会员体验
专利管家（专利管理）
工作空间（专利管理）
风险监控（情报监控）
数据分析（专利分析）
侵权分析（诉讼无效）
联系我们
交流群
官方交流：
QQ群： 891211   
微信请扫码    >>>
现在联系顾问~
首页 / 专利库 / 航路点 / 一种航路网络汇聚点布局方法和装置

一种航路网络汇聚点布局方法和装置
申请号 CN201510128659.X 申请日 2015-03-23 公开(公告)号 CN104732277B 公开(公告)日 2017-07-28
申请人 北京航空航天大学; 发明人 杜文博; 陈震; 周兴莲; 高阳;
摘要 本发明提供一种航路网络汇聚点布局方法和装置，包括：根据预设的粒子数量，获取与粒子数量对应的航路网络汇聚点的布局粒子；对每个布局粒子对应的运行成本执行判断操作；若否，根据每个布局粒子对应的运行成本、预设的第二阈值确定学习粒子群；根据第一布局粒子的属性更新每个布局粒子的属性，获取更新后的布局粒子；对更新后的布局粒子执行判断操作，直至确定更新后的布局粒子中的第二布局粒子对应的运行成本小于等于第一阈值；将第三布局粒子作为最优布局粒子，并根据最优布局粒子所指示的航路汇聚点的布局，调整航路网络汇聚点的布局。本发明提供的航路网络汇聚点布局方法和装置，能够更加快速找到符合用户要求的航路网络汇聚点布局。
权利要求

1.一种航路网络汇聚点布局方法，其特征在于，包括：

根据预设的粒子数量，获取与所述粒子数量对应的航路网络汇聚点的布局粒子；其中，每个所述布局粒子指示所述航路网络汇聚点的一种布局，每个所述布局粒子包括至少一个航路网络汇聚点；

对每个所述布局粒子对应的运行成本执行判断操作；其中，所述判断操作包括：判断每个所述布局粒子对应的运行成本是否小于等于预设的第一阈值，所述第一阈值为最小运行成本；

若否，则根据每个所述布局粒子对应的运行成本、所述预设的第二阈值确定学习粒子群；其中，所述学习粒子群包括运行成本大于第一阈值且小于等于第二阈值的第一布局粒子，所述第二阈值与所述第一阈值的差值等于预设差值；所述第一布局粒子的数量小于所述预设的粒子数量；

根据所述第一布局粒子的属性更新每个所述布局粒子的属性，获取更新后的布局粒子；其中，所述第一布局粒子的属性包括所述第一布局粒子的位置，所述布局粒子的属性包括所述布局粒子的位置和所述布局粒子的速度；

对所述更新后的布局粒子执行所述判断操作，直至确定所述更新后的布局粒子中的第二布局粒子对应的运行成本小于等于所述第一阈值；所述第二布局粒子包括一个或多个所述更新后的布局粒子；

将第三布局粒子作为最优布局粒子，并根据所述最优布局粒子所指示的航路网络汇聚点的布局，调整所述航路网络汇聚点的布局；其中，所述第三布局粒子为所述第二布局粒子中运行成本最小的布局粒子。

2.根据权利要求1所述的方法，其特征在于，对所述更新后的布局粒子执行所述判断操作，还包括：记录每个所述布局粒子的更新次数；

若所述更新后的布局粒子对应的运行成本均大于所述第一阈值，则判断每个所述布局粒子的更新次数是否大于等于预设的更新次数；

若是，则确定所述更新后的布局粒子中运行成本最小的第四布局粒子，将所述第四布局粒子作为所述最优布局粒子。

3.根据权利要求2所述的方法，其特征在于，所述确定所述更新后的布局粒子中运行成本最小的第四布局粒子，具体包括：确定所述更新后的布局粒子对应的历史最优运行成本；

根据所述更新后的布局粒子对应的历史最优运行成本，将所述更新后的布局粒子中历史最优运行成本最小的布局粒子作为所述第四布局粒子。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述对每个所述布局粒子对应的运行成本执行判断操作，具体包括：获取机场节点的数量和所述机场节点的位置；

根据所述机场节点的数量和所述机场节点的位置，确定每个所述机场节点与每个所述布局粒子中的航路网络汇聚点的第一连接关系，以及，每个所述布局粒子中的各个航路网络汇聚点之间的第二连接关系；

根据所述第一连接关系确定每个所述机场节点与每个所述布局粒子中的航路网络汇聚点之间的第一空中流量和第一空中距离；

根据所述第二连接关系确定每个所述布局粒子中的各个航路网络汇聚点之间的第二空中流量和第二空中距离；

根据 获取每个所述布局粒子对应的运行

成本；

其中，所述N表示第N个布局粒子，所述TAC(N)为所述第N个布局粒子对应的运行成本，所述F(N)为包括所述第N个布局粒子的所述第一空中流量和所述第二空中流量的矩阵，所述D(N)为包括所述第N个布局粒子的所述第一空中距离和所述第二空中距离的矩阵，所述m表示所述机场节点的数量，所述n表示所述第N个布局粒子中航路网络汇聚点的数量，所述fab表示所述第一空中流量或所述第二空中流量，所述dab表示所述第一空中距离或所述第二空中距离，所述a表示第a个机场节点或所述布局粒子中的第a个航路网络汇聚点，所述b表示第b个机场节点或所述布局粒子中的第b个航路网络汇聚点。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第一布局粒子的属性更新每个所述布局粒子的属性，获取更新后的布局粒子，具体包括：根据 更新每个所述布局粒子的当前速度

获取每个所述布局粒子更新后的速度

根据 更新每个所述布局粒子的当前位置 获取每个所述布

局粒子更新后的位置

其中，1≤i≤N，i表示第i个布局粒子，N表示所述预设的粒子数量，s表示所述第i个布局粒子中的第 个航路网络汇聚点的x坐标或第 个航路网络汇聚点的y坐标，χ表示控制所述布局粒子更新的收缩因子，表示控制所述布局粒子更新的加速因子，Wi表示所述学习粒子群中的所述第一布局粒子的数量，rq表示[0,1]间服从均匀分布的随机量， 表示第q个第一布局粒子的第 个航路网络汇聚点的x坐标的位置或第 个航路网络汇聚点的y坐标的位置， 表示所述第i个布局粒子中的第 个航路网络汇聚点的x坐标的当前位置或第 个航路网络汇聚点的y坐标的当前位置。

6.一种航路网络汇聚点布局装置，其特征在于，包括：

获取单元，用于根据预设的粒子数量，获取与所述粒子数量对应的航路网络汇聚点的布局粒子；其中，每个所述布局粒子指示所述航路网络汇聚点的一种布局，每个所述布局粒子包括至少一个航路网络汇聚点；

判断单元，用于对所述获取单元中的每个所述布局粒子对应的运行成本执行判断操作；其中，所述判断操作包括：判断每个所述布局粒子对应的运行成本是否小于等于预设的第一阈值，所述第一阈值为最小运行成本；

确定单元，用于当所述判断单元判断每个所述布局粒子对应的运行成本大于预设的第一阈值时，根据每个所述布局粒子对应的运行成本、所述预设的第二阈值确定学习粒子群；

其中，所述学习粒子群包括运行成本大于第一阈值且小于等于第二阈值的第一布局粒子，所述第二阈值与所述第一阈值的差值等于预设差值；所述第一布局粒子的数量小于所述预设的粒子数量；

更新单元，用于根据所述确定单元确定的所述第一布局粒子的属性更新每个所述布局粒子的属性，获取更新后的布局粒子；其中，所述第一布局粒子的属性包括所述第一布局粒子的位置，所述布局粒子的属性包括所述布局粒子的位置和所述布局粒子的速度；

所述判断单元，还用于对所述更新单元获取的所述更新后的布局粒子执行所述判断操作，直至确定所述更新后的布局粒子中的第二布局粒子对应的运行成本小于等于所述第一阈值；所述第二布局粒子包括一个或多个所述更新后的布局粒子；

处理单元，用于将第三布局粒子作为最优布局粒子，并根据所述最优布局粒子所指示的航路网络汇聚点的布局，调整所述航路网络汇聚点的布局；其中，所述第三布局粒子为所述第二布局粒子中运行成本最小的布局粒子。

7.根据权利要求6所述的装置，其特征在于，所述判断单元，还用于记录每个所述布局粒子的更新次数，并在判断所述更新后的布局粒子对应的运行成本均大于所述第一阈值时，进一步判断每个所述布局粒子的更新次数是否大于等于预设的更新次数；

则所述处理单元，还用于当所述判断单元判断所述布局粒子的更新次数大于预设的更新次数时，确定所述更新后的布局粒子中运行成本最小的第四布局粒子，将所述第四布局粒子作为所述最优布局粒子。

