CN109029478A - 一种基于改进Floyd算法的智能车辆路径规划方法 - Google Patents
一种基于改进Floyd算法的智能车辆路径规划方法 Download PDFInfo
- Publication number
- CN109029478A CN109029478A CN201810634049.0A CN201810634049A CN109029478A CN 109029478 A CN109029478 A CN 109029478A CN 201810634049 A CN201810634049 A CN 201810634049A CN 109029478 A CN109029478 A CN 109029478A
- Authority
- CN
- China
- Prior art keywords
- node
- matrix
- path
- weight
- parking stall
- 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.)
- Pending
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
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
本发明公开了一种基于改进Floyd算法的智能车辆路径规划方法,包括下述步骤:首先对停车库车位泊车点按照空间顺序进行编号,导入停车库车位之间的权值矩阵;然后根据权值矩阵和改进Floyd算法,计算得到距离矩阵和路径矩阵,保存路径矩阵至本地系统中;在输入起始车位编号和目标车位编号后,搜索路径矩阵得到所有可能最短路径;最后在客户端界面,逐个显示出所有可能的等效最短路径。本发明的方法在地下停车库实现从起始车位泊车点到目标车位泊车点的最短路径规划,可得到所有可能的等价最短路径,且在路径转向处客户端弹出提示标志,对车辆智能驾驶路径规划有实践借鉴意义。
Description
技术领域
本发明涉及路径规划领域,特别涉及一种基于改进Floyd算法的智能车辆路 径规划方法。
背景技术
近年来,在汽车智能化发展的浪潮下,智能驾驶技术取得了巨大发展。智 能车辆路径规划是指在模型化的环境中按一定的评价标准规划出一条从起始状 态到目标状态的可行路径。现有算法在求解最短路径中已具备较高效率,但对 于存在多重最短路径的情况,仍需要进一步研究。Floyd算法执行效率高,计算 量小,改进后能很好地应用于智能车辆自主引导泊车路径规划系统中。
发明内容
本发明的目的在于克服现有技术中的缺点与不足,提供一种基于改进Floyd 算法的智能车辆路径规划方法,在地下停车库实现从起始车位泊车点到目标车 位泊车点的最短路径规划,可得到所有可能的等价最短路径,且在路径转向处 客户端弹出提示标志。
为实现以上目的,本发明采取如下技术方案:
一种基于改进Floyd算法的智能车辆路径规划方法,包括下述步骤:
(1)对停车库车位泊车点按照空间顺序进行编号,将车位泊车点编号作为 共用节点,导入停车库车位之间的权值矩阵W,对权值矩阵W初始化,其中元素 w[i][j]表示节点i到节点j的权值;
(2)利用改进Floyd算法:根据权值矩阵W,计算得到距离矩阵D和路径 矩阵P,并保存路径矩阵P至本地系统中;
改进Floyd算法的计算过程为:遍历系统中每一对节点,对两节点i和j, 判断是否存在节点k,若从节点i到k再到j的权值小于直接从节点i到j的权值, 则更新距离矩阵D和路径矩阵P;若存在多条等效最短路径,路径矩阵P中相应 元素采用集合形式包含所有可能路径;
(3)在输入起始车位编号和目标车位编号后,搜索路径矩阵P得到所有等 效最短路径及其个数;
(4)在客户端界面,逐个显示出所有等效最短路径。
作为优选的技术方案,步骤(1)中,权值矩阵W的元素w[i][j]初始化规则 为:若节点i和节点j相邻,则w[i][j]所表示的节点i到节点j的权值为其距离的 实际值;若节点i和节点j不相邻,则w[i][j]设置为无穷大。
作为优选的技术方案,步骤(2)中,对于距离矩阵D,首先将权值矩阵W 赋值给距离矩阵D,根据改进Floyd算法,若满足d[i][k]+d[k][j]<d[i][j],则用 d[i][k]+d[k][j]的权值,替换距离矩阵D中d[i][j]的权值,d[i][j]实际表示节点i到 节点j的最短距离;具体的计算公式如下:
d[i][j](n)=min{d[i][j](n-1),d[i][k](n-1)+d[k][j](n-1)}
其中,上标n表示第n次计算;
对于路径矩阵P,首先将路径矩阵P初始化,令p[i][j]=j;然后根据改进 Floyd算法,若满足d[i][k]+d[k][j]<d[i][j],则用p[i][k][j]替换路径矩阵P中p[i][j], p[i][k][j]表示从节点i到节点k再到节点j经过的路径,p[i][j]表示从节点i到节 点j经过的路径;具体计算公式如下:
其中,上标n表示第n次计算。
作为优选的技术方案,步骤(3)中,根据路径矩阵搜索所有等效最短路径 时,采用双向搜索,最短路径为车位泊车点编号的有序集合。
作为优选的技术方案,步骤(4)中,显示所有最短路径过程中,在路径转 向处客户端弹出提示标志,提示信息则预先设定保存至本地文件中,满足预设 条件则弹出。
本发明相对于现有技术具有如下的优点和效果:
(1)本发明对传统Floyd算法进行改进,可得到网络图中任意两点间的所 有等价最短路径,信息更全面,且计算量小。
(2)本发明在路径转向处能弹出提示框,方便使用者提前预知行驶信息, 方便使用。
(3)本发明将改进Floyd算法应用于智能车辆路径规划系统中,实现了从 起始车位泊车点到目标车位泊车点的最短路径规划,可得到所有可能的最短路 径,对车辆智能驾驶路径规划有实践借鉴意义。
附图说明
图1为本实施例的一种基于改进Floyd算法的智能车辆路径规划方法的停车 库及泊车点编号示意图;
图2为本实施例的一种基于改进Floyd算法的智能车辆路径规划方法的整体 实施流程图;
图3为本实施例的一种基于改进Floyd算法的智能车辆路径规划方法的路径 矩阵计算流程图;
图4为本实施例的一种基于改进Floyd算法的智能车辆路径规划方法的全部 等价最短路径计算及显示流程图。
具体实施方式
为了使本发明的目的、技术方案以及优点更加清楚明白,以下结合附图及 实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施 例仅用于解释本发明,并不限于本发明。
实施例
如图2所示,一种基于改进Floyd算法的智能车辆路径规划方法,在地下 停车库实现从起始车位泊车点到目标车位泊车点的最短路径规划,可得到所有 可能的等价最短路径,且在路径转向处客户端弹出提示标志;该方法具体包括 下述步骤:
(1)如图1所示,对停车库车位泊车点按照空间顺序进行编号,将车位泊 车点编号作为共用节点,导入停车库车位之间的权值矩阵,对权值矩阵W初始 化,其中元素w[i][j]表示节点i到节点j的权值;
在本实施例中,权值矩阵W的元素w[i][j]初始化规则为:若节点i和节点j 相邻,则w[i][j]所表示的节点i到节点j的权值为其距离的实际值;若节点i和 节点j不相邻,则w[i][j]设置为无穷大(实际代码中以10000表示)。
(2)如图3所示,利用改进Floyd算法:根据权值矩阵W,计算得到距离 矩阵D和路径矩阵P,并保存路径矩阵P至本地系统中;
改进Floyd算法的计算过程为:遍历系统中每一对节点,对两节点i和j, 判断是否存在节点k,若从节点i到k再到j的权值小于直接从节点i到j的权值, 则更新距离矩阵D和路径矩阵P;若存在多条等效最短路径,路径矩阵P中相应 元素采用集合形式包含所有可能路径;
对于距离矩阵D,首先将权值矩阵W赋值给距离矩阵D,根据改进Floyd算 法,若满足d[i][k]+d[k][j]<d[i][j],则用d[i][k]+d[k][j]的权值,替换距离矩阵D 中d[i][j]的权值,d[i][j]实际表示节点i到节点j的最短距离;具体的计算公式如 下:
d[i][j](n)=min{d[i][j](n-1),d[i][k](n-1)+d[k][j](n-1)}
其中,上标n表示第n次计算;
对于路径矩阵P,首先将路径矩阵P初始化,令p[i][j]=j;然后根据改进 Floyd算法,若满足d[i][k]+d[k][j]<d[i][j],则用p[i][k][j]替换路径矩阵P中p[i][j], p[i][k][j]表示从节点i到节点k再到节点j经过的路径,p[i][j]表示从节点i到节 点j经过的路径;具体计算公式如下:
其中,上标n表示第n次计算。
(3)如图4所示,在输入起始车位编号和目标车位编号后,搜索路径矩阵 P得到所有等效最短路径及其个数;
在本实施例中,根据路径矩阵搜索所有等效最短路径时,采用双向搜索, 最短路径为车位泊车点编号的有序集合。
(4)如图4所示,在客户端界面,逐个显示出所有等效最短路径;在显示 所有最短路径过程中,在路径转向处客户端弹出提示标志,左转或右转,且提 示信息则预先设定保存至本地文件中,满足预设条件则弹出。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细, 但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域 的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和 改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以权利 要求所述为准。
Claims (5)
1.一种基于改进Floyd算法的智能车辆路径规划方法,其特征在于,包括下述步骤:
(1)对停车库车位泊车点按照空间顺序进行编号,将车位泊车点编号作为共用节点,导入停车库车位之间的权值矩阵W,对权值矩阵W初始化,其中元素w[i][j]表示节点i到节点j的权值;
(2)利用改进Floyd算法:根据权值矩阵W,计算得到距离矩阵D和路径矩阵P,并保存路径矩阵P至本地系统中;
改进Floyd算法的计算过程为:遍历系统中每一对节点,对两节点i和j,判断是否存在节点k,若从节点i到k再到j的权值小于直接从节点i到j的权值,则更新距离矩阵D和路径矩阵P;若存在多条等效最短路径,路径矩阵P中相应元素采用集合形式包含所有可能路径;
(3)在输入起始车位编号和目标车位编号后,搜索路径矩阵P得到所有等效最短路径及其个数;
(4)在客户端界面,逐个显示出所有等效最短路径。
2.根据权利要求1所述的基于改进Floyd算法的智能车辆路径规划方法,其特征在于,步骤(1)中,权值矩阵W的元素w[i][j]初始化规则为:若节点i和节点j相邻,则w[i][j]所表示的节点i到节点j的权值为其距离的实际值;若节点i和节点j不相邻,则w[i][j]设置为无穷大。
3.根据权利要求1所述的基于改进Floyd算法的智能车辆路径规划方法,其特征在于,步骤(2)中,对于距离矩阵D,首先将权值矩阵W赋值给距离矩阵D,根据改进Floyd算法,若满足d[i][k]+d[k][j]<d[i][j],则用d[i][k]+d[k][j]的权值,替换距离矩阵D中d[i][j]的权值,d[i][j]实际表示节点i到节点j的最短距离;具体的计算公式如下:
d[i][j](n)=min{d[i][j](n-1),d[i][k](n-1)+d[k][j](n-1)}
其中,上标n表示第n次计算;
对于路径矩阵P,首先将路径矩阵P初始化,令p[i][j]=j;然后根据改进Floyd算法,若满足d[i][k]+d[k][j]<d[i][j],则用p[i][k][j]替换路径矩阵P中p[i][j],p[i][k][j]表示从节点i到节点k再到节点j经过的路径,p[i][j]表示从节点i到节点j经过的路径;具体计算公式如下:
其中,上标n表示第n次计算。
4.根据权利要求1所述的基于改进Floyd算法的智能车辆路径规划方法,其特征在于,步骤(3)中,根据路径矩阵搜索所有等效最短路径时,采用双向搜索,最短路径为车位泊车点编号的有序集合。
5.根据权利要求1所述的基于改进Floyd算法的智能车辆路径规划方法,其特征在于,步骤(4)中,显示所有最短路径过程中,在路径转向处客户端弹出提示标志,提示信息则预先设定保存至本地文件中,满足预设条件则弹出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810634049.0A CN109029478A (zh) | 2018-06-20 | 2018-06-20 | 一种基于改进Floyd算法的智能车辆路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810634049.0A CN109029478A (zh) | 2018-06-20 | 2018-06-20 | 一种基于改进Floyd算法的智能车辆路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109029478A true CN109029478A (zh) | 2018-12-18 |
Family
ID=64609801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810634049.0A Pending CN109029478A (zh) | 2018-06-20 | 2018-06-20 | 一种基于改进Floyd算法的智能车辆路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109029478A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109668572A (zh) * | 2018-12-28 | 2019-04-23 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于floyd算法的激光叉车路径搜索方法 |
CN110926472A (zh) * | 2019-10-29 | 2020-03-27 | 东北大学 | 一种智能果园路径规划方法 |
CN110990981A (zh) * | 2019-10-30 | 2020-04-10 | 长沙市海图科技有限公司 | 一种智能管网状态监测分析方法及系统 |
CN111311944A (zh) * | 2020-02-19 | 2020-06-19 | 江苏大学 | 一种自主代客泊车环境下的停车场管理系统及方法 |
CN115223342A (zh) * | 2022-07-06 | 2022-10-21 | 深圳季连科技有限公司 | 一种自动驾驶停车异常识别方法 |
CN115865778A (zh) * | 2023-02-17 | 2023-03-28 | 中国西安卫星测控中心 | 一种改进的Floyd路径搜索方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106157689A (zh) * | 2016-08-29 | 2016-11-23 | 上海交通大学 | 一种停车场动态车位管理系统 |
CN107045656A (zh) * | 2017-02-23 | 2017-08-15 | 沈阳理工大学 | 基于改进蚁群算法的智能景区游览路线规划方法 |
CN108170146A (zh) * | 2017-12-31 | 2018-06-15 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于已知环境的路径规划方法 |
-
2018
- 2018-06-20 CN CN201810634049.0A patent/CN109029478A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106157689A (zh) * | 2016-08-29 | 2016-11-23 | 上海交通大学 | 一种停车场动态车位管理系统 |
CN107045656A (zh) * | 2017-02-23 | 2017-08-15 | 沈阳理工大学 | 基于改进蚁群算法的智能景区游览路线规划方法 |
CN108170146A (zh) * | 2017-12-31 | 2018-06-15 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于已知环境的路径规划方法 |
Non-Patent Citations (1)
Title |
---|
左秀峰等: "基于Floyd算法的多种最短路径问题的改进算法", 《计算机科学》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109668572A (zh) * | 2018-12-28 | 2019-04-23 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于floyd算法的激光叉车路径搜索方法 |
CN110926472A (zh) * | 2019-10-29 | 2020-03-27 | 东北大学 | 一种智能果园路径规划方法 |
CN110990981A (zh) * | 2019-10-30 | 2020-04-10 | 长沙市海图科技有限公司 | 一种智能管网状态监测分析方法及系统 |
CN111311944A (zh) * | 2020-02-19 | 2020-06-19 | 江苏大学 | 一种自主代客泊车环境下的停车场管理系统及方法 |
CN115223342A (zh) * | 2022-07-06 | 2022-10-21 | 深圳季连科技有限公司 | 一种自动驾驶停车异常识别方法 |
CN115865778A (zh) * | 2023-02-17 | 2023-03-28 | 中国西安卫星测控中心 | 一种改进的Floyd路径搜索方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109029478A (zh) | 一种基于改进Floyd算法的智能车辆路径规划方法 | |
WO2021174374A1 (zh) | 交通信号极化绿波控制方法 | |
CN107180530B (zh) | 一种基于深度时空卷积循环网络的路网状态预测方法 | |
CN105938572B (zh) | 一种物流存储系统预防干涉的多自动导引车路径规划方法 | |
CN106767826A (zh) | 一种室内跨楼层路径导航的方法 | |
CN104252788B (zh) | 信号控制下人行横道行人绿灯时间设置方法 | |
CN109269516B (zh) | 一种基于多目标Sarsa学习的动态路径诱导方法 | |
CN107170254B (zh) | 一种交通信号灯自适应控制方法及装置 | |
CN105788298A (zh) | 一种双向绿波控制的方法及装置 | |
CN108108689A (zh) | 一种智能停车车位检测方法 | |
CN111081035A (zh) | 一种基于q学习的交通信号控制方法 | |
DE102015111105A1 (de) | Massenbeschaffung zur vorhersage von fahrzeug-energieverbrauch | |
CN106920400B (zh) | 红绿灯的控制方法和装置 | |
CN109559513B (zh) | 一种基于相邻周期流量差值预测的自适应信号控制方法 | |
CN105788236A (zh) | 一种交通控制方法及装置 | |
CN106781643A (zh) | 一种停车位引导方法及系统 | |
CN108627164A (zh) | 一种路线规划方法和装置 | |
CN102927990B (zh) | 机车通过地理信息系统确定城市道路最优路径的方法 | |
CN109118820A (zh) | 一种城市停车诱导信息动态仿真方法及系统 | |
CN112950926A (zh) | 一种基于大数据和深度学习的城市主干道路速度预测方法 | |
CN109341710A (zh) | 不确定环境的交通网上快速抵达目的地的动态规划法 | |
CN106846808B (zh) | 一种基于车牌数据的车辆停车次数计算方法 | |
CN109902391A (zh) | 一种基于随机挥发系数蚁群算法的油气管道规划方法 | |
CN110070730A (zh) | 一种城市道路导航的方法及系统 | |
CN109872532B (zh) | 交叉口信号控制方案自动选择方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181218 |