[发明专利]一种基于最大覆盖模型的数字标牌空间优化选址方法

权利要求书

1.一种基于最大覆盖模型的数字标牌空间优化选址方法，包括：要素处理、构建数字标牌最大覆盖模型、求解模型过程；具体步骤包括：

1)进行要素选取及处理，得到数字标牌多尺度建模因子序列：

选取要素包括：数字标牌布设成本和位置信息、出租车行驶轨迹数据、微博签到点位置数据及商业网点位置数据，作为数字标牌区位建模因子；

再构造空间化的数字标牌区位建模因子，得到数字标牌区位建模因子的多尺度缓冲区数据即数字标牌多尺度建模因子序列，包括各数字标牌区位建模因子的数值及对应的坐标值；

2)分析数字标牌多尺度建模因子序列的特征，对多尺度建模因子序列进行重采样分级处理，得到分级数据，进一步构建数字标牌最大覆盖模型；

具体依据各数字标牌区位建模因子的分数，以最大化覆盖人数为目标函数，以数字标牌区位建模因子的分数为约束条件，构建数字标牌最大覆盖模型；

数字标牌最大覆盖模型的目标函数定义为式(1)：

目标函数Maximize F(x)表示最大化覆盖研究区域内的受众；x＝{x₁,x₂,…,x_n}表示n个数字标牌位置的决策二进制变量；如果第i块数字标牌被选择，那么x_i＝1，否则x_i＝0；V＝{v₁,v₂,…,v_i,…,v_n}，其中v_i表示相应第i块数字标牌在设定范围内覆盖的受众的数量；

约束函数定义为式(2)～(6)：

s_i1       (2)

h_i1       (3)

t_i1      (5)

其中，T＝{t₁,t₂,…,t_i,…,t_n}，t_i表示第i块数字标牌在设定范围内覆盖的出租车轨迹的分级数；S＝{s₁,s₂,…,s_i,…,s_n}，s_i表示第i块数字标牌在设定范围内覆盖的大众点评商业网点的分级数；H＝{h₁,h₂,…,h_i,…,h_n}，h_i表示第i块数字标牌在设定范围内覆盖的微博签到点的分级数；式(2)定义第i块数字标牌缓冲区的大众点评分级数应大于1；式(3)定义了第i块数字标牌缓冲区的微博签到分级数应大于1；式(4)设置数字标牌总数等于p；式(5)设置第i个数字标牌缓冲区的出车轨迹分级数应大于1；式(6)表示布设数字标牌的总成本应小于C，C为常数；

3)构建数字标牌空间优化选址方法求解数字标牌最大覆盖模型：

利用改进遗传算法求解数字标牌最大化覆盖模型，求解结果即为数字标牌优化选址结果，该结果最大化覆盖区域内的受众；

首先，将每一个解作为染色体进行编码；

其次，初始化种群信息，以数字标牌最大覆盖模型的目标函数为适应度函数；

最后，依据数字标牌最大覆盖模型的约束函数执行遗传算子选择、交叉、变异过程，根据约束条件对遗传算子进行选择、排序，自适应地选择符合条件的遗传算子；

通过多次迭代，得到的求解结果即为数字标牌优化选址结果。

2.如权利要求1所述基于最大覆盖模型的数字标牌空间优化选址方法，其特征是，还包括对数字标牌最大覆盖模型进行模型有效性验证：

定义覆盖率为优化选址结果覆盖的受众数量与研究区域内受众数量之间的比值；

定义覆盖数量为优化选址结果覆盖的受众数量；

利用覆盖率、覆盖数量和算法运行时间作为评价指标，对数字标牌空间优化选址方法进行有效性验证。