CN105303504A - 基于成本的货车出行路线生成方法、装置和系统 - Google Patents
基于成本的货车出行路线生成方法、装置和系统 Download PDFInfo
- Publication number
- CN105303504A CN105303504A CN201510585572.5A CN201510585572A CN105303504A CN 105303504 A CN105303504 A CN 105303504A CN 201510585572 A CN201510585572 A CN 201510585572A CN 105303504 A CN105303504 A CN 105303504A
- Authority
- CN
- China
- Prior art keywords
- node
- route
- lorry
- cost
- journey
- 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.)
- Pending
Links
Landscapes
- Navigation (AREA)
Abstract
本发明涉及一种基于成本的货车出行路线生成方法、装置和系统,可获取针对货车的n阶可出行网络图,该网络图已将虽然可从出发地到达目的地,但货车不能通过的路线排除,具有针对性。进而根据获取的运行信息和先前获得的可出行网络图,构建从出发地到目的地的时间模型和成本模型,并根据该时间模型、成本模型和获得的成本限制,确定货车出行路线,该路线确保了货车在一定成本限制条件下到达,确保司机或运输公司的盈利比例。
Description
技术领域
本发明涉及交通运输领域,特别是涉及一种基于成本的货车出行路线生成方法、装置和系统。
背景技术
随着GPS定位技术的发展,人们在导航系统中输入出发地和目的地,即可获得从出发地到目的地的所有路径,进而从中选取合适的路线。这给人们,尤其是对路况不熟悉的司机带来了很多便利。
但是,现有技术中的导航系统仅仅考虑了该路线是否可以从出发地到达目的地,将所有从出发地到达目的地的路线都提供给用户,并未考虑其它因素。然而,货车作为一种特殊的交通工具,一方面,交通管理局在不同路线,对货车可能有很多政策限制,如限高、限宽、限重、某时段限行等,现有的导航系统,可能将货车指引到受政策限制的路线,导致司机需要掉头返回或违章通过,甚至造成交通事故、人员伤亡;另一方面,货车运输成本较高,为保证装载货物的新鲜程度,使货物尽快到达,更会提高运输成本。所以,如何针对载重货车提供有针对性的出行路线,降低成本是目前交通运输领域面临的一个问题。
发明内容
基于此,有必要针对如何为载重货车提供有针对性的出行路线的问题,提供一种基于成本的货车出行路线生成方法,包括:
获取货车从出发地到目的地的n阶可出行网络图。
获取可出行网络图中每条路线的运行信息。
根据可出行网络图和每条路线的运行信息,构建从出发地到目的地的时间模型。
根据可出行网络图和每条路线的运行信息,构建从出发地到目的地的成本模型。
获取用户的成本限制。
根据时间模型、成本模型和成本限制,生成货车出行路线。
一种基于成本的货车出行路线生成装置,包括:
网络图获取模块,用于获取货车从出发地到目的地的n阶可出行网络图。
运行信息获取模块,用于获取可出行网络图中每条路线的运行信息。
时间模型构建模块,用于根据可出行网络图和每条路线的运行信息,构建从出发地到目的地的时间模型。
成本模型构建模块,用于根据可出行网络图和每条路线的运行信息,构建从出发地到目的地的成本模型。
限制条件获取模块,用于获取用户的成本限制。
路线生成模块,用于根据时间模型、成本模型和成本限制,生成货车出行路线。
一种基于成本的货车出行路线生成系统,包括上述的货车出行路线生成装置以及,
运行信息提供装置,用于为货车出行路线生成装置提供每条路线的运行信息。
本发明提供的基于成本的货车出行路线生成方法、装置和系统,可获取针对货车的n阶可出行网络图,该网络图已将虽然可从出发地到达目的地,但货车不能通过的路线排除,具有针对性。进而根据获取的运行信息和先前获得的可出行网络图,构建从出发地到目的地的时间模型和成本模型,并根据该时间模型、成本模型和获得的成本限制条件,确定货车出行路线,该路线确保了货车在一定成本限制条件下到达,确保司机或运输公司的盈利比例。
附图说明
图1为本发明中基于成本的货车出行路线生成方法的一个实施例的流程图;
图2为本发明中基于成本的货车出行路线生成方法的获取可出行网络图步骤的一个实施例的流程图;
图3为本发明中n阶可出行网络图的示意图;
