应急物资运输规划方法及系统与流程

本发明涉及智能化运输规划，尤其涉及一种应急物资运输规划方法及系统。

背景技术：

1、进行应急物资运输规划的目的是优化运输路线和时间，以保证应急物资能够在最短的时间内送达受灾区域。但应急物资运输规划是一个复杂的优化问题，涉及多个决策变量和约束条件，同时也受到事件的不确定性和动态性的影响。

2、传统的应急物资运输规划方法通常通过建立数学方程或逻辑规则来描述运输问题，并求解最优解。这种方法的缺点是需要大量的数据输入和计算，难以适应事件的快速变化和多样性。

3、因此，期待一种优化的应急物资运输规划方案。

技术实现思路

1、本发明实施例提供一种应急物资运输规划方法及系统，其利用图像处理技术，对地图图像和备选运输规划路径进行特征提取与分析，进而评估备选运输规划路径是否为最优路径的概率值。通过这样的方式，输入多条备选运输规划路径来寻找并确定最佳运输路径，以提高物资运输的效率和响应速度。

2、本发明实施例还提供了一种应急物资运输规划方法，其包括：获取发生突发公共安全事件区域的地图图像；对所述地图图像进行地图图像特征提取以得到全域图像特征矩阵；获取第一备选运输规划路径；对所述第一备选运输规划路径进行特征提取以得到第一备选运输途径图像特征矩阵；以及基于所述全域图像特征矩阵和所述第一备选运输途径图像特征矩阵，确定所述第一备选运输规划路径为最优路径的概率值。

3、本发明实施例还提供了一种应急物资运输规划系统，其包括：地图图像获取模块，用于获取发生突发公共安全事件区域的地图图像；图像特征提取模块，用于对所述地图图像进行地图图像特征提取以得到全域图像特征矩阵；规划路径获取模块，用于获取第一备选运输规划路径；路径特征提取模块，用于对所述第一备选运输规划路径进行特征提取以得到第一备选运输途径图像特征矩阵；以及最优路径的概率值确定模块，用于基于所述全域图像特征矩阵和所述第一备选运输途径图像特征矩阵，确定所述第一备选运输规划路径为最优路径的概率值。

技术特征：

1.一种应急物资运输规划方法，其特征在于，包括：获取发生突发公共安全事件区域的地图图像；对所述地图图像进行地图图像特征提取以得到全域图像特征矩阵；获取第一备选运输规划路径；对所述第一备选运输规划路径进行特征提取以得到第一备选运输途径图像特征矩阵；以及基于所述全域图像特征矩阵和所述第一备选运输途径图像特征矩阵，确定所述第一备选运输规划路径为最优路径的概率值。

2.根据权利要求1所述的应急物资运输规划方法，其特征在于，对所述地图图像进行地图图像特征提取以得到全域图像特征矩阵，包括：将所述地图图像通过包含第一卷积神经网络模型和第二卷积神经网络模型的地图多尺度特征提取器以得到所述全域图像特征矩阵。

3.根据权利要求2所述的应急物资运输规划方法，其特征在于，对所述第一备选运输规划路径进行特征提取以得到第一备选运输途径图像特征矩阵，包括：将所述第一备选运输规划路径在所述地图图像中进行标识以得到第一备选运输规划路径图像；以及将所述第一备选运输规划路径图像通过所述包含第一卷积神经网络模型和第二卷积神经网络模型的地图多尺度特征提取器以得到所述第一备选运输途径图像特征矩阵。

4.根据权利要求3所述的应急物资运输规划方法，其特征在于，基于所述全域图像特征矩阵和所述第一备选运输途径图像特征矩阵，确定所述第一备选运输规划路径为最优路径的概率值，包括：计算所述第一备选运输途径图像特征矩阵相对于所述全域图像特征矩阵的转移矩阵作为分类特征矩阵；以及将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示所述第一备选运输规划路径为最优路径的概率值。

5.根据权利要求4所述的应急物资运输规划方法，其特征在于，将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示所述第一备选运输规划路径为最优路径的概率值，包括：将所述分类特征矩阵进行特征矩阵展开以得到分类特征向量；将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示所述第一备选运输规划路径为最优路径的概率值。

6.根据权利要求5所述的应急物资运输规划方法，其特征在于，还包括，用于对所述包含第一卷积神经网络模型和第二卷积神经网络模型的地图多尺度特征提取器和所述分类器进行训练的训练步骤。

7.根据权利要求6所述的应急物资运输规划方法，其特征在于，所述训练步骤，包括：获取训练数据，其中，所述训练数据，包括：发生突发公共安全事件区域的训练地图图像；将所述训练地图图像通过包含第一卷积神经网络模型和第二卷积神经网络模型的地图多尺度特征提取器以得到训练全域图像特征矩阵；获取训练第一备选运输规划路径；将所述训练第一备选运输规划路径在所述训练地图图像中进行标识以得到训练第一备选运输规划路径图像；将所述训练第一备选运输规划路径图像通过所述包含第一卷积神经网络模型和第二卷积神经网络模型的地图多尺度特征提取器以得到训练第一备选运输途径图像特征矩阵；计算所述训练第一备选运输途径图像特征矩阵相对于所述训练全域图像特征矩阵的转移矩阵作为训练分类特征矩阵；将所述训练分类特征矩阵通过分类器以得到分类损失函数值；计算针对所述训练分类特征矩阵的预定损失函数值；以所述分类损失函数值和所述预定损失函数值的加权和作为最终损失函数值，来对所述包含第一卷积神经网络模型和第二卷积神经网络模型的地图多尺度特征提取器和所述分类器进行训练。

8.根据权利要求7所述的应急物资运输规划方法，其特征在于，计算针对所述训练分类特征矩阵的预定损失函数值，包括：计算所述训练分类特征矩阵展开后的训练分类特征向量的任意两个位置的特征值之间的均值和方差以获得均值权重矩阵和方差权重矩阵，再将所述训练分类特征向量分别与所述均值权重矩阵和所述方差权重矩阵进行查询式相乘后，计算得到的均值特征向量和方差特征向量的自关联矩阵的范数，并减去所述训练分类特征向量的自关联矩阵的范数与作为超参数的权重的乘积来得到所述预定损失函数值。

9.一种应急物资运输规划系统，其特征在于，包括：地图图像获取模块，用于获取发生突发公共安全事件区域的地图图像；图像特征提取模块，用于对所述地图图像进行地图图像特征提取以得到全域图像特征矩阵；规划路径获取模块，用于获取第一备选运输规划路径；路径特征提取模块，用于对所述第一备选运输规划路径进行特征提取以得到第一备选运输途径图像特征矩阵；以及最优路径的概率值确定模块，用于基于所述全域图像特征矩阵和所述第一备选运输途径图像特征矩阵，确定所述第一备选运输规划路径为最优路径的概率值。

10.根据权利要求9所述的应急物资运输规划系统，其特征在于，所述图像特征提取模块，用于：将所述地图图像通过包含第一卷积神经网络模型和第二卷积神经网络模型的地图多尺度特征提取器以得到所述全域图像特征矩阵。

技术总结本发明公开了一种应急物资运输规划方法及系统，其利用图像处理技术，对地图图像和备选运输规划路径进行特征提取与分析，进而评估备选运输规划路径是否为最优路径的概率值。通过这样的方式，输入多条备选运输规划路径来寻找并确定最佳运输路径，以提高物资运输的效率和响应速度。技术研发人员：成微,巩天啸受保护的技术使用者：中国信息通信研究院技术研发日：技术公布日：2024/9/9