CN106679685B - 一种用于车辆导航的行车路径规划方法 - Google Patents

一种用于车辆导航的行车路径规划方法 Download PDF

Info

Publication number
CN106679685B
CN106679685B CN201611245421.6A CN201611245421A CN106679685B CN 106679685 B CN106679685 B CN 106679685B CN 201611245421 A CN201611245421 A CN 201611245421A CN 106679685 B CN106679685 B CN 106679685B
Authority
CN
China
Prior art keywords
vehicle
road
path
driving
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.)
Active
Application number
CN201611245421.6A
Other languages
English (en)
Other versions
CN106679685A (zh
Inventor
付云飞
胡倩
李伊宁
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.)
Ordos Pudu Technology Co Ltd
Original Assignee
Ordos Pudu Technology Co Ltd
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 Ordos Pudu Technology Co Ltd filed Critical Ordos Pudu Technology Co Ltd
Priority to CN201611245421.6A priority Critical patent/CN106679685B/zh
Publication of CN106679685A publication Critical patent/CN106679685A/zh
Application granted granted Critical
Publication of CN106679685B publication Critical patent/CN106679685B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492Special 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)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本发明公开了本发明提出了一种用于车辆导航的行车路径规划方法,包括道路裁剪系统、行驶时间计算系统和行车路径优化系统,其特征在于:所述道路裁剪系统包括数据分析系统和行车方案规划系统,并将行车路径裁剪成以交通信号灯、路口以及当限速、车道数、道路名称发生变化的地方为节点的分路段,所述车辆的行车路径由分路段组成,且并对行驶路径中的分路段进行编号,当行驶路径中出现交通拥堵、交通事故、道路封堵等情况时,实时交通路况发生变化,原规划路径可能已经不是用时最短的路径,然后再通过重新规划路径来选择最短的路径,作为最佳行驶路径,这样可以提高了导航的效率,也节省了时间。

Description

一种用于车辆导航的行车路径规划方法
技术领域
本发明涉及道路交通导航技术领域,具体为一种用于车辆导航的行车路径规划方法。
背景技术
随着通信技术和GPS系统的不断发展,越来越多的车载导航系统应运而生,为人们在复杂的道路环境下通过规划行车路径准确到达目的地带来很大的方便。然而,随着城市的发展,车辆日益增多,交通拥堵已成为非常严峻的问题,人为因素在某种程度上对交通产生最直接和最明显的影响。现有的车载导航软件虽然能提供基本的导航信息,但是这种导航信息不包含实时交通路况信息,车辆无法及时有效的获得已规划好路径的路况信息,当已规划好路径的路况信息发生变化时,则无法及时有效的调整行车路径。
发明内容
本发明的目的在于提供一种用于车辆导航的行车路径规划方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种用于车辆导航的行车路径规划方法,包括道路裁剪系统、行驶时间计算系统和行车路径优化系统,其特征在于:所述道路裁剪系统包括数据分析系统和行车方案规划系统,数据分析系统从车载终端获得车辆所在位置和行驶目的地位置信息,行车方案规划系统从云端服务器内的云端数据库抽取相关地图信息,并将行车路径裁剪成以交通信号灯、路口以及当限速、车道数、道路名称发生变化的地方为节点的编号路段,所述车辆的行车路径由编号路段组成,且并对行车路径中的编号路段进行编号;
所述行驶时间计算系统包括标准行驶时间计算系统和实际行驶时间计算系统,是用不同方法来计算车辆从出发地到达目的地所需要的时间,通过计算车辆经过每个编号路段所需时间,然后求和获得该条行车路径下从出发地到达目的地所要的时间;
所述云端服务器包括云端数据库和数据分析系统,所述云端服务器在接收到车载终端提供的车辆所在的位置,通过数据分析系统得出实时交通信息和更新的道路信息,数据分析系统电信连接行车路径优化系统,所述行车路径优化系统通过接收数据分析系统得出实时交通信息和更新的道路信息来对行车路径进行优化,所述行车路径优化系统包括主动规划系统和被动规划系统。
优选的,所述道路裁剪系统是以云端数据库高精地图为基础,对裁剪路段进行描述:以云端数据库高精地图的6维特征向量表示的道路信息为基础,并重新构建一个以9维特征向量为基础的临时数据库,然后通过临时数据库来表示裁剪路段元素RS(RoadSection):RS={RS_Number,RS_Name,RS_Direction,RS_Road Grade,RS_Lane Number,RS_Lane Type,RS_Length,RS_Speed,RS_Extensions},
其中:
(1)RS_Number表示该路段的编号;
(2)RS_Name表示该路段的名称;
(3)RS_Direction表示该路段的行车方向,每条道路都有两个行车方向,两个行车方向分别为上行和下行;
(4)RS_Road Grade表示该路段的等级,例如:快速路(高速公路、高架桥)、主干路、次干路和支路;
(5)RS_Lane Number表示该路段车道数量;
(6)RS_Lane Type表示该路段车道类型,例如:左转车道、直行车道、右转车道和应急车道;
(7)RS_Length表示该路段的长度;
(8)RS_Speed表示该路段的限速;
(9)RS_Extensions为扩展项,根据不同路段元素所包含的具体信息,若前8项无法将其信息表述清楚,可将剩余内容都在此扩展项中进行描述和解释,若前8项能够表述清楚,则此扩展项内容为空,不用显示。
优选的,所述行驶时间计算系统包括标准行驶时间计算系统和实际行驶时间计算系统,通过标准行驶时间计算系统计算出标准行驶时间,通过实际行驶时间计算系统计算出实际行驶时间,所述标准行驶时间是指车辆按照每个编号路段的限速行驶,从出发地到达目的地需要的时间,所述实际行驶时间是指分别计算每个编号路段车辆通过的时间,然后将行车路径下所有编号路段车辆通过的时间加和,即为该条行车路径下车辆的实际行驶时间,标准行驶时间和实际行驶时间都包含车辆遇到红绿灯时的等待时间,已知交通信号灯是按照事先设定的配时方案运行,变化周期是固定的,通过计算车辆到达路口的时间和此时路口交通信号灯的状态,可以得出车辆在路口等待红绿灯的时间。
优选的,所述计算车辆行驶时间的计算方法如下:
车辆实际行驶时间是行车路径的每个编号路段行驶时间的加和,已知编号路段的长度,计算每个编号路段车辆通过的时间关键在于求解每个编号路段车辆的平均速度;
编号i路段中j车道车辆的平均速度用
Figure GDA0002480372220000031
表示,其中i表示路段编号,j表示车道编号(从路面中心向路边的方向进行编号1、2…),通过车载定位系统可以知道t时刻车道j内云端服务器可以采集到信息的车辆数为n,速度分别为v1、v2、...vn,则t时刻编号路段i车道j的车辆平均速度为
Figure GDA0002480372220000041
并每隔m秒计算一次,以最新的数据为准。
优选的,所述行车路径优化系统包括主动规划系统和被动规划系统;
所述主动规划系统是指车辆在按照原路径行驶过程中,以下一个编号路段的起始点作为车辆的出发点主动重新规划行车路径,并对每条路径进行裁剪和编号,计算车辆行驶的实际时间,选出用时最短的行车路径,并将此最短路径与最初行车路径在同一编号开始到达目的地的实际行驶时间进行比较,选择用时最短的行车路径作为车辆的最新行车路径,按照上述方式,当车辆进入一个编号路段的同时,以下一个编号路段的起始点为出发点重新进行路径规划,并按照上面的方法选出最佳行车路径,直到车辆进入最后一个编号路段,结束主动规划;
所述被动规划系统是指当某路段出现交通拥堵、交通事故、道路封堵等特殊情况,在该路段行驶的车辆并没有将实时路况信息上传至云端服务器时,会导致在主动规划时,将该路段的路况信息按照正常情况考虑,出现错误的规划,当出现这种情况时,需要通过被动规划来调整行车路径;
车辆在行驶过程中,路况信息是实时变化的,当行驶的路段出现交通拥堵、交通事故、道路封堵等特殊情况时,车辆的行车路径需要做出调整:当车辆所在车道发生特殊情况时,车辆改变行驶方向(例如直行→左转),进入下一个路段后,以此路段作为出发点重新规划行车路径;当该路段出现大面积拥堵或者因交通事故进行交通管制时,车辆按照原行车路径并根据现场交警的指挥行驶。
优选的,所述被动规划系统中,某一路段是否发生交通拥堵是通过标准行驶时间与实际行驶时间的关系来判断的,如果实际行驶时间超过标准行驶时间的两倍及以上,则认为该路段发生交通拥堵。
优选的,所述云端服务器内设有信号收发模块,所述车载终端双向信号连接信号收发模块,信号收发模块双向电信连接数据分析系统,数据分析系统双向电信连接高精地图系统。
