,,

隨著環境監測和設備巡檢工作的日益復雜化,傳統的人工路徑規劃方式正面臨效率和精度的雙重挑戰。企業和環保部門正面臨著采樣點數量的激增、采樣頻次的提高以及對時效性的更高要求。隨著合規要求的日趨嚴格,采樣工作需要同時考慮效率和標準化操作。鑒于多元化約束條件的增加(包括時間窗口、優先級、資源限制等),規劃難度呈指數級增長。鑒于傳統規劃方法已無法滿足復雜場景下的精準調度需求,智能化升級已成為必然趨勢,智能路徑規劃成為解決高精度調度與標準化作業難題的必然選擇。

一、路徑規劃引擎搭建

隨著業務場景智能化升級的推進,三維天地(301159)創新性地研發了路徑規劃引擎。該引擎深度整合多維度技術與行業特定需求,構建了高精度、高效率的可視化路徑規劃應用場景。引擎能夠處理前端輸入的地理信息以獲取地理數據,通過算法優化和多源數據融合,運用迭代優化機制計算出最短的閉環巡檢路線。

同時,引擎還能將路徑規劃以最優地圖路線的形式可視化展示,從而提高多個采樣點巡檢工作的效率。通過實現多采樣點的高效覆蓋與科學調度,顯著提升了數據采集的效率和質量,為巡檢采樣任務提供了科學合理的最優路徑解決方案。

二、引擎核心能力

三維天地路徑規劃引擎采用智能路徑規劃技術,全面覆蓋所有采樣點,最小化行駛距離,從而生成最優的采樣順序。最終,它能夠構建出最短的閉環巡檢路線,實現大規模點位組合的優化。這項技術在考慮實際路徑約束條件的基礎上,能夠在復雜環境下實現高效路徑的生成。

1、多源數據融合建模

用戶輸入的點位名稱及對應經緯度數據

高德地圖/天地圖等開放平臺的具體道路數據

三維天地將該引擎整合了地理信息數據、道路流量、交通狀況等多種數據源,構建了一個多源數據融合框架,為精準路徑計算提供了全面的數據支持,從而支持復雜的規劃決策和智能分析。基于采樣點的經緯度信息,并結合道路網絡結構,采用距離運算公式來計算球面距離,生成了表征距離的數據集。這些數據為路徑規劃算法提供了精確的輸入,進而實現了路徑決策的增強。

2、路徑優化

算法優化:采用改進型進化算法優化大規模和高復雜度的路徑規劃方案,引入局部搜索增強策略計算近似全局最優路徑。

組合優化:進化算法概率調整可以增加種群多樣性,平衡算法在廣度搜索和深度挖掘之間的能力,更有效地組合優秀基因,提高新解質量。

多次迭代優化策略:采用多種群迭代進化策略擴大解空間覆蓋范圍,得到多目標約束下的全局最優解,提升路徑規劃精度。

3、最優路線可視化

前端頁面與后端聯動渲染地圖路線,實現最優規劃路線的直觀顯示。

三、路徑規劃引擎應用場景

1、市場抽檢

針對市場安全抽檢,在區域劃分、樣品類別的復雜約束條件下實現抽樣最優路徑規劃,保證監管覆蓋率。

考慮樣品保存條件和實驗室處理能力的約束條件,合理規劃同一路徑上不同類別樣品的采集順序和數量。

結合季節性和區域風險因素,動態調整抽檢頻次和范圍,實現精準監管。

整合歷史抽檢數據,識別高風險區域,智能調整抽檢密度與頻率。