CN106851666A - 铁路沿线上北斗卫星差分基站的选址方法及*** - Google Patents
铁路沿线上北斗卫星差分基站的选址方法及*** Download PDFInfo
- Publication number
- CN106851666A CN106851666A CN201611270425.XA CN201611270425A CN106851666A CN 106851666 A CN106851666 A CN 106851666A CN 201611270425 A CN201611270425 A CN 201611270425A CN 106851666 A CN106851666 A CN 106851666A
- Authority
- CN
- China
- Prior art keywords
- particle
- rail track
- big
- current
- base station
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明提供一种铁路沿线上北斗卫星差分基站的选址方法及***,其中,方法包括:建立铁路线路的数学模型;根据所述铁路线路的数学模型,建立北斗卫星差分基站覆盖铁路线路的最优模型;根据所述北斗卫星差分基站覆盖铁路线路的最优模型,采用粒子群算法,寻找在铁路线路上建立北斗卫星差分基站的最佳位置及个数。本发明能够在铁路线路上进行北斗卫星差分基站的选址,寻找在铁路沿线上北斗卫星差分基站建设的最佳位置及个数,实现铁路线路的全面覆盖,满足整条铁路的高精度定位业务需求。
Description
技术领域
本发明涉及铁路交通及卫星定位技术领域,尤其涉及一种铁路沿线上北斗卫星差分基站的选址方法及***。
背景技术
高速铁路网络中的列车运行具有高速度、高密度、高正点率和高安全性的要求。到2015年底,全国铁路营业里程超过12.1万公里,其中高铁1.9万公里,居世界第一位。根据最新发布的《中长期铁路网规划》,到2020年,铁路网规模达到15万公里,其中高速铁路3万公里。在铁路网规模不断扩大、高铁大量投产,列车开行数量尤其是高速列车大幅度增加,自然环境和治安环境更为复杂的情况下,铁路运输高精度位置服务需求愈来愈显著,技术创新越来越迫切,同时,国家战略安全也越来越重要。
北斗卫星导航***(简称“北斗”)是我国独立研制、自主运行的全球卫星导航***,是国家重要的战略性时空基础设施。***可在全球范围内全天候、全天时为各类用户提供高精度、高可靠定位、导航和授时服务,并具有短报文通信能力,已初步具备区域导航、定位和授时能力,定位精度优于10m,授时精度优于20ns。
差分基站是提高北斗服务最有效可靠的地面基础设施,为了达到铁路运输位置服务的高标准高要求,需在铁路沿线架设北斗差分基站,通过地面通信***播发导航信号修正量和辅助定位信号,向列车提供厘米级至亚米级高精度、高动态的定位服务。鉴于此,如何在铁路线路上进行北斗卫星差分基站的选址,以获得在铁路沿线上差分基站建设的最佳位置及个数,实现铁路的全面覆盖,满足整条铁路的高精度定位业务需求成为目前需要解决的技术问题。
发明内容
为解决上述的技术问题,本发明提供一种铁路沿线上北斗卫星差分基站的选址方法及***,能够在铁路线路上进行北斗卫星差分基站的选址,寻找在铁路沿线上北斗卫星差分基站建设的最佳位置及个数,实现铁路线路的全面覆盖,满足整条铁路的高精度定位业务需求。
第一方面,本发明提供一种铁路沿线上北斗卫星差分基站的选址方法,包括:
建立铁路线路的数学模型;
根据所述铁路线路的数学模型,建立北斗卫星差分基站覆盖铁路线路的最优模型;
根据所述北斗卫星差分基站覆盖铁路线路的最优模型,采用粒子群算法,寻找在铁路线路上建立北斗卫星差分基站的最佳位置及个数;
其中,所述根据所述北斗卫星差分基站覆盖铁路线路的最优模型,采用粒子群算法,寻找在铁路线路上建立北斗卫星差分基站的最佳位置及个数,包括:
步骤S1、初始化铁路沿线最优覆盖问题参数,所述铁路沿线最优覆盖问题参数,包括:所覆盖的目标铁路线路内所有粒子的个数、最优选址总维数、惯性因子ω(t)、个人因子c1、社会因子c2、最大迭代次数、每个粒子的初始位置和初始速度、每个粒子的个体最优位置pbest、每个粒子所属群体的群体最优位置gbest和总迭代时间t,其中,所述粒子为覆盖组成目标铁路线路的有序离散点;
步骤S2、将总迭代时间更新为t=t+1,并设置在[0,1]上的随机数r1、r2、r3、r4、r5和r6的初始值;
步骤S3、更新每个粒子当前的个体最优位置pbest和每个粒子所属群体当前的群体最优位置gbest;
步骤S4、按照第一公式,更新每个粒子当前的速度和位置;
步骤S5、判断更新后每个粒子当前的速度和位置是否满足收敛条件;如果满足,则执行步骤S7;如果不满足,则执行步骤S6;
步骤S6、调整每个粒子当前的速度和位置,使调整后每个粒子当前的速度和位置满足收敛条件,然后执行步骤S7;
步骤S7、判断当前迭代次数是否超过所述最大迭代次数或者判断每个粒子所属群体当前的群体最优位置gbest的目标函数值是否达到预设精度要求,如果当前迭代次数超过所述最大迭代次数或者每个粒子所属群体当前的群体最优位置gbest的目标函数值达到预设精度要求,则终止迭代,否则返回执行所述步骤S2;
其中,所述第一公式为:
其中,Vij(t)为在t时刻的第i个粒子第j维速度,Vij(t+1)为在t+1时刻的第i个粒子第j维速度,Xij(t)为在t时刻的第i个粒子第j维位置,Xij(t+1)为在t+1时刻的第i个粒子第j维位置,pbestij(t)为从最开始到t时刻为止第i个粒子第j维最优的位置,gbestij(t)为从最开始到t时刻为止所有粒子第j维最优的位置。
可选地,所述建立铁路线路的数学模型,包括:
将铁路线路L分解为有序的离散点,得到铁路线路的数学模型;
所述铁路线路的数学模型为:
L={(x1,y1),...,(xa,ya),...,(xm,ym)},
其中,(xa,ya)为第a个离散点的经纬度坐标,a=1,...,m,m为组成铁路线路的所有离散点的总个数。
可选地,所述根据所述铁路线路的数学模型,建立北斗卫星差分基站覆盖铁路线路的最优模型,包括:
根据所述铁路线路的数学模型,确定铁路线路的最优覆盖条件为:覆盖组成铁路线路的有序离散点的个数达到最大值,且所述铁路线路中重叠覆盖的有序离散点的个数达到最小值;
根据所述铁路线路的最优覆盖条件,建立北斗卫星差分基站覆盖铁路线路的最优模型;
所述北斗卫星差分基站覆盖铁路线路的最优模型为:
其中,fb(x)为第b个北斗卫星差分基站首次覆盖组成铁路线路的有序离散点的个数,gb(x)为第b个北斗卫星差分基站与除了北斗第b个卫星差分基站的剩余其他北斗卫星差分基站共同覆盖组成铁路线路的有序离散点的个数,b=1,...,n,n为北斗卫星差分基站的总个数。
可选地,所述步骤S3,包括:
计算每个粒子当前位置的目标函数值,所述目标函数值为所有北斗卫星差分基站覆盖铁路节点总数,并将每个粒子当前位置的目标函数值与该粒子当前的个体最优位置pbest进行比较,如果该粒子当前位置的目标函数值更优,则将该粒子当前的pbest更新为该粒子当前位置的目标函数值;
将每个粒子当前的pbest对应的目标函数值与该粒子所属群体当前的群体最优位置gbest对应的目标函数值进行比较,如果该粒子当前的pbest对应的目标函数值更优,则将该粒子所属群体当前的gbest更新为该粒子当前的pbest。
可选地,所述步骤S6,包括:
通过第二公式,调整每个粒子当前的速度和位置,使调整后每个粒子当前的速度和位置满足收敛条件;
其中,所述第二公式为:
其中,Xmax(j)为所有粒子第j维位置中的最大值,Xmin(j)为所有粒子第j维位置中的最小值,Vmax(j)为所有粒子第j维速度中的最大值,Vmin(j)为所有粒子第j维速度中的最小值。
第二方面,本发明提供一种铁路沿线上北斗卫星差分基站的选址***,包括:
第一建立模块,用于建立铁路线路的数学模型;
第二建立模块,用于根据所述铁路线路的数学模型,建立北斗卫星差分基站覆盖铁路线路的最优模型;
选址模块,用于根据所述北斗卫星差分基站覆盖铁路线路的最优模型,采用粒子群算法,寻找在铁路线路上建立北斗卫星差分基站的最佳位置及个数;
其中,所述选址模块,包括:
初始化单元,用于初始化铁路沿线最优覆盖问题参数,所述铁路沿线最优覆盖问题参数,包括:所覆盖的目标铁路线路内所有粒子的个数、最优选址总维数、惯性因子ω(t)、个人因子c1、社会因子c2、最大迭代次数、每个粒子的初始位置和初始速度、每个粒子的个体最优位置pbest、每个粒子所属群体的群体最优位置gbest和总迭代时间t,其中,所述粒子为覆盖组成目标铁路线路的有序离散点;
第一更新单元,用于将总迭代时间更新为t=t+1,并设置在[0,1]上的随机数r1、r2、r3、r4、r5和r6的初始值;
第二更新单元,用于更新每个粒子当前的个体最优位置pbest和每个粒子所属群体当前的群体最优位置gbest;
第三更新单元,用于按照第一公式,更新每个粒子当前的速度和位置;
第一判断单元,用于判断更新后每个粒子当前的速度和位置是否满足收敛条件;如果满足,则执行第二判断单元;如果不满足,则执行调整单元;
调整单元,用于调整每个粒子当前的速度和位置,使调整后每个粒子当前的速度和位置满足收敛条件,然后执行第二判断单元;
第二判断单元,用于判断当前迭代次数是否超过所述最大迭代次数或者判断每个粒子所属群体当前的群体最优位置gbest的目标函数值是否达到预设精度要求,如果当前迭代次数超过所述最大迭代次数或者每个粒子所属群体当前的群体最优位置gbest的目标函数值达到预设精度要求,则终止迭代,否则返回执行所述第一更新单元;
其中,所述第一公式为:
其中,Vij(t)为在t时刻的第i个粒子第j维速度,Vij(t+1)为在t+1时刻的第i个粒子第j维速度,Xij(t)为在t时刻的第i个粒子第j维位置,Xij(t+1)为在t+1时刻的第i个粒子第j维位置,pbestij(t)为从最开始到t时刻为止第i个粒子第j维最优的位置,gbestij(t)为从最开始到t时刻为止所有粒子第j维最优的位置。
可选地,所述第一建立模块,具体用于
将铁路线路L分解为有序的离散点,得到铁路线路的数学模型;
所述铁路线路的数学模型为:
L={(x1,y1),...,(xa,ya),...,(xm,ym)},
其中,(xa,ya)为第a个离散点的经纬度坐标,a=1,...,m,m为组成铁路线路的所有离散点的总个数。
可选地,所述第二建立模块,具体用于
根据所述铁路线路的数学模型,确定铁路线路的最优覆盖条件为:覆盖组成铁路线路的有序离散点的个数达到最大值,且所述铁路线路中重叠覆盖的有序离散点的个数达到最小值;
根据所述铁路线路的最优覆盖条件,建立北斗卫星差分基站覆盖铁路线路的最优模型;
所述北斗卫星差分基站覆盖铁路线路的最优模型为:
其中,fb(x)为第b个北斗卫星差分基站首次覆盖组成铁路线路的有序离散点的个数,gb(x)为第b个北斗卫星差分基站与除了北斗第b个卫星差分基站的剩余其他北斗卫星差分基站共同覆盖组成铁路线路的有序离散点的个数,b=1,...,n,n为北斗卫星差分基站的总个数。
可选地,所述第二更新单元,具体用于
计算每个粒子当前位置的目标函数值,所述目标函数值为所有北斗卫星差分基站覆盖铁路节点总数,并将每个粒子当前位置的目标函数值与该粒子当前的个体最优位置pbest进行比较,如果该粒子当前位置的目标函数值更优,则将该粒子当前的pbest更新为该粒子当前位置的目标函数值;
将每个粒子当前的pbest对应的目标函数值与该粒子所属群体当前的群体最优位置gbest对应的目标函数值进行比较,如果该粒子当前的pbest对应的目标函数值更优,则将该粒子所属群体当前的gbest更新为该粒子当前的pbest。
可选地,所述调整单元,具体用于
通过第二公式,调整每个粒子当前的速度和位置,使调整后每个粒子当前的速度和位置满足收敛条件;
其中,所述第二公式为:
其中,Xmax(j)为所有粒子第j维位置中的最大值,Xmin(j)为所有粒子第j维位置中的最小值,Vmax(j)为所有粒子第j维速度中的最大值,Vmin(j)为所有粒子第j维速度中的最小值。
由上述技术方案可知,本发明的铁路沿线上北斗卫星差分基站的选址方法及***,通过建立铁路线路的数学模型;根据所述铁路线路的数学模型,建立北斗卫星差分基站覆盖铁路线路的最优模型;根据所述北斗卫星差分基站覆盖铁路线路的最优模型,采用粒子群算法,寻找在铁路线路上建立北斗卫星差分基站的最佳位置及个数,由此,能够在铁路线路上进行北斗卫星差分基站的选址,寻找在铁路沿线上北斗卫星差分基站建设的最佳位置及个数,实现铁路线路的全面覆盖,满足整条铁路的高精度定位业务需求。
附图说明
图1为本发明一实施例提供的一种铁路沿线上北斗卫星差分基站的选址方法的流程示意图;
图2为本发明实施例采用粒子群算法寻找在铁路线路上建立北斗卫星差分基站的最佳位置及个数的流程示意图;
图3为本发明一实施例提供的一种铁路沿线上北斗卫星差分基站的选址***的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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、完整的描述,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的实施例,都属于本发明保护的范围。
图1示出了本发明一实施例提供的铁路沿线上北斗卫星差分基站的选址方法的流程示意图,如图1所示,本实施例的铁路沿线上北斗卫星差分基站的选址方法如下所述。
101、建立铁路线路的数学模型。
在具体应用中,所述步骤101可以具体包括:
将铁路线路L分解为有序的离散点,得到铁路线路的数学模型;
所述铁路线路的数学模型为:
L={(x1,y1),...,(xa,ya),...,(xm,ym)}(1)
其中,(xa,ya)为第a个离散点的经纬度坐标,a=1,...,m,m为组成铁路线路的所有离散点的总个数。
102、根据所述铁路线路的数学模型,建立北斗卫星差分基站覆盖铁路线路的最优模型。
在具体应用中,所述步骤102可以具体包括:
根据所述铁路线路的数学模型,确定铁路线路的最优覆盖条件为:覆盖组成铁路线路的有序离散点的个数达到最大值,且所述铁路线路中重叠覆盖的有序离散点的个数达到最小值;
根据所述铁路线路的最优覆盖条件,建立北斗卫星差分基站覆盖铁路线路的最优模型;
所述北斗卫星差分基站覆盖铁路线路的最优模型为:
其中,fb(x)为第b个北斗卫星差分基站首次覆盖组成铁路线路的有序离散点的个数,gb(x)为第b个北斗卫星差分基站与除了北斗第b个卫星差分基站的剩余其他北斗卫星差分基站共同覆盖组成铁路线路的有序离散点的个数,b=1,...,n,n为北斗卫星差分基站的总个数。
103、根据所述北斗卫星差分基站覆盖铁路线路的最优模型,采用粒子群算法,寻找在铁路线路上建立北斗卫星差分基站的最佳位置及个数。
在具体应用中,如图2所示,所述步骤103可以包括步骤S1-S7:
步骤S1、初始化铁路沿线最优覆盖问题参数,所述铁路沿线最优覆盖问题参数,包括:所覆盖的目标铁路线路内所有粒子的个数、最优选址总维数、惯性因子ω(t)、个人因子c1、社会因子c2、最大迭代次数、每个粒子的初始位置和初始速度、每个粒子的个体最优位置pbest、每个粒子所属群体的群体最优位置gbest和总迭代时间t,其中,所述粒子为覆盖组成目标铁路线路的有序离散点。
步骤S2、将总迭代时间更新为t=t+1,并设置在[0,1]上的随机数r1、r2、r3、r4、r5和r6的初始值。
步骤S3、更新每个粒子当前的个体最优位置pbest和每个粒子所属群体当前的群体最优位置gbest。
进一步地,所述步骤S3可以具体包括:
计算每个粒子当前位置的目标函数值,所述目标函数值为所有北斗卫星差分基站覆盖铁路节点总数,并将每个粒子当前位置的目标函数值与该粒子当前的个体最优位置pbest进行比较,如果该粒子当前位置的目标函数值更优,则将该粒子当前的pbest更新为该粒子当前位置的目标函数值;
将每个粒子当前的pbest对应的目标函数值与该粒子所属群体当前的群体最优位置gbest对应的目标函数值进行比较,如果该粒子当前的pbest对应的目标函数值更优,则将该粒子所属群体当前的gbest更新为该粒子当前的pbest。
步骤S4、按照第一公式,更新每个粒子当前的速度和位置。
其中,所述第一公式为:
其中,Vij(t)为在t时刻的第i个粒子第j维速度,Vij(t+1)为在t+1时刻的第i个粒子第j维速度,Xij(t)为在t时刻的第i个粒子第j维位置,Xij(t+1)为在t+1时刻的第i个粒子第j维位置,pbestij(t)为从最开始到t时刻为止第i个粒子第j维最优的位置,gbestij(t)为从最开始到t时刻为止所有粒子第j维最优的位置。
步骤S5、判断更新后每个粒子当前的速度和位置是否满足收敛条件;如果满足,则执行步骤S7;如果不满足,则执行步骤S6。
步骤S6、调整每个粒子当前的速度和位置,使调整后每个粒子当前的速度和位置满足收敛条件,然后执行步骤S7。
进一步地,所述步骤S6可以通过第二公式,调整每个粒子当前的速度和位置,使调整后每个粒子当前的速度和位置满足收敛条件;
其中,所述第二公式为:
其中,Xmax(j)为所有粒子第j维位置中的最大值,Xmin(j)为所有粒子第j维位置中的最小值,Vmax(j)为所有粒子第j维速度中的最大值,Vmin(j)为所有粒子第j维速度中的最小值。
步骤S7、判断当前迭代次数是否超过所述最大迭代次数或者判断每个粒子所属群体当前的群体最优位置gbest的目标函数值是否达到预设精度要求,如果当前迭代次数超过所述最大迭代次数或者每个粒子所属群体当前的群体最优位置gbest的目标函数值达到预设精度要求,则终止迭代,否则返回执行所述步骤S2。
本实施例的铁路沿线上北斗卫星差分基站的选址方法,通过建立铁路线路的数学模型;根据所述铁路线路的数学模型,建立北斗卫星差分基站覆盖铁路线路的最优模型;根据所述北斗卫星差分基站覆盖铁路线路的最优模型,采用粒子群算法,寻找在铁路线路上建立北斗卫星差分基站的最佳位置及个数,由此,能够在铁路线路上进行卫星差分基站的选址,寻找在铁路沿线上差分基站建设的最佳位置及个数,实现铁路线路的全面覆盖,满足整条铁路的高精度定位业务需求。
图3示出了本发明一实施例提供的一种铁路沿线上北斗卫星差分基站的选址***的结构示意图,如图3所示,本实施例的铁路沿线上北斗卫星差分基站的选址***,包括:第一建立模块31、第二建立模块32和选址模块33;其中:
第一建立模块31,用于建立铁路线路的数学模型;
第二建立模块32,用于根据所述铁路线路的数学模型,建立北斗卫星差分基站覆盖铁路线路的最优模型;
选址模块33,用于根据所述北斗卫星差分基站覆盖铁路线路的最优模型,采用粒子群算法,寻找在铁路线路上建立北斗卫星差分基站的最佳位置及个数。
在具体应用中,所述第一建立模块31,可具体用于
将铁路线路L分解为有序的离散点,得到铁路线路的数学模型;
所述铁路线路的数学模型为:
L={(x1,y1),...,(xa,ya),...,(xm,ym)} (1)
其中,(xa,ya)为第a个离散点的经纬度坐标,a=1,...,m,m为组成铁路线路的所有离散点的总个数。
在具体应用中,所述第二建立模块32,可具体用于
根据所述铁路线路的数学模型,确定铁路线路的最优覆盖条件为:覆盖组成铁路线路的有序离散点的个数达到最大值,且所述铁路线路中重叠覆盖的有序离散点的个数达到最小值;
根据所述铁路线路的最优覆盖条件,建立北斗卫星差分基站覆盖铁路线路的最优模型;
所述北斗卫星差分基站覆盖铁路线路的最优模型为:
其中,fb(x)为第b个北斗卫星差分基站首次覆盖组成铁路线路的有序离散点的个数,gb(x)为第b个北斗卫星差分基站与除了北斗第b个卫星差分基站的剩余其他北斗卫星差分基站共同覆盖组成铁路线路的有序离散点的个数,b=1,...,n,n为北斗卫星差分基站的总个数。
其中,所述选址模块33,可以包括图中未示出的:
初始化单元,用于初始化铁路沿线最优覆盖问题参数,所述铁路沿线最优覆盖问题参数,包括:所覆盖的目标铁路线路内所有粒子的个数、最优选址总维数、惯性因子ω(t)、个人因子c1、社会因子c2、最大迭代次数、每个粒子的初始位置和初始速度、每个粒子的个体最优位置pbest、每个粒子所属群体的群体最优位置gbest和总迭代时间t,其中,所述粒子为覆盖组成目标铁路线路的有序离散点;
第一更新单元,用于将总迭代时间更新为t=t+1,并设置在[0,1]上的随机数r1、r2、r3、r4、r5和r6的初始值;
第二更新单元,用于更新每个粒子当前的个体最优位置pbest和每个粒子所属群体当前的群体最优位置gbest;
第三更新单元,用于按照第一公式,更新每个粒子当前的速度和位置;
第一判断单元,用于判断更新后每个粒子当前的速度和位置是否满足收敛条件;如果满足,则执行第二判断单元;如果不满足,则执行调整单元;
调整单元,用于调整每个粒子当前的速度和位置,使调整后每个粒子当前的速度和位置满足收敛条件,然后执行第二判断单元;
第二判断单元,用于判断当前迭代次数是否超过所述最大迭代次数或者判断每个粒子所属群体当前的群体最优位置gbest的目标函数值是否达到预设精度要求,如果当前迭代次数超过所述最大迭代次数或者每个粒子所属群体当前的群体最优位置gbest的目标函数值达到预设精度要求,则终止迭代,否则返回执行所述第一更新单元;
其中,所述第一公式为:
其中,Vij(t)为在t时刻的第i个粒子第j维速度,Vij(t+1)为在t+1时刻的第i个粒子第j维速度,Xij(t)为在t时刻的第i个粒子第j维位置,Xij(t+1)为在t+1时刻的第i个粒子第j维位置,pbestij(t)为从最开始到t时刻为止第i个粒子第j维最优的位置,gbestij(t)为从最开始到t时刻为止所有粒子第j维最优的位置。
进一步地,所述第二更新单元,可具体用于
计算每个粒子当前位置的目标函数值,所述目标函数值为所有北斗卫星差分基站覆盖铁路节点总数,并将每个粒子当前位置的目标函数值与该粒子当前的个体最优位置pbest进行比较,如果该粒子当前位置的目标函数值更优,则将该粒子当前的pbest更新为该粒子当前位置的目标函数值;
将每个粒子当前的pbest对应的目标函数值与该粒子所属群体当前的群体最优位置gbest对应的目标函数值进行比较,如果该粒子当前的pbest对应的目标函数值更优,则将该粒子所属群体当前的gbest更新为该粒子当前的pbest。
进一步地,所述调整单元,可具体用于
通过第二公式,调整每个粒子当前的速度和位置,使调整后每个粒子当前的速度和位置满足收敛条件;
其中,所述第二公式为:
其中,Xmax(j)为所有粒子第j维位置中的最大值,Xmin(j)为所有粒子第j维位置中的最小值,Vmax(j)为所有粒子第j维速度中的最大值,Vmin(j)为所有粒子第j维速度中的最小值。
本实施例的铁路沿线上北斗卫星差分基站的选址***,能够在铁路线路上进行卫星差分基站的选址,寻找在铁路沿线上差分基站建设的最佳位置及个数,实现铁路线路的全面覆盖,满足整条铁路的高精度定位业务需求。
本实施例的铁路沿线上北斗卫星差分基站的选址***,可以用于执行前述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。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置/***。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本发明的说明书中,说明了大量具体细节。然而能够理解的是,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。类似地,应当理解,为了精简本发明公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释呈反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。本发明并不局限于任何单一的方面,也不局限于任何单一的实施例,也不局限于这些方面和/或实施例的任意组合和/或置换。而且,可以单独使用本发明的每个方面和/或实施例或者与一个或更多其他方面和/或其实施例结合使用。
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,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种铁路沿线上北斗卫星差分基站的选址方法,其特征在于,包括:
建立铁路线路的数学模型;
根据所述铁路线路的数学模型,建立北斗卫星差分基站覆盖铁路线路的最优模型;
根据所述北斗卫星差分基站覆盖铁路线路的最优模型,采用粒子群算法,寻找在铁路线路上建立北斗卫星差分基站的最佳位置及个数;
其中,所述根据所述北斗卫星差分基站覆盖铁路线路的最优模型,采用粒子群算法,寻找在铁路线路上建立北斗卫星差分基站的最佳位置及个数,包括:
步骤S1、初始化铁路沿线最优覆盖问题参数,所述铁路沿线最优覆盖问题参数,包括:所覆盖的目标铁路线路内所有粒子的个数、最优选址总维数、惯性因子ω(t)、个人因子c1、社会因子c2、最大迭代次数、每个粒子的初始位置和初始速度、每个粒子的个体最优位置pbest、每个粒子所属群体的群体最优位置gbest和总迭代时间t,其中,所述粒子为覆盖组成目标铁路线路的有序离散点;
步骤S2、将总迭代时间更新为t=t+1,并设置在[0,1]上的随机数r1、r2、r3、r4、r5和r6的初始值;
步骤S3、更新每个粒子当前的个体最优位置pbest和每个粒子所属群体当前的群体最优位置gbest;
步骤S4、按照第一公式,更新每个粒子当前的速度和位置;
步骤S5、判断更新后每个粒子当前的速度和位置是否满足收敛条件;如果满足,则执行步骤S7;如果不满足,则执行步骤S6;
步骤S6、调整每个粒子当前的速度和位置,使调整后每个粒子当前的速度和位置满足收敛条件,然后执行步骤S7;
步骤S7、判断当前迭代次数是否超过所述最大迭代次数或者判断每个粒子所属群体当前的群体最优位置gbest的目标函数值是否达到预设精度要求,如果当前迭代次数超过所述最大迭代次数或者每个粒子所属群体当前的群体最优位置gbest的目标函数值达到预设精度要求,则终止迭代,否则返回执行所述步骤S2;
其中,所述第一公式为:
其中,Vij(t)为在t时刻的第i个粒子第j维速度,Vij(t+1)为在t+1时刻的第i个粒子第j维速度,Xij(t)为在t时刻的第i个粒子第j维位置,Xij(t+1)为在t+1时刻的第i个粒子第j维位置,pbestij(t)为从最开始到t时刻为止第i个粒子第j维最优的位置,gbestij(t)为从最开始到t时刻为止所有粒子第j维最优的位置。
2.根据权利要求1所述的方法,其特征在于,所述建立铁路线路的数学模型,包括:
将铁路线路L分解为有序的离散点,得到铁路线路的数学模型;
所述铁路线路的数学模型为:
L={(x1,y1),...,(xa,ya),...,(xm,ym)},
其中,(xa,ya)为第a个离散点的经纬度坐标,a=1,...,m,m为组成铁路线路的所有离散点的总个数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述铁路线路的数学模型,建立北斗卫星差分基站覆盖铁路线路的最优模型,包括:
根据所述铁路线路的数学模型,确定铁路线路的最优覆盖条件为:覆盖组成铁路线路的有序离散点的个数达到最大值,且所述铁路线路中重叠覆盖的有序离散点的个数达到最小值;
根据所述铁路线路的最优覆盖条件,建立北斗卫星差分基站覆盖铁路线路的最优模型;
所述北斗卫星差分基站覆盖铁路线路的最优模型为:
其中,fb(x)为第b个北斗卫星差分基站首次覆盖组成铁路线路的有序离散点的个数,gb(x)为第b个北斗卫星差分基站与除了北斗第b个卫星差分基站的剩余其他北斗卫星差分基站共同覆盖组成铁路线路的有序离散点的个数,b=1,...,n,n为北斗卫星差分基站的总个数。
4.根据权利要求1所述的方法,其特征在于,所述步骤S3,包括:
计算每个粒子当前位置的目标函数值,所述目标函数值为所有北斗卫星差分基站覆盖铁路节点总数,并将每个粒子当前位置的目标函数值与该粒子当前的个体最优位置pbest进行比较,如果该粒子当前位置的目标函数值更优,则将该粒子当前的pbest更新为该粒子当前位置的目标函数值;
将每个粒子当前的pbest对应的目标函数值与该粒子所属群体当前的群体最优位置gbest对应的目标函数值进行比较,如果该粒子当前的pbest对应的目标函数值更优,则将该粒子所属群体当前的gbest更新为该粒子当前的pbest。
5.根据权利要求1所述的方法,其特征在于,所述步骤S6,包括:
通过第二公式,调整每个粒子当前的速度和位置,使调整后每个粒子当前的速度和位置满足收敛条件;
其中,所述第二公式为:
其中,Xmax(j)为所有粒子第j维位置中的最大值,Xmin(j)为所有粒子第j维位置中的最小值,Vmax(j)为所有粒子第j维速度中的最大值,Vmin(j)为所有粒子第j维速度中的最小值。
6.一种铁路沿线上北斗卫星差分基站的选址***,其特征在于,包括:
第一建立模块,用于建立铁路线路的数学模型;
第二建立模块,用于根据所述铁路线路的数学模型,建立北斗卫星差分基站覆盖铁路线路的最优模型;
选址模块,用于根据所述北斗卫星差分基站覆盖铁路线路的最优模型,采用粒子群算法,寻找在铁路线路上建立北斗卫星差分基站的最佳位置及个数;
其中,所述选址模块,包括:
初始化单元,用于初始化铁路沿线最优覆盖问题参数,所述铁路沿线最优覆盖问题参数,包括:所覆盖的目标铁路线路内所有粒子的个数、最优选址总维数、惯性因子ω(t)、个人因子c1、社会因子c2、最大迭代次数、每个粒子的初始位置和初始速度、每个粒子的个体最优位置pbest、每个粒子所属群体的群体最优位置gbest和总迭代时间t,其中,所述粒子为覆盖组成目标铁路线路的有序离散点;
第一更新单元,用于将总迭代时间更新为t=t+1,并设置在[0,1]上的随机数r1、r2、r3、r4、r5和r6的初始值;
第二更新单元,用于更新每个粒子当前的个体最优位置pbest和每个粒子所属群体当前的群体最优位置gbest;
第三更新单元,用于按照第一公式,更新每个粒子当前的速度和位置;
第一判断单元,用于判断更新后每个粒子当前的速度和位置是否满足收敛条件;如果满足,则执行第二判断单元;如果不满足,则执行调整单元;
调整单元,用于调整每个粒子当前的速度和位置,使调整后每个粒子当前的速度和位置满足收敛条件,然后执行第二判断单元;
第二判断单元,用于判断当前迭代次数是否超过所述最大迭代次数或者判断每个粒子所属群体当前的群体最优位置gbest的目标函数值是否达到预设精度要求,如果当前迭代次数超过所述最大迭代次数或者每个粒子所属群体当前的群体最优位置gbest的目标函数值达到预设精度要求,则终止迭代,否则返回执行所述第一更新单元;
其中,所述第一公式为:
其中,Vij(t)为在t时刻的第i个粒子第j维速度,Vij(t+1)为在t+1时刻的第i个粒子第j维速度,Xij(t)为在t时刻的第i个粒子第j维位置,Xij(t+1)为在t+1时刻的第i个粒子第j维位置,pbestij(t)为从最开始到t时刻为止第i个粒子第j维最优的位置,gbestij(t)为从最开始到t时刻为止所有粒子第j维最优的位置。
7.根据权利要求6所述的***,其特征在于,所述第一建立模块,具体用于
将铁路线路L分解为有序的离散点,得到铁路线路的数学模型;
所述铁路线路的数学模型为:
L={(x1,y1),...,(xa,ya),...,(xm,ym)},
其中,(xa,ya)为第a个离散点的经纬度坐标,a=1,...,m,m为组成铁路线路的所有离散点的总个数。
8.根据权利要求7所述的***,其特征在于,所述第二建立模块,具体用于
根据所述铁路线路的数学模型,确定铁路线路的最优覆盖条件为:覆盖组成铁路线路的有序离散点的个数达到最大值,且所述铁路线路中重叠覆盖的有序离散点的个数达到最小值;
根据所述铁路线路的最优覆盖条件,建立北斗卫星差分基站覆盖铁路线路的最优模型;
所述北斗卫星差分基站覆盖铁路线路的最优模型为:
其中,fb(x)为第b个北斗卫星差分基站首次覆盖组成铁路线路的有序离散点的个数,gb(x)为第b个北斗卫星差分基站与除了北斗第b个卫星差分基站的剩余其他北斗卫星差分基站共同覆盖组成铁路线路的有序离散点的个数,b=1,...,n,n为北斗卫星差分基站的总个数。
9.根据权利要求6所述的***,其特征在于,所述第二更新单元,具体用于
计算每个粒子当前位置的目标函数值,所述目标函数值为所有北斗卫星差分基站覆盖铁路节点总数,并将每个粒子当前位置的目标函数值与该粒子当前的个体最优位置pbest进行比较,如果该粒子当前位置的目标函数值更优,则将该粒子当前的pbest更新为该粒子当前位置的目标函数值;
将每个粒子当前的pbest对应的目标函数值与该粒子所属群体当前的群体最优位置gbest对应的目标函数值进行比较,如果该粒子当前的pbest对应的目标函数值更优,则将该粒子所属群体当前的gbest更新为该粒子当前的pbest。
10.根据权利要求6所述的***,其特征在于,所述调整单元,具体用于
通过第二公式,调整每个粒子当前的速度和位置,使调整后每个粒子当前的速度和位置满足收敛条件;
其中,所述第二公式为:
其中,Xmax(j)为所有粒子第j维位置中的最大值,Xmin(j)为所有粒子第j维位置中的最小值,Vmax(j)为所有粒子第j维速度中的最大值,Vmin(j)为所有粒子第j维速度中的最小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611270425.XA CN106851666B (zh) | 2016-12-31 | 2016-12-31 | 铁路沿线上北斗卫星差分基站的选址方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611270425.XA CN106851666B (zh) | 2016-12-31 | 2016-12-31 | 铁路沿线上北斗卫星差分基站的选址方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106851666A true CN106851666A (zh) | 2017-06-13 |
CN106851666B CN106851666B (zh) | 2020-04-17 |
Family
ID=59117059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611270425.XA Active CN106851666B (zh) | 2016-12-31 | 2016-12-31 | 铁路沿线上北斗卫星差分基站的选址方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106851666B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108594274A (zh) * | 2018-02-01 | 2018-09-28 | 沈阳航空航天大学 | 一种自适应混沌粒子群优化的组合导航选星方法 |
CN108650682A (zh) * | 2017-12-29 | 2018-10-12 | 西安电子科技大学 | 一种5g超密集无线网络的基站布设装置及其方法 |
CN112188506A (zh) * | 2020-09-11 | 2021-01-05 | 中铁第四勘察设计院集团有限公司 | 中继站的选址方法、装置、电子设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104270184A (zh) * | 2014-10-10 | 2015-01-07 | 河海大学 | 适用于高速公路及高速铁路环境的分布式天线***优化设计方法 |
CN104702676A (zh) * | 2015-02-12 | 2015-06-10 | 中国铁路总公司 | 一种铁路分布式数据中心资源调度方法 |
CN104796912A (zh) * | 2015-04-27 | 2015-07-22 | 中国铁路总公司 | 一种gsm-r网络频率规划的方法及*** |
-
2016
- 2016-12-31 CN CN201611270425.XA patent/CN106851666B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104270184A (zh) * | 2014-10-10 | 2015-01-07 | 河海大学 | 适用于高速公路及高速铁路环境的分布式天线***优化设计方法 |
CN104702676A (zh) * | 2015-02-12 | 2015-06-10 | 中国铁路总公司 | 一种铁路分布式数据中心资源调度方法 |
CN104796912A (zh) * | 2015-04-27 | 2015-07-22 | 中国铁路总公司 | 一种gsm-r网络频率规划的方法及*** |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108650682A (zh) * | 2017-12-29 | 2018-10-12 | 西安电子科技大学 | 一种5g超密集无线网络的基站布设装置及其方法 |
CN108650682B (zh) * | 2017-12-29 | 2020-11-10 | 西安电子科技大学 | 一种5g超密集无线网络的基站布设装置及其方法 |
CN108594274A (zh) * | 2018-02-01 | 2018-09-28 | 沈阳航空航天大学 | 一种自适应混沌粒子群优化的组合导航选星方法 |
CN112188506A (zh) * | 2020-09-11 | 2021-01-05 | 中铁第四勘察设计院集团有限公司 | 中继站的选址方法、装置、电子设备和存储介质 |
CN112188506B (zh) * | 2020-09-11 | 2022-10-14 | 中铁第四勘察设计院集团有限公司 | 中继站的选址方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106851666B (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104282162B (zh) | 一种基于实时车辆轨迹的交叉口自适应信号控制方法 | |
CN105070042B (zh) | 一种交通预测的建模方法 | |
CN104750895B (zh) | 基于移动手机数据的实时城市应急疏散仿真方法及*** | |
CN108898838A (zh) | 一种基于lstm模型的机场交通拥堵预测方法及装置 | |
CN103471603B (zh) | 一种公交线路与道路网络的匹配方法和装置 | |
CN101986102B (zh) | 一种城市地理信息***中电子地图匹配方法 | |
CN106851666A (zh) | 铁路沿线上北斗卫星差分基站的选址方法及*** | |
CN107871184A (zh) | 一种面向区域充电设施的电动汽车充电站的选址方法 | |
CN103700314B (zh) | 一种位置定位方法、装置及电子地图 | |
Sun et al. | Integrating traffic velocity data into predictive energy management of plug-in hybrid electric vehicles | |
Li et al. | Traffic signal timing optimization in connected vehicles environment | |
CN107180538A (zh) | 一种车载轨迹运行方向的识别方法 | |
Zelinski | A comparison of algorithm generated sectorizations | |
Guerrero-Ibanez et al. | A policy-based multi-agent management approach for intelligent traffic-light control | |
CN107292537A (zh) | 考虑路径跟踪和灾情风险评判的台风日短期负荷预测方法 | |
Wei et al. | A Two‐Layer Network Dynamic Congestion Pricing Based on Macroscopic Fundamental Diagram | |
Zeng et al. | Optimal path selection for emergency relief supplies after mine disasters | |
CN106130110A (zh) | 基于分层概率选择出行地的电动出租车充电站定容方法 | |
CN106408660A (zh) | 一种电力路径规划中数字地形模型压缩方法和设备 | |
CN108389419A (zh) | 一种车辆动态路径诱导方法 | |
CN107665580A (zh) | 一种基于传感器网络的新型智能交通模型的设计方法 | |
Han et al. | An extended cell transmission model based on digraph for urban traffic road network | |
Montz et al. | Modeling regional hurricane evacuation events: calibration and validation | |
Meng et al. | A simulation-based dynamic traffic assignment model with combined modes | |
Zhao et al. | Multi-objective routing optimization for urban emergency rescue vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |