CN109983304B - 一种用于地图上的道路网络中的电子路线导航方法 - Google Patents

一种用于地图上的道路网络中的电子路线导航方法 Download PDF

Info

Publication number
CN109983304B
CN109983304B CN201780071093.9A CN201780071093A CN109983304B CN 109983304 B CN109983304 B CN 109983304B CN 201780071093 A CN201780071093 A CN 201780071093A CN 109983304 B CN109983304 B CN 109983304B
Authority
CN
China
Prior art keywords
quadrilateral
point
layer
base layer
route
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
CN201780071093.9A
Other languages
English (en)
Other versions
CN109983304A (zh
Inventor
P·芬尼维西
V·吉尼斯
L·基申蒂
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.)
Zhidong Technology Co ltd
Original Assignee
Zhidong 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 Zhidong Technology Co ltd filed Critical Zhidong Technology Co ltd
Publication of CN109983304A publication Critical patent/CN109983304A/zh
Application granted granted Critical
Publication of CN109983304B publication Critical patent/CN109983304B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3863—Structures of map data
    • G01C21/387—Organisation of map data, e.g. version management or database structures
    • G01C21/3881—Tile-based structures
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3885—Transmission of map data to client devices; Reception of map data by client devices
    • G01C21/3896—Transmission of map data from central databases
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/10—Map spot or coordinate position indicators; Map reading aids
    • G09B29/106—Map spot or coordinate position indicators; Map reading aids using electronic means

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Business, Economics & Management (AREA)
  • Navigation (AREA)
  • Instructional Devices (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种用于在道路网络中导航自动驾驶车辆(754)的电子路线导航方法。在该方法的一个实现中，地图被存储在至少一台计算机(752)上，并且被处理器划分到四边形中。此外，最小大小的四边形被分组为基础层四边形。此外，扩展面积四边形被限定成包含多个基础层四边形的面积。此后，从起始点A(762)到目的点B(764)计算沿道路的路线(766)。所述地图上不包含起始点A(762)或目的点B(764)的其他扩展面积四边形被用于交叉寻路。此外，在所述交叉寻路中，仅有穿越所述扩展面积四边形的从起始点A(762)通往目的点B(764)的道路路线被计算。

