CN103440780B - 一种基于定位标签的城市复杂交通环境路径诱导系统和方法 - Google Patents
一种基于定位标签的城市复杂交通环境路径诱导系统和方法 Download PDFInfo
- Publication number
- CN103440780B CN103440780B CN201310361791.6A CN201310361791A CN103440780B CN 103440780 B CN103440780 B CN 103440780B CN 201310361791 A CN201310361791 A CN 201310361791A CN 103440780 B CN103440780 B CN 103440780B
- Authority
- CN
- China
- Prior art keywords
- positioning label
- limit
- section
- city
- network topology
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明提供了一种基于定位标签的城市复杂交通环境路径诱导方法及系统,所述方法包含:步骤101)通过在复杂路口、立交、综合交通枢纽、商业楼宇群周边和要道布设二维码或分类码等定位标签;步骤102)将现实场景中布设定位标签的各个物理位置和二维码或分类码等定位标签进行关联;步骤103)通过手持或车载终端通过扫描布设在现实场景中的定位标签,实现定位和基于定位的路径规划。所述步骤101)进一步包含:步骤101-1)用于生成定位标签的步骤;步骤101-2)用于采用立体化的可区分节点模型构建城市复杂环境的交通路网拓扑;步骤101-3)为各路段分配不同的权重值,然后基于得到的路网拓扑和路段权重值得到最优边控制集,为最优的边控制集布设定位标签。
Description
技术领域
本发明涉及城市交通信息服务系统和方法,具体涉及一种基于定位标签的城市复杂交通环境路径诱导服务系统和方法。
背景技术
随着城市快速发展,复杂路口、立交、综合交通枢纽、商业楼宇群等城市复杂交通环境越来越多,给公众出行造成了很大的问题,公众对于在城市复杂交通环境中的精确路径诱导信息服务需求越来越强烈。城市复杂交通环境路径诱导信息服务的主要问题有:一是出行者位置难以精确定位,二是起点到终点的路径诱导问题。
为解决上述问题,一般的做法是在城市复杂交通环境周边时,使用智能手持终端,利用卫星定位技术,从而进行定位与诱导;而在室内,则通过布设无线接入设备,来进行定位和诱导。
针对上述问题,专利“200610155115.3”中给出了一种将二维码标注在地图上,通过移动电话识读二维码地图上的二维码,从而获得更广泛的信息,辅助出行者出行和查询地图信息。
目前,无论是室外的卫星定位方法,还是室内无线定位方法,在城市复杂交通坏境中提供定位和路径诱导信息服务时,都存在一定的弊端和问题,主要有:
1)对于卫星定位受制于卫星信号强度、周边高楼遮挡等问题,定位精度难以保障;对于室内无线定位,同样其定位精度较低,并且手持终端或车载终端需要具有无线连接模块,而且需要实时与无线接入设备保持连接。例如,很难分辨某个出行者是在立交上还是立交下。
2)如果通过增加室外卫星定位的路侧增强设备或室内无线接入设备来提升定位的精确度,则使得建设的成本大大增加,在现实生活中难以大规模应用。
3)由室外进入室内或室内走出室外时,进行定位和诱导都需要在卫星定位和无线定位之间切换,对于使用者而言造成一定的不便,同时手持终端或车载终端还需要具备卫星定位模块和具备与该楼宇无线网络同类型的无线通讯模块(例如无线局域网、射频识别、超声波、红外等)。
发明内容
本发明的目的是,为克服上述问题,从而提供一种简易的、可广泛应用于复杂路口、立交、综合交通枢纽、商业楼宇群等城市复杂交通环境中的定位和路径诱导方法,通过在复杂路口、立交、综合交通枢纽、商业楼宇群周边及室内关键交通节点和要道布设二维码、分类码等定位标签,将其位置和已布设的定位标签进行关联,并通过手持或车载终端在出行的过程中,通过扫描定位标签,实现精确定位和路径规划服务功能。
为实现上述目的,本发明提供了一种基于定位标签的城市复杂交通环境路径诱导方法,所述方法包含:
步骤101)通过在复杂路口、立交、综合交通枢纽、商业楼宇群周边及室内关键交通节点和要道布设定位标签,所述定位标签包含二维码、分类码或电子感应器等其它类别定位标签;
步骤102)将现实场景中布设的定位标签的各个物理位置和这些定位标签在电子地图中的位置进行关联;
步骤103)通过手持或车载终端通过扫描布设在现实场景中的定位标签,实现定位和基于定位的路径规划和交通诱导。
上述步骤101)进一步包含:
步骤101-1)用于生成定位标签的步骤;
步骤101-2)用于采用立体化的可区分节点模型构建城市复杂环境的交通路网拓扑;