8.根据权利要求7所述的装置，其特征在于，所述处理单元，具体用于确定所述更新后的布局粒子对应的历史最优运行成本，并根据所述更新后的布局粒子对应的历史最优运行成本，将所述更新后的布局粒子中历史最优运行成本最小的布局粒子作为所述第四布局粒子。

9.根据权利要求6-8任一项所述的装置，其特征在于，所述判断单元具体包括：

第一获取子单元，用于获取机场节点的数量和所述机场节点的位置；

第一确定子单元，用于根据所述第一获取子单元获取的所述机场节点的数量和所述机场节点的位置，确定每个所述机场节点与每个所述布局粒子中的航路网络汇聚点的第一连接关系，以及，每个所述布局粒子中的各个航路网络汇聚点之间的第二连接关系；

第二确定子单元，用于根据所述第一连接关系确定每个所述机场节点与每个所述布局粒子中的航路网络汇聚点之间的第一空中流量和第一空中距离，并根据所述第二连接关系确定每个所述布局粒子中的各个航路网络汇聚点之间的第二空中流量和第二空中距离；

第二获取子单元，用于根据 获取每个所

述布局粒子对应的运行成本；其中，所述N表示第N个布局粒子，所述TAC(N)为所述第N个布局粒子对应的运行成本，所述F(N)为包括所述第N个布局粒子的所述第一空中流量和所述第二空中流量的矩阵，所述D(N)为包括表示所述第N个布局粒子的所述第一空中距离和所述第二空中距离的矩阵，所述m表示所述机场节点的数量，所述n表示所述第N个布局粒子中航路网络汇聚点的数量，所述fab表示所述第一空中流量或所述第二空中流量，所述dab表示所述第一空中距离或所述第二空中距离，所述a表示第a个机场节点或所述布局粒子中的第a个航路网络汇聚点，所述b表示第b个机场节点或所述布局粒子中的第b个航路网络汇聚点。

10.根据权利要求9所述的装置，其特征在于，所述更新单元，具体用于根据更新每个所述布局粒子的当前速度 获取每个所述布局粒子更新后的速度 并根据 更新每个所述布

局粒子的当前位置 获取每个所述布局粒子更新后的位置

其中，1≤i≤N，i表示第i个布局粒子，N表示所述预设的粒子数量，s表示所述第i个布局粒子中的第 个航路网络汇聚点的x坐标或第 个航路网络汇聚点的y坐标，χ表示控制所述布局粒子更新的收缩因子，表示控制所述布局粒子更新的加速因子，Wi表示所述学习粒子群中的所述第一布局粒子的数量，rq表示[0,1]间服从均匀分布的随机量， 表示第q个第一布局粒子的第 个航路网络汇聚点的x坐标的位置或第 个航路网络汇聚点的y坐标的位置， 表示所述第i个布局粒子中的第 个航路网络汇聚点的x坐标的当前位置或第 个航路网络汇聚点的y坐标的当前位置。
说明书全文

一种航路网络汇聚点布局方法和装置

技术领域

[0001] 本发明涉及航空航路网络技术领域，尤其涉及一种航路网络汇聚点布局方法和装置。

背景技术

[0002] 随着当今社会全球化进程的快速发展，航空运输作为一种交通运输方式，基于其便捷性和高效性，在现代社会的交通运输业中起着越来越重要的作用。由于越来越多的旅客选择乘坐航空交通工具出行，所以空中交通变得越来越拥挤，从而导致现有的航路网络无法满足日益增长的空中交通流量的需求。为了满足航空运输对航路网络的需求，需要根据空中交通流量分布特征、发展趋势对航路网络重新进行科学、高效的规划。其中,航路网络汇聚点的科学布局是航路网络规划的核心问题。
[0003] 基于上述目的，各种用于优化航路网络汇聚点布局的智能优化方法被广泛应用。粒子群优化方法(Particle Swarm Optimization，简称：PSO)作为一种模仿鸟类群体行为的智能优化方法，通过群体中个体之间的协作和信息共享来寻找最优解。粒子群优化方法的优势在于简单容易实现且不受过多参数干扰。采用粒子群优化的方法对航路网络汇聚点进行优化时，各种航路网络汇聚点布局按照粒子群中各粒子的学习模式不断进行优化，从而得到航路网络汇聚点全局历史最优布局；其中，在利用粒子群优化方法优化航路网络汇聚点布局时，假设航路网络汇聚点共有10个，则每个粒子包括10个航路网络汇聚点，且每个粒子代表一种航路网络汇聚点布局。
[0004] 但是在采用现有的粒子群优化方法对航路网络汇聚点布局进行优化时，所有粒子的学习方式和行为方式都是同一的。例如，每个粒子只向所有粒子中最优的一个粒子学习，则由于每个粒子均忽视了其他较优粒子的有效信息，导致全局中的有效信息匮乏，使得该粒子群优化方法收敛速度慢；或者，每个粒子向所有粒子学习，则由于每个粒子均获得了大量的无效的冗余信息，导致全局中无效的冗余信息过多，使得该粒子群优化方法的收敛速度慢。

发明内容

[0005] 本发明提供一种航路网络汇聚点布局方法和装置，用以解决现有技术中采用粒子群优化方法对航路网络汇聚点布局进行优化时，收敛速度过慢的问题。
[0006] 为达到上述目的，本发明的实施例采用如下技术方案：
[0007] 第一方面，本发明提供一种航路网络汇聚点布局方法，包括：
[0008] 根据预设的粒子数量，获取与所述粒子数量对应的航路网络汇聚点的布局粒子；其中，每个所述布局粒子指示所述航路网络汇聚点的一种布局，每个所述布局粒子包括至少一个航路网络汇聚点；
[0009] 对每个所述布局粒子对应的运行成本执行判断操作；其中，所述判断操作包括：判断每个所述布局粒子对应的运行成本是否小于等于预设的第一阈值，所述第一阈值为最小运行成本；
[0010] 若否，则根据每个所述布局粒子对应的运行成本、所述预设的第二阈值确定学习粒子群；其中，所述学习粒子群包括运行成本大于第一阈值且小于等于第二阈值的第一布局粒子，所述第二阈值与所述第一阈值的差值等于预设差值；所述第一布局粒子的数量小于所述预设的粒子数量；
[0011] 根据所述第一布局粒子的属性更新每个所述布局粒子的属性，获取更新后的布局粒子；其中，所述第一布局粒子的属性包括所述第一布局粒子的位置，所述布局粒子的属性包括所述布局粒子的位置和所述布局粒子的速度；
[0012] 对所述更新后的布局粒子执行所述判断操作，直至确定所述更新后的布局粒子中的第二布局粒子对应的运行成本小于等于所述第一阈值；所述第二布局粒子包括一个或多个；
[0013] 将第三布局粒子作为最优布局粒子，并根据所述最优布局粒子所指示的航路网络汇聚点的布局，调整所述航路网络汇聚点的布局；其中，所述第三布局粒子为所述第二布局粒子中运行成本最小的布局粒子。
[0014] 结合第一方面，在第一方面的第一种可能的实施方式中，对所述更新后的布局粒子执行所述判断操作，还包括：
[0015] 记录每个所述布局粒子的更新次数；
[0016] 若所述更新后的布局粒子对应的运行成本均大于所述第一阈值，则判断每个所述布局粒子的更新次数是否大于等于预设的更新次数；
[0017] 若是，则确定所述更新后的布局粒子中运行成本最小的第四布局粒子，将所述第四布局粒子作为所述最优布局粒子。
[0018] 结合第一方面的第一种可能的实施方式，在第一方面的第二种可能的实施方式中，所述确定所述更新后的布局粒子中运行成本最小的第四布局粒子，具体包括：
[0019] 确定所述更新后的布局粒子对应的历史最优运行成本；
[0020] 根据所述更新后的布局粒子对应的历史最优运行成本，将所述更新后的布局粒子中历史最优运行成本最小的布局粒子作为所述第四布局粒子。
[0021] 结合第一方面至第一方面的第二种可能的实施方式中的任一项，在第一方面的第三种可能的实施方式中，所述对每个所述布局粒子对应的运行成本执行判断操作，具体包括：
[0022] 获取机场节点的数量和所述机场节点的位置；
[0023] 根据所述机场节点的数量和所述机场节点的位置，确定每个所述机场节点与每个所述布局粒子中的航路网络汇聚点的第一连接关系，以及，每个所述布局粒子中的各个航路网络汇聚点之间的第二连接关系；
[0024] 根据所述第一连接关系确定每个所述机场节点与每个所述布局粒子中的航路网络汇聚点之间的第一空中流量和第一空中距离；
[0025] 根据所述第二连接关系确定每个所述布局粒子中的各个航路网络汇聚点之间的第二空中流量和第二空中距离；
[0026] 根据 获取每个所述布局粒子对应的运行成本；
[0027] 其中，所述N表示第N个布局粒子，所述TAC(N)为所述第N个布局粒子对应的运行成本，所述F(N)为包括所述第N个布局粒子的所述第一空中流量和所述第二空中流量的矩阵，所述D(N)为包括所述第N个布局粒子的所述第一空中距离和所述第二空中距离的矩阵，所述m表示所述机场节点的数量，所述n表示所述第N个布局粒子中航路网络汇聚点的数量，所述fab表示所述第一空中流量或所述第二空中流量，所述dab表示所述第一空中距离或所述第二空中距离，所述a表示第a个机场节点或所述布局粒子中的第a个航路网络汇聚点，所述b表示第b个机场节点或所述布局粒子中的第b个航路网络汇聚点。
[0028] 结合第一方面的第三种可能的实施方式，在第一方面的第四种可能的实施方式中，所述根据所述第一布局粒子的属性更新每个所述布局粒子的属性，获取更新后的布局粒子，具体包括：
[0029] 根据 更新每个所述布局粒子的当前速度 获取每个所述布局粒子更新后的速度
[0030] 根据 更新每个所述布局粒子的当前位置 获取每个所述布局粒子更新后的位置
[0031] 其中，1≤i≤N，i表示第i个布局粒子，N表示所述预设的粒子数量，s表示所述第i个布局粒子中的第 个航路网络汇聚点的x坐标或第 个航路网络汇聚点的y坐标，χ表示控制所述布局粒子更新的收缩因子， 表示控制所述布局粒子更新的加速因子，Wi表示所述学习粒子群中的所述第一布局粒子的数量，rq表示[0,1]间服从均匀分布的随机量，表示第q个第一布局粒子的第 个航路网络汇聚点的x坐标的位置或第 个航路网络汇聚点的y坐标的位置， 表示所述第i个布局粒子中的第 个航路网络汇聚点的x坐标的当前位置或第 个航路网络汇聚点的y坐标的当前位置。
[0032] 第二方面，本发明提供一种航路网络汇聚点布局装置，包括：
[0033] 获取单元，用于根据预设的粒子数量，获取与所述粒子数量对应的航路网络汇聚点的布局粒子；其中，每个所述布局粒子指示所述航路网络汇聚点的一种布局，每个所述布局粒子包括至少一个航路网络汇聚点；
[0034] 判断单元，用于对所述获取单元中的每个所述布局粒子对应的运行成本执行判断操作；其中，所述判断操作包括：判断每个所述布局粒子对应的运行成本是否小于等于预设的第一阈值，所述第一阈值为最小运行成本；
[0035] 确定单元，用于当所述判断单元判断每个所述布局粒子对应的运行成本大于预设的第一阈值时，根据每个所述布局粒子对应的运行成本、所述预设的第二阈值确定学习粒子群；其中，所述学习粒子群包括运行成本大于第一阈值且小于等于第二阈值的第一布局粒子，所述第二阈值与所述第一阈值的差值等于预设差值；所述第一布局粒子的数量小于所述预设的粒子数量；
[0036] 更新单元，用于根据所述确定单元确定的所述第一布局粒子的属性更新每个所述布局粒子的属性，获取更新后的布局粒子；其中，所述第一布局粒子的属性包括所述第一布局粒子的位置，所述布局粒子的属性包括所述布局粒子的位置和所述布局粒子的速度；
[0037] 所述判断单元，还用于对所述更新单元获取的所述更新后的布局粒子执行所述判断操作，直至确定所述更新后的布局粒子中的第二布局粒子对应的运行成本小于等于所述第一阈值；所述第二布局粒子包括一个或多个；
[0038] 处理单元，用于将第三布局粒子作为最优布局粒子，并根据所述最优布局粒子所指示的航路网络汇聚点的布局，调整所述航路网络汇聚点的布局；其中，所述第三布局粒子为所述第二布局粒子中运行成本最小的布局粒子。
[0039] 结合第二方面，在第二方面的第一种可能的实施方式中，所述判断单元，还用于记录每个所述布局粒子的更新次数，并在判断所述更新后的布局粒子对应的运行成本均大于所述第一阈值时，进一步判断每个所述布局粒子的更新次数是否大于等于预设的更新次数；
[0040] 则所述处理单元，还用于当所述判断单元判断所述布局粒子的更新次数大于预设的更新次数时，确定所述更新后的布局粒子中运行成本最小的第四布局粒子，将所述第四布局粒子作为所述最优布局粒子。
[0041] 结合第二方面的第一种可能的实施方式，在第二方面的第二种可能的实施方式中，所述处理单元，具体用于确定所述更新后的布局粒子对应的历史最优运行成本，并根据所述更新后的布局粒子对应的历史最优运行成本，将所述更新后的布局粒子中历史最优运行成本最小的布局粒子作为所述第四布局粒子。
[0042] 结合第二方面至第二方面的第二种可能的实施方式中的任一项，在第二方面的第三种可能的实施方式中，所述判断单元具体包括：
[0043] 第一获取子单元，用于获取机场节点的数量和所述机场节点的位置；
[0044] 第一确定子单元，用于根据所述第一获取子单元获取的所述机场节点的数量和所述机场节点的位置，确定每个所述机场节点与每个所述布局粒子中的航路网络汇聚点的第一连接关系，以及，每个所述布局粒子中的各个航路网络汇聚点之间的第二连接关系；
[0045] 第二确定子单元，用于根据所述第一连接关系确定每个所述机场节点与每个所述布局粒子中的航路网络汇聚点之间的第一空中流量和第一空中距离，并根据所述第二连接关系确定每个所述布局粒子中的各个航路网络汇聚点之间的第二空中流量和第二空中距离；
[0046] 第二获取子单元，用于根据 获取每个所述布局粒子对应的运行成本；其中，所述N表示第N个布局粒子，所述TAC(N)为所述第N个布局粒子对应的运行成本，所述F(N)为包括所述第N个布局粒子的所述第一空中流量和所述第二空中流量的矩阵，所述D(N)为包括表示所述第N个布局粒子的所述第一空中距离和所述第二空中距离的矩阵，所述m表示所述机场节点的数量，所述n表示所述第N个布局粒子中航路网络汇聚点的数量，所述fab表示所述第一空中流量或所述第二空中流量，所述dab表示所述第一空中距离或所述第二空中距离，所述a表示第a个机场节点或所述布局粒子中的第a个航路网络汇聚点，所述b表示第b个机场节点或所述布局粒子中的第b个航路网络汇聚点。
[0047] 结合第二方面的第三种可能的实施方式，在第二方面的第四种可能的实施方式中，所述更新单元，具体用于根据
[0048]
[0049] 更新每个所述布局粒子的当前速度 获取每个所述布局粒子更新后的速度并根据 更新每个所述布局粒子的当前位置 获取每个所述布局粒子更新后的位置
[0050] 其中，1≤i≤N，i表示第i个布局粒子，N表示所述预设的粒子数量，s表示所述第i个布局粒子中的第 个航路网络汇聚点的x坐标或第 个航路网络汇聚点的y坐标，χ表示控制所述布局粒子更新的收缩因子， 表示控制所述布局粒子更新的加速因子，Wi表示所述学习粒子群中的所述第一布局粒子的数量，rq表示[0,1]间服从均匀分布的随机量，表示第q个第一布局粒子的第 个航路网络汇聚点的x坐标的位置或第 个航路网络汇聚点的y坐标的位置， 表示所述第i个布局粒子中的第 个航路网络汇聚点的x坐标的当前位置或第 个航路网络汇聚点的y坐标的当前位置。
[0051] 本发明提供的航路网络汇聚点布局方法和装置，通过预设的第二阈值、确定了一个由较优的布局粒子所组成的学习粒子群，并通过限定每个布局粒子仅通过学习粒子群包括的布局粒子的属性更新自身的属性的学习方式，使得每个布局粒子可以在获取到更多有效信息对自身的属性进行更新的前提下，同时又避免了出现获取到过多的无效的冗余信息对自身的属性更新产生的负面影响的情况，进而加快了找到最优布局粒子的速度。因此，与现有技术相比，通过本发明实施例所提供的航路网络汇聚点布局方法，能够更加快速找到符合用户要求的航路网络汇聚点布局，使得航路网络的在满足空中流量需求的情况下，运行成本达到最低。

