基于大数据的信息服务系统及方法与流程

1.本发明涉及大数据信息服务技术领域，具体为基于大数据的信息服务系统及方法。


背景技术：

2.在大数据背景下的智慧城市信息服务领域中，店外经营的现象屡见不鲜，店外经营的经营地址仅限于在店铺门面外，还包括在公共场所，如马路和人行道等地点的流动摊位。其中，对于流动摊位占道经营的现象存在以下问题，一方面，流动摊贩不交税，无营业执照，所售商品往往是“三五”商品，且任意定价，严重扰乱了合法经营单位和个人的利益，为假冒伪劣者提供了市场，影响了经济社会健康发展，城管部门经常会收到合法商店的举报电话和投诉；另一方面，流动摊贩占用了本应属于全社会的公共空间和道路，无处不在的流动摊贩使原本宽敞、整洁的街道广场拥挤不堪，使城市魅力大打折扣。


技术实现要素：

3.本发明的目的在于提供了一种基于大数据的信息服务系统及方法，以解决上述背景技术中提出的问题。
4.为了解决上述技术问题，本发明提供如下技术方案：
5.基于大数据的信息服务系统，所述系统包括遥感信息获取模块、多源信息采集模块、预测模型构建分析模块、最优巡检路线构建分析模块、信息服务模块；
6.所述遥感信息获取模块用于生成道路巡检区域网络，并获取道路巡检区域网络内所有严禁占道经营点位的数量、位置以及无人机的初始位置，以各个严禁占道经营点位为圆心，以a为半径，建立各个店外经营辐射范围；所述多源信息采集模块用于获取各个店外经营辐射范围内的人口数量、建筑土地的使用信息以及各个严禁占道经营点位无店外经营时的交通流量；预测模型构建分析模块用于基于各个店外经营辐射范围内的人口密度以及所有建筑土地的使用类型和数量，构建店外经营预测模型，计算在各个严禁占道经营点位店外经营的概率；所述最优巡检路线构建分析模块用于基于在各个严禁占道经营点位的交通流量和无人机到各个严禁占道经营点位消耗的电量，构建无人机最优巡检路线；所述信息服务模块用于构建智慧城市信息服务平台，按照无人机最优巡检路线调度无人机，并实时反馈无人机巡检状态；
7.所述遥感信息获取模块的输出端与所述多源信息采集模块的输入端相连接；所述多源信息采集模块的输出端与预测模型构建分析模块的输入端相连接；所述预测模型构建分析模块的输出端与所述最优巡检路线构建分析模块的输入端相连接；所述最优巡检路线构建分析模块的输出端与所述信息服务模块的输入端相连接。
8.进一步的，所述遥感信息获取模块包括道路巡检区域网络生成单元、点位信息获取单元和店外经营辐射范围生成单元；
9.所述道路巡检区域网络生成单元用于基于区域地形图生成道路巡检区域网络；
10.所述点位信息获取单元用于获取道路巡检网络内所有严禁占道经营点位的数量和位置；
11.所述店外经营辐射范围生成单元用于基于各个严禁占道经营点位的位置建立各个店外经营辐射范围。
12.进一步的，所述多源信息采集模块包括人口数量采集单元、建筑土地使用信息采集单元和交通流量采集单元；
13.所述人口数量采集单元用于获取各个店外经营辐射范围内的常住人口数量和流动人口数量，计算各个店外经营辐射范围内的人口密度；
14.所述建筑土地使用信息采集单元用于获取各个店外经营辐射范围内所有建筑土地的使用类型和数量；
15.所述交通流量采集单元用于获取各个严禁占道经营点位无店外经营时的交通流量；
16.所述交通流量采集单元的输出端与所述最优巡检路线构建分析模块的输出端相连接。
17.进一步的，所述预测模型构建分析模块包括预测模型构建单元和预测模型分析单元；
18.所述预测模型构建单元用于基于店外经营辐射范围内的人口密度以及所有建筑土地的使用类型和数量，构建店外经营预测模型；所述预测模型分析单元用于计算在严禁占道经营点位店外经营的概率。
19.进一步的，所述最优巡检路线构建分析模块包括最优巡检路线构建单元和最优巡检路线分析单元；