优选的,所述云端数据库位于云端服务器内,且云端服务器包括云端数据库、行车方案规划系统和临时数据库文件,行车方案规划系统从云端数据库提取相关数据信息,通过基于启发式搜索算法规划行车路径,并将行车路径裁剪成不同的编号路段,对路径中的编号路段进行编号。
与现有技术相比,本发明的有益效果是:本发明通过道路裁剪系统、行驶时间计算系统和行车路径优化系统之间的相互配合,是以行驶时间最短作为规划条件,通过基于启发式搜索算法规划行车方案,行车方案中包括从出发地到达目的地的所有行车路径,计算车辆在所有行车路径中的行驶时间,车辆按照最初规划的路径行驶,当行车路径中出现交通拥堵、交通事故、道路封堵等情况时,实时交通路况发生变化,原规划路径可能已经不是用时最短的路径,然后再通过重新规划路径来选择最短的路径,作为最佳行车路径,这样可以提高了导航的效率,也节省了时间。
附图说明
图1为本发明的数据传输示意图;
图2为本发明的云端服务器系统构成示意图;
图3为本发明计算标准行驶时间示意图;
图4为本发明计算实际行驶时间实例图;
图5为本发明行车路径主动规划流程图;
图6为本发明行车路径主动规划示例图。
具体实施方式
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。
请参阅图1-6,本发明提供一种技术方案:一种用于车辆导航的行车路径规划方法,包括道路裁剪系统、行驶时间计算系统和行车路径优化系统,其特征在于:道路裁剪系统包括数据分析系统和行车方案规划系统,数据分析系统从车载终端获得车辆所在位置和行驶目的地位置信息,行车方案规划系统从云端服务器内的云端数据库抽取相关地图信息,并将行车路径裁剪成以交通信号灯、路口以及当限速、车道数、道路名称发生变化的地方为节点的编号路段,车辆的行车路径由编号路段组成,且并对行车路径中的编号路段进行编号;
行驶时间计算系统包括标准行驶时间计算系统和实际行驶时间计算系统,是用不同方法来计算车辆从出发地到达目的地所需要的时间,通过计算车辆经过每个编号路段所需时间,然后求和获得该条行车路径下从出发地到达目的地所要的时间;
云端服务器包括云端数据库和数据分析系统,云端服务器在接收到车载终端提供的车辆所在的位置,通过数据分析系统得出实时交通信息和更新的道路信息,数据分析系统电信连接行车路径优化系统,行车路径优化系统通过接收数据分析系统得出实时交通信息和更新的道路信息来对行车路径进行优化,行车路径优化系统包括主动规划系统和被动规划系统。
道路裁剪系统是以云端数据库高精地图为基础,对裁剪路段进行描述:以云端数据库高精地图的6维特征向量表示的道路信息为基础,并重新构建一个以9维特征向量为基础的临时数据库,然后通过临时数据库来表示裁剪路段元素RS(Road Section):RS={RS_Number,RS_Name,RS_Direction,RS_Road Grade,RS_Lane Number,RS_Lane Type,RS_Length,RS_Speed,RS_Extensions},
其中:
(1)RS_Number表示该路段的编号;
(2)RS_Name表示该路段的名称;
(3)RS_Direction表示该路段的行车方向,每条道路都有两个行车方向,两个行车方向分别为上行和下行;
(4)RS_Road Grade表示该路段的等级,例如:快速路(高速公路、高架桥)、主干路、次干路和支路;
(5)RS_Lane Number表示该路段车道数量;
(6)RS_Lane Type表示该路段车道类型,例如:左转车道、直行车道、右转车道和应急车道;
(7)RS_Length表示该路段的长度;
(8)RS_Speed表示该路段的限速;
(9)RS_Extensions为扩展项,根据不同路段元素所包含的具体信息,若前8项无法将其信息表述清楚,可将剩余内容都在此扩展项中进行描述和解释,若前8项能够表述清楚,则此扩展项内容为空,不用显示。
行驶时间计算系统包括标准行驶时间计算系统和实际行驶时间计算系统,通过标准行驶时间计算系统计算出标准行驶时间,通过实际行驶时间计算系统计算出实际行驶时间,标准行驶时间是指车辆按照每个编号路段的限速行驶,从出发地到达目的地需要的时间,实际行驶时间是指分别计算每个编号路段车辆通过的时间,然后将行车路径下所有编号路段车辆通过的时间加和,即为该条行车路径下车辆的实际行驶时间,标准行驶时间和实际行驶时间都包含车辆遇到红绿灯时的等待时间,已知交通信号灯是按照事先设定的配时方案运行,变化周期是固定的,通过计算车辆到达路口的时间和此时路口交通信号灯的状态,可以得出车辆在路口等待红绿灯的时间。
计算车辆行驶时间的计算方法如下:
车辆实际行驶时间是行车路径的每个编号路段行驶时间的加和,已知编号路段的长度,计算每个编号路段车辆通过的时间关键在于求解每个编号路段车辆的平均速度;
编号i路段中j车道车辆的平均速度用
Figure GDA0002480372220000081
表示,其中i表示路段编号,j表示车道编号(从路面中心向路边的方向进行编号1、2…),通过车载定位系统可以知道t时刻车道j内云端服务器可以采集到信息的车辆数为n,速度分别为v1、v2、...vn,则t时刻编号路段i车道j的车辆平均速度为
Figure GDA0002480372220000082
并每隔m秒计算一次,以最新的数据为准。
行车路径优化系统包括主动规划系统和被动规划系统;
主动规划系统是指车辆在按照原路径行驶过程中,以下一个编号路段的起始点作为车辆的出发点主动重新规划行车路径,并对每条路径进行裁剪和编号,计算车辆行驶的实际时间,选出用时最短的行车路径,并将此最短路径与最初行车路径在同一编号开始到达目的地的实际行驶时间进行比较,选择用时最短的行车路径作为车辆的最新行车路径,按照上述方式,当车辆进入一个编号路段的同时以下一个编号路段的起始点为出发点重新进行路径规划,并按照上面的方法选出最佳行车路径,直到车辆进入最后一个编号路段,结束主动规划;
被动规划系统是指当某路段出现交通拥堵、交通事故、道路封堵等特殊情况,在该路段行驶的车辆并没有将实时路况信息上传至云端服务器时,会导致在主动规划时将该路段的路况信息按照正常情况考虑,出现错误的规划,当出现这种情况时,需要通过被动规划来调整行车路径;
车辆在行驶过程中,路况信息是实时变化的,当行驶的路段出现交通拥堵、交通事故、道路封堵等特殊情况时,车辆的行车路径需要做出调整:当车辆所在车道发生特殊情况时,车辆改变行驶方向(例如直行→左转),进入下一个路段后,以此路段作为出发点重新规划行车路径;当该路段出现大面积拥堵或者因交通事故进行交通管制时,车辆按照原行车路径并根据现场交警的指挥行驶。
被动规划系统中,某一路段是否发生交通拥堵是通过标准行驶时间与实际行驶时间的关系来判断的,如果实际行驶时间超过标准行驶时间的两倍及以上,则认为该路段发生交通拥堵。
云端服务器内设有信号收发模块,车载终端双向信号连接信号收发模块,信号收发模块双向电信连接数据分析系统,数据分析系统双向电信连接高精地图系统。
云端数据库位于云端服务器内,且云端服务器包括云端数据库、行车方案规划系统和临时数据库文件,行车方案规划系统从云端数据库提取相关数据信息,通过基于启发式搜索算法规划行车路径,并将行车路径裁剪成不同的编号路段,对路径中的编号路段进行编号。
工作原理:对于车辆行驶时间的计算,关键在于计算车辆的行驶距离和行驶速度,通过云端数据库的高精地图可以知道每条行车路径的长度,但由于车辆从出发地到达目的地的行驶速度不是一成不变的,无法计算车辆在整条行车路径中的行驶速度,但如果对整条行车路径进行道路裁剪,裁剪成不同的编号路段,通过计算每个编号路段的平均行驶速度和已知编号路段的行驶距离可以计算出车辆在每个编号路段的行驶时间,将其加和,即为车辆从出发地到达目的地的行驶时间。
车辆通过车载终端将目的地、车辆位置等信息上传至云端服务器,并从云端服务器下载规划好的路径,如图1所示,为数据传输示意图。云端服务器包括:云端数据库、行车方案规划系统、临时数据库文件等,行车方案规划系统从云端数据库提取相关数据信息,通过基于启发式搜索算法规划行车路径,并将行车路径裁剪成不同的编号路段,对路径中的编号路段进行编号。本发明将道路名称、路口、交通信号灯以及当限速、车道数量发生变化的地方作为道路裁剪的节点,对裁剪路段的描述包括:
路段的等级,路段的等级不同,对车辆速度要求也不同;
路段的车道类型,车道类型分为左转、直行、右转、右转加直行、应急车道等,车辆在不同类型车道行驶的速度也有所不同;
路段的限速,当不同路段的限速发生变化时,会影响车辆的行车速度;
路段的行车方向(每条道路都有两个行车方向,两个行车方向分别为上行和下行),在某些特殊路段(例如在某些时段),不同的行车方向对车辆速度有影响;
路段车道的数量,当车辆从一个路段驶入下一个路段时,车道数量的变化会影响车辆的行驶速度;
为更加详细和精确的描述裁剪路段,可以对路段进行编号、标明路段名称和长度。
云端数据库中的高精地图由一个6维特征向量表示,该特征向量包含各类道路信息、实时交通信息和车辆实时位置信息。本发明对裁剪路段的描述是用一个9维特征向量RS(Road Section)表示,并将其放在临时数据库文件中,如图2所示的云端服务器系统构成示意图。
RS={RS_Number,RS_Name,RS_Road Grade,RS_Lane Type,RS_Speed,RS_Direction,RS_Lane Number,RS_Length,RS_Extensions}。
其中:
(1)RS_Number表示该路段的编号;
(2)RS_Name表示该路段的名称;
(3)RS_Direction表示该路段的行车方向,每条道路都有两个行车方向,两个行车方向分别为上行和下行;
(4)RS_Road Grade表示该路段的等级,例如:快速路(高速公路、高架桥)、主干路、次干路和支路;
(5)RS_Lane Number表示该路段车道数量;
(6)RS_Lane Type表示该路段车道类型,例如:左转车道、直行车道、右转车道和应急车道;
(7)RS_Length表示该路段的长度;
(8)RS_Speed表示该路段的限速;
(9)RS_Extensions为扩展项,根据不同路段元素所包含的具体信息。若前8项无法将其信息表述清楚,可将剩余内容都在此扩展项中进行描述和解释,若前8项能够表述清楚,则此扩展项内容为空,不用显示。
计算车辆行驶时间
将行车路径裁剪成以路口、交通信号灯等为节点的编号路段,并对分段路进行编号,计算车辆通过每个编号路段所需的时间,将所有编号路段车辆行驶时间加和,即为车辆在该条行车路径下从出发地到达目的地所需要的时间。车辆的行驶时间分为标准行驶时间和实际行驶时间,标准行驶时间和实际行驶时间均包含车辆遇到红绿灯时的等待时间;已知交通信号灯是按照事先设定的配时方案运行,可以从云端数据库中获得各个交通信号灯的配时方案,通过计算车辆到达路口的时间和此时路口交通信号灯的状态,可以算出车辆在路口等待红绿灯的时间。
标准行驶时间是指车辆按照每个编号路段的限速行驶,从出发地到达目的地需要的时间。已知编号i路段的长度和限速,通过公式TBi=Si/Vi+TBid,计算车辆通过编号i路段需要的时间,结果精确到秒,其中TBi表示车辆通过编号i路段所用的标准行驶时间,Si表示编号i路段的长度,Vi表示编号i路段的限速,TBid表示车辆在编号i路段等待红绿灯的时间。将行车路径中各个编号路段的标准行驶时间加和,即为无人驾驶车在该条行车路径下从出发地到达目的地的标准行驶时间,如图3所示,为计算标准行驶时间示意图。
实际行驶时间是指首先计算每个编号路段车辆通过的行驶速度,根据已知编号路段的行驶距离,计算编号路段的行驶时间,然后将该行车路径下所有编号路段行驶时间加和,即为该条行车路径下车辆的实际行驶时间。已知编号i路段的长度,通过车载定位系统可以定位车辆的实时位置,根据编号路段同一时刻不同车辆的速度,可以计算该时刻编号路段的平均速度,通过公式
Figure GDA0002480372220000121
计算车辆通过编号i路段需要的时间,结果精确到秒,其中TSi表示车辆通过编号路段所用的实际行驶时间,Si表示编号i路段的长度,
Figure GDA0002480372220000122
表示编号i路段的平均速度,TSid表示车辆在编号i路段等待红绿灯的时间。将行车路径中各个编号路段的实际行驶时间加和,即为无人驾驶车在该条行车路径下从出发地到达目的地的实际行驶时间。
计算通过编号路段车辆平均速度的方法如下:
编号路段中车道车辆的平均速度:
编号i路段中j车道车辆的平均速度用
Figure GDA0002480372220000123
表示,其中i表示路段编号,j表示车道编号(从路面中心向路边的方向进行编号1、2…),通过车载定位系统可知t时刻车道j内云端服务器可以采集到信息的车辆数为n,速度分别为v1、v2、...vn,则t时刻编号i路段j车道的车辆平均速度为
Figure GDA0002480372220000131
并每隔m秒计算一次,以最新的数据为准。
如图4所示,为计算实际行驶时间实例图,该实例中的路段用9维向量表示:{③,星港路,一级,左,60,上行,2,5km},其中扩展项为空,不显示,即此路段是行车路径中的第3个编号路段,该路段的名称为星港路,路段的等级是一级公路,车辆按照规划路径左转车道行驶,该路段的限速为60,行驶方向是上行,该路段包括2条车道,该路段的长度为5km。
假设车辆在该路段等待交通信号灯的时间为30s,车辆行驶车道为左侧车道,t时刻左侧车道中通过云端服务器可以采集到信息的车辆数为5辆,每辆车的速度为v1=55km/h,v2=53km/h,v3=55km/h,v4=50km/h,v5=57km/h,则第3个编号路段在t时刻的车辆平均速度为
Figure GDA0002480372220000132
该路段的实际行驶时间:
Figure GDA0002480372220000133
计算车辆平均速度时可能出现以下特殊情况:
(1)当车道j上没有车辆行驶时,则将此车道的限速作为车道车辆的平均速度;
(2)当车道j在车辆路径规划时有车辆的速度为零时,若速度为零的车辆的位置靠近交通信号灯,则认为此车辆正在等待红灯,此时车辆的速度不作为计算车道平均速度的参考数据;
(3)由于不是所有在道路上行驶的车辆都能在云端服务器上采集到相关信息,针对此种情况,以在云端服务器能采集到相关信息的车辆为准。
行车路径的优化
本发明通过基于启发式搜索算法进行路径规划,车辆按照最初规划的路径行驶,当行车路径中出现交通拥堵、交通事故、道路封堵等情况时,实时交通路况发生变化,原规划路径可能已经不是用时最短的路径,而需要重新规划路径,针对以上可能出现的问题,需要对行车路径进行优化。根据云端服务器提供的实时交通信息和更新的道路信息,可以通过主动规划和被动规划两种方式对行车路径进行优化。
主动规划:即车辆在按照原路径行驶过程中,以编号路段的起始点作为车辆出发点主动重新规划,寻找用时更短路径的方式。
云端服务器根据车载终端上传的目的地、车辆位置等信息进行路径规划,并对规划路径进行裁剪和编号,选择用时最短的路径作为最佳行车路径;车辆在行驶过程中,以行车路径中下一个编号路段的起始点为出发点重新规划行车路径,并对每条路径进行裁剪和编号,计算车辆的实际行驶时间,计算结果精确到秒,选出用时最短的行车路径;比较最佳行车路径与最新规划的最短行车路径,从相同编号路段开始到达目的地的实际行驶时间;如果前者所需要的实际行驶时间更短,则按照原规划路径行驶;如果前者所需要的实际行驶时间更长,则按照最新规划的最短路径行驶;如果两者需要的实际行驶时间相同,则选择路程较短的路径行驶。按照上述方式,当车辆进入一个编号路段的同时以下一个编号路段的起始点为出发点重新进行路径规划,并按照上面的方法选出最佳行车路径,直到车辆进入最后一个编号路段,结束主动规划,如图5所示,为行车路径主动规划流程图。
当某路段出现交通拥堵、交通事故、道路封堵等特殊情况,在该路段行驶的车辆并没有将实时路况信息上传至云端服务器时,会导致在主动规划时将该路段的路况信息按照正常情况考虑,出现错误的规划,当出现这种情况时,需要通过被动规划来调整行车路径。
被动规划:即由于路况信息发生变化,导致车辆无法按照原规划路径继续行驶,被动重新规划路径的方式。
车辆在行驶过程中,路况信息是实时变化的,当行驶的路段出现交通拥堵、交通事故、道路封堵等特殊情况时,车辆的行车路径需要做出调整:
当车辆所在车道发生特殊情况时,车辆改变行驶方向(例如直行→左转),进入下一个路段后,以此路段作为出发点重新规划行车路径;
当该路段出现大面积拥堵或者因交通事故进行交通管制时,车辆按照原行车路径并根据现场交警的指挥行驶。
在本发明中,某一路段是否发生交通拥堵是通过标准行驶时间与实际行驶时间的关系来判断的,如果实际行驶时间超过标准行驶时间的两倍及以上,则认为该路段发生交通拥堵。
如图6所示,为行车路径主动规划示例图,A表示车辆的出发地,B表示车辆的目的地,a、b、c、d、e、f、g表示道路裁剪的节点,从A→B的路径有9条:
(1)A→a→b→e→B;
(2)A→a→b→e→d→g→B;
(3)A→a→b→e→d→c→f→g→B;
(4)A→a→d→e→B;
(5)A→a→d→g→B;
(6)A→a→d→c→f→g→B;
(7)A→c→d→e→B;
(8)A→c→d→g→B;
(9)A→c→f→g→B;
计算每条路径实际行驶时间,选择用时最短的路径行驶,假设路径(1)的实际行驶时间最短,当车辆在A→a段行驶时,以a作为出发点进行第二次路径规划,从a→B的路径有6条:
(1)a→b→e→B;
(2)a→b→e→d→g→B;
(3)a→b→e→d→c→f→g→B;
(4)a→d→e→B;
(5)a→d→g→B;
(6)a→d→c→f→g→B;
计算每条路径实际行驶时间,选择用时最短的路径,假设路径(4)的实际行驶时间最短;将第一次路径规划用时最短路径(1)从a→b→e→B所用的实际行驶时间与第二次路径规划的第(4)条路径所用的实际行驶时间进行比较,选择用时较短的路径,假设第二次规划的第(4)条路径用时更短,车辆从A行驶到a时,选择第(4)条路径a→d→e→B继续行驶;当车辆在a→d段行驶时,以d作为出发点进行第三次路径规划,从d→B的路径有3条:
(1)d→e→B;
(2)d→g→B;
(3)d→c→f→g→B;
计算每条路径实际行驶时间,选择用时最短的路径,假设路径(1)的实际行驶时间最短;与第二次路径规划用时最短的路径(4)从d→e→B的路径相同,所以车辆按照第二次规划的路径继续行驶;当车辆在d→e段行驶时,以e作为出发点进行第四次路径规划,从e→B的路径有1条:e→B;车辆按照第三次规划的路径继续行驶;当车辆进入e→B路段时,结束主动规划。车辆从出发点A到达目的地B的实际行车路径为:A→a→d→e→B。
本发明通过道路裁剪系统、行驶时间计算系统和行车路径优化系统之间的相互配合,以行驶时间最短作为规划条件,通过基于启发式搜索算法规划行车方案,行车方案中包括从出发地到达目的地的所有行车路径,计算车辆在所有行车路径中的行驶时间,车辆按照最初规划的路径行驶,当行车路径中出现交通拥堵、交通事故、道路封堵等情况时,实时交通路况发生变化,原规划路径可能已经不是用时最短的路径,然后再通过重新规划路径来选择最短的路径,作为最佳行车路径,这样可以提高了导航的效率,也节省了时间。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种用于车辆导航的行车路径规划方法,包括道路裁剪系统、行驶时间计算系统和行车路径优化系统,其特征在于:所述道路裁剪系统包括数据分析系统和行车方案规划系统,数据分析系统从车载终端获得车辆所在位置和行驶目的地位置信息,行车方案规划系统从云端服务器内的云端数据库抽取相关地图信息,并将行车路径裁剪成以交通信号灯、路口以及当限速、车道数、道路名称发生变化的地方为节点的编号路段,所述车辆的行车路径由编号路段组成,且并对行车路径中的分路段进行编号;
所述行驶时间计算系统包括标准行驶时间计算系统和实际行驶时间计算系统,是用不同方法来计算车辆从出发地到达目的地所需要的时间,通过计算车辆经过每个编号路段所需时间,然后求和获得行车路径下从出发地到达目的地所要的时间;其中
计算车辆实际行驶时间的计算方法如下:
所述车辆实际行驶时间是行车路径的每个编号路段行驶时间的加和,已知编号路段的长度,计算每个编号路段车辆通过的时间关键在于求解每个编号路段车辆的平均速度;编号i路段中j车道车辆的平均速度用表示
Figure FDA0002480372210000011
其中i表示路段编号,j表示车道编号,通过车载定位系统获得t时刻车道j内云端服务器采集到信息的车辆数为n,速度分别为v1、v2、依次到vn,则t时刻编号路段i车道j的车辆平均速度为
Figure FDA0002480372210000012
并每隔m秒计算一次,以最新的数据为准;
所述云端服务器包括云端数据库和数据分析系统,所述云端服务器在接收到车载终端提供的车辆所在的位置,通过数据分析系统得出实时交通信息和更新的道路信息,数据分析系统电信连接行车路径优化系统,所述行车路径优化系统通过接收数据分析系统得出实时交通信息和更新的道路信息来对行车路径进行优化,所述行车路径优化系统包括主动规划系统和被动规划系统。
2.根据权利要求1所述的一种用于车辆导航的行车路径规划方法,其特征在于:所述道路裁剪系统是以云端数据库高精地图为基础,对裁剪路段进行描述:以云端数据库高精地图的6维特征向量表示的道路信息为基础,并重新构建一个以9维特征向量为基础的临时数据库,然后通过临时数据库来表示裁剪路段元素RS:RS={RS_Number,RS_Name,RS_Direction,RS_Road Grade,RS_Lane Number,RS_Lane Type,RS_Length,RS_Speed,RS_Extensions},
其中:
(1)RS_Number表示编号路段的编号;
(2)RS_Name表示编号路段的名称;
(3)RS_Direction表示编号路段的行车方向,每条道路都有两个行车方向,两个行车方向分别为上行和下行;
(4)RS_Road Grade表示编号路段的等级;
(5)RS_Lane Number表示编号路段车道数量;
(6)RS_Lane Type表示编号路段车道类型;
(7)RS_Length表示编号路段的长度;
(8)RS_Speed表示编号路段的限速;
(9)RS_Extensions为扩展项,根据不同路段元素所包含的具体信息,若前8项无法将其信息表述清楚,将剩余内容都在此扩展项中进行描述和解释,若前8项能够表述清楚,则此扩展项内容为空,不用显示。
3.根据权利要求1所述的一种用于车辆导航的行车路径规划方法,其特征在于:所述行驶时间计算系统包括标准行驶时间计算系统和实际行驶时间计算系统,通过标准行驶时间计算系统计算出标准行驶时间,通过实际行驶时间计算系统计算出实际行驶时间,所述标准行驶时间是指车辆按照每个编号路段的限速行驶,从出发地到达目的地需要的时间,所述实际行驶时间是指分别计算每个编号路段车辆通过的时间,然后将行车路径下所有编号路段车辆通过的时间加和,即为行车路径下车辆的实际行驶时间,标准行驶时间和实际行驶时间都包含车辆遇到红绿灯时的等待时间,已知交通信号灯是按照事先设定的配时方案运行,变化周期是固定的,通过计算车辆到达路口的时间和此时路口交通信号灯的状态,得出车辆在路口等待红绿灯的时间。
4.根据权利要求1所述的一种用于车辆导航的行车路径规划方法,其特征在于:所述j车道车辆的平均速度在计算的过程中出现以下特殊情况:
(1)当车辆按照规划路径在车道j上行驶时没有车辆通过,则将此车道的限速作为车道车辆的平均速度;
(2)当车道j在车辆路径规划时有车辆的速度为零时,若速度为零的车辆的位置靠近交通信号灯,则认为此车辆正在等待红灯,此时车辆的速度不作为计算车道平均速度的参考数据;
(3)由于不是所有在道路上行驶的车辆都能被云端服务器采集到相关信息,针对此种情况,以云端服务器能采集到的车辆的信息为准。
5.根据权利要求1所述的一种用于车辆导航的行车路径规划方法,其特征在于:所述行车路径优化系统包括主动规划系统和被动规划系统;
所述主动规划系统是指车辆在按照行车路径行驶过程中,以下一个编号路段的起始点作为车辆的出发点主动重新规划行车路径,并对每条路径进行裁剪和编号,计算车辆行驶的实际时间,选出用时最短的行车路径,并将此最短路径与最初行车路径在同一编号开始到达目的地的实际行驶时间进行比较,选择用时最短的行车路径作为车辆的最新行车路径,按照上述方式,当车辆进入一个编号路段的同时以下一个编号路段的起始点为出发点重新进行路径规划,并按照上面的方法选出最佳行车路径,直到车辆进入最后一个编号路段,结束主动规划;
所述被动规划系统是指当某路段出现交通拥堵、交通事故、道路封堵特殊情况,在该路段行驶的车辆并没有将实时路况信息上传至云端时,会导致在主动规划时将该路段的路况信息按照正常情况考虑,出现错误的规划,当出现这种情况时,需要通过被动规划来调整行车路径;
车辆在行驶过程中,路况信息是实时变化的,当行驶的路段出现交通拥堵、交通事故、道路封堵特殊情况时,车辆的行车路径需要做出调整:当车辆所在车道发生特殊情况时,车辆改变行驶方向,进入下一个路段后,以此路段作为出发点重新规划行车路径;当该路段出现大面积拥堵或者因交通事故进行交通管制时,车辆按照原行车路径并根据现场交警的指挥行驶。
6.根据权利要求5所述的一种用于车辆导航的行车路径规划方法,其特征在于:所述被动规划系统中,某一路段是否发生交通拥堵是通过标准行驶时间与实际行驶时间的关系来判断的,如果实际行驶时间超过标准行驶时间的两倍及以上,则认为路段发生交通拥堵。
7.根据权利要求1所述的一种用于车辆导航的行车路径规划方法,其特征在于:所述云端服务器内设有信号收发模块,所述车载终端双向信号连接信号收发模块,信号收发模块双向电性连接数据分析系统,数据分析系统双向电性连接高精地图系统。
8.根据权利要求1所述的一种用于车辆导航的行车路径规划方法,其特征在于:所述云端数据库位于云端服务器内,且云端服务器包括云端数据库、行车方案规划系统和临时数据库文件,行车方案规划系统从云端数据库提取相关数据信息,通过基于启发式搜索算法规划行车路径,并将行车路径裁剪成不同的编号路段,对路径中的编号路段进行编号。
CN201611245421.6A 2016-12-29 2016-12-29 一种用于车辆导航的行车路径规划方法 Active CN106679685B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611245421.6A CN106679685B (zh) 2016-12-29 2016-12-29 一种用于车辆导航的行车路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611245421.6A CN106679685B (zh) 2016-12-29 2016-12-29 一种用于车辆导航的行车路径规划方法

Publications (2)

Publication Number Publication Date
CN106679685A CN106679685A (zh) 2017-05-17
CN106679685B true CN106679685B (zh) 2020-07-17

Family

ID=58872395

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611245421.6A Active CN106679685B (zh) 2016-12-29 2016-12-29 一种用于车辆导航的行车路径规划方法

Country Status (1)

Country Link
CN (1) CN106679685B (zh)

Families Citing this family (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106991837A (zh) * 2017-05-28 2017-07-28 佛山市神风航空科技有限公司 一种智能地图服务
CN107449435B (zh) * 2017-06-30 2020-10-09 百度在线网络技术(北京)有限公司 导航方法及装置
CN107389076B (zh) * 2017-07-01 2020-08-21 兰州交通大学 一种适用于智能网联汽车的节能实时动态路径规划方法
CN107490384B (zh) * 2017-08-17 2020-06-23 湖北文理学院 一种基于城市路网的最优静态路径选择方法
CN107265230A (zh) * 2017-08-22 2017-10-20 刘永 一种电梯安全监管物联网系统
CN107380160A (zh) * 2017-08-30 2017-11-24 重庆凯泽科技股份有限公司 一种汽车自动控制系统及控制方法
US10571921B2 (en) * 2017-09-18 2020-02-25 Baidu Usa Llc Path optimization based on constrained smoothing spline for autonomous driving vehicles
US10591926B2 (en) * 2017-09-18 2020-03-17 Baidu Usa Llc Smooth road reference for autonomous driving vehicles based on 2D constrained smoothing spline
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
CN108229763A (zh) * 2018-03-27 2018-06-29 四川国际招标有限责任公司 一种智能在线招投标系统
CN108871363B (zh) * 2018-06-15 2020-10-23 杭州后博科技有限公司 一种基于历史骑行数据的非机动车道路况判断方法及系统
CN108615389A (zh) * 2018-06-15 2018-10-02 邵文远 一种城市交通拥堵预测预防系统
CN109341710A (zh) * 2018-08-30 2019-02-15 上海大学 不确定环境的交通网上快速抵达目的地的动态规划法
CN109211257B (zh) * 2018-08-31 2021-07-16 北京图森智途科技有限公司 一种无人驾驶车行驶路线规划方法和系统
CN109299822A (zh) * 2018-09-21 2019-02-01 中国联合网络通信集团有限公司 车辆调度方法、装置、系统及存储介质
CN111060120A (zh) * 2018-10-17 2020-04-24 上海博泰悦臻网络技术服务有限公司 导航方法、装置及车辆
CN109300308B (zh) * 2018-10-23 2021-08-20 杭州翔毅科技有限公司 一种基于动态交通图谱分析的智能管理平台
CN109377776A (zh) * 2018-10-23 2019-02-22 王龙 一种智能管理平台
CN109656248A (zh) * 2018-11-30 2019-04-19 五方智能车科技有限公司 一种用于智能车路况分析的测试系统
CN110782648B (zh) * 2018-12-03 2022-02-18 北京嘀嘀无限科技发展有限公司 确定预计到达时间的系统和方法
CN109781125A (zh) * 2018-12-17 2019-05-21 安徽酷哇机器人有限公司 基于交通信号灯识别的路径规划方法
CN109489679B (zh) * 2018-12-18 2019-12-17 成佳颖 一种导航路径中的到达时间计算方法
CN111366166B (zh) * 2018-12-25 2022-07-05 北京嘀嘀无限科技发展有限公司 一种导航路径规划方法及装置
CN111435249B (zh) * 2019-01-10 2023-12-15 招商局国际科技有限公司 无人驾驶设备的控制方法、装置、设备和存储介质
CN110136438A (zh) * 2019-05-15 2019-08-16 武汉纵横智慧城市股份有限公司 基于人工智能的道路切换方法、装置、设备及存储介质
CN110597247B (zh) * 2019-08-22 2022-12-06 广州智湾科技有限公司 一种多车辆避障路径规划方法
CN110631600A (zh) * 2019-09-25 2019-12-31 的卢技术有限公司 一种基于云计算的堵车风险预测方法及系统
CN110595493A (zh) * 2019-09-25 2019-12-20 北京蓦然认知科技有限公司 一种实时动态路径规划方法和装置
CN111653085A (zh) * 2019-11-18 2020-09-11 摩登汽车有限公司 交通管控系统和方法
CN111210647B (zh) * 2020-01-18 2021-01-19 杭州后博科技有限公司 一种基于智慧灯杆的行进控制方法及系统
CN111337041A (zh) * 2020-02-25 2020-06-26 深圳震有科技股份有限公司 一种电子导航路线的生成方法、智能终端及存储介质
CN111426330B (zh) * 2020-03-24 2022-03-15 江苏徐工工程机械研究院有限公司 路径生成方法和设备、无人化运输系统和存储介质
CN111554153B (zh) * 2020-05-14 2023-04-25 北京工业大学 智能交通教学、科研与展示一体化综合实验平台
CN111968371B (zh) * 2020-08-19 2023-01-24 西南交通大学 一种基于等时定位监测的道路通行时间估计系统及方法
CN112185151A (zh) * 2020-09-15 2021-01-05 上海思寒环保科技有限公司 一种智能路径规划方法及系统
CN112216130B (zh) * 2020-09-30 2022-07-26 长沙理工大学 一种车路协同环境下的应急车辆诱导方法
CN112802356B (zh) * 2020-12-30 2022-01-04 深圳市微网力合信息技术有限公司 一种基于物联网的车辆自动驾驶方法及终端
CN113487866A (zh) * 2021-06-30 2021-10-08 重庆电子工程职业学院 基于多源异构数据融合技术的交通管理系统
CN113670308B (zh) * 2021-07-14 2024-01-02 华为技术有限公司 引导车辆行驶的方法及相关系统、存储介质
CN113954868B (zh) * 2021-10-08 2023-04-25 南京航空航天大学 一种基于时空交通模型的车道级路径规划方法及系统
CN113762813B (zh) * 2021-11-09 2022-04-08 佛山市消防救援支队 一种消防救援实时指挥系统
CN114137973B (zh) * 2021-11-26 2024-05-07 湖北亿纬动力有限公司 一种路径规划的方法、装置、设备及存储介质
CN114518124B (zh) * 2022-04-20 2022-07-15 四川九通智路科技有限公司 一种车辆行驶线路规划方法及规划系统
CN115526385B (zh) * 2022-09-13 2024-04-16 成都飞机工业(集团)有限责任公司 一种仓储物流配送路径规划方法、装置、设备及介质
CN116030635B (zh) * 2023-03-22 2023-06-30 山东工程职业技术大学 用于智能消防车的智能网联通行决策模块

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102607584A (zh) * 2012-03-19 2012-07-25 中国联合网络通信集团有限公司 行车路径导航方法、设备和系统
CN102679990A (zh) * 2011-03-16 2012-09-19 高德软件有限公司 导航方法和装置
CN103557870A (zh) * 2013-10-09 2014-02-05 董路 一种动态轨迹导航方法及云平台
CN104457770A (zh) * 2014-08-21 2015-03-25 胡泓涛 一种拥堵预判和行驶路径规划的方法及行驶路径规划的系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8868339B2 (en) * 2012-03-29 2014-10-21 Xerox Corporation System and method for dynamic route guidance
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102679990A (zh) * 2011-03-16 2012-09-19 高德软件有限公司 导航方法和装置
CN102607584A (zh) * 2012-03-19 2012-07-25 中国联合网络通信集团有限公司 行车路径导航方法、设备和系统
CN103557870A (zh) * 2013-10-09 2014-02-05 董路 一种动态轨迹导航方法及云平台
CN104457770A (zh) * 2014-08-21 2015-03-25 胡泓涛 一种拥堵预判和行驶路径规划的方法及行驶路径规划的系统

Also Published As

Publication number Publication date
CN106679685A (zh) 2017-05-17

Similar Documents

Publication Publication Date Title
CN106679685B (zh) 一种用于车辆导航的行车路径规划方法
CN110164122B (zh) 用于路口的车辆列队系统控制
JP7216534B2 (ja) 自動運転支援装置
JP6784734B2 (ja) 自動運転支援装置
US10043393B2 (en) Optimal warning distance
US20190078899A1 (en) Trajectory Planning for an Autonomous Vehicle
AU2007257328B2 (en) System and method for improved road information
US20170356746A1 (en) Route Planning for an Autonomous Vehicle
US9336682B2 (en) Navigation system for vehicle and navigation service method for the same
US20160328968A1 (en) Running red lights avoidance and virtual preemption system
Miwa et al. Route identification and travel time prediction using probe-car data
CN107490384B (zh) 一种基于城市路网的最优静态路径选择方法
CN109615887A (zh) 智慧交通网络系统信号指引方法
CN103278168A (zh) 一种面向交通热点规避的路径规划方法
US20200292338A1 (en) Dangerous lane strands
CN110349420B (zh) 一种基于数据分析的智能路况管理系统
CN111397631A (zh) 一种导航路径的规划方法、装置和导航设备
US11964669B2 (en) System, method, and computer program product for topological planning in autonomous driving using bounds representations
JP2011038794A (ja) 経路探索装置、経路探索方法、コンピュータプログラム及び地図データベース
JP4222106B2 (ja) ナビゲーションシステム及びナビゲーションプログラム
US20210348932A1 (en) Systems and methods for coordinating traffic lights
CN105806355A (zh) 一种车辆绿色路径导航系统及方法
JP2012247326A (ja) 歩行経路案内装置及びシステム
CN108470455B (zh) 一种公交优先系统及控制方法
Gedawy et al. Dynamic path planning and traffic light coordination for emergency vehicle routing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant