所述规范化函数由所述适应度函数和最大适应度值确定；

判断所述哨兵值是否符合预设阈值，若否，根据惯性权重和学习因子更新所述粒子的速度和位置，所述惯性权重由所述哨兵值、预设最小惯性权重和预设最大惯性权重确定，所述学习因子由所述哨兵值、预设起始学习因子和预设结束学习因子确定。

5.根据权利要求3所述的方法，其特征在于，所述对更新的所述速度和位置进行多次迭代处理，得到对应于所述适应度函数的最优解，包括：

利用禁忌搜索方法在当前次迭代得到的全局最优解的预设范围内搜索新解；

判断所述新解是否是所述当前次迭代的最优解，若是，则将所述最优解作为下一次迭代的初始值对更新的所述速度和位置进行迭代处理，直至达到预设迭代条件时，停止迭代，得到多次迭代后对应于所述适应度函数的所述最优解。

6.根据权利要求1所述的方法，其特征在于，所述根据各个所述第二路径长度信息、所述目标的运动起点位置和运动总时间，确定所述目标对应的各个运动终点位置，包括：

从各个所述第二路径长度信息中查找与所述运动起点位置相连接的第一运动位置对应的所述第二路径长度信息，通过查找到的所述第二路径长度信息对应的第一平均运动时间对所述运动总时间进行更新；

从各个所述第二路径长度信息中查找与所述第一运动位置相连接的第二运动位置对应的所述第二路径长度信息，通过查找到的所述第二路径长度信息对应的第二平均运动时间对更新后的所述运动总时间再次进行更新，直至更新到的所述运动总时间为零时，停止更新，并得到对应的所述运动终点位置。

7.根据权利要求1所述的方法，其特征在于，所述根据各个所述运动终点位置得到所述目标的运动预测范围，包括：

将相邻所述运动终点位置依次连接，得到所述目标的运动预测范围。