Description

一种用于地图上的道路网络中的电子路线导航方法
技术领域
本公开涉及导航技术，并更具体地涉及用于自动驾驶车辆(autonomous vehicle)的导航技术。
背景
导航领域的进步使得以自动方式操作诸如轿车或卡车之类的车辆成为可能。以自动方式操作的此类车辆可互换地称为自动驾驶车辆。自动驾驶车辆需要初始用户输入以用于导航特定路线。初始用户输入可包括起始点和目的点的位置坐标。在接收到用户输入时，自动驾驶车辆通常通过车载计算设备访问地图服务。车载计算设备可包括例如导航系统或移动设备，并且请求从起始点到目的点经过的路线。
一般而言，此类地图或路线的文件大小非常大，并且通常会在下载期间造成不便。此类下载问题在网络连通性较低的区域尤为突出。无法成功加载路线和/或地图可能会造成不利的情况。例如，对自动驾驶车辆的错误引导可能会发生，这可能会对自动驾驶车辆周围的人以及自动驾驶车辆的安全构成威胁。
在有限带宽环境中传送地图数据图像已在Chintakindi等人的WO 2016051316 A1中被公开了。此文献在本文中作为参考被引用。
然而，现有技术缺乏能够减少与自动驾驶车辆所经过的路线相关的信息量的技术。
概述
本发明的一个目的在于解决和改进现有技术中前文提及的缺陷。
本发明的一个目的在于提供有助于对自动驾驶车辆进行导航的高效导航系统和方法。本文呈现的导航系统和方法提供对与自动驾驶车辆从起始点到目的点行进时所经过的地图和/或路线有关的数据的高效加载。
在此应用中，自动驾驶车辆基本上是轿车、卡车、任何两轮或四轮车辆、四轴飞行器或无人驾驶飞机。自动驾驶车辆被配置成用于诸如交通控制等的应用。自动驾驶车辆主要在有驾驶员或没有驾驶员的情况下运输人员和物体。也就是说，自驾车被理解为是自动驾驶轿车。另外，在一些情形下自驾驶但在其他情形下由人类驾驶员驾驶的轿车在此申请中被理解为是自动驾驶车辆。
一种用于在道路网络中导航自动驾驶车辆的电子路线导航方法，其特征在于，
-地图被存储在至少一个计算机上，并被处理器划分到各图块中，
-最小大小的图块被分组为基础图块，
-扩展面积图块被限定成包含多个基础图块的面积，
-沿道路的路线被从起始点A计算到目的点B，
-所述地图上不包含点A或点B的扩展面积图块被用于交叉寻路，
-在所述交叉寻路中仅有穿越所述扩展面积图块的从点A通往点B的道路路线被计算。
一种用于在道路网络中导航自动驾驶车辆的电子路线导航系统，其特征在于，
-地图被存储在至少一个计算机上，并被处理器划分到各图块中，
-最小大小的图块被分组为基础图块，
-扩展面积图块被限定成包含多个基础图块的面积，
-沿道路的路线被配置成被从起始点A计算到目的点B，
-所述地图上不包含点A或点B的扩展面积图块被配置成用于交叉寻路，
-在所述交叉寻路中仅有穿越所述扩展面积图块且从点A通往点B的道路路线被配置成要被计算的。
一种用于在道路网络中导航自动驾驶车辆的电子路线导航软件程序，其特征在于，
-地图被存储在至少一个计算机上，并被处理器划分到各图块中，
-最小大小的图块被分组为基础图块，
-扩展面积四边形被限定成包含多个基础图块的面积，
-沿道路的路线被从起始点A计算到目的点B，
-所述地图上不包含点A或点B的扩展面积图块被用于交叉寻路，
-在所述交叉寻路中仅有穿越所述扩展面积图块的从点A通往点B的道路路线被计算。
图块在各层之间可具有任何面积比例，例如2、3、4、5、6、7、8、9等等。四边形的面积比例为四，即，较高层四边形的面积比其下方的层上的图块大4倍。
本发明具有相当大的优点。本发明的结果是高效加载用于有助于自动驾驶车辆的导航的与地图和/或路线有关的数据。例如，当自动驾驶车辆处于其起始点或其目的点所在的区域中时，加载与该区域有关的详细信息。例如，道路段、道路封闭、转向限制等的细节可被加载。然而，当自动驾驶车辆距起始点或目的点足够远时，接收包括较少信息的高层四边形。高层四边形包括被用于交叉寻路的道路路线。因此，实现了与自动驾驶车辆正在经过的路线相关的数据的高效加载。
本发明的最佳模式被认为是自动驾驶轿车，当自动驾驶轿车靠近其旅程的起始点或目的点时，该自动驾驶轿车从云计算机服务器接收具有高水平细节的基础层地图四边形。当在旅程中远离起始点和目的点两者的中途时，自动驾驶轿车使用具有较低地理信息密度的扩展面积地图四边形以便以最佳模式导航。
附图简述
图1A将根据本发明的用于存储用于导航自动驾驶车辆的地图的数据结构的实施例10例示为图示。
图1B将根据本发明的用于存储用于导航自动驾驶车辆的地图的数据结构的实施例15例示为图示。
图2A将根据本发明的数据结构层的实施例20例示为图示。
图2B将根据本发明的数据结构层的实施例25例示为图示。
图3将根据本发明的数据结构层的实施例30例示为图示。
图4将根据本发明的用于在道路网络中导航自动驾驶车辆的电子路线导航方法的实施例40例示为流程图。
图5将根据本发明的用于在道路网络中导航自动驾驶车辆的电子路线导航方法的实施例50例示为流程图。
图6A将根据本发明的用于在道路网络中导航自动驾驶车辆的电子路线导航方法的实施例60例示为流程图。
图6B将根据本发明的用于在道路网络中导航自动驾驶车辆的电子路线导航方法的实施例63例示为流程图。
图6C将根据本发明的用于在道路网络中导航自动驾驶车辆的电子路线导航方法的实施例66例示为流程图。
图7将根据本发明的电子路线导航系统的实施例70例示为框图。
图8将根据本发明的电子路线导航系统的实施例80例示为框图。
图9A将根据本发明的电子路线导航系统的实施例90例示为框图。
图9B将根据本发明的电子路线导航系统的实施例91例示为框图。
图9C将根据本发明的电子路线导航系统的实施例92例示为框图。
图10将根据本发明的软件程序产品的用户界面的实施例93例示为屏幕截图。
图11将根据本发明的软件程序产品的用户界面的实施例94例示为屏幕截图。
图12A将根据本发明的软件程序产品的用户界面的实施例95例示为屏幕截图。
图12B将根据本发明的软件程序产品的用户界面的实施例96例示为屏幕截图。
图12C将根据本发明的软件程序产品的用户界面的实施例97例示为屏幕截图。
各实施例中的一些在从属权利要求中被描述。
具体实施方式
本公开提供了一种用于有助于对自动驾驶车辆进行导航的电子导航方法。自动驾驶车辆本质上是车辆，例如，能够在没有驾驶员的情况下沿预定路线导航的轿车、卡车和/或任何两轮或四轮车辆。为了沿预定路线进行导航，自动驾驶车辆可使用地图。自动驾驶车辆可被用于沿预定路线运输人员和/或物体。根据如本文所描述的本主题的原理，实现了对地图的高效加载。
图1A例示了用于存储用于导航自动驾驶车辆的地图的数据结构100的实施例10。数据结构100包括以分层体系布置的多个层。分层体系的多个层中的每个层都覆盖相同的区域。但是，被存储在分层体系中的每个层中的信息量可能会有所不同。在一个示例中，分层体系是使得多个层中的最高层包括最少的信息量，而多个层中的最底层包括最大的信息量，的方式。多个层中的最底层在本文中可互换地称为基础层。在一个示例中，对于给定区域，最高层可包括与该区域的城郊和主要地标相关的信息。对于同一区域，基础层可包括详细信息，例如，与道路段、转向限制、道路封闭等相关的细节。
此外，多个层中的每个层包括至少一个四边形(quad)。四边形可被理解为该层中包括存储在该层中的信息的至少一部分的区域。例如，最高层可仅包括一个四边形，而基础层可包括多个四边形。如可从最底层被聚集向最高层，数据以使得较高层四边形覆盖更大面积的方式被修剪。这进而减少了使用根据本文呈现的数据结构存储的地图来导航自动驾驶车辆时将被加载的数据量。
为简洁起见，在图1A中仅示出了三个层，然而，可注意到，数据结构100可包括最少两个层(层0至1)和最多无限多个层。在一个示例中，数据结构可包括最多十六个层(层0至15)。
如图1A中所示，数据结构100包括层101、102和103，其中层101是基础层，而层103是最高层。层101包括四边形101-1至101-16。层102包括四边形102-1至102-4。层103包括单个四边形103-1。在一个示例中，存在于基础层中的四边形被称为基础层四边形，而存在于基础层外的层中的四边形被称为扩展面积四边形。因此，四边形101-1至101-16是基础层四边形，而四边形102-1至102-4和四边形103-1是扩展面积四边形。
在一个示例中，基础层四边形和扩展面积四边形之间可存在分层关系。例如，基础层四边形以如下文等式1中描绘的方式与扩展面积四边形相关：
扩展面积四边形层(n)＝4n*基础层四边形 (1)
作为示例，对于层2(即图1A中的层103)，基础层四边形的数量按照等式1为16。
在一个示例中，当从基础层移动到最高层时，每个层可能包括比在其下方的层更少的信息。例如，层102包括比层101更少的信息，而层103包括比层102更少的信息。以本文中描述的方式存储与地图相关的数据有助于在服务请求期间高效地加载地图。例如，当接收到对路线的请求时，共享与路线的特定部分有关的详细信息。对于路线的剩余部分，提供来自较高层的信息。因此，减少了加载路线所需的数据。
在一个示例中，每个扩展面积四边形可对应于该扩展面积四边形的层下方的层上的最多四个四边形。例如，层103的四边形103-1对应于层102的四边形102-1至102-4。类似地，层2的四边形102-1对应于层1的四边形101-1至101-4。在此情况下，较低层上的四边形也称为子四边形。因此，在上文的示例中，四边形102-1至102-4对四边形103-1而言是是子四边形。此外，扩展面积四边形的面积是对应子四边形的面积的四倍。例如，四边形103-1的面积等于四边形102-1的面积的四倍。
在一个示例中，可基于对应的层编号和层内编号来标识各四边形。例如，四边形102-1表示层102的第一四边形。在另一示例中，可基于对应的层编号和四边形的左下角的坐标来标识各四边形。
因此，如上文所描述的，数据结构100可包括两个或更多个层(n＝2或更多，其中n是层数量)。在一个示例中，数据结构100中的每个层覆盖同一面积。此外，如上文描述的，每个扩展面积四边形被称为特定层的四边形，并且在下方层上可具有最多四个四边形。下方层上的四个四边形也被称为子四边形。此外，扩展面积四边形的大小是子四边形的大小的四倍。此外，数据结构的最低层被称为基础层，并且在基础层四边形中包括详细的道路网络。在一个示例中，数据结构中的每个层包含比在其下方的层更少的信息。
根据本发明的实施例10的任何特征可容易地与其他实施例15、20、25、30、40、50、60、63、66、70、80、90、91、92、93、94、95、96和/或97的任何特征组合或置换。
图1B例示了数据结构100的实施例15。在所述实施例15中，例示了数据结构100的叉树结构表示。如图1B中所示，层103是最高层，而层101是基础层。四边形103-1具有作为分支与四边形103-1相关联的四个子四边形(即，四边形102-1至102-4)。类似地，每个四边形102-1至102-4都具有对应的一组子四边形。例如，四边形102-1具有将四边形102-1连接到子四边形101-1至101-4的四个分支。
根据本发明的实施例15的任何特征可容易地与其他实施例10、20、25、30、40、50、60、63、66、70、80、90、91、92、93、94、95、96和/或97的任何特征组合或置换。
图2A例示了数据结构的层201的实施例20。这里的数据结构可能类似于用于存储地图的数据结构100。在所述实施例20中，层201是与数据结构100的分层体系中的基础层101类似的基础层。层201包括四边形201-1至201-16，如图2A中所示。为简洁起见，已经完成了对各四边形的逐行编号。例如，最底部的行从左至右包括四边形201-1至四边形201-4。层201中的其他行以类似于底行的方式被编号。
层201进一步包括多个道路段。为简洁起见，在图2A中仅示出了道路段230-1、230-2和230-3。层201进一步包括多个连接点。为简洁起见，在图2A中仅示出了连接点240-1和240-2。在一个示例中，连接点可被理解为两个或更多个道路段的交叉点。例如，如图2A中所示，连接点240-1是道路段230-1和道路段230-2的交叉点。
根据本发明的实施例20的任何特征可容易地与其他实施例10、15、25、30、40、50、60、63、66、70、80、90、91、92、93、94、95、96和/或97的任何特征组合或置换。
图2B例示了数据结构的层201的实施例25。这里的数据结构类似于图1A中用于存储地图的数据结构100。层201包括道路段230-4、道路段230-5和转向限制245。在一个示例中，当从道路段230-4至道路段230-5的转向被禁止时，转向限制245被显示。在一个示例中，转向限制245被存储为一系列道路段，这些道路段不许以给定的顺序经过。在一个示例中，转向限制245可以是局部限制，即，转向限制245可以存在于单个四边形中。
如可聚集的，与层201表示的区域相关联的数据以每个四边形为基础存储。对数据的基于四边形的存储有助于高效加载数据，因为四边形作为一个空间相关数据块进行存储和加载。例如，当需要某四边形的道路段来进行路径寻找时，很可能还需要该道路段附近的其他道路段。在此情况下，附近的各道路段将被加载。
根据本发明的实施例25的任何特征可容易地与其他实施例10、15、20、30、40、50、60、63、66、70、80、90、91、92、93、94、95、96和/或97的任何特征组合或置换。
图3例示了数据结构的层301的实施例30。该数据结构类似于图1A中用于存储地图的数据结构100。在一个示例中，层301可以是与基础层101类似的基础层。在一个实现中，层301可包括多个基础层四边形301-1至301-16。如前文提及的，基础层包括与区域有关的详细信息。因此，基础层四边形301-1至301-16可包括诸如区域的各道路段之类的详细信息。
在一个实现中，可组合一个或多个基础层四边形以生成扩展面积四边形。例如，如图3中所示，可组合四边形301-6、301-7、301-10和301-11以形成直接在层301之上的层302(图3中未示出)的四边形302-1。在一个示例中，可在扩展面积四边形周围限定扩展面积。例如，对于扩展面积四边形302-1，扩展面积可包括四边形，301-1、301-2、301-3、301-4、301-5、301-8、301-9、301-12、301-13、301-14、301-15和301-16。
根据本发明的实施例30的任何特征可容易地与其他实施例10、15、20、25、40、50、60、63、66、70、80、90、91、92、93、94、95、96和/或97的任何特征组合或置换。
图4例示了根据本发明流程图的用于在道路网络中导航自动驾驶车辆的电子路线导航方法的实施例40。该方法可在与图7中的实施例70相同或类似的系统中实现，或者例如，如在说明书的其他部分中所讨论的那样。该方法的最终用户可使用与图10中的实施例93所公开的用户界面相同或类似的用户界面。
在阶段400中，地图被存储在至少一个计算机上，并被处理器划分到四边形中。在一个实现中，地图被存储在多个层中，这些层以与在图1A和1B中描述的数据结构100的分层体系类似的分层体系被布置。在存储地图时，在每个层处，存储在该层中的地图的区域被划分到至少一个四边形中。在一个示例中，至少一个计算机可以是云服务器。在另一示例中，至少一个计算机可以是通信地耦合到寻求使用地图进行导航的自动驾驶车辆的计算设备。计算设备的各示例可包括与自动驾驶车辆的导航系统耦合的类似于膝上型计算机、智能电话、PDA等的移动设备。在另一示例中，计算设备可以是自动驾驶车辆的导航系统。
在阶段410中，最小大小的四边形被分组为基础层四边形。基础层四边形存在于分层体系的最底层，也称为基础层。此外，基础层四边形和扩展面积四边形层之间的关系类似于上文的等式1中限定的关系。基础层四边形包括与对应区域相关的详细信息，诸如与道路段、转向限制、道路封闭等相关的细节。
在阶段420中，扩展面积四边形被限定成包括多个基础层四边形的面积。扩展面积四边形是除基础层之外的层的四边形。在一个示例中，层的扩展面积四边形的面积等于直接在扩展面积四边形下方的层的四边形的面积的四倍。换句话说，层A+1处的一个四边形的面积相当于层A处的4个四边形的面积。
在阶段430中，从起始点A到目的点B计算沿道路的路线。在一个示例中，自动驾驶车辆的乘客或操作员可提供从起始点A行进到目的点B的请求。在接收到请求时，从起始点A到目的点B计算沿道路的路线。为了计算路线，可以使用与地图相关的一个或多个四边形。
在阶段440中，地图上不包括起始点A或目的点B的扩展面积四边形被用于交叉寻路。在一个实现中，以此方式计算路线使得包括起始点A和目的点B的四边形是基础层四边形。此外，除基础层四边形外的四边形包括路线的剩余部分并且是扩展面积四边形。扩展面积四边形被用于交叉寻路。如上文所提及的，数据逐层被修剪，故因此，与基础层四边形相比，扩展面积四边形包括更少的信息。结果，加载地图所需的数据较少，从而提供了高效数据加载。
在阶段450中，在交叉寻路中仅计算穿越扩展面积四边形的从起始点A通往目的点B的道路路线。仅计算穿越扩展面积四边形的道路路线减少了与路线计算相关联的计算开销。结果，减少了用于计算路线的计算时间。此外，减少了用于计算路线的数据量，从而提高了路线计算的效率。
根据本发明的实施例40的任何特征可容易地与其他实施例10、15、20、25、30、50、60、63、66、70、80、90、91、92、93、94、95、96和/或97的任何特征组合或置换。
图5例示了根据本发明流程图的用于在道路网络中导航自动驾驶车辆的电子路线导航方法的实施例50。该方法可在与图8中的实施例80相同或类似的系统中实现，或者例如，如在说明书的其他部分中所讨论的那样。该方法的最终用户可使用与图11中的实施例94所公开的用户界面相同或类似的用户界面。
在阶段500中，通过对一个或多个道路段的长度、成本和/或历时进行求和来计算从起始点A到目的点B的可供选择的路线的总长度、成本和/或历时。例如，可以使用包括起始点A的基础层四边形的道路段。在另一示例中，穿越至少一个没有起始点A或目的点B的四边形且提供从起始点A到目的点B的路线的区段的道路段可被使用。在又一示例中，通往目的点B的基础四边形的道路段可被使用。在又一示例中，前文提及的道路段示例中的一个或多个可被组合。
在阶段510中，可供选择的路线的最短路线长度、最小路线成本和/或最短路线历时被选择。一旦计算出从起始点A到目的点B的可供选择的路线，该可供选择的路线就可被处理以用于标识从起始点A到目的点B的可供选择的路线。可供选择的路线是具有最短路线长度、最小路线成本和/或最短路线历时的路线。
在阶段520中，地图被配置成存储在云服务器计算机上，并且至少一个四边形被配置成经由通信网络被发送到自动驾驶车辆。自动驾驶车辆被配置成具有用于使用该至少一个四边形进行导航的软件程序。在一个实现中，按照上文结合图1A和图1B描述的数据结构100存储地图。按照数据结构100，地图以分层体系布置被存储在多个层中。此外，各层中的每个层具有至少一个四边形。在一个示例中，当自动驾驶车辆将从起始点A行进到目的点B时，计算从起始点A到目的点B的路线。一旦计算出路线，云服务器就将与该路线相关的至少一个四边形传送到自动驾驶车辆。自动驾驶车辆的软件程序使用该至少一个四边形将自动驾驶车辆从起始点A导航到目的点B。
在阶段530中，基于至少一个或多个预定标准完成对路线的计算。在一个示例中，标准可包括但不限于转向限制、封闭道路段、启用收费道路、启用非铺面道路、启用渡轮和/或启用高速公路。
在阶段540中，具有地图中封闭道路的所有非基础层四边形都被无效。对此类非基础层四边形的无效减少了将为路线计算而处理的数据，从而减少了计算路线所花费的时间。在另一示例中，只有封闭道路被无效，即，不被考虑用于计算路线。其他道路，即存在于非基础层中的非封闭道路或可用道路可被考虑用于计算路线。
根据本发明的实施例50的任何特征可容易地与其他实施例10、15、20、25、30、40、60、63、66、70、80、90、91、92、93、94、95、96和/或97的任何特征组合或置换。
图6A将根据本发明的用于在道路网络中导航自动驾驶车辆的电子路线导航方法的实施例60例示为流程图。该方法可在与图9A中的实施例90相同或类似的系统中实现，或者例如，如在说明书的其他部分中所讨论的那样。该方法的最终用户可使用与图12A中的实施例95所公开的用户界面相同或类似的用户界面。
在阶段605中，区域中的道路网络的多个道路段被剪切到一个或多个基础层四边形中。在一个示例中，根据预定数据结构存储地图。该数据结构可以类似于图1A和图1B中描述的数据结构100。在所述示例中，诸如与多个区段相关的信息之类的详细信息被存储在基础层处。在一个示例中，基础层中的信息被存储在一个或多个基础层四边形中，并因此道路段被剪切为使得该道路段被限定在基础层四边形中。
在阶段610中，一个或多个转向限制被存储在一个或多个基础层四边形中。除了存储道路段外，基础层四边形还可包括诸如转向限制之类的信息。在一个示例中，转向限制可被存储为一系列道路段，这些道路段不能以某序列经过。
在阶段615中，执行修剪方法以使用底下一层的一个或多个四边形来生成高一层处的扩展面积四边形。在修剪方法中，保留了扩展面积四边形中不受限制的交叉路线。在一个示例中，扩展面积四边形的面积等于包括底下一层的四个四边形的面积。修剪方法减少了将被存储在扩展面积四边形中的信息量。如上文提及的，不受限制的交叉路线被存储在扩展面积四边形中。
在阶段620中，修剪方法被迭代地执行以在除了基础层外的分层体系的每个层处生成一个或多个扩展面积四边形。如上文提及的，基于针对其正生成扩展面积四边形的层的底下一层来生成各层的扩展面积四边形。
因此，如上文所描述的，预处理阶段被执行以存储与地图有关的数据。在预处理阶段，道路网络的各道路段被剪切到各基础层四边形中。此外，转向限制被存储在基础层四边形中。此外，修剪方法根据较低层四边形生成较高层扩展面积四边形并保留不受限制的交叉路线。此后，迭代过程使用先前的修剪方法根据已经存在的较小的较低层四边形来生成所有较高层较大的四边形。针对除基础层之外的数据结构分层体系的所有层执行此过程。
根据本发明的实施例60的任何特征可容易地与其他实施例10、15、20、25、30、40、50、63、66、70、80、90、91、92、93、94、95、96和/或97的任何特征组合或置换。
图6B将根据本发明的用于在道路网络中导航自动驾驶车辆的电子路线导航方法的实施例63例示为流程图。该方法可在与图9B中的实施例91相同或类似的系统中实现，或者例如，如在说明书的其他部分中所讨论的那样。该方法的最终用户可使用与图12B中的实施例96所公开的用户界面相同或类似的用户界面。
在阶段630中，搜索被配置成从基础层四边形开始遍历四边形边界。在一个示例中，为了搜索从起始点A到目的点B的路线，可跨四边形边界执行搜索。例如，搜索可从基础层开始，并且可遍历该基础层的所有四边形。随后，搜索可移动到直接在基础层之上的层，并且可遍历该基础层之上的层的所有四边形，依此类推。在一个示例中，搜索从包括起始点A的基础层四边形开始。
在阶段635中，当到达距离起始点A和目的点B足够远的较高层四边形的边界时，将配置较高层四边形以供使用。如上文所提及的，搜索是跨四边形边界执行的。在一个示例中，当搜索到达较高层四边形的边界时，计算边界与起始点A之间的距离以及边界与目的点B之间的距离。在边界与起始点A之间的距离以及边界与目的点B之间的距离大于限定阈值的情况下，使用较高层四边形。
在阶段640中，当到达距离起始点A和目的点B足够远的更高层四边形的边界时，将配置更高层四边形以供使用。如上文所提及的，基于搜索与起始点A之间的距离以及搜索与目的点B之间的距离，使用较高层四边形。在一个示例中，该过程可继续直到距离小于限定阈值。
因此，如上文描述的，对从A到B的道路路线的搜索从基础层四边形开始遍历四边形边界。在一个示例中，当到达距离起始点和目的点足够远的较高层(例如层1)四边形的边界时，使用较高层四边形。此外，当到达距离起始点和目的点足够远的更高层四边形的边界时，使用更高层四边形。例如，使用层2。在一个示例中，搜索可以以类似的方式继续通过数据分层体系。
根据本发明的实施例63的任何特征可容易地与其他实施例10、15、20、25、30、40、50、60、66、70、80、90、91、92、93、94、95、96和/或97的任何特征组合或置换。
图6C将根据本发明的用于在道路网络中导航自动驾驶车辆的电子路线导航方法的实施例66例示为流程图。该方法可在与图1或7中的实施例10或70相同或类似的系统中实现，或者例如，如在说明书的其他部分中所讨论的那样。该方法的最终用户可使用与图12C中的实施例97所公开的用户界面相同或类似的用户界面。
在阶段660中，根据需要加载来自四边形叉树分层体系的四边形。在一种实现中，将计算起始点A与目的点B之间的最佳路线。最佳路线可被理解为具有最短长度、成本和/或历时的路线。为了计算最佳路线，来自四边形叉树分层体系的四边形可被加载。