附图说明

[0052] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0053] 图1为本发明实施例所提供的航路网络汇聚点布局方法实施例一的流程图；
[0054] 图2为本发明实施例所提供的航路网络汇聚点布局方法实施例二的流程图；
[0055] 图3为本发明实施例所提供的航路网络汇聚点布局方法实施例三的流程图；
[0056] 图4为本发明实施例所提供的航路网络汇聚点布局装置实施例一的结构示意图；
[0057] 图5为本发明实施例所提供的航路网络汇聚点布局装置实施例二的结构示意图。

具体实施方式

[0058] 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作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。
[0059] 航路网络汇聚点，也被称为航路定位点，用于定位航路网络中的航线。本发明提供的航路网络汇聚点布局方法，通过已知的航路网络中的m个机场节点的数量和位置、航路网络汇聚点的数量n、每个航路网络汇聚点和每个机场节点间的连接关系和历史空中流量、每个航路网络汇聚点之间的连接关系和历史空中流量，可以确定n个航路网络汇聚点在航路网络中的最优布局，以使得航路网络在满足空中流量需求的情况下，运行成本达到最低。
[0060] 其中，本发明中的航路网络汇聚点的位置、和机场节点的位置可以用二维坐标(x,y)表示。其中，该二维坐标(x,y)与经纬度相对应；当坐标x代表经度时，则坐标y代表纬度；反之，当坐标x代表纬度时，则坐标y代表经度。坐标x和y与经纬度之间的换算方法采用现有技术的换算方式，本发明对此不再赘述。本发明中均以坐标x代表经度，坐标y代表纬度为例对本发明进行详细说明。
[0061] 图1为本发明实施例所提供的航路网络汇聚点布局方法实施例一的流程图。该方法的执行主体可以为具有航线处理功能的通信设备，或者还可以为一航线处理功能的通信系统，该通信系统可以包括具有接收、检测、更新判断功能的各种硬件设备。如图1所示，该方法可以包括如下步骤：
[0062] 步骤S101：根据预设的粒子数量，获取与粒子数量对应的航路网络汇聚点的布局粒子。
[0063] 具体的，本发明实施例提供的航路网络汇聚点布局方法采用粒子群优化方法。粒子群优化方法中的粒子为本发明实施例中的布局粒子，该布局粒子的数量等于该粒子群优化方法中预设的粒子数量。其中，每个布局粒子指示航路网络汇聚点在航路网络中的一种布局，即，航路网络汇聚点在航路网络中的位置；每个航路网络中的航路网络汇聚点的数量可以为一个、也可以为多个；每个布局粒子包括航路网络中的所有航路网络汇聚点。
[0064] 本发明实施例对获取布局粒子的方式、及布局粒子的表示形式不进行限定。例如，可以通过随机设置布局粒子的方式获取布局粒子；该随机设置的布局粒子可以为一个2n型的实数向量，例如：(x1,y1,x2,y2……xn,yn)。其中，n表示布局粒子中包括的航路网络汇聚点的数量，(x1,y1)为第1个航路网络汇聚点的位置，(x2,y2)为第2个航路网络汇聚点的位置，以此类推。当然，在获取布局粒子时，还可以获取每个布局粒子对应的速度，进而可以获取布局粒子根据该速度所移动的位置，进而使得布局粒子所指示的航路网络汇聚点的布局发生变化。需要说明的是，由于航空空域存在航空交通管制区，在航空管制区内无法布设航路网络。当以随机设置布局粒子的方式获取布局粒子时，需要将每个布局粒子随机设置在非航空交通管制区内。
[0065] 步骤S102：对每个布局粒子对应的运行成本执行判断操作。
[0066] 上述判断操作可以包括：判断每个布局粒子对应的运行成本是否小于等于预设的第一阈值；其中，第一阈值可以为最小运行成本，该最小运行成本可以根据用户的实际需求设定。
[0067] 具体的，上述运行成本可以为航路网络的总飞行花费、总油耗、总人力成本、总飞行距离等。当获取到上述布局粒子之后，可以根据每个布局粒子所指示的航路网络汇聚点的布局，结合航路网络中机场节点的数量和位置、每个航路网络汇聚点和每个机场节点间的连接关系和历史空中流量、每个航路网络汇聚点之间的连接关系和历史空中流量，确定每个布局粒子对应的运行成本，并判断每个布局粒子对应的运行成本是否小于等于预设的第一阈值。若判断有一个布局粒子对应的运行成本小于等于预设的第一阈值时，说明该布局粒子对应的运行成本小于等于预设的最小运行成本，则确定该布局粒子为最优布局粒子；若判断有多个布局粒子对应的运行成本小于等于预设的第一阈值时，则说明有多个布局粒子对应的运行成本小于等于预设的最小运行成本，则确定这多个布局粒子中运行成本最小的布局粒子为最优布局粒子；若判断每个布局粒子对应的运行成本均大于预设的第一阈值时，说明不存在运行成本小于等于预设的最小运行成本(即，第一阈值)的布局粒子，则执行步骤S103。
[0068] 步骤S103：若判断每个布局粒子对应的运行成本是大于预设的第一阈值，则根据每个布局粒子对应的运行成本、预设的第二阈值确定学习粒子群。其中，学习粒子群包括运行成本大于第一阈值且小于等于第二阈值的第一布局粒子，第二阈值与第一阈值的差值等于预设差值。
[0069] 具体的，当判断每个布局粒子对应的运行成本均大于预设的第一阈值后，可以根据每个布局粒子对应的运行成本和预设的第二阈值确定学习粒子群。该学习粒子群可以包括一个或多个第一布局粒子，每个第一布局粒子对应的运行成本均大于第一阈值且小于等于第二阈值。其中，第二阈值可以为大于、且接近第一阈值的一个阈值。第二阈值与第一阈值之间的差值可以为一预设差值，该预设差值可以根据用户的实际需求设定。当上述学习粒子群包括多个第一布局粒子时，该学习粒子群中包括的第一布局粒子的数量小于预设的粒子数量。
[0070] 以布局粒子数量为5个，布局粒子对应的运行成本为航路网络的总飞行距离为例。假设预设的第一阈值为10000公里；第二阈值与第一阈值之间的预设差值为第一阈值的百分之二十，即预设差值为2000公里；则第二阈值为第一阈值与预设差值之和，即12000公里。
其中，5个布局粒子对应的运行成本如表1所示，具体如下：
[0071] 表1
[0072]
[0073] 根据上述预设的第一阈值和第二阈值可知，表1中第2个布局粒子和第3个布局粒子对应的运行成本大于第一阈值且小于等于第二阈值，则第2个布局粒子和第3个布局粒子为第一布局粒子。也就是说，根据5个布局粒子对应的运行成本、预设的第二阈值(即，12000公里)确定的学习粒子群包括第2个布局粒子和第3个布局粒子。
[0074] 步骤S104：根据第一布局粒子的属性更新每个布局粒子的属性，获取更新后的布局粒子。
[0075] 上述第一布局粒子的属性可以包括第一布局粒子的位置，布局粒子的属性可以包括布局粒子的位置和布局粒子的速度。其中，第一布局粒子为通过第二阈值确定的全局中较优的布局粒子。每个布局粒子可以通过所有第一布局粒子的属性更新自身的属性，以使得布局粒子可以向全局中曾经取得的最好位置移动。每个布局粒子通过上述更新自身属性的方式，体现了布局粒子对群体信息的认知，以及布局粒子间的信息共享和相互作用。因此，当每个布局粒子通过第一布局粒子(全局中较优的布局粒子)的属性更新自身的属性，使得布局粒子可以获取到全局中较多有效信息，同时又不会获取到大量的、无效的冗余信息，提高了找到最优布局粒子的速度。
[0076] 步骤S105：对更新后的布局粒子执行判断操作，直至确定更新后的布局粒子中的第二布局粒子对应的运行成本小于等于第一阈值。
[0077] 其中，步骤S105中的相关解释可以参考步骤S102中的相关解释，此处不再一一赘述。仅需要说明的是，上述第二布局粒子可以包括一个或多个更新后的布局粒子；其中，该一个或多个布局粒子对应的运行成本均小于等于第一阈值。当第二布局粒子包括多个更新后的布局粒子时，该多个布局粒子的数量可以小于等于预设的粒子数量。
[0078] 步骤S106：将第三布局粒子作为最优布局粒子，并根据最优布局粒子所指示的航路汇聚点的布局，调整航路网络汇聚点的布局；其中，第三布局粒子为第二布局粒子中运行成本最小的布局粒子。
[0079] 具体的，上述第三布局粒子为第二布局粒子中运行成本最小的布局粒子。也就是说，若上述第二布局粒子仅包括一个布局粒子，则确定该第二布局粒子为第三布局粒子，即将该第二布局粒子作为最优布局粒子；若上述第二布局粒子包括多个布局粒子，则确定这多个布局粒子中运行成本最小的布局粒子为第三布局粒子，也就是将该运行成本最小的布局粒子作为最优的布局粒子。
[0080] 当根据上述方式确定最优布局粒子后，则可以根据该最优布局粒子所指示的航路网络汇聚点的布局，调整当前航路网络汇聚点的布局，以使得航路网络汇聚点的布局达到最优，进而使得航路网络的在满足空中流量需求的情况下，运行成本达到最低。
[0081] 以布局粒子数量为10个，布局粒子对应的运行成本为航路网络的总飞行距离为例。假定第二布局粒子包括第3个布局粒子和第6个布局粒子。若第3个布局粒子对应的运行成本为9800公里，第6个布局粒子对应的运行成本为9500公里，则确定第6个布局粒子对应的运行成本最小，即第6个布局粒子为第三布局粒子。也就是说，将第6个布局粒子作为最优布局粒子，并根据该第6个布局粒子所指示的航路汇聚点的布局，调整航路网络汇聚点的布局，以使得航路网络汇聚点的布局达到最优，进而使得航路网络的在满足空中流量需求的情况下，运行成本达到最低。
[0082] 现有技术对航路网络汇聚点的布局进行优化时，每个布局粒子通过所有布局粒子的属性更新自身的属性，以寻找全局中最优的布局粒子。该方法使得每个布局粒子在更新自身属性时，虽然会获取到全局中全部的有效信息，但是同时也会获取到大量的、无效的冗余信息，导致全局中无效的冗余信息过多，降低了找到最优布局粒子的速度。而本发明实施例中，通过预设的第二阈值、确定了一个由较优的布局粒子所组成的学习粒子群，并限定每个布局粒子仅通过学习粒子群中布局粒子的属性更新自身的属性，以寻找全局中最优的布局粒子。本发明实施例使得每个布局粒子在更新自身属性时，可以获取到全局中较多的有效信息，同时又不会获取到大量的、无效的冗余信息，提高了找到最优布局粒子的速度。
[0083] 本发明实施例所提供的航路网络汇聚点布局方法，通过预设的第二阈值、确定了一个由较优的布局粒子所组成的学习粒子群，并通过限定每个布局粒子仅通过学习粒子群包括的布局粒子的属性更新自身的属性的学习方式，使得每个布局粒子可以在充分获取到更多有效信息对自身的属性进行更新的前提下，同时又避免了出现获取到过多的无效的冗余信息对自身的属性更新产生的负面影响的情况，进而加快了找到最优布局粒子的速度。因此，与现有技术相比，通过本发明实施例所提供的航路网络汇聚点布局方法，能够更加快速找到符合用户要求的航路网络汇聚点布局，使得航路网络的在满足空中流量需求的情况下，运行成本达到最低。
[0084] 进一步地，在上述图1所示实施例的基础上，本实施例涉及的是通信设备或通信系统在获取更新后的布局粒子之后，执行判断操作的一具体过程。参见图2所示的本发明实施例所提供的航路网络汇聚点布局方法实施例二的流程图。如图2所示，在步骤S104之后，该方法还可以包括如下步骤：
[0085] 步骤S201：对更新后的布局粒子执行判断操作，并记录每个布局粒子的更新次数。
[0086] 具体的，可以预设布局粒子的更新次数。当判断更新后的布局粒子对应的运行成本均大于第一阈值时，可以以计数的方式记录每个布局粒子的更新次数。
[0087] 步骤S202：若更新后的布局粒子对应的运行成本均大于第一阈值，则判断每个布局粒子的更新次数是否大于等于预设的更新次数。
[0088] 具体的，当判断更新后的布局粒子对应的运行成本均大于第一阈值、且每个布局粒子的更新次数大于或等于预设的更新次数时，则执行步骤S203。反之，当判断更新后的布局粒子对应的运行成本均大于第一阈值、且每个布局粒子的更新次数小于预设的更新次数时，则执行步骤S103。
[0089] 可选的，由于每个布局粒子的更新次数均相同，因此，当每次更新后的布局粒子对应的运行成本均大于第一阈值时，则可以随机判断其中一个布局粒子的更新次数是否大于等于预设的更新次数，无需判断所有布局粒子的更新次数是否均大于等于预设的更新次数，节省了通信设备或通信系统的处理资源。
[0090] 步骤S203：若判断每个布局粒子的更新次数均大于等于预设的更新次数，则确定更新后的布局粒子中运行成本最小的第四布局粒子，将第四布局粒子作为最优布局粒子，并根据最优布局粒子所指示的航路汇聚点的布局，调整航路网络汇聚点的布局。
[0091] 具体的，当判断更新后的布局粒子对应的运行成本均大于第一阈值、且每个布局粒子的更新次数大于或等于预设的更新次数时，可以确定更新后的布局粒子对应的历史最优运行成本；并根据更新后的布局粒子对应的历史最优运行成本，将更新后的布局粒子中历史最优运行成本最小的布局粒子作为第四布局粒子。
[0092] 示例性，更新后的布局粒子的历史最优运行成本可以采用下述方式获取：在获取与粒子数量对应的航路网络汇聚点的布局粒子之后，记录对每个布局粒子对应的运行成本，并将该运行成本作为该布局粒子对应的第一历史运行成本，当对该布局粒子进行更新后，确定该更新后的布局粒子对应的运行成本为第二历史运行成本，则该更新后的布局粒子的历史最优运行成本就为第一历史运行成本和第二历史运行成本中最小的运行成本(若对该布局粒子进行了多次更新，则确定的历史最优运行成本为该布局粒子所有历史运行成本中最小的那一个)；按照此方式，确定每个布局粒子的历史最优运行成本；并从每个布局粒子的历史最优运行成本中确定一个最小的历史最优运行成本，将其作为全局历史最优运行成本，则该全局历史最优运行成本对应的粒子即为第四布局粒子。
[0093] 以布局粒子数量为3个，布局粒子对应的运行成本为航路网络的总飞行距离为例，假设第一阈值为10000公里，预设的更新次数为3次。则每次更新时3个布局粒子对应的运行成本、3个布局粒子对应的历史运行成本分别如表2所示，具体如下：
[0094] 表2
[0095]
[0096] 以第1个布局粒子为例，根据上述表2可知，最初获取到布局粒子时，其对应的历史运行成本为13000公里，该历史运行成本即为第1个布局粒子对应的第一历史运行成本。当对该第1个布局粒子进行1次更新后，第1次更新后的第1个布局粒子对应的历史运行成本为12500公里，该历史运行成本即为第1个布局粒子对应的第二历史运行成本。则该经过1次更新后的第1个布局粒子的历史最优运行成本就为第一历史运行成本和第二历史运行成本中最小的运行成本，即12500公里。在对第1个布局粒子进行了3次更新之后，则确定的历史最优运行成本为该第1个布局粒子所有历史运行成本中最小的那一个，即11000公里。按照此方式确定3个布局粒子的历史最优运行成本，并从3个布局粒子的历史最优运行成本中确定一个最小的历史最优运行成本。根据上述表2的记载可知，第3个布局粒子的历史最优运行成本最小，即10100公里。将该10100公里作为全局历史最优运行成本，则该10100公里对应布局粒子为第四布局粒子，也就是说，第3次更新后的第3个布局粒子为第四布局粒子，即最优布局粒子；并根据该第3次更新后的第3个布局粒子所指示的航路汇聚点的布局，调整航路网络汇聚点的布局。
[0097] 可选的，根据上述所述的布局粒子的历史最优运行成本，学习粒子群还可以为，根据每个布局粒子对应的历史最优运行成本、预设的第二阈值确定的学习粒子群；其中，所述学习粒子群包括历史运行成本大于第一阈值且小于第二阈值的第一布局粒子。当每个布局粒子根据这些第一布局粒子的属性更新自身属性时，可以保证每个布局粒子获取到全局中最多的有效信息，进而加快了找到最优布局粒子的速度。
[0098] 本发明实施例所提供的航路网络汇聚点布局方法，通过预设的更新次数，限定了寻找最优布局粒子的时间；通过预设的第二阈值、确定了一个由较优的布局粒子所组成的学习粒子群，并通过限定每个布局粒子仅通过学习粒子群包括的布局粒子的属性更新自身的属性的学习方式，使得每个布局粒子可以在充分获取到更多有效信息对自身的属性进行更新的前提下，同时又避免了出现获取到过多的无效的冗余信息对自身的属性更新产生的负面影响的情况，进而加快了找到最优布局粒子的速度。因此，与现有技术相比，通过本发明实施例所提供的航路网络汇聚点布局方法，能够更加快速找到符合用户要求的航路网络汇聚点布局，使得航路网络的在满足空中流量需求的情况下，运行成本达到最低。
[0099] 下面采用一个具体的实施例，对图1和图2所示方法实施例的技术方案进行详细说明。如图3所示，图3为本发明实施例所提供的航路网络汇聚点布局方法实施例三的流程图。其中，该方法的执行主体为具有航线处理功能的通信设备，粒子的数量、第一阈值、第二阈值、更新次数已预设在通信设备中。该方法可以包括如下步骤：
[0100] 步骤S301：根据预设的粒子数量，获取与粒子数量对应的航路网络汇聚点的布局粒子。
[0101] 其中，获取与粒子数量对应的航路网络汇聚点的布局粒子可以参见上述步骤S101的描述，在此不再赘述。
[0102] 步骤S302：获取机场节点的数量和机场节点的位置。
[0103] 具体的，上述机场节点可以为航路网络中的机场，机场节点的数量可以为航路网络中所有机场的数量。其中，每个机场节点的位置可以用坐标(x,y)表示，该坐标与机场节点的经纬度对应。
[0104] 步骤S303：根据机场节点的数量和机场节点的位置，确定每个机场节点与每个布局粒子中的航路网络汇聚点的第一连接关系，以及，每个布局粒子中的各个航路网络汇聚点之间的第二连接关系。
[0105] 具体的，上述连接关系用于表示航路网络中的每段航线。在获取到机场节点的数量和机场节点的位置之后，可以根据机场节点之间当前的飞行航线，确定每个机场节点作为起点和终点时，与每个布局粒子中的每个航路网络汇聚点之间的第一连接关系；以及，确定布局粒子中的每个航路网络汇聚点作为起点和终点时，与布局粒子中的其他汇聚点之间的第二连接关系。示例性的，第一连接关系和第二连接关系可以以矩阵的形式表示，具体如公式(1)所示：
[0106]
[0107] 其中，N表示第N个布局粒子，L(N)为包括第N个布局粒子在航路网络中的第一连接关系和第二连接关系的矩阵，m表示机场节点的数量，n表示第N个布局粒子中航路网络汇聚点的数量，a表示第a个机场节点或第N个布局粒子中的第a个航路网络汇聚点，b表示第b个机场节点或第N个布局粒子中的第b个航路网络汇聚点。当1≤a≤m时，a表示第a个机场节点，当(m+1)≤a≤(m+n)时，a表示第N个布局粒子中的第a个航路网络汇聚点。当1≤b≤m时，b表示第b个机场节点，当(m+1)≤b≤(m+n)时，b表示第N个布局粒子中的第b个航路网络汇聚点。
[0108] 需要说明的是，当1≤a≤m且(m+1)≤b≤(m+n)时、当(m+1)≤a≤(m+n)且1≤b≤m时，lab表示第一连接关系；其中，当1≤a≤m且(m+1)≤b≤(m+n)时，lab表示机场节点a到第N个布局粒子中的航路网络汇聚点b的连接关系；当(m+1)≤a≤(m+n)且1≤b≤m，lab表示第N个布局粒子中的航路网络汇聚点a到机场节点b的连接关系。当(m+1)≤a≤(m+n)且(m+1)≤b≤(m+n)时，lab表示第二连接关系，即lab表示第N个布局粒子中的布局粒子中航路网络汇聚点a到航路网络汇聚点b的连接关系。需要进一步说明的是，每个机场节点与每个布局粒子中的航路网络汇聚点的第一连接关系均相同，每个布局粒子中的各个航路网络汇聚点之间的第二连接关系也均相同。
[0109] 具体实现时，可以将lab的表示形式设置为1或者0。以lab表示机场节点a到第N个布局粒子中的航路网络汇聚点b的连接关系为例，当lab为1时，说明机场节点a到第N个布局粒子中的航路网络汇聚点b有连接关系，即，机场节点a到第N个布局粒子中的航路网络汇聚点b为一段航线；当lab为0时，说明机场节点a到第N个布局粒子中的航路网络汇聚点b无连接关系，即，机场节点a到第N个布局粒子中的航路网络汇聚点b无航线。当然，lab还可以有其他的表示形式，本发明实施例对此不做限定。当1≤a≤m且1≤b≤m时，L(N)表示第三连接关系，即，各个机场节点之间的连接关系。由于航路网络中，各机场节点之间均通过航路网络汇聚点连接，也就是说，各个机场节点之间并无直接的连接关系；因此，在上述公式(1)中，该第三连接关系均为0。
[0110] 步骤S304：根据第一连接关系确定每个机场节点与每个布局粒子中的航路网络汇聚点之间的第一空中流量。
[0111] 步骤S305：根据第二连接关系确定每个布局粒子中的各个航路网络汇聚点之间的第二空中流量。
[0112] 具体的，上述空中流量用于表示某一段航线上飞行的航班次数。上述第一空中流量和第二空中流量可以为历史空中流量。具体实现时，可以根据上述确定的第一连接关系，获取第一连接关系对应的某一历史时间段的空中流量作为第一空中流量；根据上述确定的第二连接关系，获取第二连接关系对应的某一历史时间段的空中流量作为第二空中流量。示例性的，第一空中流量和第二空中流量可以以矩阵的形式表示，具体如公式(2)所示：
[0113]
[0114] 其中，公式(2)中与公式(1)中相同的符号所表示的意思相同，此处不再一一赘述。仅需要说明的是，F(N)为包括第N个布局粒子在航路网络中的第一空中流量和第二空中流量的矩阵，当1≤a≤m且(m+1)≤b≤(m+n)时、当(m+1)≤a≤(m+n)且1≤b≤m时，fab表示第一空中流量；其中，当1≤a≤m且(m+1)≤b≤(m+n)时，fab表示机场节点a到第N个布局粒子中的航路网络汇聚点b的空中流量；当(m+1)≤a≤(m+n)且1≤b≤m，fab表示第N个布局粒子中的航路网络汇聚点a到机场节点b的空中流量。当(m+1)≤a≤(m+n)且(m+1)≤b≤(m+n)时，fab表示第二空中流量，即fab表示第N个布局粒子中的航路网络汇聚点a到航路网络汇聚点b的空中流量。以fab表示机场节点a到第N个布局粒子中的航路网络汇聚点b的空中流量为例，若根据上述公式(1)确定的fab对应的lab为0时，说明机场节点a到第N个布局粒子中的航路网络汇聚点b无飞行航线；也就是说，机场节点a到第N个布局粒子中的航路网络汇聚点b无航班飞行，则该lab对应的空中流量fab为0。若根据上述公式(1)确定的fab对应的lab为1时，说明机场节点a到第N个布局粒子中的航路网络汇聚点b为一段航线；也就是说，可以获取某一历史时间段、该段航线上飞行的航班数量，以此作为其空中流量fab。需要说明的是，每个机场节点与每个布局粒子中的航路网络汇聚点的第一空中流量均相同，每个布局粒子中的各个航路网络汇聚点之间的第二空中流量也均相同。
[0115] 步骤S306：根据第一连接关系确定每个机场节点与每个布局粒子中的航路网络汇聚点之间的第一空中距离。
[0116] 步骤S307：根据第二连接关系确定每个布局粒子中的各个航路网络汇聚点之间的第二空中距离。
[0117] 上述空中距离用于表示某一段航线的飞行距离。具体实现时，可以根据上述确定的第一连接关系、机场节点的位置和布局粒子中航路网络汇聚点的位置确定第一空中距离；根据上述确定的第二连接关系和布局粒子中每个航路网络汇聚点的位置确定第二连接关系对应的第二空中距离。该第一空中距离和第二空中距离可以以矩阵的形式表示，具体如公式(3)所示：
[0118]
[0119] 其中，公式(3)中与公式(1)中相同的符号所表示的意思相同，此处不再一一赘述。仅需要说明的是，D(N)为包括第N个布局粒子在航路网络中的第一空中距离和第二空中距离的矩阵。当1≤a≤m且(m+1)≤b≤(m+n)时、当(m+1)≤a≤(m+n)且1≤b≤m时，dab表示第一空中距离；其中，当1≤a≤m且(m+1)≤b≤(m+n)时，dab表示机场节点a到第N个布局粒子中的航路网络汇聚点b的空中距离；当(m+1)≤a≤(m+n)且1≤b≤m，dab表示第N个布局粒子中的航路网络汇聚点a到机场节点b的空中距离。当(m+1)≤a≤(m+n)且(m+1)≤b≤(m+n)时，dab表示第二空中距离，即dab表示第N个布局粒子中的航路网络汇聚点a到航路网络汇聚点b的空中距离。以dab表示机场节点a到第N个布局粒子中的航路网络汇聚点b的空中距离为例，若根据上述公式(1)确定的dab对应的lab为0时，说明机场节点a到第N个布局粒子中的航路网络汇聚点b无飞行航线；也就是说，可以确定机场节点a到第N个布局粒子中的航路网络汇聚点b的空中距离dab为0。若根据上述公式(1)确定的lab为1时，说明机场节点a到第N个布局粒子中的航路网络汇聚点b为一段航线；也就是说，可以确定机场节点a到第N个布局粒子中的航路网络汇聚点b有空中距离dab。该dab可以通过公式(4)确定，具体如下：
[0120]
[0121] 其中，公式(4)中与公式(1)中相同的符号所表示的意思相同，此处不再一一赘述。当1≤a≤m且(m+1)≤b≤(m+n)时，xa、ya表示机场节点a的坐标，xb、yb表示第N个布局粒子中的航路网络汇聚点b的坐标；当(m+1)≤a≤(m+n)且1≤b≤m，xa、ya表示第N个布局粒子中的航路网络汇聚点a的坐标，xb、yb表示机场节点b的坐标；当(m+1)≤a≤(m+n)且(m+1)≤b≤(m+n)时，xa、ya表示第N个布局粒子中的航路网络汇聚点a的坐标，xb、yb表示第N个布局粒子中的航路网络汇聚点b的坐标。
[0122] 步骤S308：根据第一空中距离、第二空中距离、第一空中流量和第二空中流量，确定每个布局粒子对应的运行成本。
[0123] 具体的，可以采用公式(5)确定每个布局粒子对应的运行成本TAC(N)，具体如下：
[0124]
[0125] 其中，TAC(N)用于表示某一时间段内，根据航路网络中每段航线上飞行的航班数量、和航路网络中每段航线的空中距离，确定的该航路网络总的飞行距离。公式(5)中与上述公式(1)至(4)中相同的符号所表示的意思相同，此处不再一一赘述。
[0126] 具体的，将布局粒子中的每个航路网络汇聚点与每个机场节点之间的第一空中流量与对应的第一空中距离相乘，得到该第一总飞行距离。将每个布局粒子中的每个航路网络汇聚点之间的第二空中流量与对应的第二空中距离相乘，得到该第二总飞行距离。将所有第一总飞行距离和第二总飞行距离相加，即可得到该布局粒子对应的总飞行距离，也就是该布局粒子对应的运行成本。
[0127] 示例性的，假定以lab表示机场节点a到第N个布局粒子中的航路网络汇聚点b的连接关系为例：若lab为1，说明机场节点a到第N个布局粒子中的航路网络汇聚点b为一段航线，则相应的获取机场节点a到第N个布局粒子中的航路网络汇聚点b的空中流量fab，机场节点a到第N个布局粒子中的航路网络汇聚点b的空中距离dab。将该fab与dab相乘，即可得到该机场节点a到第N个布局粒子中的航路网络汇聚点b的航段的总飞行距离；若lab为0，说明节点a到第N个布局粒子中的航路网络汇聚点无飞行航线，则该机场节点a到第N个布局粒子中的航路网络汇聚点b的航段的总飞行距离为0。按照此方式，可以确定布局粒子中的每个航路网络汇聚点与每个机场节点之间的第一总飞行距离，以及每个布局粒子中的每个航路网络汇聚点之间的第二总飞行距离。并将所计算的所有第一总飞行距离和所有第二总飞行距离相加，即可得到布局粒子对应的航路网络的总飞行距离，即布局粒子对应的运行成本。
[0128] 步骤S309：根据确定的每个布局粒子对应的运行成本，判断每个布局粒子对应的运行成本是否小于等于预设的第一阈值。
[0129] 具体的，若判断有一个布局粒子对应的运行成本小于等于预设的第一阈值时，说明该布局粒子对应的运行成本小于等于预设的最小运行成本，则确定该布局粒子为最优布局粒子；若判断有多个布局粒子对应的运行成本小于等于预设的第一阈值时，说明有多个布局粒子对应的运行成本小于等于预设的最小运行成本，则确定这多个布局粒子中运行成本最小的布局粒子为最优布局粒子；若判断每个布局粒子对应的运行成本均大于预设的第一阈值时，说明不存在运行成本小于等于预设的最小运行成本(即第一阈值)的布局粒子，则执行步骤S310。
[0130] 步骤S310：根据每个布局粒子对应的运行成本，确定并记录每个布局粒子的历史最优运行成本和全局历史最优运行成本。
[0131] 其中，确定每个布局粒子的历史最优运行成本和全局历史最优运行成本可以参见上述步骤S203的描述，在此不再赘述。
[0132] 步骤S311：根据每个布局粒子对应的历史最优运行成本、预设的第二阈值确定学习粒子群。
[0133] 其中，学习粒子群包括历史最优运行成本大于第一阈值且小于等于第二阈值的第一布局粒子，第二阈值与第一阈值的差值等于预设差值。具体可参见上述步骤S103的描述，在此不再赘述。
[0134] 步骤S312：根据学习粒子群中的第一布局粒子的属性，更新每个布局粒子的属性，获取更新后的布局粒子。
[0135] 其中，上述第一布局粒子的属性可以包括第一布局粒子的位置，布局粒子的属性可以包括布局粒子的位置和布局粒子的速度。
[0136] 具体的，当根据每个布局粒子对应的运行成本、预设的第二阈值确定学习粒子群之后，可以根据每个第一布局粒子的位置和公式(6)更新每个布局粒子的当前速度 获取每个布局粒子更新后的速度 其中，公式(6)具体如下：
[0137]
[0138] 其中，1≤i≤N，i表示第i个布局粒子，N表示预设的粒子数量，s表示第i个布局粒子中的第 个航路网络汇聚点的x坐标或第 个航路网络汇聚点的y坐标，χ表示控制布局粒子更新的收缩因子， 表示控制布局粒子更新的加速因子，Wi表示学习粒子群中的第一布局粒子的数量，rq表示[0,1]间服从均匀分布的随机量， 表示第q个第一布局粒子中的第 个航路网络汇聚点的x坐标的位置或第 个航路网络汇聚点的y坐标的位置，表示第i个布局粒子中的第 个航路网络汇聚点的x坐标的当前位置或第 个航路网络汇聚点的y坐标的当前位置。需要说明的是， 表示布局粒子根据第一布局粒子的属性更新自身属性的学习部分。该学习部分用于表征布局粒子对群体信息的认知，体现布局粒子间的信息共享和相互作用，引导布局粒子向自身以及群体中曾经最优的布局粒子移动。优选的，本发明实施例中χ＝0.729，
[0139] 当获取到每个布局粒子更新后的速度 之后，还可以结合每个布局粒子的当前位置 和公式(2)更新每个布局粒子的当前位置 获取每个布局粒子更新后的位置 其中，公式(7)具体如下：
[0140]
[0141] 需要说明的是，根据上述公式(1)获取的每个布局粒子更新后的速度可以理解为，获取每个布局粒子中的每个航路网络汇聚点的x坐标更新后的速度、和每个航路网络汇聚点的y坐标更新后的速度。则根据上述公式(2)获取的每个布局粒子更新的位置也就可以理解为，获取每个布局粒子中的每个航路网络汇聚点的x坐标更新后的位置、和每个航路网络汇聚点的y坐标更新后的位置。
[0142] 步骤S313：根据获取的更新后的布局粒子，对更新后的布局粒子执行判断操作。
[0143] 具体的，若判断有一个或多个更新后的布局粒子对应的运行成本小于等于第一阈值，执行步骤S314。若判断每个更新后的布局粒子对应的运行成本均大于第一阈值时，则执行步骤S316。
[0144] 步骤S314：确定更新后的布局粒子中的第二布局粒子。
[0145] 具体的，上述第二布局粒子可以包括一个或多个运行成本小于等于第一阈值的布局粒子，这里所说的第二布局粒子包括的是更新后的布局粒子。当第二布局粒子包括多个运行成本小于等于第一阈值的布局粒子时，该多个运行成本小于等于第一阈值的布局粒子的数量小于等于预设的粒子数量。
[0146] 步骤S315：根据确定的第二布局粒子，将第三布局粒子作为最优布局粒子，并根据最优布局粒子所指示的航路汇聚点的布局，调整航路网络汇聚点的布局。
[0147] 具体的，上述第三布局粒子为第二布局粒子中运行成本最小的布局粒子。也就是说，若上述第二布局粒子仅包括一个布局粒子，则确定该第二布局粒子为第三布局粒子，即将该第二布局粒子作为最优布局粒子；若上述第二布局粒子包括多个布局粒子，则确定这多个布局粒子中运行成本最小的布局粒子为第三布局粒子，也就是将该运行成本最小的布局粒子作为最优的布局粒子。当根据上述方式确定最优布局粒子后，则可以根据该最优布局粒子所指示的航路网络汇聚点的布局，调整当前航路网络汇聚点的布局，以使得航路网络汇聚点的布局达到最优，进而使得航路网络的在满足空中流量需求的情况下，运行成本达到最低。
[0148] 执行步骤S315之后，则结束。
[0149] 步骤S316：记录更新后的布局粒子的更新次数。
[0150] 其中，记录更新后的布局粒子的更新次数可以参见上述步骤S201的描述，在此不再赘述。
[0151] 步骤S317：根据记录的更新次数，判断更新后的布局粒子的更新次数是否大于等于预设的更新次数。
[0152] 当判断更新后的布局粒子的更新次数小于预设的更新次数时，则执行步骤S310。反之，当判断更新后的布局粒子更新次数大于或等于预设的更新次数时，则执行步骤S318。
[0153] 可选的，由于每个布局粒子的更新次数均相同，因此，当每次更新后的布局粒子对应的运行成本均大于第一阈值时，则可以随机判断其中一个布局粒子的更新次数是否大于等于预设的更新次数，无需判断所有布局粒子的更新次数是否均大于等于预设的更新次数，节省了通信设备或通信系统的处理资源。
[0154] 步骤S318：确定更新后的布局粒子中运行成本最小的第四布局粒子，将第四布局粒子作为最优布局粒子，并根据最优布局粒子所指示的航路汇聚点的布局，调整航路网络汇聚点的布局。
[0155] 其中，确定更新后的布局粒子中运行成本最小的第四布局粒子可以参见上述步骤S203的描述，在此不再赘述。
[0156] 执行步骤S318之后，则结束。
[0157] 本发明实施例所提供的航路网络汇聚点布局方法，通过预设的更新次数，限定了寻找最优布局粒子的时间；通过预设的第二阈值、确定了一个由较优的布局粒子所组成的学习粒子群，并通过限定每个布局粒子仅通过学习粒子群包括的布局粒子的属性更新自身的属性的学习方式，使得每个布局粒子可以在充分获取到更多有效信息对自身的属性进行更新的前提下，同时又避免了出现获取到过多的无效的冗余信息对自身的属性更新产生的负面影响的情况，进而加快了找到最优布局粒子的速度。因此，与现有技术相比，通过本发明实施例所提供的航路网络汇聚点布局方法，能够更加快速找到符合用户要求的航路网络汇聚点布局，使得航路网络的在满足空中流量需求的情况下，运行成本达到最低。
[0158] 本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
[0159] 图4为本发明实施例所提供的航路网络汇聚点布局装置实施例一的结构示意图。如图4所示，该装置包括：获取单元401、判断单元402、确定单元403、更新单元404和处理单元405。
[0160] 获取单元401，用于根据预设的粒子数量，获取与粒子数量对应的航路网络汇聚点的布局粒子；其中，每个布局粒子指示航路网络汇聚点的一种布局，每个布局粒子包括至少一个航路网络汇聚点。
[0161] 判断单元402，用于对获取单元401中的每个布局粒子对应的运行成本执行判断操作。其中，判断操作包括：判断每个布局粒子对应的运行成本是否小于等于预设的第一阈值，第一阈值为最小运行成本。
[0162] 确定单元403，用于当判断单元402判断每个布局粒子对应的运行成本大于预设的第一阈值时，根据每个布局粒子对应的运行成本、预设的第二阈值确定学习粒子群。其中，学习粒子群包括运行成本大于第一阈值且小于等于第二阈值的第一布局粒子，第二阈值与第一阈值的差值等于预设差值。第一布局粒子的数量小于预设的粒子数量。
[0163] 更新单元404，用于根据确定单元403确定的第一布局粒子的属性更新每个布局粒子的属性，获取更新后的布局粒子。其中，第一布局粒子的属性包括第一布局粒子的位置，布局粒子的属性包括布局粒子的位置和布局粒子的速度。
[0164] 判断单元402，还用于对更新单元404获取的更新后的布局粒子执行判断操作，直至确定更新后的布局粒子中的第二布局粒子对应的运行成本小于等于第一阈值。第二布局粒子包括一个或多个。
[0165] 处理单元405，用于将第三布局粒子作为最优布局粒子，并根据最优布局粒子所指示的航路网络汇聚点的布局，调整航路网络汇聚点的布局。其中，第三布局粒子为第二布局粒子中运行成本最小的布局粒子。
[0166] 本实施例的装置，可以用于执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
[0167] 进一步的，判断单元402，还用于记录每个布局粒子的更新次数，并在判断更新后的布局粒子对应的运行成本均大于第一阈值时，进一步判断每个布局粒子的更新次数是否大于等于预设的更新次数。则处理单元405，还用于当判断单元402判断布局粒子的更新次数大于等于预设的更新次数时，确定更新后的布局粒子对应的历史最优运行成本，并根据更新后的布局粒子对应的历史最优运行成本，将所述更新后的布局粒子中历史最优运行成本最小的布局粒子作为所述第四布局粒子，将第四布局粒子作为最优布局粒子。
[0168] 本实施例的装置，可以用于执行图2所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
[0169] 进一步地，在上述图4所示实施例的基础上，参见图5所示的本发明实施例所提供的航路网络汇聚点布局装置实施例二的结构示意图。如图5所示，判断单元402具体包括：
[0170] 第一获取子单元4021，用于获取机场节点的数量和机场节点的位置。
[0171] 第一确定子单元4022，用于根据第一获取子单元4021获取的机场节点的数量和机场节点的位置，确定每个机场节点与每个布局粒子中的航路网络汇聚点的第一连接关系；以及，每个布局粒子中的各个航路网络汇聚点之间的第二连接关系。
[0172] 第二确定子单元4023，用于根据第一连接关系确定每个机场节点与每个布局粒子中的航路网络汇聚点之间的第一空中流量和第一空中距离，并根据第二连接关系确定每个布局粒子中的各个航路网络汇聚点之间的第二空中流量和第二空中距离。
[0173] 第二获取子单元4024，用于根据 获取每个所述布局粒子对应的运行成本；其中，所述N表示第N个布局粒子，所述TAC(N)为所述第N个布局粒子对应的运行成本，所述F(N)为包括所述第N个布局粒子的所述第一空中流量和所述第二空中流量的矩阵，所述D(N)为包括表示所述第N个布局粒子的所述第一空中距离和所述第二空中距离的矩阵，所述m表示所述机场节点的数量，所述n表示所述第N个布局粒子中航路网络汇聚点的数量，所述fab表示所述第一空中流量或所述第二空中流量，所述dab表示所述第一空中距离或所述第二空中距离，所述a表示第a个机场节点或所述布局粒子中的第a个航路网络汇聚点，所述b表示第b个机场节点或所述布局粒子中的第b个航路网络汇聚点。
[0174] 进一步的，更新单元404，具体用于根据
[0175]
[0176] 更新每个布局粒子的当前速度vis(t)，获取每个布局粒子更新后的速度并根据上述公式(2)更新每个布局粒子的当前位置 获取每个布局粒子更新后的位置[0177] 其中，1≤i≤N，i表示第i个布局粒子，N表示所述预设的粒子数量，s表示所述第i个布局粒子中的第 个航路网络汇聚点的x坐标或第 个航路网络汇聚点的y坐标，χ表示控制所述布局粒子更新的收缩因子， 表示控制所述布局粒子更新的加速因子，Wi表示所述学习粒子群中的所述第一布局粒子的数量，rq表示[0,1]间服从均匀分布的随机量，表示第q个第一布局粒子的第 个航路网络汇聚点的x坐标的位置或第 个航路网络汇聚点的y坐标的位置， 表示所述第i个布局粒子中的第 个航路网络汇聚点的x坐标的当前位置或第 个航路网络汇聚点的y坐标的当前位置。
[0178] 本实施例的装置，可以用于执行图1-3所示任一方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
[0179] 最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

IPRDB

最新中国发明专利 最新美国发明专利 技术领域 专利库 专利分类库 国际专利分类库

热门服务

会员版试用 API 数据接口 找代理 知嘟嘟专利交易 排行榜 大学排行榜 专利百科

关于我们

平台介绍 战略合作 网站地图

友情链接

知嘟嘟专利交易 国家知识产权局 中国商标网

联系方式


©2019-2023 上海吉码数字技术有限公司 版权所有，并保留所有权利 沪ICP备20016256号-6 沪公网安备31011702005475号