小区动线规划方法、装置、电子设备及可读存储介质与流程

本技术涉及人工智能，尤其涉及一种小区动线规划方法、装置、电子设备及可读存储介质。

背景技术：

1、随着城市化进程的加速和人口的不断增长，城市居民对住房环境的要求越来越高，其中，小区动线规划关系到小区居民日常起居的舒适度和便利性，也关系到小区的安全性和可持续发展性,小区中的动线规划也直接影响居民的出行体验、安全和生活质量。因此，如何科学有效地规划小区动线，成为了当前城市规划中的重要研究领域。目前，传统的小区动线规划方案多基于设计人员的经验和直觉，存在一定的局限性，难以充分考虑居民出行的行为习惯、路径偏好以及动态变化等因素，因此容易导致规划的动线路径容易出现冗余、拥堵、不便等通行效率低问题。

技术实现思路

1、本技术的主要目的在于提供一种小区动线规划方法、装置、电子设备及可读存储介质，旨在解决传统的小区动线规划方案的路径通行效率低的技术问题。

2、为实现上述目的，本技术提供一种小区动线规划方法，所述小区动线规划方法包括：

3、基于目标小区的地图信息，随机生成第一动线规划方案集；

4、根据目标小区的规划目标和交通流量数据，计算所述第一动线规划方案集中各动线规划方案对应的第一适应度，其中，所述规划目标至少包括行人出行时长、人车相遇概率、车辆出行时长、行人密度以及车位寻找时长分别对应的权重；

5、基于预设的遗传算法与所述第一适应度，对各所述动线规划方案执行选择、交叉以及变异操作，获得第二动线规划方案集；

6、从所述第一动线规划方案集和所述第二动线规划方案集中选取适应度最高的动线规划方案作为目标动线规划方案，其中，所述目标动线规划方案用于规划目标小区的动线。

7、可选地，所述交通流量数据至少包括目标小区内人流和车流的时序分布数据，所述根据目标小区的规划目标和交通流量数据，计算所述第一动线规划方案集中各动线规划方案对应的第一适应度的步骤包括：

8、根据所述时序分布数据和所述第一动线规划方案集中的各动线规划方案，确定各所述动线规划方案对应的行人出行时长、人车相遇概率、车辆出行时长、行人密度以及车位寻找时长；

9、将各所述动线规划方案对应的行人出行时长、人车相遇概率、车辆出行时长、行人密度、车位寻找时长，以及所述行人出行时长、人车相遇概率、车辆出行时长、行人密度以及车位寻找时长分别对应的权重输入预设的适应度函数，获得所述第一动线规划方案集中各动线规划方案对应的第一适应度。

10、可选地，所述基于预设的遗传算法与所述第一适应度，对各所述动线规划方案执行选择、交叉以及变异操作，获得第二动线规划方案集的步骤包括：

11、计算所述第一动线规划方案集中所有动线规划方案对应的第一适应度的和，获得总适应度；

12、基于各所述动线规划方案对应的第一适应度与所述总适应度的比值，确定各所述动线规划方案的个体选择概率；

13、根据所述个体选择概率在各所述动线规划方案中选取多个父代个体，并对所述父代个体执行交叉和变异操作，获得第二动线规划方案集。

14、可选地，所述基于预设的遗传算法与所述第一适应度，对各所述动线规划方案执行选择、交叉以及变异操作，获得第二动线规划方案集的步骤包括：

15、将各所述动线规划方案对应的第一适应度输入预设的个体选择概率函数，获得各所述动线规划方案对应的个体选择概率；

16、根据所述个体选择概率在各所述动线规划方案中选取多个父代个体，并对所述父代个体执行交叉和变异操作，获得第二动线规划方案集；

17、其中，所述个体选择概率函数的表达式为：

18、

19、其中，为第个动线规划方案的个体选择概率，为第个动线规划方案的适应度，为动线规划方案的序号，为第一动线规划方案集中的动线规划方案的数目。

20、可选地，所述第二动线规划方案集包括子代个体，所述根据所述个体选择概率在各所述动线规划方案中选取父代个体，并对所述父代个体执行交叉和变异操作，获得第二动线规划方案集的步骤包括：

21、基于所述个体选择概率，在各所述动线规划方案中选取多个父代个体；

22、对所述父代个体执行交叉操作，获得第一子代个体集；

23、对所述第一子代个体集执行变异操作，获得第二子代个体集；

24、返回执行步骤：基于所述个体选择概率，在各所述动线规划方案中选取多个父代个体；

25、当符合预设条件时，将所述第二子代个体集设置为第二动线规划方案集，其中，所述预设条件为所述第二子代个体集中存在适应度高于预设适应度的动线规划方案或迭代次数不低于预设阈值。

26、可选地，所述对所述父代个体执行交叉操作，获得第一子代个体集的步骤包括：

27、基于所述目标小区的地图信息建立平面直角坐标系，并在所述平面直角坐标系中获取所述父代个体对应的动线上各点的坐标；

28、基于所述坐标对所述父代个体进行二进制编码，获得所述父代个体的染色体；

29、对各父代个体的染色体的片段进行随机交换，生成对应的子代个体。

30、可选地，所述地图信息至少包括固定区域信息，所述基于所述目标小区的地图信息，随机生成第一动线规划方案集的步骤包括：

31、将所述目标小区地图信息中的固定区域信息作为动线规划方案的限制条件，并基于所述限制条件随机生成所述目标小区对应的多个动线规划方案，获得第一动线规划方案集。

32、本技术还提供一种小区动线规划装置，所述小区动线规划装置应用于小区动线规划设备，所述小区动线规划装置包括：

33、初始化模块，用于基于目标小区的地图信息，随机生成第一动线规划方案集；

34、适应度计算模块，用于根据目标小区的规划目标和交通流量数据，计算所述第一动线规划方案集中各动线规划方案对应的第一适应度，其中，所述规划目标至少包括行人出行时长、人车相遇概率、车辆出行时长、行人密度以及车位寻找时长分别对应的权重；

