CN105841709B - 一种汽车行驶路径规划方法 - Google Patents
一种汽车行驶路径规划方法 Download PDFInfo
- Publication number
- CN105841709B CN105841709B CN201610161418.XA CN201610161418A CN105841709B CN 105841709 B CN105841709 B CN 105841709B CN 201610161418 A CN201610161418 A CN 201610161418A CN 105841709 B CN105841709 B CN 105841709B
- Authority
- CN
- China
- Prior art keywords
- node
- ocw
- weight
- oil consumption
- road
- 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
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
- G01C21/3469—Fuel consumption; Energy use; Emission aspects
-
- 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)
Abstract
本发明提供一种汽车行驶路径规划方法。包括:对城市地图数字化处理,标定节点和节点间道路,使用Dijkstra算法计算各道路的综合权重,定义节点、道路权重集合,读入起始和结束节点编号,通过比较中间节点权值比重lOCW(v,h)=min[lOCW(v,h),lOCW(v,k)+lOCW(k,h)]选择最小总油耗路径。本发明具有分时段选择最优路径、实时更新数据及自学习功能,更加方便用户使用,本发明涉及的方法计算速度快,运行稳定,节约了汽车行驶时间与油耗,更加适合现代城市的道路行驶,具有较好的鲁棒性,可以处理大量复杂数据,规避了叉路口的分类问题。
Description
技术领域
本发明涉及行驶路径规划领域,尤其涉及一种汽车行驶路径规划方法。
背景技术
近几年,随着私家车数量的膨胀,堵车问题尤为突出,每逢节假日,城市道路就拥堵不堪。城市车辆拥堵导致大量的时间花费在路途中,使人们工作效率降低,能源消耗在运输行业、交通行业处于上升阶段,车辆维修人员表示,走走停停和长时间低挡位行驶易造成油耗上升,道路不畅成为油耗上升的主要原因,交通运输路线的规划变的越来越重要,如果每一个市民都能提高行车效率,对于全球经济也将起重要的积极作用。
我们在研究中发现,以油耗和时段为路径规划依据,具有重要的意义,在城市中,不同时段的道路拥堵状况是不一样的,不同的拥堵状况对油耗的需求也是不一样的,通过量化路程、路速、行驶时间、等待时间、行驶油耗、等待油耗、车流量为相关参数,通过加权计算,得出每段路的综合权值,通过综合权值规划行驶路径,对于减少油耗、减轻拥堵,提高人们出行效率具有实质性作用。因此有必要对汽车行驶路径规划方法进行研究。
发明内容
为解决上述问题,本发明公开了一种汽车行驶路径规划方法。包括以下步骤:
S1:对城市地图数字化处理,把城市地图道路抽象为带序号的多个节点,每个节点表示城市中不同的地点,并为每个节点进行编号,编号从“0”开始,用直线和斜线表示城市中的道路,用数字表示每条道路的综合权值,使用Dijkstra算法计算各边上的权重,边上的权重表示该路段综合权值,任意两节点间的综合权值,是该路径上边的综合权值之和;
S2:定义一个有综合权值的有向图M,以及M中的一个起始点v和一个目标地h,以vs表示M中所有节点的集合,定义(u,k)表示从节点u到k的路径,ds表示边的集合,lOCW表示边的综合权值,lOCW∈[0,∞],定义lOCW(u,k)为从节点u到节点k的综合权值;
S3:读入起始节点的编号v和目的地节点的编号h;
S4:初始化ds(v)=1,从v到v自身的最少油耗lOCW(v,v)=0,表示从节点v到节点v的油耗为0。若v与h有边,则lOCW(v,h)为边上的综合权值;
S5:定义ds(i)=0表示未被标记节点i,从已经标记的节点集合vs中选取一个到该节点综合权值最小的节点k,此时ds(k)=1,该选定的综合权值就是已标记节点k到未标记节点i的最小综合权值lOCW(k,i);
S6:以k为中间节点,若从节点v经过节点k到节点h的综合权值比原来不经过节点k的综合权值小,则修改后节点v到节点h的综合权值为lOCW(v,h)=lOCW(v,k)+lOCW(k,h);若从节点v经过节点k到节点h的综合权值比原来不经过节点k的综合权值大,则节点v到节点h的综合权值为lOCW(v,h),更新lOCW(v,h)=min[lOCW(v,h),lOCW(v,k)+lOCW(k,h)];
S7:重复S6,直到k=h,找到从节点v到节点h的最小总油耗lOCW(v,h)的路径。
进一步的,所述Dijkstra算法包括如下步骤:
S101:根据行车路程和行车速度计算行车时间:
其中,t为行驶时间,v为路速,s为路程。
S102:统计实际道路车距d1和车身长d2,计算在该道路上改时段的车流量:
其中,l为车流量,t为时间段,以每小时划分,v为车速,d1为车距,d2为车身长。
计算车辆实际行驶时与不堵车行驶时的车辆拥堵油耗:
t′=t1-t2 (3)
其中,t'为等待时间,t1为实际行驶时间,t2为不堵车正常行驶的行驶时间。
由中国汽车市场不同排量产品关注比例对比得出油耗量的数学期望E(x)=8.81。
lsum=s×E(x) (4)
其中,lsum为行驶油耗,s为路程。怠速耗油量为x升/小时,当前车速设为v公里/小时,瞬时油耗显示设为L升/百公里,根据v和x得到L,公式如(5)所示:
l=100×x/v (5)
拥堵时等待油耗:
lwait=x×t' (6)
S104:计算车辆行驶油耗:
lOCW=lsum+lwait (7)
lOCW为总油耗,lsum为行车油耗,lwait为拥堵时等待油耗,计算每条道路的“总油耗lOCW”值,即作为路的权值标记为“lOCW”。
与现有技术相比,本发明包括以下优点:
本发明具有分时段选择最优路径、实时更新数据及自学习功能,更加方便用户使用。本发明涉及的方法计算速度快,运行稳定,节约了汽车行驶时间与油耗,更加适合现代城市的道路行驶。本方法具有较好的鲁棒性,可以处理大量复杂数据,规避了叉路口的分类问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所使用的附图做一简单地介绍。
图1是本发明实施例提供的一种汽车行驶路径规划方法的示意图。
图2是本发明的Dijkstra算法示意图。
图3是本发明的对城市地图进行运算规划示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图和实施例对本发明提供的一种汽车行驶路径规划方法进行更详细地说明。
本发明把所有与路径规划相关的变量都转化为油耗,提出了一种以油耗和时段为依据的路径规划方法,使用Dijkstra算法规划最优路径,本方法将一天的24个小时划分为24个不同的时段,避免了堵车拥堵时段造成的低效率,以路程、路速、行驶时间、等待时间、行驶油耗、等待油耗、车流量为相关参数,通过加权计算,得出每段路的综合权值,这样处理更加符合车辆实际运行情况,选择的最优路径不仅减少了油耗、降低了温室气体排放量。在每次路径规划后,把新获得的各项数据加入已有的权值矩阵中,不断更新自身的数据库,实时更新综合权值,使得系统的数据与实际更加相符,更贴近使用者所处环境。将城市地图载入,对地图分段描点并进行区域规划,读入地图中所描各点之间的信息,建立起含多个权值的邻接矩阵模型。根据用户选择的起始点和目的地,规划出当前时刻最优的行驶路线,以点线形式输出。通过对城市道路进行了提取、分析、描点、作图,并建立了相关的系数矩阵,把所有与路径规划相关的变量都转化为油耗,提出了一种以油耗和时段为路径规划依据的Dijkstra汽车行驶路径规划的方法,通过对输入的各项复杂系数分析、计算后,得到一条油耗最少的路径作为最优路径。
如图1所示,本发明公开一种汽车行驶路径规划方法,包括:
S1:对城市地图数字化处理,把城市地图道路抽象为带序号的多个节点,每个节点表示城市中不同的地点,并为每个节点进行编号,编号从“0”开始,用直线和斜线表示城市中的道路,用数字表示每条道路的综合权值,使用Dijkstra算法计算各边上的权重,边上的权重表示该路段综合权值,任意两节点间的综合权值,是该路径上边的综合权值之和;
本方法每次新扩展一个距离最短的节点,更新与其相邻节点的距离。当所有边权都为正时,由于不会存在一个距离更短的没扩展过的节点,所以这个节点的距离永远不会再被改变,因而保证了方法的正确性。由于各节点表示城市中不同的地点,边上的权重表示该路段综合权值,因此,运用本方法可以找到起始点与目的地之间的最优路径。
S2:定义一个有综合权值的有向图M,以及M中的一个起始点v和一个目标地h,以vs表示M中所有节点的集合,定义(u,k)表示从节点u到k的路径,ds表示边的集合,lOCW表示边的综合权值,lOCW∈[0,∞],定义lOCW(u,k)为从节点u到节点k的综合权值;
S3:读入起始节点的编号v和目的地节点的编号h;
S4:初始化ds(v)=1,从v到v自身的最少油耗lOCW(v,v)=0,表示从节点v到节点v的油耗为0。若v与u有边,则lOCW(v,h)为边上的综合权值;
S5:定义ds(i)=0表示未被标记节点i,从已经标记的节点集合vs中选取一个到该节点综合权值最小的节点k,此时ds(k)=1,该选定的综合权值就是已标记节点k到未标记节点i的最小综合权值lOCW(k,i);
S6:以k为中间节点,若从节点v经过节点k到节点h的综合权值比原来不经过节点k的综合权值小,则修改后节点v到节点h的综合权值为lOCW(v,h)=lOCW(v,k)+lOCW(k,h);若从节点v经过节点k到节点h的综合权值比原来不经过节点k的综合权值大,则节点v到节点h的综合权值为lOCW(v,h),更新lOCW(v,h)=min[lOCW(v,h),lOCW(v,k)+lOCW(k,h)];
S7:重复S6,直到k=h,找到从节点v到节点h的最小总油耗lOCW(v,h)的路径。
通过构建若干参数矩阵提供程序运行所需要的数据,准确计算综合权值,保证了计算结果的正确性。本发明使用了以下矩阵:距离矩阵、路速矩阵、行驶时间矩阵、车流量矩阵、等待时间矩阵、行驶油耗矩阵、等待油耗矩阵、总油耗矩阵、综合权值矩阵。根据地图上记录的信息,距离矩阵记录了每两个节点之间的距离,选取图3(d)中的部分节点,建立相应的距离矩阵。
如图2所示,Dijkstra算法需要构建若干参数矩阵提供程序运行所需要的数据,准确计算综合权值,保证了计算结果的正确性。在实际城市道路行驶限速中,对城市中的道路限速大致分为40km/h(11.11m/s)、60km/h(16.67m/s)、80km/h(22.22m/s)。Dijkstra算法步骤如下:
S101:根据行车路程和行车速度计算行车时间:
其中,t为行驶时间,v为路速,s为路程。
S102:统计实际道路车距d1和车身长d2,计算在该道路上改时段的车流量:
其中,l为车流量,t为时间段,以每小时划分,v为车速,d1为车距,d2为车身长。
S103:计算车辆实际行驶时与不堵车行驶时的车辆拥堵油耗:
t′=t1-t2 (3)
其中,t'为等待时间,t1为实际行驶时间,t2为不堵车正常行驶的行驶时间。
由中国汽车市场不同排量产品关注比例对比得出油耗量的数学期望E(x)=8.81。
lsum=s×E(x) (4)
其中,lsum为行驶油耗,s为路程。怠速耗油量为x升/小时,当前车速设为v公里/小时,瞬时油耗显示设为L升/百公里,根据v和x得到L,公式如(5)所示:
l=100×x/v (5)
拥堵时等待油耗:
lwait=x×t' (6)
S104:计算车辆行驶油耗:
lOCW=lsum+lwait (7)
lOCW为总油耗,lsum为行车油耗,lwait为拥堵时等待油耗,计算每条道路的“总油耗lOCW”值,即作为路的权值标记为“lOCW”。
拥堵时等待油耗已知,设这个值为m升/h,当前车速设为V公里/h,瞬时油耗显示设为L升/百公里,根据V和X得到L,公式如(8)所示:
经过实际测试40公里时速空挡油耗约为3.2升/百公里,由公式(8)得3.2×40/100=1.28升/小时。
通过上述,把所有的变量都转化为了油耗。则综合权值为总油耗数,根据油耗不同,选择最优的路径。本方法中,输入的各项参数应在合理的范围内并且相互独立,具体参数可依据城市的不同和车辆的不同进行更改,地图上地点的序号应从0开始,每个点的序号都小于点的个数,且没有重复的序号。
如图3所示,对地图的数字化处理过程包括:对城市地图进行运算规划,将地图转换为可以用方法计算的邻接矩阵。原始的可视地图如图3(a)所示。将图3(a)形成道路网络图如图3(b)所示。对图3(b)中交叉路口节点标注为节点,并每隔200米标注一个节点,形成抽象节点图,如图3(c)所示。对图3(c)中的节点从0开始统一编号,形成邻接矩阵节点图,如图3(d)所示。
以上对本发明所提供的一种汽车行驶路径规划方法进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种汽车行驶路径规划方法,其特征在于,包括以下步骤:
S1:对城市地图数字化处理,把城市地图道路抽象为带序号的多个节点,每个节点表示城市中不同的地点,并为每个节点进行编号,编号从“0”开始,用直线和斜线表示城市中的道路,用数字表示每条道路的综合权值,使用Dijkstra算法计算各边上的权重,边上的权重表示该路段综合权值,任意两节点间的综合权值,是该路径上边的综合权值之和;
S2:定义一个有综合权值的有向图M,以及M中的一个起始点v和一个目标地h,以vs表示M中所有节点的集合,定义(u,k)表示从节点u到k的路径,ds表示边的集合,lOCW表示边的综合权值,lOCW∈[0,∞],定义lOCW(u,k)为从节点u到节点k的综合权值;
S3:读入起始节点的编号v和目的地节点的编号h;
S4:初始化ds(v)=1,从v到v自身的最少油耗lOCW(v,v)=0,表示从节点v到节点v的油耗为0,若v与u有边,则lOCW(v,h)为边上的综合权值;
S5:定义ds(i)=0表示未被标记节点i,从已经标记的节点集合vs中选取一个到该节点综合权值最小的节点k,此时ds(k)=1,该选定的综合权值就是已标记节点k到未标记节点i的最小综合权值lOCW(k,i);
S6:以k为中间节点,若从节点v经过节点k到节点h的综合权值比原来不经过节点k的综合权值小,则修改后节点v到节点h的综合权值为lOCW(v,h)=lOCW(v,k)+lOCW(k,h),若从节点v经过节点k到节点h的综合权值比原来不经过节点k的综合权值大,则节点v到节点h的综合权值为lOCW(v,h),更新lOCW(v,h)=min[lOCW(v,h),lOCW(v,k)+lOCW(k,h)];
S7:重复S6,直到k=h,找到从结点v到结点h的最小总油耗lOCW(u,v)的路径;
所述Dijkstra算法包括如下步骤:
S101:根据行车路程和行车速度计算行车时间:
其中,t为行驶时间,v为路速,s为路程;
S102:统计实际道路车距d1和车身长d2,计算在该道路上改时段的车流量:
其中,l为车流量,t为时间段,以每小时划分,v为车速,d1为车距,d2为车身长,
计算车辆实际行驶时与不堵车行驶时的车辆拥堵油耗:
t′=t1-t2 (3)
其中,t'为等待时间,t1为实际行驶时间,t2为不堵车正常行驶的行驶时间,
由中国汽车市场不同排量产品关注比例对比得出油耗量的数学期望E(x)=8.81,
lsum=s×E(x) (4)
其中,lsum为行驶油耗,s为路程,怠速耗油量为x升/小时,当前车速设为v公里/小时,瞬时油耗显示设为L升/百公里,根据v和x得到L,公式为:
l=100×x/v (5)
拥堵时等待油耗:
lwait=x×t' (6)
S104:计算车辆行驶油耗:
lOCW=lsum+lwait (7)
lOCW为总油耗,lsum为行车油耗,lwait为拥堵时等待油耗,计算每条道路的“总油耗lOCW”值,即作为路的权值标记为“lOCW”。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610161418.XA CN105841709B (zh) | 2016-03-22 | 2016-03-22 | 一种汽车行驶路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610161418.XA CN105841709B (zh) | 2016-03-22 | 2016-03-22 | 一种汽车行驶路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105841709A CN105841709A (zh) | 2016-08-10 |
CN105841709B true CN105841709B (zh) | 2019-01-18 |
Family
ID=56587539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610161418.XA Expired - Fee Related CN105841709B (zh) | 2016-03-22 | 2016-03-22 | 一种汽车行驶路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105841709B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108762268B (zh) * | 2018-05-29 | 2022-08-05 | 上海澳悦智能科技有限公司 | 多agv无碰撞路径规划算法 |
CN109947098A (zh) * | 2019-03-06 | 2019-06-28 | 天津理工大学 | 一种基于机器学习策略的距离优先最佳路径选择方法 |
CN110009906B (zh) * | 2019-03-25 | 2021-07-27 | 上海交通大学 | 基于交通预测的动态路径规划方法 |
CN110059885B (zh) * | 2019-04-23 | 2022-01-14 | 南京林业大学 | 一种光纤铺设路径的优化方法 |
CN110146103B (zh) * | 2019-06-14 | 2021-03-02 | 电子科技大学 | 考虑目标走向与能源补给的无人设备路径规划方法 |
CN111256723B (zh) * | 2020-03-05 | 2022-02-11 | 新石器慧通(北京)科技有限公司 | 无人车的导航方法及装置、检测装置和无人车 |
CN111898824A (zh) * | 2020-07-31 | 2020-11-06 | 沙师弟(重庆)网络科技有限公司 | 一种同城物流多点配送路径规划方法 |
CN113762575B (zh) * | 2020-12-02 | 2024-05-21 | 北京京东乾石科技有限公司 | 输送线路径优化方法和装置 |
CN113759926B (zh) * | 2021-09-18 | 2023-06-02 | 吉林大学 | 一种基于汽车油耗的路径规划方法 |
CN115565378B (zh) * | 2022-12-01 | 2023-03-07 | 四川振函创新智能科技有限公司 | 高速公路事件情报信息动态发布方法、系统、终端及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101645200A (zh) * | 2009-08-19 | 2010-02-10 | 深圳华为通信技术有限公司 | 导航路径选择方法和装置 |
CN103413436A (zh) * | 2013-06-21 | 2013-11-27 | 中国航天系统工程有限公司 | 一种基于油耗采集的路网运行状态分析系统 |
CN104390651A (zh) * | 2014-11-27 | 2015-03-04 | 武汉大学 | 考虑交叉口转向限制的最短路径混合边节点标号方法 |
CN105096622A (zh) * | 2015-08-11 | 2015-11-25 | 吉林大学 | 一种基于车路通信的动态路径诱导方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8570190B2 (en) * | 2007-09-07 | 2013-10-29 | Led Roadway Lighting Ltd. | Centralized route calculation for a multi-hop streetlight network |
-
2016
- 2016-03-22 CN CN201610161418.XA patent/CN105841709B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101645200A (zh) * | 2009-08-19 | 2010-02-10 | 深圳华为通信技术有限公司 | 导航路径选择方法和装置 |
CN103413436A (zh) * | 2013-06-21 | 2013-11-27 | 中国航天系统工程有限公司 | 一种基于油耗采集的路网运行状态分析系统 |
CN104390651A (zh) * | 2014-11-27 | 2015-03-04 | 武汉大学 | 考虑交叉口转向限制的最短路径混合边节点标号方法 |
CN105096622A (zh) * | 2015-08-11 | 2015-11-25 | 吉林大学 | 一种基于车路通信的动态路径诱导方法 |
Non-Patent Citations (2)
Title |
---|
基于车联网的汽车行驶经济车速控制方法;俞倩雯;《中国优秀硕士学位论文全文数据库 信息科技辑》;20151215(第12期);摘要,正文第15-54页,图4-7,4-8,4-9,4-10 |
车载导航器的ECO模式路径规划研究;田靓;《中国优秀硕士学位论文全文数据库工程科技II辑》;20160315(第3期);摘要,正文第18-37页 |
Also Published As
Publication number | Publication date |
---|---|
CN105841709A (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105841709B (zh) | 一种汽车行驶路径规划方法 | |
CN102176283B (zh) | 一种简化交通路网模型的导航方法 | |
CN108629974B (zh) | 顾及城市道路交通网络特征的交通运行指数建立方法 | |
CN109959388B (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 | |
CN101608926B (zh) | 多层次多模态寻径导航方法 | |
CN101639871B (zh) | 面向行为研究的车载动态交通信息诱导系统模拟设计方法 | |
CN106225800B (zh) | 基于实时路况信息的环境友好型车辆导航路径构建方法 | |
CN110766211B (zh) | 一种实时路况下的车辆路径规划问题模型创建方法 | |
US20140244158A1 (en) | Method and apparatus for providing navigational guidance using the states of traffic signal | |
CN102679998B (zh) | 一种行驶指数算法及线路规划方法和导航方法 | |
Ding et al. | Greenplanner: Planning personalized fuel-efficient driving routes using multi-sourced urban data | |
CN112216130B (zh) | 一种车路协同环境下的应急车辆诱导方法 | |
CN105825677A (zh) | 一种基于改进bml模型的城市交通拥堵预测方法 | |
CN113393690B (zh) | 考虑自动驾驶专用车道的混合交通均衡分配方法 | |
CN106709126A (zh) | 一种基于城市道路的路网构建模型 | |
WO2024037236A1 (zh) | 路口面的生成方法、装置、设备、存储介质和程序产品 | |
Song et al. | Exploring pareto routes in multi-criteria urban bicycle routing | |
CN115100867A (zh) | 一种基于数字孪生的城市智能交通仿真方法 | |
CN111275999A (zh) | 基于全交通网络可换乘的路径规划方法及系统 | |
CN110570659B (zh) | 一种时间度量下的交通路网模型构建方法 | |
CN105427581B (zh) | 基于浮动车数据的交通仿真方法及系统 | |
CN104616507A (zh) | 一种交通子区信号周期的协调控制方法及系统 | |
CN108416172A (zh) | 一种基于cpt的城市公共交通网络设计方法 | |
JP4901073B2 (ja) | 簡略化デジタル道路網データの製造方法 | |
CN114877901B (zh) | 基于地图栅格化融合与A-star搜索的城市应急路径规划方法 |
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: 20190118 Termination date: 20200322 |
|
CF01 | Termination of patent right due to non-payment of annual fee |