CN107101645A - 一种路径规划方法及路径规划装置 - Google Patents
一种路径规划方法及路径规划装置 Download PDFInfo
- Publication number
- CN107101645A CN107101645A CN201710312363.2A CN201710312363A CN107101645A CN 107101645 A CN107101645 A CN 107101645A CN 201710312363 A CN201710312363 A CN 201710312363A CN 107101645 A CN107101645 A CN 107101645A
- Authority
- CN
- China
- Prior art keywords
- mrow
- path
- transport information
- current path
- subpath
- 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.)
- Granted
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
- G01C21/3492—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)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种路径规划方法，属于路径规划技术领域，其可解决现有的导航规划路径为静态规划且综合考虑因素较少的问题。该路径规划方法包括：S1、接收用户发送的关于路径规划的请求信息；S2、根据请求信息确定一条由源点到目的点的当前路径，令迭代次数k为0；S3、采集各子路径的交通信息，形成各子路径的交通信息向量并将其映射入交通信息向量矩阵；S4、根据当前路径中的各子路径的交通信息向量及k判断当前路径是否满足第一预设条件，满足则向用户发送当前路径，否则执行S5；S5、将k加1，根据交通信息向量矩阵得出预估交通信息向量矩阵，根据预估交通信息向量矩阵对当前路径优化调度，得到新的当前路径，并返回S3。
Description
技术领域
本发明属于路径规划技术领域，具体涉及一种路径规划方法及路径规划装置。
背景技术
随着社会的飞速发展，城市规模的不断扩大，城市交通也在快速增长的同时也产生了许多交通问题，例如交通网络复杂、交通拥堵频繁等问题。这些问题的存在使人们难以选择有效的出行路径，给人们带来困扰的同时也浪费了人们的时间。
现有技术当中，通常使用地图导航系统解决上述问题。导航系统可以帮助人们寻找从出发地到达目的地的最优路径，其核心是路径规划。
发明人发现现有技术中至少存在如下问题：导航系统通常是按照系统中保存的电子地图直接进行静态规划，而路况是实时变化的；导航系统在进行路径规划时，综合考虑因素较少。因此，现有技术中，导航系统规划的路径通常都不是最优的路径。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一，提供一种能够综合多方面交通信息实时对路径进行规划，从而尽可能地为用户提供最优路径的路径规划方法。
解决本发明技术问题所采用的技术方案是一种路径规划方法，包括：
S01、接收用户发送的关于路径规划的请求信息，所述请求信息包括源点、目的点；
S02、根据所述请求信息确定一条由源点到目的点的路径作为当前路径，令迭代次数k为0；
S03、采集各子路径的交通信息，形成各子路径的交通信息向量并将所述交通信息向量映射入交通信息向量矩阵；
S04、根据所述当前路径中的各子路径的交通信息向量及所述迭代次数k判断所述当前路径是否满足第一预设条件，当所述当前路径满足所述第一预设条件时，向用户发送所述当前路径，否则执行S05；
S05、将所述迭代次数k加1，根据所述交通信息向量矩阵得出预估交通信息向量矩阵；
S06、根据所述预估交通信息向量矩阵对所述当前路径进行优化调度，得到新的当前路径，并返回S03。
优选的，所述第一预设条件包括：所述当前路径中的各子路径的交通信息向量满足路径评价函数或者所述迭代次数k大于预设的最大迭代次数d。
进一步优选的，所述交通信息向量包括畅通度、舒适度、交通成本；
所述路径评价函数为：
其中，Pij、Cij、Wij分别为交通节点i和j之间的子路径当前的畅通度、舒适度、交通成本；分别为当前全部Pij、Cij、Wij的平均值；在第k次迭代中，若所述当前路径包括所述交通节点i和j之间的子路径，则xij k＝1，否则xij k＝0，且θ为调整因子，且θ∈(0,1)。
进一步优选的，所述S05、将所述迭代次数k加1，根据所述交通信息向量矩阵得出预估交通信息向量矩阵包括：
将所述迭代次数k加1；
计算各所述子路径的预估交通信息向量将预估交通信息向量映射入预估交通信息向量矩阵Mk(G)，所述预估交通信息向量矩阵Mk(G)为有向正权连通图存储矩阵；
所述S06、根据所述预估交通信息向量矩阵对所述当前路径进行优化调度，得到新的当前路径，并返回S03包括：
根据所述预估交通信息向量计算交通节点i和j之间的子路径的优化调度函数值
根据所述优化调度函数值和所述预估交通信息向量矩阵Mk(G)规划路径，得到新的当前路径；
返回S03；
所述优化调度函数为：
其中，分别为交通节点i和j之间的子路径的第k次迭代的预估畅通度、预估舒适度、预估交通成本；Gij＝{Pij,Cij,Wij}； α，β，γ均为调整因子，且α，β，γ∈(0，1)，α+β+γ＝1。
进一步优选的，所述根据所述优化调度函数值和所述预估交通信息向量矩阵Mk(G)规划路径，得到新的当前路径包括：
S501、在所述预估交通信息向量矩阵Mk(G)中，寻找源点与各交通节点所构成的子路径中的所述优化调度函数值最大的子路径，并将其作为当前路径，令所述当前路径的终点的交通节点为当前节点；
S502、判断所述当前节点是否为所述目的点，若是，则执行S03；若否，则执行S503；
S503、在所述预估交通信息向量矩阵Mk(G)中，寻找所述当前节点与除所述当前路径中的交通节点外的各交通节点所构成的子路径中所述优化调度函数值最大的子路径，并将其加入所述当前路径，令所述当前路径的终点的交通节点为当前节点；
S504、判断所述当前路径是否为所述源点到所述当前节点的预估路径；所述预估路径为所述源点到所述当前节点的路径中，各个所述子路径的优化调度函数值之和最大的一条路径；若否，则以所述预估路径为当前路径并返回S502，若是，则直接返回S502。
解决本发明技术问题所采用的另一种技术方案是一种路径规划装置，包括：
接收模块，用于接收用户发送的关于路径规划的请求信息，所述请求信息包括源点、目的点；
初始规划模块，用于根据所述请求信息确定一条由源点到目的点的路径作为当前路径，令迭代次数k为0；
采集模块，用于采集各子路径的交通信息，形成各子路径的交通信息向量并将所述交通信息向量映射入交通信息向量矩阵；
判断模块，用于根据所述当前路径中的各子路径的交通信息向量及所述迭代次数k判断所述当前路径是否满足第一预设条件；
发送模块，用于当所述当前路径满足所述第一预设条件时，向用户发送所述当前路径；
计算模块，用于当所述当前路径不满足所述第一预设条件时，将所述迭代次数k加1，根据所述交通信息向量矩阵得出预估交通信息向量矩阵；
优化调度模块，用于根据所述预估交通信息向量矩阵对所述当前路径进行优化调度，得到新的当前路径。
优选的，所述第一预设条件包括：所述当前路径中的各子路径的交通信息向量满足路径评价函数或者所述迭代次数k大于预设的最大迭代次数d。
进一步优选的，所述交通信息向量包括畅通度、舒适度、交通成本；
所述路径评价函数为：
其中，Pij、Cij、Wij分别为交通节点i和j之间的子路径当前的畅通度、舒适度、交通成本；分别为当前全部Pij、Cij、Wij的平均值；在第k次迭代中，若所述当前路径包括所述交通节点i和j之间的子路径，则xij k＝1，否则xij k＝0，且θ为调整因子，且θ∈(0,1)。
进一步优选的，所述计算模块具体用于，
当所述当前路径不满足所述第一预设条件时，将所述迭代次数k加1；
计算各所述子路径的预估交通信息向量将预估交通信息向量映射入预估交通信息向量矩阵Mk(G)，所述预估交通信息向量矩阵Mk(G)为有向正权连通图存储矩阵；
所述优化调度模块具体用于，
根据所述预估交通信息向量计算交通节点i和j之间的子路径的优化调度函数值
根据所述优化调度函数值和所述预估交通信息向量矩阵Mk(G)规划路径，得到新的当前路径；
所述优化调度函数为：
其中，分别为交通节点i和j之间的子路径的第k次迭代的预估畅通度、预估舒适度、预估交通成本；Gij＝{Pij,Cij,Wij}； α，β，γ均为调整因子，且α，β，γ∈(0，1)，α+β+γ＝1。
进一步优选的，所述根据所述优化调度函数值和所述预估交通信息向量矩阵Mk(G)规划路径，得到新的当前路径包括：
S501、在所述预估交通信息向量矩阵Mk(G)中，寻找源点与各交通节点所构成的子路径中的所述优化调度函数值最大的子路径，并将其作为当前路径，令所述当前路径的终点的交通节点为当前节点；
S502、判断所述当前节点是否为所述目的点，若是，则执行S03；若否，则执行S503；
S503、在所述预估交通信息向量矩阵Mk(G)中，寻找所述当前节点与除所述当前路径中的交通节点外的各交通节点所构成的子路径中所述优化调度函数值最大的子路径，并将其加入所述当前路径，令所述当前路径的终点的交通节点为当前节点；
S504、判断所述当前路径是否为所述源点到所述当前节点的预估路径；所述预估路径为所述源点到所述当前节点的路径中，各个所述子路径的优化调度函数值之和最大的一条路径；若否，则以所述预估路径为当前路径并返回S502，若是，则直接返回S502。
本发明的路径规划方法，根据用户发送的请求信息结合各子路径的实时交通信息为用户规划路径，并对该路径进行评价、优化调度，从而尽可能地为用户规划出最优路径，给用户出行提供了便利。
附图说明
图1为本发明的实施例1的一种路径规划方法的流程图；
图2为本发明的实施例2的一种路径规划方法的流程图；
图3为本发明的实施例2的一种路径规划方法的S207的流程图；
图4为本发明的实施例3的一种路径规划装置的框图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步详细描述。
实施例1：
如图1所示，本实施例提供一种路径规划方法，能够综合多方面交通信息实时对路径进行规划，从而尽可能地为用户提供最优路径。
需要说明的是，本实施例中的最优路径，并不一定只有一条，而是指满足一定条件的路径。
该路径规划方法具体包括：
S101、接收用户发送的关于路径规划的请求信息，请求信息包括源点、目的点。
S102、根据请求信息确定一条由源点到目的点的路径作为当前路径，令迭代次数k为0。
S103、采集各子路径的交通信息，形成各子路径的交通信息向量并将交通信息向量映射入交通信息向量矩阵。
S104、根据当前路径中的各子路径的交通信息向量及迭代次数k判断当前路径是否满足第一预设条件，当当前路径满足第一预设条件时，执行S107，否则执行S105。
S105、将迭代次数k加1，根据交通信息向量矩阵得出预估交通信息向量矩阵。
S106、根据预估交通信息向量矩阵对当前路径进行优化调度，得到新的当前路径，并返回S103。
S107、向用户发送当前路径。
本实施例提供了一种路径规划方法，根据用户发送的请求信息结合各子路径的实时交通信息为用户规划路径，并对该路径进行评价、优化调度，从而尽可能地为用户规划出最优路径，给用户出行提供了便利。
实施例2：
如图2和图3所示，本实施例提供一种路径规划方法，能够综合多方面交通信息实时对路径进行规划，从而尽可能地为用户提供最优路径。
需要说明的是，本实施例中的最优路径，是指满足一定条件的路径。
该路径规划方法具体包括：
S201、用户向路径规划装置(云数据中心)发送包含源点、目的点的请求信息。
其中，用户是指需要进行路径规划的人或者其它客体，也就是说，该用户可以是是出租车用户，也可以是出租车、自行车、地铁等用户。
优选的，请求信息中，除源点、目的点外，还可以包括途经点，即用户要求到达目的点之前必须经过的交通节点，该途经点可以为一个或者多个。进一步优选的，请求信息中包含途经点的途经顺序信息。
具体的，当请求信息中包含途经点时，满足请求信息的路径可以看作是由源点到途经点1、途经点1到途经点2、途经点2到途经点3……途经点n-1到途经点n，途经点n到目的点的多段最优路径组成的路径，故该请求信息可以看作包含多个源点(各段路径中的起点)和目的点(各段路径中的终点)的多个请求，之后分别对每个请求按以下方式进行处理，每个请求有各自的起点和目的点(均可能为实际的途经点)。
优选的，请求信息中还包括用户出行方式信息，从而能够使路径规划装置在进行路径规划时可以根据不同用户的出行方式针对性地提出最优路径，例如，满足从源点A到目的点B的多条路经中，步行方式出行对应的最优路径不一定会是乘车出行的最优路径。
用户在向路径规划装置发送请求信息时，可以通过基站实现，该基站优选为云基站。优选的，用户将请求发送至基站的接收栈中。
S202、路径规划装置接收用户的发送的请求信息。
路径规划装置是指用于处理请求信息并得出最优路径的设备，其可以通过基站接收获取用户所发送的请求信息。优选的，路径规划装置从基站的接收栈中获取请求信息。接收栈按照先入先出的方式获取请求信息，也就是说，路径规划装置按照请求信息到达的时间顺序逐条获取请求信息。
优选的，路径规划装置在获取请求信息后，会对请求信息赋予优先等级，例如对被延误的请求信息赋予较高的优先等级，路径规划装置优先处理优先等级较高的请求信息。
优选的，路径规划装置在接收请求信息后，会向发送该请求信息的用户发送确认信息，从而无需用户多次发送请求信息。
S203、路径规划装置根据请求信息确定一条由源点到目的点的路径作为当前路径，令迭代次数k为0。
满足请求信息(即从源点出发到达目的点或者从源点出发经由途径点到达目的点)的路径通常有多条，路径规划装置在进行第一次路径规划时，会从多条路径中随机确定一条路径作为当前路径。当然，该当前路径并不一定是最优路径，最终发送给用户的路径也不一定是该当前路径。由于该当前路径并不一定是最优路径，可能需要对其进行优化调度，故令迭代次数k为0，即用迭代次数k表示当前路径的优化调度次数。
S204、路径规划装置采集各子路径的交通信息，形成各子路径的交通信息向量并映射入交通信息向量矩阵。
其中，子路径为各相邻交通节点间的路径，交通节点可以为交通路口，交通信息为子路径的拥堵情况、道路平整度等，这些交通信息可以作为选择路径的考虑因素。优选的，交通信息为子路径实时的畅通度P和舒适度C以及成本权重W。子路径的畅通度P是对子路径的交通拥堵情况的评价，可以用该段路径的道路宽度、实时车辆数量等信息判断，例如单位时间内子路径的车流量。舒适度C可以为子路径的用户体验感受，可以用子路径的路面平坦程度、减速路障设置数量等信息判断。成本权重W可以为通过子路径的交通费用。
优选的，路径规划装置采集各子路径的交通信息可以是路径规划装置接收各交通节点每隔预置时间主动上报的交通信息，或者路径规划装置定期向各交通节点发出询问，从而根据相邻交通节点的交通信息获取子路径的交通信息。可以理解的是，采集时间间隔可以根据实际情况设置，在此不做具体限定。
路径规划装置可以通过云基站采集各交通节点的交通信息，其中可以是一个云基站对应多个交通节点，也可以是一个云基站对应一个交通节点，在此不做限定。
将采集到的交通信息转换为各子路径的交通信息向量，并映射入交通信息向量矩阵，从而便于进行数学计算。优选的，交通信息向量Gij＝{Pij,Cij,Wij}，其中，Pij、Cij、Wij分别为交通节点i和j之间的子路径的畅通度、舒适度、交通成本。
进一步优选的，交通信息向量矩阵为有向正权连通图存储矩阵其中，Gij i＝1,2,3...m，j＝1,2,3...n为有向正权连通图存储矩阵M(G)的元素。
可以理解的是，有向正权连通图存储矩阵中存储有方向信息，从而有助于选择路径。
S205、根据当前路径中的各子路径的交通信息向量及迭代次数k判断当前路径是否满足第一预设条件，当满足第一预设条件时，执行S208，否则执行S206。
由于交通信息是实时变化的，故当前路径不一定为当前情况下的最优路径。本步骤当中，路径规划装置根据各子路径的实时交通信息向量利用第一预设条件对当前路径进行评价，判断其是否为最优路径。
第一预设条件优选为：当前路径中的各子路径的交通信息向量满足路径评价函数或者迭代次数k大于预设的最大迭代次数d。
其中，路径评价函数基于多目标优化、博弈论、工程统计学及最短路径等理论建立，将实时采集到的当前路径中的各子路径的交通信息向量代入其中，可对当前路径的优劣程度进行判断。当当前路径能够满足路径评价函数时，可以判断其为最优路径。
优选的，路径评价函数为：
其中，分别为Pij、Cij、Wij的平均值；在第k次迭代中，若当前路径包括交通节点i和j之间的子路径，则xij k＝1，否则xij k＝0，且 以保证当前路径中没有重复的子路径。θ为调整因子，且θ∈(0，1)。可以理解的是，θ可以根据不同用户的不同请求设置不同的值，在此不做限定。
或者，当迭代次数k大于预设的最大迭代次数d，即当前路径的优化调度次数达到一定值时，默认当前路径为优路径。之所以这样设置，是因为通常情况下，当迭代次数达到一定值时，优化调度后的当前路径理论上可以满足或者接近最优路径，因此默认当前路径为优路径，可以避免无限次优化调度，浪费用户的时间。优选的，最大迭代次数d＝50，当然，此处最大迭代次数d可以人为根据经验及实际情况设置，在此不做具体限制。
S206、将迭代次数k加1，根据交通信息向量矩阵得出预估交通信息向量矩阵。
由于各子路径的交通信息是实时变化的，故在优化调度路径时会对交通信息进行预估，得到预估交通信息向量，并将其映射入预估交通信息向量矩阵，从而根据预估交通信息向量矩阵去选择路径，进而使优化调度后的路径尽可能达到最优。
优选的，根据预估模型得到预估交通信息向量映射入预估交通信息向量矩阵
优选的，该预估模型为：
其中，预估交通信息向量为预估交通信息向量矩阵Mk(G)的元素，i＝1,2,3...m，j＝1,2,3...n，分别为第k次迭代中交通节点i和j之间的子路径的预估畅通度、预估舒适度、预估交通成本；和Φij分别是Gij绝对均值差期望向量和绝对均值差方差向量，
S207、根据预估交通信息向量矩阵对当前路径进行优化调度，得到新的当前路径，并返回S204。
如图3所示，本步骤具体可以包括以下步骤：
S271、根据预估交通信息向量对各子路径进行优化调度评价。
优选的，利用优化调度函数及预估交通信息向量对各子路径进行评价。
进一步优选的，优化调度函数为：
其中，为第k次迭代中交通节点i和j之间的子路径的优化调度函数值；α，β，γ均为调整因子，且α，β，γ∈(0，1)，α+β+γ＝1。
子路径的优化调度函数值F(Gij)越大，表明该段子路径的优化调度评价结果越优。优选的，可以按照优化调度评价结果将以同一交通节点为起点的子路径进行排序，从而便于寻找最优路径。
S272、在预估交通信息向量矩阵中，寻找源点与各交通节点所构成的子路径中的优化调度评价结果最优的子路径，并将其作为当前路径，令当前路径的终点的交通节点为当前节点。
优选的，预估交通信息向量矩阵Mk(G)为有向正权连通图存储矩阵，“在预估交通信息向量矩阵中”是指根据预估交通信息向量矩阵Mk(G)中包含的各交通节点的方位信息选择子路径，以使最终选择的路径可以到达目的点。
S273、判断当前节点是否为目的点，若是，则执行步骤S204，若否，则执行S274。
若当前节点为目的点，则当前路径为满足请求信息的优化调度评价结果最优的路径，由于优化调度评价结果是根据预估交通信息得出的，故返回步骤S204采集实时的交通信息，从而利用实时交通信息判断当前路径是否为最优路径。
S274、寻找当前节点与除当前路径中的交通节点外的各交通节点所构成的子路径中优化调度结果最优的子路径，并将其加入当前路径，令当前路径的终点的交通节点为当前节点。
S275、判断当前路径是否为当前节点到源点的预估路径，该预估路径为源点到当前节点的路径中，各个子路径的优化调度函数值之和最大的一条路径，若否，则执行S276，若是，则直接返回S273。
S276、将预估路径作为当前路径，返回S273。
S208、路径规划装置将当前路径发送给用户。
也就是说，以S205中满足第一预设条件的当前路径(即第一个满足第一预设条件的路径)为最优路径，并将其作为路径规划的结果发送给用户，例如通过基站发送给用户。
优选的，如果请求信息中包括途经点，则按照上述步骤得出多条最优路径(不同的源点和目的点)，应将全部最优路径整合后发送给用户。
本实施例提供了一种路径规划方法，路径规划装置根据用户发送的请求信息为用户规划路径，其在规划路径时，综合多种因素，通过交通信息向量矩阵及迭代算法预估子路径的交通信息、对当前路径进行优化调度，并结合实时交通信息对当前路径进行评价、从而尽可能地为用户规划出最优路径，给用户出行提供了便利。
实施例3：
如图4所示，本实施例提供一种路径规划装置，可以根据实施例1和2所提供的路径规划方法进行路径规划。该路径规划装置包括：接收模块、初始规划模块、采集模块、判断模块、发送模块、计算模块以及优化调度模块。
其中，接收模块，用于接收用户发送的关于路径规划的请求信息，请求信息包括源点、目的点；初始规划模块，用于根据请求信息确定一条由源点到目的点的路径作为当前路径，令迭代次数k为0；采集模块，用于采集各子路径的交通信息，形成各子路径的交通信息向量并将交通信息向量映射入交通信息向量矩阵；判断模块，用于根据当前路径中的各子路径的交通信息向量及迭代次数k判断当前路径是否满足第一预设条件；发送模块，用于当当前路径满足第一预设条件时，向用户发送当前路径；计算模块，用于当当前路径不满足第一预设条件时，将迭代次数k加1，根据交通信息向量矩阵得出预估交通信息向量矩阵；优化调度模块，用于根据预估交通信息向量矩阵对当前路径进行优化调度，得到新的当前路径。
优选的，第一预设条件包括：当前路径中的各子路径的交通信息向量满足路径评价函数或者迭代次数k大于预设的最大迭代次数d。
进一步优选的，交通信息向量包括畅通度、舒适度、交通成本；路径评价函数为：
其中，Pij、Cij、Wij分别为交通节点i和j之间的子路径当前的畅通度、舒适度、交通成本；分别为当前全部Pij、Cij、Wij的平均值；在第k次迭代中，若当前路径包括交通节点i和j之间的子路径，则xij k＝1，否则xij k＝0，且θ为调整因子，且θ∈(0,1)。
进一步优选的，计算模块具体用于，当当前路径不满足第一预设条件时，将迭代次数k加1；计算各子路径的预估交通信息向量并将其映射入预估交通信息向量矩阵Mk(G)，预估交通信息向量矩阵Mk(G)为有向正权连通图存储矩阵；优化调度模块具体用于，根据预估交通信息向量计算交通节点i和j之间的子路径的优化调度函数值根据优化调度函数值和预估交通信息向量矩阵Mk(G)规划路径，得到新的当前路径；优化调度函数为：
其中，分别为交通节点i和j之间的子路径的第k次迭代的预估畅通度、预估舒适度、预估交通成本；Gij＝{Pij,Cij,Wij}； α，β，γ均为调整因子，且α，β，γ∈(0，1)，α+β+γ＝1。
进一步优选的，根据优化调度函数值和预估交通信息向量矩阵Mk(G)规划路径，得到新的当前路径包括：S501、在预估交通信息向量矩阵Mk(G)中，寻找源点与各交通节点所构成的子路径中的优化调度函数值最大的子路径，并将其作为当前路径，令当前路径的终点的交通节点为当前节点；S502、判断当前节点是否为目的点，若是，则执行S03；若否，则执行S503；S503、在预估交通信息向量矩阵Mk(G)中，寻找当前节点与除当前路径中的交通节点外的各交通节点所构成的子路径中优化调度函数值最大的子路径，并将其加入当前路径，令当前路径的终点的交通节点为当前节点；S504、判断当前路径是否为源点到当前节点的预估路径，该预估路径为源点到当前节点的路径中，各个子路径的优化调度函数值之和最大的一条路径；若否，则以预估路径为当前路径并返回S502，若是，则直接返回S502。
本实施例提供了一种路径规划装置，可以通过实施例1和2提供的路径规划方法进行路径规划，根据用户发送的请求信息结合各子路径的实时交通信息为用户规划路径，并对该路径进行评价、优化调度，从而尽可能地为用户规划出最优路径，给用户出行提供了便利。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种路径规划方法，其特征在于，包括：
S01、接收用户发送的关于路径规划的请求信息，所述请求信息包括源点、目的点；
S02、根据所述请求信息确定一条由源点到目的点的路径作为当前路径，令迭代次数k为0；
S03、采集各子路径的交通信息，形成各子路径的交通信息向量并将所述交通信息向量映射入交通信息向量矩阵；
S04、根据所述当前路径中的各子路径的交通信息向量及所述迭代次数k判断所述当前路径是否满足第一预设条件，当所述当前路径满足所述第一预设条件时，向用户发送所述当前路径，否则执行S05；
S05、将所述迭代次数k加1，根据所述交通信息向量矩阵得出预估交通信息向量矩阵；
S06、根据所述预估交通信息向量矩阵对所述当前路径进行优化调度，得到新的当前路径，并返回S03。
2.根据权利要求1所述的路径规划方法，其特征在于，
所述第一预设条件包括：所述当前路径中的各子路径的交通信息向量满足路径评价函数或者所述迭代次数k大于预设的最大迭代次数d。
3.根据权利要求2所述的路径规划方法，其特征在于，
所述交通信息向量包括畅通度、舒适度、交通成本；
所述路径评价函数为：
<mrow>
<mi>&theta;</mi>
<mo>*</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</mfrac>
<mo>*</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>*</mo>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>k</mi>
</msubsup>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>C</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>*</mo>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>k</mi>
</msubsup>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>W</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>*</mo>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>k</mi>
</msubsup>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>&le;</mo>
<mfrac>
<mn>1</mn>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>k</mi>
</msubsup>
</mrow>
</mfrac>
<mo>*</mo>
<msub>
<mi>&eta;</mi>
<mn>2</mn>
</msub>
</mrow>
其中，Pij、Cij、Wij分别为交通节点i和j之间的子路径当前的畅通度、舒适度、交通成本； 分别为当前全部Pij、Cij、Wij的平均值；在第k次迭代中，若所述当前路径包括所述交通节点i和j之间的子路径，则xij k＝1，否则xij k＝0，且θ为调整因子，且θ∈(0,1)。
4.根据权利要求3所述的路径规划方法，其特征在于，
所述S05、将所述迭代次数k加1，根据所述交通信息向量矩阵得出预估交通信息向量矩阵包括：
将所述迭代次数k加1；
计算各所述子路径的预估交通信息向量将预估交通信息向量映射入预估交通信息向量矩阵Mk(G)，所述预估交通信息向量矩阵Mk(G)为有向正权连通图存储矩阵；
所述S06、根据所述预估交通信息向量矩阵对所述当前路径进行优化调度，得到新的当前路径，并返回S03包括：
根据所述预估交通信息向量计算交通节点i和j之间的子路径的优化调度函数值
根据所述优化调度函数值和所述预估交通信息向量矩阵Mk(G)规划路径，得到新的当前路径；
返回S03；
所述优化调度函数为：
<mrow>
<mi>F</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>k</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msqrt>
<mrow>
<mi>&alpha;</mi>
<mo>*</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mi>&beta;</mi>
<mo>*</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>C</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mi>&gamma;</mi>
<mo>*</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>W</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
其中， 分别为交通节点i和j之间的子路径的第k次迭代的预估畅通度、预估舒适度、预估交通成本；Gij＝{Pij,Cij,Wij}； α，β，γ均为调整因子，且α，β，γ∈(0，1)，α+β+γ＝1。
5.根据权利要求4所述的路径规划方法，其特征在于，所述根据所述优化调度函数值和所述预估交通信息向量矩阵Mk(G)规划路径，得到新的当前路径包括：
S501、在所述预估交通信息向量矩阵Mk(G)中，寻找源点与各交通节点所构成的子路径中的所述优化调度函数值最大的子路径，并将其作为当前路径，令所述当前路径的终点的交通节点为当前节点；
S502、判断所述当前节点是否为所述目的点，若是，则执行S03；若否，则执行S503；
S503、在所述预估交通信息向量矩阵Mk(G)中，寻找所述当前节点与除所述当前路径中的交通节点外的各交通节点所构成的子路径中所述优化调度函数值最大的子路径，并将其加入所述当前路径，令所述当前路径的终点的交通节点为当前节点；
S504、判断所述当前路径是否为所述源点到所述当前节点的预估路径；所述预估路径为所述源点到所述当前节点的路径中，各个所述子路径的优化调度函数值之和最大的一条路径；若否，则以所述预估路径为当前路径并返回S502，若是，则直接返回S502。
6.一种路径规划装置，其特征在于，包括：
接收模块，用于接收用户发送的关于路径规划的请求信息，所述请求信息包括源点、目的点；
初始规划模块，用于根据所述请求信息确定一条由源点到目的点的路径作为当前路径，令迭代次数k为0；
采集模块，用于采集各子路径的交通信息，形成各子路径的交通信息向量并将所述交通信息向量映射入交通信息向量矩阵；
判断模块，用于根据所述当前路径中的各子路径的交通信息向量及所述迭代次数k判断所述当前路径是否满足第一预设条件；
发送模块，用于当所述当前路径满足所述第一预设条件时，向用户发送所述当前路径；
计算模块，用于当所述当前路径不满足所述第一预设条件时，将所述迭代次数k加1，根据所述交通信息向量矩阵得出预估交通信息向量矩阵；
优化调度模块，用于根据所述预估交通信息向量矩阵对所述当前路径进行优化调度，得到新的当前路径。
7.根据权利要求6所述的路径规划装置，其特征在于，
所述第一预设条件包括：所述当前路径中的各子路径的交通信息向量满足路径评价函数或者所述迭代次数k大于预设的最大迭代次数d。
8.根据权利要求7所述的路径规划装置，其特征在于，
所述交通信息向量包括畅通度、舒适度、交通成本；
所述路径评价函数为：
<mrow>
<mi>&theta;</mi>
<mo>*</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</mfrac>
<mo>*</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>*</mo>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>k</mi>
</msubsup>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>C</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>*</mo>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>k</mi>
</msubsup>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>W</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>*</mo>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>k</mi>
</msubsup>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>&le;</mo>
<mfrac>
<mn>1</mn>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>k</mi>
</msubsup>
</mrow>
</mfrac>
<mo>*</mo>
<msub>
<mi>&eta;</mi>
<mn>2</mn>
</msub>
</mrow>
其中，Pij、Cij、Wij分别为交通节点i和j之间的子路径当前的畅通度、舒适度、交通成本； 分别为当前全部Pij、Cij、Wij的平均值；在第k次迭代中，若所述当前路径包括所述交通节点i和j之间的子路径，则xij k＝1，否则xij k＝0，且θ为调整因子，且θ∈(0,1)。
9.根据权利要求8所述的路径规划装置，其特征在于，
所述计算模块具体用于，
当所述当前路径不满足所述第一预设条件时，将所述迭代次数k加1；
计算各所述子路径的预估交通信息向量将预估交通信息向量映射入预估交通信息向量矩阵Mk(G)，所述预估交通信息向量矩阵Mk(G)为有向正权连通图存储矩阵；
所述优化调度模块具体用于，
根据所述预估交通信息向量计算交通节点i和j之间的子路径的优化调度函数值
根据所述优化调度函数值和所述预估交通信息向量矩阵Mk(G)规划路径，得到新的当前路径；
所述优化调度函数为：
<mrow>
<mi>F</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>k</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msqrt>
<mrow>
<mi>&alpha;</mi>
<mo>*</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mi>&beta;</mi>
<mo>*</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>C</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mi>&gamma;</mi>
<mo>*</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>W</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>;</mo>
</mrow>
其中， 分别为交通节点i和j之间的子路径的第k次迭代的预估畅通度、预估舒适度、预估交通成本；Gij＝{Pij,Cij,Wij}； α，β，γ均为调整因子，且α，β，γ∈(0，1)，α+β+γ＝1。
10.根据权利要求9所述的路径规划装置，其特征在于，所述根据所述优化调度函数值和所述预估交通信息向量矩阵Mk(G)规划路径，得到新的当前路径包括：
S501、在所述预估交通信息向量矩阵Mk(G)中，寻找源点与各交通节点所构成的子路径中的所述优化调度函数值最大的子路径，并将其作为当前路径，令所述当前路径的终点的交通节点为当前节点；
S502、判断所述当前节点是否为所述目的点，若是，则执行S03；若否，则执行S503；
S503、在所述预估交通信息向量矩阵Mk(G)中，寻找所述当前节点与除所述当前路径中的交通节点外的各交通节点所构成的子路径中所述优化调度函数值最大的子路径，并将其加入所述当前路径，令所述当前路径的终点的交通节点为当前节点；
S504、判断所述当前路径是否为所述源点到所述当前节点的预估路径；所述预估路径为所述源点到所述当前节点的路径中，各个所述子路径的优化调度函数值之和最大的一条路径；若否，则以所述预估路径为当前路径并返回S502，若是，则直接返回S502。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710312363.2A CN107101645B (zh) | 2017-05-05 | 2017-05-05 | 一种路径规划方法及路径规划装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710312363.2A CN107101645B (zh) | 2017-05-05 | 2017-05-05 | 一种路径规划方法及路径规划装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107101645A true CN107101645A (zh) | 2017-08-29 |
| CN107101645B CN107101645B (zh) | 2019-10-01 |
Family
ID=59658157
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710312363.2A Active CN107101645B (zh) | 2017-05-05 | 2017-05-05 | 一种路径规划方法及路径规划装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107101645B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108444494A (zh) * | 2018-05-18 | 2018-08-24 | 湖南大学 | 基于Stackelberg博弈的路径选择方法 |
| CN108830422A (zh) * | 2018-06-21 | 2018-11-16 | 中国联合网络通信集团有限公司 | 智能驾驶的优化方法、装置及系统 |
| CN109410624A (zh) * | 2018-12-08 | 2019-03-01 | 浙江久安科技有限公司 | 一种智能交通控制方法 |
| CN110081897A (zh) * | 2019-05-06 | 2019-08-02 | 江南大学 | 一种限制性骑行路径规划装置及方法 |
| CN110146102A (zh) * | 2019-06-04 | 2019-08-20 | 南方科技大学 | 路径规划方法、装置、设备和存储介质 |
| CN110348636A (zh) * | 2019-07-12 | 2019-10-18 | 南方科技大学 | 路径规划预测方法、装置、设备和计算机可读存储介质 |
| CN111288991A (zh) * | 2018-12-06 | 2020-06-16 | 北京京东尚科信息技术有限公司 | 路径规划方法、装置、机器人和计算机可读存储介质 |
| CN113739815A (zh) * | 2021-09-07 | 2021-12-03 | 广州宸祺出行科技有限公司 | 一种基于路面舒适度的路径规划方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101929864A (zh) * | 2009-06-26 | 2010-12-29 | 上海市上海中学 | 一种路面交通导航系统及导航路线生成方法 |
| CN102393206A (zh) * | 2011-10-19 | 2012-03-28 | 北京世纪高通科技有限公司 | 路径规划方法及装置 |
| CN103268701A (zh) * | 2013-06-05 | 2013-08-28 | 王燚 | 城市路网负载平衡方法 |
| CN103413455A (zh) * | 2013-08-23 | 2013-11-27 | 招商局重庆交通科研设计院有限公司 | 一种道路交通引导方法及系统 |
| CN103646561A (zh) * | 2013-12-24 | 2014-03-19 | 重庆大学 | 基于道路异常区域评估的路径选择方法及系统 |
-
2017
- 2017-05-05 CN CN201710312363.2A patent/CN107101645B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101929864A (zh) * | 2009-06-26 | 2010-12-29 | 上海市上海中学 | 一种路面交通导航系统及导航路线生成方法 |
| CN102393206A (zh) * | 2011-10-19 | 2012-03-28 | 北京世纪高通科技有限公司 | 路径规划方法及装置 |
| CN103268701A (zh) * | 2013-06-05 | 2013-08-28 | 王燚 | 城市路网负载平衡方法 |
| CN103413455A (zh) * | 2013-08-23 | 2013-11-27 | 招商局重庆交通科研设计院有限公司 | 一种道路交通引导方法及系统 |
| CN103646561A (zh) * | 2013-12-24 | 2014-03-19 | 重庆大学 | 基于道路异常区域评估的路径选择方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 刘元林等: "道路畅通度模糊综合评价及其应用", 《武汉理工大学学报（交通科学与工程版）》 * |
| 薛明等: "基于云网格集成调度的防拥堵车辆路径规划算法", 《计算机科学》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108444494A (zh) * | 2018-05-18 | 2018-08-24 | 湖南大学 | 基于Stackelberg博弈的路径选择方法 |
| CN108444494B (zh) * | 2018-05-18 | 2021-03-16 | 湖南大学 | 基于Stackelberg博弈的路径选择方法 |
| CN108830422A (zh) * | 2018-06-21 | 2018-11-16 | 中国联合网络通信集团有限公司 | 智能驾驶的优化方法、装置及系统 |
| CN108830422B (zh) * | 2018-06-21 | 2021-08-17 | 中国联合网络通信集团有限公司 | 智能驾驶的优化方法、装置及系统 |
| CN111288991A (zh) * | 2018-12-06 | 2020-06-16 | 北京京东尚科信息技术有限公司 | 路径规划方法、装置、机器人和计算机可读存储介质 |
| CN109410624A (zh) * | 2018-12-08 | 2019-03-01 | 浙江久安科技有限公司 | 一种智能交通控制方法 |
| CN110081897A (zh) * | 2019-05-06 | 2019-08-02 | 江南大学 | 一种限制性骑行路径规划装置及方法 |
| CN110146102A (zh) * | 2019-06-04 | 2019-08-20 | 南方科技大学 | 路径规划方法、装置、设备和存储介质 |
| CN110348636A (zh) * | 2019-07-12 | 2019-10-18 | 南方科技大学 | 路径规划预测方法、装置、设备和计算机可读存储介质 |
| CN113739815A (zh) * | 2021-09-07 | 2021-12-03 | 广州宸祺出行科技有限公司 | 一种基于路面舒适度的路径规划方法及装置 |
| CN113739815B (zh) * | 2021-09-07 | 2024-04-30 | 广州宸祺出行科技有限公司 | 一种基于路面舒适度的路径规划方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107101645B (zh) | 2019-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107101645A (zh) | 一种路径规划方法及路径规划装置 | |
| US8768614B2 (en) | Increasing throughput for carpool assignment matching | |
| CN107145971A (zh) | 一种动态调整的快递配送优化方法 | |
| Hsiao et al. | Ant colony optimization for best path planning | |
| CN106042963B (zh) | 电气化交通网络和电力系统的协同优化方法与系统 | |
| US10157242B2 (en) | Charger arrangement planning supporting apparatus, charger arrangement planning supporting method, and program | |
| CN106849065A (zh) | 一种计及充电站的配电网多目标协同规划方法 | |
| CN106448135A (zh) | 公交路线推荐方法及装置 | |
| CN106895846B (zh) | 一种路径规划方法及路径规划装置 | |
| CN102055663B (zh) | 一种在覆盖网络中实现负载均衡的QoS路由分配方法 | |
| Yao et al. | Improved ant colony optimization for seafood product delivery routing problem | |
| CN108964746B (zh) | 时变卫星网络多拓扑搜索最短路由方法 | |
| Nökel et al. | Boarding and alighting in frequency-based transit assignment | |
| CN111260128B (zh) | 车辆路径规划方法以及系统 | |
| CN107063277B (zh) | 一种多成员出行的导航方法及服务器 | |
| CN110097218B (zh) | 一种时变环境下无人商品配送方法及系统 | |
| CN108694278A (zh) | 一种基于道路负载均衡的城市离散交通网络设计方法 | |
| CN107092986A (zh) | 基于站点及共线运行的公交乘客出行路径选择方法 | |
| Bakas et al. | A flexible transportation service for the optimization of a fixed-route public transport network | |
| CN107276664A (zh) | 基于门限式负载的混合虚网映射方法 | |
| Lowalekar et al. | Zone path construction (zac) based approaches for effective real-time ridesharing | |
| CN109359740B (zh) | 基于多生境遗传算法的机动路径优选方法及存储介质 | |
| CN107454630A (zh) | 负载均衡方法及负载均衡路由器 | |
| Cepolina et al. | Innovative strategies for urban car-sharing systems and a simulator to assess their performance | |
| Garcia et al. | Hybrid approach for the public transportation time dependent orienteering problem with time windows |
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 |