CN105554240A - 一种智能手机 - Google Patents
一种智能手机 Download PDFInfo
- Publication number
- CN105554240A CN105554240A CN201510860031.9A CN201510860031A CN105554240A CN 105554240 A CN105554240 A CN 105554240A CN 201510860031 A CN201510860031 A CN 201510860031A CN 105554240 A CN105554240 A CN 105554240A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- module
- node
- destination
- sigma
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
- H04M1/72406—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality by software upgrading or downloading
-
- 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
一种智能手机,包括智能手机和安装在智能手机上的导航系统,导航系统具体包括信号模块、处理模块和生成模块。本发明采用优化的路径算法,考虑了各种可能的成本因素,寻优效果好、求解效率高、性能稳定,增强了全局搜索能力,能最大限度地节省运行成本,能起到很好的节能效果。
Description
技术领域
本发明涉及通信领域,具体涉及一种智能手机。
背景技术
智能手机的寻路功能一直以来备受关注,尤其当智能手机与车载终端联系在一起时,通过手机上的软件计算路线并将其发送到车载终端上,可以有效减少车载终端的计算量,进而减少车载终端的体积和运算负荷。而且,当车载终端计算功能故障时,也可以通过手机直接发送路径都车载终端上,作为一种后备选择。
在实际使用中,用户的目的地往往不止一个,而且要求到达每个目的地的时间不尽相同。因此,如何根据不同的目的地来选择一条能最大限度节约成本的车辆运行线路,是一个亟待解决的问题。
发明内容
针对上述问题,本发明提供一种智能手机。
本发明的目的采用以下技术方案来实现:
一种智能手机,包括智能手机和安装在智能手机上的导航系统,导航系统用于计算最优路径并发送到车载终端上,其特征是,导航系统具体包括信号模块、处理模块和生成模块;
信号模块,用于接收用户输入的一个或多个目的地,以及到达各个目的地的预计要求时间,并询问用户离开最后一个目的地后是否返回出发地;
处理模块,用于根据目的地和事先输入地理环境信息选择最优路径,具体包括:
建立模块:
其中,minS为车辆运行过程中的最低成本;m为出发地车辆的总数,由GPS系统接收的附近车辆信号确定,如果接收不到其他车辆的信号,那么m=1;U为目的地数量;b0为单位距离碳排放成本;ω0为碳排放系数;Ф0为空载时单位距离燃料消耗量;fij为目的地i(i=1,2,…,U)到目的地j(j=1,2,…,U)之间的距离;c为车辆的载重量;H为车辆的最大载重量;Ф*为满载时单位距离燃料消耗量;
T1为车辆提前到达损失系数, 为于时刻G提前到达目的地i时的成本损失,T2为车辆迟到损失系数,为延迟至时刻O到达目的地i时的成本损失,提前到达损失系数和迟到损失系数用于考量车辆到达每一个目的地的准点情况,T1和T2为人为设定的系数;
机会模块:假设共有R个节点,γij(t)表示t时刻节点i与节点j之间的跟踪素强度,γij(0)=K(K为数值较小的常数),车辆在运动过程中根据跟踪素强度选择转移方向,则车辆k(k=1,2,...,m)从节点i转移到节点j的概率为:
其中,g∈Ak;Ak={0,1,…,R-1}-Bk表示车辆k下一步允许选择的点的集合,随时间呈动态变化,Bk(k=1,2,…,m)为第k辆车辆的禁忌表,用来记录车辆k已经过的点;为启发式因子,表示t时刻由节点i到节点j的期望程度,一般取ψ为信息启发式因子,μ为期望启发因子;α(i,j)为下一个目的地的时间度;为下一个目的地的时间度相对重要性;
优化模块:引入优化变量Xij(t),其满足Xij(t+1)=σX(t)[1-Xij(t)],其中σ为控制变量,得出优化的跟踪素更新规则:
γij(t+1)=(1-ζ)γij(t)+Δγij(t)+чXij(t)
其中,当使用者通过信号模块选择在离开最后一个目的地后返回出发地时,构成一个循环,则
Fk为第k辆车辆在本次循环中所走路径长度,I为跟踪素强度的常数,表示在本次循环中第k辆车辆在路径(i,j)上留下的跟踪素强度;ζ为跟踪素全局挥发因子,ζ∈[0,1],且ζ为根据如下公式动态调整的参数:其中ζmin是人为设定的最小值;Δγij(t)表示本次循环中所有车辆在路径(i,j)上留下的跟踪素强度的总和;ч为可调节系数;
初始模块:令迭代次数DD=0,进行参数初始化,调整各路径跟踪素;产生一个范围为[0,1]的随机数p,若p<给定常数p0,按照下式选择下一个节点j: 其中l∈Ak;否则根据机会模块中的概率公式选择下一个节点j,将j加入数组Bk中,重复直至所有的节点任务完成,得到模拟算法的初始集Si;
求解模块:从当前的初始集中生成一组新的可行解Sj,目标值变化量ΔS=Sj-Si,若ΔS<0,则接受新的可行解Sj为最优解;否则考虑偏差的影响:r=exp(-ΔS/N(t)),其中N为随时间变化的量,若r>1,则接受Sj为最优解,否则不接受新的可行解,最优解仍为Si;
判断模块:当前最优解小于某一特定值时,进行跟踪素更新;如果本轮列表Bk中无数据更新,则产生一个[0,1]范围的随机数u,若e1+e2+,…,ei-1<u<e1+e2+,…,ei,则选择概率为ei的候选车辆作为下一个目标节点;
生成模块:用于输出计算出的最优路径,令迭代次数DD=DD+1,若DD<DDmax,根据跟踪素更新规则,按照公式N(t+1)=N(t).v进行清空Bk列表,其中v∈[0,1],回到初始模块,重新产生随机数p;若DD=DDmax,则输出最优解作为最优路径。
本发明的有益效果为:本发明采用优化的路径算法,考虑了车辆运行过程中的各种成本因素,寻优效果好、求解效率高、性能稳定,增强了全局搜索能力,能根据多个目的地及要求到达的时间最大限度地节省车辆的运行成本,能起到很好的节能效果。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构框图。
附图标记:信号模块-A1;建立模块-B3;机会模块-C5;优化模块-D7;初始模块-E9;求解模块-F11;判断模块-G13;生成模块-H15。
具体实施方式
结合以下实施例对本发明作进一步描述。
一种智能手机,包括智能手机和安装在智能手机上的导航系统,导航系统用于计算最优路径并发送到车载终端上,导航系统具体包括信号模块A1、处理模块和生成模块H15;
信号模块A1,用于接收用户输入的一个或多个目的地,以及到达各个目的地的预计要求时间,并询问用户离开最后一个目的地后是否返回出发地;
处理模块,用于根据目的地和事先输入地理环境信息选择最优路径,具体包括:
建立模块B3:
其中,minS为车辆运行过程中的最低成本;m为出发地车辆的总数,由GPS系统接收的附近车辆信号确定,如果接收不到其他车辆的信号,那么m=1;U为目的地数量;b0为单位距离碳排放成本;ω0为碳排放系数;Ф0为空载时单位距离燃料消耗量;fij为目的地i(i=1,2,…,U)到目的地j(j=1,2,…,U)之间的距离;c为车辆的载重量;H为车辆的最大载重量;Ф*为满载时单位距离燃料消耗量;
T1为车辆提前到达损失系数, 为于时刻G提前到达目的地i时的成本损失,T2为车辆迟到损失系数,为延迟至时刻O到达目的地i时的成本损失,提前到达损失系数和迟到损失系数用于考量车辆到达每一个目的地的准点情况,T1和T2为人为设定的系数;
机会模块C5:假设共有R个节点,γij(t)表示t时刻节点i与节点j之间的跟踪素强度,γij(0)=K(K为数值较小的常数),车辆在运动过程中根据跟踪素强度选择转移方向,则车辆k(k=1,2,...,m)从节点i转移到节点j的概率为:
其中,g∈Ak;Ak={0,1,…,R-1}-Bk表示车辆k下一步允许选择的点的集合,随时间呈动态变化,Bk(k=1,2,…,m)为第k辆车辆的禁忌表,用来记录车辆k已经过的点;为启发式因子,表示t时刻由节点i到节点j的期望程度,一般取ψ为信息启发式因子,μ为期望启发因子;α(i,j)为下一个目的地的时间度;为下一个目的地的时间度相对重要性;
优化模块D7:引入优化变量Xij(t),其满足Xij(t+1)=σX(t)[1-Xij(t)],其中σ为控制变量,得出优化的跟踪素更新规则:
γij(t+1)=(1-ζ)γij(t)+Δγij(t)+чXij(t)
其中,当使用者通过信号模块选择在离开最后一个目的地后返回出发地时,构成一个循环,则Fk为第k辆车辆在本次循环中所走路径长度,I为跟踪素强度的常数,表示在本次循环中第k辆车辆在路径(i,j)上留下的跟踪素强度;ζ为跟踪素全局挥发因子,ζ∈[0,1],且ζ为根据如下公式动态调整的参数:其中ζmin是人为设定的最小值;Δγij(t)表示本次循环中所有车辆在路径(i,j)上留下的跟踪素强度的总和;ч为可调节系数;
