基于智能图像识别的输电线路路径优选方法与流程

1.本发明涉及输电线路路径规划技术，特别涉及基于智能图像识别的输电线路路径优化的技术。


背景技术：

2.在传统输电线路路径选择过程中，设计人员需结合地形图和已有的专题数据(气象条件、规划区、矿区及已建电力线路等)进行室内选线。由于地形图携带的信息不能完全反映现场地物的实际分布情况，就需要设计人员在进一步现场勘探后，再进行路径优化。通常情况下可行的路径方案有多条，设计人员基于自身经验对多条路径方案进行技术经济比较，综合考虑各种因素后再做出决策。但受制于各设计人员经验，不同的设计人员选出的路径方案可能不同，且最后所选择的路径方案也可能不是最优方案。
3.近年来，采用专家打分法和迪杰斯特拉(dijkstra)算法进行输电线路的路径优选是一种可行的优选方法，其部分解决了传统输电线路路径选择时存在的问题。但依然存在以下问题：专家打分法受专家经验影响，各制约因素的打分权重不能完全准确反映出对路径方案优劣的准确影响；迪杰拉斯算法搜索范围过大，耗费时间较长；需人工标绘遥感影响包含的所有信息，效率低。


技术实现要素：

4.本发明的目的是要解决目前输电线路的路径优选受专家经验影响或效率低的问题，提供了一种基于智能图像识别的输电线路路径优选方法。
5.本发明解决上述技术问题采用的技术方案是，基于智能图像识别的输电线路路径优选方法，包括以下步骤：
6.步骤1、采用gis(geographic information system)地理信息系统，加载高清遥感卫星影像、数字高程模型及矢量专题数据；
7.步骤2、确定线路起止点，连接起止点形成航空线，并确定线路参数，得到输电线路设计规划；
8.步骤3、以线路的航空线为中心设置图像智能识别的范围得到选线区域，采用预先建立的改进的u-net模型对高清遥感卫星影像的选线区域中的地物要素进行智能识别，以矢量形式进行标注，并按不同的矢量图层进行保存，得到图像识别结果；所述改进的u-net模型是指在u-net模型的基础上，将其压缩通道中的标准卷积层替换为可变形卷积(deformable convolution)，且在其扩展通道中，令每次卷积层在一次反卷积-拼接-卷积操作完成后输出一个预测结果，最后对所有预测结果进行联合预测得到最终的分类预测；
9.步骤4、对高清遥感卫星影像进行网格划分，结合图像识别结果、数字高程模型及输电线路设计规划，计算识别单元网格任一边线或对角线的海拔高度、地形地貌、风速、冰区、林区及汽车和人力运距，并为其映射相应的工程造价调整系数；
10.步骤5、通过线路单公里基准造价、工程造价调整系数、交叉跨越费用和通道清理
费用能够计算单元网格任一边线或对角线的造价，从而利用a*算法求解网络中两点最短路径原理，等效求解两点线路工程造价最小的路径，得到线路最优的路径。
11.具体的，为具体说明矢量专题数据，则步骤1中，所述矢量专题数据包括已收集的规划区和/或矿区和/或生态敏感区和/或电网空间数据。
12.进一步的，为具体说明线路参数，则步骤2中，所述线路参数包括线路电压等级、回路数、导线型号及导线分裂数。
13.具体的，为具体说明地物要素，则步骤3中，所述地物要素包括房屋和/或河流和/或水库和/或湖泊和/或公路和/或铁路和/或林木。
14.再进一步的，为具体说明如何预先建立改进的u-net模型，则步骤3中，所述预先建立的改进的u-net模型的训练方法为：
15.步骤301、获取高清遥感卫星影像，并在高清遥感卫星影像中按照需要提取的地物要素进行样本标记，将其影像和制作的样本标记随机裁剪成预设大小，按照一定比例设置训练集、测试集及验证集，并通过空间几何变换操作对样本进行增强，得到深度学习样本；
16.步骤302、构建改进后的u-net模型，令该改进后的u-net模型的初始化参数在imagenet分类数据集上进行预训练，得到预训练后的模型；
17.步骤303、将深度学习样本集输入至预训练后的模型进行特征学习，得到预测概率分布图，采用交叉熵函数衡量分类结果与真实地物要素之间的损失值，采用adma优化算法，以缩小损失值为目标，当损失值缩小至给定的阈值范围内时，训练结束，得到最优的模型，作为改进的u-net模型。
18.具体的，为提供一种可行的预设大小，则步骤301中，所述预设大小为576
×
576；为提供一种优选的一定比例，则步骤301中，所述一定比例为7:2:1；为解释变形操作，则步骤301中，所述空间几何变换操作包括裁剪和/或旋转。
19.再进一步的，为具体说明如何采用预先建立的改进的u-net模型对高清遥感卫星影像的选线区域中的地物要素进行智能识别，以矢量形式进行标注，并按不同的矢量图层进行保存，得到图像识别结果，则步骤3中，所述采用预先建立的改进的u-net模型对高清遥感卫星影像的选线区域中的地物要素进行智能识别，以矢量形式进行标注，并按不同的矢量图层进行保存，得到图像识别结果，具体为：将高清遥感卫星影像的选线区域中的待分类影像输入至改进的u-net模型中进行分类，并对分类结果进行拼接和矢量标注，且按不同的矢量图层进行保存，得到图像识别结果。
20.具体的，为细化步骤4，则所述步骤4具体为：
21.步骤401、对遥感影像进行网格划分，针对任一单元网格，以该单元网格的每一条边线及每一条对角线分别作为该单元网格内的各可能路径；
22.步骤402、根据数字高程模型自动计算各单元网格顶点的海拔高度，针对任一单元网格内的任一可能路径，取该段可能路径起始点的海拔高度的平均值作为该段可能路径计算海拔高度，根据所计算出的海拔高度通过查表映射其海拔高度的工程造价调整系数；
23.步骤403、根据数字高程模型和预设规则，针对任一单元网格内的任一可能路径，从该可能路径起点以第一距离为搜索半径，第二距离为步长进行搜索，直至该可能路径终点，根据该搜索半径形成的圆内的高程最大差值和图像智能识别地表特征，对地形分类，通过查表能够获取每种地形分类对应的一个地形分类的工程造价调整系数，若该可能路径内
存在多个不同类型的地形分类，采用求取各地形分类的工程造价调整系数的加权平均值的形式得到该可能路径的地形分类的工程造价调整系数；
24.步骤404、根据前期录入的气象专题数据，针对任一单元网格内的任一可能路径，自动提取该可能路径所处区域的风速及冰区数值，通过查表映射出其风速及冰区的工程造价调整系数，若该可能路径内存在多个风速及冰区数值，采用求取各风速及冰区数值对应的工程造价调整系数的加权平均值的形式得到该网格中路径的风速及冰区的工程造价调整系数；
25.步骤405、根据航空线距离及预设的曲折系数，计算整个工程的路径总长度＝航空线距离
×
曲折系数，且由于线路工程一般沿路径线每固定距离设置1座材料站，因此若路径长度小于2倍固定距离，则汽车运距＝路径长度/2，若路径长度大于或等于2倍固定距离，则汽车运距＝固定距离；
26.步骤406、通过智能图像识别技术识别线路沿线的路网信息，并矢量化路网，则针对任一单元网格内任一可能路径，若该段可能路径长度小于平均档距，则等分数为1，否则以该段可能路径长度除以平均档距并四舍五入得到大于等于1的等分数，以等分数将该段可能路径等分，得到的起始点及等分点即为塔位点，再将起始点及等分点分别与路网中的道路以最短距离相连得到各塔位点的人力运输直线路径，同时针对任一塔位点，通过图像智能识别地表特征和运输路径的坡度，对地形分类，得到该塔位点的人力运输直线路径的运输地形，根据起始点及等分点分别与路网中的道路以最短距离相连得到各塔位点的人力运输直线路径的长度，采用先将各塔位点的人力运输直线路径的长度分别乘以对应塔位点的人力运输直线路径的运输地形对应的弯曲系数，再求取平均值得到人力运距；各运输地形对应的弯曲系数通过查表获取，根据汽车运距与人力运距查表映射出其工程造价调整系数；
27.步骤407、针对任一单元网格内任一可能路径，通过图像识别判断该可能路径上是否存在林区，查表映射出对应的工程造价调整系数。
28.再进一步的，为解释地形分类，则步骤403中，所述地形分类为平地或丘陵或山地或高山或峻岭或泥沼或河网或沙漠；为提供一种优选的第一距离和/或第二距离的参数，则所述第一距离为125米，所述第二距离为250米。
29.具体的，为提供一种采用求取各地形分类的工程造价调整系数的加权平均值的形式得到该可能路径的地形分类的工程造价调整系数的计算公式，则步骤403中，所述采用求取各地形分类的工程造价调整系数的加权平均值的形式得到该可能路径的地形分类的工程造价调整系数的计算公式为：
[0030][0031]
其中，b是指该段可能路径地形分类的工程造价调整系数，bn是指第n种地形类型所对应的地形分类的工程造价调整系数；ln是指第n种地形类型对应的可能路径长度；m是指该可能路径内的地形类型数量。
[0032]
再进一步的，为提供一种采用求取各风速及冰区数值对应的工程造价调整系数的
加权平均值的形式得到该可能路径的风速及冰区的工程造价调整系数的计算公式，则步骤404中，所述采用求取各风速及冰区数值对应的工程造价调整系数的加权平均值的形式得到该可能路径的风速及冰区的工程造价调整系数的计算公式为：
[0033][0034][0035]
其中，c是指该段可能路径风速的工程造价调整系数，d是指该段可能路径冰区的工程造价调整系数，cn是指第n种风速数值所对应的工程造价调整系数，dn是指第n种冰区数值所对应的工程造价调整系数；un是指第n种风速数值对应的可能路径长度，vn是指第n种冰区数值对应的可能路径长度；j是指该可能路径内的不同风速数值的数量，q是指该可能路径内的不同冰区数值的数量。
[0036]
具体的，为提供一种优选的固定距离及曲折系数的参数，则步骤405中，所述固定距离为25km；所述曲折系数为1.05。
[0037]
再进一步的，为提供一种采用先将各塔位点的人力运输直线路径的长度分别乘以对应塔位点的人力运输直线路径的运输地形对应的弯曲系数，再求取平均值得到人力运距的具体计算公式，则步骤406中，所述采用先将各塔位点的人力运输直线路径的长度分别乘以对应塔位点的人力运输直线路径的运输地形对应的弯曲系数，再求取平均值得到人力运距的具体计算公式为：
[0038][0039]
其中，p为人力运距，k为等分数，wn为n塔位点的人力运输直线路径的运输地形对应的弯曲系数，xn为n塔位点的人力运输直线路径的长度。
[0040]
具体的，为提供一种判断网格内路径上是否存在林区的方法，则步骤407中，所述针对任一网格内任一可能路径，通过图像识别判断该网格内路径上是否存在林区的方法为：通过图像识别提取的林木矢量数据判断该可能路径上是否存在林区，同时判断林区的长度是否大于等于该可能路径长度的一半，若是则认为该可能路径上有林区，否则认为该可能路径上无林区。
[0041]
再进一步的，为提供一种交叉跨越费用的计算方法，则步骤5中，所述交叉跨越费用的计算方法为：针对任一单元网格内任一可能路径，通过矢量图层和图像识别技术提取不同类型的交叉跨越，得到该可能路径上的交叉跨越类型及其对应的数量，通过查表获取各所需交叉跨越类型对应的单次跨越费用，再根据得到的交叉跨越类型及其对应的数量计算出该可能路径上总的交叉跨越费用。
[0042]
再进一步的，为提供一种通道清理费用的计算方法，则步骤5中，所述通道清理费
用的计算方法为：针对任一单元网格内任一可能路径，设置安全水平距离，并根据安全水平距离延该可能路径在高清遥感卫星影像上设置拆迁投影范围，采用图像识别技术提取处于拆迁投影范围内的房屋，根据这些房屋计算拆迁费用，得到该可能路径的线路房屋拆迁费用，再分别通过各塔位点上基塔的占地面积计算征地补偿和/或林木砍伐费用，得到各基塔的通道清理费用，最后将各基塔的通道清理费用与该可能路径的线路房屋拆迁费用相加得到该可能路径的通道清理费用。
[0043]
具体的，为提供一种通过线路单公里基准造价、工程造价调整系数、交叉跨越费用和通道清理费用能够计算单元网格任一边线或对角线的造价的具体计算公式，则步骤5中，所述通过线路单公里基准造价、工程造价调整系数、交叉跨越费用和通道清理费用能够计算任一单元网格任一可能路径的造价的具体计算公式为：
[0044]
i网格路径造价＝本体造价+其他费用
[0045]
本体造价＝路径长度
×
单公里本体造价
[0046]
单公里本体造价＝[(ai+bi+ci+di+ei+fi)-5]
×
单公里本体投资基准价
[0047]
其他费用＝单公里其他费用基准价
×
路径长度+通道清理费用+交叉跨越费用
[0048]
其中，单公里本体投资基准价及单公里其他费用基准价通过线路参数查表获取，ai、bi、ci、di、ei、fi分别为i网格内该可能路径对应的海拔高度、地形类型、风速、冰区、林区及汽车和人力运距的工程造价调整系数。
[0049]
再进一步的，为说明如何利用a*算法求解网络中两点最短路径原理，等效求解两点线路工程造价最小的路径，得到线路最优的路径，则步骤5中，所述利用a*算法求解网络中两点最短路径原理，等效求解两点线路工程造价最小的路径，得到线路最优的路径是指：采用单元网格中任一边线或对角线作为可能路径，利用可能路径的造价等效替代a*算法中每段路径的距离。
[0050]
本发明的有益效果是，在本发明方案中，通过上述基于智能图像识别的输电线路路径优选方法，采用深度学习技术自动识别遥感影像，并针对选线区域涉及多种地物要素大小不一、尺度不同的问题，以u-net模型作为基础模型，引入可变形卷积和fpn(特征金字塔网络)，设计了可自动根据目标的形状和大小调整检测位置和融合多尺度信息的改进的u-net模型，智能化程度高，降低了设计人员的工作强度；采用量化各制约因素对工程造价的影响，可较为准确地计算各路径方案的工程造价，精度高，避免了设计人员个人经验的不足；采用a*算法求解工程造价最小的路径，搜索范围小，效率高。
附图说明
[0051]
图1是本发明所述基于智能图像识别的输电线路路径优选方法的流程图。
[0052]
图2是本发明实施例中计算节点n至终点的对角距离时的示意图。
[0053]
图3是本发明实施例中中间节点n的下一步可能路径的示意图。
具体实施方式
[0054]
下面结合实施例及附图，详细描述本发明的技术方案。
[0055]
本发明所述的基于智能图像识别的输电线路路径优选方法，其流程图参见图1，包括以下步骤：
[0056]
步骤1、采用gis地理信息系统，加载高清遥感卫星影像、数字高程模型及矢量专题数据。
[0057]
为具体说明矢量专题数据，则本步骤中，矢量专题数据包括已收集的规划区和/或矿区和/或生态敏感区和/或电网空间数据等。
[0058]
步骤2、确定线路起止点，连接起止点形成航空线，并确定线路参数，得到输电线路设计规划。
[0059]
为具体说明线路参数，则本步骤中，线路参数包括线路电压等级、回路数、导线型号及导线分裂数等。
[0060]
步骤3、以线路的航空线为中心设置图像智能识别的范围得到选线区域，采用预先建立的改进的u-net模型对高清遥感卫星影像的选线区域中的地物要素进行智能识别，以矢量形式进行标注，并按不同的矢量图层进行保存，得到图像识别结果；所述改进的u-net模型是指在u-net模型的基础上，将其压缩通道中的标准卷积层替换为可变形卷积，且在其扩展通道中，令每次卷积层在一次反卷积-拼接-卷积操作完成后输出一个预测结果，最后对所有预测结果进行联合预测得到最终的分类预测。
[0061]
为具体说明地物要素，则本步骤中，地物要素可包括房屋和/或河流和/或水库和/或湖泊和/或公路和/或铁路和/或植被等。
[0062]
为具体说明如何预先建立改进的u-net模型，则步骤3中，预先建立的改进的u-net模型的训练方法可以为：
[0063]
步骤301、获取高清遥感卫星影像，并在高清遥感卫星影像中按照需要提取的地物要素进行样本标记，将其影像和制作的样本标记随机裁剪成预设大小，按照一定比例设置训练集、测试集及验证集，并通过空间几何变换操作对样本进行增强，得到深度学习样本；
[0064]
步骤302、构建改进后的u-net模型，令该改进后的u-net模型的初始化参数在imagenet分类数据集上进行预训练，得到预训练后的模型；
[0065]
步骤303、将深度学习样本集输入至预训练后的模型进行特征学习，得到预测概率分布图，采用交叉熵函数衡量分类结果与真实地物要素之间的损失值，采用adma优化算法，以缩小损失值为目标，当损失值缩小至给定的阈值范围内时，训练结束，得到最优的模型，作为改进的u-net模型。
[0066]
这里，为提供一种可行的预设大小，则步骤301中，预设大小优选为576
×
576；为提供一种优选的一定比例，则步骤301中，一定比例优选为7:2:1；为解释空间几何变换操作，则步骤301中，空间几何变换操作可包括裁剪和/或旋转等。
[0067]
另外，步骤3中，提及的所有预测结果一般是指2-4个的预测结果，而优选为4个预测结果，这是因为模型的结构，在反卷积的过程中是经历的4次向上的反卷积和特征的融合，所以进行4次反卷积-拼接-卷积操作得到4个预测结果较为合适，这样从低层次到高层次的特征都有。又由于在深度学习中，每次得到一个预测结果后，再反向传播，调整模型参数，再用调整后的模型参数，得到一个预测结果，再反向传播，调整模型参数，
……
，直至得到最优的模型参数，从而得到最优的预测结果，所以在引入了fpn的模型中也应这样，在模型参数调整过程中，每次都对所有预测结果进行加权，然后与真实结果对比得到损失函数，然后反向传播，调整模型参数，再得到下次所有预测结果，对其加权，与真实结果对比得到损失函数，然后再反向传播，调整模型参数，
……
，直至最后一次，得到的损失函数不再下降
为止，则此时模型参数最优(即步骤303)。
[0068]
为具体说明如何采用预先建立的改进的u-net模型对高清遥感卫星影像的选线区域中的地物要素进行智能识别，以矢量形式进行标注，并按不同的矢量图层进行保存，得到图像识别结果，则步骤3中，采用预先建立的改进的u-net模型对高清遥感卫星影像的选线区域中的地物要素进行智能识别，以矢量形式进行标注，并按不同的矢量图层进行保存，得到图像识别结果，具体可为：将高清遥感卫星影像的选线区域中的待分类影像输入至改进的u-net模型中进行分类，并对分类结果进行拼接和矢量标注，且按不同的矢量图层进行保存，得到图像识别结果。这里，矢量标注是指：由于分类结果输出为栅格，则需要将栅格转换为矢量，再赋予属性标注。
[0069]
可见，本发明中采用u-net模型作为基础网络模型，而u-net模型由压缩通道和扩展通道两部分组成，其压缩通道是典型的卷积神经网络结构，由卷积层和最大化池层组成，用于逐层提取影像特征，扩展通道通过逐渐还原影像的细节和位置信息，一般先进行一次反卷积操作，再拼接对应压缩的特征图，重新组成一个2倍大小的特征图，然后采用卷积层进行特征提取，重复这一过程4次，再在最后的卷积层中将特征映射成二维的输出结果，但是由于在高清遥感卫星影像中包括房屋和/或河流和/或水库和/或湖泊和/或公路和/或铁路和/或植被等多种地物要素，u-net模型中标准的卷积层操作通常是在影像特征图的固定位置进行检测，又因为不同位置对应的目标大小不同，因此u-net模型中标准的卷积层操作对于具有复杂目标的特征图而言较为不合理。由此，针对该问题，本发明在u-net模型的基础上引入可变形卷积，可变形卷积从任务目标的驱动数据中进行学习，通过增加采样偏移量，可以自动根据目标的形状、位置和大小调整感受野的大小和位置(即是给原特征图的采样位置增加了一个偏移量，从而改变空间采样的位置和区域)，能增强对高清遥感卫星影像中多种地物要素的自适应提取能力，即提高了识别定位能力，其是在特征图层上做出了改进；其次，多种地物要素的尺度也不同，尽管u-net模型利用了来自编码阶段先前层的一些信息，但是其对多尺度的信息的泛化能力还是很有限，因此本发明中借鉴特征金字塔网络的思想，具有多个预测输出的思想，在编码阶段的每一层都进行一个预测输出，通过对这些输入进行加权得到最终的损失函数，在反向传播和参数更新的过程中能利用更多的尺度信息，进一步提高分类的精度。
[0070]
步骤4、对遥感影像进行网格划分，结合图像识别结果、数字高程模型及输电线路设计规划，计算识别单元网格任一边线或对角线的海拔高度、地形地貌、风速、冰区、林区及汽车和人力运距，并为其映射相应的工程造价调整系数。
[0071]
本步骤可具体为：
[0072]
步骤401、对遥感影像进行网格划分，针对任一单元网格，以该单元网格的每一条边线及每一条对角线分别作为该单元网格内的各可能路径。
[0073]
步骤402、根据数字高程模型自动计算各单元网格顶点的海拔高度，针对任一单元网格内的任一可能路径，取该段可能路径起始点的海拔高度的平均值作为该段可能路径计算海拔高度，根据所计算出的海拔高度通过查表映射其海拔高度的工程造价调整系数。
[0074]
这里，所查表是指查找海拔高度对应的工程造价调整系数表，如表1所示。
[0075]
表1海拔高度对应的工程造价调整系数表
[0076][0077]
步骤403、根据数字高程模型和预设规则，针对任一单元网格内的任一可能路径，从该可能路径起点以第一距离为搜索半径，第二距离为步长进行搜索，直至该可能路径终点，根据该搜索半径形成的圆内的高程最大差值和图像智能识别地表特征，对地形分类，通过查表能够获取每种地形分类对应的一个地形分类的工程造价调整系数，若该可能路径内存在多个不同类型的地形分类，采用求取各地形分类的工程造价调整系数的加权平均值的形式得到该可能路径的地形分类的工程造价调整系数。
[0078]
这里，为解释地形分类，则地形分类可为平地或丘陵或山地或高山或峻岭或泥沼或河网或沙漠等；为提供一种优选的第一距离和/或第二距离的参数，则第一距离优选为125米，所述第二距离优选为250米。
[0079]
为提供一种采用求取各地形分类的工程造价调整系数的加权平均值的形式得到该可能路径的地形分类的工程造价调整系数的计算公式，则本步骤中，采用求取各地形分类的工程造价调整系数的加权平均值的形式得到该可能路径的地形分类的工程造价调整系数的计算公式可为：
[0080][0081]
其中，b是指该段可能路径地形分类的工程造价调整系数，bn是指第n种地形类型所对应的地形分类的工程造价调整系数；ln是指第n种地形类型对应的可能路径长度；m是指该可能路径内的地形类型数量。
[0082]
本步骤中，所查表是指查询地形分类对应的工程造价调整系数表，如表2所示。
[0083]
表2地形分类对应的工程造价调整系数表
[0084][0085]
另外，本步骤中所指的预设规则可参见预设规则表，如表3所示。
[0086]
表3预设规则表
[0087]
编号地形类型通过高差δh判断，单位米通过坡度值θ判断，单位度是否需要结合图像识别1平地δh《10θ《3是2丘陵10≤δh《503≤θ《11否3山地50≤δh《15011≤θ《31否
4高山150≤δh《25031≤θ《45否5峻岭250≤δh45≤θ否6泥沼δh《10θ《3是7河网δh《10θ《3是8沙漠δh《10θ《3是
[0088]
步骤404、根据前期录入的气象专题数据，针对任一单元网格内的任一可能路径，自动提取该可能路径所处区域的风速及冰区数值，通过查表映射出其风速及冰区的工程造价调整系数，若该可能路径内存在多个风速及冰区数值，采用求取各风速及冰区数值对应的工程造价调整系数的加权平均值的形式得到该网格中路径的风速及冰区的工程造价调整系数。
[0089]
为提供一种采用求取各风速及冰区数值对应的工程造价调整系数的加权平均值的形式得到该可能路径的风速及冰区的工程造价调整系数的计算公式，则本步骤中，采用求取各风速及冰区数值对应的工程造价调整系数的加权平均值的形式得到该可能路径的风速及冰区的工程造价调整系数的计算公式可为：
[0090][0091][0092]
其中，c是指该段可能路径风速的工程造价调整系数，d是指该段可能路径冰区的工程造价调整系数，cn是指第n种风速数值所对应的工程造价调整系数，dn是指第n种冰区数值所对应的工程造价调整系数；un是指第n种风速数值对应的可能路径长度，vn是指第n种冰区数值对应的可能路径长度；j是指该可能路径内的不同风速数值的数量，q是指该可能路径内的不同冰区数值的数量。
[0093]
本步骤中，所查表是指查询风速数值对应的工程造价调整系数表及冰区数值对应的工程造价调整系数表，分别如表4及表5所示。
[0094]
表4风速数值对应的工程造价调整系数表
[0095][0096]
表5冰区数值对应的工程造价调整系数表
[0097][0098]
步骤405、根据航空线距离及预设的曲折系数，计算整个工程的路径总长度＝航空线距离
×
曲折系数，且由于线路工程一般沿路径线每固定距离设置1座材料站，因此若路径长度小于2倍固定距离，则汽车运距＝路径长度/2，若路径长度大于或等于2倍固定距离，则汽车运距＝固定距离。
[0099]
这里，为提供一种优选的固定距离及曲折系数的参数，则固定距离可为25km；曲折系数可为1.05。其中，对于山区线路，交通情况较差的情况下，可将固定距离设置为30km，一般情况下，固定距离设为25km较好。曲折系数也可根据该地区线路的曲折系数统计数据进行调整。
[0100]
步骤406、通过智能图像识别技术识别线路沿线的路网信息，并矢量化路网，则针对任一单元网格内任一可能路径，若该段可能路径长度小于平均档距，则等分数为1，否则以该段可能路径长度除以平均档距并四舍五入得到大于等于1的等分数，以等分数将该段可能路径等分，得到的起始点及等分点即为塔位点，再将起始点及等分点分别与路网中的道路以最短距离相连得到各塔位点的人力运输直线路径，同时针对任一塔位点，通过图像智能识别地表特征和运输路径的坡度，对地形分类，得到该塔位点的人力运输直线路径的运输地形，根据起始点及等分点分别与路网中的道路以最短距离相连得到各塔位点的人力运输直线路径的长度，采用先将各塔位点的人力运输直线路径的长度分别乘以对应塔位点的人力运输直线路径的运输地形对应的弯曲系数，再求取平均值得到人力运距；各运输地形对应的弯曲系数通过查表获取，根据汽车运距与人力运距查表映射出其工程造价调整系数。
[0101]
这里，运输路径的坡度可通过数字高程模型获取塔位点及路网中道路的高度差值，再通过gis系统各塔位点至路网中的道路的水平距离计算得出，而根据起始点及等分点分别与路网中的道路以最短距离相连得到各塔位点的人力运输直线路径的长度可以为：针对任一塔位点(即起始点及等分点)，设该运输路径的坡度为θ，则各塔位点的人力运输直线路径的长度＝该塔位点至路网中的道路的水平距离/cos(θ)；
[0102]
或，各塔位点的人力运输直线路径的长度等于该塔位点至路网中的道路的水平距离的平方加上塔位点与路网中道路的高度差值的平方再开方；
[0103]
或，直接通过gis地理信息系统获取两点之间的斜距，从而得到各塔位点的人力运输直线路径的长度。具体为：在gis地理信息系统中计算两点之间直线距离时，先将两点的经纬度坐标转化为空间直角坐标，设某塔位点的坐标为(x1,y1,z1)，与之对应的距道路最短距离相连的点位的坐标为(x2,y2,z2)，则该塔位点的短距离相连的点位的坐标为(x2,y2,z2)，则该塔位点的这种量取两点之间的水平、垂直及斜距的功能是gis地理信息系统中的基本功能。
[0104]
本步骤中，对地形分类时的分类表可参见表3。
[0105]
为提供一种采用先将各塔位点的人力运输直线路径的长度分别乘以对应塔位点的人力运输直线路径的运输地形对应的弯曲系数，再求取平均值得到人力运距的具体计算公式，则采用先将各塔位点的人力运输直线路径的长度分别乘以对应塔位点的人力运输直线路径的运输地形对应的弯曲系数，再求取平均值得到人力运距的具体计算公式可为：
[0106][0107]
其中，p为人力运距，k为等分数，wn为n塔位点的人力运输直线路径的运输地形对应的弯曲系数，xn为n塔位点的人力运输直线路径的长度。
[0108]
本步骤中，运输地形对应的弯曲系数表如表6所示，汽车运距与人力运距对应的工程造价调整系数表如表7所示。
[0109]
表6运输地形对应的弯曲系数表
[0110]
编号地形类型弯曲系数1平地1.12河网、泥沼1.23丘陵1.34山地1.54高山、峻岭1.85沙漠1.5
[0111]
表7汽车运距与人力运距对应的工程造价调整系数表
[0112][0113]
本步骤中，由于在计算塔位点时，是采用四舍五入的形式，从而导致误差较大，因此为了减小该误差，建议在划分单元网格时尽量将单元网格的网格边线的长度设置为平均档距的整数倍，但如此也存在一个问题，即网格边线不存在误差，但对角线上仍然存在误差，因此可考虑如下方式来减小误差：
[0114]
设某地区某电压等级输电线路统计平均档距值为v，网格边长为r，则对角长为可通过式计算出r值。通过该r值可以计算出一个最优路径，该最优路径下的平均档距v*＝最优路径长度/(节点数-1)。此时比较v*与v的大小。通过下式调整单元网格边长：
[0115]
[0116]
k1+k2＝2
[0117]
k1∈(0,2)，k2∈(0,2)，n≥1
[0118]
其中，n为大于等于1的正整数，n＝1时表示塔位点均在各单元网格的顶点(即可能路径的起始点)上，单元网格边线内或对角线内无其他塔位点，n≥2表示不仅单元网格的顶点为塔位点，单元网格的边线内或对角线内还存在其他塔位点，此种情况适用于长距离特高压线路的人力运距计算，以降低计算时间。
[0119]
若v*》v，则可调大k1，使r减小，再次利用该r值划分网格，计算最优路径。若v*《v，则可调小k1，使r增大，再次利用该r值划分网格，计算最优路径。
[0120]
重复上述过程直至满足误差要求：可以设定abs(v*-v)/v《η％。η值可根据具体情况自由设定。
[0121]
步骤407、针对任一单元网格内任一可能路径，通过图像识别判断该可能路径上是否存在林区，查表映射出对应的工程造价调整系数。
[0122]
这里，为提供一种判断网格内路径上是否存在林区的方法，则针对任一网格内任一可能路径，通过图像识别判断该网格内路径上是否存在林区的方法可以为：通过图像识别提取的林木矢量数据判断该可能路径上是否存在林区，同时判断林区的长度是否大于等于该可能路径长度的一半，若是则认为该可能路径上有林区，否则认为该可能路径上无林区。
[0123]
本步骤中，林区对应的工程造价调整系数表如表8所示。
[0124]
表8林区对应的工程造价调整系数表
[0125]
电压等级无林区林区110kv11.230220kv11.210330kv11.140500kv11.120
[0126]
步骤5、通过线路单公里基准造价、工程造价调整系数、交叉跨越费用和通道清理费用能够计算单元网格任一边线或对角线的造价，从而利用a*算法求解网络中两点最短路径原理，等效求解两点线路工程造价最小的路径，得到线路最优的路径。
[0127]
这里，为提供一种交叉跨越费用的计算方法，则交叉跨越费用的计算方法可以为：针对任一单元网格内任一可能路径，通过矢量图层和图像识别技术提取不同类型的交叉跨越，得到该可能路径上的交叉跨越类型及其对应的数量，通过查表获取各所需交叉跨越类型对应的单次跨越费用，再根据得到的交叉跨越类型及其对应的数量计算出该可能路径上总的交叉跨越费用。其中，提取不同类型的交叉跨越时，采用何种技术可参照交叉跨越类型获取方式表，如表9所示。交叉跨越类型对应的单次跨越费用表如表10所示。
[0128]
表9交叉跨越类型获取方式表
[0129][0130]
表10交叉跨越类型对应的单次跨越费用表
[0131][0132]
为提供一种通道清理费用的计算方法，则通道清理费用的计算方法可以为：针对任一单元网格内任一可能路径，设置安全水平距离，并根据安全水平距离沿该可能路径在高清遥感卫星影像上设置拆迁投影范围(可将该可能路径投影于水平面，并以该可能路径的投影为起点，分别在水平面上垂直于该可能路径的投影向该可能路径的投影两侧延升一定距离所得到的范围，该一定距离为所设置的安全水平距离)，采用图像识别技术提取处于拆迁投影范围内的房屋，根据这些房屋计算拆迁费用，得到该可能路径的线路房屋拆迁费用，再分别通过各塔位点上基塔的占地面积计算征地补偿和/或林木砍伐费用，得到各基塔的通道清理费用，最后将各基塔的通道清理费用与该可能路径的线路房屋拆迁费用相加得到该可能路径的通道清理费用。其中，不同通道清理类型的费用单价可通过查表获取，不同通道清理类型的费用单价表如表11所示，而各基塔的占地面积等也可通过通道清理费用计算规则表获取，通道清理费用计算规则表如表12所示。
[0133]
表11不同通道清理类型的费用单价表
[0134][0135]
表12通道清理费用计算规则表
[0136][0137]
为提供一种通过线路单公里基准造价、工程造价调整系数、交叉跨越费用和通道清理费用能够计算单元网格任一边线或对角线的造价的具体计算公式，则本步骤中，通过线路单公里基准造价、工程造价调整系数、交叉跨越费用和通道清理费用能够计算任一单元网格任一可能路径的造价的具体计算公式可以为：
[0138]
i网格路径造价＝本体造价+其他费用
[0139]
本体造价＝路径长度
×
单公里本体造价
[0140]
单公里本体造价＝[(ai+bi+ci+di+ei+fi)-5]
×
单公里本体投资基准价
[0141]
其他费用＝单公里其他费用基准价
×
路径长度+通道清理费用+交叉跨越费用
[0142]
其中，单公里本体投资基准价及单公里其他费用基准价通过线路参数查表获取，ai、bi、ci、di、ei、fi分别为i网格内该可能路径对应的海拔高度、地形类型、风速、冰区、林区及汽车和人力运距的工程造价调整系数。
[0143]
这里，线路参数对应的本体投资基准价及其他费用基准价表如表13所示，其中，本体投资基准价及其他费用基准价是以线路处于平地、无覆冰、风速为25m/s、未穿越林区、海拔低于1500米、无交叉跨越、无通道清理且汽车运距为5km和无人力运距的情况下，以该情况的工作量为基准所计算得出的工程造价值。
[0144]
表13线路参数对应的本体投资基准价及其他费用基准价表
[0145]
电压等级工程方案静态投资(万元/km)本体投资基准价(万元/km)其他费用基准(万元/km)500kv4
×
400 单16211646500kv4
×
400 双30521392500kv4
×
500 双32624680500kv4
×
630 单16012436
500kv4
×
630 双328216112330kv2
×
300 单755421330kv2
×
300 双1368650330kv2
×
400 单785523330kv2
×
400 双15810454330kv4
×
400 单17510372330kv4
×
400 双327198129220kv2
×
300 单674918220kv2
×
300 双1168630220kv2
×
400 单735122220kv2
×
400 双14810444220kv2
×
630 单896227220kv2
×
630 双20714760110kv1
×
240 单473413110kv1
×
240 双866224110kv2
×
240 单533815110kv2
×
240 双1097930110kv1
×
300 单553916110kv1
×
300 双956827110kv2
×
300 双1208931110kv1
×
400 单553916110kv1
×
400 双986830
[0146]
为说明如何利用a*算法求解网络中两点最短路径原理，等效求解两点线路工程造价最小的路径，得到线路最优的路径，则本步骤中，利用a*算法求解网络中两点最短路径原理，等效求解两点线路工程造价最小的路径，得到线路最优的路径是指：采用单元网格中任一边线或对角线作为可能路径，利用可能路径的造价等效替代a*算法中每段路径的距离。
[0147]
a*算法是一种典型的启发式搜索算法，是在dijkstra算法基础上建立的，被广泛应用于路径优化领域的算法。其采用启发信息来决定哪一个是下一步要扩展的节点，然后搜索可能沿着某个被认为最有希望的边缘区段向外扩展。相对于dijkstra算法，可以大为减少搜索的范围，降低计算时间。
[0148]
在求取网络中两点最短路径问题时，a*算法可用公式表示为：
[0149]
f*(n)＝g(n)+h*(n)
[0150]
其中，f*(n)为估价函数；g(n)是起点到任意节点n的最短路径值，h*(n)是n到目标节点的最短路径估计值。
[0151]
h*(n)是影响a*算法效率的重要因素，h*(n)不能与h(n)相差过大，否则h*(n)就没有过强的区分能力。一个好的启发策略评价是：h*(n)要小于h(n)，并且尽量接近h(n)。
[0152]
本发明利用a*算法求取网络中两点最短路径，等效求解线路造价最小的路径方案。用每段可能路径的造价等效替代每段路径的距离。
[0153]
n到目标节点的最小造价估计值：
[0154]
h*(n)＝节点n至目标节点的对角距离
×
单公里线路基准价
[0155]
单公里线路基准价＝单公里本体投资基准价+单公里其他费用基准价
[0156]
计算节点n至终点的对角距离时，忽略禁止通过区域，即所有区域均可通行。
[0157]
如图2所示，假设x《y，节点n的坐标为(x1，y1)，终点的坐标为(x2，y2)，单元网格的边长为r，则：
[0158][0159]
x＝abs(x1-x2)
[0160]
y＝abs(y1-y2)
[0161]
中间节点n的下一步可能路径如图3所示。其中起点至节点n实线路径为已确定的路径，节点n下一步所有可能的路径为图中从节点n起的箭头指代路径。单元网格内路径选取原则为：路径禁止与禁止通过区域(矿区、规划区、生态敏感区矢量数据)相交；节点n下一步的路径与前一网格路径mn的夹角大于等于90
°
；步长为单元网格。
[0162]
a*算法实现流程如下：
[0163]
1)将开始节点放入开放列表(openlist)中，开始节点的f值和g值都为0。
[0164]
2)重复如下过程：
[0165]
(1)遍历openlist列表，查找f值最小的节点，把它作为当前要处理的节点。
[0166]
(2)把这个节点加入到封闭列表(closelist)中，并从openlist列表中删除。
[0167]
(3)对当前节点相邻的每一个节点依次执行以下步奏：
[0168]
a.如果该相邻节点不可通行或者该相邻节点已经在封closelist列表中，则什么操作也不执行，继续检验下一个节点。
[0169]
b.如果该相邻节点不在openlist列表中，则将该节点添加到openlist列表中，并将该相邻节点的父节点设为当前节点(父节点：每个节点需要记录达到该点的前一个点的位置，则前一个点称为父节点)，同时保存该相邻节点的g值和f值。
[0170]
c.如果该相邻节点在openlist列表中，则判断若经由当前节点到达该相邻节点的g值是否小于原来保存的g值，若小于，则将该相邻节点的父节点设为当前节点，并重新设置该相邻节点的g值和f值。
[0171]
(4)循环结束条件：当终点被加入到openlist列表中作为待检验节点时，表示获取到最短路径，停止搜索。
[0172]
(5)从终点节点开始沿父节点遍历，保存遍历到所有节点的坐标，连接所有节点坐标即为所求两点之间的最短路径(此时由于每段可能路径的造价等效替代每段路径的距离，因此这里计算出的即为最小造价路径)。
[0173]
在计算出最低造价路径后，可通过拟合调整系数α、β及γ进一步修正该路径方案造价，以计算出更为准确的线路工程造价值。计算线路造价的影响因素未考虑诸如地质情况、污区、地震烈度等因素的影响，因此采用拟合调整系数β修正造价值。
[0174]
在计算线路基准造价时，一是只选取了四川地区典型工程造价为基准进行调整系数(即以上各表)测算，未考虑全国其他地区的典型工程造价特征；二是材料、人工等市场价格随时间变化而时刻变化。因此，采用拟合调整系数α及γ修正线路基准造价值。
[0175]
修正后的线路造价值按下式进行计算：
[0176][0177]
b'i＝b
*
+β(b
i-1)b
*
＝b
*
(1+β(b
i-1))
[0178]bi
＝(ai+bi+ci+di+ei+fi)-5
[0179]b*
＝αrb
#
[0180]
t'i＝t
*
+si[0181]
t
*
＝γrt
#
[0182]
其中，z为修正后的线路造价值，b
#
为单公里本体投资基准价，r为单元网格内路径长度，α、β及γ分别为拟合调整系数，α、β、γ∈(0,1)，si为通道清理费加上交叉跨越费，t
#
为单公里其他费用基准价，n为线路经过的单元网格个数。