一种安防系统警情处理动态路线规划系统及方法与流程

本发明涉及安防系统中对警情处理的技术领域，特别是涉及一种安防系统警情处理动态路线规划系统及方法。

背景技术：

目前，人们对警情应急反应速度的要求越来越高，而城市尤其是特大型城市如上海、北京的中心城区拥堵极为严重。尤其在交通高峰期，安防车辆的行驶时间因为极可能的严重且广泛的拥堵而无法控制。对于警情的处理，现有安防系统大多是在城市的某些区域内设置多个安防办公站，当警情发生时，距其最近的安防工作站响应，前往警情发生地处置警情。以往的由安防办公站到警情发生地的通行路径，都由安防人员个人依据个人经验快速得出，由于安防人员的经验不同以及判断决策水平不一，因此警情的处理效率会受安防人员的个人因素大幅影响。常常发生消防车堵在路上，出警时间大幅提高数倍甚至数十倍的情况，给百姓的生命财产安全造成极大的隐患。

近来虽然也出现一些道路规划的方法以及系统，但都是静态规划，要么不考虑拥堵，仅仅寻找到警情发生点最近安防办公站，而后找出最近安防办公站到警情发生点间最短路径，将此最短路径定为最终安防车行车路线；即便考虑拥堵，也简单以拥堵不拥堵来划分路况，而对拥堵路况简单化，给出统一的车辆通行速度。显然不够合理。

很多随机现象可以用正态分布来描述或者近似描述，在观测值足够多时，大量随机现象用正态分布来描述可以非常好的体现现象本身的发生规律，做出准确的预测。

正态分布（normaldistribution）又名高斯分布（gaussiandistribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量x服从一个数学期望为μ、方差为σ^2的高斯分布，记为

x∼n(μ,σ²),

其概率密度函数为

正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。

正态分布有些极好的统计性质

（1）其密度函数关于均值对称，

（2）其数据高度集中于均值附近，p（-σ<x-μ<σ）=68%,也即近70%的数据分布于区间（μ-σ，μ+σ），

（3）p（-3σ<x-μ<3σ）=99.7%,也即99.7%的数据分布于区间（μ-3σ，μ+3σ），那么p（x>μ+3σ）+p（（x<μ-3σ）=3⁰/00,因此（μ-3σ，μ+3σ）可看作随机变量x的实际取值范围。这是管理学上著名的3σ法则。

技术实现要素：

本发明的目的是提供一种安防系统警情处理动态路线规划系统及方法，发掘利用以往交通数据，主要针对拥堵严重，且安防中心较多，因而安防车行车路段较少的情形，充分利用正态分布的特点给出不同拥堵路段的不同道路通行速度，找出到警情发生点时间最短的安防服务站以及相应路线，能够大大减少安防车辆到火警现场的时间的不确定性，能够保证安防车辆在每一路段行驶以不小于0.7的概率在预定的时间能够到达警情现场，及时处理警情。

为实现上述目的，本发明采用以下技术方案：

一种安防系统警情处理动态路线规划方法，包括步骤：获取地理位置信息以及时间信息,找出安防服务站所在地至警情发生地的所有可能通行路线:确定每一通行路线的路段,确定每一路段所用时间，确定每一路线所用时间，找出其中最小值的路线即为最终行车路线，对应的安防服务站为提供救援的安防服务站;具体为：

（1）获取报警信号所对应的警情发生地的地理位置信息以及时间信息；

（2）根据所述警情发生地的地理位置信息，搜索预设区域内的安防服务站，获得临近安防服务站的地理位置信息；

（3）根据地理数据库以及警情发生地以及安防服务站的地理位置信息，找出安防服务站所在地至警情发生地的所有可能通行路线:路线1,路线2,…,路线n；

（4）确定每一通行路线的路段：确定路线1的具体路段，路线2的具体路段,…,路线n的具体路段；

（5）确定每一路段所用时间tij：利用路段拥堵的正态分布模型，计算所有可能通行路线的每一路段所用时间，tij表示路线i的第j路段所用时间，i取值范围为1,…,n,j取值范围为1,…,m；

（6）确定每一路线所用时间t1，t2，…,tn：将每一路线i的各路段所用时间之和算出即：ti=ti1+ti2+…+tim；

（7）取t1，t2，…,tn最小值ta，则a路线为目标路线，也即选取a路线为最终行车路线，对应的安防服务站为提供救援的安防服务站。

所述确定每一路段所用时间的路段拥堵的正态分布模型的建立方法为：

s01确定时刻信息：e年a月b日c时d分，a,b,c,d,e确定；

s02由地理数据库，获取所述路段长度s；

s03获取警情发生前60天中c时d分所述路段的机动车平均速度，得到一组60个速度数据；

s04由t=s/v得到机动车行完所述路段所需时间；

s05取μ=(t1+t2+t3+…+t60)/60;σ²=(t1²+t2²+t3²+…+t60²)/60-μ²,记通过路段的时间x，x服从一个数学期望为μ、标准方差为σ²的正态分布，记为：

x∼n(μ,σ²),

s06将μ,σ代入概率密度函数公式;

s07确定t，具体为：由正态分布数据库或者正态分布计算模块求出t0，使得p（x<=t0）=0.7；t0即为在c时d分，机动车行完所述路段预估的所需时间。

所述地理位置信息都可以从地理数据库中获得，地理数据库包括道路经纬度坐标信息、道路名称、道路长度、建筑经纬度坐标、建筑名称等，所述地理数据库是根据现有地理信息建立而成。

所述根据所述警情发生地的地理位置信息，搜索预设区域内的安防服务站，具体包括：以所述警情发生地的经纬度坐标为中心，搜索预设半径内的安防服务站；根据搜索到的安防服务站，确定所述安防服务站对应的经纬度坐标。

所述通行路线的各路段的确定，每一路段的道路名称单一，且包括起始点，不包括终点，最后一条路段包括起点终点。

所述时刻信息，后续路段的起始时刻为前一路段的起始时刻加上前一路段的通行时间。

所述道路交通数据库包括：道路长度，道路方向，每一时刻每一路段机动车的平均速度。

所述的60个速度数据，分别为警情发生前1日、前2日、前3，4，5…60日上述c时d分在所述路段的机动车平均行驶速度v1，v2，…，v60。

所述的该路段的机动车平均速度，可以由该路段的速度摄像头获得该路段的所述时刻数种机动车行驶速度，然后取其平均值。

一种安防系统警情处理动态路线规划系统，包括安防指挥系统，道路交通数据库，地理数据库，正态分布计算模块，正态分布数据库，安防服务站；其中正态分布数据库可以由上述概率密度函数以及参数μ、σ²、概率p给出上述t0。

所述的警情处理动态路线规划方法，机动车行完所述路段所需时间的最大值为μ+

3σ。

上述警情发生时刻以分钟为最小计时单位，如火情发生时刻为下午2点01分21秒则四舍五入为2点01分。

本发明的优点：

本发明以各路段拥堵的正态分布模型为基础，挖掘利用以往60天交通数据，具体到特定时刻，特定路段，根据以往的六个月的交通数据，用统计方法估算出各路段的通行时间，进而得到安防人员由所取路线到驾车到警情发生地的时间，在极度拥堵的情况下，单个路段的出警时间准确率达到70%。

本发明尤其注意及时利用算出的前一路段的最新通行时间数据，在路段的时刻选取上实现了动态规划，因此得到的出警时间非常准确可靠，出警路线科学。

本算法确定的安防服务站是由出警时间最短确定的，而非以往简单以静态距离最短先行确定，保证了出警时间最短，提高了整个安防系统的效率。

另外，本发明数据处理方式简单高效，一台普通电脑可以进行上述算法的全部运算过程，成本极低，易于推广。

具体实施方式

实施例1：

比如安防指挥系统于2017年9月4日下午5点6分23秒接到警情报告延安路7号801室起火，需要救援。

那么安防指挥系统将做如下操作：

（1）根据地理数据库调取延安路7号的建筑名称为黄河大厦、经纬度坐标为（东经8°，北纬9°），得到警情发生地的地理位置信息；

（2）以黄河大厦（东经8°，北纬9°）为中心，假定以5公里为预定搜索半径，搜索5公里内的安防服务站，得到临近安防服务站的地理位置信息以及名称，得到安1安防站（东经10°，北纬11°），安2安防站（东经12°，北纬13°），安3安防站（东经14°，北纬15°）；

（3）由地理数据库容易得到安1安防站（东经10°，北纬11°）到黄河大厦（东经8°，北纬9°）的5条不同路线，具体为路线1，路线2，路线3，路线4，路线5；

（4）类似的找出安2安防站（东经12°，北纬13°）到黄河大厦（东经8°，北纬9°）的4条不同路线，具体为路线6，路线7，路线8，路线9；而安3安防站（东经14°，北纬15°）到黄河大厦（东经8°，北纬9°）的3条不同路线，具体为路线10，路线11，路线12；

(5)我们以路线1为例说明如何确定路线的路段：路线1由3个路段组成具体为：延安1路，延安2路，延安3路；延安1路段，延安2路段包括起点路口，延安3路段包括起点路口和终点路口，这样所有路口都被算到且只算了一次；

利用路段拥堵的正态分布模型，计算路线1的每一路段所用时间t1,1，t1,2，t1,3;

(6)以第1路段延安1路所化时间t1,1为例说明如何建立某一路段拥堵的正态分布模型，具体方法为：

s01确定警情发生时间2017年9月4日下午5点6分23秒确定时刻信息2017年9月4日17时6分；

s02由地理数据库获取路段延安1路长度s=2公里；

s03根据道路交通数据库，获取前1日17时6分即2017年9月3日17时6分段延安1路的机动车平均速度:由延安1路的速度摄像头获得2017年9月3日17时6分四种机动车行驶速度，分别为：50，42，48，40，取其平均值（50+42+48+40）/4=45，所以v1=45公里/小时；获取前2日17时6分即2017年9月2日17时6分路段延安1路的机动车平均行驶速度v2=44公里/小时……获取前60日当日17时6分路段延安1路的机动车平均行驶速度v60=46公里/小时

前n日（1=<n<=180）机动车17时6分平均行驶速度v公里/小时

前1日v1=45

前2日v2=44

..

..

前60日v60=46

s04由t=s/v得t1=2/45小时=2.7分钟，即前1日17时6分机动车开车行完延安1路所需时间,前2日17时6分机动车行完延安1路路段所需时间t2=2.8分钟,如此，得出警情发生前3，4，5，…，60日17时6分机动车行完延安1路所需时间t3,t4,…,t60;

tit1,t2,t3,t4,t5,…,t30,…,t60

时间/分钟2.7,2.8,2.9,2.2,2.1,…,2,…,2.8

s05由μ=(t1+t2+t3+…+t60)/60=(2.7+2.8+2.9+…+2.8)/60=2.5，

σ²=(t1²+t2²+t3²+…+t60²)/60-μ²=(2.7²+2.8²+2.9²+…+2.8²)/60-2.5²=8.41，

记机动车行完延安1路所需时间为x，x服从一个数学期望为μ=2.5、方差为σ²=8.41的正态分布，即x∼n(2.5,8.41)；

s06将μ=2.5,σ=2.9代入

=得到具体的概率密度函数公式;

s07由p（x<=t0）=0.7求t0，具体为

使得p（x<=t0）=0.7=

由本系统自带的计算模块计算得到t0=4分钟，t0即为延安1路在17时6分机动车行完延安1路预估的所需时间，t1,1=4分钟，该预估时间的准确率为70%，也就是机动车在4分钟内行完延安1路的概率为70%，或说确定性为70%。

本例由概率密度函数f（x）、u、σ，通过相应的计算模块计算而得概率，因为这是公知，因此不细述。

t1,2,t1,3算法同t1,1，所不同处仅在于时刻：

t1,12017年9月4日17时6分,

又t1，1=4分钟，所以：

t1,22017年9月4日17时10分，

即利用上述路段拥堵的正态分布模型计算t1,2时，时刻信息取2017年9月4日17时11分，进而算出t1，2=1分钟，那么类似的

t1,32017年9月4日17时11分

即利用上述路段拥堵的正态分布模型计算t1,3时，时刻信息取2017年9月4日17时11分，进而算出t1，3=2分钟；

(7)由第1路段延安1路所化时间t1，1=4分钟，第2段延安2路所化时间t1,2=1分钟，第3段延安3路所化时间t1,3=2分钟;

那么路线1的通行时间t1=t1,1+t1,2+t1,3=4+1+2=7分钟约为7分钟，即t1=7分钟。

因为路线1由3个路段组成，而每一路段的概率为0.7的用时分别为4分钟以内，1分钟以内，2分钟以内，所以整条路线的用时不超过7分钟的概率为0.7*0.7*0.7;

类似的，我们可以算出路线2,…,路线12的通行时间，t1，t2，…,t12,假定我们获得一组通行时间

tit1，t2，t3，t4,t5，t6，t7，t8，t9,t10，t11，t12

单位/分钟7，15，16，20，37，44，14，15，19，18，14，16

(8)t7=7最小，故取1路线为目标路线，也即选取1路线为最终行车路线，对应的安防服务站安防1站为提供救援的安防服务站。

安防指挥系统向安防1站发出指令，给安防1站提供出行车路线1并且给出建议速度，建议速度为计算所得时间μ对应的值，如本例延安1路μ=2.5，v=s/μ=2/2.5公里/分钟=48公里/小时，如此得到延安2路、延安3路的建议速度40公里/小时、47公里/小时，安防1站执行指令，沿着延安1路以48公里/小时行驶，在延安2路以40公里/小时、延安3路以47公里/小时速度行驶，消防车即可在接到警情7分钟内到达报警地点黄河大厦进行施救；其7分钟内到达的概率为0.7³或者说安防车7分钟内到达的确定性为0.7³；其用时超过21分钟的概率为3⁰/00，换言之，在21分钟内一定会到达。在特大城市如上海、北京中心城区拥堵极为严重的情况下，本发明可以保证安防车在较为拥堵的情况下到达现场的时间仍然可控。

如果想调整路线行车时间确定性，可以相应调整每个路段的时间的确定性。