初始模块E9:令迭代次数DD=0,进行参数初始化,调整各路径跟踪素;产生一个范围为[0,1]的随机数p,若p<给定常数p0,按照下式选择下一个节点j:其中l∈Ak;否则根据机会模块中的概率公式选择下一个节点j,将j加入数组Bk中,重复直至所有的节点任务完成,得到模拟算法的初始集Si;
求解模块F11:从当前的初始集中生成一组新的可行解Sj,目标值变化量ΔS=Sj-Si,若ΔS<0,则接受新的可行解Sj为最优解;否则考虑偏差的影响:r=exp(-ΔS/N(t)),其中N为随时间变化的量,若r>1,则接受Sj为最优解,否则不接受新的可行解,最优解仍为Si;
判断模块G13:当前最优解小于某一特定值时,进行跟踪素更新;如果本轮列表Bk中无数据更新,则产生一个[0,1]范围的随机数u,若e1+e2+,…,ei-1<u<e1+e2+,…,ei,则选择概率为ei的候选车辆作为下一个目标节点;
生成模块H15:用于输出计算出的最优路径,令迭代次数DD=DD+1,若DD<DDmax,根据跟踪素更新规则,按照公式N(t+1)=N(t).v进行清空Bk列表,其中v∈[0,1],回到初始模块,重新产生随机数p;若DD=DDmax,则输出最优解作为最优路径。
本发明采用优化的路径算法,考虑了车辆运行过程中的各种成本因素,寻优效果好、求解效率高、性能稳定,增强了全局搜索能力,能根据多个目的地及要求到达的时间最大限度地节省车辆的运行成本,能起到很好的节能效果。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (1)
1.一种智能手机,包括智能手机和安装在智能手机上的导航系统,导航系统用于计算最优路径并发送到车载终端上,其特征是,导航系统具体包括信号模块、处理模块和生成模块;
信号模块,用于接收用户输入的一个或多个目的地,以及到达各个目的地的预计要求时间,并询问用户离开最后一个目的地后是否返回出发地;
处理模块,用于根据目的地和事先输入地理环境信息选择最优路径,具体包括:
建立模块:
其中,minS为车辆运行过程中的最低成本;m为出发地车辆的总数,由GPS系统接收的附近车辆信号确定,如果接收不到其他车辆的信号,那么m=1;U为目的地数量;b0为单位距离碳排放成本;ω0为碳排放系数;Ф0为空载时单位距离燃料消耗量;fij为目的地i(i=1,2,…,U)到目的地j(j=1,2,…,U)之间的距离;c为车辆的载重量;H为车辆的最大载重量;Ф*为满载时单位距离燃料消耗量;
T1为车辆提前到达损失系数, 为于时刻G提前到达目的地i时的成本损失,T2为车辆迟到损失系数,为延迟至时刻O到达目的地i时的成本损失,提前到达损失系数和迟到损失系数用于考量车辆到达每一个目的地的准点情况,T1和T2为人为设定的系数;
机会模块:假设共有R个节点,γij(t)表示t时刻节点i与节点j之间的跟踪素强度,γij(0)=K(K为数值较小的常数),车辆在运动过程中根据跟踪素强度选择转移方向,则车辆k(k=1,2,...,m)从节点i转移到节点j的概率为:
其中,g∈Ak;Ak={0,1,…,R-1}-Bk表示车辆k下一步允许选择的点的集合,随时间呈动态变化,Bk(k=1,2,…,m)为第k辆车辆的禁忌表,用来记录车辆k已经过的点;为启发式因子,表示t时刻由节点i到节点j的期望程度,一般取ψ为信息启发式因子,μ为期望启发因子;α(i,j)为下一个目的地的时间度;为下一个目的地的时间度相对重要性;
优化模块:引入优化变量Xij(t),其满足Xij(t+1)=σX(t)[1-Xij(t)],其中σ为控制变量,得出优化的跟踪素更新规则:
γij(t+1)=(1-ζ)γij(t)+Δγij(t)+чXij(t)
其中,当使用者通过信号模块选择在离开最后一个目的地后返回出发地时,构成一个循环,则
Fk为第k辆车辆在本次循环中所走路径长度,I为跟踪素强度的常数,表示在本次循环中第k辆车辆在路径(i,j)上留下的跟踪素强度;ζ为跟踪素全局挥发因子,ζ∈[0,1],且ζ为根据如下公式动态调整的参数:其中ζmin是人为设定的最小值;Δγij(t)表示本次循环中所有车辆在路径(i,j)上留下的跟踪素强度的总和;ч为可调节系数;
初始模块:令迭代次数DD=0,进行参数初始化,调整各路径跟踪素;产生一个范围为[0,1]的随机数p,若p<给定常数p0,按照下式选择下一个节点j: 其中l∈Ak;否则根据机会模块中的概率公式选择下一个节点j,将j加入数组Bk中,重复直至所有的节点任务完成,得到模拟算法的初始集Si;
求解模块:从当前的初始集中生成一组新的可行解Sj,目标值变化量ΔS=Sj-Si,若ΔS<0,则接受新的可行解Sj为最优解;否则考虑偏差的影响:r=exp(-ΔS/Nt)),其中N为随时间变化的量,若r>1,则接受Sj为最优解,否则不接受新的可行解,最优解仍为Si;
判断模块:当前最优解小于某一特定值时,进行跟踪素更新;如果本轮列表Bk中无数据更新,则产生一个[0,1]范围的随机数u,若e1+e2+,…,ei-1<u<e1+e2+,…,ei,则选择概率为ei的候选车辆作为下一个目标节点;
生成模块:用于输出计算出的最优路径,令迭代次数DD=DD+1,若DD<DDmax,根据跟踪素更新规则,按照公式N(t+1)=N(t).v进行清空Bk列表,其中v∈[0,1],回到初始模块,重新产生随机数p;若DD=DDmax,则输出最优解作为最优路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510860031.9A CN105554240A (zh) | 2015-12-01 | 2015-12-01 | 一种智能手机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510860031.9A CN105554240A (zh) | 2015-12-01 | 2015-12-01 | 一种智能手机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105554240A true CN105554240A (zh) | 2016-05-04 |
Family
ID=55833172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510860031.9A Pending CN105554240A (zh) | 2015-12-01 | 2015-12-01 | 一种智能手机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105554240A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI729335B (zh) * | 2018-01-15 | 2021-06-01 | 國立大學法人東北大學 | Ito粒子、分散液及ito膜之製造方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136080A (zh) * | 2007-09-13 | 2008-03-05 | 北京航空航天大学 | 基于满意决策蚁群智能无人作战飞机自适应航路规划方法 |
CN102278996A (zh) * | 2011-04-29 | 2011-12-14 | 西南交通大学 | 一种大规模多目标智能移动路径选择的蚁群优化处理方法 |
CN102289712A (zh) * | 2011-08-10 | 2011-12-21 | 天津商业大学 | 基于鱼群蚁群算法的时间最短应急物流路径的优化方法 |
CN102288192A (zh) * | 2011-07-01 | 2011-12-21 | 重庆邮电大学 | 基于Ad Hoc网络的多机器人路径规划方法 |
CN104951850A (zh) * | 2015-06-25 | 2015-09-30 | 广东工业大学 | 一种求解多配送中心物流运输车辆路径问题的方法 |
CN104992242A (zh) * | 2015-07-01 | 2015-10-21 | 广东工业大学 | 一种求解带软时间窗物流运输车辆路径问题的方法 |
-
2015
- 2015-12-01 CN CN201510860031.9A patent/CN105554240A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136080A (zh) * | 2007-09-13 | 2008-03-05 | 北京航空航天大学 | 基于满意决策蚁群智能无人作战飞机自适应航路规划方法 |
CN102278996A (zh) * | 2011-04-29 | 2011-12-14 | 西南交通大学 | 一种大规模多目标智能移动路径选择的蚁群优化处理方法 |
CN102288192A (zh) * | 2011-07-01 | 2011-12-21 | 重庆邮电大学 | 基于Ad Hoc网络的多机器人路径规划方法 |
CN102289712A (zh) * | 2011-08-10 | 2011-12-21 | 天津商业大学 | 基于鱼群蚁群算法的时间最短应急物流路径的优化方法 |
CN104951850A (zh) * | 2015-06-25 | 2015-09-30 | 广东工业大学 | 一种求解多配送中心物流运输车辆路径问题的方法 |
CN104992242A (zh) * | 2015-07-01 | 2015-10-21 | 广东工业大学 | 一种求解带软时间窗物流运输车辆路径问题的方法 |
Non-Patent Citations (2)
Title |
---|
张立毅: "混沌扰动模拟退火蚁群算法低碳物流路径优化", 《计算机工程与应用》 * |
王会颖等: "基于蚁群算法求解最大团问题", 《计算机应用于软件》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI729335B (zh) * | 2018-01-15 | 2021-06-01 | 國立大學法人東北大學 | Ito粒子、分散液及ito膜之製造方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112833905A (zh) | 基于改进a*算法的分布式多agv无碰撞路径规划方法 | |
Zou et al. | Energy-efficient roadside unit scheduling for maintaining connectivity in vehicle ad-hoc network | |
CN105444774A (zh) | 一种地质采样车 | |
CN109919391A (zh) | 一种太阳能飞机自主寻优航迹规划方法和系统 | |
CN103596238A (zh) | 一种v2v通信网络的路由计算方法装置 | |
Al-Hanahi et al. | An optimal charging solution for commercial electric vehicles | |
CN109784585B (zh) | 一种无人机无人艇的混合布放调度方法 | |
Tao et al. | A traffic scheduling scheme for load balancing in SDN-based space-air-ground integrated networks | |
CN105554240A (zh) | 一种智能手机 | |
Zhou et al. | Adaptive Routing Strategy Based on Improved Double Q‐Learning for Satellite Internet of Things | |
CN105571601A (zh) | 一种远距离电力设备巡逻车 | |
CN110135641B (zh) | 行驶方案优化方法、装置、智能驾驶优化系统 | |
CN105509760A (zh) | 一种电动汽车 | |
CN116781144A (zh) | 无人机搭载边缘服务器的方法、装置及存储介质 | |
CN105425796A (zh) | 一种风力发电场巡检车 | |
CN105512757A (zh) | 一种水利发电站点检系统 | |
CN105318887A (zh) | 一种车载自动导航系统 | |
CN105488745A (zh) | 一种动物园饲料投放车 | |
Zhao et al. | Energy and latency control for edge computing in dense V2X networks | |
CN105269576A (zh) | 一种智能巡查机器人 | |
CN105550764A (zh) | 一种户外广告点巡查系统 | |
CN105277197A (zh) | 一种河道运输船 | |
CN105512756A (zh) | 一种应急物资配送系统 | |
CN110298512B (zh) | 行驶方案优化方法、负载均衡分析器、智能驾驶优化系统 | |
CN105427399A (zh) | 一种建筑物多点巡检系统 |
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: 20160504 |
|
RJ01 | Rejection of invention patent application after publication |