35、遗传进化模块，用于基于预设的遗传算法与所述第一适应度，对各所述动线规划方案执行选择、交叉以及变异操作，获得第二动线规划方案集；

36、方案筛选模块，用于从所述第一动线规划方案集和所述第二动线规划方案集中选取适应度最高的动线规划方案作为目标动线规划方案，其中，所述目标动线规划方案用于规划目标小区的动线。

37、可选地，所述适应度计算模块还用于：

38、根据所述时序分布数据和所述第一动线规划方案集中的各动线规划方案，确定各所述动线规划方案对应的行人出行时长、人车相遇概率、车辆出行时长、行人密度以及车位寻找时长；

39、将各所述动线规划方案对应的行人出行时长、人车相遇概率、车辆出行时长、行人密度、车位寻找时长，以及所述行人出行时长、人车相遇概率、车辆出行时长、行人密度以及车位寻找时长分别对应的权重输入预设的适应度函数，获得所述第一动线规划方案集中各动线规划方案对应的第一适应度。

40、可选地，所述遗传进化模块还用于：

41、计算所述第一动线规划方案集中所有动线规划方案对应的第一适应度的和，获得总适应度；

42、基于各所述动线规划方案对应的第一适应度与所述总适应度的比值，确定各所述动线规划方案的个体选择概率；

43、根据所述个体选择概率在各所述动线规划方案中选取多个父代个体，并对所述父代个体执行交叉和变异操作，获得第二动线规划方案集。

44、可选地，所述遗传进化模块还用于：

45、将各所述动线规划方案对应的第一适应度输入预设的个体选择概率函数，获得各所述动线规划方案对应的个体选择概率；

46、根据所述个体选择概率在各所述动线规划方案中选取多个父代个体，并对所述父代个体执行交叉和变异操作，获得第二动线规划方案集；

47、其中，所述个体选择概率函数的表达式为：

48、

49、其中，为第个动线规划方案的个体选择概率，为第个动线规划方案的适应度，为动线规划方案的序号，为第一动线规划方案集中的动线规划方案的数目。

50、可选地，所述遗传进化模块还用于：

51、基于所述个体选择概率，在各所述动线规划方案中选取多个父代个体；

52、对所述父代个体执行交叉操作，获得第一子代个体集；

53、对所述第一子代个体集执行变异操作，获得第二子代个体集；

54、返回执行步骤：基于所述个体选择概率，在各所述动线规划方案中选取多个父代个体；

55、当符合预设条件时，将所述第二子代个体集设置为第二动线规划方案集，其中，所述预设条件为所述第二子代个体集中存在适应度高于预设适应度的动线规划方案或迭代次数不低于预设阈值。

56、可选地，所述遗传进化模块还用于：

57、基于所述目标小区的地图信息建立平面直角坐标系，并在所述平面直角坐标系中获取所述父代个体对应的动线上各点的坐标；

58、基于所述坐标对所述父代个体进行二进制编码，获得所述父代个体的染色体；

59、对各父代个体的染色体的片段进行随机交换，生成对应的子代个体。

60、可选地，所述初始化模块还用于：

61、将所述目标小区地图信息中的固定区域信息作为动线规划方案的限制条件，并基于所述限制条件随机生成所述目标小区对应的多个动线规划方案，获得第一动线规划方案集。

62、本技术还提供一种电子设备，所述电子设备为实体设备，所述电子设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述小区动线规划方法的程序，所述小区动线规划方法的程序被处理器执行时可实现如上述的小区动线规划方法的步骤。

63、本技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有实现小区动线规划方法的程序，所述小区动线规划方法的程序被处理器执行时实现如上述的小区动线规划方法的步骤。

64、本技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的小区动线规划方法的步骤。

65、本技术提供了一种小区动线规划方法、装置、电子设备及可读存储介质，首先基于目标小区的地图信息，随机生成第一动线规划方案集，再根据目标小区的规划目标和交通流量数据，计算所述第一动线规划方案集中各动线规划方案对应的第一适应度，其中，所述规划目标至少包括行人出行时长、人车相遇概率、车辆出行时长、行人密度以及车位寻找时长分别对应的权重，进而基于预设的遗传算法与所述第一适应度，对各所述动线规划方案执行选择、交叉以及变异操作，获得第二动线规划方案集，最后从所述第一动线规划方案集和所述第二动线规划方案集中选取适应度最高的动线规划方案作为目标动线规划方案，其中，所述目标动线规划方案用于规划目标小区的动线，本技术的技术方案结合了规划目标中的行人出行时长、人车相遇概率、车辆出行时长、行人密度以及车位寻找时长等参数来进行适应度的计算，全面考虑了动线规划方案中路径通行效率的各个维度的评估结果，另外还通过采用遗传算法对初始化的第一动线规划方案进行选择、交叉以及变异操作，获得进化后的第二动线规划方案，并依据各动线规划方案的适应度来寻找动线规划的最优解，获得适应度最高的目标动线规划方案，实现了用人工智能算法来替代人工进行小区的动线规划，克服了基于设计人员的经验和直觉来规划小区动线存在局限性的技术缺陷，提高了小区动线规划的路径通行效率。