20.所述最优巡检路线构建单元用于构建无人机最优巡检路线模型；所述最优巡检路线分析单元用于基于在各个严禁占道经营点位的交通流量和无人机到各个严禁占道经营点位消耗的电量得出无人机最优巡检路线。
21.进一步的，所述信息服务模块包括智慧城市信息服务平台构建单元和信息反馈单元；
22.所述智慧城市信息服务平台构建单元用于构建智慧城市信息服务平台，按照无人机最佳巡检路线调度无人机；所述信息反馈单元用于实时反馈无人机巡检状态。
23.基于大数据的信息服务方法，所述方法包括以下步骤：
24.s1：利用遥感信息生成道路巡检区域网络，获取道路巡检网络内所有严禁占道经营点位的数量和位置，进行标记，以各个严禁占道经营点位为圆心，以a为半径，建立各个店外经营辐射范围；
25.s2：获取各个店外经营辐射范围内的人口密度和建筑土地的使用信息，构建店外经营预测模型，计算在各个严禁占道经营点位店外经营的概率；
26.s3：设置在严禁占道经营点位店外经营的概率阈值，当在严禁占道经营点位店外经营的概率超出阈值时，获取当前严禁占道经营点位的数量和各个严禁占道经营点位的位置；
27.s4：基于在各个严禁占道经营点位的交通流量和无人机到各个严禁占道经营点位消耗的电量，构建无人机最优巡检路线；
28.s5：构建智慧城市信息服务平台，按照无人机最优巡检路线调度无人机，并实时反馈无人机巡检状态。
29.进一步的，在步骤s1-s2中，所述道路巡检网络内所有严禁占道经营点位的数量为n；对应的各个严禁占道经营点位的位置生成集合a，a＝{(x1,y1),(x2,y2),...,(xn,yn)}；以各个严禁占道经营点位为圆心，以a为半径，建立各个店外经营辐射范围；对应的各个店外经营辐射范围生成集合s，s＝{(s1,s2,...,sn}；其中，s1＝s2＝...＝sn＝πa2；
30.获取各个店外经营辐射范围内的常住人口数量和流动人口数量分别记为集合b和c；其中，b＝{b1,b2,...,bn}；c＝{c1,c2,...,cn}；
31.在上述技术方案中，由于距离的因素，各个店外经营的辐射范围是有限的，故而以一定的距离为半径划分店外经营的辐射范围，能够满足系统的精度要求。
32.根据公式：
[0033][0034]
其中，ρi表示第i个店外经营辐射范围si内的人口密度；bi表示第i个店外经营辐射范围si内的常住人口数量；ci表示第i个店外经营辐射范围si内的流动人口数量；si表示第i个店外经营辐射范围；
[0035]
获取各个店外经营辐射范围内建筑土地的使用信息；建筑土地的使用信息包括建筑土地的使用类型和数量；
[0036]
所述建筑土地的使用类型包括：写字楼、居民楼、商场、学校和医院；
[0037]
获取第i个店外经营辐射范围si内写字楼、居民楼、商场、学校和医院的数量分别记为d
i1
、d
i2
、d
i3
、d
i4
和d
i5
；
[0038]
根据公式：
[0039]
pi＝α1*ρi+β1*d
i1
+β2*d
i2
+β3*d
i3
+β4*d
i4
+β5*d
i5
[0040]
其中，pi表示在第i个严禁占道经营点位店外经营的概率；α1表示第i个店外经营辐射范围si内人口密度的权重比例；ρi表示第i个店外经营辐射范围si内的人口密度；β1表示第i个店外经营辐射范围si内写字楼数量的权重比例；β2表示第i个店外经营辐射范围si内居民楼数量的权重比例；β3表示第i个店外经营辐射范围si内商场数量的权重比例；β4表示第i个店外经营辐射范围si内学校数量的权重比例；β5表示第i个店外经营辐射范围si内医院数量的权重比例。
[0041]
在上述技术方案中，利用大数据获取在各个严禁占道经营点位店外经营辐射范围内人口数量，计算该范围的人口密度是基于流动摊位的设置往往会在人口密度大的地方，同时将各个店外经营辐射范围内的建筑土地的使用类型作为店外经营的概率的影响因素，是因为往往写字楼，居民楼和学校又是人群聚集的地点，可以使提高系统对店外经营概率预测的精准性。