其中,所述可区分节点模型为一个用四元组表示的扩展有向图:G=(I,O,M,C),I表示汇聚点,O表示发散点,I和O都是节点集合;M表示主边,C代表连接边,M和C都是边集合,且可区分节点模型中的所有元素都必须满足如下限制条件:
条件1,能够有多条边指向汇聚点,但仅允许一条边从汇聚点出发;
条件2,能够有多条边从发散点出发,但仅允许一条边指向发散点;
条件3,M是由汇聚点指向发散点的边;
条件4,C是由发散点指向汇聚点的边;
步骤101-3)用于根据路段的重要程度为各路段分配不同的权重值,然后基于可区分节点模型得到的路网拓扑和路段权重值,并采用图论得到一个最优的边控制集,为最优的边控制集布设定位标签;
其中,所述路段权重值采用如下策略获得:依据统计得到的路网中所有路段的重要程度,并通过模糊综合评价方法得到每个路段的权重值。
上述步骤101-3)进一步包含:
步骤101-3-1)用于确定路段的权重的步骤,该步骤中首先将路段的重要程度划分为若干级别,然后对路网中的每个路段依据道路等级、通行舒适度、与周边道路的联通性和道路周边坏境评价因素进行重要程度级别打分,并通过模糊综合评价方法确定路网中每个路段评价因素在权重等级上的隶属度,其隶属度最大值确定为该路段的权重值;
步骤101-3-2)基于采用可区分节点模型构建的路网拓扑图G=(I,O,M,C)和步骤101-3-1)确定的路段权重值,找到一个最优的边控制集,然后进行定位标签布设;
其中,边控制集的定位为:
G=(I,O,M,C)是一个有向图,H是G的一个子集,e∈E(H),e是图2中的边M或C;如果KH(e)={e}U{d∈E(H):d可以由H集合的边e唯一确定},称KH(e)是由H集合里面的边e控制的,U表示对两个集合取并。
上述步骤101-3-2)进一步包含:
步骤1,由人工采集城市复杂交通环境路网数据并基于可区分节点模型构建路网拓扑,其中,n1表示复杂交通环境路网拓扑中的顶点数量;n2表示复杂环境路网拓扑中的有向边数量。
步骤2:首先给权重为最高级的路段布设定位标签,权重为最高级的路段为必须布设定位标签的路段,布设路段数为n3;
步骤3:则此时已经设置了检测器的路段为n3,这些路段对应图G中的边的集合为F,其中F={e|e∈E(G)},且e对应的路段设置了定位标签;再定义边集合H和边集合I,且所述边集合H满足:H=G-F,边集合I满足:
步骤4:在边的集合F中任选一条边e∈E(F)且使得边集合I和边集合H同时满足:I=I∪{e}且H=H-KH(e);
步骤5:如果边结合F和边集合I满足:F=I,即边集合F中都已被选取,则进行步骤6,否则回到步骤4;
步骤6:设边集合J,J={e|e∈E(H),且e对应的路段权重为下一级};
当则选择任一条边e∈E(J),使得F=F∪{e},H=H-KH(e);
步骤7:如果边集合J中的边未达到路网路段的权重最低级,则回到步骤6,否则此时得到最优的控制边集合F,则集合F对应的路段就是需要布设定位标签的路段;
其中,定位标签的布设位置在路段的入口处。
上述步骤102)具体为:
对定位标签的在现实场景中的位置进行采集和记录,并在电子地图上进行标定,和电子地图的虚拟位置进行关联;同时,对于电子地图中具有出行路网拓扑时,标签的位置也应该在出行路网拓扑中进行标定和关联。
上述步骤103)进一步包含:
读入定位标签并解析
将解析定位标签的结果与智能设备中的电子地图进行匹配,从而实现对出行者当前起点位置的定位;
输入或者选择终点位置,当终点位置确定后在电子地图中标定该终点位置;
通过确定的起点和终点,按照建立的电子地图以及根据可区分节点交通网络模型建立的城市复杂交通环境中的路网拓扑,使用最短路径等方法确定出行路径,并通过手持或车载智能终端显示给出行者。
为实现上述方法,本发明还提供了一种城市复杂环境中的交通路径诱导系统,所述系统包含:
数据准备单元,用于完成定位标签的生成、布设以及定位标签在现实场景中所在位置的采集和与电子地图的匹配,完成现实场景中物理位置和虚拟定位标签的关联,用于被手持或车载智能设备识读;
信息服务单元,首先由交通出行者在出行过程中,通过手持或车载智能设备对定位标签进行识读从而进行精确定位;其次,由出行者选择或者读入终点信息,然后在事先建好的电子地图上,进行出行路径规划,并在出行过程中提供指引信息,以确保出行者可以尽快到达目的地。
上所述数据准备单元进一步包含:
定位标签的生成模块,用于生成定位标签;
定位标签布设模块,用于采用立体化的可区分节点模型构建城市复杂环境的交通路网拓扑,并基于可区分节点模型得到的路网拓扑通过设置权重和利用图论边控制集策略对定位标签进行布设;
匹配模块,用于完成定位标签在现实场景中所在位置的采集和与电子地图的匹配;
关联模块,用于完成现实场景中物理位置和虚拟定位标签的关联。
上述定位标签布设模块进一步包含:
城市复杂环境的交通路网拓扑构建子模块,用于采用立体化的可区分节点模型构建城市复杂环境的交通路网拓扑;其中,所述可区分节点模型为一个用四元组表示的扩展有向图:G=(I,O,M,C),I表示汇聚点,O表示发散点,I和O都是节点集合;M表示主边,C代表连接边,M和C都是边集合,且可区分节点模型中的所有元素都必须满足如下限制条件:
条件1,能够有多条边指向汇聚点,但仅允许一条边从汇聚点出发;
条件2,能够有多条边从发散点出发,但仅允许一条边指向发散点;
条件3,M-Link需是由汇聚点指向发散点的边;
条件4,C-Link需是由发散点指向汇聚点的边;
路段权重确定子模块,用于根据路段的重要程度为各路段分配不同的权重值;
基于边控制集的定位标签布设子模块,用于根据所述城市复杂环境的交通路网拓扑构建子模块构建的网络拓扑和所述路段权重确定子模块确定的权重值,找到一个最优的边控制集,为得到的最优边空集布设定位标签。
上述定位标签布设模块还包含:
信息采集模块,用于对城市复杂交通坏境中的目标路网的关键数据进行采集,形成初步路网数据库,所述关键数据包括:道路的级别、宽度、交通规则、连接关系、道路舒适性;
其中,所述信息采集模块得到的采集信息输入所述城市复杂环境的交通路网拓扑构建子模块和路段权重确定子模块。
与现有技术相比,本发明的技术优势在于:
(1)本发明通过在现实场景中布设定位标签的方式,解决了城市复杂交通坏境中人员精确定位的问题,同时可向其他人共享该精确位置。
(2)本发明提出基于精确起点位置和精细化的出行路网模型的路径规划思路,可使得出行者可以更准确地、更快捷地达到目的地。
(3)本发明通过以图片、文字、语音等方式向出行者提供在途提醒信息,便于出行者更快捷地达到目的地。
附图说明
图1是本发明提供的基于定位标签的城市复杂交通环境路径诱导系统的组成框图;
图2是本发明实施例提供的可区分节点路口交通路径导向图;
图3(a)和3(b)是分别是采用传统路网路口规划与采用本发明的可区分节点路网规划后的同一路口的拓扑对比图;
图4是本发明提供的确定路网边控制集的模块组成框图。
具体实施方式
下面结合附图和实施例对本发明所述方法进行详细说明。
如图1所示,本发明的实施和应用分为两个单元:数据准备单元及信息服务单元。其中,数据准备单元主要完成标签的生成、布设以及标签在现实场景中所在位置的采集和与电子地图的匹配工作,主要完成现实场景物理位置和虚拟标签的关联,以方便智能终端设备识读。信息服务单元,首先由交通出行者在出行过程中,通过手持或车载智能设备对标签进行识读从而进行精确定位;其次,由出行者选择或者读入终点信息,然后在事先建好的电子地图基础上,进行出行路径规划,并以图片、标签等形式在出行过程中提供指引信息,以确保出行者可以尽快到达目的地。
(一)数据准备单元
(1)定位标签生成
按照一定的规则和方法生成适宜于布设在路侧、墙面等地方的定位标签,定位标签可以是二维码、数字码、条形码、电子标签等。定位标签的要求是易于识别、制造和布设,同时成本较低。
(2)精细化交通路网拓扑构建方法
本发明提出采用立体化的可区分节点模型来构建城市复杂交通环境的交通网络拓扑。可区分节点网络具有如下特点:其节点可以分为相异的两类,其中一类只允许一条边进入;而另一类只允许一条边出发,并且两类节点分别间隔出现。在这种网络中,当车辆或行人经过路口时,在路口的入口点分别转向各自的目的方向,而在路口的出口点,各个方向的车流或人流汇聚于此,与入口点自然地区分为不同的两类。不失一般性,考虑路口可能的一个入口方向交通流的分配,如图2所示。
图2中,实心点表示车流发散的点(点O、O-1、O-2、O-3),空心点表示车流汇聚的点(I、I-1、I-2、I-3)。M-0、M-1、M-2、M-3以及C-1、C-2、C-3分别代表由汇聚点到发散点,以及由发散点到汇聚点的边。
现在我们给出可区分节点模型(DN模型)的数学定义,并描述其在实际交通网络中的应用。传统的方法,在数学形式上,常用图来描述一个道路网络。如图3-(a)所示,可用二元组G=(P,E)来描述,其中P=(P1,P2,…,Pn)为网络中n个节点的集合;为连接集合P中两个元素的边的集合。
而本发明提出的立体化可区分节点模型为一个用四元组表示的扩展有向图:G=(I,O,M,C)。其中I表示汇聚点(congregating nodes),O表示发散点(dispersingnodes),I和O都是节点集合;M表示主边(main link,M-Link),C代表连接边(connectlink,C-Link),M和C都是边集合。立体化可区分节点模型中的所有元素都必须满足如下限制条件:
●可以有多条边指向汇聚点,但仅允许一条边从汇聚点出发;
●可以有多条边从发散点出发,但仅允许一条边指向发散点;
●M是由汇聚点指向发散点的边;
●C是由发散点指向汇聚点的边。
依据此定义,可以对一个实际的复杂交通网络进行建模。与传统网络结构相比,某些节点可能会被拆分为若干I(汇聚节点)、O(发散节点)、M(主边,汇聚—发散)、C(连接边,发散—汇聚)的集合,这些新的节点与边通常并不具备单独的物理意义,而其组合则是可能的。可区分节点模型用来描述一类具有连通性的开关网络,这种网络相比于传统网络的优点在于,可以精确表达城市复杂交通网络中的各类规则,例如单行线、禁止上行、禁止机动车通行等规则的表达。同时,基于这种模型可以进行更精细的诱导,非常适合城市复杂交通坏境的路网拓扑建模,如果3(b)所示。(3)定位标签布设
定位标签布设需要根据不同的服务场合进行具体的规划,定位标签的作用是在城市复杂交通坏境中起到位置精确定位和路径指引的作用,从而使得出行者更准确地达到目的地。本专利在基于可区分节点的精细化路网拓扑基础上,提出通过设置权重,并利用图论边控制集方法对定位标签的布设进行优化。该方法的主要目的是,使用尽量少的标签,但依然可以保证出行者可以根据标签的指引也可以在城市复杂交通坏境中方便地出行。具体主要分为权重确定及定位标签优化布设两部分。
1)路段的权重确定
路网诱导标签优化布设的路段权重确定,要考虑道路的等级、拓扑情况、交通坏境、交通管理规则等因素,本文把权重分类五级,根据路段的重要程度由高到低,其权重分别记为5、4、3、2、1。具体城市交通管理部门、城市枢纽运营部门及专业的交通诱导信息服务企业的专家、管理人员及技术人员等协商进行评分,然后通过模糊综合评价方法确定。
定位标签的主要布设的路段选择的原则有:
1)由于城市复杂交通环境中的主要出入口、交叉口、岔路口等位置对于交通诱导十分必要,这些该路段的权重记为5;
2)人流集中、易于集散的场地,这些地点的权重相应也应比较高,权重可考虑3-5;
3)公交场站、地铁出口等公共设施所在处,权重记为5;
4)根据道路所处的地方离城市中心区距离的远近或者路段周边繁华程度,其权重确定也由高到低;
5)在各个区域,具体情况千差万别,路段权重的确定也要据实际情况考虑其它必要的因素;
6)如果五级权重不够用,也可以灵活的提高到六级、七级或者十级等
同时在定位标签布设时,还需要注意:布设位置应醒目,易于发现;印制清晰,便于终端设备识读;应附注简洁的说明,使得出行者能快速知晓标签的作用和用途。
2)基于边控制集的标签优化方法
方法的主要步骤为:
根据图论可知,在一个复杂路网坏境中,路网交通诱导标签布设问题可以看成是在本专利所定义的路网拓扑图G=(I,O,M,C)中找到一个最优的边控制集。
其中,边控制集的定义为:
G=(I,O,M,C)是一个有向图,H是G的一个子集,e∈E(H),e是图2中的边M或C;如果KH(e)={e}U{d∈E(H):d可以由H集合的边e唯一确定},称KH(e)是由H集合里面的边e控制的,U表示两个集合取并。
上述过程涉及的各个步骤对应的模块实现框图如图4所示,且具体的标签的优化布设包含如下步骤:
步骤1,由人工采集城市复杂交通坏境中的路网数据并基于可区分节点模型构建路网拓扑,人工采集的路网数据主要包括道路的级别、宽度、交通规则、连接关系、道路舒适性等数据,其中,n1表示复杂交通环境路网拓扑中的顶点数量;n2表示复杂交通环境路网拓扑中的有向边数量。
步骤2:首先给权重为最高级的路段布设标签,权重为最高级的路段为必须布设标签的路段,布设路段数为n3。
步骤3:则此时已经设置了检测器的路段为n3,这些路段对应图G中的边的集合为F(F={e|e∈E(G)},且e对应的路段设置了标签)。再定义边集合H,H=G-F,边集合I,
步骤4:在F中任选一条边e∈E(F)且使得I=I∪{e},H=H-KH(e)
步骤5:如果F=I,即集合F中都已被选取,则进行步骤6,否则回到步骤4。
步骤6:设边集合J,J={e|e∈E(H),且e对应的路段权重为下一级}
当则选择任一条边e∈E(J),使得F=F∪{e},H=H-KH(e)。
步骤7:如果边集合J中的边未达到路网路段的权重最低级,则回到步骤6,否则此时得到最优的控制边集合F,则集合F对应的路段就是需要布设标签的路段。
其中,需要说明的是,标签的目的在于交通诱导作用,因此,标签的布设位置实际上一般在路段的入口处。
(4)定位标签位置采集与匹配
在包含城市复杂交通环境周边和室内的电子地图基础上,在布设定位标签的时候,对定位标签的在现实场景中的位置进行采集和记录,并在电子地图上进行标定,和电子地图的虚拟位置进行关联。同时,该电子地图中应具有出行路网拓扑,定位标签的位置也需要在出行路网拓扑中进行标定和关联。
(二)信息服务单元
(1)定位标签读入
交通出行者在出行过程中使用手持或车载智能设备的信息输入模块(例如车载终端、智能手机、平板电脑的摄像头、键盘等),对布设在现实场景中的定位标签进行扫描、识读或进行手工输入。其中,手持或车载智能设备可以通过在本地安装识读软件或连接到远程服务系统,对定位标签进行解析。
(2)起点定位
通过手持或车载智能设备对读入的定位标签进行解析,与智能设备中的电子地图进行匹配,从而实现对出行者当前起点位置的精确定位功能。其中,起点的精确位置已经在数据准备阶段在定位标签布设时采集,并通过安装的软件事先储存在智能设备或储存在远程的数据库中。
(3)终点选择
在通过定位标签确定出行者的精确起点位置后,需要出行者输入或者选择终点位置。终点可以是文字,或者是车票上的条码、二维码等定位标签,或者由其他出行者发送的电子化的定位标签。终点位置确定后,传输给智能终端或远程的信息服务软件中,并在电子地图中标定该终点位置。
(4)路径规划
基于立体化可区分节点交通网络模型的路径规划方法,
智能终端中的软件或者远程信息服务软件,通过确定的起点和终点,按照事先建立的电子地图以及城市复杂交通环境中的路网拓扑,使用最短路径等方法确定出行路径,并通过手持或车载智能终端显示给出行者,从而指导出行者在城市复杂交通环境中的交通出行。其中由于城市复杂交通环境的出行拓扑较为复杂,现有的常见的电子地图一般精细程度不够,因此需要专门构建面向城市复杂交通环境的更加精细的出行路网拓扑;以支撑更精确的路径规划服务。
(5)在途交通诱导信息服务
在一些十分复杂的出行坏境中,还需要向出行者以实景图片、文字提示、语音提示等方式提供在途交通诱导信息,尤其是在一些岔路口和环形路口时更为必要,以帮助出行者更方便、更快速地按照规划的路径达到目的地。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种基于定位标签的城市复杂交通环境路径诱导方法,所述方法包含:
步骤101)通过在复杂路口、立交、综合交通枢纽、商业楼宇群周边及室内关键交通节点和要道布设定位标签,所述定位标签包含二维码和分类码;
步骤102)将现实场景中布设定位标签的各个物理位置和这些位置上布设的定位标签进行关联;
步骤103)通过手持或车载终端通过扫描布设在现实场景中的定位标签,实现定位和基于定位的路径规划;
所述步骤101)进一步包含:
步骤101-1)生成定位标签;
步骤101-2)采用立体化的可区分节点模型构建城市复杂环境的交通路网拓扑;
其中,所述可区分节点模型为一个用四元组表示的扩展有向图:G=(S,O,M,C),S表示汇聚点,O表示发散点,S和O都是节点集合;M表示主边,C代表连接边,M和C都是边集合,且可区分节点模型中的所有元素都必须满足如下限制条件:
条件1,能够有多条边指向汇聚点,但仅允许一条边从汇聚点出发;
条件2,能够有多条边从发散点出发,但仅允许一条边指向发散点;
条件3,M是由汇聚点指向发散点的边;
条件4,C是由发散点指向汇聚点的边;
步骤101-3)根据路段的重要程度为各路段分配不同的权重值,然后基于可区分节点模型得到的路网拓扑和路段权重值,并采用图论得到一个最优的边控制集,为最优的边控制集布设定位标签;
其中,所述路段权重值采用如下策略获得:依据统计得到的路网中所有路段的重要程度,并通过模糊综合评价方法得到每个路段的权重值。
2.根据权利要求1所述的基于定位标签的城市复杂交通环境路径诱导方法,其特征在于,所述步骤101-3)进一步包含:
步骤101-3-1)用于确定路段的权重的步骤,该步骤中首先将路段的重要程度划分为若干级别,然后对路网中的每个路段依据道路等级、通行舒适度、与周边道路的联通性和道路周边环境四个评价因素进行重要程度级别打分,并通过模糊综合评价方法确定路网中每个路段评价因素在权重等级上的隶属度,其隶属度最大值确定为该路段的权重值;
步骤101-3-2)基于采用可区分节点模型构建的扩展有向图G=(S,O,M,C)和步骤101-3-1)确定的路段权重值,找到一个最优的边控制集,然后进行定位标签布设;
其中,边控制集的定位为:
G=(S,O,M,C)是一个有向图,H是G的一个子集,e∈E(H),e是边M或C;如果KH(e)={e}U{d∈E(H):d可以由H集合的边e唯一确定},称KH(e)是由H集合里面的边e控制的,U表示对两个集合取并。
3.根据权利要求2所述的基于定位标签的城市复杂交通环境路径诱导方法,其特征在于,所述步骤101-3-2)进一步包含:
步骤1,由人工采集城市复杂交通环境路网数据并基于可区分节点模型构建路网拓扑,其中,n1表示复杂交通环境路网拓扑中的顶点数量;n2表示复杂交通环境路网拓扑中的有向边数量;
步骤2:首先给权重为最高级的路段布设定位标签,权重为最高级的路段为必须布设定位标签的路段,布设路段数为n3;
步骤3:则此时已经设置了检测器的路段为n3,这些路段对应图G中的边的集合为F,其中F={e|e∈E(G)},且e对应的路段设置了定位标签;再定义边集合H和边集合I,且所述边集合H满足:H=G-F,边集合I满足:
步骤4:在边的集合F中任选一条边e∈E(F)且使得边集合I和边集合H同时满足:I=I∪{e}且H=H-KH(e);
步骤5:如果边结合F和边集合I满足:F=I,即边集合F中都已被选取,则进行步骤6,否则回到步骤4;
步骤6:设边集合J,J={e|e∈E(H),且e对应的路段权重为下一级};
当则选择任一条边e∈E(J),使得F=F∪{e},H=H-KH(e);
步骤7:如果边集合J中的边未达到路网路段的权重最低级,则回到步骤6,否则此时得到最优的控制边集合F,则集合F对应的路段就是需要布设定位标签的路段;
其中,定位标签的布设位置在路段的入口处。
4.根据权利要求1所述的基于定位标签的城市复杂交通环境路径诱导方法,其特征在于,所述步骤102)具体为:
对定位标签在现实场景中的位置进行采集和记录,并在电子地图上进行标定,然后和电子地图的虚拟位置进行关联;同时,对于电子地图具有出行路网拓扑时,标签的位置也应该在出行路网拓扑中进行标定和关联。
5.根据权利要求1所述的基于定位标签的城市复杂交通环境路径诱导方法,其特征在于,所述步骤103)进一步包含:
读入定位标签并解析;
将解析定位标签的结果与智能设备中的电子地图进行匹配,从而实现对出行者当前起点位置的定位;
输入或者选择终点位置,当终点位置确定后在电子地图中标定该终点位置;
通过确定的起点和终点,按照建立的电子地图以及根据可区分节点模型建立的城市复杂交通环境中的路网拓扑,使用最短路径方法确定出行路径,并通过手持或车载终端显示给出行者。
6.一种基于定位标签的城市复杂交通环境路径诱导系统,其特征在于,所述系统包含:
数据准备单元,用于完成定位标签的生成、布设以及定位标签在现实场景中所在位置的采集和与电子地图的匹配,完成现实场景中物理位置和虚拟定位标签的关联,用于被手持或车载智能设备识读;
信息服务单元,首先由交通出行者在出行过程中,通过手持或车载智能设备对定位标签进行识读从而进行精确定位;其次,由出行者选择或者读入终点信息,然后在事先建好的电子地图上,进行出行路径规划,并在出行过程中提供指引信息,以确保出行者可以尽快到达目的地;
所述数据准备单元进一步包含:
定位标签的生成模块,用于生成定位标签;
定位标签布设模块,用于采用立体化的可区分节点模型构建城市复杂环境的交通路网拓扑,并基于可区分节点模型得到的路网拓扑通过设置权重和利用图论边控制集策略对定位标签进行布设;
匹配模块,用于完成定位标签在现实场景中所在位置的采集和与电子地图的匹配;
关联模块,用于完成现实场景中物理位置和虚拟定位标签的关联;
所述定位标签布设模块进一步包含:
城市复杂交通环境的路网拓扑构建子模块,用于采用立体化的可区分节点模型构建城市复杂环境的交通路网拓扑;其中,所述可区分节点模型为一个用四元组表示的扩展有向图:G=(S,O,M,C),S表示汇聚点,O表示发散点,S和O都是节点集合;M表示主边,C代表连接边,M和C都是边集合,且可区分节点模型中的所有元素都必须满足如下限制条件:
条件1,能够有多条边指向汇聚点,但仅允许一条边从汇聚点出发;
条件2,能够有多条边从发散点出发,但仅允许一条边指向发散点;
条件3,M需是由汇聚点指向发散点的边;
条件4,C需是由发散点指向汇聚点的边;
路段权重确定子模块,用于根据路段的重要程度为各路段分配不同的权重值;
基于边控制集的定位标签布设子模块,用于根据所述城市复杂交通环境的路网拓扑构建子模块构建的网络拓扑和所述路段权重确定子模块确定的权重值,找到一个最优的边控制集,为得到的最优边空集布设定位标签。
7.根据权利要求6所述的基于定位标签的城市复杂交通环境路径诱导系统,其特征在于,所述定位标签布设模块还包含:
信息采集模块,用于对城市复杂交通坏境中的目标路网的关键数据进行采集,形成初步路网数据库,所述关键数据包括:道路的级别、宽度、交通规则、连接关系、道路舒适性;
其中,所述信息采集模块得到的采集信息输入所述城市复杂交通环境的路网拓扑构建子模块和路段权重确定子模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310361791.6A CN103440780B (zh) | 2013-08-19 | 2013-08-19 | 一种基于定位标签的城市复杂交通环境路径诱导系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310361791.6A CN103440780B (zh) | 2013-08-19 | 2013-08-19 | 一种基于定位标签的城市复杂交通环境路径诱导系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103440780A CN103440780A (zh) | 2013-12-11 |
CN103440780B true CN103440780B (zh) | 2015-10-07 |
Family
ID=49694473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310361791.6A Active CN103440780B (zh) | 2013-08-19 | 2013-08-19 | 一种基于定位标签的城市复杂交通环境路径诱导系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103440780B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104167101B (zh) * | 2014-08-04 | 2017-01-18 | 西安文理学院 | 信息发布功能交通灯与移动车体间led光通信系统 |
CN104637330B (zh) * | 2015-02-15 | 2016-11-16 | 国家电网公司 | 基于视频二维码的车载导航通讯系统的防超速方法 |
CN105136160B (zh) * | 2015-07-28 | 2017-08-22 | 浙江工业大学 | 一种基于移动终端和增强现实技术的近距离最优公交站点导航方法 |
CN105425656B (zh) * | 2015-10-28 | 2020-06-05 | 天津德厚化工技术有限公司 | 太阳能光纤交通标志管理系统 |
CN105973250A (zh) * | 2016-04-28 | 2016-09-28 | 华南理工大学 | 一种基于二维码的大型枢纽路径诱导辅助方法 |
CN108205557A (zh) * | 2016-12-19 | 2018-06-26 | 顺丰科技有限公司 | 检索终端、服务端以及信息通讯检索方法和系统 |
CN107193995A (zh) * | 2017-06-08 | 2017-09-22 | 网帅科技(北京)有限公司 | 一种位置分类规则库管理系统及其编码方法 |
CN107146446B (zh) * | 2017-07-10 | 2018-02-09 | 中南大学 | 一种基于rfid数据和动态车源的路径诱导方法 |
CN110019591B (zh) * | 2017-09-14 | 2022-04-08 | 腾讯科技(深圳)有限公司 | link拓扑关系生成方法、装置、后台服务器及存储介质 |
CN108196552B (zh) * | 2018-02-11 | 2021-03-02 | 深圳朝闻道智能信息科技有限公司 | 一种智能小车的gps视觉导航系统 |
CN110602438B (zh) * | 2018-06-13 | 2021-12-28 | 浙江宇视科技有限公司 | 一种基于路网的视频监控布局优化方法及装置 |
CN110768819B (zh) * | 2018-12-03 | 2023-03-24 | 北京嘀嘀无限科技发展有限公司 | 生成方法、规划方法、装置、终端和可读存储介质 |
CN109754034A (zh) * | 2019-01-08 | 2019-05-14 | 北京邮电大学 | 一种基于二维码的终端设备定位方法及装置 |
CN110186460A (zh) * | 2019-06-11 | 2019-08-30 | 豪位控股有限公司 | 无线信标快速布设和标注方法 |
CN110426966A (zh) * | 2019-07-31 | 2019-11-08 | 驭势(上海)汽车科技有限公司 | 一种虚拟车辆寻路的方法、装置、存储介质和电子设备 |
CN112857371A (zh) * | 2020-12-29 | 2021-05-28 | 上海企树网络科技有限公司 | 一种导航二维码生成方法、园区导航方法及装置 |
CN116910951B (zh) * | 2023-07-04 | 2024-01-23 | 天津大学 | 区域供热管网优化设计方法及其装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102576063A (zh) * | 2009-08-20 | 2012-07-11 | 天宝导航有限公司 | Rfid定位系统 |
CN202549070U (zh) * | 2012-01-14 | 2012-11-21 | 福建师范大学 | 基于rfid的物联网停车场定位装置 |
CN102867163A (zh) * | 2012-08-23 | 2013-01-09 | 南京大学 | 利用移动阅读器探测固定rfid电子标签来实现定位的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101452070A (zh) * | 2007-11-30 | 2009-06-10 | 西门子公司 | 一种定位方法和一种定位系统 |
-
2013
- 2013-08-19 CN CN201310361791.6A patent/CN103440780B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102576063A (zh) * | 2009-08-20 | 2012-07-11 | 天宝导航有限公司 | Rfid定位系统 |
CN202549070U (zh) * | 2012-01-14 | 2012-11-21 | 福建师范大学 | 基于rfid的物联网停车场定位装置 |
CN102867163A (zh) * | 2012-08-23 | 2013-01-09 | 南京大学 | 利用移动阅读器探测固定rfid电子标签来实现定位的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103440780A (zh) | 2013-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103440780B (zh) | 一种基于定位标签的城市复杂交通环境路径诱导系统和方法 | |
Caprara et al. | A heuristic method for the set covering problem | |
Laporte et al. | An integrated methodology for the rapid transit network design problem | |
CN103017780B (zh) | 移动状态下公交线路的规划方法、系统和装置 | |
Di Martino et al. | An architecture for a mobility recommender system in smart cities | |
KR20100089218A (ko) | 경로 탐색 장치 및 방법 | |
Aliniai et al. | Parking lot site selection: An opening gate towards sustainable GIS-based urban traffic management | |
Sevtsuk et al. | Predicting pedestrian flow along city streets: A comparison of route choice estimation approaches in downtown San Francisco | |
Lee et al. | Stop aggregation model: Development and application | |
CN104636457B (zh) | 一种位置搜索认知的方法及装置 | |
Laakso et al. | An information model for pedestrian routing and navigation databases supporting universal accessibility | |
Karou et al. | Chapter Accessibility measures and instruments | |
CN102401657B (zh) | 一种基于导向标签的区域交通指引服务器 | |
EP4273769A1 (en) | System and method for determining installation of urban infrastructures in urban environments | |
Kelley | AFV refueling stations and the complexity of freeway intersections: The scale dependency of network representation | |
Pressl et al. | User-specific web-based route planning | |
Sundarakumar et al. | Real time traffic management system using cloud infrastructure with edge clustering mechanism | |
CN116187605A (zh) | 一种基于gis技术的公交线网选线方法 | |
CN106709599B (zh) | 基于区域整体指引可达最大化的道路指路标志布设方法 | |
CN115238944A (zh) | 一种景区旅游路线动态规划系统 | |
KR100485868B1 (ko) | 경로 정보 생성 방법 및 이를 이용한 경로 정보 제공 시스템 | |
Lynn et al. | Smart streets: Definition, principles, and infrastructural elements | |
Yao et al. | Accessible Circulation and Movement in Building: Case Study of Stesen Sentral Kuala Lumpur | |
Du et al. | Urban micro-circulation bus planning based on temporal and spatial travel demand | |
KR102616217B1 (ko) | 데이터 드리븐 기반 경로탐색 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |