CN108776668B - 基于路网节点的路径估算方法、系统、设备及存储介质 - Google Patents

基于路网节点的路径估算方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN108776668B
CN108776668B CN201810421223.3A CN201810421223A CN108776668B CN 108776668 B CN108776668 B CN 108776668B CN 201810421223 A CN201810421223 A CN 201810421223A CN 108776668 B CN108776668 B CN 108776668B
Authority
CN
China
Prior art keywords
node
nodes
road network
network node
map
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
CN201810421223.3A
Other languages
English (en)
Other versions
CN108776668A (zh
Inventor
顾文超
俞铭琪
吕灏
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.)
Shanghai Xijing Technology Co ltd
Original Assignee
Shanghai Westwell Information 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 Shanghai Westwell Information Technology Co Ltd filed Critical Shanghai Westwell Information Technology Co Ltd
Priority to CN201810421223.3A priority Critical patent/CN108776668B/zh
Publication of CN108776668A publication Critical patent/CN108776668A/zh
Application granted granted Critical
Publication of CN108776668B publication Critical patent/CN108776668B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (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)
  • Navigation (AREA)

Abstract

本发明提供了基于路网节点的路径估算方法、系统、设备及存储介质，该方法包括：遍历路网节点地图中的n个节点，获得每个节点到其他节点的距离和距离最长的一对节点a，b；遍历所有节点获得每个节点i到节点a的最短距离dai和每个节点到节点b的最短距离dib；遍历所有节点获得包含每个节点i的一维向量Vi和一维向量组Vn；迭代路网节点地图中相邻的两个节点之间路径的权值E′(i，j)；遍历路网节点地图中的n个节点，获得迭代后的最短距离，当最短距离中的最大值小于等于预设阈值，则根据之前步骤中得到的一维向量组Vn建立一个m行n列的矩阵，根据估算距离公式得到地图上任意两点i，j的估算距离，从而使车辆使在路径规划时能做出最优选择。

Description

基于路网节点的路径估算方法、系统、设备及存储介质
技术领域
本发明涉及路径规划领域，具体地说，涉及基于路网节点的路径估算方法、系统、设备及存储介质。
背景技术
多车路径估算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估算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路网节点的路径估算方法、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路网节点的路径估算方法、系统、设备及存储介质，提供了一种较为高效的估计路网系统中任意两点距离的方法，从而使车辆使在路径规划时能做出最优选择。
本发明的实施例提供一种基于路网节点的路径估算方法，包括以下步骤：
S101、遍历路网节点地图中的n个节点，获得每个节点到其他节点的距离和距离最长的一对节点a，b；
S102、遍历路网节点地图中的n个节点，获得每个节点i到节点a的最短距离dai和每个节点到节点b的最短距离dib，i的取值范围为[1，n]的整数；
S103、遍历路网节点地图中的n个节点，获得包含每个节点i的一维向量Vi，Vi＝(dai－dib+dab)÷2，并根据n个节点的一维向量Vi获得一维向量组Vn＝[V1 V2 V3 V4Vi......Vn]，其中，dab表示每个节点a到节点b的最短距离；
S104、迭代路网节点地图中相邻的两个节点之间路径的权值E′(i，j)＝E(i，j)-︱Vi-Vj︱；
S105、遍历路网节点地图中的n个节点，获得迭代后每个节点到其他节点的经过的路径的权值之和的最小值作为最短距离，判断最短距离中的最大值是否小于等于预设阈值，若是，则执行步骤S106，若否，则返回步骤S101；
S106、根据之前每次步骤S103中得到的一维向量组Vn，建立一个m行n列的矩阵，其中，m表示步骤S103被执行的次数；
S107、根据估算距离公式为
Figure BDA0001650744410000021
得到地图上任意两点i，j的估算距离，其中，dij为节点i，j之间的估算距离，Vi k为节点i在矩阵的第k维中所对应的值，Vj k为节点j在矩阵的第k维中所对应的值。
优选地，步骤S101还包括设路网节点地图中相邻的节点i和节点j之间路径的权值为E(i，j)，初始的E(i，j)等于节点i到节点j的最短距离。
优选地，步骤S104中，相邻的节点i和节点j之间的最短路径不经过其他节点。
优选地，步骤S105中，预设阈值的取值范围是[0，fab)的有理数，其中，fab是S101中距离最长的一对节点a，b的距离。
优选地，步骤S101中的路网节点地图中包含了n个节点，每一个节点与至少一个其他节点之间通过路径相连。
本发明的实施例还提供一种基于路网节点的路径估算系统，用于实现上述的基于路网节点的路径估算方法，基于路网节点的路径估算系统包括：
路网节点地图模块，遍历路网节点地图中的n个节点，获得每个节点到其他节点的距离和距离最长的一对节点a，b；
最短距离获取模块，遍历路网节点地图中的n个节点，获得每个节点i到节点a的最短距离dai和每个节点到节点b的最短距离dib，i的取值范围为[1，n]的整数；
一维向量组获取模块，遍历路网节点地图中的n个节点，获得包含每个节点i的一维向量Vi，Vi＝(dai－dib+dab)÷2，并根据n个节点的一维向量Vi获得一维向量组Vn＝[V1 V2V3 V4 Vi......Vn]，其中，dab表示每个节点a到节点b的最短距离；
路径权值迭代模块，迭代路网节点地图中相邻的两个节点之间路径的权值E′(i，j)＝E(i，j)-︱Vi-Vj︱；
判断模块，遍历路网节点地图中的n个节点，获得迭代后每个节点到其他节点的经过的路径的权值之和的最小值作为最短距离，判断最短距离中的最大值是否小于等于预设阈值，若是，则执行矩阵获取模块，若否，则返回路网节点地图模块；
矩阵获取模块，根据之前每次一维向量组获取模块中得到的一维向量组Vn，建立一个m行n列的矩阵，其中，m表示一维向量组获取模块被执行的次数；
估算距离模块，根据估算距离公式为
Figure BDA0001650744410000031
得到地图上任意两点i，j的估算距离，其中，dij为节点i，j之间的估算距离，
Figure BDA0001650744410000032
为节点i在矩阵的第k维中所对应的值，
Figure BDA0001650744410000033
为节点j在矩阵的第k维中所对应的值。
优选地，路网节点地图模块中设路网节点地图中相邻的节点i和节点j之间路径的权值为E(i，j)，初始的E(i，j)等于节点i到节点j的最短距离。
优选地，预设阈值的取值范围是[0，fab)的有理数，其中，fab是S101中距离最长的一对节点a，b的距离。
本发明的实施例还提供一种基于路网节点的路径估算设备，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路网节点的路径估算方法的步骤。
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路网节点的路径估算方法的步骤。
本发明的基于路网节点的路径估算方法、系统、设备及存储介质，提供了一种较为高效的估计路网系统中任意两点距离的方法，从而使车辆使在路径规划时能做出最优选择。
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是本发明的基于路网节点的路径估算方法的流程图；
图2至4是本发明的基于路网节点的路径估算方法的实施状态示意图；
图5是本发明的基于路网节点的路径估算系统的结构示意图；
图6是本发明的基于路网节点的路径估算设备的结构示意图；以及
图7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是本发明的基于路网节点的路径估算方法的流程图。如图1所示，本发明的实施例提供一种基于路网节点的路径估算方法，包括以下步骤：
S101、遍历路网节点地图中的n个节点(n为自然数)，获得每个节点到其他节点的距离和距离最长的一对节点a，b。其中，路网节点地图中包含了n个节点，每一个节点与至少一个其他节点之间通过路径相连，本发明的路径估算方法可以用于各种类型的路网结构，各个节点之间的距离可以相等也可以不等。在一个优选方案中，步骤S101还包括设路网节点地图中相邻的节点i和节点j之间路径的权值为E(i，j)，初始的E(i，j)等于节点i到节点j的最短距离，本发明通过对于各个节点之间的路径的权值进行迭代来估算两点之间的路径。
S102、遍历路网节点地图中的n个节点，获得每个节点i到节点a的最短距离dai和每个节点到节点b的最短距离dib，i的取值范围为[1,n]的整数。
S103、遍历路网节点地图中的n个节点，获得包含每个节点i的一维向量Vi，Vi＝(dai－dib+dab)÷2，并根据n个节点的一维向量Vi获得一维向量组Vn＝[V1 V2 V3 V4Vi......Vn]，其中，dab表示每个节点a到节点b的最短距离。
S104、迭代路网节点地图中相邻的两个节点之间路径的权值E′(i，j)＝E(i，j)-︱Vi-Vj︱。其中，相邻的节点i和节点j之间的最短路径是指不需要不经过其他节点的路径。
S105、遍历路网节点地图中的n个节点，获得迭代后每个节点到其他节点的经过的路径的权值之和的最小值作为最短距离，判断最短距离中的最大值是否小于等于预设阈值，若是，则执行步骤S106，若否，则返回步骤S101。通过步骤S105来判断是否还需要继续迭代，以便能够更加精确地估算两点之间的路径的距离。在另一个优选方案中，步骤S105中，预设阈值的取值范围是[0，fab)的有理数，其中，fab是S101中距离最长的一对节点a，b的距离。
S106、根据之前每次步骤S103中得到的一维向量组Vn，建立一个m行n列的矩阵，其中，m表示步骤S103被执行的次数。
S107、根据估算距离公式为
Figure BDA0001650744410000051
得到地图上任意两点i，j的估算距离，其中，dij为节点i，j之间的估算距离，Vi k为节点i在矩阵的第k维中所对应的值，Vj k为节点j在矩阵的第k维中所对应的值。
本发明旨在提出一种更为灵活，对车辆行驶更少限制的多车路径规划方法，通过对地图信息进行预处理，将地图信息抽象成一个低维度数组，该数组可用于粗略估计地图间任意两点之间的距离。随后的多车路径规划算法会依据该数组来搜索到达目标点的最短路径，从而实现最优化的路径估算。
图2至4是本发明的基于路网节点的路径估算方法的实施状态示意图。以下参考如2至4来具体介绍本发明的一种实施例。
如图2所示，当前的路网中包扩了16个节点，相邻节点之间的距离均为1，首先获得每个节点到其他节点的距离和距离最长的一对节点a，b，例如：距离最长的一对节点a，b为节点1和节点16，把节点1设为节点a，节点16设为节点b。设路网节点地图内节点1至节点16之间相邻的节点i和节点j之间路径的权值为E(i，j)，初始的E(i，j)等于节点i到节点j的最短距离。例如：相邻的节点2和节点3之间路径的权值为E(2，3)＝1。
如图3所示，再次遍历路网节点地图内节点1至节点16，获得每个节点i到节点a(节点1)的最短距离dai和每个节点到节点b(节点16)的最短距离dib，i的取值范围为[1,16]的整数。以节点2为例，节点2到节点1的距离为1，节点2到节点16的距离为5；以节点3为例，节点3到节点1的距离为2，节点3到节点16的距离为4。
接着遍历路网节点地图内节点1至节点16，获得包含每个节点i的一维向量Vi，Vi＝(dai－dib+dab)÷2。例如，以节点1为例，V1＝(da1－d1b+dab)÷2＝(0－6+6)÷2＝0；以节点2为例，V2＝(da2－d2b+dab)÷2＝(1－5+6)÷2＝1；以节点3为例，V3＝(da3－d3b+dab)÷2＝(2－4+6)÷2＝2……以节点16为例，V16＝(da16－d16b+dab)÷2＝(6－0+6)÷2＝6。此后，根据节点1至节点16的一维向量Vi获得一维向量组Vn＝[V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12V13 V14 V15 V16]，其中，dab表示每个节点a到节点b的最短距离。例如，一维向量Vn＝[0 1 2 31 2 3 4 2 3 4 5 3 4 5 6]。
然后迭代路网节点地图中相邻的两个节点之间路径的权值E′(i，j)＝E(i，j)-︱Vi-Vj︱。其中，相邻的节点i和节点j之间的最短路径是指不需要不经过其他节点的路径。Vi是指在一维向量组Vn中排列在第i位的向量，Vj是指在一维向量组Vn中排列在第j位的向量。以节点2和节点3为例E′(2，3)＝E(2，3)-︱V2-V3︱＝1-︱2-3︱＝1-1＝0。
S105、本实施例中，还要遍历路网节点地图中的节点1至节点16，获得迭代后每个节点到其他节点的经过的路径的权值之和的最小值作为最短距离。例如，此时节点a(节点1)与节点b(节点16)之间的距离就等于Eab＝E′(1，2)+E′(2，3)+E′(3，4)+E′(4，8)+E′(8，12)+E′(12，16)＝0+0+0+0+0+0＝0。随后再判断最短距离中的最大值是否小于等于预设阈值，由于经过之前步骤的路径的权值进行的削减，因为所有路径的权值均为零(如图4所示)，即最长距离也为零。预设阈值的取值范围是[0，fab)的有理数，其中，fab是S101中距离最长的一对节点a，b的距离，本实施例中，设预设阈值等于0。通过判断，本周期内最短距离中的最大值等于预设阈值，迭代结束，执行步骤S106。本发明中，通过步骤S105来判断是否还需要继续迭代，以便能够更加精确地估算两点之间的路径的距离。
根据之前每次步骤S103中得到的一维向量组Vn，建立一个m行n列的矩阵，其中，m表示步骤S103被执行的次数。本实施例中，由于仅进行了一次迭代，所以建立一个1行16列的矩阵＝[0 1 2 3 1 2 3 4 2 3 4 5 3 4 5 6]。
最后，根据估算距离公式为
Figure BDA0001650744410000071
得到地图上任意两点i，j的估算距离，其中，dij为节点i，j之间的估算距离，
Figure BDA0001650744410000072
为节点i在矩阵的第k维中所对应的值，
Figure BDA0001650744410000073
为节点j在矩阵的第k维中所对应的值。以估算节点a(节点1)和节点b(节点16)之间的距离为例：
Figure BDA0001650744410000074
通过本发明的基于路网节点的路径估算方法，估算当前路网中节点a(节点1)和节点b(节点16)之间的距离等于6。
本发明的基于路网节点的路径估算方法提供了一种较为高效的估计路网系统中任意两点距离的方法，从而使车辆使在路径规划时能做出最优选择。
图5是本发明的基于路网节点的路径估算系统的模块示意图。如图5所示，本发明的实施例还提供一种基于路网节点的路径估算系统，用于实现上述的基于路网节点的路径估算方法，基于路网节点的路径估算系统500包括：
路网节点地图模块501，遍历路网节点地图中的n个节点，获得每个节点到其他节点的距离和距离最长的一对节点a，b。路网节点地图模块中设路网节点地图中相邻的节点i和节点j之间路径的权值为E(i，j)，初始的E(i，j)等于节点i到节点j的最短距离。
最短距离获取模块502，遍历路网节点地图中的n个节点，获得每个节点i到节点a的最短距离dai和每个节点到节点b的最短距离dib，i的取值范围为[1，n]的整数。
一维向量组获取模块503，遍历路网节点地图中的n个节点，获得包含每个节点i的一维向量Vi，Vi＝(dai－dib+dab)÷2，并根据n个节点的一维向量Vi获得一维向量组Vn＝[V1V2 V3 V4 Vi......Vn]，其中，dab表示每个节点a到节点b的最短距离。
路径权值迭代模块504，迭代路网节点地图中相邻的两个节点之间路径的权值E′(i，j)＝E(i，j)-︱Vi-Vj︱。
判断模块505，遍历路网节点地图中的n个节点，获得迭代后每个节点到其他节点的经过的路径的权值之和的最小值作为最短距离，判断最短距离中的最大值是否小于等于预设阈值，若是，则执行矩阵获取模块，若否，则返回路网节点地图模块。预设阈值的取值范围是[0，fab)的有理数，其中，fab是S101中距离最长的一对节点a，b的距离。
矩阵获取模块506，根据之前每次一维向量组获取模块中得到的一维向量组Vn，建立一个m行n列的矩阵，其中，m表示一维向量组获取模块被执行的次数。
估算距离模块507，根据估算距离公式为
Figure BDA0001650744410000081
得到地图上任意两点i，j的估算距离，其中，dij为节点i，j之间的估算距离，
Figure BDA0001650744410000082
为节点i在矩阵的第k维中所对应的值，
Figure BDA0001650744410000083
为节点j在矩阵的第k维中所对应的值。
本发明的基于路网节点的路径估算系统提供了一种较为高效的估计路网系统中任意两点距离的方法，从而使车辆使在路径规划时能做出最优选择。
本发明实施例还提供一种基于路网节点的路径估算设备，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路网节点的路径估算方法的步骤。
如上，本发明的基于路网节点的路径估算设备提供了一种较为高效的估计路网系统中任意两点距离的方法，从而使车辆使在路径规划时能做出最优选择。
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6是本发明的基于路网节点的路径估算设备的结构示意图。下面参照图6来描述根据本发明的这种实施方式的电子设备600。图6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6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路网节点的路径估算方法的步骤。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，提供了一种较为高效的估计路网系统中任意两点距离的方法，从而使车辆使在路径规划时能做出最优选择。
图7是本发明的计算机可读存储介质的结构示意图。参考图7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，本发明的基于路网节点的路径估算方法、系统、设备及存储介质，提供了一种较为高效的估计路网系统中任意两点距离的方法，从而使车辆使在路径规划时能做出最优选择。
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 (10)

1.一种基于路网节点的路径估算方法，其特征在于，包括以下步骤：
S101、遍历路网节点地图中的n个节点，获得每个节点到其他节点的距离和距离最长的一对节点a，b；
S102、遍历路网节点地图中的n个节点，获得每个节点i到节点a的最短距离dai和每个节点到节点b的最短距离dib，i的取值范围为[1，n]的整数；
S103、遍历路网节点地图中的n个节点，获得包含每个节点i的一维向量Vi，Vi＝(dai－dib+dab)÷2，并根据n个节点的一维向量Vi获得一维向量组Vn＝[V1 V2 V3 V4 Vi......Vn]，其中，dab表示每个节点a到节点b的最短距离；
S104、迭代路网节点地图中相邻的两个节点之间路径的权值E′(i，j)＝E(i，j)-︱Vi-Vj︱；
S105、遍历路网节点地图中的n个节点，获得迭代后每个节点到其他节点的经过的路径的权值之和的最小值作为最短距离，判断最短距离中的最大值是否小于等于预设阈值，若是，则执行步骤S106，若否，则返回步骤S101；
S106、根据之前每次步骤S103中得到的一维向量组Vn，建立一个m行n列的矩阵，其中，m表示步骤S103被执行的次数；
S107、根据估算距离公式为
Figure FDA0002642651730000011
得到地图上任意两点i，j的估算距离，其中，dij为节点i，j之间的估算距离，Vi k为节点i在矩阵的第k维中所对应的值，
Figure FDA0002642651730000012
为节点j在矩阵的第k维中所对应的值，建立一个低维度数组，所述低维度数组中包括地图上任意两点之间的距离，进行路径规划时根据所述低维度数组搜索到达目标点的最短路径，作为最优路径规划。
2.根据权利要求1所述的基于路网节点的路径估算方法，其特征在于：步骤S101还包括设路网节点地图中相邻的节点i和节点j之间路径的权值为E(i，j)，初始的E(i，j)等于节点i到节点j的最短距离。
3.根据权利要求1所述的基于路网节点的路径估算方法，其特征在于：步骤S104中，相邻的节点i和节点j之间的最短路径不经过其他节点。
4.根据权利要求1所述的基于路网节点的路径估算方法，其特征在于：步骤S105中，预设阈值的取值范围是[0，fab)的有理数，其中，fab是S101中距离最长的一对节点a，b的距离。
5.根据权利要求1所述的基于路网节点的路径估算方法，其特征在于：步骤S101中的路网节点地图中包含了n个节点，每一个节点与至少一个其他节点之间通过路径相连。
6.一种基于路网节点的路径估算系统，用于实现权利要求1至5中任一项的所述基于路网节点的路径估算方法，其特征在于，包括：
路网节点地图模块，遍历路网节点地图中的n个节点，获得每个节点到其他节点的距离和距离最长的一对节点a，b；
最短距离获取模块，遍历路网节点地图中的n个节点，获得每个节点i到节点a的最短距离dai和每个节点到节点b的最短距离dib，i的取值范围为[1，n]的整数；
一维向量组获取模块，遍历路网节点地图中的n个节点，获得包含每个节点i的一维向量Vi，Vi＝(dai－dib+dab)÷2，并根据n个节点的一维向量Vi获得一维向量组Vn＝[V1 V2 V3 V4Vi......Vn]，其中，dab表示每个节点a到节点b的最短距离；
路径权值迭代模块，迭代路网节点地图中相邻的两个节点之间路径的权值E′(i，j)＝E(i，j)-︱Vi-Vj︱；
判断模块，遍历路网节点地图中的n个节点，获得迭代后每个节点到其他节点的经过的路径的权值之和的最小值作为最短距离，判断最短距离中的最大值是否小于等于预设阈值，若是，则执行矩阵获取模块，若否，则返回路网节点地图模块；
矩阵获取模块，根据之前每次一维向量组获取模块中得到的一维向量组Vn，建立一个m行n列的矩阵，其中，m表示一维向量组获取模块被执行的次数；
估算距离模块，根据估算距离公式为
Figure FDA0002642651730000031
得到地图上任意两点i，j的估算距离，其中，dij为节点i，j之间的估算距离，Vi k为节点i在矩阵的第k维中所对应的值，
Figure FDA0002642651730000032
为节点j在矩阵的第k维中所对应的值，建立一个低维度数组，所述低维度数组中包括地图上任意两点之间的距离，进行路径规划时根据所述低维度数组搜索到达目标点的最短路径，作为最优路径规划。
7.根据权利要求6所述的基于路网节点的路径估算系统，其特征在于：路网节点地图模块中设路网节点地图中相邻的节点i和节点j之间路径的权值为E(i，j)，初始的E(i，j)等于节点i到节点j的最短距离。
8.根据权利要求6所述的基于路网节点的路径估算系统，其特征在于：预设阈值的取值范围是[0，fab)的有理数，其中，fab是S101中距离最长的一对节点a，b的距离。
9.一种基于路网节点的路径估算设备，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5中任意一项所述基于路网节点的路径估算方法的步骤。
10.一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5中任意一项所述基于路网节点的路径估算方法的步骤。
CN201810421223.3A 2018-05-04 2018-05-04 基于路网节点的路径估算方法、系统、设备及存储介质 Active CN108776668B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810421223.3A CN108776668B (zh) 2018-05-04 2018-05-04 基于路网节点的路径估算方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810421223.3A CN108776668B (zh) 2018-05-04 2018-05-04 基于路网节点的路径估算方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN108776668A CN108776668A (zh) 2018-11-09
CN108776668B true CN108776668B (zh) 2020-11-17

Family

ID=64027065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810421223.3A Active CN108776668B (zh) 2018-05-04 2018-05-04 基于路网节点的路径估算方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN108776668B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109587057B (zh) * 2018-12-06 2020-12-22 中通天鸿（北京）通信科技股份有限公司 一种信息传输平台的智能路由方法及系统
CN115560767B (zh) * 2022-12-01 2023-03-10 深圳市智绘科技有限公司 机器人路径的生成方法及装置、存储介质、电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102749084A (zh) * 2012-07-10 2012-10-24 南京邮电大学 一种面向海量交通信息的路径选择方法
CN104008431A (zh) * 2014-05-30 2014-08-27 南京富岛信息工程有限公司 一种原油罐区调度方法
CN104579963A (zh) * 2015-01-28 2015-04-29 浪潮电子信息产业股份有限公司 一种节点间路由的优化方法及装置
CN105740964A (zh) * 2014-12-08 2016-07-06 吉林大学 一种城市路网数据组织与最短路径快速计算方法
CN106651010A (zh) * 2016-11-22 2017-05-10 北京市第四中学 一种基于最短路径的线网划分方法
CN107633334A (zh) * 2017-10-20 2018-01-26 天津科技大学 基于不确定随机网络的Top‑k节点近邻查询算法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102749084A (zh) * 2012-07-10 2012-10-24 南京邮电大学 一种面向海量交通信息的路径选择方法
CN104008431A (zh) * 2014-05-30 2014-08-27 南京富岛信息工程有限公司 一种原油罐区调度方法
CN105740964A (zh) * 2014-12-08 2016-07-06 吉林大学 一种城市路网数据组织与最短路径快速计算方法
CN104579963A (zh) * 2015-01-28 2015-04-29 浪潮电子信息产业股份有限公司 一种节点间路由的优化方法及装置
CN106651010A (zh) * 2016-11-22 2017-05-10 北京市第四中学 一种基于最短路径的线网划分方法
CN107633334A (zh) * 2017-10-20 2018-01-26 天津科技大学 基于不确定随机网络的Top‑k节点近邻查询算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
面向智能交通的路径规划相关技术研究;王俊;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20131215(第12期);全文 *

Also Published As

Publication number Publication date
CN108776668A (zh) 2018-11-09

Similar Documents

Publication Publication Date Title
CN109658033B (zh) 货源路线相似度计算方法、系统、设备及存储介质
CN104683405B (zh) 在车联网中集群服务器分发地图匹配任务的方法和装置
US20180260709A1 (en) Calculating device and method for a sparsely connected artificial neural network
Dinh et al. Probabilistic path hamiltonian monte carlo
US8903824B2 (en) Vertex-proximity query processing
US6668256B1 (en) Algorithm for automatic selection of discriminant term combinations for document categorization
US20170193361A1 (en) Neural network training performance optimization framework
CN109432777B (zh) 路径生成方法及装置、电子设备、存储介质
Schütze et al. The directed search method for multi-objective memetic algorithms
CN108776668B (zh) 基于路网节点的路径估算方法、系统、设备及存储介质
Sabran et al. Precomputation techniques for the stochastic on-time arrival problem
US20040167753A1 (en) Quantum mechanical model-based system and method for global optimization
US20200104276A1 (en) Machine learning implementation in processing systems
EP4287081A1 (en) Model generation device, estimation device, model generation method, and model generation program
CN111220988B (zh) 一种地图数据处理方法、装置、设备和介质
US20200151576A1 (en) Training adaptable neural networks based on evolvability search
US11658869B2 (en) Method and apparatus for configuring a communication network using a connectivity metric
Mondal et al. Development of a compact Ansatz via operator commutativity screening: Digital quantum simulation of molecular systems
EP3756109B1 (en) Scalable graph slam for hd maps
US8938484B2 (en) Maintaining dependencies among supernodes during repeated matrix factorizations
Shi et al. Path planning for mobile robots in complex environments based on improved ant colony algorithm.
EP4280100A1 (en) Binocular parallax estimation method, model training method and related device
US20210232891A1 (en) Neural network model compression with structured weight unification
CN116050554A (zh) 一种景区客流量预测方法、装置、计算设备和存储介质
CN113804207B (zh) 车辆路径规划方法、系统、设备及存储介质

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

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.

CP01 Change in the name or title of a patent holder