巡逻路线确定方法、装置及存储介质

技术领域

本申请涉及计算机技术领域，尤其涉及一种巡逻路线确定方法、装置及存储介质。

背景技术

相关技术中，为了维护社会的正常秩序、降低事件的发生率，巡逻人员需要根据事先规划的巡逻路线进行巡逻防控。

目前，主要基于区域全覆盖和路线随机性的要求规划巡逻路线，这样规划得到的巡逻路线能够完全覆盖到目标巡逻区域，并且使得在不同时间规划的巡逻路线不同。目前的巡逻路线规划中缺少针对最优巡逻效率或者针对事件发生时间进行路线规划的方案。

发明内容

本申请提供一种巡逻路线确定方法、装置及存储介质，能够针对最优巡逻效率或者针对事件发生时间进行路线规划。

为达到上述目的，本申请采用如下技术方案：

第一方面，本申请提供一种巡逻路线确定方法，该方法包括：获取L个第一巡逻点；其中，L为正整数；第一巡逻点的信息包括：第一巡逻点的期望巡逻时间段和/或第一巡逻点的经纬度信息；根据预设遗传算法处理L个第一巡逻点，确定满足预设约束条件的目标巡逻路线；其中，预设约束条件包括以下至少一项：时间约束条件和长度约束条件；长度约束条件为路线长度小于或等于第一预设阈值；时间约束条件为到达时间位于期望巡逻时间段的第一巡逻点的数量大于或等于第二预设阈值。

上述技术方案至少带来以下有益效果：在本申请中，可以以长度约束条件(即巡逻路线的长度)，和/或，时间约束条件(即巡逻人员到达巡逻点的时间(即到达时间)与预设时间段(即期望巡逻时间段)的匹配程度)规划巡逻路线。在以长度约束条件规划巡逻路线时，可以通过预设遗传算法确定巡逻路线长度较短的目标巡逻路线，从而提高巡逻人员的巡逻效率，并减轻巡逻人员的负担。在以时间约束条件规划巡逻路线时，可以通过预设遗传算法确定到达巡逻点的时间与预设时间段的匹配程度较高的目标巡逻路线，这样可以尽可能多的使得巡逻人员在特定时间段内出现在重点巡逻位置的范围内，进一步提高了巡逻的效果。同时，计算设备还可以同时兼顾巡逻路线长度和到达巡逻点的时间与预设时间段的匹配程度确定目标巡逻路线，这样不仅可以提高巡逻的效果，还可以提高巡逻人员的巡逻效率，并减轻巡逻人员的负担。

在一种可能的实现方式中，所述根据预设遗传算法处理所述L个第一巡逻点，确定满足预设约束条件的目标巡逻路线，包括：根据所述预设遗传算法处理所述L个第一巡逻点的信息，确定多个初始巡逻路线；一个初始巡逻路线包括：到达所述L个第一巡逻点的顺序；根据所述预设遗传算法处理所述多个初始巡逻路线，确定满足所述预设约束条件的目标巡逻路线。

在该种实现方式中，在本申请中，计算设备可以先先根据预设遗传算法对L个第一巡逻点进行处理得到多个初始巡逻路线，再根据预设遗传算法对多个初始巡逻路线进行处理，确定满足预设约束条件的目标巡逻路线，这样以长度约束条件(即巡逻路线的长度)，和/或，时间约束条件(即巡逻人员到达巡逻点的时间(即到达时间)与预设时间段(即期望巡逻时间段)的匹配程度)规划巡逻路线。在以长度约束条件规划巡逻路线时，可以通过预设遗传算法确定巡逻路线长度较短的目标巡逻路线，从而提高巡逻人员的巡逻效率，并减轻巡逻人员的负担。

在一种可能的实现方式中，预设遗传算法为迭代算法，根据预设遗传算法处理多个初始巡逻路线，确定满足预设约束条件的目标巡逻路线，包括：迭代执行下述过程：(1)获取第i次迭代时的种群；其中，种群包括N个个体，N为正整数；一个个体用于表征一个预设巡逻路线；i为自然数，初始迭代的种群包括根据多个初始巡逻路线确定的N个个体；(2)根据预设约束条件，以及预设变异概率，对第i次迭代时的种群中的N个个体进行处理，得到更新后的N个个体，将更新后的N个个体作为第i+1次迭代时的种群；直至迭代次数满足预设迭代次数，将最后一次迭代得到的更新后的N个个体中适应度较高的目标个体确定为目标巡逻路线。

在该种实现方式中，在本申请中，根据预设遗传算法处理与多个初始巡逻路线对应的N个个体，确定满足预设约束条件的目标个体，并根据目标个体确定目标巡逻路线。本申请的预设遗传算法可以对N个个体进行多次处理，直至执行次数达到预设次数，才停止处理。在该情况下，通过预设遗传算法对个体表征的巡逻路线进行多次优化，并从最后一次处理之后得到的N个个体中，确定满足预设条件的目标个体，这样确定的目标巡逻路线的巡逻效果更好。

在一种可能的实现方式中，步骤1、根据预设约束条件，确定种群中的N个个体中的每个个体的适应度；在一个初始巡逻路线包括：到达L个第一巡逻点的顺序和每个第一巡逻点的期望巡逻时间段的情况下，适应度用于表征一个个体中，到达时间位于期望巡逻时间段的第一巡逻点的数量；在一个初始巡逻路线包括：到达L个第一巡逻点的顺序和路线长度的情况下，适应度用于表征一个个体的路线长度；在一个初始巡逻路线的信息包括：到达L个第一巡逻点的顺序、每个第一巡逻点的期望巡逻时间段、以及路线长度的情况下，适应度根据一个个体中，到达时间位于期望巡逻时间段的第一巡逻点的数量、以及一个个体的路线长度确定；步骤2、从种群中的N个个体中选择适应度大于或等于第三预设阈值的M个个体；M为小于N的正整数；步骤3、对种群中的N个个体中的第一数量的个体进行交叉运算，确定第二数量的交叉个体；步骤4、根据预设的变异概率，从种群中的N个个体中选择第三数量的个体进行变异运算，确定第三数量的变异个体；步骤5、从第二数量的交叉个体以及第三数量的变异个体中选择适应度大于或等于第四预设阈值的N-M个个体；步骤6、根据M个个体和N-M个个体得到更新后的N个个体。

在该种实现方式中，根据适应度从种群的N个个体中筛选出大于或等于第三预设阈值的M个个体，再根据适应度从变异个体和交叉个体中筛选出大于或等于第四预设阈值的N-M个个体。上述适应度可以用于表征一个个体中，到达时间位于期望巡逻时间段的第一巡逻点的数量，和/或，用于表征巡逻路线的路线长度。若执行次数达到预设次数，则计算设备可以确定在当前执行过程中，更新后的种群中适应度最高的个体为目标个体。这样在每次更新种群中的个体的过程中，计算设备不仅可以保留种群中适应度较高的个体，还可以通过交叉和变异确定可能产生的适应度更高的个体，进而提高了从上述个体中确定的目标个体的适应度。

在一种可能的实现方式中，一个初始巡逻路线还包括以下至少一项：每个第一巡逻点的期望巡逻时间段和一个初始巡逻路线的路线长度；若一个初始巡逻路线包括：到达L个第一巡逻点的顺序和路线长度，则预设约束条件包括：长度约束条件；若一个初始巡逻路线包括：到达L个第一巡逻点的顺序和每个第一巡逻点的期望巡逻时间段，则预设约束条件包括：时间约束条件；若一个初始巡逻路线包括：到达L个第一巡逻点的顺序、每个第一巡逻点的期望巡逻时间段、以及路线长度，则预设约束条件包括：时间约束条件和长度约束条件。

在该种实现方式中，说明了在不同场景下使用不同的预设条件，这样使得预设条件可以适用于不同的场景中。

在一种可能的实现方式中，对种群中的N个个体中第一数量的个体进行交叉运算，确定第二数量的交叉个体，包括：从种群中的N个个体中抽取第一数量的个体；根据第一数量的个体确定第二数量的个体对；个体对包括：第一数量的个体中任意两个个体，任意两个个体中的其中一个为第一父代个体，另一个为第二父代个体；对第二数量的个体对中的每个个体对执行如下操作，以得到第二数量的交叉个体：确定第一父代个体中第一预设位置的第一巡逻点为第三巡逻点；确定第二父代个体中与第三巡逻点不同的第一巡逻点为第四巡逻点；将第三巡逻点放置于初始个体的第二预设位置中，以及第四巡逻点放置于初始个体的第三预设位置中，得到交叉个体；第二预设位置与第一预设位置相同；第三预设位置为初始个体中除第二预设位置以外的位置。

在该种实现方式中，先从第一数量的个体中确定第一父代个体和第二父代个体，将第一父代个体中的一部分第一巡逻点(即第一预设位置的第一巡逻点)放置于初始个体中，再将第二父代个体中的一部分第一巡逻点(即与上述第一预设位置的第一巡逻点不同的第一巡逻点)放置于初始个体中，从而确定了一个新的个体(即交叉个体)，这样可能产生适应度更高的个体，以便于提高后续确定的目标个体的适应度。

在一种可能的实现方式中，从种群中的N个个体中选择第三数量的个体进行变异运算，确定第三数量的变异个体，包括：从种群中的N个个体中抽取第三数量的个体；调整第三数量的个体中的每一个个体中的第一巡逻点的位置，确定第三数量的变异个体。

在该种实现方式中，本申请可以通过改变第三数量的个体中的第一巡逻点的位置，确定新的个体(即第三数量的变异个体)，这样可能产生适应度更高的个体，以便于提高后续确定的目标个体的适应度。

在一种可能的实现方式中，在确定第一种群之前，方法还包括：获取多个目标事件的经纬度信息；对多个目标事件的经纬度信息进行空间聚类，得到第一聚类结果；根据第一聚类结果确定多个巡逻区域；多个巡逻区域中的任一个巡逻区域包括至少一个目标事件，一个巡逻区域对应一个中心点；确定多个巡逻区域的中心点为多个第二巡逻点；确定多个第二巡逻点中满足预设条件的巡逻点为L个第一巡逻点中的第一巡逻点。

在该种实现方式中，先对获取的多个目标事件的经纬度信息进行空间聚类，再根据上述聚类得到的多个簇(即第一聚类结果)中的目标事件的经纬度信息确定多个目标区域。确定上述多个巡逻区域的中心点(即第二巡逻点)中满足预设条件的为第一巡逻点，这样使得可以得到第一巡逻点，以便于后续根据第一巡逻点确定巡逻路线的信息。

在一种可能的实现方式中，确定多个第二巡逻点中满足预设条件的巡逻点为L个第一巡逻点中的第一巡逻点，包括：确定目标巡逻点的目标事件的数量与目标巡逻点对应的第一目标巡逻区域的面积的比值是否小于目标比值；目标巡逻点为多个第二巡逻点中的任一个巡逻点；目标比值根据多个目标事件的数量与多个巡逻区域的面积确定；若否，则确定第二目标巡逻区域的第五巡逻点的数量；第二目标巡逻区域为多个巡逻区域中面积最小的巡逻区域；第五巡逻点的目标事件的数量小于目标巡逻点的目标事件的数量；根据第二目标巡逻区域的面积、第二目标巡逻区域的第五巡逻点的数量、以及第一目标巡逻区域的面积，确定第一目标巡逻区域的第五巡逻点的数量；根据第一目标巡逻区域的第五巡逻点的数量，对第一目标巡逻区域的至少一个目标事件的经纬度信息进行空间聚类，得到第二聚类结果；根据第二聚类结果确定第一目标巡逻区域的第五巡逻点；确定第一目标巡逻区域的第五巡逻点为第一巡逻点。

在该种实现方式中，可以先对目标巡逻点的目标事件的数量和第一目标巡逻区域面积的比值进行判断，确定目标巡逻点是否为目标事件数量较多或者目标事件分布较为密集的巡逻点。在确定了该目标巡逻点的事件数量较多或者事件分布较为密集的情况下，可以通过对第一目标巡逻区域的目标事件的经纬度信息进行重新聚类，得到更多的第一巡逻点，这样可以有助于后续规划巡逻路线，使得确定的巡逻路线更细致，巡逻效果更好。

在一种可能的实现方式中，第一目标巡逻区域的第五巡逻点的数量满足以下公式：

CN＝(SA/MA)*MCN

其中，CN为第一目标巡逻区域的第五巡逻点的数量；SA为第一目标巡逻区域的面积；MA为第二目标巡逻区域的面积；MCN为第二目标巡逻区域的第五巡逻点的数量。

在该种实现方式中，能够更加便捷的确定第一目标巡逻区域的第五巡逻点的数量。

在一种可能的实现方式中，路线长度根据L个第一巡逻点之间的路网距离确定；或者，路线长度根据L个第一巡逻点之间的曼哈顿距离确定；或者，路线长度根据L个第一巡逻点之间的欧式距离确定。

在该种实现方式中，使得确定路线长度能够更好的适应于多种场景中。

在一种可能的实现方式中，在路线长度根据L个巡逻点之间的路网距离确定的情况下，路线长度满足以下公式：

d＝d

其中，dr为路段的长度，L为L个第一个巡逻点的数量；t为路段的数量；t为正整数。

在该种实现方式中，通过上述公式可以更加便捷的根据L个第一巡逻点之间的路网距离确定路线长度。

第二方面，本申请提供一种巡逻路线确定装置，该装置包括：通信单元和处理单元；通信单元，用于获取L个第一巡逻点；其中，L为正整数；第一巡逻点的信息包括：第一巡逻点的期望巡逻时间段和/或第一巡逻点的经纬度信息；处理单元，用于根据预设遗传算法处理L个第一巡逻点，确定满足预设约束条件的目标巡逻路线；其中，预设约束条件包括以下至少一项：时间约束条件和长度约束条件；长度约束条件为路线长度小于或等于第一预设阈值；时间约束条件为到达时间位于期望巡逻时间段的第一巡逻点的数量大于或等于第二预设阈值。

在一种可能的实现方式中，处理单元，具体用于：根据所述预设遗传算法处理所述L个第一巡逻点的信息，确定多个初始巡逻路线；一个初始巡逻路线包括：到达所述L个第一巡逻点的顺序；根据所述预设遗传算法处理所述多个初始巡逻路线，确定满足所述预设约束条件的目标巡逻路线。

在一种可能的实现方式中，其特征在于，预设遗传算法为迭代算法，处理单元，具体用于：迭代执行下述过程：(1)获取第i次迭代时的种群；其中，种群包括N个个体，N为正整数；一个个体用于表征一个预设巡逻路线；i为自然数，初始迭代的种群包括根据多个初始巡逻路线确定的N个个体；(2)根据预设约束条件，以及预设变异概率，对第i次迭代时的种群中的N个个体进行处理，得到更新后的N个个体，将更新后的N个个体作为第i+1次迭代时的种群；直至迭代次数满足预设迭代次数，将最后一次迭代得到的更新后的N个个体中适应度较高的目标个体确定为目标巡逻路线。

在一种可能的实现方式中，处理单元，具体用于：步骤1、根据预设约束条件，确定种群中的N个个体中的每个个体的适应度；在一个初始巡逻路线包括：到达L个第一巡逻点的顺序和每个第一巡逻点的期望巡逻时间段的情况下，适应度用于表征一个个体中，到达时间位于期望巡逻时间段的第一巡逻点的数量；在一个初始巡逻路线包括：到达L个第一巡逻点的顺序和路线长度的情况下，适应度用于表征一个个体的路线长度；在一个初始巡逻路线的信息包括：到达L个第一巡逻点的顺序、每个第一巡逻点的期望巡逻时间段、以及路线长度的情况下，适应度根据一个个体中，到达时间位于期望巡逻时间段的第一巡逻点的数量、以及一个个体的路线长度确定；步骤2、从种群中的N个个体中选择适应度大于或等于第三预设阈值的M个个体；M为小于N的正整数；步骤3、对种群中的N个个体中的第一数量的个体进行交叉运算，确定第二数量的交叉个体；步骤4、根据预设的变异概率，从种群中的N个个体中选择第三数量的个体进行变异运算，确定第三数量的变异个体；步骤5、从第二数量的交叉个体以及第三数量的变异个体中选择适应度大于或等于第四预设阈值的N-M个个体；步骤6、根据M个个体和N-M个个体得到更新后的N个个体。

在一种可能的实现方式中，一个初始巡逻路线还包括以下至少一项：每个第一巡逻点的期望巡逻时间段和一个初始巡逻路线的路线长度；若一个初始巡逻路线包括：到达L个第一巡逻点的顺序和路线长度，则预设约束条件包括：长度约束条件；若一个初始巡逻路线包括：到达L个第一巡逻点的顺序和每个第一巡逻点的期望巡逻时间段，则预设约束条件包括：时间约束条件；若一个初始巡逻路线包括：到达L个第一巡逻点的顺序、每个第一巡逻点的期望巡逻时间段、以及路线长度，则预设约束条件包括：时间约束条件和长度约束条件。

在一种可能的实现方式中，处理单元，具体用于：从种群中的N个个体中抽取第一数量的个体；根据第一数量的个体确定第二数量的个体对；个体对包括：第一数量的个体中任意两个个体，任意两个个体中的其中一个为第一父代个体，另一个为第二父代个体；对第二数量的个体对中的每个个体对执行如下操作，以得到第二数量的交叉个体：确定第一父代个体中第一预设位置的第一巡逻点为第三巡逻点；确定第二父代个体中与第三巡逻点不同的第一巡逻点为第四巡逻点；将第三巡逻点放置于初始个体的第二预设位置中，以及第四巡逻点放置于初始个体的第三预设位置中，得到交叉个体；第二预设位置与第一预设位置相同；第三预设位置为初始个体中除第二预设位置以外的位置。

在一种可能的实现方式中，处理单元，具体用于：从种群中的N个个体中抽取第三数量的个体；调整第三数量的个体中的每一个个体中的第一巡逻点的位置，确定第三数量的变异个体。

在一种可能的实现方式中，通信单元，还用于获取多个目标事件的经纬度信息；处理单元，还用于对多个目标事件的经纬度信息进行空间聚类，得到第一聚类结果；处理单元，还用于根据第一聚类结果确定多个巡逻区域；多个巡逻区域中的任一个巡逻区域包括至少一个目标事件，一个巡逻区域对应一个中心点；处理单元，还用于确定多个巡逻区域的中心点为多个第二巡逻点；处理单元，还用于确定多个第二巡逻点中满足预设条件的巡逻点为L个第一巡逻点中的第一巡逻点。

在一种可能的实现方式中，处理单元，具体用于：确定目标巡逻点的目标事件的数量与目标巡逻点对应的第一目标巡逻区域的面积的比值是否小于目标比值；目标巡逻点为多个第二巡逻点中的任一个巡逻点；目标比值为多个目标事件的数量与多个巡逻区域的面积之和的比值；若否，则确定第二目标巡逻区域的第五巡逻点的数量；第二目标巡逻区域为多个巡逻区域中面积最小的巡逻区域；第五巡逻点的目标事件的数量小于目标巡逻点的目标事件的数量；根据第二目标巡逻区域的面积、第二目标巡逻区域的第五巡逻点的数量、以及第一目标巡逻区域的面积，确定第一目标巡逻区域的第五巡逻点的数量；根据第一目标巡逻区域的第五巡逻点的数量，对第一目标巡逻区域的至少一个目标事件的经纬度信息进行空间聚类，得到第二聚类结果；根据第二聚类结果确定第一目标巡逻区域的第五巡逻点；确定第一目标巡逻区域的第五巡逻点为第一巡逻点。

在一种可能的实现方式中，第一目标巡逻区域的第五巡逻点的数量满足以下公式：

CN＝(SA/MA)*MCN

其中，CN为第一目标巡逻区域的第五巡逻点的数量；SA为第一目标巡逻区域的面积；MA为第二目标巡逻区域的面积；MCN为第二目标巡逻区域的第五巡逻点的数量。

在一种可能的实现方式中，所述路线长度根据所述L个第一巡逻点之间的路网距离确定；或者，所述路线长度根据所述L个第一巡逻点之间的曼哈顿距离确定；或者，所述路线长度根据所述L个第一巡逻点之间的欧式距离确定。

在一种可能的实现方式中，在所述路线长度根据所述L个巡逻点之间的路网距离确定的情况下，所述路线长度满足以下公式：

d＝d

其中，dr为路段的长度，L为所所述L个第一个巡逻点的数量；t为所述路段的数量；t为正整数。

第三方面，本申请提供了一种巡逻路线确定装置，该装置包括：处理器和通信接口；通信接口和处理器耦合，处理器用于运行计算机程序或指令，以实现如第一方面和第一方面的任一种可能的实现方式中所描述的巡逻路线确定方法。

第四方面，本申请提供了一种计算机可读存储介质，计算机可读存储介质中存储有指令，当指令在终端上运行时，使得终端执行如第一方面和第一方面的任一种可能的实现方式中描述的巡逻路线确定方法。

第五方面，本申请提供一种包含指令的计算机程序产品，当计算机程序产品在巡逻路线确定装置上运行时，使得巡逻路线确定装置执行如第一方面和第一方面的任一种可能的实现方式中所描述的巡逻路线确定方法。

第六方面，本申请提供一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行计算机程序或指令，以实现如第一方面和第一方面的任一种可能的实现方式中所描述的巡逻路线确定方法。

具体的，本申请中提供的芯片还包括存储器，用于存储计算机程序或指令。

本申请中第二方面、第三方面、第四方面、第五方面以及第六方面的描述，可以参考第一方面详细描述；并且，第二方面、第三方面、第四方面、第五方面以及第六方面的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。

附图说明

图1为本申请实施例提供的一种巡逻路线确定系统的结构图；

图2为本申请实施例提供的一种巡逻路线确定方法的流程图；

图3(a)为本申请实施例提供的一种路线长度计算方式的示意图；

图3(b)为本申请实施例提供的另一种路线长度计算方式的示意图；

图4为本申请实施例提供的一种巡逻路线的示意图；

图5为本申请实施例提供的一种第一巡逻点的划分示意图；

图6为本申请实施例提供的另一种巡逻路线确定方法的流程图；

图7为本申请实施例提供的另一种巡逻路线确定方法的流程图；

图8为本申请实施例提供的另一种巡逻路线确定方法的流程图；

图9为本申请实施例提供的一种第一巡逻点的预设时间段的示意图；

图10为本申请实施例提供的另一种巡逻路线确定方法的流程图；

图11为本申请实施例提供的另一种巡逻路线确定方法的流程图；

图12为本申请实施例提供的另一种巡逻路线确定方法的流程图

图13为本申请实施例提供的一种巡逻区域的示意图；

图14为本申请实施例提供的另一种巡逻路线确定方法的流程图；

图15为本申请实施例提供的一种第三巡逻点的示意图；

图16为本申请实施例提供的一种巡逻路线确定装置的结构示意图；

图17为本申请实施例提供的另一种巡逻路线确定装置的结构示意图。

具体实施方式

下面结合附图对本申请实施例提供的巡逻路线确定方法及装置进行详细地描述。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。

本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象，或者用于区别对同一对象的不同处理，而不是用于描述对象的特定顺序。

此外，本申请的描述中所提到的术语“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。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括其他没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

在本申请的描述中，除非另有说明，“多个”的含义是指两个或两个以上。

以下，对本申请实施例涉及的名词进行解释，以方便读者理解。

一、旅行商问题(traveling salesman problem，TSP)

TSP(也可以称为旅行推销员问题或者货郎问题)是数学领域内的著名问题，具体是指：确定旅行商(或者旅行推销员、货郎等)需要访问的城市、以及旅行商需要访问的城市中的每对城市之间的距离，然后为旅行商规划出一条访问路线。该访问路线需要满足以下要求：要求1、在该访问路线中，每个城市只被访问一次；要求2、该访问路线的起点也是该访问路线的终点；要求3、该访问路线为能够满足上述要求1和要求2的所有访问路线中路线长度最小的访问路线。

二、基于密度的带有噪声的空间聚类(density-based spatial clustering ofapplications with noise，DBSCAN)

DBSCAN是一种基于密度的聚类算法。DBSCAN可以将噪声的空间数据中任一个高密度区域划分为多个簇。一个簇中的多个对象之间的距离相差较小，而一个簇中的任一个对象与另一个簇中的任一个对象之间的距离相差较大。

需要说明的是，通过DBSCAN得到的上述多个簇中的任一个簇的形状不做限制。上述任一个簇可以为任意形状的簇。DBSCAN对上述任一个簇中包括的点的数量也不做限制。

三、k均值(K-Mean)聚类

K-Mean聚类是一种迭代求解的聚类分析算法。具体的聚类过程为：随机地从输入的多个对象中确定K个对象作为K个簇的初始聚类中心，并计算输入的多个对象中的每个对象与每个初始聚类中心之间的差值。判断该对象与哪个初始聚类中心的差值最小，就将该对象分配至该初始聚类中心的簇中。直至将上述输入的多个对象均分配完成之后，得到K个簇。其中，K为正整数。

需要说明的是，在往簇中分配一个对象之后，会重新计算该簇的聚类中心。可以在上述输入的多个对象均分配完成之后，再确定上述K个簇的聚类中心，并重复执行上述聚类过程，直至多次确定的上述K个簇的聚类中心没有变化，得到最终确定的K个簇，以及该K个簇的聚类中心。

四、曼哈顿距离

曼哈顿距离是指两点在南北方向上的距离加上在东西方向上的距离。

曼哈顿距离满足以下公式1：

d＝|x

其中，d为第1个点到第2个点之间的距离。X

五、欧式距离

欧式距离是指两点之间的直线距离。

欧式距离满足以下公式2：

以上是对本申请实施例中涉及到的部分概念所做的简单介绍。

图1为本申请实施例提供的一种计算设备的结构示意图。如图1所示，该计算设备100包括：至少一个处理器101，通信线路102，以及至少一个通信接口104，还可以包括存储器103。其中，处理器101，存储器103以及通信接口104三者之间可以通过通信线路102连接。

处理器101可以是一个中央处理器(central processing unit，CPU)，也可以是特定集成电路(application specific integrated circuit，ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路，例如：一个或多个数字信号处理器(digital signalprocessor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)。

通信线路102可以包括一通路，用于在上述组件之间传送信息。

通信接口104，用于与其他设备或通信网络通信，可以使用任何收发器一类的装置，如以太网，无线接入网(radio access network，RAN)，无线局域网(wireless localarea networks，WLAN)等。

存储器103可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory，EEPROM)、只读光盘(compact disc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于包括或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

一种可能的设计中，存储器103可以独立于处理器101存在，即存储器103可以为处理器101外部的存储器，此时，存储器103可以通过通信线路102与处理器101相连接，用于存储执行指令或者应用程序代码，并由处理器101来控制执行，实现本申请下述实施例提供的软件升级方法。又一种可能的设计中，存储器103也可以和处理器101集成在一起，即存储器103可以为处理器101的内部存储器，例如，该存储器103为高速缓存，可以用于暂存一些数据和指令信息等。

作为一种可实现方式，处理器101可以包括一个或多个CPU，例如图1中的CPU0和CPU1。作为另一种可实现方式，计算设备100可以包括多个处理器，例如图1中的处理器101和处理器107。作为再一种可实现方式，计算设备100还可以包括输出设备105和输入设备106。

目前，在规划巡逻路线时主要基于区域全覆盖和路线随机性的要求规划巡逻路线，这样规划得到的巡逻路线能够完全覆盖到目标巡逻区域，并且使得在不同时间规划的巡逻路线不同。目前的巡逻路线规划中缺少针对最优巡逻效率或者针对事件发生时间进行路线规划的方案。

为了解决上述现有技术中存在的问题，本申请实施例提出了一种巡逻路线规划方法，能够针对最优巡逻效率或者针对事件高发区域和时段进行路线规划。如图2所示，该方法包括：

S201、计算设备获取L个第一巡逻点。

其中，L为正整数。

需要说明的是，上述L个第一巡逻点中可以包括以下至少一项：计算设备对历史的目标事件的信息进行聚类得到的第一巡逻点、以及计算设备根据重点巡逻位置设置的第一巡逻点。重点巡逻位置可以包括以下至少一项：银行、学校、以及中大型商场等。

一种可能的实现方式中，计算设备根据重点巡逻位置设置的第一巡逻点的具体实现过程为：计算设备获取用户的目标操作。该目标操作包括：至少一个重点巡逻位置的经纬度。计算设备根据上述至少一个重点巡逻位置的经纬度设置至少一个第一巡逻点。一个重点巡逻位置对应一个第一巡逻点。

S202、计算设备根据预设遗传算法处理L个第一巡逻点，确定满足预设约束条件的目标巡逻路线。

其中，预设约束条件包括以下至少一项：时间约束条件和长度约束条件；长度约束条件为路线长度小于或等于第一预设阈值；时间约束条件为到达时间位于期望巡逻时间段的第一巡逻点的数量大于或等于第二预设阈值。

需要指出的是，计算设备可以根据计算设备预设的巡逻人员的速度以及L个第一巡逻点中任意两个第一巡逻点之间的距离，确定巡逻人员达到第一巡逻点的到达时间。

一种可能的实现方式中，若一个初始巡逻路线包括：到达L个第一巡逻点的顺序和一个初始巡逻路线的路线长度，则预设约束条件包括：长度约束条件。

若一个初始巡逻路线包括：到达L个第一巡逻点的顺序和一个初始巡逻路线中每个第一巡逻点的期望巡逻时间段，则预设约束条件包括：时间约束条件。

若一个初始巡逻路线包括：到达L个第一巡逻点的顺序、一个初始巡逻路线中每个第一巡逻点的期望巡逻时间段、以及一个初始巡逻路线的路线长度，则预设约束条件包括：时间约束条件和长度约束条件。

一种可能的实现方式中，上述S203的具体实现过程为：计算设备可以先根据预设遗传算法对L个第一巡逻点进行处理得到多个初始巡逻路线，再根据预设遗传算法对多个初始巡逻路线进行处理，确定满足预设约束条件的目标巡逻路线。

示例性的，如图4所示，图4中的线#4可以为目标巡逻路线的一种示例，巡逻人员可以根据线#4示出的巡逻顺序进行巡逻。

需要说明的是，若上述初始巡逻路线中包括的路线长度是由计算设备根据路网数据确定的，则在输出上述最终确定的目标巡逻路线的同时，还需要输出上述目标巡逻路线中包括的路段数据。

上述技术方案至少带来以下有益效果：在本申请中，计算设备可以以长度约束条件(即巡逻路线的长度)，和/或，时间约束条件(即巡逻人员到达巡逻点的时间(即到达时间)与预设时间段(即期望巡逻时间段)的匹配程度)规划巡逻路线。在以长度约束条件规划巡逻路线时，可以通过预设遗传算法确定巡逻路线长度较短的目标巡逻路线，从而提高巡逻人员的巡逻效率，并减轻巡逻人员的负担。

在以时间约束条件规划巡逻路线时，可以通过预设遗传算法确定到达巡逻点的时间与预设时间段的匹配程度较高的目标巡逻路线，这样可以尽可能多的使得巡逻人员在特定时间段内出现在重点巡逻位置的范围内，进一步提高了巡逻的效果。

同时，计算设备还可以同时兼顾巡逻路线长度和到达巡逻点的时间与预设时间段的匹配程度确定目标巡逻路线，这样不仅可以提高巡逻的效果，还可以提高巡逻人员的巡逻效率，并减轻巡逻人员的负担。

需要说明的是，上述图2所示的方法仅以计算设备为一组巡逻人员规划巡逻路线为例进行说明。计算设备一种可能的实现方式中，在计算设备为多组巡逻人员规划巡逻路线的场景中，计算设备可以通过行政区划数据、警务辖区及警员数据确定k组巡逻人员，该k组巡逻人员用于分别对k个巡逻区域进行巡逻。在计算设备确定了上述k组巡逻人员之后，计算设备获取行政区划数据内的q个第一巡逻点，并通过k均值聚类对上述q个第一巡逻点划分为k个组。计算设备将根据上述S201-S203确定k个组中每个组的目标巡逻路线，并将每个组的目标巡逻路线分配给每个组对应的巡逻人员，使得上述k组巡逻人员中的每组巡逻人员根据为其分配的目标巡逻路线进行巡逻。其中，q、k均为正整数。示例性的，如图5所示，为计算设备将目标行政区划分为6个巡逻区域，后，每个巡逻区域中的第一巡逻点的示意图。

一种可能的实现方式中，结合图2，如图6所示，上述S202的具体实现过程可以通过以下S601至S602实现。

S601、计算设备根据16L个第一巡逻点的信息，确定多个初始巡逻路线。

其中，第一巡逻点的信息包括：第一巡逻点的期望巡逻时间段和/或第一巡逻点的经纬度信息。一个初始巡逻路线包括：到达L个第一巡逻点的顺序。

一种可能的实现方式中，一个初始巡逻路线还包括以下至少一项：一个初始巡逻路线中，每个第一巡逻点的期望巡逻时间段(即L个期望巡逻时间段)和一个初始巡逻路线的路线长度。

一种可能的实现方式中，路线长度根据L个第一巡逻点之间的路网距离确定；或者，路线长度根据L个第一巡逻点之间的曼哈顿距离确定；或者，路线长度根据L个第一巡逻点之间的欧式距离确定。

一种可能的实现方式中，在计算设备根据L个巡逻点之间的曼哈顿距离确定路线长度的情况下，计算设备可以参考上述公式1确定路线长度。在计算设备根据L个巡逻点之间的欧式距离确定的情况下，计算设备可以参考上述公式2确定路线长度。在计算设备根据L个巡逻点之间的路网距离确定路线长度的情况下，路线长度满足以下公式3：

d＝d

其中，dr为路段的长度。L为L个第一个巡逻点的数量。t为路段的数量。t为正整数。

需要说明的是，计算设备先根据路网数据确定上述L个第一巡逻点之间的路网距离，再根据上述L个第一巡逻点之间的路网距离确定路线长度。由于该种实现方式可以充分利用路况、限行、地理限制等信息，因此该种实现方式适用于地理限制场景。在地理限制场景中，可能会存在河流、山、大型禁行场地等制约，导致巡逻人员无法直接通行。在该情况下，计算设备根据路网数据确定的路线长度的准确度更高。但是，在相同的计算能力的条件下，该种实现方式的效率低于上述其他两种实现方式(即计算设备根据L个第一巡逻点之间的曼哈顿距离确定路线长度的实现方式、以及计算设备根据L个第一巡逻点之间的欧式距离确定路线长度的实现方式)

需要指出的是，在计算设备获取到路网数据之后，计算设备可以先采用笛卡尔积计算对任意两个第一巡逻点之间的路线规划，再根据上述公式3对整个巡逻路线的路线长度进行计算。

示例性的，如图3(a)或者图3(b)所示，线#1用于表征根据上述公式1确定的路线长度。线#2用于表征根据上述公式2确定的路线长度。线#3用于表征根据上述公式3确定的路线长度。

一种可能的实现方式中，计算设备可以先确定第一巡逻点之间的距离矩阵D。由于距离矩阵D中包括上述L个第一巡逻点中任意两个第一巡逻点之间的距离，计算设备可以从上述距离矩阵D中获取计算巡逻路线的路线长度所需的距离。

距离矩阵D如以下公式4所示：

其中，d

需要说明的是，由于路径规划的方式不同，或者存在限行和拥堵等问题，因此d

S602、计算设备根据预设遗传算法处理多个初始巡逻路线，确定满足预设约束条件的目标巡逻路线。

一种可能的实现方式中，上述S602的具体实现过程为：计算设备根据预设遗传算法对上述多个初始巡逻路线进行处理，得到多个第一巡逻路线，根据预设遗传算法对上述多个第一巡逻路线进行处理，得到多个第二巡逻路线，直至迭代次数满足预设迭代次数。若预设约束条件包括：长度约束条件，则计算设备从最后一次根据预设遗传算法处理得到的巡逻路线中，确定路线长度最短的巡逻路线为目标巡逻路线。在该情况下，第一预设阈值为目标巡逻路线的路线长度。

若预设约束条件包括：时间约束条件，则计算设备从最后一次根据预设遗传算法处理得到的巡逻路线中，确定到达时间位于期望巡逻时间段的第一巡逻点的数量最多的巡逻路线为目标巡逻路线。在该情况下，第二预设阈值为目标巡逻路线中到达时间位于期望巡逻时间段的第一巡逻点的数量。

若预设约束条件包括：时间约束条件和长度约束条件，则计算设备从最后一次根据预设遗传算法处理得到的巡逻路线中，确定到达时间位于期望巡逻时间段的第一巡逻点的数量最多的巡逻路线(记为第一巡逻路线)。若上述第一巡逻路线有一个，则计算设备确定第一巡逻路线为目标巡逻路线。若上述第一巡逻路线有多个，则计算设备从上述多个第一巡逻路线中确定路线长度最短的巡逻路线为目标巡逻路线。在该情况下，第一预设阈值为目标巡逻路线的路线长度，第二预设阈值为目标巡逻路线中到达时间位于期望巡逻时间段的第一巡逻点的数量。

上述技术方案至少带来以下有益效果：在本申请中，计算设备可以先先根据预设遗传算法对L个第一巡逻点进行处理得到多个初始巡逻路线，再根据预设遗传算法对多个初始巡逻路线进行处理，确定满足预设约束条件的目标巡逻路线，这样以长度约束条件(即巡逻路线的长度)，和/或，时间约束条件(即巡逻人员到达巡逻点的时间(即到达时间)与预设时间段(即期望巡逻时间段)的匹配程度)规划巡逻路线。在以长度约束条件规划巡逻路线时，可以通过预设遗传算法确定巡逻路线长度较短的目标巡逻路线，从而提高巡逻人员的巡逻效率，并减轻巡逻人员的负担。

需要说明的是，由于上述k组巡逻人员中的每组巡逻人员所对应的第一巡逻点的组合不同，因此，计算设备为上述k组巡逻人员中的每组巡逻人员所分配的目标巡逻路线不同。

一种可能的实现方式中，结合图6，如图7所示，上述S602的过程具体可以通过以下S701至S704确定。

需要说明的是，上述预设遗传算法为迭代算法，使得上述S602的具体实现过程中包括迭代的过程。具体的，上述迭代过程可以参考以下S701-S702。

S701、计算设备获取第i次迭代时的种群。

其中，种群包括N个个体。一个个体用于表征一个巡逻路线。N为正整数。i为自然数。初始迭代的种群包括根据多个初始巡逻路线确定的N个个体。

需要说明的是，预设巡逻路线可以为在未开始迭代时(即第0次迭代时)确定的初始巡逻路线，也可以为在迭代过程中更新的个体所对应的巡逻路线。

需要指出的是，若计算设备设置了预设起始时间，则在N个个体的任一个个体中所表征的初始巡逻路线中也包括上述预设起始时间，这样计算设备将上述初始巡逻路线的起始时间设置为预设起始时间。

若计算设备未设置预设起始时间，但根据经验设置了部分第一巡逻点的期望巡逻时间段，则计算设备在N个个体中任一个个体中所表征的初始巡逻路线中包括上述部分第一巡逻点的预设时间段。这样计算设备可以将初始巡逻路线的第一个巡逻点设置为上述部分第一巡逻点中的任一个第一巡逻点，并且该初始巡逻路线的起始时间也可以设置为在上述任一个第一巡逻点的预设时间段内。在该情况下，L个第一巡逻点中除上述部分第一巡逻点之外的其他第一巡逻点的预设时间段可以通过时间聚类确定，还可以设置为全天时间段(设置为全天时间段用于表征对该第一巡逻点的期望巡逻时间段不做限制)。

需要说明的是，个体的数量与初始巡逻路线的数量是相同的。若计算设备确定了N个个体，则上述初始巡逻路线也有N个。

需要指出的是，上述个体的数量(即N的值)可以由计算设备根据实际情况设置，本申请对此不作任何限制。

S702、计算设备根据预设约束条件，以及预设变异概率，对第i次迭代时的种群中的N个个体进行处理，得到更新后的N个个体，并将更新后的N个个体作为第i+1次迭代时的种群。

需要说明的是，预设变异概率用于表征N个个体中进行变异运算的个体数量与N的比值。计算设备可以根据实际情况设置预设变异概率，例如，计算设备将预设变异概率设置为50％，本申请对此不做任何限制。

S703、计算设备判断迭代次数是否满足预设迭代次数。

若否，则计算设备再次执行上述S701-S702。

若是，则计算设备执行S704。

S704、计算设备将最后一次迭代得到的更新后的N个个体中适应度较高的目标个体确定为目标巡逻路线。

具体来说，目标个体可以表征一个巡逻路线，计算设备确定该目标个体表征的巡逻路线为最终规划的巡逻路线。巡逻人员可以根据目标巡逻路线对各个第一巡逻点进行巡逻。

上述技术方案至少带来以下有益效果：在本申请中，计算设备根据预设遗传算法处理与多个初始巡逻路线对应的N个个体，确定满足预设约束条件的目标个体，并根据目标个体确定目标巡逻路线。基于此，本申请中计算设备能够通过预设遗传算法确定目标巡逻路线，使得确定的目标巡逻路线能够达到或者接近全局最优解。

一种可能的实现方式中，结合图7，如图8所示，上述S702的过程具体可以通过以下S801至S806确定。

S801、计算设备根据预设约束条件，确定种群中的N个个体中的每个个体的适应度。

其中，在一个初始巡逻路线包括：到达L个第一巡逻点的顺序和L个期望巡逻时间段的情况下，适应度用于表征一个个体中，到达时间位于期望巡逻时间段的第一巡逻点的数量。

在一个初始巡逻路线包括：到达L个第一巡逻点的顺序和路线长度的情况下，适应度用于表征一个个体的路线长度。

在一个初始巡逻路线的信息包括：到达L个第一巡逻点的顺序、L个期望巡逻时间段、以及路线长度的情况下，适应度根据一个个体中，到达时间位于期望巡逻时间段的第一巡逻点的数量、以及一个个体的路线长度确定。

一种可能的实现方式中，计算设备根据到达时间位于期望巡逻时间段的第一巡逻点的数量、以及一个初始巡逻路线的路线长度确定适应度的具体实现过程为：计算设备为到达时间位于期望巡逻时间段的第一巡逻点的数量(记为a)设置权重(记为b)，也为一个初始巡逻路线的路线长度(记为c)设置权重(记为d)。这样计算设备可以确定a×b+c×d为适应度。其中，b＞d。

需要说明的是，上述N个个体中的任一个个体中所表征的初始巡逻路线包括：到达上述L个第一巡逻点的顺序。上述L个第一巡逻点的任一个第一巡逻点只能在巡逻路线中出现一次。不同排列顺序的L个第一巡逻点对应的个体也不同。

需要指出的是，在上述初始巡逻路线包括：到达L个第一巡逻点的顺序和L个期望巡逻时间段的情况下，L个第一巡逻点的部分第一巡逻点存在其自身所对应的预设时间段。示例性的，如图9所示，第一巡逻点#1的馨**牌附近的预设时间段为3:00-3:30。第一巡逻点#2的兰**泉***附近的预设时间段为3:00-3:30。预设时间段用于表征目标事件的发生率较高的时间段。目标事件的发生率可以用于表征任意时间段内的目标事件数量与该任意时间段的比值。

作为一种可能的实现方式，计算设备可以通过对历史案事件进行时间聚类的方法确定第一巡逻点的预设时间段，具体实现过程为：计算设备确定在该第一巡逻点附近发生的所有或部分目标事件的时间点(该时间以时分秒的方式的进行记录，例如，21:59:22。)。计算设备通过时间聚类对上述所有或部分目标事件的时间点进行聚类，得到初始预设时间段。计算设备将初始预设时间段的左右端点都加上时间扰动时间段(例如，10分钟、600秒等)后，得到预设时间段。

需要说明的是，上述时间聚类方法可以为DBSCAN方法，还可以为其他时间聚类方法(例如，依变化聚类方法)，本申请对此不做任何限制。

可选的，第一巡逻点的预设时间段还可以由计算设备根据经验进行设置。

示例性的，预设时间段可以为图3(a)或者图3(b)中第一巡逻点附近所示的时间段。

S802、计算设备从种群中的N个个体中选择适应度大于或等于第三预设阈值的M个个体。

其中，M为小于N的正整数。

具体来说，计算设备确定上述N个个体中每个个体的适应度，并根据适应度对上述N个个体进行由大至小的排序，得到第一序列。计算设备确定上述第一的序列中，前M个个体为上述M个个体。在该情况下，第三预设阈值为上述第一序列中，第M个个体的适应度。

需要指出的是，上述仅为第三预设阈值的一种示例。计算设备可以根据实际情况设置第三预设阈值，本申请对此不作任何限定。

S803、计算设备对种群中的N个个体的第一数量的个体进行交叉运算，确定第二数量的交叉个体。

需要说明的是，上述S803的具体实现过程为：计算设备从上述N个个体中随机抽取第一数量的个体，再将上述第一数量的个体中的个体进行两两配对，得到第二数量的个体对。计算设备将上述第二数量的个体对中的每个个体对进行交叉运算，得到第二数量的交叉个体。

需要指出的是，第一数量可以是由计算设备根据实际情况设置的，本申请对此不作任何限制。

S804、计算设备根据预设的变异概率，从种群中的N个个体中选择第三数量的个体进行变异运算，确定第三数量的变异个体。

需要指出的是，上述S804的具体实现过程可以为：计算设备从上述N个个体中随机抽取第三数量的个体，并对上述第三数量的个体中的每个个体进行变异运算，得到第三数量的变异个体。

S805、计算设备从第二数量的交叉个体以及第三数量的变异个体中选择适应度大于或等于第四预设阈值的N-M个个体。

具体来说，计算设备确定上述第二数量的交叉个体和第三数量的变异个体中每个个体的适应度，并根据适应度对上述第二数量的交叉个体和第三数量的变异个体进行由大至小的排序，得到第二序列。计算设备确定上述第二的序列中，前N-M个个体为上述N-M个个体。在该情况下，第四预设阈值为上述第二序列中，第N-M个个体的适应度。

需要指出的是，上述仅为第四预设阈值的一种示例。计算设备可以根据实际情况设置第四预设阈值，本申请对此不作任何限定。

S806、计算设备根据M个个体和N-M个个体得到更新后的N个个体。

其中，更新后的N个个体包括：适应度大于或等于第三预设阈值的M个个体，以及适应度大于或等于第四预设阈值的N-M个个体。

需要说明的是，若上述巡逻路线信息包括：到达L个第一巡逻点的顺序和L个期望巡逻时间段，则计算设备可以确定目标个体的适应度为第一预设阈值。

若上述巡逻路线信息包括：到达L个第一巡逻点的顺序和巡逻路线的路线长度，则计算设备可以确定目标个体的适应度为第二预设阈值。

若巡逻路线信息包括：到达L个第一巡逻点的顺序、L个期望巡逻时间段、以及巡逻路线的路线长度，则计算设备可以确定目标个体的适应度中用于表征位于预设时间段内的数量的值为第一预设阈值，并确定目标个体的适应度中用于表征巡逻路线的路线长度的值为第二预设阈值。

需要指出的是，上述适应度大于或等于第三预设阈值的M个个体为N个个体中适应度较高的个体，上述适应度大于或等于第四预设阈值的N-M个个体为第二数量的交叉个体以及第三数量的变异个体中适应度较高的个体。在每次更新种群中的个体时，均可以保留适应度较高的个体，同时通过交叉和变异确定可能产生的适应度更高的个体。这样在多次迭代之后可以是确定的目标个体的适应度达到或接近最优解。

计算设备需要指出的是，计算设备可以根据实际情况设置预设次数，本申请对此不作任何限制。例如，计算设备可以将预设次数设置为3；计算设备还可以将预设次数设置为6。

上述技术方案至少带来以下有益效果：本申请提供的巡逻路线规划方法，计算设备根据适应度从种群的N个个体中筛选出大于或等于第三预设阈值的M个个体，再根据适应度从变异个体和交叉个体中筛选出大于或等于第四预设阈值的N-M个个体。上述适应度可以用于表征一个个体中，到达时间位于期望巡逻时间段的第一巡逻点的数量，和/或，用于表征巡逻路线的路线长度。若执行次数达到预设次数，则计算设备可以确定在当前执行过程中，更新后的种群中适应度最高的个体为目标个体。这样在每次更新种群中的个体的过程中，计算设备不仅可以保留种群中适应度较高的个体，还可以通过交叉和变异确定可能产生的适应度更高的个体，进而提高了从上述个体中确定的目标个体的适应度。

一种可能的实现方式中，结合图8，如图10所示，上述S803中对个体对进行交叉确定交叉个体的过程具体可以通过以下S1001至S1005确定。

S1001、计算设备从种群中的N个个体中抽取第一数量的个体。

需要说明的是，关于第一数量的说明可参考上述S804中的说明进行理解，此处不再赘述。

S1002、计算设备根据第一数量的个体确定第二数量的个体对。

其中，第一数量的个体中任意两个个体，任意两个个体中的其中一个为第一父代个体，另一个为第二父代个体。

需要指出的是，上述S1002的具体实现过程为：计算设备将上述第一数量的个体中的个体进行两两配对，得到第二数量的个体对。计算设备在计算设备确定个体对之后，确定上述个体对中的任一个个体为第一父代个体，上述个体对中的另外一个个体为第二父代个体。

需要说明的是，关于第二数量的说明可参考上述S804中的说明进行理解，此处不再赘述。

计算设备对第二数量的个体对中的每个个体对执行以下S1003至S1005操作，以得到第二数量的交叉个体：

S1003、计算设备确定第一父代个体中第一预设位置的第一巡逻点为第三巡逻点。

一种示例，计算设备可以确定第一预设位置为第d个位置至第f个位置。其中，d为小于L的正整数。f为大于d，且小于或等于L的正整数。在该情况下，计算设备可以确定第一父代个体中的第d个位置至第f个位置的第一巡逻点为第三巡逻点。

S1004、计算设备确定第二父代个体中与第三巡逻点不同的第一巡逻点为第四巡逻点。

结合上述示例，计算设备判断第二父代个体中的第1个位置的第一巡逻点是否与上述第三巡逻点相同，若是，则计算设备将第二父代个体中的第1个位置的第一巡逻点剔除，并判断第二父代个体中的第2个位置(即第1个位置的后一个位置)的第一巡逻点是否与上述第三巡逻点相同。若否，则计算设备将第二父代个体第一个位置的巡逻点记为第四巡逻点。计算设备可以依次对上述第二父代个体中的第一巡逻点进行判断，直至对上述第二父代个体中的每个第一巡逻点判断完毕。

S1005、计算设备将第三巡逻点放置于初始个体的第二预设位置中，以及第四巡逻点依次放置于初始个体的第三预设位置中，得到交叉个体。

其中，第二预设位置与第一预设位置相同。第三预设位置为初始个体中除第二预设位置以外的位置。

作为一种可能的实现方式，计算设备可以先将第三巡逻点、第四巡逻点、第二预设位置、以及第三预设位置均确认完毕之后，再将第三巡逻点放置于初始个体的第二预设位置中，以及第四巡逻点放置于初始个体的第三预设位置中，得到交叉个体。

示例性的，如下表1所示，第一父代个体为P1-P2-P3-P4-P5-P6-P7-P8-P9。计算设备确定第一预设位置为第3个位置至第6个位置。在该情况下，计算设备可以确定第一父代个体中的第3个位置至第6个位置的第一巡逻点为第三巡逻点(即P3-P4-P5-P6)。计算设备确定第二父代个体中与第三巡逻点不同的第一巡逻点为第四巡逻点(即P7-P2-P9-P8-P1)。计算设备可以将上述第三巡逻点放置于初始个体的第3个位置至第6个位置，并按照顺序将第四巡逻点放置于初始个体的第1个位置至第2个位置、以及初始个体的第7个位置至第9个位置。这样得到的交叉个体为P7-P2-P3-P4-P5-P6-P9-P8-P1。

表1

作为另一种可能的实现方式，计算设备可以先确定第三巡逻点和第二预设位置，并将第三巡逻点放置于初始个体的第二预设位置中。计算设备根据上述第二预设位置确定第三预设位置。计算设备可以依次向上述第三预设位置中各个位置放置该第四巡逻点，直至将上述第三预设位置中的所有位置均放置完毕。

具体实现过程为：计算设备确定第d个位置至第f个位置为第二预设位置，并将第一父代个体的第d个位置至第f个位置的第一巡逻点放置于初始个体的第d个位置至第f个位置。计算设备根据第二预设位置可以确定第三预设位置为第1个位置至第d-1个位置、以及第f+1个位置至第L个位置。计算设备判断第二父代个体中的第1个位置的第一巡逻点是否与上述第三巡逻点相同。

若相同，则计算设备将第二父代个体中的第1个位置的第一巡逻点剔除，并继续判断第二父代个体中的第2个位置(即第1个位置的后一个位置)的第一巡逻点是否与上述第三巡逻点相同。直至计算设备确定出与上述第三巡逻点不相同的第一巡逻点，并将该第一巡逻点放置于初始个体的第1个位置中。

若不相同，则计算设备直接将上述第二父代个体中的第1个位置的第一巡逻点放置于初始个体的第1个位置中。

上述为计算设备确定初始个体中的第1个位置的巡逻点的具体实现过程。关于计算设备确定初始个体中的第2个位置至第d-1个位置的巡逻点的具体实现过程可以参考上述描述进行理解，此处不再赘述。

计算设备确定初始个体中的第f+1个位置至第g个位置的第一巡逻点的具体实现过程与上述计算设备确定初始个体中的第1个位置至第d-1个位置的第一巡逻点的具体实现过程的不同之处为：计算设备是从上述第二父代个体中的第L个位置的第一巡逻点开始判断的，并且若确定上述第二父代个体中的第L个位置的第一巡逻点与上述第三巡逻点相同，则对该L个位置的前一个位置(即第L-1个位置)的巡逻点进行判断，直至对第f+1个位置的第一巡逻点判断完成之后，确定初始个体中的第f+1个位置至第L个位置所放置的第一巡逻点。

示例性的，结合上述表1，计算设备可以抽取第一父代个体中的第3个位置至第6个位置的第一巡逻点(即P3-P4-P5-P6)，并将上述P3-P4-P5-P6放置于第二父代个体的第3个位置至第6个位置中。计算设备判断第二父代个体中的第1个位置的第一巡逻点中(即P3)是否与上述第三巡逻点(即P3-P4-P5-P6)相同。在计算设备确定了第二父代个体中的P3与上述抽取的第一父代个体中的P3-P4-P5-P6中的P3相同之后，计算设备将该P3剔除，并判断第2个位置的第一巡逻点(即P7)是否与上述第三巡逻点(即P3-P4-P5-P6)相同。直至计算设备确定出与上述第三巡逻点不相同的第一巡逻点，并将该第一巡逻点放置于初始个体的第1个位置中。

在计算设备确定了第二父代个体中的P7与上述第三巡逻点都不相同之后，计算设备可以直接将上述P7放置于初始个体的第1个位置中。

计算设备对初始个体中的第1个位置至第2个位置所放置的第一巡逻点确定完毕之后，可以确定交叉个体中的第1个位置至第2个位置的第一巡逻点为P7-P2。

计算设备确定初始个体中第7个位置至第9个位置的第一巡逻点的具体过程可以参考计算设备确定初始个体中第1个位置至第2个位置的第一巡逻点的具体过程进行理解，此处不再赘述。

在计算设备对第1个位置至第2个位置的第一巡逻点(即P7-P2)、以及第7个位置至第9个位置的第一巡逻点(即P9-P8-P1)均放置完成之后，计算设备确定交叉个体(即P7-P2-P3-P4-P5-P6-P9-P8-P1)。

上述技术方案至少带来以下有益效果：本申请提供的巡逻路线规划方法，计算设备先从第一数量的个体中确定第一父代个体和第二父代个体，将第一父代个体中的一部分第一巡逻点(即第一预设位置的第一巡逻点)放置于初始个体中，再将第二父代个体中的一部分第一巡逻点(即与上述第一预设位置的第一巡逻点不同的第一巡逻点)放置于初始个体中，从而确定了一个新的个体(即交叉个体)，这样可能产生适应度更高的个体，以便于提高后续计算设备确定的目标个体的适应度。

一种可能的实现方式中，结合图8，如图11所示，上述S805中对个体进行变异的过程具体可以通过以下S1101至S1102确定。

S1101、计算设备从种群中的N个个体中抽取第三数量的个体。

需要说明的是，关于第三数量的说明可参考上述S805中的说明进行理解，此处不再赘述。

S1102、计算设备调整第三数量的个体中的每一个个体中的第一巡逻点的位置，确定第三数量的变异个体。

需要说明的是，上述S1102的具体实现过程为：计算设备将上述第三数量的个体中的每个个体的任意两个第一巡逻点的位置进行对调，得到第三数量的变异个体。

示例性的，如表2所示，计算设备可以从个体#1(例如，P1-P2-P3-P4-P5-P6-P7-P8-P9)中随机抽取两个位置的第一巡逻点(例如，第1个位置的第一巡逻点P1和第9个位置的第一巡逻点P9)，并将上述抽取两个位置的第一巡逻点的位置进行对调(例如，将P1放置于第9个位置，并将P9放置于第1个位置)，这样得到变异个体#1(例如，P9-P2-P3-P4-P5-P6-P7-P8-P1)。个体#1为上述第三数量的个体中的任一个个体。

表2

上述技术方案至少带来以下有益效果：本申请提供的巡逻路线规划方法，计算设备可以通过改变第三数量的个体中的第一巡逻点的位置，确定新的个体(即第三数量的变异个体)，这样可能产生适应度更高的个体，以便于提高后续计算设备确定的目标个体的适应度。

一种可能的实现方式中，结合图2，如图12所示，上述S201的过程具体可以通过以下S1201至S1205确定。

S1201、计算设备获取多个目标事件的经纬度信息。

需要说明的是，上述目标事件可以包括：已被发现且未被相关部门立案的目标事件、以及已被发现且被相关部门立案的目标事件(还可以称之为目标案件)。

示例性的，已被发现且未被相关部门立案的目标事件可以为失火目标事件。已被发现且被相关部门立案的目标事件可以为盗窃目标事件(也可以称之为盗窃案件)。

需要指出的是，上述多个目标事件可以为与当前时间相距最近的目标时间段内的目标事件。若计算设备对上述目标事件的类型不做限制，则上述多个目标事件可以为上述当前时间相距最近的目标时间段内的所有目标事件。若计算设备对上述目标事件的类型存在限制，则上述多个目标事件可以为在上述与当前时间相距最近的目标时间段内，事件类型为限制类型的目标事件。

S1202、计算设备对多个目标事件的经纬度信息进行空间聚类，得到第一聚类结果。

需要说明的是，上述S1202的具体实现过程为：计算设备对上述多个目标事件的经纬度信息进行空间聚类得到多个簇，并确定上述多个簇为第一聚类结果。上述多个簇中的任一个簇包括至少一个目标事件。

S1203、计算设备根据第一聚类结果确定多个巡逻区域。

其中，多个巡逻区域中的任一个巡逻区域包括至少一个目标事件。一个巡逻区域对应一个中心点。

需要说明的是，上述S1203的具体实现过程为：计算设备确定上述多个簇中任一个簇的至少一个目标事件的经纬度信息所构成的区域为巡逻区域。这样计算设备根据上述多个簇中的每一个簇中包括的至少一个目标事件的经纬度信息，确定上述多个簇对应的多个巡逻区域(也可以称为目标事件热点区域)。如图13所示，图13中的每一个白色区域均为巡逻区域。

需要指出的是，上述高发目标事件类型可以包括一个或多个目标事件类型。计算设备可以根据实际情况设置高发目标事件类型中包括的目标事件类型的数量，本申请对此不作任何限制。

S1204、计算设备确定多个巡逻区域的中心点为多个第二巡逻点。

需要说明的是，上述S1204的具体实现过程为：计算设备确定上述多个巡逻区域中每个巡逻区域的中心点，并将该中心点记为第二巡逻点，这样计算设备可以确定多个第二巡逻点。如图13所示，图13中的每一个小气泡标记的位置为第二巡逻点。

S1205、计算设备确定多个第二巡逻点中满足预设条件的巡逻点为L个第一巡逻点中的第一巡逻点。

需要指出的是，如图13所示，在所需的第一巡逻点的数量较少的场景中，计算设备可以直接确定上述多个第二巡逻点为L个第一巡逻点。在该情况下，上述预设条件可以为第二巡逻点的目标事件的数量大于0。

在所需的第一巡逻点的数量较多的场景中，计算设备只能确定满足预设条件的第二巡逻点为第一巡逻点。在该情况下，上述预设条件可以为第二巡逻点的目标事件的数量与第二巡逻点对应的巡逻区域的面积的比值小于上述多个目标事件的数量与上述多个巡逻区域的面积的比值的1/P。其中，P为大于1的正整数。

可选的，在计算设备根据多个历史目标事件的经纬度信息确定多个巡逻区域之后，计算设备可以从每个巡逻区域中包括的目标事件中确定每个巡逻区域对应的高发目标事件类型(即出现次数较多的目标事件类型，例如，目标事件类型#1和目标事件类型#2)。计算设备可以对上述高发目标事件类型的目标事件设置较高的权重(例如，5)，这样计算设备在对上述目标事件进行时间聚类的过程中可以重点关注权重值较高的目标事件。计算设备还可以根据经验确定高发目标事件类型。在计算设备确定了高发目标事件类型的情况下，计算设备需要根据高发目标事件类型的权重与实际高发目标事件的数量确定高发目标事件的数量(例如，计算设备确定高发目标事件类型的权重与实际高发目标事件的数量的乘积为高发目标事件的数量)。而普通目标事件(即除高发目标事件之外的事件)的数量为实际目标事件的数量。

上述技术方案至少带来以下有益效果：本申请提供的巡逻路线规划方法，计算设备先对获取的多个目标事件的经纬度信息进行空间聚类，再根据上述聚类得到的多个簇(即第一聚类结果)中的目标事件的经纬度信息确定多个目标区域。计算设备确定上述多个巡逻区域的中心点(即第二巡逻点)中满足预设条件的为第一巡逻点，这样使得计算设备可以得到第一巡逻点，以便于后续计算设备根据第一巡逻点确定巡逻路线。

需要说明的是，上述图11所示的方法适用于所需的第一巡逻点的数量较少的场景中。在所需的第一巡逻点的数量较多的场景中，计算设备可以对部分巡逻区域的目标事件的经纬度信息重新进行聚类，这样可以得到更多的巡逻点，以适应于所需的第一巡逻点的数量较多的场景中。结合图12，如图14所示，计算设备对部分巡逻区域的目标事件的经纬度信息重新进行聚类，以得到更多的第一巡逻点的具体实现过程可以通过以下S1401至S1407确定。

S1401、计算设备确定目标巡逻点的目标事件的数量与目标巡逻点对应的第一目标巡逻区域的面积的比值是否小于目标比值。

其中，目标巡逻点为多个第二巡逻点中的任一个巡逻点。目标比值根据多个目标事件的数量与多个巡逻区域的面积确定。

一种可能的实现方式，目标比值可以为上述多个目标事件的数量与上述多个巡逻区域的面积之和的比值的1/P。

需要说明的是，上述仅为目标比值的一种示例性的描述，目标比值还可以为其他比值，本申请对此不做任何限制。

作为一种可能的实现方式，在上述目标比值为上述多个目标事件的数量与上述多个巡逻区域的面积的比值的1/P的情况下，上述S1201的具体实现过程为：计算设备确定预设第二巡逻点的事件数量和该预设第二巡逻点对应的巡逻区域的面积，并确定预设第二巡逻点的事件数量和该预设第二巡逻点对应的巡逻区域的面积的比值。计算设备可以先将上述多个第二巡逻点的事件数量相加得到上述多个事件的数量，将上述多个第二巡逻点对应的巡逻区域的面积相加得到多个巡逻区域的面积，再确定上述多个事件的数量与多个巡逻区域的面积的比值。服务器判断预设第二巡逻点的事件数量与预设第二巡逻点对应的巡逻区域的面积的比值，是否小于多个事件的数量和多个巡逻区域的面积的比值的1/P。

若计算设备确定目标巡逻点的事件数量与第一目标巡逻区域的面积的比值小于目标比值，则执行S1402。

需要说明的是，当目标巡逻点的事件数量与第一目标巡逻区域的面积的比值，小于目标比值时，计算设备可以确定该预设第二巡逻点的事件数量较少或者事件分布较为松散。

S1402、计算设备不对第一目标巡逻区域的目标事件的经纬度信息重新进行聚类。

需要说明的是，在目标巡逻点的事件数量较少或者事件分布较为松散的情况下，计算设备无需对第一目标巡逻区域的目标事件的经纬度信息重新进行聚类。

若否，则计算设备执行S1403-S1407。

需要说明的是，当目标巡逻点的事件数量与第一目标巡逻区域的面积的比值，大于或等于目标比值时，计算设备可以确定该目标巡逻点的事件数量较多或者事件分布较为密集。

S1403、计算设备确定第二目标巡逻区域的第五巡逻点的数量。

其中，第二目标巡逻区域为多个巡逻区域中面积最小的巡逻区域。第五巡逻点的目标事件的数量小于目标巡逻点的目标事件的数量。

需要说明的是，第二目标巡逻区域的第五巡逻点的数量满足以下公式5：

MCN＝(MA/CA)*pnum 公式5

其中，MCN(MinClusterNum)为第二目标巡逻区域的第五巡逻点的数量。MA(MinArea)为第二目标巡逻区域的面积。CA(CellArea)为单位区域的面积。Pnum为单位区域的第五巡逻点数量。

需要指出的是，由于第五巡逻点是对第一目标巡逻区域中的历史事件重新聚类得到的，因此，第五巡逻点的目标事件的数量小于目标巡逻点的目标事件的数量。

S1404、计算设备根据第二目标巡逻区域的面积、第二目标巡逻区域的第五巡逻点的数量、以及第一目标巡逻区域的面积，确定第一目标巡逻区域的第五巡逻点的数量。

一种可能的实现方式中，第一目标巡逻区域的第五巡逻点的数量满足以下公式6：

CN＝(SA/MA)*MCN 公式6

其中，CN(ClusterNum)为第一目标巡逻区域的第五巡逻点的数量。SA(SArea)为第一目标巡逻区域的面积。

S1405、计算设备根据第一目标巡逻区域的第五巡逻点的数量，对第一目标巡逻区域的至少一个目标事件的经纬度信息进行空间聚类，得到第二聚类结果。

示例性的，若计算设备确定的第一目标巡逻区域的第五巡逻点的数量为8，则上述S1405的具体实现过程为：计算设备需要对第一目标巡逻区域的目标事件的经纬度信息进行空间聚类，得到8个簇(即第二聚类结果)。上述8个簇中任一个簇包括至少一个目标事件。计算设备确定上述多个簇中任一个簇的至少一个目标事件的经纬度信息所构成的区域为第三目标巡逻区域。这样计算设备根据上述8个簇中的每一个簇中包括的至少一个目标事件的经纬度信息，确定上述8个簇对应的8个第三目标巡逻区域。计算设备可以确定8个第三目标巡逻区域的中心点为8个第五巡逻点。

S1406、计算设备根据第二聚类结果确定第一目标巡逻区域的第五巡逻点。

需要说明的是，S1406可参考上述S1203和S1204进行理解，此处不再赘述。

S1407、计算设备确定第一目标巡逻区域的第五巡逻点为第一巡逻点。

需要说明的是，如图15所示，在所需的第一巡逻点的数量较多的场景中，计算设备可以对上述满足要求的第二巡逻点对应的巡逻区域的目标事件的经纬度信息重新进行聚类，得到第五巡逻点，并确定上述第五巡逻点为第一巡逻点。图15中的一个小人用于标记一个第三巡逻点。

上述技术方案至少带来以下有益效果：本申请提供的巡逻路线规划方法，计算设备可以先对目标巡逻点的目标事件的数量和第一目标巡逻区域面积的比值进行判断，确定目标巡逻点是否为目标事件数量较多或者目标事件分布较为密集的巡逻点，这样计算设备以历史事件(或者案件)的数量、类型、高发区域、以及高发时段等信息为依据，确定的巡逻点可以更加适应实际情况。在计算设备确定了该目标巡逻点的事件数量较多或者事件分布较为密集的情况下，计算设备可以通过对第一目标巡逻区域的目标事件的经纬度信息进行重新聚类，得到更多的第一巡逻点，这样能够充分挖掘历史事件(或者案件)的数量、类型、高发区域、以及高发时段，便于计算设备针对上述信息进行最优巡逻路线规划，有助于后续规划巡逻路线，使得确定的巡逻路线更细致，巡逻效果更好。

可以理解的是，上述巡逻路线规划方法可以由巡逻路线确定装置实现。巡逻路线确定装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，本申请公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请公开实施例的范围。

本申请公开实施例可以根据上述方法示例生成的巡逻路线确定装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请公开实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

图16为本发明实施例提供的一种巡逻路线确定装置的结构示意图。如图16所示，巡逻路线确定装置160可以用于执行图2、图6-图8、图10-图12、以及图14所示的巡逻路线确定方法。该巡逻路线确定装置160包括：通信单元1601和处理单元1602。

通信单元1601，用于获取L个第一巡逻点.

其中，L为正整数。第一巡逻点的信息包括：第一巡逻点的期望巡逻时间段和/或第一巡逻点的经纬度信息。

处理单元1602，用于根据预设遗传算法处理L个第一巡逻点，确定满足预设约束条件的目标巡逻路线。

其中，预设约束条件包括以下至少一项：时间约束条件和长度约束条件；长度约束条件为路线长度小于或等于第一预设阈值；时间约束条件为到达时间位于期望巡逻时间段的第一巡逻点的数量大于或等于第二预设阈值。

在一种可能的实现方式中，处理单元，具体用于：根据所述预设遗传算法处理所述L个第一巡逻点的信息，确定多个初始巡逻路线；一个初始巡逻路线包括：到达所述L个第一巡逻点的顺序；根据所述预设遗传算法处理所述多个初始巡逻路线，确定满足所述预设约束条件的目标巡逻路线。

在一种可能的实现方式中，其特征在于，预设遗传算法为迭代算法，处理单元1602，具体用于：迭代执行下述过程：(1)获取第i次迭代时的种群；其中，种群包括N个个体，N为正整数；一个个体用于表征一个预设巡逻路线；i为自然数，初始迭代的种群包括根据多个初始巡逻路线确定的N个个体；(2)根据预设约束条件，以及预设变异概率，对第i次迭代时的种群中的N个个体进行处理，得到更新后的N个个体，将更新后的N个个体作为第i+1次迭代时的种群；直至迭代次数满足预设迭代次数，将最后一次迭代得到的更新后的N个个体中适应度较高的目标个体确定目标巡逻路线。

在一种可能的实现方式中，处理单元1602，具体用于：步骤1、根据预设约束条件，确定种群中的N个个体中的每个个体的适应度；在一个初始巡逻路线包括：到达L个第一巡逻点的顺序和每个第一巡逻点的期望巡逻时间段的情况下，适应度用于表征一个个体中，到达时间位于期望巡逻时间段的第一巡逻点的数量；在一个初始巡逻路线包括：到达L个第一巡逻点的顺序和路线长度的情况下，适应度用于表征一个个体的路线长度；在一个初始巡逻路线的信息包括：到达L个第一巡逻点的顺序、每个第一巡逻点的期望巡逻时间段、以及路线长度的情况下，适应度根据一个个体中，到达时间位于期望巡逻时间段的第一巡逻点的数量、以及一个个体的路线长度确定；步骤2、从种群中的N个个体中选择适应度大于或等于第三预设阈值的M个个体；M为小于N的正整数；步骤3、对种群中的N个个体中的第一数量的个体进行交叉运算，确定第二数量的交叉个体；步骤4、根据预设的变异概率，从种群中的N个个体中选择第三数量的个体进行变异运算，确定第三数量的变异个体；步骤5、从第二数量的交叉个体以及第三数量的变异个体中选择适应度大于或等于第四预设阈值的N-M个个体；步骤6、根据M个个体和N-M个个体得到更新后的N个个体。

在一种可能的实现方式中，一个初始巡逻路线还包括以下至少一项：每个第一巡逻点的期望巡逻时间段和一个初始巡逻路线的路线长度；若一个初始巡逻路线包括：到达L个第一巡逻点的顺序和路线长度，则预设约束条件包括：长度约束条件；若一个初始巡逻路线包括：到达L个第一巡逻点的顺序和每个第一巡逻点的期望巡逻时间段，则预设约束条件包括：时间约束条件；若一个初始巡逻路线包括：到达L个第一巡逻点的顺序、每个第一巡逻点的期望巡逻时间段、以及路线长度，则预设约束条件包括：时间约束条件和长度约束条件。

在一种可能的实现方式中，处理单元1602，具体用于：从种群中的N个个体中抽取第一数量的个体；根据第一数量的个体确定第二数量的个体对；个体对包括：第一数量的个体中任意两个个体，任意两个个体中的其中一个为第一父代个体，另一个为第二父代个体；对第二数量的个体对中的每个个体对执行如下操作，以得到第二数量的交叉个体：确定第一父代个体中第一预设位置的第一巡逻点为第三巡逻点；确定第二父代个体中与第三巡逻点不同的第一巡逻点为第四巡逻点；将第三巡逻点放置于初始个体的第二预设位置中，以及第四巡逻点放置于初始个体的第三预设位置中，得到交叉个体；第二预设位置与第一预设位置相同；第三预设位置为初始个体中除第二预设位置以外的位置。

在一种可能的实现方式中，处理单元1602，具体用于：从种群中的N个个体中抽取第三数量的个体；调整第三数量的个体中的每一个个体中的第一巡逻点的位置，确定第三数量的变异个体。

在一种可能的实现方式中，通信单元1601，还用于获取多个目标事件的经纬度信息；处理单元1602，还用于对多个目标事件的经纬度信息进行空间聚类，得到第一聚类结果；处理单元1602，还用于根据第一聚类结果确定多个巡逻区域；多个巡逻区域中的任一个巡逻区域包括至少一个目标事件，一个巡逻区域对应一个中心点；处理单元1602，还用于确定多个巡逻区域的中心点为多个第二巡逻点；处理单元1602，还用于确定多个第二巡逻点中满足预设条件的巡逻点为L个第一巡逻点中的第一巡逻点。

在一种可能的实现方式中，处理单元1602，具体用于：确定目标巡逻点的目标事件的数量与目标巡逻点对应的第一目标巡逻区域的面积的比值是否小于目标比值；目标巡逻点为多个第二巡逻点中的任一个巡逻点；目标比值为多个目标事件的数量与多个巡逻区域的面积之和的比值；若否，则确定第二目标巡逻区域的第五巡逻点的数量；第二目标巡逻区域为多个巡逻区域中面积最小的巡逻区域；第五巡逻点的目标事件的数量小于目标巡逻点的目标事件的数量；根据第二目标巡逻区域的面积、第二目标巡逻区域的第五巡逻点的数量、以及第一目标巡逻区域的面积，确定第一目标巡逻区域的第五巡逻点的数量；根据第一目标巡逻区域的第五巡逻点的数量，对第一目标巡逻区域的至少一个目标事件的经纬度信息进行空间聚类，得到第二聚类结果；根据第二聚类结果确定第一目标巡逻区域的第五巡逻点；确定第一目标巡逻区域的第五巡逻点为第一巡逻点。

在一种可能的实现方式中，第一目标巡逻区域的第五巡逻点的数量满足以下公式：

CN＝(SA/MA)*MCN

其中，CN为第一目标巡逻区域的第五巡逻点的数量；SA为第一目标巡逻区域的面积；MA为第二目标巡逻区域的面积；MCN为第二目标巡逻区域的第五巡逻点的数量。

图17示出了上述实施例中所涉及的巡逻路线确定装置的又一种可能的结构示意图。该巡逻路线确定装置170包括：通信接口1701和处理器1702。处理器1702用于对巡逻路线确定装置170的动作进行控制管理，例如，处理单元1602执行的步骤，和/或用于执行本文所描述的技术的其它过程。通信接口1701用于支持巡逻路线确定装置与其他网络实体的通信，例如，执行上述通信单元1601执行的步骤。巡逻路线确定装置170还可以包括存储器1703和总线1704，存储器1703用于存储巡逻路线确定装置的程序代码和数据。

其中，上述处理器1702可以是实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。该处理器可以是中央处理器，通用处理器，数字信号处理器，专用集成电路，现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

存储器1703可以是巡逻路线确定装置中的存储器等，该存储器可以包括易失性存储器，例如随机存取存储器；该存储器也可以包括非易失性存储器，例如只读存储器，快闪存储器，硬盘或固态硬盘；该存储器还可以包括上述种类的存储器的组合。

总线1704可以是扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。总线1704可以分为地址总线、数据总线、控制总线等。为便于表示，图17中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例提供一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行上述方法实施例的移动网络UDP业务拥塞处理方法。

本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当网络设备执行该指令时，该网络设备执行上述方法实施例所示的方法流程中网络设备执行的各个步骤。

其中，计算机可读存储介质，例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、寄存器、硬盘、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合、或者本领域熟知的任何其它形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(Application Specific Integrated Circuit，ASIC)中。在本申请实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

以上，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。