CN104658297B - 一种基于Sarsa学习的中心式动态路径诱导方法 - Google Patents

一种基于Sarsa学习的中心式动态路径诱导方法 Download PDF

Info

Publication number
CN104658297B
CN104658297B CN201510055467.0A CN201510055467A CN104658297B CN 104658297 B CN104658297 B CN 104658297B CN 201510055467 A CN201510055467 A CN 201510055467A CN 104658297 B CN104658297 B CN 104658297B
Authority
CN
China
Prior art keywords
vehicle
section
destination
traffic information
time
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.)
Expired - Fee Related
Application number
CN201510055467.0A
Other languages
English (en)
Other versions
CN104658297A (zh
Inventor
文峰
王星乔
苗维平
于洋
黄海新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang Ligong University
Original Assignee
Shenyang Ligong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenyang Ligong University filed Critical Shenyang Ligong University
Priority to CN201510055467.0A priority Critical patent/CN104658297B/zh
Publication of CN104658297A publication Critical patent/CN104658297A/zh
Application granted granted Critical
Publication of CN104658297B publication Critical patent/CN104658297B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G08G1/096811—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed offboard
    • G08G1/096816—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed offboard where the complete route is transmitted to the vehicle at once
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • G08G1/096844—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route where the complete route is dynamically recomputed based on new data

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种基于Sarsa 学习的中心式动态路径诱导方法，该方法可通过Sarsa 学习计算所有可能目的地的Q 值表，为所有车辆提供路径诱导。建立Q 值表具体包括以下两个步骤：第一，交通中心根据路网信息以及以往路段通行时间，利用基于Q 值的动态规划算法初始化各个目的地的Q 值表；第二，交通信息中心根据利用车联网技术采集的车辆实时信息，每隔时间T 利用Sarsa 学习方法更新Q 值表。交通信息中心根据车辆的位置及目的地信息，读取Q 值表中相应路段Q 值，通过结合全局和局部参数的Boltzmann 分布为车辆分配路段，实现路径诱导。本发明能够使用Sarsa 学习方法，为所有可能终点计算Q值表，从而为所有车辆提供最优的路径诱导。

Description

一种基于Sarsa学习的中心式动态路径诱导方法
技术领域
本发明涉及车联网技术和无线通信技术领域，具体来说，是一种基于Sarsa学习的中心式动态路径诱导方法。
背景技术
随着我国社会经济的快速发展和城市化进程的不断加快，城市交通拥挤、堵塞日益严重，交通事故、环境污染导致的直接经济损失也在急剧增加，城市交通问题亟待解决。因此，实现智能、动态的路径诱导成为交通部门与出行者关注的热点内容。
随着无线通信和移动计算技术的迅速发展，网络移动终端已经扩展应用到车载平台上。基于先进的无线通信技术、车联网技术，车辆之间、车辆与交通管控中心之间可以实现高效的数据传输、信息发布功能。基于无线通信技术，车辆与网络后台服务器组建无线数据传输网络，使得集成了移动通信设备的车载终端能够通过无线网络向网络后台服务器传回自身状态以及周围环境的信息，并由交通管控中心在网络平台上对多终端、多元化的数据信息进行加工融合、建模分析与计算、共享和信息查询发布。
近年来，强化学习作为一种由环境状态到行为映射的学习方法被应用到了动态路径诱导中，由于其具有很强的自适应性和自学习能力，适合于描述交通系统这样的复杂环境。而Sarsa学习作为一种强化学习方法适合于车辆动态诱导这种在线系统的学习。
发明内容
本发明的目的，是提供一种基于Sarsa学习的中心式动态路径诱导方法，该方法能为所有车辆提供最优的路径诱导，缓解城市车辆行驶拥堵，提高行车效率。
采用的技术方案是：
一种基于Sarsa学习的中心式动态路径诱导方法，包括下述步骤：
步骤1：初始化Q值表；交通信息中心根据地理信息库中路网信息(路网拓扑结构，路段长度，车道数等)和采集到的各路段车辆通行时间，利用基于Q值的动态规划初始化各个可能目的地d的Q值表。
步骤2：车辆将自身信息及目的地信息通过车联网技术发送到交通信息中心；
步骤3：通过使用结合全局和局部参数控制策略的Boltzmann分布来为每辆车进行路径诱导；
(1)交通信息中心提取步骤2中获得的各个车辆的车载控制单元发送的数据包中车辆位置信息和目的地经纬度信息。
(2)交通信息中心根据车辆位置信息与目的地经纬度信息，在地理信息库中查询当前所驾驶车辆以及目的地所处的路段。
(3)交通信息中心根据当前系统中车辆的数量计算当前τ值，公式如下所示：
式中，τmax是τ的最大值，NV是当前系统中车辆的数量，l、β是参数。
(4)交通信息中心计算车辆所在路段的相连路段的车道占有率，公式如下：
式中，i,j是交通节点，A(i)是以i为起点的路段的终点集合，N是车辆所在路段的相连路段中车辆的数量，vn是车辆所在路段的相连路段中第n辆车，length(vn)是车辆长度，length(Sij)是路段Sij的长度，mingap是车辆间的最小间距，numlane(Sij)是路段Sij的车道数。
局部控制参数如表1所示由车道占有率决定。
(5)交通信息中心根据车辆所在路段和目的地所处路段从交通信息中心数据库<Q值表>中读取对应当前目的地的车辆所在路段的下一路段的Q值，根据结合全局和局部参数控制策略的Boltzmann分布计算车辆所应行驶的下一路段，公式如下所示：
式中，i,j是交通节点，A(i)是以i为起点的路段的终点集合，Pd(i,j)是车辆选择路段Sij的概率，Qd(i,j)是车辆通过路段Sij到达目的地d的时间的估计，mi是局部控制参数，取决于交通节点i相连路段的车道占有率，τ是全局控制参数，它取决于系统中总的交通状况，EQd(i)是节点i周围路段到目的地d的Q值的平均值。
(6)交通信息中心将上式得到的车辆所应行驶的下一路段，通过无线通讯模块发送到车载控制单元中，最终通过车载控制单元发送到车载导航地图中进行显示。
步骤4：交通信息中心根据车辆数据包获得实时交通信息，具体为：
(1)交通信息中心提取步骤2中车载控制单元发送的数据包的信息，存入交通信息中心数据库车辆信息表中；
(2)交通信息中心读取交通信息中心数据库车辆信息表，计算车辆通过路段的运行时间，将车辆通过路段的运行时间及车辆所选择的下一路段存于交通信息中心数据库实时交通信息表中；
步骤5：交通信息中心根据实时交通信息，利用Sarsa学习方法更新Q值表；
交通信息中心根据路网内全部车辆状态信息，每隔T时刻，从交通信息中心数据库实时交通信息表中读取对应各个目的地编号的更新时间最晚的各个路段通过时间以及下一路段编号，从交通信息中心数据库的Q值表中读取各路段对应的Q值，利用Sarsa学习方法更新Q值表，Sarsa学习公式如下所示：
Qd(i，j)←Qd(i，j)+α*(tij(v)+Qd(j，k)-Qd(i，j))
式中，i,j,k是交通节点，α是学习率，tij(v)是车辆v通过路段Sij的实际通过时间。
将新的Q值存入交通信息中心Q值表中。
所述交通信息中心数据库内实时交通信息表中，数据的格式如下：
carid，roadid，next_roadid，Destination_roadid，Traveling_time，Updating_time，其中，carid为车辆的车牌号，roadid为路段的编号；next_roadid为车辆在离开该条数据中roadid对应路段之后所在路段编号；Destination_roadid为目的地所在路段编号；Traveling time为当前通过该该条数据中roadid对应路段的运行时间；Updating_time是信息更新时间，即车辆离开当前路段的时刻。
所述交通信息中心数据库内Q值表的数据格式如下：roadid，Q-value，Destination_roadid，其中，roadid为路段的编号；Q-value为车辆通过该条数据中roadid对应路段到达目的地所需要的时间的估计；Destination_roadid为目的地所在路段的编号。
所述交通信息中心数据库内车辆信息表中，数据的格式如下：carid，Current_roadid，Time，Speed，Destination_roadid，其中，carid为车辆的车牌号；Current_roadid为车辆当前时刻所在路段编号，Time为当前时刻，Speed为当前时刻车辆的速度；Destination_roadid为该车辆的目的地所在路段编号。
表1为本发明基于Sarsa学习的路径诱导方法的车道占有率与局部控制参数对照表。
表格1车道占有率与局部控制参数对照表
本发明的优点在于：
1、本发明基于Sarsa学习的车辆路径诱导方法，维护各个目的地的Q值表，为所有车辆提供最优的路径诱导，缓解城市拥堵，提高行车效率。
2、本发明基于Sarsa学习的车辆路径诱导方法，根据实时交通状况，利用结合全局和局部参数的Boltzmann分布为车辆提供多种可能的路径，这样可以根据实时交通状况对车辆分流，既从系统的角度对全部车辆进行诱导，又避免了局部拥堵，从而提高了交通系统的效率。
附图说明
图1为本发明基于Sarsa学习的路径诱导方法整体流程图。
图2为本发明基于Sarsa学习的路径诱导方法的中心式动态路径诱导示意图。
具体实施方式
本发明是一种基于Sarsa学习的中心式动态路径诱导方法，如图1所示，通过下述步骤实现：
步骤1：初始化Q值表；交通信息中心根据地理信息库中路网信息(路网拓扑结构，路段长度，车道数等)和采集到的各路段车辆通行时间，利用基于Q值的动态规划初始化各个可能目的地d的Q值表。首先初始化可能目的地d周围路段的Q值，公式如下所示：
是路段Sij的初始化Q值，i，j是交通节点，tij是车辆通过路段Sij的时间，A(i)是以i为起点的路段的终点集合，B(i)是以i为终点的路段的起点集合。
通过迭代更新所有路段对目的地d的Q值，公式如下：
式中是对路段Sij的第n次迭代得到的Q值。
将Q值存放于交通信息中心数据库<Q值表>中，数据的格式如下：
roadid，Q-value，Destination_roadid。其中，roadid为路段的编号；Q-value为车辆通过该条数据中roadid对应路段到达目的地所需要的时间的估计；Destination_roadid为目的地所在路段的编号。
步骤2：车辆将自身信息及目的地信息通过车联网技术发送到交通信息中心；
如图2所示，驾驶员在人机交互系统中输入目的地，此时无线通讯设备通过车联网技术建立与移动通信网络的通信，移动通信网络通过互联网与交通信息中心建立通信，待通信建立完毕，车辆每离开一个路段，由车载控制单元获取人机交互系统中目的地的经纬度信息，以及由卫星定位系统和车速传感器获取的所驾驶车辆当前位置信息(经纬度信息)与车速信息以及当前时刻信息，并一同打包形成数据包后，通过无线通讯模块发送到交通信息服务中心。
步骤3：交通信息中心使用结合全局和局部参数控制策略的Boltzmann分布为系统中的车辆分配下一路段，具体如下：
(1)交通信息中心提取步骤2中获得的各个车辆的车载控制单元发送的数据包中车辆位置信息和目的地经纬度信息。
(2)交通信息中心根据车辆位置信息与目的地经纬度信息，在地理信息库中查询当前所驾驶车辆以及目的地所处的路段。
(3)交通信息中心根据当前系统中车辆的数量计算当前τ值，公式如下所示：
式中，τmax是τ的最大值，NV是当前系统中车辆的数量，l、β是参数。
(4)交通信息中心计算车辆所在路段的相连路段的车道占有率，公式如下：
式中，i,j是交通节点，A(i)是以i为起点的路段的终点集合，N是车辆所在路段的相连路段中车辆的数量，vn是车辆所在路段的相连路段中第n辆车，length(vn)是车辆长度，length(Sij)是路段Sij的长度，mingap是车辆间的最小间距，numlane(Sij)是路段Sij的车道数。
局部控制参数如表1所示由车道率占有决定。
(5)交通信息中心根据车辆所在路段和目的地所处路段从交通信息中心数据库Q值表中读取对应当前目的地的车辆所在路段的下一路段的Q值，根据结合全局和局部参数控制策略的Boltzmann分布计算车辆所应行驶的下一路段，公式如下所示：
式中，i,j是交通节点，A(i)是以i为起点的路段的终点集合，pd(i,j)是车辆选择路段Sij的概率，mi是局部控制参数，取决于交通节点i相连路段的车道占有率，在计算公式中作为分式的上标指数，τ是全局控制参数，它取决于系统中总的交通状况，EQd(i)是节点i周围路段到目的地d的Q值的平均值。
(6)交通信息中心将上式得到的车辆所应行驶的下一路段，通过无线通讯模块发送到车载控制单元中，最终通过车载控制单元发送到车载导航地图中进行显示。
步骤4：交通信息中心根据车辆数据包获得实时交通信息，具体为：
(1)交通信息中心提取步骤2中车载控制单元发送的数据包的信息，存入交通信息中心数据库车辆信息表中，数据的格式如下：
carid，Current_roadid，Time，Speed，Destination_roadid。其中，carid为车辆的车牌号；
Current_roadid为车辆当前时刻所在路段编号，Time为当前时刻，Speed为当前时刻车辆的速度；Destination_roadid为该车辆的目的地所在路段编号。
(2)交通信息中心读取数据库车辆信息表，计算车辆通过路段的运行时间，将车辆通过路段的运行时间及车辆所选择的下一路段存于交通信息中心数据库实时交通信息表中，数据的格式如下：carid，roadid，next_roadid，Destination_roadid，Traveling_time，Updating_time。其中，carid为车辆的车牌号，roadid为路段的编号；next_roadid为车辆在离开该条数据中roadid对应路段之后所在路段编号；Destination_roadid为目的地所在路段编号；Traveling time为当前通过该条数据中roadid对应路段的运行时间；Updating_time是信息更新时间，即车辆离开当前路段的时刻。
步骤5：交通信息中心根据实时交通信息，利用Sarsa学习方法更新Q值表；
交通信息中心根据路网内全部车辆状态信息，每隔T时刻，从交通信息中心数据库实时交通信息表中读取对应各个目的地编号的更新时间最晚的各个路段通过时间以及下一路段编号，从交通信息中心数据库Q值表中读取各路段对应的Q值，利用Sarsa学习方法更新Q值表，Sarsa学习公式如下所示：
Qd(i，j)←Qd(i，j)+α*(tij(v)+Qd(j，k)-Qd(i，j))
式中，i,j,k是交通节点，α是学习率，tij(v)是车辆v通过路段Sij的实际通过时间。
将新的Q值存入交通信息中心的Q值表中。

Claims (4)

1.一种基于Sarsa学习的中心式动态路径诱导方法，其特征在于包括下述步骤：
步骤1：初始化Q值表；交通信息中心根据地理信息库中路网信息，和采集到的各路段车辆通行时间利用基于Q值的动态规划初始化各个可能目的地d的Q值表；其中路网信息包括：路网拓扑结构，路段长度，车道数；
步骤2：车辆将自身信息及目的地信息通过车联网技术发送到交通信息中心；
步骤3：通过使用结合全局和局部参数控制策略的Boltzmann分布来为每辆车进行路径诱导；
(1)交通信息中心提取步骤2中获得的各个车辆的车载控制单元发送的数据包中车辆位置信息和目的地经纬度信息；
(2)交通信息中心根据车辆位置信息与目的地经纬度信息，在地理信息库中查询当前所驾驶车辆以及目的地所处的路段；
(3)交通信息中心根据当前系统中车辆的数量计算当前τ值，公式如下所示：
式中，τmax是τ的最大值，NV是当前系统中车辆的数量，l、β是参数；
(4)交通信息中心计算车辆所在路段的相连路段的车道占有率，公式如下：
式中，i,j是交通节点，A(i)是以i为起点的路段的终点集合，N是车辆所在路段的相连路段中车辆的数量，vn是车辆所在路段的相连路段中第n辆车，length(vn)是车辆长度，length(Sij)是路段Sij的长度，mingap是车辆间的最小间距，numlane(Sij)是路段Sij的车道数；
局部控制参数由车道占有率决定；
(5)交通信息中心根据车辆所在路段和目的地所处路段从交通信息中心数据库<Q值表>中读取对应当前目的地的车辆所在路段的下一路段的Q值，根据结合全局和局部参数控制策略的Boltzmann分布计算车辆所应行驶的下一路段，公式如下所示：
式中，i,j是交通节点，A(i)是以i为起点的路段的终点集合，Pd(i,j)是车辆选择路段Sij的概率，Qd(i,j)是车辆通过路段Sij到达目的地d的时间的估计，mi是局部控制参数，取决于交通节点i相连路段的车道占有率，τ是全局控制参数，它取决于系统中总的交通状况，EQd(i)是节点i周围路段到目的地d的Q值的平均值；
(6)交通信息中心将上式得到的车辆所应行驶的下一路段，通过无线通讯模块发送到车载控制单元中，最终通过车载控制单元发送到车载导航地图中进行显示；
步骤4：交通信息中心根据车辆数据包获得实时交通信息，具体为：
(1)交通信息中心提取步骤2中车载控制单元发送的数据包的信息，存入交通信息中心数据库车辆信息表中；
(2)交通信息中心读取交通信息中心数据库车辆信息表，计算车辆通过路段的运行时间，将车辆通过路段的运行时间及车辆所选择的下一路段存于交通信息中心数据库实时交通信息表中；
步骤5：交通信息中心根据实时交通信息，利用Sarsa学习方法更新Q值表；
交通信息中心根据路网内全部车辆状态信息，每隔T时刻，从交通信息中心数据库实时交通信息表中读取对应各个目的地编号的更新时间最晚的各个路段通过时间以及下一路段编号，从交通信息中心数据库的Q值表中读取各路段对应的Q值，利用Sarsa学习方法更新Q值表，Sarsa学习公式如下所示：
Qd(i，j)←Qd(i，j)+α*(tij(v)+Qd(j，k)-Qd(i，j))
式中，i,j,k是交通节点，α是学习率，tij(v)是车辆v通过路段Sij的实际通过时间；
将新的Q值存入交通信息中心Q值表中。
2.根据权利要求1所述的一种基于Sarsa学习的中心式动态路径诱导 方法，其特征在于所述交通信息中心数据库内Q值表的数据格式如下：roadid，Q-value，Destination_roadid，其中，roadid为路段的编号；Q-value为车辆通过该条数据中roadid对应路段到达目的地所需要的时间的估计；Destination_roadid为目的地所在路段的编号。
3.根据权利要求1所述的一种基于Sarsa学习的中心式动态路径诱导方法，其特征在于所述交通信息中心数据库内车辆信息表中，数据的格式如下：carid，Current_roadid，Time，Speed，Destination_roadid，其中，carid为车辆的车牌号；Current_roadid为车辆当前时刻所在路段编号，Time为当前时刻，Speed为当前时刻车辆的速度；Destination_roadid为车辆的目的地所在路段编号。
4.根据权利要求1所述的一种基于Sarsa学习的中心式动态路径诱导方法，其特征在于所述交通信息中心数据库内实时交通信息表中，数据的格式如下：
carid，roadid，next_roadid，Destination_roadid，Traveling_time，Updating_time，其中，carid为车辆的车牌号，roadid为路段的编号；next_roadid为车辆在离开该条数据中roadid对应路段之后所在路段编号；Destination_roadid为目的地所在路段编号；Traveling time为当前通过该条数据中roadid对应路段的运行时间；Updating_time是信息更新时间，即车辆离开当前路段的时刻。
CN201510055467.0A 2015-02-04 2015-02-04 一种基于Sarsa学习的中心式动态路径诱导方法 Expired - Fee Related CN104658297B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510055467.0A CN104658297B (zh) 2015-02-04 2015-02-04 一种基于Sarsa学习的中心式动态路径诱导方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510055467.0A CN104658297B (zh) 2015-02-04 2015-02-04 一种基于Sarsa学习的中心式动态路径诱导方法

Publications (2)

Publication Number Publication Date
CN104658297A CN104658297A (zh) 2015-05-27
CN104658297B true CN104658297B (zh) 2017-12-22

Family

ID=53249358

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510055467.0A Expired - Fee Related CN104658297B (zh) 2015-02-04 2015-02-04 一种基于Sarsa学习的中心式动态路径诱导方法

Country Status (1)

Country Link
CN (1) CN104658297B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104851309B (zh) * 2015-06-01 2017-07-14 南京邮电大学 一种交通诱导策略的实现方法
CN105118320B (zh) * 2015-09-29 2017-05-31 北方工业大学 一种基于车路协同的城市路段交通诱导方法及装置
US10337876B2 (en) 2016-05-10 2019-07-02 Microsoft Technology Licensing, Llc Constrained-transportation directions
US10386197B2 (en) 2016-05-17 2019-08-20 Microsoft Technology Licensing, Llc Calculating an optimal route based on specified intermediate stops
US10060752B2 (en) 2016-06-23 2018-08-28 Microsoft Technology Licensing, Llc Detecting deviation from planned public transit route
CN108389419B (zh) * 2018-03-02 2024-03-29 辽宁工业大学 一种车辆动态路径诱导方法
CN108491972A (zh) * 2018-03-21 2018-09-04 山东师范大学 一种基于Sarsa算法的人群疏散仿真方法及装置
CN108806287B (zh) * 2018-06-27 2021-02-02 沈阳理工大学 一种基于协同优化的交通信号配时方法
CN109238297B (zh) * 2018-08-29 2022-03-18 沈阳理工大学 一种用户最优及系统最优的动态路径选择方法
CN109269516B (zh) * 2018-08-29 2022-03-04 沈阳理工大学 一种基于多目标Sarsa学习的动态路径诱导方法
FR3096822B1 (fr) * 2019-05-28 2022-04-22 Ifp Energies Now Procédé de prédiction d’au moins un profil de la vitesse d’un véhicule sur un réseau routier
CN111932896B (zh) * 2020-09-14 2020-12-22 成都宜泊信息科技有限公司 一种停车场的车辆拥堵检测方法及系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003302229A (ja) * 2002-04-08 2003-10-24 Hitachi Ltd ナビゲーション装置
KR20060064711A (ko) * 2004-12-09 2006-06-14 엘지전자 주식회사 복수 경유지를 탐색하는 네비게이션 시스템
JP5454559B2 (ja) * 2011-12-05 2014-03-26 アイシン・エィ・ダブリュ株式会社 交通情報配信装置
CN102663887B (zh) * 2012-04-13 2014-06-11 浙江工业大学 基于物联网技术的道路交通信息云计算和云服务实现系统及方法
CN103512581B (zh) * 2012-06-28 2016-12-21 北京搜狗科技发展有限公司 一种路径规划方法和装置
CN102929281A (zh) * 2012-11-05 2013-02-13 西南科技大学 一种不完全感知环境下的机器人kNN路径规划方法
CN103886769A (zh) * 2012-12-21 2014-06-25 武汉畅讯网络科技有限公司 实时获取路况视频信息的车辆动态路径导航方法和装置
CN103337189B (zh) * 2013-06-08 2015-07-29 北京航空航天大学 一种基于路段动态划分的车辆路径诱导方法
CN103517309B (zh) * 2013-10-11 2016-06-29 清华大学 一种基于渐近贪心行为探索的小区中断补偿方法

Also Published As

Publication number Publication date
CN104658297A (zh) 2015-05-27

Similar Documents

Publication Publication Date Title
CN104658297B (zh) 一种基于Sarsa学习的中心式动态路径诱导方法
CN103337189B (zh) 一种基于路段动态划分的车辆路径诱导方法
CN103945486B (zh) 基于移动节点轨迹的多目标优化数据传递方法
CN105489043B (zh) 基于车载自组网的实时路径规划方法
CN109000676A (zh) 一种vanet环境下结合预测信息的路径规划方法
CN104200650B (zh) 一种城市拥堵时段的多模式公交换乘方法
CN106548646A (zh) 基于雾计算的城市堵车时道路信息服务系统及方法
CN106679685A (zh) 一种用于车辆导航的行车路径规划方法
CN107490384B (zh) 一种基于城市路网的最优静态路径选择方法
CN109598372A (zh) 基于绿色共享交通的出行方案规划方法和共享交通系统
CN106643771A (zh) 一种导航线路选择方法及系统
CN105070078B (zh) 一种基于车车通信的动态路径诱导方法
CN107730886A (zh) 一种车联网环境下城市交叉口交通信号动态优化方法
CN104867329A (zh) 一种车联网车辆状态预测方法
CN102708698A (zh) 基于车联网的车辆最优路径导航方法
He et al. Congestion avoidance routing based on large-scale social signals
CN109959388A (zh) 一种基于栅格扩展模型的智能交通精细化路径规划方法
CN105096622A (zh) 一种基于车路通信的动态路径诱导方法
CN107563543A (zh) 一种基于群体智能的城市交通优化服务方法与系统
CN107134137A (zh) 一种考虑实时信息的动态路径选择方法
Kim et al. Navopt: Navigator assisted vehicular route optimizer
CN109269516A (zh) 一种基于多目标Sarsa学习的动态路径诱导方法
CN105489047B (zh) 城市公交智能系统
CN105243856A (zh) 城市交通信号智能控制规则的自组织构建方法
CN112017439A (zh) 一种自动驾驶交叉口行人过街摆渡车控制方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20171222

Termination date: 20190204

CF01 Termination of patent right due to non-payment of annual fee