[0042]
进一步的，在步骤s3-s4中，
[0043]
设置在严禁占道经营点位店外经营的概率阈值，记为p0；
[0044]
当在严禁占道经营点位店外经营的概率超出阈值时，获取当前严禁占道经营点位的数量和各个严禁占道经营点位的位置；
[0045]
获取当前严禁占道经营点位的数量，记为m；对应的各个严禁占道经营点位的位置
生成集合b，b＝{(x1,y1),(x2,y2),...,(xm,ym)}；
[0046]
构建时刻表数据，取0点到1点为第一小时，其他依次类推，共取24小时，记为集合t＝{t1,t2,...,t
24
}；其中，t1表示0点到1点的时间段；t2表示1点到2点的时间段；以此类推，t
24
表示23点到24点的时间段；
[0047]
选取时刻表数据中任一时期te；
[0048]
构建时期te下，在各个严禁占道经营点位的交通流量模型；
[0049]
获取在时期te下第j个严禁占道经营点位无店外经营时的交通流量；
[0050]
根据公式：
[0051]fj
＝fj+(1+k1)*f0[0052]fj
表示时期te下在第j个严禁占道经营点位的交通流量；fj表示在时期te下第j个严禁占道经营点位无店外经营时的交通流量；k1表示在时期te下第j个严禁占道经营点位店外经营数量增加的比例；f0表示店外经营数量增加对应的交通流量的增量；
[0053]
在上述技术方案中，在一天的不同时期下，在各个严禁占道经营点位的交通流量是有差异的，尤其在早晚高峰时期以及各个用餐时间段内，在各个严禁占道经营点位的交通流量会大幅上升，并且流动摊位的设置会带来一定的交通流量，增加该严禁占道经营点位的交通压力，因此，将交通流量作为无人机调度路线的影响因素，能够提高无人机巡检的效率。
[0054]
获取无人机从初始位置到各个严禁占道经营点位的路程值，记为集合h，h＝{h1、h2、
…
、hm}；
[0055]
构建无人机电量消耗模型：
[0056][0057]
其中，qj表示无人机从初始位置到第j个严禁占道经营点位消耗的电量值；hj表示无人机从初始位置到第j个严禁占道经营点位的路程值；h0表示无人机满电巡检的路程值；
[0058]
无人机最优巡检路线模型为：
[0059]
lj＝τ1*fj+τ2*qj[0060]
其中，lj为第j个严禁占道经营点位的巡检推荐得分；τ1表示时期te下在第j个严禁占道经营点位的交通流量的权重比例；fj表示时期te下在第j个严禁占道经营点位的交通流量；τ2表示无人机从初始位置到第j个严禁占道经营点位消耗电量的权重比例；qj表示无人机从初始位置到第j个严禁占道经营点位消耗的电量值；
[0061]
按照各个严禁占道经营点位的巡检推荐得分从高到低进行排序，依次将各个严禁占道经营点位的位置推荐给无人机，生成无人机最优巡检路线。
[0062]
在上述技术方案中，由于无人机的续航是有限的，而无人机与每个严禁占道经营点位的距离是不同的，有时会出现在较远位置的点位的交通流量比较近位置的点位的交通流量大的情况，只是把交通流量作为单一因素的话，可能会造成无人机巡检中途电量耗尽的情况，为了能够使无人机巡检路线更为精确，因此将无人机与每个严禁占道经营点位的距离也作为无人机调度路线的影响因素，可以提高系统的精度。
[0063]
与现有技术相比，本发明所达到的有益效果是：
[0064]
本发明能够利用遥感信息生成道路巡检区域网络，获取道路巡检网络内所有严禁
占道经营点位的数量和位置，建立各个店外经营辐射范围；获取各个店外经营辐射范围内的人口密度和建筑土地的使用信息，构建店外经营预测模型，计算在各个严禁占道经营点位店外经营的概率；设置在严禁占道经营点位店外经营的概率阈值，当在严禁占道经营点位店外经营的概率超出阈值时，获取当前严禁占道经营点位的数量和各个严禁占道经营点位的位置；基于在各个严禁占道经营点位的交通流量和无人机到各个严禁占道经营点位消耗的电量，构建无人机最优巡检路线；构建智慧城市信息服务平台，按照无人机最优巡检路线调度无人机，并实时反馈无人机巡检状态。本发明能够实现对在严禁占道经营点位店外经营的预测分析，并利用无人机进行巡检，提高巡检的效率，缓解城市道路的压力。
附图说明
[0065]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0066]
图1是本发明基于大数据的信息服务系统的结构示意图；
[0067]
图2是本发明基于大数据的信息服务方法的流程示意图。
具体实施方式
[0068]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0069]
请参阅图1-图2，本发明提供技术方案：
[0070]
基于大数据的信息服务系统，所述系统包括遥感信息获取模块、多源信息采集模块、预测模型构建分析模块、最优巡检路线构建分析模块、信息服务模块；
[0071]
所述遥感信息获取模块用于生成道路巡检区域网络，并获取道路巡检区域网络内所有严禁占道经营点位的数量、位置以及无人机的初始位置，以各个严禁占道经营点位为圆心，以a为半径，建立各个店外经营辐射范围；所述多源信息采集模块用于获取各个店外经营辐射范围内的人口数量、建筑土地的使用信息以及各个严禁占道经营点位无店外经营时的交通流量；预测模型构建分析模块用于基于各个店外经营辐射范围内的人口密度以及所有建筑土地的使用类型和数量，构建店外经营预测模型，计算在各个严禁占道经营点位店外经营的概率；所述最优巡检路线构建分析模块用于基于在各个严禁占道经营点位的交通流量和无人机到各个严禁占道经营点位消耗的电量，构建无人机最优巡检路线；所述信息服务模块用于构建智慧城市信息服务平台，按照无人机最优巡检路线调度无人机，并实时反馈无人机巡检状态；
[0072]
所述遥感信息获取模块的输出端与所述多源信息采集模块的输入端相连接；所述多源信息采集模块的输出端与预测模型构建分析模块的输入端相连接；所述预测模型构建分析模块的输出端与所述最优巡检路线构建分析模块的输入端相连接；所述最优巡检路线构建分析模块的输出端与所述信息服务模块的输入端相连接。
[0073]
进一步的，所述遥感信息获取模块包括道路巡检区域网络生成单元、点位信息获取单元和店外经营辐射范围生成单元；
[0074]
所述道路巡检区域网络生成单元用于基于区域地形图生成道路巡检区域网络；
[0075]
所述点位信息获取单元用于获取道路巡检网络内所有严禁占道经营点位的数量和位置；
[0076]
所述店外经营辐射范围生成单元用于基于各个严禁占道经营点位的位置建立各个店外经营辐射范围。
[0077]
进一步的，所述多源信息采集模块包括人口数量采集单元、建筑土地使用信息采集单元和交通流量采集单元；
[0078]
所述人口数量采集单元用于获取各个店外经营辐射范围内的常住人口数量和流动人口数量，计算各个店外经营辐射范围内的人口密度；
[0079]
所述建筑土地使用信息采集单元用于获取各个店外经营辐射范围内所有建筑土地的使用类型和数量；
[0080]
所述交通流量采集单元用于获取各个严禁占道经营点位无店外经营时的交通流量；
[0081]
所述交通流量采集单元的输出端与所述最优巡检路线构建分析模块的输出端相连接。
[0082]
进一步的，所述预测模型构建分析模块包括预测模型构建单元和预测模型分析单元；
[0083]
所述预测模型构建单元用于基于店外经营辐射范围内的人口密度以及所有建筑土地的使用类型和数量，构建店外经营预测模型；所述预测模型分析单元用于计算在严禁占道经营点位店外经营的概率。
[0084]
进一步的，所述最优巡检路线构建分析模块包括最优巡检路线构建单元和最优巡检路线分析单元；
[0085]
所述最优巡检路线构建单元用于构建无人机最优巡检路线模型；所述最优巡检路线分析单元用于基于在各个严禁占道经营点位的交通流量和无人机到各个严禁占道经营点位消耗的电量得出无人机最优巡检路线。
[0086]
进一步的，所述信息服务模块包括智慧城市信息服务平台构建单元和信息反馈单元；
[0087]
所述智慧城市信息服务平台构建单元用于构建智慧城市信息服务平台，按照无人机最佳巡检路线调度无人机；所述信息反馈单元用于实时反馈无人机巡检状态。
[0088]
基于大数据的信息服务方法，所述方法包括以下步骤：
[0089]
s1：利用遥感信息生成道路巡检区域网络，获取道路巡检网络内所有严禁占道经营点位的数量和位置，进行标记，以各个严禁占道经营点位为圆心，以a为半径，建立各个店外经营辐射范围；
[0090]
s2：获取各个店外经营辐射范围内的人口密度和建筑土地的使用信息，构建店外经营预测模型，计算在各个严禁占道经营点位店外经营的概率；
[0091]
s3：设置在严禁占道经营点位店外经营的概率阈值，当在严禁占道经营点位店外经营的概率超出阈值时，获取当前严禁占道经营点位的数量和各个严禁占道经营点位的位置；
[0092]
s4：基于在各个严禁占道经营点位的交通流量和无人机到各个严禁占道经营点位
消耗的电量，构建无人机最优巡检路线；
[0093]
s5：构建智慧城市信息服务平台，按照无人机最优巡检路线调度无人机，并实时反馈无人机巡检状态。
[0094]
进一步的，在步骤s1-s2中，所述道路巡检网络内所有严禁占道经营点位的数量为n；对应的各个严禁占道经营点位的位置生成集合a，a＝{(x1,y1),(x2,y2),...,(xn,yn)}；以各个严禁占道经营点位为圆心，以a为半径，建立各个店外经营辐射范围；对应的各个店外经营辐射范围生成集合s，s＝{(s1,s2,...,sn}；其中，s1＝s2＝...＝sn＝πa2；
[0095]
获取各个店外经营辐射范围内的常住人口数量和流动人口数量分别记为集合b和c；其中，b＝{b1,b2,...,bn}；c＝{c1,c2,...,cn}；
[0096]
根据公式：
[0097][0098]
其中，ρi表示第i个店外经营辐射范围si内的人口密度；bi表示第i个店外经营辐射范围si内的常住人口数量；ci表示第i个店外经营辐射范围si内的流动人口数量；si表示第i个店外经营辐射范围；
[0099]
获取各个店外经营辐射范围内建筑土地的使用信息；建筑土地的使用信息包括建筑土地的使用类型和数量；
[0100]
所述建筑土地的使用类型包括：写字楼、居民楼、商场、学校和医院；
[0101]
获取第i个店外经营辐射范围si内写字楼、居民楼、商场、学校和医院的数量分别记为d
i1
、d
i2
、d
i3
、d
i4
和d
i5
；
[0102]
根据公式：
[0103]
pi＝α1*ρi+β1*d
i1
+β2*d
i2
+β3*d
i3
+β4*d
i4
+β5*d
i5
[0104]
其中，pi表示在第i个严禁占道经营点位店外经营的概率；α1表示第i个店外经营辐射范围si内人口密度的权重比例；ρi表示第i个店外经营辐射范围si内的人口密度；β1表示第i个店外经营辐射范围si内写字楼数量的权重比例；β2表示第i个店外经营辐射范围si内居民楼数量的权重比例；β3表示第i个店外经营辐射范围si内商场数量的权重比例；β4表示第i个店外经营辐射范围si内学校数量的权重比例；β5表示第i个店外经营辐射范围si内医院数量的权重比例。
[0105]
进一步的，在步骤s3-s4中，
[0106]
设置在严禁占道经营点位店外经营的概率阈值，记为p0；
[0107]
当在严禁占道经营点位店外经营的概率超出阈值时，获取当前严禁占道经营点位的数量和各个严禁占道经营点位的位置；
[0108]
获取当前严禁占道经营点位的数量，记为m；对应的各个严禁占道经营点位的位置生成集合b，b＝{(x1,y1),(x2,y2),...,(xm,ym)}；
[0109]
构建时刻表数据，取0点到1点为第一小时，其他依次类推，共取24小时，记为集合t＝{t1,t2,...,t
24
}；其中，t1表示0点到1点的时间段；t2表示1点到2点的时间段；以此类推，t
24
表示23点到24点的时间段；
[0110]
选取时刻表数据中任一时期te；
[0111]
构建时期te下，在各个严禁占道经营点位的交通流量模型；
[0112]
获取在时期te下第j个严禁占道经营点位无店外经营时的交通流量；
[0113]
根据公式：
[0114]fj
＝fj+(1+k1)*f0[0115]fj
表示时期te下在第j个严禁占道经营点位的交通流量；fj表示在时期te下第j个严禁占道经营点位无店外经营时的交通流量；k1表示在时期te下第j个严禁占道经营点位店外经营数量增加的比例；f0表示店外经营数量增加对应的交通流量的增量；
[0116]
获取无人机从初始位置到各个严禁占道经营点位的路程值，记为集合h，h＝{h1、h2、
…
、hm}；
[0117]
构建无人机电量消耗模型：
[0118][0119]
其中，qj表示无人机从初始位置到第j个严禁占道经营点位消耗的电量值；hj表示无人机从初始位置到第j个严禁占道经营点位的路程值；h0表示无人机满电巡检的路程值；
[0120]
无人机最优巡检路线模型为：
[0121]
lj＝τ1*fj+τ2*qj[0122]
其中，lj为第j个严禁占道经营点位的巡检推荐得分；τ1表示时期te下在第j个严禁占道经营点位的交通流量的权重比例；fj表示时期te下在第j个严禁占道经营点位的交通流量；τ2表示无人机从初始位置到第j个严禁占道经营点位消耗电量的权重比例；qj表示无人机从初始位置到第j个严禁占道经营点位消耗的电量值；
[0123]
按照各个严禁占道经营点位的巡检推荐得分从高到低进行排序，依次将各个严禁占道经营点位的位置推荐给无人机，生成无人机最优巡检路线。
[0124]
在本实施例中：
[0125]
所述道路巡检网络内所有严禁占道经营点位的数量为5；以各个严禁占道经营点位为圆心，以a＝1为半径，建立各个店外经营辐射范围；对应的各个店外经营辐射范围生成集合s，s＝{s1＝3.14,s2＝3.14,s3＝3.14,s4＝3.14,s5＝3.14}；
[0126]
获取各个店外经营辐射范围内的常住人口数量和流动人口数量分别记为集合b和c；其中，b＝{(b1＝1000,b2＝1300,b3＝1200,b4＝1100,b5＝1150}；c＝{(c1＝100,c2＝80,c3＝60,c4＝90,c5＝50}；
[0127]
根据公式：
[0128][0129]
其中，ρi表示第i个店外经营辐射范围si内的人口密度；bi表示第i个店外经营辐射范围si内的常住人口数量；ci表示第i个店外经营辐射范围si内的流动人口数量；si表示第i个店外经营辐射范围；
[0130]
由此可知，ρ1＝350，ρ2＝439，ρ3＝401，ρ4＝378，ρ5＝382；
[0131]
获取各个店外经营辐射范围内建筑土地的使用信息；建筑土地的使用信息包括建筑土地的使用类型和数量；
[0132]
所述建筑土地的使用类型包括：写字楼、居民楼、商场、学校和医院；
[0133]
获取第i个店外经营辐射范围si内写字楼、居民楼、商场、学校和医院的数量分别
记为d
i1
、d
i2
、d
i3
、d
i4
和d
i5
；
[0134]
可得：d
11
＝5、d
12
＝6、d
13
＝2、d
14
＝1、d
15
＝1；d
21
＝4、d
22
＝10、d
23
＝5、d
24
＝3、d
25
＝2；d
31
＝7、d
32
＝5、d
33
＝1、d
34
＝2、d
35
＝1；d
41
＝2、d
42
＝6、d
43
＝2、d
44
＝2、d
45
＝2；d
51
＝4、d
52
＝10、d
53
＝3、d
54
＝2、d
55
＝2；
[0135]
根据公式：
[0136]
pi＝α1*ρi+β1*d
i1
+β2*d
i2
+β3*d
i3
+β4*d
i4
+β5*d
i5
[0137]
其中，pi表示在第i个严禁占道经营点位店外经营的概率；α1表示第i个店外经营辐射范围si内人口密度的权重比例；ρi表示第i个店外经营辐射范围si内的人口密度；β1表示第i个店外经营辐射范围si内写字楼数量的权重比例；β2表示第i个店外经营辐射范围si内居民楼数量的权重比例；β3表示第i个店外经营辐射范围si内商场数量的权重比例；β4表示第i个店外经营辐射范围si内学校数量的权重比例；β5表示第i个店外经营辐射范围si内医院数量的权重比例。
[0138]
设置α1＝0.2；β1＝0.15；β2＝0.2；β3＝0.1；β4＝0.2；β5＝0.15；
[0139]
因此，可得到p1＝72.5；p2＝91.8；p3＝82.9；p4＝78.7；p5＝80；
[0140]
设置在严禁占道经营点位店外经营的概率阈值p0＝80；
[0141]
当在严禁占道经营点位店外经营的概率超出阈值时，获取当前严禁占道经营点位的数量和各个严禁占道经营点位的位置；
[0142]
获取当前严禁占道经营点位的数量，记为3；
[0143]
构建时刻表数据，取0点到1点为第一小时，其他依次类推，共取24小时，记为集合t＝{t1,t2,...,t
24
}；其中，t1表示0点到1点的时间段；t2表示1点到2点的时间段；以此类推，t
24
表示23点到24点的时间段；
[0144]
选取时刻表数据中任一时期t
17
；
[0145]
构建时期t
17
下，在各个严禁占道经营点位的交通流量模型；
[0146]
根据公式：
[0147]fj
＝fj+(1+k1)*f0[0148]fj
表示时期te下在第j个严禁占道经营点位的交通流量；fj表示在时期te下第j个严禁占道经营点位无店外经营时的交通流量；k1表示在时期te下第j个严禁占道经营点位店外经营数量增加的比例；f0表示店外经营数量增加对应的交通流量的增量；
[0149]
设置k1＝0.5；f0＝20；
[0150]
获取时期t
17
下，各个严禁占道经营点位无店外经营时的交通流量f1＝160；f2＝120；f3＝140；
[0151]
可知，f1＝180；f1＝150；f1＝170；
[0152]
获取无人机从初始位置到各个严禁占道经营点位的路程值，记为集合h，h＝{h1＝6、h2＝3、h3＝4.5}；单位为公里；
[0153]
构建无人机电量消耗模型：
[0154][0155]
其中，qj表示无人机从初始位置到第j个严禁占道经营点位消耗的电量值；hj表示无人机从初始位置到第j个严禁占道经营点位的路程值；h0表示无人机满电巡检的路程值；
[0156]
设置h0＝20；单位为公里；可得到，q1＝30；q2＝15；q3＝22.5；
[0157]
无人机最优巡检路线模型为：
[0158]
lj＝τ1*fj+τ2*qj[0159]
其中，lj表示在第j个严禁占道经营点位的巡检推荐得分；τ1表示时期te下在第j个严禁占道经营点位的交通流量的权重比例；fj表示时期te下在第j个严禁占道经营点位的交通流量；τ2表示无人机从初始位置到第j个严禁占道经营点位消耗电量的权重比例；qj表示无人机从初始位置到第j个严禁占道经营点位消耗的电量值；
[0160]
设置τ1＝0.4；τ2＝0.6；
[0161]
因此，可得出：l1＝90；＝69；l3＝81.5；
[0162]
因此无人机最优巡检路线为：l1—》l3—》l2。
[0163]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0164]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。