基于蚁群算法的车险道路救援规划方法及其相关设备与流程

1.本技术涉及金融科技技术领域，尤其涉及一种基于蚁群算法的车险道路救援规划方法及其相关设备。


背景技术：

2.随着社会经济的发展，人们的出行方式正逐步由传统的公共汽车转变为私家汽车。私家汽车的急速增长经常导致道路堵塞，交通事故频发。这也对保险公司的车险服务提出了很高的要求，为减少交通事故带来的直接损失，保险公司通常会为客户提供道路救援服务。但对于庞大的城市交通网，需要在短时间内合理的调度人员和车辆进行道路救援是难度相当大的。
3.针对上述保险服务中的道路救援困难问题，现有的救援调度方案往往需要服务方在不同的区域建立多个救援网点，然后由救援中心统一调度。这种方式存在很多缺点，一方面，需要花费大量的人力、物力；另一方面，信息的传递也需要花费大量的时间，救援不能快速开展。因此，现有技术在进行车险道路救援规划上还存在一定瑕疵，使得救援人员无法及时到达事故现场进行救援。


技术实现要素：

4.本技术实施例的目的在于提出一种基于蚁群算法的车险道路救援规划方法及其相关设备，以解决现有技术在进行车险道路救援规划上还存在的瑕疵问题，使得救援人员能够及时到达事故现场进行救援。
5.为了解决上述技术问题，本技术实施例提供一种基于蚁群算法的车险道路救援规划方法，采用了如下所述的技术方案：
6.一种基于蚁群算法的车险道路救援规划方法，包括下述步骤：
7.识别事故发生地的位置信息，将其作为第一目标点；
8.查找所述第一目标点第一特定范围内的所有可调度资源位置信息，以及获取所述第一特定范围内的动态路网数据；
9.根据所述所有可调度资源位置信息、所述第一目标点、所述第一特定范围内的动态路网数据和蚁群算法，筛选出耗时最少的前段救援路径；
10.查找所述第一目标点第二特定范围内的所有救助点位置信息，以及获取所述第二特定范围内的动态路网数据，构建第二目标点集合；
11.根据所述第一目标点、所述第二目标点集合、所述第二特定范围内的动态路网数据和所述蚁群算法，筛选出耗时最少的后段救援路径；
12.将筛选出的所述前段救援路径和所述后段救援路径发送到预设的救援规划调度平台，进行救援规划。
13.进一步的，所述识别事故发生地的位置信息，将其作为第一目标点的步骤，具体包括：
14.使用预设的gps定位组件测定所述事故发生地的经纬度值，将所述经纬度值作为所述第一目标点。
15.进一步的，所述查找所述第一目标点第一特定范围内的所有可调度资源位置信息，以及获取所述第一特定范围内的动态路网数据的步骤，具体包括：
16.以所述第一特定范围为搜索半径，以所述第一目标点为搜索原点，搜索所述第一目标点第一特定范围内的所有可调度资源，获取所述所有可调度资源位置信息，其中，所述可调度资源包括可调度的救援车辆，所述所有可调度资源位置信息可使用预设的gps定位组件测定的经纬度值表示；
17.根据预设的gis可视化系统，获取所述第一特定范围内的动态路网数据，其中，所述动态路网数据包括动态的实时交通信号调度数据、实时路况车辆数据，以及静态的道路栅格数据；
18.所述查找所述第一目标点第二特定范围内的所有救助点位置信息，以及获取所述第二特定范围内的动态路网数据，构建第二目标点集合的步骤，具体包括：
19.以所述第二特定范围为搜索半径，以所述第一目标点为搜索原点，搜索所述第一目标点第二特定范围内的所有救助点，获取所述所有救助点位置信息，其中，所述救助点包括医疗机构，所述所有救助点位置信息可使用预设的gps定位组件测定的经纬度值表示；
20.根据预设的gis可视化系统，获取所述第二特定范围内的动态路网数据。
21.进一步的，所述根据所述所有可调度资源位置信息、所述第一目标点、所述第一特定范围内的动态路网数据和蚁群算法，筛选出耗时最少的前段救援路径的步骤，具体包括：
22.通过对所述第一特定范围内的动态路网数据进行分析，获取到所述第一特定范围内所有的救援阻碍因子对应的数据，其中，所述救援阻碍因子包括路段车流量饱和数量，以及各个可调度资源位置信息到所述第一目标点的转弯路口数量、直行路口数量；
23.将所述各个可调度资源位置信息分别作为蚁群的起始位置信息；
24.将所述第一目标点设置为蚁群单体所要到达的目标位置信息；
25.根据所述第一特定范围内的动态路网数据，获取所述第一特定范围内所有的道路路口信息，并将所述道路路口信息作为蚁群的筛选节点信息；
26.根据所述蚁群的起始位置信息、所述目标位置信息和所述蚁群的筛选节点信息，采用所述蚁群算法预测从所述各个可调度资源位置信息到所述第一目标点的最短路径；
27.分别获取各个最短路径包含的救援阻碍因子数量,以及各个救援阻碍因子的阻碍时间；
28.根据预设的算法公式：获取各个可调度资源位置信息到所述第一目标点的最短路径分别对应的救援时间，其中，i表示所述各个可调度资源位置信息的编号，si表示编号为i的可调度资源位置信息对应的最短路径长度，v表示所述可调度资源的行驶速度，j表示编号为i的可调度资源位置信息对应的最短路径中各个救援阻碍因子的编号信息，tj表示各个救援阻碍因子的阻碍时间，ti表示编号为i的可调度资源位置信息到所述第一目标点的救援时间；
29.获取所述救援时间为最小值时对应的最短路径作为所述前段救援路径。
30.进一步的，所述根据所述蚁群的起始位置信息、所述目标位置信息和所述蚁群的
筛选节点信息，采用所述蚁群算法预测从所述各个可调度资源位置信息到所述第一目标点的最短路径的步骤，具体包括：
31.将当前蚁群的起始位置信息作为搜索起点、所述目标位置信息作为搜索终点部署到由所述蚁群算法构建的搜索模型内；
32.将所述蚁群的筛选节点信息作为训练数据输入到所述搜索模型内，其中，所述蚁群的筛选节点信息为由所述第一特定范围内所有的道路路口信息构成的集合点值数据；
33.通过所述搜索模型，进行迭代搜索，依次获取从所述搜索起点到所述搜索终点过程中每一次搜索出的下一候选节点的概率值；
34.从所述每一次搜索出的下一候选节点中筛选概率值为最大值的节点，依次将所述概率值为最大值的节点加入到预设的节点集合内；
35.直到迭代完成，根据所述节点集合内元素的序列，进行道路路口连接，获取到当前蚁群的位置信息到所述目标位置信息的连接路径作为所述当前可调度资源位置信息到所述第一目标点的最短路径。
36.进一步的，所述根据所述第一目标点、所述第二目标点集合、所述第二特定范围内的动态路网数据和所述蚁群算法，筛选出耗时最少的后段救援路径的步骤，具体包括：
37.通过对所述第二特定范围内的动态路网数据进行分析，获取到所述第二特定范围内所有的救援阻碍因子对应的数据；
38.将所述第一目标点作为蚁群的起始位置信息；
39.将所述第二目标点集合中各个元素的位置信息设置为蚁群单体分别将要到达的目标位置信息；
40.根据所述第二特定范围内的动态路网数据，获取所述第二特定范围内所有的道路路口信息，并将所述道路路口信息作为蚁群的筛选节点信息；
41.根据所述蚁群的起始位置信息、蚁群单体分别将要到达的目标位置信息和所述蚁群的筛选节点信息，采用所述蚁群算法预测从所述第一目标点分别到所述第二目标点集合中各个元素的最短路径；
42.分别获取各个最短路径包含的救援阻碍因子数量,以及各个救援阻碍因子的阻碍时间；
43.根据预设的算法公式：获取第一目标点分别到所述第二目标点集合中各个元素的最短路径分别对应的救援时间，其中，l表示所述第二目标点集合中各个元素的编号，s
l
表示所述第二目标点集合中编号为l的元素对应的最短路径长度，v表示所述可调度资源的行驶速度，n表示所述第二目标点集合中编号为l的元素对应的最短路径中各个救援阻碍因子的编号信息，tn表示各个救援阻碍因子的阻碍时间，t
l
表示所述第一目标点到所述第二目标点集合中编号为l的元素位置信息处所对应的救援时间；
44.获取所述救援时间为最小值时对应的最短路径作为所述后段救援路径。
45.进一步的，所述根据所述蚁群的起始位置信息、蚁群单体分别将要到达的目标位置信息和所述蚁群的筛选节点信息，采用所述蚁群算法预测从所述第一目标点分别到所述第二目标点集合中各个元素的最短路径的步骤，具体包括：
46.将所述蚁群的起始位置信息作为搜索起点、将所述蚁群单体分别将要到达的目标
位置信息作为搜索终点部署到所述搜索模型内；
47.将所述蚁群的筛选节点信息作为训练数据输入到所述搜索模型内，其中，所述蚁群的筛选节点信息为由所述第二特定范围内所有的道路路口信息构成的集合点值数据；
48.通过所述搜索模型，进行迭代搜索，依次获取从所述搜索起点到当前搜索终点过程中每一次搜索出的下一候选节点的概率值；
49.从所述每一次搜索出的下一候选节点中筛选概率值为最大值的节点，依次将所述概率值为最大值的节点加入到预设的节点集合内；
50.直到迭代完成，根据所述节点集合内元素的序列，进行道路路口连接，获取所述蚁群的起始位置信息到当前搜索终点对应的目标位置信息的连接路径，将所述连接路径作为所述第一目标点到目标救助点的最短路径。
51.为了解决上述技术问题，本技术实施例还提供一种基于蚁群算法的车险道路救援规划装置，采用了如下所述的技术方案：
52.一种基于蚁群算法的车险道路救援规划装置，包括：
53.第一目标点识别模块，用于识别事故发生地的位置信息，将其作为第一目标点；
54.第一数据获取模块，用于查找所述第一目标点第一特定范围内的所有可调度资源位置信息，以及获取所述第一特定范围内的动态路网数据；
55.前段救援路径筛选模块，用于根据所述所有可调度资源位置信息、所述第一目标点、所述第一特定范围内的动态路网数据和蚁群算法，筛选出耗时最少的前段救援路径；
56.第二数据获取模块，用于查找所述第一目标点第二特定范围内的所有救助点位置信息，以及获取所述第二特定范围内的动态路网数据，构建第二目标点集合；
57.后段救援路径筛选模块，用于根据所述第一目标点、所述第二目标点集合、所述第二特定范围内的动态路网数据和所述蚁群算法，筛选出耗时最少的后段救援路径；
58.路径筛选结果发送模块，用于将筛选出的所述前段救援路径和所述后段救援路径发送到预设的救援规划调度平台，进行救援规划。
59.为了解决上述技术问题，本技术实施例还提供一种计算机设备，采用了如下所述的技术方案：
60.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现上述所述的基于蚁群算法的车险道路救援规划方法的步骤。
61.为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
62.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上述所述的基于蚁群算法的车险道路救援规划方法的步骤。
63.与现有技术相比，本技术实施例主要有以下有益效果：
64.本技术实施例所述基于蚁群算法的车险道路救援规划方法，通过识别事故发生地的位置信息，将其作为第一目标点；查找所述第一目标点第一特定范围内的所有可调度资源位置信息，以及获取所述第一特定范围内的动态路网数据；根据所述所有可调度资源位置信息、所述第一目标点、所述第一特定范围内的动态路网数据和蚁群算法，筛选出耗时最
少的前段救援路径；查找所述第一目标点第二特定范围内的所有救助点位置信息，以及获取所述第二特定范围内的动态路网数据，构建第二目标点集合；根据所述第一目标点、所述第二目标点集合、所述第二特定范围内的动态路网数据和所述蚁群算法，筛选出耗时最少的后段救援路径；将筛选出的所述前段救援路径和所述后段救援路径发送到预设的救援规划调度平台，进行救援规划。通过两次采用由蚁群算法构建的搜索模型和引入救援阻碍因子，分别获取到所述前段救援路径和所述后段救援路径，保证了及时到达救援现场和及时将伤员送到目标医疗机构。
附图说明
65.为了更清楚地说明本技术中的方案，下面将对本技术实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本技术的一些实施例，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。
66.图1是本技术可以应用于其中的示例性系统架构图；
67.图2根据本技术的基于蚁群算法的车险道路救援规划方法的一个实施例的流程图；
68.图3是图2所示步骤203的一个具体实施例的流程图；
69.图4是图3所示步骤305的一个具体实施例的流程图；
70.图5是图2所示步骤205的一个具体实施例的流程图；
71.图6是图5所示步骤505的一个具体实施例的流程图；
72.图7根据本技术的基于蚁群算法的车险道路救援规划装置的一个实施例的结构示意图；
73.图8根据本技术的计算机设备的一个实施例的结构示意图。
具体实施方式
74.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本技术的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
75.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
76.为了使本技术领域的人员更好地理解本技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。
77.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
78.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
79.终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、mp3播放器(moving picture expertsgroup audio layer iii，动态影像专家压缩标准音频层面3)、mp4(moving pictureexperts group audio layer iv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
80.服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
81.需要说明的是，本技术实施例所提供的基于蚁群算法的车险道路救援规划方法一般由服务器/终端设备执行，相应地，基于蚁群算法的车险道路救援规划装置一般设置于服务器/终端设备中。
82.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
83.继续参考图2，示出了根据本技术的基于蚁群算法的车险道路救援规划方法的一个实施例的流程图。所述的基于蚁群算法的车险道路救援规划方法，包括以下步骤：
84.步骤201，识别事故发生地的位置信息，将其作为第一目标点。
85.本实施例中，所述识别事故发生地的位置信息，将其作为第一目标点的步骤，具体包括：使用预设的gps定位组件测定所述事故发生地的经纬度值，将所述经纬度值作为所述第一目标点。
86.步骤202，查找所述第一目标点第一特定范围内的所有可调度资源位置信息，以及获取所述第一特定范围内的动态路网数据。
87.本实施例中，所述查找所述第一目标点第一特定范围内的所有可调度资源位置信息，以及获取所述第一特定范围内的动态路网数据的步骤，具体包括：以所述第一特定范围为搜索半径，以所述第一目标点为搜索原点，搜索所述第一目标点第一特定范围内的所有可调度资源，获取所述所有可调度资源位置信息；根据预设的gis可视化系统，获取所述第一特定范围内的动态路网数据。
88.本实施例中，所述可调度资源包括可调度的救援车辆，所述所有可调度资源位置信息可使用预设的gps定位组件测定的经纬度值表示。
89.本实施例中，所述可调度的救援车辆根据车险事故的险情可包括道路清障作业车辆、医护救援车、火灾救援车、事故拖运车或者起重吊车等。
90.本实施例中，所述预设的gis可视化系统是以地理空间数据为基础，采用地理模型分析方法，适时地提供多种空间的和动态的地理信息，对各种地理空间信息进行收集、存储、分析和可视化表达系统。
91.本实施例中，所述动态路网数据包括动态的实时交通信号调度数据、实时路况车辆数据，以及静态的道路栅格数据。
92.通过gis可视化系统能够直观的观察到道路的实时状况，通过获取所述动态路网数据能够进一步为救援路径规划提供数据支持，做到合理规划出最优路径，即耗时最少路
径。
93.步骤203，根据所述所有可调度资源位置信息、所述第一目标点、所述第一特定范围内的动态路网数据和蚁群算法，筛选出耗时最少的前段救援路径。
94.继续参考图3，图3是图2所示步骤203的一个具体实施例的流程图，包括：
95.步骤301，通过对所述第一特定范围内的动态路网数据进行分析，获取到所述第一特定范围内所有的救援阻碍因子对应的数据，其中，所述救援阻碍因子包括路段车流量饱和数量，以及各个可调度资源位置信息到所述第一目标点的转弯路口数量、直行路口数量；
96.步骤302，将所述各个可调度资源位置信息分别作为蚁群的起始位置信息；
97.步骤303，将所述第一目标点设置为蚁群单体所要到达的目标位置信息；
98.步骤304，根据所述第一特定范围内的动态路网数据，获取所述第一特定范围内所有的道路路口信息，并将所述道路路口信息作为蚁群的筛选节点信息；
99.步骤305，根据所述蚁群的起始位置信息、所述目标位置信息和所述蚁群的筛选节点信息，采用所述蚁群算法预测从所述各个可调度资源位置信息到所述第一目标点的最短路径；
100.继续参考图4，图4是图3所示步骤305的一个具体实施例的流程图，包括：
101.步骤401，将当前蚁群的起始位置信息作为搜索起点、所述目标位置信息作为搜索终点部署到由所述蚁群算法构建的搜索模型内；
102.步骤402，将所述蚁群的筛选节点信息作为训练数据输入到所述搜索模型内，其中，所述蚁群的筛选节点信息为由所述第一特定范围内所有的道路路口信息构成的集合点值数据；
103.步骤403，通过所述搜索模型，进行迭代搜索，依次获取从所述搜索起点到所述搜索终点过程中每一次搜索出的下一候选节点的概率值；
104.步骤404，从所述每一次搜索出的下一候选节点中筛选概率值为最大值的节点，依次将所述概率值为最大值的节点加入到预设的节点集合内；
105.步骤405，直到迭代完成，根据所述节点集合内元素的序列，进行道路路口连接，获取到当前蚁群的位置信息到所述目标位置信息的连接路径作为所述当前可调度资源位置信息到所述第一目标点的最短路径。
106.通过采用蚁群算法获得当前可调度资源位置信息到所述第一目标点的最短路径，依次将不同的可调度资源位置信息作为所述当前可调度资源位置信息，并重复执行步骤401至步骤405，最终获取到每个可调度资源位置信息到所述第一目标点的最短路径，这里，由于获取下一个到达节点的概率预测公式都是采用传统的蚁群算法公式，不再累述公式实现原理。
107.步骤306，分别获取各个最短路径包含的救援阻碍因子数量,以及各个救援阻碍因子的阻碍时间；
108.步骤307，根据预设的算法公式：获取各个可调度资源位置信息到所述第一目标点的最短路径分别对应的救援时间，其中，i表示所述各个可调度资源位置信息的编号，si表示编号为i的可调度资源位置信息对应的最短路径长度，v表示所述可调度资源的行驶速度，j表示编号为i的可调度资源位置信息对应的最短路径中各个救援阻
碍因子的编号信息，tj表示各个救援阻碍因子的阻碍时间，ti表示编号为i的可调度资源位置信息到所述第一目标点的救援时间；
109.步骤308，获取所述救援时间为最小值时对应的最短路径作为所述前段救援路径。
110.通过引入救援阻碍因子和蚁群算法筛选出耗时最短的前段救援路径，保证了可调度资源及时到达事故现场。
111.步骤204，查找所述第一目标点第二特定范围内的所有救助点位置信息，以及获取所述第二特定范围内的动态路网数据，构建第二目标点集合。
112.本实施例中，所述查找所述第一目标点第二特定范围内的所有救助点位置信息，以及获取所述第二特定范围内的动态路网数据，构建第二目标点集合的步骤，具体包括：以所述第二特定范围为搜索半径，以所述第一目标点为搜索原点，搜索所述第一目标点第二特定范围内的所有救助点，获取所述所有救助点位置信息；根据预设的gis可视化系统，获取所述第二特定范围内的动态路网数据。
113.本实施例中，所述救助点包括医疗机构，所述所有救助点位置信息可使用预设的gps定位组件测定的经纬度值表示。
114.步骤205，根据所述第一目标点、所述第二目标点集合、所述第二特定范围内的动态路网数据和所述蚁群算法，筛选出耗时最少的后段救援路径。
115.继续参考图5，图5是图2所示步骤205的一个具体实施例的流程图，包括：
116.步骤501，通过对所述第二特定范围内的动态路网数据进行分析，获取到所述第二特定范围内所有的救援阻碍因子对应的数据；
117.步骤502，将所述第一目标点作为蚁群的起始位置信息；
118.步骤503，将所述第二目标点集合中各个元素的位置信息设置为蚁群单体分别将要到达的目标位置信息；
119.步骤504，根据所述第二特定范围内的动态路网数据，获取所述第二特定范围内所有的道路路口信息，并将所述道路路口信息作为蚁群的筛选节点信息；
120.步骤505，根据所述蚁群的起始位置信息、蚁群单体分别将要到达的目标位置信息和所述蚁群的筛选节点信息，采用所述蚁群算法预测从所述第一目标点分别到所述第二目标点集合中各个元素的最短路径；
121.继续参考图6，图6是图5所示步骤505的一个具体实施例的流程图，包括：
122.步骤601，将所述蚁群的起始位置信息作为搜索起点、将所述蚁群单体分别将要到达的目标位置信息作为搜索终点部署到所述搜索模型内；
123.步骤602，将所述蚁群的筛选节点信息作为训练数据输入到所述搜索模型内，其中，所述蚁群的筛选节点信息为由所述第二特定范围内所有的道路路口信息构成的集合点值数据；
124.步骤603，通过所述搜索模型，进行迭代搜索，依次获取从所述搜索起点到当前搜索终点过程中每一次搜索出的下一候选节点的概率值；
125.步骤604，从所述每一次搜索出的下一候选节点中筛选概率值为最大值的节点，依次将所述概率值为最大值的节点加入到预设的节点集合内；
126.步骤605，直到迭代完成，根据所述节点集合内元素的序列，进行道路路口连接，获取所述蚁群的起始位置信息到当前搜索终点对应的目标位置信息的连接路径，将所述连接
路径作为所述第一目标点到目标救助点的最短路径。
127.同理，通过采用蚁群算法获得所述第一目标点到目标救助点的最短路径，依次将不同的救助点作为所述当前搜索终点，并重复执行步骤601至步骤605，最终获取到从搜索起点到每个搜索终点所对应的最短路径。
128.步骤506，分别获取各个最短路径包含的救援阻碍因子数量,以及各个救援阻碍因子的阻碍时间；
129.步骤507，根据预设的算法公式：获取第一目标点分别到所述第二目标点集合中各个元素的最短路径分别对应的救援时间，其中，l表示所述第二目标点集合中各个元素的编号，s
l
表示所述第二目标点集合中编号为l的元素对应的最短路径长度，v表示所述可调度资源的行驶速度，n表示所述第二目标点集合中编号为l的元素对应的最短路径中各个救援阻碍因子的编号信息，tn表示各个救援阻碍因子的阻碍时间，t
l
表示所述第一目标点到所述第二目标点集合中编号为l的元素位置信息处所对应的救援时间；
130.步骤508，获取所述救援时间为最小值时对应的最短路径作为所述后段救援路径。
131.通过引入救援阻碍因子和蚁群算法筛选出耗时最短的后段救援路径，保证了可及时转送伤员到达有条件的治疗医院。
132.步骤206，将筛选出的所述前段救援路径和所述后段救援路径发送到预设的救援规划调度平台，进行救援规划。
133.通过两次采用由蚁群算法构建的搜索模型和引入救援阻碍因子，分别获取到所述前段救援路径和所述后段救援路径，保证了及时到达救援现场和及时将伤员送到目标医疗机构，而且两次模型搜索和路径选择，互不干涉，相互独立，而且，仅需构建一个搜索模型，通过改变参数即可在道路救援规划不同阶段高效运用，实现了搜索模型的反复可适用性。
134.本技术通过识别事故发生地的位置信息，将其作为第一目标点；查找所述第一目标点第一特定范围内的所有可调度资源位置信息，以及获取所述第一特定范围内的动态路网数据；根据所述所有可调度资源位置信息、所述第一目标点、所述第一特定范围内的动态路网数据和蚁群算法，筛选出耗时最少的前段救援路径；查找所述第一目标点第二特定范围内的所有救助点位置信息，以及获取所述第二特定范围内的动态路网数据，构建第二目标点集合；根据所述第一目标点、所述第二目标点集合、所述第二特定范围内的动态路网数据和所述蚁群算法，筛选出耗时最少的后段救援路径；将筛选出的所述前段救援路径和所述后段救援路径发送到预设的救援规划调度平台，进行救援规划。通过两次采用由蚁群算法构建的搜索模型和引入救援阻碍因子，分别获取到所述前段救援路径和所述后段救援路径，保证了及时到达救援现场和及时将伤员送到目标医疗机构。
135.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
136.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深
度学习等几大方向。
137.本技术实施例中，通过通过两次采用由蚁群算法构建的搜索模型和引入救援阻碍因子，分别获取到所述前段救援路径和所述后段救援路径，保证了及时到达救援现场和及时将伤员送到目标医疗机构，而且两次模型搜索和路径选择，互不干涉，相互独立，而且，仅需构建一个搜索模型，通过改变参数即可在道路救援规划不同阶段高效运用，实现了搜索模型的反复可适用性。
138.进一步参考图7，作为对上述图2所示方法的实现，本技术提供了一种基于蚁群算法的车险道路救援规划装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
139.如图7所示，本实施例所述的基于蚁群算法的车险道路救援规划装置700包括：第一目标点识别模块701、第一数据获取模块702、前段救援路径筛选模块703、第二数据获取模块704、后段救援路径筛选模块705和路径筛选结果发送模块706。其中：
140.第一目标点识别模块701，用于识别事故发生地的位置信息，将其作为第一目标点；
141.第一数据获取模块702，用于查找所述第一目标点第一特定范围内的所有可调度资源位置信息，以及获取所述第一特定范围内的动态路网数据；
142.前段救援路径筛选模块703，用于根据所述所有可调度资源位置信息、所述第一目标点、所述第一特定范围内的动态路网数据和蚁群算法，筛选出耗时最少的前段救援路径；
143.第二数据获取模块704，用于查找所述第一目标点第二特定范围内的所有救助点位置信息，以及获取所述第二特定范围内的动态路网数据，构建第二目标点集合；
144.后段救援路径筛选模块705，用于根据所述第一目标点、所述第二目标点集合、所述第二特定范围内的动态路网数据和所述蚁群算法，筛选出耗时最少的后段救援路径；
145.路径筛选结果发送模块706，用于将筛选出的所述前段救援路径和所述后段救援路径发送到预设的救援规划调度平台，进行救援规划。
146.本技术通过识别事故发生地的位置信息，将其作为第一目标点；查找所述第一目标点第一特定范围内的所有可调度资源位置信息，以及获取所述第一特定范围内的动态路网数据；根据所述所有可调度资源位置信息、所述第一目标点、所述第一特定范围内的动态路网数据和蚁群算法，筛选出耗时最少的前段救援路径；查找所述第一目标点第二特定范围内的所有救助点位置信息，以及获取所述第二特定范围内的动态路网数据，构建第二目标点集合；根据所述第一目标点、所述第二目标点集合、所述第二特定范围内的动态路网数据和所述蚁群算法，筛选出耗时最少的后段救援路径；将筛选出的所述前段救援路径和所述后段救援路径发送到预设的救援规划调度平台，进行救援规划。通过两次采用由蚁群算法构建的搜索模型和引入救援阻碍因子，分别获取到所述前段救援路径和所述后段救援路径，保证了及时到达救援现场和及时将伤员送到目标医疗机构。
147.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)等非易失性存储介质，或随机存储记忆体(random access memory，ram)等。
148.应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
149.为解决上述技术问题，本技术实施例还提供计算机设备。具体请参阅图8，图8为本实施例计算机设备基本结构框图。
150.所述计算机设备8包括通过系统总线相互通信连接存储器8a、处理器8b、网络接口8c。需要指出的是，图中仅示出了具有组件8a-8c的计算机设备8，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(application specific integrated circuit，asic)、可编程门阵列(field－programmable gate array，fpga)、数字处理器(digital signal processor，dsp)、嵌入式设备等。
151.所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
152.所述存储器8a至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器8a可以是所述计算机设备8的内部存储单元，例如该计算机设备8的硬盘或内存。在另一些实施例中，所述存储器8a也可以是所述计算机设备8的外部存储设备，例如该计算机设备8上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。当然，所述存储器8a还可以既包括所述计算机设备8的内部存储单元也包括其外部存储设备。本实施例中，所述存储器8a通常用于存储安装于所述计算机设备8的操作系统和各类应用软件，例如基于蚁群算法的车险道路救援规划方法的计算机可读指令等。此外，所述存储器8a还可以用于暂时地存储已经输出或者将要输出的各类数据。
153.所述处理器8b在一些实施例中可以是中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器8b通常用于控制所述计算机设备8的总体操作。本实施例中，所述处理器8b用于运行所述存储器8a中存储的计算机可读指令或者处理数据，例如运行所述基于蚁群算法的车险道路救援规划方法的计算机可读指令。
154.所述网络接口8c可包括无线网络接口或有线网络接口，该网络接口8c通常用于在所述计算机设备8与其他电子设备之间建立通信连接。
155.本实施例提出的计算机设备，属于金融科技技术领域。本技术通过识别事故发生地的位置信息，将其作为第一目标点；查找所述第一目标点第一特定范围内的所有可调度资源位置信息，以及获取所述第一特定范围内的动态路网数据；根据所述所有可调度资源
位置信息、所述第一目标点、所述第一特定范围内的动态路网数据和蚁群算法，筛选出耗时最少的前段救援路径；查找所述第一目标点第二特定范围内的所有救助点位置信息，以及获取所述第二特定范围内的动态路网数据，构建第二目标点集合；根据所述第一目标点、所述第二目标点集合、所述第二特定范围内的动态路网数据和所述蚁群算法，筛选出耗时最少的后段救援路径；将筛选出的所述前段救援路径和所述后段救援路径发送到预设的救援规划调度平台，进行救援规划。通过两次采用由蚁群算法构建的搜索模型和引入救援阻碍因子，分别获取到所述前段救援路径和所述后段救援路径，保证了及时到达救援现场和及时将伤员送到目标医疗机构。
156.本技术还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被处理器执行，以使所述处理器执行如上述的基于蚁群算法的车险道路救援规划方法的步骤。
157.本实施例提出的计算机可读存储介质，属于金融科技技术领域。本技术通过识别事故发生地的位置信息，将其作为第一目标点；查找所述第一目标点第一特定范围内的所有可调度资源位置信息，以及获取所述第一特定范围内的动态路网数据；根据所述所有可调度资源位置信息、所述第一目标点、所述第一特定范围内的动态路网数据和蚁群算法，筛选出耗时最少的前段救援路径；查找所述第一目标点第二特定范围内的所有救助点位置信息，以及获取所述第二特定范围内的动态路网数据，构建第二目标点集合；根据所述第一目标点、所述第二目标点集合、所述第二特定范围内的动态路网数据和所述蚁群算法，筛选出耗时最少的后段救援路径；将筛选出的所述前段救援路径和所述后段救援路径发送到预设的救援规划调度平台，进行救援规划。通过两次采用由蚁群算法构建的搜索模型和引入救援阻碍因子，分别获取到所述前段救援路径和所述后段救援路径，保证了及时到达救援现场和及时将伤员送到目标医疗机构。
158.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。
159.显然，以上所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例，附图中给出了本技术的较佳实施例，但并不限制本技术的专利范围。本技术可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本技术的公开内容的理解更加透彻全面。尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式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效替换。凡是利用本技术说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本技术专利保护范围之内。

技术特征：
1.一种基于蚁群算法的车险道路救援规划方法，其特征在于，包括下述步骤：识别事故发生地的位置信息，将其作为第一目标点；查找所述第一目标点第一特定范围内的所有可调度资源位置信息，以及获取所述第一特定范围内的动态路网数据；根据所述所有可调度资源位置信息、所述第一目标点、所述第一特定范围内的动态路网数据和蚁群算法，筛选出耗时最少的前段救援路径；查找所述第一目标点第二特定范围内的所有救助点位置信息，以及获取所述第二特定范围内的动态路网数据，构建第二目标点集合；根据所述第一目标点、所述第二目标点集合、所述第二特定范围内的动态路网数据和所述蚁群算法，筛选出耗时最少的后段救援路径；将筛选出的所述前段救援路径和所述后段救援路径发送到预设的救援规划调度平台，进行救援规划。2.根据权利要求1所述的基于蚁群算法的车险道路救援规划方法，其特征在于，所述识别事故发生地的位置信息，将其作为第一目标点的步骤，具体包括：使用预设的gps定位组件测定所述事故发生地的经纬度值，将所述经纬度值作为所述第一目标点。3.根据权利要求1所述的基于蚁群算法的车险道路救援规划方法，其特征在于，所述查找所述第一目标点第一特定范围内的所有可调度资源位置信息，以及获取所述第一特定范围内的动态路网数据的步骤，具体包括：以所述第一特定范围为搜索半径，以所述第一目标点为搜索原点，搜索所述第一目标点第一特定范围内的所有可调度资源，获取所述所有可调度资源位置信息，其中，所述可调度资源包括可调度的救援车辆，所述所有可调度资源位置信息可使用预设的gps定位组件测定的经纬度值表示；根据预设的gis可视化系统，获取所述第一特定范围内的动态路网数据，其中，所述动态路网数据包括动态的实时交通信号调度数据、实时路况车辆数据，以及静态的道路栅格数据；所述查找所述第一目标点第二特定范围内的所有救助点位置信息，以及获取所述第二特定范围内的动态路网数据，构建第二目标点集合的步骤，具体包括：以所述第二特定范围为搜索半径，以所述第一目标点为搜索原点，搜索所述第一目标点第二特定范围内的所有救助点，获取所述所有救助点位置信息，其中，所述救助点包括医疗机构，所述所有救助点位置信息可使用预设的gps定位组件测定的经纬度值表示；根据预设的gis可视化系统，获取所述第二特定范围内的动态路网数据。4.根据权利要求3所述的基于蚁群算法的车险道路救援规划方法，其特征在于，所述根据所述所有可调度资源位置信息、所述第一目标点、所述第一特定范围内的动态路网数据和蚁群算法，筛选出耗时最少的前段救援路径的步骤，具体包括：通过对所述第一特定范围内的动态路网数据进行分析，获取到所述第一特定范围内所有的救援阻碍因子对应的数据，其中，所述救援阻碍因子包括路段车流量饱和数量，以及各个可调度资源位置信息到所述第一目标点的转弯路口数量、直行路口数量；将所述各个可调度资源位置信息分别作为蚁群的起始位置信息；
将所述第一目标点设置为蚁群单体所要到达的目标位置信息；根据所述第一特定范围内的动态路网数据，获取所述第一特定范围内所有的道路路口信息，并将所述道路路口信息作为蚁群的筛选节点信息；根据所述蚁群的起始位置信息、所述目标位置信息和所述蚁群的筛选节点信息，采用所述蚁群算法预测从所述各个可调度资源位置信息到所述第一目标点的最短路径；分别获取各个最短路径包含的救援阻碍因子数量,以及各个救援阻碍因子的阻碍时间；根据预设的算法公式：获取各个可调度资源位置信息到所述第一目标点的最短路径分别对应的救援时间，其中，i表示所述各个可调度资源位置信息的编号，s
i
表示编号为i的可调度资源位置信息对应的最短路径长度，v表示所述可调度资源的行驶速度，j表示编号为i的可调度资源位置信息对应的最短路径中各个救援阻碍因子的编号信息，t
j
表示各个救援阻碍因子的阻碍时间，t
i
表示编号为i的可调度资源位置信息到所述第一目标点的救援时间；获取所述救援时间为最小值时对应的最短路径作为所述前段救援路径。5.根据权利要求4所述的基于蚁群算法的车险道路救援规划方法，其特征在于，所述根据所述蚁群的起始位置信息、所述目标位置信息和所述蚁群的筛选节点信息，采用所述蚁群算法预测从所述各个可调度资源位置信息到所述第一目标点的最短路径的步骤，具体包括：将当前蚁群的起始位置信息作为搜索起点、所述目标位置信息作为搜索终点部署到由所述蚁群算法构建的搜索模型内；将所述蚁群的筛选节点信息作为训练数据输入到所述搜索模型内，其中，所述蚁群的筛选节点信息为由所述第一特定范围内所有的道路路口信息构成的集合点值数据；通过所述搜索模型，进行迭代搜索，依次获取从所述搜索起点到所述搜索终点过程中每一次搜索出的下一候选节点的概率值；从所述每一次搜索出的下一候选节点中筛选概率值为最大值的节点，依次将所述概率值为最大值的节点加入到预设的节点集合内；直到迭代完成，根据所述节点集合内元素的序列，进行道路路口连接，获取到当前蚁群的位置信息到所述目标位置信息的连接路径作为所述当前可调度资源位置信息到所述第一目标点的最短路径。6.根据权利要求3所述的基于蚁群算法的车险道路救援规划方法，其特征在于，所述根据所述第一目标点、所述第二目标点集合、所述第二特定范围内的动态路网数据和所述蚁群算法，筛选出耗时最少的后段救援路径的步骤，具体包括：通过对所述第二特定范围内的动态路网数据进行分析，获取到所述第二特定范围内所有的救援阻碍因子对应的数据；将所述第一目标点作为蚁群的起始位置信息；将所述第二目标点集合中各个元素的位置信息设置为蚁群单体分别将要到达的目标位置信息；根据所述第二特定范围内的动态路网数据，获取所述第二特定范围内所有的道路路口
信息，并将所述道路路口信息作为蚁群的筛选节点信息；根据所述蚁群的起始位置信息、蚁群单体分别将要到达的目标位置信息和所述蚁群的筛选节点信息，采用所述蚁群算法预测从所述第一目标点分别到所述第二目标点集合中各个元素的最短路径；分别获取各个最短路径包含的救援阻碍因子数量,以及各个救援阻碍因子的阻碍时间；根据预设的算法公式：获取第一目标点分别到所述第二目标点集合中各个元素的最短路径分别对应的救援时间，其中，l表示所述第二目标点集合中各个元素的编号，s
l
表示所述第二目标点集合中编号为l的元素对应的最短路径长度，v表示所述可调度资源的行驶速度，n表示所述第二目标点集合中编号为l的元素对应的最短路径中各个救援阻碍因子的编号信息，t
n
表示各个救援阻碍因子的阻碍时间，t
l
表示所述第一目标点到所述第二目标点集合中编号为l的元素位置信息处所对应的救援时间；获取所述救援时间为最小值时对应的最短路径作为所述后段救援路径。7.根据权利要求6所述的基于蚁群算法的车险道路救援规划方法，其特征在于，所述根据所述蚁群的起始位置信息、蚁群单体分别将要到达的目标位置信息和所述蚁群的筛选节点信息，采用所述蚁群算法预测从所述第一目标点分别到所述第二目标点集合中各个元素的最短路径的步骤，具体包括：将所述蚁群的起始位置信息作为搜索起点、将所述蚁群单体分别将要到达的目标位置信息作为搜索终点部署到所述搜索模型内；将所述蚁群的筛选节点信息作为训练数据输入到所述搜索模型内，其中，所述蚁群的筛选节点信息为由所述第二特定范围内所有的道路路口信息构成的集合点值数据；通过所述搜索模型，进行迭代搜索，依次获取从所述搜索起点到当前搜索终点过程中每一次搜索出的下一候选节点的概率值；从所述每一次搜索出的下一候选节点中筛选概率值为最大值的节点，依次将所述概率值为最大值的节点加入到预设的节点集合内；直到迭代完成，根据所述节点集合内元素的序列，进行道路路口连接，获取所述蚁群的起始位置信息到当前搜索终点对应的目标位置信息的连接路径，将所述连接路径作为所述第一目标点到目标救助点的最短路径。8.一种基于蚁群算法的车险道路救援规划装置，其特征在于，包括：第一目标点识别模块，用于识别事故发生地的位置信息，将其作为第一目标点；第一数据获取模块，用于查找所述第一目标点第一特定范围内的所有可调度资源位置信息，以及获取所述第一特定范围内的动态路网数据；前段救援路径筛选模块，用于根据所述所有可调度资源位置信息、所述第一目标点、所述第一特定范围内的动态路网数据和蚁群算法，筛选出耗时最少的前段救援路径；第二数据获取模块，用于查找所述第一目标点第二特定范围内的所有救助点位置信息，以及获取所述第二特定范围内的动态路网数据，构建第二目标点集合；后段救援路径筛选模块，用于根据所述第一目标点、所述第二目标点集合、所述第二特定范围内的动态路网数据和所述蚁群算法，筛选出耗时最少的后段救援路径；
路径筛选结果发送模块，用于将筛选出的所述前段救援路径和所述后段救援路径发送到预设的救援规划调度平台，进行救援规划。9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的基于蚁群算法的车险道路救援规划方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的基于蚁群算法的车险道路救援规划方法的步骤。

技术总结
本申请实施例属于金融科技技术领域，涉及一种基于蚁群算法的车险道路救援规划方法及其相关设备，包括识别事故发生地的位置信息；根据所有可调度资源位置信息、事故发生地的位置信息、第一特定范围内的动态路网数据和蚁群算法，筛选出耗时最少的前段救援路径；根据事故发生地的位置信息、救助点集合、第二特定范围内的动态路网数据和所述蚁群算法，筛选出耗时最少的后段救援路径；将筛选出的所述前段救援路径和所述后段救援路径发送到预设的救援规划调度平台，进行救援规划。通过两次采用由蚁群算法构建的搜索模型和引入救援阻碍因子，分别获取到所述前段救援路径和所述后段救援路径，保证了及时到达救援现场和及时将伤员送到目标医疗机构。到目标医疗机构。到目标医疗机构。


技术研发人员：刘兴廷
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2023.06.20
技术公布日：2023/9/20