一种集控器选址方法及传感器监控系统与流程

本申请涉及智慧城市建设技术领域，具体地说，涉及一种集控器选址方法及传感器监控系统。

背景技术：

在智慧城市的建设过程中，对城市基础部件(如井盖、路灯、消防栓等)的管理是重要的一环。城市基础部件的特点是数量众多、种类多样、分布广泛。以井盖为例，类别可划分为雨水井盖、污水井盖、燃气井盖、热力井盖等，它们广泛分布在城市的各个位置。据统计大型城市中各种井盖的数量在80万个以上，中型城市的井盖数量也在50万个以上。城市中大量井盖无规则分布，一旦出现井盖位移或丢失就容易形成“城市陷阱”，对过往行人及车辆构成安全威胁。因此有必要利用信息化技术对城市基础部件进行管理，主动发现并解决存在的问题。

利用物联网(internetofthings，iot)、地理信息系统(geographicinformationsystem，gis)和web技术，可以构建城市基础部件的自动监管系统。通过安装在部件上的物联网传感器实时采集部件的状态信息，并将其传输到监管平台进行信息展示、处理与分析，可以第一时间发现并快速响应出现的问题，全面提升城市的精细化管理水平。

以井盖监管为例，针对井盖监管过程中集控器的选址布局问题，涉及到井盖传感器和集控器两部分，井盖传感器采集井盖的状态信息，集控器监管附近的井盖传感器。传感器和集控器都安装有无线信号发射、接收功能模块，信号具有一定的覆盖范围，它们构成了井盖监管的无线传感网。集控器可将井盖状态信息上传到监管平台，同时监管平台也可以发送指令，由集控器下发到传感器以控制传感器状态。井盖传感器一般安装在井盖的背面，而集控器通常架设在路灯上。因此，集控器的架设位置既需要考虑路灯分布以方便安装，又需要顾及传感器和集控器的信号传输半径。

在实际操作中，集控器布局方案更多依靠人工经验，无法合理规划传感器与集控器的关联关系，以尽可能少的集控器数量满足传感器监管需求，从而节省资源和运行费用。

因此，提供一种集控器选址方法及传感器监控系统，能够快速而准确的确定集控器的安装位置及负责监管的传感器集合，是本领域亟待解决的问题。

技术实现要素：

本发明所要解决的问题是如何针对地理信息数据特点，提供一种集控器选址方法及传感器监控系统，能够快速而准确的集控器选址布局方案，用最小数量的集控器在规定的信号传输半径范围内合理覆盖所有的传感器。

为了解决上述技术问题，本申请有如下技术方案：

本申请提供了一种集控器选址方法，包括：

获取所有预定安装集控器的第一对象的第一位置数据形成第一数据集，获取所有安装传感器的第二对象的第二位置数据形成第二数据集，其中，所述第一对象为架设所述集控器的装置，所述第二对象为安装所述传感器的装置；

将所述第一数据集中的无效的第一位置数据去除得到第三数据集，其中，所述无效的第一位置数据与所述第二数据集的所有第二位置数据之间的距离均超出所述集控器的有效控制范围；

采用以下模型在所述第三数据集中确定设置所述集控器的第一位置数据：

约束条件：nj＝{i|dij≤d}，

其中，j表示所述第三数据集，j表示所述第三数据集中第一位置数据的索引编号；xj表示是否在所述第三数据集中第j个第一位置数据对应的第一对象上安装集控器，xj＝1时表示安装，xj＝0时表示不安装，i表示所述第二数据集合中第二位置数据的索引编号，dij表示所述第二数据集合中第i个第二位置数据对应的所述第二对象与所述第j个第一位置数据对应的所述第一对象之间的最短距离，d表示所述集控器的有效控制范围，nj表示在所述第j个第一位置数据对应的所述第一对象上安装的所述集控器的有效控制范围内的所述第二对象的第二位置数据的集合。

进一步，获取所有预定安装集控器的第一对象的第一位置数据形成第一数据集的步骤包括：将基础部件普查与测绘获得的所述第一对象的原始第一位置数据转化为shapefile格式的矢量点要素的第一位置数据；

获取所述集控器控制的所有第二对象的第二位置数据形成第二数据集的步骤包括：将基础部件普查与测绘获得的所述第二对象的原始第二位置数据转化为shapefile格式的矢量点要素的第二位置数据。

进一步，将所述第一数据集中的无效的第一位置数据去除得到第三数据集的步骤包括：

获取所述集控器的有效控制范围；

确定初始聚类中心集合s和初始k，其中，所述初始k为所述初始聚类中心集合s中聚类中心的数目；

对所述第二数据集中的第二位置数据进行k-means均值聚类；以及

根据聚类结果将所述第一数据集中的无效的第一位置数据去除。

进一步，确定初始聚类中心集合s和初始k的步骤包括：

步骤s221：生成空的聚类中心集合s；

步骤s222：取所述第二数据集中的第一个第二位置数据作为一个聚类中心加入到所述空的聚类中心集合s；

步骤s223：在所述第二数据集中取出下一个第二位置数据作为待聚类数据；

步骤s224：判断所述待聚类数据在所述有效控制范围内是否能够在所述聚类中心集合s中找到可归属的聚类中心，其中，若所述待聚类数据在所述有效控制范围内能够在所述聚类中心集合s中找到可归属的聚类中心，则执行步骤s226，若所述待聚类数据在所述有效控制范围内不能在所述聚类中心集合s中找到可归属的聚类中心，则执行步骤s225；

步骤s225，将所述待聚类数据作为新的聚类中心加入到聚类中心集合s中，然后执行步骤s226；

步骤s226，判断所述第二数据集是否遍历完成，其中，如果未完成，则返回步骤s223，如果完成，得到的聚类中心集合s和k即为所述初始聚类中心集合s和初始k。

进一步，对所述第二数据集中的第二位置数据进行k-means均值聚类的步骤包括：

步骤s231，把所述第二数据集中的每个第二位置数据归属调整到所述聚类中心集合s中最近的聚类中心，形成聚类类别；

步骤s232，对于每个所述聚类类别，计算归属于该聚类类别的聚类中心的所有第二位置数据的算术平均数，并将所述算术平均数代表的位置作为新的聚类中心；

其中，准确来说一个聚类中心的位置包括x、y坐标，这里计算第二位置数据的算术平均数并将其代表的位置作为聚类中心是指：计算出归属于该聚类类别的聚类中心的所有第二位置数据的x坐标的算数平均值“x平均”，y坐标的算数平均值“y平均”，然后用(x平均，y平均)作为新的聚类中心。

步骤s233，判断所述聚类中心集合s是否发生变化，如果发生变化，则返回步骤s231，如果没有发生变化，则完成所述k-means均值聚类。

进一步，根据聚类结果将所述第一数据集中的无效的第一位置数据去除的步骤，包括：

步骤s241，对每个所述聚类类别创建multipoint点集对象；

步骤s242，获取每个所述聚类类别别对应的点集对象的凸壳；

步骤s243，对每个所述凸壳进行缓冲区操作生成k个多边形；

步骤s244，将所述k个多边形中相交的多边形合并成为一个多边形；

步骤s245，将所述第一数据集中处于合并后的所述多边形和所述k个多边形中不相交的多边形之外的第一位置数据去除，得到所述第三数据集。

进一步，在所述第三数据集中确定设置所述集控器的第一位置数据的步骤包括：

步骤s31，将所述第三数据集中的第一位置数据和所述第二数据集中的第二位置数据初始化为状态a；

步骤s32，获取所述集控器的有效控制范围；

步骤s33，判断所述第二数据集中是否存在所述状态a的第二位置数据，如果不存在，则执行步骤s39，如果存在，则执行步骤s34；

步骤s34，统计每个状态a的第一位置数据对应的有效控制范围内的处于状态a的第二位置数据；

步骤s35，判断所述第三数据集中是否存在处于状态a并覆盖处于状态a的第二位置数据的第一位置数据，如果不存在，则执行步骤s39，如果存在，则执行步骤s36；

步骤s36，确定覆盖最多处于状态a的第二位置数据的处于状态a的第一位置数据所标定的位置为安装所述集控器的目标位置；

步骤s37，过滤出距所述目标位置的有效控制范围内的处于状态a的第二位置数据；

步骤s38，将所述目标位置对应的第一位置数据和距所述目标位置的有效控制范围内的处于状态a的第二位置数据标记为状态b，返回步骤s33；

步骤s39，确定所述第三数据集中所有处于状态b的第一位置数据为设置所述集控器的第一位置数据。

进一步，在所述第三数据集中确定设置所述集控器的位置数据的步骤之后，所述方法还包括：

计算每个所述第二位置数据与每个设置所述集控器的第一位置数据之间的距离，得到每个所述第二对象与每个所述集控器之间的距离；

对于每个所述第二对象，确定与其距离最小的所述集控器为控制其的集控器。

进一步，所述集控器选址方法中，所述第一对象为路灯的灯杆，所述第二对象为城市建设中的基础部件。

本申请还提供了一种传感器监控系统，该系统包括：

传感器，设置于城市建设中的基础部件上；

集控器，可以架设集控器的装置上，用于与所述集控器有效控制范围内的所述井盖传感器通信；

监管平台，与所述集控器进行通信，其中，所述集控器的位置通过本申请提供的任意一种集控器选址方法进行确定。

与现有技术相比，本申请所述的集控器选址方法，达到了如下效果：

(1)在确定集控器选址时，首先获取所有预定安装集控器的第一对象的第一位置数据和所有安装所述集控器控制对象的第二对象的第二位置数据，并且将与所有第二位置数据之间距离均超出有效控制范围的数据去除，减少后续数据的处理量，最后应用集合覆盖模型进行集控器选址布局，能够快速而准确的实现集控器选址。

(2)对普查获得的地理信息数据直接进行操作，避免地理信息数据格式转换为非地理信息数据格式带来的加工处理。

(3)针对地理信息数据提供的位置坐标，采用改进的k-means聚类分析、缓冲区分析等相关空间分析方法进行数据预处理，有效减少了作为集控器候选点的路灯数量，缩短了后续求解集合覆盖模型的运算时间，提高了问题求解的效率。

(4)求解集合覆盖模型，获得集控器位置的近似最优解后，调整基础部件的位置数据与预定安装集控器的位置数据的关联关系，即将基础部件关联到距离最近的集控器，保证了安装于基础部件上的传感器与集控器之间信号的最优传输与接收效果。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明一种实施例所述的集控器选址方法的流程图；

图2为本发明另一种实施例所述的集控器选址方法的流程图；

图3为本发明所述的将第一数据集中的无效的第一位置数据去除得到第三数据集的方法流程图；

图4为本发明所述的确定初始聚类中心集合s和k值的方法流程图；；

图5为本发明所述的将第二数据集中的第二位置数据进行k-means均值聚类的方法流程图；

图6为本发明所述的根据聚类结果将所述第一数据集中的无效的第一位置数据去除的方法流程图；

图7为本发明所述的在第三数据集中确定设置所述集控器的第一位置数据的方法流程图；

图8为本发明所述的一种井盖的监控系统的连接示意图；

图9为本发明所述的确定集控器选址的一个应用案例中的路灯分布效果图；

图10为本发明所述的确定集控器选址的一个应用案例中的井盖分布效果图；

图11为本发明所述的确定集控器选址的一个应用案例中的有效路灯和井盖分布效果图；

图12为本发明所述的确定集控器选址的一个应用案例中的集控器初始选址布局效果图；

图13为本发明所述的确定集控器选址的一个应用案例中的集控器选址优化后布局效果图。

具体实施方式

如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。说明书后续描述为实施本申请的较佳实施方式，然所述描述乃以说明本申请的一般原则为目的，并非用以限定本申请的范围。本申请的保护范围当视所附权利要求所界定者为准。

实施例1

本实施例提供了一种集控器选址方法，如图1所示，该方法包括如下的步骤：

步骤s1，获取所有预定安装集控器的第一对象的第一位置数据形成第一数据集，获取所有安装传感器的第二对象的第二位置数据形成第二数据集。

其中，所述第一对象为架设所述集控器的装置，例如路灯的灯杆等，所述第二对象为安装传感器的装置，例如传感器为井盖传感器，安装传感器的装置为井盖。

步骤s2，将所述第一数据集中的无效的第一位置数据去除得到第三数据集。

其中，所述无效的第一位置数据与所述第二数据集的所有第二位置数据之间的距离均超出所述集控器的有效控制范围；

步骤s3，采用以下集合覆盖模型在所述第三数据集中确定设置所述集控器的第一位置数据：

约束条件：nj＝{i|dij≤d}，

其中，j表示所述第三数据集，j表示所述第三数据集中第一位置数据的索引编号；xj表示是否在所述第三数据集中第j个第一位置数据对应的第一对象上安装集控器，xj＝1时表示安装，xj＝0时表示不安装，i表示所述第二数据集合中第二位置数据的索引编号，dij表示所述第二数据集合中第i个第二位置数据对应的所述第二对象与所述第j个第一位置数据对应的所述第一对象之间的最短距离，d表示所述集控器的有效控制范围，nj表示在所述第j个第一位置数据对应的所述第一对象上安装的所述集控器的有效控制范围内的所述第二对象的第二位置数据的集合。

本实施例提供的集控器选址方法，在确定集控器选址时，首先获取所有预定安装集控器的第一对象的第一位置数据和所有安装传感器的第二对象的第二位置数据，并且将与所有第二位置数据之间距离均超出有效控制范围的数据去除，减少后续数据的处理量，最后应用集合覆盖模型进行集控器选址布局，能够快速而准确的实现集控器选址。同时，可对普查获得的地理信息数据直接进行操作，避免地理信息数据格式转换为非地理信息数据格式带来的加工处理。

实施例2

本实施例提供了一种集控器选址方法，方法流程图如图2所示，包括：

步骤s1，获取所有预定安装集控器的第一对象的第一位置数据形成第一数据集，获取所有安装传感器的第二对象的第二位置数据形成第二数据集；其中，所述第一对象为架设所述集控器的装置，所述第二对象为安装所述传感器的装置，第一数据集和第二数据集均可通过城市基础部件普查与测绘获得；

获取所有预定安装集控器的第一对象的第一位置数据形成第一数据集的步骤包括：将基础部件普查与测绘获得的所述第一对象的原始第一位置数据转化为shapefile格式的矢量点要素的第一位置数据；

获取所述集控器控制的所有第二对象的第二位置数据形成第二数据集的步骤包括：将基础部件普查与测绘获得的所述第二对象的原始第二位置数据转化为shapefile格式的矢量点要素的第二位置数据，该处的转换格式后的shapefile格式的矢量点要素仍然为地理信息数据，与转换为非地理信息数据格式的数据处理相比，数据处理难度降低。

步骤s2，将所述第一数据集中的无效的第一位置数据去除得到第三数据集，其中，所述无效的第一位置数据与所述第二数据集的所有第二位置数据之间的距离均超出所述集控器的有效控制范围，如图3所示，具体包括以下步骤：

步骤s21，获取所述集控器的有效控制范围；

步骤s22，确定初始聚类中心集合s和初始k，其中，所述初始k为所述初始聚类中心集合s中聚类中心的数目，如图4所示，具体包括：

步骤s221，生成空的聚类中心集合s；

步骤s222，取所述第二数据集中的第一个第二位置数据作为一个聚类中心加入到所述空的聚类中心集合s；

步骤s223，在所述第二数据集中取出下一个第二位置数据作为待聚类数据；

步骤s224：判断所述待聚类数据在所述有效控制范围内是否能够在所述聚类中心集合s中找到可归属的聚类中心，其中，若所述待聚类数据在所述有效控制范围内能够在所述聚类中心集合s中找到可归属的聚类中心，则执行步骤s226，若所述待聚类数据在所述有效控制范围内不能在所述聚类中心集合s中找到可归属的聚类中心，则执行步骤s225；

步骤s225，将所述待聚类数据作为新的聚类中心加入到聚类中心集合s中，然后执行步骤s226；

步骤s226，判断所述第二数据集是否遍历完成，其中，如果未完成，则返回步骤s223，如果完成，得到的聚类中心集合s和k即为所述初始聚类中心集合s和初始k；

步骤s23，对所述第二数据集中的第二位置数据进行k-means均值聚类，如图5所示，具体包括：

步骤s231，把所述第二数据集中的每个第二位置数据归属调整到所述聚类中心集合s中最近的聚类中心，形成聚类类别；

步骤s232，对于每个所述聚类类别，计算归属于该聚类类别的聚类中心的所有第二位置数据的算术平均数，并将所述算术平均数代表的位置作为新的聚类中心；

步骤s233，判断所述聚类中心集合s是否发生变化，如果发生变化，则返回步骤s231，如果没有发生变化，则完成所述k-means均值聚类。

其中，在得到初始聚类中心集合s后，在步骤s231中，首先把所述第二数据集中的每个第二位置数据归属调整到初始聚类中心集合s中最近的聚类中心，形成聚类类别，然后执行下述步骤s232至步骤s233，在执行步骤s233之后，如果再次返回步骤s231，此时在步骤s231中，把所述第二数据集中的每个第二位置数据再次进行归属，调整到所述聚类中心集合s中最近的聚类中心，此时的聚类中心是一次循环中上一步骤计算得到的算术平均数代表的位置。

在步骤s233中，判断所述聚类中心集合s是否发生变化是指判断一次循环中新旧聚类中心之间是否相同。

步骤s24，根据聚类结果将所述第一数据集中的无效的第一位置数据去除，如图6所示，具体包括：

步骤s241，对每个所述聚类类别创建multipoint点集对象；

步骤s242，获取每个所述聚类类别对应的点集对象的凸壳；

步骤s243，对每个所述凸壳进行缓冲区操作生成k个多边形；

步骤s244，将所述k个多边形中相交的多边形合并成为一个多边形；

步骤s245，将所述第一数据集中处于合并后的所述多边形和所述k个多边形中不相交的多边形之外的第一位置数据去除，得到所述第三数据集；

步骤s3，采用集合覆盖模型在所述第三数据集中确定设置所述集控器的第一位置数据，其中，集合覆盖模型如下：

约束条件：nj＝{i|dij≤d}，

其中，j表示所述第三数据集，j表示所述第三数据集中第一位置数据的索引编号；xj表示是否在所述第三数据集中第j个第一位置数据对应的第一对象上安装集控器，xj＝1时表示安装，xj＝0时表示不安装，i表示所述第二数据集合中第二位置数据的索引编号，dij表示所述第二数据集合中第i个第二位置数据对应的所述第二对象与所述第j个第一位置数据对应的所述第一对象之间的最短距离，d表示所述集控器的有效控制范围，nj表示在所述第j个第一位置数据对应的所述第一对象上安装的所述集控器的有效控制范围内的所述第二对象的第二位置数据的集合；

在所述第三数据集中确定设置所述集控器的第一位置数据的步骤如图7所示，具体包括：

步骤s31，将所述第三数据集中的第一位置数据和所述第二数据集中的第二位置数据初始化为状态a；

步骤s32，获取所述集控器的有效控制范围；

步骤s33，判断所述第二数据集中是否存在所述状态a的第二位置数据，如果不存在，则执行步骤s39，如果存在，则执行步骤s34；

步骤s34，统计每个状态a的第一位置数据对应的有效控制范围内的处于状态a的第二位置数据；

步骤s35，判断所述第三数据集中是否存在处于状态a并覆盖处于状态a的第二位置数据的第一位置数据，如果不存在，则执行步骤s39，如果存在，则执行步骤s36；

步骤s36，确定覆盖最多处于状态a的第二位置数据的处于状态a的第一位置数据所标定的位置为安装所述集控器的目标位置；

其中，如果满足数量最多要求的第一位置数据有一个，则该第一位置数据所标定的位置即为安装所述集控器的目标位置；

如果满足数量最多要求的第一位置数据有多个，可以只取第二位置数据距离第一位置数据距离之和最小的第一位置数据所标定的位置为安装所述集控器的目标位置。

步骤s37，过滤出距所述目标位置的有效控制范围内的处于状态a的第二位置数据；

步骤s38，将所述目标位置对应的第一位置数据和距所述目标位置的有效控制范围内的处于状态a的第二位置数据标记为状态b，返回步骤s33；

步骤s39，确定所述第三数据集中所有处于状态b的第一位置数据为设置所述集控器的第一位置数据。

步骤s4，对所确定的设置所述集控器的第一位置数据关联的所述传感器的第二位置数据进行关联优化，具体地，在所述第三数据集中确定设置所述集控器的位置数据的步骤之后，计算每个所述第二位置数据与每个设置所述集控器的第一位置数据之间的距离，得到每个所述第二对象与每个所述集控器之间的距离；对于每个所述第二对象，确定与其距离最小的所述集控器为控制其的集控器。

其中，所述第一对象为路灯灯杆，所述第二对象为城市建设中的基础部件。

实施例3

本实施例提供了一种集控器选址方法，具体地为城市井盖监管过程中集控器的选址布局问题，涉及到井盖传感器和集控器两部分，井盖传感器采集井盖的状态信息，集控器监管附近的井盖传感器。传感器和集控器都安装有无线信号发射、接收功能模块，信号具有一定的覆盖范围，它们构成了井盖监管的无线传感网。集控器可将井盖状态信息上传到监管平台，同时监管平台也可以发送指令，由集控器下发到传感器以控制传感器状态。井盖传感器一般安装在井盖的背面，而集控器通常架设在路灯上。因此，集控器的架设位置既需要考虑路灯分布以方便安装，又需要顾及传感器和集控器的信号传输半径。

在这里，将应用集合覆盖模型进行集控器选址布局，用最小数量的集控器在规定的信号传输半径范围内覆盖所有的井盖传感器。集合覆盖模型最初用于解决消防中心或救护中心等应急服务设施的选址问题，即所有需求点被覆盖的情况下，设施数目最少的问题。使用本发明的方法确定集控器选址布局的过程如下，如图1所示，该包括：

步骤s1、获取所有预定安装集控器的第一对象的第一位置数据形成第一数据集，获取所有安装所述传感器的第二对象的第二位置数据形成第二数据集；其中，所述第一对象与所述第二对象为城市建设中不同种类的基础部件，可通过城市基础部件普查与测绘获得；

步骤s2、将所述第一数据集中的无效的第一位置数据去除得到第三数据集；

步骤s3、采用集合覆盖模型在所述第三数据集中确定设置所述集控器的第一位置数据；

步骤s4、对所确定的设置所述集控器的第一位置数据关联的所述传感器的第二位置数据进行关联优化；

其中，上述步骤s1中，第一对象为路灯，第二对象为井盖，相对应地，路灯位置数据形成第一数据集，井盖位置数据形成第二数据集；具体地，将城市基础部件普查与测绘获得的井盖、路灯位置数据转化为shapefile格式的矢量点要素数据，使用矢量数据操作库ogr(opengissimplefeaturesreferenceimplementation，开源gis简单元素参考实现)设置统一的投影坐标系，便于井盖位置数据中的井盖点与路灯位置数据中的路灯点之间的距离计算；

上述步骤s2中，将所述第一数据集中的无效的第一位置数据去除得到第三数据集，即将路灯位置数据过滤得到有效路灯位置数据；具体地，由于信号覆盖范围的限制，与所有井盖的距离都超过信号覆盖范围的路灯肯定不能架设集控器，这些路灯没有必要参与选址。通过路灯位置数据过滤操作可以有效减少作为集控器候选点的路灯数量，获得有效路灯位置数据。k-means聚类分析算法接受参数k作为聚类中心的个数，然后将数据对象通过迭代的方法划分为k个聚类，所获得的聚类满足：同一聚类中的对象相似度较大；而不同聚类中的对象相似度较小。利用k-means聚类分析算法根据距离相似性进行井盖聚类，获得井盖聚类后进行点集凸壳生成、缓冲区操作、多边形合并、空间过滤等一系列空间分析操作，以达到过滤路灯位置数据，减少数据量的目的；具体流程如图3所示，包含以下步骤：

步骤s21，获取所述集控器的有效控制范围，具体地，集控器的有效控制范围即为具体集控器设备信号覆盖范围，数值为距离阈值d；具体地，设备信号覆盖范围与实际采用的集控器和传感器有关，设备信号覆盖范围应是集控器和传感器能正常建立通信连接的最远距离；

步骤s22，确定初始聚类中心集合s和k值(集合s中聚类中心的数目)；具体地，由于k-means聚类分析算法的初始参数k及初始聚类中心需要人为确定，因此对k-means聚类分析算法进行了改进，通过该步骤获取初始聚类中心集合s和初始k值(集合s中聚类中心的数目)，具体流程如图4所示，包含以下步骤：

步骤s221，生成空的聚类中心集合s；

步骤s222，取所述第二数据集中的第一个第二位置数据作为一个聚类中心加入到所述空的聚类中心集合s，即取井盖位置数据的第一个井盖点作为一个聚类中心加入到聚类中心集合s；

步骤s223，在所述第二数据集中取出下一个第二位置数据作为待聚类数据，即在井盖位置数据中取下一个井盖点数据作为待聚类数据；

步骤s224，判断所述待聚类数据在所述有效控制范围内是否能够在所述聚类中心集合s中找到可归属的聚类中心，即判断井盖点在阈值d内是否能够在集合s中找到可归属的聚类中心；具体地，依次计算该井盖点与聚类中心集合s中每一个聚类中心的距离，如果该井盖点与某个聚类中心的距离在阈值d以内，则该井盖点在阈值d内能够在集合s中找到可归属的聚类中心，并转至步骤s226；否则转至步骤s225；

步骤s225，将所述待聚类数据作为新的聚类中心加入到聚类中心集合s中，即该井盖点位置数据作为新的聚类中心加入到聚类中心集合s中；具体地，如果步骤s224中，井盖点在阈值d内未能够在集合s中找到归属的聚类中心，则意味着该井盖点与聚类中心集合s中已有的所有聚类中心的距离都大于阈值d，因此将该井盖点位置数据作为新的聚类中心加入到聚类中心集合s中；

步骤s226，判断所述第二数据集是否遍历完成，即判断井盖位置数据是否遍历完成；具体地，如果井盖位置数据中的所有井盖点都找到了归属的聚类中心，则井盖位置数据遍历完成，并获得了一个聚类中心集合s和k值(集合s中聚类中心的数目)，即为初始聚类中心集合s和初始k值，步骤s22完成；否则，转至步骤s223；

步骤s23，对所述第二数据集中的第二位置数据进行k-means均值聚类，即对井盖位置数据进行k-means均值聚类；具体地，井盖位置数据进行k-means均值聚类的方法流程如图5所示，包含以下步骤：

步骤s231，把所述第二数据集中的每个第二位置数据归属调整到所述聚类中心集合s中最近的聚类中心，形成聚类类别；

其中，建立k个聚类类别，将初始聚类中心集合s中的k个聚类中心分配到k个聚类类别，并作为每个聚类类别的中心，后续迭代过程中，初始聚类中心集合s发生变化。根据与聚类类别的中心的距离，把所述第二数据集中的每个第二位置数据归属到各个聚类类别，具体地，对于某一个井盖点，计算该井盖点与每一个聚类类别的中心的距离，找到距离最小的聚类类别，则将该井盖点归属到该聚类类别。

步骤s232，对于每个所述聚类类别，计算归属于该聚类类别的聚类中心的所有第二位置数据的算术平均数并将所述算术平均数代表的位置作为新的聚类中心；

步骤s233，判断所述聚类中心集合s是否发生变化，如果发生变化，则返回步骤s231，如果没有发生变化，则完成所述k-means均值聚类。

其中，在得到初始聚类中心集合s后，在步骤s231中，首先把所述第二数据集中的每个第二位置数据归属调整到初始聚类中心集合s中最近的聚类中心，形成聚类类别，然后执行下述步骤s232至步骤s233，在执行步骤s233之后，如果再次返回步骤s231，此时在步骤s231中，把所述第二数据集中的每个第二位置数据再次进行归属，调整到所述聚类中心集合s中最近的聚类中心，此时的聚类中心是一次循环中上一步骤计算得到的算术平均数代表的位置。

在步骤s233中，判断所述聚类中心集合s是否发生变化是指判断一次循环中新旧聚类中心之间是否相同。

判断每一个所述聚类中心是否发生变化，若每一个所述聚类中心均没有发生变化，则完成所述k-means均值聚类，获得了包含所有第二位置数据的k个聚类类别，即井盖位置数据类别，若某一个所述聚类类中心发生变化，则返回步骤s231；

步骤s24，根据聚类结果将所述第一数据集中的无效的第一位置数据去除，即根据聚类结果将路灯位置数据集中的无效路灯位置数据去除，如图6所示，包含以下步骤：

步骤s241，对每个所述聚类类别创建multipoint点集对象，即对每个井盖位置数据类别创建multipoint点集对象；

步骤s242，获取每个所述聚类类别对应的点集对象的凸壳，即获取井盖位置数据类别的点集对象的凸壳；

步骤s243，对每个所述凸壳进行缓冲区操作生成k个多边形；

步骤s244，将所述k个多边形中相交的多边形合并成为一个多边形；

步骤s245，将所述第一数据集中处于合并后的所述多边形和所述k个多边形中不相交的多边形之外的第一位置数据去除，得到所述第三数据集，即将路灯位置数据集中处于合并后的所述多边形和所述k个多边形中不相交的多边形之外的路灯位置数据去除，得到所述有效路灯位置数据集；

上述步骤s3中，采用集合覆盖模型在所述第三数据集中确定设置所述集控器的第一位置数据，即采用集合覆盖模型在有效路灯位置数据集中确定安装集控器的路灯位置数据，完成集控器初始选址布局，该模型构建如下：

式中，j表示可作为集控器候选位置的路灯位置数据集合；xj表示是否在j点架设集控器，xj＝1时表示架设集控器，xj＝0时表示不架设集控器，

约束条件：

nj＝{i|dij≤d}

式中，i表示井盖位置数据索引编号；j表示路灯位置数据索引编号；dij表示井盖和路灯之间的最短距离；d表示设备的信号覆盖范围；nj表示在j点的路灯上架设集控器后信号覆盖范围d内的井盖点i集合。

集合覆盖模型在算法复杂性上属于np-困难问题，对大规模算例无法在有效时间内给出最优解，只能使用启发式算法获取近似最优解，其中以贪心算法最为简洁。本实施例使用贪心算法简化求解过程，算法流程图见图7，包括：

步骤s31，将所述第三数据集中的第一位置数据和所述第二数据集中的第二位置数据初始化为状态a，也即将井盖位置数据和有效路灯位置数据初始化为状态a；具体地，将有效路灯位置数据和井盖位置数据初始化为状态a，则获得了包含状态a路灯的路灯位置数据和包含状态a井盖的井盖位置数据；

步骤s32，获取所述集控器的有效控制范围，也即获取集控器信号覆盖范围为距离d；

步骤s33，判断所述第二数据集中是否存在所述状态a的第二位置数据，也即判断井盖位置数据集中是否存在状态a井盖，具体地，如果存在状态a井盖，则转至步骤s34,否则，转至步骤s39；

步骤s34，统计每个状态a的第一位置数据对应的有效控制范围内的处于状态a的第二位置数据，也即统计每个状态a路灯覆盖范围d内的状态a井盖；具体地，如果某个状态a路灯与状态a的距离不超过覆盖范围d，则状态a井盖在状态a路灯的覆盖范围d内；统计覆盖了状态a井盖的状态a路灯的数目和每个状态a路灯覆盖的状态a井盖的数目，此时某一个状态a井盖可能被多个状态a路灯覆盖；

步骤s35，判断所述第三数据集中是否存在处于状态a并覆盖处于状态a的第二位置数据的第一位置数据，判断是否存在覆盖状态a井盖的状态a路灯；具体地，根据步骤s34中统计的覆盖了状态a井盖的状态a路灯的数目判断，如果至少有一个状态a井盖被某个状态a路灯覆盖，则存在覆盖状态a井盖的状态a路灯；否则，不存在覆盖状态a井盖的状态a路灯；

步骤s36，确定覆盖最多处于状态a的第二位置数据的处于状态a的第一位置数据所标定的位置为安装所述集控器的目标位置，也即确定覆盖最多状态a井盖的状态a路灯的位置为集控器位置；具体地，将状态a路灯根据步骤s34中统计的覆盖的状态a井盖的数目排序，找出覆盖状态a井盖数目最多的状态a路灯，该状态a路灯位置将作为集控器的位置，该状态a路灯所覆盖的所有状态a井盖的位置数据将与该状态a路灯的位置数据关联；如果覆盖状态a井盖数目最多的状态a路灯有两个以上，则计算状态a路灯和覆盖的状态a井盖的平均距离，找出平均距离最小的状态a路灯的位置作为集控器位置，该状态a路灯所覆盖的所有状态a井盖的位置数据将与该状态a路灯的位置数据关联。

步骤s37，过滤出距所述目标位置的有效控制范围内的处于状态a的第二位置数据，也即过滤出集控器信号覆盖范围d内的状态a井盖；具体地，取出步骤s36中找出的的状态a路灯覆盖的所有状态a井盖；

步骤s38，将所述目标位置对应的第一位置数据和距所述目标位置的有效控制范围内的处于状态a的第二位置数据标记为状态b，也即步骤s36找出的状态a路灯和s37中过滤出的状态a井盖标记为状态b；

步骤s39，确定所述第三数据集中所有处于状态b的第一位置数据为设置所述集控器的第一位置数据，也即确定有效路灯位置数据集中所有处于状态b的路灯位置数据为设置所述集控器的位置数据；

上述步骤s4中，对所确定的设置所述集控器的第一位置数据关联的所述传感器的第二位置数据进行关联优化，也即对预定安装集控器的路灯的位置数据与井盖的位置数据进行关联优化；具体地，根据集控器初始选址布局方案，计算每个井盖位置与预定安装集控器的路灯位置的距离，调整路灯的位置数据与井盖的位置数据的关联关系，使得井盖的位置数据关联到距离最近的路灯的位置数据，以保证安装于井盖上的传感器与集控器之间信号的最优传输与接收效果。

本实施例对普查获得的地理信息数据直接进行操作，避免地理信息数据格式转换为非地理信息数据格式带来的加工处理；针对地理信息数据提供的位置坐标进行数据预处理，有效减少了作为集控器候选点的路灯数量，缩短了后续求解集合覆盖模型的运算时间，提高了问题求解的效率；求解集合覆盖模型，获得集控器位置的近似最优解后，调整井盖的位置数据与预定安装集控器的位置数据的关联关系，即将井盖关联到距离最近的集控器，保证了信号的最优传输与接收效果。

实施例4

本发明还提供一种传感器的监控系统，系统连接示意图参见图8，包括：

监管平台10，与集控器20通过有线或无线的方式进行通信，可以接收集控器20采集的井盖传感器30的状态信息，并可向集控器20发送控制信息；

集控器20，设置于路灯的灯杆上，用于与集控器20有效控制范围内的井盖传感器30通过无线方式通信，集控器20的位置通过本发明提供的集控器选址方法进行确定；

传感器30，设置于城市建设中的基础部件上，与集控器20通过无线方式通信，当传感器为井盖传感器时，能够采集井盖的状态信息；

本实施例构建了城市基础部件的自动监管系统。通过安装在部件上的物联网传感器实时采集部件的状态信息，并将其传输到监管平台进行信息展示、处理与分析，可以第一时间发现并快速响应出现的问题，全面提升城市的精细化管理水平。

实施例5

本实施例是利用本发明提供的方法确定集控器选址的一个应用案例，具体如下，如图9所示，原始路灯数据有5010个点要素，如图10所示井盖数据有327个点要素，无线设备的信号传输半径为500米。过滤后的有效路灯数据有2013个点要素，如图11所示，由此可见经过数据过滤，后续参与集控器选址布局的路灯要素数量减少了大约60％，过滤操作可以有效提升集控器选址布局的效率。该案例最终在研究区范围内选择了15个集控器，初始选址布局方案见图12，其中3个井盖由于距最近的路灯超过信号覆盖范围，因此无法关联到集控器，需要补充普查路灯数据。经过关联优化后，集控器位置分布及所辖井盖分布见图13，所辖井盖数量统计见表1。

表1集控器关联的井盖数量统计表