CN108759851A - 基于时间窗的多车路径规划方法、系统、设备及存储介质 - Google Patents
基于时间窗的多车路径规划方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN108759851A CN108759851A CN201810556870.5A CN201810556870A CN108759851A CN 108759851 A CN108759851 A CN 108759851A CN 201810556870 A CN201810556870 A CN 201810556870A CN 108759851 A CN108759851 A CN 108759851A
- Authority
- CN
- China
- Prior art keywords
- node
- time window
- time
- list
- vehicle
- 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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
-
- 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
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)
Abstract
本发明提供了基于时间窗的多车路径规划方法、系统、设备及存储介质,该方法包括:遍历路网节点地图中相邻节点之间的每条边,获得经过每条边的通过时间,以及地图中任意两点之间的最短估算距离;获得第一辆车自起始节点依次经过每个节点的当前访问列表和历史访问列表;根据已经完成路径规划的所有车,更新节点的锁闭时间窗和边的锁闭时间窗;获得下一辆需要路径规划自起始节点依次经过每个节点的当前访问列表和历史访问列表;若合法时间窗的时间区间被包含于节点的锁闭时间窗的时间区间,则废弃该节点;将历史访问列表中的各前置节点依次输出作为路径规划。本发明能够在多车路径规划中有效防止在不同车辆出现冲突的现象,提高通过效率和安全性。
Description
技术领域
本发明涉及路径规划领域,具体地说,涉及基于时间窗的多车路径规划方法、系统、设备及存储介质。
背景技术
多车路径规划一直以来都是集群机器人领域的主要研究课题之一。目前较为流行的多车路径规划算法大多对车辆行驶路径规则有较为严格的限制,如只允许单向同行,限制车辆活动区域等,以降低运算量且避免出现车辆死锁问题。但这些算法对车辆行驶有许多不必要的限制,且降低了车辆利用效率。
因此,本发明提供了一种基于时间窗的多车路径规划方法、系统、设备及存储介质。
发明内容
针对现有技术中的问题,本发明的目的在于提供基于时间窗的多车路径规划方法、系统、设备及存储介质,能够在多车路径规划中有效防止在不同车辆出现冲突的现象,提高了路网的通过效率,并且保证了安全性。
本发明的实施例提供一种基于时间窗的多车路径规划方法,包括以下步骤:
S101、遍历路网节点地图中相邻节点之间的每条边,获得经过每条所述边的通过时间,以及地图中任意两点之间的最短估算距离;
S102、根据第一辆车的起始节点和目标节点,自所述起始节点沿对应的所述最短估算距离的路径通过所述边前往所述目标节点,获得自所述起始节点依次经过每个所述节点的当前访问列表和历史访问列表,所述当前访问列表用于记录该车基于当前节点最早达到目标节点的时间、合法时间窗以及前置节点,所述合法时间窗为一个时间区间;将历史访问列表中的各前置节点依次输出作为所述第一辆车的路径规划;
S103、根据已经完成路径规划的所有车的历史访问列表中各自占用节点和边的时间,更新节点的锁闭时间窗和边的锁闭时间窗,所述节点的锁闭时间窗和边的锁闭时间窗各自为一个或多个时间区间;
S104、根据下一辆需要路径规划的车的起始节点、目标节点以及步骤S103中获得的所述节点的锁闭时间窗,自所述起始节点前往目标节点,获得自所述起始节点依次经过每个所述节点的当前访问列表和历史访问列表,所述当前访问列表用于记录该车基于当前节点最早达到目标节点的时间、合法时间窗以及前置节点,所述合法时间窗是一个时间区间或者是多个时间区间的并集,若所述合法时间窗的时间区间被包含于所述节点的锁闭时间窗的时间区间,则将该节点废弃;将历史访问列表中的各前置节点依次输出作为路径规划;
S105、判断是否还有车需要路径规划,若是,则返回步骤S104,若否,则执行步骤S106;以及
S106、结束。
优选地,所述步骤S102中,所述第一辆车通过多次迭代自所述起始节点沿对应的所述最短估算距离通过所述边前往所述目标节点,每一次迭代包括以下步骤:
S1021、判断当前节点是否是目标节点,若是,则执行步骤S1025,若否,则执行步骤S1022;
S1022、将所述当前访问列表中的当前节点作为前置节点以及相关的访问信息移出所述当前访问列表并加入到本次迭代的历史访问列表中;
S1023将未包含在历史访问列表中的当前节点的相邻节点的访问信息加入到所述当前访问列表,所述访问信息包括所述当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点。
S1024、选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,返回步骤S1021;以及
S1025、将历史访问列表中的各前置节点依次输出作为所述第一辆车的路径规划,迭代结束。
优选地,所述步骤S102中,所述合法时间窗的时间区间为[g,h],其中g为车辆最早到达当前节点的时间,h为车辆最迟离开当前节点的合法时间,每个当前节点的合法时间窗中g的值等于从前置节点通过与其的相邻边所到达该节点的时间,h的值等于正无穷。
优选地,所述步骤S103中,所述节点的锁闭时间窗的区间为[max(a-c,0),b+c],其中,a为该节点被占用的起始时间,b为该节点被占用的结束时间,c为预设的时间分辨率,0≤c≤10;
所述边的锁闭时间窗的区间为[max(0,d-e),f],其中,d为所述边被占用的起始时间,e为通过所述边所需要的通过时间,f为所述边被占用的终止时间。
优选地,所述步骤S103中,将所有已经完成路径规划的所有车的历史访问列表中各自占用节点的时间的并集作为更新后的节点的锁闭时间窗;将所有已经完成路径规划的所有车的历史访问列表中各自占用边的时间的并集作为更新后的边的锁闭时间窗。
优选地,所述步骤S104中,所述车通过多次迭代自所述起始节点前往目标节点,每一次迭代包括以下步骤:
S1041、判断当前节点是否是目标节点,若是,则执行步骤S1045,若否,则执行步骤S1042;
S1042、将所述当前访问列表中的当前节点作为前置节点以及相关的访问信息移出所述当前访问列表并加入到本次迭代的历史访问列表中;
S1043、获得与当前节点的相邻节点的相关的访问信息加入当前访问列表,所述访问信息包括所述当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点,所述合法时间窗是一个时间区间或者是多个时间区间的并集,若所述合法时间窗的时间区间被包含于所述节点的锁闭时间窗的时间区间,则废弃对应的当前节点;
S1044、选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,返回步骤S1041;以及
S1045、将历史访问列表中的各前置节点依次输出作为该车的路径规划,迭代结束。
优选地,所述步骤S1042中还包括:若所述当前节点的合法时间窗的时间区间无解,则在所述当前访问列表中删除所述当前节点。
优选地,所述步骤S1042,根据所述车的起始节点、目标节点以及最早到达当前节点的时间;获得所述当前节点的合法时间长的时间区间,该时间区间存在一个及以上的区间[ji,ki],i=1,2,3...n,n为区间的个数;
所述时间区间的计算方法为首先获得当前节点的前置节点的合法时间窗,当前节点与前置节点相邻边的锁闭时间窗,当前节点的锁闭时间窗;然后计算获得前置节点的合法时间窗与当前节点和前置节点相邻边的锁闭时间窗的差集与当前节点的锁闭时间窗的差集。
优选地,所述步骤S1042,若所述当前节点的合法时间窗没有合法时间窗,在所述当前访问列表中删除所述当前节点。
本发明的实施例还提供一种基于时间窗的多车路径规划系统,用于实现上述的基于时间窗的多车路径规划方法,基于时间窗的多车路径规划系统包括:
节点信息采集模块,遍历路网节点地图中相邻节点之间的每条边,获得经过每条所述边的通过时间,以及地图中任意两点之间的最短估算距离;
第一车路径规划模块,根据第一辆车的起始节点和目标节点,自所述起始节点沿对应的所述最短估算距离的路径通过所述边前往所述目标节点,获得自所述起始节点依次经过每个所述节点的当前访问列表和历史访问列表,所述当前访问列表用于记录该车基于当前节点最早达到目标节点的时间、合法时间窗以及前置节点,所述合法时间窗为一个或多个时间区间;将历史访问列表中的各前置节点依次输出作为所述第一辆车的路径规划;
锁闭时间窗建立模块,根据已经完成路径规划的所有车的历史访问列表中各自占用节点和边的时间,更新节点的锁闭时间窗和边的锁闭时间窗,所述节点的锁闭时间窗和边的锁闭时间窗各自为一个或多个时间区间;以及
后续车路径规划模块,根据下一辆需要路径规划的车的起始节点、目标节点以及锁闭时间窗建立模块中获得的所述节点的锁闭时间窗,自所述起始节点前往目标节点,获得自所述起始节点依次经过每个所述节点的当前访问列表和历史访问列表,所述当前访问列表用于记录该车基于当前节点最早达到目标节点的时间、合法时间窗以及前置节点,所述合法时间窗是一个时间区间或者是多个时间区间的并集,若所述合法时间窗的时间区间被包含于所述节点的锁闭时间窗的时间区间,则将该节点废弃;将历史访问列表中的各前置节点依次输出作为路径规划;重复执行直到所有车都完成路径规划。
本发明的实施例还提供一种基于时间窗的多车路径规划设备,包括:
处理器;
存储器,其中存储有处理器的可执行指令;
其中,处理器配置为经由执行可执行指令来执行上述基于时间窗的多车路径规划方法的步骤。
本发明的实施例还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现上述基于时间窗的多车路径规划方法的步骤。
本发明的基于时间窗的多车路径规划方法、系统、设备及存储介质,能够在多车路径规划中有效防止在不同车辆出现冲突的现象,提高了路网的通过效率,并且保证了安全性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。
图1是本发明的基于时间窗的多车路径规划方法的流程图;
图2至10是本发明的基于时间窗的多车路径规划方法的实施状态示意图;
图11是本发明的基于时间窗的多车路径规划系统的结构示意图;
图12是本发明的基于时间窗的多车路径规划设备的结构示意图;以及
图13是本发明一实施例的计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的实施方式。相反,提供这些实施方式使得本发明将全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构,因而将省略对它们的重复描述。
图1是本发明的基于时间窗的多车路径规划方法的流程图。如图1所示,本发明的实施例提供一种基于时间窗的多车路径规划方法,包括以下步骤:
S101、遍历路网节点地图中相邻节点之间的每条边,获得经过每条边的通过时间,以及地图中任意两点之间的最短估算距离。
S102、根据第一辆车的起始节点和目标节点,自起始节点沿对应的最短估算距离的路径通过边前往目标节点,获得自起始节点依次经过每个节点的当前访问列表和历史访问列表,当前访问列表用于记录该车基于当前节点最早达到目标节点的时间、合法时间窗以及前置节点,合法时间窗为一个时间区间。将历史访问列表中的各前置节点依次输出作为第一辆车的路径规划。其中,步骤S102中,合法时间窗的时间区间为[g,h],其中g为车辆最早到达当前节点的时间,h为车辆最迟离开当前节点的合法时间,每个当前节点的合法时间窗中g的值等于从前置节点通过与其的相邻边所到达该节点的时间,h的值等于正无穷。
在一个优选方案中,步骤S102中,第一辆车通过多次迭代自起始节点沿对应的最短估算距离通过边前往目标节点,每一次迭代包括以下步骤:
S1021、判断当前节点是否是目标节点,若是,则执行步骤S1025,若否,则执行步骤S1022;
S1022、将当前访问列表中的当前节点作为前置节点以及相关的访问信息移出当前访问列表并加入到本次迭代的历史访问列表中;
S1023将未包含在历史访问列表中的当前节点的相邻节点的访问信息加入到当前访问列表,访问信息包括当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点。
S1024、选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,返回步骤S1021;以及
S1025、将历史访问列表中的各前置节点依次输出作为第一辆车的路径规划,迭代结束。
S103、根据已经完成路径规划的所有车的历史访问列表中各自占用节点和边的时间,更新节点的锁闭时间窗和边的锁闭时间窗,节点的锁闭时间窗和边的锁闭时间窗各自为一个或多个时间区间。在一个优选方案中,步骤S103中,节点的锁闭时间窗的区间为[max(a-c,0),b+c],其中,a为该节点被占用的起始时间,b为该节点被占用的结束时间,c为预设的时间分辨率,0≤c≤10。边的锁闭时间窗的区间为[max(0,d-e),f],其中,d为边被占用的起始时间,e为通过边所需要的通过时间,f为边被占用的终止时间。在一个优选方案中,步骤S103中,将所有已经完成路径规划的所有车的历史访问列表中各自占用节点的时间的并集作为更新后的节点的锁闭时间窗。将所有已经完成路径规划的所有车的历史访问列表中各自占用边的时间的并集作为更新后的边的锁闭时间窗。本发明通过记录基于时间窗的多车路径规划的基本思想是依次计算每个车辆到达目的地的最短路径,并记录车辆访问节点的时间,之后将所有路径及访问时刻进行叠加以防止在驾驶中车辆出现冲突。
S104、根据下一辆需要路径规划的车的起始节点、目标节点以及步骤S103中获得的节点的锁闭时间窗,自起始节点前往目标节点,获得自起始节点依次经过每个节点的当前访问列表和历史访问列表,当前访问列表用于记录该车基于当前节点最早达到目标节点的时间、合法时间窗以及前置节点,合法时间窗是一个时间区间或者是多个时间区间的并集,若合法时间窗的时间区间被包含于节点的锁闭时间窗的时间区间,则将该节点废弃。将历史访问列表中的各前置节点依次输出作为路径规划。
在一个优选方案中,步骤S104中,车通过多次迭代自起始节点前往目标节点,每一次迭代包括以下步骤:
S1041、判断当前节点是否是目标节点,若是,则执行步骤S1045,若否,则执行步骤S1042。
S1042、将当前访问列表中的当前节点作为前置节点以及相关的访问信息移出当前访问列表并加入到本次迭代的历史访问列表中。步骤S1042中还包括:若当前节点的合法时间窗的时间区间无解,则在当前访问列表中删除当前节点。在一个优选方案中,根据车的起始节点、目标节点以及最早到达当前节点的时间。获得当前节点的合法时间长的时间区间,该时间区间存在一个及以上的区间[ji,ki],i=1,2,3...n,n为区间的个数。时间区间的计算方法为首先获得当前节点的前置节点的合法时间窗,当前节点与前置节点相邻边的锁闭时间窗,当前节点的锁闭时间窗。然后计算获得前置节点的合法时间窗与当前节点和前置节点相邻边的锁闭时间窗的差集与当前节点的锁闭时间窗的差集。在一个优选方案中,步骤S1042,若当前节点的合法时间窗没有合法时间窗,在当前访问列表中删除当前节点,对于与锁闭时间窗冲突的节点不必继续计算。
S1043、获得与当前节点的相邻节点的相关的访问信息加入当前访问列表,访问信息包括当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点,合法时间窗是一个时间区间或者是多个时间区间的并集,若合法时间窗的时间区间被包含于节点的锁闭时间窗的时间区间,则废弃对应的当前节点。
S1044、选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,返回步骤S1041。如果多次迭代后得到了目标节点,则本发明的路径规划基本完成了,所找到的前置节点所代表的路径是不会与在前规划的车辆发生冲突的、完全安全的路径。
S1045、将历史访问列表中的各前置节点依次输出作为该车的路径规划,迭代结束。将各个安全的各前置节依次输出就是该车能够规避在前规划好的车辆的路径规划,可以作为本发明的基于时间窗的多车路径规划方法的结果,进行实施。
S105、判断是否还有车需要路径规划,若是,则返回步骤S104,若否,则执行步骤S106。将每一辆车依次通过步骤S104的过程进行路径规划,让合法时间窗与节点的锁闭时间窗不发生冲突,让每一辆车的路径都能安全规避在前的车辆。
S106、结束。
图2至10是本发明的基于时间窗的多车路径规划方法的实施状态示意图。以下参考如2至10来具体介绍本发明的一种实施例。
如图2所示,网节点地图中具有6个节点,分别是节点1、节点2、节点3、节点4、节点5和节点6。遍历路网节点地图中相邻节点之间的每条边,获得经过每条边的通过时间,以及地图中任意两点之间的最短估算距离。本实施例中,节点1与节点2之间的通过时间的15分钟,节点2与节点3之间的通过时间的10分钟,节点3与节点4之间的通过时间的10分钟,节点3与节点6之间的通过时间的12分钟,节点4与节点5之间的通过时间的8分钟。其中,车辆X需要从节点1行驶到节点5,车辆Y需要从节点5行驶到节点1。
以下为预设的各节点到节点5的预估时间:节点1:43分钟;节点2:28分钟;节点3:18分钟;节点4:8分钟;节点6:30分钟。
以下为预设的各节点到节点1的预估时间:节点2:15分钟;节点3:25分钟;节点4:35分钟;节点5:43分钟;节点6:37分钟。
如图3所示,根据车辆X的起始节点和目标节点,自起始节点(节点1)沿对应的最短估算距离的路径通过边前往目标节点(节点5),获得自起始节点依次经过每个节点的当前访问列表和历史访问列表,当前访问列表用于记录该车X基于当前节点最早达到目标节点的时间、合法时间窗以及前置节点,合法时间窗为一个时间区间。将历史访问列表中的各前置节点依次输出作为车辆X的路径规划。
目前时间窗为空,不需要考虑锁闭的情况。车辆X的规划过程如下:
第一次迭代的过程:
将当前访问列表中的当前节点(无)作为前置节点以及相关的访问信息移出当前访问列表并加入到本次迭代的历史访问列表中,所以访问结束列表为空。
将未包含在历史访问列表中的当前节点的相邻节点的访问信息加入到当前访问列表,访问信息包括当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点。即:节点1:[0,INF];预计最早到达时间:43分钟;前置节点:null;本发明中的INF是指无穷大。
选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,当前节点是节点1。
所以,第一次迭代结束后当前访问列表和历史访问列表如下:
当前访问列表:
节点1:[0,INF];预计最早到达时间:43分钟;前置节点:null;
历史访问列表为空。
第二次迭代的过程:
将当前访问列表中的当前节点作为前置节点以及相关的访问信息移出当前访问列表并加入到本次迭代的历史访问列表中,则“节点1:[0,INF];预计最早到达时间:43分钟;前置节点:null”被加入到本次迭代的历史访问列表中。
将未包含在历史访问列表中的当前节点的相邻节点的访问信息加入到当前访问列表,访问信息包括当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点。即:节点2:[15,INF]预计最早到达时间:43前置节点:节点1。
选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,当前节点是节点2。
所以,第二次迭代结束后当前访问列表和历史访问列表如下:
当前访问列表:
节点2:[15,INF]预计最早到达时间:43前置节点:节点1
历史访问列表:
节点1:[0,INF]前置节点:null
第三次迭代的过程:
将当前访问列表中的当前节点作为前置节点以及相关的访问信息移出当前访问列表并加入到本次迭代的历史访问列表中,则“节点2:[15,INF]预计最早到达时间:43前置节点:节点1”被加入到本次迭代的历史访问列表中。
将未包含在历史访问列表中的当前节点的相邻节点的访问信息加入到当前访问列表,访问信息包括当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点。即:节点3:[25,INF]预计最早到达时间:43前置节点:节点2。
选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,当前节点是节点3。
所以,第三次迭代结束后当前访问列表和历史访问列表如下:
当前访问列表:
节点3:[25,INF]预计最早到达时间:43前置节点:节点2
历史访问列表:
节点2:[15,INF]前置节点:节点1
节点1:[0,INF]前置节点:null
第四次迭代的过程:
将当前访问列表中的当前节点作为前置节点以及相关的访问信息移出当前访问列表并加入到本次迭代的历史访问列表中,则“节点3:[25,INF]预计最早到达时间:43前置节点:节点2”被加入到本次迭代的历史访问列表中。
将未包含在历史访问列表中的当前节点的相邻节点(节点6和节点4)的访问信息加入到当前访问列表,访问信息包括当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点。即:节点6:[37,INF]预计最早到达时间:67前置节点:节点3;和节点4:[35,INF]预计最早到达时间:43前置节点:节点3。
选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,当前节点是节点4,节点6的到达时间晚于节点4,节点6不被作为当前节点。
所以,第四次迭代结束后当前访问列表和历史访问列表如下:
当前访问列表:
节点6:[37,INF]预计最早到达时间:67前置节点:节点3
节点4:[35,INF]预计最早到达时间:43前置节点:节点3
历史访问列表:
节点3:[25,INF]前置节点:节点2
节点2:[15,INF]前置节点:节点1
节点1:[0,INF]前置节点:null
第五次迭代的过程:
将当前访问列表中的当前节点作为前置节点以及相关的访问信息移出当前访问列表并加入到本次迭代的历史访问列表中,则“节点4:[35,INF]预计最早到达时间:43前置节点:节点3”被加入到本次迭代的历史访问列表中。
将未包含在历史访问列表中的当前节点的相邻节点的访问信息加入到当前访问列表,访问信息包括当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点。即:节点5:[43,INF]预计最早到达时间:43前置节点:节点5
选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,当前节点是节点5,节点6的到达时间晚于节点6,节点6依然不被作为当前节点。
所以,第五次迭代结束后当前访问列表和历史访问列表如下:
当前访问列表:
节点6:[37,INF]预计最早到达时间:67前置节点:节点3
节点5:[43,INF]预计最早到达时间:43前置节点:节点5
历史访问列表:
节点4:[35,INF]前置节点:节点3
节点3:[25,INF]前置节点:节点2
节点2:[15,INF]前置节点:节点1
节点1:[0,INF]前置节点:null
第六次迭代的过程:
由于当前节点(节点5)是目标节点,所以迭代结束,输出车辆X的规划道路,如下所示:节点1:[0,0]节点2:[15,15]节点3:[25,25]节点4:[35,35]节点5:[43,43]。
参考图4,根据已经完成路径规划的所有车的历史访问列表中各自占用节点和边的时间,更新节点的锁闭时间窗和边的锁闭时间窗,节点的锁闭时间窗和边的锁闭时间窗各自为一个或多个时间区间。节点的锁闭时间窗的区间为[max(a-c,0),b+c],其中,a为该节点被占用的起始时间,b为该节点被占用的结束时间,c为预设的时间分辨率,0≤c≤10,本实施例中,c=1。边的锁闭时间窗的区间为[max(0,d-e),f],其中,d为边被占用的起始时间,e为通过边所需要的通过时间,f为边被占用的终止时间。规划路径确认完毕,进行锁闭时间窗的操作,锁闭时间窗情况如下所示:其中,边12表示节点1与节点2之间的边,同理,边23表示节点2与节点3之间的边,后续不再赘述。
节点1:[0,1]
边12:[0,15]
节点2:[14,16]
边23:[5,25]
节点3:[24,26]
边34:[15,35]
节点4:[34,36]
边45:[27,43]
节点5:[42,44]
以节点2和边23的计算过程为例:
节点2的锁闭时间窗为[max(a-c,0),b+c]=[max(15-1,0),15+1]=[14,16]
边23的锁闭时间窗为[max(0,d-e),f]=[max(0,15-10),25]=[5,25]
本发明中将所有已经完成路径规划的所有车的历史访问列表中各自占用节点的时间的并集作为更新后的节点的锁闭时间窗。将所有已经完成路径规划的所有车的历史访问列表中各自占用边的时间的并集作为更新后的边的锁闭时间窗。本发明通过记录基于时间窗的多车路径规划的基本思想是依次计算每个车辆到达目的地的最短路径,并记录车辆访问节点的时间,之后将所有路径及访问时刻进行叠加以防止在驾驶中车辆出现冲突。
参考图5,根据车辆Y需要路径规划的车的起始节点、目标节点以及节点的锁闭时间窗,自起始节点前往目标节点,获得自起始节点依次经过每个节点的当前访问列表和历史访问列表,当前访问列表用于记录该车基于当前节点最早达到目标节点的时间、合法时间窗以及前置节点,合法时间窗是一个时间区间或者是多个时间区间的并集,若合法时间窗的时间区间被包含于节点的锁闭时间窗的时间区间,则将该节点废弃。将历史访问列表中的各前置节点依次输出作为路径规划。
车辆Y通过多次迭代自起始节点前往目标节点,包括以下步骤:
第一次迭代
将当前访问列表中的当前节点作为前置节点以及相关的访问信息移出当前访问列表并加入到本次迭代的历史访问列表中。当前节点为空,所以,历史访问列表为空。
获得与当前节点的相邻节点的相关的访问信息加入当前访问列表,访问信息包括当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点,合法时间窗为一个时间区间,若合法时间窗的时间区间被包含于节点的锁闭时间窗的时间区间,则废弃对应的当前节点。将“节点5:[0,42]预计最早到达时间:43前置节点:null”加入当前访问列表。
选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,将节点5作为当前节点。
所以,第一次迭代结束后当前访问列表和历史访问列表如下:
当前访问列表:
节点5:[0,42]预计最早到达时间:43前置节点:null
历史访问列表为空
第二次迭代
将当前访问列表中的当前节点作为前置节点以及相关的访问信息移出当前访问列表并加入到本次迭代的历史访问列表中。将“节点5:[0,42]预计最早到达时间:43前置节点:null”加入到本次迭代的历史访问列表中。
获得与当前节点的相邻节点的相关的访问信息加入当前访问列表,访问信息包括当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点,合法时间窗为一个时间区间,若合法时间窗的时间区间被包含于节点的锁闭时间窗的时间区间,则废弃对应的当前节点。将“节点4:[8,34]预计到达时间:43前置节点:节点5”加入当前访问列表。
选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,将节点4作为当前节点。
所以,第二次迭代结束后当前访问列表和历史访问列表如下:
当前访问列表:
节点4:[8,34]预计到达时间:43前置节点:节点5。
历史访问列表:
节点5:[0,42]前置节点:null。
第三次迭代
将当前访问列表中的当前节点作为前置节点以及相关的访问信息移出当前访问列表并加入到本次迭代的历史访问列表中。将“节点4:[8,34]预计到达时间:43前置节点:节点5。”加入到本次迭代的历史访问列表中。本发明采用了数组来储存时间窗,即Arrary[n],其中Array[i]用于存储第i个节点中已经访问过的时间窗。当车辆Y到达节点4并寻找下一个节点时,其实存在两种可能性,即可以去节点3与节点5。由于从节点5出发时已经将他的合法时间窗存储在Array[5]中了,即Array[5]中含有区间[0,42]。那么假如我们到达节点4后想再回节点5,那么合法时间窗为[16,42],可是这个时间窗完全包含在Array[5]所拥有的时间窗内,所以节点5不做考虑。
获得与当前节点的相邻节点的相关的访问信息加入当前访问列表,访问信息包括当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点,合法时间窗为一个时间区间,若合法时间窗的时间区间被包含于节点的锁闭时间窗的时间区间,则废弃对应的当前节点。将“节点3:[18,24]预计到达时间:43前置节点:节点4”加入当前访问列表。
选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,将节点3作为当前节点。
所以,第二次迭代结束后当前访问列表和历史访问列表如下:
当前访问列表:
节点3:[18,24]预计到达时间:43前置节点:节点4
历史访问列表:
节点4:[8,34]前置节点:节点5
节点5:[0,42]前置节点:null
第四次迭代
将当前访问列表中的当前节点作为前置节点以及相关的访问信息移出当前访问列表并加入到本次迭代的历史访问列表中。将“节点3:[18,24]预计到达时间:43前置节点:节点4。”加入到本次迭代的历史访问列表中。
获得与当前节点的相邻节点的相关的访问信息加入当前访问列表,访问信息包括当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点,合法时间窗为一个时间区间,若合法时间窗的时间区间被包含于节点的锁闭时间窗的时间区间,则废弃对应的当前节点。将“节点2:没有合法的时间窗前置节点:节点4”和“节点6:[30,INF]预计到达时间:67前置节点:节点3”加入当前访问列表。(其中节点2的时间窗为[28,14]不符合区间的定义,所以节点2没有合法的时间窗,也就是会与之前规划好的车辆X在同一路段同一时间上相撞)
选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,将节点6作为当前节点。
所以,第二次迭代结束后当前访问列表和历史访问列表如下:
当前访问列表:
节点2:没有合法的时间窗前置节点:节点4
节点6:[30,INF]预计到达时间:67前置节点:节点3
历史访问列表:
节点3:[18,24]预计到达时间:43前置节点:节点4
节点4:[8,34]前置节点:节点5
节点5:[0,42]前置节点:null
第五次迭代
将当前访问列表中的当前节点作为前置节点以及相关的访问信息移出当前访问列表并加入到本次迭代的历史访问列表中。将“节点6:[30,INF]预计到达时间:67前置节点:节点3。”加入到本次迭代的历史访问列表中。在车辆Y到达节点6后又重新回到了节点3,这个是因为之前的Array[3]只包含了区间[18,24],所以区间[42,INF]不包含在Array[3],这决定了我们可以将节点3放入访问列表中,并且更新Array[3],使其包含[18,24]U[42,INF]。
获得与当前节点的相邻节点的相关的访问信息加入当前访问列表,访问信息包括当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点,合法时间窗为一个时间区间,若合法时间窗的时间区间被包含于节点的锁闭时间窗的时间区间,则废弃对应的当前节点。将“节点3:[42,INF]预计到达时间:67前置节点:节点6”加入当前访问列表。
选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,将节点3作为当前节点。
所以,第二次迭代结束后当前访问列表和历史访问列表如下:
当前访问列表:
节点3:[42,INF]预计到达时间:67前置节点:节点6
历史访问列表:
节点6:[30,INF]前置节点:节点3
节点3:[18,24]前置节点:节点4
节点4:[8,34]前置节点:节点5
节点5:[0,42]前置节点:null
第六次迭代
将当前访问列表中的当前节点作为前置节点以及相关的访问信息移出当前访问列表并加入到本次迭代的历史访问列表中。将“节点3:[42,INF]预计到达时间:67前置节点:节点6。”加入到本次迭代的历史访问列表中。
获得与当前节点的相邻节点的相关的访问信息加入当前访问列表,访问信息包括当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点,合法时间窗为一个时间区间,若合法时间窗的时间区间被包含于节点的锁闭时间窗的时间区间,则废弃对应的当前节点。将“节点2:[52,INF]预计到达时间:67前置节点:节点3”和“节点4:[52,INF]预计到达时间:87前置节点:节点3”加入当前访问列表。
选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,将节点2作为当前节点。
所以,第二次迭代结束后当前访问列表和历史访问列表如下:
当前访问列表:
节点2:[52,INF]预计到达时间:67前置节点:节点3
节点4:[52,INF]预计到达时间:87前置节点:节点3
历史访问列表:
节点3:[42,INF]预计到达时间:67前置节点:节点6
节点6:[30,INF]前置节点:节点3
节点3:[18,24],[42,INF]前置节点:节点6
节点4:[8,34]前置节点:节点5
节点5:[0,42]前置节点:null
第七次迭代
将当前访问列表中的当前节点作为前置节点以及相关的访问信息移出当前访问列表并加入到本次迭代的历史访问列表中。将“节点2:[52,INF]预计到达时间:67前置节点:节点3。”加入到本次迭代的历史访问列表中。
获得与当前节点的相邻节点的相关的访问信息加入当前访问列表,访问信息包括当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点,合法时间窗为一个时间区间,若合法时间窗的时间区间被包含于节点的锁闭时间窗的时间区间,则废弃对应的当前节点。将“节点1:[67,INF]预计到达时间:67前置节点:节点2”加入当前访问列表。
选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,将节点1作为当前节点。
所以,第二次迭代结束后当前访问列表和历史访问列表如下:
当前访问列表:
节点1:[67,INF]预计到达时间:67前置节点:节点2
节点4:[52,INF]预计到达时间:87前置节点:节点3
历史访问列表:
节点2:[52,INF]预计到达时间:67前置节点:节点3
节点3:[42,INF]预计到达时间:67前置节点:节点6
节点6:[30,INF]前置节点:节点3
节点3:[18,24],[42,INF]前置节点:节点6
节点4:[8,34]前置节点:节点5
节点5:[0,42]前置节点:null
第八次迭代的过程:
由于当前节点(节点1)是目标节点,所以迭代结束,参考图6,输出车辆Y的规划道路,如下所示:节点5:[0,0]节点4:[8,8]节点3:[18,18]节点6:[30,30]节点3:[42,42]节点2:[52,52]节点1:[67,67]。
因为车辆Y是最后一辆需要规划的车辆,所以不再进行时间窗的锁闭工作,并清空之前所有的锁闭信息,通过上述步骤车辆X和车辆Y的路径规划已经全部完成了。
参考图7至10,而采用本发明的得到的车辆X和车辆Y的路径规划方法,通过避免出现冲突的时间窗,实现了让车辆Y在会发生冲突的路径进行避让(车辆Y从节点3-节点6-节点3),从而让车辆X利用这个时间窗通过边23。同理,如何增加第三辆车,也会规避开车辆X和车辆Y的路径的时间窗。本发明的基于时间窗的多车路径规划方法能够在多车路径规划中有效防止在不同车辆出现冲突的现象,提高了路网的通过效率,并且保证了安全性。
图11是本发明的基于时间窗的多车路径规划系统的模块示意图。如图11所示,本发明的实施例还提供一种基于时间窗的多车路径规划系统,用于实现上述的基于时间窗的多车路径规划方法,基于时间窗的多车路径规划系统500包括:节点信息采集模块501、第一车路径规划模块502、锁闭时间窗建立模块503以及后续车路径规划模块504。
其中,节点信息采集模块501遍历路网节点地图中相邻节点之间的每条边,获得经过每条边的通过时间,以及地图中任意两点之间的最短估算距离。
第一车路径规划模块502根据第一辆车的起始节点和目标节点,自起始节点沿对应的最短估算距离的路径通过边前往目标节点,获得自起始节点依次经过每个节点的当前访问列表和历史访问列表,当前访问列表用于记录该车基于当前节点最早达到目标节点的时间、合法时间窗以及前置节点,合法时间窗为一个或多个时间区间;将历史访问列表中的各前置节点依次输出作为第一辆车的路径规划。
锁闭时间窗建立模块503根据已经完成路径规划的所有车的历史访问列表中各自占用节点和边的时间,更新节点的锁闭时间窗和边的锁闭时间窗,节点的锁闭时间窗和边的锁闭时间窗各自为一个或多个时间区间。
后续车路径规划模块504根据下一辆需要路径规划的车的起始节点、目标节点以及锁闭时间窗建立模块中获得的节点的锁闭时间窗,自起始节点前往目标节点,获得自起始节点依次经过每个节点的当前访问列表和历史访问列表,当前访问列表用于记录该车基于当前节点最早达到目标节点的时间、合法时间窗以及前置节点,合法时间窗是一个时间区间或者是多个时间区间的并集,若合法时间窗的时间区间被包含于节点的锁闭时间窗的时间区间,则将该节点废弃;将历史访问列表中的各前置节点依次输出作为路径规划;重复执行直到所有车都完成路径规划。
本发明的基于时间窗的多车路径规划系统能够在多车路径规划中有效防止在不同车辆出现冲突的现象,提高了路网的通过效率,并且保证了安全性。
本发明实施例还提供一种基于时间窗的多车路径规划设备,包括处理器。存储器,其中存储有处理器的可执行指令。其中,处理器配置为经由执行可执行指令来执行的基于时间窗的多车路径规划方法的步骤。
如上,本发明的基于时间窗的多车路径规划设备能够在多车路径规划中有效防止在不同车辆出现冲突的现象,提高了路网的通过效率,并且保证了安全性。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“平台”。
图12是本发明的基于时间窗的多车路径规划设备的结构示意图。下面参照图12来描述根据本发明的这种实施方式的电子设备600。图12显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图12所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中,存储单元存储有程序代码,程序代码可以被处理单元610执行,使得处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,处理单元610可以执行如图1中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本发明实施例还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现的基于时间窗的多车路径规划方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
如上所示,该实施例的计算机可读存储介质的程序在执行时,能够在多车路径规划中有效防止在不同车辆出现冲突的现象,提高了路网的通过效率,并且保证了安全性。
图13是本发明的计算机可读存储介质的结构示意图。参考图13所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上,本发明的基于时间窗的多车路径规划方法、系统、设备及存储介质,能够在多车路径规划中有效防止在不同车辆出现冲突的现象,提高了路网的通过效率,并且保证了安全性。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (12)
1.一种基于时间窗的多车路径规划方法,其特征在于,包括以下步骤:
S101、遍历路网节点地图中相邻节点之间的每条边,获得经过每条所述边的通过时间,以及地图中任意两点之间的最短估算距离;
S102、根据第一辆车的起始节点和目标节点,自所述起始节点沿对应的所述最短估算距离的路径通过所述边前往所述目标节点,获得自所述起始节点依次经过每个所述节点的当前访问列表和历史访问列表,所述当前访问列表用于记录该车基于当前节点最早达到目标节点的时间、合法时间窗以及前置节点,所述合法时间窗为一个时间区间;将历史访问列表中的各前置节点依次输出作为所述第一辆车的路径规划;
S103、根据已经完成路径规划的所有车的历史访问列表中各自占用节点和边的时间,更新节点的锁闭时间窗和边的锁闭时间窗,所述节点的锁闭时间窗和边的锁闭时间窗各自为一个或多个时间区间;
S104、根据下一辆需要路径规划的车的起始节点、目标节点以及步骤S103中获得的所述节点的锁闭时间窗,自所述起始节点前往目标节点,获得自所述起始节点依次经过每个所述节点的当前访问列表和历史访问列表,所述当前访问列表用于记录该车基于当前节点最早达到目标节点的时间、合法时间窗以及前置节点,所述合法时间窗是一个时间区间或者是多个时间区间的并集,若所述合法时间窗的时间区间被包含于所述节点的锁闭时间窗的时间区间,则将该节点废弃;将历史访问列表中的各前置节点依次输出作为路径规划;
S105、判断是否还有车需要路径规划,若是,则返回步骤S104,若否,则执行步骤S106;以及
S106、结束。
2.根据权利要求1所述的基于时间窗的多车路径规划方法,其特征在于:所述步骤S102中,所述第一辆车通过多次迭代自所述起始节点沿对应的所述最短估算距离通过所述边前往所述目标节点,每一次迭代包括以下步骤:
S1021、判断当前节点是否是目标节点,若是,则执行步骤S1025,若否,则执行步骤S1022;
S1022、将所述当前访问列表中的当前节点作为前置节点以及相关的访问信息移出所述当前访问列表并加入到本次迭代的历史访问列表中;
S1023将未包含在历史访问列表中的当前节点的相邻节点的访问信息加入到所述当前访问列表,所述访问信息包括所述当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点;
S1024、选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,返回步骤S1021;以及
S1025、将历史访问列表中的各前置节点依次输出作为所述第一辆车的路径规划,迭代结束。
3.根据权利要求1所述的基于时间窗的多车路径规划方法,其特征在于:所述步骤S102中,所述合法时间窗的时间区间为[g,h],其中g为车辆最早到达当前节点的时间,h为车辆最迟离开当前节点的合法时间,每个当前节点的合法时间窗中g的值等于从前置节点通过与其的相邻边所到达该节点的时间,h的值等于正无穷。
4.根据权利要求1所述的基于时间窗的多车路径规划方法,其特征在于:所述步骤S103中,所述节点的锁闭时间窗的区间为[max(a-c,0),b+c],其中,a为该节点被占用的起始时间,b为该节点被占用的结束时间,c为预设的时间分辨率,0≤c≤10;所述边的锁闭时间窗的区间为[max(0,d-e),f],其中,d为所述边被占用的起始时间,e为通过所述边所需要的通过时间,f为所述边被占用的终止时间。
5.根据权利要求1所述的基于时间窗的多车路径规划方法,其特征在于:所述步骤S103中,将所有已经完成路径规划的所有车的历史访问列表中各自占用节点的时间的并集作为更新后的节点的锁闭时间窗;将所有已经完成路径规划的所有车的历史访问列表中各自占用边的时间的并集作为更新后的边的锁闭时间窗。
6.根据权利要求1所述的基于时间窗的多车路径规划方法,其特征在于:所述步骤S104中,所述车通过多次迭代自所述起始节点前往目标节点,每一次迭代包括以下步骤:
S1041、判断当前节点是否是目标节点,若是,则执行步骤S1045,若否,则执行步骤S1042;
S1042、将所述当前访问列表中的当前节点作为前置节点以及相关的访问信息移出所述当前访问列表并加入到本次迭代的历史访问列表中;
S1043、获得与当前节点的相邻节点的相关的访问信息加入当前访问列表,所述访问信息包括所述当前节点的最早达到目标节点的估计时间、合法时间窗以及前置节点,所述合法时间窗是一个时间区间或者是多个时间区间的并集,若所述合法时间窗的时间区间被包含于所述节点的锁闭时间窗的时间区间,则废弃对应的当前节点;
S1044、选择当前访问列表中永远最早到达目标节点的估计时间的节点,将其作为当前节点,返回步骤S1041;以及
S1045、将历史访问列表中的各前置节点依次输出作为该车的路径规划,迭代结束。
7.根据权利要求6所述的基于时间窗的多车路径规划方法,其特征在于:所述步骤S1042中还包括:若所述当前节点的合法时间窗的时间区间无解,则在所述当前访问列表中删除所述当前节点。
8.根据权利要求1所述的基于时间窗的多车路径规划方法,其特征在于:所述步骤S1042,根据所述车的起始节点、目标节点以及最早到达当前节点的时间;获得所述当前节点的合法时间长的时间区间,该时间区间存在一个及以上的区间[ji,ki],i=1,2,3...n,n为区间的个数;所述时间区间的计算方法为首先获得当前节点的前置节点的合法时间窗,当前节点与前置节点相邻边的锁闭时间窗,当前节点的锁闭时间窗;然后计算获得前置节点的合法时间窗与当前节点和前置节点相邻边的锁闭时间窗的差集与当前节点的锁闭时间窗的差集。
9.根据权利要求8所述的基于时间窗的多车路径规划方法,其特征在于:所述步骤S1042,若所述当前节点的合法时间窗没有合法时间窗,在所述当前访问列表中删除所述当前节点。
10.一种基于时间窗的多车路径规划系统,用于实现权利要求1至9中任一项所述的基于时间窗的多车路径规划方法,其特征在于,包括:
节点信息采集模块,遍历路网节点地图中相邻节点之间的每条边,获得经过每条所述边的通过时间,以及地图中任意两点之间的最短估算距离;
第一车路径规划模块,根据第一辆车的起始节点和目标节点,自所述起始节点沿对应的所述最短估算距离的路径通过所述边前往所述目标节点,获得自所述起始节点依次经过每个所述节点的当前访问列表和历史访问列表,所述当前访问列表用于记录该车基于当前节点最早达到目标节点的时间、合法时间窗以及前置节点,所述合法时间窗为一个或多个时间区间;将历史访问列表中的各前置节点依次输出作为所述第一辆车的路径规划;
锁闭时间窗建立模块,根据已经完成路径规划的所有车的历史访问列表中各自占用节点和边的时间,更新节点的锁闭时间窗和边的锁闭时间窗,所述节点的锁闭时间窗和边的锁闭时间窗各自为一个或多个时间区间;以及
后续车路径规划模块,根据下一辆需要路径规划的车的起始节点、目标节点以及锁闭时间窗建立模块中获得的所述节点的锁闭时间窗,自所述起始节点前往目标节点,获得自所述起始节点依次经过每个所述节点的当前访问列表和历史访问列表,所述当前访问列表用于记录该车基于当前节点最早达到目标节点的时间、合法时间窗以及前置节点,所述合法时间窗是一个时间区间或者是多个时间区间的并集,若所述合法时间窗的时间区间被包含于所述节点的锁闭时间窗的时间区间,则将该节点废弃;将历史访问列表中的各前置节点依次输出作为路径规划;重复执行直到所有车都完成路径规划。
11.一种基于时间窗的多车路径规划设备,其特征在于,包括:
处理器;
存储器,其中存储有处理器的可执行指令;
其中,处理器配置为经由执行可执行指令来执行权利要求1至9中任意一项基于时间窗的多车路径规划方法的步骤。
12.一种计算机可读存储介质,用于存储程序,其特征在于,程序被执行时实现权利要求1至9中任意一项基于时间窗的多车路径规划方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810556870.5A CN108759851B (zh) | 2018-06-01 | 2018-06-01 | 基于时间窗的多车路径规划方法、系统、设备及存储介质 |
PCT/CN2019/082338 WO2019228081A1 (zh) | 2018-06-01 | 2019-04-11 | 基于时间窗的多车路径规划方法、系统、设备及存储介质 |
EP19810501.7A EP3739296A4 (en) | 2018-06-01 | 2019-04-11 | METHOD, SYSTEM AND DEVICE FOR TRIP PLANNING OF MULTIPLE VEHICLES ON THE BASIS OF TIME WINDOW, AND STORAGE MEDIA |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810556870.5A CN108759851B (zh) | 2018-06-01 | 2018-06-01 | 基于时间窗的多车路径规划方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108759851A true CN108759851A (zh) | 2018-11-06 |
CN108759851B CN108759851B (zh) | 2019-07-26 |
Family
ID=64001828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810556870.5A Active CN108759851B (zh) | 2018-06-01 | 2018-06-01 | 基于时间窗的多车路径规划方法、系统、设备及存储介质 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3739296A4 (zh) |
CN (1) | CN108759851B (zh) |
WO (1) | WO2019228081A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109754601A (zh) * | 2018-12-28 | 2019-05-14 | 银江股份有限公司 | 一种基于空间矢量计算对同时多任务进行冲突检测的方法 |
WO2019228081A1 (zh) * | 2018-06-01 | 2019-12-05 | 上海西井信息科技有限公司 | 基于时间窗的多车路径规划方法、系统、设备及存储介质 |
CN110598957A (zh) * | 2019-09-30 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 路径规划方法、装置、计算机设备及存储介质 |
CN111136658A (zh) * | 2019-12-30 | 2020-05-12 | 广东博智林机器人有限公司 | 机器人的控制方法、装置、电子设备及存储介质 |
CN111928867A (zh) * | 2020-08-20 | 2020-11-13 | 上海西井信息科技有限公司 | 基于时间扩展的路径规划方法、系统、设备及存储介质 |
CN112950126A (zh) * | 2021-04-07 | 2021-06-11 | 付强 | 应用于智慧仓储的物流供应链路径优化方法 |
CN114264313A (zh) * | 2021-12-23 | 2022-04-01 | 上海逐路智能科技发展有限公司 | 基于势能的车道级路径规划方法、系统、设备及存储介质 |
CN114353816A (zh) * | 2021-12-25 | 2022-04-15 | 江苏亿控智能装备有限公司 | Jobshop中5G组网下多车路径规划方法 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111309017B (zh) * | 2020-02-27 | 2023-04-07 | 广东博智林机器人有限公司 | 设备调度方法、装置、电子设备及存储介质 |
CN112488357B (zh) * | 2020-10-30 | 2022-11-04 | 合肥工业大学 | 基于车辆与无人机协同作业的末端配送方法及系统 |
CN112665603B (zh) * | 2020-12-16 | 2022-03-25 | 的卢技术有限公司 | 一种基于带时间窗a*改进的多车路径规划方法 |
CN112783167B (zh) * | 2020-12-30 | 2022-12-20 | 南京熊猫电子股份有限公司 | 一种基于多区域的实时路径规划方法及系统 |
CN112633609B (zh) * | 2021-01-06 | 2022-10-25 | 南方科技大学 | 车辆路径规划方法、装置、设备和存储介质 |
TW202240525A (zh) * | 2021-04-14 | 2022-10-16 | 新加坡商格步計程車控股私人有限公司 | 用於在道路系統上即時最近鄰搜尋之方法、裝置 |
CN113566840B (zh) * | 2021-08-06 | 2024-03-19 | 上海振华重工(集团)股份有限公司 | 封闭式、密网型、自动化物流园区的多车路径规划方法 |
CN115752491A (zh) * | 2022-10-21 | 2023-03-07 | 盈合(深圳)机器人与自动化科技有限公司 | 一种路径规划方法、终端及计算机存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880798A (zh) * | 2012-09-20 | 2013-01-16 | 浪潮电子信息产业股份有限公司 | 一种求解多车场带时间窗车辆路径问题的变邻域搜索算法 |
CN103250031A (zh) * | 2010-11-26 | 2013-08-14 | 国际商业机器公司 | 路线选择系统、路线选择方法和路线选择程序 |
CN103278168A (zh) * | 2013-04-28 | 2013-09-04 | 北京航空航天大学 | 一种面向交通热点规避的路径规划方法 |
US20140058674A1 (en) * | 2012-08-24 | 2014-02-27 | Shashi Shekhar | Shortest Travel Path Determination Using Critical Start Time Points |
CN105652838A (zh) * | 2016-01-29 | 2016-06-08 | 哈尔滨工大服务机器人有限公司 | 一种基于时间窗的多机器人路径规划方法 |
CN105719221A (zh) * | 2015-06-30 | 2016-06-29 | 北京小度信息科技有限公司 | 针对多任务的路径协同规划方法和装置 |
CN107167154A (zh) * | 2017-04-21 | 2017-09-15 | 东南大学 | 一种基于时间代价函数的时间窗路径规划冲突解决方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101010718B1 (ko) * | 2009-02-09 | 2011-01-25 | 부산대학교 산학협력단 | 복수개의 자원을 점유하는 무인 반송차의 동적 주행방법 |
CN106556406B (zh) * | 2016-11-14 | 2020-02-14 | 北京特种机械研究所 | 多agv调度方法 |
CN107179078B (zh) * | 2017-05-24 | 2020-04-03 | 合肥工业大学 | 一种基于时间窗优化的agv路径规划方法 |
CN107727099A (zh) * | 2017-09-29 | 2018-02-23 | 山东大学 | 一种工厂内物料运输多agv调度及路径规划方法 |
CN108759851B (zh) * | 2018-06-01 | 2019-07-26 | 上海西井信息科技有限公司 | 基于时间窗的多车路径规划方法、系统、设备及存储介质 |
-
2018
- 2018-06-01 CN CN201810556870.5A patent/CN108759851B/zh active Active
-
2019
- 2019-04-11 EP EP19810501.7A patent/EP3739296A4/en active Pending
- 2019-04-11 WO PCT/CN2019/082338 patent/WO2019228081A1/zh unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103250031A (zh) * | 2010-11-26 | 2013-08-14 | 国际商业机器公司 | 路线选择系统、路线选择方法和路线选择程序 |
US20140058674A1 (en) * | 2012-08-24 | 2014-02-27 | Shashi Shekhar | Shortest Travel Path Determination Using Critical Start Time Points |
CN102880798A (zh) * | 2012-09-20 | 2013-01-16 | 浪潮电子信息产业股份有限公司 | 一种求解多车场带时间窗车辆路径问题的变邻域搜索算法 |
CN103278168A (zh) * | 2013-04-28 | 2013-09-04 | 北京航空航天大学 | 一种面向交通热点规避的路径规划方法 |
CN105719221A (zh) * | 2015-06-30 | 2016-06-29 | 北京小度信息科技有限公司 | 针对多任务的路径协同规划方法和装置 |
CN105652838A (zh) * | 2016-01-29 | 2016-06-08 | 哈尔滨工大服务机器人有限公司 | 一种基于时间窗的多机器人路径规划方法 |
CN107167154A (zh) * | 2017-04-21 | 2017-09-15 | 东南大学 | 一种基于时间代价函数的时间窗路径规划冲突解决方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019228081A1 (zh) * | 2018-06-01 | 2019-12-05 | 上海西井信息科技有限公司 | 基于时间窗的多车路径规划方法、系统、设备及存储介质 |
CN109754601A (zh) * | 2018-12-28 | 2019-05-14 | 银江股份有限公司 | 一种基于空间矢量计算对同时多任务进行冲突检测的方法 |
CN110598957A (zh) * | 2019-09-30 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 路径规划方法、装置、计算机设备及存储介质 |
CN110598957B (zh) * | 2019-09-30 | 2021-10-29 | 腾讯科技(深圳)有限公司 | 路径规划方法、装置、计算机设备及存储介质 |
CN111136658A (zh) * | 2019-12-30 | 2020-05-12 | 广东博智林机器人有限公司 | 机器人的控制方法、装置、电子设备及存储介质 |
CN111928867A (zh) * | 2020-08-20 | 2020-11-13 | 上海西井信息科技有限公司 | 基于时间扩展的路径规划方法、系统、设备及存储介质 |
CN111928867B (zh) * | 2020-08-20 | 2021-04-30 | 上海西井信息科技有限公司 | 基于时间扩展的路径规划方法、系统、设备及存储介质 |
CN112950126A (zh) * | 2021-04-07 | 2021-06-11 | 付强 | 应用于智慧仓储的物流供应链路径优化方法 |
CN112950126B (zh) * | 2021-04-07 | 2021-11-30 | 上海宇培供应链管理有限公司 | 应用于智慧仓储的物流供应链路径优化方法 |
CN114264313A (zh) * | 2021-12-23 | 2022-04-01 | 上海逐路智能科技发展有限公司 | 基于势能的车道级路径规划方法、系统、设备及存储介质 |
CN114353816A (zh) * | 2021-12-25 | 2022-04-15 | 江苏亿控智能装备有限公司 | Jobshop中5G组网下多车路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3739296A1 (en) | 2020-11-18 |
WO2019228081A1 (zh) | 2019-12-05 |
CN108759851B (zh) | 2019-07-26 |
EP3739296A4 (en) | 2021-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108759851B (zh) | 基于时间窗的多车路径规划方法、系统、设备及存储介质 | |
Ramamoorthy et al. | Performance evaluation of asynchronous concurrent systems using Petri nets | |
CN107851043B (zh) | 快捷外围部件互连网络中资源组的动态分配 | |
US20150293994A1 (en) | Enhanced graph traversal | |
CN106331153B (zh) | 一种业务请求的过滤方法、装置及系统 | |
Jafarpour et al. | Merging disease-specific clinical guidelines to handle comorbidities in a clinical decision support setting | |
CN113188562B (zh) | 可行驶区域的路径规划方法、装置、电子设备及存储介质 | |
Fraigniaud et al. | Collective tree exploration | |
Junges et al. | Enforcing almost-sure reachability in POMDPs | |
US20130262434A1 (en) | Querying spatial events in a vehicle network, and optimized querier | |
CN109242320B (zh) | 订单分配方法、装置、服务器及存储介质 | |
Chalopin et al. | Rendezvous in networks in spite of delay faults | |
CN108121788A (zh) | 子图查询方法 | |
Pelc | Deterministic gathering with crash faults | |
CN111190711B (zh) | Bdd结合启发式a*搜索的多机器人任务分配方法 | |
CN109343554A (zh) | 一种基于状态转换代价值的启发式航天器任务规划方法 | |
JP4139613B2 (ja) | データ処理方法 | |
Dieudonné et al. | Deterministic network exploration by anonymous silent agents with local traffic reports | |
Daigle et al. | Analysis of a task oriented multipriority queueing system | |
CN112180909B (zh) | 一种用于车辆运行中确定锁点优先级的方法和装置 | |
CN104932982B (zh) | 一种消息访存的编译方法及相关装置 | |
Han et al. | Efficient optimal deadlock control of flexible manufacturing systems | |
Shang et al. | Two-stage robust optimization for the orienteering problem with stochastic weights | |
US9734461B2 (en) | Resource usage calculation for process simulation | |
Katz et al. | Cooperative distributed algorithms for dynamic cycle prevention |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: Room 503-3, 398 Jiangsu Road, Changning District, Shanghai 200050 Patentee after: Shanghai Xijing Technology Co.,Ltd. Address before: Room 503-3, 398 Jiangsu Road, Changning District, Shanghai 200050 Patentee before: SHANGHAI WESTWELL INFORMATION AND TECHNOLOGY Co.,Ltd. |