在阶段665中，识别链路而非节点的前导。在一个示例中，一旦加载了来自四边形叉树分层体系的四边形，就识别出存在于四边形叉树分层体系中的一个或多个链路的前导。
在阶段670中，当用新链路扩展已经行进的链路集合时，转向限制被检查。在一个示例中，为了添加新链路，考虑一个或多个转向限制。如先前提及的，转向限制被存储在存在于基础层处的四边形中。
在阶段675中，将封闭道路排除在搜索之外。在一个示例中，当正在执行对最佳路线的搜索时，将所有被封闭的道路段排除在搜索之外。此外，在一个示例中，所有包括此类被封闭的道路的非基础层四边形可被无效。
在阶段680中，排除不符合标准的道路。标准的示例可包括但不限于转向限制、封闭道路段、启用收费道路、启用非铺面道路、启用渡轮和/或启用高速公路。在一个实现中，不符合标准的道路段(即，道路)被排除在搜索之外。
在阶段685中，根据标准计算当前添加的链路距起始链路的距离。在一个示例中，基于前文提及的标准中的至少一个来计算当前添加的链路距起始链路之间的距离。
因此，如上文所描述的，边缘标记Dijkstra算法可被用于计算自动驾驶车辆的存储介质和/或网络服务器中的最佳路线以便控制对自动驾驶车辆的导航。Dijkstra算法可包括一个或多个函数，例如，根据需要加载来自四边形叉树分层体系的四边形。此外，可识别链路而非节点的前导。此外，当用新链路扩展已经行进的链路集合时，转向限制被检查。函数的另一示例可包括将封闭道路排除在搜索之外。在函数的另一示例中，排除不符合本文所描述的标准的道路。此外，函数的另一示例可包括根据本文所描述的标准计算当前添加的链路距起始链路的距离。
根据本发明的实施例66的任何特征可容易地与其他实施例10、15、20、25、30、40、50、60、63、70、80、90、91、92、93、94、95、96和/或97的任何特征组合或置换。
图7例示了用于在道路网络中导航自动驾驶车辆的电子路线导航系统750(下文被称为系统750)的实施例70。在一个实现中，系统750包括云服务器网络752和通过通信网络756通信地耦合到云服务器网络752的自动驾驶车辆754。
可包括输入输出设备的云服务器网络752通常包括监视器(显示器)、键盘、鼠标和/或触摸屏。但是，通常存在多于一个的计算机服务器被同时使用，因此一些计算机可能只包含计算机本身，而不包含屏幕也不包含键盘。这些类型的计算机通常被存储在服务器场中，服务器场被用于实现本发明的系统750所使用的云网络。云服务器网络752可作为来自诸如Microsoft(微软)和Amazon(亚马逊)和HP(Hewlett-Packard)(惠普)之类的已知供应商的单独解决方案来购买。云服务器网络752通常运行Unix、Microsoft、iOS、Linux或任何其他已知的操作系统，并且通常包括微处理器、存储器、和数据存储装置，诸如SSD闪存或硬盘驱动器。为了提高云架构的响应性，数据优选地被全部或部分地存储在SSD(即闪存)上。此组件可从现有云提供商(诸如Microsoft或Amazon)中选择/配置，或者现有云网络运营商(诸如Microsoft或Amazon)被配置成将所有数据存储到基于闪存的云存储运营商，诸如Pure Storage(纯存储)、EMC、Nimble storgae(灵活存储)等。使用闪存作为云服务器网络752的主干存储是优选的，尽管其成本很高但减少了所需的延迟和/或优选对系统750进行操作以有助于对自动驾驶车辆(诸如自动驾驶车辆754)的导航。
自动驾驶车辆754本质上是无人驾驶轿车，或者是在驾驶员在车上但其并不驾驶的情况下自动地操作一些驾驶任务的轿车。自动驾驶车辆754可以是卡车、任何两轮或四轮车辆等。自动驾驶车辆754可被用于沿预定路线运输人员和物体。
通信网络756是无线因特网或电话网络，其通常是蜂窝网络，诸如UMTS(通用移动电信系统)网络、GSM(全球移动电信系统)网络、GPRS(通用分组无线电服务)网络、CDMA(码分多址)网络、3G网络、4G网络、Wi-Fi网络和/或WCDMA(宽频带码分多址)网络。
系统750进一步包括包含道路网络的多个道路路线(未在图7中示出)。为简洁起见，在图7中仅示出了道路路线的区段758。
在一个实现中，云服务器网络752在至少一个计算机上包括地图。在一个示例中，按照定义数据结构(诸如在图1A和1B中描述的数据结构100)将地图存储在计算机上。因此，例如，地图被计算机的处理器划分到多个层和对应的四边形中以便存储该地图。在一个示例中，处理器被配置成将最小大小的四边形分组为基础层四边形。基础层四边形存在于多个层的最底层。随后，基于基础层四边形，处理器被配置成生成直接在基础层之上的层的扩展面积四边形。
在一个实现中，自动驾驶车辆754包括计算设备760。计算设备760可以是用于从由基于云的地图服务提供的各地图操作中选择预定路线图操作的智能电话和/或平板。计算设备760通常是移动智能电话，诸如iOS、Android或Windows Phone智能电话。
然而，计算设备760也可以是移动台、移动电话或计算机，诸如PC计算机、AppleMacintosh计算机、PDA设备(个人数字助理)、或UMTS(通用移动电信系统)移动台、GSM(全球移动电信系统)移动台、WAP(无线应用协议)移动台、Teldesic移动台、Inmarsat移动台、Iridium移动台、GPRS(通用分组无线电服务)移动台、CDMA(码分多址)移动台、GPS(全球定位系统)移动台、3G移动台、4G移动台、蓝牙移动台、WLAN(无线局域网)移动台、Wi-Fi移动台、和/或WCDMA(宽频带码分多址)移动台。有时在一些实施例中，计算设备760是具有诸如以下任何操作系统的设备：Microsoft Windows、Windows NT、Windows CE、Windows PocketPC、Windows Mobile、GEOS、Palm OS、Meego、Mac OS、iOS、Linux、BlackBerry OS、GoogleAndroid、和/或Symbian或任何其他计算机或智能电话操作系统。在一个示例中，计算设备760可以是例如嵌入到自动驾驶车辆754中的设备，例如导航系统。
在一个实施例中，自动驾驶车辆754的乘客或操作员可向云服务器网络752提供对将货物从起始点762导航和/或运输到目的点764的请求。在一个示例中，可通过计算设备760提供该请求。
在一个实现中，当接收到请求时，云服务器网络752被配置成计算从起始点762到目的点764的路线766。在一个示例中，云服务器网络752可使用不包括起始点762和/或目的点764的扩展面积四边形来进行交叉寻路。在交叉寻路中，云服务器网络752被配置成仅计算从起始点762通往目的点764的扩展面积四边形的道路路线。一旦计算出路线766，云服务器网络752就将包括与该路线766相关的信息的消息传送到自动驾驶车辆754的计算设备760。
在图7中例示了描绘路线766的地图的屏幕截图768。如图7中所示，该地图包括多个基础层四边形701-1至701-16，以及一个扩展面积四边形702-1。此外，地图的屏幕截图768包括起始点762和目的点764以及起始点762和目的点764之间的路线766。此外，自动驾驶车辆754的位置被显示在地图的屏幕截图768中，如图7中所示。
在接收到路线766时，计算设备760可指示自动驾驶车辆754沿着路线766导航以从起始点762行进到目的点764。
根据本发明的实施例70的任何特征可容易地与其他实施例10、15、20、25、30、40、50、60、63、66、80、90、91、92、93、94、95、96和/或97的任何特征组合或置换。
图8例示了根据本主题的实施例的系统750的实施例80。在所述实施例80中，云服务器网络752被配置成以如上文在图7的描述中所述的方式存储地图。在一个实现中，云服务器网络752被配置成通过通信网络756向自动驾驶车辆754传送至少一个四边形。自动驾驶车辆754被配置成具有软件程序869。软件程序869使用至少一个四边形来将自动驾驶车辆754从起始点762导航到目的点764。图8中例示了地图的基础层的示例屏幕截图868。如图8中所示，屏幕截图868中的地图包括多个四边形801-1至801-16，它们是基础层四边形。该地图进一步包括使用来自多个基础层四边形801-10到801-16的一个或多个基础层四边形限定的扩展面积四边形802-1。如上文提及的，云服务器网络752将来自四边形801-10至801-16的至少一个四边形，和扩展面积四边形802-1传送到自动驾驶车辆754。
在一个实现中，云服务器网络752被配置成基于一个或多个标准来计算路线766。标准的示例可包括但不限于转向限制845、封闭道路段870、启用收费道路872、启用非铺面道路874、启用渡轮通知876和/或启用高速公路通知878。
在一个示例中，当地图的道路830-1被封闭时，云服务器网络752被配置成不使用该道路或使包括该封闭道路的所有非基础层四边形无效。在所述示例中，道路830-1不被用于计算路线766。
在一个实现中，云服务器网络752被配置成计算起始点762和目的点764之间的可供选择的路线880-1和880-2。在一个示例中，云服务器网络752可基于不同类型的道路段计算可供选择的路线880-1和880-2的总长度、成本和/或历时。例如，可以使用包括点762的基础层四边形801-1的道路段830-2和830-3。类似地，可使用穿越至少一个四边形的道路段830-4和830-5，该至少一个四边形不包括起始点762或目的点764，并且不提供从起始点762到目的点764的路线766的区段。例如，可使用基础层四边形801-15。此外，可使用具有目的点764并且通往目的点764的基础层四边形801-16的道路段830-6和830-7。基于前文提及的道路段类型，云服务器网络752可选择具有最短路线长度、最小路线成本和/或最短路线历时的可供选择的路线。作为示例，可供选择的路线880-2可被选择，因为该可供选择的路线具有最短路线长度、最小路线成本和/或最短路线历时。
根据本发明的实施例80的任何特征可容易地与其他实施例10、15、20、25、30、40、50、60、63、66、70、90、91、92、93、94、95、96和/或97的任何特征组合或置换。
图9A例示了根据本主题的系统750的实施例90。在所述实施例90中，云服务器网络752被配置成对与地图相关的数据执行预处理，以有助于将来高效地加载地图。如图9A中所示，在一个示例中，可在多个阶段982中执行预处理。作为一个示例，图9A中示出了四个阶段，即阶段982-1、阶段982-2、阶段982-3和阶段982-4。在阶段982-1中，云服务器网络752将多个道路段剪切到多个基础层四边形中。为简洁起见，在图9A中仅示出了道路段930-1和930-2，以及基础层四边形901-1和902-2。在阶段982-2中，在将道路段剪切到基础层四边形中之后，云服务器网络702被配置成在基础层四边形中存储一个或多个转向限制。该一个或多个转向限制类似于如图2中所示的转向限制245。如图9A中所示，转向限制945-1可被存储在基础层四边形901-12中，且转向限制945-2可被存储在基础层四边形901-13中。
随后，在阶段982-3中，云服务器网络752被配置成执行修剪方法，用于基于多个较低层四边形生成较高层扩展面积四边形902-1。在一个示例中，云服务器网络752被配置成将不受限制的路线保留在扩展面积四边形902-1中。此外，在阶段982-4中，云服务器网络752被配置成针对所有层迭代地执行修剪方法。结果，生成了针对所有层的扩展面积四边形。例如，如图9A中所示，生成针对层902的扩展面积四边形902-1至902-4以及针对层903的扩展面积四边形903-1。基于层901的基础层四边形901-1至901-16生成扩展面积四边形902-1至902-4。基于扩展面积四边形902-1至902-4生成扩展面积四边形903-1。
根据本发明的实施例90的任何特征可容易地与其他实施例10、15、20、25、30、40、50、60、63、66、70、80、91、92、93、94、95、96和/或97的任何特征组合或置换。
图9B例示了根据本主题的实施例的系统750的实施例91。在一个实现中，为了搜索从起始点到目的点(未在图9B中示出)路线(未在图9B中示出)，云服务器网络752被配置成搜索所有四边形的边界。云服务器网络752可从数据结构(类似于图1A中描述的数据结构100)的基础层的基础层四边形开始。例如，如图9B中所示，云服务器网络752可开始搜索基础层901的基础层四边形902-1(为了简洁起见，仅在图9B中示出了基础层四边形901-1)。
一旦云服务器网络752搜索基础层901的所有基础层四边形，云服务器网络752就可移动到直接在基础层901之上的层。例如，云服务器网络752可移动到层902。层902包括多个扩展面积四边形902-1至902-4。当云服务器网络752计算到达扩展面积四边形(诸如层902的扩展面积四边形902-1)时，云服务器网络752计算扩展面积四边形902-1的边界与起始点之间的距离。此外，云服务器网络752计算扩展面积四边形902-1的边界与目的点之间的距离。在一个示例中，当距离大于阈值距离时，云服务器网络752使用四边形902-1。类似地，当云服务器网络752到达直接在层902之上的层时，云服务器网络752到达甚至高于扩展面积四边形902-1至902-4的扩展面积四边形。在此情况下，云服务器网络752重新计算更高层处的起始点与扩展面积四边形之间的距离以及更高层处的目的点与扩展面积四边形之间的距离。在更高层处的起始点与扩展面积四边形之间的距离以及更高层处的目的点与扩展面积四边形之间的距离大于阈值距离的情况下，使用更高层处的扩展面积四边形。
根据本发明的实施例91的任何特征可容易地与其他实施例10、15、20、25、30、40、50、60、63、66、70、80、90、92、93、94、95、96和/或97的任何特征组合或置换。
图9C例示了系统750的实施例92。在一个实现中，云服务器网络752执行用于计算起始点和目的点之间的最佳路线的一个或多个函数。最初，在阶段984中，云服务器网络752根据需要从四边形叉树分层体系加载四边形。如图9C中所示，根据需要加载数据结构900的四边形叉树分层体系的多个四边形901-1至901-16、902-1至902-4和903-1。此外，在阶段984中，云服务器网络752识别链路的前导。在一个示例中，云服务器网络752可能不识别节点的前导。
在阶段986中，为了利用新链路扩展已经行进的链路集合，云服务器网络752检查一个或多个转向限制。例如，如果适用的话，则云服务器网络752可检查转向限制945。此外，云服务器网络752将诸如封闭道路930之类的封闭道路排除在搜索之外。此外，在一个示例中，云服务器网络752排除不符合标准的一个或多个道路。标准的示例可包括但不限于封闭道路段970、启用收费道路972、启用未非铺面道路974、启用渡轮976和/或启用高速公路978。在一个示例中，云服务器网络752被配置成根据前文提及的标准计算当前添加的链路的距离，即，上文提及的新链路距起始链路的距离。例如，在计算距离时，云服务器网络752可能不包括不符合前文提及的标准的道路段。
根据本发明的实施例92的任何特征可容易地与其他实施例10、15、20、25、30、40、50、60、63、66、70、80、90、91、93、94、95、96和/或97的任何特征组合或置换。
图10例示了根据本发明屏幕截图的软件程序产品的用户界面1090的实施例93。在一个示例中，用户界面1090被显示在配置在自动驾驶车辆754中的计算设备760的显示屏1091上。实施例93的用户界面1090分别涉及与图4和7的实施例40和70中描述的相同或类似的系统。用户界面1090背后的云服务器网络752可以是例如参考图7解释的实施例70。
软件程序产品被存储在云服务器网络752或计算设备760中的至少一者上的非瞬时存储器介质上。软件程序产品还可分布在云服务器网络752和计算设备760之间，使得软件程序产品的一些部分驻留在云服务器网络752上，而软件程序产品的一些部分驻留在计算设备760上。此外，软件程序产品可与云服务器网络752和计算设备760中的至少一者一起操作，并且还可经由通信网络756(未示出)来操作。
在一个示例中，计算设备760被配置成安装有应用，该应用允许用户访问导航服务并访问和/或下载用于导航的地图。应用用户界面可以是前文提及的用户界面1090。
如图10中所示，用户界面1090例示了区域的地图1092。在一个示例中，地图1092根据诸如数据结构100之类的数据结构被存储在诸如云服务器网络752或计算设备760之类的计算机上。因此，地图1092按照以分层体系方式布置的多个层的形式被存储。如先前提及的，各层中的每个层具有至少一个四边形。在一个示例中，对于多个层中的每个层，计算机的处理器被配置成将地图划分为对应的至少一个四边形。
在一个示例中，最小大小的四边形被分组为基础层四边形。例如，在图10中，四边形1001-1、1001-2、和1001-3描绘了基础层四边形。为简洁起见，图10中仅示出了三个基础层四边形。在一个实现中，可使用一个或多个基础层四边形来限定扩展面积四边形。在所述实现中，扩展面积四边形的面积等于四个基础层四边形。例如，如地图1092中所示，扩展面积四边形1002-1具有等于四个基础层四边形面积的面积。
在一实现中，基于用户请求，计算起始点1062和目的点1064之间的路线1066。为了计算路线1066，地图1092中不包括起始点1062和目的点1064的一个或多个扩展面积四边形被用于交叉寻路。例如，扩展面积四边形1002-1可被用于交叉寻路。在所述示例中，仅穿越扩展面积四边形1002-1的从起始点1062通往目的点1064的道路路线被用于交叉寻路。
使用地图1092，诸如软件程序800之类的软件程序(未在图10中示出)，可有助于自动驾驶车辆754从起始点1062到目的点1064的导航。
根据本发明的实施例93的任何特征可容易地与其他实施例10、15、20、25、30、40、50、60、63、66、70、80、90、91、92、94、95、96和/或97的任何特征组合或置换。
图11将根据本发明的软件程序产品的用户界面1190的实施例94例示为屏幕截图。在一个示例中，用户界面1190被显示在配置在自动驾驶车辆754中的计算设备760的显示屏1191上。实施例94的用户界面1190涉及与图8的实施例80中描述的相同或类似的系统。用户界面1190背后的云服务器网络752可以是例如参考图7解释的实施例70。
如图11中所示，用户界面1190例示了地图1192。地图1192包括在图11中被描绘为四边形1101-x的多个四边形。为简洁起见，在下文描述中仅示出了来自多个四边形1101的特定四边形。在一个示例中，地图1192被存储在云服务器计算机上，诸如云服务器计算机752。在所述示例中，云服务器计算机752被配置成通过诸如通信网络756之类的通信网络(未在图11中示出)将地图1192传送到自动驾驶车辆754。自动驾驶车辆754包括诸如软件程序800之类的软件程序(未在图11中示出)。在一个示例中，软件程序使用地图1192有助于对自动驾驶车辆754的导航。
此外，地图1192包括点1062和1064之间的可供选择的路线1180-1和1180-2。在一个示例中，可供选择的路线1180-1和1180-2的总长度、成本、和/或历时通过对不同类型的道路段的长度、成本和历时求和来计算。例如，可以使用包括点1062的基础层四边形1101-1的道路段1130-1和1130-2。类似地，可使用穿越至少一个不包括点1062或点1064的四边形(例如，基础层四边形1101-15)且提供从起始点1062到目的点1064的路线1066的区段的道路段1130-3和1130-4。此外，可使用具有点1064并且通往点1064的基础层四边形1101-16的道路段1130-5和1130-6。基于前文提及的道路段类型，云服务器网络752可选择具有最短路线长度、最小路线成本和/或最短路线历时的可供选择的路线。作为示例，可供选择的路线1180-2可被选择，因为该可供选择的路线具有最短路线长度、最小路线成本和/或最短路线历时。
在一个示例中，路线1066的计算基于一个或多个标准，诸如转向限制1145、封闭道路段1170、启用收费道路1172、启用非铺面道路1174、启用渡轮通知1176和/或启用高速公路通知1178。
在一个示例中，当道路1130-7被封闭时，加载包括道路1130-7的所有非基础层四边形。以使得道路1130-7从非基础层四边形(扩展面积四边形)中移除的方式修剪非基础层四边形，以节省数据和带宽。因此，减少了云服务器网络752的计算负荷。
根据本发明的实施例94的任何特征可容易地与其他实施例10、15、20、25、30、40、50、60、63、66、70、80、90、91、92、93、95、96和/或97的任何特征组合或置换。
图12A将根据本发明的软件程序产品的用户界面1290的实施例95例示为屏幕截图。在一个示例中，用户界面1290被显示在配置在自动驾驶车辆754中的计算设备760的显示屏1291上。实施例95的用户界面1290涉及与图9A的实施例90中描述的相同或类似的系统。用户界面1290背后的云服务器网络752可以是例如参考图7解释的实施例70。
如图12A中所示，用户界面1290例示了一个或多个预处理阶段1282-1、1282-2、1282-3和1282-4。在阶段1282-1中，将被分别称为道路段1230-x的一个或多个道路段1230剪切到被分别称为1201-x的多个基础层四边形1201中。为简洁起见，在图12A中仅示出了道路段1230-1和1230-2，以及基础层四边形1201-1和1201-2。在阶段1282-2中，一个或多个转向限制1245被存储在基础层四边形中。例如，如图12A中所示，转向限制1245-1被存储在基础层四边形1201-13中。在阶段1282-3中，执行修剪方法以从较低层四边形生成较高层扩展面积四边形1202-1。在阶段1282-4中，迭代地执行修剪方法以生成所有较高层扩展面积四边形，诸如扩展面积四边形1202-1至1202-4以及扩展面积四边形1203-1，如图12A中所示。
因此，在预处理阶段结束时，与地图相关的数据被存储在多个层中，其中每个层包括多个四边形。此外，对数据的修剪是逐层完成的。以此类数据结构存储数据有助于高效地加载数据，因为较高层四边形(更为扩展的面积)具有比构成较高层四边形的较低层四边形的总和更少的数据。
根据本发明的实施例95的任何特征可容易地与其他实施例10、15、20、25、30、40、50、60、63、66、70、80、90、91、92、93、94、96和/或97的任何特征组合或置换。
图12B将根据本发明的软件程序产品的用户界面1390的实施例96例示为屏幕截图。在一个示例中，用户界面1390被显示在配置在自动驾驶车辆754中的计算设备760的显示屏1391上。实施例96的用户界面1390涉及与图9B的实施例91中描述的相同或类似的系统。用户界面1390背后的云服务器网络752可以是例如参考图7解释的实施例70。
在一个示例中，云服务器网络752通过搜索包括多个基础层四边形1301-1至1301-16的基础层1301的所有四边形来计算起始点和目的点(未在图12B中示出)之间的路线(未在图12B中示出)。在所述示例中，云服务器网络752在基础层1301开始搜索并遍历所有基础层四边形1301-1至1301-16。
在一个实现中，云服务器网络752可利用多个较高层四边形1302-1至1302-4来计算路线。多个较高层四边形1302-1至1302-4也被称为层1302(其是直接在基础层1301之上的层)的四边形的扩展面积四边形1302-1至1302-4。在一个实现中，当云服务器网络752到达距起始点和目的点足够远的扩展面积四边形的边界时，使用较高层四边形1302-1至1302-4中的至少一者。在一个示例中，云服务器网络752针对所有此类较高层四边形重复该过程。
根据本发明的实施例96的任何特征可容易地与其他实施例10、15、20、25、30、40、50、60、63、66、70、80、90、91、92、93、94、95和/或97的任何特征组合或置换。
图12C将根据本发明的软件程序产品的用户界面1490的实施例97例示为屏幕截图。在一个示例中，用户界面1490被显示在配置在自动驾驶车辆754中的计算设备760的显示屏1491上。实施例97的用户界面1490涉及与图9C的实施例92中描述的相同或类似的系统。用户界面1090背后的云服务器网络752可以是例如参考图7解释的实施例70。
在一个示例中，云服务器网络752被配置成基于至少一个或多个标准来计算最佳路线(未在图12C中示出)。如图12C中所示，用户界面1490例示了用于计算最佳路线的由云服务器网络752执行的计算的各个阶段。如图12C中所示，在阶段1484中，通过云服务器网络752根据需要加载包括多个四边形1401-1至1401-16、四边形1402-1至1402-4以及四边形1403-1的数据结构1400的四边形叉树分层体系。在一个示例中，为了计算路线，云服务器网络752识别链路而非节点的前导。
在阶段1486中，云服务器网络752被配置成在云服务器网络752利用新链路扩展已经行进的链路集合时检查一个或多个转向限制1410。此外，将诸如道路1430之类的封闭道路排除在搜索之外。此外，还排除不符合一个或多个标准的道路段，诸如启用收费道路1445、封闭道路段1470、启用未非铺面道路1472、启用渡轮1474和/或启用高速公路1476。随后，在阶段1486中，云服务器网络752基于前文提及的标准计算当前添加的链路距起始链路的距离。
通过执行前文提及的函数，云服务器网络752计算起始点1062和目的点1064之间的最佳路线。
根据本发明的实施例97的任何特征可容易地与其他实施例10、15、20、25、30、40、50、60、63、70、80、90、91、92、93、94、95和/或96的任何特征组合或置换。
应当注意，虽然已经基于其中各层之间的面积比例为四的四边形架构描述了本发明，但是可根据本发明将该比例选择为一些其他数字。例如，为2、3、5、6、7、8、9和/或10或更多的比例是可能的且符合本发明的。
本发明已在前文提及的内容中进行了解释，并例示了其相当大的优点。本发明的结果是高效加载用于有助于自动驾驶车辆的导航的数据。例如，当自动驾驶车辆处于其起始点或其目的点所在的区域中时，接收与该区域有关的详细信息，例如，道路段、道路封闭、转向限制等的细节。然而，当自动驾驶车辆距起始点或目的点足够远时，接收具有较少信息的高层四边形。高层四边形包括被用于交叉寻路的道路路线。因此，可以看出，发生了与自动驾驶车辆正在经过的路线相关的数据的高效加载。
本发明通过以下各要点被进一步例示：
1.一种用于在道路网络中导航自动驾驶车辆的电子路线导航方法，其特征在于，
-地图被存储在至少一个计算机上，并被处理器划分到四边形中，
-最小大小的四边形被分组为基础层四边形，
-扩展面积四边形被限定成包含多个基础层四边形的面积，
-沿道路的路线被从起始点A计算到目的点B，
-所述地图上不包含点A或点B的扩展面积四边形被用于交叉寻路，
-在所述交叉寻路中仅有穿越所述扩展面积四边形的从点A通往点B的道路路线被计算。
2.如要点1的方法，其特征在于，
-从A点到B点的可供选择的路线的总长度、成本和/或历时是通过对任何下述道路段的长度、成本和/或历时进行求和来计算的；
-包含点A的基础层四边形的道路段，
-穿越至少一个没有A或B的四边形且提供从点A到点B的路线的区段的道路段，
-通往点B的基础层四边形的道路段，以及
-所述可供选择的路线的最短路线长度、最小路线成本和/或最短路线历时被选择。
3.如要点1的方法，其特征在于，地图被配置成存储在云服务器计算机上，并且至少一个基础层四边形和/或扩展面积四边形被配置成经由通信网络被发送到自动驾驶轿车，所述自动驾驶轿车配置有使用所述至少一个四边形进行导航的软件程序。
4.如要点1的方法，其特征在于，在基础层四边形和扩展面积四边形之间存在分层体系关系，例如类似于以下的关系：(扩展面积四边形层n)＝4n*(基础层四边形)。
5.如要点1的方法，其特征在于，路线计算受以下标准中的任何一者的影响：转向限制、封闭道路段、启用收费道路、启用非铺面道路、启用渡轮和/或启用高速公路。
6.如要点4的方法，其特征在于，
-n＝2层或更多层，
-每个层覆盖相同的面积，
-每个扩展面积四边形被称为特定层的四边形，并且在该层之下的层上最多可具有四个子四边形且该四边形的大小比该子四边形大四倍，
-分层体系的最低层被称为基础层，该基础层包含基础层四边形中的详细道路网络，
-每个层包含比下方的层更少的信息。
7.如要点1的方法，其特征在于，所述方法包括预处理阶段，在该预处理阶段中发生以下各阶段：
-道路网络的道路段被剪切到基础层四边形中，
-转向限制被存储在基础层四边形中，
-修剪方法根据较低层四边形生成较高层扩展面积四边形并保留不受限制的交叉路线，
-迭代过程使用先前的修剪方法根据已经存在的较小的较低层四边形来生成所有较高层较大的四边形，并针对除基础层之外的四边形分层体系的所有层执行该修剪方法。
8.如要点1的方法，其特征在于，
-搜索从基础层四边形开始遍历四边形边界，
-当到达距离起始点A和目的点B足够远的较高层四边形(n＝1)的边界时，较高层四边形被使用，和/或
-当到达距离起始点A和目的点B足够远的更高层四边形的边界时，更高层四边形(n＝2)被使用，依此类推。
9.如要点1的方法涉及边缘标记Dijkstra算法，该边缘标记Dijkstra算法被用于计算自动驾驶车辆的存储介质和/或网络服务器中的最佳路线以便控制对自动驾驶车辆的导航，其可涉及以下任何函数：
-根据需要加载来自四边形叉树分层体系的四边形，
-识别链路而非节点的前导，
-当用新链路扩展已经行进的链路集合时检查转向限制，
-将封闭道路排除在搜索之外，
-排除不符合标准的道路，
-根据标准计算当前添加的链路距起始链路的距离。
10.如要点1的方法，其特征在于，
-地图中的道路被封闭，
-响应于封闭道路，具有该封闭道路的所有非基础层四边形都被无效。
11.一种用于在道路网络中导航自动驾驶车辆的电子路线导航系统，其特征在于，
-地图被存储在至少一个计算机上，并被处理器划分到四边形中，
-最小大小的四边形被分组为基础层四边形，
-扩展面积四边形被限定成包含多个基础层四边形的面积，
-沿道路的路线被配置成被从起始点A计算到目的点B，
-所述地图上不包含点A或点B的扩展面积四边形被配置成用于交叉寻路，
-在所述交叉寻路中仅有穿越所述扩展面积四边形且从点A通往点B的道路路线被配置成被计算。
12.如要点11的系统，其特征在于，
-从A点到B点的可供选择的路线的总长度、成本和/或历时被配置成通过对任何下述道路段的长度、成本和/或历时进行求和来计算；
-包含点A的基础层四边形的道路段，
-穿越至少一个没有A或B的四边形且提供从点A到点B的路线的区段的道路段，
-通往点B的基础层四边形的道路段，以及
-所述可供选择的路线的最短路线长度、最小路线成本和/或最短路线历时被配置成被选择。
13.如要点11的系统，其特征在于，地图被配置成存储在云服务器计算机上，并且至少一个基础层四边形和/或扩展面积四边形被配置成经由通信网络被发送到自动驾驶轿车，所述自动驾驶轿车配置有使用所述至少一个四边形进行导航的软件程序。
14.如要点11的系统，其特征在于，在基础层四边形和扩展面积四边形之间存在分层体系关系，例如类似于以下的关系：(扩展面积四边形层n)＝4n*(基础层四边形)。
15.如要点11的系统，其特征在于，路线计算被配置成受以下标准中的任何一者的影响：转向限制、封闭道路段、启用收费道路、启用非铺面道路、启用渡轮和/或启用高速公路。
16.如要点14的系统，其特征在于，
-n＝2层或更多层，
-每个层覆盖相同的面积，
-每个扩展面积四边形被称为特定层的四边形，并且在该层之下的层上最多可具有四个子四边形且该四边形的大小比该子四边形大四倍，
-分层体系的最低层被称为基础层，该基础层包含基础层四边形中的详细道路网络，
-每个层包含比下方的层更少的信息。
17.如要点11的系统，其特征在于，所述方法包括预处理阶段，在该预处理阶段中发生以下各阶段：
-道路网络的道路段被配置成剪切到基础层四边形中，
-转向限制被配置成存储在基础层四边形中，
-修剪方法被配置成根据较低层四边形生成较高层扩展面积四边形并保留不受限制的交叉路线，
-迭代过程被配置成使用先前的修剪方法根据已经存在的较小的较低层四边形来生成所有较高层较大的四边形，并针对除基础层之外的四边形分层体系的所有层执行该修剪方法。
18.如要点11的系统，其特征在于，
-搜索被配置成从基础层四边形开始遍历四边形边界，
-当到达距离起始点A和目的点B足够远的较高层四边形(n＝1)的边界时，较高层四边形被配置成被使用，和/或
-当到达距离起始点A和目的点B足够远的更高层四边形的边界时，更高层四边形(n＝2)被配置成被使用，依此类推。
19.如要点11的系统涉及边缘标记Dijkstra算法，该边缘标记Dijkstra算法被用于计算自动驾驶车辆的存储介质和/或网络服务器中的最佳路线以便控制对自动驾驶车辆的导航，该系统可被配置成涉及以下任何函数：
-根据需要加载来自四边形叉树分层体系的四边形，
-识别链路而非节点的前导，
-当用新链路扩展已经行进的链路集合时检查转向限制，
-将封闭道路排除在搜索之外，
-排除不符合标准的道路，
-根据标准计算当前添加的链路距起始链路的距离。
20.如要点11的系统，其特征在于，
-所述地图中的道路被配置成封闭，
-响应于封闭道路，具有该封闭道路的所有非基础层四边形都被配置成无效。
21.一种用于在道路网络中导航自动驾驶车辆的电子路线导航软件程序，其特征在于，
-地图被存储在至少一个计算机上，并被处理器划分到四边形中，
-最小大小的四边形被分组为基础层四边形，
-扩展面积四边形被限定成包含多个基础层四边形的面积，
-沿道路的路线被从起始点A计算到目的点B，
-所述地图上不包含点A或点B的扩展面积四边形被用于交叉寻路，
-在所述交叉寻路中仅有穿越所述扩展面积四边形的从点A通往点B的道路路线被计算。
22.如要点21的软件程序，其特征在于，
-从A点到B点的可供选择的路线的总长度、成本和/或历时是通过对任何下述道路段的长度、成本和/或历时进行求和来计算的；
-包含点A的基础层四边形的道路段，
-穿越至少一个没有A或B的四边形且提供从点A到点B的路线的区段的道路段，
-通往点B的基础层四边形的道路段，以及
-所述可供选择的路线的最短路线长度、最小路线成本和/或最短路线历时被选择。
23.如要点21的软件程序，其特征在于，地图被配置成存储在云服务器计算机上，并且至少一个基础层四边形和/或扩展面积四边形被配置成经由通信网络被发送到自动驾驶轿车，所述自动驾驶轿车配置有使用所述至少一个四边形进行导航的软件程序。
24.如要点21的软件程序，其特征在于，在基础层四边形和扩展面积四边形之间存在分层体系关系，例如类似于以下的关系：(扩展面积四边形层n)＝4n*(基础层四边形)。
25.如要点21的软件程序，其特征在于，路线计算受以下标准中的任何一者的影响：转向限制、封闭道路段、启用收费道路、启用非铺面道路、启用渡轮和/或启用高速公路。
26.如要点24的软件程序，其特征在于，
-n＝2层或更多层，
-每个层覆盖相同的面积，
-每个扩展面积四边形被称为特定层的四边形，并且在该层之下的层上最多可具有四个子四边形且该四边形的大小比该子四边形大四倍，
-分层体系的最低层被称为基础层，该基础层包含基础层四边形中的详细道路网络，
-每个层包含比下方的层更少的信息。
27.如要点21的软件程序，其特征在于，所述方法包括预处理阶段，在该预处理阶段中发生以下各阶段：
-道路网络的道路段被剪切到基础层四边形中，
-转向限制被存储在基础层四边形中，
-修剪方法根据较低层四边形生成较高层扩展面积四边形并保留不受限制的交叉路线，
-迭代过程使用先前的修剪方法根据已经存在的较小的较低层四边形来生成所有较高层较大的四边形，并针对除基础层之外的四边形分层体系的所有层执行该修剪方法。
28.如要点21的软件程序，其特征在于，
-搜索从基础层四边形开始遍历四边形边界，
-当到达距离起始点A和目的点B足够远的较高层四边形(n＝1)的边界时，较高层四边形被使用，和/或
-当到达距离起始点A和目的点B足够远的更高层四边形的边界时，更高层四边形(n＝2)被使用，依此类推。
29.如要点21的软件程序涉及边缘标记Dijkstra算法，该边缘标记Dijkstra算法被用于计算自动驾驶车辆的存储介质和/或网络服务器中的最佳路线以便控制对自动驾驶车辆的导航，其可涉及以下任何函数：
-根据需要加载来自四边形叉树分层体系的四边形，
-识别链路而非节点的前导，
-当用新链路扩展已经行进的链路集合时检查转向限制，
-将封闭道路排除在搜索之外，
-排除不符合标准的道路，
-根据标准计算当前添加的链路距起始链路的距离。
30.如要点21的软件程序，其特征在于，
-地图中的道路被封闭，
-响应于封闭道路，具有该封闭道路的所有非基础层四边形都被无效。
已参照前文提及的实施例对本发明进行了解释。然而，显然本发明不仅限于这些实施例，而是包括在本发明思想和以下专利权利要求的精神和范围内的所有可能的实施例。
参考文献
WO2016051316 A1，在有限带宽环境中传送地图数据图像(TRANSMITTING MAPDATA IMAGES IN A LIMITED BANDWIDTH ENVIRONMENT)，由Sunil Kumar Chintakindi，Anatoly Belkin公布于2016年4月7日。

Claims (27)

1.一种用于在道路网络中导航自动驾驶车辆的电子路线导航方法，包括：
应用其中预处理阶段已被执行的地图，所述地图以基础层和一个或多个较高层的形式被存储在至少一个计算机上，所述预处理阶段包括以下阶段：
将具有所述道路网络的道路段的所述地图的所述基础层剪切到基础层四边形中；
将转向限制存储在所述基础层四边形中；
通过修剪方法根据较低层四边形生成较高层扩展面积四边形，针对所述较高层扩展面积四边形保留不受限制的交叉路线，其中扩展面积四边形被限定成包含多个基础层四边形的面积；
使用所述修剪方法根据已经存在的较低层四边形来生成所有较高层四边形；以及
从起始点A到目的点B计算沿道路的路线，其中
所述点A被包含在第一基础层四边形中而所述点B被包含在第二基础层四边形中，
所述地图上不包含所述点A或所述点B的一个或多个扩展面积四边形被用于交叉寻路，以及在所述交叉寻路中仅有穿越所述一个或多个扩展面积四边形且从所述点A通往所述点B的道路路线被计算。
2.如权利要求1所述的方法，其特征在于，
从所述点A到所述点B的可供选择的路线的总长度、成本和/或历时通过对任何下述道路段的长度、成本和/或历时进行求和来计算；
包含所述点A的基础层四边形的道路段，
穿越不包含所述点A或所述点B的至少一个四边形且提供从所述点A到所述点B的路线的区段的道路段，
通往所述点B的基础层四边形的道路段，以及
具有所述可供选择的路线的最短路线长度、最小路线成本和/或最短路线历时的路线根据所述可供选择的路线的总长度、成本和/或历时被选择。
3.如权利要求1所述的方法，其特征在于，所述地图被配置成存储在云服务器计算机上，并且至少一个基础层四边形和/或扩展面积四边形被配置成经由通信网络被发送到所述自动驾驶车辆，所述自动驾驶车辆配置有使用所述至少一个四边形进行导航的软件程序。
4.如权利要求1所述的方法，其特征在于，在基础层四边形和扩展面积四边形之间存在分层体系关系：扩展面积四边形层n＝4n*基础层四边形。
5.如权利要求4所述的方法，其特征在于，
n＝2层或更多层，
每个层覆盖相同的面积，
每个扩展面积四边形被称为特定层的四边形，并且在所述特定层之下的层上最多可具有四个子四边形且所述四边形的大小比所述子四边形大四倍，
所述分层体系的最低层被称为基础层，所述基础层包含基础层四边形中的详细道路网络，
每个层包含比下方的层更少的信息。
6.如权利要求1所述的方法，其特征在于，路线计算受以下标准中的任何一者的影响：转向限制、封闭道路段、启用收费道路、启用非铺面道路、启用渡轮和/或启用高速公路。
7.如权利要求1所述的方法，其特征在于，
对从所述点A到所述点B的路线的搜索从基础层四边形开始遍历四边形边界，
当到达距离所述起始点A和所述目的点B足够远的较高层四边形n＝1的边界时，所述较高层四边形被使用，和/或
当到达距离所述起始点A和所述目的点B足够远的更高层四边形的边界时，所述更高层四边形n＝2被使用。
8.如权利要求1所述的方法，其特征在于，涉及边缘标记Dijkstra算法，该边缘标记Dijkstra算法被用于计算自动驾驶车辆的存储介质和/或网络服务器中的最佳路线以便控制对所述自动驾驶车辆的所述导航，其涉及以下任何函数：
根据需要加载来自所述四边形叉树分层体系的四边形，
识别链路而非节点的前导，
当用新链路扩展已经行进的链路集合时检查所述转向限制，
将封闭道路排除在搜索之外，
排除不符合标准的所述道路，
根据所述标准计算当前添加的链路距起始链路的距离。
9.如权利要求1所述的方法，其特征在于，
所述地图中的道路被封闭，
响应于封闭道路，具有所述封闭道路的所有非基础层四边形都被无效。
10.一种用于在道路网络中导航自动驾驶车辆的电子路线导航系统，包括：
其中预处理阶段已被执行的地图被应用在所述系统中，所述地图以基础层和一个或多个较高层的形式被存储在至少一个计算机上，所述预处理阶段包括以下阶段：
具有所述道路网络的道路段的所述地图的所述基础层被剪切到基础层四边形中；
转向限制被存储在所述基础层四边形中；
较高层扩展面积四边形通过修剪方法根据较低层四边形被生成，针对所述较高层扩展面积四边形保留不受限制的交叉路线，其中扩展面积四边形被限定成包含多个基础层四边形的面积；
所述修剪方法根据已经存在的较低层四边形生成所有较高层四边形；以及
沿道路的路线被配置成被从起始点A计算到目的点B，其中
所述点A被包含在第一基础层四边形中而所述点B被包含在第二基础层四边形中，
所述地图上不包含所述点A或所述点B的一个或多个扩展面积四边形被用于交叉寻路，以及在所述交叉寻路中仅有穿越所述一个或多个扩展面积四边形且从所述点A通往所述点B的道路路线被配置成被计算。
11.如权利要求10所述的系统，其特征在于：
从所述点A到所述点B的可供选择的路线的总长度、成本和/或历时被配置成通过对任何下述道路段的长度、成本和/或历时进行求和来计算；
包含所述点A的基础层四边形的道路段，
穿越不包含所述点A或所述点B的至少一个四边形且提供从所述点A到所述点B的路线的区段的道路段，
通往所述点B的基础层四边形的道路段，以及
具有所述可供选择的路线的最短路线长度、最小路线成本和/或最短路线历时的路线被配置成根据所述可供选择的路线的总长度、成本和/或历时被选择。
12.如权利要求10所述的系统，其特征在于，所述地图被配置成存储在云服务器计算机上，并且至少一个基础层四边形和/或扩展面积四边形被配置成经由通信网络被发送到所述自动驾驶车辆，所述自动驾驶车辆配置有使用所述至少一个四边形进行导航的软件程序。
13.如权利要求10所述的系统，其特征在于，在基础层四边形和扩展面积四边形之间存在分层体系关系：扩展面积四边形层n＝4n*基础层四边形。
14.如权利要求13所述的系统，其特征在于：
n＝2层或更多层，
每个层覆盖相同的面积，
每个扩展面积四边形被称为特定层的四边形，并且在所述特定层之下的层上最多可具有四个子四边形且所述四边形的大小比所述子四边形大四倍，
所述分层体系的最低层被称为基础层，所述基础层包含基础层四边形中的详细道路网络，
每个层包含比下方的层更少的信息。
15.如权利要求10所述的系统，其特征在于，路线计算被配置成受以下标准中的任何一者的影响：转向限制、封闭道路段、启用收费道路、启用非铺面道路、启用渡轮和/或启用高速公路。
16.如权利要求10所述的系统，其特征在于：
对从所述点A到所述点B的路线的搜索被配置成从基础层四边形开始遍历四边形边界，
当到达距离所述起始点A和所述目的点B足够远的较高层四边形n＝1的边界时，所述较高层四边形被配置成被使用，和/或
当到达距离所述起始点A和所述目的点B足够远的更高层四边形的边界时，所述更高层四边形n＝2被配置成被使用。
17.如权利要求10所述的系统，其特征在于，涉及边缘标记Dijkstra算法，该边缘标记Dijkstra算法被用于计算自动驾驶车辆的存储介质和/或网络服务器中的最佳路线以便控制对所述自动驾驶车辆的所述导航，所述系统被配置成涉及以下任何函数：
根据需要加载来自所述四边形叉树分层体系的四边形，
识别链路而非节点的前导，
当用新链路扩展已经行进的链路集合时检查所述转向限制，
将封闭道路排除在搜索之外，
排除不符合标准的所述道路，
根据所述标准计算当前添加的链路距起始链路的距离。
18.如权利要求10所述的系统，其特征在于：
所述地图中的道路被配置成封闭，
响应于封闭道路，具有所述封闭道路的所有非基础层四边形都被配置成无效。
19.一种具有存储在其上的计算机程序的非瞬态存储介质，用于在道路网络中导航自动驾驶车辆的所述计算机程序可由一个或多个处理器执行以用于执行以下操作：
其中预处理阶段已被执行的地图被应用在所述计算机程序中，所述地图以基础层和一个或多个较高层的形式被存储在至少一个计算机上，所述预处理阶段包括以下阶段：
具有所述道路网络的道路段的所述地图的所述基础层被剪切到基础层四边形中；
转向限制被存储在所述基础层四边形中；
较高层扩展面积四边形通过修剪方法根据较低层四边形被生成，针对所述较高层扩展面积四边形保留不受限制的交叉路线，其中扩展面积四边形被限定成包含多个基础层四边形的面积；
所述修剪方法根据已经存在的较低层四边形生成所有较高层四边形；以及
沿道路的路线被配置成被从起始点A计算到目的点B，其中
所述点A被包含在第一基础层四边形中而所述点B被包含在第二基础层四边形中，
所述地图上不包含所述点A或所述点B的一个或多个扩展面积四边形被用于交叉寻路，以及在所述交叉寻路中仅有穿越所述一个或多个扩展面积四边形，且从所述点A通往所述点B的道路路线被配置成被计算。
20.如权利要求19所述的非瞬态存储介质，其特征在于：
从所述点A到所述点B的可供选择的路线的总长度、成本和/或历时通过对任何下述道路段的长度、成本和/或历时进行求和来计算；
包含所述点A的基础层四边形的道路段，
穿越不包含所述点A或所述点B的至少一个四边形且提供从所述点A到所述点B的路线的区段的道路段，
通往所述点B的基础层四边形的道路段，以及
具有所述可供选择的路线的最短路线长度、最小路线成本和/或最短路线历时的路线根据所述可供选择的路线的总长度、成本和/或历时被选择。
21.如权利要求19所述的非瞬态存储介质，其特征在于，所述地图被配置成存储在云服务器计算机上，并且至少一个基础层四边形和/或扩展面积四边形被配置成经由通信网络被发送到所述自动驾驶车辆，所述自动驾驶车辆配置有使用所述至少一个四边形进行导航的软件程序。
22.如权利要求19所述的非瞬态存储介质，其特征在于，在基础层四边形和扩展面积四边形之间存在分层体系关系：扩展面积四边形层n＝4n*基础层四边形。
23.如权利要求22所述的非瞬态存储介质，其特征在于：
n＝2层或更多层，
每个层覆盖相同的面积，
每个扩展面积四边形被称为特定层的四边形，并且在所述特定层之下的层上最多可具有四个子四边形且所述四边形的大小比所述子四边形大四倍，
所述分层体系的最低层被称为基础层，所述基础层包含基础层四边形中的详细道路网络，
每个层包含比下方的层更少的信息。
24.如权利要求19所述的非瞬态存储介质，其特征在于，路线计算受以下标准中的任何一者的影响：转向限制、封闭道路段、启用收费道路、启用非铺面道路、启用渡轮和/或启用高速公路。
25.如权利要求19所述的非瞬态存储介质，其特征在于：
对从所述点A到所述点B的路线搜索从基础层四边形开始遍历四边形边界，
当到达距离所述起始点A和所述目的点B足够远的较高层四边形n＝1的边界时，所述较高层四边形被使用，和/或
当到达距离所述起始点A和所述目的点B足够远的更高层四边形的边界时，所述更高层四边形n＝2被使用。
26.如权利要求19所述的非瞬态存储介质，其特征在于，涉及边缘标记Dijkstra算法，该边缘标记Dijkstra算法被用于计算自动驾驶车辆的存储介质和/或网络服务器中的最佳路线以便控制对所述自动驾驶车辆的所述导航，其涉及以下任何函数：
根据需要加载来自所述四边形叉树分层体系的四边形，
识别链路而非节点的前导，
当用新链路扩展已经行进的链路集合时检查所述转向限制，将封闭道路排除在搜索之外，
排除不符合标准的所述道路，
根据所述标准计算当前添加的链路距起始链路的距离。
27.如权利要求19所述的非瞬态存储介质，其特征在于：
所述地图中的道路被封闭，
响应于封闭道路，具有所述封闭道路的所有非基础层四边形都被无效。
CN201780071093.9A 2016-11-16 2017-11-15 一种用于地图上的道路网络中的电子路线导航方法 Active CN109983304B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/353,505 US9784589B1 (en) 2016-11-16 2016-11-16 Electronic route navigation method in a road network on a map
US15/353,505 2016-11-16
PCT/HU2017/000049 WO2018091936A1 (en) 2016-11-16 2017-11-15 An electronic route navigation method in a road network on a map

Publications (2)

Publication Number Publication Date
CN109983304A CN109983304A (zh) 2019-07-05
CN109983304B true CN109983304B (zh) 2023-03-21

Family

ID=59981342

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780071093.9A Active CN109983304B (zh) 2016-11-16 2017-11-15 一种用于地图上的道路网络中的电子路线导航方法

Country Status (6)

Country Link
US (1) US9784589B1 (zh)
EP (1) EP3542133B1 (zh)
JP (1) JP7054848B2 (zh)
CN (1) CN109983304B (zh)
HU (1) HUE062766T2 (zh)
WO (1) WO2018091936A1 (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10535114B2 (en) * 2015-08-18 2020-01-14 Nvidia Corporation Controlling multi-pass rendering sequences in a cache tiling architecture
US11214437B1 (en) * 2017-09-13 2022-01-04 AI Incorporated Autonomous mobile robotic device for the transportation of items
US10371537B1 (en) * 2017-11-29 2019-08-06 Palantir Technologies Inc. Systems and methods for flexible route planning
GB201721062D0 (en) * 2017-12-15 2018-01-31 Caution Your Blast CYB route finding
GB201802493D0 (en) 2018-02-15 2018-04-04 Palantir Technologies Inc System and method
JP6876194B2 (ja) * 2018-02-21 2021-05-26 日立Astemo株式会社 電動ブレーキおよび制御装置
US10942952B1 (en) 2018-08-16 2021-03-09 Palantir Technologies Inc. Graph analysis of geo-temporal information
US11222470B1 (en) 2018-08-21 2022-01-11 Palantir Technologies Inc. Systems and methods for generating augmented reality content
US11604073B1 (en) * 2018-09-24 2023-03-14 Apple Inc. Route guidance system
US10962380B2 (en) 2018-12-20 2021-03-30 Gm Cruise Holdings Llc Analysis of network effects of avoidance areas on routing
CN112585656B (zh) * 2020-02-25 2022-06-17 华为技术有限公司 特殊路况的识别方法、装置、电子设备和存储介质
CN111854768B (zh) * 2020-03-05 2022-05-24 北京嘀嘀无限科技发展有限公司 地图路线的确定方法和系统、终端和计算机可读存储介质
KR102425283B1 (ko) * 2020-12-15 2022-07-27 포티투닷 주식회사 다중 경로 탐색을 수행하기 위한 방법 및 장치
CN116358575A (zh) * 2021-12-27 2023-06-30 格步计程车控股私人有限公司 用于为区域生成多个行进路线的系统和方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1507175A (zh) * 2002-12-11 2004-06-23 �ձ�������ʽ���� 射线接收判断方法和系统以及无线电波传播特性估算方法
CN101149268A (zh) * 2007-10-30 2008-03-26 上海上大鼎正软件有限公司 一种导航用道路拓扑数据模型和计算方法
JP2016048238A (ja) * 2014-08-25 2016-04-07 国立大学法人 鹿児島大学 ナビゲーションシステム、ナビゲーション方法及びプログラム

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5272638A (en) * 1991-05-31 1993-12-21 Texas Instruments Incorporated Systems and methods for planning the scheduling travel routes
KR100339763B1 (ko) * 1996-12-16 2002-06-05 하기와라 가즈토시 지도 데이터베이스 장치
US7746343B1 (en) * 2005-06-27 2010-06-29 Google Inc. Streaming and interactive visualization of filled polygon data in a geographic information system
EP1785696B1 (en) * 2005-11-09 2011-10-05 Harman Becker Automotive Systems GmbH Optimum route determination with tilings
JP5116236B2 (ja) * 2006-01-30 2013-01-09 アルパイン株式会社 地図データ作成方法及び地図データ作成装置
JP5013738B2 (ja) * 2006-04-25 2012-08-29 アルパイン株式会社 地図データ作成装置
JP2008101972A (ja) * 2006-10-18 2008-05-01 Xanavi Informatics Corp ナビゲーション装置
US8886453B2 (en) * 2008-12-11 2014-11-11 Telogis, Inc. System and method for efficient routing on a network in the presence of multiple-edge restrictions and other constraints
US8423283B2 (en) * 2008-12-11 2013-04-16 Telogis, Inc. System and method for efficient routing on a network in the presence of multiple-edge restrictions and other constraints
EP2427726B1 (en) * 2009-05-04 2019-01-16 TomTom North America Inc. Methods and systems for creating digital transportation networks
US20110087425A1 (en) * 2009-10-08 2011-04-14 Telenav, Inc. Navigation system with map compression and method of operation thereof
EP2764504B1 (en) * 2011-10-07 2023-10-25 Verizon Patent and Licensing Inc. Vehicle fleet routing system
US9020760B2 (en) * 2012-02-08 2015-04-28 Telogis, Inc. System for classifying streets for vehicle navigation
JP5906837B2 (ja) * 2012-03-12 2016-04-20 富士通株式会社 経路探索方法、経路探索装置、及びプログラム
WO2015061001A1 (en) * 2013-10-21 2015-04-30 Parker-Hannifin Corporation Determining an extreme temperature location from a plurality of locations
US10247557B2 (en) 2014-09-30 2019-04-02 Here Global B.V. Transmitting map data images in a limited bandwidth environment

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1507175A (zh) * 2002-12-11 2004-06-23 �ձ�������ʽ���� 射线接收判断方法和系统以及无线电波传播特性估算方法
CN101149268A (zh) * 2007-10-30 2008-03-26 上海上大鼎正软件有限公司 一种导航用道路拓扑数据模型和计算方法
JP2016048238A (ja) * 2014-08-25 2016-04-07 国立大学法人 鹿児島大学 ナビゲーションシステム、ナビゲーション方法及びプログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Textured virtual walls achieving interactive frame rates during walkthroughs of complex indoor environments;P. Ebbesmeyer 等;《Proceedings. IEEE 1998 Virtual Reality Annual International Symposium 》;20020806;第1-8页 *
地图匹配算法综述;刘兴权 等;《科技信息》;20141231(第04期);第64-65页 *

Also Published As

Publication number Publication date
EP3542133B1 (en) 2023-06-07
HUE062766T2 (hu) 2023-12-28
JP7054848B2 (ja) 2022-04-15
JP2020502481A (ja) 2020-01-23
US9784589B1 (en) 2017-10-10
CN109983304A (zh) 2019-07-05
EP3542133A1 (en) 2019-09-25
WO2018091936A1 (en) 2018-05-24

Similar Documents

Publication Publication Date Title
CN109983304B (zh) 一种用于地图上的道路网络中的电子路线导航方法
US20240295406A1 (en) Dynamically determining origin and destination locations for a network system
CN109506669B (zh) 动态路径规划方法、装置、系统以及存储介质
US20200041291A1 (en) Multi-modal method of transportation routing
US9778048B2 (en) Method and apparatus for determining reachable area based on road network
US20070129885A1 (en) Optimum route determination with tiling
US10288437B2 (en) Routing with data version stitching
US10274329B2 (en) Method and apparatus for providing a minimum overlapping alternative path
US20240094014A1 (en) Weather and road surface type-based navigation directions
US20230409611A1 (en) Improving Offline Map Data Availability
CN103136298A (zh) 电子设备及其信息呈现方法
US11060876B2 (en) Assessing environmental conditions and administering a modification to self driven vehicles
CN114234991A (zh) 导航路径规划方法、装置、计算机设备和存储介质
CN112212876A (zh) 一种无人驾驶交通载具的导航寻径方法、装置及车辆
CN111483465B (zh) 一种扩展mpp的方法、装置、电子设备及存储介质
US20090265096A1 (en) Two-step routing procedure
US9880004B2 (en) Geographical constraints-aware map routing
CN112304326A (zh) 出行路线规划方法、设备及存储介质
JP2006527506A (ja) 移動通信端末機に地図情報を提供する方法およびシステム
CN113401140B (zh) 双向路段的路由寻径方法、装置、计算机设备和存储介质
CN116858258A (zh) 路径规划方法及装置、计算机可读存储介质、终端、车辆
CN114200924A (zh) 一种路径规划方法、无人车及计算机可读存储介质
CN114427857A (zh) 一种导航方法、装置、电子设备及存储介质

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40009156

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant