CN108681797A - 自动生成停车场动线的方法、装置及可读存储介质 - Google Patents
自动生成停车场动线的方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN108681797A CN108681797A CN201810589411.7A CN201810589411A CN108681797A CN 108681797 A CN108681797 A CN 108681797A CN 201810589411 A CN201810589411 A CN 201810589411A CN 108681797 A CN108681797 A CN 108681797A
- Authority
- CN
- China
- Prior art keywords
- moving
- wire
- parking stall
- parking
- docks
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种自动生成停车场动线的方法、装置及可读存储介质,其中,自动生成停车场动线的方法包括:获取停车场中多个车位的位置信息和多个车位之间的通道的位置信息;根据多个车位的位置信息和多个车位之间的通道的位置信息以及动线的绕行规则,为停车场生成多个候选动线;根据动线的优化指标,确定多个候选动线中的至少一个作为停车场的规划动线;输出规划动线。通过上述步骤,实现自动生成并优化停车场中的动线,节约了人力并提高了规划效率。
Description
技术领域
本发明涉及计算机辅助设计领域,尤其涉及一种自动生成停车场动线的方法、装置及可读存储介质。
背景技术
动线,是建筑与室内设计的用语之一,意指人或车辆在室内室外移动的点,连合起来就成为动线。在停车场的设计规划中,动线规划包括确定动线的路线以及确定车辆在动线上的行驶方向。通常情况下,由于路线以及行驶方向不唯一确定,导致同一个停车场的动线规划方式不唯一确定。另一方面,由于停车场中的车位数量较多,路线复杂,单凭人力很难从多种规划方案中确定最优方案。
因此,亟待出现一种能够自动生成停车场动线的方法。
发明内容
有鉴于此,本发明实施例提供一种自动生成停车场动线的方法、装置及可读存储介质,能够实现自动生成并优化停车场中的动线,节约了人力并提高了规划效率。
本发明的一个方面提供了一种为自动生成停车场动线的方法,包括:获取停车场中多个车位的位置信息和多个车位之间的通道的位置信息;根据多个车位的位置信息和多个车位之间的通道的位置信息以及动线的绕行规则,为停车场生成多个候选动线;根据动线的优化指标,确定多个候选动线中的至少一个作为停车场的规划动线;输出规划动线。
在本发明的一个实施例中,根据动线的优化指标,确定多个候选动线中的至少一个作为停车场的规划动线,包括:分别针对多个候选动线计算多个优化指标值,并确定最优的优化指标值;从多个候选动线中选择最优的优化指标值对应的候选动线作为规划动线。
在本发明的一个实施例中,分别针对多个候选动线计算多个优化指标值,并确定最优的优化指标值,包括:针对多个候选动线中的每个候选动线,计算从多个车位中的每个车位出发到多个车位中其它车位的距离的总和,其中从多个候选动线中选择最优的优化指标值对应的候选动线作为规划动线,包括:选择多个候选动线中距离的总和最小的候选动线作为规划动线。
在本发明的一个实施例中,分别针对多个候选动线计算多个优化指标值,并确定最优的优化指标值,包括:针对多个候选动线中的每个候选动线,计算从多个车位中的每个车位出发到停车场的至少一个入口和/或至少一个出口的距离的总和,其中从多个候选动线中选择最优的优化指标值对应的候选动线作为规划动线,包括:选择多个候选动线中距离的总和最小的候选动线作为规划动线。
在本发明的一个实施例中,分别针对多个候选动线计算多个优化指标值,包括:确认多个车位中的每一个车位所对应的权重;根据权重,计算多个优化指标的值。
在本发明的一个实施例中,权重的值通过人工智能方法对停车场样本进行训练确定。
在本发明的一个实施例中,停车场样本包括如下至少一项:车位的占用总时长;车位的使用频率;车辆在停车场的至少一个入口和/或出口的等待时长;车位与电梯之间的距离;以及,车辆在停车场寻找车位进行停靠的平均时长。
在本发明的一个实施例中,绕行规则包括:车辆在动线上单向行驶,并且能够环绕至少一个车位循环行驶,其中,为停车场生成多个候选动线,包括:确定停靠区域,其中,停靠区域包括:至少多个车位以及多个车位之间的通道;针对停靠区域生成大环绕动线,其中,大环绕动线环绕停靠区域,并且,候选动线包括大环绕动线。
在本发明的一个实施例中,为停车场生成多个候选动线还包括:根据停靠区域确定多个子停靠区域,其中,多个子停靠区域为停靠区域的子集,包括:至少一个车位以及与至少一个车位相邻的通道;分别针对多个子停靠区域生成多个小环绕动线,其中,每个小环绕动线环绕一个子停靠区域,小环绕动线与大环绕动线之间的重叠部分上,车辆的移动方向相同,并且,候选动线包括小环绕动线。
在本发明的一个实施例中,确定子停靠区域包括:多个子停靠区域中,有至少一个相同的车位。
在本发明的一个实施例中,确定子停靠区域包括:至少两个不同的子区域中,没有相同的车位。
在本发明的一个实施例中,为停车场生成多个候选动线还包括:以子停靠区域作为新的停靠区域,以小环绕动线作为新的大环绕动线,迭代执行根据停靠区域确定多个子停靠区域并分别针对多个子停靠区域生成多个小环绕动线的步骤。
在本发明的一个实施例中,获取停车场中多个车位的位置信息和多个通道的位置信息,包括:从电子图纸的导出数据中提取多个车位的位置信息和多个通道的位置信息。
在本发明的一个实施例中,电子图纸为计算机辅助设备CAD软件生成,车位位置信息和通道的位置信息包括车位的坐标信息和通道的坐标信息。
本发明的另一个方面提供了一种为自动生成停车场动线的装置,包括:获取模块,用于获取停车场中多个车位的位置信息和多个车位之间的通道的位置信息;生成模块,用于根据多个车位的位置信息和多个车位之间的通道的位置信息以及动线的绕行规则,为停车场生成多个候选动线;计算模块,用于根据动线的优化指标,确定多个候选动线中的至少一个作为停车场的规划动线;输出模块,用于输出规划动线。
在本发明的一个实施例中,计算模块还用于:分别针对多个候选动线计算多个优化指标值,并确定最优的优化指标值;从多个候选动线中选择最优的优化指标值对应的候选动线作为规划动线。
在本发明的一个实施例中,计算模块还用于:针对多个候选动线中的每个候选动线,计算从多个车位中的每个车位出发到多个车位中其它车位的距离的总和,其中从多个候选动线中选择最优的优化指标值对应的候选动线作为规划动线,包括:选择多个候选动线中距离的总和最小的候选动线作为规划动线。
在本发明的一个实施例中,计算模块还用于:针对多个候选动线中的每个候选动线,计算从多个车位中的每个车位出发到停车场的至少一个入口和/或至少一个出口的距离的总和,其中从多个候选动线中选择最优的优化指标值对应的候选动线作为规划动线,包括:选择多个候选动线中距离的总和最小的候选动线作为规划动线。
在本发明的一个实施例中,计算模块还用于:确认多个车位中的每一个车位所对应的权重;根据权重,计算多个优化指标的值。
在本发明的一个实施例中,权重的值通过人工智能方法对停车场样本进行训练确定。
在本发明的一个实施例中,停车场样本包括如下至少一项:车位的占用总时长;车位的使用频率;车辆在停车场的至少一个入口和/或出口的等待时长;车位与电梯之间的距离;以及,车辆在停车场寻找车位进行停靠的平均时长。
在本发明的一个实施例中,绕行规则包括:车辆在动线上单向行驶,并且能够环绕至少一个车位循环行驶,其中,为停车场生成多个候选动线,包括:确定停靠区域,其中,停靠区域包括:至少多个车位以及多个车位之间的通道;针对停靠区域生成大环绕动线,其中,大环绕动线环绕停靠区域,并且,候选动线包括大环绕动线。
在本发明的一个实施例中,生成模块还用于:根据停靠区域确定多个子停靠区域,其中,多个子停靠区域为停靠区域的子集,包括:至少一个车位以及与至少一个车位相邻的通道;分别针对多个子停靠区域生成多个小环绕动线,其中,每个小环绕动线环绕一个子停靠区域,小环绕动线与大环绕动线之间的重叠部分上,车辆的移动方向相同,并且,候选动线包括小环绕动线。
在本发明的一个实施例中,确定子停靠区域包括:多个子停靠区域中,有至少一个相同的车位。
在本发明的一个实施例中,确定子停靠区域包括:至少两个不同的子区域中,没有相同的车位。
在本发明的一个实施例中,为停车场生成多个候选动线还包括:以子停靠区域作为新的停靠区域,以小环绕动线作为新的大环绕动线,迭代执行根据停靠区域确定多个子停靠区域并分别针对多个子停靠区域生成多个小环绕动线的步骤。
在本发明的一个实施例中,获取模块用于:从电子图纸的导出数据中提取多个车位的位置信息和多个通道的位置信息。
在本发明的一个实施例中,电子图纸为计算机辅助设备CAD软件生成,车位位置信息和通道的位置信息包括车位的坐标信息和通道的坐标信息。
本发明的另一个方面提供了一种计算机可读存储介质,其上存储有计算机可执行指令,其中,可执行指令被处理器执行时实现如上的方法。
本发明的又一个方面提供一种计算机设备,包括:存储器、处理器及存储在存储器中并可在处理器中运行的可执行指令,其中,处理器执行可执行指令时实现如上所述的方法。
根据本发明实施例提供的技术方案,通过获取停车场中多个车位的位置信息和多个车位之间的通道的位置信息,根据多个车位的位置信息和多个车位之间的通道的位置信息以及动线的绕行规则,为停车场生成多个候选动线,根据动线的优化指标,确定多个候选动线中的至少一个作为停车场的规划动线,输出规划动线,实现自动生成并优化停车场中的动线,节约了人力并提高了规划效率。
附图说明
图1是根据本发明一示例性实施例示出的一种为自动生成停车场动线的方法的流程图。
图2为本发明的一个实施例中,子停靠区域的分布以及生成的大环绕动线和小环绕动线的示意性平面图。
图3为本发明的一个实施例中,子停靠区域的分布以及生成的大环绕动线和小环绕动线的示意性平面图。
图4是本发明的一个实施例所涉及的停车场,以及生成的一个候选动线示意性平面图。
图5是本发明的一个实施例生成图4中候选动线的方法流程示意图。
图6是根据本发明一示例性实施例示出的一种为停车场生成动线装置的框图。
图7是根据本发明一示例性实施例示出的用于自动生成停车场动线的计算机设备的框图。
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。
图1是根据本发明一示例性实施例示出的一种为自动生成停车场动线的方法的流程图。如图1所示,该方法包括:
110:获取停车场中多个车位的位置信息和多个车位之间的通道的位置信息。
在本发明实施例中,车位的位置信息包括:每个车位的中心在停车场中的坐标。通道的位置信息包括:每条通道的中心线的位置和长度。上述信息可以通过图片识别的方式获取,例如,本发明实施例中,通过图片识别算法,自动识别出停车场设计图中的车位和通道,再根据车位的长宽以及通道的宽度,计算出车位的位置信息和通道的位置信息。车位和通道的位置信息也可以通过读取电子图纸中的数据获取,例如,本发明另一个实施例中,停车场的电子图纸中记录了车位位置和通道位置的数据,通过直接读取该数据,获取车位位置信息和通道位置信息。本发明实施例对于获取车位位置信息和通道位置信息的方法不做限定。
120:根据多个车位的位置信息和多个车位之间的通道的位置信息以及动线的绕行规则,为停车场生成多个候选动线。
通常情况下,当车辆从停车场中的一点移动到另一个点时,无法沿两点间的直线行驶,只能沿通道在停车场内绕行。为了避免拥堵和提高行车安全,通常车辆在停车场内只能按照一定的规则行驶,上述规则即为绕行规则,例如,本发明实施例中,车辆在通道上只能单向行驶。又如,在本发明的另一个实施例中,车辆在通道上可以双向行驶。又如,在本发明的另一个实施例中,车辆在某些通道交叉口只能直行不能转向。本发明实施例对于绕行规则不做具体限定。
动线包括多个行车通道连成的动线,以及车辆在通道上的行驶方向。候选动线包括满足绕行规则的动线。由于车辆在通道上的行驶方向一部分由绕行规则确定,还有一部分的确定有一定自由度,所以当绕行规则确定时,可能存在多个满足绕行规则的动线。例如,本发明实施例中,绕行规则为车辆在通道上只能单向行驶,但未规定行驶方向,因此至少有两种车辆在通道上行驶方向完全相反的候选动线。又如,本发明的另一个实施例中,绕行规则规定了车辆在某些通道交叉口只能直行不能转向,但未对车辆在其他路口的行驶规则做出限定,因此,根据根据其他路口上车辆行驶规则的不同,能够生成多个候选动线。
根据组成动线的通道不同,也能生成多个候选动线。例如,本发明实施例中,根据动线中是否包含通道尽头为墙壁或障碍物的盲道,可以生成多个候选动线。本发明另一个实施例中,停车场中的部分通道用作人行通道,禁止车辆行驶,根据人行通道所占用通道的不同,能够生成多个候选动线。
本发明实施例中,根据多个车位的位置信息和多个车位之间的通道的位置信息以及动线的绕行规则,将通道以及车辆在通道上的行驶方向转换为矢量,进而生成多个候选动线。本发明的另一个实施例中,根据多个车位的位置信息和多个车位之间的通道的位置信息以及动线的绕行规则,先确定通道交叉口的位置和车辆在交叉口的行驶方向,再将交叉口按通道相连接,生成多个候选动线。本发明实施例对于根据多个车位的位置信息和多个车位之间的通道的位置信息以及动线的绕行规则的方法不做限定。
130:根据动线的优化指标,确定多个候选动线中的至少一个作为停车场的规划动线。
动线的优化指标用于评判候选动线的合理性,例如,本发明实施例中,动线的优化指标包括每个车位按照动线移动至停车场出口的距离的总和,距离的总和越小,候选动线越合理,通过上述方法,确定候选动线中的至少一个作为停车场的规划动线。又如,本发明的另一个实施例中,动线的优化指标包括,每个车位按照动线移动至其他车位的距离的总和,并且对全部车位的上述距离的总和求和,求和的结果越小,候选动线越合理,通过上述方法,确定候选动线中的至少一个作为停车场的规划动线。动线的优化指标可以包括多个指标,本发明实施例对于优化指标的具体计算方法和数量不做限定。通常情况下,由于停车场内包括大量停车位,优化指标的计算量十分庞大,需要借助计算机完成计算。
140:输出规划动线。
本发明实施例中,规划动线以图纸形式输出。本发明的另一个实施例中,规划动线的重要参数——例如每个路口车辆的行驶方向,输出至其他设备进行下一步处理。本发明实施例对于规划动线的输出方式不做限定。
根据本发明实施例提供的技术方案,通过获取停车场中多个车位的位置信息和多个车位之间的通道的位置信息,根据多个车位的位置信息和多个车位之间的通道的位置信息以及动线的绕行规则,为停车场生成多个候选动线,根据动线的优化指标,确定多个候选动线中的至少一个作为停车场的规划动线,输出规划动线,实现自动生成并优化停车场中的动线,节约了人力并提高了规划效率。
根据本发明的实施例,上述获取停车场中多个车位的位置信息和多个通道的位置信息,包括:从电子图纸的导出数据中提取多个车位的位置信息和多个通道的位置信息。
通过电子图纸的导出数据获取多个车位的位置信息和多个通道的位置信息,能够节省大量的人力和时间成本,提高动线的规划效率。
根据本发明的实施例,上述电子图纸为计算机辅助设备CAD软件生成,车位位置信息和通道的位置信息包括车位的坐标信息和通道的坐标信息。
CAD(Computer Aided Design,计算机辅助设计)软件是一种用于设计的计算机软件,其生成的电子图纸具有规范的数据格式,通过CAD软件生成的电子图纸获取车位和通道的坐标信息,能够减少数据导入过程中出现的错误,提升动线规划的准确性。
在本发明的一个实施例中,根据动线的优化指标,确定多个候选动线中的至少一个作为停车场的规划动线,包括:分别针对多个候选动线计算多个优化指标值,并确定最优的优化指标值;从多个候选动线中选择最优的优化指标值对应的候选动线作为规划动线。
本发明实施例中,优化指标的值越小,候选动线的规划越合理,通过将一个候选动线规划方案中的所有优化指标相加,并比较每一个候选动线中优化指标的相加结果,选取其中的最小值确定为最优的优化指标值,进而选择至少一个最优的优化指标值对应的候选动线作为规划动线。
本发明的另一个实施例中,优化指标的值越小,候选动线的规划越合理,且每一类优化指标的重要性不同,通过将一个候选动线规划方案中的所有优化指标按权重相加,并比较每一个候选动线中优化指标的相加结果,选取其中的最小值确定为最优的优化指标值,进而选择至少一个最优的优化指标值对应的候选动线作为规划动线。本发明实施例对于确定最优的优化指标值的方法不做限定。
通过确定最优的优化指标值,并根据此值确定规划动线,能够得到至少一个最合理的规划动线,进而提升用户的停车体验。
在本发明的一个实施例中,分别针对多个候选动线计算多个优化指标值,并确定最优的优化指标值,包括:针对多个候选动线中的每个候选动线,计算从多个车位中的每个车位出发到多个车位中其它车位的距离的总和,其中从多个候选动线中选择最优的优化指标值对应的候选动线作为规划动线,包括:选择多个候选动线中距离的总和最小的候选动线作为规划动线。
通过上述方法,使得车辆按照规划动线寻找车位的平均时间最短,提升了用户的停车体验。
在本发明的一个实施例中,分别针对多个候选动线计算多个优化指标值,并确定最优的优化指标值,包括:针对多个候选动线中的每个候选动线,计算从多个车位中的每个车位出发到停车场的至少一个入口和/或至少一个出口的距离的总和,其中从多个候选动线中选择最优的优化指标值对应的候选动线作为规划动线,包括:选择多个候选动线中距离的总和最小的候选动线作为规划动线。
通过上述方法,使得车辆按照规划动线,从入口开始寻找车位的平均时间最短,或者,驶出停车场所花费的时间最短,提升了用户的停车体验。
在本发明的一个实施例中,分别针对多个候选动线计算多个优化指标值,包括:确认多个车位中的每一个车位所对应的权重;根据权重,计算多个优化指标的值。
通常情况下,停车场中车位的重要性并不相同,例如,本发明实施例中,电梯周围的停车位重要性较高。又如,本发明的另一个实施例中,用于停放临时车辆的车位重要性较高。计算优化指标的值时,需要加入权重。
通过确认多个车位中的每一个车位所对应的权重,并根据权重计算多个优化指标的值,使得用户在使用重要性较高的车位时,用户体验得到提升。
在本发明的一个实施例中,权重的值通过人工智能方法对停车场样本进行训练确定。
本发明实施例中,车位与电梯之间的距离和权重值之间具有反比例函数关系,通过人工智能方法,对此函数关系进行回归分析,使得获取车位与电梯之间的距离后,就能够计算对应的权重值。
本发明的另一个实施例中,将相连的多个车位作为一个车位组,并根据每个车位组中临时车位的数量,进一步将车位组分为A、B、C三类,类别相同的车位组所包含的车位具有相同的权重值,通过人工智能,对根据临时车位数量将车位组分类的方法进行学习,使得获取车位组中临时车位的数量后,就能确定车位所对应的权重值。本发明实施例对于停车场样本的类型不做限定。
通过采用人工智能方法对停车场样本进行训练确定权重的值,使得权重值的确定更加准确快速,提升了动线的规划效率。
根据本发明实施例,上述停车场样本包括如下至少一项:车位的占用总时长;车位的使用频率;车辆在停车场的至少一个入口和/或出口的等待时长;车位与电梯之间的距离;以及,车辆在停车场寻找车位进行停靠的平均时长。
通过对上述样本进行学习,使得权重的值更加精确合理,提升了动线规划的合理性,进而提升了用户的停车体验。
在本发明的一个实施例中,绕行规则包括:车辆在动线上单向行驶,并且能够环绕至少一个车位循环行驶,其中,为停车场生成多个候选动线,包括:确定停靠区域,其中,停靠区域包括:至少多个车位以及多个车位之间的通道;针对停靠区域生成大环绕动线,其中,大环绕动线环绕停靠区域,并且,候选动线包括大环绕动线。
停靠区域根据停车场的具体情况确定,本发明实施例对此不做限定。例如,本发明实施例中,停靠区域为所有车位以及车位之间的通道组成的区域。本发明的另一个实施例中,停靠区域为临时车位及车位之间的通道组成的区域。
大环绕动线为一条封闭的曲线,由围绕停靠区域外沿的通道构成,车辆在大环绕动线上按照绕行规则单向行驶。
通过大环绕动线,用户能够围绕停靠区域循环行驶,寻找车位进行停靠。
在本发明的一个实施例中,为停车场生成多个候选动线还包括:根据停靠区域确定多个子停靠区域,其中,多个子停靠区域为停靠区域的子集,包括:至少一个车位以及与至少一个车位相邻的通道;分别针对多个子停靠区域生成多个小环绕动线,其中,每个小环绕动线环绕一个子停靠区域,小环绕动线与大环绕动线之间的重叠部分上,车辆的移动方向相同,并且,候选动线包括小环绕动线。
子停靠区域根据停车场的具体情况确定,本发明实施例对此不做限定。例如,本发明实施例中,一个子停靠区域为停靠区域中临时车位,以及车位之间的通道组成的区域。本发明的另一个实施例中,一个子停靠区域为电梯周围的车位,以及车位之间的通道组成的区域。
每一个小环绕动线都为一条封闭的曲线,由围绕对应子停靠区域外沿的通道构成,车辆在小环绕动线上按照绕行规则单向行驶,且车辆小环绕动线与大环绕动线相重叠的部分上,按照大环绕动线的行驶方向行驶。
通过小环绕动线,用户能够围绕子停靠区域循环行驶,寻找车位进行停靠。
在本发明的一个实施例中,确定子停靠区域包括:多个子停靠区域中,有至少一个相同的车位。
图2为本发明的一个实施例中,子停靠区域的分布,以及生成的大环绕动线和小环绕动线的示意性平面图。如图所示,图2中包括4个连排的车位组,大环绕动线210,小环绕动线221、222和223以及出发点230。
其中,实线为大环绕动线210,所圈出的区域为停靠区域,每一个由虚线构成的圆角矩形都为一个小环绕动线,所圈出的区域为一个子停靠区域。
本发明实施例中,用户在大环绕动线210的左侧行驶时,能够在任意路口转向,例如,当用户欲在最上排车位组进行停靠时,可以从出发点230出发沿大环绕动线210和小环绕动线223行驶至车位。转向后若没有找到车位进行停靠,必须驶回出发点230。
通过多个子停靠区域中,有至少一个相同的车位的划分方法,使得拥有固定车位的用户能够快速驶入自己的车位,提升用户的停车体验。
在本发明的一个实施例中,确定子停靠区域包括:至少两个不同的子区域中,没有相同的车位。
图3为本发明的一个实施例中,子停靠区域的分布,以及生成的大环绕动线和小环绕动线的示意性平面图。如图所示,图3中包括4个连排的车位组,大环绕动线310,小环绕动线321和322以及出发点330。
其中,实线为大环绕动线210,所圈出的区域为停靠区域,每一个由虚线构成的圆角矩形都为一个小环绕动线,所圈出的区域为一个子停靠区域。
本发明实施例中,当用户欲在最上排车位组进行停靠时,可以从出发点330出发沿大环绕动线310和小环绕动线222行驶至车位。转向后若没有找到车位进行停靠,还可以沿大环绕动线310和小环绕动线222继续寻找车位。
通过至少两个不同的子区域中,没有相同的车位的划分方法,使得临时停靠的车辆能够更加灵活地寻找车位进行停靠,提升用户的停车体验。
在本发明的一个实施例中,为停车场生成多个候选动线还包括:以子停靠区域作为新的停靠区域,以小环绕动线作为新的大环绕动线,迭代执行根据停靠区域确定多个子停靠区域并分别针对多个子停靠区域生成多个小环绕动线的步骤。
通过迭代执行根据停靠区域确定多个子停靠区域并分别针对多个子停靠区域生成多个小环绕动线的步骤,可以将较大的停靠区域逐步划分成多个较小的子区域,并生成小环绕动线,实现对停车场候选动线的生成。
图4是本发明的一个实施例所涉及的停车场,以及生成的一个候选动线示意性平面图。如图所示,图4包括:总环绕动线410,A1环绕动线420,B1环绕动线430,A1子区域的环绕动线440和B1子区域的环绕动线450。
其中,总环绕动线410由图4中的粗实现构成,A1环绕动线420和B1环绕动线430由图4中的细实线构成,A1子区域的环绕动线440和B1子区域的环绕动线450由图4中的虚线构成,图4中的每一个虚线圆角矩形内都是一个子区域。
图4中的每一个矩形代表一个车位。图4中的车位每5个一组,组成一个车位组。车位组之间的空隙为通道,车辆可以在通道上行驶。
图5是本发明的一个实施例生成图4中候选动线的方法流程示意图。如图所示,图5包括:
510:从CAD软件生成的停车场图纸中,获取车位的坐标和长宽信息,车位之间的通道的位置和长度信息,以及停车场内电梯、停车场出入口和立柱的位置信息。
520:通过上述信息,确定停靠区域,与之对应的大环绕动线称为总环绕动线410。本发明实施例中,停车场由A、B和C三个不同的区域组成,其中A区域和B区域分别位于两栋不同建筑物的地下,C区域在A、B区域之间,并且三个区域由通道隔开。本发明实施例中,停靠区域为A、B和C区域中,除去与停车场中与外墙或出入口相接的通道,以及上述通道间的停车位后,剩余的区域。根据通道的位置信息,生成大环绕动线,大环绕移动路为通道连接而成的一个闭合曲线,并且车辆在大环绕动线上只能单向行驶。
530:将停靠区域划分为A1和B1两个子区域,称为A1区域和B1区域。A1区域为停靠区域与A区域相重叠的部分,B1区域为停靠区域与B区域相重叠的部分。针对上述两个子区域,生成小环绕动线,两个小环绕动线分别环绕A1区域与B1区域。小环绕动线为通道连接而成的闭合曲线。在小环绕动线与大环绕动线相重叠的通道上,车辆的行驶方向与大环绕动线上的相一致。并且车辆在小环绕动线上只能单向行驶。与A1、B1区域对应的小环绕动线分别称为A1环绕动线420和B1环绕动线430。
540:确定A1区域的子区域。本发明实施例中,A1区域由多个联排停车位和与之相邻的通道构成。以A1区域作为停靠区域,继续确定A1区域的子区域,并按照生成A1环绕动线的规则,生成A1子区域的环绕动线440。由于A1区域的子区域可以由联排停车位之间的各种不同组合而构成,所以对应的小环绕动线也有多种不同形式,例如,本发明实施例中,多个子区域可以都包含一个相同的联排车位,也可以任意两个子区域都没有相同的联排车位,当多个子区域都包含一个相同的联排车位时,生成的多个小环绕动线称为流水式循环动线,当多个子区域中的任意两个都没有相同的联排车位,生成的多个小环绕动线称为小循环式循环动线。停车场中的车位多数为固定车位时,流水式循环动线的效果较好,停车场中的车位多数为临时车位时,小循环式循环动线的效果较好。
550:按照相同的方法,生成B1子区域的环绕动线450。
560:穷举A1、B1子区域的环绕动线,并将其和与之相对应的A1环绕动线420,B1环绕动线430,以及总环绕动线410合并,得到该停车场的全部候选动线。
570:对全部候选动线中的每一个,计算其对应的多个优化指标的值,并根据计算结果,确定多个候选动线中的至少一个做为停车场的规划动线。
例如,本发明实施例中,优化指标包括:计算从多个车位中的每个车位出发到停车场的每个出口的距离的总和,称为总出口距离,以及从每个车位出发到其它车位的距离总和,称为单车位总距离,以及停车场中所有车位对应的单车位总距离的和,称为总车位总距离。
本发明实施例中,计算重点车位的单车位总距离,以及,总出口距离中重点车位对应的数值时,加入权重,其中,重点车位为环绕电梯周围的车位。权重的值通过人工智能的方法,对停车场的数据进行学习而确定。
例如,本发明实施例中,车位与电梯之间的距离,和车位的使用频率之间具有反比例函数关系。通过人工智能方法,对大量数据进行学习,能够得到比例系数,利用该函数关系,可以得到重点车位对应的权重值。例如,本发明实施例中,通过人工智能方法,确定车位的使用频率等于50除以车位与电梯之间的距离,并且设定重点车位对应的权重值,等于以上述方法确定的车位的使用频率除以2。
本发明实施例中,对每一个候选方案中的总出口距离,与总车位总距离的和进行计算,选择其中的最小值所对应的一个或多个方案做为停车场的规划动线
580:输出规划动线。
上述所有可选技术方案,可以采用任意结合形成本发明的可选实施例,在此不再一一赘述。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
图6是根据本发明一示例性实施例示出的一种为停车场生成动线装置600的框图。如图6所示,该装置包括:
获取模块610,用于获取停车场中多个车位的位置信息和多个车位之间的通道的位置信息。
生成模块620,用于根据多个车位的位置信息和多个车位之间的通道的位置信息以及动线的绕行规则,为停车场生成多个候选动线;
计算模块630,用于根据动线的优化指标,确定多个候选动线中的至少一个作为停车场的规划动线。
输出模块640,用于输出规划动线。
根据本发明实施例提供的技术方案,通过获取停车场中多个车位的位置信息和多个车位之间的通道的位置信息,根据多个车位的位置信息和多个车位之间的通道的位置信息以及动线的绕行规则,为停车场生成多个候选动线,根据动线的优化指标,确定多个候选动线中的至少一个作为停车场的规划动线,输出规划动线,实现自动生成并优化停车场中的动线,节约了人力并提高了规划效率。
在本发明的一个实施例中,计算模块还用于:分别针对多个候选动线计算多个优化指标值,并确定最优的优化指标值;从多个候选动线中选择最优的优化指标值对应的候选动线作为规划动线。
在本发明的一个实施例中,计算模块还用于:针对多个候选动线中的每个候选动线,计算从多个车位中的每个车位出发到多个车位中其它车位的距离的总和,其中从多个候选动线中选择最优的优化指标值对应的候选动线作为规划动线,包括:选择多个候选动线中距离的总和最小的候选动线作为规划动线。
在本发明的一个实施例中,计算模块还用于:针对多个候选动线中的每个候选动线,计算从多个车位中的每个车位出发到停车场的至少一个入口和/或至少一个出口的距离的总和,其中从多个候选动线中选择最优的优化指标值对应的候选动线作为规划动线,包括:选择多个候选动线中距离的总和最小的候选动线作为规划动线。
在本发明的一个实施例中,计算模块还用于:确认多个车位中的每一个车位所对应的权重;根据权重,计算多个优化指标的值。
在本发明的一个实施例中,权重的值通过人工智能方法对停车场样本进行训练确定。
在本发明的一个实施例中,停车场样本包括如下至少一项:车位的占用总时长;车位的使用频率;车辆在停车场的至少一个入口和/或出口的等待时长;车位与电梯之间的距离;以及,车辆在停车场寻找车位进行停靠的平均时长。
在本发明的一个实施例中,绕行规则包括:车辆在动线上单向行驶,并且能够环绕至少一个车位循环行驶,其中,为停车场生成多个候选动线,包括:确定停靠区域,其中,停靠区域包括:至少多个车位以及多个车位之间的通道;针对停靠区域生成大环绕动线,其中,大环绕动线环绕停靠区域,并且,候选动线包括大环绕动线。
在本发明的一个实施例中,生成模块还用于:根据停靠区域确定多个子停靠区域,其中,多个子停靠区域为停靠区域的子集,包括:至少一个车位以及与至少一个车位相邻的通道;分别针对多个子停靠区域生成多个小环绕动线,其中,每个小环绕动线环绕一个子停靠区域,小环绕动线与大环绕动线之间的重叠部分上,车辆的移动方向相同,并且,候选动线包括小环绕动线。
在本发明的一个实施例中,确定子停靠区域包括:多个子停靠区域中,有至少一个相同的车位。
在本发明的一个实施例中,确定子停靠区域包括:至少两个不同的子区域中,没有相同的车位。
在本发明的一个实施例中,为停车场生成多个候选动线还包括:以子停靠区域作为新的停靠区域,以小环绕动线作为新的大环绕动线,迭代执行根据停靠区域确定多个子停靠区域并分别针对多个子停靠区域生成多个小环绕动线的步骤。
在本发明的一个实施例中,获取模块用于:从电子图纸的导出数据中提取多个车位的位置信息和多个通道的位置信息。
在本发明的一个实施例中,电子图纸为计算机辅助设备CAD软件生成,车位位置信息和通道的位置信息包括车位的坐标信息和通道的坐标信息。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
图7是根据本发明一示例性实施例示出的用于自动生成停车场动线的计算机设备700的框图。
参照图7,装置700包括处理组件710,其进一步包括一个或多个处理器,以及由存储器720所代表的存储器资源,用于存储可由处理组件710的执行的指令,例如应用程序。存储器720中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件710被配置为执行指令,以执行上述自动生成停车场动线的方法。
装置700还可以包括一个电源组件被配置为执行装置700的电源管理,一个有线或无线网络接口被配置为将装置700连接到网络,和一个输入输出(I/O)接口。装置700可以操作基于存储在存储器720的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
一种非临时性计算机可读存储介质,当存储介质中的指令由上述装置700的处理器执行时,使得上述装置700能够执行一种自动生成停车场动线的方法,包括:获取停车场中多个车位的位置信息和多个车位之间的通道的位置信息,根据多个车位的位置信息和多个车位之间的通道的位置信息以及动线的绕行规则,为停车场生成多个候选动线,根据动线的优化指标,确定多个候选动线中的至少一个作为停车场的规划动线,输出规划动线,实现自动生成并优化停车场中的动线,节约了人力并提高了规划效率。
本领域技术人员在考虑说明书及实践这里的公开后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种为自动生成停车场动线的方法,其特征在于,包括:
获取所述停车场中多个车位的位置信息和所述多个车位之间的通道的位置信息;
根据所述多个车位的位置信息和所述多个车位之间的通道的位置信息以及动线的绕行规则,为所述停车场生成多个候选动线;
根据动线的优化指标,确定所述多个候选动线中的至少一个作为所述停车场的规划动线;
输出所述规划动线。
2.根据权利要求1所述的方法,其特征在于,所述根据动线的优化指标,确定所述多个候选动线中的至少一个作为所述停车场的规划动线,包括:
分别针对所述多个候选动线计算多个优化指标值,并确定最优的优化指标值;
从所述多个候选动线中选择所述最优的优化指标值对应的候选动线作为所述规划动线。
3.根据权利要求2所述的方法,其特征在于,所述分别针对所述多个候选动线计算多个优化指标值,并确定最优的优化指标值,包括:
针对所述多个候选动线中的每个候选动线,计算从所述多个车位中的每个车位出发到所述多个车位中其它车位的距离的总和,
其中所述从所述多个候选动线中选择所述最优的优化指标值对应的候选动线作为所述规划动线,包括:
选择所述多个候选动线中所述距离的总和最小的候选动线作为所述规划动线。
4.根据权利要求2所述的方法,其特征在于,所述分别针对所述多个候选动线计算多个优化指标值,并确定最优的优化指标值,包括:
针对所述多个候选动线中的每个候选动线,计算从所述多个车位中的每个车位出发到所述停车场的至少一个入口和/或至少一个出口的距离的总和,
其中所述从所述多个候选动线中选择所述最优的优化指标值对应的候选动线作为所述规划动线,包括:
选择所述多个候选动线中所述距离的总和最小的候选动线作为所述规划动线。
5.根据权利要求2所述的方法,其特征在于,所述分别针对所述多个候选动线计算多个优化指标值,包括:
确认所述多个车位中的每一个车位所对应的权重;
通过人工智能方法对停车场样本进行训练确定所述权重的值,并且,根据所述权重的值,计算所述多个优化指标的值;
其中,所述停车场样本包括:所述车位的占用总时长;
所述车位的使用频率;
车辆在所述停车场的至少一个入口和/或出口的等待时长;
所述车位与电梯之间的距离;
以及,车辆在所述停车场寻找所述车位进行停靠的平均时长。
6.根据权利要求1所述的方法,其特征在于,所述绕行规则包括:车辆在动线上单向行驶,并且能够环绕至少一个车位循环行驶,
其中,所述为所述停车场生成多个候选动线,包括:
确定停靠区域,其中,所述停靠区域包括:至少所述多个车位以及所述多个车位之间的通道;
针对所述停靠区域生成大环绕动线,其中,所述大环绕动线环绕所述停靠区域,并且,所述候选动线包括所述大环绕动线。
7.根据权利要求6所述的方法,其特征在于,所述为所述停车场生成多个候选动线还包括:
根据所述停靠区域确定多个子停靠区域,其中,所述多个子停靠区域为所述停靠区域的子集,包括:至少一个车位以及与所述至少一个车位相邻的通道;
分别针对所述多个子停靠区域生成多个小环绕动线,其中,每个小环绕动线环绕一个子停靠区域,所述小环绕动线与所述大环绕动线之间的重叠部分上,车辆的移动方向相同,并且,所述候选动线包括所述小环绕动线;
其中,所述确定子停靠区域包括:
所述多个子停靠区域中,有至少一个相同的所述车位;或者,至少两个不同的所述子区域中,没有相同的所述车位。
8.根据权利要求7所述的方法,其特征在于,所述为所述停车场生成多个候选动线还包括:
以所述子停靠区域作为新的停靠区域,以所述小环绕动线作为新的大环绕动线,迭代执行所述根据所述停靠区域确定多个子停靠区域并分别针对所述多个子停靠区域生成多个小环绕动线的步骤。
9.根据权利要求1至8中的任一项所述的方法,其特征在于,所述获取所述停车场中多个车位的位置信息和多个通道的位置信息,包括:
从电子图纸的导出数据中提取所述多个车位的位置信息和多个通道的位置信息,其中,所述电子图纸包括:计算机辅助设备CAD软件生成的电子图纸;所述车位位置信息和所述通道的位置信息包括车位的坐标信息和通道的坐标信息。
10.一种为自动生成停车场动线的装置,其特征在于,包括:
获取模块,用于获取所述停车场中多个车位的位置信息和所述多个车位之间的通道的位置信息;
生成模块,用于根据所述多个车位的位置信息和所述多个车位之间的通道的位置信息以及动线的绕行规则,为所述停车场生成多个候选动线;
计算模块,用于根据动线的优化指标,确定所述多个候选动线中的至少一个作为所述停车场的规划动线;
输出模块,用于输出所述规划动线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810589411.7A CN108681797B (zh) | 2018-06-08 | 2018-06-08 | 自动生成停车场动线的方法、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810589411.7A CN108681797B (zh) | 2018-06-08 | 2018-06-08 | 自动生成停车场动线的方法、装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108681797A true CN108681797A (zh) | 2018-10-19 |
CN108681797B CN108681797B (zh) | 2022-07-08 |
Family
ID=63810565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810589411.7A Active CN108681797B (zh) | 2018-06-08 | 2018-06-08 | 自动生成停车场动线的方法、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108681797B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111353192A (zh) * | 2020-03-12 | 2020-06-30 | 深圳小库科技有限公司 | 一种停车场强排方法、装置及存储介质 |
CN113068215A (zh) * | 2021-03-12 | 2021-07-02 | 华扬联众数字技术(深圳)有限公司 | 一种基于权重与过滤的多WiFi探针MAC地址的动线算法 |
CN114155716A (zh) * | 2022-02-08 | 2022-03-08 | 深圳市金蚁云数字科技有限公司 | 车位管理方法、装置、设备及计算机存储介质 |
CN116137108A (zh) * | 2021-11-18 | 2023-05-19 | 沈阳精一智驾科技有限公司 | 基于车联网的停车系统和停车方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006031412A (ja) * | 2004-07-16 | 2006-02-02 | Nippon Soken Inc | 自動駐車システム |
CN103337196A (zh) * | 2013-06-21 | 2013-10-02 | 苏州大方特种车股份有限公司 | 车位引导和反向寻车方法及其系统 |
CN104933891A (zh) * | 2015-07-06 | 2015-09-23 | 深圳市腾讯计算机系统有限公司 | 信息处理方法、客户端及服务平台 |
-
2018
- 2018-06-08 CN CN201810589411.7A patent/CN108681797B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006031412A (ja) * | 2004-07-16 | 2006-02-02 | Nippon Soken Inc | 自動駐車システム |
CN103337196A (zh) * | 2013-06-21 | 2013-10-02 | 苏州大方特种车股份有限公司 | 车位引导和反向寻车方法及其系统 |
CN104933891A (zh) * | 2015-07-06 | 2015-09-23 | 深圳市腾讯计算机系统有限公司 | 信息处理方法、客户端及服务平台 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111353192A (zh) * | 2020-03-12 | 2020-06-30 | 深圳小库科技有限公司 | 一种停车场强排方法、装置及存储介质 |
CN111353192B (zh) * | 2020-03-12 | 2023-02-24 | 深圳小库科技有限公司 | 一种停车场强排方法、装置及存储介质 |
CN113068215A (zh) * | 2021-03-12 | 2021-07-02 | 华扬联众数字技术(深圳)有限公司 | 一种基于权重与过滤的多WiFi探针MAC地址的动线算法 |
CN113068215B (zh) * | 2021-03-12 | 2022-01-11 | 华扬联众数字技术(深圳)有限公司 | 一种基于权重与过滤的多WiFi探针MAC地址的动线算法 |
CN116137108A (zh) * | 2021-11-18 | 2023-05-19 | 沈阳精一智驾科技有限公司 | 基于车联网的停车系统和停车方法 |
CN116137108B (zh) * | 2021-11-18 | 2023-12-29 | 沈阳精一智驾科技有限公司 | 基于车联网的停车系统和停车方法 |
CN114155716A (zh) * | 2022-02-08 | 2022-03-08 | 深圳市金蚁云数字科技有限公司 | 车位管理方法、装置、设备及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108681797B (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108681797A (zh) | 自动生成停车场动线的方法、装置及可读存储介质 | |
Ault et al. | Reinforcement learning benchmarks for traffic signal control | |
CN112000754B (zh) | 地图构建方法、装置、存储介质及计算机设备 | |
CN104075720B (zh) | 基于多代价的路线规划设备和方法 | |
CN107228677A (zh) | 偏航识别方法和装置 | |
CN106843235A (zh) | 一种面向无人自行车的人工势场路径规划法 | |
CN110032782A (zh) | 一种城市级智能交通信号控制系统及方法 | |
CN103632542A (zh) | 交通信息处理方法、装置和相应设备 | |
CN113682318B (zh) | 车辆行驶控制方法及装置 | |
CN106875734B (zh) | 一种推送停车路线的方法及装置 | |
Ma et al. | An intelligence-based approach for prediction of microscopic pedestrian walking behavior | |
Box et al. | An automated signalized junction controller that learns strategies from a human expert | |
Suriyarachchi et al. | Gameopt: Optimal real-time multi-agent planning and control for dynamic intersections | |
Otsuka et al. | Bayesian optimization for crowd traffic control using multi-agent simulation | |
Sun et al. | Hierarchical reinforcement learning for dynamic autonomous vehicle navigation at intelligent intersections | |
CN112884229B (zh) | 基于差分进化算法的大型公共场所人流引导路径规划方法 | |
Liu et al. | GA-DRL: Graph Neural Network-Augmented Deep Reinforcement Learning for DAG Task Scheduling over Dynamic Vehicular Clouds | |
KR102185690B1 (ko) | 스마트 시티에서 2-sat을 이용한 도로망 일방통행 결정 방법 | |
Hirano et al. | A method for generating multiple tour routes balancing user satisfaction and resource consumption | |
Sun et al. | KeyLight: Intelligent Traffic Signal Control Method Based on Improved Graph Neural Network | |
Nakamiti et al. | Fuzzy sets in distributed traffic control | |
CN112987721B (zh) | 一种多agv调度装置及其全局规划与局部规划融合方法 | |
Xu et al. | Multiagent control approach with multiple traffic signal priority and coordination | |
CN110458309B (zh) | 一种基于实际路网环境的网约拼车站点选址方法 | |
Chen et al. | Automatic Guidance Signage Placement Through Multiobjective Evolutionary Algorithm |
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 |