针对城市内无人机起降场布局规划不合理的现象,首先利用最大覆盖模型进行选址求解,但因其需求点分布不均且需求覆盖判定标准过于单一,使得求解结果出现覆盖率不高、选址过于集中的情况。针对此问题,考虑需求在空间内的连续分布,结合无...针对城市内无人机起降场布局规划不合理的现象,首先利用最大覆盖模型进行选址求解,但因其需求点分布不均且需求覆盖判定标准过于单一,使得求解结果出现覆盖率不高、选址过于集中的情况。针对此问题,考虑需求在空间内的连续分布,结合无人机禁飞区、应用场景等限制因素,提出了一种基于空间连续需求的无人机起降场最大覆盖模型选址办法,利用规则网格确定需求对象、多边形交点集(polygon intersection point set, PIPS)方法确定起降场候选点。以天津市滨海新区城市内无人机起降场选址研究为例,验证了改进模型的可行性,在起降场建设数量均为14时,改进模型将实际服务面积覆盖率从62.03%提升至88.61%。其结果表明:该方法更符合无人机起降场选址的实际需求,使起降场选址布局均匀合理,能够显著提高无人机起降场服务覆盖率。展开更多
邻域覆盖模型由于其原理简单以及对复杂数据具有较好的处理能力,在分类任务中得到了广泛应用。然而,邻域覆盖模型普遍存在运行效率较低的问题,且缺乏相关研究工作。为解决此问题,在传统邻域覆盖模型中引入距离间的三角不等式关系以提升...邻域覆盖模型由于其原理简单以及对复杂数据具有较好的处理能力,在分类任务中得到了广泛应用。然而,邻域覆盖模型普遍存在运行效率较低的问题,且缺乏相关研究工作。为解决此问题,在传统邻域覆盖模型中引入距离间的三角不等式关系以提升构建邻域的效率,同时引入局部策略,定义了局部邻域覆盖以提升构建邻域覆盖的效率。为提升运行效率,从两个角度对传统邻域覆盖模型进行了改进,提出了基于三角不等式判定和局部策略的邻域覆盖模型(Neighborhood Covering Model based on Triangle Inequality Check and Local Strategy,TI-LNC)。此外,当前基于邻域覆盖模型的分类算法通常仅根据邻域中心以及邻域半径对样本进行分类,缺乏对邻域内样本信息的使用,从而影响了分类精度。为提高邻域覆盖模型的分类精度,增加了对邻域内样本信息的考虑,并基于TI-LNC设计了新的分类算法。在10个UCI数据集上的实验结果表明,所提模型能达到较高的运行效率以及较好的分类精度,具有一定的合理性及有效性。展开更多
文摘针对城市内无人机起降场布局规划不合理的现象,首先利用最大覆盖模型进行选址求解,但因其需求点分布不均且需求覆盖判定标准过于单一,使得求解结果出现覆盖率不高、选址过于集中的情况。针对此问题,考虑需求在空间内的连续分布,结合无人机禁飞区、应用场景等限制因素,提出了一种基于空间连续需求的无人机起降场最大覆盖模型选址办法,利用规则网格确定需求对象、多边形交点集(polygon intersection point set, PIPS)方法确定起降场候选点。以天津市滨海新区城市内无人机起降场选址研究为例,验证了改进模型的可行性,在起降场建设数量均为14时,改进模型将实际服务面积覆盖率从62.03%提升至88.61%。其结果表明:该方法更符合无人机起降场选址的实际需求,使起降场选址布局均匀合理,能够显著提高无人机起降场服务覆盖率。
文摘邻域覆盖模型由于其原理简单以及对复杂数据具有较好的处理能力,在分类任务中得到了广泛应用。然而,邻域覆盖模型普遍存在运行效率较低的问题,且缺乏相关研究工作。为解决此问题,在传统邻域覆盖模型中引入距离间的三角不等式关系以提升构建邻域的效率,同时引入局部策略,定义了局部邻域覆盖以提升构建邻域覆盖的效率。为提升运行效率,从两个角度对传统邻域覆盖模型进行了改进,提出了基于三角不等式判定和局部策略的邻域覆盖模型(Neighborhood Covering Model based on Triangle Inequality Check and Local Strategy,TI-LNC)。此外,当前基于邻域覆盖模型的分类算法通常仅根据邻域中心以及邻域半径对样本进行分类,缺乏对邻域内样本信息的使用,从而影响了分类精度。为提高邻域覆盖模型的分类精度,增加了对邻域内样本信息的考虑,并基于TI-LNC设计了新的分类算法。在10个UCI数据集上的实验结果表明,所提模型能达到较高的运行效率以及较好的分类精度,具有一定的合理性及有效性。