图4-6为本发明中基于成本的货车出行路线生成方法的获取可出行网络图步骤的具体实施例的流程图;
图7为本发明中基于成本的货车出行路线生成装置的一个实施例的结构图;
图8为本发明中基于成本的货车出行路线生成系统的一个实施例的结构图。
具体实施方式
如图1所示,显示了本发明一实施例,一种基于成本的货车出行路线生成方法,包括:
S100:获取货车从出发地到目的地的n阶可出行网络图。
优选的,如图2所示,步骤S100包括:
S110:获取出发地到目的地的所有路线,根据所有路线,生成所有路线的n阶无向网络图。
具体的,可根据现有的导航技术获取出发地到目的地的所有路线,将这所有路线的每一个转角设为一个节点,或者两条不同路的交汇处设为一个节点,或者每个红绿灯处设为一个节点,或者道路的车道发生增减处设为一个节点,当然,也可以将上述各个因素综合进行考虑来设置节点,从而形成无向网络图的节点,并对节点进行编号,分别记为节点1,节点2……节点n。有道路相通的每两个相邻节点组成该所有路线,形成无向网络图的边。通过节点和边,形成表征出发地到目的地的所有路线的n阶无向网络图。如图3所示。
S120:获取所有路线的限制信息。
具体的,路线的限制信息可通过与交通管理局的信息网通信连接,有线或无线方式获取从出发地到目的地的所有路线的限制信息,也可通过第三方服务器或运营商直接提供该限制信息。在另一个实施例中,限制信息还可通过信息网络平台自动生成,或用户根据搜集信息自行输入。此外,限制信息,可选但不仅限于交通管理局的政策限制。限制信息还可以包括其它司机或用户提供的信息。如,某司机到达某路段,发现该路段不适合什么标准的货车通行后,可将该信息反馈给服务器、运营商或公众信息网络平台,该货车出行网络图生成方法,可由此获得路线的限制信息。
S130:获取货车的基本信息。
具体的,货车的基本信息可由用户自己提供、输入,或通过设置的传感器感应获得。该传感器,可选但不仅限于红外传感器、压力传感器等。
S140:根据限制信息、基本信息和n阶无向网络图,生成n阶可出行网络图。
具体的,根据获得的路线限制信息和货车的基本信息,在从出发地到目的地的所有路线中,将货车不能通过的路线排除,仅剩下货车可以通行的路线,呈现在货车出行网络图上,供用户参考、选择。优选的,将该n阶可出行网络图显示在终端服务器上,或发送给用户的手持移动终端。
更为优选的,如图4所示,步骤S120,可选但不仅限于包括以下四个步骤中的一个步骤或多个步骤:
S121:获取所有路线的限制高度;
S122:获取所有路线的限制宽度;
S123:获取所有路线的限制重量;
S124:获取所有路线的限制时间。
对应的,如图5所示,步骤S130,可选但不仅限于包括以下四个步骤中的一个步骤或多个步骤:
S131:获取货车高度;
S132:获取货车宽度;
S133:获取货车重量;
S134:获取货车通过某条路线的时间。
对应的,如图6所示,步骤S140,可选但不仅限于包括以下四组中的一组步骤或多组步骤。
第一组步骤:
S141:将每条路线的限制高度和货车高度一一比较,若路线的限制高度大于货车高度,则确定路线为可行路线;若路线的限制高度小于或等于货车高度,则确定路线为不可行路线;
S142:根据可行路线,生成n阶可出行网络图。
第二组步骤:
S143:将每条路线的限制宽度和货车宽度一一比较,若路线的限制宽度大于货车宽度,则确定路线为可行路线。若路线的限制宽度小于或等于货车宽度,则确定路线为不可行路线;
S144:根据可行路线,生成n阶可出行网络图。
第三组步骤:
S145:将每条路线的限制重量和货车重量一一比较,若路线的限制重量大于货车重量,则确定路线为可行路线。若路线的限制重量小于或等于货车重量,则确定路线为不可行路线;
S146:根据可行路线,生成n阶可出行网络图。
第四组步骤:
S147:将每条路线的限制时间和货车通过某条路线的时间一一比较,若货车通过某条路线的时间在某条路线的限制时间外,则确定该路线为可行路线。若货车通过某条路线的时间在某条路线的限制时间内,则确定该路线为不可行路线;需要说明的是,此处的"货车通过某条路线的时间"是指在货车出发时间确定的情况下,预估货车通过某条路线的时间;
S148:根据可行路线,生成n阶可出行网络图。
可以理解的,以上四组步骤在大于两组的情况下,步骤的优先级可以根据实际情况而改变,并不局限于某一种确定先后顺序。
S200:获取可出行网络图中每条路线的运行信息。
具体的,每条路线的运行信息,包括货车在该段路线运行时,影响车辆运行速度、该路线运行时间和成本的相关信息。优选的,该运行信息可通过与交通管理局的信息网通信连接,有线或无线方式获取可出行网络图中每条路线的运行信息。在另一个实施例中,运行信息还可通过信息网络平台自动生成,或用户根据搜集信息自行输入。
S300:根据可出行网络图和每条路线的运行信息,构建从出发地到目的地的时间模型。
具体的,根据每条路线的运行信息,获得货车在每条路线上通行所需的时间,再根据货车的可出行网络图,将货车从出发地到目的地的每条路线所需的时间叠加,得到从出发地到目的地的时间模型。优选的,货车在每条路线上通行所需的时间,可作为时间权值标记在n阶可出行网络图的每条边上。
S400:根据可出行网络图和每条路线的运行信息,构建从出发地到目的地的成本模型。
具体的,根据每条路线的运行信息,获得货车在每条路线上通行所需的成本,再根据货车的可出行网络图,将货车从出发地到目的地的每条路线所需的成本叠加,得到从出发地到目的地的成本模型。优选的,货车在每条路线上通行所需的成本,可作为成本权值标记在n阶可出行网络图的每条边上。
S500:获取用户的成本限制。
具体的,用户可通过输入装置,如键盘、触摸屏,输入该成本限制。该成本限制,可选但不仅限于从司机或运输公司的盈利比例考虑。
S600:根据时间模型、成本模型和成本限制,生成货车出行路线。
具体的,根据时间模型、成本模型和成本限制,生成用户规定时间范围内的相应出行路线呈现给用户,供用户参考选择。优选的,该生成的货车出行路线可发送给服务器或用户的手持设备,通过绿线标识,便于用户查看。
在该实施例中,首先获取针对货车的n阶可出行网络图,该网络图已将虽然可从出发地到达目的地,但货车不能通过的路线排除,具有针对性。进而根据获取的运行信息和先前获得的可出行网络图,构建从出发地到目的地的时间模型和成本模型,并根据该时间模型、成本模型和获得的成本限制条件,确定货车出行路线,该路线确保了货车在约定时间内到达,能确保装载的货物新鲜、提前到达。
优选的,步骤S200,包括获取每条路线的距离、红绿灯等待时间、路况系数、拥堵系数和每条路线的平均速度。
具体的,每条路线的距离、红绿灯等待时间可根据与交通管理局的信息化平台联网获得;也可通过服务器、运营商等机构,付费获得。每条路线的路况系数为反映路线的路面损坏情况的指数,可通过路面损坏情况、路面平整度、其它用户的反馈等根据经验确定。优选的,以路况系数为1表示路况为正常情况,系数值越高表示该路线路面损坏越严重、路况越差,系数值越低表示该路线路面越平稳、路况越好。每条路线的拥堵系数为结合路线拥堵情况和车祸发生概率的综合指数,可通过该路线的车流量、拥堵情况和车祸发生概率等因素根据经验综合确定。优选的,以拥堵系数为1表示为正常情况,系数值越高表示该路线拥堵可能性越大、拥堵时间越久,系数值越低表示该路线拥堵可能性越小、拥堵时间越短。每条路线的平均速度可根据路况系数和拥堵系数,凭经验确定,也可通过多次实验获得。更为优选的,红绿灯等待时间、拥堵系数均可以是根据时段而定的变量。如,某路段车辆多时,红灯等待时间可能较长;某路段上班高峰期时,拥堵比较严重。更为优选的,步骤S200获得的红绿灯等待时间、拥堵信息,均为估计货车到达该路线时,该路线的实时信息。
步骤S300,根据可出行网络图和每条路线的运行信息,构建从出发地到目的地的时间模型为:
Tij=tij+lij×rij×bij/vij
其中,n根据可出行网络图中的所有转角处、两条不同路线的交汇处、所有红绿灯处、所有线路的车道发生增减处的任意一种或多种设定,记为节点1,节点2……节点n,i=1……n,j=1……n,tij为节点i至节点j所示路线的红绿灯等待时间,lij为节点i至节点j所示路线的距离,rij为节点i至节点j所示路线的路况系数,bij为节点i至节点j所示路线的拥堵系数,vij为货车在节点i至节点j所示路线上运行的平均速度,Tij为货车从节点i至节点j所示路线所需的运行时间,T为货车从出发地到目的地所需的总时间。
具体的,根据每条路线的距离、红绿灯等待时间、路况系数、拥堵系数和平均速度计算货车从节点i至节点j所需的时间,以时间权值相应标记在n阶可出行网络图的每条边上,再根据出发地到目的地的所有路线,将从出发地到目的地经过的每条路线所需的时间叠加,获取每条从出发地到目的地的所需的总时间。其中,Xij=0,表示节点i与节点j之间不直接连接,即节点i与节点j之间没有路线相通,货车不可通行,Xij=1,表示节点i与节点j之间直接连接,即节点i与节点j之间有路线相通,货车可以通行。
在该实施例中,运行信息包括每条路线的距离、红绿灯等待时间、路况系数、拥堵系数和每条路线的平均速度,由此给出了时间模型的一个具体形式。
优选的,步骤S200,包括获取每条路线的距离、路桥费和路况系数。
具体的,每条路线的距离、路桥费可根据与交通管理局的信息化平台联网获得;也可通过服务器、运营商等机构,付费获得。每条路线的路况系数为反映路线的路面损坏情况的指数,可通过路面损坏情况、路面平整度、其它用户的反馈等根据经验确定。优选的,以路况系数为1表示路况为正常情况,系数值越高表示该路线路面损坏越严重、路况越差,系数值越低表示该路线路面越平稳、路况越好。
步骤S400:根据可出行网络图和每条路线的运行信息,构建从出发地到目的地的成本模型为:
Cij=cij+lijrijc
其中,n根据可出行网络图中的所有转角处、两条不同路线的交汇处、所有红绿灯处、所有线路的车道发生增减处的任意一种或多种设定,记为节点1,节点2……节点n,i=1……n,j=1……n,cij为节点i至节点j所示路线的路桥费,lij为节点i至节点j所示路线的距离,rij为节点i至节点j所示路线的路况系数,c为货车满载时运行1km所需的运费,为常量,Cij为货车从节点i至节点j所示路线所需的运行成本,C为货车从出发地到目的地所需的总成本。
具体的,根据每条路线的距离、路况系数、运行1km所需的运费和路桥费计算货车从节点i至节点j所需的成本,以成本权值相应标记在n阶可出行网络图的每条边上,再根据出发地到目的地的所有路线,将从出发地到目的地经过的每条路线所需的成本叠加,获取每条从出发地到目的地的所需的总成本。
在该实施例中,运行信息包括每条路线的距离、路桥费和路况系数,并根据获得的运行信息和该货车运行1km所需的运费,由此给出了成本模型的一个具体形式。
优选的,步骤S600,具体为在满足成本限制的前提下,根据时间模型和成本模型,确定出发地到目的地所需的总时间最少的货车出行路线。
具体的,假设获取的成本限制为Ca,则可利用现有的最优化求解方法,如Dijkastra算法,求解下述算式中的最优解:
且满足
在该实施例中,将货车出行路线确定为在满足C<Ca的前提下,求解使总时间T最小的货车出行路线,既能满足成本限制的条件,确保司机和运输公司的收入,又能保障装载货物新鲜、准时送达收货方,使客户满意,达到双赢的效果。
如图7所示,在另一个实施例中,本发明还提供一种基于成本的货车出行路线生成装置,包括:
网络图获取模块100,用于获取货车从出发地到目的地的n阶可出行网络图。
运行信息获取模块200,用于获取可出行网络图中每条路线的运行信息。
时间模型构建模块300,用于根据可出行网络图和每条路线的运行信息,构建从出发地到目的地的时间模型。
成本模型构建模块400,用于根据可出行网络图和每条路线的运行信息,构建从出发地到目的地的成本模型。
限制条件获取模块500,用于获取用户的成本限制。
路线生成模块600,用于根据时间模型、成本模型和成本限制,生成货车出行路线。
该实施例的基于成本的货车出行路线生成装置与基于成本的货车出行路线生成方法对应,其具体实施方式和细节在此不再赘述。该装置,可安装在货运公司或货车上,实时提供货车出行路线。该货车出行路线是针对货车的,能确保货车可以通行,此外还能确保货车在规定成本限制条件内到达,确保货物新鲜的同时,确保司机或运输公司的盈利比例。
优选的,运行信息获取模块200,具体用于获取每条路线的距离、红绿灯等待时间、路况系数、拥堵系数和每条路线的平均速度。
时间模型为:
Tij=tij+lij×rij×bij/vij
其中,n根据可出行网络图中的所有转角处、两条不同路线的交汇处、所有红绿灯处、所有线路的车道发生增减处的任意一种或多种设定,记为节点1,节点2……节点n,i=1……n,j=1……n,tij为节点i至节点j所示路线的红绿灯等待时间,lij为节点i至节点j所示路线的距离,rij为节点i至节点j所示路线的路况系数,bij为节点i至节点j所示路线的拥堵系数,vij为货车在节点i至节点j所示路线上运行的平均速度,Tij为货车从节点i至节点j所示路线所需的运行时间,T为货车从出发地到目的地所需的总时间。
在该实施例中,运行信息获取模块200,具体用于获取每条路线的距离、红绿灯等待时间、路况系数、拥堵系数和每条路线的平均速度,由此给出了时间模型的一个具体实施方式。
优选的,运行信息获取模块200,具体用于获取每条路线的距离、路桥费和路况系数。
成本模型为:
Cij=cij+lijrijc
其中,n根据可出行网络图中的所有转角处、两条不同路线的交汇处、所有红绿灯处、所有线路的车道发生增减处的任意一种或多种设定,记为节点1,节点2……节点n,i=1……n,j=1……n,cij为节点i至节点j所示路线的路桥费,lij为节点i至节点j所示路线的距离,rij为节点i至节点j所示路线的路况系数,c为货车满载时运行1km所需的运费,为常量,Cij为货车从节点i至节点j所示路线所需的运行成本,C为货车从出发地到目的地所需的总成本。
在该实施例中,运行信息获取模块200,具体用于获取每条路线的距离、路桥费和路况系数,由此给出了成本模型的一个具体实施方式。
优选的,路线生成模块600,具体用于在满足成本限制的前提下,根据时间模型和成本模型,确定出发地到目的地所需的总时间最少的货车出行路线。
具体的,假设成本限制为Ca,则可利用现有的最优化求解方法,如Dijkastra算法,求解下述算式中的最优解:
且满足
在该实施例中,将货车出行路线确定为在满足C<Ca的前提下,求解使总时间T最小的货车出行路线,既能满足成本限制的条件,确保司机和运输公司的收入,又能保障装载货物新鲜、准时送达收货方,使客户满意,达到双赢的效果。
在另一个实施例中,如图8所示,本发明还提供一种基于成本的货车出行路线生成系统,包括上述任意的货车出行路线生成装置10以及,
运行信息提供装置20,用于为货车出行路线生成装置提供每条路线的运行信息。
具体的,运行信息提供装置20,可为服务器、运营商、公众信息平台等,通过有线或无线方式为货车出行路线生成装置提供从出发地到目的地的所有可行路线的运行信息。
优选的,货车出行路线生成系统还包括限制条件提供装置30,用于为货车出行路线生成装置10提供限制条件。
具体的,限制条件提供装置30可为键盘、触摸屏等输入装置,用于给用户输入时间、成本等限制条件。
在该实施例中,提供了一种货车出行路线生成系统,能自行提供运行信息或/和限制条件,完整完成货车出行路线的确定过程。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于成本的货车出行路线生成方法,其特征在于,包括:
获取货车从出发地到目的地的n阶可出行网络图;
获取所述可出行网络图中每条路线的运行信息;
根据所述可出行网络图和所述每条路线的运行信息,构建从所述出发地到所述目的地的时间模型;
根据所述可出行网络图和所述每条路线的运行信息,构建从所述出发地到所述目的地的成本模型;
获取用户的成本限制;
根据所述时间模型、所述成本模型和所述成本限制,生成所述货车出行路线。
2.根据权利要求1所述的基于成本的货车出行路线生成方法,其特征在于,
所述获取所述可出行网络图中每条路线的运行信息的步骤,包括获取所述每条路线的距离、红绿灯等待时间、路况系数、拥堵系数和每条路线的平均速度;
所述根据所述可出行网络图和所述每条路线的运行信息,构建从所述出发地到所述目的地的时间模型为:
Tij=tij+lij×rij×bij/vij
其中,n根据所述可出行网络图中的所有转角处、两条不同路线的交汇处、所有红绿灯处、所有线路的车道发生增减处的任意一种或多种设定,记为节点1,节点2……节点n,i=1……n,j=1……n,tij为节点i至节点j所示路线的红绿灯等待时间,lij为节点i至节点j所示路线的距离,rij为节点i至节点j所示路线的路况系数,bij为节点i至节点j所示路线的拥堵系数,vij为所述货车在节点i至节点j所示路线上运行的平均速度,Tij为所述货车从节点i至节点j所示路线所需的运行时间,T为所述货车从所述出发地到所述目的地所需的总时间。
3.根据权利要求1所述的基于成本的货车出行路线生成方法,其特征在于,
所述获取所述可出行网络图中每条路线的运行信息的步骤,包括获取所述每条路线的距离、路桥费和路况系数;
所述根据所述可出行网络图和所述每条路线的运行信息,构建从所述出发地到所述目的地的成本模型为:
Cij=cij+lijrijc
其中,n根据所述可出行网络图中的所有转角处、两条不同路线的交汇处、所有红绿灯处、所有线路的车道发生增减处的任意一种或多种设定,记为节点1,节点2……节点n,i=1……n,j=1……n,cij为节点i至节点j所示路线的路桥费,lij为节点i至节点j所示路线的距离,rij为节点i至节点j所示路线的路况系数,c为货车满载时运行1km所需的运费,为常量,Cij为所述货车从节点i至节点j所示路线所需的运行成本,C为所述货车从所述出发地到所述目的地所需的总成本。
4.根据权利要求1-3任意一项所述的基于成本的货车出行路线生成方法,其特征在于,所述根据所述时间模型、所述成本模型和所述成本限制,生成所述货车出行路线的步骤,具体为在满足所述成本限制的前提下,根据所述时间模型和所述成本模型,确定所述出发地到所述目的地所需的总时间最少的货车出行路线。
5.一种基于成本的货车出行路线生成装置,其特征在于,包括:
网络图获取模块,用于获取货车从出发地到目的地的n阶可出行网络图;
运行信息获取模块,用于获取所述可出行网络图中每条路线的运行信息;
时间模型构建模块,用于根据所述可出行网络图和所述每条路线的运行信息,构建从所述出发地到所述目的地的时间模型;
成本模型构建模块,用于根据所述可出行网络图和所述每条路线的运行信息,构建从所述出发地到所述目的地的成本模型;
限制条件获取模块,用于获取用户的成本限制;
路线生成模块,用于根据所述时间模型、所述成本模型和所述成本限制,生成所述货车出行路线。
6.根据权利要求5所述的基于成本的货车出行路线生成装置,其特征在于,所述运行信息获取模块,具体用于获取所述每条路线的距离、红绿灯等待时间、路况系数、拥堵系数和每条路线的平均速度;
所述时间模型为:
Tij=tij+lij×rij×bij/vij
其中,n根据所述可出行网络图中的所有转角处、两条不同路线的交汇处、所有红绿灯处、所有线路的车道发生增减处的任意一种或多种设定,记为节点1,节点2……节点n,i=1……n,j=1……n,tij为节点i至节点j所示路线的红绿灯等待时间,lij为节点i至节点j所示路线的距离,rij为节点i至节点j所示路线的路况系数,bij为节点i至节点j所示路线的拥堵系数,vij为所述货车在节点i至节点j所示路线上运行的平均速度,Tij为所述货车从节点i至节点j所示路线所需的运行时间,T为所述货车从所述出发地到所述目的地所需的总时间。
7.根据权利要求5所述的基于成本的货车出行路线生成装置,其特征在于,所述运行信息获取模块,具体用于获取所述每条路线的距离、路桥费和路况系数;
所述成本模型为:
Cij=cij+lijrijc
其中,n根据所述可出行网络图中的所有转角处、两条不同路线的交汇处、所有红绿灯处、所有线路的车道发生增减处的任意一种或多种设定,记为节点1,节点2……节点n,i=1……n,j=1……n,cij为节点i至节点j所示路线的路桥费,lij为节点i至节点j所示路线的距离,rij为节点i至节点j所示路线的路况系数,c为货车满载时运行1km所需的运费,为常量,Cij为所述货车从节点i至节点j所示路线所需的运行成本,C为所述货车从所述出发地到所述目的地所需的总成本。
8.根据权利要求5-7任意一项所述的基于成本的货车出行路线生成装置,其特征在于,所述路线生成模块,具体用于在满足所述成本限制的前提下,根据所述时间模型和所述成本模型,确定所述出发地到所述目的地所需的总时间最少的货车出行路线。
9.一种基于成本的货车出行路线生成系统,其特征在于,包括权利要求5-8任意一项所述的货车出行路线生成装置以及,
运行信息提供装置,用于为所述货车出行路线生成装置提供每条路线的运行信息。
10.根据权利要求9所述的基于成本的货车出行路线生成系统,其特征在于,还包括限制条件提供装置,用于为货车出行路线生成装置提供限制条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510585572.5A CN105303504A (zh) | 2015-09-15 | 2015-09-15 | 基于成本的货车出行路线生成方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510585572.5A CN105303504A (zh) | 2015-09-15 | 2015-09-15 | 基于成本的货车出行路线生成方法、装置和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105303504A true CN105303504A (zh) | 2016-02-03 |
Family
ID=55200734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510585572.5A Pending CN105303504A (zh) | 2015-09-15 | 2015-09-15 | 基于成本的货车出行路线生成方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105303504A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107665375A (zh) * | 2016-07-29 | 2018-02-06 | 滴滴(中国)科技有限公司 | 代驾司机到达代驾乘客位置的时间预估方法及装置 |
CN111110206A (zh) * | 2019-12-27 | 2020-05-08 | 昆山朗捷通物联信息有限公司 | 一种基于数据采集的智能穿戴装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101294817A (zh) * | 2007-04-28 | 2008-10-29 | 佛山市顺德区顺达电脑厂有限公司 | 车辆导航系统及其方法 |
CN101621735A (zh) * | 2009-08-07 | 2010-01-06 | 赵阳 | 基于第三代移动通信的汽车实时信息系统 |
CN101807349A (zh) * | 2010-01-08 | 2010-08-18 | 北京世纪高通科技有限公司 | 基于Web的路况发布系统及方法 |
US20120158299A1 (en) * | 2008-12-11 | 2012-06-21 | Telogis, Inc. | System and method for efficient routing on a network in the presence of multiple-edge restrictions and other constraints |
CN102853842A (zh) * | 2012-05-15 | 2013-01-02 | 董路 | 导航路径的规划方法、装置及系统 |
CN103854505A (zh) * | 2013-12-18 | 2014-06-11 | 招商局重庆交通科研设计院有限公司 | 车辆实时导航方法及装置 |
-
2015
- 2015-09-15 CN CN201510585572.5A patent/CN105303504A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101294817A (zh) * | 2007-04-28 | 2008-10-29 | 佛山市顺德区顺达电脑厂有限公司 | 车辆导航系统及其方法 |
US20120158299A1 (en) * | 2008-12-11 | 2012-06-21 | Telogis, Inc. | System and method for efficient routing on a network in the presence of multiple-edge restrictions and other constraints |
CN101621735A (zh) * | 2009-08-07 | 2010-01-06 | 赵阳 | 基于第三代移动通信的汽车实时信息系统 |
CN101807349A (zh) * | 2010-01-08 | 2010-08-18 | 北京世纪高通科技有限公司 | 基于Web的路况发布系统及方法 |
CN102853842A (zh) * | 2012-05-15 | 2013-01-02 | 董路 | 导航路径的规划方法、装置及系统 |
CN103854505A (zh) * | 2013-12-18 | 2014-06-11 | 招商局重庆交通科研设计院有限公司 | 车辆实时导航方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107665375A (zh) * | 2016-07-29 | 2018-02-06 | 滴滴(中国)科技有限公司 | 代驾司机到达代驾乘客位置的时间预估方法及装置 |
CN111110206A (zh) * | 2019-12-27 | 2020-05-08 | 昆山朗捷通物联信息有限公司 | 一种基于数据采集的智能穿戴装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105091898A (zh) | 基于时间和成本的货车出行路线生成方法、装置和系统 | |
US11537146B2 (en) | Fleet vehicle feature activation | |
Boriboonsomsin et al. | Eco-routing navigation system based on multisource historical and real-time traffic information | |
CN105222798A (zh) | 基于时间的货车出行路线生成方法、装置和系统 | |
Teodorović | Fuzzy sets theory applications in traffic and transportation | |
RU2605648C2 (ru) | Система и способ для оптимизации работы поезда с учетом параметров вагона | |
Gartner et al. | Pilot study of computer-based urban traffic management | |
US20120158299A1 (en) | System and method for efficient routing on a network in the presence of multiple-edge restrictions and other constraints | |
CN104781863A (zh) | 预测链路上的未来的移动时间的方法 | |
Hu et al. | Simulation-assignment-based travel time prediction model for traffic corridors | |
Uchida et al. | A study on network design problems for multi-modal networks by probit-based stochastic user equilibrium | |
Ranaiefar et al. | Freight-transportation externalities | |
Bandeira et al. | Assessing the importance of vehicle type for the implementation of eco-routing systems | |
WO2015147723A1 (en) | Destination dependent cruise control | |
CN105303504A (zh) | 基于成本的货车出行路线生成方法、装置和系统 | |
CN105157716A (zh) | 货车出行网络图生成方法、装置和系统 | |
Kanamori et al. | Evaluation of traffic management strategies with anticipatory stigmergy | |
JP2020067677A (ja) | 配送管理システム | |
Asmael et al. | A data envelopment analysis based for evaluating efficiency of bus public routes | |
Mei et al. | Establishing values of time for freight trucks for better understanding of impact of toll policies | |
Klodzinski et al. | Methodology for modeling a road network with high truck volumes generated by vessel freight activity from an intermodal facility | |
Olivková | Quality standards for measuring the level of service in public transport | |
Khoshyaran et al. | URBASIMCE: A dynamic model for assignment and cold start emission | |
Boriboonsomsin et al. | Development and Application of Environmentally Friendly Intelligent Transportation System (ECO-ITS) Freight Strategies | |
Ihuoma-Walter | Multi-Modal Traffic Signal Reallocation for an Intersection with High Freight Volumes and the Impact of COVID |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160203 |
|
RJ01 | Rejection of invention patent application after publication |