基于地理场景的矿区监控选址模型_李雯静.pdf

收稿日期2019-09-01 基金项目国家自然科学基金项目 （编号 41271449） 。 作者简介李雯静 （1978） ， 女， 教授， 博士， 博士研究生导师。 基于地理场景的矿区监控选址模型 李雯静 1， 2 胡丹 1， 3 李楠 41 （1. 武汉科技大学资源与环境工程学院， 湖北 武汉 430081； 2. 冶金矿产资源高效利用与造块湖北省重点实验室， 湖北 武汉 430081； 3.武汉永业赛博能规划勘测有限公司， 湖北 武汉430062； 4. 湖北省测绘成果档案馆 （湖北省地理信息数据交换中心） ， 湖北 武汉 430074） 摘要能够对矿山人、 机、 环境进行实时测控和数字化建设的智慧矿山平台， 可以使整个矿山具有自我分析 和决策的能力， 实现矿山生产管理过程中的可视化、 自动化、 智能化以及无人化， 达到高产、 高效和安全的目的。构 建地理视频系统是解决智慧矿山平台中安全问题的一种重要手段， 针对矿山安全中视频监控设备的选址问题， 提 出了一种基于地理场景的矿区监控选址模型。该模型首先通过对比分析几种典型语义模型中的地理实体、 地理场 景、 监控设备、 选址原则， 从中提取了一组面向监控选址的、 可扩充的地理场景语义分类模型。然后将监控候选点 群以及监控设备的视域范围作为参数输入基于监控选址的集合覆盖模型， 并使用线性规划方法进行求解。最后以 某矿区为例进行试验， 证明该模型能够对研究区域进行科学合理的监控设备选址。试验结果表明 候选点分布均 匀， 且具有一定的规律， 说明所提方法能够取代以往的人工筛选方法， 提高选址效率和准确性， 对于不断变化的监 控需求和环境要素有较好的应对能力。 关键词智慧矿山矿区安防地理场景语义监控选址视域 中图分类号TD67文献标志码A文章编号1001-1250 （2020） -09-087-09 DOI10.19614/ki.jsks.202009012 Study on Monitoring Site Selection Model of Mining Area Based on Geographical Scene LI Wenjing1， 2HU Dan1， 3LI Nan42 （1. School of Resources and Environmental Engineering， Wuhan University of Science and Technology， Wuhan 430081， China； 2. Hubei Key Laboratory for Efficient Utilization and Agglomeration of Metallurgic Mineral Resources， Wuhan 430081， China； 3. Wuhan Yongye Cyberspace Planning and Survey Co.， Ltd.， Wuhan 430062， China； 4. Hubei Provincial Archives of Surveying and Mapping Achievements（Hubei Geographic Ination Data Exchange Center） ， Wuhan 430074， China） AbstractIntelligent mining plat carries out real-time measurement，control and digitization of mine，human， ma- chine and environment.It can enable the whole mine to have the ability of self-analysis and decision-making， so as to realize the visualization，automation， intelligence and unmanned in the process of mine production management， and achieve the goal of high yield， high efficiency and safety.The construction of geo-video system is an important means to solve the safety problem in the intelligent mining plat.In view of the location problem of geo-video monitoring equipment in the mine safe- ty， this paper proposes a location model of mining monitoring based on geographical scene.Firstly， this model extracts a set of extensible geographic scene semantic classification models for monitoring location by comparing and analyzing four aspects of geographic entities， geographic scenes， and monitoring equipment and location principles in several typical semantic models. Then， the monitoring candidate group and the horizon range of monitoring equipment are as parameters into the set cov- erage model based on monitoring location selection， and the linear programming is used to solve the problem.Finally， the test results of a mining area proves that the model can scientifically and reasonably locate monitoring equipment in the study area.The experimental results show that the candidate points are evenly distributed and have certain regularity.This proofs that the can replace the previous manual screening s， improve the efficiency and accuracy of site selec- tion， and has a better stress capability for the ever-changing monitoring requirements and environmental elements. Keywordsintelligent mine， mine security， geographic scene semantics， monitoring site selection， horizon 总第 531 期 2020 年第 9 期 金属矿山 METAL MINE Series No. 531 September2020 87 金属矿山2020年第9期总第531期 智慧矿山建设能够促进矿山信息化改造， 实现 采矿自动化与智能化， 保障矿山安全、 高效、 绿色及 可持续生产， 实现科学采矿 ［1-3］。各类自动化、 监测和 监控系统是智慧矿山建设的重要组成部分， 在矿山 安全生产管理过程中发挥着重要作用。智慧矿山的 研发企业也逐渐从单一设备供应商转变为技术解决 方案供应商， 开展了更多的跨领域研究。 在视频监控的智能化、 高清化发展进程中， 基于 计算机视觉的视频内容理解技术是研究重点之一 ［4］， 目前已有不少学者对智能视频监控技术进行了研 究， 其中背景建模、 目标检测识别、 目标跟踪、 行为事 件分析等算法已经较为成熟 ［5-7］， 各研究单位也相继 开发了通用性较强的智能视频监控系统 ［8-9］。 除了视频相关算法研究及通用系统开发外， 现 阶段智能视频监控技术的研究仍处于试验阶段， 特 别是在监控设备选址、 监控画面布局设计等方面涉 及较少， 在通过视角构造提升源视频数据内容有效 性的技术方面的研究深度不足。在智能视频监控系 统研究方面， 目前监控设备选址技术的研究受到很 大关注。研究科学合理的视频监控选址模型， 不仅 有利于在满足公共安全区域全覆盖需求的同时达到 节约社会资源的目的， 而且能够提高视频监控源数 据质量、 减少冗余数据量， 从而提高智能监控系统的 运算效率。虽然视频监控技术早已在矿业 ［1］、 林 业 ［11］、 室内等领域的安防系统和监管系统中得到应 用， 但是在监控点选取方面， 缺乏科学合理的布局。 根据智慧矿山现代化开采的需求， 智能、 合理、 自动 地选取摄像头的布设点及其监控范围是构建基于地 理视频的公共安全监控系统的前提。 由于现代监控设备具有位置固定特性且遵循镜 头成像原理， 地理视频数据采集依旧依赖于监控设 备， 其画面质量受监控设备的地理位置、 画幅尺寸、 帧率、 分辨率、 仰角等参数影响。因此本研究在监控 选址模型中考虑地理场景等语义， 将监控对象的特 征、 行为、 事件等语义信息融入到监控画面构造中， 这有利于实现监控视频中的事件推理、 信息挖掘和 关联分析， 响应智能视频监控系统的监控目标和需 求， 从监控设备选址开始为智慧矿山的视频覆盖网 络构建服务， 通过预设背景、 监控对象、 报警事件等 实现对范围内有计划地监控。 1视频监控技术路线 监控选址问题在数学上类似于一种集合覆盖 类选址问题 ［11-12］， 即在满足所有需求点的服务要求 下， 选取最少的设施点集合。解决该类问题通常采 用基于启发式算法的近似求解算法， 如启发式贪心 算法 ［13］、 改进式遗传算法［14］、 人工蜂群算法［15］、 二 进制猫群优化算法等。基于几何的监控选址方法 常以基本地理数据 （如数字高程模型） 为数据源， 以 数字地形分析为基础， 结合模拟退火算法、 遗传算 法 ［16］等优化算法进行监控点自动选址， 不仅能够缩 短选址耗时， 而且可以实现多个设备点进行联合监 控， 提升监控画面质量 ［17-19］。顾及属性的监控选址 方法除了要考虑地理环境的特征外， 还需要根据监 控系统需求和研究专题的特点， 对监控区域、 监控 对象的属性特点进行分析和分类， 使选址结果能够 满足需求 ［20-22］。 根据上述分析， 目前大多数监控选址研究聚焦 于视频监控数据的优化应用上， 将高精技术着重投 放在监控服务的末端， 且研究方法主要结合数学、 几 何以及属性信息， 虽然充分考虑了选址算法、 地形特 征、 监控安装成本以及成像面积等因素， 但是在监控 服务上游的幅面构造、 语义解析等方面的考虑较为 缺乏， 这也是监控选址研究领域迫切需要深入研究 的方向。本研究从GIS视角综合分析了选址需求、 监 控设备参数、 监控对象的位置语义与特征语义， 提出 了一种基于地理场景的矿区监控选址模型， 实现了 监控服务范围与二三维地图的有效融合。 本研究提出的基于地理场景的矿区监控选址模 型的技术路线如图1所示。首先是模型方法设计， 通 过对比分析几种典型的地理视频语义模型中的地理 实体、 地理场景、 监控设备和选址原则， 从中提取了 一组面向矿区监控选址的、 可扩充的地理场景分类。 接着结合实例研究地理场景相关语义模型， 实现矿 区监控需求分析以及地理实体、 地理场景分类。最 后是试验部分， 根据监控候选点群以及监控设备的 视域生成叠置面片， 将其作为参数输入基于监控选 址的集合覆盖模型， 使用线性规划方法对矿区监控 范围的集合覆盖问题进行求解， 并将选取结果进行 二三维可视化。 2基于地理场景的矿区监控选址模型 2. 1地理场景相关语义构建 建立地理场景相关语义是为了表示和管理监控 选址模型中涉及的对象、 事件及关系等语义信息， 并 为地理视频技术的发展提供语义查询基础。随着视 频技术的发展， 对有效视频语义模型的需求越来越 迫切。为了提取出一组适合矿区监控选址的地理场 景语义， 本研究选取了几种具有代表性的视频语义 模型， 从地理场景、 地理实体、 监控设备、 选址原则4 个方面进行了简化语义信息提取， 如表1所示。 88 李雯静等 基于地理场景的矿区监控选址模型2020年第9期 在矿区监控选址的背景下， 地理场景（Geo- Scene） 通常表示为状态相对不变的对象， 其中需要规 定静态要素的类别 （Geo-Scene.name） ， 并从几何数据 中获取各类静态要素的面积 （Geo-Scene.area） 。地理 实体 （Geo-Entity） 通常表示地理场景内具有改变自 身状态的行为能力的对象， 其中需要规定动态要素 的类别（Geo-Entity.name）、 移动速度（Geo-Entity. speed） 及其特征 （Geo-Entity.features） 等语义信息。 监控设备 （Monitor） 是监控选址模型的研究对象之 一， 本研究主要考虑监控设备的服务半径、 帧率、 分 辨率等信息。选址需求 （Demand） 则规定了在哪些场 景 （Demand.scene） 中需要被监控的地理实体 （De- mand.entity） 及其特征 （Demand.features） ， 以及监控覆 盖率。将这4个方面 （或者更多） 的语义信息构建视 图联系起来 （图2） ， 进而决定监控设备的选址结果。 2. 2面向监控选址需求的语义分析 在矿区地理要素中， 提取出状态相对不变的对 象， 即为地理场景。这些对象将构成地理视频画面 的背景要素， 例如道路、 草地、 林地、 建设用地及其地 上附属物等多种地理场景。因此需要根据监控选址 需求， 利用地理场景相关语义对研究区内有效的、 会 产生影响的地理场景进行分类合并。由于在选择监 控设备位置时， 建筑是作为视域障碍物存在的地理 场景， 因此在选址空间中需要先排除建筑物立体空 间。考虑到建筑周围是人群活动最为频繁的区域， 故取建筑物适当范围缓冲区作为建筑周围的监控热 区图层。同时根据监控需求分析得到监控热区分级 图， 对各类地理场景的监控优先级进行排列， 并设置 梯度监控覆盖率目标。 2. 3集合覆盖模型的构建和运算 根据监控需求分析， 需要在监控候选点群中选 出尽量少， 但是能满足各类地理场景监控覆盖率的 监控组布置点。因此， 本研究进行了如下模型参数 定义 ■ ■ ■ ■ ■ ■ ■ minZ ∑ i 1 N xi∑ i 1 N yi ⋯ ∑ i 1 N ki aijxi bijyi ⋯ cijki≥ Sj xi,yi,⋯,ki∈{}0,1 ， 89 金属矿山2020年第9期总第531期 式中，Z为监控设备布置总数；xi取 0 或 1， 当xi 0 时， 表示i点不被选择安装第一种监控设备， 当xi 1 时， 表示i点被选择安装第一种监控设备；yi、ki等与xi 定义类似， 表示i点是否被选择安装其他监控设备； aij、bij、cij等系数分别表示i点处安装对应监控设备时 视域覆盖的第j（j 1,2,⋯,M） 种地理场景的面积；Sj 表示第j种地理场景的最小总覆盖面积。 根据地理场景与候选点群的分布情况， 按照一 定逻辑顺序将监控选址参数模型输入 Lingo软件进 行运算得到监控候选点的选取结果， 将候选点群的 视域图层与地理场景图斑进行叠置分析， 判断选取 结果是否满足监控覆盖率目标； 否则， 需进行一轮补 充选址。 3矿区监控选址试验分析 3. 1研究区域分析 作为研究区的某矿区位于长江中下游平原中 部， 占地约19万m2， 区域中央是一处山包， 围绕山脚 有一条弯曲的道路， 道路连接了山包两侧的建筑群， 并在两端分叉延伸到建筑内。该区域主要建筑物、 构筑物有63栋， 建筑占地面积约1万m2。区内整体 地势较为平缓， 没有很大的高程起伏， 植被稀疏低 矮， 视野开阔， 不会对视频监控设备造成遮挡， 因此 适宜作为监控选址模型应用试验的研究区。 该矿区主要有道路、 建筑物和林地； 道路狭长弯 曲、 不规整， 交叉较少， 主要作为开采设备运送、 矿业 产品运输及矿山作业人员进出之用； 建筑较为低矮， 分布具有聚集性， 山包西侧建筑群为一处矿业工程 项目部， 主要建筑有仓库、 机房， 山包东边是一家硫 酸厂， 主要建筑有办公楼、 硫精矿仓库、 泵房、 机房、 散热塔、 转运站、 维修间等； 林地有零有整， 与其他地 理场景相互穿插， 所占面积最大。 3. 2数据处理及地理场景语义分析 试验数据为包含25个图层的dwg格式图形文件 （图3 （a） ） ， 根据图层名称、 内容对该区域的数据进行 筛选， 将其中具有地理意义的图层转换为shp格式地 图， 如图3 （b） 所示。利用地理场景相关语义的构建 实现地理场景中道路、 草地林地、 建筑物及构筑物 （SID {}x|x 1,2,3） 等3个图层分类输出， 如图3 （c） 所示。由于在选择园区监控设备位置时， 建筑是作 为障碍物存在的地理场景， 因此在选址空间中先排 除了建筑物图层 （SID 3） 。矿区建筑周围是人群活 动较为频繁的区域， 属于开阔区域， 因此提取建筑及 构筑物周围20 m缓冲区范围作为建筑周围监控热点 图层 （SID 4） 。 将道路、 草地林地、 监控热区这3类地理场景按 照以下顺序进行监控顺序级别排列 监控热区＞道路 ＞草地 （即SID4＞1＞2） ， 得到监控热区分级图， 如图3 （d） 所示。 90 2020年第9期李雯静等 基于地理场景的矿区监控选址模型 地理场景方面的语义分类结果如表2所示。 3. 3地理实体与监控设备分析 研究区的地理实体一般是指矿业工程人员和各 类车辆 （如机械车辆、 作业车辆、 农务设备等） ， 这两 类地理实体的详细属性信息如表3所示。 在安装监控设备组方面， 考虑到矿山地理条件 较为空旷、 地势有一定起伏， 且没有太多固定的附 着物， 本研究在绘制地形图时采集了大量高程点、 控制点， 由于这些测绘控制点视野较为开阔、 分布 较为均匀、 不受道路走向影响， 因此将741处测绘控 制点作为安装组合监控设备的候选点群 （图3 （b） 中 点群） 。最终满足监控需求的监控点在监控候选点 群中产生。 3. 4选址需求分析 研究区为一处具有普遍性特征的矿区， 按照监 控重要程度 （即 监控热区＞道路＞草地林地） 给各类 地理场景设置了最低监控覆盖率， 并设定了区域内 重点监控对象， 进而对该区域提出了如表4所示的监 控选址需求。 3. 5对草地林地、 监控热区进行A型监控设备组选 址 在对草地林地、 监控热区进行A型监控设备组选 址时， 首先可以排除候选点群中的20 m缓冲区与草地 林地、 监控热区没有交集的部分， 保留有交集的717处 候选点， 如图4 （a） 所示。然后将候选点群及逐个的交 集面积输入集合覆盖模型进行运算， 得到了56处符合 监控需求的选址结果， 如图4 （b） 和表5所示。 3. 6对道路进行B型监控设备组选址 在对道路进行B型监控设备组选址时， 首先可以 排除候选点群中的12 m缓冲区与道路没有交集的部 分， 保留有交集的179处候选点， 如图5 （a） 所示。然 后将候选点群及逐个的交集面积输入集合覆盖模型 进行运算， 得到符合监控需求的22处选址结果， 如图 5 （b） 和表6所示。 3. 7综合选址结果及可视化 在741处候选点中， 选取出56处用于安装A型监 控设备组， 其服务范围为20 m， 监控对象主要为草地 林地和监控热区中活动的人员， 两类地理场景的覆 盖面积分别为6 571.01 m2和30 462.25 m2。 91 注 加 “*” 号的候选点需要同时安装A型及B型设备。 在 741处候选点中， 选取出了 22处点位用于安 装B型监控设备组， 其服务范围为12 m， 监控对象主 要为道路上行驶的车辆， 覆盖面积为 2 134.26 m2。 其中有3处B型监控设备组安装点群与A型点群重 合， 即表 5中序号为 31、 51、 52的点与表 6中序号为 6、 13、 14的点， 这3处监控点需要同时安装两种监控 设备组。 该研究区的地理视频监控设备组选址结果如图 6 （a） 所示， 包含高程的选址结果如图6 （b） 所示。选 址后研究区监控覆盖面积统计如表7所示。 注 加 “*” 号的候选点需要同时安装A型及B型设备。 金属矿山2020年第9期总第531期 92 3. 8本研究方法与一般选址方法对比分析 本研究方法与一般选址方法均采用了相同的试 验数据及可视化方法， 主要区别为数据处理流程、 语 义分析方式和监控选址模型方面， 两组试验的流程 及数据结果对比如图7所示， 两种方法详细对比结果 如表8所示。 本研究监控选址方法首先对研究区的原始底 图进行处理， 实现图层同类合并、 语义分类以及数 据格式转换。然后通过地理场景相关语义模型， 实 现对研究区的监控需求分析和地理实体、 地理场 景、 监控设备分类， 从特征语义和位置语义方面来 描述研究区。最后根据监控候选点群以及监控设 备的视域生成叠置面片， 将其作为参数输入基于监 控选址的集合覆盖模型， 并使用线性规划方法对研 究区的集合覆盖问题进行求解， 并对选取结果进行 二三维可视化。 一般选址方法在简单的数据处理后， 以总监控 面积以及监控缓冲区与底图的叠置面积为参数， 输 入集合覆盖模型进行运算， 得到若干符合条件的监 控选址结果， 并且每组选址结果的选点分布不均匀、 毫无特征， 不利于进行监控选址决策。 本研究方法具有一定的前瞻性， 能够充分考虑 2020年第9期李雯静等 基于地理场景的矿区监控选址模型 93 地理视频的成像区域组成， 并约束每类地理场景下 的监控比例， 有利于辅助地理视频监控选址决策。 而且该方法具有稳定性， 能够克服一般选址方法中 选址结果不确定、 分布不均匀、 无规律等问题。 4结论 本研究在监控选址模型中考虑地理场景相关 语义， 将监控对象的特征、 行为、 事件等语义信息融 入到监控画面的构造中， 有利于地理视频的事件推 理、 信息挖掘和关联分析， 响应地理视频监控系统 的监控目标和需求。针对矿山安全中地理视频监 控选址问题， 从地理场景相关语义和集合覆盖模型 入手， 展开了基于地理场景相关语义的矿区监控选 址研究， 从选址开始为视频监控系统的整体构建提 供服务。 本研究提出的基于地理场景相关语义的监控选 址模型能够通过分析监控区域的地理场景， 预设监 控对象和事件， 将监控选址方案置于视频数据采集 链的上游， 既克服了一般选址方法中选址结果分布 不均匀、 监控画面内容比例不确定等问题， 也在源头 为矿区视频监控系统提供高质量的地理视频数据， 为将来智能化、 无人化矿山的安防建设奠定了基础。 而且所提的监控选址方法具有普遍性， 地理场景分 析、 地理实体分析的方法不仅适用于矿区， 还能够扩 充到其他复杂环境中， 并能够在地图上直观显示监 控设备点及其监控范围。基于要素分类的园区视频 监控点覆盖选址方法能够取代以往的人工筛选方 法， 提高选址效率和准确性， 对于不断变化的监控需 求和环境要素能够做出应变。 未来研究应着重于监控选址模型参数固定化、 数据处理流程模块化、 模型运算过程一体化和结果 可视分析精细化这4个方面。文中模型固定参数应 为各类地理场景的覆盖率， 但是在使用示例数据 时， 图层同类合并、 语义分类都影响了所提的监控 选址模型。在后续研究中， 应确定地理场景、 地理 实体、 监控设备的标准， 让这些因素作为定量存在。 在数据获取与处理中， 本研究提出了一套数据处理 流程， 其中包含地图数据格式转换及自动处理的 ArcGIS流程模型， 在后续研究中可以通过FME实现 跨软件平台的流程链接， 实现无缝数据处理， 提高 自动化水平。在集合覆盖模型构建及运算中， 本研 究将交集图层的属性表导出为表格后输入 Lingo计 算， 在后续研究中可以尝试将该运算过程嵌入空间 分析平台。在监控点选取结果可视化中， 本研究使 用ArcGIS Pro软件实现图层的二三维可视化， 在表达 方式上较为粗糙， 在后续研究中需着重研究三维精 细化表达方式。 参 考 文 献 陆世东， 李文胜， 杨文森， 等.矿山远程监管系统研究 ［J］ .资源环 境与工程， 2012， 26 （2） 176-179. LU Shidong， LI Wensheng， YANG Wensen， et al.Study on the re- mote mine monitoring and management system ［J］ .Resources Envi- ronment Engineering， 2012， 26 （2） 176-179. 吴德政.数字化矿山现状及发展展望 ［J］ .煤炭科学技术， 2014 （9） 17-21. WU Dezheng. Present status and development prospects of Digi- talized Mine ［J］ .Coal Science and Technology， 2014 （9） 17-21. 吴立新， 汪云甲， 丁恩杰， 等.三论数字矿山借力物联网保 障矿山安全与智能采矿 ［J］ .煤炭学报， 2012， 37 （3） 357-365. WU Lixin， WANG Yunjia， DING Enjie， et al.Thirdly study on digi- tal mineserve for mine safety and intellimine with support from IoT ［J］ .Journal of China Coal Society， 2012， 37 （3） 357-365. 汤志伟. 智能分析技术在网络视频监控领域的应用 ［J］ .中国安 防， 2011 （3） 47-49. TANG Zhiwei.Application of intelligent analysis technology in net- work video monitoring field ［J］ .China Security Protection， 2011 （3） 47-49. WOJEK C， DOLLAR P， SCHIELE B， et al.Pedestrian detectionan uation of the state of the art ［J］ .IEEE Transactions on Pattern Analysis Machine Intelligence， 2012， 34 （4） 743-761. 黄凯奇， 任伟强， 谭铁牛.图像物体分类与检测算法综述 ［J］ .计 算机学报， 2014， 36 （6） 1-18. HUANG Kaiqi， REN Weiqiang， TAN Tieniu.A review on image ob- ject classification and detection ［J］ .Chinese Journal of Computers， 2014， 36 （6） 1-18. ANDREOPOULOS A， TSOTSOS J K.50 years of object recognition directions forward ［J］ .Computer Vision and Image Understanding， 2013， 117 （8） 827-891. HUANG K ， TAN T.Vs-stara visual interpretation system for visual surveillance ［J］ .Pattern Recognition Letters， 2010， 31 （14） 2265- 2285. VALERA M， VELASTIN S A. Intelligent distributed surveillance systemsa review［J］ .IEEE Proceedings-Vision， Image and Signal Processing， 2005， 152 （2） 192-204. 王志宝， 赵飞飞， 赵仁辉， 等.基于2D/3D GIS的林业病虫灾害远 程视频监控系统 ［J］ .东北林业大学学报， 2013， 41 （4） 66-70. WANG Zhibao， ZHAO Feifei， ZHAO Renhui， et al.Remote video surveillance system of forest diseases and pests based on 2D and 3D GIS ［J］ .Journal of Northeast Forestry University， 2013， 41 （4） 66-70. FARAHANI R Z， ASGARI N， HEIDARI N， et al.Covering prob- lems in facility locationa review ［J］ .Computers Industrial Engi- neering， 2012， 62 （1） 368-407. 王继强.集合覆盖问题的模型与算法 ［J］ .计算机工程与应用， ［1］ ［2］ ［3］ ［4］ ［5］ ［6］ ［7］ ［8］ ［9］ ［10］ ［11］ ［12］ 金属矿山2020年第9期总第531期 94 2013， 49 （17） 15-17. WANG Jiqiang.Model and algorithm for the set-cover problem ［J］ . Computer Engineering and Applications， 2013， 49 （17） 15-17. CHVATAL V. A greedy heuristic for the set-covering problem ［J］ . Mathematics of Operations Research， 1979， 4 （3） 233-235. DAVARI S， ZARANDI M H F， HEMMATI A.Maximal Covering Lo- cation Problem（MCLP）with Fuzzy Travel Times［M］ . Pergamon Press， Inc. 2011. CRAWFORD B， LAGOS C， CASTRO C， et al.A cultural algorithm for solving the set covering problem ［J］ .Analysis Design of Intel- ligent Systems Using Soft Computing Techniques， 2014， 41408- 415. 孙清清， 祝亮， 李建， 等.基于多约束NSGA2算法的空管监视台 站优化选址 ［J］ .电讯技术， 2014， 54 （10） 1366-1371. SUN Qingqing， ZHU Liang， LI Jian， et al.Optimal site selection of ATC surveillance stations based on multi-constrained NSGA2 ［J］ . Telecommunication Engineering， 2014， 54 （10） 1366-1371. 孙建伟.山区视频监控点选址算法研究 ［D］ .南京 南京师范大 学， 2015. SUN Jianwei.Research on Location Algorithm of Video Monitoring Points in Mountainous Areas ［D］ .NanjingNanjing Normal Universi- ty， 2015. 张健， 刘毅， 韩宁， 等. 鹫峰国家森林公园林火视频监控点的选 址 ［J］ .东北林业大学学报， 2009， 37 （5） 24-27. ZHANG Jian， LIU Yi， HAN Ning， et al.Site selection for video mon- itoring spots of forest fire in Jiufeng National Forest Park，Beijing ［J］ .Journal of Northeas Forestry University， 2009， 37 （5） 24-27. 吴明珠.自然保护区视频监控点的优化选址研究 ［D］ .上海 华 东师范大学， 2016. WU Mingzhu.Study on the Optimal Location of Video Monitoring Points in Nature Reserves ［D］ .ShagnhaiEast China Normal Univer- sity， 2016. 陈林云.基于WebGIS校园视频监控系统的应用研究 ［D］ .南昌 东华理工大学， 2014. CHEN Linyun.Application Research of Campus Video Monitoring System based on WebGIS ［D］ .NanchangEast China University of Technology， 2014. 钟正， 张玲， 柳军燕 .3D GIS环境下监控摄像头空间布局设计 ［J］ .计算机工程与应用， 2012， 48 （13） 211-215. ZHONG Zheng， ZHANG Lin， LIU Junyan.Spatial layout design of surveillance cameras based on 3D GIS［J］ .Computer Engineering and Applications， 2012， 48 （13） 211-215. 马彬秩， 沈灏.点状监控摄像头的安装和DVR选址问题 ［J］ .杭 州电子科技大学学报， 2012， 32 （3） 95-98. MA Yibin， SHEN Hao.Optimal for surveillance camera in- stallation and DVR addressing based on detection of point targets ［J］ .Journal of Hangzhou Dianzi University， 2012， 32 （3） 95-98. 丰江帆， 宋虎.利用随机图语法的地理视频运动要素解