CN110162033A - 路线规划和处理禁止的复杂驾驶操控的方法 - Google Patents

路线规划和处理禁止的复杂驾驶操控的方法 Download PDF

Info

Publication number
CN110162033A
CN110162033A CN201910169354.1A CN201910169354A CN110162033A CN 110162033 A CN110162033 A CN 110162033A CN 201910169354 A CN201910169354 A CN 201910169354A CN 110162033 A CN110162033 A CN 110162033A
Authority
CN
China
Prior art keywords
node
manipulation
route
opener
processing
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
Application number
CN201910169354.1A
Other languages
English (en)
Inventor
亚历山大·曼尼柯夫
维克托·卡纳耶夫
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.)
Mitac Research Shanghai Ltd
Mitac International Corp
Original Assignee
Mitac International Corp
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 Mitac International Corp filed Critical Mitac International Corp
Publication of CN110162033A publication Critical patent/CN110162033A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3461Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Navigation (AREA)

Abstract

本发明是有关于一种路线规划和处理禁止的复杂驾驶操控的方法。启动A星搜寻算法的开集和闭集列表。选择开集中的第一节点作为处理节点。在获取连接到处理节点的第二节点之前,将第一节点的一个或多个过滤的复杂操控限制存储在规则列表中。当允许根据规则列表选择第二节点时,将第二节点添加到开集中。

Description

路线规划和处理禁止的复杂驾驶操控的方法
技术领域
本发明涉及一种路线规划领域的一种路线规划方法,特别是涉及一种 路线规划和处理禁止的复杂驾驶操控的方法。
背景技术
当今在诸如智能手机、台式电脑或车载导航系统等移动设备上的导航应 用辅助用户设计出到达目的地的最佳行程路线,帮助用户了解车辆的方向 和行驶方向,说明各种名胜古迹,并向驾驶员通知道路网络上的驾驶状 况。
当车辆沿着道路、街道和公路移动时,车辆可能会在驾驶操作性方面 遇到两种限制:始终存在的交通限制和随时间、星期几或季节而变化的车 辆限制。定时车辆限制的例子包括在通勤或高峰时段期间或针对重型车辆 实施的禁止左转,禁止右转和禁止掉头的限制,只能在通勤或高峰时段由 “拼车”车辆(搭载两人或三人以上)使用的特别标记的交通车道,以及 在一天中不是通勤或高峰时间中可用于车辆停放的转弯车道。显然,没有 交通限制机制的导航系统降低了使用该工具的好处。图1是表示用于输入 现有技术路线规划算法的街道地图的导航图。一组位置及其在街道地图中 的连接可以由导航图中的“节点”和“段”表示。标准迪杰斯特拉 (Dijkstra)算法用如图1所示的导航图进行操作,并且可以用来找到A~F 之间的任何节点之间的最短路径。然而,它并没有适当地考虑转弯限制, 既没有简单的转弯(只包括两段)限制,也没有复杂操控(由两个以上的 段组成)限制。假设从节点F到节点A的成本为3个单位,从节点A到节 点B的成本也为3个单位,从节点F到节点G的成本为1个单位,从节点G
到节点E的成本为1个单位,从节点E到节点B的成本为10个单位。 因此,根据标准迪杰斯特拉算法,可以获得从节点F到节点C的成本最小 的路径F→A→B→C,成本为6个单位。但是,所获得的F→A→B→C的路径 可能会经过在A→B→C路径时遇到禁止左转的限制。
为了解决上述问题并找到考虑简单转弯限制的允许的最短路径,关联 的节点B在导航图中被分成两个节点。更具体地说,由于左转限制发生在 节点B上,所以基于节点B,将段E→B分配标识号码ID=0,段D→B分配 标识号码ID=1,段A→B分配标识号码ID=2,并且段C→B分配标识号码 ID=3。之后,将连接节点B的每一段都分配转弯限制掩码。转弯限制掩码 中的每一位指示是允许(设置为0)还是禁止(设置为1)从第一段到第二 段的转弯。对于A→B→C的禁止左转限制,段A→B有转弯限制掩码 [1000],如果从节点A通过段A→B到节点B,其指示禁止继续到ID=3的 段,而这表示段B→C(设置为1的最左边的位对应于ID=3的段 C→B)。相反,段E→B具有转弯限制掩码[0000],其指示在从节点E到节 点B之后不存在禁止转弯的限制,也就是說,任一者可以接着前往节 点A、C或D。类似地,用于段D→B和段C→B的转弯限制掩码也是 [0000]。
图2是表示具有用于输入现有技术路线规划算法的简单转弯限制的街 道地图的修改的导航图。导航引擎将原始节点B解释为具有上述转弯限制 掩码的信息的两个单独的节点B1和B2。这样,当路线从节点A到达节点 B1时,路径不能继续到节点C,因此排除非法左转A→B→C,而另一个节点 B2保存从节点F到达节点C的其他可能性。然而,我们日常驾驶可操控性 的许多转弯限制不是简单的转弯限制,而是复杂操控,因此上述用简单转 弯限制掩码实施的导航系统不能处理复杂操控。
另一种已经引入来解决复杂操控限制的技术称为幽灵弧。幽灵弧是指 原始段的人造段,其几何结构和所有属性(唯一标识符链接ID除外)与原 分段相同。在此定义次分段是指在复杂操控中接续在原分段后的分段。对 于具有n个分段(n>2)的复杂操控,除了第一分段和最后分段外,每个中 间段都生成幽灵弧。将每个复杂操控限制分解成多个简单的转弯限制,且 每个简单的转弯限制由相应的幽灵弧表示。通过创建具有幽灵弧的这种道 路网络以及对幽灵弧设置多个规则,从而可以使用传统的简单转弯限制来 实施每个复杂操控限制。
上述用于解决复杂操控限制的幽灵弧方案需要大量的预定义规则。不 同的车辆类型、车辆状态或行驶时间都需要不同的规则集,这使路线寻找 过程变得复杂。因此,用上述简单转弯限制或幽灵弧技术来实现的用于解 决复杂操控限制的现有技术导航系统需要大量的计算,这降低了导航系统 的效率和性能。有鉴于上述现有的技术存在的缺陷,本发明人经过不断的 研究终于创设出确具实用价值的本发明。
发明内容
本发明的主要目的在于,克服现有的简单转弯限制无法处理复杂操控 限制的缺陷,或免去事前必须在资料库中额外建构幽灵弧的不便与负担, 而提供一种新的路线规划和处理禁止的复杂驾驶操控的方法,所要解决的 技术问题是使其动态的生成新型态的限制掩码,以在寻路过程中回避遭禁 止的复杂驾驶操控,同时保留所有可通行路径的可能性,非常适于实用。
本发明提供了一种路线规划和处理禁止的复杂驾驶操控的方法。该方 法包括:接收路线的初始节点,路线的目标节点和指定参数;初始化开集 和闭集;将路线的初始节点添加到开集中;根据来自开集中的指定参数, 将具有最低估计成本的节点提取为处理节点;如果处理节点不是目标节 点,则将连接到处理节点的一个或多个后继节点存储为后继组;选择所述 一个或多个后继节点中的一个作为候选节点;如果一个或多个操控限制中涉及从处理节点到候选节点的父段,为候选节点生成一个或多个操控掩 码,以便形成一个或多个虚拟节点,虚拟节点标记与候选节点的一个或多 个操纵限制相关的不同父段;如果候选节点是操控限制的结束节点,则将 处理节点从开集移动到闭集。本发明的这些和其他目的在阅读以下各个附 图和附图中所示的优选实施例的详细描述之后,对于本领域普通技术人员 来说无疑将变得显而易见。
本发明的目的及解决其技术问题是采用以下技术方案来实现的。依据 本发明提出的一种路线规划和处理禁止的复杂驾驶操控的方法,其包括:
接收路线的初始节点,路线的目标节点、行驶条件和指定参数;
建立路线寻找算法的开集和闭集;
将路线的初始节点添加到所述开集中;
从开集中根据指定参数以最低估计成本提取节点作为处理节点;
如果所述处理节点不是目标节点,且若判断处理节点是有相连接的后继节 点,则将连接于所述处理节点的一个或多个后继节点作为后继群组存储; 选择所述一个或多个后继节点中的一个作为候选节点;
如果从处理节点到候选节点的父段判断是涉及操控限制,则为候选节 点生成多个操控掩码,以便形成多个虚拟节点,所述多个虚拟节点用以标 记与操控限制相关的不同父段;以及
如果所述候选节点是所述操控限制的结束节点,则将所述处理节点从 所述开集移动到所述闭集。
前述的路线规划和处理禁止的复杂驾驶操控的方法,还包括:
如果所述处理节点是目标节点,则加载历史记录中从所述初始节点到 所述目标节点为止的所有父节点作为推荐路线。
前述的路线规划和处理禁止的复杂驾驶操控的方法,还包括:
如果所述候选节点不是所述操控限制的结束节点,则使用操控掩码选 择相关联的虚拟节点作为候选节点;
如果在所述开集或闭集中不存在所述候选节点,则将候选 节点添加到开集中,并将相应路线中包含所有经由点保存起来;
如果所述候选节点不存在于所述闭集中但存在于所述开集中,则如果 当前路线的新成本优于先前已估计过的路线的成本,其中新成本和先前成 本是从初始节点通过相应路线到候选节点所做的估计,则用先前已估计路 线替换为候选节点的当前路线;
如果不存在尚未被检查的另一后继节点,则将所述处理节点从所述开 集移动到所述闭集。
前述路线规划和处理禁止的复杂驾驶操控的方法,还包括:
如果所述候选节点已经存在于所述闭集中,且判断尚未被检查 的另一个后继点,则将所述处理节点从所述开集移动到所述闭集。
前述的路线规划和处理禁止的复杂驾驶操控的方法,其中,若所述路 线寻找算法为迪杰斯特拉(Dijkstra)算法,则所述指定参数与从任意一 个第一节点到任意一个第二节点的成本相关联,若所述路线寻找算法为A 星搜寻算法(A*algorthm),则所述指定参数与从第一节点到第二节点且 根据启发式函数的成本的估计相关联。
前述的路线规划和处理禁止的复杂驾驶操控的方法,其中所述的驾驶 条件包括:
基于与车辆类型、车辆状态或行驶时间相关联的行驶条件加载和过滤 所述候选节点的一个或多个操控限制;和将所述过滤的一个或多个操控限 制存储在所述规则列表中。
前述的路线规划和处理禁止的复杂驾驶操控的方法,其中:
有与所述候选节点相关的i个操控限制;生成(i+1)个虚拟节点;和 i为正整数。
前述的路线规划和处理禁止的复杂驾驶操控的方法,其中:提供所述 开集以保持跟踪所述导航图中待检查的多个节点;和提供所述闭集以保持 跟踪所述导航图中已经检查过的多个节点。
本发明与现有技术相比具有明显的优点和有益效果。其至少具有下列 优点:其融合传统的路线搜寻方法以及新颖的产生虚拟节点的流程,实现 快捷且可以动态地配合用户的情况过滤禁止动态的处理复杂禁止,避免不 再需要人工的调整路网结构,节省人力之余,减少事前耗费庞大工作量。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的 技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和 其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附 图,详细说明如下。
附图说明
图1是已有技术,其表示用于输入现有技术路线规划算法的街道地图 的导航图。
图2是已有技术,其表示具有用于输入现有技术路线规划算法的简单 操控限制的街道地图的修改导航图。
图3是本发明,其表示用于输入路线规划算法的街道地图的导航图。
20:导航图
图4A是本发明的实施例中能够处理禁止的复杂驾驶操控的路线规划方 法的流程图。
其中:
300: 开始
340: 判断开集是否是空的
345: 回传错误
500: 结束
310: 接收路线的初始节点,路线的目标节点,行驶条件和指定参数
320: 建立A星搜寻算法或迪杰斯特拉算法的开集和闭集
330: 将初始节点添加到开集中
350: 从开集中根据指定参数以最低估计成本提取节点作为处理节点
360: 判断处理节点为目标节点?
380: 判断处理节点是否有相连接的后继节点?
390: 将连接于处理节点的一个或多个后继节点存储为后继群组
400: 选择一个或多个后继节点作为候选节点
375: 输出推荐路线
370: 加载历史记录中从初始节点到目标节点为止的所有父节点作为推荐路线
图4B是本发明实施例中的能够处理禁止的复杂驾驶操控的路线规划方法的 流程图。
其中:
图4C是本发明实施例中的能够处理禁止的复杂驾驶操控的路线规划方法的 流程图。
其中:
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效, 以下结合附图及较佳实施例,对依据本发明提出的路线规划和处理禁止的 复杂驾驶操控的方法,其具体实施方式、步骤、特征及其功效,详细说明 如后。
图3是表示用于路线规划的地图体系结构的导航图20。导航图20是由 多个虚拟节点和分段构建的现实世界中的街道、十字路口和交通规则的模 拟。段和段整体连接以表示街道的一侧,允许沿着从节点J往节 点D的方向驾驶。类似地,段和段整体连接以表示街道的另 一侧,允许沿着从节点F往节点K的方向驾驶。段和段都是连接于街道 的小路。段表示单向街道,只允许从节点B往节点C的方向行驶,段表 示单向街道,仅允许从节点E往节点G的方向行驶。段是虚拟段,表示从 街道一侧到街道另一侧的掉头操控。然而,在本实施例中,通过节点 A→B→E→H和F→E→B→D等的掉头行驶均是禁止的。段是不同位置的另 一虚拟段,表示从街道一侧到街道另一侧的掉头操控。但是,与段不同的 是,通过节点E→H→A→B的掉头行驶是允许的,而通过节点J→A→H→K 的掉头是禁止的。复杂操控CM1和CM2分别表示在节点B和节点E处通过 A→B→E→H和F→E→B→D的掉头行驶。
在本发明中,基于交通规则,导航图20中的每个节点包含若干禁止操 控,但不限于单纯的禁止转弯。禁止向左转弯、禁止向右转弯、禁止掉头 和复杂的禁止转弯序列都被视为禁止操控。尽管如此,一些转弯限制可能 会随时间而改变,或者根据汽车类型而不同,因此规则是动态的。因此, 事先调整路线架构是非常困难且效率低下的。因此,为了在路线规划运行 时及时地考虑多种禁止的操控,本发明通过对处理节点及相应的复杂操控 掩码进行处理来生成虚拟节点,进而在处理路线规划工作的同时且在将节 点放入开集之前过滤掉非法节点。
也就是说,如果节点n对应于禁止操控的中间节点,则将生成两个对 应的复杂操控掩码CMM(n),其中一个复杂操控掩码CMM(n)指示当前路 线正在节点n处参与禁止操控的情况,另一个表示当前路线在节点n处未 参与任何禁止操控。类似地,如果节点n对应于多个禁止操控的中间节 点,则将生成更多对应的复杂操控掩码CMM(n)。例如,如图3所示,卡车 在节点B和节点E通过复杂操控CM1和CM2进行掉头是不允许的。因 此,对于它们的中间节点B或节点E,每个节点皆包含3个复杂操控掩码 CMM(n)。另一方面,由于禁止操控控制转弯限制,并且一个转弯涉及两 段,很明显,在禁止操控中至少会有一个中间节点。
在本发明中,如前所述,禁止操控可以在不同的情况下改变,因此有 必要根据诸如车辆类型/状态和驾驶时间的驾驶状况选择相关的禁止操控, 以在进行路线规划时确定特定的行驶条件下所有适用的禁止操控。假设节 点n存在i个相关的禁止操控,并且该节点皆不是该i个禁止操控的终 点,则可以为节点n存储i位的复杂操控掩码,其中每一位用于反映各个 禁止操控的状态,且每个禁止操控由每个唯一的弧ID指定。只有在路径规 划是经由禁止操控的初始弧到达该禁止操控的节点n时,复杂操控掩码中 与该禁止操控对应的位才会设置为1,反之则将复杂操控掩码中与该禁止操 控对应的位设置为0。
更具体地说,为了方便描述,假设禁止操控A→B→E→H与节点B有关 时被分配为标识号码ID=0,操控F→E→B→D与节点B有关时被分配为标识 号码ID=1,操控A→B→E→H与节点E有关时被分配为标识号码ID=1,并 且操控F→E→B→D与节点E有关时被分配为标识号码ID=0。在这种情 况下,如果进入弧(表示禁止操控的开始弧到目前节点为止的路径)是 A→B,则节点B处的复杂操控掩码是[01],其中第一位是1,表示当前路 线涉及禁止操控A→B→E→H中。如果进入弧是F→E→B,则节点B处的复 杂操控掩码为[10],其中第二位为1,表示当前路线涉及禁止操控 F→E→B→D中,以及对于所有其他未涉及任何禁止操控的进入弧,为 [00]。因此,节点B可以被分成三个节点,并藉由导航引擎解释为节点B1(具有复杂操控掩码[01]的节点B),节点B2(具有复杂掩码[10]的节点B) 以及节点B3(具有复杂掩码[00]的节点B)。
类似地,如果进入弧是F→E,则节点E处的复杂操控掩码是[01],其 中第一位是1,表明当前路线涉及禁止操控F→E→B→D中。如果进入弧是 A→B→E,则节点E处的复杂的操控掩码是[10],其中第二位是1,表明当 前路线涉及禁止操控F→E→B→D中,以及对于所有其他未涉及任何禁止操 控的进入弧,为[00]。因此,可以将节点E分为三个节点,并藉由导航引 擎解释为节点E1(具有复杂掩码[01]的节点E),节点E2(具有复杂掩码[10] 的节点E)和节点E3(具有复杂掩码[00]的节点E)。因此,当路线从弧 F→E→B到达节点B时,路径不能继续前往节点D而造成非法掉头 F→E→B→D;当路线从弧A→B→E到达节点E时,路径不能继续前往 节点H,否则会造成非法掉头A→B→E→H。如同本领域技术人员所熟知, 迪杰斯特拉算法或其他路线寻找算法在计算或考虑这些节点之后,会将节 点放入闭集中,使得每个节点不会再被冗余地计算。然而,由于目前的路 线规划方法引入了一流程,以在处理要将哪些节点放入开集的早期阶段中, 过滤掉会执行禁止限制的非法节点,并且在运行时为参与任何禁止限制的 中间节点创建虚拟节点,且由于超过一个以上的节点可以被放入闭集中, 以保留从其他合法路线到达该些中间节点可能的路线。也就是说,本发明 的方法可以容易地与那些常见的路线寻找算法,并且在运行中考虑复杂操 控限制的情况下解决路线规划任务。
图4A-4C表示根据本发明能够处理禁止的复杂驾驶操控的路线规划方 法的实施例的流程图。其中:
步骤300:开始;执行步骤310。
步骤310:接收路线的初始节点,路线的目标节点,行驶条件和指 定参数;执行步骤320。
步骤320:建立A星搜寻算法(A*algorithm)或迪杰斯特拉(Dijkstra) 算法的开集和闭集;执行步骤330。
步骤330:将初始节点添加到开集;执行步骤340。
步骤340:判断开集是否为空;如果是,则执行步骤345;如果不是, 则执行步骤350。
步骤345:报告错误;执行步骤600。
步骤350:从开集中根据的指定参数以最低估计成本提取节点作为处 理节点,执行步骤360。
步骤360:判断处理节点是否为目标节点;如果是,则执行步骤370; 如果不是,则执行步骤380。
步骤370:加载历史记录中从初始节点到目标节点为止的所有父节点 作为推荐路线;执行步骤375。
步骤375:输出推荐路线;执行步骤500。
步骤380:判断处理节点是否有相连接的后继节点;如果是,则执行 步骤390;如果不是,则执行步骤490。
步骤390:将连接于处理节点的一个或多个后继节点作为后继群组存 储;执行步骤400。
步骤400:选择一个或多个后继节点中的一个作为候选节点;执行步骤 410。
步骤410:判断从处理节点到候选节点的父段是否涉及操控限制;如果 是,则执行步骤420;如果不是,则执行步骤450。
步骤420:为候选节点生成多个操控掩码,以便形成多个虚拟节点,该 多个虚拟节点用以标记与操控限制相关的不同父段;执行步 骤430。
步骤430:判断候选节点是否为操控限制的结束节点;如果是,则执行
步骤480:如果不是,则执行步骤440。
步骤440:使用操控掩码选择相关联的虚拟节点作为候选节点;执行步 骤450。
步骤450:确定候选节点是否存在于闭集中;如果是,则执行
步骤480;如果不是,则执行步骤460。
步骤460:确定候选节点是否存在于开集中;如果是,则执行步 骤470;如果不是,则执行步骤465。
步骤465:将候选节点添加到开集中,并将相应路线中包含的所有经由 点保存起来;执行步骤480。
步骤470:判断当前路线的新成本是否优于先前已估计过的路线的成 本,其中新成本和先前成本是从初始节点通过相应路线到 候选节点所做的估计;如果是,则执行步骤475;如果不是, 则执行步骤480。
步骤475:将先前已估计过的路线替换为候选节点的当前路线;执行步 骤480。
步骤480:判断是否存在尚未被检查的另一后继节点;如果是,则执行
步骤400;如果不是,则执行步骤490。
步骤490:将处理节点从开集移动至闭集;执行步骤340。
步骤500:结束。
在步骤310中,提供路线的初始节点,路线的目标节点,行驶条件和 指定参数。行驶条件与车辆类型、车辆状态(乘客人数)和行驶时间相关。 指定参数与从任一个第一节点到任一个第二节点的成本相关联,并且可以 进一步与从第一节点到第二节点且根据启发式函数(heuristic function)的 成本估计相关联。为了方便说明,假设图2中的节点A是当前路线规划过 程的初始节点,并且在段A-B上没有禁止操控。
在步骤320中,建立A星搜寻算法或迪杰斯特拉算法的开集和闭集, 但不限于此。开集跟踪那些需要检查的节点,而闭集跟踪已经检查过的节 点。
在步骤330中,开集仅包含初始节点330,并且闭集是空的。如果在 步骤340中不存在节点或者未残留于开集中,则可以执行步骤345以报告 错误。
在步骤350中,自开集中根据指定参数提取具有最低估计成本的节点 作为处理节点。在一些实施例中,当步骤320中采用迪杰斯特拉算法时, 所提取的具有最低估计成本的节点提供了来自初始节点的最短路径。在一 些实施例中,当步骤320中采用A星搜寻算法,且在计算开集中的节点成 本时,从初始节点到当前节点的预估成本以及根据启发式函数预期从当前 节点到目标节点的预期成本列入考虑。
如果在步骤360的判断中确定处理节点是目标节点,则意味着当前的 路线规划方法已经到达目的地。然后执行步骤370,通过加载历史记录中从 初始节点到目标节点的所有父节点以提供推荐路线。然后可以在步骤375 中输出推荐的路线。
如果在步骤360的判断中确定处理节点不是目标节点并且在步骤380 的判断中确定存在一个或多个与处理节点连接的后继节点,则将该一个或 多个后继节点作为后继群组存储在步骤390中。
在步骤400中在一个或多个后继节点中选择一个节点作为候选节点之 后,执行步骤410以判断从处理节点到候选节点的父段中是否涉及操控限 制。在本发明的实施例中,可以基于驾驶状况(车辆类型/状态或行驶时间) 来加载和过滤每个关注节点的操控限制。过滤后的操控限制可以接着存储 在规则列表中。更具体地说,当规划相同的路线时,且就同一节点而言, 存储在规则列表中的过滤操控限制会因为白天行驶或夜间行驶而不相同。在本实施例中,操控限制指的是转弯限制,例如禁止右转,禁止左转或禁 止掉头。
在步骤420中,生成操控掩码是为了将候选节点产生多个虚拟节点, 以藉由虚拟节点标记与操控限制相关的不同父段。如果候选节点是特定操 控限制的中间节点,则需要操控掩码一的个位来表示不同的进入情况。因 此,如果候选节点对应于i个操控限制的中间节点,则候选节点的操控掩 码包括i个位,其中每一个位表示路线历史纪录中是否执行对应的操控限 制。换句话说,如果候选节点的父节点中有一个或多个与特定操控限制的起始点以及直到候选节点为止的每个中间节点相匹配,则与特定操控限制 相关联的位(bit)应该设置为1。否则,若不匹配,与特定操控限制相关的位 (bit)设置为0。更具体地说,如图3所示,假设有两个禁止操控通过节点序 列F→E→B→D和A→B→E→H构成。当路线规划从节点J通过节点A、节点 B直到节点E时,则在节点E的操纵掩码中有一相对应的位(bit)被设置为1,代表当前的路线规划正遭遇禁止操控A→B→E→H。类似地,如果通过节点序列B→E→H为另一个禁止操控,则在节点E的操控掩码中还有另一个 对应的位被设置为1。类似地,如果在节点序列B→E→H存在另一个禁止操 控,则在节点E的操控掩码中还有另一个对应的被设置为1的位。在一较 佳实施例中,当存在与候选节点相关的i个操控限制时,则生成i+1个虚 拟节点,且因为存在多个可以放入Open列表的节点,使得候选节点可以不 止一次被考虑、判断,再者,可以为路线查找算法保留通过该候选节点以 测试其他线路的可能性。因此,当至少有一个操控限制时产生虚拟节点的 方法可以防止路线规划削减找到路线的潜在可能性。
更具体地说,假设在节点B将掉头驾驶操控F→E→B→D(CM2),掉头 驾驶操控A→B→E→H(CM1),左转弯驾驶操控A→B→E(SM1)等设置为禁 止操控。如果节点B的路线历史纪录是依序通过节点F和节点E,则存储在 节点B的复杂操控掩码中,与禁止操控“F→E-→B→D”相关联的位被设置 为1。
如果在步骤430中判断候选节点不是操控限制的结束节点,则在步骤 440中利用操控掩码选择相关虚拟节点以作为候选节点,以将候选节点在步 骤450~470中作后续的评估。
如果在步骤450中判断候选节点已经存在于闭集中,则执行步骤480 以评估其他待检查的后继节点。如果在步骤450中判断候选节点不存在于 闭集中,则执行步骤460以判断候选节点是否已经存在于开集中。
如果在步骤460中判断候选节点不存在于开集中,则执行步骤465以 将候选节点添加到开集中,并将包含所有经由点的相应路线存储于候选节 点中,其中相应的路线是指从初始节点开始直到候选节点。如果在步骤460 中判断候选节点已经存在于开集中,则执行步骤470以判断当前路线的新 成本是否优于先前估计路线的先前成本,其中新成本和先前成本是估计从 初始节点到候选节点各自通过的相应的路线。
如果在步骤450中判断候选节点不存在于闭集中,并且在步骤460中 判断候选节点已经存在于开集中,则执行步骤470,以判断当前路线的新成 本是否优于先前估计路线的先前成本其中新成本和先前成本是估计从初始 节点到候选节点各自通过的相应的路线。仅在当前路线的新成本优于先前 估算路线的先前成本时,执行步骤475,且意味着从初始节点到达候选节点 而言,当前路线是比先前估计路线更好的选择。
如果在步骤480中判断没有尚未检查的后继节点,则执行步骤490以 将处理节点从开集移动到闭集。之后,本发明的方法回到步骤340构成循 环,并且可能再进一步返回到步骤350以评估开集中的其他未经检查的节 点(如果有的话)。
提供一个更详细的实施例来解释本发明。为了找到以节点F为起点且 以节点C为终点之间可允许的最短路线,本路线规划方法按以下步骤进行:
(1)将初始节点F放入开集(步骤330)。即当前开集包含节点F。
(2)从开集中提取节点F(步骤350)。节点F有一个尚未探索过 的连接节点E。由于段F→E是复杂操控F→E→B→D的开始段,且该复杂操 控ID=1,因此将具有掩码[01]的节点E(以下称为节点E1)放入开集中 (步骤410、420、430、440、450、460至465),而节点F从开集移动到 闭集(步骤490)。当前开集则包含节点E1,闭集包含节点F。
(3)从开集中提取节点E1(步骤350)。节点E1有三个连接节 点B、G和H,这些连接节点尚未被探测过。由于段E→G和段E→H不涉及 任何复杂操控,节点G和H被添加到开集(步骤410、450、460至465) 中。对于节点B而言,由于段F→E→B是禁止复杂操控CM4F→E→B→D的 开始段,且该复杂操控ID=1,具有掩码[10]的节点B(以下称为节点B2) 被放入开集(步骤410、420、430、440、450、460至465),而节点E1从 开集移动至CLOSED列表(步骤490)。现在开集包含节点B2(其历史记录 为F→E1)、G(其历史记录为F→E1)和H(其历史记录为F→E1),闭集包 含节点F和E1。
(4)从开集中提取节点G(步骤350)。节点G只有一个连接节点E。然 而,从节点G移动到节点E是违反交通规则的。且对于节点G而言,节点E 是不被允许的连接节点,因此,节点E会在步骤380中被滤除。接着,将 节点G从开集移动到闭集(步骤380到490)。当前开集包含节点H(其历 史记录为F→E1)和节点B2(其历史记录为F→E1),闭集包含节点F、E1 和G。
(5)从开集中提取节点H(步骤350)。节点H有两个尚未探索 过的连接节点A和连接节点K。由于段H→K和段H→A不涉及任何复杂操 控,因此节点A和节点K被添加到开集(步骤410、450、460到465),而 节点H从开集移动到闭集(步骤490)。当前开集包含节点A(其历史记录 为F→E1→H)、节点B2(其历史记录为F→E1)和节点K(其历史记录为 F→E1→H),闭集包含节点F、E1、G和H。
(6)从开集中提取节点B2(步骤350)。节点B2有4个连接节点 A、C、D和E,这些连接节点都尚未被探索过。由于路线F→E→B→D形成 禁止的复杂操控CM4,所以节点D不能被放入开集中(步骤410、420、 430、480至490)。由于路线F→E→B→C不涉及任何被禁止的复杂操控的 开始段,所以节点C被添加到开集(步骤410、450、460至465)。由于路 线F→E→B→E不涉及禁止的复杂操控的开始段,因此将具有掩码[00]的节 点E(以下称为节点E3)添加到开集(步骤410、420、430、440、450、460 至465)尽管段B2→A并未涉及任何被禁止的复杂操控,但从节点B移动到 节点A是违反交通规则的。且对于节点B2而言,节点A并非真的是可允许 的连接节点,因此在步骤380中节点A会被滤除。将节点B2移动至CLOSED 列表中。当前,开集包含节点A(其历史记录为F→E1→H)、节点C(其历 史记录为F→E1→B2)、节点E3(其历史记录为F→E1→B2)和节点K(其 历史记录为F→E1→H),闭集包含节点F、E1、G、H和B2。
(7)从开集中提取节点K(步骤350)。由于节点K没有任何连 接节点,所以将节点K移动到闭集(步骤380到490)。现在OPEN列表包 含节点A(其历史记录为F→E1→H)、C(其历史记录为F→E1→B2)和节点 E3(其历史记录为F→E1→B2),闭集包含节点F、E1、G、H、B2和K。
(8)从开集中提取节点A(步骤350)。节点A有两个尚未探索到 的连接节点B和J。由于段A→B是禁止的复杂操控CM3A→B→E→H的开始 段,且该复杂操控ID=0,具有掩码[01]的节点B(以下称为节点B1)被添 加到开集中(步骤410、420、430、440、450、460至465)。尽管段A→J 不涉及任何被禁止的复杂操控,但从节点A移动到节点J是违反交通规则 的。且对于节点A而言,节点J并非真的是可允许的连接节点,因此在步 骤380中节点J会被滤除。将节点A移动至闭集中(步骤490)。当前,开 集包含节点B1(其历史记录为F→E1→H→A)、节点C(其历史记录为 F→E1→B2)、节点E3(其历史记录为F→E1→B2),闭集包含节点F、E1、G、H、B2、K和A。
(9)从开集中提取节点E3(步骤350)。节点E3具有四个 连接节点B、F、G和H。然而,从节点E3移动到节点F是违反交通规 则的。且对于节点E3而言,节点F并非真的是可允许的连接节点,因此在 步骤380中节点F会被滤除。节点G和H都是先前探测过的(已经存储在 闭集中的节点),所以节点G和H没有被添加到开集中(步骤380到 490)。由于路径F→E1→B2→E3→B并未包含任何被禁止的复杂操控的开始 段,具有掩码[00]的节点B(以下称为节点B3)被放入开集(步骤410、420、 430、440、450、460至465)。将节点E3移动至CLOSED列表中。当前,开 集包含节点C(其历史记录为F→E1→B2)、B1(其历史记录为F→E1→H→A) 和节点B3(其历史记录为F→E1→B2→E3),闭集包含节点F、E1、G、H、 B2、K、A和E3。
(10)提取节点C(步骤350)。由于节点C没有任何可被允许的连接 节点,所以没有任何连接节点需要添加到开集(步骤380到490)。将节点 C移动至闭集中。当前,开集包含节点B1(其历史记录为F→E1→H→A)和 节点B3(其历史记录为F→E1→B2→E3),闭集包含节点F、E1、G、H、B2、 K、A、E3和C。
(11)从开集中提取节点B1(步骤350)。节点B1有4个尚未探 索到的连接节点A、C、D和E(不在闭集中)。相似地,從節點B1移動到節 點A是違反交通規則的,因此在步驟380中節點A會被濾除(步骤380至 480)。节点C已经被探索过,所以继续进行下一个步骤(步骤420、450、 480)。对于节点E而言,由于路线A→B→E是禁止复杂操控CM3A→B→E→H 的开始段,且该复杂操控ID=01,具有掩码[10]的节点E(以下称为节点 E2)被添加到OPEN列表中(步骤410、420、430、440、450、460至465)。 因为A→B→D不是任何禁止的复杂操控的一部分,所以节点D被置于开集 中(步骤410、450、460至465),而节点B1被移至CLOSED列表(步 骤490)。当前,开集包含节点B3(其历史记录为F→E1→B2→E3)、D(其 历史记录为F→E1→H→A→B1)和E2(其历史记录为 F→E1→H→A→B1),闭集包含节点F、E1、G、H、B2、K、A、E3、C和B1。
(12)从开集中提取节点E2(步骤350)。节点E2具有4个连接节点B、 F、G和H。节点F和G已经被探索过,所以继续进行下一个步骤(步骤420、 450、480)。由于A→B1→E2→B并未包含任何被禁止的复杂操控的开始 段,应被纳入考虑的是节点B3(具有掩码[00])。然而,节点B3已经存在于 开集中(步骤450、460),且先前估计路线(F→E1→B2→E3→B3)的先前成 本很明显地优于当前估计路线(F→E1→H→A→B1→E2→B3)的当前成本(步 骤470),也就是说,节点B3的历史记录维持不变。此外,由于路线 A→B→E→H形成禁止的复杂操控CM3,所以节点H不被允许添加到开集中 (步骤410、420、430、480至490)。现在,开集包含节点B3(其历史记录 为F→E1→B2→E3)和节点D(其历史记录为F→E1→H→A→B1),闭集包含节点F、E1、G、H、B2、K、A、E3、C、B1和E2。
(13)从开集中提取节点D(步骤350)。由于节点D是终点,所 以获取了最短的可允许路径F→E→H→A→B→D(步骤360、370、 375至500)。
大多数现有的路线寻找算法包括两个程序。第一种方法是将闭集中不 存在的所有邻居节点放入开集中。第二种方法是从开集中删除所有已检查 的节点,并将它们放入闭集中,以避免重复计算。使用解释如上所述的当 前路线规划方法的相同实施例,当使用现有技术路线寻找算法来找到节点F 的起点和节点D的终点之间的最短允许路线时,路线F→E→B→D可能被获 取。有鉴于利用其他现有的路线规划方法时,节点B及节点E在执行确认程序后会被放入闭集,且在没有复杂掩码的情况下,会需要耗费庞大的工 作量以得到路线F→E→H→A→B→D作为最佳路径。在如上所述的当前路 线规划方法中,在将候选节点放入开集之前,使用对应的操控掩码生成标 记与候选节点的操控限制相关的不同父段的多个虚拟节点。因此,随着路 线扩展,这些虚拟节点可能被多次考虑,从而阻止可能的可行路线被消 除。
在目前的路线规划方法中,结合迪杰斯特拉算法或A星搜寻算法引入 复杂操控掩码CMM(n),以滤除任何禁止的复杂驾驶操控。为每个节点n 存储复杂的操控掩码CMM(n),所述复杂的操控掩码CMM(n)可用于在路 线扩展时在运行时创建虚拟节点。由于本发明的方法只需要提高或重置复 杂操控掩码CMM(n)中的位,因此它不需要大量工作来预先创建附加信息 或人为规则。因此,本发明提供了一种能够有效地处理禁止的复杂的驾驶 操控的路线规划方法。
本领域的技术人员将容易观察到,可以在保持本发明的教导的同时进 行设备和方法的许多修改和变更。因此,上述公开内容应该被解释为仅受 所附权利要求的界限限制。

Claims (8)

1.一种路线规划和处理禁止的复杂驾驶操控的方法,其特征在于包括:
接收路线的初始节点,路线的目标节点、行驶条件和指定参数;
建立路线寻找算法的开集和闭集;
将路线的初始节点添加到所述开集中;
从开集中根据指定参数以最低估计成本提取节点作为处理节点;
如果所述处理节点不是目标节点,且若判断处理节点是有相连接的后继节点,则将连接于所述处理节点的一个或多个后继节点作为后继群组存储;选择所述一个或多个后继节点中的一个作为候选节点;
如果从处理节点到候选节点的父段判断是涉及操控限制,则为候选节点生成多个操控掩码,以便形成多个虚拟节点,所述多个虚拟节点用以标记与操控限制相关的不同父段;以及
如果所述候选节点是所述操控限制的结束节点,则将所述处理节点从所述开集移动到所述闭集。
2.根据权利要求1所述的路线规划和处理禁止的复杂驾驶操控的方法,
其特征在于,还包括:
如果所述处理节点是目标节点,则加载历史记录中从所述初始节点到所述目标节点为止的所有父节点作为推荐路线。
3.根据权利要求1所述的路线规划和处理禁止的复杂驾驶操控的方法,其特征在于,还包括:
如果所述候选节点不是所述操控限制的结束节点,则使用操控掩码选择相关联的虚拟节点作为候选节点;
如果在所述开集或闭集中不存在所述候选节点,则将候选
节点添加到开集中,并将相应路线中包含所有经由点保存起来;
如果所述候选节点不存在于所述闭集中但存在于所述开集
中,则如果当前路线的新成本优于先前已估计过的路线的成本,其中新成本和先前成本是从初始节点通过相应路线到候选节点所做的估计,则用先前已估计路线替换为候选节点的当前路线;
如果不存在尚未被检查的另一后继节点,则将所述处理节点从所述开集移动到所述闭集。
4.根据权利要求1所述的路线规划和处理禁止的复杂驾驶操控的方法,其特征在于,还包括:
如果所述候选节点已经存在于所述闭集中,且判断尚未被检查
的另一个后继点,则将所述处理节点从所述开集移动到所述闭集。
5.根据权利要求1所述的路线规划和处理禁止的复杂驾驶操控的方法,其特征在于,其中,若所述路线寻找算法为迪杰斯特拉(Di jkstra)算法,则所述指定参数与从任意一个第一节点到任意一个第二节点的成本相关联,若所述路线寻找算法为A星搜寻算法(A*a lgorthm),则所述指定参数与从第一节点到第二节点且根据启发式函数的成本的估计相关联。
6.根据权利要求1所述的路线规划和处理禁止的复杂驾驶操控的方法,其特征在于,所述的驾驶条件包括:
基于与车辆类型、车辆状态或行驶时间相关联的行驶条件加载和过滤所述候选节点的一个或多个操控限制;和将所述过滤的一个或多个操控限制存储在所述规则列表中。
7.根据权利要求1所述的路线规划和处理禁止的复杂驾驶操控的方法,其特征在于,其中:有与所述候选节点相关的i个操控限制;生成(i+1)个虚拟节点;和i为正整数。
8.根据权利要求1所述的路线规划和处理禁止的复杂驾驶操控的方法,其特征在于,其中:提供所述开集以保持跟踪所述导航图中待检查的多个节点;和提供所述闭集以保持跟踪所述导航图中已经检查过的多个节点。
CN201910169354.1A 2018-03-25 2019-03-06 路线规划和处理禁止的复杂驾驶操控的方法 Pending CN110162033A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/935,050 2018-03-25
US15/935,050 US20190293441A1 (en) 2018-03-25 2018-03-25 Method of route planning and handling prohibited complex driving maneuvers

Publications (1)

Publication Number Publication Date
CN110162033A true CN110162033A (zh) 2019-08-23

Family

ID=67638332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910169354.1A Pending CN110162033A (zh) 2018-03-25 2019-03-06 路线规划和处理禁止的复杂驾驶操控的方法

Country Status (3)

Country Link
US (1) US20190293441A1 (zh)
CN (1) CN110162033A (zh)
WO (1) WO2019184126A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190293441A1 (en) * 2018-03-25 2019-09-26 Mitac International Corp. Method of route planning and handling prohibited complex driving maneuvers
CN113124874A (zh) * 2021-04-12 2021-07-16 北京理工大学 一种用于无人装备的时间协同航迹规划方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102506849A (zh) * 2011-09-28 2012-06-20 浙江大学 寻找带约束的最短路径的方法
CN202404763U (zh) * 2011-12-26 2012-08-29 北京易华录信息技术股份有限公司 一种基于实时交通信息的动态路径寻优系统
CN103620345A (zh) * 2011-06-28 2014-03-05 微软公司 通过信息采集和检索提供路线
WO2017158391A1 (en) * 2016-03-17 2017-09-21 Mireo D.D. Process of planning the fastest route for road vehicles
CN107817000A (zh) * 2017-10-25 2018-03-20 广州汽车集团股份有限公司 无人驾驶车辆的路径规划方法、装置及计算机设备
US20190293441A1 (en) * 2018-03-25 2019-09-26 Mitac International Corp. Method of route planning and handling prohibited complex driving maneuvers

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101571404A (zh) * 2009-06-11 2009-11-04 东南大学 考虑交叉口转向的最短路径拍卖算法
KR20130112507A (ko) * 2012-04-04 2013-10-14 인하대학교 산학협력단 S* 알고리즘을 이용한 이동로봇의 안전경로계획 수립방법
CN103529843B (zh) * 2013-10-17 2016-07-13 电子科技大学中山学院 Lambda*路径规划算法
CN105955254B (zh) * 2016-04-25 2019-03-29 广西大学 一种适用于机器人路径搜索的改进的a*算法
JP2018010019A (ja) * 2017-10-24 2018-01-18 パイオニア株式会社 探索装置、探索方法及び探索用プログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103620345A (zh) * 2011-06-28 2014-03-05 微软公司 通过信息采集和检索提供路线
CN102506849A (zh) * 2011-09-28 2012-06-20 浙江大学 寻找带约束的最短路径的方法
CN202404763U (zh) * 2011-12-26 2012-08-29 北京易华录信息技术股份有限公司 一种基于实时交通信息的动态路径寻优系统
WO2017158391A1 (en) * 2016-03-17 2017-09-21 Mireo D.D. Process of planning the fastest route for road vehicles
CN107817000A (zh) * 2017-10-25 2018-03-20 广州汽车集团股份有限公司 无人驾驶车辆的路径规划方法、装置及计算机设备
US20190293441A1 (en) * 2018-03-25 2019-09-26 Mitac International Corp. Method of route planning and handling prohibited complex driving maneuvers

Also Published As

Publication number Publication date
US20190293441A1 (en) 2019-09-26
WO2019184126A1 (en) 2019-10-03

Similar Documents

Publication Publication Date Title
US5916299A (en) Method for determining exits and entrances for a region in a network
US8572001B2 (en) Simultaneous vehicle routing, vehicle scheduling, and crew scheduling
CN108873905A (zh) 自动驾驶车辆控制方法、自动驾驶车辆及可读存储介质
Kim et al. State space reduction for nonstationary stochastic shortest path problems with real-time traffic information
CN106066180A (zh) 关于目的地标识停车位置
Schmitt et al. Vehicle route guidance systems: Classification and comparison
Yu et al. A multi-modal route planning approach with an improved genetic algorithm
CN106297383A (zh) 基于大数据和深度学习的停车诱导方法和系统
CN109211257B (zh) 一种无人驾驶车行驶路线规划方法和系统
CN110162033A (zh) 路线规划和处理禁止的复杂驾驶操控的方法
CN111947676B (zh) 快递路径规划方法、装置、电子设备以及存储介质
CN103309932A (zh) 路径搜索方法和路径搜索设备
Quirion‐Blais et al. Solving the large‐scale min–max K‐rural postman problem for snow plowing
Zhang et al. APFD: an effective approach to taxi route recommendation with mobile trajectory big data
Gayathri et al. A novel technique for optimal vehicle routing
CN109741597A (zh) 一种基于改进深度森林的公交车路段运行时间预测方法
Delavar et al. A GIS-assisted optimal urban route finding approach based on genetic algorithms
Divsalar et al. Personalized multi-day trips to touristic regions: A hybrid GA-VND approach
CN113946159B (zh) 无人机高速公路巡逻的路径优化方法和系统
CN106197431A (zh) 电梯相关人员最短路径规划系统
Al-Zinati et al. Simulation of traffic network re-organization operations
Liu et al. Learning to route via theory-guided residual network
Haqqani et al. Multi-objective journey planning under uncertainty: a genetic approach
CN114264313A (zh) 基于势能的车道级路径规划方法、系统、设备及存储介质
CN114023095A (zh) 一种交通限制识别方法、装置及电子设备

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190823

WD01 Invention patent application deemed withdrawn after publication