[发明专利]一种基于实时路况的停电抢修最优路径的获取方法

说明书

本发明公开了一种基于实时路况的停电抢修最优路径的获取方法，首先停电数据采集及处理模块将停电地点发送至判断模块，判断模块进行判断，若停电地点只有一个，将停电地点发送至RBF神经网络算法处理模块中，若停电地点为两个以上，将两个以上的停电地点先进行重要程度排序，排序后的结果发送至RBF神经网络算法处理模块中，RBF神经网络算法处理模块同时结合数据采集及处理模块的数据和停电地点进行计算模型，然后将模型发送至迪杰斯特拉算法处理模块中，迪杰斯特拉算法结合模型以及实时数据模块中的实时数据进行计算，计算出最优路径；本发明具有时效性，准确性，能够帮助抢修人员在最短的时间恢复供电，保证正常的生活。

技术领域

本发明涉及一种基于实时路况的停电抢修最优路径的获取方法，属于智能交通技术应用领域。

背景技术

迪杰斯特拉(Dijkstra)算法是典型的单源最短路径算法，由荷兰计算机科学家狄克斯特拉于1959年提出的，是从一个顶点到其余各顶点的最短路径算法，解决的是有向图中最短路径问题。迪杰斯特拉算法主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。

迪杰斯特拉算法的实现过程：声明一个数组dis来保存源点到各个顶点的最短距离和一个保存已经找到了最短路径的顶点的集合T，初始时，原点s的路径权重被赋为0(dis[s]＝0)。若对于顶点s存在能直接到达的边(s,m)，则把dis[m]设为w(s,m)，同时把所有其他(s不能直接到达的)顶点的路径长度设为无穷大。初始时，集合T只有顶点s。然后，从dis数组选择最小值，则该值就是源点s到该值对应的顶点的最短路径，并且把该点加入到T中，此时完成一个顶点，然后，需要看看新加入的顶点是否可以到达其他顶点并且看看通过该顶点到达其他点的路径长度是否比源点直接到达短，如果是，那么就替换这些顶点在dis中的值。然后，又从dis中找出最小值，重复上述动作，直到T中包含了图的所有顶点。

神经网络算法是进行分布式并行信息处理的算法模型，依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，达到处理信息的目的。BP神经网络学习速率是固定的，因此网络的收敛速度慢，需要较长的训练时间。对于一些复杂问题，BP算法需要的训练时间可能非常长，这主要是由于学习速率太小造成的。而RBF神经网络是种高效的前馈式网络，它具有其他前向网络所不具有的最佳逼近性能和全局最优特性，并且结构简单，训练速度快。

由于大风大雨等自然因素，或异物破坏电力设备，或用电高峰期导致电力设备负载过重，所造成的停电时间比比皆是，影响人们正常的工作和生活，尤其以银行，工厂，医院等重要级别极高的区域受影响程度最大(经济不发达地区可能无法做到每个重要级别高的区域都具有自主发电机)。这时供电抢修人员扮演着极其重要的角色，但是往往会因为并未事先规划好最优路径，遇到堵车高峰期，中小学生放学，或道路施工维修封路等不稳定因素，导致消耗大量时间，从而无法迅速到达停电区域抢修。不仅影响人们的正常生活，人们对电网的投诉率也会越来越高。

发明内容

本发明的目的在于提供一种基于实时路况的停电抢修最优路径的获取方法，本发明方法基于实时路况数据采集及处理平台，结合了RBF神经网络算法和迪杰斯特拉算法，克服种种路况及天气情况，计算出停电抢修最优路径，用于供电抢修人员以最短的时间到达停电区域并进行抢修的路径规划。