CN103968854A - 一种路径聚类规划方法 - Google Patents
一种路径聚类规划方法 Download PDFInfo
- Publication number
- CN103968854A CN103968854A CN201410227062.6A CN201410227062A CN103968854A CN 103968854 A CN103968854 A CN 103968854A CN 201410227062 A CN201410227062 A CN 201410227062A CN 103968854 A CN103968854 A CN 103968854A
- Authority
- CN
- China
- Prior art keywords
- circuit
- group
- address
- destination
- user
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种路径聚类规划方法,应用于车辆导航中,所述方法包括:将用户的导航源地址与目的地地址按照最小代价进行路径生成;根据用户的所述导航源地址与所述目的地地址进行群组划分生成路网群组;根据划分好的所述路网群组生成交通流量需求资源预期,并结合道路路况分配最优道路资源,保障不同群组间的车辆通行行为之间的相互干扰最小,实现负载均衡,实现了合理的对路径进行规划,充分利用交通资源,有效平衡城市路网中负载的流量,减轻和缓解了城市道路的交通阻塞,大大提高城市路网的通行能力的技术效果。
Description
技术领域
本发明涉及交通导航研究领域,尤其涉及一种路径聚类规划方法。
背景技术
随着社会的不断发展、人们的生活水平日益提高,车辆作为一种常用的交通工具已成为人们生活中所不可或缺的必需品,车辆的日益普及也造成了一系列的交通问题,其中,最为突出的问题是由于车流量过大而造成的交通堵塞, 城市交通的日益拥堵给城市建设和市民生活带来诸多问题,特别是近年来个人汽车消费提升较快,而土地资源较为稀缺,造成高密集居住环境与高流量交通供求之间的矛盾,导致交通拥堵问题已成为严重阻碍城市进一步发展的一个重要因素。在交通路网中,寻找任意两点间最优路径是出行导航的基本功能。但是,在以前的城市交通规划中,都把车辆行驶的网路线路单独看待,没有从整体上对这些路径进行归类,以至于在线路规划时导致城市网路负载不均衡,产生交通拥堵。
综上所述,本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
在现有技术中,由于现有的车辆导航系统在进行导航时,直接按照最短距离为用户提供线路,导致相同目的地的用户行走同一条线路造成堵塞,而别的线路却造成交通资源浪费,所以,现有技术中的路径规划方法存在设计不合理,把车辆行驶的网路线路单独看待,没有从整体上对这些路径进行归类,以至于在线路规划时导致城市网路负载不均衡,产生交通拥堵,以及交通资源浪费的问题。
发明内容
本发明提供了一种路径聚类规划方法,解决了现有技术中的路径规划方法存在设计不合理,把车辆行驶的网路线路单独看待,没有从整体上对这些路径进行归类,以至于在线路规划时导致城市网路负载不均衡,产生交通拥堵,以及交通资源浪费的问题,实现了合理的对路径进行规划,充分利用交通资源,有效平衡城市路网中负载的流量,减轻和缓解了城市道路的交通阻塞,大大提高城市路网的通行能力的技术效果。
为解决上述技术问题,本申请实施例提供了一种路径聚类规划方法,应用于车辆导航中,所述方法包括:
将用户的导航源地址与目的地地址按照最小代价进行路径生成;
根据用户的所述导航源地址与所述目的地地址进行群组划分生成路网群组;
根据划分好的所述路网群组生成交通流量需求资源预期,并结合道路路况分配最优道路资源,保障不同群组间的车辆通行行为之间的相互干扰最小,实现负载均衡。
进一步的,所述将用户的导航源地址与目的地地址按照最小代价进行路径生成具体包括:
根据所述导航源地址与所述目的地地址生成N条线路,所述N为大于等于1的正整数;
根据每一条线路的交通参数,计算出每一条线路的代价;
根据所述每一条线路的代价按照最小代价进行路径生成。
进一步的,所述交通参数包括但不限于:线路的长度、容量、拥塞度。
进一步的,所述根据用户的所述导航源地址与所述目的地地址进行群组划分生成路网群组具体为:将导航终端按照目的地和源地址进行聚类,将所述目的地和所述源地址相同的用户归为一个群组,将所述目的地和所述源地址不同的用户归为不同的群组,其中,有m个用户发出请求,将所述m个用户的目的地和导航源分为n类,为每类用户规划k条线路,其中,所述m、n、k均为大于等于1的正整数。
进一步的,所述为每类用户规划k条线路时具体采用蚁群算法。
进一步的,所述根据用户的所述导航源地址与所述目的地地址进行群组划分生成路网群组,具体包括:
利用割度表征线路之间的相干程度,两个线路所包含的节点最小值为该线路的顶,割度为两线路重合节点与顶的比值,其中,当割度为1时,表示这两条线路全相干,当线路的割度为0时表示这两条线路独立;
利用合度表示线路之间的相关程度,两个线路所包含的边的最小值为该线路的迹,合度为两线路重合边与迹的比值,其中,当合度为1时,表示这两条线路全相关,合度为0时表示这两条线路无关;
将导航终端按照目的地和源地址进行聚类,将所述目的地和所述源地址相同的用户归为一个群组,将所述目的地和所述源地址不同的用户归为不同的群组。
进一步的,所述根据划分好的所述路网群组生成交通流量需求资源预期,并结合道路路况分配最优道路资源,具体包括:
根据划分好的所述路网群组生成交通流量需求资源预期,即计算各个群组之间的相关程度;
为群组分配线路资源,群组之间的线路按照最小合度进行线路分配,群组内的线路按照最大割度进行线路分配。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了首先将用户的导航源地址与目的地地址按照最小代价进行路径生成,然后根据用户的所述导航源地址与所述目的地地址进行群组划分生成路网群组,最后根据划分好的所述路网群组生成交通流量需求资源预期,并结合道路路况分配最优道路资源,保障不同群组间的车辆通行行为之间的相互干扰最小,实现负载均衡的技术方案,所以,有效解决了现有技术中的路径规划方法存在设计不合理,把车辆行驶的网路线路单独看待,没有从整体上对这些路径进行归类,以至于在线路规划时导致城市网路负载不均衡,产生交通拥堵,以及交通资源浪费的问题,进而实现了合理的对路径进行规划,充分利用交通资源,有效平衡城市路网中负载的流量,减轻和缓解了城市道路的交通阻塞,大大提高城市路网的通行能力的技术效果。
附图说明
图1是本申请实施例一中路径聚类规划方法的流程示意图;
图2是本申请实施例一中路径聚类规划方法应用于实际中的线路图。
具体实施方式
本发明提供了一种路径聚类规划方法,解决了现有技术中的路径规划方法存在设计不合理,把车辆行驶的网路线路单独看待,没有从整体上对这些路径进行归类,以至于在线路规划时导致城市网路负载不均衡,产生交通拥堵,以及交通资源浪费的问题,实现了合理的对路径进行规划,充分利用交通资源,有效平衡城市路网中负载的流量,减轻和缓解了城市道路的交通阻塞,大大提高城市路网的通行能力的技术效果。
本申请实施中的技术方案为解决上述技术问题。总体思路如下:
采用了首先将用户的导航源地址与目的地地址按照最小代价进行路径生成,然后根据用户的所述导航源地址与所述目的地地址进行群组划分生成路网群组,最后根据划分好的所述路网群组生成交通流量需求资源预期,并结合道路路况分配最优道路资源,保障不同群组间的车辆通行行为之间的相互干扰最小,实现负载均衡的技术方案,所以,有效解决了现有技术中的路径规划方法存在设计不合理,把车辆行驶的网路线路单独看待,没有从整体上对这些路径进行归类,以至于在线路规划时导致城市网路负载不均衡,产生交通拥堵,以及交通资源浪费的问题,进而实现了合理的对路径进行规划,充分利用交通资源,有效平衡城市路网中负载的流量,减轻和缓解了城市道路的交通阻塞,大大提高城市路网的通行能力的技术效果。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一:
在实施例一中,提供了一种路径聚类规划方法,应用于车辆导航中,请参考图1-图2,所述方法包括:
S10,将用户的导航源地址与目的地地址按照最小代价进行路径生成;
S20,根据用户的所述导航源地址与所述目的地地址进行群组划分生成路网群组;
S30,根据划分好的所述路网群组生成交通流量需求资源预期,并结合道路路况分配最优道路资源,保障不同群组间的车辆通行行为之间的相互干扰最小,实现负载均衡。
其中,在本申请实施例中,所述将用户的导航源地址与目的地地址按照最小代价进行路径生成具体包括:
根据所述导航源地址与所述目的地地址生成N条线路,所述N为大于等于1的正整数;
根据每一条线路的交通参数,计算出每一条线路的代价;
根据所述每一条线路的代价按照最小代价进行路径生成。
其中,在本申请实施例中,所述交通参数包括但不限于:线路的长度、容量、拥塞度。
其中,在实际应用中,在实际的网路中,根据每一条线路的长度、容量、拥塞等因素,计算出每一条线路的代价。
其中,在本申请实施例中,所述根据用户的所述导航源地址与所述目的地地址进行群组划分生成路网群组具体为:将导航终端按照目的地和源地址进行聚类,将所述目的地和所述源地址相同的用户归为一个群组,将所述目的地和所述源地址不同的用户归为不同的群组,其中,有m个用户发出请求,将所述m个用户的目的地和导航源分为n类,为每类用户规划k条线路,其中,所述m、n、k均为大于等于1的正整数。
其中,在实际应用中,设一共有m个用户发出请求,按照他们的目的地和出发地分为n类,为了给用户提供多个选择,需要为每类用户规划k条线路,即为每类用户分配k条最短路。分配k条最短路时采用蚁群算法。
其中,在本申请实施例中,所述为每类用户规划k条线路时具体采用蚁群算法。
其中,在实际应用中,蚁群算法是受到自然界中真实蚁群集体行为研究成果的启发而提出的一种蚁群的模拟优化算法。蚁群算法,是一种用来在图中寻找优化路径的机率型算法。其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。目前已经成功解决了诸如TSP, QAP, JSP 等典型的优化问题。蚁群算法是最近提出的一种基于种群的启发式仿生进化算法,被用来解决许多组合优化问题,该算法与其他算法不同之处在于其实现比较简单、灵活,更重要的是该算法不易陷入局部解。
其中,在本申请实施例中,所述根据用户的所述导航源地址与所述目的地地址进行群组划分生成路网群组,具体包括:
利用割度表征线路之间的相干程度,两个线路所包含的节点最小值为该线路的顶,割度为两线路重合节点与顶的比值,其中,当割度为1时,表示这两条线路全相干,当线路的割度为0时表示这两条线路独立;
其中,在实际应用中,设路网中的存在两条线路用符号Pi、Pj表示,线路Pi的顶点数表示为|V(Pi)|,节点v在线路Pi上表示为vPi; 线路Pj的顶点数表示为|V(Pj)|,节点v在线路Pj上表示为vPj。线路Pi和Pj的公共点的集合为Vij={v|vPi,vPj},|Vij|表示集合中元素的个数。Pi和Pj的割度 =|Vij| / MIN(|V(Pi)|,|V(Pj)|),其中,。
利用合度表示线路之间的相关程度,两个线路所包含的边的最小值为该线路的迹,合度为两线路重合边与迹的比值,其中,当合度为1时,表示这两条线路全相关,合度为0时表示这两条线路无关;
其中,在实际应用中,设路网中的存在两条线路用符号Pi、Pj表示,网络中的某一条线路用符号e表示,线路Pi的线路数表示为|E(Pi)|,线路e在线路Pi上表示为ePi,线路Pi和Pj的公共线路的集合为Eij={e|ePi,ePj},|Eij|表示集合中元素的个数。Pi和Pj的合度θ(Pi,Pj) =|Eij|/MIN(|E(Pi)|,|E(Pj)|),其中,。
将导航终端按照目的地和源地址进行聚类,将所述目的地和所述源地址相同的用户归为一个群组,将所述目的地和所述源地址不同的用户归为不同的群组。
其中,在实际应用中,一共有n类用户,每一类用户有k条线路,这样网路中一共有k*n条线路。由于这些线路会存在一定的线路相关性,为了使不同出发地和目的地的车辆相互干扰最小,现在将多个导航终端按照出发地和目的地进行群组划分,将目的地和出发地相同的用户归为一个群组,将目的地和出发地不同的用户归为不同的群组。系统优化的目标是使所有群组内线路的割度最大、所有群组之间的合度最小。
其中,在本申请实施例中,所述根据划分好的所述路网群组生成交通流量需求资源预期,并结合道路路况分配最优道路资源,具体包括:
根据划分好的所述路网群组生成交通流量需求资源预期,即计算各个群组之间的相关程度;
为群组分配线路资源,群组之间的线路按照最小合度进行线路分配,群组内的线路按照最大割度进行线路分配。
其中,在实际应用中,设第r个群组含有k条线路,在每组的k条线路中,割度的总和为。设第r组用户的第i条路线为Pri,整个网路的组内总割度为。整个网路的群组之间的总合度为。所以整个网路的资源预期为群组之间的总合度为。
其中,在实际应用中,群组之间的线路按照最小线路相关进行线路分配,群组内的线路按照最大割度进行线路分配。将群组之间相关度大的线路去掉一部分,如每个群组去掉s条线路,得到k*n-s*n条线路。使剩下的线路的相关度变小,保证不同群组间的车辆通行行为之间的相互干扰最小,有利于车辆通行快速到达目的地。
其中,在实际应用中,在交通路网中,运用本申请实施例中的方法可以将满足源地址和目的地地址相同的用户划分为相同群组进行集中路径规划,生成交通流量需求资源预期,并结合道路路况分配最优道路资源,下达规划结果。群组之间的用户按照最小相关路径进行分配,保证不同群组间的车辆通行行为之间的相互干扰最小,有利于网路负载的均衡,车辆通行快速到达目的地。
其中,在实际应用中,为了更好地对本申请实施例中的方法进行说明,请参考图2,本申请实施例中以顶点为4个,线路为7个,线路代价为1,寻找两条从源节点1到宿节点3、从源节点1到宿节点4的最优路径,即k=6为例,其计算方法如下:
首先根据源地址和目的地址求出k条最短路 调用蚁群算法,得出源点①到目的节点③的最小代价线路为1-2、1-5、1-7、4-2、4-5、4-7(以线路编号记),此为群组一线路,设为,,源点①到目的节点④的最小代价线路为1-2-3、1-2-6、4-2-3、4-2-6、4-5-3、4-5-6,设为此为群组二线路。现在计算两个群组之间的线路相关度如表1所示。
表1
为了使不同群组的干扰最小,现在每个群组删除4条线路,留下两条线路,群组一留下,即1-2、1-7,群组二留下,即4-5-3、4-5-6。这样可以使两个群组之间的线路相关度变为0,很好地实现了群组之间的负载均衡。
上述本申请实施例中的技术方案,至少具有如下的技术效果或优点:
由于采用了首先将用户的导航源地址与目的地地址按照最小代价进行路径生成,然后根据用户的所述导航源地址与所述目的地地址进行群组划分生成路网群组,最后根据划分好的所述路网群组生成交通流量需求资源预期,并结合道路路况分配最优道路资源,保障不同群组间的车辆通行行为之间的相互干扰最小,实现负载均衡的技术方案,所以,有效解决了现有技术中的路径规划方法存在设计不合理,把车辆行驶的网路线路单独看待,没有从整体上对这些路径进行归类,以至于在线路规划时导致城市网路负载不均衡,产生交通拥堵,以及交通资源浪费的问题,进而实现了合理的对路径进行规划,充分利用交通资源,有效平衡城市路网中负载的流量,减轻和缓解了城市道路的交通阻塞,大大提高城市路网的通行能力的技术效果。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种路径聚类规划方法,应用于车辆导航中,其特征在于,所述方法包括:
将用户的导航源地址与目的地地址按照最小代价进行路径生成;
根据用户的所述导航源地址与所述目的地地址进行群组划分生成路网群组;
根据划分好的所述路网群组生成交通流量需求资源预期,并结合道路路况分配最优道路资源,保障不同群组间的车辆通行行为之间的相互干扰最小,实现负载均衡。
2.根据权利要求1所述的方法,其特征在于,所述将用户的导航源地址与目的地地址按照最小代价进行路径生成具体包括:
根据所述导航源地址与所述目的地地址生成N条线路,所述N为大于等于1的正整数;
根据每一条线路的交通参数,计算出每一条线路的代价;
根据所述每一条线路的代价按照最小代价进行路径生成。
3.根据权利要求2所述的方法,其特征在于,所述交通参数包括但不限于:线路的长度、容量、拥塞度。
4.根据权利要求1所述的方法,其特征在于,所述根据用户的所述导航源地址与所述目的地地址进行群组划分生成路网群组具体为:将导航终端按照目的地和源地址进行聚类,将所述目的地和所述源地址相同的用户归为一个群组,将所述目的地和所述源地址不同的用户归为不同的群组,其中,有m个用户发出请求,将所述m个用户的目的地和导航源分为n类,为每类用户规划k条线路,其中,所述m、n、k均为大于等于1的正整数。
5.根据权利要求4所述的方法,其特征在于,所述为每类用户规划k条线路时具体采用蚁群算法。
6.根据权利要求4所述的方法,其特征在于,所述根据用户的所述导航源地址与所述目的地地址进行群组划分生成路网群组,具体包括:
利用割度表征线路之间的相干程度,两个线路所包含的节点最小值为该线路的顶,割度为两线路重合节点与顶的比值,其中,当割度为1时,表示这两条线路全相干,当线路的割度为0时表示这两条线路独立;
利用合度表示线路之间的相关程度,两个线路所包含的边的最小值为该线路的迹,合度为两线路重合边与迹的比值,其中,当合度为1时,表示这两条线路全相关,合度为0时表示这两条线路无关;
将导航终端按照目的地和源地址进行聚类,将所述目的地和所述源地址相同的用户归为一个群组,将所述目的地和所述源地址不同的用户归为不同的群组。
7.根据权利要求6所述的方法,其特征在于,所述根据划分好的所述路网群组生成交通流量需求资源预期,并结合道路路况分配最优道路资源,具体包括:
根据划分好的所述路网群组生成交通流量需求资源预期,即计算各个群组之间的相关程度;
为群组分配线路资源,群组之间的线路按照最小合度进行线路分配,群组内的线路按照最大割度进行线路分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410227062.6A CN103968854B (zh) | 2014-05-27 | 2014-05-27 | 一种路径聚类规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410227062.6A CN103968854B (zh) | 2014-05-27 | 2014-05-27 | 一种路径聚类规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103968854A true CN103968854A (zh) | 2014-08-06 |
CN103968854B CN103968854B (zh) | 2016-04-27 |
Family
ID=51238646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410227062.6A Expired - Fee Related CN103968854B (zh) | 2014-05-27 | 2014-05-27 | 一种路径聚类规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103968854B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104575074A (zh) * | 2015-01-22 | 2015-04-29 | 四川汇源吉迅数码科技有限公司 | 一种城市路网的负载平衡方法 |
CN105716622A (zh) * | 2016-04-12 | 2016-06-29 | 玉环看知信息科技有限公司 | 一种导航方法及导航服务器 |
CN108613681A (zh) * | 2018-05-14 | 2018-10-02 | 河海大学常州校区 | 大数据环境下基于迭代计算的路径规划分布式计算方法 |
CN110377671A (zh) * | 2019-04-23 | 2019-10-25 | 同济大学 | 一种城市道路规划方法及设备 |
CN110375762A (zh) * | 2019-08-13 | 2019-10-25 | 福建工程学院 | 一种协助规划导航路径的方法及装置 |
CN110398254A (zh) * | 2019-08-23 | 2019-11-01 | 福建工程学院 | 一种减缓交通拥挤的方法及系统 |
CN112200336A (zh) * | 2019-06-20 | 2021-01-08 | 北京京东振世信息技术有限公司 | 一种车辆行驶路径规划的方法和装置 |
CN112414420A (zh) * | 2020-08-13 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 一种基于交通流量的导航方法以及相关装置 |
CN113593240A (zh) * | 2021-09-28 | 2021-11-02 | 湖南车路协同智能科技有限公司 | 一种用于车路协同的车辆路径规划方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009116866A2 (en) * | 2008-03-20 | 2009-09-24 | Falkplan Andes Holding Bv | Navigation device |
CN102097011A (zh) * | 2011-02-21 | 2011-06-15 | 昆明理工大学 | 群集智能交通流控制系统 |
CN102811233A (zh) * | 2011-05-31 | 2012-12-05 | 上海博泰悦臻电子设备制造有限公司 | 基于移动终端登录导航组的方法及系统 |
CN103033194A (zh) * | 2011-09-28 | 2013-04-10 | 株式会社日立制作所 | 路径引导系统 |
CN103185589A (zh) * | 2011-12-27 | 2013-07-03 | 联想(北京)有限公司 | 一种群组车辆行驶路径规划方法、装置和系统 |
-
2014
- 2014-05-27 CN CN201410227062.6A patent/CN103968854B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009116866A2 (en) * | 2008-03-20 | 2009-09-24 | Falkplan Andes Holding Bv | Navigation device |
CN102097011A (zh) * | 2011-02-21 | 2011-06-15 | 昆明理工大学 | 群集智能交通流控制系统 |
CN102811233A (zh) * | 2011-05-31 | 2012-12-05 | 上海博泰悦臻电子设备制造有限公司 | 基于移动终端登录导航组的方法及系统 |
CN103033194A (zh) * | 2011-09-28 | 2013-04-10 | 株式会社日立制作所 | 路径引导系统 |
CN103185589A (zh) * | 2011-12-27 | 2013-07-03 | 联想(北京)有限公司 | 一种群组车辆行驶路径规划方法、装置和系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104575074A (zh) * | 2015-01-22 | 2015-04-29 | 四川汇源吉迅数码科技有限公司 | 一种城市路网的负载平衡方法 |
CN104575074B (zh) * | 2015-01-22 | 2017-04-26 | 四川汇源吉迅数码科技有限公司 | 一种城市路网的负载平衡方法 |
CN105716622A (zh) * | 2016-04-12 | 2016-06-29 | 玉环看知信息科技有限公司 | 一种导航方法及导航服务器 |
CN108613681A (zh) * | 2018-05-14 | 2018-10-02 | 河海大学常州校区 | 大数据环境下基于迭代计算的路径规划分布式计算方法 |
CN110377671A (zh) * | 2019-04-23 | 2019-10-25 | 同济大学 | 一种城市道路规划方法及设备 |
CN112200336A (zh) * | 2019-06-20 | 2021-01-08 | 北京京东振世信息技术有限公司 | 一种车辆行驶路径规划的方法和装置 |
CN110375762A (zh) * | 2019-08-13 | 2019-10-25 | 福建工程学院 | 一种协助规划导航路径的方法及装置 |
CN110398254A (zh) * | 2019-08-23 | 2019-11-01 | 福建工程学院 | 一种减缓交通拥挤的方法及系统 |
CN112414420A (zh) * | 2020-08-13 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 一种基于交通流量的导航方法以及相关装置 |
CN113593240A (zh) * | 2021-09-28 | 2021-11-02 | 湖南车路协同智能科技有限公司 | 一种用于车路协同的车辆路径规划方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103968854B (zh) | 2016-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103968854B (zh) | 一种路径聚类规划方法 | |
Cavalcante et al. | Roadside unit deployment for information dissemination in a VANET: An evolutionary approach | |
Ferreira et al. | Self-organized traffic control | |
CN105608896B (zh) | 城市交通网络中的交通瓶颈识别方法 | |
CN103268701B (zh) | 城市路网负载平衡方法 | |
JP6257313B2 (ja) | 道路網動的適応ヒエラルキーおよびルーティングのための方法およびシステム | |
CN102735239B (zh) | 导航装置、方法和系统 | |
CN103971530B (zh) | 一种实时路径规划方法 | |
US9599483B2 (en) | Region guided and change tolerant fast shortest path algorithm and graph preprocessing framework | |
Li et al. | Geographic routing protocol for vehicular ad hoc networks in city scenarios: a proposal and analysis | |
CN104156459A (zh) | 一种基于相同开销网格的高效寻路的方法及系统 | |
Du et al. | GAQ-EBkSP: a DRL-based urban traffic dynamic rerouting framework using fog-cloud architecture | |
Islam et al. | A privacy-enhanced and personalized safe route planner with crowdsourced data and computation | |
Cabannes et al. | Measuring regret in routing: assessing the impact of increased app usage | |
Wang et al. | Roadside units allocation algorithms for certificate update in VANET environments | |
Nguyen et al. | A randomized path routing algorithm for decentralized route allocation in transportation networks | |
Bozdog et al. | RideMatcher: peer-to-peer matching of passengers for efficient ridesharing | |
Elbery et al. | A novel stochastic linear programming feedback eco-routing traffic assignment system | |
Stan et al. | Segment trees based traffic congestion avoidance in connected cars context | |
Lusiani et al. | Determination of the Fastest Path on Logistics Distribution by Using Dijkstra Algorithm | |
Tian et al. | A new distributed routing protocol using partial traffic information for vehicular ad hoc networks | |
Li et al. | Finding least on-road travel time on road network | |
Jun et al. | Stochastic traffic assignment considering road guidance information | |
Wu et al. | Application of Java—Based optimization Dijkstra algorithm in parking lot berth guidance | |
Khan et al. | A note on routing methods to determine the shortest path in transport networks |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160427 |
|
CF01 | Termination of patent right due to non-payment of annual fee |