[发明专利]一种基于历史数据的巡逻路径设置方法

权利要求书

1.一种基于历史数据的巡逻路径设置方法，其特征在于，所述方法包括以下步骤：

步骤1：通过对历史数据进行聚类分析，标记历史事件发生地的聚集区域，并利用空间关系选择最佳的巡逻区域；

步骤2：预测各个巡逻区域未来时间段的事件时间；

步骤3：获取未来时间段需要巡逻的地点和时间；

步骤4：基于需要巡逻的时间和地点，使用多目标启发式优化模型设置最佳的巡逻路径。

2.根据权利要求1所述的基于历史数据的巡逻路径设置方法，其特征在于，所述步骤1具体如下：

步骤1.1：取出历史事件的位置信息，标记历史事件发生地的聚集区域，根据设置的聚类数量比例，通过聚类分析模型进行聚类分析得到最佳的巡逻区域；

步骤1.2：计算采用各个聚类分析模型所得巡逻区域之间的间隔距离，选择聚类效果最好的聚类分析模型；

步骤1.3：计算各个聚类分析模型所得巡逻区域的中心点之间距离，并根据距离对聚集区域的数量进行调整；

步骤1.4：根据所得效果最好的聚类分析模型对所有历史事件做分类，将历史事件归类到最合适的巡逻区域中。

3.根据权利要求2所述的基于历史数据的巡逻路径设置方法，其特征在于，所述聚类分析模型包括Kmeans、Kmeans++、Affinity Propagation。

4.根据权利要求1所述的基于历史数据的巡逻路径设置方法，其特征在于，所述步骤2具体如下：

步骤2.1：取出各个巡逻区域中的历史事件数量，按时间段汇总，并对没有记录的时间段补零；

步骤2.2：以滑动窗口法，将历史事件和对应时间数据生成训练集和测试集；

步骤2.3：使用网格搜索、随机搜索或者贝叶斯优化算法结合测试集和训练集数据进行时间序列模型的训练与预测，选择最佳的时间序列模型和参数；

步骤2.4：使用得到的时间序列模型对未来时间段的事件做预测。

5.根据权利要求4所述的基于历史数据的巡逻路径设置方法，其特征在于：所述时间序列模型包括AR、ARIMA、LSTM。

6.根据权利要求1所述的基于历史数据的巡逻路径设置方法，其特征在于，所述步骤3具体如下：

步骤3.1：选择各个巡逻区域的质心作为需要巡逻的地点；

步骤3.2：根据时间序列模型得到的预测结果，设置一定的阈值，大于阈值的时间段都需要巡逻，进而获得需要巡逻的时间段。

7.根据权利要求1所述的基于历史数据的巡逻路径设置方法，其特征在于，所述步骤4具体如下：

步骤4.1：根据需要巡逻的时间段和地点，通过多目标启发式优化模型设置最佳的巡逻路径，即获取未来时间段中每个小时对应的路径最短，每个小时开始点和结束点对应的衔接路径最短，从巡逻开始点到结束点的总路径最短。

8.根据权利要求7所述的基于历史数据的巡逻路径设置方法，其特征在于：所述多目标启发式优化模型包括遗传算法GA、差分进化算法DE、NSGA-III。